广东省台风灾害风险综合评估

利用1951—2010年的台风数据和2010年人口及统计数据,结合国内灾害系统理论和国外通用风险评估公式,对广东省各市台风灾害风险进行评估,并应用GIS技术分析各个指标的分级分布情况。通过建立台风路径缓冲区,并根据计算灾次比的方法评估台风灾害的危险性;利用各市总人口数和生产总值表示暴露程度,选取5个指标分别表征人口和社会资产两种承灾体的敏感性;再结合暴露度和敏感性得到承灾体脆弱性指标;最终由灾害危险性和承灾体脆弱性两项指标综合计算出广东省各市的台风灾害风险性。结果表明:台风对广东省的影响程度总体上呈现出沿海向内陆递减的趋势,粤西沿海台风危险性最高;广州、湛江人口暴露度最高,广州、深圳社会经济资产暴露度最高;人口敏感性指数等级高的城市人口总抚养比值高、女性所占人口比值高、人均可支配收入相对较低,社会经济敏感性指数等级高的城市往往经济发展水平相对较低;湛江、汕尾等城市人口数目多和人口敏感性高从而人口脆弱性很高,广州、东莞等经济发达的城市虽然社会经济敏感性低,但高的暴露值导致其脆弱性值很高。根据评估结果,当前广东省台风灾害风险值最高的城市为湛江、广州和佛山。      

基于GIS揭西县台风灾害风险的区划

综合考虑致灾因子危险性、孕灾环境敏感性和承灾体易损性等3因子的作用,结合台风灾害风险性评价技术和GIS技术,对揭西县台风灾害风险程度进行评价和等级划分,并绘制揭西县台风灾害风险区划图。结果表明:河婆镇和东南部凤江、棉湖、塔头等3镇为台风灾害高风险区;总体趋势为:东南向西北地区,台风灾害风险性逐渐降低。     

海南岛天然橡胶林台风灾害风险评价

台风灾害是海南橡胶种植中影响最为严重和主要的灾害,为对其风险进行定量评估,本研究以海南岛天然橡胶林为研究对象,基于灾害风险评估理论,融合橡胶台风灾害、社会经济和气象数据,建立橡胶台风灾害危险性、暴露性和脆弱性评价模型,利用加权综合评价法开展天然橡胶林台风灾害风险评价。结果表明：海南橡胶种植高风险区位于沿海台风发生频繁市县,其中琼海、文昌、海口为海南岛橡胶灾害风险最高的地区,其次陵水、万宁、琼中、屯昌、东方等地区灾害风险也较高。风险最低地区位于中部五指山、保亭、乐东、三亚等地区,评价结果与实际灾害发生以及种植情况相符。评价结果表明,台风灾害危险性是风险的主导因子,但非单一决定因子,种植技术、品种改良等措施对脆弱性降低起到了较好的促进作用。评价结果可为橡胶林避灾防灾及种植布局提供依据。     

基于投影寻踪技术的台风灾害脆弱性评价

如何快速有效评价承灾体脆弱性一直是近年来有待突破的热点和难点之一。投影寻踪技术以毋需人为设计指标权重、操作便捷、客观性强等特点为之开辟了一条新的途径,采用复合形法优化其模型参数,同时结合本文提出的从＂个体到全局,微观到宏观＂的脆弱性评价方案,建立了一种区别于以往的台风灾害脆弱性评价模式。以浙江省东部沿海地区为例,验证了该评价模式结构清晰、方法可靠,评价结果全面科学、与实际相符率高,因此在同类应用中具有一定优势。     

基于GIS的海南台风灾害评估业务系统研发与应用

针对传统方法在灾害评估中的不足,基于GIS平台建立实时的灾害评估系统。本文详细介绍系统的结构、功能、业务工作流程,并采用完全集成的方法将评估模型在ARCGIS平台上实现集成。选取了2009年热带风暴"天鹅"进行实例分析,结果表明系统具有很好的实用性。     

GIS MCE技术在农业气象灾害风险评价中的应用

气象灾害风险评价涉及多源、多维、多尺度空间数据与社会经济统计数据,对应用GIS结合MCE技术进行农业气象灾害风险评价进行了研究。利用特尔菲专家测定法建立评价准则,利用空间划分技术建立评价单元,利用属性值空间化技术实现对气象灾害影响因素空间分布特征进行描述,以空间叠置计算获得多准则条件下空间单元决策目标分值,从而实现区域气象灾害风险区划。研究表明,GIS结合MCE技术能够较好地整合与气象灾害风险评价相关的各类空间数据和社会统计数据,实现气象灾害风险的定量化评价。以冰雪灾害致灾因子评价为例,证明以上技术方法具有可行性。     

