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。     

我国暴雨洪涝灾害风险评估研究进展

暴雨洪涝是最为频发、多发的自然灾害之一,已成为我国实现可持续发展的严重障碍。开展暴雨洪涝灾害风险评估技术与应用研究,是当今防灾减灾中的一项迫切要求。本文基于应用场景时间顺序从灾前预评估、灾中跟踪评估、灾后评估三个方面系统回顾了前人的研究历史和当前研究所取得的成果,并在对研究现状进一步认识的基础上,提出了当今暴雨洪涝灾害风险评估研究中存在的主要问题,指出了有待进一步研究和发展的新方向。     

基于水位和雨量的洪涝受灾面积评估模型研究

在分析湖北省洪涝灾害孕灾环境和致灾因子的基础上,利用民政部门整理的1951～2000年洪涝受灾面积资料,建立了基于长江中游流域逐月最高水位和湖北省5～10月降水总量的湖北省洪涝灾害受灾面积定性和定量评估模型,并给出了该模型2001～2006年的独立样本检验值,探讨了该模型在年度灾害趋势预估和灾后评估中的应用。     

人口与GDP空间化技术支持下的暴雨洪涝灾害承灾体脆弱性分析

基于统计年鉴资料和土地利用数据,分别建立人口、GDP空间化模型,模拟南京市浦口区人口和GDP的空间分布。并结合暴雨洪涝历史灾情数据,探索区县级行政区域暴雨洪涝灾害承灾体脆弱性风险评估技术方法,最终获得100 m×100 m格网的浦口区暴雨洪涝灾害承灾体脆弱性空间分布图。研究结果表明:(1)人口、GDP的空间化模拟结果,既与各镇街统计数据保持一致,又反映了各镇街内部的人口、GDP分布的空间变化,可以为承灾体脆弱性评估提供精细化、可靠的数据源。(2)浦口区暴雨洪涝灾害承灾体脆弱性高风险区,分布在东北部经济较为发达的城镇街道而老山山脉和沿江内陆滩涂地区脆弱性风险较低。     

河南洪涝灾害灾后损失评估方法的研究

根据河南实际情况,提出了评估洪涝灾害灾后损失的伤亡人数、受灾面积、直接经济损失等3个评估指标和特大灾、大灾、中灾、小灾等4级评估等级,并采用洪损指数作为洪涝灾害损失的相对度量指标.最后给出了一个损失评估应用实例,验证了评估方法的有效性.     

农作物产量灾害损失评估业务化方法研究

介绍了农作物产量灾害损失评估业务化方法。该方法采用新的求解趋势产量的方法获得农作物产量受灾损失率,用区域内多个代表站的资料进行全区灾害损失的估算,扩大了样本容量。在单灾种评估中考虑作物敏感性和气候脆弱性,在综合灾损评估中增加灾害的重要度权重因素。经验证,估算精度可满足业务应用需求,在业务服务中可行实用。     

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。      

阶段性动态风险评估方法在暴雨灾害风险评估中的应用

灾害动态风险评估是对风险评估方法的一次改进,通过对灾害过程的不同阶段分别开展风险分析,将气象灾害的风险分析从气候特征评价向天气过程评价转化,以更好地应用于动态风险预警。以杭州暴雨灾害为例,将灾害性天气风险评估过程划分为灾前预评估、灾中实时评估、灾后调查评估3个阶段,利用灰色关联模型界定杭州暴雨致灾因子的评价指标,同时基于模糊综合评价方法构建灾害风险评估模型,进而形成一整套阶段性动态风险评估流程。最后,结合1509号台风暴雨过程进行实例分析,并分别给出3个阶段的评估检验结果。结果显示灾后评估结果与灾中评估的一致性高达76.0%,而与灾前预评估的一致性仅为49.0%,说明灾中评估的开展可以有效修正预评估结果。随着动态风险评估流程模型的业务化运行,将会实现针对整个灾害过程的滚动加密评估,从而进一步提升风险评估结果的可靠性。     

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。     

基于灰色关联度法的雾灾损失评估模型研究

根据大雾灾害的实际情况和数据的可得性,选取了死亡人数、受伤人数、受灾面积、大雾持续时间和直接经济损失作为评价指标,运用灰色关联度法来建立雾灾损失评估模型,并进行实例分析。结果表明：运用灰色关联度方法建立的雾灾损失评估模型进行雾灾的灾害等级划分,是较为合理的,基本符合实际情况。     

湖北省旱涝灾害致灾规律的初步研究

利用1960—2005年湖北省76个地区气象灾害的灾情普查数据和逐日降水量观测资料,对湖北省旱涝灾害的时空分布特征及其致灾规律进行分析。结果表明:干旱灾害的频发区呈东西走向的带状分布,而洪涝灾害的发生频次和频发区面积均明显少于干旱;干旱和洪涝灾害年平均发生站次在1996年以后出现相反的变化趋势,干旱发生站次增加,而洪涝发生站次减少,且两种灾害均主要集中发生在夏季;1996—2001年湖北省部分地区连续出现严重干旱灾害,干旱的累积增强效应导致农业经济损失出现跳跃性增长并在2001年达到最大值;洪涝的致灾强度呈准周期的起伏振荡,农作物受洪涝影响面积最大、损失最多的年份集中在20世纪90年代,农作物受害面积与农业经济损失的决定系数为0.8;受害人口与直接经济损失具有较好的相关特征,且直接经济损失随受害人口增多而增加的速度加快,但近年来人口对洪涝灾害的抵御能力也显著提高;急转干旱和急转洪涝主要发生在鄂西北和鄂东南的夏季,农作物的脆弱度增加,农业经济损失随受害面积增大而增加的速度加快,但所造成的农业经济损失远小于仅发生干旱和洪涝时的数值。     

