史維良， 車璐陽， 李 濤

（西安財經(jīng)大學統(tǒng)計學院，陜西 西安 710100）

全球變暖導致洪災、旱災等自然災害頻繁發(fā)生，對人類社會穩(wěn)定和經(jīng)濟發(fā)展影響嚴重，防災減災工作刻不容緩。評估自然災害風險是進行防災減災工作的重要基礎，其中對于致災因子危險性的分析是關鍵［1］。暴雨災害作為中國最主要的氣象災害之一，每年因其造成的生命財產(chǎn)損失十分嚴重。2021年暴雨致災人數(shù)達5901×104人，失蹤死亡人數(shù)590 人，直接經(jīng)濟損失2458.9×108元，其中河南、山西、陜西等省份災情較往年來比偏重［2］。陜西省氣候變化復雜，降水分布不均且汛期容易發(fā)生暴雨洪澇災害，目前對陜西省汛期極端降水的概率分布模型研究甚少，缺乏省域內(nèi)極端降水災害的綜合評價。因此，開展陜西省汛期極端降水危險性綜合評估工作，對于陜西省防災減災和風險管理工作來說意義重大。

對于暴雨災害的危險性評估首先是要確定危險性指標的概率分布。傳統(tǒng)的水文統(tǒng)計中常用的概率分布是皮爾遜Ⅲ型曲線。近年來，許多學者利用廣義極值分布、Gamma分布［3］、Wakeby分布、廣義帕累托分布［4］等概率分布函數(shù)對不同地區(qū)進行分析，由于各區(qū)域氣候不同，需要根據(jù)實際數(shù)據(jù)來確定某一區(qū)域的最優(yōu)概率分布。利用概率分布模型模擬極端降水指標的重現(xiàn)期，進一步進行危險性分析。關于極端降水的危險性分析通常是選取相關指標進行評估，如極端降水量、暴雨日數(shù)等［5］。唐瑜聰［6］通過建立評價指標體系對深圳市極端氣候災害風險進行評估，其中危險性指標選取了最長連續(xù)降水量、連續(xù)5 d最大降水量。周靜靜等［7］通過選擇合適的危險性指標對陜西省秦巴山區(qū)的地質災害危險性做出評價。王鵬等［8］提出計算危險性概率的方法，并繪制出漢江流域洪澇災害危險性區(qū)劃圖。遲瀟瀟［9］對中國極端降水進行時空分析，基于不同情景選擇極端降水量和極端降水頻次分析中國極端降水綜合危險性。

準確評估陜西省汛期極端降水危險性，是進行暴雨防災減災工作的重要基礎。本文選取陜西省1969—2020 年汛期（5—10 月）日極端降水數(shù)據(jù)，對陜西省極端降水指標進行概率分布擬合，選取最優(yōu)概率分布模型，利用概率分布模型計算極端降水指標的重現(xiàn)期，在此基礎上對陜西省汛期極端降水綜合危險性進行評估。

1 資料與方法

1.1 研究區(qū)概況

陜西?。?05°29′～111°15′E，31°42′～39°35′N），位于中國內(nèi)陸腹地，總面積20.56 km2，全省年平均氣溫9～16 ℃，年平均降水340～1240 mm。陜南、陜北和關中地區(qū)降水不平均，汛期由于極端降水造成洪澇災害事件發(fā)生頻繁，全省每年因自然災害造成的直接經(jīng)濟損失可達90 多億元［10］。近幾年降水趨勢明顯增大，2021 年8 月30 日，陜西省安康市10 縣區(qū)遭暴雨襲擊造成68640 人受災，農(nóng)作物受災面積1780 hm2，直接經(jīng)濟損失3.41×108元［11］。

1.2 數(shù)據(jù)來源

本文所用數(shù)據(jù)主要包括氣象數(shù)據(jù)和地理信息數(shù)據(jù)等。氣象數(shù)據(jù)來自國家氣象中心提供的陜西省32 個基準氣象站點（圖1）的1969—2020 年汛期（5—10 月）逐日降水數(shù)據(jù)，日降水數(shù)據(jù)記錄時間為前一天20:00—當天20:00（共24 h）。地理信息數(shù)據(jù)來源于全國1:250000數(shù)字高程模型（30 m精度），在ArcGIS 中以陜西省的基礎地理矢量數(shù)據(jù)為掩膜裁剪得到陜西省高程數(shù)據(jù)。

