1970—2020 年长江三角洲地区大风时空分布及风险评估

刘雨生，苏 扬，武于洁，余永安，王振刚

（1.南京航天宏图信息技术有限公司，南京 210012；2.航天宏图信息技术有限公司，北京 100089；3.江苏华高软件技术有限公司，南京 211300）

大风灾害严重影响到全球农业生产、社会经济和可持续发展［1］，并引起了人们的高度重视。中国是受大风灾害影响较为严重的国家［2，3］，春季大风会造成作物毁种、补种，夏、秋季大风会导致作物倒伏等［4-6］；此外，大风对生态环境也有很大影响，可导致土壤蒸发强烈，干旱加剧，使农田退化或沙漠化，造成生态环境恶化［7-10］；大风对交通、电信、城市建筑等破坏性也较大［11，12］。进行大风灾害危险和风险评估，可以为科学防范风灾提供指导。

大风作为表征气候变化的重要气候因素［13-15］，在已有的研究中关注较少，因此研究大风事件变化特征和规律是气候研究的一项重要内容［16-18］。针对大风天气的研究主要集中在近地表风速和大风日数的长期趋势变化方面［19-21］。其中，针对中国区域的风速研究表明，中国近地表整体风速呈现下降趋势［20］。Kousari 等［22］在伊朗的研究表明，研究区近地表风速整体呈上升趋势，但局部地区风速下降十分显著。俞海洋等［23］采用河北省142 个气象站的风速观测数据与灾情资料，分析了河北近30 年的大风时空分布及成灾特征。田晓璐［24］从致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力4 个方面构建大风灾害风险评估指标体系，实现卫辉市大风灾害风险评估区划。吴秀兰等［25］根据概率密度分布确定大风灾害危险等级，结合平均风速数据和统计年鉴资料，研究分析了北疆风灾的时空变化特征及成因。李金凤等［26］利用长江源区气象观测站1981—2019 年的大风日数资料，采用线性倾向估计方法对大风天气日数的月、季和年际变化进行研究。已有一些针对大风时空变化特征的研究，但对长江三角洲地区区域内大风日数和极大风速的时空变化分析以及大风灾害分布特征评估的研究较少［27］。

本研究基于1970—2020 年长江三角洲地区63个地面观测站的逐日气象观测数据，分析大风日数和极大风速致灾因子的时空变化情况，并综合考虑孕灾环境敏感性因子对大风灾害的影响，探究长江三角洲地区近50 年的大风灾害时空分布特征，并以人口和经济为承灾体，进一步研究大风灾害对人类活动和经济产业发展造成的风险性影响，这对长江三角洲地区的大风灾害防灾减灾工作具有重要理论意义，可以为经济社会的可持续发展提供指导。

1 数据与方法

1.1 数据来源

选取的气象观测数据来源于国家气象科学数据中心（http：//data.cma.cn/）的中国地面气候资料日值数据集。气象灾害的孕灾环境通常是指人类生产、生活所处的自然地理环境，包括地形、地势、地貌、地质条件、水系分布等［9］，选取植被覆盖度和高程作为主要孕灾环境敏感性因子［24］，衡量植被覆盖度和高程对大风灾害的综合影响；植被覆盖度由MODIS 归一化植被覆盖指数产品MOD13Q1 计算得到，高程数据下载自美国地质调查局官网（https：//lpdaac.usgs.gov/products/srtmgl1v003/）。

GDP 和人口空间分布数据来源于中国历史GDP 空间分布公里网格数据集（1990—2015 逐年，1 km）和中国历史人口空间分布公里网格数据集（1990—2015 逐年，1 km）［28，29］，下载自国家青藏高原科学数据中心（https：//data.tpdc.ac.cn/）。

1.2 研究方法

1.2.1 危险性评估 参考气象学中的定义，将近地表10 m 高度处瞬时风速达到或超过17.2 m/s 称为大风，出现大风的日期称为大风日［21］。本研究以极大风速大于等于17.2 m/s 为阈值对每个站点的数据进行筛选，得到符合时间范围内（1970—2020 年）的大风事件。根据大风事件过程信息计算出单站点的各致灾因子强度（大风年平均次数和平均极大风速值），基于计算得到的大风致灾因子值，采用Minmax 标准化方法进行致灾因子归一化，致灾因子危险性指数H可表示如下。

