冀北电网灾害事故的时空分布特征及风险评价

利用2005—2017年冀北电网输电线路逐日灾害事故记录和同期气象观测资料,统计分析该地区电网线路灾害事故的时空分布特征,评价电网输电线路的气象灾害事故风险等级。研究发现:(1)造成冀北地区电网灾害事故类型多样且分布极不均匀,主要灾种有雷害、冰害、风偏和污闪,其中雷害最多,占事故总数的70. 1%,而污闪占比最少,为3. 8%。(2)雷害频数均占冀北五地市电网气象灾害事故首位,冰害、风偏和污闪在不同地区影响不同,其中冰害、风偏对张家口电网影响较大,风偏、冰害和污闪对唐山电网影响较大,而承德、秦皇岛和廊坊电网受雷害以外灾种影响均较小。(3)冀北电网灾害事故月分布呈双峰型,主峰和次峰分别出现在6—8月和11月,主峰主要由雷害事故引起,次峰主要由冰害事故引起; 13 a间,冀北电网线路各种灾害事故均无明显变化趋势。(4)张家口东部、承德西部和南部、唐山北部是冀北电网线路气象灾害事故高风险区,唐山和秦皇岛南部、廊坊东部、张家口中部是电网线路事故低风险区,其他地区为中风险区。     

基于层次分析模型的黑龙江省雷电灾害风险区划

根据黑龙江省1959—2008年雷暴日及1999—2008年雷电灾害资料,结合黑龙江省人口密度、城市发展等社会经济特征,选取雷暴日数、雷电灾害频度、生命易损模数及经济易损模数作为雷电灾害风险评估指标,采用层次分析法确定评估指标权重分布,建立雷电灾害风险评估模型,形成黑龙江省雷电灾害风险区划图,并对该省雷电灾害风险进行了综合评估。结果表明:位于黑龙江省中部松花江、呼兰河流域的哈尔滨、绥化和位于西部嫩江流域的齐齐哈尔为雷电灾害极高风险区;位于北部大兴安岭和小兴安岭山区的大兴安岭、黑河、伊春为高风险区;位于东部三江平原的鹤岗、鸡西、七台河为中风险区;位于东部三江平原腹地的佳木斯、双鸭山和位于东南部河谷盆地的牡丹江为低风险区。     

河北省雷电灾害易损性综合评估与区划

从雷电灾害易损性分析角度出发,利用河北省11个气象台站1971—2000年雷暴日资料和2003—2009年雷电灾害数据,结合河北省的经济和人口密度特征,选取雷击大地密度、雷电灾害频数、经济易损模数、生命易损模数4个指标,采用灾后分析法对河北省雷电灾害易损性进行了评估。评估结果显示:唐山、保定、秦皇岛为高易损区,邢台、衡水、廊坊、张家口、石家庄为较高易损区,承德为中易损区,沧州、邯郸为低易损区。初步形成了各地易损性结构和河北省雷灾易损度区划,绘制了河北省雷电灾害易损度区划图,为河北省各级政府和相关管理部门防御雷电灾害提供客观的科学依据。     

基于易损度分析的吉林省雷电灾害风险区划

分析整理2003-2012年吉林省历史雷灾记录,利用48个气象站人工观测雷暴日数序列和2011年《吉林省统计年鉴》数据,结合应用聚类分析和层次分析法建立了吉林省县(市)雷电灾害易损度计算模型。利用自然断点法对模型计算出的易损度进行分级,实现了吉林省各县(市)的雷电灾害风险区划。区划结果表明:吉林省的雷电灾害风险由强到低呈现出由中部向周边递减的结构,强风险区主要位于吉林省中部和南部的地级市本市;高风险区主要位于中部和南部经济发展水平相对较高的县(市);中风险区和低风险区则主要集中于东部山区和西部平原地区。     

广州市雷电灾害易损性分析评估和易损度区划

基于广州市2013—2015年闪电监测资料和2010—2015年雷电灾害资料,分析了雷击大地密度的空间分布和雷电灾害频度特征;并结合广州市人口密度、GDP等特征,选取雷击大地密度NG、雷电灾害频度P、生命易损模数L和经济易损模数D这4个参数作为雷电灾害风险评估指标,利用层次分析法确定评估指标权重,建立了雷电灾害风险评估方程式,对广州市雷电灾害易损性进行分析,从而形成雷电灾害易损度区划。结果表明:天河为极高风险区,海珠、萝岗、番禺和花都为高风险区,越秀、荔湾、黄埔和白云为中风险区,从化、增城和南沙为低风险区。研究结果可为广州市雷电灾害易损度区划提供技术支撑。     

