DB14∕T 3486-2025 气象灾害风险普查技术规范 大风

ICS07.060

CCSA47

14

山西省地方标准

DB14/T3486—2025

气象灾害风险普查技术规范大风

2025-07-10发布2025-10-10实施

山西省市场监督管理局发布

DB14/T3486—2025

目次

前言.................................................................................II

1范围...............................................................................1

2规范性引用文件.....................................................................1

3术语和定义.........................................................................1

4基本要求...........................................................................1

5资料收集...........................................................................2

6致灾危险性评估与区划...............................................................2

7风险评估与区划.....................................................................3

8报告编制...........................................................................4

附录A（资料性）大风灾害风险普查流程图...............................................5

附录B（资料性）归一化方法...........................................................6

附录C（资料性）信息熵赋权法.........................................................7

附录D（资料性）层次分析法...........................................................8

附录E（资料性）专家打分法..........................................................10

附录F（资料性）自然断点分级法......................................................11

附录G（资料性）百分位等级划分方法..................................................12

参考文献.............................................................................13

I

DB14/T3486—2025

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。

本文件由山西省气象局提出、组织实施和监督检查。

山西省市场监督管理局对本文件的组织实施情况进行监督检查。

本文件由山西省气象标准化技术委员会（SXS/TC24）归口。

本文件起草单位：山西省气候中心、山西省气象局。

本文件主要起草人：张亚琳、张冬峰、刘月丽、王晓琼、任玉欢、郭媛媛、赵海燕、常钢、王林、

李燕、赵永强、杨倩、张华明、陈哲玄、左小瑞。

II

DB14/T3486—2025

气象灾害风险普查技术规范大风

1范围

本文件规定了大风气象灾害风险普查的术语和定义、基本要求、资料收集、致灾危险性评估与区划、

风险评估与区划、报告编制。

本文件适用于大风气象灾害风险普查。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T31724—2015风能资源术语

GB/T35224—2017地面气象观测规范天气现象

QX/T405—2017雷电灾害风险区划技术指南

3术语和定义

GB/T31724—2015、GB/T35224—2017、QX/T405—2017界定的以及下列术语和定义适用于本文

件。

3.1

大风灾害

指由于出现非台风大风，对人民生命财产、农业生产等造成损害的事件。

3.2

大风灾害致灾危险性评估

基于大风灾害致灾危险性信息调查结果，对大风灾害致灾因子综合强度进行评价的过程。

3.3

大风灾害风险

大风灾害对人口、经济、农业等承灾体造成影响和危害的可能性。

3.4

大风灾害风险评估

综合大风灾害致灾危险性、孕灾环境敏感性及承灾体暴露度、脆弱性等，对大风灾害风险大小进行

评价的过程。

3.5

大风灾害风险区划

根据大风灾害风险评估结果，对大风灾害风险进行基于空间单元的划分。

4基本要求

4.1大风灾害风险普查应包括资料收集、致灾危险性评估与区划、风险评估与区划。

1

DB14/T3486—2025

4.2采用具有可靠来源的资料，对不同来源的资料进行归一化处理。

4.3根据大风灾害致灾机理及影响特征，基于大风灾害的致灾因子、孕灾环境、承灾体暴露度和脆弱

性的调查成果，开展大风灾害致灾危险性评估与区划、风险评估与区划。

4.4大风灾害风险普查流程参见附录A。

5资料收集

5.1气象资料

收集评估区域内地面气象观测站建站以来逐月大风日数、逐日极大风速等资料。

5.2承灾体资料

收集评估区域内国土面积、人口数量、国内生产总值（GDP）和主要粮食作物（小麦、玉米等）播

种面积等。

5.3灾情资料

收集评估区域内因大风灾害导致的受灾人口、农作物受灾面积、农作物绝收面积、直接经济损失等

资料。

5.4地理信息资料

收集行政边界或评估区域边界矢量底图、地形高程数据（DEM）、归一化植被指数（NDVI）等。

6致灾危险性评估与区划

6.1致灾因子识别

大风灾害致灾因子包括大风强度和大风频次。大风强度由极大风速多年平均值表示，单位为m/s；

大风频次由大风日数多年平均值表示，单位为d。

6.2致灾危险性评估

大风灾害致灾危险性评估采用加权求和的评估模型，分别将各致灾因子进行归一化，再加权综合。

归一化方法，参见附录B；权重系数采用信息熵赋权法、层次分析法或专家打分法等确定，确定方法参

见附录C、D或E，权重系数之和为1。

大风灾害致灾危险性指数按公式（1）计算：

퐻=푤푔×퐺+푤푝×푃··································································(1)

