基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。     

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).     

灾损度指数法在灾害经济损失评估中的应用——以福建台风灾害经济损失趋势分析为例

采用灾损度DLD和环境不稳定度EI两个要素,构建了灾害经济损失指数DELI(灾损度指数)指标对灾害经济损失进行评估。并应用它对福建省台风灾害经济损失趋势变化进行分析。研究表明:利用灾损度指数对灾害经济损失评估方法可取,它不受灾害发生的时间和地点限制,可比性强,资料信息源多,计算方便,适用范围广;福建省台风灾害灾损度指数呈波动上升,反映福建台风灾情加重与灾害本身损失加大和福建省环境不稳定度加大有关,与实际情况相符。     

登陆中国台风灾害损失预评估模型研究

整理了2000-2008年登陆中国且灾情记录完整的34个台风案例,建立案例集;基于模糊数学法建立了台风灾害损失预评估模型。选择8项影响因子作为模型输入指标,利用层次分析法确定影响因子权重,计算案例集中每个台风的综合评价指数;通过对综合评价指数与受灾人口、农作物受灾面积及直接经济损失等典型灾情指标进行拟合;通过适当调整影响因子权重,拟合得出最优幂函数回归方程,从而实现对台风灾情的定量预评估。     

中国沿海地区台风灾害损失评估研究

沿海地区作为人口积聚、国民经济和社会发展的重要区域和战略中心,在台风灾害中遭受的损失往往是惨重和致命的,所以亟待开展沿海地区台风灾害损失评估研究。根据1990-2007年的台风灾情资料,选取代表性指标尝试构建了台风灾情评估模型,并对沿海省市的台风灾害损失及其与致灾因子的关系进行分析评价。结果显示:除个别区域外,沿海地区台风灾害损失都呈下降趋势,但各区域下降的幅度不等,其中浙江省、江苏省和海南省下降幅度较低,均不足10%;浙江省、福建省和广东省18年间平均台风灾害损失较大;上海市以南各区域台风大风和暴雨的频次多、强度大,灾害损失大。     

基于CGE模型的极端冰雪灾害经济损失评估

结合极端冰雪灾害的特点及传导途径,构建了极端冰雪灾害经济损失综合评估的总体框架,并以湖南省可计算一般均衡模型(HNUGE)为基础,通过在传统模块的基础上增加农业损失传导模块、电力业损失传导模块和交通业损失传导模块等三项冰雪灾害传导模块,实现了对传统HNUGE的拓展和改进,构建了更具针对性的极端冰雪灾害经济损失综合评估的可计算一般均衡模型。该模型能够更科学地估计极端冰雪灾害造成的综合损失,通过对2008年湖南冰雪灾害进行实证分析,发现模型运算结果与实际情况基本一致,验证了该模型的实用性和可行性。     

基于机器学习方法的浙江省台风灾害风险评估和动态风险预报

利用机器学习方法建立以区县为基本研究单元的浙江省台风灾害风险评估模型,并进一步结合气象预报与实测数据形成覆盖全省、时空连续的台风过程动态风险预报,为科学应急减灾提供决策支持。首先,本研究以浙江省各区县为研究对象,考虑危险性、孕灾环境、暴露性和脆弱性等风险要素选择台风灾害风险评估模型的预测变量;其次,基于10个重大历史灾害的灾损数据(直接经济损失)划分风险等级作为输出变量;最后,采用机器学习模型XGBoost建立台风灾害风险评估模型。同时,以利奇马为例,进一步探索该模型的实战应用潜力,即以气象预报和实测数据为模型驱动,实现浙江省全域各区县台风灾害风险的实时更新预报。     

