基于优势分析法的河北省暴雨对房屋致灾阈值研究

利用河北省1984～2014年142个国家气象站的降水资料和历史灾情,以房屋为承灾体,基于优势分析法确定致灾因子的影响权重,构建暴雨综合致灾指数模型。以影响环境脆弱性的要素为指标,运用K-mean聚类分析法将河北省分成5个区域,采用指数函数拟合房屋损失与综合致灾指数的关系,反推出各个类型区不同灾情等级对应的综合致灾指数阈值,并通过2015～2019年的124个灾情案例进行验证。结果表明:河北省暴雨造成的房屋灾情事件发生次数总体呈现出北多南少的特征,北部山区普遍在10次以上。致灾因子中过程总雨量的影响权重最大,为68%,最大日降水量、持续日数、过程最大小时雨强所占权重分别为22%、6%和4%。模拟灾情的最佳等级分割点为损坏房屋1180、335、235间,此时模拟灾情等级与实际灾情等级一致的比例最高（67.4%）。阈值检验中,2015～2019年灾情案例的准确率为69.8%,轻度灾情等级的准确率最高。     

区域暴雨强度等级综合评估研究—以长江中下游为例

考虑到暴雨可能造成灾害的累积效应,本文提出降雨衰减指数的概念,建立相当强度公式,并以此判定暴雨日。从致灾因子出发,以暴雨过程的过程强度和影响范围作为评价指标,建立区域暴雨过程致灾强度的综合评估模型。以长江中下游地区为例,基于上述评估模型,得到该地区暴雨过程序列,继而利用百分位法对暴雨序列进行等级划分,得到该区域暴雨过程的暴雨强度等级。并将上述结果与历史灾情记录对比,结果显示两者在时间和影响范围上吻合较好。     

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。     

热带气旋致灾因子综合影响强度评估指标研究

整理了1949—2008年311例热带气旋影响浙江时各气象站的风雨资料、海洋观测站风暴潮资料、灾情资料等，用典型相关分析、历史灾情反演等方法建立了反映热带气旋致灾因子(风、雨、风暴潮)综合影响强度和影响范围的评估模型与等级指标。研究结果将浙江热带气旋致灾因子综合影响强度分为5级，1级最强。根据评估模型与指标对311个热带气旋进行了等级评价，并分析了各等级影响强度出现频率的空间分布特征。研究表明，1～5级影响热带气旋都有可能给浙江省带来损失，特重灾情一般由1级影响热带气旋造成，2级影响热带气旋带来的灾情也很严重，年均1.1个热带气旋的综合强度在3级以上，有可能带来较严重灾情；全省各地受热带气旋影响的强度自东而西递减，其中1级(特强)影响区域主要在东部沿海地区。     

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。     

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。     

辽宁暴雨事件影响的预评估和灾后速评估

本文不同于通常的暴雨灾害事后灾情评估,而是单纯采用气象资料来实现暴雨事件的灾前预评估和灾后快速评估。为此,通过对辽宁省区域性暴雨事件历史资料的统计分析,利用平均降水量、降水强度和覆盖范围3个指标,建立了基于距离函数的暴雨事件快速评估模型。在建模过程中,对每个指标进行了正态化转化和正态性检验,并利用正态分布概率密度函数确立了各指标数年一遇的等级标准。采用定义域平移的办法,对模型中各指标的权重系数进行了调整。另外,应用此模型对2005年汛期三次区域性暴雨事件进行了评估应用,结果表明,决策服务效果较好。     

吉林省重大暴雨过程影响损失评估模型的建立

利用1961-2012年吉林省逐日降水资料、暴雨灾情资料、逐年GDP和人口资料采用灰色关联度分析方法建立重大暴雨过程指数及灾损指数,利用相关分析法对重大暴雨过程造成损失的影响因素进行探讨,采用多元回归法建立重大暴雨过程影响损失评估模型,并进行拟合和试评估检验。结果表明：吉林省重大暴雨过程造成的损失与前7 d雨量及重大暴雨过程指数相关显著;利用前7 d雨量和重大暴雨过程指数建立的影响损失评估模型拟合和试评估效果均较好,可在实际业务中应用;由于在重大暴雨过程发生前,评估因子就可获得,因此,可以对其灾害损失进行定量预评估,在实际业务中指导意义较大。     

1961-2019年新疆暴雨山洪灾害损失的时空变化特征

利用1961—2019年新疆86县(市)暴雨山洪灾害的5个灾情要素数据(死亡人数、倒塌房屋数、倒塌棚圈数、牲畜死亡数量、农作物受灾面积),采用比值权重法和无量纲化线性求和方法构建暴雨山洪灾害灾损指数,根据灾损指数的不同阈值范围将暴雨山洪灾害定量划分等级,并分析其时空分布特征。结果表明:(1)新疆暴雨山洪灾害主要出现在伊犁州、阿克苏地区和喀什地区,其中伊犁州伊宁县、巩留县、霍城县和尼勒克县最重,伊犁州暴雨山洪的致灾危险性与其暴雨日数分布有很好的一致性。(2)新疆暴雨山洪灾害发生具有很强的季节性,在夏季6—8月危害性最大,其中灾害出现次数和死亡人数均在7月最多(与降水相关性最大)。(3)近59 a来新疆暴雨山洪灾害的强度呈上升趋势,年灾损指数随时间呈线性增长趋势,暴雨山洪灾害的强度在20世纪80年代中期明显增加,其年际变化与3—10月降水量、大雨日数、暴雨日数密切相关。     

