基于GIS的沪汉蓉高铁线路暴雨灾害风险区划

通过收集整理沪汉蓉高铁沿线近13 a相关资料,采用层次分析法、专家打分法和加权综合评价法,通过暴雨灾害的危险性、孕灾环境的敏感性、承载体的易损性和防灾减灾能力等4类因子构建了沪汉蓉高铁线路暴雨灾害风险区划模型,绘制了沪汉蓉高铁线路暴雨灾害风险区划图。结果表明,沪汉蓉高铁线路暴雨灾害风险呈现西部高于东部特征,4个高风险区主要集中在武汉以西,分别为湖北天门—潜江段、宜昌西部—恩施东部、重庆东部、四川内江—资阳段,高风险区段与高铁沿线主要暴雨多发区中心位置基本一致,研究成果对沪汉蓉高铁沿线市县开展暴雨灾害防御工作具有较好的决策参考作用。     

辽宁暴雨诱发山洪灾害风险区划研究

基于自然灾害风险评估理论,利用2005—2019年辽宁省1639个自动站逐时降水观测资料、2017年辽宁省30 m分辨率的基础地理信息和山洪沟资料以及风险普查数据,对辽宁暴雨诱发山洪灾害风险区划进行研究,并将风险区划结果与历史山洪灾情进行对比分析。结果表明：通过山洪灾害与降水相关性统计发现,6 h暴雨作为辽宁省山洪致灾因子更为合适,因此构建了6 h综合利用分级暴雨强度及暴雨频次精细评估暴雨致灾危险性;山洪沟沟口高程、沟床比降及河网密度等资料可有效评估山洪孕灾环境敏感性;人口密度、耕地比例两个风险暴露度指标以及灾损敏感系数可大体评估承灾体的易损性;与历史山洪灾害空间和频率分布对比,山洪灾害的高发区与在本次风险区划高风险区基本吻合;精确到每个山洪沟风险区划的结果,提高了山洪灾害的风险区划精度,为辽宁暴雨诱发山洪灾害精准防御提供参考。     

基于GIS的云南省1km精细化暴雨灾害风险评估

为了加强暴雨相关的防灾减灾工作的科学性，本文基于云南省126个国家气象站2010—2019年10年的逐时降水资料和基础地理信息数据，从暴雨灾害致灾因子危险性、孕灾环境敏感性和承灾体易损性3个方面，建立暴雨灾害风险评估模型，利用熵值法、自然断点法、ArcGIS插值和栅格分析方法，实现云南省暴雨灾害风险的区划评估。结果显示:①暴雨灾害高风险区主要集中于云南南部，包括西双版纳州、普洱市、红河南部、德宏州及北部地区；②迪庆州、怒江州、丽江市北部等地暴雨灾害风险等级较低；③全省暴雨灾害高风险区、次高风险区面积占比分别为7.05%、25.22%，低风险区、次低风险区面积占比分别为10.32%、21.86%。使用2020年暴雨灾害次数、暴雨日对区划评估结果进行检验表明，区划评估结果具有科学合理性。     

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。     

基于GIS的榆林市暴雨灾害风险区划

利用陕西省榆林市12县区气象站1951—2011年暴雨资料及所属162个区域自动气象站2007—2011年暴雨资料进行统计,按照百分位法划分暴雨等级;结合全市年降水量分布特征及地形、经济、人口等资料,确定暴雨灾害的孕灾环境、致灾因子、承灾体易损性等区划要素;应用ArcGIS技术对各项区划因子进行小网格模拟计算,并赋予不同权重,通过综合运算得到榆林市暴雨灾害分布图,应用GIS的自然断点法及经验订正法,将全市暴雨灾害划分为高风险、次高风险、中风险、次低风险及低风险5个等级。区划结果表明：榆林市北部府谷、神木县和南部子洲、吴堡县暴雨多发,灾情重,灾害风险等级最高;西部定边、靖边暴雨最少,灾害风险等级最低。     

