《Atmosphere》：A Decadal Risk Assessment of Tourism Meteorological Disasters in Major Scenic Areas of Dayi County, Sichuan Province, China
编辑推荐：
随着大邑县过去十年旅游业的快速增长，本研究为该地区主要旅游景区构建了一个气象灾害风险评估框架。基于25个气象站（2014–2023年）的逐日降水和温度记录以及多源地理空间数据，研究人员评估了六个主要景区：西岭雪山、花水湾、安仁古镇、新场古镇、天府花溪谷和蜀酒文
随着大邑县过去十年旅游业的快速增长，本研究为该地区主要旅游景区构建了一个气象灾害风险评估框架。基于25个气象站（2014–2023年）的逐日降水和温度记录以及多源地理空间数据，研究人员评估了六个主要景区：西岭雪山、花水湾、安仁古镇、新场古镇、天府花溪谷和蜀酒文化公园。该评估模型整合了四个核心维度：危险性（H）、环境敏感性（S）、资产脆弱性（V）和减灾能力（C）。指标权重通过层次分析法（AHP）确定，并采用基于GIS（地理信息系统）的空间分析进行风险区划。此外，45年的中国高分辨率多要素气象驱动数据集（ChinaMet）为危险性评估的长期稳定性提供了独立验证。结果显示出一个明显的西低东高复合风险梯度。西部高海拔山区整体风险较低，尽管极端天气事件频繁，但广泛的植被覆盖和低游客密度有效缓冲了物理危险源的负面影响。相反，东部平原的旅游景区位于高风险区，集中的游客人口、密集的建筑环境和低洼地形共同放大了对严重暴雨和极端热浪的暴露。这些发现表明，旅游目的地的气象灾害风险从根本上源于自然与人文系统的深度耦合。因此，本研究为实施差异化的防灾减灾和局部应急管理策略提供了科学依据。
论文解读文章
**研究背景**
气候变化是全球科学和政策议程的核心议题。政府间气候变化专门委员会（IPCC）第六次评估报告指出，全球变暖趋势明显，极端气象事件的频率和强度显著增加。旅游业作为高度气候敏感型产业，面临环境扰动和社会经济波动的双重暴露。定量分析表明，旅游业对频繁极端天气事件的脆弱性超过了宏观经济整体水平。突发性自然灾害严重破坏旅游基础设施并造成资产损失，同时影响游客决策、安全感知和整体体验。尽管已有研究将极端天气概率纳入旅游气候指数并改进了气候与需求波动的季节性匹配，但现有文献仍存在三个主要空白：第一，多数研究为单一灾害评估或一般性脆弱性评估，缺乏整合暴雨、极端高温和干旱的多灾种综合评估；第二，传统评估单元通常对应行政分区或自然地理区，直接聚焦于特定景区以服务管理决策的风险区划研究不足；第三，在山地-平原过渡带县域尺度上的多灾种气象风险研究罕见，尤其是在海拔梯度极大、气象条件空间异质性高的区域。基于此，本研究选取四川省成都市大邑县作为县域旅游气象灾害风险评估的代表案例。该县为“天府旅游名县”，地形复杂，海拔从东部平原约475米急剧升至西部大雪塘峰5310米，形成显著的局地气候特征，导致严重暴雨、山洪、滑坡和极端热浪共存。旅游业是经济支柱，2023年接待游客1245.75万人次，旅游收入约11.24亿美元，占地方GDP的23.67%。近十年旅游持续增长，但扩张的旅游活动和集中的文化资产放大了风险暴露，此前缺乏精细尺度评估，多灾种复合风险尚未科学量化。因此，本研究利用气象站实测数据（2014–2023）和相关社会经济数据，构建针对大邑县旅游区的气象灾害风险评估系统，基于GIS空间模型生成当前快速发展阶段的风险区划图，旨在为当地政府提升防灾能力和主要景区基础设施韧性提供科学依据和决策支持。
**关键技术方法**
本研究采用的研究方法主要包括以下关键环节：数据来源上，使用大邑县25个气象站（2014–2023年）的逐日降水和温度观测数据（由大邑县气象局提供），以及数字高程模型（DEM）、单位面积GDP、河网数据、综合医院数量、归一化植被指数（NDVI）等多源地理空间数据（来自地球资源数据云）。评估模型基于区域灾害系统理论，构建了包含危险性（H）、环境敏感性（S）、资产脆弱性（V）和防灾减灾能力（C）四个维度的气象灾害风险评估指标体系。指标权重通过层次分析法（AHP）确定，并通过一致性检验（CR值均低于0.10）。采用空间插值和栅格叠加分析（ArcGIS 10.8）进行风险区划，使用自然断点法分类。此外，引入45年的中国高分辨率多要素气象驱动数据集（ChinaMet，1980–2024年）作为独立验证源，通过与站点观测的逐点对比评估危险性区划的长期稳定性。
