1970—2020 年長江三角洲地區大風時空分布及風險評估

劉雨生，蘇 揚，武于潔，余永安，王振剛

（1.南京航天宏圖信息技術有限公司，南京 210012；2.航天宏圖信息技術有限公司，北京 100089；3.江蘇華高軟件技術有限公司，南京 211300）

大風災害嚴重影響到全球農業生產、社會經濟和可持續發展［1］，并引起了人們的高度重視。中國是受大風災害影響較為嚴重的國家［2，3］，春季大風會造成作物毀種、補種，夏、秋季大風會導致作物倒伏等［4-6］；此外，大風對生態環境也有很大影響，可導致土壤蒸發強烈，干旱加劇，使農田退化或沙漠化，造成生態環境惡化［7-10］；大風對交通、電信、城市建筑等破壞性也較大［11，12］。進行大風災害危險和風險評估，可以為科學防范風災提供指導。

大風作為表征氣候變化的重要氣候因素［13-15］，在已有的研究中關注較少，因此研究大風事件變化特征和規律是氣候研究的一項重要內容［16-18］。針對大風天氣的研究主要集中在近地表風速和大風日數的長期趨勢變化方面［19-21］。其中，針對中國區域的風速研究表明，中國近地表整體風速呈現下降趨勢［20］。Kousari 等［22］在伊朗的研究表明，研究區近地表風速整體呈上升趨勢，但局部地區風速下降十分顯著。俞海洋等［23］采用河北省142 個氣象站的風速觀測數據與災情資料，分析了河北近30 年的大風時空分布及成災特征。田曉璐［24］從致災因子危險性、孕災環境敏感性、承災體易損性、防災減災能力4 個方面構建大風災害風險評估指標體系，實現衛輝市大風災害風險評估區劃。吳秀蘭等［25］根據概率密度分布確定大風災害危險等級，結合平均風速數據和統計年鑒資料，研究分析了北疆風災的時空變化特征及成因。李金鳳等［26］利用長江源區氣象觀測站1981—2019 年的大風日數資料，采用線性傾向估計方法對大風天氣日數的月、季和年際變化進行研究。已有一些針對大風時空變化特征的研究，但對長江三角洲地區區域內大風日數和極大風速的時空變化分析以及大風災害分布特征評估的研究較少［27］。

本研究基于1970—2020 年長江三角洲地區63個地面觀測站的逐日氣象觀測數據，分析大風日數和極大風速致災因子的時空變化情況，并綜合考慮孕災環境敏感性因子對大風災害的影響，探究長江三角洲地區近50 年的大風災害時空分布特征，并以人口和經濟為承災體，進一步研究大風災害對人類活動和經濟產業發展造成的風險性影響，這對長江三角洲地區的大風災害防災減災工作具有重要理論意義，可以為經濟社會的可持續發展提供指導。

1 數據與方法

1.1 數據來源

選取的氣象觀測數據來源于國家氣象科學數據中心（http：//data.cma.cn/）的中國地面氣候資料日值數據集。氣象災害的孕災環境通常是指人類生產、生活所處的自然地理環境，包括地形、地勢、地貌、地質條件、水系分布等［9］，選取植被覆蓋度和高程作為主要孕災環境敏感性因子［24］，衡量植被覆蓋度和高程對大風災害的綜合影響；植被覆蓋度由MODIS 歸一化植被覆蓋指數產品MOD13Q1 計算得到，高程數據下載自美國地質調查局官網（https：//lpdaac.usgs.gov/products/srtmgl1v003/）。

GDP 和人口空間分布數據來源于中國歷史GDP 空間分布公里網格數據集（1990—2015 逐年，1 km）和中國歷史人口空間分布公里網格數據集（1990—2015 逐年，1 km）［28，29］，下載自國家青藏高原科學數據中心（https：//data.tpdc.ac.cn/）。

1.2 研究方法

1.2.1 危險性評估 參考氣象學中的定義，將近地表10 m 高度處瞬時風速達到或超過17.2 m/s 稱為大風，出現大風的日期稱為大風日［21］。本研究以極大風速大于等于17.2 m/s 為閾值對每個站點的數據進行篩選，得到符合時間范圍內（1970—2020 年）的大風事件。根據大風事件過程信息計算出單站點的各致災因子強度（大風年平均次數和平均極大風速值），基于計算得到的大風致災因子值，采用Minmax 標準化方法進行致災因子歸一化，致災因子危險性指數H可表示如下。