基于GIS的洛阳市高温灾害风险区划

利用洛阳市1961-2010年历史气候资料和地理信息数据,通过分析高温灾害致灾因子、孕灾环境因子、承灾体易损性因子和防灾减灾因子4个因子的指标,利用层次分析法确定各个因子指标的权重建立高温气象灾害风险评价体系。其中选取洛阳市9个观测站高温日数,并运用皮尔逊Ⅲ型概率密度模型分别从不同频率推测高温影响程度并分析高温危险性因子;利用洛阳市基础地理信息数据,选取海拔高度和河网密度作为评价孕灾环境因子指标;利用洛阳市土地利用分类分析不同土地类型承载体潜在易损性,同时考虑高温易受伤害人群的人口比例怍为承载体易损性因子指标;防灾减灾因子利用各乡镇财政一般收入水平和人均可支配收入作为量化指标。从区划图中可以看出：总体高温风险等级北部高于南部;东北部、中部风险等级最高,其中偃师中部、伊川西部和南部地区、嵩县北部地区风险等级最高;次高风险等级主要分布在新安、宜阳、伊川中东部、孟津东部和西部、嵩县中部等地区;栾川、嵩县南部、洛宁西部风险等级最低。     

基于GIS的咸宁市枇杷气象灾害危险性评价

气象灾害是影响枇杷规模化种植和发展最重要的因素之一。以湖北省咸宁市典型枇杷产区为例,首先在对该区近10 a枇杷种植情况及气象灾害调查的基础上,结合该市6个国家级气象站及135个区域气象站观测资料以及30 m×30 m精度的DEM高程数据,分析确定致灾因子指标,建立枇杷气象灾害指数和等级标准;然后,利用层次分析法计算得到各气象灾害危险指数权重,构建气象灾害综合危险性评价模型;最后,借助多元回归分析方法建立气象灾害概率空间分布函数,结合GIS技术,对该市枇杷种植的气象灾害危险性进行评价和区划。结果表明：(1)咸宁市枇杷种植的气象灾害主要是低温冻害、高温热害和春季连阴雨,其中低温冻害对枇杷种植的危险性高于春季连阴雨和高温热害。(2)咸宁市中部、南部的中高山地区为枇杷种植的高危险区,中部和南部山体以北的丘陵、低山区为中危险区,北部沿江滨湖区、中部盆地及湖库四周为低危险区。(3)咸宁市枇杷种植的气象灾害危险性与地理因子之间关系密切。随着海拔增高,枇杷遭受低温冻害和连阴雨灾害的危险性呈增大趋势,高温热害的危险性则呈降低趋势;由于水体增温效应和山体对南下强冷空气的屏障作用,沿江、湖库等近水体区域及中...     

基于模糊综合评价法的登陆台风灾害影响评估模型

对登陆我国的台风灾害影响进行评估试验,遴选10个因子作为灾害的影响因子,利用加权平均规划法确定影响因子的权重,应用模糊综合评价法得出台风影响的评价系数及灾情分级.对2000-2006年登陆台风的影响评估进行试验,模型的评估等级与实际的灾情级别均很接近,灾情等级为特别重大、重大、较重、一般四级的Ts评分分别达到89%、87%、73%、78%,全部个例的拟合率达到90%.表明该模型能较好地评估我国登陆台风造成的灾情.     

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。     

宁波市台风灾情评估和基于层次分析法的风险评估

筛选了1956—2016年间对宁波地区影响大、具有较完整灾情记录的台风个例30个,分析了台风灾情特征,并进行灾情评估;利用模糊算法和层次分析法,建立宁波地区台风风险评估模型。结果表明:近年来台风导致的死亡人数、倒塌房屋数量、水利和农作物受灾呈下降趋势;但是经济损失越来越大,浙江登陆台风造成养殖业的损失也有增大趋势。实际灾情指数(ADI)达到1级特重的台风有4个,达到2级(严重)及以上的有9个,ADI总体呈减小趋势。风险评估指数(RAI)与实际灾情指数(ADI)的相关系数为0.78,二者等级的一致率为73%;不一致的样本中,2000年之前风险评估等级小于灾情等级,2000年之后风险评估等级大于灾情等级。风险评估指数RAI和直接经济损失率的相关系数为0.7。业务中,可根据风险评估模型计算即将影响台风的RAI,利用直接经济损失率与RAI的拟合方程或者相近RAI的历史台风,估算其可能造成的经济损失。      

广东省县域单元热带气旋灾害损失评估方法研究

利用2004—2014年广东省的热带气旋(Tropical Cyclone, TC)降水和大风资料以及TC造成的直接经济损失数据,通过TC经济灾损率的定义,研究了TC直接经济损失与TC降水和大风的关系,并建立评估模型。广东省沿海地区是TC降水和大风影响频繁地区,TC经济灾损率和受灾频次在广东西南部和东部沿海地区较大。TC经济灾损率与TC降水和大风之间存在较好的指数关系。由此得到不同等级经济灾损率对应的气象因素致灾阈值。利用此气象因素致灾阈值可以对县域单元的TC直接经济损失进行评估。对2004—2014年广东省TC造成的直接经济损失的模拟结果表明,该方法能较好地评估广东的县域单元TC经济损失。      

