基于GIS的高温气象灾害风险区划研究——以漳州为例

李招连 吴建成 郑小琴

基于GIS的高温气象灾害风险区划研究——以漳州为例

李招连 吴建成 郑小琴

（漳州市气象局，福建 漳州 363000）

通过分析1966-2015年漳州市年平均极端最高气温空间分布、年平均高温日数空间分布、土地利用情况等数据，探讨形成高温气象灾害的一级评估因子和二级评估指标的划分法，制作基于GIS的漳州市高温气象灾害风险区划图，揭示了漳州市高温气象灾害分布规律。

GIS 气象灾害 风险区划 漳州市

在全球气候变暖的背景下，高温气象灾害呈多发趋势。李良序等[1]对陕西省高温研究表明，某地高温日数与炎热程度成正比，高温日数越多，热浪天气越多。杨锡琼等[2]研究表明，漳州各地的年平均气温介于20.8～21.6℃，四季平均气温的空间分布各不相同，春季是内陆高于沿海，夏季是中东部高、南北地区低，秋冬季的分布较为相近，均是南部高北部低。目前国内缺少基于GIS的高温气象灾害风险区划研究。本文通过GIS技术栅格化高温致灾因子、孕灾环境、承灾体和防灾能力等指标，专家咨询打分估算后按权重系数叠加，制作漳州市高温气象灾害风险区划图, 为政府防灾减灾决策、重大项目高温灾害防御规划提供参考。

1 数据来源

本文资料来源：漳州市基本站和一般站1966—2015年的气象观测数据、2017年漳州市统计部门的县市区土地面积、人口分布情况、国内生产总值（GDP）和人均可支配收入等社会人口经济数据，以及中国科学院发布的土地利用现状遥感监测数据和30米分辨率的DEM数据。

2 数据分析

2.1 年平均极端最高气温空间分布

从历年平均极端最高气温空间分布图（图1）看，漳州年平均极端最高气温空间分布呈现西北高、东南低的特征，华安、南靖一带为漳州年平均极端最高气温高值中心，诏安、云霄、漳浦沿海一带和东山为相对低值区，同一经线年平均极端最高气温高纬度地区大于低纬度地区，同一纬线年平均极端最高气温内陆地区大于沿海地区。分类核心思想：考虑年平均极端最高气温作为高温致灾因子，高温越高，致灾影响越大。

图1 漳州市平均极端最高气温分布（单位：℃）

2.2 年平均高温日数空间分布

漳州市年平均高温日数空间分布呈现西北高、东南低的特征，华安、南靖一带为漳州市年平均高温日数高值中心，诏安、云霄、漳浦沿海一带和东山为相对低值区，同一经线年平均高温日数高纬度地区大于低纬度地区，同一纬线年平均高温日数内陆地区大于沿海地区。分类核心思想：考虑年平均高温日数作为高温致灾因子，高温日数越多，致灾影响越大。

2.3 土地利用情况

采用的是中国科学院土地利用现状遥感监测数据。分类核心思想：考虑不同土地类型比热容不同的特点，针对不同土地类型的比热容情况进行恰当分组，比热容值越大的土地类型，高温致灾因子对其影响越小。

2.4 地形图（DEM）

采用的是GDEMV2 30M分辨率数字高程数据。分类核心思想：考虑气温随海拔高度的变化规律及漳州市地形特点，采用统计分析中的自然间断点分级法，高程值越高，高温致灾因子对其影响越小。

2.5 其他数据处理

2017年漳州市地均GDP、人均GDP、人均可支配收入分布。分类核心思想：鉴于数据来源单一，本文中暂未考虑实际的城镇布局和人口居住分布，地均GDP等空间分布数据均采用漳州市下属各县市区地均分布。

3 高温气象灾害风险区划研究方法

3.1 高温气象灾害风险区划模型原理

漳州市高温气象灾害风险评估指标数据格式多样而繁杂，采用模糊评价法将评估指标数据定性评价转化为定量评价。在数据分析过程中，采用层次分析法，基于GIS的空间数据叠加分析功能，将定量数据归一化处理后再重分类，消除数据量纲影响，各评估指标数据均按自然分类原则分为1~9级。通过邀请不同行业的专家对高温气象灾害风险二级评估指标权重打分，专家打分法估算后各评估指标数据按权重叠加后，得到高温气象灾害风险区划。

3.2 高温气象灾害风险区划评估指标

本文在构建高温气象灾害风险区划评估指标模型时，根据高温气象灾害特点具体细化评估指标：一级评估因子指标采用传统的致灾因子等自然灾害评估指标；二级评估指标针对一级评估因子指标具体细化，根据高温气象灾害致灾因子和高温气象灾害承灾体易损性的特点，二级评估指标选取不同。不同行业专家对高温气象灾害风险二级评估指标权重系数进行专家打分，确定二级评估指标权重系数，二级评估指标权重系数构成见表1。

表1 漳州市高温气象灾害风险评估指标

3.3 评估指标数据归一化处理

各评估指标选取的数据不同，为了便于计算，采用离差标准化法对二级指标进行归一化处理，原始数据线性变换后映射到[0,1]。

其中′ij、ij分别为指标的格点象元量化值和初始值，min、max分别为指标图层中象元格点的最小值和最大值[3]。

为了便于各评估指标数据细化分类1~9级，各评估指标数据归一化值均乘以9后应用于GIS重分类。结合专家打分法，对每个重分类后的数据图层赋计算权重系数得出，栅格计算公式“高温气象灾害风险区划”=“平均高温日数重分类值”*0.3+“平均极端气温重分类值” * 0.3 +“漳州市土地利用重分类值”*0.05-“高程重分类值”* 0.05 +“人口密度重分类值” * 0.1 +“地均GDP、重分类值”* 0.1 -“人均可支配收入重分类值”* 0.05–“人均GDP重分类值”* 0.05。

4 高温气象灾害风险区划分析

业务规范要求漳州市高温气象灾害风险区划分低、中等、较高和高4个等级风险区，分别对应蓝、黄、橙和红4个预警颜色。从漳州市高温气象灾害风险区划分布图（图2）可知，漳州市高温气象灾害风险区划空间分布呈现从西北至东南逐渐减小；漳州高温气象灾害高风险区主要集中在漳州市区、南靖、华安西南面、平和北面一带。

图2 漳州市高温气象灾害风险区划

5 结论

（1）漳州市高温气象灾害风险评估指标的致灾因子，即平均极端最高气温和平均高温日数的空间分布与高温气象灾害风险区划空间分布基本一致。

（2）漳州市高温气象灾害风险区划空间分布呈现西北高东南低，漳州高温气象灾害高风险区主要集中在漳州市区、南靖、华安西南面、平和北面一带。

[1] 李良序，范建忠，鲁渊平，等．陕西灾害性天气气候图集[M ] . 西安: 陕西科学技术出版社, 2009.

[2] 杨锡琼，李丽容，郑小琴，等[J]．福建热作科技，2017，42(2)：27-34．

[3] 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，2012，35(3)：33-40．

P429；P208

A

1673-8683(2020)01-0020-03