式中，H為致災因子危險性指數，D為歸一化后的大風年平均日數，WD為對應的權重，S為歸一化后的平均極大風速值，WS為對應的權重。

考慮植被覆蓋度和高程對大風的綜合影響，采用Min-max 標準化方法進行孕災環境敏感性因子歸一化，孕災環境敏感性指數E可表示如下。

式中，E為孕災環境敏感性指數，M為歸一化后海拔高度因子，N為歸一化后植被覆蓋度因子，WM和WN分別為對應的權重。

綜合致災因子危險性指數和孕災環境敏感性指數的大風危險性指數F可表示如下。

式中，H為致災因子危險性指數，E為孕災環境敏感性指數，WE和WH分別為對應的權重，采用熵權法計算確定。

1.2.2 風險性評估 風險性是一定概率下承災體受災害影響而造成的破壞或損失程度［25］，結合式（3）得到的大風危險性指數，以人口和經濟密度作為承災體進行大風災害的風險性評估分析。大風對不同承災體造成的風險性指數R可表示如下。

式中，F為大風危險性指數，EP為單個承災體的易損性指數，WF和分別為對應的權重，采用專家打分法確定。

根據上述計算得到的不同類型承災體的風險指數，利用標準差法進行風險等級劃分，標準差法的劃分方法如表1 所示，其中R為風險指標，Ave和σ分別為所有統計單元內風險值為非0 值集合的平均值和標準差。研究技術路線設計如圖1 所示。

圖1 技術路線設計

2 結果與分析

2.1 大風危險性時空變化分析

1970—2020 年長江三角洲地區大風災害危險性空間特征分布如圖2 所示。圖2a是利用氣象觀測數據計算得到致災因子危險性指數分布情況，可以看出浙江東部和東南部地區、上海東部區域以及江蘇北部地區等沿海區域，主要呈現大風高致災危險性，可能原因是位于海陸過渡帶和氣候過渡帶的重疊地區，天氣復雜多變，是典型的氣象災害多發區，如夏秋季的熱帶氣旋、秋冬季的寒潮天氣等，常給沿海地區帶來大風天氣［30，31］。安徽南部等地處于皖南山區地帶，復雜的地形和山坡谷地之間受熱不均勻導致溫差較大，易形成山谷風天氣［32，33］，呈現出較高的大風危險性，安徽中部和北部地區、江蘇除北部部分地區外以及浙江的中部地區，基本處于較低或低危險性。圖2b 展示了綜合植被覆蓋度和高程地形因子的大風孕災環境敏感性指數的空間分布情況，可以看出長江三角洲南部地區的孕災環境敏感性要高于中部和北部地區，主要包括浙江中部和南部地區以及安徽的南部地區，整體呈現出南部較高、中部一般、北部較低的空間分布趨勢。

圖2 c 是綜合大風致災因子危險性和孕災環境敏感性得到的大風危險性指數。可以看出，長江三角洲范圍內大風災害多發和較高危險性地區集中在浙江東部沿海區域、上海東部以及安徽南部部分區域；中等危險性分布在安徽西南部、江蘇北部沿海區域、浙江中北部地區；而江蘇和安徽的大多區域均為較低危險性。

2.2 大風致災因子時空特征變化分析

選取1970—2020 年大風事件過程中的大風日數和平均極大風速值，探究大風致災因子時空分布變化對于大風災害的影響。圖3 是大風致災因子的空間分布情況，整個長江三角洲地區發生大風天氣日數較多的地區集中在浙江東部、安徽南部、上海東部和江蘇北部；其中浙江東部沿海地區和上海東部區域發生大風事件的平均日數都在9.6 d 以上，同時浙江東部的平均極大風速也都在20.1 m/s 以上，相對長江三角洲其他區域來說呈現高值，主要是因為沿海與內陸地區的氣候存在一定差異性，但上海東部的平均極大風速大多在19.5～19.8 m/s，相對其他區域并不高。浙江中部以及南部地區發生大風天氣的平均日數為2～3 d，極大風速值基本都在19.8 m/s 及以上，長江三角洲中部孕災環境敏感性高的地區極大風速強度要小于南部沿海地區。安徽南部的大風年平均日數和極大風速值的趨勢基本保持一致，與皖南等地的地形多為山峰山谷，容易形成對流大風天氣有關［34］。

