赤峰市主要农业气象灾害发生规律的风险辨识

分别对旱灾、霜冻，低温冷害，暴雨和洪涝等灾害进行指标界定，并分析其在全市范围内的时空分布规律，为防灾减灾，降低损失提供依据。     

广西农业气象灾害风险评价及灾害风险区划

本文首先从风险的角度对影响广西粮食产量的主要气象灾害进行评估，在此基础 ，对灾害风险进行区划，以便为广西粮食再生产决策提供科学依据。     

我省农业气象灾害ABC

我省三要的农业气象灾害有洪涝、干旱、低温冷害、霜冻等。     

浚县主要气象灾害风险区划

利用浚县各乡镇主要气象灾害调查资料及气象观测资料,统计了各种灾害的发生范围、发生频率及发生强度;根据灾情发生情况统计结果,将各个乡镇的气象灾害风险进行分级,并利用地统计学插值方法进行风险等级区划.     

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。     

广西农业气象灾害风险评价及灾害风险区划

本文首先从风险的角度对影响广西粮食产量的主要气象灾害进行评估，在此基础上，对灾害风险进行区划，以便为广西粮食再生产决策提供科学依据。     

气象灾害风险评价和减灾对策分析

从风险度定义出发,提出了构建气象灾害风险评价模型的一般方法,并以实例对气象灾害风险评价及减灾对策进行了初步探讨。     

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。     

贵州省农业气象灾害风险研究

该文了贵州省农业气象灾害风险评估的方法，并对各种灾害对农业生产的风险度进行了估算与分析，结果的合理性表明该方法是可行的。     

广西沿海超高层建筑进行气象灾害风险评估必要性

通过列举国内外超高层建筑遭受气象灾害的案例,结合广西气象灾害风险区划资料,分析大风、台风、龙卷风、暴雨、雷电（雷击）、强降温等灾害与沿海超高层建筑的关系,以及可能造成的影响和潜在的风险,论述了超高层建筑进行气象灾害风险评估可实现最大安全与最小投资的统一.以期为广西沿海开展“超高层建筑气象灾害风险评估”工作提供理由和依据.     

基于遥感与GIS的浙江省洪涝灾害综合风险评估研究

暴雨洪涝是最为频发、多发的自然灾害之一,已成为我国实现可持续发展的严重障碍。开展暴雨洪涝灾害风险评估技术与应用研究,是当今防灾减灾中的一项迫切要求。本文基于应用场景时间顺序从灾前预评估、灾中跟踪评估、灾后评估三个方面系统回顾了前人的研究历史和当前研究所取得的成果,并在对研究现状进一步认识的基础上,提出了当今暴雨洪涝灾害风险评估研究中存在的主要问题,指出了有待进一步研究和发展的新方向。

     

贵州省暴雨灾害分区预警业务实施探索

从贵州省暴雨灾害时空分布特点、暴雨灾害防御需求和预警发布业务发展规划,分析了在贵州省开展暴雨分区预警业务的必要性。通过分析中国暴雨分区预警业务发展现状,结合贵州省预警发布业务现状和国家突发事件预警信息发布能力提升工程（一期）建设内容,从基础数据准备、业务规范设计、系统建设、预警传播优化四个方面,探讨如何解决开展暴雨分区预警业务的技术短板,全面提升预警精细化发布能力,建立符合贵州省气象防灾减灾需求的暴雨分区预警业务体系。     

浅析加强行政法规建设 促进雷电灾害风险评估开展

文章论述了雷电灾害风险评估的相关规定,分析了雷电灾害风险评估过程中存在的问题,提出了建立雷电灾害风险评估的管理办法,为今后雷电灾害风险评估工作的顺利开展提供了参考。     

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。     

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.     

浙江省雷电灾害易损性分析及风险区划

根据 2007-2011 年浙江省雷电灾害事故调查资料、浙江省地闪监测资料,选取地闪密度、灾害频数、经济（GDP）损失模数、生命易损模数、雷灾经济损失、人员伤亡等作为浙江省各市雷电灾害易损性评估指标,对浙江省各市进行雷电灾害易损性综合评估,并结合 GIS 方法对浙江省进行了雷电灾害易损性风险区划,为有针对性做好防御雷电灾害规划提供科学依据.     

由河南\

强降水导致的电线短路、内涝及次生灾害每年都造成河南省电力系统的巨大损失,基于53 a日降水、6 a的降水资料,配合供电量、全社会用电量和人均国内生产总值（GDP）以及高分辨率的地形和水系资料,进行强降水灾害风险区划研究。结果发现,河南省国家站年均暴雨日2.3 d,夏季暴雨占全年的75%,暴雨频次从南向北、从东向西递减,中心位于桐柏山-大别山;短时强降水频次7、8月最大,高频站点集中在桐柏山-大别山地区和黄淮海平原的黄河以北地区等四个区域。电网强降水灾害风险区划综合考虑了致灾因子（暴雨和短时强降水）危险性,孕灾环境（地形和水系）敏感性,承灾体（供电量和用电量）易损性以及防灾抗灾能力（人均GDP）。强降水频次和电网分布是风险区划的关键因素,河流对其周边地区影响显著。河南省电网强降水灾害风险区划等级最高的地区是伏牛山地区、黄河海河的平原流域、商丘地区以及淮河的平原流域;前两个区域有发电厂、密集的特高压和超高压变电站和线路,供电量和用电量巨大,尤其需要关注。

     

Spatial and temporal analysis of urban flood risk assessment

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、10.52×10⁴ hm²、1.12万间和13.07亿元。