韓 鵬，郭桂禎，孫 寧，廖韓琪

(應(yīng)急管理部國家減災(zāi)中心，北京100124)

臺風(fēng)災(zāi)害是中國東部沿海地區(qū)常見的自然災(zāi)害，嚴(yán)重制約著中國的經(jīng)濟(jì)和社會可持續(xù)發(fā)展。1949—2010年，共有428個臺風(fēng)登陸我國，平均每年登陸中國的臺風(fēng)有8個左右[1-2]。東部沿海地區(qū)人口密集，經(jīng)濟(jì)發(fā)達(dá)，承載著38%以上的人口，創(chuàng)造著55%以上的國民生產(chǎn)總值[3]。在全球氣候變暖和海平面上升的背景下[4-5]，東部沿海地區(qū)遭受臺風(fēng)災(zāi)害的影響非常嚴(yán)重，已經(jīng)成為高風(fēng)險區(qū)域[6]。

中國關(guān)于臺風(fēng)災(zāi)害研究主要包括以下幾個方面：臺風(fēng)災(zāi)害系統(tǒng)論研究[7-8]、臺風(fēng)災(zāi)害風(fēng)險評估[9-11]、臺風(fēng)災(zāi)害損失評估[12-14]和臺風(fēng)災(zāi)害防災(zāi)減災(zāi)能力評估[15-16]。這些研究基于災(zāi)害系統(tǒng)論，從致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體的暴露度中選擇影響因子，運用層次分析法或熵權(quán)法等賦予權(quán)重，評估臺風(fēng)災(zāi)害損失或風(fēng)險。然而，這些研究并沒有定量分析影響因子對臺風(fēng)災(zāi)害的貢獻(xiàn)，選擇的影響因子和賦予的權(quán)重值主觀性較強(qiáng)，不能客觀準(zhǔn)確地反映臺風(fēng)災(zāi)害情況。此外，對于縣域尺度的臺風(fēng)災(zāi)害研究鮮有報道?？h域是中國的基本行政單元，第一次全國自然災(zāi)害綜合風(fēng)險普查，正是以縣域為基本調(diào)查單元，開展致災(zāi)要素、承災(zāi)體、歷史災(zāi)害和綜合減災(zāi)能力等風(fēng)險要素的全面調(diào)查。因此，研究縣域尺度自然災(zāi)害的影響因素，對我國防災(zāi)減災(zāi)救災(zāi)事業(yè)起著舉足輕重的作用。

廣東省是中國遭受臺風(fēng)災(zāi)害最嚴(yán)重的省份，平均每年有4個臺風(fēng)登陸廣東省[17-18]，約占全國臺風(fēng)的一半。據(jù)有關(guān)資料顯示，廣東省因臺風(fēng)災(zāi)害造成的直接經(jīng)濟(jì)損失約占其遭受的各種自然災(zāi)害損失的60%[19]。廣東省是中國經(jīng)濟(jì)發(fā)達(dá)地區(qū)之一，人口數(shù)量多，經(jīng)濟(jì)體量大，GDP總量約占全國GDP總量的10%，常年居首。但是每年因臺風(fēng)災(zāi)害造成嚴(yán)重的人員傷亡和財產(chǎn)損失，也嚴(yán)重制約著廣東經(jīng)濟(jì)的高速發(fā)展。本文首次嘗試以縣域為基本的研究單元，研究廣東省臺風(fēng)災(zāi)害的時空格局特征，并量化分析影響因素，以期更加深入地理解臺風(fēng)災(zāi)害的形成機(jī)理。本研究可為臺風(fēng)災(zāi)害的影響因素定量化分析提供理論參考，為防災(zāi)減災(zāi)決策提供科學(xué)依據(jù)。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域

廣東省地處中國大陸南端沿海，在20°13′～25°31′N、109°39′～117°19′E之間，總面積17.98萬 km2。地勢北高南低，從粵北山地逐步向南部沿海遞降，形成北部山地、中部丘陵、南部以平原臺地為主的地貌格局。廣東省屬于東亞季風(fēng)區(qū)，從北向南分別為中亞熱帶、南亞熱帶和熱帶氣候。年平均降水量在1 300～2 500 mm之間。受熱帶季風(fēng)氣候和副熱帶高壓共同影響，臺風(fēng)災(zāi)害頻繁發(fā)生。

