台风“利奇马”灾害风险及气象服务效益评估

利用气象资料、灾情资料、浙江宁波地方经济发展数据,采用模糊算法、层次分析法等对台风“利奇马”在宁波地区的影响进行风险和灾情评估,“利奇马”灾害风险评估等级是1级、特重,实际灾损虽是50.19亿元,但灾情等级5级、较轻,实际灾损低于风险评估等级;用逆推算法计算宁波地区“利奇马”台风的气象服务效益达41.76亿元,占台风直接经济损失与气象服务效益之和的45%,服务效益显著。政府及水利部门根据气象预报做出关闸滞洪的决策部署,在保障水库和下游河道堤防安全前提下,为城乡积涝赢得了45小时的排水时间,降低平原河网水位的压力,减轻了内涝灾害;同时充足的水库蓄水,使得后期出现气象干旱时,保障了本地供水安全,气象服务在减少内涝等灾害风险和保障水库蓄水等方面发挥巨大作用。      

台风“苏力”灾害风险与防御行为效益评估

利用2013年台风“苏力”的监测资料、台风灾情资料、2000年后福建省台风灾害数据库资料和台风“苏力”灾害防御行为效益评估网络问卷调查资料,采用相似分析法的上下限区间估算法,预评估台风“苏力”造成的受灾人口和直接经济损失,并利用台风灾害风险区划方法,对台风“苏力”进行灾害风险区划。结果表明：台风“苏力”预评估结果与实际灾情相符,台风“苏力”灾害风险分布与实际灾情分布大部分一致,风险等级高的县市,实际灾情重,高风险区的大部县市直接经济损失均为1000万元以上。应用台风灾害防御行为效益评估三级指标体系,通过调查统计分析可知,指标体系中的各级各项指数均能较好地反映和评估政府主导、部门联动和公众参与的防御行为效益,政府主导在各类减灾行为中作用最大。     

中国台风灾情特征及其灾害客观评估方法

利用上海台风研究所及国家气象中心整编的中国台风灾情资料,分析了中国致灾台风造成的人员伤亡、房屋倒损、农田受淹及直接经济损失等灾情特征.引入了定基物价指数,改进了台风灾害指数(ATDI指数)的计算方法,基于1980-2004年间所有致灾台风的灾害指数的聚类分析,将致灾台风的灾害分为:轻灾(或小灾)、中灾、大灾(或中偏重灾)和重灾4个等级,并据此对1980-2004年间中国致灾台风的灾情进行了客观评估.结果表明:平均每年约有7.2个台风对中国造成明显灾情,最多的年份多达11个、最少年份也有4个.中国致灾台风的频数逐年减少,但造成的灾情却逐年趋重,因台风而伤亡的总人数逐年上升(死亡人数下降)、倒损房屋和受淹的农田面积以及造成的直接经济损失均逐年递增,倒损房屋、受淹的农田面积、直接经济损失的年平均增长率分别为1.33×10~4间/年、2.28×10~4 hm~2/年和14.56亿元/年.1980-2004年间,单个致灾台风而言,倒损房屋、受淹的农田面积、直接经济损失的平均增长率分别为581.4间/个、880.0 hm~2/个和0.33亿元/个.从台风灾害指数看,1990年代中期,中国的台风灾害较为严重,其中1996年最重,而1998年则是1980-2004年间台风灾害最轻的年份.     

1984—2013年山东省主要气象灾情特征分析

文章利用1984—2013年山东省气象灾害普查资料,分析了山东省2001—2006年主要气象灾情时空分布特征。收集到的灾情记录数最多的气象灾害是暴雨洪涝、冰雹、大风、干旱和台风;由气象灾害造成的受灾面积较重,绝收面积1992年最多,受灾人口在2000年以后呈显著增多的趋势,直接经济损失呈逐年增多的趋势;山东省各县年均受灾面积和年均受灾经济损失空间分布,均以南部和东北部地区分布较多。     

