史飞飞，肖建设，李林，曹晓云，李晓东，李红梅
1.青海省气象科学研究所，西宁 810008
2.青海省防灾减灾重点实验室，西宁 810008
3.青海省气象局，西宁 810008
4.青海师范大学地理科学学院，西宁 810008
5.青海省气候中心，西宁 810008
青藏高原气候恶劣、灾害频发，是气候变化的敏感区和生态脆弱带，青藏高原牧区作为我国重要的特色畜牧业生产地之一，覆盖了中国四大牧区中的青海和西藏高寒牧区，平均海拔在4000米以上，共包括108个牧区半牧区县[1-3]。牧区雪灾是由于积雪过厚，且长时间掩埋草场致使牲畜无法正常采食，导致大量牲畜掉膘和死亡的自然灾害[4]。长久以来青藏高原大部分牧区内牛羊仍以草原粗犷放牧形式为主，一般当雪层深度较厚，积雪持续较长时会对家畜采食产生影响，并在无饲草储备或饲草储备不足的牧区极有可能出现雪灾[5-6]。当前在全球气候变化背景下雪灾发生频率和程度均呈增加趋势，并且随着牧区畜牧规模的扩大，其成灾损失和社会影响也明显加大，已严重制约了青藏高原畜牧业的可持续发展[7-8]。例如在 2019年三江源地区发生雪灾期间，受其影响的家畜数量达到了231.20万羊单位，占到全区受灾家畜标准羊单位总量的78.30%[9]。
目前，在牧区雪灾监测与预警方面，张学通等[10]和王玮等[11]先后在青藏高原地区系统开展了牧区雪灾的监测与预警研究工作，所构建的雪灾风险预警模型精度能达到85%以上；
周秉荣等[12-13]研制了青海高原牧区雪灾综合预警评估模型并在雪灾服务中进行了应用。而在雪灾风险评估和区划方面，李红梅等[14]和韩炳宏等[15]进行了青海高原牧区雪灾的风险区划，其结果与实际雪灾发生状况较为相符。上述研究中的雪灾案例均主要通过查阅《中国气象灾害年鉴》[16]和《中国气象灾害大典》[17]等资料进行收集，因历史灾情数据的发布往往具有滞后性，同时不同资料间对灾情信息统计的详实程度也存在差异，将会对雪灾风险评估理论模型构建和雪灾风险区划等研究工作产生不利影响[18]。针对该问题，气象部门发展出一种基于地面气象站点资料进行青藏高原牧区雪灾实时监测的方法，并已在牧区雪灾等级监测和预警等方面得到较好应用，同时其监测结果也可作为雪灾数据的有益补充。
数据集构建过程中综合考虑了雪灾致灾因子危险性和雪灾承灾体易损性，利用了青藏高原 109个地面气象台站逐日积雪观测资料和地面灾情资料，参照《气象灾害分级指标》[19]（DB63/T372-2018）中的雪灾监测标准以及牲畜死亡状况制定了雪灾等级分级指标，并据此统计了近20年来青藏高原牧区发生轻度、中度、重度和特重度等级雪灾的日数，形成的雪灾数据集可为青藏高原雪灾风险评估、雪灾风险预警和风险区划提供数据支撑。
1.1 数据生产流程
从中国气象局综合气象信息共享平台（China Integrated Meteorological Information Sharing System,CIMISS）获取青藏高原109个气象台站2000-2020年逐日雪深观测资料，并已在CIMISS平台中按照气象行业规范进行了质量控制[20]，地面气象站点分布状况见图1。地面灾情资料主要包括：牲畜存栏数、牲畜死亡率、受灾人口数、财产损失等，上述资料来自于《中国气象灾害大典》[17]、《青海统计年鉴》[21]、《西藏统计年鉴》[22]以及各地气象部门收集和调查资料等。根据文中构建的雪灾等级划分标准，在Matlab2018b软件中通过编写程序，逐年统计了近20年来青藏高原各地发生轻度、中度、重度和特重度等级雪灾的日数，最后依据政府部门发布的灾情数据和现有文献资料对数据集质量进行评估，具体流程如图2所示。
图1 青藏高原气象站点分布Figure 1 Distribution of meteorological stations on the Tibetan Plateau
图2 数据处理流程Figure 2 Data processing flow
1.2 雪灾等级分级标准
在《气象灾害分级指标》[19]（DB63/T372-2018）中主要采用了积雪深度和积雪维持时间两项指标用于评估雪灾的异常程度，而李红梅等[14]研究指出高原内牧区雪灾对牲畜影响程度最大，因而可使用牲畜死亡率来表征雪灾的损失程度，并且在积雪深度、积雪维持时间和牲畜死亡率间具有较好相关性，综合上述指标能更好地开展青藏高原牧区雪灾评估。本文在上述研究成果的基础上制定了青藏高原牧区雪灾等级分级指标（具体见表1），其中冬季指当年10月至次年2月，而春季指次年3月至5月，积雪深度是指从积雪表面到地面的垂直深度，积雪维持时间是指地面积雪稳定维持的连续日数，牲畜死亡率是指受雪灾造成的大牲畜（主要包括牛、羊和马）死亡数占年初的大牲畜存栏数的比例，上述指标均可通过各地气象部门的观测资料和气象灾害数据库统计获得。
