基于风雨数据的台风危险性评估方法研究与实现

单森华

（四创科技有限公司，福建 福州 350100）

0 引言

台风是危害我国最严重的天气系统[1]，1949 年以来，每年平均约有 7 个台风登陆我国[2]，台风带来的狂风、暴雨、洪水等灾害直接导致建筑物受损，农作物受灾，人员伤亡等[3]。为有效减轻台风灾害风险，减少台风灾害损失，国内外相关机构一直在积极开展台风风险评估研究工作。张容焱等[4]采用相关系数客观赋权法建立了致灾因子风险评估模型；尹宜舟等[5]利用台风路径和灾情资料建立台风潜在影响力指数；张丽佳等[6]以大风、24 h 雨量、风暴潮、受灾次数等为评价指标，分析研究了东南沿海地区台风灾害危险性；陈文方等[7]从台风影响频次、强度和最大风速极值分布角度，分析了长三角台风灾害危险性；杨氾等[8]采用台风浪数学模型、风圈半径筛选方法模拟研究港珠澳大桥台风重大影响区域；郭云霞等[9]采用风场、极值分布等模型研究了东南沿海区域台风危险性；张永恒等[10]以台风自然灾变、社会与经济等因素为影响因子对浙江省台风灾害影响进行评估； Kim 等[11]通过分析识别灾害和建筑信息等指标分析了韩国台风脆弱性；Sajjad 等[12]采用空间统计分布模式分析评估了我国沿海台风风险地理分布模式。

以上研究方法主要基于自然灾害风险理论[13]，从致灾因子危险性、承灾体脆弱度与暴露度、防灾减灾能力、历史受灾情况等方面，采用模糊变化理论和数理统计方法对部分年份、区域的台风灾害风险进行评估，研究结果受到承灾体调查和灾害损失等数据的完整性、准确性制约，较难客观体现我国沿海省份的台风危险性。由于台风带来的强风、降雨是致灾的主要因子[14]，且风雨观测、监测数据相对较为完整，Chen 等[15]已开始利用风场再分析和浮标监测等资料对 2016 年超级台风 Meranti 进行研究，因此采用强风、降雨 2 个主要致灾因子再分析数据对我国各省（自治区、直辖市）台风危险性进行综合评估是可行且必要的。

1 研究方法

将我国划分为多个网格[16]，通过建立台风影响范围衰减函数[17]，利用台风路径、风力、降雨数据计算台风对各网格造成的影响力分值，并基于影响力分值计算我国不同年份、时间段台风综合危险性。其中台风路径数据使用中国气象局 1949—1988 年逐年出版的《台风年鉴》和 1989—2010 年逐年出版的《热带气旋年鉴》，以及气象网站发布的 2011—2019 年台风数据，风力和降雨数据采用欧洲中期天气预报中心 1974—2019 年再分析数据集数据。

1.1 区域网格索引建立

虽然台风带来的强风主要对我国沿海省份造成影响，但其带来的降雨却直接影响着我国中西部省份[18]，因此本研究区域涵盖我国全部陆地区域，按0.1°× 0.1° 精度将我国划分为多个小矩阵网格区域，并为每个网格区域建立索引编号。为提高计算效率，每个网格还保存形状要素信息，如角点坐标。

1.2 台风数据预处理

基于网格索引，对台风路径、风力、降雨数据进行预处理。由于台风路径轨迹较为稀疏，为提升计算结果的准确性，按 0.1°× 0.1° 精度采用插值法补齐台风路径轨迹数据[19]，插值示意图如图1 所示。为提升计算效率，仅选取登陆我国的台风及距离我国陆地 100 km 范围内的台风参与计算。

图1 台风路径插值示意图

此外，根据网格精度对风力、降雨再分析数据集进行预处理，将风力、降雨网格与区域网格进行关联。考虑到台风带来的降雨影响范围较大，选取台风途径及相邻省份降雨网格数据参与计算。同时考虑到台风带来的大风影响范围相对有限，大风影响力随着与风眼之间距离的增大而呈现衰减趋势。为减少数据干扰，根据历史台风风力、风圈半径数据，利用神经网络建立风力与最大影响范围之间的拟合函数[20]，并研究设计最大影响范围内影响力衰减函数，以提升大风影响力计算的客观性，计算公式如下：