1.3 研究方法

1.3.1 極端降水指標序列極值理論十分關注極值序列的構建，常用的選樣方法有年最大值法（Annual maximum，AM）和超門限峰法（Peak over threshold，POT）［12］。POT 序列是確定某一閾值，由超過閾值的數(shù)據(jù)組成序列［13］。AM 序列是時間序列，由每年的日降水量、降水頻次、降水強度最大值組成，其優(yōu)點是能夠較好地表征極端降水指標在時間上的變化。有研究表明AM序列更適合描述陜西省的極端降水特征［14］，因此本文選取AM 法構建極端指標序列，并構建了3 個AM 序列，分別是由陜西省1969—2020年每一年汛期的最大日降水量、最多降水頻次、最高降水強度相關數(shù)據(jù)組成的序列。

1.3.2 概率分布模型概率分布的數(shù)學模式是對降水統(tǒng)計特征最完全的描述。正確的估計和計算不同雨量對應的概率是為了完整的認識該地區(qū)極端降水的總體特征。極值理論的概率分布研究中常用的幾種分布為Gen.Extreme Value（GEV）、Gen.Pareto（GP）、P-Ⅲ型、Gen.Logistic、Lognormal 等。根據(jù)已有研究結果［14-17］，本文選取了6種極端降水研究常用的概率分布來擬合陜西省汛期極端降水量、極端降水頻次、極端降水強度的AM序列，具體概率分布見表1。由于Wakeby 分布沒有具體形式，本文參考Houghton［18］給出的公式，計算公式如下：

表1 不同概率分布模型累積分布函數(shù)表達形式Tab.1 Expression of cumulative distribution function of different probability distribution models

式中:α、γ為尺度參數(shù)；β、δ為形狀參數(shù)；ξ為位置參數(shù)。

1.3.3 Kolmogorov-Smirnov優(yōu)度檢驗Kolmogorov-Smirnov檢驗法可以用來檢驗樣本數(shù)據(jù)是否服從某一個特定分布［19］。其假設為，

H0：樣本所來自的總體分布服從某個特定分布；

H1：樣本所來自的總體分布不服從某個特定分布。

K-S統(tǒng)計量的計算公式為：

式中：F0(x(i))為經(jīng)驗分布；Fn(x(i))為目標分布的累積分布函數(shù)；D為實際觀測值，當D小于檢驗臨界值時，則認為2 個分布擬合結果較好，此外D值越小，擬合效果越好。本文極端降水量、極端降水頻數(shù)和極端降水強度樣本量為52。當n=52，顯著水平α=0.05，K-S檢驗臨界值為0.1886。

1.3.4 重現(xiàn)期與情景模擬“重現(xiàn)期”帶有統(tǒng)計平均的意義，是指概率意義上的回轉周期。比如常說的百年一遇指的是以年為統(tǒng)計單位至少有1%的發(fā)生概率。其目的是預測陜西省各地區(qū)是否容易發(fā)生極端降水事件，為有關部門進行自然災害風險評估、城市雨洪風險管理提供支撐。本文使用最優(yōu)概率分布函數(shù)對不同重現(xiàn)期下研究區(qū)極端降水量進行擬合，再將現(xiàn)有最大極端降水值與不同重現(xiàn)期下的極端降水量進行比較，進一步驗證結果的準確度。

重現(xiàn)期是指未來可能發(fā)生的暴雨強度值大于或等于現(xiàn)在值的平均間隔時間。重現(xiàn)期與頻率成反比，計算公式如下：

式中：P為重現(xiàn)期；Pn為該重現(xiàn)期下對應頻率；n為重現(xiàn)期下對應的時間。如P=2時，P2表示2 a一遇重現(xiàn)期下對應的頻率。

重現(xiàn)期有統(tǒng)計平均的意義，不能簡單將它看作多少年一定出現(xiàn)一次，只有在大量的過程中是正確的。選取不同重現(xiàn)期下的極端降水量、極端降水頻數(shù)、極端降水強度對陜西省極端降水危險性進行分析。本文選取的重現(xiàn)期為2 a、5 a、10 a、20 a、50 a和100 a。

