DB34∕T 4637.4-2023 气象灾害综合风险普查技术规范 第4部分：高温

ICS07.060

CCSA.47

34

安徽省地方标准

DB34/T4637.4—2023

气象灾害综合风险普查技术规范

第4部分：高温

Specificationformeteorologicaldisastercomprehensiveriskinvestigation

technology—Part4:Hightemperature

2023-10-07发布2023-11-07实施

安徽省市场监督管理局发布

DB34/T4637.4—2023

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

本文件是DB34/T4637《气象灾害综合风险普查技术规范》的第4部分。DB34/T4637已经发布了

以下部分：

——第1部分：暴雨；

——第2部分：干旱；

——第3部分：台风；

——第4部分：高温。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由安徽省气象局提出并归口。

本文件起草单位：安徽省气候中心、安徽省气象灾害防御技术中心、安徽华信瑞云信息技术有限公

司。

本文件主要起草人：吴蓉、田红、程向阳、徐敏、谢五三、唐为安、丁小俊、王胜、戴娟、伍晓玲、

王超、王琼。

I

DB34/T4637.4—2023

引言

气象灾害综合风险普查是掌握风险隐患底数、客观识别主要灾害风险水平的重要手段，为制定科学

实用的气象灾害防治区划、最大程度减轻气象灾害风险、推动经济社会高质量发展提供技术支持。

DB34/T4637旨在规范县级以上行政区域的气象灾害风险普查工作，拟由九个部分构成。

——第1部分：暴雨。目的在于规定暴雨灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第2部分：干旱。目的在于规定干旱灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第3部分：台风。目的在于规定台风灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第4部分：高温。目的在于规定高温灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第5部分：低温。目的在于规定低温灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第6部分：冰雹。目的在于规定冰雹灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第7部分：大风。目的在于规定大风灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第8部分：雷电。目的在于规定雷电灾害风险普查的资料收集、数据处理、致灾危险性评估

和灾害风险评估。

——第9部分：雪灾。目的在于规定雪灾风险普查的资料收集、数据处理、致灾危险性评估和灾

害风险评估。

II

DB34/T4637.4—2023

气象灾害综合风险普查技术规范第4部分：高温

1范围

本文件规定了高温灾害风险普查的资料收集、数据处理、致灾危险性评估和灾害风险评估。

本文件适用于高温灾害的风险普查。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

地面气象观测站surfacemeteorologicalobservingstation

对近地面大气状况及其变化进行测量和判定而设立的气象观测站。

[来源：QX/T485—2019，3.2]

高温日hightemperatureday

日最高气温大于或等于35℃。

注：日最高气温为给定时段内气温的最高值，是前一日20:00（北京时间，下同）至当日20:00之间的气温最高值。

[来源：QX/T595—2021，3.1]

高温灾害hightemperaturedisaster

某一时间段由于高温造成人员伤亡、财产损失、资源和环境破坏、社会系统混乱等损害。

承灾体hazard-affectedbody

承受高温灾害的对象。

暴露度exposure

承受高温影响的承灾体的数量和价值量。

脆弱性frangibility

受到高温不利影响的倾向或趋势。

风险普查riskinvestigation

收集气象灾害相关信息，经数据处理后，对致灾危险性和灾害风险进行评估。

评估单元assessmentunit

1

DB34/T4637.4—2023

评估对象的区域范围，可为县（市、区）、乡镇（街道）。

4资料收集

资料收集包括但不限于：

——地面气象观测站建站以来的逐日最高气温、最低气温；

——人口数、国土面积、国内生产总值（GDP）、主要农作物（水稻、玉米、大豆）播种面积等

最新承灾体资料；

——历次或历年高温导致的受灾人口、农作物受灾面积、直接经济损失等灾情资料，资料年限不

少于10年；

——行政边界矢量数据和分辨率不低于30弧秒的数字高程模型。

5数据处理

过程识别

当出现连续3个及以上的高温日时，确定为一次高温天气过程。高温过程期间，首个高温日出现

日期为高温过程开始日，最后一个高温日出现日期为结束日，开始日至结束日（含结束日）的总天数为

高温过程持续日数。

统计分析

高温过程统计分析内容见附录A。

6致灾危险性评估

高温天气过程强度指数

按公式（1）计算：

푀

푇=∑푖=1푥푖×푎푖·······································································(1)

