基于社交媒体数据的城市暴雨洪涝灾害风险评估——以郑州市“7·20”暴雨事件为例

近年来强降雨引发的城市洪涝灾害事件趋多,严重危害了人民的生命健康和财产安全,而客观、准确地开展城市暴雨洪涝灾害风险评估对于有效提升防灾减灾水平至关重要。但是,城市灾害点部分基础数据资料的缺失和滞后限制了城市暴雨洪涝灾害风险评估结果的准确性。随着移动互联技术的发展,民众在社交媒体上发布的相关灾害信息逐渐汇集成一种具有海量、时效性强和主题明确等特征的社交媒体数据资源,将其引入城市暴雨洪涝灾害风险评估工作对于准确刻画城市暴雨洪涝灾害的全貌无疑具有显著意义。以2021年郑州市“7·20”暴雨事件为例,首先从气象因素、基础地理信息、社会经济因素三方面选取了13个影响因子,然后基于爬虫技术获取微博数据中的内涝点信息,最后基于GBDT、XGB、RF和AdaB 4种机器学习模型对郑州市“7·20”暴雨洪涝灾害进行风险评估。结果表明:①基于上述模型得到的4组指标权重具有统计意义上的一致性,在各影响因子中,道路密度、植被覆盖指数、半小时最大降雨量和日最大降雨量在4组指标重要性排序中均位列前5,表明上述影响因子是本次暴雨洪涝灾害的主要致灾因素;②基于皮尔逊相关系数检验发现上述4种模型评估结果间的相关程度较高,所得出的极高风险区均集中在郑州市五大主城区的中心部分、中牟市东北部、新密市米村镇及城关镇、巩义市巩义站周边;③上述4种模型的AUC和ACC值均超过0.7,证实了机器学习模型在城市暴雨洪涝灾害风险评估中的有效性;相较于GBDT、XGB和RF模型,AdaB模型的评估结果精度最高,且得到的高风险与极高风险区的Rei值之和最大,表明其评估结果与实际情况相符。本研究通过将社交媒体数据引入城市暴雨洪涝灾害风险评估工作有效地提升了评估结果的准确性,可为郑州市及其他城市在类似强降水事件下的洪涝灾害风险预警和应急处置提供决策依据。

青海公路沿线暴雨洪涝灾害风险指数特征与模型研究

利用2012年1月至2021年12月青海省50个国家气象站和39个公路沿线交通气象站地面气象观测中的逐日降水量数据、地理信息数据、社会经济数据,在分析公路沿线暴雨洪涝发生发展规律、时空分布特征和不同强度降雨日数空间分布特征的基础上,采用层次分析法、自然断点法等方法对暴雨洪涝致灾因子风险指数、孕灾环境风险指数、承灾体风险指数、防灾减灾能力风险指数及风险综合指数空间特征进行了总结,并运用公路沿线暴雨洪涝灾害风险的孕灾环境、气象风险及防灾减灾能力等因子,构建了公路沿线暴雨洪涝灾害风险模型。结果表明:(1)青海省公路沿线不同强度降雨日数空间分布总体呈由东南向西北递减,致灾因子危险性最高风险区至次高风险区路段包括国道G315线的西宁-天峻路段和G227线的西宁-峨堡岭等路段。(2)暴雨洪涝孕灾环境脆弱性风险自东南、东北向西逐渐降低,孕灾环境脆弱性风险较高的路段包括国道G227线的祁连路段和G214线的共和-囊谦等路段。(3)承灾体暴露性的最高风险区主要集中在国道G109线的民和-共和路段和G227线的西宁-峨堡岭等路段。(4)防灾减灾能力较高的区域主要分布在青海省西宁、海东、海北东部和海西西部等路段。(5)青海省公路沿线暴雨洪涝灾害风险模型等级划分为暴雨洪涝最低风险(1级)、次低风险(2级)、中等风险(3级)、次高风险(4级)和最高风险(5级)。该风险模型可在气象灾害风险管理业务中进行应用,为地方交通运输部门防灾减灾救灾工作提供科学依据。

