基于CiteSpace的中国地震灾情研究热点及前沿演进

使用科学计量学软件CiteSpace,以中国知网(CNKI)收录的地震灾情研究领域近20年(2003—2022年)的文献资料为数据来源,对地震灾情研究的总体分布、研究热点及前沿演进轨迹进行研究。结果显示,近20年来关于地震灾情研究的文献数量不多,且与地震事件密切相关,研究机构主要以承担地震工作的职能部门为主,主要研究热点集中在灾情数据获取和灾情信息提取。经分析,地震灾情研究的演进轨迹可划分为起步阶段、发展阶段和深化阶段,目前的研究热点方向主要为灾情数据的获取,处于地震灾情研究的初级阶段,是奠定坚实基础的重要阶段。未来,我国地震灾情研究要加强学科融合,注重拓展灾情信息提取、灾情上报与发布等研究方向,结合主流技术实现地震灾情的智能化、动态化、三维化。

基于CRITIC-加权灰色关联分析的年度洪涝灾情评估模型及应用

洪涝灾情评估能够直观呈现洪涝灾害强度和破坏程度,准确评估洪涝灾情是有针对性开展防洪减灾工作的基础。为充分表征洪涝灾害范围及深度,基于洪涝灾害的主要承灾体,从人口受灾、农作物受灾、房屋倒损、水利防洪设施损坏和经济损失5个洪涝灾害主要影响层面筛选洪涝灾情评估指标,分目标层、因子层、指标层构建全国及各地区年度洪涝灾情评估指标体系;基于年度洪涝灾害等级和年度洪涝灾害综合损失程度评估年度洪涝灾情,通过耦合CRITIC权重法和灰色关联分析模型构建CRITIC-加权灰色关联分析模型进行年度洪涝灾害等级评估,采用灾情指数法进行年度洪涝灾害综合损失程度评估;基于ArcGIS直观呈现空间数据的优势,将各地区年度洪涝灾害等级及综合损失程度采用区划图的形式展现。基于以上方法对2006-2021年全国及各地区进行年度洪涝灾情评估,结果表明:在全国年度洪涝灾情评估结果中,2010年为特大洪涝灾害,2013年和2016年为重大洪涝灾害;在各地区年度洪涝灾情评估结果中,湖南省2006年和2017年、河南省2021年年度洪涝灾害等级达到特大洪涝灾害;历年洪涝灾情较重且灾情频次较高的省份依次是四川省、湖南、湖北、江西、广东、海南;基于CRITIC-加权灰色关联分析模型和灾情指数法的年度洪涝灾情评估结果,可作为地区开展防洪减灾工作的依据。

1999—2018年广东省自然灾害灾情时空变化特征及影响因素研究

为科学评估广东省自然灾害灾情时空演化特征,以1999—2018年广东省自然灾害损失基本数据为基础,利用CRITIC权重法构建综合灾情指数模型,同时,利用地理探测器从多因子角度对广东省自然灾害灾情从时间、空间上开展研究,探究其变化规律和影响因素。结果表明:时间上,总体灾情具有指数波动剧烈、大小灾年交替、不同维度线性趋势不一致等特点;空间上,空间分异程度较大,综合灾情指数城市分布为边缘高—中间低的格局,无明显集中趋势。地理探测器中的因子探测分析对灾情大小的影响,极端气象因子起直接作用,地形地表因子起间接作用,基础建设因子起助推作用,防灾减灾因子起缓冲作用;交互探测分析发现,地势起伏度、人均绿地公园面积、经济发达程度在与其他各因子共同作用时对广东省灾情影响作用较大。

