摘要以鄉(xiāng)鎮(zhèn)（街道）為風險評估單元，以人口和社會經(jīng)濟作為承災體，根據(jù)聯(lián)合國人道主義事務(wù)部的風險表達式，利用自然災害風險指數(shù)法建立風雹災害風險評估模型；利用指標體系法評估承災體的脆弱性狀態(tài)，根據(jù)加權(quán)綜合評分法建立脆弱性評估模型，分析15個鄉(xiāng)鎮(zhèn)（街道）短時大風、冰雹災害的危險性、承災體的脆弱性，對風雹災害風險進行評估，利用系統(tǒng)聚類方法對風險評估結(jié)果進行區(qū)劃。結(jié)果表明，通州短時大風風險高值區(qū)在宋莊、潞城、漷縣，低值區(qū)在西集鎮(zhèn)、于家務(wù)鄉(xiāng)、新華街道；冰雹風險高值區(qū)在潞城、西集鎮(zhèn)，低值區(qū)在北苑、新華、玉橋街道及梨園、馬駒橋、于家務(wù)鄉(xiāng)（鎮(zhèn)）；風雹災害風險高值區(qū)在宋莊、潞城、漷縣，低值區(qū)在新華、玉橋街道、馬駒橋鎮(zhèn)、于家務(wù)鄉(xiāng)（鎮(zhèn)）。

關(guān)鍵詞短時大風；冰雹；風雹災害；風險評估；區(qū)劃

中圖分類號S427文獻標識碼

A文章編號0517-6611（2015）29-219-04

通州區(qū)位于北京市東南部，下轄北苑、中倉、新華、玉橋4個街道及宋莊、永順、梨園、潞城、臺湖、張家灣、西集、馬駒橋、于家務(wù)、漷縣、永樂店11 個鄉(xiāng)鎮(zhèn)。夏季強對流天氣帶來的風雹是重要的災害性天氣，雷暴大風、冰雹等中小尺度天氣現(xiàn)象具有強度大、時間短、破壞力強等特點，常給農(nóng)業(yè)生產(chǎn)和人民生活造成嚴重影響。2013年6月24日晚，張家灣鎮(zhèn)瞬時風速達到8級，一些大樹被連根拔起，導致20多間房屋受損，村民受傷。2014年6月26日傍晚，永樂店鎮(zhèn)遭遇大風、冰雹、暴雨強對流天氣， 5 400多棵樹木被刮倒，681.3 hm2農(nóng)田受損，2 000多戶房屋受損。開展風雹災害風險評估是通州防災減災工作的必要環(huán)節(jié)。

目前，風雹災害研究主要集中在災情評估和農(nóng)作物災損評估，一般利用災情和農(nóng)作物災損資料，應(yīng)用灰色系統(tǒng)分析、信息擴散理論、模糊數(shù)學及災損模型法進行災情評估和農(nóng)作物災損評估。如賀一梅等選取農(nóng)作物受災率、成災率等指標，運用模糊聚類方法對云南金沙江流域風雹災害進行區(qū)劃；尹圓圓等構(gòu)建災害損失模型對安徽省棉花雹災的災損風險進行評價。隨著防災減災工作的需要，一些學者開展風雹災害風險評估與區(qū)劃研究，如李蒙等基于GIS技術(shù)從敏感性、危險性和易損性3個方面對云南煙區(qū)冰雹災害風險進行評價，董鵬捷等、扈海波等利用地形敏感性、致災危險性、人口脆弱性3個指數(shù)評估北京地區(qū)的冰雹災害風險。強對流天氣系統(tǒng)引起的冰雹常常伴隨大風，風雹災害對社會經(jīng)濟特別是農(nóng)業(yè)生產(chǎn)的影響較大。該研究以鄉(xiāng)鎮(zhèn)（街道）為評估單元，以人口和社會經(jīng)濟為承災體，利用災害風險模型法并結(jié)合GIS空間分析技術(shù)對冰雹、短時大風2種災害風險分別進行評估，然后綜合得到風雹災害風險，以期為地方政府災害風險管理與決策提供理論依據(jù)。

