论文部分内容阅读
摘要以乡镇（街道）为风险评估单元，以人口和社会经济作为承灾体，根据联合国人道主义事务部的风险表达式，利用自然灾害风险指数法建立风雹灾害风险评估模型；利用指标体系法评估承灾体的脆弱性状态，根据加权综合评分法建立脆弱性评估模型，分析15个乡镇（街道）短时大风、冰雹灾害的危险性、承灾体的脆弱性，对风雹灾害风险进行评估，利用系统聚类方法对风险评估结果进行区划。结果表明，通州短时大风风险高值区在宋庄、潞城、漷县，低值区在西集镇、于家务乡、新华街道；冰雹风险高值区在潞城、西集镇，低值区在北苑、新华、玉桥街道及梨园、马驹桥、于家务乡（镇）；风雹灾害风险高值区在宋庄、潞城、漷县，低值区在新华、玉桥街道、马驹桥镇、于家务乡（镇）。
关键词短时大风；冰雹；风雹灾害；风险评估；区划
中图分类号S427文献标识码
A文章编号0517-6611（2015）29-219-04
通州区位于北京市东南部，下辖北苑、中仓、新华、玉桥4个街道及宋庄、永顺、梨园、潞城、台湖、张家湾、西集、马驹桥、于家务、漷县、永乐店11 个乡镇。夏季强对流天气带来的风雹是重要的灾害性天气，雷暴大风、冰雹等中小尺度天气现象具有强度大、时间短、破坏力强等特点，常给农业生产和人民生活造成严重影响。2013年6月24日晚，张家湾镇瞬时风速达到8级，一些大树被连根拔起，导致20多间房屋受损，村民受伤。2014年6月26日傍晚，永乐店镇遭遇大风、冰雹、暴雨强对流天气， 5 400多棵树木被刮倒，681.3 hm2农田受损，2 000多户房屋受损。开展风雹灾害风险评估是通州防灾减灾工作的必要环节。
目前，风雹灾害研究主要集中在灾情评估和农作物灾损评估，一般利用灾情和农作物灾损资料，应用灰色系统分析、信息扩散理论、模糊数学及灾损模型法进行灾情评估和农作物灾损评估。如贺一梅等选取农作物受灾率、成灾率等指标，运用模糊聚类方法对云南金沙江流域风雹灾害进行区划；尹圆圆等构建灾害损失模型对安徽省棉花雹灾的灾损风险进行评价。随着防灾减灾工作的需要，一些学者开展风雹灾害风险评估与区划研究，如李蒙等基于GIS技术从敏感性、危险性和易损性3个方面对云南烟区冰雹灾害风险进行评价，董鹏捷等、扈海波等利用地形敏感性、致灾危险性、人口脆弱性3个指数评估北京地区的冰雹灾害风险。强对流天气系统引起的冰雹常常伴随大风，风雹灾害对社会经济特别是农业生产的影响较大。该研究以乡镇（街道）为评估单元，以人口和社会经济为承灾体，利用灾害风险模型法并结合GIS空间分析技术对冰雹、短时大风2种灾害风险分别进行评估，然后综合得到风雹灾害风险，以期为地方政府灾害风险管理与决策提供理论依据。
1资料与方法
1.1资料来源
所用研究资料包括1956～2013年通州国家气象站、2010～2013年通州区11个区域自动站观测资料及北京市1∶10 000基础地理信息数据，均来自北京市气象局信息中心；通州区乡镇（街道）社会经济数据来自通州区统计局。
1.2风雹灾害风险评估方法与指标体系
历史气象要素以旬、月、甚至年的插值精度较好，连续性较强的气象要素如气温等的空间插值精度较高。有研究发现，对于降水数据，在时间尺度由年到月到日的变化过程中，插值精度明显下降，时间尺度越小插值结果的不确定性越大。一般的空间插值方法不太适用于时间尺度较短、局地性较强的雷暴大风和冰雹。再者，社会经济指标一般以乡镇（街道）为单位统计，其空间化受诸多自然地理、社会经济要素的影响，需要构建复杂的模型，简单的反距离加权、多项式回归、克里格等插值方法无法真实反映其空间分布状况。鉴于此，该研究不采用栅格数据，而以行政区划的乡镇（街道）作为评估单元。
