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...     

基于灰色关联法的县域台风灾情评估方法初探

利用2000—2016年的县域台风灾害历史灾情数据,选取受灾人数、死亡人数、倒损房屋数、农作物受灾面积和直接经济损失为评估指标,在对各项指标进行分级的基础上,通过灰色关联分析法建立了以县域为单位的台风灾害综合灾损指标,对所选取市县的台风灾害损失情况进行了分级评估分析。结果表明,所选取的指标能够快速实现不同台风灾害、不同市县间的台风灾害严重程度的对比分析,具有实际应用价值。灾害等级分布结果显示,东南沿海市县为台风灾害多发区,浙江省、广东省和福建省的各市县为严重灾害（特大型、大型灾害）的易发区;8月、9月为严重灾害的多发时间。以不同登陆地点、不同影响范围的1210号“达维”台风和1513号“苏迪罗”台风为例,对灾情评估的合理性进行了验证。     

近30a中国龙卷风灾害特征研究

基于中国气象局气象灾害灾情普查数据库中龙卷风灾情数据,采用时间序列统计分析、趋势分析和GIS空间分析方法,对1984—2013年中国龙卷风发生频次及其灾情进行了统计分析,同时分析了中国龙卷风及其灾害的时空分布特征。结果表明:近30 a,中国龙卷风灾害年发生次数和龙卷风导致的死亡(含失踪)人数、倒损房屋数量和直接经济损失均呈现下降趋势,其中龙卷风灾害发生频次和死亡人数下降趋势明显,而直接经济损失下降趋势较弱;中国龙卷风灾害发生次数及其导致的死亡人数、倒损房屋和直接经济损失均表现为夏季最多,春季次之,其中,7月份龙卷风发生次数最多且灾情最重;空间分布上,中国龙卷风灾害发生次数和直接经济损失均表现为西少东多的特征,死亡人数和倒损房屋数量主要分布在我国东部偏南地区;西北和西南地区龙卷风灾害发生少、灾情轻,而中东部地区的江苏、安徽、湖北、湖南、江西和广东龙卷风发生频次高、死亡(含失踪)人数多且经济损失较重,其中江苏和安徽最为严重。     

2008-2019年影响南宁市台风灾害特征分析

利用2008-2019年影响南宁市辖区及县域的台风气象要素及灾情资料,对台风带来的风雨和灾情的分布特征进行了统计分析;同时,对影响南宁市辖区及县域的直接经济损失进行k-均值聚类,并根据台风致灾因子、直接经济灾损率和单次台风造成的经济损失程度进行相关性检验.结果 表明,影响南宁市台风的灾害具有明显的地域性分布特征,位于东南部县域的灾害最为严重;在影响南宁市的台风中,0814号强台风"黑格比"带来的持续强降水和大风天气、1409号超强台风"威马逊"带来的狂风暴雨,导致极其严重的灾害,给南宁市辖区造成上亿元的直接经济损失.     

基于BP神经网络的宁波市台风灾情预估模型研究

选取1949—2015年间对宁波市影响较大、灾情记录完整的58个台风样本,基于灾损数据,采用灰色关联分析法建立台风灾情关联度,选取台风灾害致灾因子、台风灾情综合关联度,利用BP神经网络建立台风灾情预估模型。结果表明,利用台风灾情关联度评估台风灾情大小合理可用,台风灾害致灾因子与灾情评价指标及台风灾情综合关联度间均存在一定的相关性,利用BP神经网络预估模型对台风灾情预估效果较好,其中训练样本、测试样本的模拟值与实际值相关系数分别达到0. 94、0. 865,均通过了0. 01信度的显著性检验,训练集、测试集灾情级别预报一致率为85. 3%、77. 8%,相关研究成果可为政府决策部门的抗台减灾工作提供科学依据。     