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。     

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。     

天津市静海区暴雨灾害风险精细化评估北大核心

根据天津市静海区18个乡镇2009—2018年逐时降水量,以及社会经济、地理地形、水利设施等数据,结合历史受灾信息,分别对静海区的暴雨致灾因子危险性、孕灾环境敏感性、承灾体易损性及防灾减灾能力进行分析,采用GIS技术和统计方法多因子叠加,综合得出静海地区暴雨灾害风险精细化评估和区划。研究发现,静海区北部区域以及南部中旺镇及其周边风险较高,而静海地区中部的风险较低;暴雨灾害高风险区主要分布在致灾因子敏感性、承灾体易损性较高而防灾减灾能力较低的静海镇和梁头镇及其周边,应加强防灾减灾设施建设。     

南郑县暴雨灾害风险区划研究

利用南郑县国家一般气象站1971—2016年、28个区域自动气象站2012—2016年降雨资料,DEM高程数据,辖区内社会经济资料,确定暴雨灾害的致灾因子、孕灾环境、承灾体易损性等区划因子,并使用ArcGIS对各项因子进行模拟计算,得到南郑县暴雨灾害风险区划图。区划结果表明:低风险区和次低风险区基本分布在南郑县北部,中等风险区基本分布在南郑县中部,次高风险区和高风险区基本分布在南郑县南部、东南部。     

海南省暴雨洪涝灾害风险评价及区划研究

选取暴雨洪涝灾害较为严重的海南省为研究区,在对孕灾环境敏感性、致灾因子危险性、承灾体易损性、防灾减灾能力等因子进行定量分析评价的基础上,根据风险度指数的大小,反映暴雨洪涝灾害风险分布的地区差异性,对研究区暴雨洪涝灾害风险进行区划,结果分为5个等级。将灾情数据的空间分布与相应的灾害风险区划结果进行对比分析及结果验证,并提出相应的灾害防御措施。     

基于GIS的南宁市暴雨洪涝灾害风险评估与区划

用南宁市气象数据、自然地理数据和社会经济数据,组成自然致灾因子易发性、孕灾环境敏感性、承灾体易损性和防灾减灾能力4个指标,借助GIS的空间分析和叠加分析功能,构建南宁市暴雨洪涝灾害风险评估指标体系,得出南宁市1000m×1000 m为单元的暴雨洪涝灾害综合风险区划图.结果表明,南宁市范围内发生洪涝灾害风险最高的处于宾阳,其中危险性最高的地区处于宾阳县的东部和北部,脆弱性最高的地区则处于宾阳县的中部和横县的东南部地区.该风险区划结果基本反映了南宁市暴雨灾害的潜在风险.暴雨洪涝灾害防御的重点区域应放在风险较高的区域.     

济南市长清区暴雨洪涝灾害风险区划

基于自然灾害形成机理及风险评估原理,利用济南市长清区气象数据、自然地理和社会经济等数据,建立起致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力4个评价指标,采用加权综合评价法和层次分析法,借助GIS空间分析技术,对暴雨灾害风险性进行评价和等级划分,并绘制出长清地区暴雨灾害综合风险区划图。结果显示:长清区暴雨灾害综合风险性分布空间性强,无明显的地域分布界限,东部高于其它地区。暴雨灾害高综合风险区分布面积较为分散且最小,占全区总面积的14.60%;中综合风险区主要分布在高综合风险区的外围,占全区总面积的30.31%;轻、低综合风险区分别占全区总面积的20.72%和34.37%。     