式中：

퐻——大风灾害致灾危险性指数；

푤푔——大风强度的权重系数；

퐺——归一化的年极大风速多年平均值；

푤푝——大风频次的权重系数；

푃——归一化的年大风日数多年平均值。

6.3致灾危险性区划

2

DB14/T3486—2025

依据大风灾害致灾危险性指数，采用自然断点分级法或百分位等级划分方法等，参见附录F或G,将

大风灾害致灾危险性划分为高（Ⅰ级）、较高（Ⅱ级）、中（Ⅲ级）、较低（Ⅳ级）和低（Ⅴ级）5个

等级，依据致灾危险性等级制作致灾危险性区划图。

7风险评估与区划

7.1孕灾环境敏感性

大风灾害孕灾环境因子包括地形因子（海拔高度，单位为m）和植被覆盖度。植被覆盖度基于遥感

归一化植被指数（NDVI）运算得到，按公式（2）计算：

퐼−퐼

퐶=푁퐷푉퐼푁퐷푉퐼푆·······································································(2)

퐼푁퐷푉퐼푉−퐼푁퐷푉퐼푆

式中：

퐶——像元植被覆盖度；

퐼푁퐷푉퐼——像元的归一化植被指数；

퐼푁퐷푉퐼푆——纯土壤覆盖或无植被覆盖像元的归一化植被指数最小值；

퐼푁퐷푉퐼푉——纯植被覆盖像元的归一化植被指数最大值。

大风灾害孕灾环境敏感性评估采用加权求和的评估模型，分别将各孕灾环境因子进行归一化，再加

权综合。归一化方法，参见附录B；权重系数采用信息熵赋权法、层次分析法或专家打分法等确定，确

定方法参见附录C、D或E，权重系数之和为1。

大风灾害孕灾环境敏感性指数按公式（3）计算：

푀=푤푑×퐷퐼+푤푐×(1−퐶퐼)····························································(3)

式中：

푀——大风灾害孕灾环境敏感性指数；

푤푑——海拔高度的权重系数；

퐷퐼——归一化的海拔高度；

푤푐——植被覆盖度的权重系数；

퐶퐼——归一化的植被覆盖度。

7.2承灾体暴露度和脆弱性

7.2.1承灾体暴露度

以评估单元内人口、GDP或农作物种植面积与总面积之比表征承灾体暴露度。承灾体暴露度按公式

（4）计算：

푆

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

푆

式中：

퐸——承灾体（人口、GDP或农作物等）暴露度；

2

푆퐸——评估单元内的人口（单位为人）、GDP（单位为万元）或农作物种植面积（单位为km）；

푆——评估单元总面积，单位为km2。

7.2.2承灾体脆弱性

3

DB14/T3486—2025

以评估单元内受灾人口、直接经济损失或农作物受灾面积与人口、GDP或农作物种植面积之比表征

承灾体脆弱性。承灾体脆弱性按公式（5）计算：

푆

푉=푉················································································(5)

푆퐸

式中：

푉——承灾体（人口、GDP或农作物等）脆弱性；

——评估单元内受灾人口（单位为人）、直接经济损失（单位为万元）或农作物受灾面积（单

푆푉

位为km2）；

——评估单元内的人口（单位为人）、GDP（单位为万元）或农作物种植面积（单位为km2）。

푆퐸

7.3风险评估

大风灾害风险评估采用加权求积的评估模型。分别将致灾危险性、孕灾环境敏感性、承灾体暴露度

和承灾体脆弱性各指标进行归一化，再加权综合。归一化方法，参见附录B；权重系数采用信息熵赋权

法、层次分析法或专家打分法等确定，确定方法参见附录C、D或E，权重系数之和为1。

大风灾害风险指数按公式（6）计算：

푤ℎ푤푚푤푒푤푣

푅=퐻퐼×푀퐼×퐸퐼×푉퐼·························································(6)