式中，H为致灾因子危险性指数，D为归一化后的大风年平均日数，WD为对应的权重，S为归一化后的平均极大风速值，WS为对应的权重。

考虑植被覆盖度和高程对大风的综合影响，采用Min-max 标准化方法进行孕灾环境敏感性因子归一化，孕灾环境敏感性指数E可表示如下。

式中，E为孕灾环境敏感性指数，M为归一化后海拔高度因子，N为归一化后植被覆盖度因子，WM和WN分别为对应的权重。

综合致灾因子危险性指数和孕灾环境敏感性指数的大风危险性指数F可表示如下。

式中，H为致灾因子危险性指数，E为孕灾环境敏感性指数，WE和WH分别为对应的权重，采用熵权法计算确定。

1.2.2 风险性评估 风险性是一定概率下承灾体受灾害影响而造成的破坏或损失程度［25］，结合式（3）得到的大风危险性指数，以人口和经济密度作为承灾体进行大风灾害的风险性评估分析。大风对不同承灾体造成的风险性指数R可表示如下。

式中，F为大风危险性指数，EP为单个承灾体的易损性指数，WF和分别为对应的权重，采用专家打分法确定。

根据上述计算得到的不同类型承灾体的风险指数，利用标准差法进行风险等级划分，标准差法的划分方法如表1 所示，其中R为风险指标，Ave和σ分别为所有统计单元内风险值为非0 值集合的平均值和标准差。研究技术路线设计如图1 所示。

图1 技术路线设计

2 结果与分析

2.1 大风危险性时空变化分析

1970—2020 年长江三角洲地区大风灾害危险性空间特征分布如图2 所示。图2a是利用气象观测数据计算得到致灾因子危险性指数分布情况，可以看出浙江东部和东南部地区、上海东部区域以及江苏北部地区等沿海区域，主要呈现大风高致灾危险性，可能原因是位于海陆过渡带和气候过渡带的重叠地区，天气复杂多变，是典型的气象灾害多发区，如夏秋季的热带气旋、秋冬季的寒潮天气等，常给沿海地区带来大风天气［30，31］。安徽南部等地处于皖南山区地带，复杂的地形和山坡谷地之间受热不均匀导致温差较大，易形成山谷风天气［32，33］，呈现出较高的大风危险性，安徽中部和北部地区、江苏除北部部分地区外以及浙江的中部地区，基本处于较低或低危险性。图2b 展示了综合植被覆盖度和高程地形因子的大风孕灾环境敏感性指数的空间分布情况，可以看出长江三角洲南部地区的孕灾环境敏感性要高于中部和北部地区，主要包括浙江中部和南部地区以及安徽的南部地区，整体呈现出南部较高、中部一般、北部较低的空间分布趋势。

图2 c 是综合大风致灾因子危险性和孕灾环境敏感性得到的大风危险性指数。可以看出，长江三角洲范围内大风灾害多发和较高危险性地区集中在浙江东部沿海区域、上海东部以及安徽南部部分区域；中等危险性分布在安徽西南部、江苏北部沿海区域、浙江中北部地区；而江苏和安徽的大多区域均为较低危险性。

2.2 大风致灾因子时空特征变化分析

选取1970—2020 年大风事件过程中的大风日数和平均极大风速值，探究大风致灾因子时空分布变化对于大风灾害的影响。图3 是大风致灾因子的空间分布情况，整个长江三角洲地区发生大风天气日数较多的地区集中在浙江东部、安徽南部、上海东部和江苏北部；其中浙江东部沿海地区和上海东部区域发生大风事件的平均日数都在9.6 d 以上，同时浙江东部的平均极大风速也都在20.1 m/s 以上，相对长江三角洲其他区域来说呈现高值，主要是因为沿海与内陆地区的气候存在一定差异性，但上海东部的平均极大风速大多在19.5～19.8 m/s，相对其他区域并不高。浙江中部以及南部地区发生大风天气的平均日数为2～3 d，极大风速值基本都在19.8 m/s 及以上，长江三角洲中部孕灾环境敏感性高的地区极大风速强度要小于南部沿海地区。安徽南部的大风年平均日数和极大风速值的趋势基本保持一致，与皖南等地的地形多为山峰山谷，容易形成对流大风天气有关［34］。

