基于縣級(jí)分辨率的福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估*

朱 婧，陸 逸，李國(guó)平，任福民

(1. 成都信息工程大學(xué) 大氣科學(xué)學(xué)院，四川 成都610225；2. 中國(guó)氣象科學(xué)研究院 災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京100081；3. 中國(guó)氣象局上海臺(tái)風(fēng)研究所，上海 200030)

基于縣級(jí)分辨率的福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估*

朱 婧1,2，陸 逸3，李國(guó)平1，任福民2

(1. 成都信息工程大學(xué) 大氣科學(xué)學(xué)院，四川 成都610225；2. 中國(guó)氣象科學(xué)研究院 災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京100081；3. 中國(guó)氣象局上海臺(tái)風(fēng)研究所，上海 200030)

為了評(píng)估福建省縣級(jí)高分辨率的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)，利用臺(tái)風(fēng)逐日降水、臺(tái)風(fēng)大風(fēng)資料及縣級(jí)災(zāi)情資料、社會(huì)經(jīng)濟(jì)人口資料進(jìn)行典型相關(guān)分析，計(jì)算臺(tái)風(fēng)致災(zāi)因子強(qiáng)度指數(shù)。并運(yùn)用人口資料進(jìn)行多指標(biāo)綜合評(píng)價(jià)方法結(jié)合主成分分析法評(píng)估福建各縣人口脆弱性指數(shù)。綜合致災(zāi)因子指數(shù)與脆弱性指數(shù)得到各縣臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)，并利用指數(shù)值大小進(jìn)行風(fēng)險(xiǎn)區(qū)劃。將福建省劃分為高、次高、中等、次低和低的5級(jí)風(fēng)險(xiǎn)，區(qū)劃結(jié)果：福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)從東部沿海向西呈遞減趨勢(shì)。高風(fēng)險(xiǎn)區(qū)分布在閩北寧德福鼎市、柘榮縣；閩東莆田市區(qū)、平潭市；閩南漳州平和縣、詔安縣。次高風(fēng)險(xiǎn)區(qū)包括福州市區(qū)、泉州市區(qū)等。閩西北大多數(shù)地區(qū)為次低、低風(fēng)險(xiǎn)區(qū)。

臺(tái)風(fēng)災(zāi)害；縣級(jí)；高分辨率；風(fēng)險(xiǎn)評(píng)估；福建

近年來(lái)，隨著臺(tái)風(fēng)造成的暴雨、大風(fēng)極端事件增多，對(duì)臺(tái)風(fēng)災(zāi)害的研究也在增加。大部分專家學(xué)者主要研究范圍區(qū)域分辨率較大，或重點(diǎn)從單一的致災(zāi)因子危險(xiǎn)性、承災(zāi)體脆弱性等方面為出發(fā)點(diǎn)對(duì)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估。

在致災(zāi)因子危險(xiǎn)性方面，李春梅等[1]采用層次分析法得到熱帶氣旋綜合影響指數(shù)。楊秋珍等[2]建立上海地區(qū)年最大風(fēng)速的理論分布模型，求得各地各級(jí)年最大風(fēng)速年超越概率及重現(xiàn)期，采用概率評(píng)估方法得到總體危險(xiǎn)度。蘇高利等[3]利用基于信息擴(kuò)散理論的風(fēng)險(xiǎn)評(píng)估方法的正態(tài)擴(kuò)散模型，計(jì)算出某一種災(zāi)害超越概率風(fēng)險(xiǎn)估計(jì)值。婁偉平等[4]采用基于主成分的神經(jīng)網(wǎng)法，將直接經(jīng)濟(jì)損失指數(shù)作為評(píng)估結(jié)果對(duì)浙江省5個(gè)臺(tái)風(fēng)進(jìn)行擬合評(píng)估。劉少軍等[5]建立待評(píng)災(zāi)害損失等級(jí)與定義的災(zāi)害損失等級(jí)的關(guān)聯(lián)函數(shù)值。

在承災(zāi)體易損性方面，林繼生等[6]利用回歸多元線性法建立了經(jīng)濟(jì)損失模式、倒損房屋模式。陳香[7-8]建立臺(tái)風(fēng)災(zāi)害發(fā)生過(guò)程和災(zāi)害發(fā)生后的脆弱性評(píng)估指標(biāo)體系和評(píng)估模型。Pielke 等[9]把臺(tái)風(fēng)災(zāi)害與社會(huì)經(jīng)濟(jì)因子相結(jié)合，指出人口、經(jīng)濟(jì)通貨等是造成災(zāi)情損失的主要因素。牛海燕等[10]引入災(zāi)次指數(shù)、承災(zāi)體指數(shù)并采用自然災(zāi)害風(fēng)險(xiǎn)指數(shù)法對(duì)沿海地區(qū)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行了評(píng)估。Jie Yin等[11]使用層次分析法建立指標(biāo)系統(tǒng)來(lái)評(píng)估中國(guó)沿海地區(qū)臺(tái)風(fēng)引發(fā)的災(zāi)害風(fēng)險(xiǎn)。曹詩(shī)嘉等[12]以“威馬遜”及“海鷗”臺(tái)風(fēng)次生海岸洪水災(zāi)害為對(duì)象，構(gòu)建室內(nèi)財(cái)產(chǎn)脆弱性研究曲線。