基于多源遥感影像的台风灾情动态评估——研究进展

沿海地区作为人口聚集、国民经济和社会发展重要的区域和战略中心，台风带来的损失往往是惨重和致命的。尤其是近年来，随着台风突发强度、频度和广度的不断增长，灾后救援工作显得格外重要，亟待开展灾情信息快速获取与动态评估研究。该领域目前主要探讨的问题为：台风灾情信息的遥感数据来源；基于遥感影像的灾情评估方法；台风灾情表征指标与评估模型；台风灾害风险综合管理等。在全球变暖和快速城市化的背景下，目前应集中开展的研究为：以我国沿海地区典型台风为剖析对象，构建台风多尺度灾情表征指标体系和基于多源遥感影像的台风灾情动态评估模型；集成开发遥感-地理信息系统（RS-GIS）灾情动态评估工具集；探讨台风灾情信息共享与分布式管理机制。这不但能实现受灾地区灾情快速评估与制图，而且能为我国沿海地区台风综合灾害风险管理以及可持续发展战略实施提供科学依据。     

云南地区地震灾害损失的基本特征

云南是我国地震灾害损失最为严重的地区之一。地震灾害损失评估标准实施以来，云南地区积累了较丰富的地震灾害损失评估资料。以1992～2001年云南地区破坏性地震的灾害损失评估资料为基础，分析了地震灾害损失随时间的变化特征，初步探讨了地震震级与受灾人口、人员伤亡和地震灾害经济损失等方面的关系。结果表明：(1)随着社会经济的不断发展和社会财富的不断积累，等同地震能量所造成的经济损失呈逐渐增大的趋势；(2)在空间上，由于各灾区的经济发展状况不同，等同地震能量所造成的灾害损失存在着地区差异性；(3)地震灾害损失随震级增大而增大，但二者之间并非简单的线性关系，其中生命线工程及其它特殊工程结构、重大工程设施、大型企业等的经济损失随震级的增大而以更大的比例增大。     

登陆广东的热带气旋对水稻产量的影响评估

利用1983-2010年登陆广东省的热带气旋(TC)资料、该省及其各市水稻产量、早稻与晚稻发育期等资料,借用数理统计方法分析了TC对水稻产量的影响,再采用个例分析法,建立了不同时间登陆广东的TC级别与水稻减产率的对应关系。结果表明:(1)当热带风暴或强热带风暴在早稻或晚稻生长后期登陆、台风在早稻或晚稻生长中期登陆时,登陆地区或附近地区早稻或晚稻单产与上年比减产5%~7%,应发布中等级别的灾害预警。(2)当台风在早稻或晚稻生长后期登陆时,登陆地区或附近地区早稻或晚稻单产与上年比减产8%~12%,应发布重等级别的灾害预警。利用所建立的评估指标对1117号台风"纳沙"进行了评估,评估结果基本符合实际产量的灾损情况,说明评估指标可应用于实际业务。     

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。     

洪水灾害间接经济损失评估研究进展

受全球气候变化及人类活动的影响,洪水灾害发生的频率和损失越来越大,洪灾直接经济损失评估研究不断深入,但是,洪灾间接经济损失评估研究相对薄弱。为了能综合地对洪水灾害间接经济损失进行科学的评价,回顾了国内外洪水灾害间接经济损失评估的研究现状,综述了洪水灾害间接经济损失的内涵及组成(减产停产损失、产业关联损失和投资溢价损失),分析了他们之间的关系及相应的评估方法特点。指出洪水灾害间接经济损失主要指产业关联损失,投入产出法是间接经济损失评估的适用方法,但该方法的使用必须作适应性改进,上述观点可供洪灾间接经济损失评价参考。     

浒苔绿潮灾害经济损失评估模型初探

浒苔绿潮灾害已在我国黄海海域连续暴发10年,对沿岸社会经济和生态环境造成了极大损失,严重制约了地区经济的可持续发展,但对减灾具有现实意义的绿潮灾害经济损失评估研究还尚属空白,已不能满足浒苔绿潮防灾减灾的实际需求。本文在归纳总结浒苔绿潮灾害致灾机制的基础上,提出了浒苔绿潮灾害的灾害链,其后以业务化应用为出发点和归宿,初步构建了浒苔绿潮灾害经济损失评估指标体系,并探索性的建立养殖业损失、旅游业损失、机会成本损失和生态损失的浒苔绿潮灾害经济损失评估模型,期望促进绿潮灾害损失评估工作尽早实现科学化、标准化和系统化。     

“一带一路”沿线国家台风灾害关联经济损失研究--以2018年“山竹”台风灾害为例

经济全球化背景下,各区域的产业关联强度增加,灾害链也日益复杂,对“一带一路”沿线国家及其部门带来了深远的影响。该文梳理了台风灾害损失传导机制,运用多区域投入产出模型(Multiregional Inputoutput Model,MRIO),以2018年“山竹”台风为例,量化分析“一带一路”沿线20个国家24个部门的关联损失情况。研究认为:①2018年“山竹”台风对我国各部门造成的直接损失约为142.31亿元,间接经济损失达到1272.73亿元;②“山竹”台风灾害对沿线其他国家带来的关联损失为1232.13亿元,其中受影响最严重的是菲律宾;③部门关联损失最大的是制造业,其间接损失是直接损失的60倍。     

基于GIS的台风灾害评估系统设计开发

台风是我国东南沿海各省夏秋季中经常遭遇的自然灾害。建立浙江1949年以来的历次台风数据库，并采用ArcGIS作为台风灾害信息及评估系统的平台，进行台风路径的自动生成；相关台风信息的综合查询；雨量等值线以及雨量、风速色块图的绘制与统计；灾害评估模型建立等功能。为灾情的评估和预报，以及为台风灾害的指挥决策提供科学依据。     

经济学视角的自然灾害损失评估理论与方法评述

针对灾害损失研究中概念模糊以及间接损失评估的忽略,首先从灾害管理对损失评估的需求出发,根据灾害损失的特点从经济学视角对灾害损失进行了分类和界定,澄清了存量损失与流量损失、直接损失与间接损失、直接经济损失与间接经济损失、产出损失与福利损失等的内涵;进而,论述了灾害损失评估应遵循需求为导向和科学性的基本原则;最后,重点论述了间接损失中健康影响、自然资源及生态系统服务损失、间接经济损失等的价值评估方法。以期为认识自然灾害的社会经济影响,完善灾害损失评估理论和方法提供思路。同时,除了研究自然灾害的自然属性,灾害损失的社会属性研究对于推动灾害经济学学科的建立,以及提高我国灾害管理水平具有重要意义。     

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。     

1993年夏季的台风路径特征

１９９３年西北太平洋共生成２８个台风，其移动路径趋势有其独特性。有７个台风登陆日本；８个登陆菲律宾；７个台风登陆我国广东和海南省，直接损失高达７０亿元，为１９４９年以来最严重的一年。但没有一个台风登陆华东和华北沿海，这也是极为罕见的。本文分析了１９９３年台风移动的天气学原因，及其与厄尼诺现象的关系。并着重分析了台风移动路径的卫星云图特征。从而有助于判别台风究竟是北上转向，还是西行登陆我国。     

“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。     

浅析灾害间接经济损失评估的重要性

灾害损失评估是灾害风险管理、科学防灾减灾规划的基础。除了直接经济损失外,间接经济损失是反映灾害影响强度及社会经济系统脆弱性的重要指标。经济越发达,经济系统关联程度越高,经济系统的脆弱性就越大,灾害间接经济影响也越大。已有研究表明,灾害间接经济损失往往与直接经济损失为同一量级,甚至是直接经济损失的数倍。间接经济损失评估是科学评价灾害影响不可或缺的组成部分,其中,产业部门间接经济损失和灾后恢复重建期的评估,可以为灾后恢复重建决策和防灾减灾规划提供有效的决策工具。政府决策者、学术界应重视灾害,特别是重大灾害(或巨灾)对地区经济长期可持续发展可能造成的影响,从而为减轻灾害的影响做好充分准备。