上海城市大風時空分布特征及基于實時災情的影響分析

摘要" 利用2008—2019年上海市自動站小時極大風速數據和上海市應急聯動平臺的實時大風災情數據，分析了上海城市大風和災情的時空分布特征及聯系，探討了上海城市大風的影響。研究表明：1）城市大風及致災呈現明顯的季節變化，8級大風日、極大風速和災情變化都呈現夏季單峰型。夏季大風日占全年的41％，大風災情占全年的80％以上。大風災情的年際變化波動較大，主要是受極端天氣影響。2）城市大風及致災體現出明顯的城郊差異：受城市化影響中心城區風速明顯偏小;災情密度在中心城區最高（可達37 件／km2），在區域中心及副中心也相對偏高，各區災情數和人口、GDP都呈正相關關系;房屋類承災在中心城區和周圍區域相對突出，在崇明區最不明顯。3）城市致災大風天氣可分為江淮氣旋大風、雷雨大風、熱帶氣旋大風和冷空氣大風4類，其中雷雨大風發生最頻繁，熱帶氣旋大風的致災程度最嚴重。4）樹和車輛是最突出的大風承災體，其次為電線和雨棚。大風致災具有明顯的鏈式反應。

關鍵詞上海;城市大風;實時災情;時空分布;城郊差異

2023-10-16收稿，2023-12-12接受

上海市氣象局啟明星項目（QM202009）

引用格式：孫一，趙洋，孟海星，等，2024.上海城市大風時空分布特征及基于實時災情的影響分析［J］.大氣科學學報，47（6）：993-1003.

Sun Y，Zhao Y，Meng H X，et al.，2024.Spatiotemporal characteristics urban gales in Shanghai and correlative impact analysis based on real-time disaster data［J］.Trans Atmos Sci，47（6）：993-1003.doi：10.13878／j.cnki.dqkxxb.20231016001.（in Chinese）.

近年來，全球氣候變暖影響突出，導致極端天氣氣候事件進一步加劇（IPCC，2021;袁宇鋒和翟盤茂，2022;李瑩等，2023;朱連華等，2023）。上海地處東部沿海地區，城市運行極易受氣象災害影響。作為超大城市，上海面對氣象災害的暴露度和脆弱性呈增加態勢，次生、衍生災害影響顯著（穆海振等，2015）。2017年全國兩會期間，習近平總書記在參加上海代表團審議時指出，“上海這種超大城市，管理應該像繡花一樣精細”。中共二十大強調，“要加快轉變超大特大城市發展方式，實施城市更新行動，打造宜居、韌性、智慧城市”。面對上海這座超大城市高質量發展和精細化管理的要求，提高氣象防災減災能力、提升智慧氣象賦能智慧城市建設水平具有重要意義。

大風是影響上海的主要氣象災害之一（史軍等，2015），具體分為臺風、雷雨大風、寒潮大風等不同天氣類型（周福等，2017;王黌等，2019）。大風作為一種突發性的災害，極容易在短時間內對人們的生產、生活造成嚴重損害。大風造成的直接危害類型較多，比如房屋倒塌，建筑物受損（劉方田和許爾琪，2020;陳雯超等，2021）;影響航道，導致船舶翻沉（劉春生，2008;蔡曉杰等，2020）;刮倒電線桿、電線，引發電網安全事故（盧振禮等，2021）;引起幼苗倒伏，農作物缺水，從而導致農業減產（俞海洋等，2017;劉方田和許爾琪，2020;黃英姿等，2023）;刮翻車輛，影響城市軌道交通，造成交通事故（楊通曉等，2020;董曉，2022）。2018年8月12日，受臺風“安比”影響，上海黃浦區南京東路一商店店招脫落，砸中9人，3人經搶救無效死亡，產生了嚴重的社會負面影響。

提高氣象防災減災能力，首先需要提高對災害性天氣的認識。大風天氣受全球氣候變化、大尺度環流及地形和下墊面的影響（趙宗慈等，2011）。我國西北地區以春季大風為主（姚正毅等，2006;姚慧茹和李棟梁，2019;王玉竹等，2020），大風常伴隨揚沙、揚塵和沙塵暴天氣，對環境的影響較大（李耀輝等，2004;姚正毅等，2006）。華北地區春季大風偏多，但夏季雷雨大風的致災性最強（俞海洋等，2017）。東南沿海地區受臺風影響突出（劉婧茹等，2023），20世紀80年代至本世紀初我國臺風造成的災害逐年趨重（雷小途等，2009），近年來也有研究顯示，伴隨著氣象防災減災科普工作的深入開展，人們的防災減災意識逐漸增強，臺風在沿海地區造成的經濟損失有所減少（劉方田和許爾琪，2020）。就上海地區而言，已有學者對上海沿岸海域災害性大風特征（蔡曉杰等，2020）、雷雨大風和龍卷致災大風特征（顧宇丹等，2010）、致災臺風的最大風速特征（孟菲等，2007）開展了研究，但對上海城市大風的總體特征研究偏少，研究開展也因災情數據少而相對受限。災情數據的連續性和完整性關系到大風影響分析的全面準確，目前一些公開的普查數據在致災總量上有較好的表征（孟菲等，2007;顧宇丹等，2010），但在時間和空間精度上存在較大的欠缺。

