中国沿海地区热带气旋危险性分析

张 昆，黄全义，栗 健*

（1.华东师范大学地理科学学院 地理信息科学教育部重点实验室，上海 200241；2.自然资源部超大城市自然资源时空大数据分析应用重点实验室，上海 200241；3.清华大学 公共安全研究院，北京 100084；4.清华大学 工程物理系，北京 100084）

热带气旋造成的损失严重，全球每年的热带气旋产生80～100 个，其中38%的气旋生成于西北太平洋上，我国是受热带气旋影响最严重的国家之一，平均每年登陆的热带气旋约有7个[1]。热带气旋灾害危险性研究可分为数值模拟法与统计法，数值模拟通常采用专业的数值模型，如用于大风模拟的H*WIND[2]、用于风暴潮模拟的MIKE21[3]、ADCIRC[4]等，对特定的热带气旋进行模拟，分析热带气旋致灾因子影响的强度、范围、时间等。统计法则采用特定的指标，对历史上发生的热带气旋进行危险性分析。如刘少军[5]等研究了热带气旋对我国橡胶树种植区的危害，采用气旋频次、平均风速、最大风速作为热带气旋危险性的指标，将3个指标相乘得出一个综合性指标。叶金玉[6]等利用1949—2016年西北太平洋上的热带气旋最佳路径集，采用GIS技术获取了2 225条气旋路径，并用气旋累计袭击次数来评价危险性。陈楷俊[7]等采用热带气旋强度、日最大降雨量、登陆频次、持续时间评价了1989—2017年粤东地区热带气旋的危险性。牛海燕[8]等采用灾次指标来评价热带气旋的危险性，即某地区某时段内热带气旋灾害发生的次数，根据灾情报告，某地区凡是有灾情发生，就记为1，无灾情发生的记为0。

现有的热带气旋灾害危险性研究多面向单个致灾因子，对于热带气旋大风和风暴潮灾害的综合危险性的研究还较少。本文基于历史热带气旋资料，采用空间分析和统计方法，研究了中国沿海地区热带气旋的危险性，试图找出其空间分布特征。第一部分是数据的收集与处理；第二部分采用GIS 叠加法计算热带气旋的影响范围，从频次和面积2 个方面对我国沿海六省一市进行了分析；第三部分用热带气旋登陆时的潮位，并结合风速和气压提出了一个风暴潮危险性指标，根据该指标计算了海岸线的风暴潮危险性，并给出了对应城市的排名。

1 数据来源与处理

1.1 资料来源

热带气旋数据来自中国气象局热带气旋资料中心的“卫星分析热带气旋尺度资料”[9]，该资料记录了1980—2016 年西北太平洋上所有被卫星捕捉到的热带气旋。排除热带风暴（地面近中心最大风速17.2 m/s）等级以下的气旋，37 a 间共有824 个热带气旋。每个热带气旋由逐6 h 的观测点构成，观测点数据包括气旋位置、中心气压、风速、尺度等信息。其中尺度信息记录的是34 nm/h 的风圈半径。该资料以文本的格式提供，不能直接用GIS 软件分析。本文采用R 语言读取文本资料，提取日期、经纬度坐标、中心气压等信息。由于逐6 h 的观测点过于稀疏，生成的缓冲区不能很好地表示热带气旋的影响范围，有些相邻观测点的缓冲区甚至是分离的，因此R 代码读取资料的同时也对观测点进行了线性内插（内插原理见下一节），最后的结果导出为csv 文件，再导入GIS 做分析。

1.2 数据内插

本文采用线性内插，在2 个相邻的观测点间再内插一个点。由于热带气旋的运行路线通常很长，短的有几百公里，长的有5 000多km（例如2022年的“梅花”），此时的路线是一条球面曲线，不是平面曲线，因此在内插时要考虑地球球面曲率，这里采用了球面线性内插，在两点间的大圆弧上进行内插。如图1 所示，o 是地球球心，p,q是球面上两点，r是两点间大圆弧上的一点。

