青海高原雪灾风险度评价模型与风险区划探讨

何永清,周秉荣,张海静,肖建设

（1.青海省防灾减灾重点实验室,青海西宁 810001；2.青海省囊谦县气象局,青海香达 815200；3.青海省气象科学研究所,青海西宁 810001；4.青海省同德县气象局,青海尕巴松多 813200）

我国是一个雪灾频发的国家,特别是在内蒙古、新疆、青海和西藏四大主要牧区,不同程度的雪灾几乎每年都要发生[1]。而对于雪灾区域专项研究,主要是从危险度角度评价、预警等,采取的方法主要是主成分分析和模糊评价方法,选取的因子从单纯的气象指标逐步发展到气象、畜牧、生态等不同学科综合因子[2-7]。近年来,随着各种监测手段和处理技术的进步,利用遥感（RS）、地理信息系统（GIS）技术在雪灾监测及评价方面开展了一些研究[8-10]。雪灾风险区划是对区域内发生雪灾可能性大小的一种评估,其价值在于对灾害的防御重点由“灾后救援”转移到“灾前防御”上。目前,对青海高原雪灾风险度的评价和区划方面的研究较为少见。

区域气象灾害的评估在防灾减灾中具有很重要的地位,无论是在评价内容上、规模上还是评价的方法和技术上,许多专家学者从不同角度做出了重要的贡献,并为对气象灾害评估的进一步研究打下了坚实的基础[11]。本研究在前人气象灾害评估方面已经取得成就的基础之上,以青海高原雪灾为研究对象,从灾害发生的成灾环境、灾害发生的可能性以及承灾体的脆弱性等3个方面选取牲畜数量、可利用草场面积、牧草产量、雪灾发生频率、人口、GDP等评价因子,利用GIS空间分析方法,对区域雪灾风险评估和区划进行研究。

1 研究区概况

青海位于青藏高原东北部,平均海拔4 000 m 以上,地域辽阔、地形复杂,是长江 、黄河、澜沧江源头地区,是我国著名的四大牧区之一。同时青海气候严寒、降水分布不均匀,而畜牧业基础薄弱、社会经济滞后,也是青藏高原积雪及雪灾形成的最主要的地区。

雪灾是青海最常见、危害最大、范围最广的自然灾害,也是制约牧区草原畜牧业稳定、持续发展的主要气象灾害之一。根据青海省1949-2002年的气象资料和各地雪灾发生资料统计,全省牧区共发生29次雪灾,严重的有11次,特大雪灾5次,其中南部地区发生频率最高,平均2年1次,小范围局地性雪灾基本上年年都有不同程度出现。1953年5月,达日地区遭受特大雪灾,牲畜大量死亡。1985年10月,青南地区发生历史上特大雪灾,共减损牲畜193万头（只）,其中死亡牲畜152.6万头（只）,急宰牲畜40.4万头（只）,直接经济损失达1.2亿元。1993年春,青南牧区连降数场中到大雪,发生严重雪灾,全省累计受灾面积达到57万km2,受灾牲畜1 340多万头（只）①董安祥等中国西部历史时期史料汇编——《青藏高原东部牧区暴雪成灾的规律、机制和预报研究》课题组；2008年1月中下旬,持续的降雪,使高原和我国南方大部分地区遭受雪灾冻害。由此可见,雪灾对青海高原的畜牧业乃至社会经济的发展有很严重的影响。

2 资料来源及研究方法

2.1 资料及来源本研究应用的资料有以下几项:（1）青海省各县（行政区）人口和国民生产总值（GDP）,来自2008年青海省统计年鉴；（2）青海省各县（行政区）牲畜数量、可利用牧草面积,其中牲畜数量以2000年统计数据为准,来自青海省统计局；（3）青海省各县（行政区）1961-2008年发生的雪灾次数,来自青海省气候中心；（4）青海省牧草产量,由2006-2008年8月EOS/MODIS资料16 d NDVI合成资料获取,来自青海省遥感监测中心。

2.2 数据处理方法本研究涉及的数据有标量和栅格,在分析和运算前主要做了如下处理:

1）由于人均GDP、牲畜数量、可利用草场面积、雪灾发生次数等数据计量单位不同,取值范围变幅大,因此对以上数据进行了标准化处理,公式如下:

2）在ArcGIS中将以上数据分别与青海省县级行政区联接,并用空间分析工具转换为栅格文件。

3）应用栅格运算对牧草产量数据进行标准化处理。

4）按风险度函数对以上数据进行栅格运算,并利用地理统计功能进行等级划分及分区。

本研究以1∶25万数字化地理地图为基础,应用ArcGIS软件,将各评价因子数据图层处理为1 000 m×1 000 m的栅格数据,文件为tif格式,投影方式为Albers。

