1951—2018年登陸華南地區(qū)熱帶氣旋的危險性特征分析

摘 要：基于1951—2018年登陸我國的熱帶氣旋資料數(shù)據(jù)，利用貪婪高斯分段算法檢測熱帶氣旋危險性趨勢，對時間序列進(jìn)行分割并利用信息擴(kuò)散生成不同時間段熱帶氣旋危險性的概率分布，分析了華南地區(qū)登陸熱帶氣旋危險性的空間分布。結(jié)果表明：雖然登陸華南的熱帶氣旋數(shù)量呈下降趨勢，但熱帶氣旋的危險性隨時間變化呈上升趨勢；海南省文昌市、萬寧市、瓊中縣和廣東省湛江市的危險性最高，沿海市縣的危險性顯著高于內(nèi)陸市縣。

關(guān)鍵詞：熱帶氣旋；時空特征；危險性；華南地區(qū)

中圖分類號：P444 文獻(xiàn)標(biāo)志碼：B 文章編號：2095–3305（2024）12–0-03

華南地區(qū)瀕臨西北太平洋，受西太平洋副熱帶高壓和西南季風(fēng)影響，是我國臺風(fēng)活動最頻繁的地區(qū)之一。熱帶氣旋產(chǎn)生的大風(fēng)、暴雨和風(fēng)暴潮等均會造成嚴(yán)重的災(zāi)害，對人類生命財產(chǎn)和經(jīng)濟(jì)社會發(fā)展構(gòu)成重大威脅。例如，2014年7月登陸海南省的超強(qiáng)臺風(fēng)“威馬遜”，導(dǎo)致海南省約325.8萬人受災(zāi)，直接經(jīng)濟(jì)損失超過108億元[1]。隨著氣候變化，熱帶氣旋活動的變化對地區(qū)人口和經(jīng)濟(jì)的威脅進(jìn)一步加劇。因此，研究熱帶氣旋的時空特征，對加強(qiáng)區(qū)域防災(zāi)和抗災(zāi)能力具有重要現(xiàn)實(shí)意義。

近年來，諸多學(xué)者對西北太平洋的熱帶氣旋活動進(jìn)行了一系列研究，徐新良等[2]研究了海上絲綢之路相關(guān)海域的臺風(fēng)危險性，其中西北太平洋的熱帶氣旋危險性顯著高于其他海域。龔月婷等[3]的研究表明，我國南海的強(qiáng)臺風(fēng)具有離陸地近、變化快速和高強(qiáng)度等特點(diǎn)。徐慶娟等[4]估計臺風(fēng)災(zāi)害概率分布，計算多致災(zāi)因子下的災(zāi)害損失風(fēng)險。江文等[5]表明我國南海生成的熱帶氣旋數(shù)量呈遞減趨勢。

當(dāng)前，大量研究對熱帶氣旋活動特征的分析，主要集中于熱帶氣旋的強(qiáng)度和頻次方面，對不同時期的熱帶氣旋危險性特征分析較少。因此，本研究利用貪婪高斯分段算法對時間序列進(jìn)行分段，研究不同時期熱帶氣旋危險性特征，利用信息擴(kuò)散分析各個時期的危險性，以期為防臺減災(zāi)提供重要參考依據(jù)。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

1951—2018年的熱帶氣旋數(shù)據(jù)來自中國氣象局熱帶氣旋資料中心最佳路徑數(shù)據(jù)集、中國臺風(fēng)網(wǎng)，包括過程最大風(fēng)速、過程日最大降水量和累計最大降水量等數(shù)據(jù)，并選取華南地區(qū)（廣東省、廣西壯族自治區(qū)和海南?。┳鳛檠芯繀^(qū)域。

1.2 貪婪高斯分段算法

時間序列是按時間排序的一系列觀測值，廣泛應(yīng)用于生物學(xué)、氣象學(xué)和金融等領(lǐng)域中。熱帶氣旋時間序列包含若干數(shù)量的，不同持續(xù)時間的潛在熱帶氣旋演變模式；對于時間序列，檢測時間序列的關(guān)鍵點(diǎn)，識別出時間序列中潛在的變化模式，對于臺風(fēng)危險性評估分析具有重要意義[6]。利用貪婪高斯分段算法（Greedy Gaussian Segmentation，GGS），將多元時間序列劃分為多個子序列片段，然后研究不同時間段的熱帶氣旋危險性變化趨勢。GGS將子序列片段的數(shù)據(jù)建模為具有不同均值和協(xié)方差的多元高斯分布，然后將多元時間序列分割問題轉(zhuǎn)化為最大似然問題，進(jìn)而將其簡化為搜索可能邊界的組合優(yōu)化問題并求解。