系统韧性视角下城市洪涝灾害风险减缓研究——以郑州“7·20”特大暴雨灾害为例

随着全球气候变化及城市化进程的加快,我国城市洪涝灾害频发且呈现日趋严峻的态势,造成巨大的生命财产损失,引发公众重新审视传统的应急体系。作为应急管理全过程的起点,风险减缓阶段通过灾前行动来降低灾害发生的可能性,是预防洪涝灾害发生的重要环节。文章在分析郑州“7·20”特大暴雨灾害主要成因的基础上,发现城市洪涝灾害风险减缓过程中仍存在许多问题,因此,基于“系统韧性”理论视角,文章建立一个“社会-生态-工程”韧性综合框架,以期为我国城市洪涝灾害风险减缓提供理论支撑与决策依据。

基于GIS-AHP集成的陕西省暴雨洪涝灾害风险评估

随着全球气候变化,城市暴雨洪涝灾害的频发对城市社会经济可持续发展以及人民生命财产安全造成了极大的威胁。文章为科学的进行暴雨洪涝灾害风险评估,降低洪灾损失,借助自然灾害风险理论,以陕西省为例,从致灾因子危险性、孕灾环境敏感性以及承灾体易损性3方面出发,选取9个指标因子,采用AHP为各个指标因子赋权,结合加权综合法及GIS对陕西省暴雨洪涝灾害风险进行综合评估并区划。结果表明:陕西省高危险性区域主要分布在西安市、安康市、咸阳市;高敏感性区域主要分布在西安市、咸阳市;高易损性主要分布在西安市、榆林市。

2024年我国暴雨洪涝灾害特征与防范

今年入汛以来,广东、广西、江西、湖南、福建、黑龙江、新疆等21个省份共有538条河流发生超警以上洪水。其中,长江中下游及江南部分地区强降雨持续性、极端性和致灾性凸显。针对上半年我国暴雨洪涝灾害多发情况,本文邀请专家学者分析了暴雨洪涝成因,并从加强监测预警、提升暴雨洪涝灾害韧性强度、建设人与自然和谐共生的现代化等方面提出暴雨洪涝灾害风险应对建议,以减轻暴雨洪涝灾害带来的损失。

城市暴雨洪涝灾害防控系统脆弱性的“乌卡”问题研究——以河南郑州“7·20”特大暴雨灾害为例

极端天气引发暴雨洪涝灾害造成重大人员伤亡和财产损失,而“乌卡”时代的到来加剧了城市暴雨洪涝灾害防控系统的脆弱性,其易变性、不确定性、复杂性和模糊性,使公共领导者和基层实践者在价值层面“应该降低”和实践层面“怎么降低”城市暴雨洪涝灾害防控系统脆弱性的“乌卡”问题都面临困境。分析自然、社会、管理和技术四类子系统脆弱性的“乌卡”问题,并在此基础上,提出以自然灾害综合风险管理为导向解决“乌卡”问题,通过风险识别、风险分析、风险评价、风险控制分别应对城市暴雨洪涝灾害防控系统脆弱性的“乌卡”问题特征,可以为提高城市暴雨洪涝灾害防控系统韧性提供有益思考。

特大暴雨洪涝灾害应急处置值得探讨的若干问题

今年以来,我国南方进入汛期早、降雨量大、覆盖面积广、持续时间长,引发了严重的洪涝灾害。需理性认清我国防洪形势,了解洪水风险演变特性,加快健全洪水风险管理与应急处置的法规体系,加强韧性社会建设,为实现高质量、可持续发展保驾护航。

