基于GIS的泰州市夏季氣象災(zāi)害風(fēng)險區(qū)劃分析

摘要：利用泰州市1961—2012年逐日序列的歷史氣候資料與衛(wèi)星遙感資料，綜合考慮致災(zāi)因子、孕災(zāi)因子、承載體因子、防災(zāi)減災(zāi)因子，運(yùn)用 Logistic模型與MudFit模式，重點(diǎn)研究泰州市夏季氣象災(zāi)害風(fēng)險，綜合分析了不同區(qū)域的風(fēng)險水平差異，并進(jìn)行風(fēng)險等級劃分。結(jié)果表明，泰州市暴雨及高溫災(zāi)害風(fēng)險都呈現(xiàn)出南高北低的格局，連陰雨的風(fēng)險總體呈北高南低分布，大風(fēng)災(zāi)害風(fēng)險表現(xiàn)為海陵主城區(qū)、靖江市主城區(qū)等經(jīng)濟(jì)相對發(fā)達(dá)地區(qū)，災(zāi)害風(fēng)險等級較高。

關(guān)鍵詞：氣象災(zāi)害風(fēng)險 Logistic 致災(zāi)因子 評價模型

中圖分類號： P429

Analysis of theＲisk Division of Meteorological Disasters in Summerin Taizhou City Based on the GIS

TIAN Pengfei1 BAO Yang2* CAI Najia3 DENG Meng ke3（DENG-MENG？）

1.Jiangsu ProvincialMeteorological Bureau， Nanjing，Jiangsu Province， 210019 China;2.Taizhou Huayun Meteorological Technology Service Co.， Ltd.， Taizhou，Jiangsu Province，225300 China;3.Taizhou Meteorological Bureau，Taizhou，Jiangsu Province， 225300 China

Abstract：Based on the historical climate data and satellite remote sensing data ofthe daily sequence from 1961 to 2012in Taizhou City， this papercomprehensively considersdisaster-inducing factors， hazard-inducing factors， carrier factors and disaster preventL+Y/SLDsShzxDFel2H/K8Q==ioxwg29uHFTvg10AX1Kno1gg==n and reduction factors， uses the Logistic model and the MudFit model to focus on meteorological disaster risks in summer in Taizhou City， makes a comprehensive analysis of the differences in risk levels in different regions and dividestherisk level. The results show that the risk of heavy rain and high-temperature disasters in Taizhou City both presented a pattern of being highin its southand lowinits north， the risk of continuous rainwas generally highinits the north andlow in its south，andthe risk of strong winddisasterswas in relatively economically-developed areas such as the main urban areas of Hailing and Jingjiang Citywiththe relatively high disaster risk level.

Key Words： Meteorological disaster risk;Logistic;Disaster-inducing factor;Evaluation model

中國是世界上受自然災(zāi)害影響最為嚴(yán)重的國家之一，災(zāi)害種類多，分布地域廣，發(fā)生頻率高，造成損失重。同時我國也是全球變化的敏感區(qū)和脆弱區(qū)之一[1]。泰州地處中國長江三角洲，南瀕長江，是重要的工貿(mào)港口城市，泰州處在明顯的季風(fēng)區(qū)，季風(fēng)變化非常明顯，而且波動大。暴雨、雷電、干旱、大風(fēng)、高溫、暴雪、低溫冰凍、冰雹、龍卷、大霧等都有發(fā)生，其中發(fā)生頻率較高的有高溫、暴雨、大風(fēng)災(zāi)害，主要發(fā)生在夏季，常常造成嚴(yán)重的經(jīng)濟(jì)損失。我國由于各種類型的氣象災(zāi)害發(fā)生所導(dǎo)致的財(cái)產(chǎn)損失最嚴(yán)重，幾乎占到70%左右[2]。特別是近年來極端天氣頻發(fā)，氣象災(zāi)害增多，對全市經(jīng)濟(jì)發(fā)展和人民生命財(cái)產(chǎn)構(gòu)成嚴(yán)重威脅，與此同時，夏季高溫、暴雨等惡劣氣象條件對交通不利影響顯著，成為引發(fā)交通事故的重要因素之一[3]。本文希望通過研究泰州市夏季頻發(fā)的氣象災(zāi)害的空間分布特征并對其進(jìn)行風(fēng)險等級劃分，為該區(qū)域政府部門采取因地制宜的災(zāi)害風(fēng)險管理提供依據(jù)；提高防災(zāi)減災(zāi)效率和效力[4]；促進(jìn)氣象指數(shù)保險保障體系建設(shè)[5]，對于泰州市農(nóng)業(yè)生產(chǎn)及經(jīng)濟(jì)發(fā)展具有十分重要的意義。

