吉林省大风气象灾害风险区划评价研究

依据灾害风险理论,结合吉林省地貌特征,构建吉林省大风气象灾害风险评价的指标体系,揭示吉林省大风气象灾害风险空间分布规律。研究结果表明：吉林省大风灾害高风险地区分布在长春大部分地区、四平部分地区、延边州敦化市的北部和吉林省东南部海拔较高的山区;次高风险地区主要分布在白城西部、松原南部、四平西部、辽源地区、吉林北部;松原北部、吉林南部、通化大部、白山大部和延边州部分地区风险性最小。从风险区划各指标的分析来看,长春市辖区附近的高风险性是由致灾因子的高危险性及承灾体的高易损性共同引起的,而延边州敦化地区北部及东南部海拔较高山区的高风险性是由致灾因子的高危险性所引起的。根据大风灾害风险分布情况,提出了相应的措施,为相关部门科学决策提供智力支持。     

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。     

河北省主要气象灾害时空变化的统计分析

根据1984~2011年河北省气象灾害统计数据和河北省气候影响评价资料,分析了河北省气象灾害灾次和灾情的时空分布特征。研究表明:河北省主要的气象灾害有暴雨洪涝、旱灾、雹灾、风灾和雷灾等5类,5类气象灾害存在明显的时空分布特征。河北省暴雨洪涝主要集中在河北省西北部,灾次比最大值0.038;冰雹灾情主要集中在张家口、承德以及位于太行山东麓的保定西部地区,灾次比最大值为0.027;干旱灾情主要集中在邯郸以及沧州南部,灾次比最大值为0.036;大风灾情主要集中在河北中部,高值中心在唐山北部,灾次比最大值为0.030;雷电灾情主要集中在秦皇岛、张家口以及石家庄,灾次比最大值为0.034。河北省暴雨日数分布与暴雨洪涝灾情分布的不一致表明气象灾害灾情除与致灾因子有关外,还与承灾体脆弱性密切相关。     

河北省致电网事故的气象灾害特征及风险评价

利用1983~2008年河北省灾情直报数据,对造成河北电网安全事故的气象灾害进行统计。大风、暴雨、雷电是造成河北省电网安全事故的主要气象灾害,占事故总数的98.5%。致电网安全事故的气象灾害主要出现在夏半年5~9月,且年变化显著。应用气象灾害风险指数方法,对与电网事故有关的气象灾害进行风险评价,分为高、中、低3个风险等级。结果表明:致电网事故的气象灾害高风险区集中在燕山南麓的唐山和太行山东麓北段的保定;中度风险区出现在太行山东麓中南段的邢台、邯郸,还有沿海的沧州地区。中高风险区主要集中在受地形影响局地强对流天气较多的区域,还有沿海多大风的地区。     

2013年黑龙江省灾害性天气分布特征

本文将黑龙江省决策服务灾情系统和Micaps特殊天气记录相结合总结分析了2013年黑龙江省暴雪、暴雨、冰雹、霜冻、大风、雾霾6种灾害性天气影响评价和分布特征,包括季节分布特征、空间分布特征、与常年比较情况。结果发现:暴雪、暴雨、雾霾较常年偏多,特别是7月份暴雨和10月份雾霾属于历史罕见,冰雹异常偏少;6种灾害性天气季节性分布较强,暴雪、暴雨、冰雹、大风、霜冻、雾霾天气产生的主要季节分别为11月、7月、春末夏初、春夏两季、4-5月、10-11月;空间整体分布特征为,灾害天气东多西少,南多北少,暴雪是由东南向西北逐渐减少,暴雨南部和西南部较多,冰雹较少分布零散;大风主要分布在哈尔滨中部、佳木斯西南部、牡丹江和鸡西交界线附近;霜冻主要位于西南部偏东地区以及东北部,但随着整体温度的不断上升,霜冻影响地区由南向北;东部及南部地区产生雾霾天气较多。     

