EN中文

地理科学进展 >

2023 , Vol. 42 >Issue 7: 1355 - 1364

DOI: https://doi.org/10.18306/dlkxjz.2023.07.010

研究论文

海南省登陆台风特征演变及其危险性分析

  • 贺山峰 , 1 ,
  • 李铮 1 ,
  • 陈超冰 1 ,
  • 吴绍洪 2 ,
  • 潘涛 , 1, 2, *
展开
  • 1.曲阜师范大学地理与旅游学院，山东 日照 276800
  • 2.中国科学院地理科学与资源研究所，北京 100101
*潘涛(1987— )，男，黑龙江绥化人，博士，副教授，主要研究方向为土地灾害与评价。E-mail:

贺山峰(1980— )，男，山东日照人，博士，教授，硕士生导师，主要研究方向为环境演变与灾害风险。E-mail:

收稿日期: 2022-12-19

  修回日期: 2023-05-08

  网络出版日期: 2023-07-25

基金资助

国家重点研发计划(2018YFC1508800)

山东省泰山学者青年专家计划(tsqn202103065)

国家自然科学基金项目(71673076)

山东省自然基金青年项目(ZR2021QD134)

收起

Evolution of landing typhoon characteristics and typhoon hazard in Hainan Province of China

  • HE Shanfeng , 1 ,
  • LI Zheng 1 ,
  • CHEN Chaobing 1 ,
  • WU Shaohong 2 ,
  • PAN Tao , 1, 2, *
Expand
  • 1. School of Geography and Tourism, Qufu Normal University, Rizhao 276800, Shandong, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received date: 2022-12-19

  Revised date: 2023-05-08

  Online published: 2023-07-25

Supported by

National Key Research and Development Program of China(2018YFC1508800)

Young Taishan Scholars Program of Shandong Province(tsqn202103065)

National Natural Science Foundation of China(71673076)

Shandong Provincial Natural Science Foundation(ZR2021QD134)

Fold

摘要

认知登陆台风的特征规律并分析其致灾危险性，对于科学提高台风灾害风险防范能力具有重要现实意义。论文基于中国气象局热带气旋最佳路径数据集和中国台风网资料，对1949―2021年登陆海南省的台风特征进行统计分析，并基于频率、强度和路径三要素开展海南省各市县台风危险性评估。结果表明：73年来海南省年均登陆台风约2.3个，登陆频次总体呈下降趋势；年内台风登陆时间集中在7―10月，其中8月和9月登陆台风数量约占全年的48%。台风登陆点主要集中在海南省东部沿海市县，以文昌市和万宁市居多；台风过境高频次地区主要位于海南省中部沿“东南―西北”呈带状分布。海南省台风危险性等级空间格局与台风过境频次相似，整体上沿海市县台风危险性高于内陆市县，东方市、乐东黎族自治县和琼中黎族苗族自治县处于台风高危险性等级。研究结果可为海南省台风防灾减灾和国民经济发展规划提供参考和依据。

关键词： 登陆台风; 时空特征; 危险性分析; 海南省

本文引用格式

贺山峰 , 李铮 , 陈超冰 , 吴绍洪 , 潘涛 . 海南省登陆台风特征演变及其危险性分析[J]. 地理科学进展, 2023 , 42(7) : 1355 -1364 . DOI: 10.18306/dlkxjz.2023.07.010

Abstract

Identifying the characteristics of landing typhoons and analyzing typhoon hazard are of great practical significance for scientifically improving the risk prevention capability of typhoon disasters. Based on the best track data set of tropical cyclones from the China Meteorological Administration and the data of the China Typhoon Network, this study conducted a statistical analysis of the characteristics of typhoons that landed in Hainan Province from 1949 to 2021, and carried out a typhoon hazard assessment in cities and counties of the province based on typhoon frequency, intensity, and tracks. The results show that: 1) In the past 73 years, the average annual number of typhoons that landed in Hainan Province was about 2.3, and the frequency of landings was gradually declining. In each year, typhoon landing time was concentrated in July to October, and the accumulated landfall between August and September accounted for about 48% of the annual numbers. 2) Typhoon landing sites were located in the eastern coastal cities and counties of Hainan Province, mainly in Wenchang and Wanning. High-frequency typhoon transit areas were predominantly in central Hainan Province along the southeast-northwest line with zonal distribution. 3) The spatial pattern of typhoon hazard level in Hainan Province was similar to its typhoon transit frequency. Generally, typhoon hazard in coastal cities and counties was higher than inland cities and counties. Dongfang City, Ledong Li Autonomous County, and Qiongzhong Li and Miao Autonomous County were among the highest hazard level regions. The results of this research can provide a reference and basis for typhoon disaster prevention and mitigation and long-term national economic development planning in Hainan Province.