**研究结果**
**3.1 主要景区气象灾害危险性**
危险性由致灾因子的强度和频率决定。暴雨灾害方面，依据等级5分类权重叠加，天府花溪谷处于较高风险区，西岭雪山、花水湾和新场古镇为中等风险，蜀酒文化公园和安仁古镇风险最低。原因在于天府花溪谷位于山地-平原过渡带，地形抬升和地形汇聚易形成快速积水。高温热浪灾害方面，年高温日数和年最高温度空间分布一致，安仁古镇、蜀酒文化公园和新场古镇为高风险区（城市热岛效应），西岭雪山山区为低风险区（高海拔和森林覆盖降低热积累）。干旱灾害方面，天府花溪谷为较高风险（年际降水变率大、土壤保水能力有限），花水湾、新场古镇和安仁古镇风险较低（东部平原地表水和地下水资源更丰富）。综合危险性（H）结果显示，安仁古镇、新场古镇、蜀酒文化公园和天府花溪谷为高危险区，花水湾和西岭雪山为中等危险区，整体呈西低东高特征。
**3.2 危险性评估验证**
通过引入ChinaMet数据集（1980–2024年）进行独立验证。站点与ChinaMet逐点对比表明：温度平均绝对误差（MAE）为1.31°C，均方根误差（RMSE）为1.84°C，偏差仅0.61°C；降水量相关系数为0.68；温度递减率与站点观测一致（R2=0.96）。应用相同指标体系计算ChinaMet的危险性图（暴雨、极端高温、干旱及综合），结果表明极端高温空间一致性最强，暴雨和干旱因降水空间异质性和数据长度差异而存在一定偏差，但未改变“西低东高”的核心空间格局，验证了站点区划的稳健性。
**3.3 主要景区气象灾害环境敏感性**
环境敏感性由归一化植被指数（NDVI）、地形影响指数和河网密度三个子指标加权生成。结果显示，西岭雪山和花水湾为低敏感区，天府花溪谷和新场古镇为中等敏感区，蜀酒文化公园和安仁古镇为高敏感区。西部山区植被覆盖度高、坡度陡，水土保持能力强；东部平原低洼、河网密集，易产生地表积涝。
**3.4 主要景区气象灾害脆弱性**
脆弱性由游客接待强度和单位面积GDP表征。安仁古镇为高脆弱区（游客数量显著高于其他景区），花水湾为中等，新场古镇、蜀酒文化公园、天府花溪谷和西岭雪山大部分区域为低脆弱区。
**3.5 主要景区气象灾害防灾减灾能力**
防灾减灾能力由综合医院数量和人均GDP衡量。安仁古镇和蜀酒文化公园能力较强（经济发达、医疗资源集中），西岭雪山和花水湾能力中等（地形限制医疗设施分布，应急响应时间长）。山区为重点干预区域。
**3.6 主要景区气象灾害综合风险评估**
整合四个维度（危险性、环境敏感性、脆弱性、防灾减灾能力）的加权叠加，综合风险呈西低东高梯度。安仁古镇为高风险区（极端高温高危险、低洼环境敏感、游客密集导致高脆弱性），蜀酒文化公园、新场古镇、天府花溪谷和花水湾为中等风险区，西岭雪山大部分区域为低风险区（尽管多灾种频繁，但生态屏障和低游客密度缓冲了风险）。
**讨论与结论**
**讨论部分总结**：本研究聚焦于县域景区尺度，科学量化大邑县文旅产业的暴露特征和潜在经济损失风险。安仁古镇的高风险源于不利条件的空间叠加（文化旅游业活动与城市下垫面、低洼地形、城市热岛效应、高游客密度）。西岭雪山的低风险偏离“崎岖山地多灾即高风险”的直觉，说明暴露和脆弱性对综合风险的调节作用往往超过物理致灾因子变化。引入45年ChinaMet数据集验证了危险性区划的“西低东高”长期稳定性。评估存在不确定性：AHP中判断矩阵的主观性、西部高山气象站稀疏导致的插值平滑效应、自然断点法对数据分布的敏感性、乡镇单元替代景区边界引入的空间误差、缺乏历史灾损数据交叉验证、未考虑未来气候变化情景等。未来研究应集成高分辨率卫星影像与精确景区边界，建立灾害损失数据库，基于CMIP6情景数据进行前瞻性风险估算。
**研究结论翻译**：通过构建综合风险评估模型，本研究系统解码了大邑县县域景区气象灾害风险的空间分布。结果表明，旅游目的地的复合气象灾害风险并非仅由自然致灾条件决定，资产暴露和脆弱性同样是风险空间格局的关键驱动因素。旅游目的地的灾害风险本质上是自然与社会系统深度耦合的产物。因此，任何单一维度的评估都可能无法准确刻画景区的真实风险特征。本研究为高海拔梯度过渡带的灾害研究提供了一个乡镇尺度案例，对大邑县的旅游发展和安全治理具有实用价值。基于各景区的危险等级，建议采取差异化的减灾和管理策略：对于东部平原高风险区，应在空间规划中融入微尺度防洪标准和热岛响应机制，改善高峰期的应急疏散网络；对于中西部山区景区，防灾重点应转向消除气象监测盲区、加强地质灾害排查以及强化极端事件期间的通信安全保障。