台风灾害综合等级评判模型改进及应用分析

本文首先对2010年王秀荣等建立的台风灾害综合等级评判模型进行了改进,主要基于以下三个方面:一是对倒损房屋数指标的转换函数进行重新定义,二是对直接经济损失指标的去通货膨胀化;三是对原模型综合关联度指数分析中"死亡人数、直接经济损失、倒损房屋数、农作物受淹面积"4个指标的权重系数优化;然后,运用改进模型对2000—2015年登陆我国的历史台风灾害进行了综合等级评定与大小排序;同时,将评定结果与原模型的评定结果进行了比对。通过应用与检验分析,证明了改进后模型明显降低了通货膨胀对直接经济损失指数的影响,凸显了以人为本的防灾理念,较原模型具有更好的等级识别度,评定灾情等级结果更符合实际灾情,具备较好的评判功能,可以试用于气象服务等相关业务中快速对台风灾情进行综合等级或历史排序等评判。     

基于信息扩散方法的中国台风灾害年月尺度风险评估

利用1985—2014年中国台风灾情和社会经济资料,对中国年和月尺度的台风直接经济损失的时空变化规律进行分析,并采用信息扩散方法开展损失风险评估,为提高台风灾害风险管理能力提供参考。结果表明:全国年及7—9月各月的直接经济损失均呈增加趋势。直接经济损失的月际变化特征明显,8月致灾台风个数多、损失最严重;与1985—1994年相比,后两个10年年内变化幅度大,且9一10月损失大于6—7月。随着直接经济损失水平的增加,发生中、高风险的地区逐渐减少,年直接经济损失≥50亿、≥100亿元水平下,浙江风险概率为全国最高。在10年、20年、30年一遇三个风险水平下,浙江、广东、福建、广西年直接经济损失一直维持特重灾等级;20年、30年一遇风险水平下,北方地区的山东与辽宁年和8月、河北年台风直接经济损失也达特重等级,防台应对不容忽视。     

以月份动态变化为背景的华南台风动态风险评估

选取1983—2017年登陆华南地区的53个台风样本,进行以月份变化为条件的动态风险评估。首先,利用灰关联-模糊综合评价法构建风险指数;其次,采取信息扩散技术估计不同月份的台风风险强度概率分布,识别风险强度与直接经济损失之间的函数关系;最后,以添加时间要素且与月份有关的动态风险评估模型为基础,进行以损失期望为内涵的台风风险评估。结果表明,风险指数与直接经济损失相关显著(相关系数为0.710 8);华南地区一年内不同月份的台风风险强度概率分布并不相同,承灾体脆弱性整体随风险强度的增大而增大;一年内的台风风险水平分布并不相同,7月达到台风风险水平的最大值,5—6月的台风风险水平最低。     

基于机器学习算法的县域台风灾害损失风险评估

基于2008—2019年我国台风县(区)灾情的直接经济损失数据,根据经济损失率将台风灾害经济损失风险分为五类,考虑台风灾害的致灾因子和孕灾环境因子共选取10个解释变量,采用五种经典的机器学习算法,包括支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、AdaBoost、XGBoost(Extreme Gradient Boosting Machine)和LightGBM(Light Gradient Boosting Machine),分别构建台风灾害经济损失风险评估模型,选出准确率最高的模型,应用于经典台风过程并进行检验评估。结果表明:基于RF算法的台风灾害经济损失风险模型的准确率最高;利用RF、XGBoost、LightGBM、AdaBoost和SVM算法构建模型的准确率依次为0.69、0.63、0.62、0.45和0.41。选择RF算法构建的台风灾害经济损失风险模型的解释变量表明,致灾因子是最主要的解释变量,其中,降雨导致损失的重要性超过风速。该模型在训练集和测试集上对风险分类的TS评分为0.55和0.51,但对每种风险类别的辨别能力存在差异,对于最低风险和最高风险的分类效果较好,对于较高风险和中等风险的分类能力不足。利用该模型对2017年第13号台风“天鸽”的经济损失进行检验评估,评估结果与实际台风灾害经济损失的风险等级较一致,各风险等级的准确率均达到0.7以上,TS评分在0.58以上,空报率和漏报率分别在0.31和0.25以下。      

