向曦 彭艷秋 趙婧
摘要 通過(guò)專家打分法,確定了大理白族自治州主要災(zāi)害類型為暴雨洪澇、冰雹、大風(fēng);運(yùn)用地理探測(cè)器、GIS空間分析等方法,以歷史氣象災(zāi)情數(shù)據(jù)為基礎(chǔ),探究了3個(gè)災(zāi)種氣象災(zāi)害空間分布與相互影響因子之間的關(guān)系,并構(gòu)建了災(zāi)害指數(shù),劃分了災(zāi)害致災(zāi)區(qū)域。從災(zāi)害系統(tǒng)角度出發(fā),結(jié)合專家打分法,從4個(gè)維度層面(大理白族自治州氣象災(zāi)害致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體的易損性和防災(zāi)能力)搭建大理白族自治州多災(zāi)種氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型。結(jié)果表明:大理白族自治州鄉(xiāng)鎮(zhèn)級(jí)行政區(qū)劃中,低風(fēng)險(xiǎn)地區(qū)占比高,低風(fēng)險(xiǎn)地區(qū)和較低風(fēng)險(xiǎn)地區(qū)占比為60.72%,中等風(fēng)險(xiǎn)地區(qū)占比為20.53%,而高風(fēng)險(xiǎn)地區(qū)和次高風(fēng)險(xiǎn)地區(qū)占全部區(qū)域的18.75%。高風(fēng)險(xiǎn)地區(qū)和次高風(fēng)險(xiǎn)地區(qū)主要分布在大理白族自治州東北部、南部和中部。
關(guān)鍵詞 災(zāi)害風(fēng)險(xiǎn);承災(zāi)體;地理探測(cè)器;多災(zāi)種
中圖分類號(hào):S42 文獻(xiàn)標(biāo)識(shí)碼:B 文章編號(hào):2095–3305(2023)06–0082-05
災(zāi)害產(chǎn)生的危害性影響十分深遠(yuǎn),除會(huì)嚴(yán)重威脅人民群眾生命財(cái)產(chǎn)安全之外,還會(huì)嚴(yán)重破壞經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定。近年來(lái),防災(zāi)減災(zāi)形勢(shì)并不樂(lè)觀,仍需采取針對(duì)性的措施減輕氣象災(zāi)害對(duì)經(jīng)濟(jì)、社會(huì)穩(wěn)定以及人身安全產(chǎn)生的危害性影響。結(jié)合實(shí)際防范情況來(lái)看,采用災(zāi)害風(fēng)險(xiǎn)管理方式是當(dāng)前有效解決災(zāi)害風(fēng)險(xiǎn)問(wèn)題的重要措施。
災(zāi)害風(fēng)險(xiǎn)是一個(gè)綜合的概念,從災(zāi)害學(xué)角度來(lái)看,可以將災(zāi)害風(fēng)險(xiǎn)理解為一定區(qū)域范圍內(nèi)由孕災(zāi)環(huán)境、致災(zāi)因子以及承災(zāi)體3個(gè)子系統(tǒng)相互作用而引發(fā)的一系列災(zāi)害風(fēng)險(xiǎn)問(wèn)題[1]。王金虎等[2]
以中國(guó)長(zhǎng)三角地區(qū)為例,基于多遙感數(shù)據(jù)、地理信息數(shù)據(jù)、統(tǒng)計(jì)年鑒數(shù)據(jù)反演2020年長(zhǎng)江三角洲地區(qū)高溫承載體的空間分布情況,圍繞致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體和防災(zāi)能力等維度要素,科學(xué)構(gòu)建了高溫災(zāi)害風(fēng)險(xiǎn)評(píng)估模型;康龍等[3]運(yùn)用自然災(zāi)害風(fēng)險(xiǎn)綜合指數(shù)法、層次分析法以及GIS空間處理技術(shù)分析了孕災(zāi)環(huán)境脆弱性、災(zāi)害因子危害性和承災(zāi)體脆弱性,建立了拉薩—林芝鐵路沿線主要?dú)庀鬄?zāi)害的風(fēng)險(xiǎn)研究模型;王潔等[4]基于ArcGIS技術(shù),利用層次分析等方法,從3類因子方面針對(duì)暴雨災(zāi)害影響和朔黃鐵路暴雨災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型構(gòu)建問(wèn)題進(jìn)行了深度研究。迄今為止,針對(duì)單災(zāi)種風(fēng)險(xiǎn)評(píng)估方面的研究已較為成熟。