由1970—2020 年逐年大风日数和平均极大风速值的时序变化情况（图4）可以看出，年大风日数在1997 年出现最低值96 d，在2004 年出现最高值157 d。近50 年时间范围内，大风日数年平均值约为124 d，表明长江三角洲地区平均每年大风天气日数约占全年的三分之一，其中高于年平均日数的年份占比51%，低于年平均日数的年份占比49%；年大风日数变化最大的年份出现在1974—1975 年和2000—2001 年，其中1974—1975 年的全年大风日数由140 d 减少到111 d，2000—2001 年的全年大风日数由98 d 增加到136 d。年大风日数在2005 年之后变化趋势相对平稳一些。

图4 长江三角洲地区大风致灾因子时间特征变化

1970—2020 年大风过程中的平均极大风速在19.43～21.25 m/s，极大风速强度在不同年份有所差异但并未表现出急剧增大或减小的趋势。其中平均极大风速在1998 年出现最大值21.25 m/s，在2011年出现最小值19.43 m/s，极大风速的年平均值为20.25 m/s，高于年平均极大风速的年份占比45.1%，低于年平均极大风速的年份占比54.9%；极大风速值变化最大的年份是在1990—1991 年和1997—1998 年，其中1990—1991 年平均极大风速由20.80 m/s 减小到19.81 m/s，1997—1998 年平均极大风速由20.24 m/s 增加到21.25 m/s。整体上年平均极大风速值的变化趋势相对于年大风日数更平缓，在2010 年后的极大风速强度较之前有所降低。

2.3 不同季节大风时空变化差异对比

为了进一步探究不同季节的气候变化特征对于大风灾害天气的影响，分析了各季节长江三角洲地区大风危险性的空间分布特征（图5），由图5 可以看出，春季长江三角洲的南部地区相对于北部地区的大风危险性更高，江苏、安徽的绝大多数地区都处于较低的危险性，整个区域内处于极高危险性的地区相对较少；夏季长江三角洲区域内随着海洋季风的北进，呈现出高温多雨的气候特点［32］，浙江东部沿海和安徽南部部分地区表现为高危险性；秋季和夏季的大风危险性空间分布基本相似，但秋季浙江中部部分地区要表现出比夏季更高的危险性，在安徽西部的危险性有所降低；冬季相对于其他季节大风危险性明显降低，整个长江三角洲北部基本处于低危险性，南部还是浙江东部沿海和安徽南部部分地区表现出较高危险性，浙江中部地区的危险性也有一定程度的降低。从不同季节大风的危险性空间分布来看，夏秋季的危险性要高于春冬季，浙江南部沿海地区在不同季节都表现为较高的危险性。另一方面，长江三角洲南北区域气候差异性大［27］，整体上南部区域的大风危险性要高于北部。

图5 长江三角洲地区不同季节大风灾害危险性空间分布

统计不同季节大风日数和平均极大风速的时序变化情况（图6）。由图6a 可以看出，1970—2020年春季大风日数最大值48 d 出现在2004 年，最小值24 d 出现在1997 年，春季年平均大风日数为34.92 d，高于平均值的年份占比49%，低于平均值的年份占比51%；夏季大风日数最大值51 d 出现在2005年，最小值22 d 出现在1999 年，夏季年平均大风日数为36.41 d，高于平均值的年份占比51%，低于平均值的年份占比49%；秋季大风日数最大值33 d 出现在2004 年，最小值13 d 出现在1995 年，秋季年平均大风日数为23.39 d，高于平均值的年份占比52.9%，低于平均值的年份占比47.1%；冬季大风日数最大值39 d 出现在2010 年，最小值22 d 出现在1998 年，冬季年平均大风日数为29.96 d，高于平均值的年份占比56.8%，低于平均值的年份占比43.2%。总体上夏季的年平均大风日数最大，秋季最低。从不同年份之间各季节的大风日数对比来看，夏季高的年份相对更多，秋季大风日数普遍更少，夏季和秋季之间大风日数的差异更明显。其中，大风日数相差最大为34 d，出现在2011 年的夏秋季，相差最小为0，出现在1970 年和2004 年的秋冬季、2002 年的夏冬季和2010 年的春冬季。

