Landsat 8在橡胶林台风灾害监测中的应用

台风对橡胶林的影响是一个复杂的过程。选择1973年以来登陆华南的最强台风"威马逊"(201409)作为研究案件。通过台风登陆前后的Landsat 8遥感数据,利用橡胶林NDVI值的变化表示橡胶受损的程度,分析了它与台风破坏潜能、地形指数的相关性,并建立了台风对橡胶林植被的影响力指数,借此可以开展台风对橡胶林植被的影响预测。结果表明:(1)橡胶NDVI值的变化能从一定程度上反映橡胶受台风影响的程度,说明Landsat 8遥感数据能用于监测台风对橡胶的影响。(2)风速是决定橡胶林破坏严重程度的主要因子,台风破坏潜能指数能客观反映台风对橡胶林的影响程度。(3)定义的台风对橡胶林植被影响力指数,能从一定程度上预测台风对橡胶林的可能影响程度,但仍需要大量个例对其进行验证。     

地形因子对海南岛台风降水分布影响的估算

台风登陆过程中,地形对台风降水有明显的作用,及时了解台风过程中降水的空间分布信息对灾害预测预警有着重要的意义。基于最小二乘的多元线性回归方法,利用1953-2005年间登陆海南岛的台风(不包括其他热带气旋)的降水资料,建立了台风过程中年平均降水量与地形因子(地形高程、坡度、坡向)的关系模型,估算了海南岛台风过程中降水量的分布,分析了地形对其的影响,为后期台风灾害过程中降水的地形影响分析提供参考。     

长三角地区台风危险性定量分析

台风灾害是影响我国最主要的自然灾害之一。由于地处西北太平洋西侧,长三角地区每年都会受到台风的侵袭。根据中国气象局公布的1949-2010年西北太平洋台风最佳路径数据,首先提取了影响长三角16个城市的台风最大风速数据,分别从台风影响频次、强度和最大风速极值分布的角度定量地分析了各个城市的台风灾害危险性,并通过对比分析得出了台风灾害危险性在长三角地区的分布状况。结果显示,台风影响频次和强度都呈现从东南向西北递减的趋势,综合台风影响频次、强度和极端台风重现水平,这16个城市可以划分为3个危险等级:"高危险"城市,包括台州、绍兴、宁波和舟山;"中危险"城市,包括杭州、上海、嘉兴、湖州、无锡和苏州;"低危险"城市,包括南通、常州、镇江、南京、泰州和扬州。致灾因子危险性定量评估是灾害风险评估中重要的一环,研究结果可供制定长三角地区台风灾害防灾规划参考。     

海南岛7314号台风灾害

“气象灾害”在海南岛可谓灾害之首,在首害当中应属台风灾害为最。每年5～10月台风季节海南岛均受到不同程度的影响并带来灾害,特别是1973年9月7314号台风给海南岛东部的琼海县以毁灭性的破坏。 1 移动路径及强度 7334号台风,9月12日由菲律宾以东洋面移入南海东部海面后,由热带低压逐渐加强,13日中心附近最大风力增强到12级,并直向西移,于9月14日晨4～5时在海南岛东部琼海县博敖港地区登陆。以后继续向偏西方向移动,穿过海南岛中部,14时左右台风中心由海南岛西     

海南岛天然橡胶主要气象灾害风险区划

海南岛是中国天然橡胶的主产区之一。海南岛天然橡胶面临的主要气象灾害有寒害和风害,因此开展橡胶的气象灾害风险区划,可有效提高海南天然橡胶气象灾害的防御能力。根据海南岛1971-2010年的气象数据和1988-2012年海南橡胶种植数据及TM遥感图像提取的2009年海南岛橡胶分布信息,基于风险形成的机理,选择致灾因子危险性、孕灾环境暴露性、承灾体脆弱性和防灾减灾能力等4个因子,分别开展了橡胶寒害和风害的风险评价,并在此基础上得到了海南天然橡胶主要气象灾害综合风险评价结果。结果表明:高风险区域和较高风险区域分布在海南岛琼海的西部、琼中、万宁的西部、五指山、三亚等地;中等风险区域分布在屯昌、澄迈、琼海、保亭南部、白沙、乐东等的大部分地区;较低风险区域和低风险区域主要分布在昌江、东方、儋州、海口等的部分区域。     