式中：σ为台风影响力衰减系数；d为台风中心网格与受影响地网格之间的距离；b为最小衰减系数；dmax为台风最大影响距离；ds为台风开始出现衰减的距离。

1.3 台风影响力评估

首先根据台风路径节点，按照大风和降雨影响范围提取规则，提取该节点影响范围内的区域网格索引序列；然后根据网格降雨、大风及衰减系数，计算各网格台风影响分值；再遍历台风路径各节点，计算各节点对该网格造成的台风综合影响分值。计算公式如下：

式中：Sj表示编号为j的网格受该台风影响的分值；Fi为台风第i个节点在该网格产生的大风风力；Pi为台风第i个节点在该网格产生的降雨量。

1.4 台风危险性分析

根据计算结果，通过归一化法将计算分值归一化[21]，将危险性划分为 5 个等级[22]，即极高、高、中、低、极低 5 个等级。

所有台风影响分值计算完成后，采用分布式计算引擎[23]按年份、时间段对我国全国范围进行台风综合危险性评估，计算获取 1974—2019 年台风综合危险性评估图，以及不同年份、年段台风综合危险性评估图。

2 设计开发

2.1 网格索引建立

首先对区域进行网格切分，采用 ArcGIS 读取中国地区 ShapeFile 文件，将面状区域按 0.1°×0.1° 切分为m×n个网格，并投影至平面坐标系中；然后将每个网格以X和Y2 个方向上的编号作为其唯一标识并建立索引，同时记录每个网格的角点地理坐标。

为提高计算效率，采用 Hbase 存储网格数据，建立以X和Y为网格索引的行键，以及包含经度最小值、最大值，纬度最小值、最大值的网格信息列簇。

2.2 台风数据预处理

随着台风登陆后风力等级的下降，台风路径信息发布时间间隔越来越长，台风路径节点越来越稀疏。为提高数据分析的准确性，针对间隔超过 0.1° 的相邻台风路径节点，采取固定间隔方式对台风路径节点数据进行内插，然后根据台风移动速度补齐内插节点时间数据，最后根据风圈拟合函数推算登陆后的台风最大影响范围，表1 摘录了部分台风路径插值补齐数据，其中整点数据如 2019-08-10T10：00：00 数据为气象部门发布的数据，非整点数据如 2019-08-10T10：30：00 数据为插值数据。

表1 台风路径插值补齐数据摘录

2.3 台风危险性分析

首先将台风节点经度、纬度，与网格经度和纬度的最大值、最小值进行对比，将台风节点关联至网格；然后提取该节点大风、降雨影响范围内的网格序列，将台风编号、节点时间等写入 Hbase 的Typhoon_info 列簇中；再根据该台风节点时间，从风力、降雨再分析数据集中抽取相同时间节点的风力F和降雨量P写入对应网格；最后利用 Hadoop 平台的 Mapreduce 引擎，依据综合影响分值计算公式，分布式计算大风、降雨对该网格产生的节点影响分值，以及单个台风对该网格产生的综合影响分值。

表2 摘录了X为 475，Y为 260 的网格受“201909”和“201808”号台风影响的分值计算数据，其中：Rowkey 为行键；Grid_info 表示网格信息列簇，经度、纬度最小值表示该网格西南角点地理坐标，经度、纬度最大值表示该网格东北角点地理坐标；Typhoon_info 表示台风信息列簇，通过F和P计算节点影响分值并归一化；Score 表示影响分值列簇，通过某一号台风各节点对该网格造成的节点影响分值，计算得到综合影响分值。

