武汉市城市积涝预警系统及其仿真模拟效果

在建立武汉市城市排水管网地理信息系统的基础上,以城市地表与明渠、河道的水流运动为主要模拟对象,以二维非恒定流基本方程和无结构不规则网格划分技术为骨架,设计了适合武汉市的城市积涝仿真模型,并结合精细化降水预报业务和积水显示后处理系统,建立了武汉市城市积涝预警系统。另外,利用该系统对2008年5月27—28日武汉市特大暴雨引发的积涝进行预报预警,取得较好效果,其中最大积水落区预报成功率达70%以上,模拟的积水深度误差主要分布在20cm以内。     

北京地区城市暴雨积涝灾害风险预评估

该文提出自下而上的城市暴雨积涝灾害风险定量评估方法,即在三级评估指标体系下,由下级指标综合核算上级指标系数。在第2级指标计算中,风险区划的危险性指数由历史降水量资料推算得出,风险预警则用实况及预报降水量来计算致灾因子危险性指数;暴雨敏感性指数综合叠加地形、不透水地表因子及河网密度得出;暴雨积涝的风险暴露因子侧重地均人口密度、地均GDP及重点防汛指标等因子,着重于城市地区人口、经济、防汛重点目标的暴露程度。然后在危险性、敏感性及暴露性指数的基础上叠加得出积涝风险指数。通过对比发现,得到的风险区划结果与2004—2008年北京地区暴雨积涝的历史灾情基本吻合。最后,选用北京2011年“6.23”暴雨作风险预警的实例应用检验及分析,结果表明:采用自下而上的快速风险评估结果与积涝的实际发生情况较为接近,无论是风险变化趋势还是风险区域分布情况均与当天的积涝发生情况基本吻合。即该方法能较为准确、快捷地圈定城市地区各级风险区域,能较好地满足风险评估、区划及风险预警的要求。     

天津市暴雨内涝灾害风险分析

分析了城市化对暴雨内涝灾害风险分布的影响，介绍了天津市暴雨内涝灾害仿真模型的基本原理及实际暴雨过程的验证情况。在分析天津市暴雨频次分布的基础上，根据天津市的暴雨特点和汛期排水运作规则，利用天津市内涝灾害仿真模型，对不同类型的降水过程进行了数值模拟，并对暴雨引起内涝灾害的风险进行了初步的量化评估。     

基于1 km网格的北京暴雨洪涝灾害风险区划

目前许多城市暴雨洪涝灾害综合风险区划对暴雨在复杂地形下可能引发的山洪与地质灾害造成的高风险以及对城市交通安全风险估计不足,同时常规的气象观测资料已难以描述暴雨致灾危险性精细化分布。本文基于自然灾害风险评估理论,利用遴选的293个北京气象自动站2006—2017年逐时降水观测资料、北京2015年1∶25万基础地理信息、2016年Landsat8晴空遥感影像、灾情资料以及网格化的社会经济资料,在承灾体暴露度基础上充分考虑了承灾体对暴雨引发的城市积涝、山洪与地质灾害灾损敏感性差异,从暴雨致灾危险性、孕灾环境敏感性、承灾体易损性3个方面开展了北京地区暴雨灾害1km分辨率的精细网格化风险评估与区划,并结合实际案例进行了分析。结果显示:(1)基于高密度降水观测资料提取的网格化短历时暴雨频次和暴雨量能较为精细地评估致灾危险性;基于遥感与GIS提取的不透水盖度、地形起伏度与河网密度可有效评估暴雨洪涝孕灾环境敏感性;基于1km格网化的GDP、人口密度和路网密度以及灾损敏感系数可有效评估暴雨引发的积涝、山洪与地质灾害对人员、财产和公路交通的易损性;(2)与已有成果比较,本次北京暴雨洪涝风险区划不但凸显了暴雨对城市的积涝风险,也凸显了暴雨引发的山洪与地质灾害风险,同时突出了暴雨对城市交通设施安全的影响;(3)风险区划结果基本反映了北京市暴雨灾害的潜在风险,北京暴雨洪涝灾害防御的重点区域应放在风险较高的三个区域。     