1995—2021年广东“龙舟水”期间灾情分析

针对广东“龙舟水”灾情的灾前预估和灾后快速估计的需求,本文利用1995—2021年广东“龙舟水”期间降雨和暴雨洪涝灾害数据,计算“龙舟水”综合灾情指数,应用百分位法将其划分为轻、中、重3个等级;并对广东“龙舟水”的灾情特征、降雨与灾情的关系进行分析。结果表明:(1)1995—2021年广东“龙舟水”期间降雨强度、范围、强降雨频率及持续时间的峰值集中在2005—2010年,灾情强峰值出现在2005—2008年,峰值区间较一致;2008年灾情最重,2008年后综合灾情强度呈下降趋势,近10 a(2012—2021年)各灾情也呈下降趋势,以倒塌房屋数、受灾人口数、农作物受灾面积降幅最明显,直接经济损失降幅较小。(2)农作物受灾面积与各降雨指标的相关性最大,其次为受灾人口数和直接经济损失;综合灾情等级、直接经济损失主要受降雨强度、强降雨频率影响,受灾人口数、农作物受灾面积灾情主要受降雨强度、降雨范围影响,倒塌房屋数、死亡人数灾情主要受强降雨的频率影响。(3)建立的“龙舟水”平均总降雨量与灾情的拟合关系方程,能较好地估计“龙舟水”综合灾情等级和灾情数据。

基于湖北输电线路灾情的山火分布特征分析

[目的]利用湖北输电线路山火历史灾情数据对山火分布特征进行分析。[方法]基于2016~2021年湖北省输电线路山火灾情资料,运用数理统计、气候统计和GIS空间叠加方法,对全省输电线路山火时空分布及山火与气象、下垫面、社会人文等影响因子的关系特征进行分析。[结果]时间上,2019年为近几年湖北输电线路山火发生最多的年份,秋冬季是高发季节,其中2月和9月为易发月份;空间上,鄂东地区是山火的频发区域,宜昌及荆门地区为次高发区域。山火与气象关系,大部分山火爆发前1个月降水偏少30%~100%、气温偏高0.5~3℃、湿度偏小3.8%~23%、风速偏大0.1~1.9 m/s。山火与下垫面关系,山火主要发生在耕地,占总数50.32%;山火主要集中在海拔高度150 m以下、坡度6°以下的区域,76.90%的山火发生在阳坡。山火与社会人文关系,山火主要发生在人口密度100~600人/km2的城市圈周边的乡镇及距离道路1.6 km缓冲区的区域。[结论]掌握湖北输电线路山火分布特征,有助于山火风险预警模型指标选取和阈值确定。

石家庄暴雨时空分布特征及灾情评估

基于石家庄市2015—2021年暴雨洪涝灾情资料数据,以及17个国家站及268个区域自动气象站数据,采用气候统计诊断方法分析了石家庄暴雨时空分布的气候特征,并利用灰色关联分析及逐步回归方法,建立了石家庄市暴雨灾情评估及预评估模型.结果表明:①石家庄暴雨频次及强度随时间呈递增趋势,暴雨强度年际变化增大且极端性增强.②石家庄西北部暴雨频次多、强度大,西南部暴雨频次相对较少,但强度最大,其中平山、井陉为大暴雨、特大暴雨高发区,复杂的地理环境使该地区发生暴雨洪涝灾害的风险增加.③由灰色关联分析方法确定的暴雨灾情等级正确率83.33%,能够反映实际暴雨灾情等级,且有利于客观区分同一等级内暴雨灾情大小.④基于气象因子,利用逐步回归方法建立的暴雨灾情评估及预评估模型正确率可达68.75%.