面向对象分类方法在台风灾害信息提取中的应用研究

台风灾害是全球损失最严重的十大自然灾害之一。如何在灾情发生后,快速地进行灾情预评估与应急响应决策是目前灾害研究的重要方向。基于2013年台风"海燕"登陆前、后的菲律宾独鲁万市部分区域的卫星遥感影像,采用面向对象的方法进行了灾害检测,提取了研究区域的地物信息,并与基于像元的传统方法进行了比较。结果表明,面向对象的分类方法在台风灾害前影像分割尺度为30%,融合尺度为84%,台风灾害后影像分割尺度为15%,融合尺度为95%时分割效果最佳;最终,面向对象分类灾害前总体精度达到95.65%,Kappa系数达0.93,灾害后总体精度达到93.19%,Kappa系数达0.90;另一方面,最大似然法也优于ISODATA分类法与最小距离法,但仍不及面向对象的分类方法。     

长三角地区台风灾害风险评估

中国长三角地区由于濒临西北太平洋,成为受台风灾害影响最严重的地区之一。结合灾害风险理论,将该地区16个地级市的140个县(包括一般县、县级市和市辖区)作为研究单元,对台风灾害风险进行了评估。选用台风大风和台风降雨等10个指标,采用主成分分析法计算了各县的台风致灾因子强度指数;选用各县2006年底人口密度、地区生产总值和第一产业产值占总产值的比例等3个指标,采用主成分分析法计算了其承灾体脆弱性指数;将致灾因子指数与脆弱性指数相乘,得到了各县的台风灾害风险指数,从而得到了风险等级图。该风险等级图揭示了台风灾害风险在长三角地区的等级分布状况,可以为长三角地区台风灾害防范策略的制定提供参考。     

福建省台风灾害及减灾对策研究

根据《台风年鉴》和《福建省气候影响评价》,以及福建省防汛办的台风灾情记录及其它台风资料,分析了福建省台风灾害具有：颇次高,强度大,灾害时间集中,频度大,影响范围广,登陆地点集中;灾情严重和连锁反应显著等特点．并讨论了台风灾害对福建省经济发展的影响．最后针对福建省台风灾害特点提出减轻台风灾害的对策．     

我国台风灾害成因分析及灾情预估

利用1980-2004年的台风基本资料,对我国台风(包括热带气旋、热带风暴、强热带风暴、台风、强台风和超强台风)灾害的成因进行了初步分析,结果表明:台风引起的大风和降水以及登陆台风的强度和登陆点位置等都是我国台风致灾的重要因素.综合表征台风灾情的ATDI指数和台风造成的直接经济损失与台风大风、降水、登陆台风强度及移速关系密切,而房屋倒损则主要与台风引起的大风有关,农田受淹则主要取决于台风降水.在此基础上,建立了综合表征台风灾情的ATDI指数以及因台风而倒损的房屋数、受淹的农田面积和造成的直接经济损失等的预估模型.对历史样本拟合和对2005年6个台风的独立样本回报表明:模型具有较好的预估能力,对台风灾害各等级的拟合和预估误差不大于1个等级的样本约占总样本数的83%～96%(完全准确的样本在50%以上).     

长三角地区台风灾害链特征分析

利用1951-2008年58年的历史台风资料分析了台风致灾因子,提取了影响长三角地区的187场台风并根据台风路径频率,将影响长三角地区的台风划分为西行、穿越和北上3类优势路径和一类特殊路径。然后,结合自然环境特征和DEM高程数据,将长三角地区台风孕灾环境划分为海岸带、北部平原和南部丘陵3个区域,并分析了每个区域发生的主要台风灾害链类型。针对"云娜"、"芸妮"和"爱娜斯"3个台风案例,分析了台风路径与不同孕灾环境组合形成的不同台风灾害链。结果表明:海岸带易引发台风-大风-巨浪或风暴潮灾害链;丘陵区域易引发台风-暴雨-山洪、泥石流和滑坡灾害链;平原地区易引发台风-暴雨-平原洪水和内涝灾害链。西行类台风影响海岸带和南部丘陵地区,易形成海岸带和南部丘陵区的台风灾害链;穿越类台风影响整个长三角地区,3种类型的台风灾害链都易发生;北上类台风一般只影响海岸带,易形成海岸带的台风灾害链。     