自2007年起，上海市應急聯動中心將110接報的氣象類報警數據與上海市氣象災害防御技術中心進行共享。該數據包括災情發生的時間、位置、災情類型、災情描述等具體信息，可以較好地表征致災天氣對城市產生的具體影響。因此，本文將基于2008—2019年上海市自動站測風數據和110接報大風災情實時報警數據，開展上海城市大風和風災的時空分布特征及關聯性分析，定量分析上海致災大風的主要特征。研究結果將有助于城市管理者全面掌握上海城市大風致災影響，以期為上海城市大風風險預警業務和大風災害應急防御提供科學依據。

1" 資料和方法

資料包括：1）上海市應急聯動中心提供的大風類實時災情數據，時間為2008—2019年。2）上海市氣象局信息中心提供的2008—2019年上海地區地面氣象觀測站測風數據。3）2018年上海各區人口數據和GDP數據來自上海市統計局公布的統計年鑒。本文研究區域為上海市，考慮到黃浦區、楊浦區、虹口區、徐匯區、長寧區、靜安區、普陀區面積都較小，且地理位置相對集中，因此本文在具體分析時將這7個區統一歸為一個區域，即上海市中心城區，其他10個行政區分別作為10個區域。

根據《地面氣象自動觀測規范》，極大風速（瞬時風速）達到8級及以上（風速≥17.2 m／s）的風為大風（中國氣象局，2020）。有大風出現的一天，則稱為大風日（李耀輝等，2004）。在進行大風特征分析時，本文采用大風日、大風時次數兩個特征量。若測站逐小時極大風速中某一個時次有大風出現，即記為一個大風日。大風時次數為測站觀測到大風的累計頻次。為保證足夠多的氣象站點均衡分布在研究區內，本文選取了上海市小時極大風速數據較完整的36個氣象站點作為研究對象（包括11個國家站），站點位置分布如圖1所示。其中，徐家匯站因建筑遮擋風速偏小，故選取距離最近的徐家匯公園站代替。對站點極大風速達到或超過6級（風速≥10.8 m／s）、7級（風速≥13.9 m／s）、8級（風速≥17.2 m／s）的大風分別進行了統計。

本文所用的大風災情數據包括時間、位置、災情分類信息和災情具體描述信息，采用空間匹配、類型確定、重復剔除、邏輯校正等方法對大風災情進行校準。首先，通過災情具體描述信息對定位不明確的災情進行分區處理。其次，復雜天氣（臺風、雷雨大風等）時常會導致暴雨、雷電、大風等災情同時發生，災情分類判斷不可避免地會產生一些語義辨析錯誤，本文將包含積水、進水、被淹、雷電等關鍵詞的大風災情重新進行類型確定。最后，考慮到重復報警的情況，對報警日期、報警經緯度、災情描述等完全一致的災情進行過濾。基于以上處理，2008—2019年上海市應急聯動平臺共接報15 052條大風災情（圖2）。

在分析大風天氣影響時，考慮到零星大風災情可能是由非常局地的大風天氣導致的，精準的大風觀測數據較難獲取，故我們選取單日災情數超過10件的大風過程組成大風典型致災過程集。經統計，2008—2019年上海市共有80次大風致災過程單日致災超過10件，共計產生大風災情13 861件，占近12 a大風致災總數的92.2％，可以較好地代表上海城市大風產生的總體影響。分析大風過程影響時，根據大風致災過程的影響時間（X，單位：h）、影響范圍（Y，單位：區）、影響風力強度（Z，單位：m／s）和影響致災數（U，單位：件）進行等級劃分，相關標準設定見表1。

2" 上海市大風時空分布特征

2.1" 上海市大風時間分布特征

選取大風日數為衡量城市大風的主要特征量。圖3a是近12年上海市7級和8級大風日數的年際變化，可以看出大風日數存在一定的年際波動。近12年上海市7級、8級大風日數最多分別有115 d（2011年）、43 d（2010年），最少分別有54 d（2019年）、13 d（2018年）。近12年上海市7級、8級大風日數總體呈現下降趨勢（已通過信度為0.05的顯著性檢驗），7級、8級大風日數平均遞減率分別為-4.5 d／a、-1.6 d／a，7級大風日數減少更明顯。極大風速也呈下降趨勢（圖4a），但下降速率較小。相關研究表明，隨著全球變暖和城市化進程加劇，中國城市大風日減少（李悅佳等，2018;丁一匯等，2020;曹宗元等，2023），地面風速減弱（俞海洋等，2017;丁一匯等，2020）已成為一個明顯趨勢。上海20世紀80年代后期開始，溫度明顯偏高，溫度增幅變大（周巧蘭和魯小琴，2013），城市化強度增大（王寶強等，2019），這些可能都是導致上海城市大風日減少、極大風速下降的原因。