Key words： landing typhoon; spatiotemporal characteristics; hazard analysis; Hainan Province

台风是生成在热带或副热带海洋上的气旋性涡旋，发生频率高、破坏力大，除直接导致大风、暴雨、风暴潮、巨浪等灾害外，其带来的强降雨还可能引发洪涝、滑坡、泥石流等次生灾害，对人类生命财产和经济社会发展构成重大威胁[1-2]。中国是世界上受台风影响最为严重的国家之一。据《中国气象灾害年鉴》统计，2003―2020年间，中国因台风灾害导致的直接经济损失总计高达9541.2亿元，累计造成5.7亿人次受灾[3]。
西北太平洋是世界上台风最活跃的地区，占全球所有台风活动的1/3[4]。分析该区域台风的登陆特征、活动规律及变化趋势，对台风防灾减灾工作具有重要意义。近年来，国内外学者对西北太平洋地区台风的生成源地、移动路径、登陆频数、时间和强度等时空特征开展了一系列研究[5⇓-7]。Chand等[8]研究指出，20世纪全球每年台风数量相比19世纪下半叶减少约13%，其中西北太平洋地区减少9%。频数只是影响台风致灾危险性的要素之一，强度和路径长度同样对台风危险性具有重要影响[9]。热带气旋产生影响的区域范围很大程度上由移动距离所决定，近60年西北太平洋热带气旋移动距离整体下降了17.7%[10]。Mei等[11]发现1970年代以来登陆东亚和东南亚的台风增强了12%~15%，并预测中国东部、韩国和日本的台风也将进一步增强。全球变暖可能是导致西北太平洋的热带气旋潜在破坏力增强的原因之一[12]。IPCC AR6报告也指出，虽然未来总的台风频率可能略微下降或保持不变，但强台风的比例会升高，风速会增大[13]。
“国际减灾十年”活动的实践证明，风险防范可有效减轻灾害损失，是目前国家减灾新方针的主体内容[14]，而灾害危险性分析是防灾减灾的基础工作。学术界在台风灾害危险性评价指标的选取上不尽相同，其中基于风速、降雨和风暴潮等致灾因子构建综合指数定量化评估台风危险性的研究较多[15⇓⇓⇓⇓-20]。Alam等[21]通过加权计算风暴潮、降雨量、最大持续风速等指标，发现孟加拉国西南部地区具有极高的台风危险性。李倩等[22]借助Gumbel分布得到不同重现期下的降雨和风速数值，并利用ArcGIS平台评估了京津冀地区台风危险性。此外，台风登陆频次、强度和路径长度也在很大程度上反映了台风危险性[23]。殷洁等[24]利用影响县域的台风频数和路径长度，对中国台风灾害风险开展了评估和区划研究。Nguyen等[25]选取台风气压、频率、降水和路径等指标，将越南台风危险性的空间分布分为5个等级。总结相关研究发现，使用风速、降雨量等气象要素指标评估台风危险性时，所需数据量较大、计算过程繁琐，并可能误将部分非台风影响区域的大风和降雨参与台风危险性计算[26]，导致评估的空间范围和量化结果偏大；而以往使用频率和路径长度评估台风危险性的研究，忽略了台风强度要素，没有充分考虑台风强度随时间变化产生的危险性影响。要快速且准确地评估台风危险性，不但需要考虑台风强度和影响频率，还应将不同时间段台风的强度变化与其相应路径长度相融合。
海南省地处中国最南端，四面环海，素有“台风走廊”之称，是世界上受台风影响最为频繁和灾害损失最为严重的地区之一[27]，也是研究中国登陆台风特征及其危险性的典型区域。本文选择海南省18个市县(三沙市除外)作为研究区域，分析1949―2021年登陆海南省台风的时空变化特征，并综合考虑台风频率、强度和路径3个要素，使用影响频次和经强度加权后的路径长度评估台风危险性，旨在探求一种更为简洁有效的台风危险性评估方法，同时研究结果可为海南省减轻台风灾害损失、制定防灾减灾规划提供参考和依据。

1 数据与方法

1.1 台风数据

1949―2021年间台风数据下载自“中国气象局热带气旋资料中心最佳路径数据集”和“中国台风网”，具体参数包括：台风编号、名称、登陆时间、登陆点以及台风中心每隔6 h的位置、风速和相应时刻的强度等级[28]。
除特别说明，文中台风泛指热带气旋。登陆台风是指登陆海南省(除三沙市)的台风，既包括从西北太平洋生成后首次在海南省登陆的台风，也包括在其他地区登陆后，又在海南省再次登陆的台风。若某一台风出现多次登陆海南省的情况，则只统计该台风第1次登陆时的特征信息。