1 資料來源與研究方法

1.1 資料來源

本文所使用的氣象資料數(shù)據(jù)主要選取海陵、姜堰、泰興、興化、靖江5個國家氣象觀測站從1961—2012年逐日序列的氣象資料；區(qū)劃使用的地理信息資料是江蘇省國土資源局提供的1∶25萬泰州市的基礎(chǔ)地理背景數(shù)據(jù)；區(qū)劃所需社會經(jīng)濟(jì)數(shù)據(jù)（如人均 GDP、人口密度等）主要來自泰州市統(tǒng)計(jì)局編制的統(tǒng)計(jì)年鑒。衛(wèi)星遙感資料選取MODIS植被指數(shù)EVI產(chǎn)品，為MYD13Q1 250M分辨率植被指數(shù)16天合成產(chǎn)品；泰州縣域行政邊界圖。

1.2 研究方法

本文主要是對致災(zāi)因子的危險性、孕災(zāi)環(huán)境和承災(zāi)體易損性[6]這幾個方面進(jìn)行氣象災(zāi)害風(fēng)險評估與區(qū)劃。區(qū)劃所使用的方法為專家打分法、層次分析法、氣象災(zāi)害風(fēng)險指數(shù)法、加權(quán)綜合評價法等[7]。泰州市的夏季氣象災(zāi)害主要是考慮暴雨、高溫、連陰雨、大風(fēng)等災(zāi)害的影響。建立了泰州市氣象災(zāi)害風(fēng)險評估模型，并利用 ARCGIS 軟件，繪制出了泰州市氣象災(zāi)害綜合風(fēng)險區(qū)劃文件，最后利用ARCGIS的像素統(tǒng)計(jì)工具，對各區(qū)域暴雨風(fēng)險進(jìn)行統(tǒng)計(jì)并做歸一化處理得到各區(qū)域風(fēng)險柱狀圖。

1.2.1氣象歷史資料數(shù)據(jù)的歸一化處理

氣象災(zāi)害風(fēng)險區(qū)劃是氣象災(zāi)害發(fā)生的概率超過某一概率的最大等級的地理分布及其可能發(fā)生的風(fēng)險。

設(shè)X為氣象災(zāi)害指標(biāo)，T年內(nèi)關(guān)于的超越概率分布定義如下：

X=…｛X1，X2，...，Xn｝

設(shè)超越Xi的概率P（x≥xi）為Pi，i=1，2，...，n，則概率分布

P=｛p1，p2，...，pn｝

1.2.2暴雨災(zāi)害風(fēng)險模型

利用國家氣象觀測站歷史長序列小時雨量資料，重建各氣象觀測站歷史小時雨量資料序列，時間序列采用1961—2012年逐日雨量數(shù)據(jù)，使用MudFit計(jì)算各時間序列的擬合分布，采用廣義極值分布函數(shù)來進(jìn)行擬合優(yōu)度檢驗(yàn)，確定分布函數(shù)并計(jì)算出不同重現(xiàn)期降水量（5年、10年、20年、50年、100年）[8]。對各重現(xiàn)期將各站點(diǎn)的降水量進(jìn)行空間插值后歸一化。

1.2.3高溫災(zāi)害風(fēng)險模型

近50年來泰州、 泰興、 興化、 靖江地區(qū)年平均氣溫的變化趨勢總體上比較一致， 都呈線性增高、 波動上升趨勢[9]。以日最高氣溫超過35 ℃作為高溫日標(biāo)準(zhǔn)，以此標(biāo)準(zhǔn)篩選連續(xù)高溫過程，統(tǒng)計(jì)高溫過程熱積溫（超過35 ℃的部分累計(jì)）及各次高溫過程的天數(shù)。采用1963年1月1日—2016年12月31日共19 724天的最高氣溫資料（其中泰州站因遷站原因2005年7月1日—2006年9月30日使用姜堰站資料代替）。選用Logistics模型[10]，選用高溫積溫閾值：0.1（10%），12.36（95%），過程天數(shù)閾值：1（10%），9（95%）。求得各站高溫氣象指數(shù)后進(jìn)行歸一化： ，再與歸一化后的EVI指數(shù)、GDP以及人口加權(quán)相加合成得到泰州高溫風(fēng)險區(qū)劃文件，最后利用ARCGIS的像素統(tǒng)計(jì)工具，對各區(qū)域高溫風(fēng)險進(jìn)行統(tǒng)計(jì)并做歸一化處理得到各區(qū)域風(fēng)險柱狀圖。