圖3b為近12年上海市7級和8級大風日數的月變化。為了便于分析大風日數的季節特征，本文定義春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12月—次年2月。7級大風日數的季節變化呈三峰型，多發生于春季（26.1 d），其次為夏季（24.0 d）和冬季（21.3 d），秋季最少（18.8 d），春季、夏季、冬季在上海分別為江淮氣旋大風、熱帶氣旋和雷雨大風、冷空氣大風高發季。上海市8級大風最多出現在8月（5.0 d），其次為7月（4.3 d），4月也略偏多（3.5 d）。與7級大風日數季節變化明顯不同，上海市8級大風日數季節變化呈單峰型，夏季大風日占全年的40％，極大風速在夏季7月和8月也明顯偏大（圖4b）。由此可以推斷，在上海地區夏季大風天氣的發生頻率和強度要明顯高于春季和冬季。

2.2" 上海市大風空間分布特征

從上海市大風日數的空間分布（圖5）可知，上海中心城區各級大風日明顯偏少，東部沿江沿海郊區明顯偏多。近12年上海市6級大風日在中心城區徐家匯公園站僅有15 d，向外圍則呈現輻射狀增加（圖5a）。7級大風日在中心城區出現頻次進一步減少，近12年徐家匯公園站僅有2 d，外環內中心城區其他站點約有25～40 d（圖5c）。8級大風日的空間分布城郊差異最大，徐家匯公園站近12年沒有8級大風日，周邊真新站僅有1 d，而崇明中東部、橫沙島和浦東東南部沿江沿海地區地區8級大風日明顯偏多，金山、奉賢沿海地區和寶山沿江地區大風日也偏多（圖5e）。大風時次的空間分布也存在類似的城郊差異，且隨著風力等級的增加這種差異越來越明顯（圖5b、d、f）。

上海城市大風空間分布的城郊差異與城市發展密不可分，中心城區建筑群增多、增密和增高，導致城區下墊面粗糙度增大，氣流受到城市下墊面粗糙度的影響，風速會明顯減?。ㄐ撂鴥旱?，2009;張愛英等，2009;孫永等，2019）。同時，長江入?？诘匦纬饰鞅?東南向喇叭口形狀，狹管效應明顯（黃世成等，2009;李加武等，2020），崇明島、橫沙島處在喇叭口的中央，其附近地勢平坦，相同天氣條件下其風力偏大。且上海和長江口區一年中盛行東南風的機率較高（蔡曉杰等，2020），在喇叭口地形迎風作用下，北上氣流狹管效應更為顯著（高珊等，2012）。

3" 上海市大風災情的時空分布特征

3.1" 上海市大風災情的時間分布特征

上海城市大風災情數的年際分布波動較大（圖6a）。2012年最多，有5 664起，2019年次之，有4 699起，2010年最少，僅有88起。上海城市大風災情數異常偏高的年份，均受到了強臺風的影響。臺風天氣發生時往往致災因子偏多，在暴雨、大風、風暴潮、洪水的共同作用下，常產生一系列次生災害，呈現鏈式結構（劉洪良等，2023）。IPCC報告指出，承災體對級聯和復合性極端天氣氣候事件對社會經濟影響的暴露度正在增加，因此在2012年臺風“?？?、2019年臺風“利奇馬”等極端臺風天氣發生時，城市大風致災風險明顯偏高。

統計2008—2019年上海城市大風災情數的年內變化（圖6b）可知，上海大風災情數年內變化呈單峰型，80％以上大風災情發生在夏季，其中8月占比68.9％。10月和7月大風災情占比分別為9.5％和9％，其余月份發生較少。這與上一節上海地區夏季大風發生頻率偏高強度偏強的結論是吻合的。

近12年大風災情數日間變化呈典型的單峰變化特征（圖6c），與市民活動時間一致，08—17時的單時次災情數都在70起以上。有研究指出，上海城市暴雨災情日分布具有典型的雙峰特征（早高峰和晚高峰）（李海宏和吳吉東，2018）?？梢姶箫L致災和暴雨致災的特點不同，暴雨致災往往有累積效應和滯后效應，大風災害通常是一種突發性、隨機性的災害，因此其在市民活動活躍的時間，主動報災都偏多。

3.2" 上海市大風災情的空間分布特征

通過上海市大風災情密度分布（圖7）可以看出，大風災情密度在中心城區最高，可達37件／km2，其次為松江、閔行、奉賢、金山、寶山的主城區和浦東新區沿江區域，災情密度均超過10件／km2，嘉定、青浦主城區，浦東新區副中心也有災情密度相對大值區，崇明區的災情密度普遍偏低。這樣的災情密度分布與城市化程度有著緊密的關聯。研究指出，當前的經濟和人口增長模式正在加劇自然和人類系統對氣候災害的暴露度（姜彤等，2022），經計算上海各區大風災情和人口、GDP都呈正相關關系（圖略），即經濟和人口暴露度高的區域，城市大風致災風險明顯偏高。同時，城市“峽谷風”是各大城市面臨的新問題，高樓林立造成的狹管效應會加重高空物體墜落的影響（Blocken，2015），這也可能是中心城區大風災情偏多的原因。

4" 上海城市大風致災影響和風險分析

4.1" 上海城市大風致災天氣背景

上海市致災大風可分為江淮氣旋大風、雷雨大風、熱帶氣旋大風和冷空氣大風4類。表2統計了近12年4類大風致災天氣過程的發生頻次和具體影響。因80次過程中有76次影響到了中心城區，且中心城區災情較為密集，所以在統計風力強度時以中心城區站點為代表。