1.2 台风特征演变分析方法

1.2.1 线性趋势分析

线性回归是气候趋势估计方法之一，可以显示出长时间尺度上气候变量上升、下降趋势，本文采用此方法分析登陆台风长时间序列的线性趋势特征。建立气候变量 y ^与时间变量 x ( x=1，2，…，n)之间的线性回归方程：
y ^ = a + b x
式中： a为回归常数，回归系数 b代表变量 y ^的变化趋势。 b的符号为正或负，表示变量随时间 x增加或减少， b的绝对值大小反映了上升和下降的速率。

1.2.2 Mann-Kendall(M-K)检验法

M-K检验法是一种非参数检验方法[29]，优势在于不受个别异常值的干扰，可以客观反映时间序列变化趋势，被广泛用于气候参数和水文序列的分析中。本文应用此方法来检测台风频数和风速年际间变化的突变点，并对变化趋势进行显著性检验。
对于时间序列变量 x i(样本量为n)，构造一个秩序列：
S k = ∑ i = 1 k r i ， r i = 1 , x i > x j         ( j = 1,2 , ⋯ , i ) 0 , 其 他                                                              
式中： S k为第 i个时刻数值大于 j时刻数值个数的累计数。假定时间序列随机且相互独立，定义统计量：
U F k = S k - E S k V a r S k         ( k = 1,2 , ⋯ , n )
式中：UF为标准正态分布序列，UB为UF的逆序列，UB=－UF； E S k和 V a r S k分别为 S k的数学期望和方差。若UF值大于0，则表明序列呈上升趋势，小于0则表明呈下降趋势。当它们超过临界置信水平区间时，则说明该时间序列 x i的趋势变化达到显著性水平；若UF和UB曲线相交，并且交点在上下2条临界线之间，那么交点对应的时间即为 x i突变的起始时间。

1.2.3 小波分析

小波分析方法能够同时从时域和频域揭示时间序列的局部特性[30]。本文采用气象分析中常用的墨西哥帽函数(Mexican Hat)为小波母函数，对73年间台风生成和登陆频数的周期性特征进行分析，其表达式为：
Ψ t = 1 - t 2 e -   t 2 2
式中： t为时间参数。

1.3 台风危险性评估方法

自然灾害具有自然属性和社会属性。台风危险性指基于自然属性视角，台风对人类社会经济造成灾害损失的可能性和程度的大小[31]，致灾危险性越高，则对于同一社会经济承灾体来说，台风灾害损失风险就越大。本文中台风危险性选取过境海南省各市县的台风频次和台风加权路径长度2个指标进行评估。
台风登陆频次和强度等特征具有一定周期性和趋势性，为更好反映当前台风危险性的状态，本文选取近30年(1992―2021年)登陆台风数据进行危险性评估。台风频次是统计近30年登陆台风过境海南省各市县的次数，台风加权路径长度是计算近30年过境海南省各市县台风经过强度加权后的路径总长度。具体计算过程是，通过ArcGIS将登陆海南省的台风每6 h的中心位置点相连，绘制出台风路径图。由于台风强度会随着台风的移动不断变化，而不同强度台风的影响力和破坏力不同，因此，根据每6 h的强度等级对实际路径长度进行赋权。结合各热带气旋等级风力并咨询专家意见，将台风等级权重赋为1.0，设定相邻等级的权重相差为0.1，依此标准将超强台风(SuperTY)、强台风(STY)、台风(TY)、强热带风暴(STS)、热带风暴(TS)和热带低压(TD)分别赋权为1.2、1.1、1.0、0.9、0.8和0.7，据此可计算出1992―2021年间各市县过境台风的加权路径长度。
将归一化后的台风过境频次和台风加权路径长度二者等权重加和，便得到海南省各个市县的台风危险性指数 H i，计算公式如下：
α i = 0.1 + X i   - X m i n X m a x - X m i n × 0.9
β i = 0.1 + Y i   - Y m i n Y m a x - Y m i n × 0.9
H i = 1 2 ( α i + β i )
式中：αi和βi分别为第i个市县的台风过境频数和台风加权路径长度归一化指数； X i和 Y i  代表第i个市县的台风过境频数和经过强度加权后的台风加权路径长度； X m i n ( X m a x)和 Y m i n ( Y m a x)代表各市县台风过境频数和经过强度加权后的台风加权路径长度最小(大)值。

2 海南省登陆台风特征分析

2.1 登陆台风的时间特征分析

2.1.1 登陆台风频数年际变化特征

由图1a可知，1949―2021年西北太平洋共生成2389个台风，平均每年32.7个，生成数量最少的为2010年(18个)，最多的年份出现在1967年(53个)，是2010年的近3倍，表明台风生成数量年际间差异很大。73年间，西北太平洋生成台风数量大致呈先增加后减少的趋势，在20世纪60年代末到70年代初达到峰值，之后逐渐减少。通过小波分析发现，西北太平洋生成台风数量在1949—2021年存在一个44年的年代际准周期振荡特征，主周期为27~30年左右。M-K检验结果显示，台风生成数量在1986年发生减少突变，这一结果与唐丽丽等[9]对1951—2006年西北太平洋热带气旋活动时空特征的研究结论一致。
图1 1949―2021年西北太平洋生成台风数量(a)与海南省登陆台风频数(b)年际变化