图1 球面线性内插示意图

将球面上的点看作向量，r与p，q间的夹角分别是tθ和(1-t)θ，t是0，1 之间的数，插值公式可以写为：

其中a，b是t的函数，将公式（1）两边点乘p，可得

同理，将公式(1)两边点乘q，可得

由公式（2）（3）（4）可解出：

若已知p,q的经纬度坐标λ和φ，根据球面直角坐标与球面坐标之间的关系式（7），联立公式（1）就可求出内插点r的经纬度坐标。

本研究的内插点r选取p，q的中点，即t=0.5，内插点的气压、风速等属性取前后两点的平均值。内插计算采用R 语言的geosphere 包（midPoint命令），内插前后的对比如图2所示。

图2 热带气旋影响范围内插前（前）和内插后（后）的比较示意图

2 热带气旋的叠加分析

并不是所有的热带气旋都会影响到中国大陆沿岸，没有影响的气旋在本研究中不考虑。研究范围选择中国大陆沿海地区，不包括海南、中国台湾、中国香港和中国澳门。采用ArcPy 对824 个热带气旋进行批处理，用空间选择命令（Select Layer By Location）挑选出对我国大陆沿岸有影响的227 个样例，即热带气旋的缓冲区与大陆存在交集。用Intersect analysis命令找出交集，然后转为栅格图层，再用Mosaic命令将栅格叠加。可能是由于数据量过大的缘故，一次叠加几百个栅格文件会出现报错，因此采用了分批处理的方案，每次叠加十几个图层，最后再把分批的结果叠加。

从叠加结果可以看到热带气旋的影响范围和频次（重叠次数），渤海湾是一个明显且自然的分界，将影响范围分为南北2 个区域，北部区域的辽宁省受热带气旋影响较大；南部的影响范围集中在东南沿海，一些非沿海省份如安徽、江西也受到了范围较大的热带气旋影响；江苏、上海、浙江、福建、广东的全境都处于热带气旋的影响范围内；山东和广西有小部分内陆地区不受热带气旋的影响。用沿海省份的多边形数据裁剪Mosaic栅格数据，可以按省份统计。

表1 列出了受影响较大省市的统计数据。从频次和面积看，江苏省是东南沿海受热带气旋影响最轻的；其次是上海市，气旋影响频次超过20次的面积约为2 172 km2，虽然该面积不算大，但是面积占比却达到了31.5%，甚至高于广西省的25.3%。浙江省有57%的面积（约5.8万km2）受热带气旋影响的频次超过20 次；频次超过40 次的面积却不到1%，只有0.26%。福建省则有80%的面积（约9.8 万km2）受热带气旋影响的频次超过20 次，频次超过40 次的面积几乎占全省面积的1/4；广东省有70%的面积（约12.6万km2）受热带气旋影响的频次超过20次，频次超过40次的面积同样占全省面积的1/4。

表1 部分省市受热带气旋影响的频次与面积

从叠加结果还可以看出一个非常明显的阶梯式结构，由沿海向内陆，热带气旋的影响频次逐渐递减。为了进一步分析，将Mosaic得到的栅格图层转为矢量点（76万多个），用ArcGIS Pro的Near命令计算每个矢量点到最近海岸线的距离，用R读取矢量点的属性表并用ggplot2绘制出图3的散点图，用geom_smooth命令的loess method 进行局部多项式回归（local polynomial regression fitting），拟合出曲线（灰色阴影是95%的置信度区间）。可以看到非常明显的趋势，热带气旋经过频次低的地方通常离海岸线较远，经过频次高的地方离海岸线近，这个规律在离海岸线100 km 的范围内非常显著。

图3 热带气旋频次与距离关系图

3 台风风暴潮危险性评价

3.1 危险性指标构建

热带气旋带来的风暴潮（台风风暴潮）会引起海面水位异常升高，严重威胁到沿海城市的人员和财产安全。因此热带气旋登陆时的潮位是衡量风暴潮危险性的重要指标。本文采用DHI MIKE 来模拟历年的潮位数据；MIKE 是丹麦水利研究所（danish hydraulic institue，DHI）开发的水动力模拟软件。其中的Tide Prediction of Heights 工具可以预测潮位数据。本研究选取北起辽宁省丹东市、南至广西省东兴市的海岸线，在海岸线上均匀布设了1 224 个潮位点，用MIKE 模拟了每个潮位点从1980 年4 月1 日0 时至2016年12月31日0时逐6 h的潮位数据（共53 693条记录）。