災(zāi)害之間所表現(xiàn)出的復(fù)雜響應(yīng)、互斥關(guān)系相對(duì)突出,災(zāi)種概念與單災(zāi)種概念可呈現(xiàn)出相互影響、相互作用的關(guān)系。從概念來(lái)看,災(zāi)種概念指的是在特定時(shí)段特定地區(qū),受到多種致災(zāi)因子并存和并發(fā)的影響,導(dǎo)致該區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)嚴(yán)重程度較高,所產(chǎn)生的危害性影響較大。當(dāng)前,關(guān)于多災(zāi)種風(fēng)險(xiǎn)評(píng)估方式的研究,通常需要基于災(zāi)害系統(tǒng)論邏輯和相關(guān)內(nèi)容科學(xué)展開(kāi)研究。其中,比較主流的多災(zāi)種風(fēng)險(xiǎn)評(píng)估方法需要立足單災(zāi)種風(fēng)險(xiǎn)評(píng)估方式進(jìn)行科學(xué)開(kāi)展。結(jié)合近幾年的研究情況來(lái)看,災(zāi)害疊加視角與災(zāi)害耦合視角基本上可以被視為多災(zāi)種風(fēng)險(xiǎn)綜合方式的應(yīng)用研究表現(xiàn)。牛彥合等[5]運(yùn)用PSR模型,從致災(zāi)因子危險(xiǎn)性、承災(zāi)體脆弱性和防災(zāi)設(shè)施服務(wù)能力3個(gè)方面構(gòu)建了城市多災(zāi)種風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,以風(fēng)險(xiǎn)區(qū)劃和指標(biāo)分值雙向引擎的方式進(jìn)行多災(zāi)種風(fēng)險(xiǎn)評(píng)估;張靖巖等[6]研究運(yùn)用層次分析法,提出了基于模糊評(píng)價(jià)的數(shù)學(xué)模型,建立了多層級(jí)指標(biāo)的權(quán)重向量和判斷矩陣,滿足了多層次、多因素的評(píng)估需求。
現(xiàn)階段,多災(zāi)種風(fēng)險(xiǎn)定量研究較少,一定程度上影響了災(zāi)害學(xué)領(lǐng)域既有成果在區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)管理中的應(yīng)用。因此,有針對(duì)性地開(kāi)展多災(zāi)種區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)評(píng)估理論和模型等研究工作,通常需要立足重大自然災(zāi)害災(zāi)情評(píng)估和綜合風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)進(jìn)行規(guī)范性研究,以期加強(qiáng)對(duì)災(zāi)害風(fēng)險(xiǎn)問(wèn)題的防范。以大理白族自治州為研究區(qū),通過(guò)專家打分法,確定了大理白族自治州主要災(zāi)害類型為暴雨洪澇、冰雹、大風(fēng),采用地理探測(cè)器、GIS空間分析等方法,以歷史氣象災(zāi)情數(shù)據(jù)為基礎(chǔ),探究了3個(gè)災(zāi)種氣象災(zāi)害空間分布與相互影響因子之間的關(guān)系,并構(gòu)建災(zāi)害指數(shù),劃分災(zāi)害致災(zāi)區(qū)域。從災(zāi)害系統(tǒng)角度出發(fā),結(jié)合專家打分法,針對(duì)大理白族自治州氣象災(zāi)害致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性以及承災(zāi)體易損性、防災(zāi)能力等重要影響因素進(jìn)行科學(xué)研究,根據(jù)研究結(jié)果,搭建大理白族自治州多災(zāi)種氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型。