在風(fēng)險(xiǎn)區(qū)劃方面，劉少軍等[5]運(yùn)用可拓評(píng)估方法使災(zāi)害評(píng)估可視化。牛海燕等[10]采用中國(guó)沿海地區(qū)臺(tái)風(fēng)災(zāi)害資料在ArcGIS中將危險(xiǎn)性、脆弱性、風(fēng)險(xiǎn)分別進(jìn)行空間分布輸出。陳文方等[13]運(yùn)用主成分分析法得到臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)，得到長(zhǎng)三角地區(qū)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)等級(jí)分布圖。俞布等[14]利用模糊綜合評(píng)價(jià)模型對(duì)杭州市臺(tái)風(fēng)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃進(jìn)行分析。王勝等[15]以安徽省84個(gè)臺(tái)風(fēng)為例得到臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)，對(duì)全省臺(tái)風(fēng)綜合風(fēng)險(xiǎn)進(jìn)行區(qū)劃。張眉等[16]構(gòu)建臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)模型，根據(jù)求得臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)區(qū)劃結(jié)果。陳香等[17]綜合評(píng)價(jià)福建省滑坡災(zāi)害致災(zāi)因子危險(xiǎn)性和承災(zāi)體易損性，構(gòu)建滑坡災(zāi)害風(fēng)險(xiǎn)評(píng)估模型。張穎超等[18]應(yīng)用集對(duì)分析法，提出狀態(tài)評(píng)價(jià)和趨勢(shì)分析一體的臺(tái)風(fēng)減災(zāi)能力綜合評(píng)估方法。

雖有很多學(xué)者對(duì)臺(tái)風(fēng)災(zāi)害進(jìn)行了風(fēng)險(xiǎn)評(píng)估和災(zāi)情評(píng)估，但大多數(shù)都只單方面地考慮了致災(zāi)因子的重要性或者承災(zāi)體的脆弱性和暴露度等因素，并且大多以較低分辨率的進(jìn)行評(píng)估區(qū)劃。自然災(zāi)害風(fēng)險(xiǎn)評(píng)估模型一般由致災(zāi)因子危險(xiǎn)性、承災(zāi)體脆弱性、孕災(zāi)環(huán)境敏感性共同構(gòu)成。致災(zāi)因子危險(xiǎn)性表示臺(tái)風(fēng)暴雨、大風(fēng)及風(fēng)暴潮等因子的強(qiáng)度、范圍、頻率。承災(zāi)體脆弱性指的是當(dāng)災(zāi)害發(fā)生時(shí)，致災(zāi)因子的作用對(duì)象受到損失的概率大小。孕災(zāi)環(huán)境敏感性則表示臺(tái)風(fēng)影響區(qū)域的環(huán)境變化特征，由于本文主要研究的是固定時(shí)空的風(fēng)險(xiǎn)評(píng)估，可以暫不考慮孕災(zāi)環(huán)境敏感性。因此本文將對(duì)臺(tái)風(fēng)致災(zāi)因子和承災(zāi)體的相互作用綜合考慮，對(duì)福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行縣級(jí)高分辨率評(píng)估，從而為福建省防臺(tái)減災(zāi)工作提供一定的科學(xué)支持。

1 資料與方法

1.1 資料

1.1.1 臺(tái)風(fēng)降水、大風(fēng)資料

本文主要采用國(guó)家氣象信息中心提供的2004-2013年全國(guó)2 479個(gè)臺(tái)站逐日降水資料、2 419個(gè)臺(tái)站逐日最大風(fēng)速資料，最大風(fēng)速為當(dāng)日最大10 min平均風(fēng)速。由于2 479個(gè)國(guó)家氣象基本站中沒(méi)有福建省泉州市轄區(qū)站和石獅市站，因此該兩站逐日降水資料、逐日最大風(fēng)速資料采用最鄰近的晉江站資料代替。并且在2 479基本站中行政地域上隸屬于福建省的有71個(gè)，在行政等級(jí)劃分中，有五個(gè)縣市(福州市、莆田市、德化縣、霞浦縣、福鼎縣)包含兩個(gè)基本站，我們選取最能代表整個(gè)縣市風(fēng)雨情況的基本站。