根据联合国人道主义事务部的风险表达式：风险度（R）=危险度（H）×脆弱度（V）[15]，利用自然灾害风险指数法建立灾害风险评估模型：
DRIj=HWHj×VWVj （j=1，2） （1）
式中，j=1，2分别代表短时大风、冰雹；DRIj为第j种风雹灾害风险指数，其值越大，则风险程度越大；Hj、Vj分别为第j种风雹灾害的危险性、承灾体的脆弱性，WH、WV分别为其权重系数，取为0.60、0.40。
对短时大风、冰雹风险指数累积求和得到风雹灾害综合风险：
DRI=2j=1DRIj （2）
风雹灾害致灾因子危险性选用5～9月短时大风、冰雹的频次来表征。在脆弱性形成机制还没有研究透彻的情况下，指标体系是目前脆弱性评估最常用的方法。在此利用指标体系法评估风雹灾害下研究单元的脆弱性状态。脆弱性主要取决于承灾体的社会经济属性，一般认为社会经济条件可以反映区域的灾损敏感度。考虑短时大风、冰雹对人口和社会经济的具体影响及指标的可取性选取脆弱性评估指标。
大风主要给环境造成机械损伤和破坏，如毁屋拔树，导致人员直接或间接伤亡，造成农作物折枝损叶、落花落果、授粉不良、倒伏、断根和落粒。冰雹能损坏房屋、树木，造成人员伤亡，农作物折技损叶、落花落果，甚至毁坏庄稼，导致作物减产甚至颗粒无收。相同等级的风雹灾害在不同地区所造成的损失程度不同，人口稠密、种植养殖面积大、农林业发达地区的损失往往比农业欠发达地区要大得多。选取人口密度、耕地面积比、农林牧渔业占GDP比例、经济林面积比、温室花房面积比反映乡镇（街道）风雹灾害的脆弱状态。人口密度、农林牧渔业占GDP比例利用GIS分析功能进行计算，耕地面积比、经济林面积比、温室花房面积比从北京市1∶10 000基础地理信息数据中提取并计算。风雹灾害的脆弱性指标体系如表1所示。
对脆弱性指标值采用极差法进行归一化处理，利用加权综合评分法建立风雹灾害脆弱性评价模型：
V=mi=1XVi·WVi （3）
式中，XVi为风雹灾害脆弱性指标i的量化值；m为脆弱性指标个数；WVi为指标i的权重，利用层次分析法确定。 2结果与分析
2.1风雹灾害危险性分析
夏季伴随强对流天气发生的短时大风主要出现在5～9月。统计2010～2013年通州站及乡镇区域自动站5～9月逐日极大风速，计算短时大风的发生频率，利用自然断点分级法，将频率值划分为4个等级。由图1可见，短时大风危险性高值区分布在宋庄、潞城、梨园、台湖、张家湾、漷县镇，较高值区在永顺镇，较低值区在北苑等4个街道及马驹桥、永乐店镇，低值区在西集镇和于家务乡。
经统计，通州人工观测站1956～2013年冰雹发生总日数为51 d，最早出现在4月9日（1974年），最晚出现在10月1日（1959年）。夏季（6～8月）最多，发生31 d，占总日数的60.8%；春季出现15 d，占总日数的29.4%；秋季出现5 d，仅占总日数的9.8%；一年中以6月最多，共发生15 d，占总日数的29.4%。根据通州1980～2009年冰雹灾情资料，绘制冰雹日数空间分布。由图2可见，永顺、潞城、西集镇为冰雹高发区。
43卷29期高晓容等北京市通州区风雹灾害风险评估与区划
2.2风雹灾害承灾体脆弱性分析
