三门峡市冰雹灾害风险评估

摘 要：【目的】三门峡市汛期冰雹多发，易给当地特色农业带来不利影响，通过对冰雹灾害风险进行评估，辨识高风险区，为更为有效地指导防灾减灾提供科学依据。【方法】利用降雹、数字高程模型、遥感影像、财政收入和防雹能力建设等数据对三门峡市冰雹灾害风险进行评估；根据各因子及其权重建立三门峡市冰雹灾害风险评估模型，定量计算各因子的冰雹灾害风险指数：将各项数据叠加得到三门峡市冰雹灾害风险指数，并对高低风险区进行了划分。【结果】高风险、中高风险区主要集中在崤山南北两侧的河谷一带，其面积占全市面积的24%。【结论】应重点关注高风险、中高风险区的防雹减灾工作。评估结果可为三门峡市冰雹防灾减灾和产业发展提供参考。

关键词：冰雹灾害风险；人工防雹；GIS；遥感

中图分类号：P482 文献标志码：A 文章编号：1003-5168（2024）16-0111-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.16.022

Risk Assessment of Hail Disaster in Sanmenxia City

YANG Linbo

（Sanmenxia Meteorological Bureau， Sanmenxia 472000，China）

Abstract：[Purposes] The frequent occurrence of hail weather during the flood season in Sanmenxia City can easily have adverse effects on local characteristic industries. By assessing the risk of hail disasters and identifying high-risk areas， scientific basis can be provided for local governments to more effectively guide disaster prevention and reduction. [Methods] The risk of hail disasters in Sanmenxia City was evaluated using data such as hail， digital elevation models， remote sensing images， fiscal revenue， and hail prevention capacity construction; The hail disaster risk assessment model for Sanmenxia City was established based on various factors and their weights. The hail disaster risk index for each factor was quantitatively calculated， and the hail disaster risk index for Sanmenxia City was obtained by overlaying various data，high and low risk areas were divided. [Findings] It was found that high-risk and medium high risk areas were mainly concentrated in the river valleys on the north and south sides of Xiaoshan Mountain，whose area accounts for 24% of the city's total area. [Conclusions] Special attention should be paid to the hail prevention and disaster reduction work in the above areas，and the evaluation results can provide theoretical reference and guidance for hail prevention and reduction， as well as industrial development in Sanmenxia City.

Keywords：hail disaster risk; artificial hail suppression; GIS; remote sensing

0 引言

冰雹是强对流云中降落下来的一种固态降水物，具有季节性明显、局地性强、持续时间较短等特点。虽然一次降雹的影响范围普遍较小，但由于降雹往往伴随着狂风暴雨，极易给影响区域带来严重灾害［1-2］，因此，做好冰雹天气的防灾减灾工作对经济社会发展具有重要意义。

2020年，国务院办公厅印发《关于推进人工影响天气工作高质量发展的意见》（国办发〔2020〕47号）明确提出：要强化农业生产服务，开展粮食生产功能区、重要农产品生产保护区和特色农产品优势区干旱、冰雹等灾害评估与区划工作。国内外灾害管理与减灾实践表明，在人类无法控制自然灾害发生甚至还不能完全准确地对自然灾害进行预报和预警的条件下，通过对自然灾害风险的综合评估，辨识高风险区，可为更有效地指导防灾减灾提供科学依据［3］。

基于防灾减灾工作的需要，不少学者针对多个地区的冰雹灾害开展了风险评估或区划工作［4-11］。董鹏捷等［9］结合多种评估因子建立了北京地区冰雹灾害风险评估模型，并利用损失相当法解决了风险评估工作中多指标融合的难点问题；张菡等［10］利用地理信息系统对四川烤烟主产区冰雹灾害进行了风险评估，为该地区烤烟种植结构调整及冰雹灾害防御提供了科学指导。三门峡市地处豫西山区，是河南省重要的苹果、烟叶产区，汛期5—9月是冰雹多发季节，也是这些作物的关键生长期，一旦降雹不仅会带来严重的损失，还给社会经济发展带来不利影响，因此，对冰雹灾害进行风险评估是做好三门峡市冰雹防灾减灾工作的必要环节。