1資料與方法

1.1資料來源

所用研究資料包括1956～2013年通州國家氣象站、2010～2013年通州區(qū)11個區(qū)域自動站觀測資料及北京市1∶10 000基礎(chǔ)地理信息數(shù)據(jù)，均來自北京市氣象局信息中心；通州區(qū)鄉(xiāng)鎮(zhèn)（街道）社會經(jīng)濟數(shù)據(jù)來自通州區(qū)統(tǒng)計局。

1.2風雹災害風險評估方法與指標體系

歷史氣象要素以旬、月、甚至年的插值精度較好，連續(xù)性較強的氣象要素如氣溫等的空間插值精度較高。有研究發(fā)現(xiàn)，對于降水數(shù)據(jù)，在時間尺度由年到月到日的變化過程中，插值精度明顯下降，時間尺度越小插值結(jié)果的不確定性越大。一般的空間插值方法不太適用于時間尺度較短、局地性較強的雷暴大風和冰雹。再者，社會經(jīng)濟指標一般以鄉(xiāng)鎮(zhèn)（街道）為單位統(tǒng)計，其空間化受諸多自然地理、社會經(jīng)濟要素的影響，需要構(gòu)建復雜的模型，簡單的反距離加權(quán)、多項式回歸、克里格等插值方法無法真實反映其空間分布狀況。鑒于此，該研究不采用柵格數(shù)據(jù)，而以行政區(qū)劃的鄉(xiāng)鎮(zhèn)（街道）作為評估單元。

根據(jù)聯(lián)合國人道主義事務(wù)部的風險表達式：風險度（R）=危險度（H）×脆弱度（V）[15]，利用自然災害風險指數(shù)法建立災害風險評估模型：

DRIj=HWHj×VWVj （j=1，2） （1）

式中，j=1，2分別代表短時大風、冰雹；DRIj為第j種風雹災害風險指數(shù)，其值越大，則風險程度越大；Hj、Vj分別為第j種風雹災害的危險性、承災體的脆弱性，WH、WV分別為其權(quán)重系數(shù)，取為0.60、0.40。

對短時大風、冰雹風險指數(shù)累積求和得到風雹災害綜合風險：

DRI=2j=1DRIj （2）

風雹災害致災因子危險性選用5～9月短時大風、冰雹的頻次來表征。在脆弱性形成機制還沒有研究透徹的情況下，指標體系是目前脆弱性評估最常用的方法。在此利用指標體系法評估風雹災害下研究單元的脆弱性狀態(tài)。脆弱性主要取決于承災體的社會經(jīng)濟屬性，一般認為社會經(jīng)濟條件可以反映區(qū)域的災損敏感度。考慮短時大風、冰雹對人口和社會經(jīng)濟的具體影響及指標的可取性選取脆弱性評估指標。

大風主要給環(huán)境造成機械損傷和破壞，如毀屋拔樹，導致人員直接或間接傷亡，造成農(nóng)作物折枝損葉、落花落果、授粉不良、倒伏、斷根和落粒。冰雹能損壞房屋、樹木，造成人員傷亡，農(nóng)作物折技損葉、落花落果，甚至毀壞莊稼，導致作物減產(chǎn)甚至顆粒無收。相同等級的風雹災害在不同地區(qū)所造成的損失程度不同，人口稠密、種植養(yǎng)殖面積大、農(nóng)林業(yè)發(fā)達地區(qū)的損失往往比農(nóng)業(yè)欠發(fā)達地區(qū)要大得多。選取人口密度、耕地面積比、農(nóng)林牧漁業(yè)占GDP比例、經(jīng)濟林面積比、溫室花房面積比反映鄉(xiāng)鎮(zhèn)（街道）風雹災害的脆弱狀態(tài)。人口密度、農(nóng)林牧漁業(yè)占GDP比例利用GIS分析功能進行計算，耕地面積比、經(jīng)濟林面積比、溫室花房面積比從北京市1∶10 000基礎(chǔ)地理信息數(shù)據(jù)中提取并計算。風雹災害的脆弱性指標體系如表1所示。