2.3 风险度模型的建立以往的研究中,有直接采用联合国风险表达式的,也有增加因子单独列出后计算的,还有用灾害风险评价指标（FDRI）等,本研究在周秉荣等[6]、张继权和李宁[12]、蒋新宇等[13]、唐川和朱静[14]以及宫清华等[15]研究的基础上做了适当调整,用以下模型:

式中,R为综合风险度,衡量研究区域发生雪灾可能性大小的等级函数,值越大,表示发生雪灾的可能性越大。∏表示对因子x的连乘运算。和是风险度因子,按照对雪灾致灾影响作用,分为正向和逆向2类,正向风险度因子（）是指对草地畜牧业和抗灾救灾有良好影响的指标,数值越大,风险度越小,而逆向风险度因子（）则相反。

重阳节 每年的农历九月初九为重阳节。达斡尔民族世代崇尚敬老，在重阳节这一天，子女要给老人过这个节日，以示对老人的尊敬。

在参照气象灾害模型的同时,考虑到以往的研究中对于各个因子之间是通过乘以权重系数,各因子进行相加,因子的权重是由人为确定,主观因素对计算结果有较大影响。本研究采取各风险度因子相乘的模型[11],可以避免主观因素的影响,同时能准确地反映各因子对风险度的贡献量,并通过放大数据利于风险度的分级区划,在模型（2）的基础上最终得到雪灾风险度评价模型,如下:

本研究选用了雪灾相关的气象、畜牧、社会经济因子,其中气象因子作为致灾因子,涉及的资料较多,若应用或处理不当反而影响研究,故用多年雪灾发生次数；畜牧方面的牧草面积、载畜量、牧草产量则反映了孕灾环境,体现的是畜牧业本身对雪灾的承受能力；而人口和GDP则是承灾体最主要的2项参数,表征灾区抵御灾害能力、牧区抗灾主观能动力的大小,考虑到青海特殊情况,用人均GDP比较合适。以上因子综合反映了风险度分析中雪灾的危险度、易损度。

3 GIS空间分析及处理

空间分析是基于地理对象位置和形态的空间数据分析技术,其目的在于提取和传输空间信息[6]。雪灾风险研究中采用空间分析的方法包括:空间量算、叠加分析、空间信息再分类。空间分析进行的依据是雪灾风险度评价模型。

3.1 雪灾风险度各因子分析将雪灾风险度各因子标准化后的数据赋予各县级行政区,作为空间属性值,再由空间分析工具处理为栅格文件,利于按行政区域查询和空间分析。经过处理后的各因子图层见图1。

从图1a可以看出青海省牲畜数量最多为泽库、河南、共和,其次为刚察、祁连、天俊、玛沁、久治、玉树,而牲畜数量较少的地区为平安、大柴旦、冷湖,其中西宁、茫崖最少。

从图1c可以了解青海省可利用牧草面积最多为格尔木、玛多、杂多、曲麻莱,其次为治多、都兰、达日、称多,而牧草面积较少的地区为茫崖、冷湖和青海东部农业区,其中平安、西宁最少。

从图1d可知青海省人均GDP最高的为茫崖、大柴旦、格尔木、天俊,其次为西宁、海晏、德令哈,而青南地区称多、囊谦、达日的人均GDP较低,其中甘德、玉树最低。

从图1e可以看出青海省牧草产量最高的地区为河南、海晏、刚察,其次为甘德、久治、囊谦,同德,而青海柴达木盆地牧草产量较低,其中冷湖、茫崖最低。

3.2 雪灾风险等级划分和分区应用Arc-GIS中的空间分析功能,先将上述评价因子图层进行最大归一化处理,然后按照模型进行各图层栅格运算,得到青海高原雪灾风险度分布图层,再利用ArcGIS中的地理统计功能,分析风险度数据分布情况,根据雪灾风险度综合值 R的特征,将风险度分为七级（表1）,最终将青海划分为7个等级的雪灾风险区（图2）。

表1 青海省雪灾风险区划分级

从图2中看出,青海省雪灾风险最高的地区主要在青南的甘德、久治、称多、达日以及玉树、班玛、泽库的部分区域,另外集中在都兰县西北部和门源及化隆的部分地区,湟中县及互助县的部分地区也在最高危险级别中,风险等级较高和高的地区为玉树、河南、同德、贵南、都兰、门源以及囊谦、杂多、治多、曲麻莱等地。全省雪灾风险最低的地区主要为茫崖、循化、乐都、平安、尖扎、贵德、海晏等县,以及格尔木和沱沱河等地的部分地区,风险较低和低的地区为格尔木、兴海、玛沁、同仁、共和、刚察、祁连等地。