基于GIS的渠江流域暴雨洪涝灾害风险评估与区划

基于自然灾害风险四因子理论,选取1970~2021年渠江流域内16个气象观测站逐日降水资料,结合当地的基础地理信息和社会经济数据,构建由12个指标组成的渠江流域暴雨洪涝灾害风险评估体系,利用GIS技术对其进行定量评估与区划。结果表明:(1)渠江流域北部暴雨强度大、频次高,危险性总体呈“北高南低”的特征。(2)渠江流域南部地势低洼、河网密布、人口密集、经济发达,暴露性和脆弱性总体呈“南高北低”的特征。(3)南江、巴中北部、平昌西北部、渠县、广安、大竹和邻水西侧暴雨洪涝灾害综合风险最高,不同地区高风险的主导因素存在差异。

城市暴雨积涝灾害风险评价指标体系与概念模型

城市暴雨积涝灾害是一种突发性强、破坏性较大、处置救助较为困难的气象灾害之一,给城市居民生命安全及城市基础设施建设带来重大损失。研究依据自然灾害风险理论及自然灾害风险形成机制,阐述了城市暴雨积涝灾害相关概念,在此基础上构建了城市暴雨积涝灾害风险评价概念框架,从致灾因子的危险性、承灾体的暴露性与脆弱性、防灾减灾能力四个方面选取评价指标并构建指标体系,利用加权综合评价法、层次分析法建立城市暴雨积涝灾害风险评价模型,为城市暴雨积涝灾害风险定量评价研究提供了依据。

基于GIS的松花江干流暴雨洪涝灾害风险评估

以黑龙江省内的松花江干流流域作为研究区,从现代灾害风险理论出发,综合运用GIS空间分析和灾害风险评估数学方法,对松花江干流流域的暴雨洪涝灾害风险进行了定量评价。研究利用遥感数据和社会经济数据,在空间分析基础上,通过对暴雨洪涝灾害的危险性、承灾体的暴露性、脆弱性以及区域防灾减灾能力的分析,确定影响各个县市暴雨洪涝灾害风险的具体方面。并将因子集成为洪涝灾害风险指数(FDRI),在此基础之上绘制出松花江干流流域的洪涝灾害风险区划图,结果表明松花江干流洪涝灾害风险以哈尔滨和佳木斯两市最大,上游洪涝灾害风险大于下游。

基于GIS技术的海南岛暴雨洪涝灾害风险区划

选取暴雨洪涝灾害较为严重的海南省为研究对象,综合考虑致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力等4因子的综合作用,将暴雨洪涝灾害风险性评价技术和GIS技术相结合,对暴雨洪涝灾害风险程度进行评价和等级划分,并绘制海南岛暴雨洪涝灾害风险区划图。研究结果表明:海南岛暴雨洪涝灾害风险是由中部地区向四周沿海地区逐渐增大。

基于土地利用变化情景的城市暴雨洪涝灾害风险评估——以深圳市茅洲河流域为例

近年来频发的暴雨洪涝成为威胁城市可持续发展的主要灾害类型,而土地利用变化改变了区域原有的景观结构和水文过程,是城市暴雨洪涝灾害风险加剧的重要诱因,定量探讨土地利用变化对暴雨洪涝灾害及其风险影响具有重要意义。以深圳市茅洲河流域为例,基于CLUE-S模型、SCS模型及等体积淹没算法等,对12种暴雨洪涝致灾-土地利用承灾情景下的城市暴雨洪涝灾害风险进行定量模拟。研究结果显示,相同土地利用空间格局下城市暴雨洪涝灾害随暴雨致灾危险性增加风险加剧显著;在同等致灾危险性水平下随建设用地面积增加,中等风险和高风险区面积均呈现较为明显的增加趋势,中、高风险区面积与建设用地面积的增加率表现出较高的协同变化特征;以50年遇危险性水平为例,随着建设用地面积由基期的15368.85hm^2增加至近期16076.07hm^2和远期16750.89hm^2,高风险区面积由254.07hm^2增加至276.48hm^2和286.2hm^2。由此可见,尽管暴雨强度的增加是城市暴雨洪涝灾害风险加剧的根本诱因,但是以建设用地面积增加为表征的土地利用变化对暴雨洪涝灾害风险的影响不容忽视。