式中：

R——针对承灾体（人口、GDP或农作物等）的大风灾害风险指数；

HI——归一化的大风灾害致灾危险性指数；

푤ℎ——致灾危险性指数权重系数；

푀퐼——归一化的孕灾环境敏感性指数；

푤푚——孕灾环境敏感性指数权重系数；

EI——归一化的承灾体（人口、GDP或农作物等）暴露度；

푤푒——承灾体暴露度权重系数；

VI——归一化的承灾体（人口、GDP或农作物等）脆弱性；

푤푣——承灾体脆弱性权重系数。

7.4风险区划

依据大风灾害风险指数，采用自然断点分级法或百分位等级划分方法等，参见附录F或G，将大风灾

害风险划分为高（Ⅰ级）、较高（Ⅱ级）、中（Ⅲ级）、较低（Ⅳ级）和低（Ⅴ级）5个等级，依据风

险等级制作风险区划图。

8报告编制

大风灾害风险普查报告，主要内容包括评估区域概况、资料收集与处理、风险评估技术方法、致灾

危险性评估与区划、风险评估与区划五个方面内容。

4

DB14/T3486—2025

附录A

（资料性）

大风灾害风险普查流程图

图A.1大风灾害风险普查流程图

5

DB14/T3486—2025

B

B

附录B

（资料性）

归一化方法

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。归一化处理

按照公式（B.1）计算。

푋−푋

퐷=푚푖푛·····································································(B.1)

푋푚푎푥−푋푚푖푛

式中：

퐷——评价指标的归一化数值；

푋——评价指标；

푋푚푖푛——评价指标中的最小值；

푋푚푎푥——评价指标中的最大值。

6

DB14/T3486—2025

C

C

附录C

（资料性）

信息熵赋权法

信息熵表示系统的有序程度。在多指标综合评价中，熵权法可以客观地反映各评价指标的权重。一

个系统的有序程度越高，则熵值越大，权重越小；反之，一个系统的无序程度越高，则熵值越小，权重

越大。即对于一个评价指标，指标值之间的差距越大，则该指标在综合评价中所起的作用越大；如果某

项指标的指标值全部相等，则该指标在综合评价中不起作用。

设评价体系是由푚个指标푛个对象构成的系统，首先计算第푖项指标下第푗个对象的指标值푟푖푗所占指

标比重푃푖푗，见公式（C.1）：

푟푖푗

푃푖푗=푛(푖=1,2⋯푚；푗=1,2⋯푛)··············································(C.1)

∑푗=1푟푖푗

式中：

푃푖푗——第푖项指标下第푗个对象的指标值푟푖푗所占指标比重；

푟푖푗——第푖项指标下第푗个对象的指标值。

由熵权法计算第푖个指标的熵值푆푖，见公式（C.2）。

1

푆=−∑푛푃ln푃(푖=1,2⋯,푚；푗=1,2⋯,푛)··································(C.2)

푖ln푛푗=1푖푗푖푗

式中：

푆푖——第푖项指标的熵值。

计算第푖个指标的熵权，根据公式（C.3）确定该指标的客观权重휔푖：

1−푆푖

휔푖=푚(푖=1,2⋯,푚)························································(C.3)

∑푖=1(1−푆푖)

式中：

휔푖——第푖项指标的熵权确定的客观权重。

7

DB14/T3486—2025

D

D

附录D

（资料性）

层次分析法

层次分析法（AnalyticHierarchyProcess，AHP）确定各评估因子的权重，是将定量分析与定性

分析结合起来的系统化、层次化的权重决策分析方法，是决策者对复杂系统的决策思维过程模式化、数

量化的过程。其基本原理是：将要评价系统的有关替代方案的各种要素分解成若干层次，并以同一层次

的各种要素按照上一层要素为准则，进行两两判断比较并计算出各要素的权重，根据综合权重按最大权

重原则确定最优方案，合理地给出每个决策方案的每个标准的权数。

D.1建立层次结构模型

将评价目标作为层次分析的目标层（即决策的目的、要解决的问题），目标层为最上层，通常只有

一个因素；最下层为方案层，包含决策的多个备选方案；中间层有一个或几个层次，为决策的准则层。

D.2构造判断（成对比较）矩阵

通过各因素之间的两两比较确定合适的标度。在建立层次结构之后，比较因子及下属指标间的相应

比重，通过专家打分法实现由定性向定量的转化，最终得到具有定量标度的判断矩阵表格。

假设要比较푛个因素푦=(푦1,푦2,…,푦푛)对目标푧的影响，从而确定它们在푧中所占的比重，每次取两

个因素푦푖和푦푗用푎푖푗表示푦푖与푦푗对푧的影响程度之比，按1～9的比例标度（见表D.1）来度量푎푖푗，푛个被比

较的元素构成一个两两比较（成对比较）的判断矩阵퐴=(푎푖푗)푛×푛。显然，判断矩阵퐴具有性质：

푎11푎12⋯푎1푛

푎푎⋯푎

21222푛(D.1)