计算乡镇（街道）人口密度、耕地面积比、农林牧渔业占GDP比例、经济林面积比、温室花房面积比的归一化值，根据承灾体脆弱性评估模型（公式3）计算乡镇（街道）脆弱性指数值，利用自然断点法对脆弱性指数值进行区划。由通州风雹灾害脆弱性指数空间分布（图3）可见，脆弱性高值区在永乐店、西集和漷县，较高值区在宋庄、梨园、潞城、马驹桥、于家务，较低值区在北苑、中仓街道及永顺、台湖、张家湾，低值区在新华、玉桥街道。对照承灾体脆弱性各指标值发现，永乐店镇耕地面积比例和农林牧渔业占GDP比例最大，而人口密度最低，其脆弱性指数最大；西集镇经济林面积比最大，农林牧渔业占GDP比例较高，导致其脆弱性指数较高；漷县镇耕地面积比例、农林牧渔业占GDP比例和耕地面积比较高，导致其脆弱性指数也比较高；新华、玉桥街道农林牧渔业占GDP比例、经济林面积比和耕地面积比均为最低，虽然人口密度较高，其脆弱性指数还是比较小。
2.3风雹灾害风险评价
综合致灾因子危险性、承灾体脆弱性，根据灾害风险评估模型（公式1）计算短时大风、冰雹
风险指数，利用系统聚类方法[19]对风险指数值进行区划。
由图4可见，短时大风风险高值区在宋庄、潞城、漷县，较高值区在永顺、梨园、台湖、张家湾、永乐店镇，较低值区在北苑、中仓、玉桥街道及马驹桥镇，低值区在新华街道、西集镇、于家务乡；冰雹风险高值区在潞城、西集镇，较高值区在宋庄、永顺、张家湾、漷县、永乐店镇，较低值区在中仓街道、台湖镇；低值区在北苑、新华、玉桥街道及梨园、马驹桥、于家务乡（镇）。
对乡镇（街道）短时大风、冰雹风险指数累积求和得到风雹灾害综合风险指数。从风雹灾害综合风险区划（图5）可看出，综合风险高值区在宋庄、潞城、漷县，较高值区在永顺、梨园、台湖镇、张家湾、永乐店镇，较低值区在北苑、中仓街道及西集镇，低值区在新华、玉桥街道及马驹桥、于家务乡（镇）。
3结论与讨论
（1）一般的空间插值方法不太适用于时间尺度较短、局地性较强的短时大风和冰雹；以乡镇（街道）为统计单位的社会经济指标利用简单的反距离加权、多项式回归、克里格等插值方法无法真实反映其空间分布；地方政府管理也一般以行政区划为单位进行。因此，该研究以乡镇（街道）作为风险评估单元。
（2） 短时大风危险性高值区分布在宋庄、梨园、台湖、潞城、张家湾、漷县镇，低值区在西集和于家务乡（镇）。冰雹高发区在永顺、潞城、西集镇。承灾体脆弱性高值区在永乐店、西集和漷县，低值区在新华、玉桥街道。
（3） 短时大风风险高值区在宋庄、潞城、漷县，低值区在西集镇、于家务乡、新华街道；冰雹风险高值区在潞城、西集镇，低值区在北苑、新华、玉桥街道及梨园、马驹桥、于家务乡（镇）。风雹灾害综合风险高值区在宋庄、潞城、漷县，低值区在新华、玉桥街道及马驹桥镇、于家务乡（镇）。
（4）
目前，社会经济脆弱性量化评估仍是探索性研究，指标体系法是主要的评估方法，指标体系的选取与构建及更为客观的权重赋值方法应是今后研究的重点。由于区域自动观测站建站较晚，数据序列较短；另一方面，通州正处在北京城市副中心的快速建设中，近年社会经济数据变化较大。因
此，该研究进行的风雹灾害风险评估需在今后不断优化完善。
参考文献
[1]
刘伟东，扈海波，程丛兰，等.灰色关联度方法在大风和暴雨灾害损失评估中的应用[J].气象科技，2007，35（4）：563-566.
[2] 陈家金，王加义，杨凯，等.基于信息扩散理论的福建省农作物风雹灾害风险评估[J].中国农业气象，2011，32（S1）：184-187.
[3] 雷晓云，张立新，邓西宝.新疆生产建设兵团农业风雹灾害风险评估[J].干旱区研究，2005，22（3）：341-344.
