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。     

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。     

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。     

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。     

基于雷电易发评价体系下的广西雷电区划

利用1960—2013年广西地面气象站观测雷暴资料、2009—2018年二维雷电监测定位资料和2016—2018年三维雷电定位监测资料,以闪电密度为评估要素,建立层次分析模型,绘制广西雷电易发区划图;并加载环境高程数据、2000—2019年雷灾数据以及2005年—2018年广西人口、GDP统计资料,计算雷电灾害风险值,绘制广西雷电灾害风险区划图。结果表明,广西雷电易发区划分为极高易发区、高易发区、中等易发区三个等级,其中以中等易发区为主,该区面积约占全区总面积的47%;极高易发区域主要分布在桂南、桂东南及桂东地区。广西雷电灾害风险划分为极高风险、高风险和中等风险三个等级,以中等风险为主,广西雷电灾害风险区划与雷电易发区域分布态势基本一致,等级变化趋势由沿海向内陆递减。     

东北地区水稻霜冻灾害风险评估与区划

依据灾害系统理论,在综合考虑致灾因子自然属性和承灾体社会属性的基础上,建立风险评估模型,将传统的灾害研究方法与地理信息系统等现代技术手段相结合,利用1961—2010年东北地区182个气象站点逐日最低气温资料和1991—2006年172个水稻产区县（市）国土面积及社会经济资料,包括1981—2006年30个农业气象观测站水稻发育期资料,对东北地区水稻霜冻灾害风险进行评估。结果表明：东北地区可划分为高风险、次高风险、中等风险、次低风险和低风险5个水稻霜冻灾害风险区域。东北地区水稻霜冻灾害高风险区位于黑龙江省的黑河地区大部、伊春西部和吉林省的延边州西部、白山北部等地,而辽宁省的中南部等地风险较低。     

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。     

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。     

基于层次-灰色关联分析法的闪电灾害风险区划

为寻求合适的闪电灾害风险区划方法,以浙江省苍南县为例,利用2007—2011年闪电监测数据、1996—2011年雷灾统计资料及基础信息数据等,从闪电灾害发生的特征出发,引入层次-灰色关联分析法,采用层次分析法确定闪电灾害风险评价指标的权重,运用灰色关联分析法确定评价对象的灰色关联系数,进而综合加权得出闪电灾害风险评价指标的灰色关联度,给出闪电灾害的风险区划.结果表明,苍南县闪电灾害风险等级区划由高到低分别是灵溪镇、龙港镇为极高风险区,宜山镇、钱库镇、金乡镇为高风险区,矾山镇、马站镇、桥墩镇、藻溪镇为中风险区,赤溪镇、岱岭畲族乡、凤阳畲族乡为低风险区.在此基础上,对该区域的风险区划结果进行了验证,表明引入的层次-灰色关联分析法适合于闪电灾害风险区划研究.研究结果为编制闪电灾害防御规划以及重点项目灾害风险评估可行性论证提供了参考,对提高闪电灾害防御的综合能力具有现实意义.     

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。      

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。     

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。     

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。     

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。     

浙江省高速公路低温雨雪冰冻灾害风险评估与区划

本文以高速公路为区划对象,利用2004—2013年浙江省68个气象站常规观测资料、基础地理信息数据、社会经济数据及交通事故数据,采用Arc GIS空间分析技术、加权综合评价法和层次分析法等方法,从致灾因子、承灾体及历史高速公路交通事故发生特征3个方面,构建了浙江省高速公路风险区划指标体系,并对浙江省高速公路低温雨雪冰冻灾害进行了评估与风险区划。结果表明:浙江省高速公路可划分为高、较高、中等、较低和低风险5个等级;高风险区路段占浙江省高速公路总长的13.49%,主要分布在杭景新高速建德段、杭瑞高速杭州至临安段、沪渝高速湖州段、申嘉湖高速湖州段、练杭高速德清至余杭段、长深高速杭州市段及湖州至余杭段、杭金衢高速衢州段、诸永高速东阳至磐安段、台金高速缙云段。高速公路低温雨雪冰冻灾害风险区划结果可为公路管理部门防灾减灾工作提供科学参考。     

