基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

基于建立的雪灾灾损指数,确定新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县(市),包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度。结果表明:该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。

安徽省雪灾危险性精细化评估与区划

在全国气象灾害综合风险普查技术规范基础上,针对安徽省雪灾影响特点,增加雪压这一观测要素,建立以年均最大积雪深度、年均积雪日数和最大雪压作为致灾因子的危险性评估模型,利用1978—2020年安徽省81个国家气象观测站雪深、雪压及地理信息等资料,分析各致灾因子的时空分布特征,并进行积雪日数地形订正,开展安徽省雪灾危险性精细化评估。结果表明:安徽省国家站最大积雪深度平均值、积雪日数平均值和最大雪压的年际变化趋势差异较大,位列前三的年份均为2008年、1984年和2018年;年均最大积雪深度大值区主要集中在大别山区、皖南山区和江淮之间。由于100m以上区域的年均积雪日数与高程相关性显著且样本数量适中,对该区域进行地形订正后,年均积雪日数高值区位于大别山区及皖南山区,其次为淮北地区西北部至大别山区北麓一带。对最大雪压进行缺测插补计算,宣城、铜陵、黄山北部等地最大雪压值有所提高,且局地特征更为显著。安徽省雪灾致灾高危险区主要位于大别山区以及皖南山区等海拔较高地区,而低危险区主要位于淮北地区东部、江淮之间东部和沿江西南部。

九连山常绿阔叶林区系动态特征及其对雪灾的响应

【目的】旨在探究九连山常绿阔叶林的区系动态特征,以及2008年雪灾对九连山植被区系特征的影响。【方法】基于九连山6 hm2样地、车八岭20 hm2样地、鼎湖山20 hm2样地、古田山24 hm2样地以及天童20 hm2样地的调查数据,探讨空间尺度上的区系特征差异;基于2008年重大雪灾时建立的九连山4 hm2样地和2022年的复查数据,探讨雪灾对植被区系的时间动态影响。【结果】九连山6hm2样地的木本植物有25061株,分属50科92属213种,热带分布类型和温带分布类型的科分别占总科数的52%和22%,热带分布类型和温带分布类型的属分别占总属数的68%和30%,与其他样地种的相似性均低于50%。与其他样地相比,九连山6hm2样地的面积最小,物种数却最多。与2008年九连山4 hm2样地相比,2022年九连山4 hm2样地消失了12科23属49种,新增了1科7属29种,且相似性系数极高。【结论】九连山植被处于南亚热带与中亚热带的植被过渡地带,偏向于中亚热带,是一个物种保存丰富、特异性和分化程度较高的区域。2008年重大雪灾对九连山常绿阔叶林产生了一定程度的干扰,历经14年仍未完全恢复。

大通县雪灾灾害危险性评估及区划

根据1978—2020年大通国家气象地面观测站观测的最低气温、降雪日数、积雪日数、积雪深度和雪灾灾害资料,对雪灾灾害时空分布特征和雪灾的危险性进行了评估和区划。结果表明:从雪灾致灾危险性因子变化图来看,在全球变暖背景下,1978—2020年西宁地区年最低温度呈现出升高的趋势,而年降雪日数逐年减少,但自21世纪以来,在年降雪日数、年积雪日数趋于减少的情况下,年最大积雪深度却有所增加,说明天气极端性突显。从雪灾危险性区划图来看,大通地区高风险区位于高海拔牧区,其余地区为低风险区,危险性等级划分受海拔和地形的影响明显。

雪灾监测预警指标、方法与实践

近年来,极端天气灾害发生频率增加,暴雪的影响也越来越大,造成人民生命财产的巨大损失。监测预警逐渐成为主动防范牧区雪灾和城市雪灾的重要手段。本期文章在介绍牧区雪灾和城市雪灾成灾特点、成害特点的基础上,探讨雪灾监测预警的手段方法,介绍雪灾预警模型及实践。

2022年美国雪灾应对工作分析及建议

2022年12月下旬,美国遭受了近40年来最严重的暴雪灾害,降雪量大、影响范围广、降温速度快、雪灾程度重、极端性强,引发了美国多州断水断电、交通瘫痪、经济损失以及大量人员伤亡。本文分析了此次雪灾的成因和给当地造成的多方面影响,介绍了部分地区的应对措施,并对美国在此次雪灾中的教训进行思考,提出我国进一步提升雪灾防灾减灾救灾能力、降低重大自然灾害风险、减少极端天气造成损失的建议。