1.1.2 臺(tái)風(fēng)災(zāi)情資料

關(guān)于臺(tái)風(fēng)災(zāi)情，采用的是國(guó)家氣候中心提供的2004-2013年分辨率為縣級(jí)的按臺(tái)風(fēng)個(gè)例記錄的福建省災(zāi)情資料。

1.1.3 人口及社會(huì)經(jīng)濟(jì)資料

福建省人口資料為國(guó)家統(tǒng)計(jì)局2010年第六次人口普查結(jié)果，其中包括住房面積、年齡、人口、就業(yè)等。社會(huì)經(jīng)濟(jì)資料為中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù)的2005-2014年《福建省統(tǒng)計(jì)年鑒》，包括各縣市區(qū)GDP、總?cè)丝凇⒉シN面積等。另外基礎(chǔ)地理數(shù)據(jù)來(lái)自國(guó)家基礎(chǔ)地理信息系統(tǒng)。

1.2 研究方法

(1)OSAT方法

任福民等[19-20]提出的模仿人工識(shí)別熱帶氣旋降水思路的客觀天氣圖分析法(OSAT)應(yīng)用于熱帶氣旋降水分離，表現(xiàn)出良好的識(shí)別能力和效果，并得到了廣泛應(yīng)用。陸逸等[21]對(duì)OSAT方法進(jìn)行改進(jìn)，應(yīng)用于識(shí)別臺(tái)風(fēng)引起的大風(fēng)。因此本文應(yīng)用OSAT方法及改進(jìn)后的OSAT方法分離2004-2013年臺(tái)風(fēng)降水、臺(tái)風(fēng)大風(fēng)。

(2)典型相關(guān)分析

為了從總體上把握受災(zāi)人口比例、經(jīng)濟(jì)受損率與臺(tái)風(fēng)降水、臺(tái)風(fēng)大風(fēng)之間相關(guān)關(guān)系，運(yùn)用H Hotelling[22]提出的典型相關(guān)分析的多元統(tǒng)計(jì)分析方法來(lái)反映。

(3) 數(shù)據(jù)標(biāo)準(zhǔn)化

主要采用兩種標(biāo)準(zhǔn)化方法：z-score 標(biāo)準(zhǔn)化；MIN-MAX標(biāo)準(zhǔn)化方法。z-score 標(biāo)準(zhǔn)化基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化。MIN-MAX標(biāo)準(zhǔn)化是對(duì)原數(shù)據(jù)進(jìn)行線性變換，使得原始值映射在區(qū)間[0,1]中。

(4)脆弱性評(píng)估SoVI方法

陳文方等[23]在為美國(guó)災(zāi)害社會(huì)脆弱性設(shè)計(jì)的SoVI基礎(chǔ)上，選取了29個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)為中國(guó)社會(huì)經(jīng)濟(jì)環(huán)境設(shè)計(jì)了一套災(zāi)害脆弱性指標(biāo)方法。因此本文應(yīng)用該方法計(jì)算福建省人口脆弱性指標(biāo)。

2 福建省臺(tái)風(fēng)受災(zāi)情況

利用國(guó)家氣候中心提供的2004-2013年臺(tái)風(fēng)災(zāi)情資料，統(tǒng)計(jì)分析福建省臺(tái)風(fēng)災(zāi)情。對(duì)10年各縣臺(tái)風(fēng)災(zāi)害造成的直接經(jīng)濟(jì)損失、受災(zāi)人口、死亡人口及受災(zāi)農(nóng)田面積進(jìn)行累計(jì)，按自然間斷點(diǎn)級(jí)法分為6個(gè)等級(jí)(圖1)，根據(jù)四個(gè)指標(biāo)累計(jì)結(jié)果可知，受災(zāi)情況總體均是從沿海向內(nèi)陸遞減，受災(zāi)嚴(yán)重的區(qū)域集中在東部沿海地區(qū)，特別是閩東北和閩南地區(qū)。寧德市縣相對(duì)于其他沿?？h市各項(xiàng)損失均為大值區(qū)，其次除了死亡人口指標(biāo)，漳州大部分市縣也為大值區(qū)，莆田市在受災(zāi)人口、受災(zāi)農(nóng)作物面積上也較嚴(yán)重。而對(duì)于內(nèi)陸的縣市而言，龍巖市轄區(qū)、德化縣等受災(zāi)較為嚴(yán)重，受閩中云戴山地形作用，其他縣市均遠(yuǎn)低于東部沿海地區(qū)。從死亡人口指標(biāo)來(lái)看(圖1d)，可以發(fā)現(xiàn)寧德福鼎市受災(zāi)最為明顯，10年累計(jì)死亡人口達(dá)240人，通過(guò)資料分析可知，這主要是由于2006年0608號(hào)超強(qiáng)臺(tái)風(fēng)“桑美”所導(dǎo)致的。該臺(tái)風(fēng)共造成福鼎市死亡人數(shù)高達(dá)237人，是福建省2004-2013年各縣市區(qū)的極值。

