论文部分内容阅读
摘要对锡林郭勒盟地区1960～2000年典型的雪灾年和非雪灾年的灾情资料进行分析，通过对每次的牧区雪灾灾害赋值得到了灾情指数，并采用灰色关联分析的方法定量分析了牧区积雪深度、积雪时间、气温3个气象因子与雪灾灾情的相关性。结果表明，研究区气象因子与雪灾灾情的关联程度从高到低依次为积雪深度、积雪时间和气温。
关键词雪灾；灰色关联度；气象因子；锡林郭勒盟
中图分类号S427文献标识码A文章编号0517-6611（2015）07-099-05
The Correlation Analysis between Meteorological Factors and Snow Disaster Based on Gray Correlation Method
YANG Zheng1， HU Zhuo-wei2， 3， 4， WANG Zhi-heng2， 3， 4
（1. Information Center of Ministry of Land and Resources of People’s Republic of China， Beijing 100812； 2.College of Resources Environment and Tourism， Capital Normal University， Beijing 100048； 3. Beijing Municipal Key Laboratory of Resources Environment and GIS， Beijing 100048； 4. Laboratory of 3D Information Acquisition and Application， MOST， Beijing 100048）
AbstractThe data of typical snow disaster year and non snow disaster year in Xilin Gol League during 1960-2000 was analyzed. The disaster index was obtained. Grey correlation method was adopted to quantitively analyze relationship between snow depth， time， temperature and snow disaster. The results showed that the order of correlation between meteorological factors and snow disaster is as following： snow depth>time>temperature.
Key wordsSnow disaster； Gray correlation； Meteorological factor； Xilin Gol League
雪灾是我国冬春季节最主要的自然灾害[1-2]，在我国西部牧区经常发生，尤其是内蒙古、新疆、青海和西藏等地的牧区几乎每年都会发生，造成大量的经济损失，给我国的畜牧业造成重大危害[3-5]。深入分析和研究雪灾灾害，实时得到牧区雪灾临灾和发灾时的灾害范围和灾害强度，做好充分的防灾减灾和救灾的准备，最大程度地减轻雪灾的损失，对牧区的发展和牧民生活的保障具有十分重要的现实意义。
为此，笔者在分析内蒙古锡林郭勒盟多年雪灾气象资料的基础上，应用灰色关联分析的方法定量分析了研究区内典型气象因素（积雪深度、积雪时间和气温）与雪灾灾情的相关性，旨在为建立锡林郭勒盟地区雪灾危险性评价指标体系提供理论依据。
1材料与方法
1.1研究区概况
锡林郭勒盟地处115°13′～117°06′ E，43°02′～44°52′ N，位于我国的正北方，内蒙古自治区的中部，驻地锡林浩特市。该区既是国家重要的畜产品基地，又是西部大开发的前沿，是距京、津、唐等地最近的草原牧区，属北部温带大陆性气候，其行政区划见图1。研究区主要气候特点是风大、干旱、寒冷。年平均气温0～3 ℃，结冰期长达5个月，寒冷期长达7个月，1月气温最低，平均气温-20 ℃，是华北地区最冷的地区之一。
图1锡林郭勒盟位置及行政区划