2 結果與分析

2.1 最優(yōu)概率分布模型

2.1.1 極端降水指標最優(yōu)概率分布模型初步確定最優(yōu)概率分布模型的確定有助于了解研究區(qū)的概況及準確推斷極端降水重現(xiàn)期的指標值，為進一步研究綜合危險性打下堅實基礎。對于概率分布的擬合可分為4個步驟：（1）極端降水指標序列的構建；（2）選擇分布函數(shù)；（3）參數(shù)估計；（4）對結果進行統(tǒng)計檢驗。

選取年最大值法構建陜西省極端降水量、極端降水頻次和極端降水強度3 個指標的極值序列，每個指標各有32個序列，選擇Wakeby、GEV、GP、P-Ⅲ型、Gen.Logistic和Lognormal共6個分布模型對其進行參數(shù)估計，利用K-S 擬合優(yōu)度法［19］對結果進行統(tǒng)計檢驗。給定顯著性水平0.05，查表可得臨界值D52(0.05)=0.1886，計算出的臨界值小于0.1886時，則認為此函數(shù)能擬合該序列。根據(jù)各指標32 個序列的檢驗結果，計算每個指標各概率分布函數(shù)的通過率（表2）?？傻肳akeby、GEV、GP、P-Ⅲ這4 個分布模型的通過率均為100%，都可以用來擬合3個極端降水序列。Gen.Logistic 分布模型對極端降水量序列的通過率為100%，對極端降水頻次和極端降水強度的通過率都為96.87%，其中極端降水頻次序列中秦都站不能用Gen.Logistic分布模型擬合，極端降水強度序列中商縣站不能用Gen.Logistic 分布模型擬合。Lognormal 分布模型對極端降水量序列的通過率為100%，極端降水頻次通過率為62.50%，有12個站點不能用其擬合，分別為榆林站、神木站、定邊站、靖邊站、長武站、橫山站、綏德站、商縣站、隴縣站、略陽站、秦都站、商南站；極端降水強度序列通過率為87.50%，4個站點不能用Lognormal分布模型擬合，分別為華山站、秦都站、佛坪站和商縣站。

表2 各分布模型擬合極端降水序列通過率統(tǒng)計Tab.2 Statistics on the pass rate of each distribution model fitting extreme precipitation series /%

表2得到各分布模型擬合3個極端降水指標的通過率，各指標生成的32個序列對于擬合的概率分布會有最適合本序列的分布函數(shù)，統(tǒng)計各站點的最優(yōu)分布函數(shù)出現(xiàn)次數(shù)，出現(xiàn)次數(shù)最多的分布函數(shù)則認為是研究區(qū)最優(yōu)分布函數(shù)，具體統(tǒng)計結果見表3。由表3 可知，3 個極端指標序列中，Wakeby 分布模型出現(xiàn)次數(shù)均為最多。又由表2 可知Wakeby 分布模型可以用來擬合3 個極端降水序列，因此初步認為Wakeby 分布為3 個極端指標序列的最優(yōu)分布模型。

表3 極端指標序列最優(yōu)函數(shù)統(tǒng)計結果Tab.3 Statistical results of optimal function of extreme index sequence

2.1.2誤差分析通過2.1.1 初步得到Wakeby 分布為陜西省汛期極端降水指標的最優(yōu)分布模型，但并不是所有序列的最優(yōu)概率分布模型都是Wakeby 分布函數(shù)，因此需要進行誤差分析來進一步驗證模型的精度。具體做法為：選擇Wakeby 分布與各站點自身最優(yōu)分布擬合50 a一遇情景下的極端降水指標值，將其與實際觀測數(shù)據(jù)中的最大值進行比較計算誤差率，誤差率=（實際值-預測值）/實際值，為方便分析，本文中使用的是絕對值，具體結果見圖2。

極端降水量Wakeby 分布模型擬合的值與實際最大值之間的誤差率最高為0.35，最低為0.009，且84.4%站點誤差率沒有超過0.2；最優(yōu)分布與實際值之間的誤差率最高為0.37，最低為0.007（圖2a）。32個氣象站點的Wakeby 分布模型誤差率都比最優(yōu)分布模型的誤差率要低，說明Wakeby 分布模型對極端降水量序列的擬合效果較好。

極端降水頻次最高的誤差率為0.37（秦都站），其最優(yōu)分布模型就是Wakeby 分布；此外Wakeby 分布模型與實際最大值之間誤差率最低為0.014，最優(yōu)分布模型誤差率最低為0（圖2b）。2 種分布與實際最大值之間的誤差率差別不大，且Wakeby 分布模型的誤差率普遍低于最優(yōu)分布模型的誤差率，說明Wakeby 分布模型對極端降水頻次序列的擬合效果較好。