四川凉山州地质灾害灾情特征与主要致灾类型

凉山州受活动构造、地形地貌、河流切割等作用,是四川省地质灾害高风险地区。为系统查明凉山州地质灾害发育特征、灾情特征及主要致灾类型,采用资料收集、数理统计、现场调查等方法,统计分析地质灾害数据、灾情数据和重大突发地质灾害实例。结果表明:凉山州地质灾害以滑坡、泥石流为主,滑坡主要为中小规模土质滑坡,泥石流主要为中小规模沟道型泥石流;有记录以来共计发生24起死亡10人以上的地质灾害;2006—2020年,共发生46起地质灾害灾情,以泥石流为主。总结提炼了7种地质灾害主要致灾类型,红层滑坡是凉山州滑坡主要类型之一,遇水易软化解体,自稳能力差;复活型古滑坡,在凉山州多有分布,由于人类工程活动、河流冲刷等因素,古滑坡易变形和复活;库岸型滑坡,主要发育在木里县、布拖县、宁南县的水电站库区内,受库水位消落带影响斜坡塌岸隐患较多,坡体稳定性降低形成滑坡;含煤层型滑坡,主要发育在凉山州南部的煤系地层区域,斜坡前缘不合理开挖易诱发前缘滑塌并造成整体滑动;矿渣型泥石流是凉山州泥石流主要类型之一,矿渣、废石、尾砂等不合理堆放,为泥石流提供了丰富物源;凉山州常发生森林火灾,火烧迹地遭遇暴雨后易诱发火后泥石流;在构造活动强烈、山势陡峭的沟谷上游发生崩滑灾害后,易沿沟运动冲出,堵塞河道形成链式灾害。研究成果可为凉山州针对性开展防灾减灾工作提供数据支撑和科学参考。

基于组合权重法的云南省地质灾害灾情年度评价及预测

为合理评价云南省地质灾害灾情年度等级,探寻地质灾害的时序发展规律,并预测未来年份地质灾害灾情等级,本文选取死亡失踪人数、直接经济损失、灾情数量3个影响因素作为权重指标,采用层次分析法与熵权法相结合的组合权重法对1991—2020年地质灾害灾情年度等级进行评价。利用差分自回归积分移动平均模型(autoregressive inte-grated moving average method,ARIMA)和BP(back propagation)神经网络模型2种方法,对2021年、2022年、2023年灾情等级进行对比预测和验证。研究表明:地质灾害灾情年度具有5年的周期性变化特征,BP神经网络预测结果准确性更高,根据BP神经网络预测2023年为较轻灾年,从2019年开始地质灾害灾情年度等级有加重的趋势。

基于历史长系列资料的甘肃省历史年度洪涝灾害灾情评估研究

以甘肃省长系列年度洪涝灾情资料为研究对象,对其进行全面分析,采用皮尔逊相关分析方法剔除其中的强相关性指标,进而通过死亡人口、受灾人数、农业受灾情况、以及面临的直接经济损失、农田水利项目损失占比、倒塌房屋,利用熵值法计算评价指标权重,建立甘肃省年度洪涝灾情评估指标体系和灾情等级划分标准,以1950年~2017年系列洪涝灾害灾情资料为基础,对甘肃省历史洪涝灾情进行综合评估,划分灾情等级,分析灾情主要损失类型及分布。评估结果符合甘肃省实际,方法可为管理部门制定防灾减灾措施提供科学依据。

基于震后舆情的灾情信息提取研究

大地震发生后,通常会出现大量关于地震灾害的信息并在网络中快速传播,为快速准确地获取地震灾情信息,开展基于震后舆情提取灾情信息的相关研究。首先构建灾情信息挖掘模型,建立灾情关键词表,通过计算词向量相似度,快速提取地震灾情等相关信息。同时以“山东德州原平5.5级地震”为案例,验证构建模型在地震灾情提取方面的效果及其可行性和实用性。结果表明,该研究可为震后快速应对和处置灾情提供一定的参考数据和决策依据。