1.2数据来源
该研究所用的气象数据为内蒙古各气象站点数据，共18个气象站点，包含锡林郭勒盟15个站点以及距离锡林郭勒盟较近的3个站点，研究区气象站点分布见图2。
图2研究区气象站点分布
1.3灰色关联分析基本原理
灰色关联分析方法是用灰色关联度的顺序来表达各个序列之间主次关系的方法。它的基本思想是：以因素的数据序列为依据，对比分析各个序列之间的几何关系，若序列曲线的几何形状越接近，则它们之间的灰色关联度越大，反之越小。
灰色关联分析在一定程度上体现了指标的动态变化特征。由于灰色关联分析是按事物的发展趋势所作的分析，所以对样本量的多少并没有过多要求，也不需要典型的分布规律，而且计算量较小，其结果与定性分析结果较吻合，因此，灰色关联分析是一种比较实用和可靠的分析方法[6-7]。
设参考序列为：
X0（tk）={X0（t1），X0（t2），…，X0（tn）}，k=1，2，3，…，n（1）
式中，n为评估指标的个数。
比较序列为：
Xj（tk）={Xj（t1），Xj（t2），…，Xj（tn）}，j=1，2，3，…，m（2）
式中，j为评估指标的个数。
设灰色关联系数为ξ0，j（tk），则： ξ0 j（tk）=Δmin+ξΔmaxΔ0 j（tk）+ξΔmax（3）
式中，Δmin为X0和Xj各指标的最小绝对差值；Δmax为X0和Xj各指标的最大绝对差值；Δ0 j（tk）为指标tk时X0和Xj的绝对差值。即：
Δ0 j（tk）=|X0（tk）-Xj（tk）|，k=1，2，…，n；j=1，2，…，m（4）
式（3）中ξ为分辨率系数，是一个预先给定的常数，取ξ≤0.5。灰色关联度，即评估模型为：
γ0 j=1nnj=1ξ0 j（tk）（5）
2结果与分析
2.1锡林郭勒盟雪灾历史案例统计在建立雪灾灾情资料库的基础上，确定研究区雪灾灾情指数。
2.1.1雪灾灾情资料库建立。
根据《中国气象灾害大典·内蒙古卷》、《内蒙古自然灾害通志》等资料，记载了1960～2000年的历次雪灾的发灾时间、发灾范围、受灾人口和损失牲畜等灾情描述信息以及部分年份的部分地区或内蒙古自治区全区的损失情况，包括经济损失的估算，但不是每次雪灾都有关于研究区损失大小的明确统计数据，因此，需将每一次关于研究区的灾情描述资料进行整理，建立研究区雪灾灾情资料库。
安徽农业科学2015年
2.1.2雪灾灾情指数确定。
在统计资料中，有些年份记载有明确的雪灾发生时间、地点和具体损失等情况描述，而有些年份的灾害案例的具体损失情况未给出，只有一些关于灾害损失的描述，所以在进行历史灾情数据统计时，需为每一次灾害的灾情赋予一个定量的值，但由于历史灾情的相关资料很少有直接为雪灾灾情大小给予定量的描述，所以该研究中定量值按照受灾牲畜的情况以及相关描述来进行赋值。
灾情指数取值范围在0～10，其中0代表灾情资料记载中的相应年份没有雪灾或有轻度的雪灾危险；10代表雪灾灾情非常严重；其他值则介于两者之间，值越大代表灾情越严重。需要说明的是，该研究中的赋值方法带有一定的主观性，但由于缺少定量的灾情描述，选用该方法进行研究，也可在一定程度上反映灾害损失的相对程度。
通过对1960～2000年典型的雪灾年或非雪灾年锡林郭勒盟地区的灾情进行赋值，得到的灾情指数变化序列（图3）。
图3研究区1960～2000年灾情指数分布
2.2气象因子与雪灾灾情的灰色关联分析
牧区雪灾是指由于积雪过厚、维持时间长，掩埋牧草，使牲畜无法采食，大量牲畜掉膘死亡的灾害[8-10]。选取积雪深度、积雪持续时间、气温3个影响雪灾发生的重要气象因素，应用灰色关联方法分析雪灾灾情与上述3类气象因素的相关性，为研究区雪灾危险性参评因子的确定提供依据。
2.2.1积雪深度与雪灾灾情损失关联分析。
积雪深度的大小是影响雪灾灾害最主要的因素，根据对雪灾成灾机制的分析，雪灾是因为积雪过深掩埋牧草从而使牲畜无法采食而形成的，因此，先对积雪深度与雪灾灾情进行灰色关联分析。
通过对研究区内各站点1960～2000年典型的雪灾年或非雪灾年的最大积雪深度的提取，得到每个站点的积雪深度见图4。在不同年份各个站点的积雪深度虽然有所不同，但在不同年份之间的大小变化趋势却很相近，而积雪深度最大的几个时间段分别出现在1977年、20世纪80年代中期、1993～1994年以及2000年。多数年份各站点的最大积雪深度值都在10～20 cm，站点的地理位置越偏北，积雪深度的值越高，如在锡林郭勒盟的最北部靠近阿尔山站点，最大积雪深度值要比其他站点高。
