CN109145454A - 三重指数模型刻画牧区雪灾恢复力时空特性的方法 - Google Patents
三重指数模型刻画牧区雪灾恢复力时空特性的方法 Download PDFInfo
- Publication number
- CN109145454A CN109145454A CN201810974161.9A CN201810974161A CN109145454A CN 109145454 A CN109145454 A CN 109145454A CN 201810974161 A CN201810974161 A CN 201810974161A CN 109145454 A CN109145454 A CN 109145454A
- Authority
- CN
- China
- Prior art keywords
- index
- restoring force
- disaster
- cattle
- snow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Housing For Livestock And Birds (AREA)
Abstract
本发明涉及牧区雪灾恢复力评估方法领域,尤其是三重指数模型刻画牧区雪灾恢复力时空特性的方法。该方法包括以下步骤:(1)三重指数表征指标及计算,三重指数为:积雪成灾指数SI、畜牧抗灾指数AI、地理减灾指数GI;(2)进行畜牧系统脆弱性计算;(3)进行畜牧系统恢复力计算;(4)建立畜牧系统恢复力结构分解函数;(5)进行三重指数和恢复力的空间表达。本发明通过刻画牧区雪灾恢复力空间特征的三重指数模型,将牧区雪灾恢复力解析为积雪成灾指数、畜牧抗灾指数、地理减灾指数三重结构变量的综合作用,揭示牧区雪灾恢复力及其三重结构变量的时空变化规律。为牧区雪灾恢复力提升和可持续发展提供保障。
Description
技术领域
本发明涉及牧区雪灾恢复力评估方法领域,尤其是三重指数模型刻画牧区雪灾恢复力时空特性的方法。
背景技术
自然灾害是人地相互作用最突出的负向产物,也是其重要组成部分。灾后人地系统恢复适应能力已成为人类关心的社会问题,如何应对气候变化,规避自然灾害潜在风险是人地协调适应的关键课题。科学界相继启动了世界气候研究计划(WCRP)和国际减灾十年(IDNDR)活动。政府间气候变化委员会(IPCC) 发表的四次评估报告(FAR、SAR、TAR、AR4)表明,当前气候变化研究重点已从对气候变化现象表征描述研究转向对全球变暖环境下承灾体脆弱性识别评估,并进一步转向提高区域应对及恢复适应自然灾害能力的探索。科学有效的恢复策略对于增强孕灾环境的稳定性、降低致灾因子的风险性以及承灾体的脆弱性具有重要意义。
恢复力一词源于拉丁语“resiliere”,表示“弹回”之意。20世纪70年代恢复力概念得以发展和引申,用以描述一个实体或系统从受破坏后的状态回到其正常状态的能力。许多学者给出过恢复力的定义。Tobin(1999)基于减灾模型、恢复模型和结构认知模型提出恢复力分析框架,从社会、政治、经济、道德角度探讨影响恢复力水平因素,并分析其对社区灾后可持续发展的影响。 Allenby和Fink(2000)定义恢复力为系统在面对内部或外部变化时保持其功能和结构或只受到轻微影响的能力。Thomas(2009)等人选取越南胡志明市、泰国曼谷、中国大连、杭州等城市作为研究对象,对气候变化下城市恢复力进行实证分析,认为其评估结果有利于未来城市规划的制定和实施,以求更有针对性地规避城市洪涝、空气及水污染、高温及传染病等灾难。Vugrin(2010) 通过系统水平受损程度来衡量干扰强加给系统的消极影响、通过受损系统恢复所需资源的拥有和使用能力表达系统恢复力。Pregenzer(2011)指出恢复力是系统吸收持续的不可预测的变化并保持其关键功能的能力。恢复力概念多样,目前还没有学界普遍接受的统一概念,概括而论,恢复力定义可总结为生态恢复力、社会恢复力和工程恢复力三种主要类型。Holling(1973)将这一概念首次引入生态学领域,认为生态恢复力是生态系统持久性的测量和吸收变化和干扰的能力,并且能够保持人口和状态变量间的关系不变。Pimm(1984)提出了一种不同观点,即系统受干扰后恢复原有平衡态的速度是恢复力的核心,该定义以系统平衡态为衡量标准,更加强调系统受扰动后恢复、抵抗、持续和变化的综合能力。还有部分学者认为,由于时空是不断变化的,生态系统不可能恢复到受干扰之前的平衡态。20世纪以来,Adger(2000)将恢复力引入社会科学领域,认为恢复力不仅要关注自然系统的动态性,更应剖析社会、经济、文化和政治因素与恢复力的耦合关系。社会恢复力描述社会主体包括个人、团体、社区和环境承受打击和结构重建能力,近年来已成为全球变化与发展研究的焦点之一。社区和区域恢复力研究所(TheCommunity and Regional Resilience Institute)(2009)指出恢复力是社区通过预估风险来提高生存能力或适应力,以减少不利影响,并从干扰变化中有效恢复的能力。Keck和Sakdaporak(2013) 认为应对能力、适应能力和转化能力是社会恢复力三大核心内涵。Pfefferbaum (2007)指出增强社区恢复力可通过采取有效、合理、联合行动减小影响,从而保持发展活力和能力。由于社会系统和生态系统存在复杂的相互作用关系,学者们通常将二者结合起来,以社会—生态系统恢复力作为研究对象。在此背景下,以促进恢复力前沿研究和全球减灾为目标的组织“恢复力联盟(IHDP)”应运而生,该组织主要关注社会—生态系统领域,定义恢复力是系统在经历变化时,仍然保持性质和功能不变、吸纳干扰并结构重组的能力。该定义主要包括三部分内容:即系统在保持相同状态下能吸收的扰动量,自适应能力及培养并提高学习和恢复能力的程度。工程恢复力指人类--技术耦合系统的恢复能力,注重效率、恒定和预见性,核心是保障工程建设的安全性。Youn等人(2011) 认为工程恢复力包括系统被动恢复和主动恢复,前者指系统承受打击的能力,后者指系统从打击中恢复到正常结构状态的能力。Hollnagel(2007)等人认为工程恢复力是系统本身所具有的,自发的功能性调整以适应干扰和未知变化的能力。
