基于灰色關聯度的暴雨事件災害評估和預評估方法

吳哲紅，陳貞宏，葉幫，方慶文

(貴州省安順市氣象局，貴州 安順 561000)

基于灰色關聯度的暴雨事件災害評估和預評估方法

吳哲紅，陳貞宏，葉幫，方慶文

(貴州省安順市氣象局，貴州 安順 561000)

該文統計了安順市1986-2009年的暴雨站點資料及其對應的災害資料，通過對歷史氣象資料和災情數據庫的綜合分析，建立了暴雨災情數據庫。采用灰色關聯度方法建立了暴雨災害的評估方法，建立了劃分標準，將暴雨災害災情劃分為5個等級，經與實際災情比較表明劃分結果合理可用。研究了暴雨引發的災害與氣象因子的關系，建立了基于數值預報釋用的暴雨預評估模型，在以上研究基礎上建立了安順暴雨災害評估和預評估系統，已投入業務使用。

暴雨災害;灰色關聯度;評估;預評估

1 引言

近年來，氣象災害頻發。對其評估和預評估工作顯得尤為重要。及時對氣象災害造成的影響進行準確的評估，決定了政府的決策和應急機構的具體措施，已經成為社會日益迫切的需求;特別是災害預評估工作對預防和降低災害損失有很重要的作用。暴雨是引發洪澇災害最主要的氣象原因，其特點是影響范圍大、持續時間長、涉及部門廣、造成損失大。自20世紀80年代初，氣象部門開展了氣候評價工作。多年來，不僅在氣象災害的影響方面做了大量的收集整理工作，同時對某些氣象災害的強度、規律等方面的研究也做了大量工作，并為社會提供了較好的服務。近年來，研究學者在氣象災害綜合評估、災害氣象指標等方面進行了大量研究和嘗試［1-4］，但災害預評估還處于起步階段［5-9］。本文通過對歷史氣象資料和災情數據庫的對比分析，采用灰色關聯度的方法建立了暴雨災害的評估方法，并分析了暴雨災害的主要氣象因子，建立了基于T639數值預報釋用的暴雨預評估模型，對引發災害的暴雨過程(稱其為暴雨災害)進行分析，并建立了基于灰色關聯度的評估方法，經過檢驗和比較，結果表明，該評估方法對災情等級劃分和災情損失排序是合理的，比較符合實際對災情的評價。在此基礎上，研究了暴雨引發災害與氣象因子的關系并根據數值預報釋用的方法建立了預評估方程。

2 暴雨災害氣候特征

為便于對暴雨事件造成的災害進行評估，首先要統計暴雨氣候特征，并從中找出有災情記錄的個例。本文統計了安順市1986—2009年二十余年的暴雨站點資料及其對應的災害資料，建立了暴雨災情數據庫。

將一次有災害記錄的暴雨事件作為一個暴雨災害個例，個例的取得綜合了近20 a臺站監測資料以及《貴州省災情數據庫》、《貴州省氣象災害防御規劃》，建立了近20 a暴雨數據庫和災情數據庫。

我市6個站20 a來共出現了541站次暴雨，其中特大暴雨(24 h降雨量＞200 mm)3次，大暴雨(24 h降雨量＞100 mm)96次;我市暴雨為典型的夏季型暴雨，夏季6—8月暴雨占到全年的77%，春季次之，4—5月暴雨開始出現，秋季還有暴雨，占到9%的比例，最晚11月結束。冬季無暴雨出現。

本方法定義以下暴雨因子：24 h某站點降雨量達50 mm以上定義為1個暴雨站次，連續的兩個24 h如都有1站次以上暴雨，則定義為連續暴雨過程;1次暴雨過程定義為所有連續的有暴雨站次出現的時段;總暴雨降雨量定義為1次暴雨過程總的達到暴雨以上的雨量的和;總降雨站次為1次暴雨過程出現24 h暴雨的站次總和;最大3 h降雨量為在1次暴雨過程中最大的3 h降雨量合計。

我市的汛期強降水(暴雨以上)不但會形成山洪災害，導致農田被淹，糧食減產，還是滑坡、泥石流等重大地質災害的主要誘發因素，造成重大人員傷亡。在有災害記錄的47次暴雨過程中造成災害的暴雨都出現在5—9月，21次為大暴雨以上造成，在3次特大暴雨過程中有2次造成災害，有40次為區域性暴雨，17次為連續性暴雨過程。可見降雨量越大，越容易造成災害，區域性暴雨和連續性暴雨過程易造成災害。

