湖北暴雨洪涝灾害脆弱性评估的定量研究*

温泉沛，周月华，霍治国，李 兰，方思达，史瑞琴，车 钦



湖北暴雨洪涝灾害脆弱性评估的定量研究*

温泉沛1,2，周月华1，霍治国2,3**，李 兰1，方思达1，史瑞琴1，车 钦4

（1．武汉区域气候中心，武汉 430074；2．中国气象科学研究院，北京 100081；3．南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044；4．武汉中心气象台，武汉 430074）

基于湖北省76个气象站1961−2016年逐日降水资料、2004−2016年主汛期（6−8月）主要暴雨过程的灾情资料以及《降雨过程强度等级》行业标准，通过灰色关联法和曲线拟合法，针对强降水过程，构建湖北省暴雨洪涝灾害脆弱性曲线模型，其中2004−2015年数据用于模型的构建和回代检验，2016年数据用于模型的外延预评估，以期定量化评估强降水过程造成的暴雨洪涝灾害的影响。结果表明：以受灾面积比重、受灾人口比重、直接经济损失比重和表征灾情综合影响的综合相对灾情指数作为脆弱性定量化评估对象，构建的湖北省暴雨洪涝灾害脆弱性曲线模型，在外延预评估中，除直接经济损失比重的一致准确率为60%外，其它指标的一致准确率均在80%以上，等级预评估检验误差均在1个等级以内，模型评价效果较好。

暴雨洪涝灾害；脆弱性曲线；湖北

湖北省位于长江中下游地区，人口密集，是中国经济高度发达的地区之一。受东亚季风的影响，降水过程频繁，暴雨日数多，有“洪水走廊”之称，是中国易发生洪涝的地区之一，几乎每年都会遭到不同程度的洪涝灾害影响，洪灾已经成为制约国民经济发展的主要因素[1−5]。在气候变化背景下，自然灾害风险及其造成的损失有增加的趋势[6]，随着全球经济一体化的深入，自然灾害的脆弱性将越发敏感。经济一体化的深入一方面促进了社会经济的发展与进步，另一方面也产生了不利因素，比如某个国家或地区发生自然灾害时，全球经济都会受到影响。因此，对湖北省暴雨洪涝灾害进行脆弱性定量化评估，对防洪救灾工作的开展具有非常重要的意义。

脆弱性定量化研究是自然灾害风险评估的重要环节，在基于历史灾情的脆弱性定量化研究中，脆弱性曲线的拟合是重要研究内容。脆弱性曲线又称灾损（率）曲线（函数），用来衡量不同灾种的灾变强度与其承灾体相应损失（率）之间的关系，主要以曲线、曲面或表格的形式表现出来[7]。脆弱性曲线模型的研究，近年来在多领域被广泛运用，成为灾情估算、风险定量分析以及风险地图编制的关键环节[8−9]。在实际研究中，由于暴雨洪涝致灾因子和承灾体的种类多样，且区域差异大，因此，脆弱性曲线表达的方法繁多，指标种类也各不相同。从国外已有研究成果来看，洪水脆弱性曲线的研究发展已较完善，洪水危险性经常选用水深、流速、淹没时长等指标中的某个典型指标进行分析，房屋建筑和财产损失等则是最受关注的承灾体对象[10−14]。而国内相关工作仍处于起步阶段，洪灾脆弱性曲线模型一般基于情景模拟、灾后调查或历史灾情来进行研究，且这些研究多以北京、上海、浙江余饶、温州等经济发达的城市为例构建脆弱性曲线模型[15−21]。

尽管形成暴雨洪涝的灾害系统异常复杂，但其致灾因子主要是过强或过于集中的降水[22]，因此，本研究拟以降水为主导因子，参照气象行业标准《降雨过程强度等级》[23]建立湖北省强降水过程综合指数表征暴雨过程的综合强度，基于历史灾情构建综合相对灾情指数表征暴雨洪涝造成的灾情大小[24]，通过构建脆弱性曲线，定量化研究湖北省在暴雨洪涝灾害中的宏观脆弱性，并基于脆弱性曲线对不同强度降水过程下的可能损失进行估算，以期为湖北暴雨洪涝灾后损失评估、风险评价，以及制定相关应急预案提供参考依据。

1 资料与方法

1.1 资料来源

气象资料为1961−2016年湖北省76个县（市）国家基本气象站逐日降水量观测资料。2004−2016年主汛期（6−8月）湖北暴雨洪涝灾害灾情数据包括暴雨过程的受灾面积比重（暴雨洪涝灾害造成的农作物受灾面积与播种面积之比）、受灾人口比重（暴雨洪涝灾害造成的受灾人口和当年年末总人口之比）和直接经济损失比重（暴雨洪涝灾害造成的直接经济损失与国内生产总值之比）等，主要来源于《中国气象灾害年鉴》[25]、《中国农业统计资料》[26]、《中国统计年鉴》[27]以及武汉区域气候中心编制的《湖北省汛期评价》、《湖北省梅雨期评价》等。

1.2 区域强降水过程的定义

强降水过程是暴雨洪涝灾害的主要致灾因子。根据气象行业标准《降雨过程强度等级》，并结合湖北省实际降雨情况，定义强降水过程的起始日为全省至少4个测站的日雨量达到暴雨强度（日雨量≥50mm）的第一天，最后一天定义为过程结束日。

1.3 研究思路

首先，利用近46a湖北省76个国家基本气象站的逐日降水量资料构建强降水过程综合指数（RPI）模型，利用历史灾情构建暴雨洪涝过程的综合相对灾情指数（Z）模型；其次选用2004−2015年主汛期（6−8月）的湖北省24次暴雨洪涝过程的RPI作为自变量，各灾情因子、Z作为因变量来建立脆弱性曲线模型；最后利用脆弱性曲线模型对2004−2015年主汛期湖北24次强降水过程造成的受灾人口比重、受灾面积比重、直接经济损失比重和综合灾情指数进行计算，得到的灾情等级进行回代评估检验，对2016年主汛期5次暴雨洪涝过程的灾害发生等级进行预评估检验。

2 结果与分析

2.1 湖北暴雨洪涝灾害脆弱性评估模型的构建

2.1.1 强降水过程综合指数的计算

（1）降雨强度（R）及其指数（I）

计算降雨过程中降雨强度指数，一要考虑降雨过程日平均降雨量，二要考虑过程日最大降雨量，因此，将降雨强度（R）定义为：日雨量达表1标定区间的测站日最大雨量平均值和过程雨量平均值的加权平均，权重取0.5。

式中，n为按照强降水过程定义选取的测站数（个）；i的取值范围在[1，n]；（rmax）i为该强降水过程中第i个测站最大日雨量值（mm）；m为强降水过程的持续时间（d）；j的取值范围在[1，m]；rj为该强降水过程中第i个测站第j天日雨量（mm）。依据《降雨过程强度等级》中降雨强度及其指数的划分并结合湖北情况，将降雨强度（R）及其指数（I）划分为4个等级，见表1。

表1 区域强降水过程降雨强度指数（I）的赋值标准

Note: R is the weighted average intensity at the rain extent during heavy rainfall processes from June to August and it is computed by eq.(1).

（2）覆盖范围（Cp）及其指数（C）

降雨覆盖范围指达到表1定义的降雨强度的测站占评估区域测站总数的比例。即

式中，n为按照强降水过程定义选取的所有测站数（个）；N为评估区测站总数（76个）。根据《降雨过程强度等级》中覆盖范围及其指数的划分并结合湖北情况，对降雨覆盖范围及其指数进行划分，见表2。

表2 降雨覆盖范围指数（C）的等级划分

（3）持续时间（D）及其指数（T）

强降水过程开始至结束的时间定义为降雨过程持续时间。根据强降水过程定义，对湖北省1961−2016年76个国家基本气象站资料进行分析，计算得到842个强降水过程。由图1可见，湖北省强降水过程持续4d及以上的仅占总过程的2.7%，持续1～2d的占总过程的90.8%（图1），故对持续时间指数划分如表3。

图1 湖北省1961−2016年不同持续天数的强降水过程出现频率

表3 强降水过程持续时间指数（T）的等级划分

（4）强降水过程综合指数（RPI）

综合考虑降雨强度指数、覆盖范围指数以及持续时间指数，建立强降水过程综合指数（RPI），即

根据RPI大小对强降水过程综合指数进行等级划分，见表4。

表4 湖北省强降水过程综合指数（RPI）等级划分

2.1.2 暴雨洪涝灾害综合灾情指数计算

（1）灾情因子计算

参照文献[28]的相对灾情单指标分级标准，得到洪涝灾害的5个等级：巨灾、大灾、中灾、小灾和微灾。各指标及分级标准见表5。

表5 单一指标灾害分级标准

注：PAA、PAP、PEL分别是受灾面积比重、受灾人口比重和直接经济损失比重。下同。

Note: PAA is the proportion of the affected area, PAP is the proportion of the affected population, and PEL is the proportion of the direct economic losses. The same as below.

（2）灾情指数计算

针对受灾面积比重和受灾人口比重x引入转换函数（4）、直接经济损失比重y引入转换函数（5）对表5的分级标准进行指数化处理[24]，单项指标转换函数对应的洪涝灾害等级如表6所示。

表6 单一灾情指数的分级标准

（3）综合相对灾情指数计算

利用各单项指标的指数序列（无量纲值）进行灰色关联分析，建立综合相对灾情指数（Z）计算模型[24]，将关联度r0i定义为综合相对灾情指数（Z）。计算式为

支持涠洲岛发展跨境旅游。在涠洲岛实施离岛免税购物政策，争取将涠洲岛纳入口岸对外开放（客运）范围，允许国际邮轮自由停靠。支持申请在涠洲岛实施邮轮旅游免签、落地签、身份证登船近海游、边境游政策，放宽游艇旅游管制，建设特色鲜明、竞争力强的国际旅游岛。

②计算关联度r0i

采用等权处理，将m个关联系数都体现在一个值上，即关联度。由此可知关联度是比较序列与参考序列各项指标的关联系数总和的平均值，集中反映了比较序列与参考序列的关联程度。计算得到Z的范围为0.5～1，指数越大表示强降水过程造成的灾情越严重。Z与灾害等级的对应关系见表7。

表7 综合相对灾情指数（Z）分级标准

注：Z为综合灾情指数。下同。

Note: Z is the comprehensive disaster index of HRP. The same as below.

2.1.3 暴雨洪涝灾害脆弱性曲线模型

将2004−2015年6−8月湖北省24次强降水过程造成的受灾面积比重、受灾人口比重、直接经济损失比重和综合相对灾情指数与其RPI数据进行Pearson相关性分析。结果表明（表8），这4个指标均通过0.05水平的显著性检验。因此，最终选取RPI作为致灾因子自变量，损失数据因变量包括综合相对灾情指数、受灾人口比重、受灾面积比重和直接经济损失比重。将强降水过程综合指数（RPI）作为暴雨洪涝强度的关键数据，将强降水过程的受灾面积比重、受灾人口比重、直接经济损失比重以及综合相对灾情指数作为暴雨洪涝灾损的关键数据，拟合暴雨洪涝强度与不同承灾体受灾情况的关系曲线，即脆弱性曲线。

表8 RPI与各灾损失数据的相关性分析（Pearson相关）

注：*、**、***分别表示相关系数通过0.05、0.01、0.001水平的显著性检验。下同。

Note:*is P<0.05，**is P<0.01，***is P<0.001. The same as below.

构建的脆弱性曲线模型对灾害发生等级的评估准确率检验包括两部分：回代及外延预评估检验。对历史强降水过程由模型统计得到的回代和预评估与由指标统计得到的实际值进行对比，分别定义“一致”准确率（P）和“基本一致”准确率（Q），即

式中，n1为回代评估（或等级外延预评估）准确的样本量，N1为回代总数评估（或外延预评估总数）。

式中，n2为回代评估（或等级外延预评估）与实际值相差在１个等级以内的预测样本量，N1为回代总数评估（或外延预评估总数）。

2.2 湖北暴雨洪涝灾害脆弱性评估模型的应用和检验

利用2004−2016年湖北省76站逐日降水资料，对湖北省强降水过程进行统计，结果发现，建立暴雨洪涝灾害脆弱性曲线模型选取的2004−2015年主汛期（6−8月）24次强降水过程中，综合指数评价结果为“强”和“特强”的有17次（表9），据此建立暴雨洪涝灾害脆弱性曲线模型；2016年6−8月强降水过程综合指数评价结果为“强”和“特强”的有5次（表9），用来检验暴雨洪涝灾害脆弱性曲线模型的应用效果。

2.2.2 综合灾情评估

由表10可以看出，这29次强降水过程中的综合相对灾情指数为0.6～0.8，灾害集中于小灾以及中灾等级，分别占75.9%和24.1%。2016年6月30日−7月4日的强降水过程造成的受灾最为严重，受灾人口比重、受灾面积比重以及直接经济损失比重也是历次过程中最高的，其综合相对灾情指数达0.77，其次是2010年7月8−14日。

2.2.3 暴雨洪涝灾害脆弱性曲线模型

利用湖北省2004−2015年6−8月24次强降水过程的RPI值（强降水过程综合指数），与其相应的强降水过程造成的受灾人口比重、受灾面积比重、直接经济损失比重以及综合相对灾情指数分别进行拟合，得到基于强降水过程的暴雨洪涝灾害脆弱性曲线，见图2。由图中可见，RPI与受灾人口比重、受灾面积比重、直接经济损失比重以及综合相对灾情指数间均为幂函数关系，方程的决定系数（R²）均大于0.6，相关系数均通过0.05水平的显著性检验，具有较高拟合度。

2.2.4 暴雨洪涝灾害脆弱性曲线模型的检验

利用建立的脆弱性曲线模型对2004−2015年主汛期湖北强降水过程造成的受灾人口比重、受灾面积比重、直接经济损失比重和综合灾情指数进行计算，发生的灾情等级进行回代评估检验，对2016年主汛期的灾害发生等级进行预评估，与实际分级结果进行对比，等级无相差的为“一致”，相差1个等级的为“基本一致”，结果见表11。由表可见，2004−2015年主汛期湖北24次强降水过程造成的受灾人口比重、受灾面积比重、直接经济损失比重和综合灾情指数模拟等级与实际等级相同的强降水过程分别为18、18、19和20个，回代评估检验“一致”的准确率分别为75%、75%、79.2%和83.3%，模拟结果与实际等级误差为１级的过程分别为6、6、5和4个，回代评估达“基本一致”的准确率均为100%。

表9 2004−2016年6−8月湖北省主汛期强降水过程指数计算结果

注：R为降雨强度，Cp为覆盖范围，D为持续时间，RPI为强降水过程综合指数。下同。

Note：R is rainfall intensity, Cp is rainfall coverage station percent, D is rainfall duration days, RPI is comprehensive index of HRP. The same as below.

2016年5次强降水过程引发洪涝灾害造成的受灾人口比重、受灾面积比重、直接经济损失比重和综合灾情指数Z的预评估等级与实际等级之间的外延预评估“一致”准确率分别为80%、100%、60%和100%，外延预评估在“基本一致”以上的准确率均为100%。

表10 2004−2016年6−8月湖北省主汛期强降水过程的受灾情况及综合相对灾情指数

图2 湖北省暴雨洪涝灾害脆弱性曲线

表11 依据模型模拟因子划分的灾害等级与实际灾害等级的相差级数

3 结论与讨论

以湖北省为例，选取强降水过程综合指数（RPI）作为致灾因子自变量，损失数据因变量包括受灾人口比重、受灾面积比重、直接经济损失比重和表征灾情综合影响的综合相对灾情指数，构建的湖北省暴雨洪涝灾害脆弱性曲线模型的回代评估检验一致准确率均为70%以上，外延预评估一致准确率除直接经济损失比重为60%，其它均在80%以上，并且回代评估和外延评估的结果与实际等级误差均在１级以内，评价效果较好。

考虑到脆弱性曲线分析的时效性、暴雨洪涝灾害发生的主要时段以及灾情数据的不完备性，强降水过程造成的洪涝灾情数据资料采用2004−2016年主汛期（6−8月），所以研究结果对2016年以后的暴雨洪涝灾害的宏观脆弱性评估将更为适用。

相较于基于重现期或情景模式建立的暴雨洪涝灾害脆弱性曲线模型[15−16]，基于强降水过程的湖北省暴雨洪涝灾害脆弱性曲线模型的建立，时间尺度上将更为精细化，且在业务中更易于推广。

RPI在评估湖北省强降水过程的综合强度中，对于强降水过程起止时间和过程强度的评估基本合理，但对于主雨带的多次叠加重合方面的表达存在不足，下一步将加强相关研究，以进一步提高暴雨洪涝灾害脆弱性评价曲线的准确性。

基于历史灾情数据构建的脆弱性曲线模型，由于灾情指标的特点，利于评估或比较灾害中区域间的宏观脆弱性[15]，但在不同区域之间推广还需注意区域差异并进行修正[7,14]，另外，若要涉及更精细的地域尺度或更细化的指标，可以结合模型模拟或系统调查[17,29−30]来进行研究分析，针对脆弱性高敏感区或高脆弱性承灾体的研究将是对本研究的很好补充。今后还应不断加入最新强降水过程的灾情信息，提高脆弱性曲线模型的准确性。

[1]卞洁,李双林,何金海.长江中下游地区洪涝灾害风险性评估[J].应用气象学报,2011,22(5):604-611.Bian J,Li S L,He J H.Risk assessment of flood disaster in the Mid-lower reaches of the Yangtze[J].Journal of Applied Meterological Science,2011,22(5):604-611.(in Chinese)

[2]李茂松,李森,李育慧.中国近50年洪涝灾害灾情分析[J].中国农业气象,2004,25(1):40-43.Li M S,Li S,Li Y H.Analysis of flood disaster in the past 50 years in China[J].Chinese Journal of Agrometeorology, 2004, 25(1): 40-43.(in Chinese)

[3]陈波,史瑞琴,陈正洪.近45年华中地区不同级别强降水事件变化趋势[J].应用气象学报,2010,21(1):47-54.Chen B,Shi R Q,Chen Z H.The variation tendency of heavy precipitation events in different grades during recent 45 years over Central China[J].Journal of Applied Meterological Science,2010,21(1):47-54.(in Chinese)

[4]周悦,周月华,叶丽梅,等.湖北省旱涝灾害致灾规律的初步研究[J].气象,2016,42(2):221-229.Zhou Y,Zhou Y H,Ye L M,et al.Preliminary study on disasstrous law of drought and flood in Hubei Province[J]. Meteorological Monthly,2016,42(2):221-229.(in Chinese).

[5]刘可群,陈正洪,张礼平,等.湖北省近45年降水气候变化及其对旱涝的影响[J].气象,2007,33(11):58-64.Liu K Q,Chen Z H,Zhang L P,et al. Analysis of precipitation characteristics in Hubei Province and their influence on flood/drought in the last 45 years[J].Meteorological Monthly, 2007,33(11):58-64.(in Chinese)

[6]World Bank.Hazards of nature, risk to development: an IEG evaluation of World Bank assistance for natural disaster[R]. Washington DC:World Bank,2006.

[7]石勇,许世远,石纯,等.洪水灾害脆弱性研究进展[J].地理科学进展,2009,28(1):41-46.Shi Y,Xu S Y,Shi C,et al. A review on development of vulnerability assessment of floods[J]. Progress in Geography, 2009,28(1):41-46.(in Chinese)

[8]周瑶,王静爱.自然灾害脆弱性曲线研究进展[J].地球科学进展,2012,27(4):435-442.Zhou Y,Wang J A.A review on development of vulnerability curve of natural disaster[J].Progress in Geography,2012, 27(4):435-442.(in Chinese)

[9]史培军.中国自然灾害风险地图集[M].北京:科学出版社,2010．Shi P J.Atlas of natural disaster risk of China[M]. Beijing: Science Press,2010.(in Chinese)

[10]Gissing A,Blong R.Accounting for variability in commercial flood damage estimation[J].Australian Geographer,2010, 35(2):209-222.

[11]Dutta D,Herath S,Musiake K.A mathematical model for flood loss estimation[J].Journal of Hydrology,2003, 277(1): 24-49．

[12]Scawthorn C,Flores P,Blais N,et al.HAZUS-MH flood loss estimation methodology II:damage and loss assessment[J].Natural Hazards Review,2006,7(2):72-81.

[13]Kappes M S,Keliler M,von Elverfeldt K,et al.Challenges of analyzing multi-hazard risk:a review[J].Natural Hazards,2012,64(2):1925-1958．

[14]Pistrika A,Tsakiris G,Nalbantis I.Flood depth-damage functions for built environment[J].Environmental Processes,2014,1(4):553-572.

[15]杨佩国,靳京,赵东升.基于历史暴雨洪涝灾情数据的城市脆弱性定量研究[J].地理科学,2016,36(5):733-739. Yang P G,Jin J,Zhao D S,et al.An urban vulnerability study based on historical flood data:a case study of Beijing[J]. Scientia Geographica Sinica,2016,36(5):733-739.(in Chinese)

[16]石勇.城市居民住宅的暴雨内涝脆弱性评估:以上海为例[J].灾害学,2015,30(3):94-98.Shi Y.The vulnerability assessment of residences in rainstorm water logging in cities:a case study on Shanghai[J]. Journal of Catastrophology,2015,30(3):94-98.(in Chinese)

[17]权瑞松.基于情景模拟的上海中心城区建筑暴雨内涝脆弱性分析[J].地理科学,2014,34(11):1399-1402.Quan R S.Vulnerability analysis of rainstorm waterlogging on buildings in central urban area of Shanghai based on scenario simulation[J].Scientia Geographica Sinica,2014, 34(11):1399-1402.(in Chinese)

[18]莫婉媚,方伟华.浙江省余姚市室内财产洪水脆弱性曲线:基于台风菲特(201323)灾后问卷调查[J].热带地理,2016,36(4):633-641.Mo W M,Fang W H.Empirical vulnerability functions of building contents to flood based on post-typhoon (Fitow, 201323)questionnaire survey in Yuyao,Zhejiang[J].Tropical Geography,2016,36(4):633-641.(in Chinese)

[19]刘耀龙,陈振楼,王军,等.经常性暴雨内涝区域房屋财(资)产脆弱性研究:以温州市为例[J].灾害学,2011,26(2):66-71.Liu Y L,Chen Z L,Wang J,et al.Study on property (capital) vulnerability of houses in regular rainstorm water-logging areas:taking Wenzhou city as example[J].Journal of Catastro- phology,2011,26(2):66-71.(in Chinese)

[20]郭桂祯,赵飞,王丹丹.基于脆弱性曲线的台风:洪涝灾害链房屋倒损评估方法研究[J].灾害学,2017,32(4):94-97.Guo G Z,Zhao F,Wang D D.A method research of house damage in typhoon:flood disaster chian based on vu1nera bility curve[J].Journal of Catastrophology,2017, 32(4): 94-97. (in Chinese)

[21]董姝娜,姜鎏鹏,张继权,等.基于“3S”技术的村镇住宅洪灾脆弱性曲线研究[J].灾害学,2012,27(2):34-38.Dong S N,Jiang L P,Zhang J Q,et al.Research on flood vulnerability curves of rural dwellings based on“3S” technology[J].Journal of Catastrophology, 2012,27(2): 34-38. (in Chinese)

[22]郭广芬,周月华,史瑞琴,等.湖北省暴雨洪涝致灾指标研究[J].暴雨灾害,2009,28(4):357-361.Guo G F,Zhou Y H,Shi R Q,et al.Study on index of heavy rain flood disaster grade in Hubei Province[J].Torrential Rain and Disasters,2009,28(4):357-361.(in Chinese)

[23]王莉萍,王秀荣,王维国,等.QX/T341-2016 降雨过程强度等级[S].北京:气象出版社,2017.(in Chinese).Wang L P,Wang X R,Wang W G,et al.QX/T341-2016 China for the intensity grade of rainfall process[S].Beijing:China Meteorological Press,2017.(in Chinese)

[24]温泉沛,霍治国,周月华,等.南方洪涝灾害综合风险评估[J].生态学杂志,2015,34(10):2900-2906.Wen Q P,Huo Z G,Zhou Y H,et al.Integrated risk assessment of flood disasters in southern China[J].Chinese Journal of Ecology,2015,34(10):2900-2906.(in Chinese)

[25]中国气象局.中国气象灾害年鉴[M].北京:气象出版社,2005-2016.China Meteorological Administration.Yearbook of meteoro logical disasters in China[M].Beijing:China Meteorological Press,2005-2016.(in Chinese)

[26]中华人民共和国农业部.中国农业统计资料[M].北京:中国农业出版社,2005-2016.Ministry of Agriculture.China agriculture statistical report [M].Beijing:China Agriculture Press,2005-2016.(in Chinese)

[27]中华人民共和国国家统计局.中国统计年鉴[M].北京:中国统计出版社,2005-2017.National Bureau of Statistics of the People’s Republic of China.China statistical yearbook[M].Beijing:China Statistics Press,2005-2017.(in Chinese)

[28]于庆东,沈荣芳.自然灾害综合灾情分级模型及应用[J].灾害学,1997,12(3):12-17.Yu Q D,Shen R F.A grading model and its application of the comprehensive situation of natural disaster[J].Journal of Catastrophology,1997,12(3):12-17.(in Chinese)

[29]曹诗嘉,方伟华,谭骏.基于海南省“威马逊”及“海鸥”台风次生海岸洪水灾后问卷调查的室内财产脆弱性研究[J].灾害学,2016,31(2):188-195.Cao S J,Fang W H,Tan J.Vulnerability of building contents to coastal flooding based on questionaire survey in Hainan after typhoon Rammasun and Kalmeagi[J].Journal of Catas- trophology,2016,31(2):188-195.(in Chinese)

[30]颜廷武,张童朝,张俊飚.特困地区自然灾害脆弱性及其致贫效应的调查分析[J].中国农业气象,2017,38(8):526-536.Yan T W,Zhang T C,Zhang J B.Research on natural disaster vulnerability and its poverty causing effect in contiguous poor rural areas[J].Chinese Journal of Agrometeorology, 2017, 38 (8): 526-536.(in Chinese)

Quantitative Assessment on Vulnerability of Storm Flood Disasters in Hubei Province

WEN Quan-pei1,2, ZHOU Yue-hua1, HUO Zhi-guo2,3, LI Lan1, FANG Si-da1, SHI Rui-qin1, CHE Qin4

(1.Wuhan Regional Climate Center, Wuhan 430074, China;2.Chinese Academy of Meteorological Sciences, Beijing 100081;3.Collaborative Innovation Center of Meteorological Disaster Forecast, Early-Warning and Assessment, Nanjing University of Information Science & Technology, Nanjing 210044；4.Wuhan Central Meteorological Observatory, Wuhan 430074)

Quantitative assessment on the vulnerability of storm flood disasters in Hubei Province is of great significance to the development of flood control and disaster relief. In this study, aiming to the heavy rainfall process, daily precipitation data at 76 meteorological stations from 1961 to 2016 in Hubei Province, disaster records of the rainstorm process during the main flood season (from June to August) from 2004 to 2016 in Hubei Province, and the meteorological industry standard of China for thewere jointly used to build the vulnerability curve model of storm flood disasters in Hubei Province by using grey correlation and curve fitting methods. The disaster records from 2004 to 2015 were used to build the vulnerability model and do back-testing, and the rest data in 2016 were used to extensively evaluate the impacts of the rainstorm process on the storm flood disasters. The results showed that based on the vulnerability curve model, the accuracy rates of disaster level assessment for the proportion of the affected population, proportion of the affected area, proportion of the direct economic losses, and comprehensive relative disaster index were 80%, 100%, 60%, and 100%, respectively. All the errors of disaster level assessment for above four indices were equal to or less than one level, which showed that the vulnerability curve model built in this study was suitable for the quantitative assessment of storm flood disasters..

Storm flood disaster; Vulnerability curve; Hubei Province

2018−01−21

。E-mail: huozg@cma.gov.cn

中国气象科学研究院科技发展基金（2018KJ012）；国家重点基础研究发展计划项目（2013CB430206）；公益性行业（气象）专项（GYHY201306056）；“十二五”国家科技支撑计划（2012BAD20B02）；湖北省气象局科技发展基金重点项目（2018Z06）

温泉沛（1985−），女，硕士，主要从事气象灾害风险评估研究。E-mail：wenquanpei@foxmail.com

10.3969/j.issn.1000−6362.2018.08.007

温泉沛,周月华,霍治国,等.湖北暴雨洪涝灾害脆弱性评估的定量研究[J].中国农业气象,2018,39(8):547−557