图4绘制的是浙江温岭附近，2008年7、8月的潮位变化图；其中蓝点是模型计算出的潮位；从图中可以看出潮位呈现出涨落交替的规律，周期大约为半个月。最高潮位2.39 m，最低潮位—2.79 m；潮位的起伏相对于平均海水面基本上是对称的。热带气旋登陆时的潮位计算方法如图5所示。

图4 潮位变化图

图5 热带气旋登陆时的潮位计算示意图

编写ArcPy代码，调用ArcGIS Pro的Intersect命令找出每个热带气旋影响范围与海岸线的交集，并找出离该海岸线最近的热带气旋观测点，得到观测点的日期信息，例如图5 中的1987 年6 月19 日0 时，然后根据日期信息和交集内潮位点的编号，到MIKE 生成的潮位文件中查询对应潮位点的潮位。基于潮位数据，本文提出下面的公式来计算潮位点的风暴潮危险性。

式中，H为危险性Hazard；数字3为危险性，由3个指标计算得到，这3个指标是风速V（m/s）；中心气压P0（百帕）；潮位tide（m），潮位指标采用了指数的形式，目的是避免出现零值和负值，同时适当增大潮位因子的权重。因此，风速越大，气压越低，潮位越高，则风暴潮的危险性指数也越大，在现实中对应诸如大风吹倒树木、房屋，海水淹没码头、城镇、村庄的灾祸。

3.2 沿海台风风暴潮危险性分析

对于影响大陆的227 个热带气旋，依次做上述的处理和计算，将每个潮位点的危险性指标累加起来。然后根据行政区将海岸线分段，再计算各段海岸线上的潮位点危险性指标的平均值，作为该海岸线的危险性综合指标。

根据综合指标，将海岸线按照自然断裂法（Natural Breaks）分为6 个级别，依次从低到高。结果显示，从北到南，风暴潮危险性综合指标总体上呈现出递增的趋势，从浙江省开始，海岸线的危险性指标都大于17，属于4、5、6 级别，并且呈现高低错落排列的格局。表2 列出了危险性综合指标在30 以上的沿海城市，共有11 座城市，有5 座城市来自广东省，并且其中的4 座城市：湛江市、茂名市、江门市、阳江市排名前4 位，危险性综合指标均在40 以上；这4 座城市在地理位置上也是彼此相邻的；广西有三座城市：北海市、防城港市、钦州市，危险性综合指标从高到低，并且也是地理位置彼此相邻。福建的福州市排名第8，危险性指标达35.2；浙江的台州市、温州市分别排名第9、第10位，这两座城市一北一南彼此相邻。总体上看，广东、广西两省受风暴潮的影响最大。

表2 风暴潮危险性综合指标大于30的城市

4 结论与展望

热带气旋是一个复杂的自然现象，分析单个具体的热带气旋，可以采用数值模拟方法；分析众多的历史热带气旋，则需要用简化的方法。从GIS 的角度看，热带气旋可以抽象为点、线、面对象，点是热带气旋的中心，线是热带气旋的移动路线，面是热带气旋的影响范围。从危险性的角度看，“面”是最重要的特征，其大小代表了热带气旋的影响级别。本文基于历史热带气旋的尺度资料，用球面线性内插和GIS技术生成了热带气旋的影响范围，对1980—2016年，登陆中国沿海地区的227 个热带气旋进行了空间分析，得到了对应的影响范围与频次信息。从分析结果看，东南沿海的浙江、福建、广东、广西四省受热带气旋影响的范围大、频次高，其中福建、广东两省受影响最甚。论文也从风暴潮的角度分析了各海岸线的危险性，借助MIKE 软件估算出了热带气旋登陆时的潮位，并提出一个计算风暴潮危险性的公式。从计算结果看，广东、广西两省的海岸线受风暴潮的影响最大。

本文的研究也存在不足之处，对热带气旋影响范围的建模不够精细，只考虑了某个风速的风圈半径；没有考虑风强度和降水因素[12]。所提出的热带气旋危险性指标，其适用性还需要在实践中检验。需要说明的是，危险性指标高，并不一定代表造成的损失大。虽然热带气旋的产生和登陆是不可避免的，但是人类可以做好防护工作，尽量减少损失。在后续的研究中，还需要进一步考察承灾体的防潮能力、易损性[11]，例如海堤建设、应急预案等，进一步从风险的角度分析热带气旋灾害。