基于GIS的洪涝灾害遥感评估系统

利用NOAA/AVHRR气象卫星实时监测到的洪涝灾害数据与GIS技术相结合 ,以地理信息系统软件ArcView3.1为依托建立洪涝灾害遥感评估系统。系统可提供洪涝区域内居民区的受淹数据 ,并进行受淹区域的比例系数计算 ,提供水田、旱田、林地、灌丛、果树和草地等淹没面积的信息     

基于GF-1遥感数据监测的岩溶洼地洪涝灾害特征分析

2015年6月中旬,强降水引发了广西马山县、都安县、大化县岩溶洼地严重洪涝灾害,利用高分卫星数据获取周期快、空间分辨率高的优势对此次洪涝受灾情况开展监测评估。根据岩溶洼地遥感影像特征和多时相归一化植被指数变化特征识别岩溶洼地受淹信息,依托GIS空间叠置分析技术耦合遥感本底信息和基础地理数据,分析岩溶洼地洪涝灾害时空特征。本研究充分验证了GF-1卫星遥感数据监测岩溶洼地洪涝灾情的有效性,并可细致描绘岩溶洼地洪涝灾害淹没时间长、受灾面积小、数量多、分布广泛的特点。     

洪涝灾害遥感救援系统

利用NOAA／AVHRR气象卫星实时监测到的洪涝灾害数据与GIS技术结合，以地理信息系统软件ArcView3.1为依托建立洪涝灾害遥感救援系统。在洪涝灾害发生时，依托本系统的数据库能快速、准确地提供通往淹没区的最佳救援路径，可快速地到达受灾区域，进行人员财产抢救及救援物资输送，为宏观决策提供了科学的依据。     

建筑物因雨受淹深度数学模型

在数学抽象基础上构造出的建筑物因雨受淹深度的数学宏观模型，使用中表明是可行的，可以较客观准确地预测某地、某建筑物遇暴雨受淹情况，为保险公司理赔、民政部门了解灾情等提供依据，还可在暴雨来临前进行预警，及时采取措施，减少或避免损失。     

潍坊市强降水洪涝灾害风险评估与区划研究

利用潍坊各区县2008—2017年的气象观测资料、地理空间数据和社会经济数据，基于GIS技术和自然灾害风险指数模型，考虑短时强降雨对潍坊市城市内涝造成的影响，对潍坊市强降雨洪涝风险的致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力多个因子定量分析，构建了潍坊市强降雨洪涝灾害风险评价模型，并编制了潍坊市强降雨洪涝灾害风险区划。结果表明：灾害发生的高风险区主要位于高密、诸城等地区，潍坊北部地区孕灾环境敏感性指数较大，市中心区域则因人口、经济地位显著而易损性风险较大。该风险区划结果基本反映了潍坊市强降雨洪涝灾害的潜在风险，为潍坊市的洪涝灾害防灾减灾提供技术支持和决策依据。     

EOS-MODIS数据监测暴雨洪涝灾害的技术方法

简述了EOS-MODIS数据用于监测洪涝灾害的优点;采用EOS-MODIS的可见光和近红外波段的比值模式识别水体信息;通过比较位于江汉平原的长湖的2007年遥感估算面积与实际面积,对水体识别精度进行了检验。在此基础上,归纳出EOS-MODIS洪涝灾害监测流程。同时,通过一个实例分析了EOS-MODIS数据用于监测暴雨洪涝的效果。结果表明,EOS-MODIS数据可用于监测水体和暴雨洪涝灾害,且精度较高。最后,指出了EOS-MODIS数据监测洪涝灾害存在的若干问题。     

人口与GDP空间化技术支持下的暴雨洪涝灾害承灾体脆弱性分析

基于统计年鉴资料和土地利用数据,分别建立人口、GDP空间化模型,模拟南京市浦口区人口和GDP的空间分布。并结合暴雨洪涝历史灾情数据,探索区县级行政区域暴雨洪涝灾害承灾体脆弱性风险评估技术方法,最终获得100 m×100 m格网的浦口区暴雨洪涝灾害承灾体脆弱性空间分布图。研究结果表明:(1)人口、GDP的空间化模拟结果,既与各镇街统计数据保持一致,又反映了各镇街内部的人口、GDP分布的空间变化,可以为承灾体脆弱性评估提供精细化、可靠的数据源。(2)浦口区暴雨洪涝灾害承灾体脆弱性高风险区,分布在东北部经济较为发达的城镇街道而老山山脉和沿江内陆滩涂地区脆弱性风险较低。     