1 数据来源与研究方法

1.1 数据来源

在使用程序或GIS软件对气象要素插值时，插值精度较高的情况有两种：一是年、月类型的历史气象要素值，二是连续性较强的气象要素值（如气温、气压等）［12］。研究发现，对于降水数据，随着时间尺度由年到月到日的变化，插值精度明显下降，时间尺度越小插值结果的不确定性越大［13］。对于时间尺度较短、局地性较强的雷暴大风和冰雹等气象观测要素，一般的空间插值方法并不合适。而经济社会指标一般以乡镇（街道）为单位进行统计，其空间化受诸多自然地理、社会经济要素的影响，需要构建复杂的模型［14］，简单的反距离加权、多项式回归、克里格等插值方法无法反映其真实空间分布情况。因此，本研究以行政区划的乡镇（街道）为评估单元，所使用的数据均精确到乡镇（街道）一级。所用资料包括地面降雹数据、DEM高程数据、遥感数据、财政收入数据、防雹能力建设数据，具体数据类型及来源见表1。

1.2 研究方法

“区域自然灾害系统论”观点认为，灾害是社会与自然综合作用的产物，即灾害是地球表面孕灾环境、致灾因子、承灾体、防灾减灾能力综合作用的产物［15-16］。结合三门峡市的实际，冰雹灾害风险评估将基于年降雹次数、海拔高度、作物种植（耕地）面积、年财政收入、防雹能力建设等因子来构建，进一步对区域灾害风险进行定量化评估。不同的因子单位不同，彼此之间数量级相差极大，为能使各因子能在同一水平上进行比较计算，需进行归一化处理，使各因子的要素值落在0～1之间。由于各因子与冰雹灾害风险的相关性不同，还应区分处理，对于年降雹次数、作物种植面积来说，数值越大，则风险越高，根据（1）式进行普通的归一化处理；对于财政收入和防雹能力建设情况来说，数值越大，则防灾减灾能力越强，风险越低，需根据（2）式进行反归一化处理。

[f=x−xminxmax−xmin] （1）

[f=1−x−xminxmax−xmin] （2）

式中：[x]为因子值；[f]是因子[x]的归一化值； [xmin]和[xmax]分别是因子[x]序列中的最小值和最大值。

得到各因子的归一化数值后，通过层次分析法和专家打分法得到各因子的权重，将归一化值乘以相应因子的权重后叠加，即可得到冰雹灾害风险评估结果，计算方式见式（3）。

R = [i=1nfiwi] （3）

式中：R为冰雹灾害综合风险；[fi]为第[i]个因子的归一化值；[wi]为第[i]个因子的权重。

2 冰雹灾害风险评估

2.1 致灾因子危险性风险评估

致灾因子又称为灾变因子，主要反映灾害本身的危险性程度，一般被描述为危险性，包括灾害发生频率、强度、影响范围等［17］。本研究使用各乡镇（街道）2000—2022年的累计降雹次数对致灾因子危险性进行评估。经统计，全市各乡镇均有降雹，降雹次数的高低有明显的地区分布差异，冰雹高发区位于灵宝市的朱阳镇、五亩乡、苏村乡和卢氏县的官道口镇、杜关镇、沙河乡、范里镇等地，其中灵宝市朱阳镇的降雹次数达到了36次，为全市最多。

对降雹次数数据进行归一化处理并用自然间断点分级法进行分级，得到致灾因子危险性风险评估结果如图1所示。由图1可知中高风险区和高风险区位于灵宝市、卢氏县交界处，与降雹次数多少的分布一致。