持續時間長、影響范圍廣、風力等級強的大風過程一般致災風險較高。熱帶氣旋大風較其他3類過程影響時間明顯偏長，且影響范圍涉及全市、過程風力等級也偏強，60％以上的大風災情是由3 d以上的熱帶氣旋大風過程導致的。此外，熱帶氣旋大風發生較為頻繁（平均每年發生1.75次致災過程）、影響范圍廣（81.0％的過程影響全市）、單次過程致災程度嚴重的特點。雷雨大風多為特短時大風，單次過程致災總量不多，但發生頻繁（占致災總過程的43.8％），且局地性較強，仍需加強對此類天氣的監測和預警。江淮氣旋大風發生頻次不高，影響時間一般不長，但影響范圍以全市大風為主，過程風力強度明顯偏強，個別過程會產生嚴重致災。冷空氣大風是致災數最少的大風天氣類型，其影響范圍雖廣，但風力強度明顯偏弱，歷史上長時的冷空氣大風過程的致災量也僅有35件，沒有產生嚴重致災的大風過程。

4.2" 上海城市大風承災體分析

表3統計了近12年上海市各區大風承災體分布。樹和車輛是最突出的大風承災體，其次為電線和雨棚。大風致災具有鏈式反應，33.1％的樹木倒伏會導致車輛受損，9.2％的樹木倒伏會引起電線受損。大風致災還存在明顯的城郊差異，崇明區樹木和電線承災比例明顯高于其他區，高達62％的大風致災引起樹的倒伏，21％的大風致災引起電線受損;房屋類（屋頂、玻璃、雨棚）承災在區內不明顯，僅占9％左右;中心城區樹木、車輛、雨棚承災最明顯，房屋類承災（25％）相比其他區較突出;寶山區房屋類承災相較其他區最為突出，約有27％的大風致災引起房屋受損;松江區和嘉定區的車輛受損占比最高，有超過50％的大風災情引起車輛受損。以上結果有助于應急管理部門更有針對性地開展大風過程前的防御準備。

5" 結論和討論

本文利用2008—2019年上海自動氣象站小時極大風速數據和上海市應急聯動平臺大風實時災情數據分析了上海城市大風和災情的時空特征及關聯，探討了城市大風的影響，加深了對城市大風災害過程的認識，得到主要結論如下：

1） 城市大風及致災呈現明顯的季節變化，8級大風日、極大風速和災情變化都呈現夏季單峰型。夏季大風日占全年的41％，大風災情占全年的80％以上。從年際變化來看，上海大風日數總體呈現下降趨勢，極大風速也趨于減小，但大風災情的年際波動較大，主要是受極端天氣和鏈式致災影響。

2） 城市大風及致災體現出明顯的城郊差異：中心城區受城市下墊面粗糙度的影響，風速明顯偏小;崇明島、橫沙島和浦東東南沿江沿海地區在喇叭口地形迎風作用下，風速明顯偏大;災情密度在中心城區最高（可達37件／km2），在其他區域中心及副中心也相對偏大，研究發現各區災情數和人口、GDP都呈正相關關系;樹木和電線承災比例在崇明區最高;房屋類承災比例在寶山區最高，中心城區次之，崇明最低;車輛受損在嘉定區和松江區比重最大。

3） 致災大風可分為江淮氣旋大風、雷雨大風、熱帶氣旋大風和冷空氣大風4類，大風致災程度和過程影響時間、影響范圍、極大風速等都密切相關。熱帶氣旋大風致災程度最嚴重;雷雨大風發生最為頻繁;江淮氣旋大風影響范圍偏廣，過程風力強度偏強，但發生頻次不高;冷空氣大風致災數最少，其影響一般會伴隨寒潮、雨雪冰凍等復合型天氣，本文僅統計了大風災情，不代表其在城市面上的總體影響偏弱。

4） 樹和車輛是最突出的大風承災體，其次為電線和雨棚。大風致災具有明顯的鏈式反應，樹木倒伏會引發次生災害的概率較大，對交通和電網的影響突出。因此，城市管理需進一步細化大風應急預案，加強市容綠化、交通、電力、應急等多部門的溝通和協作。

自動氣象站測風數據質量關系到城市大風特征的準確和客觀性，上海城市大風的空間差異特征可能是由觀測環境導致的。隨著城市發展，部分自動站的測風受到遮擋導致極大風速偏小，而海拔較高或地理位置較空曠的測站則常年有大風記錄。對自動站測風數據開展進一步的檢驗和質量控制，將有助于更好地表征城市大風的特征。此外，大風所帶來的影響和災害是多方面的，本文運用的災情數據為市民主動報災數據，災情僅涉及大風對市政設施和居民生活的影響，而大風對農業、環境、經濟造成的損失有待通過其他災情數據進一步開展研究。且因110報災數據與真實災情的發生時間相比存在滯后性，使得災情數的日分布特征很大程度上受到市民活動的影響，并不代表夜間大風災害發生偏少。

未來，可進一步根據城市精細化管理要求，開展基于基層管理單元的大風致災閾值研究，綜合災害風險矩陣技術，開發大風風險預警產品，推動上海城市大風災害管理向事前預知預判為重點的精細化預防升級。

參考文獻（References）

Blocken B，2015.Computational fluid dynamics for urban physics：importance，scales，possibilities，limitations and ten tips and tricks towards accurate and reliable simulations［J］.Build Environ，91：219-245.doi：10.1016／j.buildenv.2015.02.015.