恢复力研究已拓展到多学科,不同领域的研究内容和管理目标也各有侧重。灾害领域其研究重点由原来的系统稳定状态逐步转向系统自组织能力、学习和适应能力,由过去仅依赖于灾后救援的被动恢复转向灾前风险评估和监测预警的主动恢复;内容上强调恢复力是一种系统功能,主体可以是国家、地区、城市的空间尺度,也可以是生态系统、经济系统、个人等对象,且恢复力是一个过程量,以灾情为起始点,在系统未受到完全破坏时表示系统恢复到未受灾时正常发展水平的过程及所需的时间和资源,在系统完全受损情况下,表示系统重建过程。Tobin(1999)认为复杂系统下,影响恢复力因素包括自然、社会、政治和经济等方面,并基于灾害三要素间错综复杂的关系建立减灾、恢复和结构认知三大模型。国内灾害领域恢复力研究起步较晚,灾害研究类型和灾害恢复力评估方法也较为单一,在灾害恢复力理论及其研究方法上仍存在较大发展空间。王颖杰(2008)引入农业旱灾恢复力,恢复贯穿本次和下次受灾过程,既包括对前一次灾情的控制和减轻,也包括提高系统抗灾属性,以抵御下次灾害打击。吴祥佑(2009)也对影响农业恢复力的关键因素开展讨论,采用定量分析方法甄别农业抗灾中的脆弱部分,提出增强农业抗灾能力的可行办法。葛怡(2011)等以工程恢复力为理论基础,提出水灾恢复力概念,以系统遭受扰动后恢复到原有平衡态的速度或时间来测度恢复力水平,并结合生态恢复力关注系统远离平衡态后适应情况的思路,明确了脆弱性和恢复力关系。对于高原草地畜牧业而言,雪灾是影响畜牧产业正常生产的主要自然灾害,雪灾干扰下畜牧业恢复力是其抵御干扰的并及时学习、调整、适应灾害的能力,管理目标不仅包括减轻雪灾对畜牧系统各要素的负面影响,还包括增强畜牧系统这一承灾体抵御灾害的能力。
衡量恢复力大小是当前研究的热点和难点,由于恢复力的概念尚未达成统一,学界也一直未形成恢复力测度的普适方法,诸多学者根据各自研究需要提出了多种概念框架、半定量化指标、恢复力指数、DROP模型等度量方法。恢复力联盟(2010)提出了评估社会—生态系统恢复力的一般框架,设置了恢复力定性评价的7步流程。Speranza等人(2014)从缓冲能力、自组织能力和学习能力三个根本属性,提出了生计恢复力评价思路。定量研究方面,Bruneau(2003) 通过技术(T)、组织(O)、社会(S)和经济(E)4个不同的维度来表示地震恢复力,提出了TOSE四维模型,后来学者建立的恢复力指数评价体系多为该模型的延伸拓展。Cutter(2008)等人根据脆弱性、恢复力和适应能力的嵌套三角关系构建了基于地区模式的DROP恢复力框架,他们将恢复力视作一个动态过程,认为恢复力水平取决于地区受灾情况及居民学习能力,因此概念上,灾害恢复力是地区本身承受灾害能力即固有恢复力和灾后学习适应能力的综合,表现为下一次受灾前已得到完善的灾前预警监测体系、防灾应急响应规划和提高的救援能力。Su-Chin Chen(2008)等人以平衡各方利益为目的,以多目标决策为理论,提出丘陵地区社区地质灾害DRC恢复力框架,采用多元回归获取影响恢复力的关键变量,通过专家打分法对指标赋权。总结发现,多数学者在评价恢复力时倾向采用指标评估法,但该方法在指标选取、指标合成、指标赋权等环节存在较大的主观性和不确定性。为更好地量化灾害恢复力,近年来,学者们结合动力学、经济学、生态学知识构建了一系列恢复力相关模型,如生态恢复力研究者利用稳定性景观模型来探索量化评估,用范围、抵御能力、非稳定性、扰沌来量化描述恢复力。然而扰沌状态在模型中无法表示,仅有定性阐述,且稳定状态只是相对存在,系统本身始终处于动态变化,这进一步加深了模型难度,也未给出具体计算公式。由于已有模型可行性和数据可取性限制等因素,大多恢复力评估方法停留在概念层面,简便、综合、可操作的评估模型依然缺乏,针对牧区雪灾恢复力的研究方法和实证成果则更为鲜见。实际上,针对快速变化的环境和高原极端气候灾害的胁迫,为降低牧民、牧业、牧区对雪灾的脆弱性,提高牧区雪灾恢复能力,普适性、系统性的评估方法和空间表达还未曾有相应成果,这恰是牧区适应气候变化、促进可持续发展的迫切需要。
发明内容
本发明要解决的技术问题是:为了解决背景技术中描述的技术问题,本发明提供了一种三重指数模型刻画牧区雪灾恢复力时空特性的方法,通过刻画牧区雪灾恢复力空间特征的三重指数模型,将牧区雪灾恢复力解析为积雪成灾指数、畜牧抗灾指数、地理减灾指数三重结构变量的综合作用,通过三重指数变化的表征和地理空间分析手段,揭示牧区雪灾恢复力及其三重结构变量的时空变化规律。本发明应用于判识牧区雪灾恢复力的地理差异及脆弱空间,增强认知牧区雪灾脆弱性的地理指向性,提高削减牧区雪灾脆弱性施策的针对性,为牧区雪灾恢复力提升和可持续发展提供保障。
本发明解决其技术问题所采用的技术方案是:
一种三重指数模型刻画牧区雪灾恢复力时空特性的方法,包括以下步骤:
(1)三重指数表征指标及计算,三重指数为:积雪成灾指数SI、畜牧抗灾指数AI、地理减灾指数GI;
(2)进行畜牧系统脆弱性计算;
(3)进行畜牧系统恢复力计算;
(4)建立畜牧系统恢复力结构分解函数;
(5)进行三重指数和恢复力的空间表达。
具体地,所述积雪成灾指数SI用归一化降雪量x1、降雪天数x2、积雪深度 x3三个负向指标和度量积雪成灾指数;
畜牧抗灾指数AI筛选畜牧业产值占农业比重x4、农牧民人均牲畜数量x5、牲畜出栏率x6、牲畜繁殖率x7、单位牲畜暖棚数量x8、单位牲畜人工草地面积 x9来衡量畜牧业抗灾能力,通过无量纲化、归一化处理后的和值代表畜牧抗灾指数,畜牧业产值占农业比重x4和农牧民人均牲畜数量x5为负向指标,牲畜出栏率x6、牲畜繁殖率x7、单位牲畜暖棚数量x8、单位牲畜人工草地面积x9为正向指标;
地理减灾指数GI选取农牧民人均纯收入x10、农牧民文化程度x11、农牧业财政支出比例x12、公路交通密度x13、信息化建设x14这些正向指标的归一化值加和来表征地理减灾指数。
具体地,所述畜牧系统脆弱性计算,以牧业增加值的倒数作为畜牧经济损失率,以受灾牲畜数量比重作为畜产品产量损失率,用雪灾发生频率表示致灾强度,则畜牧系统脆弱性表示为畜牧经济损失率、畜产品损失率和雪灾发生频度三个变量的乘积;
畜牧系统恢复力计算,以单位时间畜牧系统脆弱性变化量的负值表示畜牧系统恢复力;
建立畜牧系统恢复力结构分解函数,是将畜牧系统恢复力作为因变量,积雪成灾指数、畜牧抗灾指数、地理减灾指数作为自变量,通过线性回归,将畜牧系统恢复力表示为积雪成灾指数、畜牧抗灾指数、地理减灾指数的线性函数,进而确定三重指数在恢复力中的角色;
三重指数和恢复力的空间表达,是县域尺度的社会经济指标、气象观测站的气象要素指标统一转化为0.1°×0.1°的栅格数据,并利用反距离权重法进行插值,形成积雪成灾指数、畜牧抗灾指数、地理减灾指数、系统恢复力的栅格图层,为判识畜牧系统恢复力时空特性奠定基础。
具体地,所述正向指标的标准化式为:
所述负向指标的标准化式为:
上式(1)和式(2)中,xi为指标的实际值;xmin、xmax分别为指标的最大值和最小值;分别表示正向指标和负向指标的标准化值。
具体地,所述畜牧系统脆弱性计算为:
V=ΔLE*ΔLP*p (3)
上式(3)中,V表示畜牧系统的脆弱性,ΔLE为畜牧经济损失率,ΔLP为畜产品产量损失率,p表示雪灾发生频率。
具体地,所述畜牧系统恢复力计算为:基于脆弱性与恢复力的内在关联,以单位时间脆弱性的变化量来反映系统恢复力水平,脆弱性增量越大,恢复力越低,脆弱性和恢复力都是系统的固有属性,灾害发生时,二者相互作用的反向关系显著;畜牧系统脆弱性与畜牧系统恢复力关系的度量公式:
R=-(V2-V1)/(T2-T1)=-ΔV/ΔT=-V′ (4)
上式(4)中,R表示畜牧系统恢复力,V表示畜牧系统脆弱性,V1表示畜牧系统T1时刻脆弱性,V2表示T2时刻脆弱性,ΔV表示脆弱性变化量,T表示时间,ΔT表示时间跨度。
具体地,所述畜牧系统恢复力结构分解函数为:
R=αSI+βAI+γGI-m (5)
上式(5)中,R表示畜牧系统恢复力,SI为积雪成灾指数,AI表示畜牧抗灾指数,GI代表地理减灾指数,α、β、γ为回归系数,m为残余值。
本发明的有益效果是:本发明提供了一种三重指数模型刻画牧区雪灾恢复力时空特性的方法,通过刻画牧区雪灾恢复力空间特征的三重指数模型,将牧区雪灾恢复力解析为积雪成灾指数、畜牧抗灾指数、地理减灾指数三重结构变量的综合作用,通过三重指数变化的表征和地理空间分析手段,揭示牧区雪灾恢复力及其三重结构变量的时空变化规律。本发明应用于判识牧区雪灾恢复力的地理差异及脆弱空间,增强认知牧区雪灾脆弱性的地理指向性,提高削减牧区雪灾脆弱性施策的针对性,为牧区雪灾恢复力提升和可持续发展提供保障。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的畜牧系统脆弱性与畜牧系统恢复力的作用原理图;
具体实施方式
现在结合附图对本发明作进一步详细的说明。
图1是本发明的畜牧系统脆弱性与畜牧系统恢复力的作用原理图。
一种三重指数模型刻画牧区雪灾恢复力时空特性的方法,刻画方法及步骤具体包括:
(1)三重指数表征指标及计算
积雪成灾指数(SI):充分考虑高原牧区海拔高、温度低、降雪频度高的地理环境特性,以气候站点观测数据量化雪灾发生的可能性,用归一化降雪量、降雪天数、积雪深度三个指标和度量积雪成灾指数。
畜牧抗灾指数(AI):主要反映畜牧业本身抵御雪灾的能力,其能力的大小很大程度上影响着畜牧经济受损的水平,尽管影响草地畜牧业抗击雪灾害的因素复杂多样,但考虑到雪灾对高原草地畜牧产业的制约和破坏,主要取决于牲畜在极端寒冷事件过程中的圈舍御寒规模和饲草供给水平,重点筛选畜牧业产值占农业比重、农牧民人均牲畜数量、牲畜出栏率、牲畜繁殖率、单位牲畜暖棚数量、单位牲畜人工草地面积来衡量畜牧业抗灾能力,通过无量纲化、归一化处理后的和值代表畜牧抗灾指数。
地理减灾指数(GI):不同的地理区域对于雪灾发生过程中采取救灾、减灾的可能性、能力和水平是降低畜牧经济损失的重要方面,不同地理区域在雪灾应急反应、减灾处置等方面具有显著的差异性,这种差异是由地理区域的自然属性和社会属性共同决定的,海拔、地理位置的边远性是影响地理区域减灾能力最重要的自然特性,而区域的组织、人员、机构以及交通通达性则是影响区域减灾能力最为重要的社会特性,考虑到数据和指标的可获取性,本方法重点选取农牧民人均纯收入、农牧民文化程度、农牧业财政支出比例、公路交通密度、信息化建设等指标的归一化值加和来表征地理减灾指数。