1.2 數(shù)據(jù)來源

本文使用的數(shù)據(jù)包括廣東省臺風(fēng)災(zāi)情數(shù)據(jù)、降水量數(shù)據(jù)、風(fēng)場數(shù)據(jù)、地形數(shù)據(jù)、河網(wǎng)數(shù)據(jù)、坡度、臺風(fēng)路徑、人口統(tǒng)計數(shù)據(jù)和GDP等(表1)。臺風(fēng)災(zāi)情數(shù)據(jù)來源國家減災(zāi)中心數(shù)據(jù)庫，時間序列為2009—2020年，以縣域為統(tǒng)計單元。降水量數(shù)據(jù)來源于國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺, 時間序列為2009—2020年，空間分辨率為1 km×1 km。風(fēng)場數(shù)據(jù)來源于國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺, 時間序列為2009—2020年，空間分辨率為1 km×1 km。地形數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，空間分辨率為30 m×30 m。坡度數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，空間分辨率為30 m×30 m。河網(wǎng)數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心。臺風(fēng)路徑數(shù)據(jù)來源于中國天氣臺風(fēng)網(wǎng)。人口統(tǒng)計數(shù)據(jù)來源于國家統(tǒng)計局，時間序列為2009—2020年，以縣域為統(tǒng)計單元。GDP數(shù)據(jù)來源于國家統(tǒng)計局，時間序列為2009—2020年，以縣域為統(tǒng)計單元。

1.3 研究方法

(1)地理探測器。地理探測器是一種用于度量空間分層異質(zhì)性的統(tǒng)計學(xué)方法。它基于地理空間分異理論，用于探測因變量的決定因素、因素之間的相對重要性等[20]，近年來已有研究用于探測洪澇災(zāi)害的空間分布特征[21-22]。該方法基于以下假設(shè)：若某一獨立變量X對依賴變量Y有重要的影響，則變量Y和X在空間上的分布將會具有較強(qiáng)的空間相似性。X和Y之間的相關(guān)性可以用q統(tǒng)計量來衡量：

(1)

式中:h=1，2,…；L為自變量x的分級；Nh和N分別為第h級和整體的樣本數(shù)；σ2h和σ2分別是第h級和整體的因變量y的方差；q的取值范圍是0～1，q值越大說明自變量x對因變量y的解釋程度越大(即貢獻(xiàn)率越大)，反之則越小。

(2)數(shù)據(jù)分級。地理探測器要求輸入的自變量為離散的類型量，如果自變量為連續(xù)的數(shù)值量,則需要依據(jù)相關(guān)分級方法對其進(jìn)行離散化處理。本文根據(jù)王勁峰[20]提出的數(shù)據(jù)離散化方法以及實驗結(jié)果，將3 d內(nèi)最大降水量、高程差、河網(wǎng)密度、距臺風(fēng)中心距離、人口密度、人均GDP，按照自然斷點分類法分成10類；坡度按照<5°、5°～10°、10°～15°、15°～20°、20°～25°、25°～30°、30°～35°、>35°分為8類；最大風(fēng)速按照熱帶氣旋等級國家標(biāo)準(zhǔn)分為11類。

2 結(jié)果與分析

2.1 臺風(fēng)特征

2009—2020年，共有47個臺風(fēng)登陸或影響廣東(表2)，其中在廣東登陸的臺風(fēng)有28個。從年份來看，2009年以7個臺風(fēng)居首。從臺風(fēng)級別來看，熱帶低壓0個、熱帶風(fēng)暴5個、強(qiáng)熱帶風(fēng)暴8個、臺風(fēng)8個，強(qiáng)臺風(fēng)5個、超強(qiáng)臺風(fēng)21個。從臺風(fēng)發(fā)生的季節(jié)來看(圖1)，6月5個，7月12個，8月11個，9月12個，10月6個，11月1個，臺風(fēng)主要集中發(fā)生在7月、8月和9月，約占全年的75%。從登陸地點來看，臺風(fēng)在廣東南部登陸的數(shù)量有20個，約占登陸臺風(fēng)的71%，廣東沿海地區(qū)臺風(fēng)登陸次數(shù)有從西向東減少的趨勢[18]。從臺風(fēng)強(qiáng)度來看，2018年“山竹”是歷史上登陸廣東的臺風(fēng)中造成陸面大風(fēng)影響范圍最廣、大風(fēng)影響持續(xù)時間最長、陣風(fēng)風(fēng)速最大的臺風(fēng)。

表1 數(shù)據(jù)資料來源

表2 2009—2020年登陸和影響廣東的臺風(fēng)

圖1 2009—2020年登陸或影響廣東臺風(fēng)季節(jié)分布圖

2.2 災(zāi)情時空分布特征

2009—2020年，臺風(fēng)共造成廣東1 081縣次共5 886.1萬人受災(zāi)、70縣次共296人死亡、839縣次共4 465.8 khm2農(nóng)作物受災(zāi)，1 031縣次共1 720.5億元直接經(jīng)濟(jì)損失(表3)。其中，2013年因臺風(fēng)發(fā)生次數(shù)多、強(qiáng)度級別高而損失最嚴(yán)重。

