城市是经济实体集中分布的地区，加之城市交通网密集，工矿企业及各种交通工具大量排放污染气体及尾废气，致使空气中的烟尘污染物等类似凝结核物质浓度加大^[1]｡研究表明:随着城市的发展，城市排放作用所产生的大气污染物在城市及周边地区的聚集，加剧雾的生成，城市雾的强度在逐渐加大^[2-3]｡城市雾对城市居民生活质量和安全均带来较大影响，尤其对城市交通及居民出行造成不利，甚至出现人员伤亡事故｡例如，2006年1月在京沈高速公路，就因大雾原因发生一起60余辆车追尾相撞、2人死亡、10余人受伤的严重交通事故｡雾被称为天气杀手，是一种重要的城市气象灾害风险源｡

从现有文献资料来看，有关大雾灾害风险评估的研究不多｡Kanplan的气象灾害风险评估三元组理论的基本要求是判断有哪些不利的天气条件、出现不利天气条件的可能性及不利天气条件出现后所造成的影响^[4]，后两项表明一个概念---灾害危险性评估，这是风险评估的核心｡一些文献采用多年气象资料分析特定地区特定路段的雾的气候特征，归纳分析大雾天气的年季、季节、昼夜等变化特征^[5-7]，对揭示雾的发生规律是有意义的，对风险评估也有借鉴作用，但要揭示城市雾灾的真实风险仍需在此基础上作更进一步的工作｡

城市雾灾的风险评估除了要分析雾的气候统计学特征及规律，还应着重剖析城市特殊功能及结构对大雾天气导致灾难性事故的响应机制｡比如，城市交通路网密度、城市人口密度等指标所呈现的城市承灾体脆弱性或易损性分析^[8-9]｡分析需要提取的城市路网密度、长度、道路路面空间占有率及城市人口密度等指标，这些均可在GIS的支持下，通过空间网格分割下的空间叠置计算得到^[10-11]｡

本文尝试在空间信息技术支持下，提取一定大小的网格单元的城市路网特征参数，按一定权重系数方程换算路网密度条件下的雾灾脆弱性指数，并叠加上基于10年 (1996-2006年) 的统计资料所得出的大雾危险性指数，以及体现城市人口密度的易损性指数，综合测算城市雾灾的风险指数｡

在研究区域范围内划分一定大小的正方形网格单元 (图 1)｡选用多年的大雾观测资料，分析大雾的年际、月际变化情况，并根据每个测站的年平均大雾日数，做出大雾在城市地区的年平均日数分布图，年平均日数值内插到每个评估网格单元，每个网格单元内的年平均日数与最大年平均日数的比值作为网格区域内可产生雾灾的危险性指数，归一化指数方程表示为

(1)

图 1

图 1. 城市路网与网格单元划分示意图 Fig 1. The sketch map of urban road-net with overlapped grid

式 (1) 中，C_k为该网格内插后的年平均雾日数，C_max为所有网格的最大年平均雾日数｡

网格单元面与城市基础地理信息底图上的交通线路作空间交计算，得到每个网格单元内不同道路类型的路线长度，以此核算路网密度｡鉴于城市道路类型不一样，其交通拥堵状况不一，同等强度的大雾对不同道路类型的交通造成的影响不一样，也就是雾灾的响应程度不一样，因此在空间交计算结束后，需要按不同道路的类型及道路的长度核算网格正方形内包含的路网信息，即可作为初步的路网密度参数

(2)

