凤山县冰雹灾害风险评估与区划

廖冬梅

凤山县气象局，广西凤山 547000

气象灾害对农业和社会经济产生了广泛而深远的影响，其中冰雹灾害是一种严重威胁农作物和农田的自然灾害。凤山县位于广西壮族自治区，地理位置特殊，气象条件多变，常年受到冰雹灾害的威胁。因此，对凤山县冰雹灾害的风险评估与区域划分具有重要的现实意义。利用历史冰雹数据和广西灾害风险与风险评估技术小组提供的方法，采用GIS技术，对凤山县的冰雹灾害风险进行科学评估，旨在为凤山县的冰雹灾害风险管理提供重要支持，减少冰雹灾害对农业生产和社会稳定的不利影响，促进可持续发展。

1 数据资料

所用数据由凤山县气象站提供，可用于评估凤山县冰雹和强降雨气象灾害的风险。

(1)冰雹、降水观测数据：利用1978—2020年凤山国家基本气象站的冰雹、降水观测数据，以及从2020年开始的24个地区气象站的冰雹、降水观测数据。这些数据可以显示当地长时间范围内的冰雹、降水情况，是分析气象灾害风险的重要基础。

(2)地理信息数据：国务院人口普查办公室发布的广西承灾体、地形图、气象图等地理信息数据。

2 评估方法

2.1 致灾因子危险性评估方法

当评估凤山县收集的同时具备最大冰雹直径、降雹持续时间、降雹时极大风速和直接经济损失4个要素的样本少于30个时，可以直接选用最大冰雹直径、降雹持续时间、雹日(或降雹频次)进行加权求和，得到致灾因子危险性指数(VE)，即

其中，XD为最大冰雹直径样本平均值，XT为降雹持续时间样本平均值，XR为雹日(或降雹频次)样本累计值，WD、WT、WR分别为3个因子的权重，推荐权重比为3∶2∶5，各权重系数之和为1。

最大冰雹直径样本平均值、降雹持续时间样本平均值、雹日(或降雹频次)样本累计值应先做归一化处理，前两者在时间序列样本中归一化，后者在空间样本中归一化。当用雹日计算危险性指数时，对一个雹日有多次降雹的情况，致灾因子取一个雹日当中的最大值；当用降雹频次计算危险性指数时，各致灾因子取过程最大值。基于冰雹危险性评估指标，计算评估凤山县冰雹危险性指数的平均值。根据VE危险性等级划分标准将冰雹灾害危险性分为低、较低、较高、高等级。

2.2 孕灾环境敏感性评估方法

孕灾环境指灾害发生的自然环境。冰雹灾害是强对流云团发生、发展和快速移动的产物，地表海拔是冰雹的孕灾环境之一，因此可以选择海拔作为孕灾环境敏感性指数(VH)。

2.3 承灾体风险评估方法

冰雹灾害对承灾体影响的风险指数由冰雹致灾因子危险性(VE)、孕灾环境敏感性(VH)及承灾体易损性(VS)构成。

以加权求积的方法对不同承灾体进行风险评估，计算公式为：

其中，VS为承灾体易损性，包括暴露度(VD)和脆弱性(VF)，即VS=VD×VF，也可直接使用承灾体暴露度表征其易损性。WE、WH、WS分别为各指数权重，计算前各因子进行归一化处理，利用熵权法、专家打分法等确定权重。

根据对不同承灾体的冰雹灾害风险评估结果，采用自然断点法，将风险等级划分为低、较低、中等、较高、高等级。

3 冰雹灾害的影响因素

3.1 降水量

降雨的分布特点需要纳入冰雹风险评估考虑范围，以更好地了解灾害的潜在风险。1978—2020年的年均降水量在凤山县表现出一定的年际变化。尤其是在2009年至2017年，年均降水量显著增加，达到了2 426.2 mm，明显高于整个时段的平均值。这种变化可能受到气象和环境因素的影响，需要进一步研究，以确定是否存在潜在的气象风险因素[2]。

凤山县的降水量在不同月份之间存在显著的差异。6月的降水量最高，而3月的降水量最低。在高降水月份，需要更加密切地关注冰雹等灾害风险。

同时，凤山县的降雨在一定时段内呈现出集中分布的趋势，累计降雨高达1 448.2 mm。提示低洼可能更容易受到降雨和冰雹等灾害的影响。此外，凤山县的年降水量在较长时间尺度内相对平稳，没有明显的升降趋势。

凤山县的降水量数据揭示了一系列影响冰雹灾害风险的因素，包括年均降水量的年际变化、季节性降水差异、降雨分布和年际变化趋势等。这些因素对冰雹灾害的风险评估和预防措施的制定都具有重要的参考价值，有助于更好地应对潜在的自然灾害风险[3]。

3.2 各日累计降水的极值

在1978—2020年的观测数据中，凤山县出现了不同时间尺度下的降水极值，包括1 h时、3 h、6 h、12 h和24 h累计最大降水量。最大1 h降水量为72.7 mm，而最大24 h降水量为218.2 mm，主要集中在1983年。长期来看，降水极值没有表现出明显的线性变化趋势，表明其变化受多种复杂因素影响。

冰雹灾害的发生和降水的时空分布密切相关，不同乡镇和地区在降水极值方面存在明显的差异。例如，在金牙乡、中亭乡、平乐乡、江洲乡、凤城和西部地区，1 h的最大降水极值相对较高；而在东北方向的乔音乡、平乐乡、中亭乡、长洲镇的南部等地，1 h内的最大降水极值较低。这种地区差异需要考虑在内，以便更好地评估和预测冰雹灾害的潜在风险；

