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。

自然灾害强度的评估方法及应用--基于综合灾情指数的研究

自然灾害造成的损失通常表现在多个方面,为了客观、全面地评估自然灾害,需要综合考虑多种灾情因素,最终才能得到灾害的总体评估结果。综合灾情指数(SDI)是对一系列灾情评价因子进行归一化、加权求和,这样得到的定量化的灾害评估指数,能够综合反映灾情信息。阐述了具有通用性的综合灾情指数,并设计开发了综合灾情指数工具,该工具包括评价因子、设置权重、规范化灾情指数和综合灾情指数4个模块。以汶川地震为例,利用综合灾情指数工具,对地震重灾区的灾害强度进行了综合评估。通过分析评估结果,综合灾情指数的分布真实地反映了受灾的严重程度,显示出该工具具有较好的实用性和有效性。

基于综合灾情指数方法的2012—2016年江西省自然灾害灾情分析

[目的]评估2012-2016年江西省灾情区域分布格局,为相关部门快速评估、科学决策提供参考。[方法]选择受灾人口、因灾死亡失踪人口、紧急转移安置人口、农作物受灾面积、绝收面积、倒塌房屋户数、损坏房屋户数和直接经济损失等指标进行评估,利用灾情综合指数法构建灾情指数,评估2012-2016年江西省自然灾害灾情。[结果]从灾情绝对指数来看,赣州市、九江市、上饶市灾情突出,南昌市、新余市、鹰潭市灾情较轻;从灾情相对指数来看,景德镇市、萍乡、九江市相对重,南昌市、新余市、鹰潭市相对轻;综合考虑灾情绝对指数和相对指数,分为4个类型,即灾情总量较大且对本地产生较大影响(上饶市、抚州市、九江市)、灾情总量较大但对本地影响较小(吉安市、宜春市、赣州市)、灾情总量较小但对本地影响较大(萍乡市、景德镇市)以及灾情总量较小且对本地影响较小(新余市、鹰潭市、南昌市)。评估结果与各设区市的实际情况相符。[结论]该研究所给出的综合灾情指数法是评估区域灾情强弱的合理有效方法,可以推广使用。

洞庭湖区农业气象灾情指数与作物模式产量的灰色关联分析

为探明关键气象灾害对环洞庭湖区作物及种植模式的危害情况,为防灾减灾提供科学依据。基于1994—2013年岳阳站、常德站、益阳站的农业气象资料和《湖南农村统计年鉴》环洞庭湖区各作物的产量,对该地区农业气象灾害的灾情指数、作物产量进行分析,并对灾情指数和作物产量及种植模式产量进行灰色关联分析。结果表明,环洞庭湖区气象灾害主要是高温、干旱、低温和洪涝。环洞庭湖区各地区出现灾年的时间是不完全相同的,还是存在地区差异性。灰色关联分析表明:高温对常德和益阳地区的作物产量影响最大,而轻度干旱对岳阳地区的作物产量影响最大。对双季稻+冬闲、一季稻+油菜、油菜+棉花和油菜+玉米4种种植模式来说,高温和轻度干旱对其影响最大,其次还有倒春寒、轻度洪涝、中度干旱、轻度寒露风和4月低温等灾害影响较大。

自然灾害灾情指数构建及其期权定价研究

文章基于熵权理论构建一种新的农业自然灾害灾情指数,以该指数为标的开发自然灾害灾情指数期权合约。以保险精算定价理论为基础,基于跳扩散过程对期权定价。研究表明:不同地区评价因子的权重不同,基于熵权理论的灾情指数编制法能有效避免人为设置权重的主观任意性,该指数能有效捕捉并刻画灾情程度。含跳扩散过程的二元期权价格普遍高于B-S模型下的价格,且到期时间越长,价差越大。

