歷史災情下的雪災脆弱性分析范文

本站小編為你精心準備了歷史災情下的雪災脆弱性分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:選取受災人口、農作物受災面積兩個指標作為雪災脆弱性分析的因素，在災情數據標準化處理的基礎上，采用參數估計方法確定災情總體所服從的概率分布形式，結果表明，在顯著性水平時，受災人口、農作物受災面積均服從Weibull分布，且參數最優;從概率密度函數、累積分布函數統計特征來看，約80%的雪災事件造成的受災人口占年末總人口的比例在50%以下，約50%的雪災事件的造成農作物受災面積占播種面積比例在10%以下;從脆弱性曲線函數關系來看，過程降水量(雪)大于40cm時，受災人口趨于穩定;過程降水量(雪)大于30cm時，農作物損失趨于穩定，且農作物受災面積占播種面積比例一般不超過50%。

關鍵詞:雪災;歷史災情;脆弱性;受災人口;農作物;受災面積;貴州

雪災是指因降雪形成大范圍積雪，嚴重影響人畜生存，以及因降降雪造成交通中斷，通訊、輸電等基礎設施受損的一種氣象災害［1］。我國北方牧區冬春季大面積、長時間持續降雪形成的雪災，對牧區整個社會經濟發展產生嚴重影響，因此一直以來都是雪災研究的熱點［2］。在全球氣候變化影響下，特別是2008年初我國南方低溫雨雪冰凍災害發生后，電網、道路交通等基礎設施面臨嚴峻考驗，南方地區雪災造成的社會經濟影響凸顯［3－4］，雪災還造成大面積農作物、林地等受災，嚴重影響當地群眾的正常生產生活秩序。關于雪災的研究，目前國內學者大多側重于氣候學特征、致災機制以及危險性評價等方面，研究區域主要集中在北方地區，研究對象主要以畜牧業為主，研究方法涉及統計分析、模型評估、遙感監測、野外調查等［5－8］。為最大程度減輕災害損失，及時預警或啟動國家自然災害應急救助響應，實際工作中往往需要以最快的速度完成災害可能損失評估工作，在數據量較少或不完整的情況下，給出初步判斷，以便于提前組織開展災后救助工作。近年來，災害損失快速評估逐漸成為災害評估業務的重點工作，已有學者在相關領域取得研究一定進展［9］。本研究針對雪災特點，選取過程降水(雪)量作為雪災致災因子，它不僅是造成雪災的重要影響因素，且相對積雪日數、積雪深度等數據具有覆蓋面全、獲取快、處理易、持續性好等特點，更適用于損失快速評估;為銜接《自然災害情況統計制度》［10］，本文選取受災人口和農作物受災面積兩個災情指標來反映雪災總體災情，并構建雪災脆弱性曲線來表達致災強度與損失之間的定量函數關系，脆弱性曲線是開展雪災損失快速評估的重要基礎，也為雪災風險防范及災后救助提供科學依據。

1數據與方法

1.1數據來源

根據基于歷史災情的雪災脆弱性分析需求，本文收集和整理了研究所需的一系列的基礎數據。①歷史災情數據主要來源于國家災情信息管理系統中地方上報的分縣災情數據庫，整理了2009－2016年以來的雪災災情案例數據，其中包括啟動國家救災應急Ⅳ級響應的2次案例數據，考慮到數據的完整性及連續性，本研究選取受災人口和農作物受災面積作為雪災脆弱性研究的對象;②氣象數據選取與每次災害過程相對應的降水(雪)量作為致災因子，降水(雪)量數據來源于中國氣象局國家氣象科學數據共享服務平臺提供的中國地面氣候資料日值數據集(V3.0)(2009－2016);③社會經濟數據中的貴州省分縣年末總人口、農作物播種面積等數據主要來源于貴州省統計年鑒(2016);④基礎地理數據中的貴州省縣域行政區劃邊界來源中國地圖出版社(2015)。

1.2研究方法

首先對來自國家災情管理系統中的分縣災情數據按災害事件進行梳理，即一條記錄必須符合初報、續保、核報才能視為有效樣本數據，災害持續時段以地方災情報告中記錄的降水(雪)時段為準，并提取相應時段的累積降水(雪)量作為致災因子。其次，為了對災情分布規律進行統計推斷，需要確定災情總體所服從的分布，本研究選取受災人口、農作物受災面積兩個指標作為雪災脆弱性分析的因素，基于MINITAB工具，采用概率圖方法對災情樣本數據進行最優參數估計，從而確定災情所服從的概率分布形式;在此基礎上，運用概率密度與累積概率函數對雪災損失數據的分布規律進行統計分析;最后，結合雪災持續時段的相應累積過程降水(雪)量數據，分別對雪災受災人口、農作物受災面積進行脆弱性分析。