注：图中小框为1971年前后两个时段台风数量均值和标准差。

Fig.1 The number of typhoons in the Northwest Pacific and annual variability of landing typhoons in Hainan Province during 1949-2021

从台风登陆视角看(图1b)，1949―2021年间共有166个台风在海南省登陆，平均每年约2.3个。登陆海南省的台风频数年际变化差异明显，年登陆台风最高为6个，出现在1956年和1971年，有18个年份登陆台风仅为1个，有5个年份无台风登陆，分别是1982、1997、1999、2004和2012年。1949―2021年间，海南省登陆台风频数按年代统计亦呈现先上升后下降的趋势(图2a)。20世纪50年代、70年代和80年代登陆台风较多，均为28个，进入90年代台风登陆频数明显减少，只有17个，且1990年后登陆台风频数的减少趋势通过了显著性检验。从不同时段看，1949―1990年海南省年均登陆台风约2.6个，而1991―2021年期间年均登陆台风减少为1.8个。5年滑动平均曲线显示，海南省登陆台风频数表现出明显的周期性波动，1954、1973、1990和2009年为5年滑动平均的峰点。通过小波分析进行验证，登陆台风频数以25年和54年进行周期振荡，在25年尺度下登陆台风频数的主周期为17年左右，这与5年滑动平均曲线表现出的周期性波动有着良好的对应关系。
图2 1949―2021年海南省登陆台风强度的年代际变化(a)和年内分布(b)

Fig.2 Interdecadal variation (a) and monthly distribution (b) of landing typhoon intensity in Hainan Province during 1949-2021

总体来看，1949―2021年西北太平洋生成台风数量与海南省登陆台风频数均呈减少趋势。由图1可以看出，1971年后台风生成数量和登陆频数的平均值均小于1971年之前的平均值。以1971年为分界点分别对台风生成数量和登陆频数进行线性拟合和趋势检验，结果表明，西北太平洋台风生成数量变化在1949―1971年和1971―2021年均通过了显著性检验(P<0.01)，而海南省台风登陆频数变化在这2个时间段均未通过显著性检验。

2.1.2 登陆台风频数年内分布特征

海南省各月份登陆台风频数表现出明显的差异性(图2b)，7―10月是台风登陆频繁期，尤以8月和9月最多，登陆数量累计都高达40个，占全年登陆台风总数的48%。其次是7月和10月，登陆个数分别为29个和23个，而12月至次年3月则没有台风登陆记录。1990年以前从未有台风在4月之前登陆海南省，而1991年和2008年则出现了2次4月登陆的台风，这说明海南省台风登陆频数虽然总体有所减少，但台风年内活跃时间段有一定延长。

2.2 登陆台风强度特征分析

为分析海南省登陆台风的强度特征，根据中国气象局发布的《热带气旋等级》(GB/T19021—2006)划分标准，分别统计不同台风等级登陆个数，如表1所示。1949―2021年间，登陆海南省的台风强度以热带低压和台风为主，数量分别为39个和37个；数量最少的是超强台风，仅有2个，分别为1973年的“玛琪”(Marge)和2014年的“威马逊”(Rammasun)。此外，有20个台风登陆时强度不足热带低压等级。
表1 1949―2021年登陆海南省的台风各等级频数

Tab.1 Frequency of landing typhoons in Hainan Province during 1949-2021

等级 Super TY STY TY STS TS TD 弱于TD
个数 2 3 37 33 32 39 20
百分比/% 1.20 1.81 22.29 19.88 19.28 23.49 12.05
由图2b可知，海南省年内登陆台风具有时间集中、强度集中的特点，低等级台风虽然在4―11月均有登陆，但登陆时强度大于强热带风暴等级的台风集中在7―10月份，7月和9月更是有强台风和超强台风登陆。对登陆台风各强度等级的年代际分析发现(图2a)，热带低压、台风的数量有所下降，而热带风暴、强热带风暴的数量则有明显上升趋势。强台风及以上级别台风在1949―2000年间只登陆过2次，但进入21世纪后却登陆了3次，这说明近期高强度等级台风登陆海南省的频率在增加。
对1949―2021年登陆海南省台风生命周期的最大风速、平均风速以及登陆时的风速进行M-K检验发现，三者总体上都有减弱趋势。最大风速在1982年和1991年发生2次突变，第一次突变由减弱转为加强，第二次突变由增强又转为减弱，之后一直呈减弱趋势。平均风速在2000年以前反复波动，无明显趋势，进入21世纪后减弱趋势显著。登陆风速在20世纪80年代以前无明显趋势，在1986年发生突变后至今呈减弱趋势，且进入21世纪后亦达到显著性程度。