令Sr表示S={x1，x2，…，xt，…，xn}中的第x個分段[br-1，br]，Sr=[xbr-1，…，xbr]。第r個分段中每個觀測點(diǎn)xt服從多元高斯分布，其均值和協(xié)方差矩陣分別如下。

（1）

（2）

GGS將時間序列分段問題視為分段模型的參數(shù)求解，通過似然值最大化，近似地找到最優(yōu)分段點(diǎn)，高斯分段模型的相關(guān)參數(shù)學(xué)習(xí)需要計算S={x1，x2，…，xt，…，xn}的對數(shù)似然函數(shù)以進(jìn)行最大似然估計，最大似然估計的似然函數(shù)如式（3）所示，其中C為常數(shù)。

φ（b，μ，∑）=C+ψ（br-1，br）（3）

1.3 信息擴(kuò)散理論

信息擴(kuò)散通過對樣本進(jìn)行集值化處理，克服小樣本數(shù)據(jù)集樣本量不足的缺點(diǎn)[7]。對于給定的樣本集，信息擴(kuò)散通過正態(tài)分布映射，挖掘時間尺度上隱含的特征信息。設(shè)X為過去m年的熱帶氣旋危險指數(shù)樣本集X={x1，x2，…，xi-1，xi，xi+1，…，xn}，xi表示樣本點(diǎn)，n為樣本點(diǎn)總數(shù)。設(shè)U為對每個樣本進(jìn)行信息擴(kuò)散的集合，U={u1，u2，…，uj-1，uj，uj+1，…，um}，uj為離散得到數(shù)值，m為離散總數(shù)。在樣本集X中，xi采用式（4）將其擴(kuò)散成U中的所有點(diǎn)。

（4）

式（4）中的h為信息擴(kuò)散系數(shù)，其計算公式如下：

（5）

經(jīng)信息擴(kuò)散推斷出觀測值為uj的樣本個數(shù)，記為Ci，表達(dá)式如下：

Ci=fi（uj）（6）

對于任意樣本xi的歸一化信息的分布記為

（7）

假設(shè)

q（uj）=uxi（uj）（8）

由式（7）和式（8）得到所有樣本落在U處的頻率，如式（9）所示。

Q=q（uj）（9）

（10）

式（10）中的所有樣本落在U處的頻率可近似為概率估計值，并得到其超越概率值為臺風(fēng)的危險值，超越概率值計算公式如式（11）所示。

P（u≥uj）=q（uj）（11）

1.4 熱帶氣旋危險性指數(shù)

熱帶氣旋產(chǎn)生大風(fēng)、暴雨和海浪等致災(zāi)因子，其中風(fēng)是決定熱帶氣旋等級的主要因子。參照我國的《熱帶氣旋等級》（GB/T 19201—2006）標(biāo)準(zhǔn)，本研究的熱帶氣旋包括熱帶低壓風(fēng)暴（TS，STS）、臺風(fēng)（TY）、強(qiáng)臺風(fēng)（STY）和超強(qiáng)臺風(fēng)（Super TY）共4個等級。危險性是度量致災(zāi)因子對承載體的致險程度，本研究利用熱帶氣旋的日最大降水量（單站）、累計最大降水量（單站）和過程最大風(fēng)速（單站）3個主要因子進(jìn)行熱帶氣旋危險性分析。并采用主客觀組合權(quán)重法（TFN-AHP-EW）計算致災(zāi)因子的權(quán)重，得到日最大降水量、累計最大降水量和過程最大風(fēng)速的權(quán)重分別為

0.473 2、0.179 2和0.346 7，然后通過加權(quán)求和得到熱帶氣旋的危險指數(shù)[8]。

采用貪婪高斯分段算法和信息擴(kuò)散理論檢測華南登陸熱帶氣旋危險性變化趨勢，除了研究時間尺度上的熱帶氣旋危險性變化趨勢，還對華南地區(qū)登陸熱帶氣旋危險性進(jìn)行地理區(qū)劃，本研究的熱帶氣旋危險性特征分析包括時間和空間危險性特征分析2個方面。參考徐新良等方法計算登陸熱帶氣旋危險性的地理分布，并將熱帶氣旋危險分為輕微危險、低度危險、中度危險、高度危險和極度危險5個危險等級。