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。     

基于投影寻踪方法的湖北省雷电灾害风险区划

利用湖北省2007—2017年闪电监测与雷暴日观测等数据资料,选取雷暴日、地闪密度、雷电流波头陡度、雷电流强度、大电流密度、小电流密度6个雷电参数作为湖北省雷电灾害风险评价指标;采用投影寻踪方法,构建基于雷电参数的雷电灾害风险评价模型,据此对湖北省雷电灾害进行综合评价与风险区划。结果表明:湖北省雷电灾害可划分为高、较高、中、较低和低5个风险等级,风险等级整体从东至西逐渐降低,东部地区风险明显高于西部地区;较高和高风险区主要位于红安、孝昌、孝南、东西湖、蔡甸、汉南至洪湖一线以东地区;较低和低风险区主要位于襄州、襄城、谷城、保康、兴山、秭归、巴东至五峰一线以西地区;上述以东地区与以西地区之间地带主要为中等风险区,共27个区、县(市)。雷电灾害风险区划结果可为本地开展雷电防灾减灾工作和有效降低灾害损失提供科学依据。     

河北省城市生态气候宜居性评估

基于层次分析法和古林法,对2015—2017年河北省11个地市的生态气候宜居性从空气质量、生态环境、人居环境气候舒适度、灾害性天气4个方面进行了评估并予以排名。结果表明:2015—2017年河北省空气质量方面,张家口、承德、秦皇岛位居前三名,邢台、衡水、保定位居后三名;生态环境方面,承德、秦皇岛、石家庄位居前三名,邢台、唐山、廊坊位居后三名;人居环境气候舒适度方面,邢台、石家庄、邯郸位居前三名,秦皇岛、承德、张家口位居后三名;灾害性天气方面,廊坊、秦皇岛、张家口总体较少,位居前三名,保定、邢台、沧州总体较多,位居后三名。2015—2017年河北省城市生态气候宜居性综合指数前三名均为旅游城市,位于北部和东北部地区,分别为承德、秦皇岛、张家口,城市生态气候宜居性中等接近良好状况;后三名位于中部地区,分别是沧州、衡水、保定,城市生态气候宜居性略好于较差状况。城市生态气候宜居性综合指数在一定程度上可以反映各城市的生态气候宜居程度,通过评估结果排名和分项指标比较,可以衡量各城市在生态环境因素和气候环境因素等方面的优劣,从而为政府管理部门提供一定的决策依据。     

基于气象大数据的陕西苹果北扩区冻害风险分析

采用陕西苹果北扩区国家基本（基准）气象站数据和该区191个自动气象站数据，基于农业气象灾害气候风险形成原理，计算该区苹果花期冻害、越冬冻害的气候风险指数以及环境脆弱性风险指数，并基于地理信息系统平台绘制各项风险的分布图。结果显示：低风险区主要分布在清涧、绥德、吴堡的全境，子洲南部大部，米脂、佳县东南部大部；中风险区主要分布在横山、靖边东部、榆阳南部、神木中部；高风险区主要分布在定边和吴起全境、志丹北部大部、靖边西部，榆阳、神木、府谷的北部。     

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GIS的贵州省道路结冰灾害风险区划分析

本文利用贵州省84个气象站1971～2008年的观测资料和2013年贵州省社会经济资料,结合地理信息数据,从致灾因子、孕灾环境、承灾体易损性、承灾体抗灾能力等四个方面采用归一化后的加权平均方法综合分析了贵州省道路结冰灾害的风险。结果表明:贵州省道路结冰灾害风险的低风险区占全省面积的24.26%,一般风险区范围最大,占全省面积的36.41%,中等风险区占全省面积的24.02%,高风险区占全省面积的11.5%,极高风险区占比最小,为3.83%。全省中等风险及以上的风险区主要集中在贵州省中部以西地区,东部地区仅分布在在铜仁市中部的梵净山区、黔东南州西部的苗岭主锋之一雷公山一带。      

海南岛棚栽西瓜低温寡照灾害风险区划

基于自然灾害风险分析理论,利用海南岛18个市县2001-2010年的历史气象数据、棚栽西瓜面积、耕地总面积、人均GDP等资料,通过选取致灾因子危险性、承灾体易损性和防灾减灾能力这3个因子构建了海南棚栽西瓜低温寡照灾害综合风险指数模型。结果表明,海南岛棚栽西瓜低温寡照灾害高风险区集中在中部和北部,而低风险区分布在南部和西部,其余地区为中等风险区。     

江南茶叶农业气象灾害风险区划

气象灾害是制约茶叶生产并影响其品质的主要因素。为提升江南地区茶叶生产气象服务保障能力,基于1961~2011年江南茶区逐日气象观测数据,分析江南茶叶主要农业气象灾害发生频率的年际及年代际分布,采用层次分析和加权综合评价方法,对茶区农业气象灾害进行综合风险区划。结果表明,随着全球气候变暖,江南茶区早春霜冻和冬季冻害发生频率均呈北多南少的纬向地带性分布,且呈逐年代减小趋势;夏季热害年代际发生频率表现为先降后猛增的特征,2000年代发生频率最高,以湖南、江西和浙江省变化最显著。江南茶叶农业气象灾害综合高风险区主要位于江苏北部和安徽北部,中风险区主要位于浙江中北部、江苏南部、安徽南部和湖北北部,而江西、湖南及福建大部、浙江南部和湖北南部属低风险区,适宜茶叶种植生产。     