2.3 台风登陆点和路径分析

登陆海南省的台风有2种情形：一种是台风自西北太平洋生成后首次在海南省登陆，之后或在海南本土逐渐减弱消失、或北上影响中国其他省份、或西去影响越南，1949―2021年间这种情形共计有88个台风，约占总数的53%；另一种是台风先在其他地区登陆，随后又在海南省二次或三次登陆，这种情形占台风总数的47%。
如图3a所示，1949―2021年间海南省12个沿海市县中9个市县有过台风登陆。东部沿海市县是台风主要的登陆区，其中在文昌市和万宁市登陆的台风数量最多，累计均为50次，两地台风登陆次数之和占登陆海南省总数的60%，在海口市、临高市、儋州市和乐东黎族自治县登陆的台风数量较少，总计仅有7次，而东方市、澄迈县和昌江黎族自治县是3个没有台风登陆过的沿海市县。海南省各市县均曾遭受过台风过境影响，平均过境频次为43次，但各市县过境台风的频次差异明显，高值区主要位于海南省中部呈“东南―西北”一线分布(图3b)，其中琼中黎族苗族自治县台风过境频次最多，为60次，儋州市、万宁市、文昌市和东方市台风过境频次也都在50次以上，五指山市和屯昌县过境频次最少，为29次(图4)。
图3 1949―2021年海南各市县台风登陆频次和过境频次

注：本图基于自然资源部标准地图服务系统网站下载的审图号为GS(2019)3333号的标准地图绘制，底图无修改。下同。

Fig.3 Frequency of landing typhoons and passing through cities and counties in Hainan Province during 1949-2021

图4 1949―2021年海南省各市县过境台风频次及路径长度

Fig.4 Frequency and path length of typhoons passing through cities and counties in Hainan Province during 1949-2021

1949―2021年间，166场登陆台风在海南省的路径总长度为26906.24 km(图4)。在时序变化上，20世纪50年代过境台风路径长度最大，年均476.21 km，之后一直呈波动减少趋势，21世纪前10年的年均路径长度最小，为217.29 km，21世纪10年代过境台风路径长度比20世纪50年代下降了39.8%。在空间分布上，海南省中部的儋州市、琼中黎族苗族自治县和万宁市累计过境台风路径长度位居前三位，其中儋州市的路径长度最大，为2447.45 km，台风过境次数为51次；而陵水黎族自治县的路径长度最小，为731.83 km，台风过境次数为34次。值得一提的是，儋州市和陵水黎族自治县在海南省各市县的行政区划面积上分别排在首位和末位。由此可见，台风在各个市县的路径长度与台风过境次数、行政区划面积都有着较为密切的关系。
1949―2021年及各年代海南省登陆台风的路径空间分布如图5所示，本文根据台风登陆海南省后的行进方向，进一步将台风路径分为西行路径、北上路径和其他路径3类。西行路径是台风在东部沿海地区登陆后，继续向西穿过海南省进入北部湾，此路径台风共有124个，占登陆总数的74.70%；北上路径是台风登陆海南省东部后转而向北运动进入琼州海峡，这种情况占14.46%；其他路径台风占10.84%。西行路径台风中，登陆点以万宁市、三亚市和文昌市居多，且有近2/3的台风在登陆后大致沿着西北方向继续行进，这与图3b也有一定的对应关系。
图5 1949―2021年及各年代海南省登陆台风路径

Fig.5 Routes of landing typhoons in Hainan Province during 1949-2021

3 海南省台风危险性分析

根据公式(5~7)计算得到海南省各市县台风危险性指数，结合ArcGIS自然断点分级法将海南省18个市县(未包括三沙市)的台风危险性分为低、较低、中等、较高和高5个等级(图6)。评估结果显示，台风危险性等级空间分布格局与台风过境频次相似，处于台风高危险性的市县包括东方市、乐东黎族自治县和琼中黎族苗族自治县。琼中黎族苗族自治县作为内陆地区虽不是台风直接登陆点，但其相邻的万宁市、琼海市和陵水县都是登陆台风数量较多的市县，导致琼中县很容易受到台风过境影响，而且由于琼中县东部在地理位置上距海较近，台风过境时强度普遍较高，所以琼中县的台风过境频次和加权路径长度分别排在所有市县的第一位和第二位。文昌市、万宁市、三亚市和儋州市为台风危险性较高地区，文昌市因其地理位置原因，受台风影响频繁且过境台风的强度等级较高，是海南省近30年来唯一遭受超强台风登陆的市县。危险性高、较高地区除琼中黎族苗族自治县以外全部沿海，除文昌市以外皆分布在海南省西南部和中部。台风危险性高和较高等级的地区以“东南―西北”方向呈带状分布，其原因是在海南省东南部沿海地区登陆的台风大多会沿着西北方向继续行进，导致东南至西北一线市县的台风过境频次和路径长度数值都比较高，呈现出带状分布格局。危险性高、较高等级地区约占海南省总面积的50.6%，高危险等级市县面积远大于低危险等级的面积。
图6 海南省台风危险性等级评估