1 研究資料和區(qū)域
1.1 資料來(lái)源與處理
(1)災(zāi)情數(shù)據(jù)源自云南省氣象災(zāi)害查詢分析系統(tǒng),選取1984—2021年的歷史數(shù)據(jù)。(2)氣象數(shù)據(jù)來(lái)源于氣象大數(shù)據(jù)云平臺(tái)天擎系統(tǒng)。6、24和72 h累計(jì)降雨量基于國(guó)家氣象站逐小時(shí)降水量數(shù)據(jù)計(jì)算得到。(3)大理白族自治州數(shù)字高程模型(DEM)數(shù)據(jù)下載自地理空間數(shù)據(jù)云,數(shù)據(jù)分辨率為30 m?;贒EM數(shù)據(jù),利用ArcGIS軟件的坡度分析功能生成坡度分級(jí)圖。(4)大理白族自治州水系數(shù)據(jù)來(lái)自云南省地圖院,通過(guò)創(chuàng)建漁網(wǎng)、空間計(jì)算和統(tǒng)計(jì)生成河網(wǎng)密度。(5)人口密度、GDP、農(nóng)業(yè)生產(chǎn)潛力等數(shù)據(jù)來(lái)源于大理白族自治州統(tǒng)計(jì)年鑒。
1.2 研究區(qū)域
大理白族自治州地處云貴高原與橫斷山脈結(jié)合位置,從地勢(shì)特點(diǎn)來(lái)看,整體地勢(shì)呈現(xiàn)出西北高、東南低的特點(diǎn)。因?yàn)樵搮^(qū)域地形地貌條件相對(duì)復(fù)雜,所以氣候的垂直差異顯著。加上季風(fēng)環(huán)流不穩(wěn)定,導(dǎo)致大理白族自治州氣象災(zāi)害頻發(fā)。比較常見(jiàn)的氣象災(zāi)害問(wèn)題有干旱、洪澇以及霜凍等。
2 主要災(zāi)種的識(shí)別和權(quán)重的確定
利用專家打分法對(duì)各災(zāi)種涉及的不同評(píng)價(jià)因子進(jìn)行科學(xué)打分,并結(jié)合打分結(jié)果對(duì)各災(zāi)種累計(jì)的總分值從高到低進(jìn)行排序,確定大理白族自治州主要災(zāi)害類型為暴雨洪澇、冰雹、大風(fēng),同時(shí)結(jié)合分值占比,合理掌握多災(zāi)種風(fēng)險(xiǎn)評(píng)估時(shí)各災(zāi)種的權(quán)重關(guān)系(表1)。
3 單災(zāi)種致災(zāi)區(qū)域分析
3.1 暴雨災(zāi)害的致災(zāi)區(qū)域劃定
暴雨的發(fā)生主要受到大氣環(huán)流和天氣、氣候系統(tǒng)的影響,天氣與氣候因素是引發(fā)暴雨的根本原因。當(dāng)區(qū)域發(fā)生暴雨之后,地理環(huán)境等因素將成為主導(dǎo)災(zāi)害發(fā)生的重要影響因素。其中,地形地貌、地理位置以及江河分布等都可以被視為地理環(huán)境體系的影響因素。因此,選取了6 h累計(jì)降雨量(X1)、24 h累計(jì)降雨量(X2)、72 h累計(jì)降雨量(X3)、海拔(X4)、坡度(X5)、河網(wǎng)密度(X6)作為分析因子(表2)。
結(jié)果顯示,暴雨洪澇災(zāi)害空間分布受6個(gè)因子的大小順序:24 h累計(jì)降雨量>坡度>河網(wǎng)密度>高程>6 h累計(jì)降雨量>72 h累計(jì)降雨量,也通過(guò)計(jì)算得到相應(yīng)的權(quán)重。Ir的公式如下:
其中,Ir值越高,說(shuō)明越容易發(fā)生暴雨災(zāi)害。
通過(guò)ArcGIS柵格化和加權(quán)計(jì)算得到暴雨災(zāi)害指數(shù)分布圖。從圖1可以發(fā)現(xiàn),暴雨災(zāi)害指數(shù)較高的地方分布在海拔較高、坡度較大的地方,主要集中于大理白族自治州西北地區(qū),暴雨災(zāi)害指數(shù)較低的區(qū)域分布在東南地區(qū)。通過(guò)分析災(zāi)情數(shù)據(jù)可知,大理白族自治州暴雨洪澇災(zāi)害多為連續(xù)性暴雨,由于排水不及時(shí)導(dǎo)致水位上漲而引發(fā)塌方、泥石流等災(zāi)害,造成經(jīng)濟(jì)損失。大理白族自治州地勢(shì)西北高東南低,全州湖泊盆地很多,面積在1.5 km2以上的盆地有18個(gè),占全州總面積的6.6%,加上全州水系密布,更易導(dǎo)致洪澇災(zāi)害的發(fā)生。