中国暴雨洪涝预报方法的研究进展

针对中国暴雨洪涝灾害频发的现象及其带来的严重影响和损失,结合我国有关暴雨洪涝灾害预报方法的研究进展,对洪涝灾害预报方法的研究进行了总结与回顾。随着卫星遥感、地理信息系统等技术的不断发展与完善,暴雨洪涝灾害预报的方法由简单的数值统计方法发展成为水文模型预报法,从简易的经验模型、水动力学模型,到集总式水文模型,再发展到分布式水文模型;通过水文模型预报方法,结合气象水文耦合预报实现实时洪水预报并进行动态评估,不断提高洪水预报的精度和预见期,为暴雨洪涝灾害预报提供可靠数据和决策依据。最后,在总结归纳基础上,指出了当前暴雨洪涝灾害预报方法的不足,提出了不断提高水文观测技术、加强分布式水文模型与地理信息系统的耦合、加强与气象模型的耦合等方面的研究是进一步提高暴雨洪涝灾害预报准确率的主要发展方向。     

潍坊市暴雨洪涝灾害风险区划

利用潍坊市气象数据以及统计年鉴资料、基础地理信息数据、土地利用类型数据和历史灾情数据,基于暴雨洪涝灾害风险评估模型,结合GIS技术,对潍坊市暴雨洪涝灾害进行风险评估,并绘制出潍坊市暴雨洪涝灾害风险区划图.结果表明：诸城市中北部、高密市的西南部及安丘的东南部属于高风险区,安丘的东北部、昌邑的南部属于较高风险区,昌乐的大部分、青州的东部、临朐的东北部、安丘的西部属于中风险区,青州西南部、临朐西南部、寿光东北部、昌邑东北部属于低风险区.评价结果与潍坊市的实际情况基本吻合.     

基于GIS的南宁市暴雨洪涝灾害风险评估与区划

用南宁市气象数据、自然地理数据和社会经济数据,组成自然致灾因子易发性、孕灾环境敏感性、承灾体易损性和防灾减灾能力4个指标,借助GIS的空间分析和叠加分析功能,构建南宁市暴雨洪涝灾害风险评估指标体系,得出南宁市1000m×1000 m为单元的暴雨洪涝灾害综合风险区划图.结果表明,南宁市范围内发生洪涝灾害风险最高的处于宾阳,其中危险性最高的地区处于宾阳县的东部和北部,脆弱性最高的地区则处于宾阳县的中部和横县的东南部地区.该风险区划结果基本反映了南宁市暴雨灾害的潜在风险.暴雨洪涝灾害防御的重点区域应放在风险较高的区域.     

廊坊市暴雨洪涝灾害风险评估与区划

2008年廊坊市气象灾情普查资料显示,暴雨洪涝灾害是气象灾害中造成损失最为严重的气象灾害,1949～2007年廊坊市由暴雨洪涝灾害造成的直接经济损失总计达1986.73亿元,占所有气象灾害造成直接经济损失的82.2%,严重影响着国家和地方经济的可持续发展。依据自然灾害系统理论和灾害风险评估原理,计算出廊坊市地理地貌状况指数(H)、暴雨洪涝发生强度指数(C)、暴雨洪涝灾害频率指数(R)、承灾体经济承灾能力指数(E)、经济损失指数(E')、生命易损指数(L)、生命损伤指数(L'),抗灾能力指数(K)等8个风险指数,并对其进行评估与分析的基础上,综合评价了廊坊市暴雨洪涝灾害风险程度的地域差异,得出各县市区的综合风险指数,并按极高、高、中、低等4级分区法对廊坊市暴雨洪涝灾害的综合风险指数进行区划。研究所形成的暴雨洪涝灾害风险度区划对本地防御暴雨洪涝和降低灾害损失,以及对暴雨洪涝灾害采取有效管理提供了比较客观的科学依据。     

农作物洪涝灾害致灾机理与评估方法研究进展与展望

洪涝灾害是影响农业生产的主要自然灾害之一,开展农作物洪涝灾害损失评估是指导农业防灾减灾的重要依据,对稳定农业生产和保障粮食安全具有重要意义。首先,简要回顾了近30 a农作物洪涝灾害致灾机理的研究进展,分类梳理农作物洪涝灾害损失评估的主要方法,指出相关方法在不同应用场景中的优势和局限性;在此基础上,提出以多源数据为支撑、以水动力模型为引擎、基于数值模拟与机器学习相结合、面向致灾过程的农作物洪涝灾害损失动态模拟框架,并展望提出未来重点研究的3个方向：(1)构建多致灾参数脆弱性模型,完善针对不同孕灾环境和承灾体的模型库;(2)加强多源数据融合应用以提高评估精度,发展并行计算和人工智能算法以提高计算效率;(3)加强洪涝灾害评估综合平台建设,向深度智能化场景应用转变。     