广东省县域单元热带气旋灾害损失评估方法研究

利用2004—2014年广东省的热带气旋(Tropical Cyclone, TC)降水和大风资料以及TC造成的直接经济损失数据,通过TC经济灾损率的定义,研究了TC直接经济损失与TC降水和大风的关系,并建立评估模型。广东省沿海地区是TC降水和大风影响频繁地区,TC经济灾损率和受灾频次在广东西南部和东部沿海地区较大。TC经济灾损率与TC降水和大风之间存在较好的指数关系。由此得到不同等级经济灾损率对应的气象因素致灾阈值。利用此气象因素致灾阈值可以对县域单元的TC直接经济损失进行评估。对2004—2014年广东省TC造成的直接经济损失的模拟结果表明,该方法能较好地评估广东的县域单元TC经济损失。      

暴雨洪涝淹没模型在洪灾损失评估中的应用

为了开展客观定量的暴雨洪涝灾害评估,探讨了基于暴雨洪涝淹没模型的暴雨洪涝灾害损失评估业务流程,其核心环节有两部分：估算因降水造成的淹没范围和建立适用的经济损失评估模型。其中暴雨洪涝淹没模型以最大坡降算法和曼宁公式计算暴雨洪涝汇流过程,通过给定汇流时间得到研究区域的淹没面积和水深;经济损失评估模型由直接经济损失和间接经济损失构成,直接经济损失由淹没范围内各类财产的价值乘以其相应的损失率得到。以武汉市江夏区2010年7月一次暴雨洪涝灾害过程为例给出了整个评估流程的实现过程,结果表明基于暴雨洪涝淹没模型的洪涝灾害损失评估业务流程物理意义清楚,表达了暴雨-径流-洪涝灾害全过程,可用以提高洪涝灾害影响评估的定量化程度,同时也为暴雨洪涝风险管理提供一定的依据。     

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。     

深圳市2008年台风"黑格比"气象服务效益评估

通过分析"黑格比"的致灾因子强度,综合当地的社会、经济发展水平指标,运用专家经验基本模型进行致灾因子的影响评估.从灾害预评估、灾害评估以及灾后调查等角度,对"黑格比"的灾级和损失进行对比分析,尝试对本地公共气象服务以及防灾减灾工作的效益进行客观的评估.     

农业气象灾害损失评估方法及其在产量预报中的应用

该文提出了以无气象灾害时农作物应当达到的期望产量为基础来评估农业气象灾害损失的问题。介绍了期望产量和因灾减产量的确定方法,依据因灾减产量与相应年份农作物不同生长期所发生的气象灾害的强度、覆盖度以及作物对灾害的敏感度等关系,建立起因灾减产量的结构型统计评估模式。     

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。     

基于RegCM4模式的华北区域未来洪涝灾害风险预估

基于区域气候模式RegCM4东亚地区25 km分辨率气候变化试验模拟结果,在分析华北区域基准期(1986—2005年)洪涝灾害致灾危险度以及人口和GDP承灾体易损度基础上,建立区域灾害风险评估模型;应用建立的模型预估华北区域RCP4.5和RCP8.5两种情景下近期(2020—2035年)、中期(2046—2065年)和远期(2080—2098年)洪涝灾害风险的变化。结果表明：(1)RegCM4对华北区域基准期洪涝灾害危险度评估指标R_{20 mm}和R_{x5 day}模拟能力较好,基准期洪涝灾害风险Ⅲ级及以上的区域位于北京、天津、河北南部和东部以及山西南部等地。(2)RCP4.5和RCP8.5情景下,未来3个不同时期华北区域大部分地区R_{20 mm}和R_{x5 day}、洪涝致灾危险度以及风险增加,RCP8.5情景下增加更明显。风险等级Ⅲ级及以上范围在两种情景下均在中期最大。     

一种简化的暴雨灾害风险及影响评估方法和应用研究 ——以京津冀“7·21”暴雨事件为例

文章综合考虑中国区域范围内降雨时空分布特征以及地理地貌等特征,将全国降雨区划分为4大类,在此基础上,得出不同降雨类区暴雨致灾因子的强度等级评定方法;同时,研究确定了与暴雨灾害密切相关的地形高程、高程标准差、河网密度、土壤类型等环境脆弱性影响要素,并对各类要素分别进行了分级评定;将各类环境脆弱性影响要素结合暴雨致灾因子要素,运用加权求和方法建立了暴雨灾害综合风险评估模型;并结合GIS技术,将城市、农村人口分布情况、用地等数据叠加到风险分布格局中,最终分析得出不同风险等级下影响的城市和农村人口数量、土地面积等内容。该评估模型相较于以往其他暴雨风险评估模型,其适用范围更广,可以适用于全国范围内的任意区域暴雨灾害风险评估;实时评估业务能力更强,将该模型结合降雨实况资料或预报资料可以对全国任意区域降雨灾害综合风险进行事后、跟踪评估或预评估;评估对象更有针对性,结合GIS技术,可以针对得出的风险分布结果分别给出不同风险等级范围内的承灾体受影响的定量评估结果。     

基于GIS潍坊市暴雨洪涝灾害损失评估方法研究

利用潍坊市1984—2007年暴雨洪涝灾情数据,基于GIS技术结合模糊综合评价方法确定了灾害综合评价指数,根据灾损率指标与灾害综合评价指数得到潍坊市农业经济损失率评估模型。模型表明灾害综合评价指数与农业经济损失率具有较好的线性相关关系,相关系数达0.842。并对潍坊市一次暴雨洪涝灾害进行评估,验证该模型精度。与实际灾情数据对比,相对误差最小值为15.37%,最大值为21.29%,模拟结果与历史灾情数据基本一致。