基于風雨數據的臺風危險性評估方法研究與實現(xiàn)

單森華

（四創(chuàng)科技有限公司，福建 福州 350100）

0 引言

臺風是危害我國最嚴重的天氣系統(tǒng)[1]，1949 年以來，每年平均約有 7 個臺風登陸我國[2]，臺風帶來的狂風、暴雨、洪水等災害直接導致建筑物受損，農作物受災，人員傷亡等[3]。為有效減輕臺風災害風險，減少臺風災害損失，國內外相關機構一直在積極開展臺風風險評估研究工作。張容焱等[4]采用相關系數客觀賦權法建立了致災因子風險評估模型；尹宜舟等[5]利用臺風路徑和災情資料建立臺風潛在影響力指數；張麗佳等[6]以大風、24 h 雨量、風暴潮、受災次數等為評價指標，分析研究了東南沿海地區(qū)臺風災害危險性；陳文方等[7]從臺風影響頻次、強度和最大風速極值分布角度，分析了長三角臺風災害危險性；楊氾等[8]采用臺風浪數學模型、風圈半徑篩選方法模擬研究港珠澳大橋臺風重大影響區(qū)域；郭云霞等[9]采用風場、極值分布等模型研究了東南沿海區(qū)域臺風危險性；張永恒等[10]以臺風自然災變、社會與經濟等因素為影響因子對浙江省臺風災害影響進行評估； Kim 等[11]通過分析識別災害和建筑信息等指標分析了韓國臺風脆弱性；Sajjad 等[12]采用空間統(tǒng)計分布模式分析評估了我國沿海臺風風險地理分布模式。

以上研究方法主要基于自然災害風險理論[13]，從致災因子危險性、承災體脆弱度與暴露度、防災減災能力、歷史受災情況等方面，采用模糊變化理論和數理統(tǒng)計方法對部分年份、區(qū)域的臺風災害風險進行評估，研究結果受到承災體調查和災害損失等數據的完整性、準確性制約，較難客觀體現(xiàn)我國沿海省份的臺風危險性。由于臺風帶來的強風、降雨是致災的主要因子[14]，且風雨觀測、監(jiān)測數據相對較為完整，Chen 等[15]已開始利用風場再分析和浮標監(jiān)測等資料對 2016 年超級臺風 Meranti 進行研究，因此采用強風、降雨 2 個主要致災因子再分析數據對我國各?。ㄗ灾螀^(qū)、直轄市）臺風危險性進行綜合評估是可行且必要的。

1 研究方法

將我國劃分為多個網格[16]，通過建立臺風影響范圍衰減函數[17]，利用臺風路徑、風力、降雨數據計算臺風對各網格造成的影響力分值，并基于影響力分值計算我國不同年份、時間段臺風綜合危險性。其中臺風路徑數據使用中國氣象局 1949—1988 年逐年出版的《臺風年鑒》和 1989—2010 年逐年出版的《熱帶氣旋年鑒》，以及氣象網站發(fā)布的 2011—2019 年臺風數據，風力和降雨數據采用歐洲中期天氣預報中心 1974—2019 年再分析數據集數據。

1.1 區(qū)域網格索引建立

雖然臺風帶來的強風主要對我國沿海省份造成影響，但其帶來的降雨卻直接影響著我國中西部省份[18]，因此本研究區(qū)域涵蓋我國全部陸地區(qū)域，按0.1°× 0.1° 精度將我國劃分為多個小矩陣網格區(qū)域，并為每個網格區(qū)域建立索引編號。為提高計算效率，每個網格還保存形狀要素信息，如角點坐標。

1.2 臺風數據預處理

基于網格索引，對臺風路徑、風力、降雨數據進行預處理。由于臺風路徑軌跡較為稀疏，為提升計算結果的準確性，按 0.1°× 0.1° 精度采用插值法補齊臺風路徑軌跡數據[19]，插值示意圖如圖1 所示。為提升計算效率，僅選取登陸我國的臺風及距離我國陸地 100 km 范圍內的臺風參與計算。

圖1 臺風路徑插值示意圖

此外，根據網格精度對風力、降雨再分析數據集進行預處理，將風力、降雨網格與區(qū)域網格進行關聯(lián)。考慮到臺風帶來的降雨影響范圍較大，選取臺風途徑及相鄰省份降雨網格數據參與計算。同時考慮到臺風帶來的大風影響范圍相對有限，大風影響力隨著與風眼之間距離的增大而呈現(xiàn)衰減趨勢。為減少數據干擾，根據歷史臺風風力、風圈半徑數據，利用神經網絡建立風力與最大影響范圍之間的擬合函數[20]，并研究設計最大影響范圍內影響力衰減函數，以提升大風影響力計算的客觀性，計算公式如下：

