青海高原雪災風險度評價模型與風險區劃探討

何永清,周秉榮,張海靜,肖建設

（1.青海省防災減災重點實驗室,青海西寧 810001；2.青海省囊謙縣氣象局,青海香達 815200；3.青海省氣象科學研究所,青海西寧 810001；4.青海省同德縣氣象局,青海尕巴松多 813200）

我國是一個雪災頻發的國家,特別是在內蒙古、新疆、青海和西藏四大主要牧區,不同程度的雪災幾乎每年都要發生[1]。而對于雪災區域專項研究,主要是從危險度角度評價、預警等,采取的方法主要是主成分分析和模糊評價方法,選取的因子從單純的氣象指標逐步發展到氣象、畜牧、生態等不同學科綜合因子[2-7]。近年來,隨著各種監測手段和處理技術的進步,利用遙感（RS）、地理信息系統（GIS）技術在雪災監測及評價方面開展了一些研究[8-10]。雪災風險區劃是對區域內發生雪災可能性大小的一種評估,其價值在于對災害的防御重點由“災后救援”轉移到“災前防御”上。目前,對青海高原雪災風險度的評價和區劃方面的研究較為少見。

區域氣象災害的評估在防災減災中具有很重要的地位,無論是在評價內容上、規模上還是評價的方法和技術上,許多專家學者從不同角度做出了重要的貢獻,并為對氣象災害評估的進一步研究打下了堅實的基礎[11]。本研究在前人氣象災害評估方面已經取得成就的基礎之上,以青海高原雪災為研究對象,從災害發生的成災環境、災害發生的可能性以及承災體的脆弱性等3個方面選取牲畜數量、可利用草場面積、牧草產量、雪災發生頻率、人口、GDP等評價因子,利用GIS空間分析方法,對區域雪災風險評估和區劃進行研究。

1 研究區概況

青海位于青藏高原東北部,平均海拔4 000 m 以上,地域遼闊、地形復雜,是長江 、黃河、瀾滄江源頭地區,是我國著名的四大牧區之一。同時青海氣候嚴寒、降水分布不均勻,而畜牧業基礎薄弱、社會經濟滯后,也是青藏高原積雪及雪災形成的最主要的地區。

雪災是青海最常見、危害最大、范圍最廣的自然災害,也是制約牧區草原畜牧業穩定、持續發展的主要氣象災害之一。根據青海省1949-2002年的氣象資料和各地雪災發生資料統計,全省牧區共發生29次雪災,嚴重的有11次,特大雪災5次,其中南部地區發生頻率最高,平均2年1次,小范圍局地性雪災基本上年年都有不同程度出現。1953年5月,達日地區遭受特大雪災,牲畜大量死亡。1985年10月,青南地區發生歷史上特大雪災,共減損牲畜193萬頭（只）,其中死亡牲畜152.6萬頭（只）,急宰牲畜40.4萬頭（只）,直接經濟損失達1.2億元。1993年春,青南牧區連降數場中到大雪,發生嚴重雪災,全省累計受災面積達到57萬km2,受災牲畜1 340多萬頭（只）①董安祥等中國西部歷史時期史料匯編——《青藏高原東部牧區暴雪成災的規律、機制和預報研究》課題組；2008年1月中下旬,持續的降雪,使高原和我國南方大部分地區遭受雪災凍害。由此可見,雪災對青海高原的畜牧業乃至社會經濟的發展有很嚴重的影響。

2 資料來源及研究方法

2.1 資料及來源本研究應用的資料有以下幾項:（1）青海省各縣（行政區）人口和國民生產總值（GDP）,來自2008年青海省統計年鑒；（2）青海省各縣（行政區）牲畜數量、可利用牧草面積,其中牲畜數量以2000年統計數據為準,來自青海省統計局；（3）青海省各縣（行政區）1961-2008年發生的雪災次數,來自青海省氣候中心；（4）青海省牧草產量,由2006-2008年8月EOS/MODIS資料16 d NDVI合成資料獲取,來自青海省遙感監測中心。

2.2 數據處理方法本研究涉及的數據有標量和柵格,在分析和運算前主要做了如下處理:

1）由于人均GDP、牲畜數量、可利用草場面積、雪災發生次數等數據計量單位不同,取值范圍變幅大,因此對以上數據進行了標準化處理,公式如下:

2）在ArcGIS中將以上數據分別與青海省縣級行政區聯接,并用空間分析工具轉換為柵格文件。

3）應用柵格運算對牧草產量數據進行標準化處理。

4）按風險度函數對以上數據進行柵格運算,并利用地理統計功能進行等級劃分及分區。

本研究以1∶25萬數字化地理地圖為基礎,應用ArcGIS軟件,將各評價因子數據圖層處理為1 000 m×1 000 m的柵格數據,文件為tif格式,投影方式為Albers。