蔡曉杰，王琴，朱智慧，等，2020.上海沿岸海域災害性大風特征研究與預報檢驗［J］.海洋預報，37（2）：46-53." Cai X J，Wang Q，Zhu Z H，et al.，2020.Characteristics study and forecast validation of the gale along the coast of Shanghai［J］.Mar Forecasts，37（2）：46-53.doi：10.11737／j.issn.1003-0239.2020.02.000.（in Chinese）.

曹宗元，王堅侃，何晴，等，2023.浙江沿海大風氣候特征及影響系統分析［J］.海洋預報，40（2）：89-97." Cao Z Y，Wang J K，He Q，et al.，2023.Analysis of the climatic characteristics and influence system of strong wind along the coast of Zhejiang［J］.Marine Forecasts，40（2）：89-97.doi：10.11737／j.issn.1003-0239.2023.02.009.（in Chinese）.

陳雯超，宋麗莉，王丙蘭，等，2021.強臺風的致災大風特征及與倒塌房屋的關聯分析［J］.空氣動力學學報，39（4）：98-106." Chen W C，Song L L，Wang B L，et al.，2021.The correlation between destructive gales and collapsed houses during the landing of strong typhoons［J］.Acta Aerodyn Sinica，39（4）：98-106.doi：10.7638／kqdlxxb-2021.0171.（in Chinese）.

丁一匯，李霄，李巧萍，2020.氣候變暖背景下中國地面風速變化研究進展［J］.應用氣象學報，31（1）：1-12." Ding Y H，Li X，Li Q P，2020.Advances of surface wind speed changes over China under global warming［J］.J Appl Meteor Sci，31（1）：1-12.doi：10.11898／1001-7313.20200101.（in Chinese）.

董曉，2022.大風環境下列車弓網離線影響因素及防范措施研究［D］.長沙：中南大學." Dong X，2022.Research on influencing factors and preventive measures of pantograph-catenary disconnection of train under strong wind environment［D］.Changsha：Central South University.doi：10.27661／d.cnki.gzhnu.2022.002602.（in Chinese）.

高珊，吳幸毓，何小寧，2012.1010號臺風“莫蘭蒂” 對福建近海風場的影響及其成因分析［J］.臺灣海峽，31（2）：173-181." Gao S，Wu X Y，He X N，2012.Analysis of characteristics and formation of offshore wind field in Fujian influenced by 1010 typhoon Meranti［J］.J Oceanogr in Taiwan Strait，31（2）：173-181.doi：10.3969／J.ISSN.1000-8160.2012.02.004.（in Chinese）.

顧宇丹，王強，黃曉虹，等，2010.上海市兩類風災時空變化分析及區劃［J］.大氣科學研究與應用（2）：104-112." Gu Y D，Wang Q，Huang X H，et al.，2010.Temporal and spatial variation analysis and zoning of two types of wind disasters in Shanghai［J］.Atmos Sci Res Appl（2）：104-112.（in Chinese）.

黃世成，周嘉陵，任健，等，2009.長江下游百年一遇的極值風速分布［J］.應用氣象學報，20（4）：437-442." Huang S C，Zhou J L，Ren J，et al.，2009.Speed distribution of 100-year extreme winds in lower-reaches of the Yangtze［J］.J Appl Meteor Sci，20（4）：437-442.doi：10.11898／1001-7313.20090407.（in Chinese）.

黃英姿，郝宏飛，王影，2023.巴楚縣大風天氣統計分析及對農業的影響［J］.農業災害研究，13（5）：74-76." Huang Y Z，Hao H F，Wang Y，2023.Statistical analysis of gale weather in Bachu County and its impact on agriculture［J］.J Agric Catastrophology，13（5）：74-76.doi：10.3969／j.issn.2095-3305.2023.05.025.（in Chinese）.

IPCC.2021.Summary for policymakers［R］／／Climate Change 2021—The Physical Science Basis.Cambridge：Cambridge University Press.doi：10.1017／9781009157896.001.

姜彤，翟建青，羅勇，等，2022.氣候變化影響適應和脆弱性評估報告進展：IPCC AR5到AR6的新認知［J］.大氣科學學報，45（4）：502-511." Jiang T，Zhai J Q，Luo Y，et al.，2022.Understandings of assessment reports on climate change impacts，adaptation and vulnerability：progress from IPCC AR5 to AR6［J］.Trans Atmos Sci，45（4）：502-511.doi：10.13878／j.cnki.dqkxxb.20220529013.（in Chinese）.

李海宏，吳吉東，2018.2007—2016年上海市暴雨特征及其與內澇災情關系分析［J］.自然資源學報，33（12）：2136-2148." Li H H，Wu J D，2018.Rainstorm characteristics and its relationship with waterlogging disaster in Shanghai during 2007—2016［J］.J Nat Resour，33（12）：2136-2148.doi：10.31497／zrzyxb.20180559.（in Chinese）.