極端降水強度Wakeby 分布模型擬合的值與實際最大值之間的誤差率最高為0.32，最低為0.001，且84.4%站點誤差率沒有超過0.2；最優(yōu)分布模型與實際值之間的誤差率最高為0.42，最低為0.008（圖2c）。大多數(shù)氣象站點的Wakeby分布模型誤差率都比最優(yōu)分布模型的誤差率低，有少數(shù)幾個比最優(yōu)分布模型的誤差率要高，但是總體差別不大，說明Wakeby 分布模型對極端降水強度序列的擬合效果較好。

因此，選擇Wakeby 概率分布作為擬合陜西省汛期極端降水指標序列的最優(yōu)分布模型。

2.2 極端降水量重現(xiàn)期分析

研究極端降水量重現(xiàn)期是為了分析研究區(qū)未來發(fā)生極端降水事件可能性，為陜西省極端降水變化提供相關依據(jù)，是評估極端降水危險性的重要基礎。由于極端降水頻次、極端降水強度是在極端降水量的基礎上得到的指標，因此本研究僅對極端降水量重現(xiàn)期進行分析。使用最優(yōu)分布函數(shù)——Wakeby分布函數(shù)，擬合不同重現(xiàn)期下陜西省汛期各氣象站點的極端降水量曲線，將32 個站點按陜北、陜南、關中3個地區(qū)分組進行比較（圖3）。

圖3 陜西省氣象站點重現(xiàn)期降水量曲線Fig.3 Return period precipitation curve of meteorological stations in Shaanxi Province

總體來說，同一重現(xiàn)期下陜西省降水極值呈現(xiàn)南多北少的局面，陜北地區(qū)總體降雨量少且強度低，極端降水事件較難發(fā)生；關中地區(qū)部分站點降雨多，其中隴縣站較易發(fā)生極端事件；陜南地區(qū)降雨多、強度高，容易發(fā)生極端降水事件。具體來講，陜北地區(qū)站點降水極值2 a一遇到100 a一遇均處在40～145 mm之間，屬于一般暴雨范疇，表明陜北地區(qū)從概率上來講較難發(fā)生雨量極大的極端降水事件；關中地區(qū)的華山、隴縣、武功3 個氣象站點20 a 一遇、50 a 一遇、100 a 一遇的重現(xiàn)期水平均超過了100 mm，為大暴雨水平；陜南地區(qū)除商縣站之外，其余所有的氣象站點20 a 一遇、50 a 一遇、100 a 一遇的重現(xiàn)期水平均是達到了100 mm以上，總體降水較多，其中鎮(zhèn)巴站的降水量最多，遠超過其他各站點，在20 a、50 a、100 a 尺度下的重現(xiàn)期降水量達到200 mm 以上，最易發(fā)生特大暴雨。

選取各站點序列現(xiàn)有的日極端降水最大值，與擬合得到的50 a 一遇、100 a 一遇的極值進行對比（圖4）。陜西省目前已有25個氣象站點過去52 a的日降水最大值超過了重現(xiàn)期為50 a的擬合值，其中還有7 個站現(xiàn)有最大降水量超過了重現(xiàn)期為100 a的極值水平，隴縣站現(xiàn)有最大值遠超100 a一遇的降水量。

圖4 現(xiàn)有最大降水值與50 a、100 a重現(xiàn)期降水量極值水平Fig.4 Existing maximum precipitation values and the extreme value level of the 50 a and 100 a return period

因此，含有52 a 日降水極值的AM 序列現(xiàn)有最大值落入50 a一遇概率區(qū)間的可能性非常大，已經(jīng)達到50 a 一遇標準；超過100 a 一遇的站點有7 個，但是超過250 mm特大暴雨水平的站點不多，僅陜南地區(qū)的鎮(zhèn)巴站在100 a 一遇的情況下降水量超過250 mm。大多數(shù)氣象站點極端降水發(fā)生的概率可能已經(jīng)達到50 a一遇對應分位數(shù)的右側分布，在一定程度上說明陜西省多數(shù)地區(qū)的汛期降水未來可能會朝著小概率、高危險的極端降水事件發(fā)展。