圖1 福建省累計(jì)臺(tái)風(fēng)災(zāi)情分布(2004-2013年)

3 風(fēng)險(xiǎn)與區(qū)劃分析技術(shù)

臺(tái)風(fēng)風(fēng)險(xiǎn)評(píng)估一般由致災(zāi)因子危險(xiǎn)性、承災(zāi)體脆弱性、孕災(zāi)環(huán)境敏感性共同構(gòu)成。

3.1 致災(zāi)因子危險(xiǎn)性指數(shù)I

3.1.1 技術(shù)路線

臺(tái)風(fēng)降水的危害主要表現(xiàn)為集中性的降水，臺(tái)風(fēng)大風(fēng)的危害主要體現(xiàn)在強(qiáng)風(fēng)的極大破壞力。因此本文先利用OSAT方法分離臺(tái)風(fēng)降水、臺(tái)風(fēng)大風(fēng)，再?gòu)闹刑崛「＝ǜ骺h在臺(tái)風(fēng)個(gè)例時(shí)間下的相應(yīng)氣象站點(diǎn)的過(guò)程降水量和過(guò)程最大風(fēng)速資料。

為了使災(zāi)情更客觀可比，將各臺(tái)風(fēng)導(dǎo)致的各縣直接經(jīng)濟(jì)損失除以該縣當(dāng)年GDP，得到經(jīng)濟(jì)受損率；受災(zāi)人口除以當(dāng)年總?cè)丝?，得到受?zāi)人口比例。

將各縣各臺(tái)風(fēng)的過(guò)程降水量、過(guò)程最大風(fēng)速與經(jīng)濟(jì)受損率、受災(zāi)人口比例分別進(jìn)行典型相關(guān)分析(表1)，根據(jù)典型變量系數(shù)的大小確定在受災(zāi)人口或經(jīng)濟(jì)損失中臺(tái)風(fēng)降水和大風(fēng)的影響程度。雖然典型相關(guān)系數(shù)不大，兩者都通過(guò)了顯著性檢驗(yàn)，因此可以作為權(quán)重判斷。無(wú)論致災(zāi)形式為受災(zāi)人口還是為直接經(jīng)濟(jì)損失，臺(tái)風(fēng)降水比大風(fēng)的致災(zāi)作用更大。對(duì)致災(zāi)形式的典型變量系數(shù)進(jìn)行平均，得到致災(zāi)因子危險(xiǎn)性中臺(tái)風(fēng)大風(fēng)和臺(tái)風(fēng)降水的權(quán)重系數(shù)，臺(tái)風(fēng)降水權(quán)重系數(shù)為0.78，大風(fēng)權(quán)重系數(shù)為0.43。

根據(jù)上述統(tǒng)計(jì)和權(quán)重計(jì)算結(jié)果，建立臺(tái)風(fēng)風(fēng)雨綜合強(qiáng)度指數(shù)：

I=Ax+By。

(1)

式中：I為臺(tái)風(fēng)風(fēng)雨綜合強(qiáng)度指數(shù)，A、B分別為臺(tái)風(fēng)降水、大風(fēng)權(quán)重系數(shù)，x為標(biāo)準(zhǔn)化的臺(tái)風(fēng)過(guò)程降水量，y為標(biāo)準(zhǔn)化的過(guò)程最大風(fēng)速。

3.1.2 福建省致災(zāi)因子強(qiáng)度指數(shù)特征

根據(jù)前文，將2004-2013年對(duì)應(yīng)受災(zāi)人口、直接經(jīng)濟(jì)損失的臺(tái)風(fēng)個(gè)例的各縣過(guò)程降水量、過(guò)程最大風(fēng)速標(biāo)準(zhǔn)化后，計(jì)算福建省各縣臺(tái)風(fēng)風(fēng)雨綜合指數(shù)，并對(duì)指數(shù)I劃分等級(jí)(圖2)。

表1 臺(tái)風(fēng)風(fēng)雨典型相關(guān)分析結(jié)果

圖2 福建省各縣臺(tái)風(fēng)致災(zāi)因子危險(xiǎn)性指數(shù)分布圖

指數(shù)I值越大，表明該縣受到風(fēng)雨影響的概率越大，風(fēng)險(xiǎn)越大。從圖2中可以看到，風(fēng)雨綜合指數(shù)總體上從東部沿海地區(qū)向西部?jī)?nèi)陸地區(qū)呈遞減趨勢(shì)。其中，大值中心位于福鼎市、柘榮縣、長(zhǎng)樂(lè)市、莆田市區(qū)、惠安縣均為沿海地區(qū)；平潭縣和東山縣均在海島上，直面太平洋，受到臺(tái)風(fēng)風(fēng)雨的影響必然較大，該風(fēng)雨綜合指數(shù)也準(zhǔn)確地反映了這一實(shí)際情況。而在南平、三明和龍巖等內(nèi)陸地區(qū)，尤其是閩西北地區(qū)，大多為山區(qū)，受到臺(tái)風(fēng)風(fēng)雨影響的概率較小，風(fēng)雨綜合強(qiáng)度指數(shù)值也較小。