Fig.6 Level of typhoon hazard in Hainan Province

台风中等危险性的市县有5个，分别是海口市、琼海市、澄迈县、五指山市和昌江黎族自治县，约占海南省总面积的25.7%。台风危险性低和较低等级的地区多为内陆市县，其中定安县受台风影响频数和加权路径长度在所有市县中均排末位，危险性指数最低。一般情况下，台风在登陆时强度等级最高，登陆后强度会逐渐减弱，所以从地理位置看，内陆地区市县的台风危险性会普遍小于沿海地区。

4 讨论

台风灾害的致灾因子多样、形成原因复杂，且大风、强降雨、风暴潮等台风主要致灾因子会随着台风位置和强度发生动态变化，存在着较大的不确定性。台风移动路径和强度决定着台风的影响区域和影响程度[32]，本文使用影响频次和经强度加权后的路径长度评估海南省台风危险性，相比未考虑台风强度随时间变化因素能够更客观地反映出不同位置和强度的台风危险性变化；相比使用风速、降雨等指标评估台风危险性，此方法无需确定台风影响的空间分布，所需数据量较小且容易获取，计算过程相对简便快捷，可以较为准确地量化研究区域的台风危险性。
根据自然灾害风险分析理论[33]，在致灾危险性分析的基础上，进一步叠加人口、经济、耕地、资源、基础设施等各种社会经济因素，以及这些承灾体在遭遇台风时的灾损敏感性、暴露度和社会防灾减灾救灾能力等，就可以开展灾害风险区划，为各级政府和部门制定灾害风险管理措施提供科学依据[34]。通过与《中国气象灾害大典：海南卷》、历年《中国气象灾害年鉴》等台风灾情资料和已有相关研究[35]对比验证，本文台风危险性评价结果与台风实际造成损失高低的区域分布格局基本相符。但台风灾害造成社会经济损失的影响因素复杂多样，台风危险性评价结果很难做到与实际灾情完全一致，具体原因包括：台风观测数据的准确性、评价因子的代表性和全面性、指标权重设置的主观性以及是否考虑社会经济承灾体因素等。要做出更加可信和符合实际的台风灾害风险评价，还需进一步收集真实和详细的数据进行分析，这将成为后续研究的重点。

5 结论

(1) 登陆台风数量总体呈减少趋势。1949―2021年西北太平洋共生成台风2389个，其中登陆海南省的有166个。登陆频数表现出明显的年际变化和年代际变化，最多年份有6个台风登陆，有5个年份无台风登陆，20世纪90年代前台风登陆较为频繁，进入90年代后登陆频数明显减少。
(2) 台风登陆时间集中，登陆强度变化分异明显。进入21世纪后台风年内活跃时间段有一定延长，8月和9月登陆台风个数约占总数的48%。强度变化上，热带低压和台风数量下降，而热带风暴、强热带风暴数量则呈上升趋势，此外高等级强度台风的登陆频率有所增加。
(3) 台风登陆地点相对集中，路径长度逐年代减少。台风登陆点主要集中在海南省东部地区，其中从文昌市和万宁市登陆台风次数之和占总数的60%。台风过境各市县频次差异较大，最多的是琼中黎族苗族自治县，21世纪10年代海南省过境台风路径长度比20世纪50年代下降了39.8%。
(4) 总体上沿海市县台风危险性高于内陆市县，危险性高和较高等级的地区以“东南―西北”方向呈带状分布，面积超过海南省的1/2，其中高危险等级市县面积远大于低危险等级的面积。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Chou J M, Dong W J, Tu G, et al. Spatiotemporal distribution of landing tropical cyclones and disaster impact analysis in coastal China during 1990-2016[J]. Physics and Chemistry of the Earth, 2020, 115: 102830. doi: 10.1016/j.pce.2019.102830.

DOI

[2]
端义宏, 陈联寿, 王元, 等. 登陆台风异常变化机理[M]. 北京: 科学出版社, 2022.

[Duan Yihong, Chen Lianshou, Wang Yuan, et al. Abnormal change mechanism of landing typhoon. Beijing, China: Science Press, 2022.]

[3]
中国气象局. 中国气象灾害年鉴[M]. 北京: 气象出版社, 2004—2021.