锦州地区逐日降水概率分布特征

利用锦州地区的逐日降水量观测资料对逐日降水量的概率分布进行了统计分析,采用最大似然估计法得到Gamma函数分布的形状参数α和尺度参数β,通过Gamma概率分布模拟观测站点逐日降水的概率分布。结果表明：锦州地区逐日降水频率整体趋势先上升后下降,基本呈对称式分布,降水概率有一定的振荡,个别日会出现远超相邻日期的降水频率,7月21日降水频率最高,在不计微量降水的情况下,最低逐日降水概率有多个日期为0。各季降水频率偏低是造成义县地区干旱的原因之一;北镇夏季平均降水频率最低,但其夏季平均降水量却为锦州地区最高,说明北镇可能易出现较大量级降水或易出现极端降水天气。清明期间降水频率在50%以上、高考期间降水频率在80%以上,符合大众日常对特殊日期降水情况的认知;逐日降水频率可以为公众气象服务提供新的思路。凌海、北镇更容易出现极端降水天气;锦州地区日降水出现小雨天气概率最高,暴雨以上降水概率较低,锦州地区各站极少出现大暴雨以上量级降水,对锦州降水量级预报,尤其是暴雨或大暴雨以上降水量级的预报起到一定的指示作用。     

遵义市2010年7月8-13日暴雨洪涝特征及影响评估

采用空间定位、距平百分率、历史对比、极大值推算、灾害影响分析等多种方法对2010年7月8-13日遵义市出现的一次大范围的强降水过程进行综合评估。结果表明:此次连续性降水过程的强降水区主要位于遵义市的东北部,即正安、道真、务川等地;全市14个国家气象观测台站中,共有4站次大暴雨、8站次暴雨,8站次大雨;全市215个乡镇中,有162站次日雨量达暴雨,其中45站次大暴雨;用Pearson-Ⅲ型概率分布对务川气象站1h最大降水量、日最大降水量、任意连续3d最大降水量作历史重现期分析,周围乡镇雨量的历史情况参考务川气象站,认为本次强降水中几项极大值均超过100 a一遇的大暴雨;强降水造成较大范围的渍涝或洪涝;部分河流超警戒或危急水位;给出了暴雨造成的灾害损失及其影响。     

广州城市暴雨内涝模型模拟效果评估

基于水动力方法构建的广州城市暴雨内涝模型,结合精细化降水预报,对内涝点的积水深度及风险等级进行模拟,结果表明,模型对近两年内涝点内涝风险等级命中率达65%,对总降水量为50～100 mm的降水过程命中率最高为72.8%。模型对2020年“5.22”特大暴雨过程模拟的积水深度和实况相比偏弱,误差主要分布在30 cm以内,大约占64%,大部分模型模拟积水深度偏小,主要位于广州中北部地区;此外,模型对积水1m以下内涝点的积水有不错的模拟能力,而对2m左右的深积水模拟能力还有限。不同重现期雨情下,广州中心城区的降雨量和历时越大,积水面积越大。1 h重现期雨情下,积水深度一般在20 cm以下,部分在20～59 cm;3 h降雨情景下,积水明显加深,积水深度一般在20～59 cm,部分在0～20 cm和60～119 cm。总体而言,模型模拟结果与实测内涝积水情况基本一致,模型准确度可满足业务需求。     

基于城市暴雨内涝数学模型的福州内涝灾害风险评估

以福州市城区地表和明渠河道为主要模拟对象,结合福州市城区高精度地理信息、排水设施、排水运作方式等数据,建立福州城市暴雨内涝数学模型。利用该模型对福州市历史上3次典型降雨过程以及不同重现期降雨造成的城区内涝灾害进行模拟。对模型的模拟结果与实况积水进行评估表明,3次降雨过程的模拟与实况积水深度绝对误差小于10 cm的积水点分别占比为50%、78%、76%。模型对雨强较大的短时强降雨过程,模拟效果稍差,模拟积水比实况积水整体偏小;对长时间、雨强比较平均的降雨,整体模拟效果较好。利用模型对不同重现期降雨下福州市城区内涝灾害风险进行评估表明,模型能够客观反映不同重现期降雨过程下福州市城区内涝灾害风险分布。     