3.2 承災(zāi)體脆弱性指數(shù)SoVI

在臺(tái)風(fēng)災(zāi)害中，承災(zāi)體就是臺(tái)風(fēng)降水、大風(fēng)的作用對(duì)象。承災(zāi)體脆弱性指的是當(dāng)災(zāi)害發(fā)生時(shí)，承災(zāi)體受到損失的概率大小。承災(zāi)體主要是指人口、財(cái)產(chǎn)、自然環(huán)境等，當(dāng)臺(tái)風(fēng)造成人口傷亡、經(jīng)濟(jì)損失、自然環(huán)境破壞時(shí)，便形成了災(zāi)情。本文采用陳文方等[22]設(shè)計(jì)的人口脆弱性指標(biāo)方法對(duì)福建省進(jìn)行評(píng)估，分析福建省的災(zāi)害脆弱性空間分布，研究發(fā)生災(zāi)情的社會(huì)、經(jīng)濟(jì)方面原因。

3.2.1 技術(shù)路線

從福建省人口信息中選取可能影響人口脆弱性的29個(gè)指標(biāo)(農(nóng)民人均純收入、年齡中值、失業(yè)率等)進(jìn)行福建省人口脆弱性的分布研究。

首先對(duì)29個(gè)指標(biāo)進(jìn)行主要因子分析，再經(jīng)過(guò)Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)后，得到特征值大于1的7個(gè)主成分。通過(guò)旋轉(zhuǎn)后的成分矩陣中的解釋因子對(duì)各主成分進(jìn)行分類(表2)。

表2 主成分分析提取的7個(gè)主成分

第一主要因子的總方差約為24.9%，解釋因子包括：農(nóng)民人均純收入、年齡中值、人口密度、城鎮(zhèn)人口、人口撫養(yǎng)比、第一產(chǎn)業(yè)及第二產(chǎn)業(yè)等，主要表示就業(yè)與年齡、人口等方面的因素。當(dāng)收入增加、年齡老齡化，人口增加，則社會(huì)脆弱性增加。所以，該因素起正作用，符號(hào)為正。

第二主要因子的總方差為20.3%，解釋因子包括：教育、醫(yī)療條件、戶規(guī)模、第三產(chǎn)業(yè)等，主要表示教育與醫(yī)療方面的因素，當(dāng)教育、醫(yī)療條件良好，防災(zāi)減災(zāi)意識(shí)增強(qiáng)，社會(huì)脆弱性降低。因此，第二主要因子為負(fù)作用，符號(hào)為負(fù)。

第三主要因子的總方差為7.7%，主要表示人口增長(zhǎng)與幼年人口方面的因素，該因子為正作用，符號(hào)為正。

第四主要因子的總方差為7.6%，主要反映住房面積因素，當(dāng)住房面積增大，經(jīng)濟(jì)條件變好，社會(huì)脆弱性降低，因此該因子為負(fù)作用。

第五主要因子的總方差為7.5%，解釋因子為失業(yè)率、破舊房屋數(shù)量，該因子為正作用。

第六主要因子的總方差為6.2%，主要包括女性比例、戶規(guī)模，當(dāng)女性比例上漲，戶規(guī)模增長(zhǎng)，脆弱性增加。

第七主要因子的總方差為5.0%，解釋因子為少數(shù)民族、文盲，當(dāng)文盲數(shù)量上漲，防災(zāi)減災(zāi)意識(shí)較弱，因此該因子為正作用，符號(hào)為正。

綜上所述，7個(gè)主要因子的累計(jì)總方差為79.1%，說(shuō)明該7個(gè)主要因子能較全面地反映福建省人口脆弱性。因此，福建省人口脆弱性指數(shù)SoVI為：

SoVI=因子1-因子2+因子3-因子4+因子5+因子6+因子7。

(2)

3.2.2 福建省人口脆弱性指數(shù)特征

由圖3可知，閩南漳州平和縣、漳浦縣、云霄縣、詔安縣、安溪縣、閩北建甌市、政和縣為高脆弱分布區(qū)，這些大部分為內(nèi)陸地區(qū)，經(jīng)濟(jì)條件較落后，防災(zāi)減災(zāi)意識(shí)較弱，因此總體脆弱性較高。沿海大部分地區(qū)以及各市轄區(qū)總體脆弱性較低，福州市、泉州市經(jīng)濟(jì)較發(fā)達(dá)，醫(yī)療條件較好，房屋質(zhì)量較高，接受教育程度較高等原因，故為低脆弱區(qū)。閩中及閩東北大部分地區(qū)為低脆弱性區(qū)。