李加武，徐潤澤，黨嘉敏，等，2020.喇叭口河谷地形基本風特性實測［J］.長安大學學報（自然科學版），40（6）：47-56." Li J W，Xu R Z，Dang J M，et al.，2020.Field measurement of basic wind characteristics of trumpet river valley［J］.J Changan Univ （Nat Sci Ed），40（6）：47-56.doi：10.19721／j.cnki.1671-8879.2020.06.005.（in Chinese）.

李耀輝，張存杰，高學杰，2004.西北地區大風日數的時空分布特征［J］.中國沙漠，24（6）：715-723." Li Y H，Zhang C J，Gao X J，2004.Temporal and spatial characteristics of gale weather over Northwest China［J］.J Desert Res，24（6）：715-723.doi：10.3321／j.issn：1000-694X.2004.06.010.（in Chinese）.

李瑩，葉殿秀，高歌，等，2023.2022年夏季中國氣候特征及主要天氣氣候事件［J］.大氣科學學報，46（1）：110-118." Li Y，Ye D X，Gao G，et al.，2023.Climate characteristics and major meteorological events in China during the summer of 2022［J］.Trans Atmos Sci，46（1）：110-118.doi：10.13878／j.cnki.dqkxxb.20221110007.（in Chinese）.

李悅佳，賀新光，盧希安，等，2018.1960—2015年長江流域風速的時空變化特征［J］.熱帶地理，38（5）：660-667." Li Y J，He X G，Lu X A，et al.，2018.Spatio-temporal variability of wind speed in the Yangtze River basin during 1960—2015［J］.Trop Geogr，38（5）：660-667.doi：10.13284／j.cnki.rddl.003067.（in Chinese）.

劉春生，2008.渤海冬半年冷空氣大風及對船舶安全影響的研究［D］.大連：大連海事大學." Liu C S，2008.Study on cold air and strong wind in Bohai Sea in winter and its influence on ship safety［D］.Dalian：Dalian Maritime University.（in Chinese）.

劉方田，許爾琪，2020.海南省臺風特點與災情評估時空關聯分析［J］.災害學，35（2）：217-223." Liu F T，Xu E Q，2020.Spatio-temporal correlation analysis of typhoon characteristics and disaster assessment in Hainan Province［J］.J Catastrophology，35（2）：217-223.doi：10.3969／j.issn.1000-811X.2020.02.039.（in Chinese）.

劉洪良，羅年學，趙前勝，2023.基于災害復雜網絡的深圳臺風災害鏈風險分析［J］.災害學，38（4）：228-234." Liu H L，Luo N X，Zhao Q S，2023.Risk analysis of typhoon disaster chain in Shenzhen based on complex network［J］.J Catastrophology，38（4）：228-234.doi：10.3969／j.issn.1000-811X.2023.04.035.（in Chinese）.

劉婧茹，李英，孟青，等，2023.中國東南地區熱帶氣旋大風及其伴隨天氣的統計特征［J］.大氣科學，47（4）：1024-1038." Liu J R，Li Y，Meng Q，et al.，2023.Statistical characteristics of tropical cyclone gale and its accompanying weather in Southeast China［J］.Chin J Atmos Sci，47（4）：1024-1038.doi：10.3878／j.issn.1006-9895.2110.21136.（in Chinese）.

雷小途，陳佩燕，楊玉華，等，2009.中國臺風災情特征及其災害客觀評估方法［J］.氣象學報，67（5）：875-883." Lei X T，Chen P Y，Yang Y H，et al.，2009.Characters and objective assessment of disasters caused by typhoons in China［J］.Acta Meteor Sinica，67（5）：875-883.doi：10.3321／j.issn：0577-6619.2009.05.018.（in Chinese）.

盧振禮，李玉華，崔廣署，等，2021.災害天氣對日照市電力事故的影響研究［J］.海洋氣象學報，41（3）：102-108." Lu Z L，Li Y H，Cui G S，et al.，2021.Study on impact of hazardous weather on electric power accident in Rizhao［J］.J Mar Meteor，41（3）：102-108.doi：10.19513／j.cnki.issn2096-3599.2021.03.011.（in Chinese）.

孟菲，康建成，李衛江，等，2007.50年來上海市臺風災害分析及預評估［J］.災害學，22（4）：71-76." Meng F，Kang J C，Li W J，et al.，2007.Analysis and evaluation of typhoon disasters in Shanghai in past 50 years［J］.J Catastrophology，22（4）：71-76.doi：10.3969／j.issn.1000-811X.2007.04.016.（in Chinese）.

穆海振，史軍，賀芳芳，2015.上海城市氣象災害特點及巨災防范淺析［J］.上海保險（8）：23-24." Mu H Z，Shi J，He F F，2015.Characteristics of urban meteorological disasters in Shanghai and analysis of catastrophe prevention［J］.Shanghai Insur（8）：23-24.（in Chinese）.

史軍，徐家良，談建國，等，2015.上海地區不同重現期的風速估算研究［J］.地理科學，35（9）：1191-1197." Shi J，Xu J L，Tan J G，et al.，2015.Estimation of wind speeds for different recurrence intervals in Shanghai［J］.Sci Geogr Sinica，35（9）：1191-1197.doi：10.13249／j.cnki.sgs.2015.09.017.（in Chinese）.

孫永，王詠薇，高陽華，等，2019.復雜地形條件下城市熱島及局地環流特征的數值模擬［J］.大氣科學學報，42（2）：280-292." Sun Y，Wang Y W，Gao Y H，et al.，2019.Numerical simulation of urban heat island and local circulation characteristics under complex terrain conditions［J］.Trans Atmos Sci，42（2）：280-292.doi：10.13878／j.cnki.dqkxxb.20180204001.（in Chinese）.

王寶強，李萍萍，沈清基，等，2019.上海城市化對局地氣候變化的脅迫效應及主要影響因素研究［J］.城市發展研究，26（9）：107-115." Wang B Q，Li P P，Shen Q J，et al.，2019.Research on the stressed effect of urbanization on local climate change and main influencing factors in Shanghai［J］.Urban Dev Stud，26（9）：107-115.doi：10.3969／j.issn.1006-3862.2019.09.018.（in Chinese）.

王黌，李英，吳哲紅，等，2019.我國大風機理研究和預報技術進展［J］.氣象科技，47（4）：600-607." Wang H，Li Y，Wu Z H，et al.，2019.Advances in researches on mechanisms and forecast techniques of high winds in China［J］.Meteor Sci Technol，47（4）：600-607.doi：10.19517／j.1671-6345.20180326.（in Chinese）.

王玉竹，閆浩文，王小平，等，2020.新疆大風集中程度時空特征分析［J］.干旱區地理，43（3）：623-632." Wang Y Z，Yan H W，Wang X P，et al.，2020.Spatio-temporal analysis of gale concentration in Xinjiang［J］.Arid Land Geogr，43（3）：623-632.doi：10.13238／j.issn.1004-2954.201904180004.（in Chinese）.

辛跳兒，賀千山，魏海茹，等，2009.上海世博園上空邊界層風垂直變化觀測研究［J］.高原氣象，28（1）：127-135." Xin T E，He Q S，Wei H R，et al.，2009.Observation and study of wind velocity variation with altitude over the EXPO land，Shanghai［J］.Plateau Meteor，28（1）：127-135.（in Chinese）.

楊通曉，談建國，史軍，等，2020.上海軌道交通16號線高架地面段大風特征及測風設備布點研究［J］.干旱氣象，38（5）：847-858." Yang T X，Tan J G，Shi J，et al.，2020.Characteristics of gale and layout of wind observation equipment on elevated section of rail transit line 16 in Shanghai［J］.J Arid Meteor，38（5）：847-858.doi：10.11755／j.issn.1006-7639（2020）-05-0847.（in Chinese）.

姚慧茹，李棟梁，2019.青藏高原風季大風集中期、集中度及環流特征［J］.中國沙漠，39（2）：122-133." Yao H R，Li D L，2019.The gale concentration period and degree over the Tibetan Plateau and related atmospheric circulation during the windy period［J］.J Desert Res，39（2）：122-133.doi：10.7522／j.issn.1000-694X.2018.00054.（in Chinese）.

姚正毅，王濤，陳廣庭，等，2006.近40 a甘肅河西地區大風日數時空分布特征［J］.中國沙漠，26（1）：65-70." Yao Z Y，Wang T，Chen G T，et al.，2006.Spatial-temporal distribution characteristics of windy days in recent 40 years in Hexi Region，Gansu Province［J］.J Desert Res，26（1）：65-70.doi：10.3321／j.issn：1000-694X.2006.01.011.（in Chinese）.

俞海洋，李婷，陳笑娟，等，2017.河北省近30年大風時空分布及成災特征分析［J］.災害學，32（2）：59-63." Yu H Y，Li T，Chen X J，et al.，2017.The spatio-temporal distribution and disaster characteristics analysis of the gale in Hebei Province for nearly 30 years［J］.J Catastrophology，32（2）：59-63.doi：10.3969／j.issn.1000-811X.2017.02.011.（in Chinese）.

袁宇鋒，翟盤茂，2022.全球變暖與城市效應共同作用下的極端天氣氣候事件變化的最新認知［J］.大氣科學學報，45（2）：161-166." Yuan Y F，Zhai P M，2022.Latest understanding of extreme weather and climate events under global warming and urbanization influences［J］.Trans Atmos Sci，45（2）：161-166.doi：10.13878／j.cnki.dqkxxb.20211011001.（in Chinese）.

張愛英，任國玉，郭軍，等，2009.近30年我國高空風速變化趨勢分析［J］.高原氣象，28（3）：680-687." Zhang A Y，Ren G Y，Guo J，et al.，2009.Change trend analyses on upper-air wind speed over China in past 30 years［J］.Plateau Meteor，28（3）：680-687.（in Chinese）.

趙宗慈，羅勇，江瀅，2011.全球大風在減少嗎？［J］.氣候變化研究進展，7（2）：149-151." Zhao Z C，Luo Y，Jiang Y，2011.Is global strong wind declining？［J］.Adv Clim Change Res，7（2）：149-151.doi：10.3969／j.issn.1673-1719.2011.02.012.（in Chinese）.