[China Meteorological Administration. China meteorological disaster yearbook. Beijing, China: China Meteorological Press, 2004-2021.]

[4]
Huang X Y, He L, Zhao H S, et al. Characteristics of tropical cyclones generated in South China Sea and their landfalls over China and Vietnam[J]. Natural Hazards, 2017, 88(2): 1043-1057.

DOI

[5]
丑洁明, 班靖晗, 董文杰, 等. 影响广东省的热带气旋特征分析及灾害损失研究[J]. 大气科学, 2018, 42(2): 357-366.

[Chou Jieming, Ban Jinghan, Dong Wenjie, et al. Characteristics analysis and assessment of economic damages caused by tropical cyclones in Guangdong Province. Chinese Journal of Atmospheric Sciences, 2018, 42(2): 357-366.]

[6]
Pandey R S, Liou Y A. Decadal behaviors of tropical storm tracks in the North West Pacific Ocean[J]. Atmospheric Research, 2020, 246: 105143. doi: 10.1016/j.atmosres.2020.105143.

DOI

[7]
Basconcillo J, Cha E J, Moon I J. Characterizing the highest tropical cyclone frequency in the Western North Pacific since 1984[J]. Scientific Reports, 2021, 11: 14350. doi: 10.1038/s41598-021-93824-2.

DOI PMID

[8]
Chand S S, Walsh K J E, Camargo S J, et al. Declining tropical cyclone frequency under global warming[J]. Nature Climate Change, 2022, 12(7): 655-661.

DOI

[9]
唐丽丽, 胡德勇, 李小娟. 1951—2006年西北太平洋热带气旋活动时空特征[J]. 自然灾害学报, 2012, 21(1): 31-38.

[Tang Lili, Hu Deyong, Li Xiaojuan. Spatiotemporal characteristics of tropical cyclone activities in northwestern Pacific from 1951 to 2006. Journal of Natural Disasters, 2012, 21(1): 31-38.]

[10]
Wang L C, Gu X H, Gulakhmadov A, et al. An analysis of translation distance of tropical cyclones over the western North Pacific[J]. Journal of Climate, 2022, 35(23): 7643-7660.

DOI

[11]
Mei W, Xie S P. Intensification of landfalling typhoons over the northwest Pacific since the late 1970s[J]. Nature Geoscience, 2016, 9(10): 753-757.

DOI

[12]
Emanuel K. Increasing destructiveness of tropical cyclones over the past 30 years[J]. Nature, 2005, 436: 686-688.

DOI

[13]
IPCC. Climate change 2021: The physical science basis[M]. Cambridge, UK: Cambridge University Press, 2021.

[14]
吴绍洪, 高江波, 韦炳干, 等. 自然灾害韧弹性社会的理论范式[J]. 地理学报, 2021, 76(5): 1136-1147.

DOI

[Wu Shaohong, Gao Jiangbo, Wei Binggan, et al. Theoretical paradigm for natural disaster-resilient society. Acta Geographica Sinica, 2021, 76(5): 1136-1147.]

DOI

[15]
陈文方, 方建, 徐伟, 等. 长三角地区台风危险性定量分析[J]. 自然灾害学报, 2012, 21(1): 1-8.

[Chen Wenfang, Fang Jian, Xu Wei, et al. Quantitative analysis of typhoon hazard in the Yangtze River Delta region. Journal of Natural Disasters, 2012, 21(1): 1-8.]

[16]
张晓宇, 韦波, 杨昊宇, 等. 基于GIS的广东省台风灾害风险性评价[J]. 热带气象学报, 2018, 34(6): 783-790.

[Zhang Xiaoyu, Wei Bo, Yang Haoyu, et al. Risk assessment of typhoon disaster in Guangdong Province based on GIS. Journal of Tropical Meteorology, 2018, 34(6): 783-790.]

[17]
Yang S N, Hu F Y, Thompson R G, et al. Criticality ranking for components of a transportation network at risk from tropical cyclones[J]. International Journal of Disaster Risk Reduction, 2018, 28: 43-55.

DOI

[18]
Hoque M A A, Phinn S, Roelfsema C, et al. Assessing tropical cyclone risks using geospatial techniques[J]. Applied Geography, 2018, 98: 22-33.

DOI

[19]
Liu F T, Xu E Q, Zhang H Q. An improved typhoon risk model coupled with mitigation capacity and its relationship to disaster losses[J]. Journal of Cleaner Production, 2022, 357: 131913. doi: 10.1016/j.jclepro.2022.131913.

DOI

[20]
许红师, 练继建, 宾零陵, 等. 台风灾害多元致灾因子联合分布研究[J]. 地理科学, 2018, 38(12): 2118-2124.

DOI

[Xu Hongshi, Lian Jijian, Bin Lingling, et al. Joint distribution of multiple typhoon hazard factors. Scientia Geographica Sinica, 2018, 38(12): 2118-2124.]