浙江省台风灾害影响评估模型

选取2000-2006年影响浙江省的20个台风所造成的灾害进行分析, 采用模糊数学原理和方法建立评估模型, 在考虑台风本身自然灾变因素的基础上加入了致灾的社会、经济因素, 组合成10个灾害影响因子输入模型, 计算出台风综合评价指数, 并利用数理统计分析方法将台风灾后的死亡人数、受伤人数和直接经济损失折算成规范化指数---灾级指数, 用来表示实际灾情, 并客观地将两指数划分为特别重大、重大、较重、一般4个等级, 分别得到两指数各自的轻重灾害判据。对比分析表明:该灾害评估模型具有较高的拟合率, 全部个例的两指数同级率达到了90 %, 错报等级也仅差一级, 能够较好地评价和预测台风可能造成的损失程度, 将其应用到应急管理中, 可为台风防灾减灾工作提供决策支持。     

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。     

海南省台风气象服务效益评估研究

考虑到台风气象服务效益影响因子的复杂性,利用2000—2015年海南省台风灾害损失数据和防御台风灾害行为效益评估三级指标体系调查问卷的统计数据,着重考虑防台减灾中政府组织领导、部门联防、公众防御能力、气象服务水平及不可避免损失因子,基于逆推算法构建了海南省台风气象服务效益评估模型,从防台减灾总效益中分离出其中的气象服务效益,实现了海南省台风气象服务效益的客观化定量化评估。结果表明:海南省台风灾害气象服务效益占台风直接经济损失的14%～49%,这与台风灾害过程中不可避免损失因子密切相关;2000—2015年海南台风灾害气象服务效益和台风直接经济损失均处于增长的态势,这表明当地社会经济的快速发展一定程度上使台风直接经济损失增长,同时伴随政府决策、部门联防、公众防御及气象服务能力的不断增强,气象服务效益将得到提升;台风气象服务效益与台风直接经济损失具有极高的相关性,一定程度上表明了当台风灾害影响较重时,气象服务显得尤其重要。     

近50年台风变化特征及灾害年景评估

根据近50年的气象资料,对西北太平洋台风生成和登陆的基本变化特征进行了分析,同时根据近20年的社会经济和台风灾情资料,对全国范围的台风灾害年景进行了定量分析评估,并得出了一些有意义的结果,可供气象科技工作者和有关部门参考。     

我国台风灾害特征及风险防范策略

对登陆我国台风气候特征及灾害发生特点进行了分析,表明台风登陆我国时间集中于每年的7—9月,年均登陆数量广东最多,而最强登陆台风出现在台湾。台风灾害导致的直接经济损失总量呈现缓慢增加趋势,人员死亡数明显下降。但死亡100人以上的特别重大台风灾害平均每年发生一次,且造成的灾情占比很大。台风灾害影响主要是其伴随的大风、暴雨及引起的滑坡、泥石流、风暴潮等次生灾害共同造成的,重大灾害往往由突发性、极端性风雨引起。为了最大限度地降低和减轻台风灾害损失和社会影响,可依靠基于风险区划的防灾能力建设降低风险,依据准确的风险预评估避让风险,依赖保险特别是政策性巨灾保险的开展转移风险。     

台风灾害综合等级评估模型及应用

选取全国范围内台风灾害中的农作物受灾面积、房屋倒损数、死亡人数、直接经济损失4个常用灾害指标,通过建立无量纲函数转换定义了全国范围内台风各个单项灾害指标的等级,并利用灰色关联度理论确定了全国范围内台风灾害综合等级划分标准,基于上述工作建立了台风灾害综合等级快速评估模型。利用此模型对2000-2007年登陆我国的台风灾害进行了评判与排序,分析结果较为合理。     

基于遗传—神经网络方法的广西台风灾害评估模型研究

选取1981—2018年影响广西且灾情记录比较完整的86个台风样本,基于台风灾害伤亡人数、直接经济损失划分灾情等级,选取致灾因子,利用遗传算法与神经网络相结合的方法建立广西台风灾害评估模型.结果表明:选取的台风灾害致灾因子与台风灾情等级之间具有显著的相关性,构建的遗传—神经网络集合预报模型对台风灾情预估效果较好,训练样...