“山竹”台风影响地区的小时降雨动态变化及危险性动态评估

台风暴雨对台风登陆地区有着很大的影响。为探究台风暴雨事件的具体变化过程,以2018年的超强台风"山竹"为例,分析了该台风登陆我国东南沿海地区前后73 h的逐小时降雨变化过程,并评估了暴雨灾害危险性和其动态变化。主要内容和结论包括:①计算该事件的总降雨量与最大小时降雨强度探究事件的整体特征,总降雨量达到389 mm,最大小时降雨强度达到74 mm,且均发生在广东省境内;②计算小时降雨面积分析此次事件的动态变化过程,同时探究台风登陆前、中、后的平均小时降雨面积比例的变化,发现降雨强度在台风登陆前与中最大,随着台风消退而减小,降雨范围随着台风路径移动并逐渐扩大,在台风消退后逐渐缩小;③评估此次事件的暴雨灾害危险性,高危险区出现在广东与海南部分地区,分析台风登陆前后的危险性变化发现台风登陆后12 h内是暴雨灾害危险性最高的时期。分析此次事件的降雨变化过程及评估其暴雨灾害危险性主要目的是为台风暴雨灾害预测研究提供案例与研究经验。     

“桑美”台风及其预报服务

2006年8月10日,超强台风"桑美"(Saom ai)在浙江省苍南县马站镇登陆,登陆时中心附近最大风力17级(60m/s),中心气压920hPa,是建国以来登陆我国最强的台风。中央气象台对"桑美"的路径和强度预报较为准确,预警服务及时,各级政府采取措施得当,减轻了台风造成的人员伤亡和财产损失。面对百年一遇超强台风的袭击,政府应加强台风灾害应急体系建设,科学设计房屋建筑结构,统筹规划防台风的公共安全设施建设,加强科普宣传和救援队伍建设。     

基于GIS的台风灾害损失评估模型研究

由于台风灾害所造成的损失有些是无法用精确的数学模型来描述,其损失可能是一个区间值。为准确及时地了解台风灾害过程中可能造成灾害损失等级的大小,选择了降水量、降水强度、最大风速、经济易损性作为评价的指标。采用可拓分析方法,将评价指标及其特征值作为物元,通过计算综合关联度判断灾害损失的等级;建立基于GIS的台风灾害损失评估模型,以实现台风灾害的动态评估。     

台风对天然橡胶影响评估模型研究

灾害评估模型的建立往往需要有大量历史统计资料作为支撑,然而在实际研究中会存在收集资料不全或统计数据灾情衡量标准不一致的情况,这给灾害模型的建立带来了一定的困难。受到逆向工程设计思路的启示,为实现台风对天然橡胶造成灾害损失程度的快速评价,尝试着以典型个例分析为基础,以2005年对海南天然橡胶造成严重损害台风"达维"为例,从孕灾环境、致灾因子和承灾体三方面选择橡胶灾情评估因子,通过分析天然橡胶受损的程度与相关因子的分析,建立相应的评估模型,并将此模型为基础,进行了模型的实例检验,结果表明:模型能在一定程度上反映橡胶受损的空间分布,可为后期建立更加准确的天然橡胶评估模型奠定基础。     

台风灾害风险区划模型

台风灾害发生频率高,影响严重,是人类面临的全球性重大问题之一。对台风灾害进行科学、合理的风险评估显得尤为重要。以宁波市为研究对象,在隶属函数和自然灾害风险理论的基础上,综合考虑形成台风灾害风险危险性、暴露性和脆弱性,结合GIS技术建立了台风灾害风险区划模型,绘制了宁波市台风灾害风险区划图;并利用灾级指数对模型结果进行了验证。结果表明:宁波市各区、县的台风灾害风险指数中,宁海、鄞州、余姚、奉化、象山和慈溪台风灾害的总风险指数较大,老城区(海曙区、江东区、江北区)、镇海和北仑较小;宁波市东南沿海、城镇和部分山区台风灾害风险等级较高;灾级指数与台风风险指数的相关性较好,决定系数达到0.7181,且通过了0.01的置信区间。     