[4] 贺一梅，李云辉.云南省金沙江流域风雹灾害区划研究[J].山地学报，2002，20（S1）：69-73.
[5] 胡亚南，李阔，许吟隆.1951- 2010年华北平原农业气象灾害特征分析及粮食减产风险评估[J].中国农业气象，2013，34（2）：197-203.
[6] 尹圆圆，王静爱，赵金涛，等.棉花冰雹灾害风险评价：以安徽省为例[J].安徽农业科学，2012，40（25）：12506-12509.
[7] 李蒙，朱勇，吉文娟.基于GIS的云南烟区冰雹灾害风险评价[J].中国农业气象，2012，33（1）：129-133.
[8] 翟志宏，姜会飞，叶彩华，等.基于概率分布模型的北京地区冰雹灾害风险区划[J].中国农业大学学报，2008，13（6）：49-53.
[9] 董鹏捷，吴正华.北京2008年奥运期间冰雹灾害风险评估模型研究[J].暴雨灾害，2008，27（2）：104-108.
[10] 扈海波，董鹏捷，熊亚军，等.北京奥运期间冰雹灾害风险评估[J].气象，2008，34（12）：84-89.
[11] 刘彩红，王黎俊，王振宇，等.基于灾损评估的青海高原冰雹灾害风险区划[J].冰川冻土，2012，34（6）：1409-1415.
[12] 庄立伟，王石立.东北地区逐日气象要素的空间插值方法应用研究[J].应用气象学报，2003，14（5）：605-615.
[13] 朱会义，贾绍凤.降水信息空间插值的不确定行分析[J].地理科学进展，2004，23（2）：34-42.
[14] 杜国明.人口数据空间化方法与实践[M].北京：中国农业出版社，2008：84-98.
[15] 葛全胜，邹铭，郑景云，等.中国自然灾害风险综合评估初步研究[M].北京：科学出版社，2008：136-137，173-176.
[16] 张斌，赵前胜，姜瑜君.区域承灾体脆弱性指标体系与精细量化模型研究[J].灾害学，2010，25（2）：36-40.
[17] 马国斌，李京，蒋卫国，等.基于气象预测数据的中国洪涝灾害危险性评估与预警研究[J].灾害学，2011，26（3）：8-12.
[18] 陈磊，徐伟，周忻，等.自然灾害社会脆弱性评估研究：以上海市为例[J].灾害学，2012，27（1）：98-100.
[19] 唐启义.DPS数据处理系统：试验设计、统计分析与数据挖掘[M].北京：科学出版社，2010：719-726.
关键词短时大风；冰雹；风雹灾害；风险评估；区划
中图分类号S427文献标识码
A文章编号0517-6611（2015）29-219-04
通州区位于北京市东南部，下辖北苑、中仓、新华、玉桥4个街道及宋庄、永顺、梨园、潞城、台湖、张家湾、西集、马驹桥、于家务、漷县、永乐店11 个乡镇。夏季强对流天气带来的风雹是重要的灾害性天气，雷暴大风、冰雹等中小尺度天气现象具有强度大、时间短、破坏力强等特点，常给农业生产和人民生活造成严重影响。2013年6月24日晚，张家湾镇瞬时风速达到8级，一些大树被连根拔起，导致20多间房屋受损，村民受伤。2014年6月26日傍晚，永乐店镇遭遇大风、冰雹、暴雨强对流天气， 5 400多棵树木被刮倒，681.3 hm2农田受损，2 000多户房屋受损。开展风雹灾害风险评估是通州防灾减灾工作的必要环节。
目前，风雹灾害研究主要集中在灾情评估和农作物灾损评估，一般利用灾情和农作物灾损资料，应用灰色系统分析、信息扩散理论、模糊数学及灾损模型法进行灾情评估和农作物灾损评估。如贺一梅等选取农作物受灾率、成灾率等指标，运用模糊聚类方法对云南金沙江流域风雹灾害进行区划；尹圆圆等构建灾害损失模型对安徽省棉花雹灾的灾损风险进行评价。随着防灾减灾工作的需要，一些学者开展风雹灾害风险评估与区划研究，如李蒙等基于GIS技术从敏感性、危险性和易损性3个方面对云南烟区冰雹灾害风险进行评价，董鹏捷等、扈海波等利用地形敏感性、致灾危险性、人口脆弱性3个指数评估北京地区的冰雹灾害风险。强对流天气系统引起的冰雹常常伴随大风，风雹灾害对社会经济特别是农业生产的影响较大。该研究以乡镇（街道）为评估单元，以人口和社会经济为承灾体，利用灾害风险模型法并结合GIS空间分析技术对冰雹、短时大风2种灾害风险分别进行评估，然后综合得到风雹灾害风险，以期为地方政府灾害风险管理与决策提供理论依据。
1资料与方法
1.1资料来源
所用研究资料包括1956～2013年通州国家气象站、2010～2013年通州区11个区域自动站观测资料及北京市1∶10 000基础地理信息数据，均来自北京市气象局信息中心；通州区乡镇（街道）社会经济数据来自通州区统计局。
1.2风雹灾害风险评估方法与指标体系
历史气象要素以旬、月、甚至年的插值精度较好，连续性较强的气象要素如气温等的空间插值精度较高。有研究发现，对于降水数据，在时间尺度由年到月到日的变化过程中，插值精度明显下降，时间尺度越小插值结果的不确定性越大。一般的空间插值方法不太适用于时间尺度较短、局地性较强的雷暴大风和冰雹。再者，社会经济指标一般以乡镇（街道）为单位统计，其空间化受诸多自然地理、社会经济要素的影响，需要构建复杂的模型，简单的反距离加权、多项式回归、克里格等插值方法无法真实反映其空间分布状况。鉴于此，该研究不采用栅格数据，而以行政区划的乡镇（街道）作为评估单元。
根据联合国人道主义事务部的风险表达式：风险度（R）=危险度（H）×脆弱度（V）[15]，利用自然灾害风险指数法建立灾害风险评估模型：
DRIj=HWHj×VWVj （j=1，2） （1）
式中，j=1，2分别代表短时大风、冰雹；DRIj为第j种风雹灾害风险指数，其值越大，则风险程度越大；Hj、Vj分别为第j种风雹灾害的危险性、承灾体的脆弱性，WH、WV分别为其权重系数，取为0.60、0.40。
对短时大风、冰雹风险指数累积求和得到风雹灾害综合风险：
DRI=2j=1DRIj （2）
风雹灾害致灾因子危险性选用5～9月短时大风、冰雹的频次来表征。在脆弱性形成机制还没有研究透彻的情况下，指标体系是目前脆弱性评估最常用的方法。在此利用指标体系法评估风雹灾害下研究单元的脆弱性状态。脆弱性主要取决于承灾体的社会经济属性，一般认为社会经济条件可以反映区域的灾损敏感度。考虑短时大风、冰雹对人口和社会经济的具体影响及指标的可取性选取脆弱性评估指标。
大风主要给环境造成机械损伤和破坏，如毁屋拔树，导致人员直接或间接伤亡，造成农作物折枝损叶、落花落果、授粉不良、倒伏、断根和落粒。冰雹能损坏房屋、树木，造成人员伤亡，农作物折技损叶、落花落果，甚至毁坏庄稼，导致作物减产甚至颗粒无收。相同等级的风雹灾害在不同地区所造成的损失程度不同，人口稠密、种植养殖面积大、农林业发达地区的损失往往比农业欠发达地区要大得多。选取人口密度、耕地面积比、农林牧渔业占GDP比例、经济林面积比、温室花房面积比反映乡镇（街道）风雹灾害的脆弱状态。人口密度、农林牧渔业占GDP比例利用GIS分析功能进行计算，耕地面积比、经济林面积比、温室花房面积比从北京市1∶10 000基础地理信息数据中提取并计算。风雹灾害的脆弱性指标体系如表1所示。
对脆弱性指标值采用极差法进行归一化处理，利用加权综合评分法建立风雹灾害脆弱性评价模型：
V=mi=1XVi·WVi （3）
式中，XVi为风雹灾害脆弱性指标i的量化值；m为脆弱性指标个数；WVi为指标i的权重，利用层次分析法确定。 2结果与分析
2.1风雹灾害危险性分析
夏季伴随强对流天气发生的短时大风主要出现在5～9月。统计2010～2013年通州站及乡镇区域自动站5～9月逐日极大风速，计算短时大风的发生频率，利用自然断点分级法，将频率值划分为4个等级。由图1可见，短时大风危险性高值区分布在宋庄、潞城、梨园、台湖、张家湾、漷县镇，较高值区在永顺镇，较低值区在北苑等4个街道及马驹桥、永乐店镇，低值区在西集镇和于家务乡。
经统计，通州人工观测站1956～2013年冰雹发生总日数为51 d，最早出现在4月9日（1974年），最晚出现在10月1日（1959年）。夏季（6～8月）最多，发生31 d，占总日数的60.8%；春季出现15 d，占总日数的29.4%；秋季出现5 d，仅占总日数的9.8%；一年中以6月最多，共发生15 d，占总日数的29.4%。根据通州1980～2009年冰雹灾情资料，绘制冰雹日数空间分布。由图2可见，永顺、潞城、西集镇为冰雹高发区。
43卷29期高晓容等北京市通州区风雹灾害风险评估与区划
2.2风雹灾害承灾体脆弱性分析
计算乡镇（街道）人口密度、耕地面积比、农林牧渔业占GDP比例、经济林面积比、温室花房面积比的归一化值，根据承灾体脆弱性评估模型（公式3）计算乡镇（街道）脆弱性指数值，利用自然断点法对脆弱性指数值进行区划。由通州风雹灾害脆弱性指数空间分布（图3）可见，脆弱性高值区在永乐店、西集和漷县，较高值区在宋庄、梨园、潞城、马驹桥、于家务，较低值区在北苑、中仓街道及永顺、台湖、张家湾，低值区在新华、玉桥街道。对照承灾体脆弱性各指标值发现，永乐店镇耕地面积比例和农林牧渔业占GDP比例最大，而人口密度最低，其脆弱性指数最大；西集镇经济林面积比最大，农林牧渔业占GDP比例较高，导致其脆弱性指数较高；漷县镇耕地面积比例、农林牧渔业占GDP比例和耕地面积比较高，导致其脆弱性指数也比较高；新华、玉桥街道农林牧渔业占GDP比例、经济林面积比和耕地面积比均为最低，虽然人口密度较高，其脆弱性指数还是比较小。
2.3风雹灾害风险评价
综合致灾因子危险性、承灾体脆弱性，根据灾害风险评估模型（公式1）计算短时大风、冰雹
风险指数，利用系统聚类方法[19]对风险指数值进行区划。
由图4可见，短时大风风险高值区在宋庄、潞城、漷县，较高值区在永顺、梨园、台湖、张家湾、永乐店镇，较低值区在北苑、中仓、玉桥街道及马驹桥镇，低值区在新华街道、西集镇、于家务乡；冰雹风险高值区在潞城、西集镇，较高值区在宋庄、永顺、张家湾、漷县、永乐店镇，较低值区在中仓街道、台湖镇；低值区在北苑、新华、玉桥街道及梨园、马驹桥、于家务乡（镇）。
对乡镇（街道）短时大风、冰雹风险指数累积求和得到风雹灾害综合风险指数。从风雹灾害综合风险区划（图5）可看出，综合风险高值区在宋庄、潞城、漷县，较高值区在永顺、梨园、台湖镇、张家湾、永乐店镇，较低值区在北苑、中仓街道及西集镇，低值区在新华、玉桥街道及马驹桥、于家务乡（镇）。
3结论与讨论
（1）一般的空间插值方法不太适用于时间尺度较短、局地性较强的短时大风和冰雹；以乡镇（街道）为统计单位的社会经济指标利用简单的反距离加权、多项式回归、克里格等插值方法无法真实反映其空间分布；地方政府管理也一般以行政区划为单位进行。因此，该研究以乡镇（街道）作为风险评估单元。
（2） 短时大风危险性高值区分布在宋庄、梨园、台湖、潞城、张家湾、漷县镇，低值区在西集和于家务乡（镇）。冰雹高发区在永顺、潞城、西集镇。承灾体脆弱性高值区在永乐店、西集和漷县，低值区在新华、玉桥街道。
（3） 短时大风风险高值区在宋庄、潞城、漷县，低值区在西集镇、于家务乡、新华街道；冰雹风险高值区在潞城、西集镇，低值区在北苑、新华、玉桥街道及梨园、马驹桥、于家务乡（镇）。风雹灾害综合风险高值区在宋庄、潞城、漷县，低值区在新华、玉桥街道及马驹桥镇、于家务乡（镇）。
（4）
目前，社会经济脆弱性量化评估仍是探索性研究，指标体系法是主要的评估方法，指标体系的选取与构建及更为客观的权重赋值方法应是今后研究的重点。由于区域自动观测站建站较晚，数据序列较短；另一方面，通州正处在北京城市副中心的快速建设中，近年社会经济数据变化较大。因
此，该研究进行的风雹灾害风险评估需在今后不断优化完善。
参考文献
[1]
刘伟东，扈海波，程丛兰，等.灰色关联度方法在大风和暴雨灾害损失评估中的应用[J].气象科技，2007，35（4）：563-566.
