基于灰色关联法的长三角地区典型低温灾害危险性评估和区划

王宇豪， 王金虎，2，3，4， 周纬欣， 王钰尧， 苏 航

(1. 南京信息工程大学气象灾害预报预警与评估协同创新中心， 江苏 南京 210044； 2. 中国气象局气溶胶与云降水重点开放实验室， 江苏 南京 210044； 3. 中国科学院中层大气和全球环境探测重点实验室， 北京 100029； 4. 南京信大安全应急管理研究院， 江苏 南京 210044； 5. 辽宁省气象台， 辽宁 沈阳 110166)

0 引言

在全球变暖的过程中，极端天气、气候事件受气候变化的影响最为明显，对社会经济、生态环境、人类健康有直接影响。其中极端低温的偶发性特点更强，对全球气候的敏感性高于极端高温，因此由极端低温事件造成的低温灾害引起许多学者关注[1]。低温灾害是影响中国绝大部分地区的气象灾害。据统计，中国每年因低温灾害造成的农牧业受灾面积达312万hm2，出现严重低温时，育苗毁坏率达20%以上[2]。一次低温灾害过程一般从阈值、范围和持续时间来确定[3]，发生低温灾害时，常出现持续性低温、寒潮和雨雪冰冻[4]。国内对低温灾害的研究一种是集中于小尺度范围内融合特定的承灾体，如陈家金[5]、张敏[6]、杨霏云[7]等考虑了气象条件并融合当地的承灾体如茶叶、玉米、水稻使低温灾害的评估更有指向性； 另一种是选取不同低温指标计算低温灾害致灾危险性指数，如唐熠[8]从强度和频率的角度分析了广西低温冰冻灾害； 王颖[9]等通过相关性分析选取指标，构建低温雨雪冰冻指标体系对中国雨雪冰冻害危险性进行评估； 万素琴等[10]选取低温日数、雨雪总量、平均气温等评估指标计算湖北省低温灾害过程指数。上述研究构建的指标和模型为低温灾害评估提供思路，但往往只分析一种低温灾害类型，本文把低温灾害按照气象标准分为三类典型类型(寒潮、霜冻、冰冻)并划分不同等级，分析各等级内气象指标，避免了用单要素统计分析，以期较为全面地考虑各指标对低温灾害的影响。

由于评价过程涉及多个评价指标，因此确定合适的指标权重是关键问题。常见的低温灾害指标权重确定方法如层次分析法、专家打分法有一定的主观性，主成分分析法、熵权法、回归分析等要求样本符合某种概率分布[11]，而灰色关联法对样本的分布规律和样本量无过多要求[12]。林念萍[13]等利用灰色关联法和层次分析法结合的方式确定指标权重对浙江苍南县进行雷电灾害风险区划； 杨征等[14]基于灰色关联原理定量分析了气象因素和雪灾的相关性并对我国西部牧区雪灾风险区划； 刘晓庆[15]等利用灰色关联法确定各因子对台风灾害影响程度，为建立雪灾危险性指标提供了参考； 陈长坤等[16]利用灰色关联法对中国暴雨洪涝灾害分级评估。以上研究多以行政区域为评价单元，评价结果未能体现到每个格网中并且所需的灾情数据较难获取，评价的方式和精确性受到限制。由于本文低温灾害过程中气温、降水等数据不以人的主观意志为转移，且气温与降水数据之间无规律性，利用灰色关联度法对数据间有无规律性没有过高的要求的特点[17]，无需灾情数据就可以确定相关指标对低温灾害影响力的强弱程度，进而确定权重，最后利用插值的方式使评价结果空间化显示。

1 数据与研究方法

1.1 数据来源及研究区域

长三角地区包括3省1市，分别为江苏省、安徽省、浙江省和上海市。年均GDP占全国近1/4，人口约占全国1/6。长三角主要为亚热带季风气候，四季分明，夏季暖热多雨、冬季低温干燥。江苏上海地势平坦，平均海拔在50m以下，浙江省山区主要分布在西南部(海拔由西南向东北递减)，安徽省山区主要为皖西大别山和皖南山区。由于独特的经济地位和较高的人口密度，导致对灾害敏感程度较高，因此对该地区进行灾害风险评估具有较强的现实意义。

1.2 低温灾害过程识别与等级划分

1.2.1 寒潮

表 1 寒潮等级划分Tab.1 Grade of cold wave

1.2.2 霜冻

霜冻是当日最低气温下降到0℃以下时农作物的茎、叶会受到冻伤的现象。依据《作物霜冻害等级》(QX/T 88-2008)[20]，霜冻有两类识别标准： 一类是使用地面0m处的日最低气温，把日最低气温0℃作为阈值，低于这一阈值则判别为霜冻灾害发生； 另外，张波等认为百叶箱中的气温比地面0m处的气温平均高2℃，所以把低于日最低气温2℃，作为判断霜冻发生的标准[21]。在不同地区，气温和地温的辨别准确度是不一样的，在中国东部、西北地区，气温辨识度高于地温，而在华北和中部地区，地温的辨识准确度又要高于气温[22]。因此，霜冻判别标准存在空间差异性，由于气温相对于地温较容易实现空间插值，有利于在大范围区域研究霜冻时使用，所以本文使用日最低气温0℃、持续2日及以上作为霜冻判别阈值。关于霜冻等级的划分本文采用了《气象灾害预警信号及防御指南》[23]的标准(表 2)。

表 2 霜冻等级划分Tab.2 Grade of frost

1.2.3 冰冻

表 3 冰冻等级划分Tab.3 Grade of frozen

1.3 构建危险性指标

依据三种低温灾害的识别，提取出每个站点低温灾害过程，统计出每个过程内的气象因子，如一个寒潮过程包括寒潮持续日数(Dcold)、最大降温幅度(Rc)、过程极端最低气温(Tmin)，霜冻和冰冻灾害过程提取与之类似。根据过程划分低温灾害等级，依据严重程度分别为轻度、中度和重度。定义某个等级低温灾害致灾危险性强度指数可以选取过程持续日数和强度，强度可选取过程平均气温(Tavg)、 过程极端最低气温(Tmin)、 最大降温幅度(Rc)、 过程总降雨量(Rt)等，具体流程见图 1。

图 1 低温灾害危险性评估流程Fig.1 The assessment process of low temperature disaster risk

根据不同低温灾害类型选取不同的危险性指标，具体见表 4。

表 4 低温灾害过程气象因子Tab.4 Meteorological factors selected in the assessment process of low temperature disaster

不同等级低温灾害危险性指数计算公式如下：

Hcold=A×Dcold×B×Tmin+C×Rc

(1)

Hfroast=A×Dfroast+B×Tavg+C×Tmin

(2)

Hfrozen=A×Tavg+B×Tmin+C×Rt

(3)

式(1)(2)(3)分别代表寒潮、霜冻、冰冻的危险性指数，Dcold、Dfroast、Tmin、Tavg、Rc、Rt为归一化的过程气象因子指数。A、B、C为权重系数。危险性指数为不同等级低温灾害过程发生频次累积值，对长三角地区的危险性指数进行降序处理，利用百分位数法将各个站点低温危险性指数分为1～5级(表 5)，统计每个站点不同等级发生频次，利用加权平均公式计算出不同站点低温灾害危险性指数：

表 5 百分位数分级Tab.5 Percentile classification

(4)

式中，Fi为各个站点第i个等级出现的频次(单位)；Ln为某站点不同等级低温灾害危险性指数。

为了消除各指标之间的差异，需要对指标进行归一化处理，其中低温过程持续时间、最大降温幅度、过程总降雨量归一化公式为：

(5)

式中，Xi代表归一化之后的值；Xj为第j个指标值；Xmax和Xmin为指标中最大和最小值。

因为过程平均气温、极端最低气温越高，相应的灾害危险越小，因而其归一化公式如下：

(6)

1.4 灰色关联法

本文使用灰色关联度法确定气象因素权重，其中评价对象为低温灾害每个过程，评价指标为温度、降水等，参考数据应是一个比较的标准，可以是数据列中的最优(劣)值，根据温度越低、降水量越多，对灾害影响较大的原则，确定参考序列，如温度选取每列指标最小值，降温幅度、降雨量选取每列最大值，接着计算关联度，按照关联度大小排序，关联度越大，则对灾害的影响程度越重，具体流程见图 2。

图 2 灰色关联度法确定权重流程图Fig.2 Flow chart of weight determination of meteorolo-gical factors by grey correlation degree method

(1)对数据无量纲化处理

设每个评价指标参考数据列为Mj，进行数据无量纲化处理：

(7)

式中，rij为无量纲化处理后的矩阵；Kij为第j个指标第i个值；Mj为j个指标参考数据，无量纲化后的数据序列形成如下矩阵：

接着逐个计算每个原始数值与参考值的绝对差值即Δ=|r0(k)-ri(k)|(k=1，…j，i=1，…n)，其中，n为被评价指标个数。

(2)求关联度系数

(8)

式中，ξi(j)为关联度系数；ρ为分辨系数， 0<ρ<1，通常ρ取0.5；Δmin、Δmax为原始数值与参考值无纲量化处理后绝对差值的最小值和最大值。

(3)确定该指标客观权重

(9)

(10)

式中，n为指标数量；Wi为不同指标权重。

通过计算得到各气象因子关联度系数矩阵见表 6。

表 6 低温气象因子关联度矩阵Tab.6 Correlation matrix of low temperature meteorological factors

进一步计算得到各气象因子指标权重见表7。

表 7 低温灾害过程气象因子指标权重Tab.7 Weights of meteorological factors for low temperature disaster

由表 7 可见，寒潮灾害降温幅度指标权重最大，其次是持续时间； 霜冻灾害轻度和中度等级日过程平均气温权重最大，重度等级过程极端最低气温权重最大； 冰冻灾害过程气温要大于过程降水的权重，过程最低气温总体大于过程平均气温权重。虽然通过灰色关联法计算得到的三项指标权重存在较小差异，但精确、客观的权重对于提高评估结果的精确程度是必不可少的。

2 长三角地区低温灾害危险性评估和区划2.1 低温灾害不同等级危险性指数空间分布

利用ArcGIS软件空间分析工具的反距离权重插值(IDW)，在空间分辨率为1000m的基础上进行插值，计算不同等级低温危险性指数，得到的结果见图 3。

图 3 长三角地区低温灾害各等级危险性指数分布Fig.3 Distribution of low temperature disaster risk index in different grade in Yangtze River Delta area

通过寒潮过程的分析可知，轻度寒潮次数占寒潮总过程次数的80%，中度和重度分别仅占15%、4%，说明重度寒潮灾害在长三角不易发生。从图 3单站寒潮的危险性指数分布结果来看，轻度寒潮危险性指数高值主要集中在安徽省北部及南部山区，危险性指数在0.5～1，江苏省西北部、浙江省西南山区危险性指数在0.3～0.4。长江沿岸城市及浙江沿海城市危险性指数较低。 中度寒潮危险性指数高值主要集中于黄山市山区危险性值在0.7以上，安徽省宿州、淮北、毫州危险值较高在0.3～0.4。 重度寒潮出现次数少， 50年各气象站点共出现343次，高值仅分布在黄山高海拔地区。

通过霜冻过程分析可知，近50年内霜冻轻度等级发生概率占总霜冻灾害的43%，中度和重度等级占31%、26%，与寒潮相比，霜冻各等级发生频繁且中度和重度等级发生概率差距小。从图 3霜冻危险性指数分布结果看，除浙江沿海及江苏苏南、上海，绝大部分地区都存在轻度霜冻； 中度等级霜冻危险性指数东北向东南降低； 重度霜冻危险性指数北高南低的趋势更为明显。从3个等级对比情况可以发现，中度和重度等级霜冻危险性分布具有较明显的地域性特征，随着等级提升，危险性高值越来越集中于东北部，具有随纬度升高的趋势。

通过冰冻过程分析可知，轻度冰冻占冰冻灾害发生总次数的67%，中度等级占20%，重度等级占13%，说明长三角地区大部分冰冻过程只持续2～3天。危险性指数空间分布总体呈现出由北向南、内陆向沿海逐渐减少的特征，安徽省发生冰冻灾害的危险性要明显高于江苏、浙江、上海。轻度等级冰冻危险性高值主要集中于安徽省北部、江苏省西北部，危险性值在0.18～0.35。受山脉影响，高海拔地区又呈现出不同程度的增多，如中度和重度等级高值主要集中于皖南和皖西山区。

2.2 低温灾害危险性综合评估

根据灾害风险形成原理[26]，建立长三角地区低温灾害危险性评估模型。

(11)

式中，Hz为低温灾害综合危险性指数；n代表寒潮、霜冻、冰冻各等级；wn为各等级的权重，由于低温灾害等级越高所造成的破坏越大，所以按照轻:中:重=2︰3︰5的比例带入模型，通过自然断点法划分5级，得到低温灾害危险性综合评估结果。