2.3 陜西省汛期極端降水綜合危險性分析

陜西省汛期降水發(fā)生極端降水事件的可能性增大，因此本節(jié)在極端降水量的基礎上，模擬不同情景疊加極端降水頻次和極端降水強度2個指標對陜西省汛期極端降水進行危險區(qū)劃及分析。利用Wakeby分布函數(shù)計算32個氣象站點不同重現(xiàn)期下的極端降水指標值，然后極端降水指標各自的危險性制定劃分標準，按國家標準劃分降水量危險性等級［20］；根據(jù)自然斷點法對極端降水頻次和極端降水強度進行等級劃分，具體劃分標準見表4。

表4 極端降水危險性等級劃分Tab.4 Risk classification of extreme precipitation

根據(jù)上述各指標序列危險性的等級劃分，利用ArcGIS軟件的克里金插值法對極端降水量、極端降水頻次、極端降水強度指標序列進行插值，得到2 a、5 a、10 a、20 a、50 a 及100 a 重現(xiàn)期下的各指標危險性空間分布；通過柵格對3 個極端降水指標的危險性空間分布進行疊加計算，得到陜西省汛期極端降水綜合危險性分布圖（圖5）?？傮w來看，陜西省極端降水綜合危險性分布不均，隨著重現(xiàn)期的增加，危險區(qū)域也在不斷擴大，整體表現(xiàn)為南高北低的趨勢。

圖5 不同重現(xiàn)期下陜西省汛期極端降水綜合危險性空間分布Fig.5 Spatial distributions of comprehensive risk of extreme precipitation in flood season in Shaanxi Province under different return periods

2 a一遇情景下，陜西省極端降水綜合危險性只有低和較低2種。陜北和關中地區(qū)全都處于低危險區(qū)；陜南地區(qū)的商縣站和鎮(zhèn)安站處于低危險區(qū)，其余處于較低危險區(qū)。

5 a 一遇情景下，相比2 a 一遇情景低危險區(qū)增大，并出現(xiàn)了中危險區(qū)。陜北地區(qū)的神木、延長、洛川站為較低危險區(qū)，其余地區(qū)仍為低危險區(qū)；關中地區(qū)的永壽、秦都、涇河、長武、耀縣、蒲城站為低危險區(qū)，其余為較低危險區(qū)；陜南地區(qū)的鎮(zhèn)巴站和寧強站為中等危險區(qū)，其余全為較低危險區(qū)。

10 a 一遇情景下，陜西省境內(nèi)低危險區(qū)面積減小，較低危險區(qū)占絕大多數(shù)，中等危險區(qū)面積也在加大。陜北除定邊站外全為較低危險區(qū)；關中地區(qū)全為低危險區(qū)；陜南地區(qū)的鎮(zhèn)巴站為較高危險區(qū)，鎮(zhèn)安、商縣為較低危險區(qū)，其余為中等危險區(qū)。

20 a 一遇情景下，陜西省極端降水綜合危險性為較低、中和較高3 種。陜北地區(qū)的神木站為中等危險區(qū)，其余為較低危險區(qū)；關中地區(qū)的長武站、耀縣站、蒲城站、永壽站、秦都站、涇河站為較低危險區(qū)，其余為中等危險區(qū)；陜南地區(qū)較高危險區(qū)面積增大，略陽、漢中、鎮(zhèn)巴、寧強站為較高危險區(qū)，其余為中等危險區(qū)。

50 a 一遇情景下，陜西省汛期極端降水綜合危險性為較低、中等、較高和高危險4種。陜北的定邊站處于較低危險區(qū)，其余為中等危險區(qū)；關中地區(qū)的隴縣站為較高危險區(qū)，其余為中等危險區(qū)；陜南地區(qū)的鎮(zhèn)巴站為高危險區(qū)，鎮(zhèn)安站、商縣站為中等危險區(qū)，其余為較高危險區(qū)。

100 a 一遇情景下，高危險區(qū)地區(qū)增多，危險性為中、較高和高3 種。陜北地區(qū)的神木站處于較高危險區(qū)，其余為中等危險區(qū)；關中地區(qū)的耀縣站和蒲城站為中等危險區(qū)，其余處于較高危險區(qū)；陜南地區(qū)的商縣站、鎮(zhèn)安站處于較高危險區(qū)，其余為高危險區(qū)。