基于不同重现期的南沙港区台风灾害风险评估

台风是对港口威胁最大、影响最广而评估难度最高的自然灾害之一,港口台风灾损评估对于国际大港密布的中国尤其重要。利用1997—2015年的台风气象观测资料及广州市南沙港区资产分布统计数据,采用国际减灾战略评估模型,重点测算致灾因子危险性和承灾体脆弱性,评估不同重现期下南沙港区台风灾害风险的分布特征和经济灾损状况。评估结果显示,南沙港区的台风风险水平呈现出空间非均衡性,二、三期工程风险水平较一期工程更高;当遇重现期50 a以下台风时,港区经济灾损较小,一旦超过100 a一遇等级,则可形成巨灾;港区不同部位的风险水平差异明显,其中供油、通信、空箱、给水、消防的风险水平偏高;在不考虑易损性前提下,500 a一遇台风可导致经济灾损达1.404亿美元。基于PGIS法将本地风险知识应用到GIS软件中,开展多种情景下南沙港区台风灾害风险评估的方法,可移植到其他港口的各类气象灾害损失研究。      

基于GIS的徐水县干旱灾害风险区划

以河北省保定市徐水县干旱灾害为例,对其干旱灾害风险区划进行研究。利用GIS技术,建立气象数据库,集成基础地理数据、气象观测数据和人口经济等资料;选择适当指标,实现干旱灾害致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力栅格化的计算。通过建立干旱灾害风险评估模型,完成干旱灾害风险区划的绘制,并分析了徐水县干旱灾害风险区划的分布特点。结果表明,徐水县干旱灾害风险分布呈地区性差异,中部地区发生干旱灾害的风险较高,西南地区风险较低。     

基于信息扩散理论的气象灾害风险评价方法

探讨了以灾害样本为集值的基于信息扩散的模糊数学理论模型的气象灾害风险评价方法,利用西北五省区主要农作物旱灾面积资料,对西北农业旱灾进行风险评价实例分析,通过比较表明西北农业受旱指数,成灾指数发生灾损的概率风险估计值与实际农业旱灾较吻合,该方法对灾害样本少以及小区域范围的灾害风险评价也较适合。     

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。      

基于日降雨数据的广东省降雨侵蚀力初步分析

降雨侵蚀力是反映降雨引起土壤侵蚀的潜在能力。利用广东省26个基本气象站点的多年逐日降雨资料，计算分析了降雨侵蚀力的空间分布和时问变化特征。结果表明，广东省降雨侵蚀力的空间分布呈沿海地区向内部山区逐渐递减趋势，分布特征与多年平均降雨量分布类似；降雨侵蚀力主要集中于4-9月份（雨季），占全年的84．8％，根据季节分布特征，可划分为三个类型区：第一类型区分布于粤北、粤东北、粤西北的内陆山区，第二类型区分布于粤中、粤东和粤西部分地区，第三类型区分布于广东省南端的电白、吴川和雷州半岛地区，各类型区之问的季节分布有明显差异；在降雨侵蚀力的年际变化上，1961-2001年间大部分地区呈现不同程度的正趋势，最大趋势系数（r）可达0．326，其年际变化特征与降雨量和降雨强度相关密切。     

广东省森林火险等级的评价模式

利用美国ＮＯＡＡ－ＣＡＣ、夏威夷大学、中国气象局提供的热带太平洋海温，水位及风场资料和“ＴＯＧＡ－ＣＯＡＲＥ”（１９９２年１１月－１９９３年２月）提供的赤道西太平洋深层海温资料，对１９９３年全球大气及热带海洋异常状况作了诊断分析，认为１９９３年世界气象灾害频频发生的原因是：（１）大气环流的异常变化对１９９３年东传型ＥＮＳＯ事件的响应几乎同步。（２）１９９１、１９９３年两次东传型ＥＮＳＯ事件在短期内     

浙江省雷电灾害风险分析及区划

在灾害风险评估中,基于行政区域统计单元的人口和经济数据往往与栅格水平上的致灾因子存在空间上的不匹配。利用遥感夜间灯光数据、植被指数和DEM数据构建人居指数,进行栅格尺度上的雷灾承灾体易损性分析,利用2005—2011年浙江省电网雷电信息系统的地闪数据和2008—2011年雷电灾害统计资料进行雷电致灾危险性评估,基于上述三个评估指标,采用层次分析法确定权重系数,建立浙江省雷电灾害风险评估模型,获得1 km分辨率的浙江省雷电灾害风险区划图。结果表明,杭州、宁波、台州等经济发达地区和长兴、安吉、天台和临海等平地向山区地形过渡地带是浙江省雷电高风险区,甬台温沿海、海岛、衢州西部和丽水南部地区是低风险区域,其他地区为中风险区。     

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。