對脆弱性指標值采用極差法進行歸一化處理，利用加權(quán)綜合評分法建立風雹災害脆弱性評價模型：

V=mi=1XVi·WVi （3）

式中，XVi為風雹災害脆弱性指標i的量化值；m為脆弱性指標個數(shù)；WVi為指標i的權(quán)重，利用層次分析法確定。

2結(jié)果與分析

2.1風雹災害危險性分析

夏季伴隨強對流天氣發(fā)生的短時大風主要出現(xiàn)在5～9月。統(tǒng)計2010～2013年通州站及鄉(xiāng)鎮(zhèn)區(qū)域自動站5～9月逐日極大風速，計算短時大風的發(fā)生頻率，利用自然斷點分級法，將頻率值劃分為4個等級。由圖1可見，短時大風危險性高值區(qū)分布在宋莊、潞城、梨園、臺湖、張家灣、漷縣鎮(zhèn)，較高值區(qū)在永順鎮(zhèn)，較低值區(qū)在北苑等4個街道及馬駒橋、永樂店鎮(zhèn)，低值區(qū)在西集鎮(zhèn)和于家務(wù)鄉(xiāng)。

經(jīng)統(tǒng)計，通州人工觀測站1956～2013年冰雹發(fā)生總?cè)諗?shù)為51 d，最早出現(xiàn)在4月9日（1974年），最晚出現(xiàn)在10月1日（1959年）。夏季（6～8月）最多，發(fā)生31 d，占總?cè)諗?shù)的60.8%；春季出現(xiàn)15 d，占總?cè)諗?shù)的29.4%；秋季出現(xiàn)5 d，僅占總?cè)諗?shù)的9.8%；一年中以6月最多，共發(fā)生15 d，占總?cè)諗?shù)的29.4%。根據(jù)通州1980～2009年冰雹災情資料，繪制冰雹日數(shù)空間分布。由圖2可見，永順、潞城、西集鎮(zhèn)為冰雹高發(fā)區(qū)。

43卷29期高曉容等北京市通州區(qū)風雹災害風險評估與區(qū)劃

2.2風雹災害承災體脆弱性分析

計算鄉(xiāng)鎮(zhèn)（街道）人口密度、耕地面積比、農(nóng)林牧漁業(yè)占GDP比例、經(jīng)濟林面積比、溫室花房面積比的歸一化值，根據(jù)承災體脆弱性評估模型（公式3）計算鄉(xiāng)鎮(zhèn)（街道）脆弱性指數(shù)值，利用自然斷點法對脆弱性指數(shù)值進行區(qū)劃。由通州風雹災害脆弱性指數(shù)空間分布（圖3）可見，脆弱性高值區(qū)在永樂店、西集和漷縣，較高值區(qū)在宋莊、梨園、潞城、馬駒橋、于家務(wù)，較低值區(qū)在北苑、中倉街道及永順、臺湖、張家灣，低值區(qū)在新華、玉橋街道。對照承災體脆弱性各指標值發(fā)現(xiàn)，永樂店鎮(zhèn)耕地面積比例和農(nóng)林牧漁業(yè)占GDP比例最大，而人口密度最低，其脆弱性指數(shù)最大；西集鎮(zhèn)經(jīng)濟林面積比最大，農(nóng)林牧漁業(yè)占GDP比例較高，導致其脆弱性指數(shù)較高；漷縣鎮(zhèn)耕地面積比例、農(nóng)林牧漁業(yè)占GDP比例和耕地面積比較高，導致其脆弱性指數(shù)也比較高；新華、玉橋街道農(nóng)林牧漁業(yè)占GDP比例、經(jīng)濟林面積比和耕地面積比均為最低，雖然人口密度較高，其脆弱性指數(shù)還是比較小。

