陕西2018年4月强寒潮天气过程决策服务探讨

以2018年4月3—7日陕西强寒潮天气过程气象应急服务为例,分析了此次强寒潮天气过程的天气形势和致灾成因,决策服务的特点和服务过程中存在的问题,对如何加强重大气象灾害决策服务进行了探讨,提出了提升重大气象灾害应急决策服务工作水平的建议。     

佳县2012年7月27日大暴雨气象服务的思考

通过对2012年7月27—28日佳县大暴雨天气事例的分析,全面总结了该过程气象服务的成功经验和存在问题,揭示了防灾救灾中气象服务所发挥的重要作用。提出加大对佳县致洪暴雨的研究工作,是今后预报领域的重要任务;发挥广大气象信息员的作用,充分利用气象现代化信息传递手段,及时、准确、高效的跟踪服务是减轻和降低暴雨灾害损失的关键所在;建议在灾后农业、水利、公路等工程重建当中充分考虑暴雨致灾的各种因子,降低暴雨对基础设施造成的影响。     

汉江流域致灾暴雨的天气学分析

暴雨是汉江流域主要自然灾害之一,每年因暴雨灾害损失惨重,分析研究汉江流域暴雨灾害发生规律成因机理具有重大意义。通过对汉江流域49次致灾暴雨过程进行统计分析,根据诱发灾害成因和降水分布等特点将暴雨致灾过程分为三种基本类型。应用天气学原理对致灾暴雨个例进行分析,总结出了致灾暴雨的天气学模型。讨论了三种类型致灾暴雨与天气型之间的对应关系,对今后预报业务具有较好的指导意义。     

关中东部暴雨灾害风险区划研究

利用关中东部11个气象站1961—2007年的逐日降水资料、同期暴雨洪涝灾害和经济发展资料,在ARCGIS平台上,从暴雨的孕灾环境敏感性、致灾因子危险性、承灾体易损性、防灾减灾能力等4方面综合分析,形成关中东部暴雨风险灾害区划。结果表明：关中东部孕灾环境的高敏感区主要在秦岭北部渭河支流较多的二华地区和沿黄河的韩城市;韩城和潼关的雨涝致灾危险性最高,蒲城、大荔致灾危险性相对较小;临渭区为高易损区;关中东部的临渭区、大荔、韩城对暴雨灾害防灾减灾能力最强,其次为蒲城和华县。暴雨洪灾的高风险区在韩城和潼关。暴雨灾害风险区面积相对较小,防灾减灾相对较强,暴雨致灾危险性范围小,但受地形和地貌影响,孕灾环境敏感性较高。     

近10a大方县暴雨时空分布特征及致灾性的研究

【目的】研究大方县暴雨及其灾害特征,提高当地暴雨预报服务能力,为地方政府防洪部署及地质灾害防治提供参考。【方法】利用大方县国家气象观测站和乡镇自动气象站2013—2022年逐日降水资料、灾情资料,结合大方县地形、河流分布特点,统计分析近10 a大方县暴雨时空分布特征及各乡镇暴雨、大暴雨的致灾特点。【结果】大方县年均暴雨日、大暴雨日分别为14.8 d、3 d,且有增加趋势,暴雨、大暴雨主要出现在5—9月,均呈单峰型分布,暴雨的峰值出现在6月,大暴雨的峰值出现在7月,最早暴雨初日为4月18日,最晚暴雨终日为10月5日。【结论】大方县暴雨及大暴雨主要出现在南部、西部及北部乡镇,中部出现暴雨的次数较少,其分布特征与地形和水域有着较好的对应关系,位于迎风坡或水域附近的乡镇出现暴雨的频次高于其他乡镇。从暴雨灾情分布来看,致灾性暴雨出现在6、7月居多,与暴雨日、大暴雨日的月分布趋势相同,乡镇暴雨致灾频率大多在10%~30%之间,分布特征不明显;大暴雨致灾频率较高,在南部、北部海拔落差大或位于河谷地带的乡镇致灾性在50%以上。     