2.3 風險度模型的建立以往的研究中,有直接采用聯合國風險表達式的,也有增加因子單獨列出后計算的,還有用災害風險評價指標（FDRI）等,本研究在周秉榮等[6]、張繼權和李寧[12]、蔣新宇等[13]、唐川和朱靜[14]以及宮清華等[15]研究的基礎上做了適當調整,用以下模型:

式中,R為綜合風險度,衡量研究區域發生雪災可能性大小的等級函數,值越大,表示發生雪災的可能性越大。∏表示對因子x的連乘運算。和是風險度因子,按照對雪災致災影響作用,分為正向和逆向2類,正向風險度因子（）是指對草地畜牧業和抗災救災有良好影響的指標,數值越大,風險度越小,而逆向風險度因子（）則相反。

重陽節 每年的農歷九月初九為重陽節。達斡爾民族世代崇尚敬老，在重陽節這一天，子女要給老人過這個節日，以示對老人的尊敬。

在參照氣象災害模型的同時,考慮到以往的研究中對于各個因子之間是通過乘以權重系數,各因子進行相加,因子的權重是由人為確定,主觀因素對計算結果有較大影響。本研究采取各風險度因子相乘的模型[11],可以避免主觀因素的影響,同時能準確地反映各因子對風險度的貢獻量,并通過放大數據利于風險度的分級區劃,在模型（2）的基礎上最終得到雪災風險度評價模型,如下:

本研究選用了雪災相關的氣象、畜牧、社會經濟因子,其中氣象因子作為致災因子,涉及的資料較多,若應用或處理不當反而影響研究,故用多年雪災發生次數；畜牧方面的牧草面積、載畜量、牧草產量則反映了孕災環境,體現的是畜牧業本身對雪災的承受能力；而人口和GDP則是承災體最主要的2項參數,表征災區抵御災害能力、牧區抗災主觀能動力的大小,考慮到青海特殊情況,用人均GDP比較合適。以上因子綜合反映了風險度分析中雪災的危險度、易損度。

3 GIS空間分析及處理

空間分析是基于地理對象位置和形態的空間數據分析技術,其目的在于提取和傳輸空間信息[6]。雪災風險研究中采用空間分析的方法包括:空間量算、疊加分析、空間信息再分類。空間分析進行的依據是雪災風險度評價模型。

3.1 雪災風險度各因子分析將雪災風險度各因子標準化后的數據賦予各縣級行政區,作為空間屬性值,再由空間分析工具處理為柵格文件,利于按行政區域查詢和空間分析。經過處理后的各因子圖層見圖1。

從圖1a可以看出青海省牲畜數量最多為澤庫、河南、共和,其次為剛察、祁連、天俊、瑪沁、久治、玉樹,而牲畜數量較少的地區為平安、大柴旦、冷湖,其中西寧、茫崖最少。

從圖1c可以了解青海省可利用牧草面積最多為格爾木、瑪多、雜多、曲麻萊,其次為治多、都蘭、達日、稱多,而牧草面積較少的地區為茫崖、冷湖和青海東部農業區,其中平安、西寧最少。

從圖1d可知青海省人均GDP最高的為茫崖、大柴旦、格爾木、天俊,其次為西寧、海晏、德令哈,而青南地區稱多、囊謙、達日的人均GDP較低,其中甘德、玉樹最低。

從圖1e可以看出青海省牧草產量最高的地區為河南、海晏、剛察,其次為甘德、久治、囊謙,同德,而青海柴達木盆地牧草產量較低,其中冷湖、茫崖最低。

3.2 雪災風險等級劃分和分區應用Arc-GIS中的空間分析功能,先將上述評價因子圖層進行最大歸一化處理,然后按照模型進行各圖層柵格運算,得到青海高原雪災風險度分布圖層,再利用ArcGIS中的地理統計功能,分析風險度數據分布情況,根據雪災風險度綜合值 R的特征,將風險度分為七級（表1）,最終將青海劃分為7個等級的雪災風險區（圖2）。

表1 青海省雪災風險區劃分級

從圖2中看出,青海省雪災風險最高的地區主要在青南的甘德、久治、稱多、達日以及玉樹、班瑪、澤庫的部分區域,另外集中在都蘭縣西北部和門源及化隆的部分地區,湟中縣及互助縣的部分地區也在最高危險級別中,風險等級較高和高的地區為玉樹、河南、同德、貴南、都蘭、門源以及囊謙、雜多、治多、曲麻萊等地。全省雪災風險最低的地區主要為茫崖、循化、樂都、平安、尖扎、貴德、海晏等縣,以及格爾木和沱沱河等地的部分地區,風險較低和低的地區為格爾木、興海、瑪沁、同仁、共和、剛察、祁連等地。