近51a青藏高原雪灾时空分布特征

选取青藏高原地区62个气象站点1961—2011年(普兰、改则为1973—2011年)逐日、逐月气温和降水量等气象资料,利用统计方法和空间Kriging插值方法研究青藏高原地区雪灾时间发生趋势和空间分布特征。结果表明,青藏高原近51a雪灾频次呈增长趋势,雪灾发生站次不断增多,尤其是90年代以来增加趋势更为显著;初春为雪灾多发季节,前冬其次,后冬最少;雪灾发生频次空间分布很不均匀,雪灾发生较多区域,轻、中、重度雪灾都频繁发生,这些地区主要位于高原中部和高原东南部边缘。

内蒙古牧区雪灾的预警

利用地面和遥感监测相结合的方法,运用雪灾监测评估等级国家标准,实现了雪灾的定量化评估;结合牧用天气预报指标阈值,建立了内蒙古牧区不同草地类型雪灾等级预警方法,制作了雪灾预警等级分布地图。实况检验和预报结论基本相符,说明本预报方法能够对雪灾的范围和影响程度进行预估,但由于受天气预报准确率的影响,部分区域雪灾预估等级出现偏差。

山区公路雪灾预警评估模型初探

利用主成分分析方法对山区公路雪灾因子进行了分析,得出最大雪深、积雪日数和一场积雪的降水量是决定公路雪灾的主成分;在此基础上,提出了基于主成分的山区公路雪灾强度模型和预警评估模型。运用山区公路雪灾强度模型和雪灾强度分级标准,在预警评估模型的支持下对重庆地区的历史雪灾进行了判别和归类,结果和实情基本吻合。

雪灾对高寒牧区畜牧业的影响及对策分析

我国是农业大国,畜牧业在农业生产中占据重要位置,气候是影响牧区畜牧业高效生产的重要影响因素。该文研究雪灾对畜牧业的影响,提出对应措施,以期为预防雪灾,提高雪灾应急保障能力,保障畜牧业健康持续发展提供理论依据。

雪灾对哀牢山中山湿性常绿阔叶林木质藤本幼苗更新的影响

为探讨雪灾对木质藤本幼苗更新的影响,研究了雪灾前后,云南哀牢山中山湿性常绿阔叶林木质藤本幼苗的组成、物种多样性与多度的变化、多度与冠层光照指数的关系。雪灾前(2014年)后(2016年)分别在林内设置20个4 m×4 m的样方,调查样方内木质藤本幼苗(高度或长度≤50 cm)的种类、数量、基径,并测定冠层光照指数。结果表明:①雪灾前后的木质藤本幼苗分别为502株(17种)、1022株(25种);木质藤本幼苗在雪灾前(2014年)的优势种为耐荫种,雪灾后(2016年)的优势种除了葡萄酸藤子外均为喜光的物种;②木质藤本幼苗在雪灾后(2016年)的多度、物种丰富度显著高于雪灾前(2014年)。在11种最常见木质藤本幼苗物种中,雪灾后(2016年)5个喜光种的多度显著高于雪灾前(2014年),而其他6个耐荫种的差异性不显著;③雪灾前后的冠层光照指数从1.58增加到2.88(t=-5.394,p<0.05),木质藤本幼苗的多度与冠层光照指数呈显著正相关(r=0.956,p<0.01)。

基于多源数据的三江源区雪灾风险评估

三江源区是青海省雪灾最为严重的地区,对畜牧业影响较大。利用1961—2020年逐日积雪深度气象资料分析了三江源区冬季雪灾时空分布特征,运用MOD10A1积雪遥感数据提取积雪覆盖天数,选择最低气温、雪灾强度及积雪覆盖天数作为致灾因子,高程和坡向作为孕灾环境,地均人口、牲畜存栏及土地利用类型作为承灾体,构建雪灾风险评估模型,并评估三江源区冬季雪灾风险。结果表明:三江源区冬季雪灾呈增加趋势,称多地区最为严重,进入21世纪后雪灾极端性明显加剧;称多、玛多等地因最低气温低、雪灾强度大及积雪覆盖天数多导致致灾因子危险性最高,孕灾环境敏感性自东向西增强,人口及牲畜存栏均在东部地区较多,而草地在中、东部地区广泛分布,因此三江源区以中等承灾体脆弱区为主;基于所选因子建立三江源区冬季雪灾风险评估模型,并进行雪灾风险评估,三江源区中部称多、达日、甘德、同德、泽库及玛沁西部为雪灾风险较高的地区。

1970—2020年我国雪灾的时空分布特征及其风险评估区划分析

基于ERA5逐小时再分析资料和人口经济空间分布等数据,对1970—2020年我国雪灾致灾因子的时空特征和风险评估区划结果进行分析。结果表明:(1)近50年来,我国雪灾3个致灾因子下降趋势显著;空间分布均表现为在青藏高原、东北及新疆北部较大,在华中地区较小,在华南南部沿海、我国北方以及新疆南部最小;(2)雪灾高和较高危险性等级主要位于青藏高原和新疆北部,东北地区雪灾危险性等级较低,其他地区基本上为低等级;(3)人口、经济风险高风险与较高风险等级主要位于青藏高原东部、华北平原和东部沿海地区。对雪灾致灾危险性及风险进行探讨,可作为了解和认识我国雪灾及其对人口经济影响的参考依据。