(2)畜牧系统脆弱性计算
以牧业增加值的倒数作为畜牧经济损失率,以受灾牲畜数量比重作为畜产品产量损失率,用雪灾发生频率表示致灾强度,则畜牧系统脆弱性表示为畜牧经济损失率、畜产品损失率和雪灾发生频度三个变量的乘积。
(3)畜牧系统恢复力计算
以单位时间畜牧系统脆弱性变化量的负值表示畜牧系统恢复力。
(4)建立畜牧系统恢复力结构分解函数
将畜牧系统恢复力作为因变量,积雪成灾指数、畜牧抗灾指数、地理减灾指数作为自变量,通过线性回归,将畜牧系统恢复力表示为积雪成灾指数、畜牧抗灾指数、地理减灾指数的线性函数,进而确定三重指数在恢复力中的角色。
(5)三重指数和恢复力的空间表达
县域尺度的社会经济指标、气象观测站的气象要素指标统一转化为 0.1°×0.1°的栅格数据,并利用反距离权重法进行插值,形成积雪成灾指数、畜牧抗灾指数、地理减灾指数、系统恢复力的栅格图层,为判识畜牧系统恢复力时空特性奠定基础。
步骤(1)中的三重指数表征指标及其计算为:
表1畜牧业系统雪灾恢复力评价指标体系
所述正向指标的标准化式为:
所述负向指标的标准化式为:
上式(1)和式(2)中,xi为指标的实际值;xmin、xmax分别为指标的最大值和最小值;分别表示正向指标和负向指标的标准化值。
步骤(2)中的畜牧系统脆弱性计算为:
V=ΔLE*ΔLP*p (3)
上式(3)中,V表示畜牧系统的脆弱性,ΔLE为畜牧经济损失率,ΔLP为畜产品产量损失率,p表示雪灾发生频率。
步骤(3)中的畜牧系统恢复力计算为:
如附图1所示,基于脆弱性与恢复力的内在关联,以单位时间脆弱性的变化量来反映系统恢复力水平,脆弱性增量越大,恢复力越低,脆弱性和恢复力都是系统的固有属性,灾害发生时,二者相互作用的反向关系显著。
基于附图1所示原理,得到脆弱性与恢复力关系的度量公式:
R=-(V2-V1)/(T2-T1)=-ΔT/ΔT=-V′ (4)
上式(4)中,R表示畜牧系统恢复力,V表示畜牧系统脆弱性,V1表示畜牧系统T1时刻脆弱性,V2表示T2时刻脆弱性,ΔV表示脆弱性变化量,T表示时间,ΔT表示时间跨度。
步骤(4)中的畜牧系统恢复力结构分解函数为:
R=αSI+βAI+γGI-m (5)
上式(5)中,R表示畜牧系统恢复力,SI为积雪成灾指数,AI表示畜牧抗灾指数,GI代表地理减灾指数,α、β、γ为回归系数,m为残余值。
步骤(5)中的三重指数和恢复力的空间表达为:
根据表1所列的不同指标,由县域行政单元的社会经济统计指标、气象观测站点的气象要素指标统一转化为0.1°×0.1°的栅格数据,并利用反距离权重法进行空间插值,形成积雪成灾指数、畜牧抗灾指数、地理减灾指数等栅格图层,通过三重指数栅格图层的叠加形成系统恢复力的空间可视化,为判识畜牧系统恢复力时空特性奠定基础。
具体实施例:
(1)研究区域
长江、黄河源区简称江河源区,流域面积为7.46×l04km2。源区位于青藏高原腹地,平均海拔4 000m以上,具有典型的内陆高原气候特征。区内河流密布,湖泊、沼泽众多,雪山冰川广布,是世界上海拔最高、面积最大、湿地类型最丰富的地区,素有“江河源”、“亚洲水塔”之称。源区气候变化敏感,近半个世纪增温幅度明显高于全国,温度、降水等气象因子变化的不确定性大大提高了气象灾害发生的可能性。江河源区是我国主要高寒牧区之一,年积雪深度波动幅度扩大,降雪量年际变化不规律性增强,雪灾发生频率高,建国以来源区雪灾频率高达62%,重度以上雪灾达50%,对源区畜牧业造成极大威胁。
江河源区的行政区划包括黄河源区的玛沁、甘德、班玛县及久治、达日、玛多县的大部分和曲麻莱县的小部分;以及长江源区的治多、称多、曲麻莱、杂多县和玉树县及唐古拉山镇的大部分区域。源区主要以农牧人口为主,畜牧业是该区的主导产业,也是农牧民经济福利和生计的主要来源。
(2)三重指数空间分布特征
以2000年、2007年、2012年为三个典型时间节点,采集表1指标体系数据,由式(1)、(2)进行归一化处理,分别获得积雪成灾指数、畜牧抗灾指数、地理减灾指数,并统一转化为0.1°×0.1°栅格,利用反距离权重插值法形成积雪成灾指数、畜牧抗灾指数、地理减灾指数栅格图层和对应的空间分布图。
从积雪成灾指数SI看,其特征与雪灾强度变化一致,2012年为重灾年,成灾指数最高,2000年为中灾年,成灾指数值次之,2007年为轻灾年,成灾指数最低。2000年格尔木市唐古拉山镇和久治县东南部雪灾严重,为成灾指数高值区,相较而言黄河源区灾情较轻;2007年为轻灾年,成灾指数高值区向江河源区中部转移,杂多县,石渠县和达日县南部雪灾发生频繁,唐古拉山镇、久治县东南部和江河源区北部区域雪情减轻;2012年为重灾年,江河源区遭遇五十年一遇大雪灾,雪灾覆盖大部分地区,其中黄河源区受灾程度最深,甘德县最大积雪深度达到8cm,长江源区受灾程度相对较轻,格尔木市唐古拉山镇为成灾指数低值区,高值区位于玛沁县、甘德县、达日县和曲麻莱县北部,区内灾情差异大,与历史灾情记录对比可以发现,黄河源区雪灾风险高。
畜牧抗灾指数AI空间分布说明:一是长江源区抗灾能力略高于黄河源,2012 年差距尤为显著,这跟2010年玉树地震有关,地震在对当地造成巨大破坏的同时,也为玉树经济转型和发展带来契机,震后上海等经济发达城市对玉树的对口援助,促进当地二、三产业迅速增长。其次,正常年份抗灾指数的地域差异更为显著,而大灾年份抗灾指数内部差距微弱,表明牧区抗灾能力与灾情强弱息息相关。第三,抗灾能力总体上显著增强,高值县增加,这是由于抗灾指数中各项社会经济指标保持稳定增长,三江源生态保护和建设工程对草原生态系统的保护和恢复措施也大大增强了畜牧系统抵御灾害的能力,称多、治多抗灾指数显著提高,由低值区转向高值区。