暴雨综合影响指标及其在灾情评估中的应用

利用广东省86个站1951～2006年的气象资料、地理信息资料和灾情等,对暴雨的致灾因子、综合影响指标及其在灾情评估中的应用进行了研究。结果表明,暴雨的致灾因子包括降雨量、暴雨强度、降雨持续时间、灾害影响面积等指标中的11个因子,这些因子之间相关显著。利用主成分分析对11个致灾因子进行综合简化,得到了一个物理意义清晰,且方差占总方差大部分的暴雨综合影响指标。根据暴雨综合影响指标,分级评判暴雨的影响程度,可以实现对暴雨灾情的灾后快速评估和预评估。     

榆林市致灾暴雨的时空分布特征

利用1971—2012年42a榆林市12县区气象台站逐日(20—20时,下同)降水资料,对致灾暴雨的时空分布特征进行统计,分析发现:榆林平均每年出现致灾暴雨3.5次,在地域上呈南部多于北部、东部多于西部分布;致灾暴雨多出现在7—8月,占致灾暴雨总次数的73%;致灾暴雨强度最大的时段出现在7月下旬至8月上旬;西太平洋副高偏北偏强、东亚大槽偏东偏弱、东亚季风偏强,亚洲区极涡偏弱时,有利于榆林产生暴雨;榆林东部的黄河沿岸暴雨多,与偏南气流和偏东气流受地形阻挡作用强迫抬升,并在榆林东部形成辐合有关。     

榆林市致灾暴雨的时空分布特征

利用1971-2012年42a榆林市12县区气象台站逐日（20一20时,下同）降水资料,对致灾暴雨的时空分布特征进行统计,分析发现：榆林平均每年出现致灾暴雨3．5次,在地域上呈南部多于北部、东部多于西部分布;致灾暴雨多出现在7—8月,占致灾暴雨总次数的73％;致灾暴雨强度最大的时段出现在7月下旬至8月上旬;西太平洋副高偏北偏强、东亚大槽偏东偏弱、东亚季风偏强,亚洲区极涡偏弱时,有利于榆林产生暴雨;榆林东部的黄河沿岸暴雨多,与偏南气流和偏东气流受地形阻挡作用强迫抬升,并在榆林东部形成辐合有关。     

基于GIS的洛清江流域洪涝致灾面雨量计算方法研究

根据气象风险预警服务业务需要,基于1:250000基础地理信息数据,利用GIS水文分析模型,划分洛清江流域范围;基于气象要素及灾情资料,分析洛清江流域暴雨洪涝气候背景、洪涝灾害特征;采用线性回归统计分析方法,建立洛清江流域雨洪关系模型,确定洛清江流域不同风险等级致灾面雨量阈值;并通过历史典型个例,对洛清江流域致灾面雨量阈值加以验证,结果表明:基于GIS的洛清江流域洪涝致灾面雨量阈值划分较为合理,可为广西精细化暴雨洪涝灾害风险普查和气象风险预警服务业务化提供基础支撑。     

广东暴雨洪涝灾害损失定量评估

广东暴雨强度大、范围广、季节长,造成的灾害重、影响大。为合理、定量地评估广东暴雨洪涝过程强度及其损失,基于1994—2018年广东致灾暴雨过程和相应灾情资料,构建了广东暴雨过程综合强度评估模型和灾情指数模型,并采用百分位数法进行暴雨强度和灾情等级划分,以第60、第80、第90和第95百分位数为临界阈值,分别将致灾暴雨过程强度和灾情划分为弱(1级)、较弱(2级)、中等(3级)、较强(4级)、强(5级)和微灾、小灾、中灾、大灾、巨灾5个等级,进而分析了不同强度等级暴雨过程可能造成的人口、农作物、房屋和经济等承灾体损失。结果表明:(1)1994—2018年间,广东各等级致灾暴雨过程主要出现在4—9月的汛期,5—7月尤其多,要特别注意防御;(2)致灾暴雨过程强度等级与各类承灾体灾情指数存在显著正相关关系:随暴雨强度的增强,倒塌房屋数呈指数增长,受灾人口、死亡人数、农作物受灾面积和直接经济损失呈线性增长;(3)平均而言,当暴雨强度达到强(5级)等级时,受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失标准分别约为187.19万人、22人、10.52×10^4 hm^2、1.12万间和13.07亿元。     