3 基于灰色關聯度的暴雨災害等級劃分標準與評估方法

3.1 方法

馮定原等［10］應用灰色系統理論關聯分析的原理和方法對新疆伊犁地區的歷年畜牧氣象災害進行了分析，討論灰色關聯分析在畜牧氣象災害綜合評估中的應用，并對未來的年份做了評估，結果表明進行關聯分析，計算簡單，依照歷年的關聯度排序所進行的評估，結果準確，可靠性大，并可避免單一指標評估的弊端和偏差。劉偉東等［11］針對近20 a北京地區發生的大風和暴雨災害，應用灰色關聯度方法，計算北京地區近20 a的19個大風和暴雨災例的災情評估指標與關聯度，進行損失評估和比較。結果表明，該方法對災情等級劃分和災情損失排序是合理的，比較符合實際對災情的評價，能夠對不同氣象災害和同一級別的氣象災害災情差異尺度做比較，是能夠應用于實際工作中的一種科學方法。

灰色關聯分析就是對這個灰色系統進行動態發展勢態的量化比較。即系統之間有關統計數列幾何關系的比較，根據幾種曲線間的幾何形狀接近程度來判別關聯度大小。若曲線形狀越接近，則發展勢態越接近，關聯度就越大。

設有參考數列 x0={x0(1)，x0(2)，x0(3)，…，x0(n)}和比較數列 xi，i=1，2，…，n。xi={xi(1)，xi(2)，xi(3)，…，xi(n)}，關聯系數為 ξi(k)，即 k 點的關聯系數為：

按照關聯度大小排序，關聯度越大，對應的災情越重。用此方法可以排列同一災害等級中不同災情的輕重順序。

3.2 等級劃分標準的確定

先將各災害指標采用初值化方法，消除量綱的影響，用x0數列分別去除xi數列，可得到一個數值在0-1的新數列。采用死亡人口/1 000，農作物受災面積/當年總耕地面積，直接經濟損失/當年經濟總量來達到因子歸一化。本方法采用x0={1，1，1}作為參考數列。

由計算結果分析(表1)，§0最大為2.73，其次為2.70，均出現在1991年7月，根據災情資料1991

式(1)中，|x0(k)-xi(k)|表示x0數列與xi數列在k點的絕對差值，用Δi(k)來表示。miniminkx0(k)-xi(k)為二級最小差，minkx0(k)-xi(k)為一級最小差，表示x0數列和xi數列k點差值中的最小值。maximaxkx0(k)-xi(k)為二級最大差，意義與二級最小值相似。

關聯度(即等權關聯度)用§0表示年7月安順市確實遭受了百年罕見的洪澇災害，損失慘重，§0的結果可以較客觀地反映災害等級。

為便于比較，將計算結果進行變換，新的災度§變換公式為

為與中國局《氣象災情收集上報調查和評估試行規定》一致，將暴雨災害災情劃分為輕微災(1)、輕災(2)、中災(3)、重災(3)、特大災(5)等5個等級，詳見表2劃分，標準如下：

將本評估方法結果與原評估標準(中國局《氣象災情收集上報調查和評估試行規定》)評定結果比較，結果如下：有29次一致，12次差一級，沒有差別2級或以上的。表明劃分結果合理可用，并達到了定量化的目的。

4 暴雨災害的主要氣象因子分析和方程的建立

為便于對暴雨事件造成的災害開展預評估，選取能反映暴雨強度的事件降水總量、雨強和強降水的覆蓋范圍等要素，通過經驗分析和統計相關等方法統計，從不同角度選擇如下5個指標作為要建立的預評估模型的指標：x1：前10 d總降水量;x2：過程總降水量;x3：暴雨過程中最大的24 h降水量;x4：最大3 h降水量;x5暴雨出現站次覆蓋范圍。將以上指標均進行歸一化，方法是用各原始數據減平均值后除以標準差。

表1 安順歷年暴雨災情及§0結果

表2 根據灰色關聯度劃分的災害等級標準

通過對歷史暴雨災害過程的統計分析，利用已計算出的暴雨災害關聯度災度與以上5個降水氣象因子建立相關方程，得到預評估方程為：

5 預評估系統的建立及結果檢驗

用預評估方程(4)對歷史資料進行回算，平均誤差為0.02，用此方程對2006—2009年4次暴雨災害作試報，計算結果平均誤差為0.013，4次過程中有2次預評估結果與實況一致，另2次評估結果有一級偏差。