统计长三角地区低温灾害的不同危险性面积占比，高危险约占2.6%、次高危险约占17.1%、中等危险约占20.0%、次低和低危险约占60.3%，说明长三角大部分地区低温灾害危险性较低(图 4)。高危险地区仅分布在安徽黄山高海拔地区； 次高危险主要集中于皖北和江苏西北部，如阜阳、毫州、淮北、宿州、徐州、宿迁等； 中等危险性地区集中于32°～34°N，皖西大别山区由于海拔较高，处于中等危险地带； 低危险和次低危险主要分布于长江以南的平原地带。总体来看，危险性具有随纬度和海拔而上升的趋势，因为沿海地区人口密集排放废气多，且受海洋气候的影响，沿海地区危险性相较低于内陆。

图 4 长三角地区低温灾害危险性区划Fig.4 Regionalization of low temperature disaster risk in Yangtze River Delta area

对比图 4和图 5可知，低温灾害分布和海拔有密切关系，尤其体现在寒潮灾害上，高值都位于皖西、皖南以及浙江山区。因寒潮主要来源于北冰洋，由东路、西路、中路入侵中国，东路经过我国东北地区向南扩散，中路影响我国长江中下游和华南地区[27]，所以安徽省西北部易受寒潮侵袭，危险性指数大，中路寒潮受浙江西南山区和皖南山区的阻挡，导致这两个区域危险性较高。黄山市气象站海拔在1830m，气温常年处于长三角地区最低值，所以黄山地区各类型低温灾害危险性指数都最高。将长三角低温灾害危险性区划与图 6对比， 1月份是长三角地区低温灾害过程出现最频繁且最冷的月份，其气温分布规律是随着纬度的升高而降低，对比图 3与图 6发现低温灾害特别是霜冻灾害的发生与多年平均温度的关系密切，危险性高值多集中34°N以北区域，危险性具有随纬度升高的趋势，与气温随纬度上升而减小的情况吻合。图7为长三角地区50年1月平均气温与降水量分布，由图可见，长三角冬季降水多集中于28°～32°N，主要包括浙江省北部与安徽省南部、西部。因冰冻受气温和降雨量的双重影响，而气温与纬度、海拔有密切关系，浙江省降雨充沛，但纬度低，温度不足以达到形成冰冻的条件，安徽南部、西部，杭州市北部山区，海拔相对较高，这些地区冬季出现0℃以下的频率较高，所以危险性值较大。从整体分析来看，随着全球气候逐年变暖的大趋势，长三角地区的各类型低温灾害危险性指数保持下降趋势。

图 5 长三角地区气象站点海拔分布Fig.5 Altitude distribution of meteorological stations in Yangtze River Delta area

图 6 长三角地区1月多年平均气温分布Fig.6 Distribution of the mean temperature in January for 50 years in Yangtze River Delta area

图 7 长三角地区1月多年平均降水量分布Fig.7 Distribution of the meanprecipitation in January for 50 years in Yangtze River Delta area

3 结论

本文把低温灾害分为寒潮、霜冻、冰冻三种类型，参考气象标准提取灾害过程，选取灾害过程指标，致灾因子选取完善，主要得到以下结论：

(1)考虑低温过程中温度、降水、降温幅度指标，利用灰色关联法减少了人为赋权的误差，提高评估的准确性。计算得到的各因子权重表明，降温幅度、平均气温、最低气温是寒潮、霜冻和冰冻各自最大权重指标。

(2)从低温各等级危险性指数分布来看，寒潮随着等级升高，危险性高值分布逐渐减少，说明长三角地区受重度寒潮影响并不严重，霜冻随着等级的升高，危险性高值越集中于东北部，而冰冻随着等级升高，危险性高值主要集中于安徽省两大山区。计算低温灾害综合危险性并划分5个等级，结果表明，危险性分布趋势与平均气温趋势相近，说明长三角地区低温灾害危险性来自低温，需要重点防御的地区主要集中在34°N以北及黄山市山区。

(3)本文只分析了低温灾害的气象因素，但低温灾害主要影响在人类或人类社会的生产活动上，并且地形地貌如坡度、坡向对低温的影响也未考虑完善，下一步应结合多源数据，充分考虑低温孕灾、承灾方面对低温灾害进行完整的风险区划。