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。      

暴雨灾害预评估中的降水预报准确度方法设计与应用

在暴雨灾害预评估的评价体系中,需要一个度量方法能够准确描述致灾性暴雨的模式降水准确度,将其作为暴雨灾害发生的可能性和严重性的判断依据之一。以暴雨灾害预评估服务为着眼点,设计了一种新的降水准确度计算方法。该方法的主要特点:提高达到致灾性暴雨的大量级降水在评分中的权重,减少小量级降水的权重,并且当模式预报降水与观测降水分别位于公式中致灾性暴雨阈值两侧时,对降水准确度进行惩罚。首先通过理想试验,分析公式的合理性和参数的敏感性。然后利用该方法,针对暴雨个例进行检验分析,通过比较模式降水与观测降水的关系,验证了该方法的合理性及能反映出公式中大量级降水权重大的特性。最后利用该方法通过批量试验对ECMWF模式和NCEP模式的降水准确度进行统计分析和检验,并与TS评分进行比较,验证了降水准确度的合理性。批量试验的降水准确度表明ECMWF模式对暴雨灾害预评估具有更好的指导意义。     

基于降水时空分布情景模拟的暴雨洪涝致灾危险性评价

致灾因子危险性评价是进行风险区划的重要环节。本文采用江西省贡水流域超警戒水位的降水作为暴雨致灾因子,以最优极值函数分布方法计算研究该流域的重现期面雨量,利用超警戒水位降水过程的降水量时间分布规律和降水空间经验正交函数分析结果,结合Flood Area模型开展不同降水时空分布情景的洪水演进模拟,以模拟淹没水深作为指标建立暴雨致灾危险性评价等级,对不同降水时空分布情景下贡水流域暴雨致灾危险性进行评价。结果显示:不同的降水时空分布对暴雨洪涝致灾危险性评价影响较大。该方法是完善流域内暴雨洪涝灾害风险区划和评估工作的基础,在此基础上开展流域内不同承灾体的脆弱性评价和暴露度评价,可为地方政府制订减灾规划与预案等提供参考。     

玉屏暴雨与致灾暴雨特征及乡镇“三个叫应”阈值确定

本文使用玉屏县国家站及乡镇考核站点2014-2020年暴雨天气过程日降水量、逐小时降水量及灾情数据,统计分析玉屏县暴雨天气及致灾暴雨天气过程降水特点,对本地“三个叫应”阈值进行检验,并提炼乡镇“三个叫应”阈值。结果表明：（1）新店镇暴雨频次逐年变化幅度不大,而田坪镇变化幅度最大,朱家场镇次之。（2）全县在5-7月份出现暴雨的频次较高,6月份达到峰值,而朱家场镇暴雨频次的峰值出现在7月。（3）在所有暴雨天气过程中,短时强降水多出现在夜间,致灾分为持续性降水或平缓降水致灾、暴雨叠加致灾、短时强降水致灾。当玉屏县境内出现连续4天以上降水且累计雨量达到100mm左右,或10mm/h左右降水持续5小时～9小时,将可能出现灾情。暴雨叠加分为空间叠加及时间叠加,玉屏县辖区两次暴雨时间间隔小于1天,将极易引发相关灾害。空间叠加为玉屏县中南部3小时出现50mm降水叠加岑巩上游暴雨,玉屏县中南部将可能出现灾情。（4）对“三个叫应”阈值进行检验,结果表明各乡镇的致灾雨强并不统一,因此制定分乡镇的“三个叫应”阈值,3h阈值为40mm～60mm。     