通過對各級別臺風(fēng)造成的損失統(tǒng)計(表4)，熱帶低壓對廣東沒有造成損失；熱帶風(fēng)暴造成廣東受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失分別為289.8萬人、6人、185.0 khm2、32.3億元；強(qiáng)熱帶風(fēng)暴造成廣東受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失分別為211.6萬人、1人、202.8 khm2、158.8億元；臺風(fēng)造成廣東受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失分別為709.7萬人、13人、718.1 khm2、98.2億元；強(qiáng)臺風(fēng)造成廣東受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失分別為457.5萬人、3人、594.4 khm2、103.6億元；超強(qiáng)臺風(fēng)造成廣東受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失分別為4 217.5萬人、273人、2 665.5 khm2、1 327.6億元。其中，超強(qiáng)臺風(fēng)約占全部臺風(fēng)數(shù)量的45%，造成的損失約占全部受災(zāi)人口的72%、死亡人口的92%、受災(zāi)農(nóng)作物的61%、直接經(jīng)濟(jì)損失的77%。

值得注意的是，2018年以來，受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失等災(zāi)情都顯著降低，這與受災(zāi)人口轉(zhuǎn)移安置率的提高和防災(zāi)減災(zāi)能力的提升密不可分。表明自應(yīng)急管理部成立以來，在“人民至上、生命至上”和“兩個堅持、三個轉(zhuǎn)變”理念的指導(dǎo)下，廣東在防災(zāi)減災(zāi)救災(zāi)能力方面逐步增強(qiáng)。

從2009—2020年廣東臺風(fēng)災(zāi)害損失分布圖(圖2-圖5)可以看出，廣東北部的損失整體較輕，南部的湛江市損失最嚴(yán)重，其中，受災(zāi)縣約占25%，受災(zāi)人口約占27%，受災(zāi)農(nóng)作物約占42%,直接經(jīng)濟(jì)損失約占28%。湛江市在歷年損失中居首，與臺風(fēng)強(qiáng)度及臺風(fēng)頻繁在湛江市登陸有關(guān)。據(jù)統(tǒng)計，臺風(fēng)在湛江市登陸的數(shù)量為11個，約占登陸臺風(fēng)總數(shù)的40%，這是造成受災(zāi)人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失在全省居首的直接原因。

已有相關(guān)研究表明，廣東省是中國沿海地區(qū)熱帶氣旋登陸次數(shù)最多的省份，而湛江市是廣東省內(nèi)臺風(fēng)災(zāi)害風(fēng)險最大的地級市[23]。由于西北太平洋是臺風(fēng)的重要發(fā)源地，而臺風(fēng)結(jié)構(gòu)以及它所處的環(huán)流場決定了向西北方向移動的趨勢, 而廣東沿海地區(qū)正位于這一發(fā)源地的西北方向，這種特殊的地理位置使其極易遭受臺風(fēng)侵襲。

旅游經(jīng)濟(jì)網(wǎng)絡(luò)結(jié)構(gòu)特征的動態(tài)變化是不同地區(qū)間旅游經(jīng)濟(jì)相互作用、相互影響的綜合反映。本文目前還存在一定的不足。第一，只選取3個時間截面下旅游收入指標(biāo)進(jìn)行分析，河南省旅游經(jīng)濟(jì)網(wǎng)絡(luò)結(jié)構(gòu)的演化特征有待深入分析。第二，旅游經(jīng)濟(jì)網(wǎng)絡(luò)的形成受多方因素的影響，文章只選取了5個方面供給因素，需求因素對旅游經(jīng)濟(jì)網(wǎng)絡(luò)的作用還有待進(jìn)一步的探索。在后續(xù)研究中須在更長時間段內(nèi)探索河南旅游經(jīng)濟(jì)網(wǎng)絡(luò)結(jié)構(gòu)的時空演化規(guī)律，并從多維度對網(wǎng)絡(luò)結(jié)構(gòu)的演化機(jī)理進(jìn)行分析。

表3 2009—2020年廣東臺風(fēng)災(zāi)害損失

表4 2009—2020年廣東各級別臺風(fēng)災(zāi)害損失

圖2 2009—2020年廣東受災(zāi)人口分布圖(基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站審圖號為GS(2019)3333號的標(biāo)準(zhǔn)地圖制作，底圖無修改，下同。)

