共查询到18条相似文献，搜索用时 187 毫秒
1.
选取2016—2020年朔黄铁路沿线40套自动气象站降水资料，结合周边国家站区域站近15年资料、行政区县地理信息、社会经济信息等，基于ArcGis技术，采用层次分析法等方法，从暴雨灾害的致灾因子危险性、孕灾环境敏感性、承灾体易损性3类因子构建了朔黄铁路暴雨灾害风险区划模型，并绘制了朔黄铁路暴雨灾害综合风险区划图。结果表明：朔黄铁路沿线暴雨灾害风险划分为高、次高、中、低4个等级，整体呈东部高于西部；4个高风险段与朔黄沿线各工务段收集的暴雨高发信息基本一致，该研究成果对于朔黄铁路暴雨灾害预报预警具有较好的参考作用。 相似文献
2.
该文应用层次分析法和专家咨询法,建立贵州境内高铁沿线风险评价指标体系,确定影响贵州境内高铁的主要气象灾害为暴雨,其次为雷暴、大风、凝冻、积雪等。利用贵州境内高铁沿线23个气象站1961—2015年55 a气象观测资料,分析贵州境内高铁沿线主要气象灾害的气候特征,表明暴雨日数呈上升趋势,年平均暴雨日数为2~4.9 d,沪昆高铁西段是暴雨中心;雷暴日数呈下降趋势,年平均雷暴日数为43.6~71.1 d,沪昆高铁西段是雷暴频发区;大风日数呈显著下降趋势,沪昆高铁西段出现大风的频率最高,年平均大风日数大于20 d,其余路段不足5 d;凝冻日数总体呈下降趋势,沪昆高铁和贵广高铁均不在重凝冻区,但沪昆高铁普安到晴隆段和麻江段年平均凝冻日数较多为10~15 d;积雪日数总体呈现波动趋势,其线性增长率变化不大,沪昆高铁麻江段及三穗到铜仁南段积雪日数在5~7 d,其余路段不足5 d。确定高铁沿线主要气象灾害的关键服务期,利用月平均气象灾害日数,分析各路段气象灾害对高铁影响的关键服务期及重点路段,对高铁气象服务具有参考意义。 相似文献
3.
根据冀北地区2012—2015年输电线路雷击灾害资料及1981—2015年雷暴日数,结合冀北地区的人口密度、经济发展等社会经济特征,选取雷击灾害频度、雷暴日数、生命易损模数和经济易损模数4个指标,采用层次分析法确定评估指标权重分布,建立输电线路雷击风险评估模型,形成冀北地区输电线雷击灾害风险区划图。结果表明:极高风险区有崇礼、丰宁、承德县、青龙、迁安、遵化、迁西、丰润和香河,高风险区主要位于张家口中部和南部、承德北部和东部、唐山中部和廊坊中部,极高风险区和高风险区应为输电线路雷击风险重点防护地区;中风险区主要位于张家口北部和西部、承德中部和东南部、唐山东部、秦皇岛中部、廊坊北部和南部;低风险区主要位于玉田、曹妃甸、滦南、乐亭和永清。 相似文献
4.
基于模糊综合评价法的浙江省高速公路暴雨灾害风险评估 总被引：1，自引：0，他引：1
《干旱气象》2018,(5)
利用2006—2017年浙江省气象站点的降水数据、基础地理信息数据以及社会经济数据,考虑高速公路的自然地理环境特征,从危险性、暴露度、脆弱性3个方面出发,建立高速公路暴雨灾害风险评估指标集。通过Arc GIS技术,结合模糊综合评价法,建立暴雨灾害风险评估模型,形成浙江省高速公路暴雨灾害风险区划图。结果表明,浙东南沿海地区及西部山区境内的高速路段风险等级较高,浙北北部地区和中部盆地境内的高速路段风险较低。高风险路段主要分布在长深高速富阳段、京台高速开化段、诸永高速永嘉段、温丽高速温州段、温州绕城高速、甬台温高速台州段以及瑞安到苍南段、常台高速天台东段等路段。 相似文献
5.
利用陕西省榆林市12县区气象站1951—2011年暴雨资料及所属162个区域自动气象站2007—2011年暴雨资料进行统计,按照百分位法划分暴雨等级;结合全市年降水量分布特征及地形、经济、人口等资料,确定暴雨灾害的孕灾环境、致灾因子、承灾体易损性等区划要素;应用ArcGIS技术对各项区划因子进行小网格模拟计算,并赋予不同权重,通过综合运算得到榆林市暴雨灾害分布图,应用GIS的自然断点法及经验订正法,将全市暴雨灾害划分为高风险、次高风险、中风险、次低风险及低风险5个等级。区划结果表明：榆林市北部府谷、神木县和南部子洲、吴堡县暴雨多发,灾情重,灾害风险等级最高;西部定边、靖边暴雨最少,灾害风险等级最低。 相似文献
6.
本文利用贵州省黔南州12个国家级自动气象站1989-2019年的地面降水观测资料,采用气候倾向率、线性回归、Kriging法、滑动t检验、暴雨风险因子加权分析等方法,分析了黔南州1989-2019年暴雨时空分布特征及风险落区,主要得出以下结论：(1)黔南州暴雨日数呈现增长趋势,暴雨主要出现在5-9月,大暴雨主要出现在5-8月。(2)暴雨在黔南州有两大中心,分布位于中东部的都匀地区和西部的长顺地区;黔南州大暴雨主要在都匀至三都地区,其次影响长顺地区。(3)黔南州大部分地区暴雨均呈现增加趋势,暴雨气候倾向率主要有三个强中心,分别为长顺、贵定、三都。(4)6月暴雨集中在都匀地区,7-8月南多北少,9月东部西部多、中部偏少;大暴雨5月东部西部多、北部东南部偏少,6月集中在东部都匀、三都地区,8月主要集中在东部三都、西部长顺地区。(5)暴雨日数在2013年前后存在一次突变,暴雨历史风险落区与趋势风险落区大值区主要在东部及西部地区,高风险与较高风险面积和的占比分别为黔南州总面积的30.3%、28.1%。 相似文献
7.
为了加强暴雨相关的防灾减灾工作的科学性，本文基于云南省126个国家气象站2010—2019年10年的逐时降水资料和基础地理信息数据，从暴雨灾害致灾因子危险性、孕灾环境敏感性和承灾体易损性3个方面，建立暴雨灾害风险评估模型，利用熵值法、自然断点法、ArcGIS插值和栅格分析方法，实现云南省暴雨灾害风险的区划评估。结果显示:①暴雨灾害高风险区主要集中于云南南部，包括西双版纳州、普洱市、红河南部、德宏州及北部地区；②迪庆州、怒江州、丽江市北部等地暴雨灾害风险等级较低；③全省暴雨灾害高风险区、次高风险区面积占比分别为7.05%、25.22%，低风险区、次低风险区面积占比分别为10.32%、21.86%。使用2020年暴雨灾害次数、暴雨日对区划评估结果进行检验表明，区划评估结果具有科学合理性。 相似文献
8.
《干旱气象》2021,39(3)
利用1961—2018年青海省气象资料、地理信息数据和社会经济数据,对青海省干旱灾害风险区划进行研究。结果表明:(1)致灾因子危险性较高的地区主要在青海省东部和南部,较低地区主要在青海省西部。(2)孕灾环境脆弱性整体自西北向东南逐渐降低,西北地区脆弱性风险较高,东南部较低。(3)承灾体暴露风险较高的地区主要在青海省东部,其他地区风险较低。(4)防灾减灾能力较高的地区主要在青海省西北部,而青海省南部和东部防灾减灾能力较低。(5)干旱灾害综合风险总体自东向西递减,高风险区主要在青海省东部地区,低风险区主要在青海省西部地区。(6)青海省干旱灾害高风险区主要由于致灾因子危险性及承灾体暴露性都较高,低风险区主要是致灾因子危险性、承灾体暴露性较低,且防灾减灾能力强。 相似文献
9.
关中东部暴雨灾害风险区划研究 总被引：2，自引：0，他引：2
利用关中东部11个气象站1961—2007年的逐日降水资料、同期暴雨洪涝灾害和经济发展资料,在ARCGIS平台上,从暴雨的孕灾环境敏感性、致灾因子危险性、承灾体易损性、防灾减灾能力等4方面综合分析,形成关中东部暴雨风险灾害区划。结果表明：关中东部孕灾环境的高敏感区主要在秦岭北部渭河支流较多的二华地区和沿黄河的韩城市;韩城和潼关的雨涝致灾危险性最高,蒲城、大荔致灾危险性相对较小;临渭区为高易损区;关中东部的临渭区、大荔、韩城对暴雨灾害防灾减灾能力最强,其次为蒲城和华县。暴雨洪灾的高风险区在韩城和潼关。暴雨灾害风险区面积相对较小,防灾减灾相对较强,暴雨致灾危险性范围小,但受地形和地貌影响,孕灾环境敏感性较高。 相似文献
10.
利用贵州省黔东南州15个气象站1990—2019年逐日降水量、DEM、土地利用、常住人口等数据,采用层次分析法（AHP）,从危险性和环境脆弱性两个方面构建降雨型泥石流风险评估模型,并采用历史泥石流事件对评估结果进行验证。结果表明：危险性指标中暴雨日数的重要程度最高,危险性的空间分布表现为西部和东部最高,北部最低;环境脆弱性指标中高程的重要程度最大,研究区的环境脆弱性整体上四周更高,中部较低。研究区降雨型泥石流极高风险区分布在最东部和西部,主要是由危险性最高造成;高和中度风险主要分布在南部地区,其中中度风险区是由脆弱性相对较低造成。历史泥石流灾害案例中有76.6%发生在极高和高风险区,风险评估结果与历史泥石流事件分布相吻合。 相似文献
11.
根据天津市静海区18个乡镇2009—2018年逐时降水量,以及社会经济、地理地形、水利设施等数据,结合历史受灾信息,分别对静海区的暴雨致灾因子危险性、孕灾环境敏感性、承灾体易损性及防灾减灾能力进行分析,采用GIS技术和统计方法多因子叠加,综合得出静海地区暴雨灾害风险精细化评估和区划。研究发现,静海区北部区域以及南部中旺镇及其周边风险较高,而静海地区中部的风险较低;暴雨灾害高风险区主要分布在致灾因子敏感性、承灾体易损性较高而防灾减灾能力较低的静海镇和梁头镇及其周边,应加强防灾减灾设施建设。 相似文献
12.
基于自然灾害风险评估理论,利用2005—2019年辽宁省1639个自动站逐时降水观测资料、2017年辽宁省30 m分辨率的基础地理信息和山洪沟资料以及风险普查数据,对辽宁暴雨诱发山洪灾害风险区划进行研究,并将风险区划结果与历史山洪灾情进行对比分析。结果表明：通过山洪灾害与降水相关性统计发现,6 h暴雨作为辽宁省山洪致灾因子更为合适,因此构建了6 h综合利用分级暴雨强度及暴雨频次精细评估暴雨致灾危险性;山洪沟沟口高程、沟床比降及河网密度等资料可有效评估山洪孕灾环境敏感性;人口密度、耕地比例两个风险暴露度指标以及灾损敏感系数可大体评估承灾体的易损性;与历史山洪灾害空间和频率分布对比,山洪灾害的高发区与在本次风险区划高风险区基本吻合;精确到每个山洪沟风险区划的结果,提高了山洪灾害的风险区划精度,为辽宁暴雨诱发山洪灾害精准防御提供参考。 相似文献
13.
基于1980~2010年拉萨-林芝铁路沿线17个地面站的气象资料、2019年西藏统计年鉴和西藏自治区地理信息数据资料,运用自然灾害风险综合指数法、层次分析法以及GIS空间处理技术,分析了孕灾环境脆弱性、灾害因子危害性和承灾体脆弱性,建立了拉萨-林芝铁路沿线主要气象灾害的风险研究模型,完成了拉萨-林芝铁路沿线主要气象灾害风险等级区划。结果表明:拉萨-林芝铁路沿线闪电高发季节是夏季和早秋,占91.23%;暴雨高发季节是盛夏和秋季,占93.60%;暴雪主要发生在冬季,占87.06%;大风主要发生在春季,占74.59%。拉萨-林芝铁路沿线暴雪灾害高风险区主要分布在林芝东南部和米林以东,大风灾害高风险区主要分布在加查和朗县附近,闪电和暴雨灾害高风险区主要分布在林芝市和山南市附近。 相似文献
14.
暴雨灾害风险及其对农业影响的评估 总被引：1，自引：0，他引：1
综合考虑降雨区域类型、发生强度和持续时间,确定了暴雨灾害致灾因子的综合强度分级标准;将地形高程、高程标准差、河网密度等环境脆弱性要素结合暴雨灾害致灾因子,建立暴雨灾害风险评估模型,并进行分级评估;应用GIS将农业易损性指标叠加到暴雨灾害风险区划中,得到不同等级风险下农业受影响的程度。以"7·21"暴雨为例,进行模型的应用及检验分析,结果表明:降雨量最大的葫芦岛大部、丹东宽甸县暴雨灾害风险等级为极高;致灾因子危险等级相同时,辽宁中部平原地区较辽西、辽东丘陵地区暴雨灾害风险等级高;农业易损性较高的沈阳大部、鞍山北部、丹东局部、锦州大部、铁岭部分、葫芦岛大部地区农业受灾较重。评估结果与事实灾情较一致。 相似文献
15.
暴雨灾害风险评估与区划的研究现状与进展 总被引：2，自引：0，他引：2
为暴雨灾害风险评估与区划研究需要,综合20年来国内外一些学者在灾害风险评估方面所取得的研究成果和相关文献资料,简要介绍了暴雨灾害风险区划的基本原理与技术路线;概述了暴雨灾害风险评估与区划的基本步骤;着重对暴雨灾害风险评价具有借鉴意义的模糊综合评判方法、灰色系统理论、信息量模型、人工神经网络方法等四种数学评价模型的适用性进行了分析;最后,指出未来暴雨灾害风险评估与区划研究工作的重点,一是优化暴雨灾害风险评估指标体系,二是合理选择暴雨灾害风险评估与区划的支持系统,三是完善暴雨灾害风险评估与区划的方法。 相似文献
16.
17.
基于GIS的南宁市暴雨洪涝灾害风险评估与区划 总被引：3，自引：0，他引：3
用南宁市气象数据、自然地理数据和社会经济数据,组成自然致灾因子易发性、孕灾环境敏感性、承灾体易损性和防灾减灾能力4个指标,借助GIS的空间分析和叠加分析功能,构建南宁市暴雨洪涝灾害风险评估指标体系,得出南宁市1000m×1000 m为单元的暴雨洪涝灾害综合风险区划图.结果表明,南宁市范围内发生洪涝灾害风险最高的处于宾阳,其中危险性最高的地区处于宾阳县的东部和北部,脆弱性最高的地区则处于宾阳县的中部和横县的东南部地区.该风险区划结果基本反映了南宁市暴雨灾害的潜在风险.暴雨洪涝灾害防御的重点区域应放在风险较高的区域. 相似文献