基于GIS的承德市精细化山洪灾害风险区划

为有针对性地做好山区山洪灾害防御,基于近25年加密区域站和国家站气象资料与310个山洪灾情资料,研究精细到乡镇的承德市山洪灾害1小时雨量阈值与3小时雨量阈值；从致灾因子危险性、孕灾环境敏感性和承灾体脆弱性3个方面,应用层次分析法和专家打分法,建立承德市山洪灾害风险评估模型,基于GIS制作承德市精细化山洪灾害风险区划。结果表明: 承德市山洪灾害较高风险等级以上面积为14318.99km2,占承德总面积的36.2%,中风险等级面积约为11719.38km2,占承德总面积的30%,其余均为中风险等级以下。承德市山洪灾害高风险区主要位于丰宁、隆化大部分地区和市区部分区域以及宽城东南部。     

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%。     

基于灾害风险因子的青海省干旱灾害风险区划

利用1961—2018年青海省气象资料、地理信息数据和社会经济数据,对青海省干旱灾害风险区划进行研究。结果表明:(1)致灾因子危险性较高的地区主要在青海省东部和南部,较低地区主要在青海省西部。(2)孕灾环境脆弱性整体自西北向东南逐渐降低,西北地区脆弱性风险较高,东南部较低。(3)承灾体暴露风险较高的地区主要在青海省东部,其他地区风险较低。(4)防灾减灾能力较高的地区主要在青海省西北部,而青海省南部和东部防灾减灾能力较低。(5)干旱灾害综合风险总体自东向西递减,高风险区主要在青海省东部地区,低风险区主要在青海省西部地区。(6)青海省干旱灾害高风险区主要由于致灾因子危险性及承灾体暴露性都较高,低风险区主要是致灾因子危险性、承灾体暴露性较低,且防灾减灾能力强。     

新兴县气象灾害的风险分析与区划

基于气象、灾情和经济社会资料,结合GIS方法对新兴气象灾害风险进行区划,在分析新兴县台风、暴雨洪涝、干旱、高温、寒害等5种气象灾害孕灾环境敏感性、致灾因子危险性、承灾体易损性、防灾减灾能力的基础上,应用加权综合法得到各评价单元(乡镇)的综合气象风险度指数,借助GIS技术,对新兴县气象灾害风险进行了区域性划分。结果表明:致灾因子危险性最大值分布在新城镇,大江镇的孕灾环境暴露性最大,承灾体脆弱性最高值分布在河头镇,防灾减灾能力最高值主要分布在新城镇和簕竹镇,综合考虑各因子,新城镇发生气象灾害的风险最高,车岗镇、水台镇、六祖镇、太平镇、稔村镇、天堂镇、东成镇、簕竹镇次之,河头镇、大江镇、里洞镇发生气象灾害的风险相对较低。     

川藏地区及川藏铁路沿线风场特征分析

雷暴大风是影响铁路建设和交通运营安全的主要气象灾害之一,而川藏铁路作为连接四川省和西藏自治区的干线铁路,其沿线地理形势复杂,气候特征多样,被称为“最难建的铁路”,本文旨在定量分析川藏地区和川藏铁路的风场变化特征,以为川藏铁路建设和铁路列车运行、防灾减灾以及实时动态监测预警和风险评估提供科学依据。文章采用2004—2020年地面气象站观测风场和2006—2020年极大风风速资料,结合2000—2020年近21年的NCEP FNL地面风场数据,对川藏地区和川藏铁路沿线拉萨、林芝、雅安、成都4个高铁站附近的风场时空分布特征和变化规律进行分析,研究表明：(1)川藏地区西部风力高于东部,高原内陆风力大于高原东南缘和四川省。11月至次年3月是高原内陆风速最大的月份,月平均风速在高原北部和南缘能够达到7 m/s以上,夏秋季风速较小。(2)选取川藏铁路沿线拉萨站、林芝站、雅安站和成都站4个站点风场进行分析,风速表现为高原西部向东部减小的趋势。(3)在研究时段内,2018—2020年川藏铁路沿线平均风速和极大风速均呈明显增加趋势,拉萨和林芝站的大风日数也有所增加,因此2018年以来川藏铁路沿线处于风速上...     