由1970—2020 年逐年大風日數和平均極大風速值的時序變化情況（圖4）可以看出，年大風日數在1997 年出現最低值96 d，在2004 年出現最高值157 d。近50 年時間范圍內，大風日數年平均值約為124 d，表明長江三角洲地區平均每年大風天氣日數約占全年的三分之一，其中高于年平均日數的年份占比51%，低于年平均日數的年份占比49%；年大風日數變化最大的年份出現在1974—1975 年和2000—2001 年，其中1974—1975 年的全年大風日數由140 d 減少到111 d，2000—2001 年的全年大風日數由98 d 增加到136 d。年大風日數在2005 年之后變化趨勢相對平穩一些。

圖4 長江三角洲地區大風致災因子時間特征變化

1970—2020 年大風過程中的平均極大風速在19.43～21.25 m/s，極大風速強度在不同年份有所差異但并未表現出急劇增大或減小的趨勢。其中平均極大風速在1998 年出現最大值21.25 m/s，在2011年出現最小值19.43 m/s，極大風速的年平均值為20.25 m/s，高于年平均極大風速的年份占比45.1%，低于年平均極大風速的年份占比54.9%；極大風速值變化最大的年份是在1990—1991 年和1997—1998 年，其中1990—1991 年平均極大風速由20.80 m/s 減小到19.81 m/s，1997—1998 年平均極大風速由20.24 m/s 增加到21.25 m/s。整體上年平均極大風速值的變化趨勢相對于年大風日數更平緩，在2010 年后的極大風速強度較之前有所降低。

2.3 不同季節大風時空變化差異對比

為了進一步探究不同季節的氣候變化特征對于大風災害天氣的影響，分析了各季節長江三角洲地區大風危險性的空間分布特征（圖5），由圖5 可以看出，春季長江三角洲的南部地區相對于北部地區的大風危險性更高，江蘇、安徽的絕大多數地區都處于較低的危險性，整個區域內處于極高危險性的地區相對較少；夏季長江三角洲區域內隨著海洋季風的北進，呈現出高溫多雨的氣候特點［32］，浙江東部沿海和安徽南部部分地區表現為高危險性；秋季和夏季的大風危險性空間分布基本相似，但秋季浙江中部部分地區要表現出比夏季更高的危險性，在安徽西部的危險性有所降低；冬季相對于其他季節大風危險性明顯降低，整個長江三角洲北部基本處于低危險性，南部還是浙江東部沿海和安徽南部部分地區表現出較高危險性，浙江中部地區的危險性也有一定程度的降低。從不同季節大風的危險性空間分布來看，夏秋季的危險性要高于春冬季，浙江南部沿海地區在不同季節都表現為較高的危險性。另一方面，長江三角洲南北區域氣候差異性大［27］，整體上南部區域的大風危險性要高于北部。

圖5 長江三角洲地區不同季節大風災害危險性空間分布

統計不同季節大風日數和平均極大風速的時序變化情況（圖6）。由圖6a 可以看出，1970—2020年春季大風日數最大值48 d 出現在2004 年，最小值24 d 出現在1997 年，春季年平均大風日數為34.92 d，高于平均值的年份占比49%，低于平均值的年份占比51%；夏季大風日數最大值51 d 出現在2005年，最小值22 d 出現在1999 年，夏季年平均大風日數為36.41 d，高于平均值的年份占比51%，低于平均值的年份占比49%；秋季大風日數最大值33 d 出現在2004 年，最小值13 d 出現在1995 年，秋季年平均大風日數為23.39 d，高于平均值的年份占比52.9%，低于平均值的年份占比47.1%；冬季大風日數最大值39 d 出現在2010 年，最小值22 d 出現在1998 年，冬季年平均大風日數為29.96 d，高于平均值的年份占比56.8%，低于平均值的年份占比43.2%。總體上夏季的年平均大風日數最大，秋季最低。從不同年份之間各季節的大風日數對比來看，夏季高的年份相對更多，秋季大風日數普遍更少，夏季和秋季之間大風日數的差異更明顯。其中，大風日數相差最大為34 d，出現在2011 年的夏秋季，相差最小為0，出現在1970 年和2004 年的秋冬季、2002 年的夏冬季和2010 年的春冬季。