应用主成分构建的暴雨致灾能力评估指数及其应用

为了构建合理的四川暴雨致灾能力评估指数(简称:评估指数),本文对2008~2018年四川地区126次致灾性暴雨过程,选取刻画暴雨特征的8个降水量因子,利用总体主成分和阈值法确立因子的权重及阈值,由此建立了评估指数模型。经历史个例反演及预报个例的评估应用表明:(1)暴雨区域的平均雨量值,≥25mm/h的面积及大暴雨面积是影响四川暴雨致灾能力强弱的关键因子,利用主成分构建的评估指数较好的反映了历次暴雨过程的致灾能力,当指数达0.8以上时,一般对应着大型及以上暴雨灾害。(2)结合经济损失及气象灾害评估分级处置标准,将评估指数划为4个等级。基于此,利用每日08时和20时四川省气象台订正的0.05°×0.05°预报降水数据,输入评估指数模型计算未来3d的指数及对应的致灾能力落区等级空间分布。实际应用表明,评估指数模型对评估暴雨过程的整体致灾能力及具体的暴雨致灾能力落区等级分布有显著的实用性。      

模式水平分辨率提高对一段大暴雨预报结果的影响

使用中尺度暴雨模式MRM1—不等距21层细致边界层η坐标模式,分别采用36 km和18 km的水平分辨率对1998年6月12日~7月31日造成长江流域特大洪水的暴雨进行数值模拟,结果表明:当把模式水平分辨率提高到18 km后,暴雨及其以下降水量等级的预报TS评分与36 km的相当,但大暴雨预报效果明显提高,降水分布具有明显集中的趋势,暴雨、大暴雨中心也明显向实况降雨中心靠拢。对1998年6月12~21日10个个例的数值模拟表明,水平分辨率由36 km提高到18 km后,网格尺度降水量占总降水量的比例由平均14.1%提高到27.5%,而次网格尺度降水量的比例由85.9%下降到72.5%;对1998年6月19日造成闽浙大暴雨的天气系统模拟对比分析表明,模式提高分辨率后,能够较好地模拟出造成大暴雨的中-β尺度低涡及其中尺度特征,预报暴雨及大暴雨的雨区有了明显的局地性,更接近实况暴雨及大暴雨的雨区。     

气象灾害的灾体模型及其初步应用

基于灾度相关模型,提出了面向气象灾害的四维灾体模型。模型以受灾人数、受灾面积和直接经济损失形成的灾度平面作为损失的基本规模,在灾度平面垂直方向,以死亡失踪人数为要素形成第四维,最终形成四维灾体。将模型初步应用于我国气象灾害损失年景评价分析之中,结果显示,2003、2006和2010年为气象灾害损失明显偏重年景;验证分析表明,灾体模型将死亡失踪人数作为特殊的一维来考虑,凸显了其在整个气象灾害损失评价中的重要地位,另外增加受灾面积指标,使得评价结果更趋完整。     

基于灰色关联法的县域台风灾情评估方法初探

利用2000—2016年的县域台风灾害历史灾情数据,选取受灾人数、死亡人数、倒损房屋数、农作物受灾面积和直接经济损失为评估指标,在对各项指标进行分级的基础上,通过灰色关联分析法建立了以县域为单位的台风灾害综合灾损指标,对所选取市县的台风灾害损失情况进行了分级评估分析。结果表明,所选取的指标能够快速实现不同台风灾害、不同市县间的台风灾害严重程度的对比分析,具有实际应用价值。灾害等级分布结果显示,东南沿海市县为台风灾害多发区,浙江省、广东省和福建省的各市县为严重灾害（特大型、大型灾害）的易发区;8月、9月为严重灾害的多发时间。以不同登陆地点、不同影响范围的1210号“达维”台风和1513号“苏迪罗”台风为例,对灾情评估的合理性进行了验证。     