地理减灾指数GI空间分布也表现出时空异质性。时间上,2000年,源区东部具有更强的减灾自救能力,高值区包括玛沁、班玛县,中值区为称多、甘德、达日、久治、玛多、玛曲县,除称多县以外其它地区均属于黄河源区范围。2000 年、2007年唐古拉山镇减灾指数较低,这是由于该区虽属格尔木市,但地理位置并未与格尔木相邻,人口密度低,经济发展程度不高,基础设施水平落后,雪灾发生时牧民自救能力有限,且大雪封路外部救援力量也难以及时到达,但 2012年其减灾指数显著提高,这与农牧民人均收入水平提升幅度较大有关。同时还发现,东部与中西部减灾指数差距显著减小,高值区中玛沁县减灾指数最高,这是由于该地为果洛州州府所在地,农牧民生活水平和文化、医疗等基础设施建设相对周边区县更加完善,发生雪灾时获得外界减灾物资的可能性增强。
(3)牧区雪灾恢复力与三重指数的函数关系
利用关系式(3)、(4)计算获得的2000-2012年时间序列牧区雪灾恢复力 (R),与积雪成灾指数SI、畜牧抗灾指数AI和地理减灾指数GI对应时间序列值进行多元线性拟合,得到函数关系式(5)的具体表达为:
R=-2.053AI+1.956AI+0.954GI-0.224
以上函数关系表明,牧区雪灾恢复力与畜牧抗灾指数、地理减灾指数呈正相关,与积雪成灾指数呈负相关,且抗灾指数在恢复力维系中具有重要角色。
(4)典型年份恢复力空间分布
基于以上三重指数及其与牧区雪灾恢复力的函数关系,得到典型年份恢复力空间分布。2000年恢复力低值区为唐古拉山镇、玛多县、石渠县和久治县东部;高值区范围较广,包括杂多、称多最东端和最西端、甘德、达日、玛沁、班玛、和玛曲县。2007年由于灾情较轻,唐古拉山镇的恢复力高,达日和久治县为恢复力低值区。2012年为雪灾害的重灾年,恢复力高值中心分布在杂多、治多和玛沁县;低值区包括曲麻莱、达日和久治县。总体看,随着雪灾灾情的加剧,长江源恢复力略高于黄河源,一方面是由于长江源区灾情轻于黄河源,另一方面玉树州自2010年发生地震后,经济结构得到优化调整,牧业比重明显下降,受灾风险小,恢复力水平较高。
本发明所述的刻画牧区雪灾恢复力时空特性的三重指数模型,将积雪成灾指数、畜牧抗灾指数、地理减灾指数三大属性指数构成牧区雪灾恢复力的关键结构变量,既综合、全面地反映了影响牧区雪灾恢复力的孕灾环境、承灾体、承灾环境特征,又充分、系统地考量了影响牧区雪灾恢复力的动态过程和空间差异,且以牧区雪灾恢复力作为标靶,既突出了雪灾重点问题,又强调了牧区对象,弥补了已有方法研究对象模糊、参数不全、针对性差的缺陷。
本发明所述的刻画牧区雪灾恢复力时空特性的三重指数模型,以牧区雪灾恢复力作为因变量,以积雪成灾指数、畜牧抗灾指数、地理减灾指数作为自变量,利用牧区雪灾恢复力和三重指数之间的函数关系,表征其间的相互作用、相互制约关系,既避免了过去指标体系合成赋权的主观性,又可解析三种指数和关联指标对恢复力的分类作用和角色差异,充分体现了牧区雪灾恢复力影响因素识别、恢复力增强施策的灵活性、对应性;
本发明所述的三重指数模型,由于同时对三重指数、牧区雪灾恢复力进行了数据栅格处理,将恢复力抽象数值表达为直观、可视的地理空间,清晰显现了牧区雪灾恢复力标靶的强弱区域和空间分异,针对不断变化的气候及其环境,使得人类应对牧区雪灾行动的地理区域更具指向性。
本发明所述的刻画牧区雪灾恢复力时空特性的三重指数模型,应用于气候变化背景下,雪灾害的减灾问题、牧区恢复力的分析、研究和决策,同时该方法框架、设计思路可以推演并应用到灾害恢复力的不同灾害类型、城乡不同社区对象,方法具有明显的普适性和现实意义。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于,包括以下步骤:
(1)三重指数表征指标及计算,三重指数为:积雪成灾指数SI、畜牧抗灾指数AI、地理减灾指数GI;
(2)进行畜牧系统脆弱性计算;
(3)进行畜牧系统恢复力计算;
(4)建立畜牧系统恢复力结构分解函数;
(5)进行三重指数和恢复力的空间表达。
2.根据权利要求1所述的三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于:所述积雪成灾指数SI用归一化降雪量x1、降雪天数x2、积雪深度x3三个负向指标之和度量积雪成灾指数;
畜牧抗灾指数AI筛选畜牧业产值占农业比重x4、农牧民人均牲畜数量x5、牲畜出栏率x6、牲畜繁殖率x7、单位牲畜暖棚数量x8、单位牲畜人工草地面积x9来衡量畜牧业抗灾能力,通过无量纲化、归一化处理后的和值代表畜牧抗灾指数,畜牧业产值占农业比重x4和农牧民人均牲畜数量x5为负向指标,牲畜出栏率x6、牲畜繁殖率x7、单位牲畜暖棚数量x8、单位牲畜人工草地面积x9为正向指标;
地理减灾指数GI选取农牧民人均纯收入x10、农牧民文化程度x11、农牧业财政支出比例x12、公路交通密度x13、信息化建设x14这些正向指标的归一化值加和来表征地理减灾指数。
3.根据权利要求1所述的三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于:所述畜牧系统脆弱性计算,以牧业增加值的倒数作为畜牧经济损失率,以受灾牲畜数量比重作为畜产品产量损失率,用雪灾发生频率表示致灾强度,则畜牧系统脆弱性表示为畜牧经济损失率、畜产品损失率和雪灾发生频度三个变量的乘积;