在實際應用中可利用數值預報T639發布的降雨因子，將數值預報結果插值到站點上，帶入方程中，作為暴雨預評估業務化方法。

在以上研究基礎上建立了安順市暴雨氣象災害預評估系統，主要包括歷史暴雨洪澇災害數據庫、氣象要素查詢、自動站分鐘數據適時讀取、暴雨監測和適時評估、基于T639數值預報的暴雨預評估和暴雨災害實況評估等部分。

6 結論

①通過對歷史氣象資料和災情數據庫的對比分析，統計了安順市1986—2009年的暴雨站點資料及其對應的災害資料。建立了暴雨災情數據庫。分析了暴雨災害的主要氣象因子，對引發災害的暴雨過程(稱其為暴雨災害)進行分析，并建立了基于灰色關聯度的評估方法，經過檢驗和比較，結果表明，該評估方法對災情等級劃分和災情損失排序是合理的。

②研究了暴雨引發的災害與氣象因子的關系并采用數值預報釋用的方法建立了預評估方程 ，選擇了5個暴雨氣象因子作為要建立的預評估模型的指標，建立了暴雨災害關聯度與降水氣象因子的相關方程，將數值預報結果插值到站點上，帶入方程中，作為暴雨預評估業務化方法。

③基于以上研究結果建立了安順暴雨災害評估和預評估系統，已投入業務使用，在應用過程中將進一步優化暴雨災害氣象因子以及預評估方程。

［1］ 谷曉平，吳俊銘，武文輝.貴州省農業氣象災害風險研究.貴州氣象［J］.1997，21(4)：3-6.

［2］ 魏一鳴，楊存鍵，金菊良.洪水災害分析與評估的綜合集成方法. 水科學進展［J］.1999，10(1)：25-30.

［3］ 劉敏，李書睿，倪國裕，等.湖北省雨澇災害的指標和時空分布特征.長江流域資源與環境［J］.1995，4(2)：149-153.

［4］ 林曉梅，岳耀杰，蘇筠.我國冬小麥霜凍災害致災因子危險度評價. 災害學［J］.2009，24(4)：45-51.

［5］ 劉敏，楊宏青.湖北省雨澇災情評估模式的研究.湖北氣象［J］.2001，(2)：16-17.

［6］ 黃崇福，劉新立，周國賢，等.以歷史災情資料為依據的農業自然災害風險評估方法.自然災害學報［J］.1998，7(2)：1-9.

［7］ 霍治國 ，李世奎 ，王素艷，等.主要農業氣象災害風險評估技術及其應用研究.自然資源學報［J］.2003，18(6).

［8］ 姜愛軍，鄭敏.江蘇省重要氣象災害綜合評估方法的研究. 氣象科學［J］.1998，18(2)：196-202.

［9］ 萬素琴，周月華，李蘭，等.低溫雨雪冰凍極端氣候事件的多指標綜合評估技術. 氣象［J］.2008，34(11)：40-46.

［10］ 馮定原，呂新.伊犁地區畜牧氣象災害灰色關聯分析綜合評估［J］.南京氣象學院學報，1997，20(1)：126-130.

［11］ 劉偉東，扈海波，程叢蘭.灰色關聯度方法在大風和暴雨災害損失評估中的應用.氣象科技［J］.2005，35(4)：563-566.

Rainstorm disaster assessment and pre -assessment methods Based on Grey Correlation Degree

WU Zhe-hong1，2，CHEN Zhen-hong1，Ye Bang1，Fang Qing-wen1
(1 Anshun Meteorological Office，Guizhou Province，Anshun 561000，2 Guizhou key laboratory of mountounious climate and resources，Guiyang 550002，China，

Based on historical weather data and comprehensive disaster data，，storm disaster in Anshun City from 1986 to 2009 was studied，established a rainstorm disaster database.using gray correlation degree method，we established standards for the storm disaster，divided the disaster into five grades。The results showed that the classification results was reasonably and available.We also studied the relationship between meteorological factors and Disaster，numerical prediction results was used to establish a pre-assessment equation。Based on the above findings，we established the Anshun storm disaster assessment and pre-assessment system which has been put into operational use.

torm Disaster;Grey Correlation;Degree;Assessment;Pre-assessment

P426.616

B

1003-6598(2011)06-0006-04

2011-11-15

吳哲紅(1969-)，女，碩士，高工，主要從事天氣和氣候預測研究工作。

2009年貴州省氣象科技開放防災減災基金項目黔氣科合KF〔2009〕12號資助。