圖6 長江三角洲地區不同季節大風致災因子時間特征變化

由平均極大風速值的時間序列變化統計（圖6b）可以看出，1970—2020 年春季平均極大風速的最大值21.22 m/s 出現在1998 年，最小值18.81 m/s出現在2017 年，春季年平均極大風速為20.16 m/s，高于平均值的年份占比51%，低于平均值的年份占比49%；夏季平均極大風速的最大值22.55 m/s 出現在1996 年，最小值19.50 m/s 出現在2011 年，夏季年平均極大風速為20.71 m/s，高于平均值的年份占比52.3%，低于平均值的年份占比47.7%；秋季平均極大風速的最大值21.73 m/s 出現在1977 年，最小值18.93 m/s 出現在2006 年，秋季年平均極大風速為20.09 m/s，高于平均值的年份占比47%，低于平均值的年份占比53%；冬季平均極大風速的最大值21.08 m/s 出現在1998 年，最小值19.07 m/s 出現在1971 年，冬季年平均極大風速為19.88 m/s，高于平均值的年份占比51%，低于平均值的年份占比49%。夏季的年平均極大風速強度最高，冬季最低。不同年份之間各季節的平均極大風速對比表明，夏季極大風速高的年份相對更多，冬季普遍極大風速更低，夏季和秋冬季之間平均極大風速的差異相對更明顯。其中平均極大風速值相差最大為2.408 m/s，出現在2006 年的夏秋季，相差最小為0.015 m/s，出現在1998 年的夏冬季。

2.4 不同承災體大風風險性評估

承災體的暴露度主要指暴露于危險性中的人口和財產等要素，以揭示災害下承災體的暴露性［15］。圖7 展示了不同季節以經濟為承災體的大風風險等級空間分布，可以看出各季節大風災害的經濟風險等級分布較為相似，只有浙江中部地區在春秋季的經濟風險要高于夏冬季；浙江南部沿海區域、上海以及主要省會城市基本為高或較高經濟風險等級，主要與大風危險性和承災體暴露度分布的共同影響有關。其中，浙江南部受到大風災害危險性影響較大，而上海和各省會中心城市的經濟發展水平高，受到大風災害造成財產損失的風險也較高，例如蘇州的GDP 高于南京，表現出相較于南京更高的大風災害經濟風險。其他區域表現為較低或低風險等級，經濟活動受到大風災害的影響較小。

圖7 長江三角洲地區大風災害經濟風險等級空間分布

圖8 展示了不同季節以人口為承災體的大風風險等級空間分布情況，由圖8 可以看出，安徽南部在春冬季的人口風險要高于夏秋季，浙江中部地區在春秋季的人口風險也要略高于夏冬季，蘇州地區在夏冬季的人口風險高于春秋季。而浙江南部沿海部分區域盡管人口數量不多，但由于大風災害危險性高的影響，導致該區域的人口風險也基本處于高或較高等級。各省的人口風險分布主要和人口密度分布較為一致，例如江蘇的蘇州、南京，浙江的杭州、溫州，安徽的合肥、阜陽等地，為主要的高或較高人口風險等級。另一方面，人口風險也和經濟風險的空間分布趨勢基本一致，經濟發展水平較高的區域也意味著更高的人口密度分布，因此對于經濟水平發展較高的區域，應當針對大風災害可能造成的經濟或人口風險做好相應防護措施，減小相應的人員傷亡或財產損失。

3 結論

本研究利用1970—2020 年的氣象觀測資料，對長江三角洲地區大風災害的時空變化特征進行分析，并討論了大風災害對人口和經濟分布所造成的風險性影響，主要結論如下。

1）1970—2020 年長江三角洲區域的浙江東部沿海區域和上海東部區域，大風年平均日數都在9.6 d 以上，浙江東部和安徽南部部分區域的年平均極大風速也基本在20.1 m/s 以上，呈現相對較高的大風強度，但總體上大風平均日數和極大風速強度都呈現明顯的降低趨勢。整個長江三角洲地區大風災害的高危險性地區主要集中在浙江東部、安徽南部、上海東部和江蘇北部，相關防災減災部門應針對大風天氣做好相應的防護措施。

2）不同季節的大風時空變化特征分析結果表明，長江三角洲地區北部和浙江東部在夏秋季的大風危險性要明顯高于春冬季，并且由于氣候的差異性，南部和北部地區大風在不同季節造成了不同程度的危險性影響。從大風致災因子的變化分布可以看出，年平均大風日數在夏季要高于其他季節，秋季相對最少，逐年之間不同季節的大風日數變化不大，夏秋季相對春冬季變化要更為明顯一些；各季節逐年的平均極大風速值則較為接近，夏季極大風速高的年份相對更多，冬季更少。

3）以經濟和人口為承災體的大風風險評估分析結果表明，大風經濟和人口風險性分布整體趨勢相近，受到大風危險性和承災體暴露度的綜合影響，非沿海地區主要高風險區集中在經濟發展水平較高和人口分布集中的城區。不同季節人口和經濟風險的空間分布差異主要受大風災害危險性的季節性差異的影響。