青海东部地区雷电灾害易损性分析与区划

利用青海东部地区10个气象台站1997—2012年的年平均雷暴日数,2008—2014年闪电定位数据和1997—2014年雷电灾害资料,将雷暴日数、雷击密度、综合灾度、生命易损模数和经济易损模数作为雷电灾害易损性评估指标,采用层次分析法确定指标的权重,建立了雷电灾害易损性评估模型,依据气象灾害学分级统计法划分出雷电灾害易损性等级,形成了青海东部地区雷电灾害易损性区划图。结果表明青海东部地区雷电灾害易损性区域呈分散分布的特征,极高易损区在大通县、化隆县,次高易损区在湟中县、互助县,中易损区在省会城市西宁市、湟源县,低易损区在乐都区、平安区、民和县和循化县。     

北京市奥运期间气象灾害风险承受与控制能力分析

针对北京市奥运会期间的7种主要气象灾害(雷电、冰雹、大风、高温、暴雨、大雾和霾灾害),建立了气象灾害风险承受能力与风险控制能力评价的指标体系.经过专家评分,获取7种气象灾害的评价指标所对应的分值.利用层次分析法,计算评价指标的权重系数.最后得到7种气象灾害评价指标的加权平均值作为其风险承受能力与风险控制能力系数.利用灾害模数、经济易损模数、生命易损模数3个指标进行北京市奥运期间18个区县空间易损度区划分析.结果表明:北京市奥运会期间,高温灾害和暴雨灾害的风险承受能力与风险控制能力最弱;雷电灾害和大雾灾害的承受与控制能力中等;冰雹灾害和霾灾害较强;大风灾害最强.易损度空间差异分析表明,城区(东城区、西城区、崇文区和宣武区)、朝阳区和海淀区为高易损性区域;丰台区、石景山区、房山区、昌平区、顺义区和大兴区为中易损性区域;门头沟区、通州区、平谷区、怀柔区、密云县和延庆县为低易损性区域.     

贵州境内高铁沿线气象灾害特征及关键服务期探讨

该文应用层次分析法和专家咨询法,建立贵州境内高铁沿线风险评价指标体系,确定影响贵州境内高铁的主要气象灾害为暴雨,其次为雷暴、大风、凝冻、积雪等。利用贵州境内高铁沿线23个气象站1961—2015年55 a气象观测资料,分析贵州境内高铁沿线主要气象灾害的气候特征,表明暴雨日数呈上升趋势,年平均暴雨日数为2~4.9 d,沪昆高铁西段是暴雨中心;雷暴日数呈下降趋势,年平均雷暴日数为43.6~71.1 d,沪昆高铁西段是雷暴频发区;大风日数呈显著下降趋势,沪昆高铁西段出现大风的频率最高,年平均大风日数大于20 d,其余路段不足5 d;凝冻日数总体呈下降趋势,沪昆高铁和贵广高铁均不在重凝冻区,但沪昆高铁普安到晴隆段和麻江段年平均凝冻日数较多为10~15 d;积雪日数总体呈现波动趋势,其线性增长率变化不大,沪昆高铁麻江段及三穗到铜仁南段积雪日数在5~7 d,其余路段不足5 d。确定高铁沿线主要气象灾害的关键服务期,利用月平均气象灾害日数,分析各路段气象灾害对高铁影响的关键服务期及重点路段,对高铁气象服务具有参考意义。     

