廖家旺 劉芳
摘要 選取1978—2020年河池市宜州區(qū)37個氣象站觀測數(shù)據(jù)。氣象數(shù)據(jù)進行歸一化處理,采用信息熵賦權法、百分位數(shù)法、層次分析法、自然斷點分級法、專家打分法等進行災害危險性評估,分別對宜州區(qū)暴雨、臺風、雷電、大風、冰雹、干旱、低溫、高溫等8種氣象災害建立危險性指標,構建評估模型和公式,對致災危險性進行空間劃分,利用ArcGIS軟件,采用反距離加權插值等,得出各災種風險區(qū)劃圖。綜合各災種致災危險性,計算氣象災害綜合危險性指數(shù),劃分危險性等級,得出宜州區(qū)氣象災害綜合致災危險性區(qū)劃。
關鍵詞 氣象災害;危險性;評估;區(qū)劃;宜州區(qū)
中圖分類號:P429 文獻標識碼:B 文章編號:2095–3305(2023)07–0132-03
全球氣候變暖,加劇極端氣象災害的發(fā)生[1]。河池市宜州區(qū)位于廣西壯族自治區(qū)中部偏北,屬亞熱帶季風氣候區(qū),氣候溫暖,光熱豐富,雨量充沛,氣象災害種類多、活動頻繁、危害嚴重,宜州區(qū)每年均出現(xiàn)不同程度的氣象災害,給當?shù)厣a生活帶來一定的影響,造成較大經濟損失。例如,2008年宜州出現(xiàn)嚴重的洪澇災害,給工農業(yè)造成巨大損失,直接經濟損失1.5多億元。因此,對河池市宜州區(qū)氣象災害危險性評估與區(qū)劃顯得尤為重要,為各級黨委政府有效開展氣象災害防治工作提供科學決策依據(jù)。
1 資料來源與研究方法
選取宜州國家氣象觀測站1978—2020年及37個區(qū)域氣象觀測站建站至2020年氣象要素觀測資料。區(qū)級行政區(qū)劃邊界矢量數(shù)據(jù)來源于國務院普查辦,鄉(xiāng)鎮(zhèn)邊界及行政點數(shù)據(jù)由于廣西自然資源廳提供;數(shù)字高程數(shù)據(jù)則采用SRTM的30 m DEM數(shù)據(jù)。
采用歸一化處理將有量綱的數(shù)值變換為無量綱數(shù)值,消除各指標量綱差異;用熵權法客觀反映各評價指標的權重,當熵值越大,權重越小,反之熵值越小,權重越大;利用百分位數(shù)計算公式確定處于某一分界點的百分位數(shù);并運用層次分析法、自然斷點分級法、專家打分法等對數(shù)據(jù)進行分析估算[2]。
2 宜州區(qū)氣象災害危險性評估與區(qū)劃
2.1 暴雨致災危險性評估與區(qū)劃
利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站逐日降水量資料,篩選1 h最大降水量(I1 pre)、3 h最大降水量(I3 pre)、6 h最大降水量(I6 pre)、
最大日降水量(I24 pre)、累積降水量(Ipre)、持續(xù)天數(shù)(I1 day)為致災因子,對6個特征量歸一化處理,暴雨過程強度指數(shù)計算公式為:
IR=A·I1 pre+B·I3 pre+C·I6 pre+D·I24 pre+E·Ipre+F·I1 day(1)
式(1)中,IR為單站暴雨過程強度指數(shù);A、B、C、D、E、F分別為各個指標數(shù)值的權重系數(shù),采用信息熵賦權法計算,分別得到為0.04、0.04、0.04、0.11、0.12、0.65。
暴雨致災危險性包括暴雨強度和孕災環(huán)境,致災危險性指數(shù)ID計算
公式:
ID=(1+Ie)·IS(2)
式(2)中,IS為雨澇指數(shù),各站雨澇指數(shù)為區(qū)域內歷年平均暴雨過程強度指數(shù)Ie為孕災環(huán)境影響系數(shù),反映地形、河網(wǎng)水系對暴雨致災的作用,考慮孕災環(huán)境影響,計算得到Ie=0.3,其指數(shù)為0.207~0.518,利用ArcGIS軟件,采用反距離加權插值,根據(jù)自然斷點法將暴雨危險性指數(shù)進行4個等級劃分得出,暴雨致災危險性高和較高等級地區(qū)主要位于西北部、北部、西部和南部局部;其余地區(qū)為危險性較低到低等級。
2.2 臺風致災危險性評估與區(qū)劃
利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站最大風速、降水量資料。臺風災害風險評估所用的致災因子包括臺風影響過程中最大風速(MW)、累積雨量(AP)、最大日降水量(MP),評估起點分別采用最大風速9 m/s、過程累積雨量70 mm和過程最大日降水量50 mm。臺風致災因子危險性指數(shù)由MW、AP、MP危險性加權平均得到,公式如下:
式(3)中,H(MW)、H(AP)、H(MP)
分別為MW、AP、MP危險性。i=1,…,5,i表示等級區(qū)間,Wi為第i區(qū)間權重系數(shù),P(i)為第i區(qū)間累積概率,采用信息擴散技術統(tǒng)計等級區(qū)間各致災因子出現(xiàn)的累積概率。H(AP)、H(MP)同(3)式。
臺風致災因子危險性指數(shù)如下:
式(4)中,a、β分別為風、雨因子危險性權重,分別采用國家級氣象災害風險普查方案中用的a=0.4和β=0.6,其指數(shù)為0.225~1.509。利用ArcGIS軟件,采用反距離加權插值,按自然斷點法將臺風危險性指數(shù)進行4個等級劃分得出,宜州臺風致災因子綜合危險性由南向北遞減,致災危險性高和較高等級地區(qū)主要位于南部、西部局部;其余地區(qū)為危險性較低到低等級。
2.3 雷電致災危險性評估與區(qū)劃
利用1978—2013年雷暴日數(shù)據(jù)、2010—2020年日雷電定位數(shù)據(jù)及全國土壤電導率數(shù)據(jù)。致災因子選取雷電強度、密度和雷暴日數(shù)、孕災環(huán)境因子(地形起伏、海拔高度、土壤電導率)數(shù)據(jù)按照30″×30″網(wǎng)格歸一化處理,將其加權綜合。計算雷電災害危險性指數(shù)為:
RH=(Ld ·wd+Ln·wn)·(Sc·ws+Eh·we+Tr·wt)(5)
式(5)中,Ld為雷擊點密度,wd為雷擊點密度權重;Ln為地閃強度,wn為地閃強度權重;Sc為土壤電導率,ws為土壤電導率權重;Eh為海拔高度,we為海拔高度權重;Tr為地形起伏,wt為地形起伏權重。通過層次分析法計算wd=0.5,wn=0.25,ws=0.0393,we=0.0623,wt=0.1484其指數(shù)為0.055~0.089,利用ArcGIS軟件,采用反距離加權插值,按自然斷點法將雷電危險性指數(shù)進行4個等級劃分得出,雷電致災危險性高和較高等級地區(qū)主要位于北部、中部和南部;其余地區(qū)為危險性較低到低等級。
2.4 大風致災危險性評估與區(qū)劃
利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站大風過程資料,選擇大風年平均次數(shù)(頻次P)和年平均極大風速大?。◤姸菺)作為大風災害致災因子危險性評估指標(H)。大風災害致災因子危險性指數(shù)如下:
H=WG+G+WP·P(6)
式(6)中,G為大風強度,P為大風頻次,WG和WP為各自權重,對大風頻次和強度歸一化處理,運用專家打分法計算大風頻次與強度的權重,得到權重系數(shù)分別為WG=0.83,WP=0.17。
結合宜州區(qū)7個氣象觀測站年平均大風頻次與大風強度算出各站致災因子危險性指數(shù),其指數(shù)為0.150~0.307。利用ArcGIS軟件,按自然斷點法將大風危險性指數(shù)進行4個等級劃分得出,大風致災危險性高和較高等級的地區(qū)主要位于南部、東部、西部局部;其余地區(qū)為危險性較低到低等級[3]。
2.5 冰雹致災危險性評估與區(qū)劃
利用1978—2020年冰雹觀測記錄,接選用最大冰雹直徑、降雹持續(xù)時間和雹日作為致災因子。冰雹致災因子危險性指數(shù)如下:
VE=WDXD+WTXT+WRXR(7)
式(7)中,XD為最大冰雹直徑樣本平均值,XT為降雹持續(xù)時間樣本平均值,XR為雹日樣本累計值,WD、WT、WR分別為3個因子的權重,專家打分法確定權重分別為0.3、0.2、0.5。計算前各因子先在評估區(qū)域空間范圍內進行歸一化處理?;诒⑽kU性評估指標,計算評估區(qū)域內冰雹危險性指數(shù)的平均值VE。其指數(shù)為2.0174,利用ArcGIS軟件,采用反距離加權插值,按標準差方法將臺風危險性指數(shù)進行4個等級劃分得出,冰雹致災危險性高和較高等級的地區(qū)主要位于西部;其余地區(qū)為危險性較低到低等級。
2.6 干旱致災危險性評估與區(qū)劃
利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站逐日氣象資料。降雨不足是導致氣象干旱的直接原因,基于選取的干旱致災因子,采用反映干旱強度、發(fā)生頻率。干旱災害致災因子危險性指數(shù)如下:
式(8)中,Wi、Xi分別為危險性指標的標準值和權重。H為危險性指數(shù),采用信息熵賦權法方法確定權重。其指數(shù)為189.36~226.87,利用ArcGIS軟件,采用自然斷點方法將干旱危險性劃分為4個等級得出,干旱致災危險性高和較高等級的地區(qū)主要位于東部、北部局部;其余地區(qū)為危險性較低到低等級。
2.7 低溫致災危險性評估與區(qū)劃
利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站最低平均強度等級、過程最大持續(xù)天數(shù)等級和起止日期等級及其對應的頻次等因子指標。低溫災害綜合是將寒潮、低溫陰雨、寒露風、寒凍害(2 ℃/4 ℃)、冰凍等6種低溫災害致災因子危險性按照一定權重,加權求和得到低溫災害綜合致災因子危險性指數(shù)。低溫災害致災因子危險性指數(shù)如下:
式(9)中,H為低溫災害危險性指數(shù),ai為第i種低溫災害權重系數(shù),采用信息熵賦權法確定權重,Xi為第i種低溫災害危險性指數(shù)值,n為評價的災種數(shù)。其指數(shù)為0.195~0.388,利用ArcGIS軟件,采用反距離加權插值,按標準差方法將低溫危險性指數(shù)進行4個等級劃分可以得出,低溫災害綜合致災因子危險性在空間分布上具有北部、東部、南部等級高,西部等級低,北部等級最高的氣候特點,其中東北部等級最高的氣候特點低溫致災危險性高和較高等級的地區(qū)主要位于北部、南部和東部局部;危險性較低到低等級主要位于西部。
2.8 高溫致災危險性評估與區(qū)劃
利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站逐日氣溫致災因子評價指標共選擇8項,分別為當?shù)啬旮邷厝諗?shù)氣候值、年高溫過程次數(shù)氣候值、過程平均持續(xù)時間氣候值、歷史高溫過程年最多次數(shù)、歷史極端最高氣溫、歷史年高溫日數(shù)最多值、歷史過程平均最高氣溫最大值,歷史高溫過程最長持續(xù)時間[4]。
各指標進行無量綱化處理,各因子權重系數(shù)由信息熵賦權法確定,通過多個指標的加權綜合得到危險性指數(shù)。高溫災害致災因子危險性指數(shù)如下:
式(10)中,H為致災因子危險性指數(shù),Xi為第i種致災因子歸一化值,Wi為第i種致災因子權重系數(shù),采用信息熵賦權法確定權重。其指數(shù)為0.30~0.63。利用ArcGIS軟件,采用反距離加權插值,按自然斷點法將高溫危險性指數(shù)進行4個等級劃分得出,高溫致災危險性高和較高等級的地區(qū)主要位于北部和西南部、東部和南部局部;危險性較低到低等級主要位于東北至西南一帶、西部。
3 宜州區(qū)氣象災害綜合危險性評估與區(qū)劃
綜合考慮區(qū)域內暴雨、臺風、雷電、大風、冰雹、干旱、低溫、高溫8種氣象災害危險性和各種災害受災及失蹤死亡人數(shù)、經濟損失、農作物損失、房屋損失等歷史災情,先將各個災種的致災危險性做歸一化處理,根據(jù)災情占比確定權重,然后對每個災種致災危險性歸一化結果進行加權求和得到氣象災害綜合危險性指數(shù),其指數(shù)為0.557~0.752。根據(jù)危險性指數(shù)劃分危險性等級,反映氣象災害綜合危險性區(qū)域特征。綜合危險性指數(shù)H公式如下:
根據(jù)氣象災害綜合危險性評估方法,計算宜州區(qū)氣象災害綜合危險性指數(shù),并采用自然斷點法劃分危險性等級,繪制宜州區(qū)氣象災害綜合致災危險性區(qū)劃圖(圖1)。結合宜州區(qū)各災種致災危險性分布,可以看出:由于暴雨、干旱權重較高,宜州區(qū)綜合致災危險性為較高到高等級的區(qū)域與暴雨、冰雹、干旱、低溫致災危險性高區(qū)域基本吻合,主要受到暴雨、冰雹、干旱影響。綜合致災危險性為較低到低等級區(qū)域主要受到高溫、大風、雷電、臺風的影響。高危險區(qū)占總面積較小,低危險區(qū)占總面積較大。
由圖1可以看出,宜州區(qū)綜合致災危險性空間分布為北部多,南部少。綜合致災危險性較高到高等級區(qū)域主要分布在東北部、西北部、南部局部,其余地區(qū)綜合致災危險性為低等級和較低等級。高等級危險區(qū)占總面積的25.22%;較高等級危險區(qū)占總面的33.98%;較低等級危險區(qū)占總面積的27.58%;低等級危險區(qū)占總面積的13.22%。
4 結論