圖3 福建省各縣人口脆弱性指數(shù)分布圖

3.3 臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)R

臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估系統(tǒng)主要是一個(gè)由致災(zāi)因子危險(xiǎn)性和承災(zāi)體脆弱性、孕災(zāi)環(huán)境相互影響作用的復(fù)雜系統(tǒng)，本文主要研究的是福建省臺(tái)風(fēng)風(fēng)險(xiǎn)評(píng)估，因此不考慮孕災(zāi)環(huán)境的敏感性，記為1。因此，對(duì)致災(zāi)因子危險(xiǎn)性指數(shù)I、脆弱性指數(shù)SoVI進(jìn)行MIN-MAX標(biāo)準(zhǔn)化，最終可得福建省縣級(jí)臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)為：

R=I×SoVI×1。

(3)

式中：風(fēng)險(xiǎn)指數(shù)R越大，發(fā)生臺(tái)風(fēng)災(zāi)情的可能性越大。

雖然致災(zāi)因子指數(shù)和人口脆弱性指數(shù)在一定程度上能夠反映出福建省的臺(tái)風(fēng)受災(zāi)情況，但畢竟是單一的因子作用，并不能較全面地反映出福建省臺(tái)風(fēng)災(zāi)害的風(fēng)險(xiǎn)情況。因此本文綜合致災(zāi)因子危險(xiǎn)性、人口脆弱性得到臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)。根據(jù)各縣的綜合風(fēng)險(xiǎn)指數(shù)R(表3)，對(duì)福建省縣級(jí)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行區(qū)劃(圖4)。

表3 各災(zāi)害風(fēng)險(xiǎn)區(qū)對(duì)應(yīng)災(zāi)害風(fēng)險(xiǎn)指數(shù)

圖4 福建省各縣臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃圖

通過(guò)分析圖4，可知福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)分布有4個(gè)特點(diǎn)：總體上是從沿海到內(nèi)陸呈遞減趨勢(shì)，沿海地區(qū)正面迎接臺(tái)風(fēng)登陸，風(fēng)雨致災(zāi)因子影響最大，因此災(zāi)害風(fēng)險(xiǎn)比內(nèi)陸地區(qū)大。沿海地區(qū)的福州市區(qū)、廈門市區(qū)等城區(qū)風(fēng)險(xiǎn)較小，臺(tái)灣島的保護(hù)導(dǎo)致一部分臺(tái)風(fēng)在廈門、福州屬于二次登陸，強(qiáng)度較弱，加上這些地區(qū)經(jīng)濟(jì)較發(fā)達(dá)，房屋質(zhì)量較好，受教育程度較高，防災(zāi)減災(zāi)意識(shí)較強(qiáng)，因此屬于次低風(fēng)險(xiǎn)區(qū)。在閩東寧德地區(qū)的福鼎、柘榮和莆田市區(qū)、漳州平和縣、詔安縣屬于最高風(fēng)險(xiǎn)區(qū)。在與廣東交界地區(qū)的漳州市、與浙江接壤的寧德地區(qū)由于沒(méi)有臺(tái)灣寶島屏障保護(hù)，并且人口脆弱性較高，在風(fēng)險(xiǎn)指數(shù)上為大值區(qū)，應(yīng)成為福建省臺(tái)風(fēng)災(zāi)害重點(diǎn)防御保護(hù)地區(qū)。閩西北地區(qū)，多為山區(qū)，且距離臺(tái)風(fēng)登陸點(diǎn)較遠(yuǎn)，加上閩中戴云山脈阻擋作用，臺(tái)風(fēng)暴雨和大風(fēng)影響效果較小，風(fēng)雨綜合指數(shù)較小。通過(guò)前文分析可知，閩西北脆弱性值較高，故綜合兩者得到臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)較小，屬于低風(fēng)險(xiǎn)區(qū)。

4 小結(jié)與討論

基于前文的討論與分析，小結(jié)如下。

(1)致災(zāi)因子危險(xiǎn)性指數(shù)大值區(qū)位于沿海地區(qū)，其中影響嚴(yán)重的主要地區(qū)為寧德、福州、莆田、漳州，與10年累計(jì)福建省歷史災(zāi)情分布基本對(duì)應(yīng)。因此該指數(shù)對(duì)于分析福建省風(fēng)雨影響危險(xiǎn)性有較好的導(dǎo)向作用。

(2)得到的福建省人口脆弱性指數(shù)，解釋總方差為79.1%，表明該指數(shù)能較好地代表福建省人口脆弱性。根據(jù)指數(shù)大小，可知脆弱性較高的地區(qū)多為經(jīng)濟(jì)較落后、以農(nóng)業(yè)為主要生產(chǎn)力、山地較多、房屋質(zhì)量較差的一些縣市區(qū)，例如與浙江交界的南平地區(qū)、與廣東交界的漳州地區(qū)。