進一步對綜合危險性進行評估，通過面積的變化趨勢反映危險區(qū)變化情況，由圖7 計算出不同重現(xiàn)期下各極端降水綜合危險性所占面積比（表5）。2 a 一遇情景下，低危險區(qū)面積占比為84.9%，高危險區(qū)面積占比為0，隨著重現(xiàn)期增加，危險等級也不斷增大；5 a一遇情景下，出現(xiàn)中危險區(qū)，面積占比為6.4%；10 a 一遇情景下，出現(xiàn)較高危險區(qū)，面積比為1.7%；20 a 一遇情景下，陜西省內(nèi)低危險區(qū)消失，出現(xiàn)高危險區(qū)，其面積占比為0.1%；50 a一遇情景下，高危險區(qū)面積增大，面積占比為3.7%；100 a一遇情景下，較低危險區(qū)消失，高危險區(qū)面積占比增加到22.0%。

表5 不同重現(xiàn)期下各極端降水綜合危險性等級面積占比Tab.5 Area proportion of comprehensive risk of each extreme precipitation under different return periods /%

3 討論

陜西省極端降水空間差異顯著［21］，因此關于危險性的研究十分關鍵［22-23］，多數(shù)都是通過構建指標體系對極端降水危險性進行評估，鮮少有在概率分布模型的基礎上進行危險性分析。通過研究發(fā)現(xiàn)陜西省未來極端降水事件發(fā)生可能性大大增加，這與全球極端降水事件變化一致［24］。目前多數(shù)研究［25-26］中常用P-Ⅲ型、GEV、GPD 分布模型計算研究區(qū)不同重現(xiàn)期下的極端降水量，越來越多學者［15-16］使用Wakeby 分布模型擬合極端降水序列計算極端降水量。針對陜西省極端降水指標目前還沒有具體的概率分布模型研究，本文選取6 種極值分布擬合極端降水指標，得出Wakeby 分布是陜西省汛期極端降水量、降水頻數(shù)、降水強度的最優(yōu)概率分布模型，并用Wakeby 分布模型計算不同重現(xiàn)期下的極端降水量，得到未來陜西省發(fā)生極端降水事件的可能性增大；通過極端降水指標疊加分析可以看出不同情景下陜西省各地區(qū)危險性變化明顯，陜南地區(qū)綜合危險性＞關中地區(qū)＞陜北地區(qū)。

本研究存在一些不足：（1）由于數(shù)據(jù)可獲取性，僅選用了32個氣象站點數(shù)據(jù)，后期可以考慮增加氣象站點數(shù)以提高結果精度；（2）僅從危險性研究了陜西省極端降水變化，還可以結合脆弱性、暴露性等綜合分析極端降水帶來的風險，進一步研究暴雨災害風險管理，為政府防災減災提供科學建議。

4 結論

（1）擬合陜西省汛期極端降水量、極端降水頻次和極端降水強度3 個極端降水指標序列，得到其最優(yōu)分布模型是Wakeby分布函數(shù)。

（2）通過對不同重現(xiàn)期下陜西省各地區(qū)極端降水量的計算，同一重現(xiàn)期下陜西省降水極值呈南多北少分布，陜北地區(qū)發(fā)生極端降水事件的可能性較小，關中地區(qū)的大部分站點降水較多，發(fā)生極端事件可能性較大，陜南地區(qū)整體發(fā)生極端降水事件可能性較大。陜西省大多數(shù)地區(qū)汛期降水會朝著小概率、高危險性的極端降水事件發(fā)展。

（3）不同情景下陜西省汛期極端降水綜合危險性整體呈南高北低分布。具體分析如下：陜北地區(qū)綜合危險性較低，僅在100 a情景下神木站發(fā)展較高危險區(qū)，其余站最高綜合危險區(qū)等級僅為中等；關中地區(qū)在2 a、5 a、10 a、20 a情景下危險區(qū)等級均不超過中等，50 a情景下隴縣發(fā)展為較高危險區(qū)，100 a情景下除耀縣和蒲城外全為較高危險區(qū)；陜南地區(qū)高危險區(qū)占比最大，其中鎮(zhèn)巴站發(fā)生危險事件可能性最大，因其在20 a情景下已發(fā)展為高危險區(qū)，除鎮(zhèn)安和商縣外，其余地區(qū)在100 a情景下全為高危險區(qū)。