從各因子分析圖看,甘德、久治、稱多地區雪災出現次數最多、人均GDP最低,而牲畜數量、牧草面積和產量處于相對應的級別,故為青海雪災風險度最高；茫崖等地雪災次數最少、人均GDP最高,而牲畜數量、牧草面積和產量處于相對應的級別,故風險度最低。最終的雪災風險度分區結果與此前相關研究及青海雪災發生的實際情況吻合較好,青南的甘德、久治、稱多、達日以及玉樹、班瑪、澤庫的部分區域為青海雪災高發中心的結論基本一致[16]。

圖1 青海高原雪災風險度因子空間分析

圖2 青海高原雪災風險度分區

4 結論

1）建立了青海雪災風險度評價模型,運用GIS技術,綜合分析了氣象、畜牧和社會經濟等多個致災因子,對青海高原雪災的風險分析和區劃進行了初步嘗試,得到了青海高原雪災風險區劃,為今后雪災及相關領域的深入研究提供了一種新思路和方法。

2）青海高原雪災風險高的地區主要集中在青南地區,其中以甘德、久治、稱多、達日以及玉樹、澤庫的部分區域為最高；雪災風險低的地區主要在柴達木盆地和東部農業區,其中以茫崖、循化、樂都、平安、尖扎等地為最低；其余地區處于風險等級從高到低的不同分區上。

3）本研究結果與此前相關研究及青海雪災發生的實際情況吻合較好,可為制定青海高原雪災管理對策、畜牧經濟建設和發展規劃以及防災減災對策提供情報參考。

4）由于雪災形成的復雜性,影響因子眾多,而資料有限,對雪災風險區劃的分析,有待今后進一步研究和完善。如能引入交通等級、抗災物資貯備等因子,對草地狀況按類型作細化處理,將有利于完善和提高雪災風險區劃的精度和可信度。

[1]李碩,馮學智,左偉.西藏那曲牧區雪災區域危險度的模糊綜合評價研究[J].自然災害學報,2001,10（1）:86-91.

[2]魯安新,馮學智,曾群柱,等.西藏那曲牧區雪災因子主成分分析[J].冰川凍土,1997,19（2）:180-185.

[3]周陸生,汪青春,李海紅,等.青藏高原東部牧區大-暴雪過程雪災災情適時預評估方法的研究[J].自然災害學報,2001,10（2）:58-65.

[4]康海軍,王朝華.青南牧區雪災危害程度的小區域劃分[J].青海農林科技,2000（1）:22-23.

[5]周秉榮,申雙和,李鳳霞.青海高原牧區雪災綜合預警評估模型研究[J].氣象,2006,9（9）:106-110.

[6]周秉榮,李鳳霞,申雙和,等.青海高原雪災預警模型與GIS空間分析技術應用[J].應用氣象學報,2007,6（3）:373-379.

[7]張國勝,伏洋,顏亮東,等.三江源地區雪災風險預警指標體系及風險管理研究[J].草業科學,2009,26（5）:144-150.

[8]劉興元,梁天剛,郭正剛,等.阿勒泰地區草地畜牧業雪災的遙感監測與評價[J].草業學報,2003,12（6）:115-120.

[9]梁天剛,劉興元,郭正剛.基于3S技術的牧區雪災評價方法[J].草業學報,2006,15（4）:122-128.

[10]黃曉東,梁天剛.牧區雪災遙感監測方法的研究[J].草業科學,2005,22（12）:10-16.

[11]羅培,張天儒,杜軍.基于GIS和模糊評價法的重慶洪澇災害風險區劃[J].西北師范大學學報,2007,28（2）:165-171.

[12]張繼權,李寧.主要氣象災害風險評價與管理的數量化方法及其應用[M].北京:北京師范大學出版社,2007.

[13]蔣新宇,范久波,張繼權,等.基于GIS的松花江干流暴雨洪澇災害風險評估[J].災害學,2009,9（3）:51-56.

[14]唐川,朱靜.基于GIS的山洪災害風險區劃[J].地理學報,2005,1（1）:87-94.

[15]宮清華,黃光慶,郭敏,等.基于GIS技術的廣東省洪澇災害風險區劃[J].自然災害學報,2009,2（1）:58-63.

[16]郝璐,王靜愛,滿蘇爾,等.中國雪災時空變化及畜牧業脆弱性分析[J].自然災害學報,2002,11（4）:43-48.