(1)依據(jù)廣西氣象災害風險普查技術細則,選擇致災因子,運用各種方法確定權重,構建模型和公式計算危險性指數(shù),基于危險性指數(shù),對致災因子危險性進行評估與區(qū)劃。
(2)由于暴雨、干旱權重較高,宜州區(qū)綜合致災危險性為較高到高等級的區(qū)域與暴雨、冰雹、干旱、低溫致災危險性高區(qū)域基本吻合,主要受到暴雨、冰雹、干旱影響。
(3)宜州區(qū)綜合致災危險性空間為北部多、南部少。綜合危險性較高到高等級的區(qū)域主要分布在東北部、西北部、南部,其余地區(qū)的綜合致災危險性為低等級和較低等級。
(4)縣級開展氣象災害危險性評估與區(qū)劃研究技術方面較少,對所選取致災因子指標有待研究。
參考文獻
[1] 王奧楓,陳世恒,唐湘玲.極端氣候事件對1978—2017年廣西農作物的災損影響[J].中國農學通報,2021,37(14):106-115.
[2] 黃冬梅,黃卓帆,黃肖寒.基于GIS的河池市暴雨洪澇災害風險評估與區(qū)劃[J].氣象研究與應用,2016,37(1):21-24,130.
[3] 高慶飛,王艷芳,馬其魯,等.基于歸一化算法的高校獎學金評定準則研究[J].科技創(chuàng)新導報,2020,17(8):178-179,181.
[4] 萬星火,李艷,檀亦麗,等.基于信息熵的賦權法研究及其應用[J].統(tǒng)計與決策,2008(18):153-154.
Risk Assessment and Zoning of Meteorological Disasters in Yizhou District, Hechi City
Liao Jia-wang et al(Meteorological Bureau of Yizhou District, Hechi City, Yizhou, Guangxi 546300)
Abstract Selected the observational data of 37 meteorological stations in Yizhou District, Hechi City from 1978 to 2020. The meteorological data were normalized, and the hazard assessment was carried out by using information entropy weighting method, percentile method, analytic hierarchy process, natural breakpoint classification method, expert scoring method, etc. The hazard indicators were established for eight meteorological disasters in Yizhou District, namely rainstorm, typhoon, thunder and lightning, gale, hail, drought, low temperature and high temperature, and the assessment model and formula are constructed to divide the hazard risk in space. ArcGIS software was used, Using inverse distance weighted interpolation, the risk zoning map for each disaster type was obtained. Based on the comprehensive hazard analysis of various disasters, the comprehensive hazard index of meteorological disasters was calculated, and the hazard level was divided to obtain the comprehensive hazard zoning of meteorological disasters in Yizhou District.
Key words Meteorological disasters; Danger; Assessment; Zoning; Yizhou District