式中：

푇——高温天气过程强度指数；

푀——评估指标个数；

푥푖——归一化的第푖个评估指标，归一化处理方法见附录B；

푎푖——第푖个评估指标的权重系数，采用层次分析法确定，层次分析法见QX/T383—2017中

附录C。

高温天气过程强度的评估指标应包括高温过程持续日数、高温过程平均最高气温、高温过程极端最

高气温，还可包括高温过程≥38℃的高温日数、高温过程平均最低气温和高温过程极端最低气温。

致灾危险性指数

按公式（2）计算：

푁푦

퐻=∑푗=1∑푘=1푇푗,푘⁄푁··································································(2)

式中：

퐻——致灾危险性指数；

푁——总年数；

2

DB34/T4637.4—2023

푦——第푗年的高温天气过程数，单位为次；

푇푗,푘——第푗年第푘个高温天气过程强度指数。

致灾危险性评估

采用自然断点法（见附录C）对致灾危险性指数进行分类，将致灾危险性划分为高危险、较高危险、

较低危险和低危险等4个等级，可依据致灾危险性等级制作危险性区划图。

7灾害风险评估

承灾体暴露度和脆弱性评估

7.1.1指标

承灾体暴露度和脆弱性评估指标见表1。

表1承灾体暴露度和脆弱性评估指标

承灾体暴露度脆弱性

人口人口密度（퐸p）人口受灾率（퐹p）

GDPGDP密度（퐸g）直接经济损失率（퐹g）

农作物农作物播种密度（퐸c）农作物受灾率（퐹c）

7.1.2计算

7.1.2.1人口密度按公式（3）计算：

푃

퐸=················································································(3)

p푆

式中：

2

퐸p——评估单元人口密度，单位为人/km；

푃——评估单元人口数，单位为人；

푆——评估单元国土面积，单位为km2。

7.1.2.2GDP密度按公式（4）计算：

퐺

퐸=················································································(4)

g푆

式中：

2

퐸g——评估单元GDP密度，单位为万元/km；

퐺——评估单元GDP，单位为万元；

푆——评估单元国土面积，单位为km2。

7.1.2.3农作物播种密度按公式（5）计算：

퐶

퐸=················································································(5)

c푆

式中：

퐸c——评估单元农作物播种密度；

퐶——评估单元农作物播种面积，单位为km2；

푆——评估单元国土面积，单位为km2。

3

DB34/T4637.4—2023

7.1.2.4人口受灾率按公式（6）计算：

퐿

퐹=p×100%·······································································(6)

p푃

式中：

퐹p——评估单元人口受灾率，单位为％；

퐿p——评估单元受灾人口数，单位为人；

푃——评估单元人口数，单位为人。

7.1.2.5直接经济损失率按公式（7）计算：

퐿

퐹=g×100%·······································································(7)

g퐺

式中：

퐹g——评估单元直接经济损失率，单位为％；

퐿g——评估单元直接经济损失，单位为万元；

퐺——评估单元GDP，单位为万元。

7.1.2.6农作物受灾率按公式（8）计算：

퐿

퐹=c×100%········································································(8)

c퐶

式中：

퐹c——评估单元农作物受灾率，单位为％；

2

퐿c——评估单元农作物受灾面积，单位为km；

퐶——评估单元农作物播种面积，单位为km2。

风险指数

7.2.1风险指数分为以人口为承灾体的风险指数（푅p）、以GDP为承灾体的风险指数（푅g）和以农作

物为承灾体的风险指数（푅c）。

′′′′′

7.2.2风险指数计算前应对퐻、퐸p、퐸g、퐸c、퐹p、퐹g、퐹c进行归一化处理，得到퐻、퐸p、퐸g、퐸c、퐹p、

′′

퐹g、퐹c。归一化处理方法见附录B。

7.2.3푅p按公式（9）计算：

′푤1′푤2′푤3

푅p=퐻×퐸p×퐹p······························································(9)

式中：

푅p——以人口为承灾体的风险指数；

′

퐻——归一化的致灾危险性指数；

푤1——致灾危险性指数的权重系数；

′

퐸p——归一化的评估单元人口密度；

푤2——人口密度的权重系数；

′

퐹p——归一化的评估单元人口受灾率；

푤3——人口受灾率的权重系数。

权重系数确定方法见附录D，푤1+푤2+푤3=1。

7.2.4푅g按公式（10）计算：

′푤4′푤5′푤6

푅g=퐻×퐸g×퐹g····························································(10)