青藏高原东部牧区冬季雪灾天气的形成及其预报

对青藏高原东部牧区 ( 1967— 1996年 )冬季发生的成灾性降雪天气过程进行了较为详细的分析。探讨了北冰洋低压槽、贝加尔湖低压、东亚大槽和南支槽等欧亚大型天气系统活动对高原冬季降雪天气形势形成的作用。归纳出两种高原冬季成灾性降雪天气形成的模型。重点讨论了高原气流波动不稳定对高原波槽形成的量化指标 ,找出了若干高原低温—降雪过程预报的统计关系 。

阿勒泰地区雪灾遥感监测模型与评价方法

利用我国新疆阿勒泰地区 1996～ 1997年两次雪灾期间的NOAA卫星数据及地面气象台站观测资料 ,建立了积雪深度遥感反演模型 ;利用线性混合光谱分解原理 ,研究了基于像元的积雪覆盖率及积雪空间分类算法 ;提出评价积雪对草地畜牧业危害程度的两种基于格网数据结构的定量化指数 .结果表明 ,通过积雪深度反演模型和线性混合光谱分解方法可计算基于像元的积雪深度和覆盖率 ,提高积雪分类的精度 .建立的基于格网单元的积雪危害指数模型可系统地表达积雪区的雪情、草情、畜情和气象因子的空间分布状况 。

草地畜牧业雪灾灾害系统及减灾对策研究

畜牧业雪灾灾害系统是由雪灾致灾因子子系统、雪灾孕灾环境子系统和畜牧业雪灾承灾体子系统共同组成的一个复杂系统,畜牧业雪灾脆弱性的形成和变化是畜牧业雪灾灾害系统整体结构和功能不断变化的结果,与各子系统及其组成要素相互联系、相互制约。在此理论基础上,提出了实施区域雪灾防灾、抗灾、救灾的组织措施,并进一步构建了区域畜牧业雪灾承灾体脆弱性形成机制与可持续发展模式,即纯牧业区畜牧业承灾体脆弱性与可持续发展模式、农牧交错区畜牧业承灾体脆弱性与可持续发展模式。

藏北高寒地区草原畜牧业现状及雪灾应对策略

藏北高寒牧区经济以畜牧业为主,雪灾是制约藏北草原畜牧业可持续发展,影响当地牧民生活水平提高的重要因素。根据雪灾对藏北畜牧业带来的危害的现状调查分析,如何应对雪灾从天然草地改良、增加饲草储备、减少牲畜消耗、发展高寒畜牧业服务体系等方面进行论述,探明了目前应采取发展的草原畜牧业技术来应对雪灾。

苏尼特草原雪灾时空分布特征

利用1961—2018年苏尼特左旗、苏尼特右旗和二连浩特市基本气象站点数据和平均牧草高度数据,依据国家标准GB/T 20482—2017《牧区雪灾等级》,对苏尼特草原雪灾进行时空分析。结果表明:(1)1961—2018年,苏尼特草原雪灾发生次数虽呈整体增长趋势,但不明显,增速为0.0040次/a;然而2004—2018年近15年间,雪灾发生次数呈减少趋势,减速为0.0214次/a。(2)1961—2018年,苏尼特草原东部雪灾发生频次较高,西部和北部雪灾发生频次较低;2004—2018年近15年间,雪灾主要发生于东部的苏尼特左旗,并且重灾和特大灾多发地均是苏尼特左旗。

白雪皑皑积成灾:内蒙古雪灾的防范应对

内蒙古位于我国北部边疆,由东北向西南斜伸,呈狭长形。受地理位置和地形的影响,形成以温带大陆性季风气候为主的气候,冬季漫长严寒。据统计,内蒙古地区平均每3年就有一次严重的暴风雪天气发生。近年来,受气候影响,内蒙古雪灾频繁发生,当地人民群众的生命财产遭受严重威胁。

西藏雪灾对高原牧业的影响探析(1824—1957)

目的分析近代西藏雪灾发生的时空特征,及其对西藏高原牧业影响的力度,为防灾减灾提供地方性经验借鉴。方法文献考证、历史分析和GIS制图。结果近代西藏有两次特大雪灾,间隔周期约为100年;西藏雪灾的地理分布集中在高原的纯牧区或农牧兼营区;土鼠年大雪灾对高原牧业破坏严重,并间接促成了《铁虎清册》的制定。结论近代西藏各级的雪灾灾后应对为适应性应对,是种理性选择,而对于未来西藏雪灾的预测预警尚需要更多学科的合作研究。