式 (2) 中，L_i为网格内道路类型i的长度，道路类型可为高速路、一级道路等，W_i为道路类型i的权重系数｡

确定权重系数是核算路网密度参数的关键，为了得到比较合理的不同道路类型下的权重系数值，预选设定如表 1所示的3种不同权重系数组合，计算不同权重系数组合下的路网密度，并对计算结果进行比对｡不同权重系数 (系数1~3) 下脆弱性指标的计算结果见图 2｡通过对计算结果值的比较及分析，选定系数1作为核算脆弱性指标的不同道路类型的计算权重系数，因为根据历史灾情资料^[12-13]，道路流量大、车辆行驶较快的交通干线一般为大雾所能引发交通事故的多发道路类型，因此预先设定的权重系数值从高速路到四级道路依据道路等级依次递减，候选系数1~3均遵循这一原则；其次，候选系数2和系数3在系数1的基础上分别将城市道路类型的权重系数进行人为缩小及放大，从计算结果来看，依据系数2的计算结果 (图 2b) 没有体现城市路网密度特征，丢失了能表现城市路网差异的图斑，系数3的计算结果 (图 2c) 则夸大了城市路网所导致的雾灾脆弱性特征｡

表 1

表 1 道路类型及路网密度计算权重系数表 Table 1 The road type corresponding with the weight coefficient of calculating road-net density

表 1 道路类型及路网密度计算权重系数表 Table 1 The road type corresponding with the weight coefficient of calculating road-net density

图 2

图 2. 不同系数条件下的路网密度图 (a) 系数1，(b) 系数2，(c) 系数3 Fig 2. The road density map under different coefficients (a) coefficient, (b) coefficient, (c) coefficient

最后将单网格路网统计参数R_网格进行归一化，即得到每个网格单元的路网密度系数，这个系数为城市道路系统响应雾灾的脆弱性指标值，不同网格的脆弱性指标值的空间分布在GIS中是一种空间图谱化结果｡

雾灾的易损性与城市人口分布指数 (人口密度、人口数量) 等相关，甚至包括对大雾特别敏感的重要设施，比如机场、港口、车站等的分布｡有关人口分布指数的网格化计算方法已有成熟的空间离散化计算方法，其应用方法可参考文献[14-15]，其中人口分布指数的空间网格与脆弱性指数的计算网格在空间地理坐标、尺度大小上是一一对应的，但对类似机场等重要设施响应雾灾害的易损性指数订正时的网格计算，需要在方法上做出微小的调整｡文献[16-17]在针对重点设施的易损性评价时，是以区域为单元来统计的，即某个区域内的重点设施越多，该区域的易损性基数就越大｡这种方法只适合区域性的易损性指数划分，其实1km×1km小尺度网格区域与这类设施在空间上可互为叠置，核算小尺度网格在空间上包含或交叠的重点设施即可，比如包含机场后的易损性指数，完全可采用空间交运算算出待评估网格与这类设施的空间相交面积，然后乘上权重系数，可得到网格区域易损性对重点设施的订正结果，即

(3)

大雾灾害风险指数测算的综合雾灾的危险性、脆弱性指数及易损性特征参数，测算方法以网格评估单位进行单一网格内各指数数值的综合叠加，即

(4)

式 (4) 中，有关W₁，W₂，W₃组合权重的确定，多数文献采用的是经验估值方法、专家咨询及打分的方法｡这里雾灾的综合风险指数测算权重系数W₁，W₂，W₃暂用经验估值，按5:2:1的比例进行分配，估值依据如下:雾灾的危害首先取决于大雾出现的频率和强度等为表现的原生性致灾因子的影响，即雾灾的危险性指数W₁，其权重比例定为5/8，表明雾灾的风险主要与大雾天气的出现概率及强度相关；脆弱性指数W₂的权重比例为2/8，也间接说明雾灾风险与城市路网密集程度，尤其是高速路的空间地理分布特征紧密联系，这个取值表明二者之间经验化的关联程度；易损性指数W₃权重比例为1/8，体现了城市人口等易损性因子对雾灾风险的响应程度，另外，重点设施易损程度已通过空间叠置计算在脆弱性指标中进行了订正，暂不统计这部分易损性指标｡文献[16]在针对冰雹灾害的风险指数换算时，采取的是4:3:3的比例进行权重分配的，冰雹这种强致灾性天气的灾害损失程度与下垫面地物分布所体现的承灾体脆弱性及易损性的关联程度更高，其承灾体种类更为广泛，而且只要下垫面存有承灾体，最终酿成灾害的可能性较大｡雾灾的成灾机制相对较弱，它是以影响人的视野导致判断失误，引发灾难性事故而形成灾害的，因此，以路网密度、人口密度及重点设施分布为体现的雾灾的承灾体脆弱性及易损性的权重系数不宜标识过高｡

