基于粒子群优化神经网络的台风灾情定量评估

准确的台风灾情评估,是做好防灾减灾工作、降低灾情的基础。通过分析台风灾情与致灾因子、孕灾环境和承灾体的相关关系,将时间和GDP引入到评估因子中。针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用神经网络理论进行台风灾情评估,并将基于全局随机优化思想的粒子群优化(PSO)算法对BP神经网络的初始权值进行优化,以改进BP神经网络方法存在的对初始权值敏感、易陷入局部极小点的缺点,从而建立了PSO-BP网络台风灾情定量评估模型。将该模型应用到2007年台风灾情评估中,评估值与实际值基本符合,表明该模型能应用于台风灾情的定量评估。     

华南台风灾害的风险熵-极限学习机预测模型研究

结合广义模糊熵原理和模糊c均值聚类方法构建华南台风灾害风险熵模型,对华南台风灾害进行风险分析,讨论其分布情况;利用灰色关联分析法,探讨华南台风灾害的灾情因子、致灾源因子分别和灾害风险熵之间的关系以及二者对风险熵的影响程度;建立基于极限学习机的非线性回归模型,以多元线性回归和BP神经网络两种方法作为对照组,进一步探讨风险熵与灾情因子和致灾源因子关系。结果表明,华南台风灾害风险熵值呈正态分布,与灾情因子和致灾源因子的灰色关联度分别为0.716 2和0.794 9,受灾情因子和致灾源因子的影响较大;利用构建的极限学习机模型预测的华南台风灾害风险熵值平均绝对误差为0.059,拟合优度为92.82%,将预测结果与常规的多元线性回归和BP神经网络方法的预测结果进行对比分析,结果表明,用构建的极限学习机模型预测华南台风灾害风险熵值,其性能比常规多元线性回归和BP神经网络方法有明显的改进。     

一种台风灾情综合评估模型及应用

对台风灾情评估提出了一种基于台风灾害案例历史案例分析、综合模糊数学和灰色关联分析的综合评估模型;利用模糊隶属函数将台风灾情原始数据无量纲化,再设定一极重灾为参考序列。根据台风各评估指标与参考序列的距离,计算出关联系数;将关联系数加权平均和定义为灾度,根据灾度值评定台风的灾级。并以广东省台风灾情为例,验证了此模型。     

福建省台风灾害时空变化分析

根据福建省灾害性气象年鉴和福建省气候影响评价资料,建立以县域为单元的福建省台风灾害数据库,运用Excel软件和M ap info技术,重建了1980~2005年福建台风灾害时空动态格局。研究表明:福建台风灾害年际变化总体呈波动上升趋势,年内80%左右集中在7~9月份,群发性强。空间上集中在沿海地区,灾情明显存在3个高值中心,即闽中的莆田、福清、长乐和平潭,闽南的漳浦、云霄和诏安,闽东北的霞浦和福鼎;致灾因子与灾情灾次比空间分布错位,体现承灾体脆弱性对台风灾害的影响。分阶段研究表明:台风灾害致灾因子变化不太明显,但灾情呈明显增强趋势,进一步反映环境不稳定性和承灾体脆弱性对台风灾害的影响机制。     

浙江省台风灾情时空分布特征及影响因素研究

台风灾害给浙江省造成了严重的生命和财产损失。本文以浙江省的县域为研究单元,通过对2009-2020年台风灾害灾情数据的分析,结合降水数据、风场数据、地形数据、河网数据和统计年鉴等资料,研究了台风灾情时空分布特征。在此基础上,运用地理探测器方法分析了台风灾情的影响因素。结果表明,2009-2020年共有27个台风登陆或影响浙江省,其中12个超强台风造成的损失最严重,而灾害损失严重地区主要分布在浙江省东南部沿海地区。台风灾害致灾因子、孕灾环境因子和人类活动因子中,台风最大风速、三日内最大降水量和距台风中心距离对受灾人口、死亡人口、受灾农作物和直接经济损失的贡献最大。本研究可为台风灾害风险的影响因素定量化分析提供方法参考。     

基于FY-3A的海南岛橡胶林台风灾害遥感监测——以“纳沙”台风为例

以登陆海南岛的1117号台风"纳沙"为例,根据通过高分辨率卫星数据提取的海南岛橡胶分布范围,利用FY-3A遥感数据分析了台风登陆前、后海南岛橡胶归一化植被指数的变化。借助GIS技术平台,提取受损橡胶的分布信息(INDVI0)。根据建立的橡胶林台风灾害等级标准,绘制了橡胶林台风灾害损失等级分布图,实现了橡胶林台风灾害的遥感监测。通过遥感监测结果与灾情实际调查结果的对比分析发现,二者总体趋势一致,而遥感监测更加快速、直观、精细,说明橡胶林台风灾害遥感监测是可行的。     

改进的物元可拓模型在台风灾害预评估中的应用

以数值天气预报产品为信息源,选择降水量、降水强度、最大风速、经济易损性作为评价因子,建立了可拓模型,并进行了台风灾前的灾害预测性评估。针对物元可拓法在台风灾害预评估应用中的不足之处(当待评估的数据超出某一指标评价指标范围,其关联度函数就会出现无法计算的情况),对原有模型中经典域的量值作规格化处理和改变关联度计算,以海南岛的台风历史灾害数据为基础,建立了新的评估模型,并将GIS与评估模型结合开展实例应用,结果表明:该方法是可行性。     

台风灾害评估中的影响因子分析

找出影响台风灾害评估的重要因子对于更科学、更合理地采集评估信息,建立灾情数据库具有重要意义。以浙江省为例,从致灾因子、承灾体和防灾减灾能力3个方面的25个影响因子,以死亡人数、倒塌房屋数、农作物受灾面积、直接经济损失和灾情指数为评价指标,通过相关分析方法找出评价指标影响较大的因子。利用所选取的因子,通过回归分析,对死亡人数、受灾农田面积、倒塌房屋间数和灾情指数进行了验证,结果表明,采用所提方法选取的因子去评估灾情是合理的。     

区域性洪涝灾害的灾情评估

以区域孕灾环境、致灾因子和承灾能力三方面的资料为基础,探讨了如何运用地理信息系统和评估模型进行洪涝灾害灾情评估的思路和方法.经实例验证,综合灾害经济损失总量、区域调节承受能力和灾后社会或部门追加投入总量的洪涝灾度评估方法,可对区域实际遭受洪涝灾害的破坏程度和影响深度做出科学、客观、合理的评估.     