基于四维灾体模型的浙江省气象灾害损失年景评价

应用浙江省气象灾情统计年鉴资料,运用四维灾体评估模型,对浙江省的气象灾害损失进行科学评估。浙江省2003—2017年灾害损失年景评价分析结果显示,2004年和2005年为气象灾害损失明显偏重年景,进入2010年以来,2013年为年景最差年份;台风灾害损失在每年浙江省气象灾害损失年景评价中具有非常重要的作用,重大台风事件易造成气象灾害偏重或明显偏重的损失年景。评估结果表明,四维灾体模型下的气象灾害评估较为科学客观。     

防御和减轻气象灾害——2006年世界气象日主题

我国是世界上受气象灾害影响最严重的国家之一，气象灾害占中国自然灾害的70％以上，平均每年气象灾害造成的直接经济损失约占中国GDP的3％0～6％。做好防御和减轻气象灾害工作，必须贯彻两手抓、两手都要硬的方针，一手抓气象灾害监测预报警报和预警信息的发布，一手抓气象灾害防御管理工作，双管齐下，才能做好气象灾害防御工作。     

热带气旋灾害指数的估算与应用方法

根据1949－1999年共50年资料，对影响我国的热带气旋所造成的灾情特点作了评估研究。采用数理统计方法，进行定理的计算，按登陆和外围影响两类主要方式建立灾情指数序列，并在此基础上，客观地划分了灾情等级，用来表示受灾的程度。还采用独立于本资料源的Suffir-Simpson热带气旋灾害指数评估方法和资料进行对比验证，最后提出了一套台风灾害预评估的技术方法。     

2012年锡林郭勒盟冬季雪情及灾害评估

2012年初冬,锡林郭勒盟连降暴雪,冬季总降雪量突破历史极值,具有降雪早、雪量大、积雪深和范围广的雪情特点,对草原畜牧业构成严重威胁。与历史上几次严重白灾年相比,雪情危害程度更为严重,但造成的灾害损失较小,其原因是雪灾预报预警准确,发布及时;党政领导重视,防灾措施得力;应急响应迅速,信息宣传到位;设施牧业改善,抗灾能力提高;夏季雨水充沛,牧草储备充足。     

新疆重要战略机遇期农业气象灾害减灾对策的简要研究

新疆农业生态环境脆弱,农业与农村是自然灾害最主要的受灾行业和地区。本文着重分析了新疆农业灾害的特点和减灾工作的现状,针对减灾工作的新形势,提出新疆农业防灾减灾的5条主要对策。     

气象灾害灾情共享系统的设计与实现

气象灾害灾情共享系统设计用于实时、历史气象灾害灾情数据的收集、上报、传输、处理、应用和管理。系统分为采集传输、数据逻辑和应用服务3层,由灾情直报客户端、数据传输分系统、灾情预处理和入库分系统、气象灾害灾情收集、整理、分析和评估网站、气象灾害灾情综合数据库组成。重点介绍构建气象灾害灾情系统的灾情数据规范化收集、质量控制和空间化分析等关键技术。在国家级气象部门的业务应用表明,系统实现了干旱、暴雨、台风、高温、低温等气象灾害灾情收集、处理、分析和共享,能够满足灾害性天气预报和服务需求,并对各级气象部门构建气象灾害灾情共享系统具有指导意义。     

灰色关联度方法在大风和暴雨灾害损失评估中的应用

针对近20年北京地区发生的大风和暴雨灾害,应用灰色关联度方法,计算北京地区近20年的19个大风和暴雨灾例的灾情评估指标与关联度,进行损失评估和比较。结果表明,该方法对灾情等级划分和灾情损失排序是合理的,比较符合实际对灾情的评价,能够对不同气象灾害和同一级别的气象灾害灾情差异尺度做比较,是能够应用于实际工作中的一种科学方法。     

1998年中国特大洪涝灾害的天气气候特点、成因分析及气象预报服务

{{@ convertAbstractHtml(article.abstractinfoCn, "cn")}}   {{if article.graphicalAbstractinfoCn && article.graphicalAbstractinfoCn != ""}}{{@ article.graphicalAbstractinfoCn}}{{/if}}