新疆南疆暴雨洪涝灾害风险区划

利用2010—2020年南疆气象观测逐小时降水及各县暴雨洪涝灾情数据，将灾损指标按百分位法划分为4个等级。基于GIS技术的自然断点法，从暴雨事件和孕灾环境方面，将暴雨洪涝灾害危险性等级划分为低、中低、中高、高4级。结果表明：受灾人口特重区域在和田地区洛浦县、墨玉县和于田县；直接经济损失特重在和静县、沙雅县、乌什县；农作物受灾特重在阿克苏地区沙雅县、喀什地区英吉沙县和岳普湖县。6 h、12 h、24 h最大降水量可作为南疆暴雨洪涝灾害的气象致灾因子，北部高于南部，西部高于东部，山区高于平原；暴雨洪涝灾害风险高区主要集中在和田地区于田县南部山区、阿克苏地区西部北部山区、喀什地区泽普县、巴州北部轮台县山区。     

基于GIS的河池市暴雨洪涝灾害风险评估与区划

利用1981-2010年气候统计资料,分析河池市暴雨洪涝灾害时间变化、空间分布特征;结合地形地貌、人口密度分布、社会经济状况等资料,利用GIS系统分析河池市暴雨洪涝灾害致灾因子的危险性、孕灾环境的敏感性、承灾体易损性与防灾抗灾能力,最后给出基于上述4个条件的暴雨洪涝灾害风险区划。结果表明,河池市暴雨洪涝灾害呈波动式增加趋势,年均暴雨日为4.7-7.6天,东部各县暴雨洪涝开始和结束时间都较西部早;暴雨洪涝灾害综合风险的高风险区在河池市南部,北部为暴雨洪涝灾害低风险区。     

1994年北海合浦洪涝灾害及今后防御对策

１９９４年北海合浦洪涝灾害及今后防御对策孔宁谦，余志峰（广西海洋气象台北海５３６０００）洪涝灾害是北海合浦夏半年主要灾害，对本地的国民经济建设和人民生命财产安全危害极大。本文回顾了１．９９４年的洪涝灾害，并从天气学角度分析洪涝灾害的成因、提出今后的防...     

洪水风险预测业务系统

介绍了在地图信息可化工具Ｍａｐｉｎｆｏ数据库和超文本库的支持下,通过Ｗｉｎｄｏｗｓ的ＯＬＥ自动化技术建成的洪水风险预测业务系统。它以直以形象的电子地图针气象、洪水、水文以及投保户保险信息,包括历史洪以淹实况机地结合起来;并通过与历史洪水受淹数据库、气象－洪水数据库等关联作出洪水风险预测,为有关部门业务 指导决策提供依据。     

都匀市凯口镇洪涝灾害成因分析及对策

从气候背景、地理环境等因素对凯口镇频繁发生的洪涝灾害成因进行了简要分析，并提出了相关对策，为政府应急防灾减灾工作提供决策依据。     

锦江河防汛决策支持系统建设思路及方法初探

洪涝灾害是我区的主要自然灾害之一，汛期又是我区洪涝灾害的多发季节，难确、及时的防汛指挥决策，对于减轻洪涝灾害造成的损失尤为重要。通过对锦江河防汛决策支持系统建设有关问题的探讨，提出了建立防汛决策支持系统的思路和方法，供有关部门参考。     

气象预报为濮阳城市防洪排涝服务研究

暴雨、大暴雨等强降水是造成洪涝灾害包括城市洪涝的主要原因。分析产生各量级强降水的大气环流形势和天气系统,研究建立城市防洪排涝强度降水预报业务系统,为政府和防汛、防洪指挥部门提供准确、及时的暴雨、大暴雨预报,将对城市防洪排涝起到重要作用。     

青海省洪涝灾害的时空分布和致灾雨量特征

基于2008—2020年青海省的灾情记录,利用灾损指数分析了青海省洪涝灾害的时空分布特征,确定了青海省的洪涝灾害高风险区。同时采用2017—2020年多源融合的CLDAS降水数据,利用机器学习算法建立了洪涝灾害预报模型,确定了致灾雨量阈值。结果表明：（1）青海省洪涝灾害2018年最多,共98次,2014年最少,共16次,7—8月是洪涝灾害的高风险时段。空间变化表现为,基于年平均灾害次数的高风险区为海南州-海西州东部,基于年平均灾损指数的高风险区为海东市-西宁市。（2）利用多种机器学习算法,得到基于CLDAS数据的1 h、2 h和24 h雨强是预警灾害的降水因子,海南州-海西州东部1 h或2 h最大雨强达到6.8 mm,或者24 h最大雨强达到11.1 mm,是预警洪涝灾害的降水阈值。海东市-西宁市及邻近地区1 h或2 h最大雨强达到13 mm,或者24 h最大雨强达到18.2 mm,是其预警洪涝灾害的降水阈值。