马尾松毛虫灾情指数的方差分析周期外推预报

为了提高马尾松毛虫Dendrolimus punctatus Walker灾情预报结果的准确性,为提高防治效果提供科学依据,本文采用方差分析周期外推预报法,以安徽省潜山县的马尾松毛虫各代幼虫累计发生量和当代发生面积计算求得的灾情指数为依据,进行方差分析周期外推预报,并对预报结果进行验证。预报结果的历史符合率,1989-2016年全年灾情指数预报结果历史符合率为89.29%;预报2017年的结果与实况一致。1989-2016年的越冬代历史符合率为89.29%,2017年预报值与实际完全一致。1997-2016年的一代预报结果历史符合率为100%。1989-2016年的二代预报结果的历史符合率为85.19%。2017年由于越冬代飞防使用灭幼脲,使当年一、二代虫口大幅度降低,预报值高于实况。方差分析周期外推预报法对马尾松毛虫的灾情指数预报是一种较理想的预报方法。

综合灾情指数——一种自然灾害损失的定量化评价方法

自然灾害损失评价涉及人口、农业、房屋、经济等多项灾情指标,是典型的多元指标综合分析问题。如何设计合理的定量化评价指数,对灾害风险管理、损失评估和相关政策制定,具有重要意义。现有灾情评价方法和灾情指数,或对量纲差异较大的灾情指标敏感,或无法同时对不同区域的灾情时空分布进行比较,缺少综合性、兼顾时空分布的评价方法。针对上述问题,提出了一种新的基于几何平均的综合灾情指数计算方法。相较现有方法,该文提出的指数可同时在时间和空间两个维度对给定区域的灾害损失进行定量化的评价,且对指标分布偏倚的多元灾损数据不敏感。在2014年我国分省洪涝(含地质灾害)损失数据上的计算结果验证了新指数的有效性。

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。

2022年贵州省自然灾害灾情时空特征分析

本文基于贵州省2022年年度灾情数据,采用自然断点(Natural Breaks)空间数据分类分级方法加权标准化灾情指数(Weighted Standardized Disaster Index,WSDI),基于加权标准化灾情指数和4个维度指数对贵州省受灾情况进行了分类分级,并对贵州省自然灾害分布和变化趋势情况进行了分析。从空间分布来看,贵州省2022年自然灾害分布总体呈北部重、中部轻的规律;从灾害类型来看,洪涝、干旱两种灾害影响最为严重;从灾害时间分布来看,6、7两月灾情最重。

利用综合灾情指数巨灾期权应对台风登陆造成损失的研究

我国是遭受台风灾害最严重的国家之一,台风灾害造成损失巨大。 长久以来,以政府为主、市场为辅的应对巨灾的方式早已不再适应快速发展的经济社会,加之我国巨灾保险面临交易量小、理赔压力大等困境,借助金融市场可较好地分散台风风险。 文章说明了台风登陆我国造成巨大损失的现象,描述了巨灾期权的运作机制,阐明了基于台风登陆时期的综合灾情指数的巨灾期权契约的内涵,最后总结了综合灾情指数巨灾期权相对传统的风险分散方式的优势,并提出了顺利实施综合灾情指数巨灾期权的政策建议。

基于微信文本的台风灾情快速评估方法研究

利用Python程序采集了与2019年台风“利奇马”和“白鹿”相关的1 036篇有效微信文章,抽取其中的灾情信息,基于词云图分析了灾害应急信息类型并给出台风“利奇马”中各省灾情大小的排序;构建了省级台风灾情指数并以此验证上述灾情排序结果.结果表明:(1)在台风的不同阶段,大众的关注内容反映出不同的灾害应急信息类型,在台风登陆前,主要为交通信息、天气预警;台风登陆时(后)主要为交通信息、天气预警、伤亡及营救、次生灾害、电力中断、事件/人物追踪、灾后恢复等;台风消亡后,主要为伤亡及营救、灾后恢复;基于微信文本数据推测的各省灾情排序为浙江、山东、上海、安徽、江苏、福建、中国台湾、湖南;(2)台风“利奇马”的灾情指数为11.57,处于大灾区间范围内,台风“白鹿”灾情指数为1.33,处于轻灾区间范围内;在省级台风灾情指数中,各省灾情排序依次为浙江、山东、安徽、江苏、上海、辽宁、河北、吉林、福建,与基于微信文本数据推测的各省灾情排序基本吻合.