1.2.4 連陰雨災(zāi)害風(fēng)險模型

采用1963—2007年春夏秋各季連陰雨歷史資料，使用Logistic模型，其中過程雨量閾值：35.5（10%）、229.4（95%），雨日閾值：6（10%）、18（95%）。將過程雨量和雨日加權(quán)求和得到連陰雨危害指數(shù)，之后與DEM高程、EVI、GDP以及人口加權(quán)合成求得泰州連陰雨區(qū)劃文件，最后利用ARCGIS的像素統(tǒng)計(jì)工具，對各區(qū)域連陰雨風(fēng)險進(jìn)行統(tǒng)計(jì)并做歸一化處理得到各區(qū)域風(fēng)險柱狀圖。

1.2.5 大風(fēng)災(zāi)害風(fēng)險模型

若某日極大風(fēng)速超過17.2 m/s，則定義為一個大風(fēng)日。使用2004年1月1日至2016年12月31日共4 749天日極大風(fēng)資料，采用index=1/n ∑_（i=1）^m?v_i （vi為第i次大風(fēng)風(fēng)速超過17.2 m/s的部分，m為大風(fēng)日數(shù)，n為觀測年數(shù)）。求得各站大風(fēng)氣象災(zāi)害指數(shù)歸一化后與DEM高程、EVI、GDP以及人口加權(quán)相加得到泰州大風(fēng)風(fēng)險區(qū)劃文件，最后利用ARCGIS的像素統(tǒng)計(jì)工具，對各區(qū)域大風(fēng)風(fēng)險進(jìn)行統(tǒng)計(jì)并做歸一化處理得到各區(qū)域風(fēng)險柱狀圖。

3.1暴雨、高溫風(fēng)險

從圖1可以看出，泰州全市暴雨風(fēng)險呈現(xiàn)南邊高（泰興、靖江），北邊低（興化）的格局，多屬中低風(fēng)險等級，主要是泰興地區(qū)降水量全市最高。主要是由于年降水量偏多，而且工業(yè)用地較多河網(wǎng)較少，因此屬于暴雨災(zāi)害高風(fēng)險等級；興化北部河網(wǎng)密集排水較好風(fēng)險較低，靖江雖然降水量僅次于泰興，但由于緊靠長江，且長江橫跨靖江全市，有利于排水，暴雨風(fēng)險相對泰興較小，在中低風(fēng)險等級。

泰州高溫一般出現(xiàn)在7—8月，年平均7.4 d，從圖2看出，泰州全市高溫風(fēng)險明顯呈南高北低的格局，首先南部（泰興、靖江）基礎(chǔ)溫度高于北部（興化、姜堰）地區(qū)，其次高溫主要影響生產(chǎn)活動及百姓的生活出行，甚至健康狀況，和城市發(fā)展水平有很大相關(guān)性。所以海陵地區(qū)及南部的泰興、靖江經(jīng)濟(jì)發(fā)達(dá)地區(qū)其高溫風(fēng)險值大，在高風(fēng)險區(qū)。

興化相對在北部且水網(wǎng)又比較密集，其高溫風(fēng)險為較低等風(fēng)險區(qū)。

3.12 連陰雨、大風(fēng)風(fēng)險

采用1963—2007年春夏秋各季連陰雨歷史資料，使用Logistic模型，其中過程雨量閾值：35.5（10%）、229.4（95%），雨日閾值：6（10%）、18（95%）。將過程雨量和雨日加權(quán)求和得到連陰雨危害指數(shù)，之后與DEM高程、EVI、GDP以及人口加權(quán)合成求得，最后按縣域?qū)^(qū)劃內(nèi)各風(fēng)險進(jìn)行統(tǒng)計(jì)。

由圖3可以看出，泰州地區(qū)連陰雨的風(fēng)險總體呈北高南低，表現(xiàn)為興化地區(qū)明顯最高，因?yàn)檫B陰雨主要影響農(nóng)作物，興化是農(nóng)業(yè)大市，受連陰雨影響風(fēng)險較大，全市其他地區(qū)風(fēng)險偏小。