表1 雪灾等级指标Table 1 Indices of snow disaster levels
2000-2020年青藏高原牧区雪灾等级数据集包含4个数据文件，分别为轻度雪灾发生日数、中度雪灾发生日数、重度雪灾发生日数和特重度雪灾发生日数，格式为shp，数据量42 KB。文件属性表中“sta”为站点编号，“总和”为2000-2020年对应级别雪灾发生的总日数，而以年份（例如2000）命名的属性列中记录了该年内对应级别雪灾发生的日数，图3为数据集的制图示例。
图3 2000-2020年青藏高原牧区雪灾发生日数Figure 3 Days of snow disasters in pastoral areas of the Tibetan Plateau during 2000-2020
青藏高原内有109个有人值守的气象台站，均分布在有从事畜牧业生产活动的牧业和半牧业市县内。在雪灾发生后地方政府会及时通报灾情状况，而当地气象部门则会通过气象灾害管理系统(http://10.1.64.146/disaster/)对政府发布的灾情信息以及实地调查的灾损情况进行上报，主要包括灾害类别、灾害时间、经济损失和人员伤亡等情况。为验证本数据集的精度和可靠性，筛选出117个有详细地面灾情调查资料的雪灾案例，逐个对比案例中雪灾发生地区内政府部门发布的雪灾发生日数和本数据集中统计的雪灾发生日数，总体上两者相关程度较高，R2达到了0.84，平均绝对误差保持在5 d。同时从2000-2020年青藏高原不同等级雪灾发生日数空间分布图来看（图3），轻度雪灾发生日数较多的是清水河、甘德、嘉黎、达日、石渠、错那和德令哈等地区，累计轻度雪灾日数超过100 d；
中度雪灾发生日数较多的是玛多、甘德、清水河、聂拉木、普兰和错那等地区，累计中度雪灾日数超过75 d；
重度雪灾发生日数较多的是清水河、聂拉木、普兰、玛多、杂多和德令哈地区，累计重度雪灾日数超过75 d；
特重度雪灾发生日数最多的是聂拉木、普兰、错那、清水河和玛多地区，累计特重度雪灾日数超过75 d。总体上三江源地区易发生中度及以上牧区雪灾，青藏高原的喀喇昆仑山脉、昆仑山脉、喜马拉雅山脉和阿尼玛卿山等地易发生特重度雪灾，而柴达木盆地、青海湖流域、青海省东部农业区和藏南谷地雪灾风险较低，本数据集展现的雪灾分布特征与李红梅等[14]和韩炳宏等[15]的研究结果一致。
本数据以2000-2020年青藏高原地面气象台站积雪观测资料和灾情资料为基础，以雪灾等级分级指标作为判别标准统计了青藏高原牧区发生轻度、中度、重度和特重度等级雪灾的日数，经验证数据精度较高，并能较好反映青藏高原不同等级雪灾的分布空间特征，将对农牧业生产和牧区雪灾防治等方面工作发挥重要作用。
猜你喜欢雪灾日数灾情汉江上游汉中区域不同等级降水日数的气候变化特征分析绿色科技(2022年16期)2022-09-15青海海西地区近41年雪灾时空分布特征青海环境(2022年2期)2022-07-232022年6月全球灾情东方剑·消防救援(2022年7期)2022-07-162021年12月全球灾情东方剑·消防救援(2022年1期)2022-01-17长庆油田：灾情就是命令中国石油石化(2021年16期)2021-10-14天津市滨海新区塘沽地域雷暴日数变化规律及特征分析天津科技(2020年2期)2020-03-03历史时期以来山西省雪灾特征与气候变化中山大学学报(自然科学版)(中英文)(2016年5期)2016-05-25灾情再显城市短板公民与法治(2016年17期)2016-05-17海南省雷暴日数年代际变化特征气象研究与应用(2016年4期)2016-02-27ESSENTIAL NORMS OF PRODUCTS OF WEIGHTED COMPOSITION OPERATORS AND DIFFERENTIATION OPERATORS BETWEEN BANACH SPACES OF ANALYTIC FUNCTIONS∗Acta Mathematica Scientia(English Series)(2015年6期)2015-02-10