龙川暴雨灾害风险评估及避灾行为分析

采用龙川县国家气象站及乡镇区域自动站2010-2019年逐日降水数据,利用ArcGis空间分析技术和数理分析等方法,对龙川县暴雨灾害风险进行了区划和评估,并对灾害易发地区人群的避灾行为进行了系统分析.结果表明:(1)岩镇与黎咀交界处为高风险区,次高风险区中北部4镇交界面积最大,暴雨灾害风险等级总体趋势由西北到东南依次递减;(2)社会支持、信息接收和防御知识对民众暴雨灾害的避灾行为有显著影响.     

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。     

广东晚稻寒露风保险风险区划

农业保险能够有效地分散农业自然灾害风险,提升农业生产水平。农业保险风险区划则是发展农业保险必不可少的基础研究工作,国内外经验普遍表明发展农业保险必须进行风险区划。以广东省晚稻寒露风灾害为例,基于1980—2012年广东省86个气象站的气象资料和2001—2010年《广东农村统计年鉴》21个市的晚稻单产数据,选用日平均气温≤23℃积寒指数、晚稻生产力水平构建晚稻寒露风保险风险区划指标体系,借助GIS技术制作1 km×1 km广东省晚稻寒露风保险风险专题图,将研究区域划分为低风险区、次低风险区、中等风险区和高风险区4个等级并进行评述。结果表明:晚稻生产水平指数和寒露风致灾风险高的区域,对产量影响大,风险高;反之对产量影响小,风险低。高风险区主要分布在北部的韶关和清远地区,中等风险区主要分布在东北部、中部偏西地区,次低风险区主要分布在珠江三角洲的北部和南部沿海地区,低风险区主要分布在珠江三角洲南部地区。区划结果可为保险公司开发寒露风保险产品、厘定差别的保险费率提供参考。     

基于GIS的安顺市乡镇暴雨灾害风险浅析

为充分利用安顺市两要素区域自动气象站观测资料分析暴雨灾害的风险特征,该文以安顺市作为研究区域,以乡镇为基本风险单位,从现代灾害风险理论出发,综合运用ArcGIS空间分析和灾害风险评估数学方法,利用研究区两要素自动气象站准2a逐小时降雨资料,对明显暴雨过程风险特征进行分析和区划,建立了反映暴雨灾害危险性的最大日雨量、3h滑动最大降雨量、前10d总降雨量等3项指标和描述承灾体的易损性的人口密度、经济密度等2项指标为基础的暴雨灾害评估模型,通过层次分析法、极差标准法等方法进行数据处理,并借助于ArcGIS平台,将影响暴雨灾害的危险性和易损性进行综合叠加分析,得出安顺市暴雨灾害风险区划图。结果表明:安顺市暴雨灾害风险分布呈自北向南递减,而从市南部来看,则有自西向东递减趋势的特征,高风险区主要集中安顺市西秀区和普定县,紫云县为暴雨灾害低风险区,其中关岭县的岗乌镇、八德乡处于高风险区,这与2010年6月28日特大山体滑坡泥石流事件相吻合。     

基于综合评价法的河池市雷电灾害风险区划

为了探讨雷电灾害风险区划方法,细化河池市雷电灾害风险区划(分辨率为1 km×1 km),为雷电防灾减灾工作提供更科学的指导,利用河池市2010—2015年闪电资料、2000年地理数据和2015年社会经济数据,采用相关法,选取与闪电密度、强度分布相关的海拔高度、坡度等8个指标,结合闪电密度、强度,利用熵值法、复相关系数法和层次分析法组合建立了雷电风险计算模型,并利用历史雷灾频次对区划结果进行检验。结果表明:金城江、南丹和凤山为雷灾极高风险区,天峨、巴马、东兰和大化大部分区域为雷灾风险高值区,其他县为雷灾风险低值区(局部区域为高值区)。雷电区划风险值和历史雷灾数据呈现较好的相关性。