2 熱帶氣旋危險性特征

2.1 危險性趨勢特征

1951—2018年登陸華南地區(qū)的熱帶氣旋頻數(shù)如圖1所示，年均登陸華南地區(qū)的熱帶氣旋個數(shù)約為6.3個，且登陸頻數(shù)有明顯的變化趨勢。采用線性趨勢分析，得到熱帶氣旋登陸頻數(shù)變化趨勢，且給出了兩個時間段線性趨勢分析的擬合方程，1951—1996年線性趨勢方程的斜率＞0，而1997—2018年線性趨勢方程的斜率＜0。結(jié)果表明，1951—1996年登陸華南的熱帶氣旋呈緩慢上升趨勢，而1997—2018年的登陸頻數(shù)呈下降趨勢。

采用主客觀組合權(quán)重法得到1951—2018登陸華南地區(qū)熱帶氣旋的危險指數(shù)曲線如圖2所示?；谌兆畲蠼邓俊⒗塾嬜畲蠼邓亢瓦^程最大風(fēng)速3個因子，采用GGS進(jìn)行熱帶氣旋危險趨勢分段結(jié)果，得到華南登陸熱帶氣旋的時間分段點(diǎn)為1989年。GGS分段結(jié)果分成1951—1989年和1990—2018年兩個時間段。采用線性趨勢分析檢測熱帶氣旋危險性指數(shù)的變化時間節(jié)點(diǎn)為1989年，從圖2可以看出，GGS時間分段結(jié)果與熱帶氣旋危險性變化趨勢吻合。1951—2018年登陸華南的熱帶氣旋危險性總體呈上升趨勢。其中，1951—1989年的熱帶氣旋危險性呈緩慢上升趨勢，1990—2018年的熱帶氣旋危險性上升趨勢顯著。

利用信息擴(kuò)散對GGS分段結(jié)果進(jìn)行計算，得到圖2a和圖2b為兩個時間段的熱帶氣旋危險性發(fā)生的概率分布。其中，1951—1989年的熱帶氣旋危險性指數(shù)分布較分散，而1990—2018年的危險性指數(shù)分布較為集中。除危險指數(shù)分布較集中，1990—2018年較大危險指數(shù)熱帶氣旋發(fā)生的概率也較大。例如，在1996年后，危險指數(shù)為30的熱帶氣旋發(fā)生的概率明顯高于1996年前。結(jié)果表明，隨著時間變化，危險指數(shù)較大的熱帶氣旋發(fā)生的概率增加。綜合圖1和圖2可知，1997年后，雖然登陸華南地區(qū)的熱帶氣旋數(shù)呈下降趨勢，但較高危險性的熱帶氣旋發(fā)生的概率增高。

2.2 危險性分布特征

圖3為登陸華南熱帶氣旋的危險性等級分布，海南省的文昌市、瓊海市和萬寧市、廣東省的湛江市等沿海市縣的危險性級別最高，處于極度危險狀態(tài)；茂名市、江門市、汕頭市、潮州市、瓊中縣、屯昌縣、?？谑小⑷齺喪?、北海市等部分區(qū)域處于高度危險狀態(tài)。廣東的佛山市、廣州市和惠州市等部分地區(qū)，以及廣西的欽州市和防城港市部分區(qū)域，處于中度危險狀態(tài)。廣東的云浮市、肇慶市和河源市等部分地區(qū)，廣西中部和西北部大部分區(qū)域處于低度危險狀態(tài)。對于極度危險和高度危險區(qū)域面積，海南省、廣東省雷州半島和北部灣沿海市縣面積占比最高。其中，整個海南省的中東部處于極度危險狀態(tài)；廣東省的極度危險和高度危險區(qū)域主要集中于雷州半島和沿海地區(qū)。

該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號為GS（2024）0650號的標(biāo)準(zhǔn)地圖制作，底圖無修改。