3 h内最大降水极值超过138 mm的主要位于县城东北方向的乔音乡、平乐乡、中亭乡、长洲镇的南部等地，这些区域可能更容易受到冰雹灾害的影响。

4 冰雹致灾因子特征分析

统计时段内，凤山县冰雹过程较多。统计时段内有54次冰雹过程发生，累计雹日为51 d，年均降雹频次为1.26次，其中1997年降雹频次最多为4次；从多年逐月降雹分布来看，凤山县降雹主要出现在3—5月，占比为87.2%(图1)。

图1 凤山县多年降雹频次统计

5 冰雹致灾危险性评估

(1)孕灾环境包括地形、水系、土壤和植被等因素。凤山县三门海镇西北地区的雨涝度较高，表明该地区暴雨频率较高，强度较大。砦牙乡、长洲镇北部和金牙乡则呈现较低的雨涝程度，可能是由于气象、地理条件的差异导致。东部地区的洪涝指数相对较低，表明该地区暴雨频率和强度都较低，这意味着县城以东的地区具有较低的冰雹致害风险。

(2)孕灾环境影响系数可用于评估不同地区对冰雹致害风险的贡献。较高的影响系数表示孕灾环境对风险的增加影响较大，而较低的影响系数则相反。基于冰雹孕灾环境的影响指标，对凤山县进行了冰雹致害危险性评价。根据危险性指数的大小，将其分为高、中、低三类。高危险性地区主要包括凤山县的乔音乡、凤城镇中南部、长洲镇东部、三门海镇南部、平乐乡中部、江洲乡东南部以及砦牙乡等地。风险较低的地区包括其他乡镇以及凤山县的北部、南部和西部地区。

根据危险性等级划分标准，凤城镇中部的冰雹致灾危险性为高等级，凤城镇除中部以外的其他区域为较高等级，其余大部分地区的冰雹致灾危险性为低等级或较低等级(图2)。

图2 凤山县冰雹致灾危险性等级图

6 冰雹风险评估与区划

6.1 人口风险评估

利用凤山县冰雹致灾因子危险性指数、孕灾环境敏感性指数、人口密度因子表征承灾体暴露度指数进行冰雹灾害人口风险评估，得到凤山县冰雹灾害人口风险区划。凤山县的人口密集区主要集中在凤城镇中部，由凤山县冰雹灾害人口风险等级图可知，人口稀疏地区的冰雹风险等级以低等级为主。凤城镇中部为较高风险和高风险区域；其余地区以中等级到较低等级为主(图3)。

图3 凤山县冰雹灾害人口风险等级图

6.2 GDP风险评估

利用凤山县冰雹致灾因子危险性指数、孕灾环境敏感性指数、地均GDP表征承灾体暴露度指数进行冰雹灾害GDP风险评估，得到凤山县冰雹灾害GDP风险区划。凤山县GDP大值区主要集中在乡镇的行政区域中心附近，冰雹灾害GDP风险区分布受当地GDP值影响较大。由凤山县冰雹灾害GDP风险等级图可知，凤山县冰雹灾害GDP风险等级大部地区均为低风险到中风险，凤城镇城区及周边地区有较高风险和高风险区域(图4)。

6.3 农作物风险评估

利用凤山县冰雹致灾因子危险性指数、孕灾环境敏感性指数、水稻和玉米播种面积表征暴露度指数进行冰雹灾害水稻、玉米风险评估，得到凤山县冰雹灾害水稻、玉米风险区划。凤山县水稻种植主要集中在长洲镇、乔音乡、砦牙乡中部、金牙乡东部、平乐乡、三门海镇中部、江洲乡南部和凤城镇中部大部分区域，由冰雹灾害水稻风险等级图可知，凤山县冰雹灾害水稻风险等级大部地区均为低风险到较低风险，中等到高风险主要分布在凤城镇的中部、乔音乡中部和南部、长洲镇西部、三门海中部地区(图5)。

图5 凤山县冰雹灾害水稻风险等级图

凤山县玉米种植面积主要集中在西部、南部、东北部和凤城镇少部分地区，由冰雹灾害玉米风险等级图可知，凤山县冰雹灾害玉米风险等级大部地区均为中等到高风险，其中凤山县凤城镇、三门海、金牙乡西部、长洲镇西部、乔音乡南部等地区风险相对较高(图6)。

图6 凤山县冰雹灾害玉米风险等级图

7 结论

(1)凤山县的降雨在一定时段内呈现出集中分布的趋势，累计降雨高达1448.2 mm，且低洼可能更容易受到降雨和冰雹等灾害的影响；3 h内最大降水极值超过138 mm的乔音乡、平乐乡、中亭乡、长洲镇等地可能更容易受到冰雹灾害的影响。

(2)凤山县降雹年份较多，统计时段内有54次冰雹过程发生，累计雹日为51 d，在评估凤山县冰雹致灾危险性等级时，凤城镇中部的冰雹致灾危险性为高等级，凤城镇除中部以外的其他区域为较高等级，其余大部分地区的冰雹致灾危险性为低等级或较低等级。

(3)凤山县冰雹灾害人口较高风险和高风险区主要在凤城镇中部地区；冰雹灾害GDP高风险和较高风险区域主要分布在凤城镇城区及周边地区；冰雹灾害水稻中等到高风险主要分布在凤城镇的中部、乔音乡中部和南部、长洲镇西部、三门海中部地区；冰雹灾害玉米较高到高风险位于凤山县凤城镇、三门海、金牙乡西部、长洲镇西部、乔音乡南部等地区。

(4)为了减轻冰雹灾害风险，相关部门应加强监测和预警系统，提前预警强降水和冰雹事件，以减少损失。发展农业保险和风险分担机制，帮助农民应对冰雹灾害的经济风险，并提高农业基础设施的抗灾能力。促进气象数据和科学研究，以更好地理解和预测冰雹灾害的发生和发展。