表2 网格受台风影响分值表

所有台风综合影响分值计算完成后，可根据数据分析需要，采用 Mapreduce 按年份、时间段对我国全国范围进行台风综合危险性评估。

3 研究结果

3.1 符合性分析

以“201909 利奇马”台风为例，对“利奇马”台风路径进行插值，提取“利奇马”台风期间降雨、风力再分析数据，对“利奇马”台风影响范围内各地理网格进行大风和降雨影响等级划分。计算结果表明：“利奇马”台风带来的大风对浙江沿海地市造成的影响力评估等级为极高，对浙江西部区域影响力评估等级为高；对江苏沿海地市影响力评估等级为中，对江苏东部地市影响力评估等级为低；对山东青岛、潍坊影响力评估等级为高，对烟台、日照、临沂、淄博、东营等市影响力评估等级为中。台风大风影响等级划分如图2 所示。“利奇马”台风行进轨迹如下：2019 年 8 月 10 日 1 时登陆浙江台州，登陆时中心附近最大风力为 16 级，途经温州、金华、绍兴、杭州、湖州等市，历时 21 h，大风对浙江沿海及中西部地市造成极大影响；10 日22 时“利奇马”台风以 9 级风力进入江苏境内，途径无锡、南通、盐城、连云港等沿海地市，历时 23 h，大风对江苏沿海地市造成较大影响；11 日21 时“利奇马”台风以 9 级风力再次登陆山东青岛，13 日11 时停止编号，山东境内历时 35 h，大风对青岛周边地市造成较大影响。从“利奇马”台风大风影响评估结果和行进轨迹对比分析，可以看出评估结果与实际情况基本相符。

图2 “利奇马”台风大风影响等级划分

计算结果还表明：“利奇马”台风带来的降雨对浙江东部、上海全境、山东西北部及河北东部造成极大影响，对浙江中部、江苏南部、山东中部、河北东部、天津全境及辽宁西南部造成较大影响，对江苏中北部、山东东部、安徽北部、北京全境、辽宁南部、吉林东部及黑龙江东部造成一定影响。“利奇马”台风降雨影响等级划分如图3 所示。根据张康波等[24]对台风“利奇马”防御工作回顾，“利奇马”台风带来的降雨直接影响了浙江、上海、江苏、安徽、山东、河北、辽宁、吉林和黑龙江等省（市）。评估结果与实际情况也基本相符。

图3 “利奇马”台风降雨影响等级划分

3.2 近 20 a 台风危险性变化分析

选取 2000—2019 年期间的台风路径及风力、降雨再分析数据集进行分析：先分别计算每个台风对其影响范围内地理网格的大风和降雨影响分值，进而计算各地理网格综合影响分值并进行归一化；然后采用分布式计算引擎，以 10 a 为跨度对 2000—2009 年，2010—2019 年 2 个时间段的台风危险性进行计算。具体分析结果如下：

1）2000—2009 年。我国浙江东南沿海城市（含温州、台州大部分县区）、福建东部沿海地市（含莆田、福州、宁德大部分县区，以及泉州东部沿海县区）、海南个别地市（含琼海、儋州个别县区），以及台湾大部分地区受台风影响极大，综合危险性评估等级为极高；浙江中部与东部地市（含杭州、宁波、舟山、绍兴、金华、丽水大部分县区）、福建内陆与南部沿海地市（含漳州、厦门全部县区，泉州西部县区，以及南平、三明、龙岩东部县区）、广东沿海地市（除韶关、清远、肇庆及河源北部县区）、广西南部沿海地市（含钦州、北海地区），以及海南全境受台风影响较大，综合危险性评估等级为高；辽宁与山东东部、江苏与上海大部分、安徽与江西东南部、浙江与福建西部、广东北部、广西中部、四川南部、湖南东南部及云南大部分的地市，台风危险性评估等级为中；黑龙江、吉林、辽宁、河北、北京、天津、河南、山西、陕西、湖北、湖南、四川、重庆、贵州等省（市），以及西藏东部、青海东部、内蒙东部、甘肃南部台风危险性评估等级为低。

2）2010—2019 年。相比 2000—2009 年，我国2010—2019 年受台风影响明显增强。危险性极高区域向南延伸，浙江宁波、舟山地区，福建泉州、厦门、漳州地区，广东潮州、汕头、珠三角、阳江、茂名、湛江地区，广西钦州、北海、崇左地区，海南及台湾全境受台风影响极高；危险性高的区域整体向西部推进 50～100 km，浙江、上海、福建全境成为台风高危险地区；危险性为中的区域则主要向北部延伸至吉林、黑龙江等省份。

