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。     

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。     

“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。     

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...     

工程区台风大风灾害评估方法的研究与应用——以苏通大桥为例

针对国家重大项目施工和运营中规避台风大风灾害风险的特殊需求,以国家重点工程苏通大桥为例,研究了工程区局地环境下台风大风灾害风险的分析评估方法。利用1949~2007年桥位地区影响台风资料,用气候统计学方法分析了苏通大桥桥位工程区影响台风的时空分布,并用蒙特卡罗模拟方法对8级以上台风大风对桥位区可能造成的灾损指数进行计算。结果表明:①影响桥位区的台风年均2.5个,其中出现8级以上阵风的严重影响台风年均0.78个,工程区从5月下旬~11月下旬均可能受台风袭击,7月上旬~9月中旬是桥位区影响台风的多发期,而8月份几率最大,台风大风主要出现在偏东南和偏北方向;②蒙特卡罗方法模拟的桥位区8级以上台风大风的期望灾损指数达到0.282 1,约占全省台风灾害期望灾损指数的48%,潜在的经济损失达到20 675万元。采用气候统计学原理和蒙特卡罗模拟方法,可以满足局部特殊环境下的对工程区气象灾害风险分析的需要,其结果可以作为施工管理和规避灾害风险的依据。     

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%。     

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。     

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。     

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。     

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。     

基于灾害复杂网络的深圳台风灾害链风险分析

台风灾害是影响我国沿海地区最严重的自然灾害之一，为了更加科学地认识台风灾害引发的各类风险与影响，把握台风灾害演化的路径及其防控重点，该文提出一种基于灾害复杂网络进行风险分析的方法。基于1980—2020年间对深圳市造成影响的台风灾害，将灾害事件作为网络节点，事件关联关系为网络连接边，构建深圳市台风灾害复杂网络。引入复杂网络特征参数，构造台风灾害演化网络的节点综合重要度和连接边脆弱度。基于灾害事件发生概率和风险减缓因子构建了深圳市台风灾害链风险评价模型，对深圳市台风灾害演化过程中较为典型的灾害链条风险值进行了定量的评估。结果表明，该方法能够识别出台风灾害网络中的重要环节，得到风险较高的灾害演化链条，为防灾减灾提供参考。     

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).     

广东省台风灾害特点及减灾对策

根据《台风年鉴》等台风资料,分析了广东省台风灾害的特点,讨论了台风灾害对广东省经济,社会及生态环境的影响,并针对广东省台风灾害的特点提出了减轻台风灾害的对策。     

浙江省台风灾害及其对农业影响的风险评估

台风灾害是浙汀省主要的自然灾害之一,平均每年有3.3个台风对浙江省造成影响.以历史灾情资料和气象要索(致灾冈子)作为灾害指标,利用基于信息扩散原理的风险评估模型,对浙江省台风灾害及其对农业造成的影响进行了模糊风险评估,并在GIS技术支持下,直观地给出了浙江省台风大风和台风暴雨的空间分布特征.研究结果表明:浙江省台风灾害存在明显的空间差异,台风大风发生的概率由沿海岛屿和沿海地区向内陆减小,台风大风高风险区位于沿海岛屿,台风暴雨的高风险区在浙东南沿海一带.台风灾害对浙江省农业影响风险值较高的地区主要位于沿海岛屿和东部沿海地区,当风险水平为30%时,舟山、台州、温州和宁波等地受灾概率大约为2-4年一遇,为全省高风险敏感区.     

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。     

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。     

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。     

福建台风灾害风险分布的初步估计

建议了一个较简单的台风灾害风险评价模型，对福建台风灾害危险性、脆弱性和风险进行评价，应用Mapinfo7．0软件，编制了福建台风灾害风险分布图。结果表明：致灾因子危险性高值区主要分布在东部沿海，这一地区应该采取预留高风险区，与“台风灾害风险”共存的对策，提高台风预报准确性；承灾体脆弱性高值区集中分布在东部沿海的厦门、泉州、福州、莆田和漳州等地，还零散分布在三明、龙岩等地级市，这些地区应该采取生态安全条件下的土地利用结构调整、提高防御台风灾害能力和人口素质等对策，以降低承灾体脆弱性；风险高值区位于闽南沿海的漳州、长泰、龙海和厦门市，闽中的泉州东南沿海、莆田市和福州东南沿海，这些地区应该成为福建省防御台风灾害的重点区域。     

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。     

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。