2.2 孕灾环境敏感性风险评估

孕灾环境是指孕育灾害的自然环境。冰雹云的生成及冰雹灾害的发生受下垫面的影响很大，王瑾等［18］研究表明地形高程是影响贵州省降雹分布的最主要地形因子。三门峡市地形地貌类型丰富，有“五山四陵一分川”的特征，地形对大气抬升作用非常明显。将雹云形成地点及出现降雹地点作为兴趣点，并对三门峡市冰雹云的形成到减弱全过程进行跟踪，统计雹云及降雹点海拔高度分布情况，发现当海拔高度在500 m以下和1 500 m以上时出现冰雹的次数很少，这些兴趣点的海拔高度主要为500～15 00 m［19］。因此，选取海拔高度作为冰雹灾害孕灾环境敏感性的因子进行计算。根据兴趣点海拔高度统计结果，按照300 m的间隔计算各海拔高度区间的兴趣点占所有统计到的兴趣点的数量比例，占比越高则位于此海拔高度区间的冰雹灾害风险越高，最后将各区间比例进行归一化处理，得到各区间的影响度值见表2。

从三门峡市DEM数字高程数据中提取每个栅格的海拔高度信息，根据表2和每个栅格的海拔高度对各栅格进行赋值并进行分类，得到孕灾环境敏感性风险评估结果（如图2所示）。评估结果显示，三门峡市大部分地区都位于中高风险区和高风险区。沿黄一线、渑池县南部、卢氏县中部为中高风险区，灵宝市和卢氏县交界处崤山一带、卢氏县南部伏牛山区、渑池县中北部韶山、陕州区西南甘山为高风险区，而灵宝市西部的小秦岭和渑池县北部黄河河道则因为海拔过高和过低而处于低风险区。

2.3 承灾体脆弱程度风险评估

承灾体是指直接受到灾害影响和损害的人类社会主体，涵盖了人类本身和社会发展的各个方面。历史资料统计显示，三门峡市冰雹天气的受灾对象主要为农业、养殖业、城市建设基础设施、交通车辆等4类，其中农业受灾最为常见，主要是因为三门峡市农业主要以林果业、烟叶等特色产业为主，这些产业受冰雹的影响非常大，而车辆则是近年来随着城市化进程的加快而出现的新一类承灾体。因此，选取农业和车辆两种因子来进行承灾体脆弱程度风险评估。

根据经验，农业分布情况与耕地的分布较为一致，而汽车由于与人类活动息息相关，主要集中在城市建成区、高速公路、国道省道等基础设施中，因此可以通过对卫星遥感数据进行土地利用类型分类提取到农业和车辆的分布情况。为确保数据精确程度，利用哨兵2号卫星遥感数据进行数据提取处理，选取作物生长主要时期没有云层覆盖的卫星遥感图像，对影像进行监督分类后提取出耕地和城市建成区的分布情况。三门峡市历年来降雹尺寸普遍不大，对农作物的破坏较为严重，冰雹对农业的影响要明显大于对车辆的影响，据此对各因子进行归一化处理并赋予相应的权重，得到冰雹灾害承灾体脆弱程度风险评估结果（如图3所示）。

根据评估结果，中风险区为三门峡市各级城市建成区、主要交通路线等人类活动集中的区域。中高风险区则为全市耕地分布区域，主要分布在灵宝市沿黄一线、灵宝市和卢氏县交界处、卢氏县中部、渑池县中南部、陕州区东南部区域，包含了烤烟、苹果、大杏、设施农业等产业。

2.4 防灾减灾能力风险评估

防灾减灾能力可以反映社会为使承灾体免受或少受灾害威胁而采取的防备措施力度大小，包含在防灾减灾工作方面投入的财力、设施建设等。现阶段防御冰雹灾害主要是通过人工发射防雹炮弹、火箭弹到冰雹云中，一方面扰乱冰雹生长所需的环境气流，另一方面增加云中凝结核数量，分散云中过冷水，使冰雹不能顺利生成或是减小冰雹的直径，从而实现防雹减灾的目的。考虑到防雹炮弹、火箭弹均为消耗品，一个地方的雹灾防御能力与其在防御冰雹灾害方面的资金投入和人工影响天气作业点（以下简称人影作业点）建设情况息息相关，因此选择各乡镇的财政收入和人影作业点建设情况作为防灾减灾能力的评估因子。由于并非所有乡镇都建设有人影作业点，故仅统计建设有人影作业点并正常开展人工影响天气工作的相关乡镇数据。三门峡市防雹区域各乡镇财政收入情况及冰雹灾害防灾减灾能力风险评估如图4所示。