2.3風雹災害風險評價

綜合致災因子危險性、承災體脆弱性，根據(jù)災害風險評估模型（公式1）計算短時大風、冰雹

風險指數(shù)，利用系統(tǒng)聚類方法[19]對風險指數(shù)值進行區(qū)劃。

由圖4可見，短時大風風險高值區(qū)在宋莊、潞城、漷縣，較高值區(qū)在永順、梨園、臺湖、張家灣、永樂店鎮(zhèn)，較低值區(qū)在北苑、中倉、玉橋街道及馬駒橋鎮(zhèn)，低值區(qū)在新華街道、西集鎮(zhèn)、于家務(wù)鄉(xiāng)；冰雹風險高值區(qū)在潞城、西集鎮(zhèn)，較高值區(qū)在宋莊、永順、張家灣、漷縣、永樂店鎮(zhèn)，較低值區(qū)在中倉街道、臺湖鎮(zhèn)；低值區(qū)在北苑、新華、玉橋街道及梨園、馬駒橋、于家務(wù)鄉(xiāng)（鎮(zhèn)）。

對鄉(xiāng)鎮(zhèn)（街道）短時大風、冰雹風險指數(shù)累積求和得到風雹災害綜合風險指數(shù)。從風雹災害綜合風險區(qū)劃（圖5）可看出，綜合風險高值區(qū)在宋莊、潞城、漷縣，較高值區(qū)在永順、梨園、臺湖鎮(zhèn)、張家灣、永樂店鎮(zhèn)，較低值區(qū)在北苑、中倉街道及西集鎮(zhèn)，低值區(qū)在新華、玉橋街道及馬駒橋、于家務(wù)鄉(xiāng)（鎮(zhèn)）。

3結(jié)論與討論

（1）一般的空間插值方法不太適用于時間尺度較短、局地性較強的短時大風和冰雹；以鄉(xiāng)鎮(zhèn)（街道）為統(tǒng)計單位的社會經(jīng)濟指標利用簡單的反距離加權(quán)、多項式回歸、克里格等插值方法無法真實反映其空間分布；地方政府管理也一般以行政區(qū)劃為單位進行。因此，該研究以鄉(xiāng)鎮(zhèn)（街道）作為風險評估單元。

（2） 短時大風危險性高值區(qū)分布在宋莊、梨園、臺湖、潞城、張家灣、漷縣鎮(zhèn)，低值區(qū)在西集和于家務(wù)鄉(xiāng)（鎮(zhèn)）。冰雹高發(fā)區(qū)在永順、潞城、西集鎮(zhèn)。承災體脆弱性高值區(qū)在永樂店、西集和漷縣，低值區(qū)在新華、玉橋街道。

（3） 短時大風風險高值區(qū)在宋莊、潞城、漷縣，低值區(qū)在西集鎮(zhèn)、于家務(wù)鄉(xiāng)、新華街道；冰雹風險高值區(qū)在潞城、西集鎮(zhèn)，低值區(qū)在北苑、新華、玉橋街道及梨園、馬駒橋、于家務(wù)鄉(xiāng)（鎮(zhèn)）。風雹災害綜合風險高值區(qū)在宋莊、潞城、漷縣，低值區(qū)在新華、玉橋街道及馬駒橋鎮(zhèn)、于家務(wù)鄉(xiāng)（鎮(zhèn)）。

（4）

目前，社會經(jīng)濟脆弱性量化評估仍是探索性研究，指標體系法是主要的評估方法，指標體系的選取與構(gòu)建及更為客觀的權(quán)重賦值方法應(yīng)是今后研究的重點。由于區(qū)域自動觀測站建站較晚，數(shù)據(jù)序列較短；另一方面，通州正處在北京城市副中心的快速建設(shè)中，近年社會經(jīng)濟數(shù)據(jù)變化較大。因

此，該研究進行的風雹災害風險評估需在今后不斷優(yōu)化完善。

參考文獻

[1]

劉偉東，扈海波，程叢蘭，等.灰色關(guān)聯(lián)度方法在大風和暴雨災害損失評估中的應(yīng)用[J].氣象科技，2007，35（4）：563-566.