3 結(jié)論

基于1951—2018年登陸我國的熱帶氣旋數(shù)據(jù)，采用貪婪高斯分段算法對1951—2018年登陸華南的熱帶氣旋進(jìn)行分段，利用信息擴(kuò)散理論構(gòu)建各個時間段的危險性概率分布。結(jié)論如下：

1951—1996年登陸華南地區(qū)的熱帶氣旋數(shù)呈緩慢上升趨勢，而1997—2018年登陸的熱帶氣旋數(shù)呈下降趨勢；1951—2018年，登陸華南地區(qū)的熱帶氣旋危險性呈上升趨勢，1951—1989年的熱帶氣旋危險性呈緩慢上升趨勢，而1990—2018年的熱帶氣旋危險性上升趨勢較1951—1989年顯著；近年來，雖然登陸華南的熱帶氣旋頻數(shù)呈下降趨勢，但熱帶氣旋危險性呈上升趨勢；對于不同地區(qū)，熱帶氣旋的危險性并不相同，文昌市、瓊海市、萬寧市、湛江市、茂名市、江門市和北海市等沿海市縣的危險性顯著高于內(nèi)陸市縣。

4 結(jié)束語

本研究從登陸熱帶氣旋風(fēng)速、降水和頻數(shù)等因素分析登陸華南的熱帶氣旋危險性，并給出了華南地區(qū)熱帶氣旋危險性變化趨勢和地理區(qū)劃。在全球氣候變化背景下，熱帶氣旋的強(qiáng)度、頻數(shù)和分布也隨之變化，人口和經(jīng)濟(jì)等承災(zāi)體的暴露度增加，這將加劇熱帶氣旋災(zāi)害的損失。因此，在熱帶氣旋危險性特征分析的基礎(chǔ)上，下一步擬引入人口密度、經(jīng)濟(jì)發(fā)展水平和基礎(chǔ)設(shè)施等承災(zāi)體因子進(jìn)行熱帶氣旋災(zāi)害評估，實(shí)現(xiàn)精細(xì)化熱帶氣旋災(zāi)害損失評估和地理區(qū)劃，為防災(zāi)減災(zāi)提供科學(xué)依據(jù)。

參考文獻(xiàn)

[1] 曹詩嘉，方偉華，譚駿.基于海南省“威馬遜”及“海鷗”臺風(fēng)次生海岸洪水災(zāi)后問卷調(diào)查的室內(nèi)財產(chǎn)脆弱性研究[J].災(zāi)害學(xué)，2016，31（2）：188-195.

[2] 徐新良，申志成，李嘉豪，等.“海上絲綢之路”主要海域熱帶氣旋時空分布特征及其危險性[J].地球信息科學(xué)學(xué)報， 2020，22（12）：2383-2392.

[3] 龔月婷，程正泉，楊詩琪.南海熱帶氣旋極端快速加強(qiáng)標(biāo)準(zhǔn)研究[J].熱帶氣象學(xué)報，2024，40（4）：650-658.

[4] 徐慶娟，潘金蘭，劉合香.基于二維云信息擴(kuò)散和三維信息擴(kuò)散的臺風(fēng)災(zāi)害風(fēng)險估計[J].氣象研究與應(yīng)用，2021，42 （3）：23-30.

[5] 江文，王東海，張春燕，等.近70年不同路徑的南海熱帶氣旋的統(tǒng)計特征[J].熱帶氣象學(xué)報，2022，38（3）：433-443.

[6] 林意，朱志靜.基于趨勢的時間序列分段線性化算法[J].重慶大學(xué)學(xué)報，2019，42（3）：92-98.

[7] 王鵬.基于信息擴(kuò)散理論及數(shù)據(jù)整合的貴州洪災(zāi)風(fēng)險評價研究[J].中國農(nóng)村水利水電，2018（2）：109-112.

[8] 張曉宇，韋波，楊昊宇，等.基于GIS的廣東省臺風(fēng)災(zāi)害風(fēng)險性評價[J].熱帶氣象學(xué)報，2018，34（6）：783-790.

收稿日期：2024-09-13

基金項(xiàng)目：2021年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目“華南臺風(fēng)災(zāi)害風(fēng)險評估的數(shù)學(xué)模型研究”（2021KY1751）。

作者簡介：唐飛籠（1993—），女，廣西都安人，講師，研究方向?yàn)榕_風(fēng)災(zāi)害風(fēng)險評估。