퐴=[⋮⋮⋮]································································

푎푛1푎푛2⋯푎푛푛

式中：

1푖=푗

1(D.2)

푎푖푗={푖≠푗(푖,푗=1,2,…,푛)푎푖푗>0········································

푎푗푖

表D.1比例标度表

标度定义（比较因素푖与푗）

1表示两个元素相比，具有同样重要性

3表示两个元素相比，一个元素比另一个元素稍微重要

5表示两个元素相比，一个元素比另一个元素明显重要

7表示两个元素相比，一个元素比另一个元素强烈重要

9表示两个元素相比，一个元素比另一个元素极端重要

2、4、6、8上述两相邻判断元素的中值

倒数因素푖与푗比较得判断矩阵푎푖푗，则因素푗与푖相比的判断为푎푗푖=1/푎푖푗

D.3计算权重向量并做一致性检验

8

DB14/T3486—2025

判断矩阵퐴对应于最大特征值휆푚푎푥的特征向量푊,经归一化后得到同一层次相应元素对于上一层次

某元素相对重要性的权值。完成单准则下权重向量的计算后，必须进行一致性检验。一致性指标按照公

式（D.3）计算：

휆−푛

퐶퐼=푚푎푥·······································································(D.3)

푛−1

式中：

퐶퐼=0，有完全的一致性；퐶퐼接近于0，有满意的一致性；퐶퐼越大，矩阵一致性越差。

D.4层次总排序及其一致性检验

计算某一层次所有因素对于最高层相对重要性的权值，称为层次总排序。这一过程是从最高层次到

最低层次依次进行的。

9

DB14/T3486—2025

E

E

附录E

（资料性）

专家打分法

专家打分法是指通过匿名方式征询有关专家的意见，对专家意见进行统计、处理、分析和归纳，客

观地综合多数专家经验与主观判断，对大量难以采用技术方法进行定量分析的因素做出合理估算，经过

多轮意见征询、反馈和调整后，来确定各因子的权重系数。该方法确定的权重系数能较好的反映出实际

情况下各因子在灾害形成过程中的作用，但存在一定的主观因素。

10

DB14/T3486—2025

F

F

附录F

（资料性）

自然断点分级法

F.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（F.1）计算总偏差平方和。

푛

푆=∑(푥−푥̅)2(F.1)

퐷퐴푀푖=1푖····························································

式中：

푆퐷퐴푀——总偏差平方和；

푛——数组中元素个数；

푥푖——第푖个元素的值；

푥̅——数组序列中所有元素的均值，按公式（F.2）计算。

1

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

푛푖=1푖

F.2分类范围确定

将数据中所有푛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,…,푋푛]。按公式（F.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，并按照公式（F.3）求每种分类结果的总偏

푆퐷퐴푀1푆퐷퐴푀2…푆퐷퐴푀퐾푆퐷퐴푀퐾

差平方和：

푝

푝∑퐾(F.3)

푆퐷퐶푀=푖=1푆퐷퐴푀푖································································

式中：

푝

푆퐷퐶푀——第푝个分类结果的总偏差平方和；

퐾——子集数量；

푝——第个分类结果第个子集的总偏差平方和。

푆퐷퐴푀푖푝푖

12퐶

选择푆퐷퐶푀，푆퐷퐶푀，…，푆퐷퐶푀中最小的一个值（푆퐷퐶푀,푚푖푛）作为最优范围，푆퐷퐶푀,푚푖푛所对应的分

类范围即为最佳分类。

11

DB14/T3486—2025

G

G

附录G

（资料性）

百分位等级划分方法

百分位等级划分方法是数据统计中一种常用的方法。具体定义为把一组统计数据按其数值进行从小

到大顺序排列，并按数据个数100等分。在第휌个分界点（称为百分位点）