畜牧系统恢复力计算,以单位时间畜牧系统脆弱性变化量的负值表示畜牧系统恢复力;
建立畜牧系统恢复力结构分解函数,是将畜牧系统恢复力作为因变量,积雪成灾指数、畜牧抗灾指数、地理减灾指数作为自变量,通过线性回归,将畜牧系统恢复力表示为积雪成灾指数、畜牧抗灾指数、地理减灾指数的线性函数,进而确定三重指数在恢复力中的角色;
三重指数和恢复力的空间表达,是县域尺度的社会经济指标、气象观测站的气象要素指标统一转化为0.1°×0.1°的栅格数据,并利用反距离权重法进行插值,形成积雪成灾指数、畜牧抗灾指数、地理减灾指数、系统恢复力的栅格图层,为判识畜牧系统恢复力时空特性奠定基础。
4.根据权利要求2所述的三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于:所述正向指标的标准化式为:
所述负向指标的标准化式为:
上式(1)和式(2)中,xi为指标的实际值;xmin、xmax分别为指标的最大值和最小值;分别表示正向指标和负向指标的标准化值。
5.根据权利要求1或3所述的三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于:所述畜牧系统脆弱性计算为:
V=ΔLE*ΔLP*p (3)
上式(3)中,V表示畜牧系统的脆弱性,ΔLE为畜牧经济损失率,ΔLP为畜产品产量损失率,p表示雪灾发生频率。
6.根据权利要求1或3所述的三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于:所述畜牧系统恢复力计算为:基于脆弱性与恢复力的内在关联,以单位时间脆弱性的变化量来反映系统恢复力水平,脆弱性增量越大,恢复力越低,脆弱性和恢复力都是系统的固有属性,灾害发生时,二者相互作用的反向关系显著;畜牧系统脆弱性与畜牧系统恢复力关系的度量公式:
R=-(V2-V1)/(T2-T1)=-ΔV/ΔT=-V′ (4)
上式(4)中,R表示畜牧系统恢复力,V表示畜牧系统脆弱性,V1表示畜牧系统T1时刻脆弱性,V2表示T2时刻脆弱性,ΔV表示脆弱性变化量,T表示时间,ΔT表示时间跨度。
7.根据权利要求1或3所述的三重指数模型刻画牧区雪灾恢复力时空特性的方法,其特征在于:所述畜牧系统恢复力结构分解函数为:
R=αSI+βAI+γGI-m (5)
上式(5)中,R表示畜牧系统恢复力,SI为积雪成灾指数,AI表示畜牧抗灾指数,GI代表地理减灾指数,α、β、γ为回归系数,m为残余值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810974161.9A CN109145454B (zh) | 2018-08-24 | 2018-08-24 | 三重指数模型刻画牧区雪灾恢复力时空特性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810974161.9A CN109145454B (zh) | 2018-08-24 | 2018-08-24 | 三重指数模型刻画牧区雪灾恢复力时空特性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145454A true CN109145454A (zh) | 2019-01-04 |
CN109145454B CN109145454B (zh) | 2023-03-28 |
Family
ID=64827823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810974161.9A Active CN109145454B (zh) | 2018-08-24 | 2018-08-24 | 三重指数模型刻画牧区雪灾恢复力时空特性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145454B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401727A (zh) * | 2020-03-12 | 2020-07-10 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种雪灾对草地畜牧经济传导效应的直观表达方法 |
CN111598336A (zh) * | 2020-05-15 | 2020-08-28 | 河北民族师范学院 | 一种基于土壤有机质空间分布的草原载畜潜力分区方法 |
CN113610436A (zh) * | 2021-08-24 | 2021-11-05 | 南京信息工程大学 | 一种承灾体动态脆弱性评估方法及系统 |
CN117113160A (zh) * | 2023-10-25 | 2023-11-24 | 北京大学深圳研究生院 | 灾后恢复情况监测方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120123682A1 (en) * | 2010-02-25 | 2012-05-17 | Jai Ho Oh | Method and system for producing climate crisis index |
CN102867217A (zh) * | 2012-08-28 | 2013-01-09 | 南京信息工程大学 | 基于投影寻踪的设施农业气象灾害风险评价方法 |