由图4（a）可知，开展人工防雹工作的各相关乡镇财政收入差异较大，灵宝市朱阳镇、渑池县坡头乡财政收入均达到了1.8亿以上，灵宝市寺河乡却不足0.1亿，整体上看，渑池县各相关乡镇的财政收入水平相对比较均衡。人影作业点建设方面，各乡镇的建设力度也各不相同：灵宝市朱阳镇人影作业点数量达到了5个；五亩乡、苏村乡、寺河乡的作业点为3个；卢氏县、渑池县、陕州区相关乡镇的人影作业点基本上都是1至2个。根据装备技术参数，人影作业弹药的作业有效距离最远可达10 km，因此，以10 km为半径进行作业覆盖缓冲区分析。从理论上来说，凡是开展人工防雹工作的乡镇，人影作业基本上能够覆盖其大部分地区（在实际作业过程中，由于不能向城镇、铁路、公路、油库等场所射击，人工防雹覆盖区域会略有不同），具体包括灵宝市南部、卢氏县北部、渑池县大部、陕州区东部等区域，这些区域正是全市烟叶、苹果、大杏等特色产业的主要产区。

不同于降雹次数和承灾体的分布，财政收入情况和人影作业点建设情况与冰雹灾害风险呈负相关关系。一个地方的财政收入越高、作业点建设越是规范合理，冰雹灾害风险就越低。根据以上统计数据，将财政收入数据和防雹作业覆盖区数据栅格进行反归一化处理，并赋予相应的权重，叠加计算得到三门峡市冰雹灾害防灾减灾能力风险评估结果如图4（b）所示。可以发现，灵宝市朱阳镇、渑池县西部各乡镇的防雹作业能力高、覆盖范围大，处于低风险区，这是因为这两个地区的财政收入高、人影作业点设置也比较合理；灵宝市寺河乡、五亩乡和卢氏县木桐乡的防雹能力较低，处于中高风险区，相应的，这些地方的要么财政收入较低，要么站点比较少。而未布设人影作业点的其他乡镇，则没有人工防雹能力，处于高风险区。

2.5 三门峡市冰雹灾害综合风险评估

根据上述评估结果，通过层次分析法及专家打分法计算各评估因子的权重，得到各因子的权重分别为致灾因子危险性0.26、孕灾环境敏感性0.18、承灾体脆弱程度0.34、防灾减灾能力0.22。将各因子归一化后的数值乘以相应的权重后叠加（式3），得到三门峡市冰雹灾害综合风险评估结果。根据

计算结果分布情况，将全市划分为5个风险等级区域，结果见表3。

三门峡市冰雹灾害综合风险评估结果及地形示意如图5所示。由图5可知，全市高风险及中高风险区主要集中在崤山北侧、崤山与秦岭余脉之间的河谷（灵宝市南部朱阳镇、五亩乡、苏村乡）、崤山南侧与熊耳山之间的洛河河谷（卢氏县官道口镇、沙河乡、范里镇、杜关镇北部），这些区域历史降雹次数高，承灾体为烟叶、苹果等农作物，同时也是人口聚集的区域，虽然有一定的防御冰雹能力，但效果比较有限，冰雹灾害风险仍然较高；另一处相对集中的中高风险分布区域位于灵宝市沿黄至三门峡市区南部、渑池县中部区域，这一区域虽然历史降雹次数不多，但存在一定数量的承灾体（耕地和建筑物），同时处于人影作业点覆盖范围之外，从而成为冰雹灾害的中高风险区域。上述区域以外的其他区域冰雹灾害风险则相对较低，通过分析也可以发现，人影作业点对部分乡镇的冰雹防灾减灾起到了重要作用。