为方便研究，需确定一个积雪深度的序列与灾情序列进行灰色关联分析，还需对各个站点的最大积雪深度的值进行处理，通过对每一年各站点积雪深度值求平均，得到各年份的积雪深度的平均值，其时间序列见图5。由于在各个年份中积雪深度的变化序列的趋势相近，所以不同年份的积雪深度的平均值可反映该年份研究区整体的积雪深度的情况。研究区平均积雪深度的最大值出现在1977年，达到17.50 cm，最小值出现在1969年，为4.76 cm。
先对积雪深度和灾情指数数据进行归一化处理，然后通过灰色关联分析法对积雪深度序列与赋值后的灾情序列进行灰色关联分析。由表1可知，在灾情统计中1977年是最为严重的雪灾年，在20世纪80年代后期和90年代初以及2000年前后也出现了积雪深度的几个高值区，而资料记载的以上时段也有相应的灾害发生，在进行分析后的关联度达到0.659 7。
图4研究区1960～2000年各气象站点雪深分布
图5研究区1960～2000年平均积雪深度分布
43卷7期
杨 征等基于灰色关联度的气象因子与雪灾灾情相关性分析
表1积雪深度与灾情灰色关联分析结果
2.2.2积雪持续时间与灾情损失关联分析。
积雪持续时间是影响雪灾灾害的重要气象因素之一，在雪灾成灾机制分析中积雪掩埋牧草导致牲畜无法采食，而积雪持续时间越长，雪灾的危险性越大。对研究区各站点1960～2000年典型的雪灾年或非雪灾年（共31年）的10月至次年3月的积雪天数进行统计，统计方法是：根据各站点的10月至次年3月的每一天的积雪深度的记录资料，如果有记录且积雪深度大于0，说明该站点在该天为积雪天。由图6可见，在同一年份，不同站点之间的积雪时间的差别很大，少者不到50 d，多者可达150 d以上；而同一站点不同年份之间的变化不大，所以变化波动较小。
图6研究区各气象站点积雪时间分布
通过对各年份各站点积雪时间的值求平均，得到各年份的积雪时间的平均值。由图7可知，积雪时间有几个高值时间段，分别是20世纪80年代初、80年代末以及1994～1995年，积雪持续时间最小值出现在20世纪60年代末。 图7研究区1960～2000年平均积雪时间分布
通过灰色关联分析法对积雪时间序列与赋值后的灾情序列进行计算。由表2可知，在积雪时间的高值区可覆盖到部分的雪灾年，在进行分析后的关联度达到0.632 2，不如积雪深度的关联程度高。
2.2.3气温与灾情损失关联分析。
气温也是影响雪灾灾害的重要气象因素之一，气温对于积雪的保持有一定作用。对研究区各站点1960～2000年典型的雪灾年或非雪灾年的10月至次年3月的月最低气温平均值的进行统计。由图8可知，在同一年份不同站点之间的冬半年月最低气温平均值有一定差异，最低可达-35 ℃左右，高值也在-20 ℃附近；但同一站点不同年份之间变化不大，曲线波动较小。
通过对每一年各站点冬半年各月最低气温的平均值求平均数，得到各年份气温的平均值。由图9可知，气温的平均值的变化波动较小，都在-30～-25 ℃。
通过灰色关联分析法对气温时间序列与赋值后的灾情序列进行计算，在计算中先对气温的值取绝对值，因为气温越低其绝对值越大，对成灾促进作用越明显，对气温进行归一化计算时，最大值即气温绝对值中的最大值，而最小值取0。由表3可知，气温的变化与灾情的变化曲线的相近程度不高，在进行分析后的关联度达到0.570 3，不如积雪深度和积雪时间的关联程度高。
表2积雪时间与灾情灰色关联分析结果
3结论
对锡林郭勒盟地区1960～2000年典型的雪灾年和非雪灾年的灾情资料进行统计分析，对每次牧区雪灾灾害赋值得到灾情指数，并对牧区雪灾成灾影响较大的积雪深度、积雪时间以及气温3个气象因素，与灾情序列进行了灰色关联分析。结果表明在研究区内，牧区雪灾灾害气象因素与灾情的关联程度从高到低排序依次是积雪深度、积雪时间和气温。该研究结论为建立研究区雪灾危险性评价指标体系提供了重要依据，并且对在该区域开展雪灾风险评估和预警具有重要实际意义。
参考文献
[1] 黄朝迎.我国草原牧区雪灾及危害[J].灾害学，1988（4）：45-48.
[2] 徐羹惠.牧区雪灾防御研究的新进展及其展望[J].新疆气象，2005，28（3）：1-4.
[3] 郝璐，王静爱，满苏尔，等.中国雪灾时空变化及畜牧业脆弱性分析[J].自然灾害学报，2002，11（4）：42-48.
[4] 康玲.内蒙古地区雪灾分析[J].内蒙古气象，2007（1）：10-14.
[5] 林建，范蕙君.内蒙古雪灾监测方法研究[J].气象，2003，29（1）：27-31.
[6] 周秀文.灰色关联度的研究与应用[D].长春：吉林大学，2006.
[7] 曹明霞.灰色关联分析模型及其应用的研究[D].南京：南京航空航天大学，2007.
[8] 李海红，李海红，李锡福，等.中国牧区雪灾等级指标研究[J].青海气象，2006（1）：24-28.
[9] 张殿发，张祥华.中国北方草原雪灾的致灾机制探讨[J].自然灾害学报，2002（5）：80-84.
[10] 宫德吉，郝慕玲.白灾成灾综合指数的研究[J].应用气象学报，1998，9（1）：119-123.
关键词雪灾；灰色关联度；气象因子；锡林郭勒盟
中图分类号S427文献标识码A文章编号0517-6611（2015）07-099-05
The Correlation Analysis between Meteorological Factors and Snow Disaster Based on Gray Correlation Method
YANG Zheng1， HU Zhuo-wei2， 3， 4， WANG Zhi-heng2， 3， 4
（1. Information Center of Ministry of Land and Resources of People’s Republic of China， Beijing 100812； 2.College of Resources Environment and Tourism， Capital Normal University， Beijing 100048； 3. Beijing Municipal Key Laboratory of Resources Environment and GIS， Beijing 100048； 4. Laboratory of 3D Information Acquisition and Application， MOST， Beijing 100048）
AbstractThe data of typical snow disaster year and non snow disaster year in Xilin Gol League during 1960-2000 was analyzed. The disaster index was obtained. Grey correlation method was adopted to quantitively analyze relationship between snow depth， time， temperature and snow disaster. The results showed that the order of correlation between meteorological factors and snow disaster is as following： snow depth>time>temperature.
Key wordsSnow disaster； Gray correlation； Meteorological factor； Xilin Gol League
雪灾是我国冬春季节最主要的自然灾害[1-2]，在我国西部牧区经常发生，尤其是内蒙古、新疆、青海和西藏等地的牧区几乎每年都会发生，造成大量的经济损失，给我国的畜牧业造成重大危害[3-5]。深入分析和研究雪灾灾害，实时得到牧区雪灾临灾和发灾时的灾害范围和灾害强度，做好充分的防灾减灾和救灾的准备，最大程度地减轻雪灾的损失，对牧区的发展和牧民生活的保障具有十分重要的现实意义。
为此，笔者在分析内蒙古锡林郭勒盟多年雪灾气象资料的基础上，应用灰色关联分析的方法定量分析了研究区内典型气象因素（积雪深度、积雪时间和气温）与雪灾灾情的相关性，旨在为建立锡林郭勒盟地区雪灾危险性评价指标体系提供理论依据。
1材料与方法
1.1研究区概况
锡林郭勒盟地处115°13′～117°06′ E，43°02′～44°52′ N，位于我国的正北方，内蒙古自治区的中部，驻地锡林浩特市。该区既是国家重要的畜产品基地，又是西部大开发的前沿，是距京、津、唐等地最近的草原牧区，属北部温带大陆性气候，其行政区划见图1。研究区主要气候特点是风大、干旱、寒冷。年平均气温0～3 ℃，结冰期长达5个月，寒冷期长达7个月，1月气温最低，平均气温-20 ℃，是华北地区最冷的地区之一。
图1锡林郭勒盟位置及行政区划
1.2数据来源
该研究所用的气象数据为内蒙古各气象站点数据，共18个气象站点，包含锡林郭勒盟15个站点以及距离锡林郭勒盟较近的3个站点，研究区气象站点分布见图2。
图2研究区气象站点分布
1.3灰色关联分析基本原理
灰色关联分析方法是用灰色关联度的顺序来表达各个序列之间主次关系的方法。它的基本思想是：以因素的数据序列为依据，对比分析各个序列之间的几何关系，若序列曲线的几何形状越接近，则它们之间的灰色关联度越大，反之越小。
灰色关联分析在一定程度上体现了指标的动态变化特征。由于灰色关联分析是按事物的发展趋势所作的分析，所以对样本量的多少并没有过多要求，也不需要典型的分布规律，而且计算量较小，其结果与定性分析结果较吻合，因此，灰色关联分析是一种比较实用和可靠的分析方法[6-7]。
设参考序列为：
X0（tk）={X0（t1），X0（t2），…，X0（tn）}，k=1，2，3，…，n（1）
式中，n为评估指标的个数。
比较序列为：
Xj（tk）={Xj（t1），Xj（t2），…，Xj（tn）}，j=1，2，3，…，m（2）
式中，j为评估指标的个数。
设灰色关联系数为ξ0，j（tk），则： ξ0 j（tk）=Δmin+ξΔmaxΔ0 j（tk）+ξΔmax（3）
式中，Δmin为X0和Xj各指标的最小绝对差值；Δmax为X0和Xj各指标的最大绝对差值；Δ0 j（tk）为指标tk时X0和Xj的绝对差值。即：
Δ0 j（tk）=|X0（tk）-Xj（tk）|，k=1，2，…，n；j=1，2，…，m（4）
式（3）中ξ为分辨率系数，是一个预先给定的常数，取ξ≤0.5。灰色关联度，即评估模型为：
γ0 j=1nnj=1ξ0 j（tk）（5）
2结果与分析
2.1锡林郭勒盟雪灾历史案例统计在建立雪灾灾情资料库的基础上，确定研究区雪灾灾情指数。
2.1.1雪灾灾情资料库建立。
根据《中国气象灾害大典·内蒙古卷》、《内蒙古自然灾害通志》等资料，记载了1960～2000年的历次雪灾的发灾时间、发灾范围、受灾人口和损失牲畜等灾情描述信息以及部分年份的部分地区或内蒙古自治区全区的损失情况，包括经济损失的估算，但不是每次雪灾都有关于研究区损失大小的明确统计数据，因此，需将每一次关于研究区的灾情描述资料进行整理，建立研究区雪灾灾情资料库。
安徽农业科学2015年
2.1.2雪灾灾情指数确定。
在统计资料中，有些年份记载有明确的雪灾发生时间、地点和具体损失等情况描述，而有些年份的灾害案例的具体损失情况未给出，只有一些关于灾害损失的描述，所以在进行历史灾情数据统计时，需为每一次灾害的灾情赋予一个定量的值，但由于历史灾情的相关资料很少有直接为雪灾灾情大小给予定量的描述，所以该研究中定量值按照受灾牲畜的情况以及相关描述来进行赋值。
灾情指数取值范围在0～10，其中0代表灾情资料记载中的相应年份没有雪灾或有轻度的雪灾危险；10代表雪灾灾情非常严重；其他值则介于两者之间，值越大代表灾情越严重。需要说明的是，该研究中的赋值方法带有一定的主观性，但由于缺少定量的灾情描述，选用该方法进行研究，也可在一定程度上反映灾害损失的相对程度。
通过对1960～2000年典型的雪灾年或非雪灾年锡林郭勒盟地区的灾情进行赋值，得到的灾情指数变化序列（图3）。
图3研究区1960～2000年灾情指数分布
2.2气象因子与雪灾灾情的灰色关联分析
牧区雪灾是指由于积雪过厚、维持时间长，掩埋牧草，使牲畜无法采食，大量牲畜掉膘死亡的灾害[8-10]。选取积雪深度、积雪持续时间、气温3个影响雪灾发生的重要气象因素，应用灰色关联方法分析雪灾灾情与上述3类气象因素的相关性，为研究区雪灾危险性参评因子的确定提供依据。
2.2.1积雪深度与雪灾灾情损失关联分析。
积雪深度的大小是影响雪灾灾害最主要的因素，根据对雪灾成灾机制的分析，雪灾是因为积雪过深掩埋牧草从而使牲畜无法采食而形成的，因此，先对积雪深度与雪灾灾情进行灰色关联分析。
通过对研究区内各站点1960～2000年典型的雪灾年或非雪灾年的最大积雪深度的提取，得到每个站点的积雪深度见图4。在不同年份各个站点的积雪深度虽然有所不同，但在不同年份之间的大小变化趋势却很相近，而积雪深度最大的几个时间段分别出现在1977年、20世纪80年代中期、1993～1994年以及2000年。多数年份各站点的最大积雪深度值都在10～20 cm，站点的地理位置越偏北，积雪深度的值越高，如在锡林郭勒盟的最北部靠近阿尔山站点，最大积雪深度值要比其他站点高。
为方便研究，需确定一个积雪深度的序列与灾情序列进行灰色关联分析，还需对各个站点的最大积雪深度的值进行处理，通过对每一年各站点积雪深度值求平均，得到各年份的积雪深度的平均值，其时间序列见图5。由于在各个年份中积雪深度的变化序列的趋势相近，所以不同年份的积雪深度的平均值可反映该年份研究区整体的积雪深度的情况。研究区平均积雪深度的最大值出现在1977年，达到17.50 cm，最小值出现在1969年，为4.76 cm。
先对积雪深度和灾情指数数据进行归一化处理，然后通过灰色关联分析法对积雪深度序列与赋值后的灾情序列进行灰色关联分析。由表1可知，在灾情统计中1977年是最为严重的雪灾年，在20世纪80年代后期和90年代初以及2000年前后也出现了积雪深度的几个高值区，而资料记载的以上时段也有相应的灾害发生，在进行分析后的关联度达到0.659 7。
图4研究区1960～2000年各气象站点雪深分布
图5研究区1960～2000年平均积雪深度分布
43卷7期
杨 征等基于灰色关联度的气象因子与雪灾灾情相关性分析
表1积雪深度与灾情灰色关联分析结果
2.2.2积雪持续时间与灾情损失关联分析。
积雪持续时间是影响雪灾灾害的重要气象因素之一，在雪灾成灾机制分析中积雪掩埋牧草导致牲畜无法采食，而积雪持续时间越长，雪灾的危险性越大。对研究区各站点1960～2000年典型的雪灾年或非雪灾年（共31年）的10月至次年3月的积雪天数进行统计，统计方法是：根据各站点的10月至次年3月的每一天的积雪深度的记录资料，如果有记录且积雪深度大于0，说明该站点在该天为积雪天。由图6可见，在同一年份，不同站点之间的积雪时间的差别很大，少者不到50 d，多者可达150 d以上；而同一站点不同年份之间的变化不大，所以变化波动较小。
图6研究区各气象站点积雪时间分布
通过对各年份各站点积雪时间的值求平均，得到各年份的积雪时间的平均值。由图7可知，积雪时间有几个高值时间段，分别是20世纪80年代初、80年代末以及1994～1995年，积雪持续时间最小值出现在20世纪60年代末。 图7研究区1960～2000年平均积雪时间分布
通过灰色关联分析法对积雪时间序列与赋值后的灾情序列进行计算。由表2可知，在积雪时间的高值区可覆盖到部分的雪灾年，在进行分析后的关联度达到0.632 2，不如积雪深度的关联程度高。
2.2.3气温与灾情损失关联分析。
气温也是影响雪灾灾害的重要气象因素之一，气温对于积雪的保持有一定作用。对研究区各站点1960～2000年典型的雪灾年或非雪灾年的10月至次年3月的月最低气温平均值的进行统计。由图8可知，在同一年份不同站点之间的冬半年月最低气温平均值有一定差异，最低可达-35 ℃左右，高值也在-20 ℃附近；但同一站点不同年份之间变化不大，曲线波动较小。
通过对每一年各站点冬半年各月最低气温的平均值求平均数，得到各年份气温的平均值。由图9可知，气温的平均值的变化波动较小，都在-30～-25 ℃。
通过灰色关联分析法对气温时间序列与赋值后的灾情序列进行计算，在计算中先对气温的值取绝对值，因为气温越低其绝对值越大，对成灾促进作用越明显，对气温进行归一化计算时，最大值即气温绝对值中的最大值，而最小值取0。由表3可知，气温的变化与灾情的变化曲线的相近程度不高，在进行分析后的关联度达到0.570 3，不如积雪深度和积雪时间的关联程度高。
表2积雪时间与灾情灰色关联分析结果
3结论
对锡林郭勒盟地区1960～2000年典型的雪灾年和非雪灾年的灾情资料进行统计分析，对每次牧区雪灾灾害赋值得到灾情指数，并对牧区雪灾成灾影响较大的积雪深度、积雪时间以及气温3个气象因素，与灾情序列进行了灰色关联分析。结果表明在研究区内，牧区雪灾灾害气象因素与灾情的关联程度从高到低排序依次是积雪深度、积雪时间和气温。该研究结论为建立研究区雪灾危险性评价指标体系提供了重要依据，并且对在该区域开展雪灾风险评估和预警具有重要实际意义。
参考文献
[1] 黄朝迎.我国草原牧区雪灾及危害[J].灾害学，1988（4）：45-48.
[2] 徐羹惠.牧区雪灾防御研究的新进展及其展望[J].新疆气象，2005，28（3）：1-4.
[3] 郝璐，王静爱，满苏尔，等.中国雪灾时空变化及畜牧业脆弱性分析[J].自然灾害学报，2002，11（4）：42-48.
[4] 康玲.内蒙古地区雪灾分析[J].内蒙古气象，2007（1）：10-14.
[5] 林建，范蕙君.内蒙古雪灾监测方法研究[J].气象，2003，29（1）：27-31.
[6] 周秀文.灰色关联度的研究与应用[D].长春：吉林大学，2006.
[7] 曹明霞.灰色关联分析模型及其应用的研究[D].南京：南京航空航天大学，2007.
[8] 李海红，李海红，李锡福，等.中国牧区雪灾等级指标研究[J].青海气象，2006（1）：24-28.
[9] 张殿发，张祥华.中国北方草原雪灾的致灾机制探讨[J].自然灾害学报，2002（5）：80-84.
[10] 宫德吉，郝慕玲.白灾成灾综合指数的研究[J].应用气象学报，1998，9（1）：119-123.