辽宁省暴雨洪涝灾害风险评估模型的建立与应用

基于自然灾害风险理论,从致灾因子危险性、承灾体暴露性、孕灾环境敏感性和防灾减灾能力四方面选取指标,构建辽宁省短时暴雨洪涝灾害风险评估指标体系,采用层次分析法确定各指标权重,建立风险评估模型.利用GIS空间分析,从市级行政单元尺度和1km×1km格网两种尺度出发,对辽宁省2013年"8.16"暴雨洪涝灾害进行评估.评估结果表明:东部风险高,西部风险低,其中高风险和较高风险区主要分布在辽北、辽东北,东部低山丘陵区的西南地区,包括铁岭、抚顺、辽阳、鞍山等地;低风险和轻微风险区主要分布在西部低山丘陵区、辽河平原中西部的朝阳、葫芦岛、锦州、盘锦等地.市级、县级评估结果在风险分布范围上与实际灾情基本吻合,且在综合精度上均与直接经济损失值显著相关,市级相关性更高,表明此次暴雨洪涝灾害风险评估结果较好,该模型具有一定的实际意义和应用价值.

基于GIS的大连市暴雨洪涝灾害综合风险评估

利用大连市日降水数据和社会经济数据,采用层次分析法(AHP)和熵权法,结合GIS技术,从暴雨洪涝灾害的危险性、暴露性、脆弱性和防灾减灾能力4个因子入手,选取18个暴雨洪涝灾害综合风险评价指标建立大连市暴雨洪涝灾害综合风险评估模型,对大连市暴雨洪涝灾害的综合风险进行评估。结果表明:从暴雨洪涝灾害危险性空间分布来看,大连市具有东北部、西南部地区较高,中部地区较低的特点;北部地区暴雨洪涝灾害暴露性和防灾减灾能力均较低,而南部区域较高;西南部、中部地区暴雨洪涝灾害脆弱性较高,东北部、南部地区脆弱性较低。大连市暴雨洪涝灾害综合风险等级以中风险为主,占全市总面积的41.3%,从大连市的东北到西南方向呈片状分布;其次是低风险区,占全市总面积的20.93%,主要分布在庄河市的西北部和瓦房店市;高风险区域面积小,仅占全市总面积的0.72%,集中分布在沙河口区和长海县。沙河口区和长海县作为大连市暴雨洪涝灾害的高风险区,在极端暴雨条件下极有可能发生洪涝灾害,已成为防洪工作的重点关注地区。

基于风险度的青海省暴雨洪涝灾害风险评估

基于自然灾害风险原理,结合青海省气象数据、地理信息数据、社会经济数据,并利用主成分分析法、GIS自然断点法对青海省暴雨洪涝灾害致灾因子危险度、承载体易损度评估模型以及暴雨洪涝灾害风险度进行评估,结果表明:青海省不同强度降水日数均呈增多趋势,新世纪以来中雨日数及强降水日数增加趋势尤为明显;暴雨洪涝灾害致灾因子危险度呈由东南向西北降低的趋势,承载体易损度为东北部地区最高,南部以及西部地区最低;暴雨洪涝风险较高的地区主要集中在东部地区,互助、湟中、大通、西宁为高风险区,东部大部地区、环青海湖地区为较高风险区,西部地区为低风险区。该评估结果可以在气象灾害风险管理业务中进行应用,可以加强对暴雨洪涝灾害风险的影响程度及影响区域的判定,为地方防灾减灾救灾工作提供科学依据。