式中：σ為臺風影響力衰減系數；d為臺風中心網格與受影響地網格之間的距離；b為最小衰減系數；dmax為臺風最大影響距離；ds為臺風開始出現(xiàn)衰減的距離。

1.3 臺風影響力評估

首先根據臺風路徑節(jié)點，按照大風和降雨影響范圍提取規(guī)則，提取該節(jié)點影響范圍內的區(qū)域網格索引序列；然后根據網格降雨、大風及衰減系數，計算各網格臺風影響分值；再遍歷臺風路徑各節(jié)點，計算各節(jié)點對該網格造成的臺風綜合影響分值。計算公式如下：

式中：Sj表示編號為j的網格受該臺風影響的分值；Fi為臺風第i個節(jié)點在該網格產生的大風風力；Pi為臺風第i個節(jié)點在該網格產生的降雨量。

1.4 臺風危險性分析

根據計算結果，通過歸一化法將計算分值歸一化[21]，將危險性劃分為 5 個等級[22]，即極高、高、中、低、極低 5 個等級。

所有臺風影響分值計算完成后，采用分布式計算引擎[23]按年份、時間段對我國全國范圍進行臺風綜合危險性評估，計算獲取 1974—2019 年臺風綜合危險性評估圖，以及不同年份、年段臺風綜合危險性評估圖。

2 設計開發(fā)

2.1 網格索引建立

首先對區(qū)域進行網格切分，采用 ArcGIS 讀取中國地區(qū) ShapeFile 文件，將面狀區(qū)域按 0.1°×0.1° 切分為m×n個網格，并投影至平面坐標系中；然后將每個網格以X和Y2 個方向上的編號作為其唯一標識并建立索引，同時記錄每個網格的角點地理坐標。

為提高計算效率，采用 Hbase 存儲網格數據，建立以X和Y為網格索引的行鍵，以及包含經度最小值、最大值，緯度最小值、最大值的網格信息列簇。

2.2 臺風數據預處理

隨著臺風登陸后風力等級的下降，臺風路徑信息發(fā)布時間間隔越來越長，臺風路徑節(jié)點越來越稀疏。為提高數據分析的準確性，針對間隔超過 0.1° 的相鄰臺風路徑節(jié)點，采取固定間隔方式對臺風路徑節(jié)點數據進行內插，然后根據臺風移動速度補齊內插節(jié)點時間數據，最后根據風圈擬合函數推算登陸后的臺風最大影響范圍，表1 摘錄了部分臺風路徑插值補齊數據，其中整點數據如 2019-08-10T10：00：00 數據為氣象部門發(fā)布的數據，非整點數據如 2019-08-10T10：30：00 數據為插值數據。

表1 臺風路徑插值補齊數據摘錄

2.3 臺風危險性分析

首先將臺風節(jié)點經度、緯度，與網格經度和緯度的最大值、最小值進行對比，將臺風節(jié)點關聯(lián)至網格；然后提取該節(jié)點大風、降雨影響范圍內的網格序列，將臺風編號、節(jié)點時間等寫入 Hbase 的Typhoon_info 列簇中；再根據該臺風節(jié)點時間，從風力、降雨再分析數據集中抽取相同時間節(jié)點的風力F和降雨量P寫入對應網格；最后利用 Hadoop 平臺的 Mapreduce 引擎，依據綜合影響分值計算公式，分布式計算大風、降雨對該網格產生的節(jié)點影響分值，以及單個臺風對該網格產生的綜合影響分值。

表2 摘錄了X為 475，Y為 260 的網格受“201909”和“201808”號臺風影響的分值計算數據，其中：Rowkey 為行鍵；Grid_info 表示網格信息列簇，經度、緯度最小值表示該網格西南角點地理坐標，經度、緯度最大值表示該網格東北角點地理坐標；Typhoon_info 表示臺風信息列簇，通過F和P計算節(jié)點影響分值并歸一化；Score 表示影響分值列簇，通過某一號臺風各節(jié)點對該網格造成的節(jié)點影響分值，計算得到綜合影響分值。