台风‑风暴潮下海南地区砌体房屋物理脆弱性分析∗

海南省是我国台风登陆数量最多的省份之一。台风不仅直接对房屋建筑造成严重破坏,还可能会造成海面上涨引发风暴潮灾害,房屋在两种耦合灾害下易造成更加严重的损失。为探究台风?风暴潮作用下房屋的物理脆弱性,对海南省遭受台风灾害最严重的东海岸村镇砌体房屋进行了调研。首先基于受灾房屋资料的分析,确定了砌体房屋的建造特征和主要的破坏模式,并以风速和潮水淹没深度表征灾害强度,随后基于力学性能分析了砌体房屋的台风物理脆弱性,基于蒙特卡洛模拟建立了台风与台风风暴潮灾害之间的内在关系,基于定额清单法建立了台风?台风风暴潮灾害作用下房屋经济损失的计算方法。结果表明,砌体房屋在台风?风暴潮灾害下屋盖和墙体破坏严重,其中台风经济损失占主要部分,台风?风暴潮经济脆弱性曲线呈两段屈服平台分布。通过该地区砌体民房物理脆弱性分析,旨在为沿海地区防灾减灾工作提供一定的参考。     

广西沿海台风灾害风险评估初探

分析了广西沿海台风灾害危险度的影响因素，并用打分法给沿海１６个区段划分了台风灾害风险等级。最后探讨了台风风险评估与沿海地区经济发展的关系．     

中国台风灾害及其影响的研究

中国是世界上受热带气旋影响最严重的国家之一。本文对影响和登陆中国的热带气旋活动的特征、台风灾害特点及其形成规律作了分析，并讨论了台风灾害对中国社会和经济发展的影响。分析结果指出，影响中国的台风灾害具有发生频率高、突发性强、群发性显著、影响范围广、成灾强度大等特点，这类灾害主要由台风带来的狂风、暴雨、风暴潮及其引发的灾害链所造成。台风灾害不仅造成大批人员伤亡，而且对中国各个经济部门都有严重影响，它所     

广东省湛江市水稻台风灾害风险评估

水稻是南方地区最重要的粮食作物,以其为研究对象进行台风灾害风险评估具有重要意义。基于自然灾害风险的形成机制,综合考虑发灾场敏感性、致灾力危险性和承灾体暴露性等三个方面10个指标,建立评估指标体系,运用突变级数法构建评估模型,以1998—2018年影响湛江市台风资料为基础数据,进行水稻台风灾害风险等级评估。结果表明:湛江市水稻台风灾害承灾体暴露性呈现出中部和北部高的特征;致灾力危险性分布呈现出东部和南部高的特征;发灾场敏感性呈现出东部和中部高的特征。水稻台风灾害风险高的区域在湛江市中部和北部地区,风险指数为0的区域主要分布在徐闻县中部地区、雷州市中部和南部、遂溪县中部地区。研究结果可以为地级市台风灾害的分级风险管理提供依据。     

云娜台风灾害特点与浙江省台风灾害初步研究

从云娜台风造成的灾害入手，系统地分析了浙江台风灾害发生的基本特点和规律，主要结论为台风灾害主要表现为罕见的强降水、创纪录的风力、部分地区的洪涝和多发的次生灾害。影响浙江的台风（或热带低压）的时间在5—11月，主要在7—9月，其影响可分为直接影响和间接影响两类。直接影响主要表现为台风暴雨引起洪涝灾害、地质灾害，强风造成房屋倒塌，有时遇到“三碰头”导致严重风暴潮灾害；间接影响主要是在浙江地区产生强降水，进而引发洪涝灾害，诱发地质灾害，沿海地区常会因为东风波或东风系统中的云团“登陆”而产生强降水，并引发洪涝和地质灾害。