本站小編為你精心準備了歷史災(zāi)情下的雪災(zāi)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(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:選取受災(zāi)人口、農(nóng)作物受災(zāi)面積兩個指標作為雪災(zāi)脆弱性分析的因素，在災(zāi)情數(shù)據(jù)標準化處理的基礎(chǔ)上，采用參數(shù)估計方法確定災(zāi)情總體所服從的概率分布形式，結(jié)果表明，在顯著性水平時，受災(zāi)人口、農(nóng)作物受災(zāi)面積均服從Weibull分布，且參數(shù)最優(yōu);從概率密度函數(shù)、累積分布函數(shù)統(tǒng)計特征來看，約80%的雪災(zāi)事件造成的受災(zāi)人口占年末總?cè)丝诘谋壤?0%以下，約50%的雪災(zāi)事件的造成農(nóng)作物受災(zāi)面積占播種面積比例在10%以下;從脆弱性曲線函數(shù)關(guān)系來看，過程降水量(雪)大于40cm時，受災(zāi)人口趨于穩(wěn)定;過程降水量(雪)大于30cm時，農(nóng)作物損失趨于穩(wěn)定，且農(nóng)作物受災(zāi)面積占播種面積比例一般不超過50%。

關(guān)鍵詞:雪災(zāi);歷史災(zāi)情;脆弱性;受災(zāi)人口;農(nóng)作物;受災(zāi)面積;貴州

雪災(zāi)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(chǔ)設(shè)施受損的一種氣象災(zāi)害［1］。我國北方牧區(qū)冬春季大面積、長時間持續(xù)降雪形成的雪災(zāi)，對牧區(qū)整個社會經(jīng)濟發(fā)展產(chǎn)生嚴重影響，因此一直以來都是雪災(zāi)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(zāi)害發(fā)生后，電網(wǎng)、道路交通等基礎(chǔ)設(shè)施面臨嚴峻考驗，南方地區(qū)雪災(zāi)造成的社會經(jīng)濟影響凸顯［3－4］，雪災(zāi)還造成大面積農(nóng)作物、林地等受災(zāi)，嚴重影響當?shù)厝罕姷恼Ｉa(chǎn)生活秩序。關(guān)于雪災(zāi)的研究，目前國內(nèi)學(xué)者大多側(cè)重于氣候?qū)W特征、致災(zāi)機制以及危險性評價等方面，研究區(qū)域主要集中在北方地區(qū)，研究對象主要以畜牧業(yè)為主，研究方法涉及統(tǒng)計分析、模型評估、遙感監(jiān)測、野外調(diào)查等［5－8］。為最大程度減輕災(zāi)害損失，及時預(yù)警或啟動國家自然災(zāi)害應(yīng)急救助響應(yīng)，實際工作中往往需要以最快的速度完成災(zāi)害可能損失評估工作，在數(shù)據(jù)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(zāi)后救助工作。近年來，災(zāi)害損失快速評估逐漸成為災(zāi)害評估業(yè)務(wù)的重點工作，已有學(xué)者在相關(guān)領(lǐng)域取得研究一定進展［9］。本研究針對雪災(zāi)特點，選取過程降水(雪)量作為雪災(zāi)致災(zāi)因子，它不僅是造成雪災(zāi)的重要影響因素，且相對積雪日數(shù)、積雪深度等數(shù)據(jù)具有覆蓋面全、獲取快、處理易、持續(xù)性好等特點，更適用于損失快速評估;為銜接《自然災(zāi)害情況統(tǒng)計制度》［10］，本文選取受災(zāi)人口和農(nóng)作物受災(zāi)面積兩個災(zāi)情指標來反映雪災(zāi)總體災(zāi)情，并構(gòu)建雪災(zāi)脆弱性曲線來表達致災(zāi)強度與損失之間的定量函數(shù)關(guān)系，脆弱性曲線是開展雪災(zāi)損失快速評估的重要基礎(chǔ)，也為雪災(zāi)風(fēng)險防范及災(zāi)后救助提供科學(xué)依據(jù)。