图6 长江三角洲地区不同季节大风致灾因子时间特征变化

由平均极大风速值的时间序列变化统计（图6b）可以看出，1970—2020 年春季平均极大风速的最大值21.22 m/s 出现在1998 年，最小值18.81 m/s出现在2017 年，春季年平均极大风速为20.16 m/s，高于平均值的年份占比51%，低于平均值的年份占比49%；夏季平均极大风速的最大值22.55 m/s 出现在1996 年，最小值19.50 m/s 出现在2011 年，夏季年平均极大风速为20.71 m/s，高于平均值的年份占比52.3%，低于平均值的年份占比47.7%；秋季平均极大风速的最大值21.73 m/s 出现在1977 年，最小值18.93 m/s 出现在2006 年，秋季年平均极大风速为20.09 m/s，高于平均值的年份占比47%，低于平均值的年份占比53%；冬季平均极大风速的最大值21.08 m/s 出现在1998 年，最小值19.07 m/s 出现在1971 年，冬季年平均极大风速为19.88 m/s，高于平均值的年份占比51%，低于平均值的年份占比49%。夏季的年平均极大风速强度最高，冬季最低。不同年份之间各季节的平均极大风速对比表明，夏季极大风速高的年份相对更多，冬季普遍极大风速更低，夏季和秋冬季之间平均极大风速的差异相对更明显。其中平均极大风速值相差最大为2.408 m/s，出现在2006 年的夏秋季，相差最小为0.015 m/s，出现在1998 年的夏冬季。

2.4 不同承灾体大风风险性评估

承灾体的暴露度主要指暴露于危险性中的人口和财产等要素，以揭示灾害下承灾体的暴露性［15］。图7 展示了不同季节以经济为承灾体的大风风险等级空间分布，可以看出各季节大风灾害的经济风险等级分布较为相似，只有浙江中部地区在春秋季的经济风险要高于夏冬季；浙江南部沿海区域、上海以及主要省会城市基本为高或较高经济风险等级，主要与大风危险性和承灾体暴露度分布的共同影响有关。其中，浙江南部受到大风灾害危险性影响较大，而上海和各省会中心城市的经济发展水平高，受到大风灾害造成财产损失的风险也较高，例如苏州的GDP 高于南京，表现出相较于南京更高的大风灾害经济风险。其他区域表现为较低或低风险等级，经济活动受到大风灾害的影响较小。

图7 长江三角洲地区大风灾害经济风险等级空间分布

图8 展示了不同季节以人口为承灾体的大风风险等级空间分布情况，由图8 可以看出，安徽南部在春冬季的人口风险要高于夏秋季，浙江中部地区在春秋季的人口风险也要略高于夏冬季，苏州地区在夏冬季的人口风险高于春秋季。而浙江南部沿海部分区域尽管人口数量不多，但由于大风灾害危险性高的影响，导致该区域的人口风险也基本处于高或较高等级。各省的人口风险分布主要和人口密度分布较为一致，例如江苏的苏州、南京，浙江的杭州、温州，安徽的合肥、阜阳等地，为主要的高或较高人口风险等级。另一方面，人口风险也和经济风险的空间分布趋势基本一致，经济发展水平较高的区域也意味着更高的人口密度分布，因此对于经济水平发展较高的区域，应当针对大风灾害可能造成的经济或人口风险做好相应防护措施，减小相应的人员伤亡或财产损失。

3 结论

本研究利用1970—2020 年的气象观测资料，对长江三角洲地区大风灾害的时空变化特征进行分析，并讨论了大风灾害对人口和经济分布所造成的风险性影响，主要结论如下。

1）1970—2020 年长江三角洲区域的浙江东部沿海区域和上海东部区域，大风年平均日数都在9.6 d 以上，浙江东部和安徽南部部分区域的年平均极大风速也基本在20.1 m/s 以上，呈现相对较高的大风强度，但总体上大风平均日数和极大风速强度都呈现明显的降低趋势。整个长江三角洲地区大风灾害的高危险性地区主要集中在浙江东部、安徽南部、上海东部和江苏北部，相关防灾减灾部门应针对大风天气做好相应的防护措施。

2）不同季节的大风时空变化特征分析结果表明，长江三角洲地区北部和浙江东部在夏秋季的大风危险性要明显高于春冬季，并且由于气候的差异性，南部和北部地区大风在不同季节造成了不同程度的危险性影响。从大风致灾因子的变化分布可以看出，年平均大风日数在夏季要高于其他季节，秋季相对最少，逐年之间不同季节的大风日数变化不大，夏秋季相对春冬季变化要更为明显一些；各季节逐年的平均极大风速值则较为接近，夏季极大风速高的年份相对更多，冬季更少。

3）以经济和人口为承灾体的大风风险评估分析结果表明，大风经济和人口风险性分布整体趋势相近，受到大风危险性和承灾体暴露度的综合影响，非沿海地区主要高风险区集中在经济发展水平较高和人口分布集中的城区。不同季节人口和经济风险的空间分布差异主要受大风灾害危险性的季节性差异的影响。