3 结论与讨论

①冰雹灾害风险的高低与区域降雹次数、海拔高度、人口和作物聚集、财政状况、人影作业点分布情况密不可分。三门峡市冰雹灾害高风险区域占全市面积的3.68%，中高风险区占20.38%。高风险、中高风险区主要集中在崤山北侧以及崤山与秦岭余脉之间的河谷、崤山南侧与熊耳山之间的洛河河谷，另一处相对集中的区域位于灵宝市沿黄至三门峡市区南部、渑池县中部，需重点关注以上区域的防雹减灾工作。

②为做好冰雹防灾减灾工作，下一步应重点做好以下几点工作：一是提升重点区域人影作业点建设密度和财政投入，正面提升防雹能力；二是着力提升本地冰雹天气预报预警能力，充分发挥气象防灾减灾第一道防线作用；三是加大气象科普力度，提升民众冰雹灾害防御意识及防御能力，在冰雹来临前，及时采取措施降低财产损失。

③由于冰雹统计数据在时间尺度上具有一定的局限性，城市建设、经济发展等数据也在不断变化，因此要做好各类评估因子的数据收集更新，定期对灾害风险进行再评估，进一步提升评估结果的准确度。

参考文献：

［1］唐为安，田红，温华洋，等.安徽省冰雹灾害风险评估模型研究［C］//S1 灾害天气研究与预报，2012-08-07，中国辽宁沈阳，2012：30-37.

［2］ 段云峰，胡正华，刘明春，等.基于 GIS 的祁连山东端冰雹灾害风险评估与区划［J］.长江科学院院报，2016，33（5）：129-134.

［3］ 葛全胜，邹铭，郑景云，等.中国自然灾害风险综合评估初步研究［M］.北京：科学出版社，2008：1-3.

［4］ 尹圆圆，王静爱，赵金涛，等.棉花冰雹灾害风险评价： 以安徽省为例［J］.安徽农业科学，2012，40（25）：12506-12509.

［5］ 李蒙，朱勇，吉文娟.基于 GIS 的云南烟区冰雹灾害风险评价［J］.中国农业气象，2012，33（1）：129-133.

［6］ 翟志宏，姜会飞，叶彩华，等.基于概率分布模型的北京地区冰雹灾害风险区划［J］.中国农业大学学报，2008，13（6）：49-53.

［7］ 扈海波，董鹏捷，熊亚军，等.北京奥运期间冰雹灾害风险评估［J］.气象，2008，34（12）：84-89.

［8］ 刘彩红，王黎俊，王振宇，等.基于灾损评估的青海高原冰雹灾害风险区划［J］.冰川冻土，2012，34（6）：1409-1415.

［9］ 董鹏捷，王建捷.北京地区冰雹灾害风险评估模型及风险区划［J］.暴雨灾害，2012，31（1）：29-34.

［10］ 张菡，刘晓璐，房鹏，等.四川烤烟主产区冰雹灾害风险评估［J］.气象科技，2016，44（3）：468-473.

［11］ 高晓容，李硕，王翌.北京市通州区风雹灾害风险评估与区划［J］.安徽农业科学，2015，43（29）：219-222.

［12］ 庄立伟，王石立.东北地区逐日气象要素的空间插值方法应用研究［J］.应用气象学报，2003，14（5）：605-615.

［13］ 朱会义，贾绍凤.降雨信息空间插值的不确定性分析［J］.地理科学进展，2004，23（2）：34-42.

［14］ 杜国明.人口数据空间化方法与实践［M］.北京： 中国农业出版社，2008：84-98.

［15］ 史培军.三论灾害研究的理论与实践［J］.自然灾害学报，2002，11（3）：1-9.

［16］ 袁湘玲，纪华，程琳.基于层次分析模型的黑龙江省雷电灾害风险区划［J］.暴雨灾害，2010，29（3）：279-283.

［17］ 央金卓玛，列杰班宗，央金白姆，等. GIS 支持下的西藏冰雹灾害风险评估模型［J］，高原山地气象研究，2016，36（2）：69-74.

［18］ 王瑾，刘黎平.基于GIS的贵州省冰雹分布与地形因子关系分析［J］.应用气象学报，2008，19（5）：627-634.

［19］ 杨林博. 2006—2021年三门峡市雹云路径研究［J］. 现代农业科技，2022（23）：162-166.