中国南方设施番茄高温热害风险区划

以中国南方设施番茄为研究对象,利用1990—2019年3—9月359个气象站点的气象资料、温室小气候实测资料以及高温控制试验资料,通过BP神经网络模拟南方塑料大棚内日最高气温,结合高温控制试验资料,采用相关性分析和主成分分析方法,构建适用于中国南方设施番茄高温热害等级指标体系,开展设施番茄高温热害风险区划。结果表明:1990—2019年高温热害发生频率增加趋势不显著,轻度高温热害发生频率最高,其次是中度高温热害,各等级高温热害发生频率变化趋势均不显著,且年际变化较大。南方设施番茄高温热害高风险区主要分布在广东西部和东部、广西东部和西部以及云南北部、中部和南部;次高风险区分布在湖南南部、广西大部、广东中北部、江西南部以及福建;中度风险区分布在湖南中北部、江西北部、浙江、安徽、湖北、重庆;其他地区为低风险区。     

贵州省黔东南州降雨型泥石流风险评估

利用贵州省黔东南州15个气象站1990—2019年逐日降水量、DEM、土地利用、常住人口等数据,采用层次分析法（AHP）,从危险性和环境脆弱性两个方面构建降雨型泥石流风险评估模型,并采用历史泥石流事件对评估结果进行验证。结果表明：危险性指标中暴雨日数的重要程度最高,危险性的空间分布表现为西部和东部最高,北部最低;环境脆弱性指标中高程的重要程度最大,研究区的环境脆弱性整体上四周更高,中部较低。研究区降雨型泥石流极高风险区分布在最东部和西部,主要是由危险性最高造成;高和中度风险主要分布在南部地区,其中中度风险区是由脆弱性相对较低造成。历史泥石流灾害案例中有76.6%发生在极高和高风险区,风险评估结果与历史泥石流事件分布相吻合。     

江西省早稻雨洗花灾害时空变化及分区

雨洗花灾害是江西省早稻的主要农业气象灾害之一。基于1981-2017年江西省早稻种植区81个气象站逐日降水量资料和14个水稻观测站发育期和产量资料,利用旋转经验正交函数分解（REOF）等方法,探讨江西省早稻雨洗花灾害的时空变化和分区特征并得到典型场。结果表明:江西省早稻雨洗花灾害发生频率总体呈东北高、西南低,赣北南部高、两侧低的分布特征,高值区位于萍乡北部、宜春南部、新余、南昌、抚州北部至赣东北地区,发生频率在60%以上,低值区位于赣州和吉安西南部,发生频率低于40%。轻度雨洗花灾害持续影响江西省大部分地区,且自1992年以来呈现发生频率增加、影响范围扩大的趋势;重度灾害主要发生在赣东北,经历了两个活跃期和两个低发期。根据REOF分析结果,可将江西省早稻雨洗花灾害划分为赣北南部、赣中、赣东北、赣南和赣北北部5个区域。赣东北为重度雨洗花灾害高风险区,赣北南部为轻度雨洗花灾害高风险区,赣中、赣北北部为轻度雨洗花灾害次高风险区,赣南为雨洗花灾害低风险区。     

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。     

廊坊市雷电灾害易损性分析、评估及易损度区划

利用1968～2007年河北省廊坊市9个地面气象观测站的雷暴资料及1998～2007年廊坊市雷电灾情统计数据,结合其区域经济状况和人口密度,确定用雷暴日数（M）、雷电灾害频度（R）、经济（GDP）易损模数（E）、经济损失模数（E’）、生命易损模数（L）、生命损伤模数（L’）作为廊坊市雷电灾害易损性评估指标。计算出廊坊市各县（市、区）6个雷电灾害易损性评估指标后分等级进行综合评估与分析,得出各县市区的易损度,并按5级分区法对廊坊市雷电灾害易损度进行区划。结果表明：廊坊市开发区为极高易损区,全市无低易损区和极低易损区。     

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。     

建德市茶叶气象灾害风险区划

基于2010—2022年浙江省建德市区域自动气象站的逐日数据和茶叶种植数据,将早春霜冻、夏季高温热害和冬季冻害作为评价指标,利用层次分析和加权综合评价方法,构建茶叶气象灾害综合风险评估模型。将建德市茶叶气象灾害风险划分为高、中、低3个风险等级。结果表明：建德市茶叶气象灾害综合高风险区主要集中在乾潭、杨村桥、下涯镇西北部和乾潭、三都镇东部区域。中风险区主要集中在莲花、乾潭大部、钦堂中南部、下涯、三都镇中部、大洋镇、梅城镇东部、李家西南部和大同镇北部。低风险区主要集中在杨村桥镇中南部、梅城镇中西部、乾潭镇中部和建德市中南部区域。