2結果分析

2.1最優參數

估計為了使各年不同縣域的雪災災情數據具有可比性，首先對歷史災情數據進行了標準化處理，即以歷年年末總人口、農作物播種面積為基數，將受災人口、農作物受災面積分別折算成受災人口率(受災人口占年末總人口比例)、農作物受災率(農作物受災面積占播種面積比例);在災情數據標準化處理結果的基礎上，采用參數估計方法確定災情總體所服從的概率分布形式。參數估計是根據從災情總體中抽取的樣本數據估計總體分布中包含的未知參數的方法，是分析或推斷災情數據本質規律的前提，本文基于MINIT-AB工具，采用概率圖方法對災情樣本數據進行最優參數估計，備用參數模型包括Normal、Lognormal、Gamma、Weibull四種分布形式;通過概率圖最優參數估計分析，得到受災人口和農作物受災面積的估計參數和概率分布圖(圖1、圖2)，根據Anderson－Dar-ling(AD)擬合優度統計量和關聯的P值判斷，結果表明在顯著性水平α=0.05時，受災人口、農作物受災面積通過假設檢驗，服從Weibull分布，且參數最優(P值大于0.05，AD值越小擬合度越優)。

2.2災情損失分析

在確定貴州省雪災受災人口、農作物受災面積災情指標均服從Weibull分布的基礎上，為進一步分析災情損失分布特點，揭示雪災致災規律，本文運用概率密度函數(PDF)、累積分布函數(CDF)分別對災受災人口、農作物受災面積兩個災圖1受災人口概率圖情指標作相關特征量及趨勢分布統計。從受災人口概率密度與累積概率分布圖可以看出(圖3、圖4)，絕大部分損失(受災人口占年末總人口比例)集中分布在0～50%，累積比例達84%左右，其中20%～50%的累積概率為52%;50%～70%的累積概率約為14%，而大于70%的累積概率不足2%;從農作物受災面積概率密度與累積概率分布圖可以看出(圖5、圖6)，近一半的損失(農作物受災面積占播種面積比例)集中分布在10%以下，累積概率達46%，10%～30%的累積概率為40%，30%～50%的概率密度為14%。從災受災人口、農作物受災面積的概率密度函數、累積分布函數統計特征可以看出，貴州雪災對群眾和農作物均造成一定的影響，其中約80%的雪災事件造成的受災人口占年末人口的比例都在50%以下，約50%的雪災事件的造成農作物受災面積占播種面積比例在10%以下;即從統計角度來看，發生一次雪災事件，農作物受災情況相比受災人口較輕。

2.3脆性性分析

為了進一步確定不同致災強度下雪災損失的大小，本文選取過程降水(雪)量作為致災強度，分別對不同過程累積降水(雪)量對應的受災人口和農作物受災面積進行脆弱性曲線擬合，構建致災強度與損失之間的定量函數關系;在觀察歷史案例樣本數據分布模態的基礎上，本文選取Logis-tic增長曲線作為脆弱性函數的基礎線型，95%的置信區間水平，收斂公差小于0.01，采用Gauss－Newton算法進過多次迭代擬合。

3結論與討論

(1)本研究選取受災人口、農作物受災面積兩個指標作為雪災脆弱性分析的因素，在災情數據標準化處理的基礎上，采用參數估計方法確定災情總體所服從的概率分布形式，根據AD擬合優度統計量和關聯的P值判斷，在顯著性水平α=0.05時，受災人口、農作物受災面積均服從Weibull分布，且參數最優。(2)從受災人口、農作物受災面積的概率密度函數、累積分布函數統計特征來看，約80%的雪災事件造成的受災人口占年末人口的比例在50%以下，約50%的雪災事件的造成農作物受災面積占播種面積比例在10%以下。(3)從致災強度與損失之間的脆弱性曲線函數關系可以看出，隨著過程累積降水(雪)量的不斷增加，受災人口和農作物受災面積總體均隨之增加，其中，過程降水量(雪)大于40cm時，受災人口趨于穩定;當過程降水量(雪)大于30cm時，農作物損失趨于穩定，且農作物受災面積占播種面積比例一般不超過50%。

參考文獻:

［1］劉興元，陳全功，梁天剛，等．新疆阿勒泰牧區雪災遙感監測體系構建與災害評價系統研究［J］．應用生態學報，2006，17(2):215－220．

［2］吳瑋，秦其明，范一大，等．中國雪災評估研究綜述［J］．災害學，2013，28(4):152－158．

［3］侯慧，尹項根，等．南方部分500kv主網架2008年冰雪災害中受損分析與思考［J］．電力系統自動化，2008，32(11):12－15．

［4］賈慧聰，潘東華，王靜愛，等．自然災害適應性研究進展［J］．災害學，2014，29(4):122－128．

［5］馮學智，魯安新，曾群柱．中國主要牧區雪災遙感監測評估模型研究［J］．遙感學報，1997，1(2):129－134．

［6］胡豪然，梁玲．近50年青藏高原東部冬季積雪的時空變化特征［J］．地理學報，2013，68(11):1493－1503.

作者：王丹丹1，潘東華1，賈慧聰2，陳方2，賀原惠子2 單位：1.民政部國家減災中心，2.中國科學院遙感與數字地球研究所