[2] 陳家金，王加義，楊凱，等.基于信息擴散理論的福建省農(nóng)作物風雹災害風險評估[J].中國農(nóng)業(yè)氣象，2011，32（S1）：184-187.

[3] 雷曉云，張立新，鄧西寶.新疆生產(chǎn)建設(shè)兵團農(nóng)業(yè)風雹災害風險評估[J].干旱區(qū)研究，2005，22（3）：341-344.

[4] 賀一梅，李云輝.云南省金沙江流域風雹災害區(qū)劃研究[J].山地學報，2002，20（S1）：69-73.

[5] 胡亞南，李闊，許吟隆.1951- 2010年華北平原農(nóng)業(yè)氣象災害特征分析及糧食減產(chǎn)風險評估[J].中國農(nóng)業(yè)氣象，2013，34（2）：197-203.

[6] 尹圓圓，王靜愛，趙金濤，等.棉花冰雹災害風險評價：以安徽省為例[J].安徽農(nóng)業(yè)科學，2012，40（25）：12506-12509.

[7] 李蒙，朱勇，吉文娟.基于GIS的云南煙區(qū)冰雹災害風險評價[J].中國農(nóng)業(yè)氣象，2012，33（1）：129-133.

[8] 翟志宏，姜會飛，葉彩華，等.基于概率分布模型的北京地區(qū)冰雹災害風險區(qū)劃[J].中國農(nóng)業(yè)大學學報，2008，13（6）：49-53.

[9] 董鵬捷，吳正華.北京2008年奧運期間冰雹災害風險評估模型研究[J].暴雨災害，2008，27（2）：104-108.

[10] 扈海波，董鵬捷，熊亞軍，等.北京奧運期間冰雹災害風險評估[J].氣象，2008，34（12）：84-89.

[11] 劉彩紅，王黎俊，王振宇，等.基于災損評估的青海高原冰雹災害風險區(qū)劃[J].冰川凍土，2012，34（6）：1409-1415.

[12] 莊立偉，王石立.東北地區(qū)逐日氣象要素的空間插值方法應(yīng)用研究[J].應(yīng)用氣象學報，2003，14（5）：605-615.

[13] 朱會義，賈紹鳳.降水信息空間插值的不確定行分析[J].地理科學進展，2004，23（2）：34-42.

[14] 杜國明.人口數(shù)據(jù)空間化方法與實踐[M].北京：中國農(nóng)業(yè)出版社，2008：84-98.

[15] 葛全勝，鄒銘，鄭景云，等.中國自然災害風險綜合評估初步研究[M].北京：科學出版社，2008：136-137，173-176.

[16] 張斌，趙前勝，姜瑜君.區(qū)域承災體脆弱性指標體系與精細量化模型研究[J].災害學，2010，25（2）：36-40.

[17] 馬國斌，李京，蔣衛(wèi)國，等.基于氣象預測數(shù)據(jù)的中國洪澇災害危險性評估與預警研究[J].災害學，2011，26（3）：8-12.

[18] 陳磊，徐偉，周忻，等.自然災害社會脆弱性評估研究：以上海市為例[J].災害學，2012，27（1）：98-100.

[19] 唐啟義.DPS數(shù)據(jù)處理系統(tǒng)：試驗設(shè)計、統(tǒng)計分析與數(shù)據(jù)挖掘[M].北京：科學出版社，2010：719-726.