表2 網格受臺風影響分值表

所有臺風綜合影響分值計算完成后，可根據數據分析需要，采用 Mapreduce 按年份、時間段對我國全國范圍進行臺風綜合危險性評估。

3 研究結果

3.1 符合性分析

以“201909 利奇馬”臺風為例，對“利奇馬”臺風路徑進行插值，提取“利奇馬”臺風期間降雨、風力再分析數據，對“利奇馬”臺風影響范圍內各地理網格進行大風和降雨影響等級劃分。計算結果表明：“利奇馬”臺風帶來的大風對浙江沿海地市造成的影響力評估等級為極高，對浙江西部區(qū)域影響力評估等級為高；對江蘇沿海地市影響力評估等級為中，對江蘇東部地市影響力評估等級為低；對山東青島、濰坊影響力評估等級為高，對煙臺、日照、臨沂、淄博、東營等市影響力評估等級為中。臺風大風影響等級劃分如圖2 所示?！袄骜R”臺風行進軌跡如下：2019 年 8 月 10 日 1 時登陸浙江臺州，登陸時中心附近最大風力為 16 級，途經溫州、金華、紹興、杭州、湖州等市，歷時 21 h，大風對浙江沿海及中西部地市造成極大影響；10 日22 時“利奇馬”臺風以 9 級風力進入江蘇境內，途徑無錫、南通、鹽城、連云港等沿海地市，歷時 23 h，大風對江蘇沿海地市造成較大影響；11 日21 時“利奇馬”臺風以 9 級風力再次登陸山東青島，13 日11 時停止編號，山東境內歷時 35 h，大風對青島周邊地市造成較大影響。從“利奇馬”臺風大風影響評估結果和行進軌跡對比分析，可以看出評估結果與實際情況基本相符。

圖2 “利奇馬”臺風大風影響等級劃分

計算結果還表明：“利奇馬”臺風帶來的降雨對浙江東部、上海全境、山東西北部及河北東部造成極大影響，對浙江中部、江蘇南部、山東中部、河北東部、天津全境及遼寧西南部造成較大影響，對江蘇中北部、山東東部、安徽北部、北京全境、遼寧南部、吉林東部及黑龍江東部造成一定影響?！袄骜R”臺風降雨影響等級劃分如圖3 所示。根據張康波等[24]對臺風“利奇馬”防御工作回顧，“利奇馬”臺風帶來的降雨直接影響了浙江、上海、江蘇、安徽、山東、河北、遼寧、吉林和黑龍江等?。ㄊ校Ｔu估結果與實際情況也基本相符。

圖3 “利奇馬”臺風降雨影響等級劃分

3.2 近 20 a 臺風危險性變化分析

選取 2000—2019 年期間的臺風路徑及風力、降雨再分析數據集進行分析：先分別計算每個臺風對其影響范圍內地理網格的大風和降雨影響分值，進而計算各地理網格綜合影響分值并進行歸一化；然后采用分布式計算引擎，以 10 a 為跨度對 2000—2009 年，2010—2019 年 2 個時間段的臺風危險性進行計算。具體分析結果如下：

1）2000—2009 年。我國浙江東南沿海城市（含溫州、臺州大部分縣區(qū)）、福建東部沿海地市（含莆田、福州、寧德大部分縣區(qū)，以及泉州東部沿海縣區(qū)）、海南個別地市（含瓊海、儋州個別縣區(qū)），以及臺灣大部分地區(qū)受臺風影響極大，綜合危險性評估等級為極高；浙江中部與東部地市（含杭州、寧波、舟山、紹興、金華、麗水大部分縣區(qū)）、福建內陸與南部沿海地市（含漳州、廈門全部縣區(qū)，泉州西部縣區(qū)，以及南平、三明、龍巖東部縣區(qū)）、廣東沿海地市（除韶關、清遠、肇慶及河源北部縣區(qū)）、廣西南部沿海地市（含欽州、北海地區(qū)），以及海南全境受臺風影響較大，綜合危險性評估等級為高；遼寧與山東東部、江蘇與上海大部分、安徽與江西東南部、浙江與福建西部、廣東北部、廣西中部、四川南部、湖南東南部及云南大部分的地市，臺風危險性評估等級為中；黑龍江、吉林、遼寧、河北、北京、天津、河南、山西、陜西、湖北、湖南、四川、重慶、貴州等?。ㄊ校?，以及西藏東部、青海東部、內蒙東部、甘肅南部臺風危險性評估等級為低。

2）2010—2019 年。相比 2000—2009 年，我國2010—2019 年受臺風影響明顯增強。危險性極高區(qū)域向南延伸，浙江寧波、舟山地區(qū)，福建泉州、廈門、漳州地區(qū)，廣東潮州、汕頭、珠三角、陽江、茂名、湛江地區(qū)，廣西欽州、北海、崇左地區(qū)，海南及臺灣全境受臺風影響極高；危險性高的區(qū)域整體向西部推進 50～100 km，浙江、上海、福建全境成為臺風高危險地區(qū)；危險性為中的區(qū)域則主要向北部延伸至吉林、黑龍江等省份。