CN105389740A (zh) * | 2015-12-29 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 一种基于作物生长模型的农业旱灾风险评估方法 |
CN106570650A (zh) * | 2016-11-09 | 2017-04-19 | 新疆林科院园林绿化研究所 | 一种林果产业低温冻害风险获取方法 |
-
2018
- 2018-08-24 CN CN201810974161.9A patent/CN109145454B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120123682A1 (en) * | 2010-02-25 | 2012-05-17 | Jai Ho Oh | Method and system for producing climate crisis index |
CN102867217A (zh) * | 2012-08-28 | 2013-01-09 | 南京信息工程大学 | 基于投影寻踪的设施农业气象灾害风险评价方法 |
CN105389740A (zh) * | 2015-12-29 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 一种基于作物生长模型的农业旱灾风险评估方法 |
CN106570650A (zh) * | 2016-11-09 | 2017-04-19 | 新疆林科院园林绿化研究所 | 一种林果产业低温冻害风险获取方法 |
Non-Patent Citations (2)
Title |
---|
YANQIANG WEI等: "Integrated assessment on the vulnerability of animal husbandry to snow disasters under climate change in the Qinghai-Tibetan Plateau", 《GLOBAL AND PLANETARY CHANGE》 * |
赵霜等: "青海省果洛州草地畜牧业雪灾的恢复力", 《干旱区研究》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401727A (zh) * | 2020-03-12 | 2020-07-10 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种雪灾对草地畜牧经济传导效应的直观表达方法 |
CN111598336A (zh) * | 2020-05-15 | 2020-08-28 | 河北民族师范学院 | 一种基于土壤有机质空间分布的草原载畜潜力分区方法 |
CN111598336B (zh) * | 2020-05-15 | 2023-05-26 | 河北民族师范学院 | 一种基于土壤有机质空间分布的草原载畜潜力分区方法 |
CN113610436A (zh) * | 2021-08-24 | 2021-11-05 | 南京信息工程大学 | 一种承灾体动态脆弱性评估方法及系统 |
CN113610436B (zh) * | 2021-08-24 | 2024-02-27 | 南京信息工程大学 | 一种承灾体动态脆弱性评估方法及系统 |
CN117113160A (zh) * | 2023-10-25 | 2023-11-24 | 北京大学深圳研究生院 | 灾后恢复情况监测方法、装置、计算机设备和存储介质 |
CN117113160B (zh) * | 2023-10-25 | 2024-02-02 | 北京大学深圳研究生院 | 灾后恢复情况监测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109145454B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145454A (zh) | 三重指数模型刻画牧区雪灾恢复力时空特性的方法 | |
Wang et al. | Integrating Maxent model and landscape ecology theory for studying spatiotemporal dynamics of habitat: Suggestions for conservation of endangered Red-crowned crane | |
Springer et al. | Modeling the present and future geographic distribution of the lone star tick, Amblyomma americanum (Ixodida: Ixodidae), in the continental United States | |
Vidal et al. | Dynamics and trends of overwintering colonies of the monarch butterfly in Mexico | |
Nakamura et al. | Adaptation to climate change and conservation of biodiversity using green infrastructure | |
