CN112819312B - 气候变化情景下干旱社会经济暴露度评估方法和系统 - Google Patents
气候变化情景下干旱社会经济暴露度评估方法和系统 Download PDFInfo
- Publication number
- CN112819312B CN112819312B CN202110100782.6A CN202110100782A CN112819312B CN 112819312 B CN112819312 B CN 112819312B CN 202110100782 A CN202110100782 A CN 202110100782A CN 112819312 B CN112819312 B CN 112819312B
- Authority
- CN
- China
- Prior art keywords
- drought
- socioeconomic
- risk
- exposure
- climate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种气候变化情景下干旱社会经济暴露度评估方法和系统,属于水利工程领域。首先提取多个全球气候模式输出数据;然后,采用偏差校正方法获得气候变化情景下的多模式气象系列;再基于彭曼公式计算各栅格的蒸散发系列,推求标准化降水蒸散指数,并通过游程理论提取对应的干旱特征值;基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法推求给定重现期对应的历时和烈度;最后考虑共享社会经济路径的动态人口和GDP情景,评估气候变化影响下干旱风险增加的社会经济暴露度。该方法对未来二维干旱灾害预测和损失评估具有重要的科学意义,可为科学评估多维气候灾害的社会经济暴露度提供了重要参考依据。
Description
技术领域
本发明属于水利工程技术领域,更具体地,涉及一种气候变化情景下的干旱社会经济暴露度评估方法和系统。
背景技术
全球气候变化改变了陆地-大气系统的能量收支与水循环过程,干旱等极端水文灾害频发,给社会经济系统和生态环境的可持续发展带来巨大挑战。我国是受干旱灾害影响最严重的地区之一,气候增温速率远高于全球平均水平,到本世纪末气温或将上升4℃,严重威胁我国的粮食安全、农业安全和生态环境安全。深入理解气候变化情景下干旱灾害的社会经济影响,对未来旱情风险预测、防灾减灾和适应管理具有重要意义。
近年来国内外学者基于全球气候模式研究了未来干旱灾害的演变规律,部分研究定量评估了未来干旱事件对社会经济系统的影响。但是,受限于未来的社会经济发展情景难以预估,现有文献一般假定未来的人口和GDP数据与历史期的某一水平年不变,忽略了未来社会经济动态发展特征,不符合社会运行的客观规律,制约了干旱灾害社会经济影响评估的合理性和科学性。同时,现有文献一般基于单变量频率分析方法评估干旱事件的社会经济影响,而干旱事件通常由历时、烈度和强度等多种属性表征,现有方法难以准确描述干旱事件的物理属性,不利于评估未来气候变暖条件下干旱事件对社会系统的影响。
发明内容
针对相关技术的缺陷,本发明的目的在于提供一种气候变化情景下的干旱社会经济暴露度评估方法和系统,旨在解决现有评估方法不符合社会运行的客观规律以及难以准确描述干旱事件的物理属性的问题。
为实现上述目的,本发明一方面提供了一种气候变化情景下的干旱社会经济暴露度评估方法,包括
S1.采集研究区域的M个全球气候模式输出数据,其中M>1;
S2.基于所述全球气候模式输出数据,利用分位数偏差校正方法获得M组气候变化情景下的气象模拟系列;
S3.基于所述气候变化情景下的气象模拟系列,利用彭曼公式计算各栅格的蒸散发系列,推求干旱指标长序列,并通过游程理论提取对应的干旱历时与干旱烈度特征值;
S4.基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法获取重现期对应的干旱历时和烈度;
S5.确定给定重现期下干旱历时和干旱烈度的最可能组合情景,识别干旱潜在风险增加区域,进而评估气候变化影响下干旱风险增加的社会经济暴露度。
进一步地,所述步骤S4中干旱历时和烈度的联合分布函数为
F(d,s)=C(FD(d),PS(s))
其中,FD(d)、FS(s)分别代表干旱历时和干旱烈度的累积概率分布函数;C为Copula函数。
进一步地,采用极大似然法估计参数,并基于AIC准则从Clayton、Gumbel和Frank中选取最合适的Copula函数。
进一步地,所述步骤S5包括:
S501、识别干旱潜在风险增加区域;
S502、基于共享社会经济路径预测数据,获取未来时段潜在风险增加区域的栅格人口与GDP数据,并与气候情景相匹配;
S503、评估各情景下未来干旱风险增加造成的社会经济暴露度;
S504、针对步骤S503得到的社会经济暴露度估计值,通过加权平均方法获得研究区域的人口和GDP暴露度。
进一步地,所述步骤S501具体包括
分别确定历史基准期和未来时段干旱历时、干旱烈度的联合概率分布;
在历史基准时段,确定给定重现期Th下干旱历时和干旱烈度的最可能组合情景(D,S);
将所述最可能组合情景(D,S)代入未来时段基于Copula函数的联合概率分布,获取气候变化影响下新的重现期Tf,Th与Tf的差异即为气候变化背景下干旱风险的变化。
进一步地,所述步骤S502中,选用三种不同共享社会经济路径SSP1、SSP2和SSP5的GDP和人口数据;在考虑GDP和人口的气候响应时,三种共享社会经济路径与RCP情景分别对应开展分析,即考虑CMIP6框架发布的三种气候预估情景。
进一步地,所述步骤S503具体包括
以Th和Tf的相对大小为干旱风险变化的度量:若Th>Tf,联合重现期减小,干旱风险增大;若Th<Tf,联合重现期变大,干旱风险减小;
针对干旱风险增大的情况,进一步将其划分为不同的等级,并对不同等级下栅格人口或经济进行匹配,进而定义未来气候变暖情景下干旱风险增加造成的社会经济暴露度,采用面积权重法计算流域内各等级下人口、社会经济所占比重:
式中:Epop和Egpd分别为受干旱风险增加影响的人口和GDP暴露度,ωi表征研究区域内第i个栅格人口或者GDP所占的面积权重,L表示研究区域的栅格数量;I(·)为指示函数,当Tf-Th<0时记为1,否则记为0;popt-i和gdpt-i为第i个栅格在研究时段t内的人口以及GDP均值;
对于M组全球气候模式和三种气候预估情景组合,共得到3M组可能的干旱潜在风险预估结果和社会经济数据组合情景;对每一种情景,分别评估未来干旱风险增加造成的社会经济暴露度。
本发明另一方面还提供了一种气候变化情景下的干旱社会经济暴露度评估系统,包括
气候情景生成模块,用于采集研究区域的M个全球气候模式输出数据,其中M>1;基于所述全球气候模式输出数据,利用分位数偏差校正方法获得M组气候变化情景下的气象模拟系列;
二维干旱分析模块,用于基于所述气候变化情景下的气象模拟系列,利用彭曼公式计算各栅格的蒸散发系列,推求干旱指标长序列,并通过游程理论提取对应的干旱历时与干旱烈度特征值;基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法获取重现期对应的干旱历时和烈度;
社会经济评估模块,用于确定给定重现期下干旱历时和干旱烈度的最可能组合情景,识别干旱潜在风险增加区域,进而评估气候变化影响下干旱风险增加的社会经济暴露度。
本发明的一种气候变化情景下的二维干旱社会经济暴露度评估方法,将全球气候模式集合输出、偏差校正方法、干旱指标计算方法、干旱事件量化方法与基于最可能组合法的二维Copula函数相结合,考虑干旱事件的多维属性特征,获取多维属性下的干旱潜在风险量化结果;同时,利用共享社会经济路径输出数据模拟未来社会经济的动态发展情景,与干旱潜在风险量化结果相关联,获取干旱暴露度指数,评估未来干旱事件可能对社会经济造成的影响。该方法对未来二维干旱灾害预测和损失评估具有重要的科学意义,为科学评估多维气候灾害的社会经济暴露度提供了重要参考依据。
附图说明
图1是本发明方法的具体流程图;
图2为校正前、后历史时期日最高气温的概率密度函数的示意图;
图3为游程理论的示意图;
图4为最可能组合法的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例的一种气候变化情景下的二维干旱社会经济暴露度评估方法,首先搜集研究区域的基础气象水文数据,并提取多个全球气候模式输出数据;然后,结合全球气候模式集合,采用偏差校正方法获得气候变化情景下的多模式气象系列;再基于彭曼公式计算各栅格的蒸散发系列,推求标准化降水蒸散指数,并通过游程理论提取对应的干旱特征值;基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法推求给定重现期对应的历时和烈度;最后考虑共享社会经济路径的动态人口和GDP情景,评估气候变化影响下干旱风险增加的社会经济暴露度,其具体流程详见图1。
下面通过实施例对本发明的技术方案做进一步具体说明:
步骤1、采集研究区域的基础气象水文数据,主要包括M个全球气候模式输出数据,日降水、气温、风速、相对湿度、辐射通量等气象数据。
进一步地,选取三个代表性浓度路径,提取CMIP6(第六次国际耦合模式比较计划)的M个全球气候模式(GCMs)数据。
由于单一GCM模型具有较大的不确定性,本实施例采用M个全球气候模式(GCMs)输出数据。进一步地,本实施例选取的三个代表性浓度路径分别为RCP2.6,RCP4.5和RCP8.5。
步骤2、基于全球气候模式集合和分位数偏差校正方法,获得M组气候变化情景下的气象模拟系列。
采用分位数偏差校正方法校正GCMs输出,获取未来气象序列;具体为计算GCMs输出变量与观测气象变量在各个分位数(0.01-0.99)上的差异,并将该差异在GCMs输出未来情景的各分位数上去掉,得到未来修正后的GCMs气候预测。对气温(风速、相对湿度、辐射通量)校正如下:
Tadj,d=TGCM,d+(Tobs,Q-TGCM,ref,Q) (1)
对于降水的校正如下:
Padj,d=PGCM,d×(Pobs,Q/PGCM,ref,Q) (2)
式中:T和P分别代表气温(风速、相对湿度、日照时长)和降水,adj代表校正后的序列,obs代表观测数据,ref和fut分别代表历史参考期和未来预测期,d代表日数据,Q代表各分位数。
如图2所示,给出了偏差校正前、后历史时期日最高气温的概率密度函数的示意图。
步骤3、基于彭曼公式计算各栅格的蒸散发系列,推求标准化降水蒸散指数,并通过游程理论提取对应的干旱特征值,包括干旱历时与烈度。
步骤3进一步包括以下子步骤:
步骤3.1、基于彭曼公式计算各栅格的蒸散发系列;
对研究区域的各栅格,采用彭曼公式计算潜在蒸散发(PET):
式中:Δ表征饱和水汽压对气温的响应曲线;tmean为地表均温(℃);Rn为地表净辐射;es和ea分别为饱和水汽压和实际水汽压;Δ、tmean、Rn、es和ea均可通过GCMs校正后的气象变量推求,推求方法为本领域常规技术;G为土壤热通量,本实施例取0。
步骤3.2、推求干旱指标长序列(此处干旱指标拟选取标准化降水蒸散指数);
首先通过概率分布将降水(P)和潜在蒸散发(PET)的差值标准化,本实施例采用Log-logistic分布函数:
式中:F(x)表征Log-logistic分布的累计概率分布函数;α,β和λ分别表征形状、尺度和位置参数,通过极大似然法估计。
进一步地,通过将拟合获取的概率逆标准化(Φ-1)得到标准化降水蒸散指数(SPEI):
SPEI(x)=Φ-1(F(x)) (3)
步骤3.3、基于推求的干旱指标长序列,通过游程理论提分别提取M组历史期与未来期各栅格的干旱历时与干旱烈度特征值;
在某一RCP情景下,对于每一个GCM的输出数据,均可得到相应的历史期与未来期的干旱特征值,故得到M组干旱历时与烈度特征值。
如图3所示,给出了游程理论的示意图。
步骤4、基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法推求重现期Tor对应的历时和烈度。
步骤4进一步包括以下子步骤:
步骤4.1、构建边缘分布函数;
令D(D1,D2,...,Di,...,Dn)表示干旱历时,S(S1,S2,...,Si,...,Sn)表示干旱烈度,n为时段内(历史基准期或未来时段)干旱事件样本的总数;采用Gamma分布函数分别拟合不同时期的干旱历时、烈度,通过极大似然法估计参数。
步骤4.2、基于Copula函数构建干旱历时和烈度的联合分布函数;
干旱历时和干旱烈度的二维联合概率分布函数F(d,s)可表示为:
F(d,s)=C(FD(d),FS(s)) (4)
式中,FD(d)、FS(s)分别代表干旱历时和干旱烈度的累积概率分布函数;C为copula函数。
进一步地,本实施例选取3类常见的阿基米德Copula,即Clayton、Gumbel和Frank作为备选,采用极大似然法估计参数,并基于AIC准则(即AIC值最小)优选最合适的Copula函数。
步骤4.3、基于最可能组合法推求给定重现期Tor对应的干旱历时和烈度;
不同历时、烈度组合发生的相对可能性大小,可以通过D和S的联合概率密度函数值f(d,s)来度量。对于给定的联合重现期Tor,设计值的联合概率密度函数值越大,则表明该历时、烈度组合发生的可能性越大,即需求解:
其中:c[FD(d),Fs(s)],表征最优Copula的概率密度函数,fD(d)和fS(s)分别代表历时和烈度边缘分布的概率密度;通过牛顿迭代法求解。
如图4所示,给出了最可能组合法的示意图。
进一步地,在某一RCP情景下,对于每一个GCM的输出数据,均可得到Tor对应的历史期与未来期的干旱历时与烈度设计值。
步骤5、考虑共享社会经济路径的动态人口和GDP情景,评估气候变化影响下干旱风险增加的社会经济暴露度。
步骤5进一步包括以下子步骤:
5.1、识别干旱风险增加区域;
分别确定历史基准期和未来时段干旱历时、干旱烈度的联合概率分布。在历史基准时段,确定给定重现期Th下干旱历时和干旱烈度的最可能组合情景(D,S);将该最可能组合情景(D,S)代入未来时段基于Copula函数的联合概率分布,获取气候变化影响下新的重现期Tf。Th与Tf的差异即为气候变化背景下干旱风险的变化。
步骤5.2、基于共享社会经济路径预测数据,获取未来时段潜在风险增加区域的栅格人口与GDP数据,并与气候情景相匹配。
本实施例选用三种不同共享社会经济路径(SSP1,SSP2和SSP5)的GDP和人口数据,其空间分辨率为0.25°×0.25°。
进一步地,在考虑GDP和人口的气候响应时,三种SSP与RCP情景分别对应开展分析,即考虑CMIP6框架发布的三种气候预估情景(SSP1-2.6,SSP2-4.5和SSP5-8.5)。
步骤5.3、评估各情景下未来干旱风险增加造成的社会经济暴露度。
以Th和Tf的相对大小为干旱风险变化的度量。若Th>Tf,联合重现期减小,干旱风险增大;若Th<Tf,联合重现期变大,干旱风险减小。针对干旱风险增大的情况,进一步将其划分为不同的等级,并对不同等级下栅格人口或经济进行匹配,进而定义未来气候变暖情景下干旱风险增加造成的社会经济暴露度,采用面积权重法计算流域内各等级下人口、社会经济所占比重:
式中:Epop和Egpd分别为受干旱风险增加影响的人口和GDP暴露度,ωi表征研究区域内第i个栅格人口或者GDP所占的面积权重,L表示研究区域的栅格数量;I(·)为指示函数,当Tf-Th<0时记为1,否则记为0;popt-i和gdpt-i为第i个栅格在研究时段t内的人口以及GDP均值。
进一步地,对于M组GCMs和三种情景组合,共得到3M组可能的干旱潜在风险预估结果和社会经济数据组合情景;对每一种情景,分别评估未来干旱风险增加造成的社会经济暴露度。
步骤5.4、针对步骤5.3得到的3M组社会经济暴露度估计值,通过加权平均方法获得研究区域的人口和GDP暴露度。
本发明实施例还提供了一种气候变化情景下的干旱社会经济暴露度评估系统,包括
气候情景生成模块,用于采集研究区域的M个全球气候模式输出数据,其中M>1;基于所述全球气候模式输出数据,利用分位数偏差校正方法获得M组气候变化情景下的气象模拟系列;
二维干旱分析模块,用于基于所述气候变化情景下的气象模拟系列,利用彭曼公式计算各栅格的蒸散发系列,推求干旱指标长序列,并通过游程理论提取对应的干旱历时与干旱烈度特征值;基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法获取重现期对应的干旱历时和烈度;
社会经济评估模块,用于确定给定重现期下干旱历时和干旱烈度的最可能组合情景,识别干旱潜在风险增加区域,进而评估气候变化影响下干旱风险增加的社会经济暴露度。
具体每个模块的功能可参见前述方法实施例中的介绍,在此不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种气候变化情景下的干旱社会经济暴露度评估方法,其特征在于,包括
S1.采集研究区域的M个全球气候模式输出数据,其中M>1;
S2.基于所述全球气候模式输出数据,利用分位数偏差校正方法获得M组气候变化情景下的气象模拟系列;
S3.基于所述气候变化情景下的气象模拟系列,利用彭曼公式计算各栅格的蒸散发系列,推求干旱指标长序列,并通过游程理论提取对应的干旱历时与干旱烈度特征值;
S4.基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法获取重现期对应的干旱历时和烈度;
S5.确定给定重现期下干旱历时和干旱烈度的最可能组合情景,识别干旱潜在风险增加区域,进而评估气候变化影响下干旱风险增加的社会经济暴露度;
所述步骤S5包括:
S501、识别干旱潜在风险增加区域;
S502、基于共享社会经济路径预测数据,获取未来时段潜在风险增加区域的栅格人口与GDP数据,并与气候情景相匹配;
S503、评估各情景下未来干旱风险增加造成的社会经济暴露度;
S504、针对步骤S503得到的社会经济暴露度估计值,通过加权平均方法获得研究区域的人口和GDP暴露度;
所述步骤S501具体包括:
分别确定历史基准期和未来时段干旱历时、干旱烈度的联合概率分布;
在历史基准时段,确定给定重现期Th下干旱历时和干旱烈度的最可能组合情景(D,S);
将所述最可能组合情景(D,S)代入未来时段基于Copula函数的联合概率分布,获取气候变化影响下新的重现期Tf,Th与Tf的差异即为气候变化背景下干旱风险的变化;
所述步骤S503具体包括:
以Th和Tf的相对大小为干旱风险变化的度量:若Th>Tf,联合重现期减小,干旱风险增大;若Th<Tf,联合重现期变大,干旱风险减小;
针对干旱风险增大的情况,进一步将其划分为不同的等级,并对不同等级下栅格人口或经济进行匹配,进而定义未来气候变暖情景下干旱风险增加造成的社会经济暴露度,其中,采用面积权重法计算流域内各等级下人口、社会经济所占比重:
式中:Epop和Egpd分别为受干旱风险增加影响的人口和GDP暴露度,ωi表征研究区域内第i个栅格人口或者GDP所占的面积权重,L表示研究区域的栅格数量;I(·)为指示函数,当Tf-Th<0时记为1,否则记为0;popt-i和gdpt-i为第i个栅格在研究时段t内的人口以及GDP均值。
2.如权利要求1所述的干旱社会经济暴露度评估方法,其特征在于,所述步骤S4中干旱历时和烈度的联合分布函数为
F(d,s)=C(FD(d),FS(s))
其中,FD(d)、FS(s)分别代表干旱历时和干旱烈度的累积概率分布函数;C为Copula函数。
3.如权利要求2所述的干旱社会经济暴露度评估方法,其特征在于,采用极大似然法估计参数,并基于AIC准则从Clayton、Gumbel和Frank中选取最合适的Copula函数。
4.如权利要求1所述的干旱社会经济暴露度评估方法,其特征在于,所述步骤S502中,选用三种不同共享社会经济路径SSP1、SSP2和SSP5的GDP和人口数据;在考虑GDP和人口的气候响应时,三种共享社会经济路径与RCP情景分别对应开展分析,即考虑CMIP6框架发布的三种气候预估情景。
5.如权利要求4所述的干旱社会经济暴露度评估方法,其特征在于,所述步骤S503具体包括
对于M组全球气候模式和三种气候预估情景组合,共得到3M组可能的干旱潜在风险预估结果和社会经济数据组合情景;对每一种情景,分别评估未来干旱风险增加造成的社会经济暴露度。
6.一种气候变化情景下的干旱社会经济暴露度评估系统,其特征在于,包括
气候情景生成模块,用于采集研究区域的M个全球气候模式输出数据,其中M>1;基于所述全球气候模式输出数据,利用分位数偏差校正方法获得M组气候变化情景下的气象模拟系列;
二维干旱分析模块,用于基于所述气候变化情景下的气象模拟系列,利用彭曼公式计算各栅格的蒸散发系列,推求干旱指标长序列,并通过游程理论提取对应的干旱历时与干旱烈度特征值;基于Copula函数构建各栅格不同时期干旱历时和烈度的联合分布函数,并基于最可能组合法获取重现期对应的干旱历时和烈度;
社会经济评估模块,用于确定给定重现期下干旱历时和干旱烈度的最可能组合情景,识别干旱潜在风险增加区域,进而评估气候变化影响下干旱风险增加的社会经济暴露度;识别干旱潜在风险增加区域,进而评估气候变化影响下干旱风险增加的社会经济暴露度,包括:
S501、识别干旱潜在风险增加区域;
S502、基于共享社会经济路径预测数据,获取未来时段潜在风险增加区域的栅格人口与GDP数据,并与气候情景相匹配;
S503、评估各情景下未来干旱风险增加造成的社会经济暴露度;
S504、针对步骤S503得到的社会经济暴露度估计值,通过加权平均方法获得研究区域的人口和GDP暴露度;
所述步骤S501具体包括
分别确定历史基准期和未来时段干旱历时、干旱烈度的联合概率分布;
在历史基准时段,确定给定重现期Th下干旱历时和干旱烈度的最可能组合情景(D,S);
将所述最可能组合情景(D,S)代入未来时段基于Copula函数的联合概率分布,获取气候变化影响下新的重现期Tf,Th与Tf的差异即为气候变化背景下干旱风险的变化;
所述步骤S503具体包括
以Th和Tf的相对大小为干旱风险变化的度量:若Th>Tf,联合重现期减小,干旱风险增大;若Th<Tf,联合重现期变大,干旱风险减小;
针对干旱风险增大的情况,进一步将其划分为不同的等级,并对不同等级下栅格人口或经济进行匹配,进而定义未来气候变暖情景下干旱风险增加造成的社会经济暴露度,其中,采用面积权重法计算流域内各等级下人口、社会经济所占比重:
式中:Epop和Egpd分别为受干旱风险增加影响的人口和GDP暴露度,ωi表征研究区域内第i个栅格人口或者GDP所占的面积权重,L表示研究区域的栅格数量;I(·)为指示函数,当Tf-Th<0时记为1,否则记为0;popt-i和gdpt-i为第i个栅格在研究时段t内的人口以及GDP均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110100782.6A CN112819312B (zh) | 2021-01-25 | 2021-01-25 | 气候变化情景下干旱社会经济暴露度评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110100782.6A CN112819312B (zh) | 2021-01-25 | 2021-01-25 | 气候变化情景下干旱社会经济暴露度评估方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819312A CN112819312A (zh) | 2021-05-18 |
CN112819312B true CN112819312B (zh) | 2023-06-16 |
Family
ID=75859196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110100782.6A Active CN112819312B (zh) | 2021-01-25 | 2021-01-25 | 气候变化情景下干旱社会经济暴露度评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819312B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610437A (zh) * | 2021-08-24 | 2021-11-05 | 南京信息工程大学 | 一种承灾体动态暴露度评估方法及系统 |
CN115965253A (zh) * | 2022-06-30 | 2023-04-14 | 西南交通大学 | 不同时段旱情变化的归因方法 |
CN116523302B (zh) * | 2023-04-14 | 2024-06-04 | 中国地质大学(武汉) | 一种海洋-内陆干旱事件识别与传播机理分析方法及系统 |
CN116522763B (zh) * | 2023-04-17 | 2023-12-19 | 华中科技大学 | 一种热浪-干旱复合灾害评估方法和系统 |
CN116502891B (zh) * | 2023-04-28 | 2024-03-29 | 西安理工大学 | 一种雪旱动态风险的确定方法 |
CN117592663B (zh) * | 2024-01-18 | 2024-04-05 | 安徽大学 | 一种面向变化气候的干旱风险预测方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930954A (zh) * | 2016-04-08 | 2016-09-07 | 中国水利水电科学研究院 | 一种基于三层风险评估的干旱灾害风险应对方法 |
JP2019138737A (ja) * | 2018-02-08 | 2019-08-22 | 国立研究開発法人防災科学技術研究所 | 雷危険度判定装置 |
CN110334908A (zh) * | 2019-06-03 | 2019-10-15 | 华中科技大学 | 一种流域水资源的供水发电环境多重风险评估方法和系统 |
KR20200048232A (ko) * | 2018-10-29 | 2020-05-08 | 건국대학교 산학협력단 | 하천 건천화 평가 방법 및 이를 수행하는 장치들 |
CN111680912A (zh) * | 2020-06-08 | 2020-09-18 | 中山大学 | 一种旱涝急转风险评估方法 |
CN111898258A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种水文循环变异驱动下二维干旱灾害评估方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8566067B2 (en) * | 2009-05-29 | 2013-10-22 | Daniel P. Johnson | Method of modeling the socio-spatial dynamics of extreme urban heat events |
EP3186768A1 (en) * | 2014-08-26 | 2017-07-05 | Swiss Reinsurance Company Ltd. | Disaster risk management and financing system, and corresponding method thereof |
CN111027175B (zh) * | 2019-11-06 | 2021-09-24 | 中国地质大学(武汉) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 |
CN111797129B (zh) * | 2020-06-01 | 2024-01-26 | 武汉大学 | 一种气候变化情景下水文旱情评估方法 |
-
2021
- 2021-01-25 CN CN202110100782.6A patent/CN112819312B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930954A (zh) * | 2016-04-08 | 2016-09-07 | 中国水利水电科学研究院 | 一种基于三层风险评估的干旱灾害风险应对方法 |
JP2019138737A (ja) * | 2018-02-08 | 2019-08-22 | 国立研究開発法人防災科学技術研究所 | 雷危険度判定装置 |
KR20200048232A (ko) * | 2018-10-29 | 2020-05-08 | 건국대학교 산학협력단 | 하천 건천화 평가 방법 및 이를 수행하는 장치들 |
CN110334908A (zh) * | 2019-06-03 | 2019-10-15 | 华中科技大学 | 一种流域水资源的供水发电环境多重风险评估方法和系统 |
CN111680912A (zh) * | 2020-06-08 | 2020-09-18 | 中山大学 | 一种旱涝急转风险评估方法 |
CN111898258A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种水文循环变异驱动下二维干旱灾害评估方法 |
Non-Patent Citations (2)
Title |
---|
Increased population exposure to extreme droughts in China due to 0.5°C of additional warming;Huopo Chen 等;《Environmental Research Letters》;第1-10页 * |
Projected increases in magnitude and socioeconomic 1 exposure of global droughts in 1.5 ℃ and 2 ℃ warmer climates;Lei Gu 等;《Hydrology and Earth System Science》;第1-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819312A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819312B (zh) | 气候变化情景下干旱社会经济暴露度评估方法和系统 | |
CN111027175B (zh) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | |
CN112800634B (zh) | 耦合干湿状态辨识与多源信息融合的降水估计方法及系统 | |
CN111611692B (zh) | 气候变化情景下基于等可靠度的设计洪水推求方法及系统 | |
CN112765912A (zh) | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 | |
CN108090515B (zh) | 一种基于数据融合的环境等级评估方法 | |
CN102542051A (zh) | 一种随机分布型地理要素的多目标协同抽样方案设计方法 | |
CN110414088B (zh) | 结合水动力模型的涉禽栖息地适宜性空间模糊评价方法 | |
CN115238947A (zh) | 气候变化下旱涝急转事件的社会经济暴露度预估方法 | |
CN104008433A (zh) | 基于贝叶斯动态模型的中长期电力负荷预测方法 | |
CN117909888B (zh) | 智慧人工智能气候预测方法 | |
CN117057490A (zh) | 湿胁迫热浪-洪水复合灾害的预测方法、系统及电子设备 | |
CN115983511A (zh) | 基于改进统计降尺度方法的降水预估方法和系统 | |
CN116205508A (zh) | 一种分布式光伏发电异常诊断方法和系统 | |
CN118312576A (zh) | 一种高温热浪-干旱复合灾害的预测方法、系统及电子设备 | |
CN113742929A (zh) | 一种针对格点气象实况的数据质量评价方法 | |
CN113393094A (zh) | 能源系统评估方法、装置、设备及存储介质 | |
CN116186493B (zh) | 基于数值模式校正的气象预报方法、装置、设备和介质 | |
CN112381422A (zh) | 光伏电站性能的确定方法和装置 | |
CN116341373A (zh) | 一种传感网络优化布局方法 | |
CN108051676B (zh) | 一种雷电流幅值累积概率分布曲线拟合计算方法 | |
CN114936765A (zh) | 一种考虑空间异质性的农业干旱指数构建方法 | |
CN113793077A (zh) | 一种配电网用户故障停电影响分析方法和系统 | |
CN110322063B (zh) | 一种耗电功率仿真预测方法及存储介质 | |
CN113065700A (zh) | 一种基于显著性与敏感性因子分析法的短时强降水预报方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |