杨易诚

摘要  利用山丹历史灾害数据、气象资料和GIS系统，根据气象灾害风险评估方法和原理，综合考虑致灾因子、孕灾环境、承灾体和防灾减灾能力，确立了山丹县干旱、暴雨、大风、低温冻害等12种气象灾害风险区划，提出了气象灾害防御区分区，对提升气象防灾减灾综合能力和应对气候变化能力，最大限度地减少气象灾害造成的损失具有重要的现实意义。

关键词 气象灾害;GIS;风险区划

中图分类号：P429 文献标识码：A 文章编号：2095-3305（2019）01-032-05

DOI： 10.19383/j.cnki.nyzhyj.2019.01.013

Study on Risk Zoning of Meteorological Disaster Based on GIS in Shandan County

YANG Yi-cheng（Linze County Meteorological Bureau， Linze， Gansu 743200）

Abstract Using the historical disaster data and meteorological data in Shandan and GIS system， according to the meteorological disaster risk assessment method and principle， considering the disaster-causing factors， the environment pregnant with disasters， hazard bearing body and disaster prevention and mitigation capacity， 12 kinds of meteorological disaster risk zones such as drought， rainstorm， strong wind， low temperature and freezing injury were established， and the protection zones for meteorological disasters were put forward， in order to improve the comprehensive ability of meteorological disaster prevention and mitigation and the ability to cope with climate change， and minimize the losses caused by meteorological disasters.

Key words   Meteorological disaster; GIS; Risk zoning

气象灾害风险是指气象灾害发生及其给人类社会造成损失的可能性。气象灾害风险既具有自然属性，也具有社会属性，无论自然变异还是人类活动都可能导致气象灾害发生。20世纪30年代，美国开创了气象灾害风险评估的先河，并对洪水灾害风险分析的理论和方法进行了初步探讨[1]。我国气象灾害评估工作始于20世纪50年代，最开始用于洪涝、干旱等主要灾种;20世纪90年代后台风、风暴潮、冰雹等在内的气象灾害评估工作及研究在全国范围内大规模展开;近几年气象灾害频发，国家有关部门意识到气象灾害评估工作必须提升到灾害防御的核心位置上来，大力开展了沿海、丘陵、西北黄土等区域的气象灾害评估工作。

山丹县土地资源丰富，为发展农牧业生产提供了良好条件，荒地资源丰富，面积达6.3万hm2，若有水灌溉，发展潜力很大。据统计，气象灾害占山丹县自然灾害的80%以上，每年因气象灾害造成的经济损失占当年GDP的1%～3%，对山丹县经济社会发展、工农业生产、人民群众生命财产安全和生态环境等造成较大影响，并且全球气候变暖使各类极端天气事件变得更为频繁，气象灾害的强度和影响程度不断加重。

1 山丹地理气候概况和经济概况

山丹县位于甘肃省西北部河西走廊中段，地处100°41′～101°42′E， 37°50′～39°03′N，东靠永昌县，西邻民乐县，西北与甘州区接壤，东南与肃南裕固族自治县皇城区相连，南以祁连山冷龙岭与青海省为界，北过龙首山与内蒙古自治区阿拉善右旗相望。山丹县北部区为荒漠戈壁，热量充足但水资源缺乏，自然生态环境比较恶劣，植被多为荒漠沙生植物，土壤沙化严重;中部是农业生产的主要种植区域，耕地集中连片，农田水利条件比较优越，光热资源丰富，土地利用率高，人口密集，是小麦的主要产区;南部区地形高低不平，坡大沟深，耕地主要以山旱地为主，间有草地，植被覆盖率高，热量不足，无霜期短，自然灾害频繁（图1）。

根据2010年《山丹统计年鉴》统计，2010年年末，山丹县户籍人口20.952 7萬人，人口密度为30人/km2;全县实现国民生产总值27.5亿元，人均13 892元;城镇居民人均可支配收入10 006元，农村居民人均纯收入5 405元;实现农业增加值4.98亿元，粮食种植面积2.606万hm2，油料种植面积0.574万hm2，其他作物种植面积0.7万hm2。

2 数据来源以及数据处理

用于建立气象灾害风险评估模型的资料主要包括：①基础地理数据：山丹县1∶50 000分辨率的DEM数据、行政区划图、水系湖泊图、土地利用分布图。②气象数据：山丹县1971—2011年常规气象站和2005—2011年区域自动站观测资料。③历史灾情数据：山丹县1971—2011年直接经济损失、农业经济损失、受灾人口、受灾面积等历史灾情数据。④社会数据：山丹县2010年统计年鉴资料，包括土地面积、人口密度、人均GDP等。

对所用数据进行了严格的质量检测和筛选，研究過程中数据工具包括社会科学统计软件SPSS、数据库软件Access和地理信息系统软件ArcGIS9.2。

3 气象灾害风险区评估原理和方法

气象灾害风险是指气象灾害发生及其给人类社会造成损失的可能性。根据区域灾害系统理论，灾害系统主要由致灾因子、孕灾环境和承灾体共同组成。在气象灾害风险区划中，危险性是前提，易损性是基础，风险性是结果。其中，气象灾害危险性是自然属性，承灾体潜在易损性是社会属性。气象灾害风险性可以表达为：

气象灾害风险[2]=F（致灾因子危险性，孕灾环境敏感性，承灾体易损性，防灾减灾能力）（1）

通过对致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力等多因子综合分析，构建气象灾害风险评价的框架、指标体系、方法与模型，对气象灾害风险程度进行评价和等级划分，采用风险指数法、层次分析法、加权综合评分法等数量化方法，借助GIS绘制相应的风险区划图系，分为气象灾害高风险区、次高风险区、中等风险区、次低风险区和低风险区5级，区划的技术流程见图2。

3.1 气象灾害风险评价研究方法

3.1.1 层次分析法 层次分析法（AHP）[3]采用先分解后综合的系统思想，整理和综合人们的主观判断，使定性分析与定量分析有机结合，实现定量化决策。它可以将无法量化的指标按照大小排出顺序，把它们彼此区别开来。通过将每个因子的组成指标成对地进行一对一的比较、判断和计算，得出每个指标的权重，以确定不同指标对同一因子的相对重要性。

3.1.2 加权综合评价法 加权综合评价法[4] （WCA）是假设由于指标i量化值的不同，而使每个指标i对于特定因子j的影响程度存在差别，用公式表达为：

Cvj=QVijWci

其中CVj是评价因子的总值， QVij是对于因子j的指标i（QVij≥0） ，WCi是指标i的权重值（0≤WCi≤1） ， 通过AHP方法计算得出， m是评价指标个数。加权综合评价法综合考虑了各个因子对总体对象的影响程度，是把各个具体指标的优劣综合起来，用一个数量化指标加以集中，表示整个评价对象的优劣，因此，这种方法特别适合于对技术、决策或方案进行综合分析评价和优选，是目前最为常用的计算方法之一。

3.2 气象灾害风险评价指标的量化

根据不同灾种风险概念框架选取不同的指标，由于所选指标的单位不同，为便于计算，选用以下公式将各指标量化成可计算的1～10的无量纲指标[5]：

Xij′=Xij×10/Ximaxj（3）

其中Xij′与Xij分别表示象元j上指标i的量化值和原始值，Ximaxj表示指标i在所有象元中的最大值。

3.3 分灾种风险评估模型的建立

考虑致灾因子危险性、孕灾环境敏感性、承载体脆弱性和灾害防御能力，建立灾害风险指数评估模型[2]：

DRI=（HWh）（EWe）（VWv）（RWr）[0.1（1-a）R+a]（4）

H=∑WhkXhk（5）

E=∑WekXek（6）

V=∑WvkXvk（7）

R=∑WrkXrk（8）

其中，DRI是灾害风险指数;H、E、V、R分别表示致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力因子指数;WH、WE、WV、WR表示相应的权重，根据山丹县气象灾害实际情况，分别赋值0.4、0.2、0.2、0.2;Xk是指标k量化后的值;Wk为指标K的权重，表示各指标对形成气象灾害风险的主要因子的相对重要性;a为常数，用来描述防灾减灾能力对于减少总的DRI所起的作用，考虑山丹县的实际情况，取值0.8。

3.4 综合风险评估模型的建立

IDRI=∑DRIkWk（9）

其中，IDRI是气象灾害综合风险指数[2]，DRIk是灾种k的风险指数，Wk为灾种k的权重，是根据山丹县每个灾种的损失情况，计算各乡镇气象灾害的风险系数时，给5级风险区分别赋以相应的权重，乘以各风险等级所占面积百分率后进行累加，最后根据各乡镇风险系数值进行排序。

4 山丹县气象灾害风险区划以及防御分区

4.1 致灾因子危险性分析

致灾因子危险性指气象灾害异常程度，主要是由气象致灾因子活动规模（强度）和活动频次（概率）决定的。一般致灾因子强度越大，频次越高，气象灾害所造成的破坏损失越严重，气象灾害的风险也越大[6]。针对讨论的12类气象灾害，除了雷电以外，其他11类气象灾害的危险性指数都是通过山丹范围内或者周边的区域气象站的多年观测数据计算分析得到，主要方式即统计每个气象站点的灾害发生频数，并归一化，最后利用GIS的数据内插功能，获取12类气象灾害的危险性指数分布图，图3为干旱和低温冻害的危险性等级计算结果（栅格大小统一为50 m×50 m）。

4.2 承灾体易损性分析

承灾体易损性是指在给定危险地区存在的所有人和财产，由于潜在的气象危险因素而造成的伤害或损失程度。一般来说，承灾体的易损性越低，气象灾害损失愈小，气象灾害风险也愈小，反之亦然。承灾体易损性评价是对各类受影响因子对不同气象灾害的承受能力进行分析，本区划中主要是评估山丹县人口、社会经济财产、农作物布局由于潜在的气象灾害威胁而造成的伤害或损失程度。根据山丹县实际情况，承灾体易损性分析选择各县（区）耕地面积比、各县（区）人口密度和GDP密度作为评价指标。

利用GIS技术将人口、GDP、耕地比数据空间化，采用1 000 m×1 000 m网格（图4），由于承灾体对不同灾种的相对重要程度不同，因此在计算承灾体易损性时要赋予它们不同的易损性因子系统（表1），根据风险指数法、层次分析法、加权综合评分法得出各灾种承灾体的易损性。

4.3 各类气象灾害风险区划

氣象灾害的风险区划主要从致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力4个方面进行综合分析得到。致灾因子危险性见气象灾害危险性等级分布图（图5）;孕灾环境敏感性分析主要考虑地形因子如坡度及高度、河网密度2个方面;承灾体易损性分析主要以人口密度、经济密度、耕地比为基本要素;防灾减灾能力分析是指分析为减少气象灾害所致损失而进行的一系列工程和非工程措施，主要考虑人均国民生产总值。最后将上述4个方面内容加权叠加，得到12种气象灾害风险区划图和各乡镇气象灾害风险排名表（表2）。

4.4 气象灾害风险综合区划

根据各类气象灾害对山丹县造成的损失确定权值，将各乡镇的风险指数进行叠加，再将综合风险指数进行排序（表3），得到山丹县气象灾害综合风险区划图（图6）。

由图6可见，山丹县气象灾害综合风险东南高西北低，其中山丹马场南部、霍城大部、东乐东北部分地方发生气象灾害的风险最高;东乐中部、清泉、位奇、陈户、老军大部为气象灾害综合低风险区。

4.5 气象灾害防御区分区

山丹气象灾害重点防御区主要包括山丹马场大部地区、霍城大部地区及东乐局部地区，该区域为山丹主要的粮食作物主产区，受灾后损失大。主要防御干旱、暴雨洪涝、冰雹、低温冻害、雷电、大风、沙尘暴、地质灾害、雪灾、干热风等灾害（图7）。

山丹气象灾害次重点防御区主要包括大马营大部、李桥局部、东乐局部地区，这些地区主要为农作物种植区及设施农业种植区，受灾后损失较大。主要防御地质灾害、低温冻害、暴雨洪涝、冰雹、大风、沙尘暴、雷电、冰雪、干热风等灾害。

山丹气象灾害一般防御区主要包括东乐局部、清泉大部、老军大部、陈户局部地区，该地区人口集中，山丹主要的工业产业重点发展区，旅游资源较丰富，主要防御暴雨洪涝、地质灾害、沙尘暴、低温冻害、干旱、大风、沙尘暴等灾害。

5 总结

利用气象数据、历史灾害数据和GIS系统，将山丹县各乡镇12种气象灾害进行了一般、次级、中级、次高、高风险区5个等级的区划，并划分了气象灾害分区防御，为有关部门对气象灾害进行有效管理和防灾减灾提供了科学参考依据，对防御气象灾害工作及降低灾害损失有着很好的指导意义。

结合山丹县经济社会发展需求，当前气象灾害防御能力仍存在以下薄弱环节：①气象灾害综合监测预警能力有待进一步提高。体现在当前气象业务体系对于突发气象灾害的监测能力弱、预警能力低，像高速公路道路情况及山洪、地质灾害等的监测能力不足等，不能满足气象灾害防御需求。②气象灾害防御布局重点不够明确。一些影响经济的重点敏感行业和中心城镇的气象灾害易损性越来越大，气象灾害造成的损失越来越重。③全社会气象灾害综合防御体系不够健全。社会减灾意识不强，部门间信息实时共享不充分，联动防御气象灾害的机制不健全;基层和公众气象灾害主动防御能力不足、应急能力弱，缺乏必要的防灾知识培训和应急演练;防灾减灾法规不健全，缺乏科学的气象灾害防御指南;面对气象灾害频发易发趋势，气象灾害防御的形势更加严峻。

参考文献

[1] 杨郁华.国外国土整治经验介绍——美国田纳西河是怎样变害为利的[J].地理译报，1983（3）：1-5.

[2] 杨丰政.基于GIS的徐水县气象灾害风险评估研究[D].南京：南京信息工程大学，2012：10-11，16-17.

[3] 王艳华，曹文洪，戴清.层次分析法的改进及其在引黄灌区水沙配置中的应用[J]. 泥沙研究，2007（4）：43-44.

[4] 张会，张继权，韩俊山.基于GIS技术的洪涝灾害风险评估与区划研究——以辽河中下游地区为例[J].自然灾害学报，2005（6）：142-143.

[5] 刘昌杰.基于GIS的气象灾害风险精细化评估系统研究与实现[D].南京：南京信息工程大学，2012：5-6.

[6] 朱浩，樊彦国，武腾腾.开源GIS支持下的气象灾害风险区划分析[J].气象与环境科学，2012（3）：36-37.