3.2 冰雹災(zāi)害的致災(zāi)區(qū)域劃定
冰雹的形成通常與大尺度天氣系統(tǒng)和不穩(wěn)定環(huán)境條件等因素息息相關(guān)。同時(shí),強(qiáng)烈的上升氣流影響和局部地形的動(dòng)力抬升也會(huì)引發(fā)冰雹災(zāi)害[7]。降雹與暴雨都是在強(qiáng)對(duì)流天氣過(guò)程中產(chǎn)生的災(zāi)害,受到地形等條件的限制,會(huì)呈現(xiàn)出相伴生的特點(diǎn)。結(jié)合前人相關(guān)研究和大理白族自治州冰雹災(zāi)害特點(diǎn),將海拔(Y1)、坡度(Y2)、坡向(Y3)、地形起伏度(Y4)作為下墊面的影響因子,將最高溫度(Y5)、氣溫日較差(Y6)、相對(duì)濕度(Y7)作為天氣系統(tǒng)的影響因子[8]。
將7個(gè)影響因子進(jìn)行柵格化、歸一化處理后,對(duì)影響因子進(jìn)行重分類,通過(guò)地理探測(cè)器模型進(jìn)行演算,得到因子探測(cè)器結(jié)果,并進(jìn)行權(quán)重計(jì)算,冰雹災(zāi)害的影響因子權(quán)重結(jié)果如表3所示。
值得注意的是,因子探測(cè)器表明:坡向?qū)Ρ⒌目臻g分布沒(méi)有明顯的驅(qū)動(dòng)作用,因此在后續(xù)計(jì)算的過(guò)程中,坡向未參與計(jì)算。將所得的權(quán)重代入公式(2)進(jìn)行柵格加權(quán),得到冰雹災(zāi)害的致災(zāi)區(qū)域如圖2所示。
從圖2可以發(fā)現(xiàn),大理白族自治州冰雹災(zāi)害指數(shù)較高的區(qū)域分布較為廣泛,總體呈現(xiàn)西北部低、東南部高的分布格局。其中,鶴慶縣、賓川縣、祥云縣、南澗縣等地發(fā)生冰雹災(zāi)害指數(shù)較高,該區(qū)域地形海拔為1 000~2 500 m,坡度在10°~20°之間,地形起伏較大,氣溫日較差較大,往年出現(xiàn)的冰雹次數(shù)也較多。云龍縣、永平縣、漾濞縣等地區(qū)災(zāi)害指數(shù)低,該區(qū)域地形海拔在2 500 m以上,坡度>20°,往年出現(xiàn)的冰雹次數(shù)較少。
3.3 大風(fēng)災(zāi)害的致災(zāi)區(qū)域劃定
統(tǒng)計(jì)大理白族自治州1984—2021年的歷史氣象災(zāi)害災(zāi)情數(shù)據(jù)發(fā)現(xiàn),大風(fēng)一年四季均可出現(xiàn)。大理白族自治州大風(fēng)災(zāi)害尤以7月和8月出現(xiàn)最多。
海拔高度在一定程度上與大風(fēng)環(huán)境密切相關(guān)。究其原因,主要是風(fēng)速會(huì)隨著高度的上升而不斷增加,加上高海拔地區(qū)通常無(wú)明顯的遮擋物,所以與地勢(shì)較低的區(qū)域相比而言,地勢(shì)較高的區(qū)域更容易受到大風(fēng)等惡劣天氣的影響。與此同時(shí),距離河道越近的位置,所面臨的大風(fēng)災(zāi)害危害影響程度越高[9]。此外,當(dāng)?shù)氐牡乇砀采w類型和土壤土質(zhì)等也會(huì)對(duì)大風(fēng)災(zāi)害產(chǎn)生重要的影響。基于此,可以判斷海拔、坡度、河網(wǎng)密度以及植被覆蓋度等均可以被視為導(dǎo)致大風(fēng)致災(zāi)的重要影響因子。植被覆蓋度數(shù)據(jù)從地理遙感生態(tài)網(wǎng)獲得。將4個(gè)影響因子進(jìn)行柵格化、歸一化處理后,對(duì)影響因子進(jìn)行重分類,并通過(guò)地理探測(cè)器模型進(jìn)行演算,得到因子探測(cè)器結(jié)果,并進(jìn)行權(quán)重計(jì)算,大風(fēng)災(zāi)害的影響因子權(quán)重結(jié)果如表4所示。