(3)根據(jù)研究得到的福建省縣級(jí)臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)進(jìn)行區(qū)劃，高風(fēng)險(xiǎn)高值區(qū)為與浙江省接壤的福鼎市、柘榮縣，閩中莆田市區(qū)、平潭縣，以及與廣東省接壤的閩南漳州平和縣及詔安縣。相比實(shí)際災(zāi)情，高低值中心對(duì)應(yīng)較好，證明該綜合風(fēng)險(xiǎn)指數(shù)能較好地為防臺(tái)減災(zāi)工作提供一定的支持，并且高風(fēng)險(xiǎn)區(qū)、次高風(fēng)險(xiǎn)區(qū)應(yīng)成為重點(diǎn)防護(hù)臺(tái)風(fēng)災(zāi)害的對(duì)象。

還存在一些不足：災(zāi)情資料的時(shí)長(zhǎng)有限，個(gè)別縣市區(qū)沒(méi)有氣象站點(diǎn)分布以及承災(zāi)體脆弱性只考慮了人口的影響等問(wèn)題有待深入研究。

[1] 李春梅, 羅曉玲, 劉錦鑾,等. 層次分析法在熱帶氣旋災(zāi)害影響評(píng)估模式中的應(yīng)用[J]. 熱帶氣象學(xué)報(bào), 2006, 22(3):223-228.

[2] 楊秋珍, 徐明. 對(duì)氣象致災(zāi)因子危險(xiǎn)度診斷方法的探討[C]// 中國(guó)氣象學(xué)會(huì)2007年年會(huì)天氣預(yù)報(bào)預(yù)警和影響評(píng)估技術(shù)分會(huì)場(chǎng)論文集，2007:277-284.

[3] 蘇高利, 苗長(zhǎng)明, 毛裕定,等. 浙江省臺(tái)風(fēng)災(zāi)害及其對(duì)農(nóng)業(yè)影響的風(fēng)險(xiǎn)評(píng)估[J]. 自然災(zāi)害學(xué)報(bào), 2008, 17(5):113-119.

[4] 婁偉平, 陳海燕, 鄭峰,等. 基于主成分神經(jīng)網(wǎng)絡(luò)的臺(tái)風(fēng)災(zāi)害經(jīng)濟(jì)損失評(píng)估[J]. 地理研究, 2009, 28(5):1243-1254.

[5] 劉少軍, 張京紅, 何政偉,等. 基于GIS的臺(tái)風(fēng)災(zāi)害損失評(píng)估模型研究[J]. 災(zāi)害學(xué), 2010, 25(2):64-67.

[6] 林繼生, 羅金鈴. 登陸廣東的熱帶氣旋災(zāi)害評(píng)估和預(yù)測(cè)模式[J]. 自然災(zāi)害學(xué)報(bào), 1995(1):93-97.

[7] 陳香. 福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃[J]. 生態(tài)學(xué)雜志, 2007, 26(6):961-966.

[8] 陳香. 沿海地區(qū)臺(tái)風(fēng)災(zāi)害系統(tǒng)脆弱性過(guò)程診斷與評(píng)估以福建省為例——以福建省為例[J]. 災(zāi)害學(xué), 2007, 22(3):6-10.

[9] Jr R A P, Gratz J, Landsea C W, et al. Normalized hurricane damage in the United States: 1900-2005[J]. Natural Hazards Review, 2008, 9(1):29-42.

[10]牛海燕, 劉敏, 陸敏,等. 中國(guó)沿海地區(qū)近20年臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J]. 地理科學(xué), 2011(6):764-768.

[11]Yin J, Yin Z, Xu S. Composite risk assessment of typhoon-induced disaster for China’s coastal area[J]. Natural Hazards, 2013, 69(3):1423-1434.

[12]曹詩(shī)嘉, 方偉華, 譚駿. 基于海南省“威馬遜”及“海鷗”臺(tái)風(fēng)次生海岸洪水災(zāi)后問(wèn)卷調(diào)查的室內(nèi)財(cái)產(chǎn)脆弱性研究[J]. 災(zāi)害學(xué), 2016, 31(2):188-195.

[13]陳文方, 徐偉, 史培軍. 長(zhǎng)三角地區(qū)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 自然災(zāi)害學(xué)報(bào), 2011(4):77-83.

[14]俞布, 繆啟龍, 潘文卓,等. 杭州市臺(tái)風(fēng)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃與評(píng)價(jià)[J]. 氣象, 2011, 37(11):1415-1422.

[15]王勝, 田紅, 謝五三. 基于GIS技術(shù)的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究——以安徽省為例[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2012, 17(1):161-166.