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。     

基于5a区域站的贵州致灾强降雨特征分析

利用贵州省2010—2014年5—9月区域站小时降水资料,提出暴雨过程的标准,与国家站暴雨过程及暴雨集中区域进行对比,发现过程和集中区域均基本一致,证明区域站降水资料具有参考价值;在此基础上进一步分析贵州短时强降水与因灾死亡人员发生的关联性,研究致灾强降雨的时空分布特征,以期对预报服务和暴雨预警信号发布等有一定的指导意义。     

暴雨灾害风险及其对农业影响的评估

综合考虑降雨区域类型、发生强度和持续时间,确定了暴雨灾害致灾因子的综合强度分级标准;将地形高程、高程标准差、河网密度等环境脆弱性要素结合暴雨灾害致灾因子,建立暴雨灾害风险评估模型,并进行分级评估;应用GIS将农业易损性指标叠加到暴雨灾害风险区划中,得到不同等级风险下农业受影响的程度。以"7·21"暴雨为例,进行模型的应用及检验分析,结果表明:降雨量最大的葫芦岛大部、丹东宽甸县暴雨灾害风险等级为极高;致灾因子危险等级相同时,辽宁中部平原地区较辽西、辽东丘陵地区暴雨灾害风险等级高;农业易损性较高的沈阳大部、鞍山北部、丹东局部、锦州大部、铁岭部分、葫芦岛大部地区农业受灾较重。评估结果与事实灾情较一致。     

类比法在暴雨灾害损失定量预估中的应用

从致灾因子角度,通过系统分析暴雨与其造成的灾害损失之间的关系,提取致灾关联度较高的暴雨因子,采用正态分布概率密度函数和最小距离法,建立区域性暴雨强度评价模型。在此基础上,通过分析历史暴雨个例之间灾害损失的相似性,采用类比法,建立了湖北5—9月暴雨灾害损失定量预估模型。2008—2009年的试验结果表明,类比法可作为暴雨灾害定量损失预估的实用方法。     

经济暴露度与洪涝灾害损失关系分析

文章通过分析2015—2018年县域尺度下,不同致灾因子强度和经济暴露度条件下,暴雨洪涝灾害损失与影响因子之间的关系,量化致灾因子与经济暴露度对暴雨洪涝灾害损失的影响。结果表明:2015—2018年我国暴雨洪涝灾害空间分布广,灾害损失主要集中在西南地区东南部、华南、江南、江淮、黄淮和华北一带,损失多以中小型为主,局部地区较为严重;对于不同程度的经济暴露度地区,灾害过程总降水量与暴雨洪涝灾害直接经济损失存在着非线性关系,在经济暴露度中低值区,直接经济损失随着降水量增加,在经济暴露度高值区,直接经济损失与降水量呈现出“先升后降”的趋势;对于中小型暴雨洪涝灾害,致灾因子强度越大损失占比越大,经济发展越好损失占比越小,对于大型、特大型暴雨洪涝灾害致灾因子强度和灾害损失占比之间的关系并不显著,当地的经济暴露度与损失占比呈现较为显著的关系,经济暴露度越高,地区生产总值越高,损失占比越小。     

2018年陕西省暴雨灾害气象服务效益评估

以陕西省2018年4次暴雨灾害气象服务的效益评估为例,基于气象、经济社会统计数据和定量化问卷调查数据,利用暴雨预报预警、公众气象服务、决策气象服务、行业气象服务和社会反馈等5个一级指标和10个二级指标表征气象服务水平,利用政府主导、部门联动及社会参与等3个一级指标和7个二级指标表征防御行为效益,从气象服务水平和防御行为两个维度对暴雨气象服务的防灾减灾综合水平进行了定量化评价。结果表明:2018年陕西暴雨灾害气象服务的服务水平和防御能力均在89分以上,公众在应对暴雨天气过程中人均节省损失费513元/人,4次暴雨灾害气象服务综合效益值为4.54亿元。综合评估指标较为客观地反映了气象服务在应对暴雨灾害中发挥的效益。