Yang et al. | Construction of ecological security pattern based on the importance of ecological protection—A case study of Guangxi, a karst region in China | |
Chen et al. | The vulnerability evolution and simulation of social-ecological systems in a semi-arid area: A case study of Yulin City, China | |
He et al. | Vulnerability assessment of rural social-ecological system to climate change: a case study of Yunnan Province, China | |
Achmad et al. | Prediction of future urban growth using CA-Markov for urban sustainability planning of Banda Aceh, Indonesia | |
Wang et al. | Natural disasters | |
Xu et al. | Habitat quality assessment of wintering migratory birds in Poyang Lake National Nature Reserve based on InVEST model | |
Wu et al. | A hybrid scheme for comparing the effects of bird diversity conservation approaches on landscape patterns and biodiversity in the Shangan sub-watershed in Taiwan | |
Lischke et al. | Model up-scaling in landscape research | |
Chi et al. | Archipelago bird habitat suitability evaluation based on a model of form-structure-function-disturbance | |
Kajner et al. | National Adaptation Geo-information System in climate adaptation planning. | |
Li et al. | Fisheries impact on the East China Sea Shelf ecosystem for 1969–2000 | |
Abante et al. | Topophilia-exposure central space concept model | |
Mondal et al. | Changing Pattern of Land Utilization: Using Remote Sensing and GIS Methods in Moyna Block, Purba Medinipur District, West Bengal | |
Owoeye | Assessing Urban Growth Dynamics and Depletion of Agricultural Land Use in Akure Region, Nigeria | |
Feng et al. | Spatio-temporal evolution, climatic response and social impacts of locust breeding areas from 618 to 1949 in Cangzhou, Hebei, China | |
Hajra et al. | Sustainability assessment of Indian Sundarban delta islands using DPSIR framework in the context of natural hazards | |
Li et al. | Comparative analysis of trade-offs and synergies in ecosystem services between Guanzhong Basin and Hanzhong Basin in China | |
Rodríguez-Camino | Chapter 2 A review of the current science of climate change | |
Nasiri et al. | Ecological capability evaluation of forest for protection and conservation planning (Gorazbon forest, Kheyroud) | |
Fu et al. | Improved back-propagation neural network in ecological vulnerability assessment of Zhalong wetland |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |