基于灰色关联度的暴雨事件灾害评估和预评估方法

吴哲红，陈贞宏，叶帮，方庆文

(贵州省安顺市气象局，贵州 安顺 561000)

基于灰色关联度的暴雨事件灾害评估和预评估方法

吴哲红，陈贞宏，叶帮，方庆文

(贵州省安顺市气象局，贵州 安顺 561000)

该文统计了安顺市1986-2009年的暴雨站点资料及其对应的灾害资料，通过对历史气象资料和灾情数据库的综合分析，建立了暴雨灾情数据库。采用灰色关联度方法建立了暴雨灾害的评估方法，建立了划分标准，将暴雨灾害灾情划分为5个等级，经与实际灾情比较表明划分结果合理可用。研究了暴雨引发的灾害与气象因子的关系，建立了基于数值预报释用的暴雨预评估模型，在以上研究基础上建立了安顺暴雨灾害评估和预评估系统，已投入业务使用。

暴雨灾害;灰色关联度;评估;预评估

1 引言

近年来，气象灾害频发。对其评估和预评估工作显得尤为重要。及时对气象灾害造成的影响进行准确的评估，决定了政府的决策和应急机构的具体措施，已经成为社会日益迫切的需求;特别是灾害预评估工作对预防和降低灾害损失有很重要的作用。暴雨是引发洪涝灾害最主要的气象原因，其特点是影响范围大、持续时间长、涉及部门广、造成损失大。自20世纪80年代初，气象部门开展了气候评价工作。多年来，不仅在气象灾害的影响方面做了大量的收集整理工作，同时对某些气象灾害的强度、规律等方面的研究也做了大量工作，并为社会提供了较好的服务。近年来，研究学者在气象灾害综合评估、灾害气象指标等方面进行了大量研究和尝试［1-4］，但灾害预评估还处于起步阶段［5-9］。本文通过对历史气象资料和灾情数据库的对比分析，采用灰色关联度的方法建立了暴雨灾害的评估方法，并分析了暴雨灾害的主要气象因子，建立了基于T639数值预报释用的暴雨预评估模型，对引发灾害的暴雨过程(称其为暴雨灾害)进行分析，并建立了基于灰色关联度的评估方法，经过检验和比较，结果表明，该评估方法对灾情等级划分和灾情损失排序是合理的，比较符合实际对灾情的评价。在此基础上，研究了暴雨引发灾害与气象因子的关系并根据数值预报释用的方法建立了预评估方程。

2 暴雨灾害气候特征

为便于对暴雨事件造成的灾害进行评估，首先要统计暴雨气候特征，并从中找出有灾情记录的个例。本文统计了安顺市1986—2009年二十余年的暴雨站点资料及其对应的灾害资料，建立了暴雨灾情数据库。

将一次有灾害记录的暴雨事件作为一个暴雨灾害个例，个例的取得综合了近20 a台站监测资料以及《贵州省灾情数据库》、《贵州省气象灾害防御规划》，建立了近20 a暴雨数据库和灾情数据库。

我市6个站20 a来共出现了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;我市暴雨为典型的夏季型暴雨，夏季6—8月暴雨占到全年的77%，春季次之，4—5月暴雨开始出现，秋季还有暴雨，占到9%的比例，最晚11月结束。冬季无暴雨出现。

本方法定义以下暴雨因子：24 h某站点降雨量达50 mm以上定义为1个暴雨站次，连续的两个24 h如都有1站次以上暴雨，则定义为连续暴雨过程;1次暴雨过程定义为所有连续的有暴雨站次出现的时段;总暴雨降雨量定义为1次暴雨过程总的达到暴雨以上的雨量的和;总降雨站次为1次暴雨过程出现24 h暴雨的站次总和;最大3 h降雨量为在1次暴雨过程中最大的3 h降雨量合计。

我市的汛期强降水(暴雨以上)不但会形成山洪灾害，导致农田被淹，粮食减产，还是滑坡、泥石流等重大地质灾害的主要诱发因素，造成重大人员伤亡。在有灾害记录的47次暴雨过程中造成灾害的暴雨都出现在5—9月，21次为大暴雨以上造成，在3次特大暴雨过程中有2次造成灾害，有40次为区域性暴雨，17次为连续性暴雨过程。可见降雨量越大，越容易造成灾害，区域性暴雨和连续性暴雨过程易造成灾害。

3 基于灰色关联度的暴雨灾害等级划分标准与评估方法

3.1 方法

冯定原等［10］应用灰色系统理论关联分析的原理和方法对新疆伊犁地区的历年畜牧气象灾害进行了分析，讨论灰色关联分析在畜牧气象灾害综合评估中的应用，并对未来的年份做了评估，结果表明进行关联分析，计算简单，依照历年的关联度排序所进行的评估，结果准确，可靠性大，并可避免单一指标评估的弊端和偏差。刘伟东等［11］针对近20 a北京地区发生的大风和暴雨灾害，应用灰色关联度方法，计算北京地区近20 a的19个大风和暴雨灾例的灾情评估指标与关联度，进行损失评估和比较。结果表明，该方法对灾情等级划分和灾情损失排序是合理的，比较符合实际对灾情的评价，能够对不同气象灾害和同一级别的气象灾害灾情差异尺度做比较，是能够应用于实际工作中的一种科学方法。

灰色关联分析就是对这个灰色系统进行动态发展势态的量化比较。即系统之间有关统计数列几何关系的比较，根据几种曲线间的几何形状接近程度来判别关联度大小。若曲线形状越接近，则发展势态越接近，关联度就越大。

设有参考数列 x0={x0(1)，x0(2)，x0(3)，…，x0(n)}和比较数列 xi，i=1，2，…，n。xi={xi(1)，xi(2)，xi(3)，…，xi(n)}，关联系数为 ξi(k)，即 k 点的关联系数为：

按照关联度大小排序，关联度越大，对应的灾情越重。用此方法可以排列同一灾害等级中不同灾情的轻重顺序。

3.2 等级划分标准的确定

先将各灾害指标采用初值化方法，消除量纲的影响，用x0数列分别去除xi数列，可得到一个数值在0-1的新数列。采用死亡人口/1 000，农作物受灾面积/当年总耕地面积，直接经济损失/当年经济总量来达到因子归一化。本方法采用x0={1，1，1}作为参考数列。

由计算结果分析(表1)，§0最大为2.73，其次为2.70，均出现在1991年7月，根据灾情资料1991

式(1)中，|x0(k)-xi(k)|表示x0数列与xi数列在k点的绝对差值，用Δi(k)来表示。miniminkx0(k)-xi(k)为二级最小差，minkx0(k)-xi(k)为一级最小差，表示x0数列和xi数列k点差值中的最小值。maximaxkx0(k)-xi(k)为二级最大差，意义与二级最小值相似。

关联度(即等权关联度)用§0表示年7月安顺市确实遭受了百年罕见的洪涝灾害，损失惨重，§0的结果可以较客观地反映灾害等级。

为便于比较，将计算结果进行变换，新的灾度§变换公式为

为与中国局《气象灾情收集上报调查和评估试行规定》一致，将暴雨灾害灾情划分为轻微灾(1)、轻灾(2)、中灾(3)、重灾(3)、特大灾(5)等5个等级，详见表2划分，标准如下：

将本评估方法结果与原评估标准(中国局《气象灾情收集上报调查和评估试行规定》)评定结果比较，结果如下：有29次一致，12次差一级，没有差别2级或以上的。表明划分结果合理可用，并达到了定量化的目的。

4 暴雨灾害的主要气象因子分析和方程的建立

为便于对暴雨事件造成的灾害开展预评估，选取能反映暴雨强度的事件降水总量、雨强和强降水的覆盖范围等要素，通过经验分析和统计相关等方法统计，从不同角度选择如下5个指标作为要建立的预评估模型的指标：x1：前10 d总降水量;x2：过程总降水量;x3：暴雨过程中最大的24 h降水量;x4：最大3 h降水量;x5暴雨出现站次覆盖范围。将以上指标均进行归一化，方法是用各原始数据减平均值后除以标准差。