浙江省热带气旋灾情的评估

本文采用数理统计的方法 ,对 194 9～ 1990年影响浙江省的热带气旋所造成的灾情特征进行了分析 ,建立了灾情指数序列 ,并由此客观地划分了灾情等级 。

洞庭湖区洪涝灾情评估与分析

运用三因子联立评估法，评定了洞庭湖区洪灾、涝灾和洪涝灾的灾度，进行了相应的分析；构建了洪涝灾情指数，并运用联环替代法对各灾情因素的影响进行了分析．分析得出：洞庭湖区洪涝灾度具有阶段性和准周期性等特征；洪灾灾情因素是综合灾情变化的主导影响因素；各灾情因素影响方向不完全一致，其中起放大作用的因素反映出洪涝灾害的新特点；涝灾日趋严重，应加强涝灾治理。

基于韧性视角的福建沿海风暴潮风险综合评估研究

本文基于城市安全韧性三角形模型,构建韧性城市视角下的风暴潮灾害综合风险评价框架,采用2011—2020年福建省33个沿海县(区、市)数据,通过城市适灾韧性评价指标体系,科学评价福建沿海城市适灾韧性水平时空分异特征,借助地理信息分析工具,综合风暴潮灾害危险性、脆弱性和城市韧性的评价结果,实现福建省域尺度风暴潮灾害综合风险区划。结果表明:(1)福建省2020年沿海城市适灾韧性水平从高到低依次为:福州、厦门、漳州、泉州、宁德、莆田;(2)随着各沿海城市适灾韧性水平的稳步提升,福建省风暴潮灾情等级指数呈下降趋势;(3)风暴潮综合风险I级区主要分布在莆田的兴化湾、湄洲湾沿岸;(4)在灾害防御建议方面,应重点关注河口、喇叭型湾口等地区,应重点防范北部路径和中部路径的台风风暴潮,应因地制宜制定海洋防灾减灾对策和韧性城市建设规划。

区域灾情评价模型

自然灾害发生的次数和灾害种类与灾情强度密切相关,因此有必要对灾情强度进行合理的评价。首先用灾次指数D_i和灾种指数D_i′来量化单灾种的多发性和多灾种的群发性,提出了计算D_i和D_i′的方法,然后在此基础上建立了量化灾情强度指数Q的模型,该模型适用于单区域和多区域中多种灾害发生的情况。对北京市怀柔、平谷和海淀3个区进行了模型的实例应用,考虑洪灾、冰雹灾和旱灾3种灾害情况,结果表明,怀柔区的灾情强度指数高于平谷和海淀区,3种灾种中冰雹灾的灾情强度指数高达42.76％。

TC灾情评估分析及减灾对策

对比分析0216号台风Sinlaku、9417号台风Fred、9909号热带风暴Wendy等20世纪90年代以来3个“著名”热带气旋(TC)对温州造成的灾情评估指数和灾情指数,发现:Sinlaku的灾情指数大大低于同样在温州登陆、同样时逢天文大潮、强度、路径相似、灾情评估指数相近的台风Fred的灾情指数,甚至明显低于灾情评估指数定义为中灾的9909号热带风暴Wendy。说明气象预报的准确及时与科学的防御减灾措施可以非常有效地降低自然灾害造成的经济损失及对社会发展的负面影响。文中提出了一些减灾对策,可供政府和有关部门参考。