2006-2016年昆明市雷电致灾因素分析及易损性风险区划

基于近11 a（2006-2016）云南省闪电定位监测数据以及雷电灾害汇编资料,运用ArcGIS对闪电数据与地理信息进行叠加,分析昆明市地闪活动规律和雷电灾害时空分布特征,结合地理环境、人口分布和经济社会发展情况,研究雷电致灾成因机制。从灾害系统理论和综合易损性出发,构建评价指标体系及权重判断矩阵,计算雷电灾害风险综合评价指数R值并进行分级,形成昆明市雷电灾害易损性风险区划。结果表明：频繁活跃的地闪活动是导致雷电灾害多发的主要致灾影响因子,雷电灾害的时空分布与地闪活动的变化特征存在较好的对应关系。全市有雷电灾害高易损区3个,次高易损区2个,中易损区4个,次低易损区4个,低易损区1个,建立雷电灾害易损性区划,能够为确定雷电防护重点和防范等级提供必要的参考依据,通过完善雷电防护措施,可以增强承灾体抵御雷电灾害的能力。     

GIS支持下的西藏冰雹灾害风险评估模型

本文以西藏地区的冰雹灾害为例,在充分分析西藏地区气候背景和经济环境的基础上,利用1981~2015年39个气象站冰雹资料研究了该地区冰雹的分布形成机制,根据灾害发生理论,从灾害发生的成灾环境、灾害发生的可能性、以及承灾体的易损性等三个方面选取了地貌、灾害频率、人口、社会经济的评价因子,应用聚类分析法建立了气象灾害孕灾背景,灾害危险性、承灾体易损性等数学模型;运用Map Info Professional软件,通过对属性数据库和图形数据库的操作得到各种灾害的孕灾背景、灾害危险性、承灾体易损性评价图层,再经过图层叠加、斑块合并以及等级划分等操作,得到各种气象灾害的风险分区。最后在Ma Info Professional软件查询功能的支持下,实现通过点击任意一个区域,显示该区域的冰雹灾害风险情况,对人影防雹作业将具有很强的指导作用,可为政府防灾减灾的决策工作提供必不可少的科学参考。      

福建省枇杷气象灾害综合风险评估

通过辨识影响福建省枇杷生长发育和产量的主要致灾因子,分析枇杷对气象灾害的敏感性和暴露性,考虑种植区的防灾减灾能力,构建出枇杷气象灾害综合风险评估指标体系,利用枇杷种植区1971—2011年气象资料,1992—2011年枇杷种植面积、产量及其他社会经济资料,采用层次分析法和熵权系数法融合方法计算各风险指标的权重及各评估单元的风险指数,进而构建枇杷气象灾害的综合风险评估模型,应用GIS技术制作出风险精细区划图,评估枇杷气象灾害的综合风险。结果表明:致灾危险性对综合风险的影响最大,起主要作用;重度以上的综合风险主要分布在福建省5个主要山脉的中高海拔山区以及枇杷种植面积大的莆田市、福清市、云霄县,轻度综合风险区主要分布在中南部沿海县市的低海拔种植区 (除种植大县和东山县外),其余种植区的综合风险属中度。     

基于多源数据融合的云南省雷电灾害风险综合评价与区划

根据自然灾害风险理论,结合气象数据、地理信息、人口与经济资料等开展雷电灾害风险综合评价,研究致灾因子、孕灾环境和承灾体等因子与风险的定量化关系,建立评价指标和层次分析模型,运用模糊综合判断和聚类分析等方法计算综合评价指数并划分风险等级。结果表明:雷电灾害高风险区主要集中在滇中、滇西南及滇西北的丽江东南部等地区;次高风险区分布于西双版纳、普洱、昆明、楚雄、曲靖西部、玉溪北部及大理中部等地;中风险区分布最广,主要集中在临沧、德宏、曲靖、红河、丽江及文山北部等;迪庆、怒江和昭通的风险值较低,将风险综合评价结果与历史雷电灾情的分布进行对比,两者对应情况较好。开展基于灾前防御的风险分析,研究雷电活动影响范围和风险等级,有助于提前控制和处置风险,随着技术方法的不断改进,风险评价的置信度和可靠性也将得到提升。