中国龙卷风时空统计特性及灾情分析

龙卷风是毁灭性的自然灾害之一,其经过之处常发生严重的破坏。针对龙卷风危害程度大但相关统计数据少的问题,本文基于《中国气象灾害年鉴》中记录的有关龙卷风的描述,对2003~2019年发生在我国境内的648次龙卷风的时间和空间特性进行统计分析,对龙卷风发生后建筑物、树木、农作物的受损情况及人员伤亡情况进行探讨,并利用熵权法综合评定的思想对龙卷风灾情进行综合评价。结果表明:我国东南沿海、东北平原及高原地区为龙卷风的常发地带;龙卷风在夏季发生的频次较其他季节高,且常发生在下午14~16时。自2003~2019年间,龙卷风导致建筑物损坏和倒塌的数量分别为282,349和86,263间,且位于我国东部地区的建筑物受损数量大于西部;龙卷风过境后,树木的失效模式主要有连根拔起、树干折断、树干倾斜及枝条折断四类,2003~2019年间树木遭受龙卷风破坏的数量累计为2,390,457棵,且位于四川、河南、江苏省的树木受损较为严重;农作物受灾、成灾和绝收面积分别为1296920.8、337,529和233,010公顷;2003~2019年龙卷风共造成388人死亡、7485人受伤,受灾人数达20,033,080人次;根据熵权法建立的龙卷风灾情综合评价模型对龙卷风灾情进行评价,得出我国华东、华南和东北地区灾情最为严重。研究结果对中国龙卷风数据库的建立和防灾减灾具有一定的参考意义。

地震灾情快速评估效果分析与改进措施

在分析地震灾情快速评估技术发展现状的基础上,对中国地震应急搜救中心地震灾情快速评估系统工作进行梳理复盘,对快速评估结果的准确性、时效性进行对比分析,就进一步改进完善快速评估工作提出措施建议,以期在未来破坏性地震应急中更好地服务于抗震救灾工作,更好发挥信息支撑保障作用。

遥感和地面调查相结合的洪涝农作物灾情评估研究

农作物种植结构和空间分布情况是洪涝灾害农作物损失估算的基础,为满足洪涝灾害灾情农作物损失快速评估的精度要求,亟须构建一种将遥感技术与地面调查相结合的农作物实时调查和灾情评估方法。以2021年河南省暴雨洪涝灾害为例,综合利用卫星遥感数据与实地调研获取的真实地物样本数据,开展河南新乡卫辉市农作物精细分类研究,结合基于遥感数据得到的洪水淹没历时演算结果,对卫辉市此次洪涝灾害事件农作物受灾情况进行评估。结果表明:卫辉市洪涝灾害类型主要为河流高水位入侵洪水和地势低洼地区内涝滞水,洪水淹没历时集中在30 d以内,最大淹没面积98.62 km~2,出现在7月31日;受灾地物类型为主要农作物玉米、道路周边的绿化林地以及卫辉市城区;提出的基于多源遥感数据和真实地物样本的洪涝农作物灾情评估方法具有较高的精度和时效性。

关于健全完善自然灾害灾情调查统计体系的思考

灾情信息是救灾工作的重要决策依据,一直以来,党和政府高度重视灾情调查统计工作,经过多年努力,我国自然灾害灾情调查统计体系的科学性、规范性得到了极大提升,但也面临一定挑战,本文对此进行介绍分析,并提出加强技术研究、提升灾害信息员业务能力等建议。

基于强降水时序特征的TSVGG-Light暴雨灾情指数预测模型构建及风险灾情一致性分布验证

文章针对强降水灾情预测问题,提出了一种基于强降水时序特征的TSVGG-Light暴雨灾情指数预测模型。该模型利用气象观测数据中的降水时序特征作为输入,对数据进行特征提取和建模,预测出未来一段时间内的强降水灾情指数。为了验证模型的有效性,文中还进行了风险灾情一致性分布验证。实验结果表明,TSVGG-Light模型在强降水灾情预测上具有较高的准确性和稳定性,并且模型预测结果与实际灾情分布具有较好的一致性。TSVGG-Light模型可以成为预测和评估强降水灾情的有效工具。

卡霍夫卡溃坝造成的下游灾情评估

2023年6月6日凌晨乌克兰赫尔松州卡霍夫卡水电站大坝被炸毁。该大坝坐落于第聂伯河下游,上游约有18亿m3水库蓄水,下游有60多个村镇、数10万居民,溃坝洪水对下游产生了巨大影响。基于Sentinel-1遥感影像,利用双极化水体指数与最大类间方差法(OTSU)提取了第聂伯河下游区域受灾前后的水域分布情况;通过对比分析溃坝前后一周内的情况提取受灾区域,结合地物分类数据和交通矢量数据,综合评估了部分重要地物的受灾情况,约170.72 km2的农田、5.14 km2的建筑被淹没,16.63%的道路存在不同程度的淹没情况。