[16]張眉, 韓照全, 金有杰. 浙江省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 科學(xué)技術(shù)與工程, 2014, 14(10):123-129.

[17]陳香, 王瑞. 福建省滑坡災(zāi)害風(fēng)險(xiǎn)管理決策系統(tǒng)構(gòu)建[J]. 災(zāi)害學(xué), 2016, 31(2):47-52.

[18]張穎超, 王璐, 熊雄,等. 基于SPA的福建省抗臺(tái)風(fēng)減災(zāi)能力評(píng)估[J]. 災(zāi)害學(xué), 2015,30(2):85-88.

[19]任福民, 王詠梅, 王小玲, et al. Estimating tropical cyclone precipitation from station observations[J]. Advances in Atmospheric Sciences, 2007, 24(4):700-711.

[20]任福民. 一種識(shí)別熱帶氣旋降水的數(shù)值方法[J]. 熱帶氣象學(xué)報(bào), 2001, 17(3):308-313.

[21]陸逸, 朱偉軍, 任福民,等. 1980-2014年中國(guó)臺(tái)風(fēng)大風(fēng)和臺(tái)風(fēng)極端大風(fēng)的變化[J]. 氣候變化研究進(jìn)展, 2016, 12(5):413-421.

[22]Hotelling H. RELATIONS BETWEEN TWO SETS OF VARIATES[M]// Breakthroughs in Statistics. Springer New York, 1992:321-377.

[23]Chen W, Cutter S L, Emrich C T, et al. Measuring social vulnerability to natural hazards in the Yangtze River Delta Region, China[J]. International Journal of Disaster Risk Science, 2013, 4(4):169-181.

[24]周福. 浙江省臺(tái)風(fēng)災(zāi)害評(píng)估與風(fēng)險(xiǎn)區(qū)劃[M]. 杭州：浙江教育出版社, 2012.

[25]高慶華. 自然災(zāi)害評(píng)估[M]. 北京：氣象出版社, 2007.

Risk Assessment of Typhoon Disasters in Fujian Provinceof Each County

ZHU Jing1, 2, LU Yi3, LI Guoping1and REN Fumin2

(1.ChengduUniversityofInformationTechnology,Chengdu610225,China; 2.ChineseAcademyofMeteorologicalSciences,Beijing100081,China; 3.ShanghaiTyphoonInstituteofChinaMeteorologicalAdministration,Shanghai200030,China)

InordertoassesstheriskassessmentoftyphoondisastersinFujianprovinceofeachcounty,thisstudyusedthetyphoondailyprecipitation,thetyphoonwinddataandthecountylevelofdisasterdata,thesocietyeconomicandpopulationdatatocanonicalcorrelationanalysisforcalculatingtheintensityindexoftyphoonhazardfactors.AndthisstudyusedpopulationdatatocalculatethepopulationvulnerabilityindexinFujianprovinceofeachcounty.Finally,combinedwiththehazardfactorsindexandvulnerabilityindextogetthetyphoondisasterriskindexofeachcounty,andusedtheindextodivideriskofeachcounty.ThefiveriskzonesofFujianweremapped,i.e.higherrisk,sub-highrisk,mediumrisk,inferiorriskandlowerrisk.ResultsshowthatthetyphoondisastersdisasterriskinFujianhasandecreasingtendencyfromeasterndistricttowesterndistrict.TheFudingCountyandZherongCountyofNingde,PutianCity,PingtanCity,thePingheCountyandZhao’anCountyofZhangzhou,hashigherrisk.Sub-highriskareasincludingFuzhouCity,QuanzhouCity,andsoon.ThenorthwestofFujianmainlyhasinferiorandlowerrisk.

typhoondisaster;eachcounty;highresolution;riskassessment;Fujian

2016-12-13

2017-02-16

科技部973項(xiàng)目“登陸臺(tái)風(fēng)精細(xì)結(jié)構(gòu)的觀測(cè)、預(yù)報(bào)與影響評(píng)估”(2015CB452806)

朱婧(1992-)，女，福建漳平人，碩士研究生，主要從事熱帶氣旋災(zāi)害風(fēng)險(xiǎn)評(píng)估方面研究. E-mail:zhujing_2015@163.com

任福民(1968-)，男，貴州黎平人，博士，研究員，主要從事熱帶氣旋和極端事件研究.E-mail:fmren@163.com

10.3969/j.issn.1000-811X.2017.03.034.]

X43；P694

A

1000-811X(2017)03-0204-06

10.3969/j.issn.1000-811X.2017.03.034

朱婧，陸逸，李國(guó)平,等. 基于縣級(jí)分辨率的福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 災(zāi)害學(xué)，2017，32(3)：204-209. [ZHU Jing，LU Yi，LI Guoping,et al. Risk Assessment of Typhoon Disasters in Fujian Province of Each County[J]. Journal of Catastrophology，2017，32(3)：204-209.