1數(shù)據(jù)與方法

1.1數(shù)據(jù)來源

根據(jù)基于歷史災(zāi)情的雪災(zāi)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(chǔ)數(shù)據(jù)。①歷史災(zāi)情數(shù)據(jù)主要來源于國家災(zāi)情信息管理系統(tǒng)中地方上報的分縣災(zāi)情數(shù)據(jù)庫，整理了2009－2016年以來的雪災(zāi)災(zāi)情案例數(shù)據(jù)，其中包括啟動國家救災(zāi)應(yīng)急Ⅳ級響應(yīng)的2次案例數(shù)據(jù)，考慮到數(shù)據(jù)的完整性及連續(xù)性，本研究選取受災(zāi)人口和農(nóng)作物受災(zāi)面積作為雪災(zāi)脆弱性研究的對象;②氣象數(shù)據(jù)選取與每次災(zāi)害過程相對應(yīng)的降水(雪)量作為致災(zāi)因子，降水(雪)量數(shù)據(jù)來源于中國氣象局國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺提供的中國地面氣候資料日值數(shù)據(jù)集(V3.0)(2009－2016);③社會經(jīng)濟數(shù)據(jù)中的貴州省分縣年末總?cè)丝凇⑥r(nóng)作物播種面積等數(shù)據(jù)主要來源于貴州省統(tǒng)計年鑒(2016);④基礎(chǔ)地理數(shù)據(jù)中的貴州省縣域行政區(qū)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(zāi)情管理系統(tǒng)中的分縣災(zāi)情數(shù)據(jù)按災(zāi)害事件進行梳理，即一條記錄必須符合初報、續(xù)保、核報才能視為有效樣本數(shù)據(jù)，災(zāi)害持續(xù)時段以地方災(zāi)情報告中記錄的降水(雪)時段為準，并提取相應(yīng)時段的累積降水(雪)量作為致災(zāi)因子。其次，為了對災(zāi)情分布規(guī)律進行統(tǒng)計推斷，需要確定災(zāi)情總體所服從的分布，本研究選取受災(zāi)人口、農(nóng)作物受災(zāi)面積兩個指標作為雪災(zāi)脆弱性分析的因素，基于MINITAB工具，采用概率圖方法對災(zāi)情樣本數(shù)據(jù)進行最優(yōu)參數(shù)估計，從而確定災(zāi)情所服從的概率分布形式;在此基礎(chǔ)上，運用概率密度與累積概率函數(shù)對雪災(zāi)損失數(shù)據(jù)的分布規(guī)律進行統(tǒng)計分析;最后，結(jié)合雪災(zāi)持續(xù)時段的相應(yīng)累積過程降水(雪)量數(shù)據(jù)，分別對雪災(zāi)受災(zāi)人口、農(nóng)作物受災(zāi)面積進行脆弱性分析。

2結(jié)果分析

2.1最優(yōu)參數(shù)

估計為了使各年不同縣域的雪災(zāi)災(zāi)情數(shù)據(jù)具有可比性，首先對歷史災(zāi)情數(shù)據(jù)進行了標準化處理，即以歷年年末總?cè)丝凇⑥r(nóng)作物播種面積為基數(shù)，將受災(zāi)人口、農(nóng)作物受災(zāi)面積分別折算成受災(zāi)人口率(受災(zāi)人口占年末總?cè)丝诒壤?、農(nóng)作物受災(zāi)率(農(nóng)作物受災(zāi)面積占播種面積比例);在災(zāi)情數(shù)據(jù)標準化處理結(jié)果的基礎(chǔ)上，采用參數(shù)估計方法確定災(zāi)情總體所服從的概率分布形式。參數(shù)估計是根據(jù)從災(zāi)情總體中抽取的樣本數(shù)據(jù)估計總體分布中包含的未知參數(shù)的方法，是分析或推斷災(zāi)情數(shù)據(jù)本質(zhì)規(guī)律的前提，本文基于MINIT-AB工具，采用概率圖方法對災(zāi)情樣本數(shù)據(jù)進行最優(yōu)參數(shù)估計，備用參數(shù)模型包括Normal、Lognormal、Gamma、Weibull四種分布形式;通過概率圖最優(yōu)參數(shù)估計分析，得到受災(zāi)人口和農(nóng)作物受災(zāi)面積的估計參數(shù)和概率分布圖(圖1、圖2)，根據(jù)Anderson－Dar-ling(AD)擬合優(yōu)度統(tǒng)計量和關(guān)聯(lián)的P值判斷，結(jié)果表明在顯著性水平α=0.05時，受災(zāi)人口、農(nóng)作物受災(zāi)面積通過假設(shè)檢驗，服從Weibull分布，且參數(shù)最優(yōu)(P值大于0.05，AD值越小擬合度越優(yōu))。