暴雨灾害风险评估与区划的研究现状与进展

为暴雨灾害风险评估与区划研究需要,综合20年来国内外一些学者在灾害风险评估方面所取得的研究成果和相关文献资料,简要介绍了暴雨灾害风险区划的基本原理与技术路线;概述了暴雨灾害风险评估与区划的基本步骤;着重对暴雨灾害风险评价具有借鉴意义的模糊综合评判方法、灰色系统理论、信息量模型、人工神经网络方法等四种数学评价模型的适用性进行了分析;最后,指出未来暴雨灾害风险评估与区划研究工作的重点,一是优化暴雨灾害风险评估指标体系,二是合理选择暴雨灾害风险评估与区划的支持系统,三是完善暴雨灾害风险评估与区划的方法。     

拉萨-林芝铁路沿线主要气象灾害风险研究

基于1980~2010年拉萨-林芝铁路沿线17个地面站的气象资料、2019年西藏统计年鉴和西藏自治区地理信息数据资料,运用自然灾害风险综合指数法、层次分析法以及GIS空间处理技术,分析了孕灾环境脆弱性、灾害因子危害性和承灾体脆弱性,建立了拉萨-林芝铁路沿线主要气象灾害的风险研究模型,完成了拉萨-林芝铁路沿线主要气象灾害风险等级区划。结果表明:拉萨-林芝铁路沿线闪电高发季节是夏季和早秋,占91.23%;暴雨高发季节是盛夏和秋季,占93.60%;暴雪主要发生在冬季,占87.06%;大风主要发生在春季,占74.59%。拉萨-林芝铁路沿线暴雪灾害高风险区主要分布在林芝东南部和米林以东,大风灾害高风险区主要分布在加查和朗县附近,闪电和暴雨灾害高风险区主要分布在林芝市和山南市附近。      

贵州省暴雨灾害分区预警业务实施探索

从贵州省暴雨灾害时空分布特点、暴雨灾害防御需求和预警发布业务发展规划,分析了在贵州省开展暴雨分区预警业务的必要性。通过分析中国暴雨分区预警业务发展现状,结合贵州省预警发布业务现状和国家突发事件预警信息发布能力提升工程（一期）建设内容,从基础数据准备、业务规范设计、系统建设、预警传播优化四个方面,探讨如何解决开展暴雨分区预警业务的技术短板,全面提升预警精细化发布能力,建立符合贵州省气象防灾减灾需求的暴雨分区预警业务体系。     

基于GIS的雪灾风险区划

依据巴彦淖尔地区冬春季节降水少、年变率大的气候特点和易形成雪灾的量级指标进行雪灾风险区划。选取1971—2010年11月到次年3月,日降雪量大于等于3mm,并出现积雪和结冰现象为研究对象,分析了降雪量大于等于3mm的降雪日数和积雪深度大于等于5cm的积雪日数年代际变化,结合民政部门历史灾情记载、实地调查、农牧业现状以及各种基础资料数据与GIS技术,从致灾因子、脆弱性评估分析方面,在NOAA卫星遥感雪覆盖监测图像上,利用加权综合与层次分析法,构建雪灾判别模型,得出巴彦淖尔地区雪灾风险区划:雪灾最严重的地区为五原县大部、乌前旗南部和东北部部分区域、乌中旗东南和西南两区域、乌后旗的海力素附近大片区域。     

基于模糊综合评价的宁波暴雨洪涝灾害风险区划

基于自然灾害风险理论,综合考虑自然环境和社会经济状况以及暴雨洪涝灾害风险的危险性、敏感性、脆弱性和防灾减灾能力,利用模糊综合评价法、AHP熵权法、GIS空间分析技术和网格GIS技术,建立宁波市暴雨洪涝灾害风险区划模型,绘制宁波市暴雨洪涝灾害风险区划图。结果表明,宁波、北仑、宁海和象山城区以及鄞州中南部、余姚中部和北部具有更高的暴雨洪涝灾害风险;而慈溪北部、奉化西部、鄞州和北仑东部的暴雨洪涝灾害风险相对较低。灾级指数与暴雨洪涝风险指数的相关性较好,相关系数达到0.821 7,且通过了0.01显著性水平检验。