2000-2007年省级区域自然灾害灾情分析

自然灾害是严重影响人民正常生产生活、国家经济持续发展的突发公共事件。区域自然灾害评估对于做好防灾减灾工作有着重要的意义。对区域灾情进行了综合评估,归纳总结了区域灾情分布规律。选择受灾人口、死亡人口、紧急转移安置人口、农作物受灾面积、农作物绝收面积、倒塌房屋、损坏房屋和直接经济损失等8个基本指标参与区域灾情评估,并利用灾情综合指数法构建了灾情指数,其中绝对指数反映了区域灾情的绝对强度,相对指数反映了区域灾情对当地社会经济的影响程度。用灾情指数综合评估了我国东、中、西部三大地带以及省级区域的灾情强度和空间分布规律,认为西部区域受灾程度最大,自然灾害对其的影响程度最深,其次是中部地区和东部地区;文章利用综合灾情的绝对指数和相对指数的对应关系,将我国大陆地区的31个省级单元划分为4类地区,即灾情总量较大且对本地影响较大、灾情总量较大但对本地影响较小、灾情总量较小但对本地影响较大以及灾情总量较小且对本地影响较小等4种类型。文章给出的灾情区域分布规律符合灾害系统理论,特别反映了承灾体的暴露度、脆弱性和抗灾能力是区域灾情强度的决定因素。评估结果与区域实际情况相符,说明所给出的灾情指数评估法是评估区域灾情强弱的合理有效方法。

面向重大洪涝灾害应急响应的灾情动态评估方法研究——以2018年8月山东寿光洪涝灾害为例

以2018年8月山东寿光洪涝灾害为例,根据应急响应阶段救援队伍重点关注的承灾体灾情对象,以区域洪水淹没历时为致灾因子强度指标,采用灾情指数法构建了一种用于辅助洪涝灾害应急救援决策的洪涝灾害灾情动态应急评估方法—应急灾情指数法,包括:1)利用多时相遥感影像,获取8月21-25日山东寿光洪水淹没区域动态提取结果;2)基于淹没历时,结合人口、土地利用类型和道路等基础地理数据,计算应急灾情指数;3)利用应急灾情指数对洪涝灾害淹没区域的灾情实现应急动态评估.结果表明,本次洪涝灾害过程中,受灾最严重的区域为淹没区西部的口子村、东北部的南宅科村、李家营村、李家湾村和东部的佛屋村,该区域是此次洪水事件中应急救援的核心区域,并利用网络灾情对评估结果进行验证.本文提出的基于应急灾情指数的洪涝灾害灾情动态评估方法的评估结果良好,评估精度较高.研究结果以期为洪涝动态评估提供方法参考,并为寿光市洪涝灾害应急救援工作提供科学依据.

2000年浙江省热带气旋灾情评估

分析了热带气旋灾害对社会经济发展的影响 ,说明了科学减灾的重要性。并通过对 2 0 0 0年热带气旋的灾情分析 ,得出实况灾情小于要素评估系统计算得到的灾情指数 ,说明正确预报与及早采取科学减灾措施是可以把灾害造成的经济损失减少到最低程度的。

1978—2020年云南自然灾害损失程度评估

引入客观赋权的熵权法和几何平均模型,对综合灾情指数法的评估过程进行改进。基于改进的综合灾情指数法,利用1978—2020年云南省9种主要自然灾害灾情数据,以及社会经济统计数据,选取人员受灾、农作物受灾、房屋倒损、经济损失4个因子7个具体指标构建综合灾情的绝对和相对指数,对灾害损失程度进行分级评估。结果表明:从灾害损失总量来看,损失较重的区域分布在滇东的昭通—曲靖—文山一带,以及滇西的大理—楚雄—普洱地区。从社会经济受影响的程度来看,损失较重的区域分布在滇西的迪庆—怒江—丽江—楚雄—普洱一带,以及滇东的昭通、文山地区。改进的综合灾情指数在指标权重确定、指数计算和损失程度分级过程中避免了人为的主观任意性,评估结果与区域实际情况相符,表明该方法具有较好的实用性和有效性。