基于GIS的泰州市夏季氣象災害風險區劃分析

摘要：利用泰州市1961—2012年逐日序列的歷史氣候資料與衛星遙感資料，綜合考慮致災因子、孕災因子、承載體因子、防災減災因子，運用 Logistic模型與MudFit模式，重點研究泰州市夏季氣象災害風險，綜合分析了不同區域的風險水平差異，并進行風險等級劃分。結果表明，泰州市暴雨及高溫災害風險都呈現出南高北低的格局，連陰雨的風險總體呈北高南低分布，大風災害風險表現為海陵主城區、靖江市主城區等經濟相對發達地區，災害風險等級較高。

關鍵詞：氣象災害風險 Logistic 致災因子 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害影響最為嚴重的國家之一，災害種類多，分布地域廣，發生頻率高，造成損失重。同時我國也是全球變化的敏感區和脆弱區之一[1]。泰州地處中國長江三角洲，南瀕長江，是重要的工貿港口城市，泰州處在明顯的季風區，季風變化非常明顯，而且波動大。暴雨、雷電、干旱、大風、高溫、暴雪、低溫冰凍、冰雹、龍卷、大霧等都有發生，其中發生頻率較高的有高溫、暴雨、大風災害，主要發生在夏季，常常造成嚴重的經濟損失。我國由于各種類型的氣象災害發生所導致的財產損失最嚴重，幾乎占到70%左右[2]。特別是近年來極端天氣頻發，氣象災害增多，對全市經濟發展和人民生命財產構成嚴重威脅，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的氣象災害的空間分布特征并對其進行風險等級劃分，為該區域政府部門采取因地制宜的災害風險管理提供依據；提高防災減災效率和效力[4]；促進氣象指數保險保障體系建設[5]，對于泰州市農業生產及經濟發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據主要選取海陵、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∶25萬泰州市的基礎地理背景數據；區劃所需社會經濟數據（如人均 GDP、人口密度等）主要來自泰州市統計局編制的統計年鑒。衛星遙感資料選取MODIS植被指數EVI產品，為MYD13Q1 250M分辨率植被指數16天合成產品；泰州縣域行政邊界圖。

1.2 研究方法

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

1.2.1氣象歷史資料數據的歸一化處理

氣象災害風險區劃是氣象災害發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生的風險。

設X為氣象災害指標，T年內關于的超越概率分布定義如下：

X=…｛X1，X2，...，Xn｝

設超越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暴雨災害風險模型

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年逐日雨量數據，使用MudFit計算各時間序列的擬合分布，采用廣義極值分布函數來進行擬合優度檢驗，確定分布函數并計算出不同重現期降水量（5年、10年、20年、50年、100年）[8]。對各重現期將各站點的降水量進行空間插值后歸一化。

1.2.3高溫災害風險模型

近50年來泰州、 泰興、 興化、 靖江地區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 ℃作為高溫日標準，以此標準篩選連續高溫過程，統計高溫過程熱積溫（超過35 ℃的部分累計）及各次高溫過程的天數。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%），過程天數閾值：1（10%），9（95%）。求得各站高溫氣象指數后進行歸一化： ，再與歸一化后的EVI指數、GDP以及人口加權相加合成得到泰州高溫風險區劃文件，最后利用ARCGIS的像素統計工具，對各區域高溫風險進行統計并做歸一化處理得到各區域風險柱狀圖。

1.2.4 連陰雨災害風險模型

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求和得到連陰雨危害指數，之后與DEM高程、EVI、GDP以及人口加權合成求得泰州連陰雨區劃文件，最后利用ARCGIS的像素統計工具，對各區域連陰雨風險進行統計并做歸一化處理得到各區域風險柱狀圖。

1.2.5 大風災害風險模型

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

3.1暴雨、高溫風險

從圖1可以看出，泰州全市暴雨風險呈現南邊高（泰興、靖江），北邊低（興化）的格局，多屬中低風險等級，主要是泰興地區降水量全市最高。主要是由于年降水量偏多，而且工業用地較多河網較少，因此屬于暴雨災害高風險等級；興化北部河網密集排水較好風險較低，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，暴雨風險相對泰興較小，在中低風險等級。

泰州高溫一般出現在7—8月，年平均7.4 d，從圖2看出，泰州全市高溫風險明顯呈南高北低的格局，首先南部（泰興、靖江）基礎溫度高于北部（興化、姜堰）地區，其次高溫主要影響生產活動及百姓的生活出行，甚至健康狀況，和城市發展水平有很大相關性。所以海陵地區及南部的泰興、靖江經濟發達地區其高溫風險值大，在高風險區。

興化相對在北部且水網又比較密集，其高溫風險為較低等風險區。

3.12 連陰雨、大風風險

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求和得到連陰雨危害指數，之后與DEM高程、EVI、GDP以及人口加權合成求得，最后按縣域對區劃內各風險進行統計。

由圖3可以看出，泰州地區連陰雨的風險總體呈北高南低，表現為興化地區明顯最高，因為連陰雨主要影響農作物，興化是農業大市，受連陰雨影響風險較大，全市其他地區風險偏小。

泰州大風年平均出現15.3次，其中1969年出現最多，達到56次，歷史上極大風速為31m/s，出現在2004年9月12日。

泰州境內的大風大致可以分為冷空氣大風、臺風、雷雨大風、冰雹大風以及低壓造成的東南大風等。由圖4可知，泰州城區大風風險等級最高。海陵地區經濟相對發達，受大風影響較大特別是受夏季的雷雨大風影響較大，其風險在中高等級，靖江靠近長江，其經濟也相對發達，沿江風力較大，其大風風險也較高。全市其他地區基本都在中低風險。

4 結語

依據泰州市近50年的氣象觀測數據，利用GIS方法，結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、大風等災害進行了風險等級的區劃分析，結果表明：泰州市暴雨風險呈現南邊高，北邊低的格局，多屬中低等風險等級，泰興地區降水量全市最高；泰州全市高溫風險明顯呈南高北低的格局，首先南部基礎溫度高于北部地區，海陵地區及南部的泰興、靖江相對經濟發達地區其高溫風險值大，在高風險區；泰州全市大風風險整體呈現靖江沿江地區和海陵地區大風風險等級最高，其他地區基本都在中低風險區。

利用 GIS技術能夠更加輕松、準確地完成氣象災害風險等級的區劃工作，氣象災害風險等級的區劃工作，可以為政府有關部門對氣象災害進行有效管理和防災減災提供了科學參考依據，對防御氣象災害工作及降低災害損失有著很好的指導意義。

參考文獻

[1] 王國復.氣候災害調查與風險評估[J].城市與減災，2021（2）：5-9.

[2] 黃榮輝，張慶云，阮水根，等.我國氣象災害的預測預警與科學防災減災對策[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害風險隱患特征分析[J].災害學，2019，34（4）：19-24.

[4] 陳笑娟，張靜.河北省氣象災害風險普查系統的設計與實現[J].廣東氣象，2022，44（6）：60-64.

[5] 程清華.黃山市茶葉氣象指數保險產品設計[D].西安：西北大學，2022.

[6] 羅生洲，汪青春，戴升.青海省氣象災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的江蘇省氣象災害風險評估與區劃研究[D].南京：南京信息工程大學，2014.

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

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

[10] 謝志清，杜銀，高蘋 ，等.2013.江淮流域水稻高溫熱害災損變化及應對策略[J].氣象，2013，39（6）：774-781.