3.3 1974—2019 年台风危险性分析

基于 1974—2019 年期间的台风路径及风力、降雨再分析数据集，先分别计算每个台风对其影响范围内地理网格的大风和降雨影响分值，进而计算各地理网格综合影响分值并进行归一化；然后采用分布式计算引擎，对 1974—2019 年台风危险性进行计算，台风危险性评估如图4 所示。结果如下：

图4 1974—2019 年台风危险性评估

1） 受威胁区域面积[25]。我国台风极高、高、中危险区面积分别占全国行政区面积的 2.3%， 3.1%，10.5%，浙江、福建、广东、海南、台湾等地区台风危险性较高，其中：浙江省极高、高危险区面积占浙江省行政区面积的 49.2%，50.5%，福建省极高、高危险区面积分别占福建省行政区面积的41.8%，52.8%，广东省极高、高危险区面积分别占广东省行政区面积的 47.5%，36.7%。

2）受威胁区域范围。我国台风危险区总体呈现为极高、高、中、低 4 条危险带，其中：海南、台湾全境，以及浙江、福建、广东沿海地市为台风极高危险带，范围由海岸线向内陆延伸 100～200 km；辽宁南部、山东东部、江苏及安徽东南部、上海全境、福建及浙江西部、广东中部、广西南部地市为台风高危险带，范围由极高危险带向内陆延伸 150～250 km；中危险带北至黑龙江东南部，南至云南南部，范围由高危险带向内陆延伸 200～300 km；低危险带延伸至黑龙江、吉林、辽宁、内蒙古等 16 个省份。

4 结语

以台风危险性评估为研究对象开展了一系列的研究工作，包括区域网格索引建立、台风数据预处理、台风影响力及危险性评估，并以“利奇马”台风为例对评估结果进行验证。研究结果表明：

1）除了沿海城市外，内地及北方城市也应当加强防台风工作，特别是防台风带来的暴雨工作。根据研究结果，山东东部沿海及辽宁南部等地市已处于台风高危险区，而黑龙江、吉林、内蒙古、河北、河南等长江以北的省份，以及河南、湖北、湖南、贵州等内地省份已不同程度受到台风影响，部分地市已处于台风中危险区。

2）台风危险性呈现增强趋势，未来防台风形势依然严峻。相比 2000—2009 年，2010—2019 年我国台风危险性明显增强，危险性极高区域由浙江、福建向南延伸至广东及广西，危险性高的区域整体向内地推进 50～100 km。

3）与其他台风危险性评估方法相比，本方法基于 1974—2019 年台风路径、风力和降雨等数据，采用区域网格索引建立、台风数据预处理、台风影响力分值计算等步骤对我国台风危险性进行分析，优势明显。具体优势如下：利用台风路径、风力、降雨等数据，数据相对完整、可靠，不受外部数据资料收集制约；通过风力影响范围拟合函数与降雨空间相邻关系筛选网格，并采用分布式计算技术提升计算效率，可缩短计算周期；构建高精度地理网格，台风危险性评估精度高，更有利于开展风险研判；基于地理网格，采用插值法补齐台风路径轨迹数据，评估结果更加客观，具有较高的推广价值，对开展台风风险防控和城市规划具有借鉴意义。

4）研究过程中采用归一化法对危险性进行分级，导致不同时间段评估结果出现较大差异。例如2010—2019 年台风危险性评估结果中，西藏、青海、四川等省份部分地市处于台风中和低危险区，但 1974—2019 年台风危险性评估结果中，这些地市均为台风极低风险区，后续仍需进一步研究危险性分级方法，以便更客观地呈现我国台风危险性分布情况。

5）1974—2019 年台风危险性评估结果中，极高、高、中、低、极低危险区总体呈现为带状过渡形态，但云南南部地市为中危险区，北部地市为极低危险区，缺少低危险区过渡，目前尚未查明原因，后续仍需进一步优化。