表1 安顺历年暴雨灾情及§0结果

表2 根据灰色关联度划分的灾害等级标准

通过对历史暴雨灾害过程的统计分析，利用已计算出的暴雨灾害关联度灾度与以上5个降水气象因子建立相关方程，得到预评估方程为：

5 预评估系统的建立及结果检验

用预评估方程(4)对历史资料进行回算，平均误差为0.02，用此方程对2006—2009年4次暴雨灾害作试报，计算结果平均误差为0.013，4次过程中有2次预评估结果与实况一致，另2次评估结果有一级偏差。

在实际应用中可利用数值预报T639发布的降雨因子，将数值预报结果插值到站点上，带入方程中，作为暴雨预评估业务化方法。

在以上研究基础上建立了安顺市暴雨气象灾害预评估系统，主要包括历史暴雨洪涝灾害数据库、气象要素查询、自动站分钟数据适时读取、暴雨监测和适时评估、基于T639数值预报的暴雨预评估和暴雨灾害实况评估等部分。

6 结论

①通过对历史气象资料和灾情数据库的对比分析，统计了安顺市1986—2009年的暴雨站点资料及其对应的灾害资料。建立了暴雨灾情数据库。分析了暴雨灾害的主要气象因子，对引发灾害的暴雨过程(称其为暴雨灾害)进行分析，并建立了基于灰色关联度的评估方法，经过检验和比较，结果表明，该评估方法对灾情等级划分和灾情损失排序是合理的。

②研究了暴雨引发的灾害与气象因子的关系并采用数值预报释用的方法建立了预评估方程 ，选择了5个暴雨气象因子作为要建立的预评估模型的指标，建立了暴雨灾害关联度与降水气象因子的相关方程，将数值预报结果插值到站点上，带入方程中，作为暴雨预评估业务化方法。

③基于以上研究结果建立了安顺暴雨灾害评估和预评估系统，已投入业务使用，在应用过程中将进一步优化暴雨灾害气象因子以及预评估方程。

［1］ 谷晓平，吴俊铭，武文辉.贵州省农业气象灾害风险研究.贵州气象［J］.1997，21(4)：3-6.

［2］ 魏一鸣，杨存键，金菊良.洪水灾害分析与评估的综合集成方法. 水科学进展［J］.1999，10(1)：25-30.

［3］ 刘敏，李书睿，倪国裕，等.湖北省雨涝灾害的指标和时空分布特征.长江流域资源与环境［J］.1995，4(2)：149-153.

［4］ 林晓梅，岳耀杰，苏筠.我国冬小麦霜冻灾害致灾因子危险度评价. 灾害学［J］.2009，24(4)：45-51.

［5］ 刘敏，杨宏青.湖北省雨涝灾情评估模式的研究.湖北气象［J］.2001，(2)：16-17.

［6］ 黄崇福，刘新立，周国贤，等.以历史灾情资料为依据的农业自然灾害风险评估方法.自然灾害学报［J］.1998，7(2)：1-9.

［7］ 霍治国 ，李世奎 ，王素艳，等.主要农业气象灾害风险评估技术及其应用研究.自然资源学报［J］.2003，18(6).

［8］ 姜爱军，郑敏.江苏省重要气象灾害综合评估方法的研究. 气象科学［J］.1998，18(2)：196-202.

［9］ 万素琴，周月华，李兰，等.低温雨雪冰冻极端气候事件的多指标综合评估技术. 气象［J］.2008，34(11)：40-46.

［10］ 冯定原，吕新.伊犁地区畜牧气象灾害灰色关联分析综合评估［J］.南京气象学院学报，1997，20(1)：126-130.

［11］ 刘伟东，扈海波，程丛兰.灰色关联度方法在大风和暴雨灾害损失评估中的应用.气象科技［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

吴哲红(1969-)，女，硕士，高工，主要从事天气和气候预测研究工作。

2009年贵州省气象科技开放防灾减灾基金项目黔气科合KF〔2009〕12号资助。