DOI

[21]
Alam A, Sammonds P, Ahmed B. Cyclone risk assessment of the Cox's Bazar District and Rohingya refugee camps in southeast Bangladesh[J]. Science of the Total Environment, 2020, 704: 135360. doi: 10.1016/j.scitotenv.2019.135360.

DOI

[22]
李倩, 俞海洋, 李婷, 等. 京津冀地区台风危险性评估: 基于Gumbel分布的分析[J]. 地理科学进展, 2018, 37(7): 933-945.

DOI

[Li Qian, Yu Haiyang, Li Ting, et al. Hazard assessment of typhoons affecting the Beijing-Tianjin-Hebei region based on Gumbel distribution. Progress in Geography, 2018, 37(7): 933-945.]

DOI

[23]
陈楷俊, 陈艺仪, 陈菁. 近30年粤东地区台风灾害风险评估与分析[J]. 水土保持研究, 2019, 26(3): 362-366, 372.

[Chen Kaijun, Chen Yiyi, Chen Jing. Risk assessment and analysis of typhoon disaster in east Guangdong in the period 1989-2017. Research of Soil and Water Conservation, 2019, 26(3): 362-366, 372.]

[24]
殷洁, 戴尔阜, 吴绍洪. 中国台风灾害综合风险评估与区划[J]. 地理科学, 2013, 33(11): 1370-1376.

DOI

[Yin Jie, Dai Erfu, Wu Shaohong. Integrated risk assessment and zoning of typhoon disasters in China. Scientia Geographica Sinica, 2013, 33(11): 1370-1376.]

DOI

[25]
Nguyen K A, Liou Y A, Terry J P. Vulnerability of Vietnam to typhoons: A spatial assessment based on hazards, exposure and adaptive capacity[J]. Science of the Total Environment, 2019, 682: 31-46.

DOI

[26]
李颖, 方伟华. 热带气旋降水模拟研究进展[J]. 地理科学进展, 2013, 32(4): 606-617.

DOI

[Li Ying, Fang Weihua. Review on modeling of tropical cyclone rainfall. Progress in Geography, 2013, 32(4): 606-617.]

DOI

[27]
李慧芹, 李江南, 于艳, 等. 一次海南秋季台风暴雨的特征和成因分析[J]. 热带气象学报, 2018, 34(1): 133-144.

[Li Huiqin, Li Jiangnan, Yu Yan, et al. Analysis of the characteristics and causes of an autumn typhoon rainstorm in Hainan. Journal of Tropical Meteorology, 2018, 34(1): 133-144.]

[28]
Lu X Q, Yu H, Ying M, et al. Western North Pacific tropical cyclone database created by the China Meteorological Administration[J]. Advances in Atmospheric Sciences, 2021, 38(4): 690-699.

DOI

[29]
徐建华. 现代地理学中的数学方法[M]. 3版. 北京: 高等教育出版社, 2017.

[Xu Jianhua.Mathematical methods in contemporary geography. 3rd ed. Beijing, China: Higher Education Press, 2017.]

[30]
魏凤英. 现代气候统计诊断与预测技术[M]. 2版. 北京: 气象出版社, 2007.

[Wei Fengying. Modern climate statistical diagnosis and prediction technology. 2nd ed. Beijing, China: China Meteorological Press, 2007.]

[31]
Hoque M A A, Pradhan B, Ahmed N, et al. Tropical cyclone risk assessment using geospatial techniques for the eastern coastal region of Bangladesh[J]. Science of the Total Environment, 2019, 692: 10-22.

DOI

[32]
Elsberry R L. Achievement of USWRP hurricane landfall research goal[J]. Bulletin of the American Meteorological Society, 2005, 86(5): 643-646.

DOI

[33]
史培军. 灾害风险科学[M]. 北京: 北京师范大学出版社, 2016.

[Shi Peijun. Disaster risk science. Beijing, China: Beijing Normal University Press, 2016.]

[34]
贺山峰, 葛全胜, 吴绍洪, 等. 安徽省洪涝致灾危险性时空格局预估[J]. 中国人口·资源与环境, 2012, 22(11): 32-39.

[He Shanfeng, Ge Quansheng, Wu Shaohong, et al. Projecting spatio-temporal patterns of flood hazard over Anhui Province. China Population, Resources and Environment, 2012, 22(11): 32-39.]

[35]
万金红, 张葆蔚, 杨向权, 等. 海南省台风灾害特征分析[J]. 人民珠江, 2016, 37(1): 45-48.

[Wan Jinhong, Zhang Baowei, Yang Xiangquan, et al. Characteristics of typhoon disaster in Hainan Province. Pearl River, 2016, 37(1): 45-48.]

Options
文章导航

/

〈 〉