在北京地区图幅范围内 (39.409°~41.082°N，115.391°~117.515°E)，共划分了210行、268列网格，图 1为网格划分的局部效果，每个网格大小为东西跨0.008°，南北跨0.008°｡

选用北京地区近10年的大雾观测资料，以雾天出现的频率及频次，测算北京地区雾灾的危险性指数，指数分布图经网格插值计算后，将指数值赋值予网格单元，计算出的北京地区雾灾危险性指数分布如图 3所示｡

图 3

图 3. 北京地区大雾危险性指数分布图 Fig 3. The distribution map of the fog dangerousness index in Beijing

按高速路、国道、省道、一级四级公路等公路等级测算单位网格内路网密度指数，以此作为雾灾的脆弱性指标，不同道路类型选用不同的权重系数 (表 1中的系数1)，计算出的脆弱性指数如图 4所示，从图 4可见，北京地区的雾灾脆弱性指数强度分布与环城路、出京高速公路 (机场高速、八达岭、京津唐等) 的路线延伸方向一致，这与实际最可能发生大雾灾害的路段分布情况基本一致，二环、三环等环城路段的脆弱性指数较高，与这些路段路网密集、人多路杂的地物分布情况相吻合｡

图 4

图 4. 北京地区雾灾承灾体脆弱性指数 (订正) 网格分布图 Fig 4. The grid map of revised fog fragility index in Beijing

通过与机场、车站等面或面缓冲区域的叠加对脆弱性分布图做易损性指数订正，订正结果见图 4中A处，从图中可见机场等重点设施所处位置出现一高脆弱性区域，这一订正对风险结果的正确性评价是必要的｡

图 5为通过空间演算生成的北京地区人口密度分布图，测算时将各网格单元内人口密度值的归一化指数 (单网格内的人口密度除以最大人口密度) 作为易损性值，即暂将人口密度作为衡量城市地区灾害易损程度的指标｡

图 5

图 5. 北京地区人口密度分布图 Fig 5. The population density distribution map of Beijing

图 6为在危险性、脆弱性及易损性基础上，按5:2:1的比值进行逐网格单元的综合风险指数叠合计算的结果分布图｡从最终计算出的综合风险评估结果可知，北京地区雾灾的高风险区域分布在高速公路、环城路等车辆流量大、车辆行驶速度较快的区域｡北京东南部地区的雾灾风险指数同样较大，文献[3]认为此处还受烟尘堆积及聚集的影响，大雾出现的频次及强度相对较高，是雾灾的较高风险区域｡

图 6

图 6. 北京地区雾灾综合风险指数融合结果 Fig 6. The merged-map of integrated fog risk index in Beijing

1) 根据评估网格单元内的大雾出现的频率、频次等指标核算雾灾的危险性指数，对不同道路类型取不同的权重系数，测算路网密度，以归一化路网密度指数作为评估区域的雾灾脆弱性指数，并针对重点实施的分布对脆弱性指数进行订正｡应用实例的图示化评估结果表明:北京地区脆弱性指数的强弱分布与环城路及高速公路延伸方向一致，结果与实际情况相吻合，表明在计算路网密度时，按不同权重值比对情况下所选取的道路类型计算权重值基本符合评估对象的实际情况｡

2) 综合风险指数按5:2:1的比例逐网格叠加雾灾危险性、承灾体脆弱性及易损性指数，指数比例分配体现各种风险因子对雾灾成灾机制的贡献大小｡照此方法测算的北京地区雾灾风险结果表明:高速公路、环城路段及路网密度大、人口稠密的城市中心地区为雾灾的高风险区域；北京东南部地区大雾出现的频次及强度相对较高，是雾灾的较高风险区域｡