从各因子分析图看,甘德、久治、称多地区雪灾出现次数最多、人均GDP最低,而牲畜数量、牧草面积和产量处于相对应的级别,故为青海雪灾风险度最高；茫崖等地雪灾次数最少、人均GDP最高,而牲畜数量、牧草面积和产量处于相对应的级别,故风险度最低。最终的雪灾风险度分区结果与此前相关研究及青海雪灾发生的实际情况吻合较好,青南的甘德、久治、称多、达日以及玉树、班玛、泽库的部分区域为青海雪灾高发中心的结论基本一致[16]。

图1 青海高原雪灾风险度因子空间分析

图2 青海高原雪灾风险度分区

4 结论

1）建立了青海雪灾风险度评价模型,运用GIS技术,综合分析了气象、畜牧和社会经济等多个致灾因子,对青海高原雪灾的风险分析和区划进行了初步尝试,得到了青海高原雪灾风险区划,为今后雪灾及相关领域的深入研究提供了一种新思路和方法。

2）青海高原雪灾风险高的地区主要集中在青南地区,其中以甘德、久治、称多、达日以及玉树、泽库的部分区域为最高；雪灾风险低的地区主要在柴达木盆地和东部农业区,其中以茫崖、循化、乐都、平安、尖扎等地为最低；其余地区处于风险等级从高到低的不同分区上。

3）本研究结果与此前相关研究及青海雪灾发生的实际情况吻合较好,可为制定青海高原雪灾管理对策、畜牧经济建设和发展规划以及防灾减灾对策提供情报参考。

4）由于雪灾形成的复杂性,影响因子众多,而资料有限,对雪灾风险区划的分析,有待今后进一步研究和完善。如能引入交通等级、抗灾物资贮备等因子,对草地状况按类型作细化处理,将有利于完善和提高雪灾风险区划的精度和可信度。

[1]李硕,冯学智,左伟.西藏那曲牧区雪灾区域危险度的模糊综合评价研究[J].自然灾害学报,2001,10（1）:86-91.

[2]鲁安新,冯学智,曾群柱,等.西藏那曲牧区雪灾因子主成分分析[J].冰川冻土,1997,19（2）:180-185.

[3]周陆生,汪青春,李海红,等.青藏高原东部牧区大-暴雪过程雪灾灾情适时预评估方法的研究[J].自然灾害学报,2001,10（2）:58-65.

[4]康海军,王朝华.青南牧区雪灾危害程度的小区域划分[J].青海农林科技,2000（1）:22-23.

[5]周秉荣,申双和,李凤霞.青海高原牧区雪灾综合预警评估模型研究[J].气象,2006,9（9）:106-110.

[6]周秉荣,李凤霞,申双和,等.青海高原雪灾预警模型与GIS空间分析技术应用[J].应用气象学报,2007,6（3）:373-379.

[7]张国胜,伏洋,颜亮东,等.三江源地区雪灾风险预警指标体系及风险管理研究[J].草业科学,2009,26（5）:144-150.

[8]刘兴元,梁天刚,郭正刚,等.阿勒泰地区草地畜牧业雪灾的遥感监测与评价[J].草业学报,2003,12（6）:115-120.

[9]梁天刚,刘兴元,郭正刚.基于3S技术的牧区雪灾评价方法[J].草业学报,2006,15（4）:122-128.

[10]黄晓东,梁天刚.牧区雪灾遥感监测方法的研究[J].草业科学,2005,22（12）:10-16.

[11]罗培,张天儒,杜军.基于GIS和模糊评价法的重庆洪涝灾害风险区划[J].西北师范大学学报,2007,28（2）:165-171.

[12]张继权,李宁.主要气象灾害风险评价与管理的数量化方法及其应用[M].北京:北京师范大学出版社,2007.

[13]蒋新宇,范久波,张继权,等.基于GIS的松花江干流暴雨洪涝灾害风险评估[J].灾害学,2009,9（3）:51-56.

[14]唐川,朱静.基于GIS的山洪灾害风险区划[J].地理学报,2005,1（1）:87-94.

[15]宫清华,黄光庆,郭敏,等.基于GIS技术的广东省洪涝灾害风险区划[J].自然灾害学报,2009,2（1）:58-63.

[16]郝璐,王静爱,满苏尔,等.中国雪灾时空变化及畜牧业脆弱性分析[J].自然灾害学报,2002,11（4）:43-48.