結(jié)果顯示,大風(fēng)災(zāi)害空間分布受4個(gè)因子影響的順序:植被覆蓋度>海拔>河網(wǎng)密度>坡度,通過(guò)計(jì)算得到相應(yīng)的權(quán)重。大風(fēng)災(zāi)害指數(shù)公式如下:
將所得的權(quán)重代入公式(3)進(jìn)行柵格加權(quán)得到大風(fēng)災(zāi)害的致災(zāi)區(qū)域如圖3所示。從大風(fēng)災(zāi)害指數(shù)分布圖可知,大理白族自治州大風(fēng)災(zāi)害指數(shù)總體呈現(xiàn)北高南低的分布格局,云龍縣、劍川縣、洱源縣、漾濞縣、鶴慶縣等地更易發(fā)生大風(fēng)災(zāi)害,其他縣雖然大風(fēng)災(zāi)害指數(shù)較低,但是每個(gè)縣都有災(zāi)害指數(shù)較高的區(qū)域。換言之,大理白族自治州的大風(fēng)災(zāi)害分布廣泛,在各縣均有可能發(fā)生。
4 多災(zāi)種氣象災(zāi)害的風(fēng)險(xiǎn)評(píng)估
4.1 風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重的確定
從災(zāi)害系統(tǒng)角度來(lái)說(shuō),關(guān)于災(zāi)害的發(fā)生問(wèn)題研究可以從致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體和防災(zāi)能力4個(gè)方面進(jìn)行分析。致災(zāi)因子的危險(xiǎn)性往往是由致災(zāi)因子的強(qiáng)度和頻次2個(gè)方面的因素決定的,選取災(zāi)害密度和災(zāi)害程度2個(gè)指標(biāo)。孕災(zāi)環(huán)境指的是在自然環(huán)境和人類環(huán)境的影響作用下,區(qū)域環(huán)境演變時(shí)空分異情況會(huì)對(duì)自然災(zāi)害的空間分異程度產(chǎn)生重要影響。
本研究通過(guò)深入研究3類災(zāi)害的致災(zāi)因子,重點(diǎn)掌握影響因素和危害問(wèn)題。其中,針對(duì)指標(biāo)因素,需要從海拔、坡度、月平均降雨量、氣溫日較差、植被覆蓋度5個(gè)指標(biāo)進(jìn)行研究。作為各種致災(zāi)因子作用的直接對(duì)象,承災(zāi)體指的是人類及其活動(dòng)所在的社會(huì)與各種資源的集合,且所涉及的災(zāi)害風(fēng)險(xiǎn)可以從致災(zāi)因子與承災(zāi)體之間的作用方面進(jìn)行分析,經(jīng)過(guò)分析之后可以獲得有害結(jié)果[10]。災(zāi)害的危害程度與承災(zāi)體密切相關(guān),受到地理地貌、人口等因素的影響,不同地區(qū)所產(chǎn)生的危害影響和經(jīng)濟(jì)損失會(huì)存在明顯的差異。相較而言,人口密度高且財(cái)產(chǎn)集中的區(qū)域受災(zāi)損失明顯比經(jīng)濟(jì)落后、人口密度低的區(qū)域大。大理白族自治州的災(zāi)情數(shù)據(jù)資料分析顯示,主要的受災(zāi)對(duì)象是居民、農(nóng)作物,并遭受了一定的經(jīng)濟(jì)損失,因此確定承災(zāi)體的指標(biāo)為人口密度、GDP、農(nóng)業(yè)生產(chǎn)潛力3個(gè)指標(biāo)。在分析的過(guò)程中,由于尚未完全掌握對(duì)承災(zāi)體的破壞機(jī)理,加上一些關(guān)鍵數(shù)據(jù)獲取難度較大,因此人們難以對(duì)確定的區(qū)域進(jìn)行精準(zhǔn)的抗災(zāi)能力評(píng)估工作?;诖?,主要結(jié)合統(tǒng)計(jì)年鑒中的相關(guān)數(shù)據(jù),將能夠反映防災(zāi)救災(zāi)能力特征的指標(biāo)作為主要評(píng)價(jià)因子,考慮經(jīng)濟(jì)發(fā)展和醫(yī)療衛(wèi)生2個(gè)方面,如居民人均收入、醫(yī)療數(shù)、醫(yī)院床位數(shù)和醫(yī)療人員數(shù)4個(gè)指標(biāo)。建立的災(zāi)害性天氣風(fēng)險(xiǎn)評(píng)估模型如下:
D=(VJwj)(VHwh)(VSws)(VVwv)(4)
式(4)中,D為災(zāi)害性天氣風(fēng)險(xiǎn)指數(shù),VJ、VH、VS、VV為對(duì)應(yīng)的致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體和抗災(zāi)能力風(fēng)險(xiǎn)指數(shù),wj、wh、ws、wv為4個(gè)因子的權(quán)重。
邀請(qǐng)專家打分后使用層次分析法確定權(quán)重,結(jié)果如表5所示。
4.2 承災(zāi)體分析
基于各指標(biāo)權(quán)重的多災(zāi)種氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型可以細(xì)化處理各指標(biāo),經(jīng)過(guò)圖層疊加計(jì)算之后,可以精準(zhǔn)確定該區(qū)域?yàn)?zāi)害性天氣致災(zāi)危險(xiǎn)性指數(shù)、孕災(zāi)環(huán)境指數(shù)、承災(zāi)體易損性指數(shù)、防災(zāi)能力指數(shù)等重要指標(biāo)(圖4)。
圖4表明大理白族自治州災(zāi)害性天氣致災(zāi)危險(xiǎn)性總體集中在西北和南部,尤其集中在劍川縣、鶴慶縣、南澗縣、祥云縣等地,而在云龍縣、永平縣、巍山縣等地致災(zāi)危險(xiǎn)性因子較低。致災(zāi)危險(xiǎn)性較高的地區(qū)往年遭遇災(zāi)害次數(shù)較多,受到的危害程度也高。根據(jù)歷史資料統(tǒng)計(jì),鶴慶縣歷史遭遇災(zāi)害次數(shù)占比高達(dá)30%。從分布結(jié)果可以看出,孕災(zāi)高值主要分布于海拔坡度較大的區(qū)域,孕災(zāi)中值與孕災(zāi)低值交叉,也與地形表現(xiàn)出較高的相關(guān)性。承災(zāi)體考慮大理白族自治州人口、GDP、農(nóng)業(yè)生產(chǎn)潛力3個(gè)指標(biāo),當(dāng)一個(gè)地區(qū)人口、農(nóng)業(yè)生產(chǎn)產(chǎn)值越高、經(jīng)濟(jì)越發(fā)達(dá),災(zāi)害來(lái)臨時(shí)產(chǎn)生的損失越大,大理市、祥云縣、賓川縣等地是農(nóng)業(yè)生產(chǎn)潛力較大的地區(qū),因此易損性也較高。作為大理白族自治州的核心城市,大理市人口密度高且經(jīng)濟(jì)條件尚好,因此易損性高值主要集中表現(xiàn)在城區(qū)位置。防災(zāi)能力考慮居民人均收入、醫(yī)療數(shù)、醫(yī)院床位數(shù)和醫(yī)療人員數(shù)4個(gè)指標(biāo),區(qū)域抗災(zāi)能力越強(qiáng),則表明該區(qū)域抗災(zāi)能力指數(shù)越高。大理白族自治州抗災(zāi)能力高值主要位于經(jīng)濟(jì)水平較高、醫(yī)療設(shè)施較好的地區(qū)。
4.3 多災(zāi)種綜合風(fēng)險(xiǎn)區(qū)劃
在多維度影響因素的共同作用下,通常會(huì)對(duì)災(zāi)害性天氣的時(shí)空分布、易損程度產(chǎn)生直接影響。其中,一旦災(zāi)害形成,就可以視為承災(zāi)體已經(jīng)無(wú)法適應(yīng)環(huán)境變化,會(huì)引發(fā)一系列危害風(fēng)險(xiǎn)問(wèn)題。因此,在分析過(guò)程中,可綜合衡量致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體及防災(zāi)能力4個(gè)方面,借助ArcGIS加權(quán)計(jì)算、分區(qū)統(tǒng)計(jì)計(jì)算方式,針對(duì)大理白族自治州每個(gè)鄉(xiāng)鎮(zhèn)的風(fēng)險(xiǎn)指數(shù)值進(jìn)行合理計(jì)算與確定分析。采用自然斷點(diǎn)法劃分閾值,科學(xué)劃分災(zāi)種氣象災(zāi)害風(fēng)險(xiǎn)等級(jí)。其中,自然斷點(diǎn)法是一種根據(jù)數(shù)值統(tǒng)計(jì)分布規(guī)律分級(jí)和分類的統(tǒng)計(jì)方法,它能使類之間的不同最大化,結(jié)果如表6所示。