[2] 陈家金，王加义，杨凯，等.基于信息扩散理论的福建省农作物风雹灾害风险评估[J].中国农业气象，2011，32（S1）：184-187.
[3] 雷晓云，张立新，邓西宝.新疆生产建设兵团农业风雹灾害风险评估[J].干旱区研究，2005，22（3）：341-344.
[4] 贺一梅，李云辉.云南省金沙江流域风雹灾害区划研究[J].山地学报，2002，20（S1）：69-73.
[5] 胡亚南，李阔，许吟隆.1951- 2010年华北平原农业气象灾害特征分析及粮食减产风险评估[J].中国农业气象，2013，34（2）：197-203.
[6] 尹圆圆，王静爱，赵金涛，等.棉花冰雹灾害风险评价：以安徽省为例[J].安徽农业科学，2012，40（25）：12506-12509.
[7] 李蒙，朱勇，吉文娟.基于GIS的云南烟区冰雹灾害风险评价[J].中国农业气象，2012，33（1）：129-133.
[8] 翟志宏，姜会飞，叶彩华，等.基于概率分布模型的北京地区冰雹灾害风险区划[J].中国农业大学学报，2008，13（6）：49-53.
[9] 董鹏捷，吴正华.北京2008年奥运期间冰雹灾害风险评估模型研究[J].暴雨灾害，2008，27（2）：104-108.
[10] 扈海波，董鹏捷，熊亚军，等.北京奥运期间冰雹灾害风险评估[J].气象，2008，34（12）：84-89.
[11] 刘彩红，王黎俊，王振宇，等.基于灾损评估的青海高原冰雹灾害风险区划[J].冰川冻土，2012，34（6）：1409-1415.
[12] 庄立伟，王石立.东北地区逐日气象要素的空间插值方法应用研究[J].应用气象学报，2003，14（5）：605-615.
[13] 朱会义，贾绍凤.降水信息空间插值的不确定行分析[J].地理科学进展，2004，23（2）：34-42.
[14] 杜国明.人口数据空间化方法与实践[M].北京：中国农业出版社，2008：84-98.
[15] 葛全胜，邹铭，郑景云，等.中国自然灾害风险综合评估初步研究[M].北京：科学出版社，2008：136-137，173-176.
[16] 张斌，赵前胜，姜瑜君.区域承灾体脆弱性指标体系与精细量化模型研究[J].灾害学，2010，25（2）：36-40.
[17] 马国斌，李京，蒋卫国，等.基于气象预测数据的中国洪涝灾害危险性评估与预警研究[J].灾害学，2011，26（3）：8-12.
[18] 陈磊，徐伟，周忻，等.自然灾害社会脆弱性评估研究：以上海市为例[J].灾害学，2012，27（1）：98-100.
[19] 唐启义.DPS数据处理系统：试验设计、统计分析与数据挖掘[M].北京：科学出版社，2010：719-726.