CN113610436A - 一种承灾体动态脆弱性评估方法及系统 - Google Patents
一种承灾体动态脆弱性评估方法及系统 Download PDFInfo
- Publication number
- CN113610436A CN113610436A CN202110973111.0A CN202110973111A CN113610436A CN 113610436 A CN113610436 A CN 113610436A CN 202110973111 A CN202110973111 A CN 202110973111A CN 113610436 A CN113610436 A CN 113610436A
- Authority
- CN
- China
- Prior art keywords
- disaster
- bearing body
- event
- intensity
- target area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013210 evaluation model Methods 0.000 claims abstract description 33
- 238000011161 development Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 101100532584 Clostridium perfringens (strain 13 / Type A) sspC1 gene Proteins 0.000 claims description 2
- 101100410359 Drosophila melanogaster Patronin gene Proteins 0.000 claims description 2
- 101100256651 Homo sapiens SENP6 gene Proteins 0.000 claims description 2
- 101100095550 Homo sapiens SENP7 gene Proteins 0.000 claims description 2
- 101150038317 SSP1 gene Proteins 0.000 claims description 2
- 101150098865 SSP2 gene Proteins 0.000 claims description 2
- 101100125020 Schizosaccharomyces pombe (strain 972 / ATCC 24843) pss1 gene Proteins 0.000 claims description 2
- 101100018019 Schizosaccharomyces pombe (strain 972 / ATCC 24843) ssc1 gene Proteins 0.000 claims description 2
- 102100023645 Sentrin-specific protease 3 Human genes 0.000 claims description 2
- 102100023713 Sentrin-specific protease 6 Human genes 0.000 claims description 2
- 102100031406 Sentrin-specific protease 7 Human genes 0.000 claims description 2
- 108010092928 Stomoxys serine protease 3 Proteins 0.000 claims description 2
- 101100422390 Streptococcus gordonii sspB gene Proteins 0.000 claims description 2
- 239000002803 fossil fuel Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000001556 precipitation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012038 vulnerability analysis Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种承灾体动态脆弱性评估方法及系统,所述方法包括以下步骤:建立灾情数据库;识别目标区域某一时段内的灾害特征;获取历次灾害事件承载体暴露度特征;绘制灾害损失率曲线,构建灾害损失‑强度‑恢复力动态评估模型;预估不同发展路径下目标区域承灾体特征和恢复力变化;构建承灾体脆弱性动态评估模型。所述系统包括数据获取模块、灾害判别模块、暴露度计算模块、动态评估模型模块、社会经济预估模块、动态脆弱性评估模块。本发明通过影响脆弱性的相关变量构建相应的评估模板获得承灾体脆弱性评估结果,达到了统一评估标准、量化分析参数的技术目的,实现了标准化、精确化评估的技术效果,进一步提高了灾害评估领域的智能化水平。
Description
技术领域
本发明涉及灾害评估,特别是一种承灾体动态脆弱性评估方法及系统。
背景技术
承灾体是指直接受到灾害影响和损害的人类社会主体。主要包括人类本身和社会发展的各个方面,如工业、农业、能源、建筑业、交通、通信、教育、文化、娱乐、各种减灾工程设施及生产、生活服务设施,以及人们所积累起来的各类财富等。承灾体受灾害的程度,除与致灾因子的强度有关外,很大程度上取决于承灾体自身的脆弱度。承灾体脆弱性和易损性评价可利用城市的各项经济、社会指标构建,以综合反映灾害发生在城市可能造成的损失。进行承灾体动态脆弱性分析与评价可以为城市气象灾害风险控制和编制减灾规划提供依据。
现有评估方法整体上偏主观,且评估过程较为繁琐,缺少统一的评估标准和定量化的评估指标使得承灾体脆弱度评估不够客观和准确,不便于现实中的应用。
发明内容
发明目的:本发明的目的是提供一种承灾体动态脆弱性评估方法及系统,从而提高灾害评估领域的智能化水平。
技术方案:本发明所述的一种承灾体动态脆弱性评估方法,包括以下步骤:
(1)获取某一时段气象要素数据,获取目标区域承载体特征数据和灾害损失数据,建立灾情数据库;
(2)结合气象要素数据,采用动态三维灾害事件聚类判别模型,识别目标区域某一时段内的灾害特征,获取灾害事件强度、发生频率、影响面积等要素;
(3)统计历次灾害事件影响范围,动态叠加灾害发生时目标区域承灾体要素,获取历次灾害事件承载体暴露度特征;
(4)统计历次事件灾害强度,结合目标区域灾害损失数据,绘制灾害损失率曲线,构建灾害损失-强度-恢复力动态评估模型;
(5)基于共享社会经济路径框架,设定本地化社会经济发展参数,预估不同发展路径下目标区域承灾体特征和恢复力变化;
(6)将未来承灾体和恢复力变化特征带入灾害损失-强度-恢复力动态评估模型,构建基于共享社会经济路径的承灾体脆弱性动态评估模型。
步骤(2)具体为:
(2.1)采用空间网格插值技术,将目标区域气象要素数据插值到固定分辨率网格中;
(2.2)采用气象要素数据,计算适应目标区域的灾害评估指数;
(2.3)结合历史时期灾情数据,确定每个网格上的灾害事件致灾阈值;
(2.4)计算每个网格上灾害指数强度,剔除小于致灾阈值的网格数据;
(2.5)搜索某一时间目标范围内灾害强度最大的网格,记录网格位置信息和灾害强度信息,记为Gi;
(2.6)搜索Gi周围八个网格内强度最大的网格,记为Gj,记录网格灾害强度信息;
(2.7)继续搜索Gj附近网格,直至附近再无连续的超过致灾阈值的网格为止;
(2.8)将搜索到的连续面积上的网格进行聚类,形成一次事件,事件影响面积为所构成事件网格上的总面积,事件强度为所构成事件网格上的灾害强度的算数平均值;
(2.9)继续搜索该时间点目标区域其它灾害事件,直至搜索完区域所有事件,记录事件强度、事件影响范围和事件位置信息;
(2.10)继续搜索下一时间点的所有灾害事件,直至搜索完所有时间点;
(2.11)统计所有灾害事件强度、事件影响范围和事件位置信息,剔除影响范围小于最小设定范围的事件。
步骤(3)具体为:
(3.1)采用空间网格插值技术,将目标区域承灾体要素数据插值到与气象要素统一分辨率的网格中;
(3.2)提取每次事件位置信息,将位置信息叠加至承灾体网格中;
(3.3)计算暴露于每次事件上的承灾体信息,将网格上的承灾体相加,即为本次事件的承灾体暴露度。
步骤(4)具体为:
(4.1)根据灾害损失数据,统计每一灾害损失发生时,该位置上对应的灾害事件;
(4.2)记录每次灾害损失对应的灾害强度、承灾体暴露度;
(4.3)获取灾害发生时目标区域灾害恢复力特征,灾害恢复力通常可采用社会经济水平、基础设施水平、医院病床数等数据指征;
(4.4)将灾害损失、灾害强度、承载体暴露度、恢复力水平带入影响评估模型,获取灾损率曲线,模型公式为:
式中,L为灾害损失,E为承载体暴露度,I为灾害强度,R为恢复力水平。
步骤(5)具体为:
(5.1)共享社会经济路径框架设定,其中,SSP1为可持续发展路径,SSP2为中等路径,SSP3为区域竞争路径,SSP4为不均衡路径,SSP5为化石燃料为主发展路径;
(5.2)确定不同共享社会经济路径下承灾体和恢复力的变化程度;
(5.3)获取初始年承灾体和恢复力数据,确定初始年承灾体和恢复力变化的影响因子;
(5.4)基于研究区历史时期发展状况,确定未来不同变化程度下承灾体和恢复力影响因子预估参数;
(5.5)确定不同共享社会经济路径下的预估参数;
(5.6)将初始年承灾体和恢复力的影响因子与不同路径下的预估参数输入预估模型,预估不同共享社会经济路径下承灾体和恢复力的未来变化特征。
步骤(6)具体为:
(6.1)基于气候模式数据预估未来气候要素变化;
(6.2)识别未来灾害事件特征,获取灾害事件强度、影响范围等特征;
(6.3)灾害预估结果和恢复力预估结果带入灾害影响评估模型,获取基于共享社会经济路径的承灾体脆弱性曲线,建立动态脆弱性评估模型。
一种承灾体动态脆弱性评估系统,所述系统包括以下模块:
数据获取模块:获取某一时段气象要素数据,获取目标区域承载体特征数据和灾害损失数据,建立灾情数据库;
灾害判别模块:采用动态三维灾害事件聚类判别模型,识别目标区域某一时段内的灾害特征,获取灾害事件强度、发生频率、影响面积等要素;
暴露度计算模块:统计历次灾害事件影响范围,动态叠加灾害发生时目标区域承灾体要素,获取历次灾害事件承载体暴露度特征;
动态评估模型模块:统计历次事件灾害强度,结合目标区域灾害损失数据,绘制灾害损失率曲线,构建灾害损失-强度-恢复力动态评估模型;
社会经济预估模块:基于共享社会经济路径框架,设定本地化社会经济发展参数,预估不同发展路径下目标区域承灾体特征和恢复力变化;
动态脆弱性评估模块:将未来承灾体和恢复力变化特征带入灾害动态评估模型,构建基于共享社会经济路径的承灾体脆弱性动态评估模型。
一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的一种承灾体动态脆弱性评估方法。
一种计算机设备,包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种承灾体动态脆弱性评估方法。
有益效果:与现有技术相比,本发明具有如下优点:解决了现有技术中评估方法缺少定量分析导致结果不够客观的技术问题,通过影响脆弱性的相关变量构建相应的评估模板获得承灾体脆弱性评估结果,达到了统一评估标准、量化分析参数的技术目的,实现了标准化、精确化评估的技术效果,进一步提高了灾害评估领域的智能化水平。
附图说明
图1为一种承灾体脆弱度评估方法的流程示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
实施例1:
如图1所示,一种承灾体动态脆弱性评估方法,包括以下步骤:
(1)获取某一时段气象要素数据,获取目标区域承载体特征数据和灾害损失数据,建立灾情数据库;
(2)结合气象要素数据,采用动态三维灾害事件聚类判别模型,识别目标区域某一时段内的灾害特征,获取灾害事件强度、发生频率、影响面积等要素;
(3)统计历次灾害事件影响范围,动态叠加灾害发生时目标区域承灾体要素,获取历次灾害事件承载体暴露度特征;
(4)统计历次事件灾害强度,结合目标区域灾害损失数据,绘制灾害损失率曲线,构建灾害损失-强度-恢复力动态评估模型;
(5)基于共享社会经济路径框架,设定本地化社会经济发展参数,预估不同发展路径下目标区域承灾体特征和恢复力变化;
(6)将未来承灾体和恢复力变化特征带入灾害损失-强度-恢复力动态评估模型,构建基于共享社会经济路径的承灾体脆弱性动态评估模型。
本发明实施例提供的中国干旱灾害的经济脆弱性动态评估方法的具体操作流程如下:
本案例选用干旱灾害进行方法展示,干旱是影响中国主要的自然灾害之一,定义为某一时段内降水量持续少于多年平均值而形成的气象现象。在过去的50年里,中国的干旱面积、干旱程度、持续时间以及由干旱导致的经济损失均有逐步增加的趋势。
本案例首先获取研究区气象要素和承灾体数据,气象要素采用中国气象局的发布的气象站点观测数据,由于干旱主要是由于降水量持续少于多年平均值而形成的,因此,探究干旱灾害选取的主要的气象要素为月降水量,1984-2013年中国降水量变化见表1。
表1 1984-2013年中国降水量变化
承灾体为经济,因此选取的承灾体要素为中国分省的国民生产总值,灾害损失则选取干旱灾害的直接经济损失这一指标,1984-2013年中国国民生产总值见表2,分省的干旱灾害直接经济损失见表3。
表2 1984-2013年中国GDP变化
表3 1984-2013年分省干旱灾害损失
本案例中,选取标准化降水指数(SPI)作为干旱灾害的主要灾害指数,SPI主要是利用降水量的Γ分布函数,经过正态分布标准化进行变换而得出。SPI指数具有多时间尺度特征,可以分别对短期和长期的干旱灾情进行评估。本案例中,我们计算了1984-2013年中国0.5°×0.5°网格SPI指数,并选取干旱指数小于-1作为识别干旱灾害的阈值。
接下来,采用动态三维灾害事件聚类判别模型对中国历年的干旱事件进行识别。对于干旱灾害,我们逐月识别中国范围内的超过阈值的干旱灾害事件,记录每次事件的时间强度、影响范围和发生位置。对每次事件进行统计,并剔除其中影响面积小于50000km2的事件,1984-2013年中国分省干旱灾害强度表4。
表4 1984-2013年中国分省干旱灾害强度
省份 | 强度 | 省份 | 强度 | 省份 | 强度 | 省份 | 强度 |
安徽 | -1.4257 | 河南 | -1.4267 | 内蒙古 | -1.5513 | 西藏 | -1.5398 |
北京 | -1.4030 | 黑龙江 | -1.4936 | 宁夏 | -1.5558 | 新疆 | -1.6049 |
福建 | -1.3834 | 湖北 | -1.4126 | 青海 | -1.5755 | 云南 | -1.5083 |
甘肃 | -1.5601 | 湖南 | -1.4155 | 山东 | -1.4586 | 浙江 | -1.4266 |
广东 | -1.3965 | 吉林 | -1.4447 | 山西 | -1.4610 | 重庆 | -1.4691 |
广西 | -1.4198 | 江苏 | -1.4392 | 陕西 | -1.4809 | ||
贵州 | -1.4919 | 江西 | -1.4123 | 四川 | -1.5251 | ||
河北 | -1.4422 | 辽宁 | -1.4096 | 天津 | -1.4484 |
通过将干旱灾害影响范围与承灾体相叠加,本案例获取了1984-2013年暴露于历次灾害中的GDP并进行统计,1984-2013年暴露于干旱灾害的GDP变化见表5。
表5 1984-2013年暴露于干旱灾害的GDP变化
本案例通过将统计历次事件灾害强度、干旱灾害直接经济损失、干旱灾害经济暴露度带入灾害损失-强度-恢复力动态评估模型,在本研究中,选取经济发展水平,及各省的GDP指标,作为干旱灾害恢复力的评价指标带入评估模型。根据模型公式拟合模型参数:
模型公式为:
式中,L为灾害损失,E为承载体暴露度,I为灾害强度,R为恢复力水平。
根据历年数据样本,分别获取中国不同省份的干旱灾害经济脆弱性评估参数。结合共享社会经济路径,开展中国范围各省的未来承灾体和恢复力预估,即对未来不同路径下的GDP进行预估,预估结果见表6。
表6 2020-2100年中国GDP预估
最后,将不同共享社会经济路径下的承灾体和恢复力结果带入评估模型,获取基于共享社会经济路径的干旱灾害动态经济脆弱性指数。
实施例2:
一种承灾体动态脆弱性评估系统,所述系统包括以下模块:
数据获取模块:获取某一时段气象要素数据,获取目标区域承载体特征数据和灾害损失数据,建立灾情数据库;
灾害判别模块:采用动态三维灾害事件聚类判别模型,识别目标区域某一时段内的灾害特征,获取灾害事件强度、发生频率、影响面积等要素;
暴露度计算模块:统计历次灾害事件影响范围,动态叠加灾害发生时目标区域承灾体要素,获取历次灾害事件承载体暴露度特征;
动态评估模型模块:统计历次事件灾害强度,结合目标区域灾害损失数据,绘制灾害损失率曲线,构建灾害损失-强度-恢复力动态评估模型;
社会经济预估模块:基于共享社会经济路径框架,设定本地化社会经济发展参数,预估不同发展路径下目标区域承灾体特征和恢复力变化;
动态脆弱性评估模块:将未来承灾体和恢复力变化特征带入灾害动态评估模型,构建基于共享社会经济路径的承灾体脆弱性动态评估模型。
实施例3:
一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的一种承灾体动态脆弱性评估方法。
实施例4:
一种计算机设备,包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种承灾体动态脆弱性评估方法。
Claims (9)
1.一种承灾体动态脆弱性评估方法,其特征在于,包括以下步骤:
(1)获取某一时段气象要素数据,获取目标区域承载体特征数据和灾害损失数据,建立灾情数据库;
(2)结合气象要素数据,采用动态三维灾害事件聚类判别模型,识别目标区域某一时段内的灾害特征,获取灾害事件强度、发生频率、影响面积等要素;
(3)统计历次灾害事件影响范围,动态叠加灾害发生时目标区域承灾体要素,获取历次灾害事件承载体暴露度特征;
(4)统计历次事件灾害强度,结合目标区域灾害损失数据,绘制灾害损失率曲线,构建灾害损失-强度-恢复力动态评估模型;
(5)基于共享社会经济路径框架,设定本地化社会经济发展参数,预估不同发展路径下目标区域承灾体特征和恢复力变化;
(6)将未来承灾体和恢复力变化特征带入灾害损失-强度-恢复力动态评估模型,构建基于共享社会经济路径的承灾体脆弱性动态评估模型。
2.根据权利要求1所述的方法,其特征在于,步骤(2)具体为:
(2.1)采用空间网格插值技术,将目标区域气象要素数据插值到固定分辨率网格中;
(2.2)采用气象要素数据,计算适应目标区域的灾害评估指数;
(2.3)结合历史时期灾情数据,确定每个网格上的灾害事件致灾阈值;
(2.4)计算每个网格上灾害指数强度,剔除小于致灾阈值的网格数据;
(2.5)搜索某一时间目标范围内灾害强度最大的网格,记录网格位置信息和灾害强度信息,记为Gi;
(2.6)搜索Gi周围八个网格内强度最大的网格,记为Gj,记录网格灾害强度信息;
(2.7)继续搜索Gj附近网格,直至附近再无连续的超过致灾阈值的网格为止;
(2.8)将搜索到的连续面积上的网格进行聚类,形成一次事件,事件影响面积为所构成事件网格上的总面积,事件强度为所构成事件网格上的灾害强度的算数平均值;
(2.9)继续搜索该时间点目标区域其它灾害事件,直至搜索完区域所有事件,记录事件强度、事件影响范围和事件位置信息;
(2.10)继续搜索下一时间点的所有灾害事件,直至搜索完所有时间点;
(2.11)统计所有灾害事件强度、事件影响范围和事件位置信息,剔除影响范围小于最小设定范围的事件。
3.根据权利要求1所述的方法,其特征在于,步骤(3)具体为:
(3.1)采用空间网格插值技术,将目标区域承灾体要素数据插值到与气象要素统一分辨率的网格中;
(3.2)提取每次事件位置信息,将位置信息叠加至承灾体网格中;
(3.3)计算暴露于每次事件上的承灾体信息,将网格上的承灾体相加,即为本次事件的承灾体暴露度。
5.根据权利要求1所述的方法,其特征在于,步骤(5)具体为:
(5.1)共享社会经济路径框架设定,其中,SSP1为可持续发展路径,SSP2为中等路径,SSP3为区域竞争路径,SSP4为不均衡路径,SSP5为化石燃料为主发展路径;
(5.2)确定不同共享社会经济路径下承灾体和恢复力的变化程度;
(5.3)获取初始年承灾体和恢复力数据,确定初始年承灾体和恢复力变化的影响因子;
(5.4)基于研究区历史时期发展状况,确定未来不同变化程度下承灾体和恢复力影响因子预估参数;
(5.5)确定不同共享社会经济路径下的预估参数;
(5.6)将初始年承灾体和恢复力的影响因子与不同路径下的预估参数输入预估模型,预估不同共享社会经济路径下承灾体和恢复力的未来变化特征。
6.根据权利要求1所述的方法,其特征在于,步骤(6)具体为:
(6.1)基于气候模式数据预估未来气候要素变化;
(6.2)识别未来灾害事件特征,获取灾害事件强度、影响范围等特征;
(6.3)灾害预估结果和恢复力预估结果带入灾害影响评估模型,获取基于共享社会经济路径的承灾体脆弱性曲线,建立动态脆弱性评估模型。
7.一种承灾体动态脆弱性评估系统,其特征在于,所述系统包括以下模块:
数据获取模块:获取某一时段气象要素数据,获取目标区域承载体特征数据和灾害损失数据,建立灾情数据库;
灾害判别模块:采用动态三维灾害事件聚类判别模型,识别目标区域某一时段内的灾害特征,获取灾害事件强度、发生频率、影响面积等要素;
暴露度计算模块:统计历次灾害事件影响范围,动态叠加灾害发生时目标区域承灾体要素,获取历次灾害事件承载体暴露度特征;
动态评估模型模块:统计历次事件灾害强度,结合目标区域灾害损失数据,绘制灾害损失率曲线,构建灾害损失-强度-恢复力动态评估模型;
社会经济预估模块:基于共享社会经济路径框架,设定本地化社会经济发展参数,预估不同发展路径下目标区域承灾体特征和恢复力变化;
动态脆弱性评估模块:将未来承灾体和恢复力变化特征带入灾害动态评估模型,构建基于共享社会经济路径的承灾体脆弱性动态评估模型。
8.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的一种承灾体动态脆弱性评估方法。
9.一种计算机设备,包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的一种承灾体动态脆弱性评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973111.0A CN113610436B (zh) | 2021-08-24 | 2021-08-24 | 一种承灾体动态脆弱性评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973111.0A CN113610436B (zh) | 2021-08-24 | 2021-08-24 | 一种承灾体动态脆弱性评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610436A true CN113610436A (zh) | 2021-11-05 |
CN113610436B CN113610436B (zh) | 2024-02-27 |
Family
ID=78309225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110973111.0A Active CN113610436B (zh) | 2021-08-24 | 2021-08-24 | 一种承灾体动态脆弱性评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610436B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781932A (zh) * | 2022-06-16 | 2022-07-22 | 长江水利委员会长江科学院 | 区域干旱防治的区划方法、计算机设备及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537206A (zh) * | 2014-11-28 | 2015-04-22 | 国网上海市电力公司 | 一种基于psr模型的电网基础设施脆弱性评估方法 |
CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
CN106408213A (zh) * | 2016-10-27 | 2017-02-15 | 清华大学 | 级联式山洪灾害风险分析方法及系统 |
CN106570650A (zh) * | 2016-11-09 | 2017-04-19 | 新疆林科院园林绿化研究所 | 一种林果产业低温冻害风险获取方法 |
CN109145454A (zh) * | 2018-08-24 | 2019-01-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 三重指数模型刻画牧区雪灾恢复力时空特性的方法 |
-
2021
- 2021-08-24 CN CN202110973111.0A patent/CN113610436B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537206A (zh) * | 2014-11-28 | 2015-04-22 | 国网上海市电力公司 | 一种基于psr模型的电网基础设施脆弱性评估方法 |
CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
CN106408213A (zh) * | 2016-10-27 | 2017-02-15 | 清华大学 | 级联式山洪灾害风险分析方法及系统 |
CN106570650A (zh) * | 2016-11-09 | 2017-04-19 | 新疆林科院园林绿化研究所 | 一种林果产业低温冻害风险获取方法 |
CN109145454A (zh) * | 2018-08-24 | 2019-01-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 三重指数模型刻画牧区雪灾恢复力时空特性的方法 |
Non-Patent Citations (1)
Title |
---|
梁鑫鑫;陈洁;过仲阳;: "舟山市风暴潮承灾体脆弱性评估研究", 海洋预报, no. 06, pages 80 - 84 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781932A (zh) * | 2022-06-16 | 2022-07-22 | 长江水利委员会长江科学院 | 区域干旱防治的区划方法、计算机设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113610436B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242404B (zh) | 一种强降雨诱发洪灾事件的极端性评估方法及系统 | |
He et al. | Spatiotemporal dynamics of electric power consumption in Chinese Mainland from 1995 to 2008 modeled using DMSP/OLS stable nighttime lights data | |
CN112765808B (zh) | 一种生态干旱的监测与评估方法 | |
KR101092380B1 (ko) | 지역기후모델의 모의결과를 고려한 지역기후 앙상블 예측 방법 | |
CN111367959B (zh) | 一种零时滞非线性扩展Granger因果分析方法 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN110889196B (zh) | 基于水质模型的水环境承载力评估方法、装置及存储介质 | |
CN109359770B (zh) | 一种基于机器学习预测中暑发生的模型及方法 | |
CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
CN103413036A (zh) | 一种连续化的森林火险天气等级预报模型及应用 | |
CN116861306A (zh) | 一种基于用电趋势量化网络的异常用电检测方法 | |
CN113610436A (zh) | 一种承灾体动态脆弱性评估方法及系统 | |
CN116842877A (zh) | 一种基于多源数据综合利用的小尺度三维风场重构算法 | |
CN111429028A (zh) | 一种适用于山区地形的输电线路覆冰灾害风险评估方法 | |
CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
CN113742929A (zh) | 一种针对格点气象实况的数据质量评价方法 | |
CN112924619B (zh) | 一种提取环境空气污染特征方法、系统、终端及存储介质 | |
CN110716998A (zh) | 一种精细尺度人口数据空间化方法 | |
Zhao et al. | Regulation factors driving vegetation changes in China during the past 20 years | |
CN113486295A (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
CN113657610A (zh) | 一种基于随机森林的冰雹气候特征预测方法 | |
CN113435068A (zh) | 一种基于对数变分同化的放射性核素同化预报方法 | |
CN116401962A (zh) | 水质模型最优特征方案的推求方法 | |
CN105956389B (zh) | 环境因素数据的采集方法及金属大气腐蚀等级图绘制方法 | |
CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 |
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 |