在大理白族自治州鄉(xiāng)鎮(zhèn)級(jí)行政區(qū)劃(圖5)中,低風(fēng)險(xiǎn)地區(qū)占比高,低風(fēng)險(xiǎn)地區(qū)和較低風(fēng)險(xiǎn)地區(qū)占比為60.72%,
中等風(fēng)險(xiǎn)地區(qū)占比為20.53%,而高風(fēng)險(xiǎn)地區(qū)和次高風(fēng)險(xiǎn)地區(qū)占全區(qū)域的18.75%。高風(fēng)險(xiǎn)地區(qū)和次高風(fēng)險(xiǎn)地區(qū)主要分布在大理白族自治州東北部、南部和中部,集中在鶴慶縣的黃坪鎮(zhèn)、西邑鎮(zhèn)、松桂鎮(zhèn)等地,南澗縣的南澗鎮(zhèn)、無(wú)量山鎮(zhèn)等地,漾濞彝族自治縣和洱源縣的喬后鎮(zhèn)、西山鄉(xiāng)、漾江鎮(zhèn)等地,這些區(qū)域歷史上發(fā)生災(zāi)害次數(shù)多、災(zāi)害程度較嚴(yán)重,風(fēng)險(xiǎn)較高。中風(fēng)險(xiǎn)地區(qū)主要位于大理白族自治州北部劍川縣的馬登鎮(zhèn)、沙溪鎮(zhèn)等地,大理白族自治州東部祥云縣的祥城鎮(zhèn)、禾甸鎮(zhèn)等地,以及大理白族自治州西南部永平縣的博南鎮(zhèn)、廠街彝族鄉(xiāng)等地。低風(fēng)險(xiǎn)地區(qū)主要位于大理白族自治州中心區(qū)域大理市,大理市具有很強(qiáng)的抗災(zāi)能力。西北部的云龍縣、南部的巍山縣和彌渡縣也多為次低風(fēng)險(xiǎn)地區(qū)或低風(fēng)險(xiǎn)地區(qū),這些地區(qū)海拔和坡度較低、月平均降雨量也較少,醫(yī)療基礎(chǔ)設(shè)施較為完善,孕災(zāi)低值區(qū)域較多,因此其發(fā)生風(fēng)險(xiǎn)低。
5 結(jié)束語(yǔ)
使用專家打分結(jié)合層次分析法,將定性分析和定量分析聯(lián)系起來(lái),識(shí)別大理白族自治州主要?dú)庀鬄?zāi)害為暴雨洪澇、冰雹、大風(fēng),并確定了各災(zāi)種的權(quán)重指標(biāo)。運(yùn)用地理探測(cè)器的方法探究氣象災(zāi)害空間分布與相互影響因子之間的關(guān)系,確定影響因子權(quán)重,構(gòu)建災(zāi)害指數(shù)。以歷史氣象災(zāi)情數(shù)據(jù)為基礎(chǔ),立足災(zāi)害系統(tǒng)角度,從氣象災(zāi)害致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體(脆弱性和暴露度)和防災(zāi)能力出發(fā),搭建大理白族自治州多災(zāi)種氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型。結(jié)果表明:在大理白族自治州鄉(xiāng)鎮(zhèn)級(jí)行政區(qū)劃中,低風(fēng)險(xiǎn)地區(qū)占比高,低風(fēng)險(xiǎn)地區(qū)和較低風(fēng)險(xiǎn)地區(qū)占比為60.72%,中等風(fēng)險(xiǎn)地區(qū)占比為20.53%,而高風(fēng)險(xiǎn)地區(qū)和次高風(fēng)險(xiǎn)地區(qū)占全區(qū)域的18.75%。高和次高風(fēng)險(xiǎn)地區(qū)主要分布在大理白族自治州東北部、南部和中部,集中在鶴慶縣的黃坪鎮(zhèn)、西邑鎮(zhèn)、松桂鎮(zhèn)等地,南澗縣的南澗鎮(zhèn)、無(wú)量山鎮(zhèn)等地,漾濞彝族自治縣和洱源縣的喬后鎮(zhèn)、西山鄉(xiāng)、漾江鎮(zhèn)等地,這些區(qū)域歷史上發(fā)生災(zāi)害次數(shù)多、災(zāi)害程度較嚴(yán)重,風(fēng)險(xiǎn)較高。
參考文獻(xiàn)
[1] 潘耀忠,史培軍.區(qū)域自然災(zāi)害系統(tǒng)基本單元研究Ⅰ:理論部分[J].自然災(zāi)害學(xué)報(bào),1997(4):3-11.
[2] 王金虎,王宇豪,陳江,等.基于承災(zāi)體空間化的高溫災(zāi)害風(fēng)險(xiǎn)評(píng)估研究:以中國(guó)長(zhǎng)三角為例[J].水利水電技術(shù)(中英文),2022,53(9):1-12.
[3] 康龍,肖天貴,假拉,等.拉薩-林芝鐵路沿線主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)研究[J].高原山地氣象研究,2022,42(4):127-135.
[4] 王潔,張中杰,曲曉黎,等.基于層次分析法的朔黃鐵路暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估[J].氣象科技,2022,50(6):870-877.
[5] 牛彥合,焦勝,操婷婷,等.基于PSR模型的城市多災(zāi)種風(fēng)險(xiǎn)評(píng)估及規(guī)劃響應(yīng)[J].城市發(fā)展研究,2022,29(4):39-48.
[6] 張靖巖,范樂(lè),張澤偉,等.多災(zāi)種下特大城市安全韌性影響評(píng)估研究與實(shí)踐[J].災(zāi)害學(xué),2023,38(1):7-12.
[7] 祝小梅,范宏云,白婷.伊犁地區(qū)冰雹氣候特征及環(huán)境場(chǎng)分析[J].沙漠與綠洲氣象,2022,16(2):122-129.
[8] 尹麗云,梅寒,張騰飛,等.云南省精細(xì)化冰雹災(zāi)害危險(xiǎn)性區(qū)劃分析[J].災(zāi)害學(xué),2022,37(3):99-105.
[9] 陳鑫.杭州大風(fēng)災(zāi)害風(fēng)險(xiǎn)區(qū)劃[D].南京:南京信息工程大學(xué),2012.
[10] UNDEE. Living with risk:a global review of disaster reduction initiatives[EB/OL]. (2006-03-02)[2023-01-03]https://www.unisdr.org/we/inform/publications/657.
責(zé)任編輯:黃艷飛
Multi-disaster Meteor-ological Disaster Risk Assessment Based on Disaster-bearing Body
Xiang Xi et al(Yunnan Meteorological Service Center, Kunming, Yunnan 650034)
Abstract First determined the main disaster types of Dali Prefecture as rainstorm and flood, hail and gale through expert scoring method. Then, based on historical meteorological disaster data, it explored the relationship between the spatial distribution of meteorological disasters and mutual influence factors of the three disaster types through geographical detectors, GIS spatial analysis and other methods, and constructed disaster index to divide disaster causing regions. Finally, from the perspective of disaster system, combined with the expert scoring method, the risk assessment model of multiple meteorological disasters in Dali was constructed from four dimensions (namely, the risk of meteorological disasters in Dali, the sensitivity of disaster-producing environment, the vulnerability of the disaster-bearing body and the disaster prevention ability). The results show that in the township administrative divisions of Dali Prefecture, low risk accounts for a high proportion, low risk and low risk accounts for 60.72%, medium risk areas account for 20.53%, and high and sub-high risk areas account for 18.75% of the total area. High and sub-high risk areas were mainly distributed in the northeast, south and middle of Dali.
Key words Disaster risk; Disaster-bearing body; Geographical detector; Multi-hazard
基金項(xiàng)目 大理白族自治州重點(diǎn)科技支撐專項(xiàng)計(jì)劃“大理白族自治州災(zāi)害性天氣氣候致災(zāi)風(fēng)險(xiǎn)研究”(D2021NA03)。
作者簡(jiǎn)介 向曦(1986—),女,云南大理人,工程師,主要從事應(yīng)用氣象、氣候可行性影響評(píng)估、巨災(zāi)指數(shù)保險(xiǎn)研究。
收稿日期 2023-02-16