中國氣象局，2020.地面氣象自動觀測規范［M］.北京：氣象出版社." China Meteorological Administration，2020.Specifications for surface meteorological automatic observation［M］.Beijing：China Meteorological Press.（in Chinese）.

周福，蔣璐璐，涂小萍，等，2017.浙江省幾種災害性大風近地面陣風系數特征［J］.應用氣象學報，28（1）：119-128." Zhou F，Jiang L L，Tu X P，et al.，2017.Near-surface gust factor characteristics in several disastrous winds over Zhejiang Province［J］.J Appl Meteor Sci，28（1）：119-128.doi：10.11898／1001-7313.20170111.（in Chinese）.

周巧蘭，魯小琴，2013.上海市1951—2010年氣溫演變的結構性分析［J］.浙江大學學報（理學版），40（6）：693-697." Zhou Q L，Lu X Q，2013.The temperature changes in Shanghai during 1951—2010［J］.J Zhejiang Univ （Sci Ed），40（6）：693-697.doi：10.3785／j.issn.1008-9497.2013.06.016.（in Chinese）.

朱連華，祝穎锜，姚壹壹，等，2023.全球增暖1.5／2 ℃下中國區域極端降水的風險變化及其影響因子［J］.大氣科學學報，46（1）：97-109." Zhu L H，Zhu Y Q，Yao Y Y，et al.，2023.Risk and impact analysis of extreme precipitation over China under 1.5 and 2 ℃ global warming levels［J］.Trans Atmos Sci，46（1）：97-109.doi：10.13878／j.cnki.dqkxxb.20210811002.（in Chinese）.

·ARTICLE·

Spatiotemporal characteristics urban gales in Shanghai and correlative impact analysis based on real-time disaster data

SUN Yi1，ZHAO Yang2，MENG Haixing3，PAN Shun1

1Shanghai Center for Meteorological Disaster Prevention Technology，Shanghai 200030，China;

2Shanghai Meteorological Information and Technical Support Center，Shanghai 200030，China;

3Shanghai Institute of Urban Regeneration and Sustainability，Shanghai University，Shanghai 200042，China

Abstract" In recent years，global warming has intensified extreme weather and climate events，significantly impacting urban areas.Shanghai，located in the eastern coastal region of China，is increasingly vulnerable to weather-related disasters.As a megacity，its urban operations are heavily influenced by these events，particularly gales，which pose severe threats to both infrastructure and public safety.Despite their impact，research on gales in Shanghai has been limited by incomplete and inconsistent disaster data.Since 2007，the Shanghai Emergency Response and Coordination Center has shared weather-related alarm data with the Shanghai Center for Meteorological Disaster Prevention Technology.This data includes detailed information on the timing，location，and nature of disasters，enabling a more thorough analysis of the impacts of weather events on the city.Using hourly maximum wind speed data from Shanghais automatic stations and real-time gale disaster data provided by the Shanghai Emergency Response Coordination Center from 2008 to 2019，this study analyzes the spatiotemporal distributions of urban gales and their correlations with disasters.The findings are as follows：1） Gales and disasters exhibit significant seasonal variations，with force 8 gale days，maximum wind speeds，and disaster occurrences all peaking in summer.Summer gale days account for 41％ of the year，and gale-related disasters constitute over 80％ of the total.Inter-annual fluctuations in disasters are pronounced，primarily influenced by extreme weather events.2） Differences in gales and disasters are evident between urban and suburban areas：Ⅰ） Wind speeds are notably lower in downtown regions due to urbanization，while Chongming Island，Hengsha Island，and coastal areas southeast of Pudong experience significantly higher wind speeds due to funnel-shaped terrain effects.Ⅱ） The density of disaster cases is highest in the central city （up to 37 cases／km2） and remains relatively high in regional centers and sub-centers，with the number of disasters positively correlated with population density and GDP.III） Housing-related damages are most prominent in downtown areas and their surroundings，while damages to trees and power lines are significant in Chongming District，and vehicle-related damages are prevalent in Jiading District and Songjiang District.3） Gale disasters in Shanghai can be categorized into four types：Jiang-Huai cyclone gales，thunderstorm gales，tropical cyclone gales，and cold air gales.Thunderstorm gales are the most frequent，while tropical cyclone gales are the most severe.Jiang-Huai cyclone gales impact a broad area of the city but are infrequent，and cold air gales are the least severe.4） Trees and vehicles are the most common disaster-affected entities in strong wind events，followed by power lines and rain shelters.Gale disasters often trigger chain reactions.To effectively prevent and mitigate gale-related disasters，it is crucial for the city to develop detailed emergency response plans and enhance cooperation among management departments.Future research should focus on establishing thresholds for gale disasters and creating risk warning products，thereby advancing the citys disaster management capabilities to a more sophisticated and efficient level.

Keywords" Shanghai;urban gales;real-time disasters;spatiotemporal distribution;differences between urban and suburban areas

doi：10.13878／j.cnki.dqkxxb.20231016001

（責任編輯：劉菲）