基于1km网格的北京暴雨洪涝灾害风险区划

目前许多城市暴雨洪涝灾害综合风险区划对暴雨在复杂地形下可能引发的山洪与地质灾害造成的高风险以及对城市交通安全风险估计不足,同时常规的气象观测资料已难以描述暴雨致灾危险性精细化分布。本文基于自然灾害风险评估理论,利用遴选的293个北京气象自动站2006—2017年逐时降水观测资料、北京2015年1∶25万基础地理信息、2016年Landsat8晴空遥感影像、灾情资料以及网格化的社会经济资料,在承灾体暴露度基础上充分考虑了承灾体对暴雨引发的城市积涝、山洪与地质灾害灾损敏感性差异,从暴雨致灾危险性、孕灾环境敏感性、承灾体易损性3个方面开展了北京地区暴雨灾害1km分辨率的精细网格化风险评估与区划,并结合实际案例进行了分析。结果显示:(1)基于高密度降水观测资料提取的网格化短历时暴雨频次和暴雨量能较为精细地评估致灾危险性;基于遥感与GIS提取的不透水盖度、地形起伏度与河网密度可有效评估暴雨洪涝孕灾环境敏感性;基于1km格网化的GDP、人口密度和路网密度以及灾损敏感系数可有效评估暴雨引发的积涝、山洪与地质灾害对人员、财产和公路交通的易损性;(2)与已有成果比较,本次北京暴雨洪涝风险区划不但凸显了暴雨对城市的积涝风险,也凸显了暴雨引发的山洪与地质灾害风险,同时突出了暴雨对城市交通设施安全的影响;(3)风险区划结果基本反映了北京市暴雨灾害的潜在风险,北京暴雨洪涝灾害防御的重点区域应放在风险较高的三个区域。

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。

基于GIS多准则评价与BP神经网络的暴雨洪涝灾害风险辨识--以闽三角地区为例

灾害风险辨识是灾害有效防控的重要环节之一,辨识体系与风险水平之间的非线性复杂关系使研究方法向精细化、智能化转型。闽三角地区是我国重要的沿海经济开放区,独特的“山-海”自然地理格局、起伏破碎的地形、高发的台风暴潮和极端短时降雨特征使其常遭受洪涝灾害侵扰。以闽三角为例,将生态服务价值纳入风险评价体系,构建基于GIS多准则评价与BP神经网络模型的风险辨识方法,旨在完善评价体系的同时,弥补传统评价方法存在的非线性缺陷和主观依赖,并以此为基础,进一步探究该地区风险空间分布规律和空间格局,为灾害风险防控提供思路。结果表明:①基于GIS多准则评价与BP神经网络模型的风险辨识方法能够系统准确的认知暴雨洪涝灾害风险水平与空间分布;②高风险区主要分布在河流沿岸、河口处、湾区,且人口、经济活动较活跃地区,城市化发展快速区与缓慢区相比,更容易遭受洪涝灾害威胁;③洪涝风险以高-高和低-低集聚为主,风险根据空间自相关性特征分为“整体随机”“局部随机-邻域集聚”和“整体集聚”三种类型。最后根据风险特征将闽三角地区高风险分为“厦门集美版块”“泉州湾区版块”“漳州县区版块”,分别提出灾害治理建议。

城市化进程对暴雨洪涝灾害风险影响效应研究——以闽三角地区为例

暴雨洪涝灾害是威胁城市持续稳健发展的常见灾种,城市化对灾害风险存在加剧或抑制的复杂作用。以闽三角为例,基于多源数据、GIS多准则评价、BP神经网络模型辨识风险分布,采用空间计量模型分析社会经济城市化、土地城市化与灾害风险的特征,判断不同城市化水平的高风险区分布及风险因子对灾害的影响效应。结果表明:(1)闽三角综合高风险区主要分布于河流沿岸、河口和湾区附近;(2)社会经济城市化水平较高的地区脆弱性高,城市化水平较低的地区危险性高;(3)洪涝灾害风险与土地扩展强度存在显著聚类和空间正相关的可能性,而快速城市化地区更容易受到洪涝灾害风险的威胁;(4)空间滞后模型计算结果表明危险性风险与人口聚集为正相关,与社会经济活动活力存在负相关,即人口密度大、社会经济失活,灾害危险性越高。最后针对不同城市化水平高风险点提出灾害防控建议。