泰州大風(fēng)年平均出現(xiàn)15.3次，其中1969年出現(xiàn)最多，達(dá)到56次，歷史上極大風(fēng)速為31m/s，出現(xiàn)在2004年9月12日。

泰州境內(nèi)的大風(fēng)大致可以分為冷空氣大風(fēng)、臺風(fēng)、雷雨大風(fēng)、冰雹大風(fēng)以及低壓造成的東南大風(fēng)等。由圖4可知，泰州城區(qū)大風(fēng)風(fēng)險等級最高。海陵地區(qū)經(jīng)濟(jì)相對發(fā)達(dá)，受大風(fēng)影響較大特別是受夏季的雷雨大風(fēng)影響較大，其風(fēng)險在中高等級，靖江靠近長江，其經(jīng)濟(jì)也相對發(fā)達(dá)，沿江風(fēng)力較大，其大風(fēng)風(fēng)險也較高。全市其他地區(qū)基本都在中低風(fēng)險。

4 結(jié)語

依據(jù)泰州市近50年的氣象觀測數(shù)據(jù)，利用GIS方法，結(jié)合泰州市的遙感資料，對泰州市夏季汛期常見的高溫、暴雨、連陰雨、大風(fēng)等災(zāi)害進(jìn)行了風(fēng)險等級的區(qū)劃分析，結(jié)果表明：泰州市暴雨風(fēng)險呈現(xiàn)南邊高，北邊低的格局，多屬中低等風(fēng)險等級，泰興地區(qū)降水量全市最高；泰州全市高溫風(fēng)險明顯呈南高北低的格局，首先南部基礎(chǔ)溫度高于北部地區(qū)，海陵地區(qū)及南部的泰興、靖江相對經(jīng)濟(jì)發(fā)達(dá)地區(qū)其高溫風(fēng)險值大，在高風(fēng)險區(qū)；泰州全市大風(fēng)風(fēng)險整體呈現(xiàn)靖江沿江地區(qū)和海陵地區(qū)大風(fēng)風(fēng)險等級最高，其他地區(qū)基本都在中低風(fēng)險區(qū)。

利用 GIS技術(shù)能夠更加輕松、準(zhǔn)確地完成氣象災(zāi)害風(fēng)險等級的區(qū)劃工作，氣象災(zāi)害風(fēng)險等級的區(qū)劃工作，可以為政府有關(guān)部門對氣象災(zāi)害進(jìn)行有效管理和防災(zāi)減災(zāi)提供了科學(xué)參考依據(jù)，對防御氣象災(zāi)害工作及降低災(zāi)害損失有著很好的指導(dǎo)意義。

參考文獻(xiàn)

[1] 王國復(fù).氣候?yàn)?zāi)害調(diào)查與風(fēng)險評估[J].城市與減災(zāi)，2021（2）：5-9.

[2] 黃榮輝，張慶云，阮水根，等.我國氣象災(zāi)害的預(yù)測預(yù)警與科學(xué)防災(zāi)減災(zāi)對策[M].北京：氣象出版社，2005：3-22.

[3] 張曉美，呂明輝，王毅，等.我國公路交通氣象災(zāi)害風(fēng)險隱患特征分析[J].災(zāi)害學(xué)，2019，34（4）：19-24.

[4] 陳笑娟，張靜.河北省氣象災(zāi)害風(fēng)險普查系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].廣東氣象，2022，44（6）：60-64.

[5] 程清華.黃山市茶葉氣象指數(shù)保險產(chǎn)品設(shè)計(jì)[D].西安：西北大學(xué)，2022.

[6] 羅生洲，汪青春，戴升.青海省氣象災(zāi)害的若干氣候特征分析[J].冰川凍土，2012，34（6）：1380-1387．

[7] 周兆基.基于GIS的江蘇省氣象災(zāi)害風(fēng)險評估與區(qū)劃研究[D].南京：南京信息工程大學(xué)，2014.

[8] 李鸞，謝五三，吳蓉.基于GIS的蕪湖市暴雨洪澇災(zāi)害風(fēng)險區(qū)劃分析[J].能源與環(huán)境，2021（5）：96-97，100.

[9] 田鵬飛，鄭偉，張玲，等.近50a泰州地區(qū)氣候特征變化趨勢[J].安徽農(nóng)學(xué)通報(bào)，2014，20（15）：152-158.

[10] 謝志清，杜銀，高蘋 ，等.2013.江淮流域水稻高溫?zé)岷?zāi)損變化及應(yīng)對策略[J].氣象，2013，39（6）：774-781.