2.2災(zāi)情損失分析

在確定貴州省雪災(zāi)受災(zāi)人口、農(nóng)作物受災(zāi)面積災(zāi)情指標均服從Weibull分布的基礎(chǔ)上，為進一步分析災(zāi)情損失分布特點，揭示雪災(zāi)致災(zāi)規(guī)律，本文運用概率密度函數(shù)(PDF)、累積分布函數(shù)(CDF)分別對災(zāi)受災(zāi)人口、農(nóng)作物受災(zāi)面積兩個災(zāi)圖1受災(zāi)人口概率圖情指標作相關(guān)特征量及趨勢分布統(tǒng)計。從受災(zāi)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(zāi)人口占年末總?cè)丝诒壤?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(nóng)作物受災(zāi)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(nóng)作物受災(zāi)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(zāi)受災(zāi)人口、農(nóng)作物受災(zāi)面積的概率密度函數(shù)、累積分布函數(shù)統(tǒng)計特征可以看出，貴州雪災(zāi)對群眾和農(nóng)作物均造成一定的影響，其中約80%的雪災(zāi)事件造成的受災(zāi)人口占年末人口的比例都在50%以下，約50%的雪災(zāi)事件的造成農(nóng)作物受災(zāi)面積占播種面積比例在10%以下;即從統(tǒng)計角度來看，發(fā)生一次雪災(zāi)事件，農(nóng)作物受災(zāi)情況相比受災(zāi)人口較輕。

2.3脆性性分析

為了進一步確定不同致災(zāi)強度下雪災(zāi)損失的大小，本文選取過程降水(雪)量作為致災(zāi)強度，分別對不同過程累積降水(雪)量對應(yīng)的受災(zāi)人口和農(nóng)作物受災(zāi)面積進行脆弱性曲線擬合，構(gòu)建致災(zāi)強度與損失之間的定量函數(shù)關(guān)系;在觀察歷史案例樣本數(shù)據(jù)分布模態(tài)的基礎(chǔ)上，本文選取Logis-tic增長曲線作為脆弱性函數(shù)的基礎(chǔ)線型，95%的置信區(qū)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(jié)論與討論

(1)本研究選取受災(zāi)人口、農(nóng)作物受災(zāi)面積兩個指標作為雪災(zāi)脆弱性分析的因素，在災(zāi)情數(shù)據(jù)標準化處理的基礎(chǔ)上，采用參數(shù)估計方法確定災(zāi)情總體所服從的概率分布形式，根據(jù)AD擬合優(yōu)度統(tǒng)計量和關(guān)聯(lián)的P值判斷，在顯著性水平α=0.05時，受災(zāi)人口、農(nóng)作物受災(zāi)面積均服從Weibull分布，且參數(shù)最優(yōu)。(2)從受災(zāi)人口、農(nóng)作物受災(zāi)面積的概率密度函數(shù)、累積分布函數(shù)統(tǒng)計特征來看，約80%的雪災(zāi)事件造成的受災(zāi)人口占年末人口的比例在50%以下，約50%的雪災(zāi)事件的造成農(nóng)作物受災(zāi)面積占播種面積比例在10%以下。(3)從致災(zāi)強度與損失之間的脆弱性曲線函數(shù)關(guān)系可以看出，隨著過程累積降水(雪)量的不斷增加，受災(zāi)人口和農(nóng)作物受災(zāi)面積總體均隨之增加，其中，過程降水量(雪)大于40cm時，受災(zāi)人口趨于穩(wěn)定;當過程降水量(雪)大于30cm時，農(nóng)作物損失趨于穩(wěn)定，且農(nóng)作物受災(zāi)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(qū)雪災(zāi)遙感監(jiān)測體系構(gòu)建與災(zāi)害評價系統(tǒng)研究［J］．應(yīng)用生態(tài)學(xué)報，2006，17(2):215－220．

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

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

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

［5］馮學(xué)智，魯安新，曾群柱．中國主要牧區(qū)雪災(zāi)遙感監(jiān)測評估模型研究［J］．遙感學(xué)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(xué)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(zāi)中心，2.中國科學(xué)院遙感與數(shù)字地球研究所