圖3 2009—2020年廣東死亡人口分布圖

圖4 2009—2020年廣東受災(zāi)農(nóng)作物分布圖

圖5 2009—2020年廣東直接經(jīng)濟(jì)損失分布圖

表5 各影響因子對廣東臺風(fēng)災(zāi)情的貢獻(xiàn)率(%)

2.3 影響因素分析

臺風(fēng)災(zāi)害的影響因素可歸納為致災(zāi)因子、孕災(zāi)環(huán)境因子和人類活動因子。臺風(fēng)帶來的大風(fēng)以及強(qiáng)降雨是臺風(fēng)災(zāi)害主要的致災(zāi)因子[23]，本文選取臺風(fēng)最大風(fēng)速和3 d內(nèi)最大降水量作為致災(zāi)因子。孕災(zāi)環(huán)境主要有臺風(fēng)產(chǎn)生和登陸地區(qū)的氣候條件、移動路徑和登陸地區(qū)地理條件、臺風(fēng)登陸地區(qū)水文條件、土壤條件和植被條件等[24]，本文選擇高程差、平均坡度、河網(wǎng)密度和距臺風(fēng)中心距離(受災(zāi)區(qū)距臺風(fēng)中心的最短距離)作為孕災(zāi)環(huán)境因子。人類活動可改變承災(zāi)體的分布特征，也可改變地表環(huán)境特征，進(jìn)而影響局部風(fēng)場和降水特征[25]，本文選擇人口密度和人均GDP作為人類活動因子。通過運用地理探測器方法，嘗試探索致災(zāi)因子、孕災(zāi)環(huán)境因子和人類活動因子對受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失等災(zāi)情的影響。具體的分析結(jié)果見表5。

在受災(zāi)人口中，各影響因子的貢獻(xiàn)率合計為75.0%，影響因子由強(qiáng)到弱依次為：最大風(fēng)速=距臺風(fēng)中心距離>3 d內(nèi)最大降水量>人均GDP>人口密度>河網(wǎng)密度>平均坡度>高程差。臺風(fēng)災(zāi)害影響因子中，最大風(fēng)速對受災(zāi)人口的貢獻(xiàn)率最大(22.5%)。距臺風(fēng)中心距離的貢獻(xiàn)率(22.5%)與最大風(fēng)速的貢獻(xiàn)率一樣，可以理解為最大風(fēng)速的強(qiáng)度在空間上的表現(xiàn)與受災(zāi)區(qū)距臺風(fēng)中心的距離是一致的，即受災(zāi)區(qū)距臺風(fēng)中心的距離越近，風(fēng)速強(qiáng)度越高，對人口影響越大。其次是3 d內(nèi)最大降水量(10.8%)對受災(zāi)人口的貢獻(xiàn)。人口密度和人均GDP因子對受災(zāi)人口有一定影響，高程差、平均坡度和河網(wǎng)密度對受災(zāi)人口影響較小。

在死亡人口中，各影響因子的貢獻(xiàn)率合計為89.6%，影響因子由強(qiáng)到弱依次為：最大風(fēng)速=距臺風(fēng)中心距離>3 d內(nèi)最大降水量>高程差>人均GDP>人口密度>平均坡度>河網(wǎng)密度。臺風(fēng)災(zāi)害影響因子中，最大風(fēng)速的貢獻(xiàn)等于距臺風(fēng)中心距離(18.5%)，其次是3 d內(nèi)最大降水量(12.4%)。高程差對死亡人口的貢獻(xiàn)率為10.8%，表明受災(zāi)區(qū)高程差越大，人口死亡的風(fēng)險越高。人口密度和人均GDP因子對死亡人口有一定影響，平均坡度和河網(wǎng)密度對受災(zāi)人口影響較小。

在受災(zāi)農(nóng)作物中，各影響因子的貢獻(xiàn)率合計為87.8%，影響因子由強(qiáng)到弱依次為：最大風(fēng)速=距臺風(fēng)中心距離>3 d內(nèi)最大降水量>人口密度>人均GDP>高程差>平均坡度>河網(wǎng)密度。臺風(fēng)災(zāi)害影響因子中，最大風(fēng)速對受災(zāi)農(nóng)作物的貢獻(xiàn)率最大(25.2%)。其次是3 d內(nèi)最大降水量的貢獻(xiàn)率(11.5%)。人口密度和人均GDP因子對受災(zāi)農(nóng)作物有一定影響，平均坡度和河網(wǎng)密度對受災(zāi)農(nóng)作物影響較小。