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。     

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。     

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。     

影响广东省的热带气旋特征分析及灾害损失研究

本文基于1990~2015年影响广东省的热带气旋（Tropical cyclone,TC）数据,分析了影响广东省TC的时空特征、灾情年际变化以及灾害强度特征等。并利用灾害指标核算出灾害损失的经济价值,改进综合灾情指数模型。主要得出以下结论:26年来登陆广东省的TC共93个（占登陆我国TC总数的29.6%）,其中有67个对广东省造成了人员伤亡或者经济损失;影响广东省TC频次整体随时间变化不大,强度低的TC频次随年际呈现较为明显地减少变化趋势,而强度高的TC频次呈现较为明显的逐年上升趋势;粤西与珠江三角洲地区受TC侵袭频次明显高于粤东和粤北地区;热带气旋各项灾情指标造成的经济损失（以2015年为可比价）均在1997年出现转折,经济损失急速下滑;各项损失相对值与TC强度之间存在较好的指数正相关关系,低强度等级的热带气旋造成的综合灾情指数呈现较为明显的年际减小趋势,而高强度等级的热带气旋变化趋势不显著。     

层次分析法在热带气旋灾害影响评估模式中的应用

将层次分析法和专家打分法应用于广东省热带气旋灾害影响评估模式中,利用1949～2003年登陆和严重影响广东省的热带气旋的特征参数、气象资料、直接经济损失和造成的灾情损失等资料,对参与评估的指标进行分层,分为中心最低气压、地理综合参数、风综合参数、雨综合参数4个亚评估指标和17个单项评估分指标,用专家打分法进行相对重要性的判别,最后建立“热带气旋综合影响指数”.并用“热带气旋综合影响指数”对热带气旋灾害的影响程度进行分级评判,定量地估算出热带气旋的可能直接经济损失,为政府部门提供参考,并可以与实际灾情调查资料相联系,评估防灾减灾的实际成效.     

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。      

基于人工智能技术的热带气旋灾害评估方法研究:以广东省为例

基于历史观测资料,系统地研究了广东省热带气旋（tropical cyclone,TC）风雨及其带来的直接经济损失的空间分布特征。结果表明,粤西沿海地区受TC大风影响最为频繁,但TC经济灾损率和受灾频次在粤西和粤东较重。根据广东省TC风雨和直接经济损失的空间分布特征,将广东分为粤西、粤东、珠三角和粤北4个区域,进而利用演化建模方法建立了广东省各区域TC经济灾损率评估模型。该评估模型模拟的TC经济灾损率与实际值的相关系数达0.66以上,基于该模型对独立样本的预测检验结果与实际值的相关系数达到0.61以上（显著性水平a=0.05）。这表明,基于演化建模方法建立的广东省各区域评估模型在广东省TC灾害评估中有着潜在的应用价值。     

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。      

2006年广西热带气旋灾害评估

2006年6-8月共有6个热带气旋影响广西,热带气旋灾害所造成的直接经济损失达44亿元(占所有气象灾害造成的直接经济损失的71%)。该文对热带气旋灾害性天气及其影响进行了评估,并对主要的灾害现象及所造成的损失进行了分析。     

2006年广西热带气旋灾害评估

2006年6～8月共有6个热带气旋影响广西，热带气旋灾害所造成的直接经济损失达44亿元（占所有气象灾害造成的直接经济损失的71％）。该文对热带气旋灾害性天气及其影响进行了评估，并对主要的灾害现象及所造成的损失进行了分析。     

TROPICAL CYCLONE DAMAGES IN CHINA UNDER GLOBAL WARMING

Over the past 25 years, an annual average of 6 to 7 tropical cyclones (TCs) made landfall on China mainland and Hainan Island with an average intensity of 29.9 m/s at landfall and maintained at least tropical storm intensity for 15.6 hours over land, leading to 505 deaths and 37 billion yuan in direct economic loss, which accounted for 0.4% of the annual GDP of China. Although there was little change in the overall landfall frequency, intensity at landfall and overland duration, the annual total direct economic loss increased significantly due to the rapid economic development over the past 25 years. Under global warming, the intensity of TCs that made landfall on Hainan decreased but the overland duration and frequency of TCs that made landfall on Fujian and Zhejiang increased. At the national and provincial levels, the ratio of the direct economic loss to GDP and casualties caused by landfall tropical cyclones decreased, suggesting the effectiveness of disaster prevention and reduction in China.