3.3 1974—2019 年臺風危險性分析

基于 1974—2019 年期間的臺風路徑及風力、降雨再分析數據集，先分別計算每個臺風對其影響范圍內地理網格的大風和降雨影響分值，進而計算各地理網格綜合影響分值并進行歸一化；然后采用分布式計算引擎，對 1974—2019 年臺風危險性進行計算，臺風危險性評估如圖4 所示。結果如下：

圖4 1974—2019 年臺風危險性評估

1） 受威脅區(qū)域面積[25]。我國臺風極高、高、中危險區(qū)面積分別占全國行政區(qū)面積的 2.3%， 3.1%，10.5%，浙江、福建、廣東、海南、臺灣等地區(qū)臺風危險性較高，其中：浙江省極高、高危險區(qū)面積占浙江省行政區(qū)面積的 49.2%，50.5%，福建省極高、高危險區(qū)面積分別占福建省行政區(qū)面積的41.8%，52.8%，廣東省極高、高危險區(qū)面積分別占廣東省行政區(qū)面積的 47.5%，36.7%。

2）受威脅區(qū)域范圍。我國臺風危險區(qū)總體呈現(xiàn)為極高、高、中、低 4 條危險帶，其中：海南、臺灣全境，以及浙江、福建、廣東沿海地市為臺風極高危險帶，范圍由海岸線向內陸延伸 100～200 km；遼寧南部、山東東部、江蘇及安徽東南部、上海全境、福建及浙江西部、廣東中部、廣西南部地市為臺風高危險帶，范圍由極高危險帶向內陸延伸 150～250 km；中危險帶北至黑龍江東南部，南至云南南部，范圍由高危險帶向內陸延伸 200～300 km；低危險帶延伸至黑龍江、吉林、遼寧、內蒙古等 16 個省份。

4 結語

以臺風危險性評估為研究對象開展了一系列的研究工作，包括區(qū)域網格索引建立、臺風數據預處理、臺風影響力及危險性評估，并以“利奇馬”臺風為例對評估結果進行驗證。研究結果表明：

1）除了沿海城市外，內地及北方城市也應當加強防臺風工作，特別是防臺風帶來的暴雨工作。根據研究結果，山東東部沿海及遼寧南部等地市已處于臺風高危險區(qū)，而黑龍江、吉林、內蒙古、河北、河南等長江以北的省份，以及河南、湖北、湖南、貴州等內地省份已不同程度受到臺風影響，部分地市已處于臺風中危險區(qū)。

2）臺風危險性呈現(xiàn)增強趨勢，未來防臺風形勢依然嚴峻。相比 2000—2009 年，2010—2019 年我國臺風危險性明顯增強，危險性極高區(qū)域由浙江、福建向南延伸至廣東及廣西，危險性高的區(qū)域整體向內地推進 50～100 km。

3）與其他臺風危險性評估方法相比，本方法基于 1974—2019 年臺風路徑、風力和降雨等數據，采用區(qū)域網格索引建立、臺風數據預處理、臺風影響力分值計算等步驟對我國臺風危險性進行分析，優(yōu)勢明顯。具體優(yōu)勢如下：利用臺風路徑、風力、降雨等數據，數據相對完整、可靠，不受外部數據資料收集制約；通過風力影響范圍擬合函數與降雨空間相鄰關系篩選網格，并采用分布式計算技術提升計算效率，可縮短計算周期；構建高精度地理網格，臺風危險性評估精度高，更有利于開展風險研判；基于地理網格，采用插值法補齊臺風路徑軌跡數據，評估結果更加客觀，具有較高的推廣價值，對開展臺風風險防控和城市規(guī)劃具有借鑒意義。

4）研究過程中采用歸一化法對危險性進行分級，導致不同時間段評估結果出現(xiàn)較大差異。例如2010—2019 年臺風危險性評估結果中，西藏、青海、四川等省份部分地市處于臺風中和低危險區(qū)，但 1974—2019 年臺風危險性評估結果中，這些地市均為臺風極低風險區(qū)，后續(xù)仍需進一步研究危險性分級方法，以便更客觀地呈現(xiàn)我國臺風危險性分布情況。

5）1974—2019 年臺風危險性評估結果中，極高、高、中、低、極低危險區(qū)總體呈現(xiàn)為帶狀過渡形態(tài)，但云南南部地市為中危險區(qū)，北部地市為極低危險區(qū)，缺少低危險區(qū)過渡，目前尚未查明原因，后續(xù)仍需進一步優(yōu)化。