在直接經(jīng)濟(jì)損失中，各影響因子的貢獻(xiàn)率合計為77.1%，影響因子由強(qiáng)到弱依次為：最大風(fēng)速=距臺風(fēng)中心距離>3 d內(nèi)最大降水量>河網(wǎng)密度>高程差>平均坡度>人口密度>人均GDP。臺風(fēng)災(zāi)害影響因子中，最大風(fēng)速對受災(zāi)人口的貢獻(xiàn)率最大(25.2%)，風(fēng)速等級越高，直接經(jīng)濟(jì)損失數(shù)量越大。其次是3 d內(nèi)最大降水量的貢獻(xiàn)(12.8%)人口密度、人均GDP、高程差、平均坡度和河網(wǎng)密度對直接經(jīng)濟(jì)損失影響較小。

通過分析廣東受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失等災(zāi)情的影響因子，結(jié)果表明，臺風(fēng)的風(fēng)速、降水量和空間距離對災(zāi)情的影響起著決定性的作用。臺風(fēng)風(fēng)速強(qiáng)度越大，降水量越多，距臺風(fēng)中心距離越近，災(zāi)情越重。強(qiáng)臺風(fēng)和超強(qiáng)臺風(fēng)造成廣東受災(zāi)人口的比例可達(dá)5%～8%，當(dāng)臺風(fēng)級別達(dá)到12級以上時，災(zāi)害造成的人員傷亡和直接經(jīng)濟(jì)損失劇烈增長[26]。此外，臺風(fēng)登陸時會帶來暴雨或特大暴雨[27]，其中，約95%的臺風(fēng)引發(fā)的日降水量大于100 mm，約60%的臺風(fēng)引發(fā)日降水量大于250 mm[28]，并引發(fā)洪澇和山洪災(zāi)害。在廣東歷史10大洪澇災(zāi)害事件中，有6個洪澇災(zāi)害是因臺風(fēng)帶來的強(qiáng)降水造成的[29]。人口密度和人均GDP因子對臺風(fēng)災(zāi)情有一定影響。高程差、平均坡度和河網(wǎng)密度等對臺風(fēng)災(zāi)情的影響較小。

3 結(jié)論與討論

3.1 結(jié)論

(1)2009—2020年，共有47個臺風(fēng)登陸或影響廣東，其中在廣東省登陸的臺風(fēng)有28個。臺風(fēng)主要集中發(fā)生在7—9月，約占全年的75%。從登陸地點來看，臺風(fēng)在南部登陸的數(shù)量有20個，約占登陸臺風(fēng)的71%。

(2)47個臺風(fēng)中，21個超強(qiáng)臺風(fēng)造成的損失最嚴(yán)重，造成的損失約占全部受災(zāi)人口的72%、死亡人口的92%、受災(zāi)農(nóng)作物的61%、直接經(jīng)濟(jì)損失的77%。

(3)臺風(fēng)災(zāi)害損失嚴(yán)重地區(qū)主要分布在廣東南部的湛江市。臺風(fēng)在湛江市登陸的數(shù)量為11個，約占登陸臺風(fēng)總數(shù)的40%，這是造成災(zāi)害損失嚴(yán)重的直接原因。

(4)在8個影響因子中，臺風(fēng)最大風(fēng)速、3 d內(nèi)最大降水量和距臺風(fēng)中心距離對受災(zāi)人口、死亡人口、受災(zāi)農(nóng)作物和直接經(jīng)濟(jì)損失的貢獻(xiàn)率最大。人口密度和人均GDP對災(zāi)情有一定影響。高程差、平均坡度和河網(wǎng)密度等對災(zāi)情影響較小。

3.2 討論

本文在進(jìn)行臺風(fēng)災(zāi)害影響因素分析時，由于受限于數(shù)據(jù)的質(zhì)量和精度，還有很多方面需要完善。在致災(zāi)因子方面，未考慮風(fēng)暴潮的影響。風(fēng)暴潮成災(zāi)頻率高、致災(zāi)強(qiáng)度大，造成的損失重，對沿海人民的生命財產(chǎn)和海岸帶的經(jīng)濟(jì)有很大影響。在孕災(zāi)環(huán)境方面，未考慮土壤類型、植被指數(shù)等因素的影響。土壤類型影響降水的產(chǎn)匯流過程；植被指數(shù)反映地表植被覆蓋情況，影響風(fēng)速和地面降水。在人類活動方面，未考慮防災(zāi)減災(zāi)能力、防洪工程的影響。防災(zāi)減災(zāi)能力和防洪工程可有效減輕臺風(fēng)災(zāi)害損失?？傊?，在今后臺風(fēng)災(zāi)害空間格局以及影響因素研究中，要充分考慮以上因素的影響。