唐山市农业洪涝灾害面积与暴雨关系分析

利用唐山市统计局1985—2014年各县逐年播种面积和农业洪涝受灾面积数据资料、唐山地区11个县市气象站逐日降水资料,采用趋势分析、多项式统计回归等方法,对唐山地区农业洪涝灾害时空特征及与暴雨的关系进行分析。结果表明：唐山洪灾面积总体呈微弱的下降趋势,但不显著,与年暴雨日数变化趋势一致。各县域的洪灾以轻到中度为主,占洪灾的80%—100%。唐山地区洪灾与年暴雨量有关（R = 0.78）,但不显著,受灾面积与年暴雨日数显著相关（R = 0.83,P < 0.01）。中等以上洪灾年的暴雨平均暴雨日数为4—6 d、80%县站大暴雨日数为0.7—1.5 d、60%暴雨累积量在300 mm以上。区域种植结构、地形地势、水系河流分布等因素也是导致洪灾的一个重要方面。     

杭州市台风暴雨洪涝灾害风险区划与评价

根据1960—2009年杭州市7个县市区的台风降水资料,结合杭州市的社会经济与自然地理要素,构建一个集致灾因子、孕灾环境、承灾体及防灾能力为一体的区域台风暴雨洪涝灾害风险评价模型。通过GIS空间分析技术实现各评价指标的栅格化,并利用模糊综合评价方法。编制以100 m×100 m栅格为基本评价单元的杭州市台风暴雨洪涝灾害风险区划图。将杭州市域划分为高、次高、中等、次低和低的5级风险。区划结果表明：杭州市台风暴雨洪涝灾害风险从西南至东北呈递增趋势。萧山区、余杭市及杭州主城区等沿海平原区,风险等级相对较高;而建德市、淳安县等中西部山地丘陵区,风险等级略低。     

2020年广西暴雨灾害天气综述与分析

利用气象及其灾情等资料,对2020年广西区域性暴雨灾害天气过程进行综合分析,并与历史同期的气候作比较,在此基础上对其进行综述。结果表明:(1)年初至春季出现冬春暴雨,比常年偏早、偏强。(2)前汛期5月底到6月上旬出现了破历史记录的暴雨灾害,具有时间长、雨量大、强降雨叠加及灾害重等特点。(3)6月底出现站点破历史记录的全区性暴雨。(4)后汛期影响台风个数偏少,受“海高斯”影响出现全区性暴雨。(5)全年区域性以上暴雨场数比常年少。通过对2020年广西暴雨灾害的综述分析,加深对广西暴雨灾害整体性认识,对今后做好预报业务提供有益参考。     

商丘相当暴雨日数的气候特征

利用商丘1961--2005年6-8月的逐日降水资料和总降水量资料，分析了相当暴雨日数与总降水量及降水等级的相关性，结果表明：相当暴雨日数概念的引入可以把汛期总降水量中暴雨过程降水与非暴雨过程降水分开；相当暴雨目数是一个气候统计量，其年际变率比总降水量更显著；与降水等级比较，相当暴雨日数与总降水量的相关性更好，且有利于研究形成汛期洪涝灾害的暴雨过程特征。     

基于层次分析法的朔黄铁路暴雨灾害风险评估

选取2016—2020年朔黄铁路沿线40套自动气象站降水资料，结合周边国家站区域站近15年资料、行政区县地理信息、社会经济信息等，基于ArcGis技术，采用层次分析法等方法，从暴雨灾害的致灾因子危险性、孕灾环境敏感性、承灾体易损性3类因子构建了朔黄铁路暴雨灾害风险区划模型，并绘制了朔黄铁路暴雨灾害综合风险区划图。结果表明：朔黄铁路沿线暴雨灾害风险划分为高、次高、中、低4个等级，整体呈东部高于西部；4个高风险段与朔黄沿线各工务段收集的暴雨高发信息基本一致，该研究成果对于朔黄铁路暴雨灾害预报预警具有较好的参考作用。     

商丘相当暴雨日数的气候特征

利用商丘1961-2005年6-8月的逐日降水资料和总降水量资料,分析了相当暴雨日数与总降水量及降水等级的相关性,结果表明:相当暴雨日数概念的引入可以把汛期总降水量中暴雨过程降水与非暴雨过程降水分开;相当暴雨日数是一个气候统计量,其年际变率比总降水量更显著;与降水等级比较,相当暴雨日数与总降水量的相关性更好,且有利于研究形成汛期洪涝灾害的暴雨过程特征。     

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。