2007—2016年上海市暴雨特征及其与内涝灾情关系分析

利用上海市30个自动气象站2007—2016年逐小时降水数据和上海市应急联动平台110接报内涝灾情数据,分析了近10 a上海市暴雨和内涝灾情特征,并进一步研究致灾暴雨过程与内涝灾情的关系。结果表明：1）上海市暴雨空间分布反映了明显的城市雨岛特征,在水汽充沛的东部沿海和城市化水平较高的中心城区相对容易出现极端雨强;2）暴雨内涝灾情年变化较大,月分布呈单峰型,日分布呈双峰型,且内涝灾情数在中心城区及各区中心较为密集,反映了承灾体的空间分布特征;3）暴雨过程对内涝灾情的贡献作用明显,内涝灾情数与暴雨过程雨量、逐小时最大雨量和最大雨强显著相关,与持续时间和影响站次低度相关;4）逐小时最大雨量等于过程雨量且<60 mm时,内涝灾情数基本在20次以下,随着过程雨量增加,特别是过程雨量>100 mm时,灾情数急剧增加。暴雨特征与内涝灾情关系研究对于暴雨内涝的预报、预警和服务具有重要意义。     

基于频繁模式挖掘的上海市气象灾害致灾因子识别

气象灾害是上海等超大城市面临的重大挑战,而如何定量挖掘气象条件的致灾影响是当前亟须解决的问题。研究基于近10年的气象类报警灾情数据,采用FP-Growth频繁模式挖掘算法开展气象灾害的致灾因子识别,得到气象对于典型承灾体的致灾影响阈值,并且基于挖掘结果构建了气象条件与典型承灾体的气象致灾知识图谱。结果表明：暴雨灾情主要分布在100～250 mm的大暴雨区间以及50～100 mm的暴雨区间,其主要承灾体为房屋、车辆、道路和小区;大风灾情主要分布在10.8～17.1 m/s(6～7级风),其次为17.2-24.4 m/s(8～9级风)区间,主要承灾体为车辆、道路、树木、房屋及相关构筑物。并且在不同统计时段灾情通常都集中于风雨共同影响的区间范围,呈现出较为明显的对角线分布特征。通过FP-Growth挖掘可以得到一些较为明显的致灾特征,如强降水会导致工厂、加油站、市场、学校、幼儿园、仓库、车库等积水,强风会导致电信设施、加油站、围墙和大棚受损。此外,强降水和大风的共同影响还会造成加油站、学校、幼儿园等灾情高发。本研究通过构建定量化的气象致灾影响知识框架,从而加深对于灾害性天气致灾影响的认识,为...     

基于机器学习方法的上海市暴雨内涝灾情预测模型研究

本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。