式中：

푅g——以GDP为承灾体的风险指数；

′

퐻——归一化的致灾危险性指数；

4

DB34/T4637.4—2023

푤4——致灾危险性指数的权重系数；

′

퐸g——归一化的评估单元GDP密度；

푤5——GDP密度的权重系数；

′

퐹g——归一化的评估单元直接经济损失率；

푤6——直接经济损失率的权重系数。

权重系数确定方法见附录D，푤4+푤5+푤6=1。

7.2.5푅c按公式（11）计算：

′푤7′푤8′푤9

푅c=퐻×퐸c×퐹c·····························································(11)

式中：

푅c——以农作物为承灾体的风险指数；

′

퐻——归一化的致灾危险性指数；

푤7——致灾危险性指数的权重系数；

′

퐸c——归一化的评估单元农作物播种密度；

푤8——农作物播种密度的权重系数；

′

퐹c——归一化的评估单元农作物受灾率；

푤9——农作物受灾率的权重系数。

权重系数确定方法见附录D，푤7+푤8+푤9=1。

风险区划

采用自然断点法（见附录D）对风险指数进行分类，将风险划分为高风险、较高风险、中等风险、

较低风险和低风险等5个等级，可依据风险等级制作风险区划图。

5

DB34/T4637.4—2023

A

A

附录A

（资料性）

高温过程统计分析内容

高温过程统计分析内容见表A.1。

表A.1高温过程统计分析内容

字段记录1记录2……说明

市名

县（区）名

乡（镇）名

观测站名

站号

调查年份格式为yyyy

高温过程开始日期格式为yyyymmdd，示例19810101

高温过程结束日期格式为yyyymmdd，示例19810101

高温过程持续日数（天）

日最高气温≥38℃的日数（天）

过程平均最高气温（℃）高温过程日最高气温的平均值，保留1位小数

过程极端最高气温（℃）高温过程内日最高气温的极大值，保留1位小数

过程极端最高气温出现日期格式为yyyymmdd，示例19810101

过程平均最低气温（℃）高温过程日最低气温的平均值，保留1位小数

过程极端最低气温（℃）高温过程内日最低气温的极小值，保留1位小数

过程极端最低气温出现时间格式为yyyymmdd，示例19810101

6

DB34/T4637.4—2023

B

B

附录B

（资料性）

归一化处理方法

归一化是将有量纲的数值经过变换，化为无量纲的数值，进而消除各指标的量纲差异。归一化计算

方法见公式（B.1）：

푥−푥

푥′=5+5×푚푖푛······························································(B.1)

푥푚푎푥−푥푚푖푛

式中：

푥′——归一化后的数据；

푥——样本数据；

푥푚푖푛——样本数据中的最小值；

푥푚푎푥——样本数据中的最大值。

7

DB34/T4637.4—2023

C

C

附录C

（资料性）

自然断点法

C.1分类子集总偏差平方和计算

针对分类结果中的某一子集的数组按公式（C.1）计算总偏差平方和（푆DAM）。

푛

푆=∑(푥−푥̅)2(C.1)

DAM푖=1푖·····························································

式中：

푆퐷퐴푀——总偏差平方和；

푥̅——数组序列中所有元素的均值，按公式（C.2）计算；

푛——数组中元素个数；

푥푖——第푖个元素的值。

1

푥̅=∑푛푥······································································(C.2)

푛푖=1푖

式中：

푥̅——数组序列中所有元素的均值；

푛——数组中元素个数；

푥푖——第푖个元素的值。

C.2分类范围确定

将数据中所有푀个元素分为퐾个子集，其中퐾个子集共有퐶种分类结果，其中一种分类结果

为[푋1,푋2,…,푋푖]，[푋푖+1,푋푖+2,…,푋푗]，…，[푋푗+1,푋푗+2,…,푋푚]。按公式（C.1）计算每种分类结果中每个子

集的总偏差平方和1，1，，1，…，퐶，并按公式（C.3）求和每种分类结果的总偏

푆DAM1푆DAM2…푆DAM퐾