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。     

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。     

基于离散型Hopfield神经网络的台风灾情评估模型

台风灾情评估对防台减灾和救灾工作十分重要,为此,提出并建立了一种基于离散型Hopfield神经网络的评估模型。该模型选取5个评估因子,根据广东省台风灾害历史数据,按灾害等级划分原则制定了评估因子5个等级的划分方法,然后将待分级的台风进行Hopfield编码,建立离散型Hopfield神经网络模型,并用实例对模型进行了验证,分析模型的不足,将评估因子的权重因素引入到模型中,使模型更加合理。     

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%。     

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。     

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...     

台风灾害的模糊风险评估模型

台风灾害的致灾因子具有多重性，这使得台风灾害的风险评估相对于其它灾害来说更加复杂。本文以广东省14个市辖区为例，分别从台风暴雨和台风大风的角度分析了台风致灾因子的时、空、强规律；结合进行研究区承灾体的易损性分析，即选择研究区人口密度、人均GDP和农业占GDP的比重等3个指标综合反映研究区台风灾害的潜在损失风险。在此基础上，本文进一步评估了研究区台风灾害所造成的风险水平的地区差异。结果表明，阳江、深圳、汕尾、珠海、湛江是广东省14个市辖区中受台风灾害影响风险最高的5个区域。     

海南省台风特点与灾情评估时空关联分析

基于2014-2018年海南省气象、台风灾情及社会经济数据,构建海南省台风致灾因子指数与灾情评估指数模型,揭示两者的时空分布特征及关系。结果表明:近年来,影响海南省的台风主要集中在7-9月份,强度中等偏弱;各市(县)致灾因子指数数值在0.08～0.92之间,危险性最高值分布在北部的文昌、海口和澄迈县,西部和南部危险性较低。多年平均历史灾情指数数值在4.47～11.76之间,高值区位于北部的文昌、海口和西北的白沙县,南部损失较轻。历次台风灾情指数与最大日降雨量、极大风速、台风强度和台风持续时长等致灾因子的相关系数分别为0.88、0.74、0.63和0.55;历史灾情指数与致灾因子指数相关系数为0.76,二者呈现较好的相关性和空间一致性。     

台风灾情评估及方法综述

台风是一种导致严重灾害的天气系统,其灾害评估是减灾防灾的决策基础;国内外台风灾情评估基本区分为统计指标综合法和统计模拟法。归纳了6种主要的统计指标综合方法,总结了统计模拟评估法的基本步骤,在此基础比较了台风灾情评估方法的不同特点。从评估的模型、指标选择以及评估结果等几个方面评述了指标评估方法中以及统计模拟法存在的问题。最后,对灾情评估发展趋势的5个方面进行展望,并指出:国内统计模拟方法的评估较少开展,应与指标评估方法相结合,积极开展统计模拟方法的灾情评估;选择不同的行业,针对行业具体特点,建立敏感行业的灾情评估模型;加强高新技术,特别是卫星遥感技术在台风灾害评估中的应用;同时要加强评估决策支持系统研究。     

“一带一路”中国重点区域自然灾害特征分析

以国家减灾委办公室掌握的灾情数据为基础,分析了"一带一路"中国主要涵盖区和港口的自然灾害灾害损失和时空分布情况。分析显示,丝路经济带重点涵盖区受灾程度较全国平均水平偏重,且呈上升趋势,21世纪海上丝路经济带重点涵盖区受灾程度明显偏轻,且呈缓慢下降趋势;洪涝和地质灾害、干旱灾害、地震灾害是影响丝路经济带最重的灾种,台风灾害是影响海上丝路经济带最重的灾害;一类港口城市中,浙江的温州和福建的福州、泉州灾害风险最高、损失最大,水港城市受灾远超陆港城市,其主要影响灾种为台风灾害。依据这些特征,各地可更好地制定"一带一路"规划和项目建设。     

气象灾害灾情评估指标研究与应用——以陕西为例

为了定量评估气象灾害造成的灾情,利用陕西1984-2007年气象灾害普查数据库,建立人员死亡率、农作物种植面积受灾率、直接经济损失率3个灾情因子评估指数并计算灾情综合指数,构建灾情因子和综合灾情年景定量评估指标,将气象灾情年景分为严重、较严重、一般、较轻和轻5类。利用建立的年景评估指标对陕西2008-2010年气象灾害灾情年景进行评估,应用到年度气候影响评价业务服务中。分析每种气象灾害灾情因子指数和灾情综合指数多年平均值,确定陕西危害度最大的气象灾害依次为暴雨、干旱、冰雹、连阴雨、气象地质灾害等。研究结果表明:陕西气象灾害造成的人员死亡率呈现减少趋势,多年平均值为3.23/百万,直接经济损失率变化趋势不明显,多年平均值为1.51%,农作物种植面积受灾率呈明显增加趋势,多年平均值为21.99%。