基于微博文本和深度学习的台风灾情识别方法研究——以2010—2019年广东省过境台风为例

结合台风属性数据和多标签分类方法,以BERT-BiLSTM(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory)为分类模型,提出基于微博文本与深度学习的台风灾情识别方法,对2010—2019年登陆广东省的强台风/超强台风灾情进行识别,在粗分类获取台风灾情相关微博文本的基础上,进一步细分类为交通影响、社会影响、电力影响、林业影响和内涝积水等5类灾情。结果表明:1)提出的台风灾情识别方法粗分类和细分类精度分别达到0.907和0.814;2)强台风/超强台风的灾情占比受台风强度、路径和受灾地区发展水平等因素影响而存在差异;3)台风登陆前,灾情主要为台风预防措施导致的交通影响和社会影响。台风登陆后,灾情表现出单峰和双峰特征,反映台风灾情的变化趋势和特点。

智慧城市灾情预警数据库的数据迁移与整合技术研究

针对当前智慧城市灾情预警系统数据库数据迁移与整合过程中存在的数据丢失、一致性难以保证等问题,文章提出一种高效的数据迁移与整合技术方案。首先,通过灾情数据映射,实现不同数据库间的数据对应关系;其次,采用灾情数据提取与同步技术,确保数据的一致性和实时性;再次,利用外键约束对数据进行校验,保证数据质量;最后,运用K-means聚类整合方法对灾情数据进行有效整合。经测试实验验证,文章所提方案具有一定的可行性和有效性,能够为智慧城市灾情预警数据库的优化提供有力支持。

基于网络资源的震后应急处置灾情信息可视化平台研究与实现

地震应急工作中及时获取各类地震应急处置信息并直观展示,对震后抗震救援工作十分关键。随着信息技术的快速发展,震后网络资源中的各类灾害信息会随着时间变化呈现几何式增长且动态变化,但由于以上处置信息具有文本较长、语义内容繁杂散乱等特点,传统事件信息抽取方法在复杂长距离文本中的多类型事件抽取中容易出现嵌套实体和上下文语义复杂不明确的问题,从而影响到整体事件论元抽取的准确性。针对以上问题,采用基于Python的Selenium自动化技术+APScheduler定时模块进行数据多时段获取自动化获取,以近10年的历史灾情信息构建灾情信息语料库,并构建基于机器阅读理解框架,结合BiGRU网络的多轮问答式地震应急处置灾情信息抽取模型,对各类地震应急处置事件进行论元抽取。为了方便展示,基于WEBGL技术+VUE+PHP技术开发了地震应急处置灾情信息平台,在2023年多次地震的应用中,所提出的平台模型计算快速准确,为震后应急救援工作提供信息辅助。

基于网络灾情数据融合的震后建筑物倒塌快速评估

网络灾情数据为震后损失快速评估提供了全新的视角,而网络灾情数据语义上的模糊性和内容上的冲突性严重制约了其在应急评估中的应用。为解决其模糊性与冲突性,充分挖掘其价值,构建了基于网络灾情数据融合的建筑物倒塌快速评估模型。首先,在网络灾情数据核心词汇提取的基础上,基于云模型理论,结合蒙特卡洛模拟思想,对网络灾情数据的模糊性进行量化;其次,通过网络灾情数据的可信度和模糊性度量,对冲突数据进行修正;然后,基于D-S证据理论,融合修正后的数据,获取建筑物倒塌率评估结果;最后,利用漾濞5·21 M_(s)6.4地震后15 h、玛多5·22 M_(s)7.4地震和芦山4·20 M_(s)7.0地震后12 h内的网络灾情数据,验证该模型的有效性。案例研究表明,评估结果与实际损失相吻合,该模型可为震后建筑物倒塌快速评估提供辅助支持。