CN114723293B - 基于历史典型干旱年旱灾影响指标的干旱风险评估方法 - Google Patents
基于历史典型干旱年旱灾影响指标的干旱风险评估方法 Download PDFInfo
- Publication number
- CN114723293B CN114723293B CN202210375586.4A CN202210375586A CN114723293B CN 114723293 B CN114723293 B CN 114723293B CN 202210375586 A CN202210375586 A CN 202210375586A CN 114723293 B CN114723293 B CN 114723293B
- Authority
- CN
- China
- Prior art keywords
- drought
- year
- typical
- water resource
- disaster
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012502 risk assessment Methods 0.000 title claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 122
- 230000035622 drinking Effects 0.000 claims abstract description 31
- 238000009825 accumulation Methods 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于历史典型干旱年旱灾影响指标的干旱风险评估方法，包括：建立旱情基础数据库；对从旱情基础数据库中提取需进行分析的行政单元历年水资源量进行计算，得到该行政单元历年水资源量经验累积频率；基于所提取出的行政单元历年水资源量和该行政单元历年水资源量经验累积频率，得到该行政单元水资源量累积频率曲线；判别实际干旱年份是否为典型干旱年；从旱情基础数据库中提取农业干旱受灾率和因旱人饮困难率数据，并通过折算系数公式得到影响折算系数历年分布；判定历史典型年和现状年之间的供水能力差异对旱灾的影响是否可以忽略；确定农业干旱灾害、因旱人饮困难风险等级，以及依据城镇水源情况确定城镇干旱灾害风险等级。
Description
技术领域
本发明涉及干旱评估技术领域，特别是涉及一种基于历史典型干旱年旱灾影响指标的干旱风险评估方法。
背景技术
干旱是一种十分严重且非常复杂的自然灾害，具有发生频率高、影响范围广、持续时间久等特点。它的发生不仅受到降水、气温、蒸散量等自然因素的影响，还与人类活动密切相关。干旱风险评估是量化干旱影响的有效方法途径，可为旱灾风险决策提供科学依据。20世纪初以来，国内外许多专家基于不同资料建立了不同的干旱评价指标，包括单一评价指标和综合评价指标。具体如降水距平干旱指标(单一评价指标)、标准化降雨指数(SPI)、标准化降水蒸散指数(SPEI)以及气象综合干旱指数(MCI)等。
现有干旱风险评估技术主要从气象干旱的角度开展研究，从农业干旱风险、因旱人饮困难、城镇干旱风险角度开展的研究较少，而将水文数据同农业受灾及因旱人饮困难程度结合起来开展干旱风险评估的研究更少。
发明内容
本发明提供了一种基于历史典型干旱年旱灾影响指标的干旱风险评估方法，包括以下步骤：
步骤一、建立旱情基础数据库，并将研究区域划分成N个同级的行政单元；
步骤二、对第i个行政单元进行研究，从旱情基础数据库中提取需进行分析的行政单元历年水资源量，并对所提取出的行政单元历年水资源量进行计算，得到该行政单元历年水资源量的经验累积频率；i大于等于1且小于等于N；
步骤三、基于所提取出的行政单元历年水资源量和该行政单元历年水资源量的经验累积频率，进行P-III适线拟合，得到该行政单元水资源量经验累积频率曲线；
步骤四、进行判断：若历史典型干旱频率与计算得到的该行政单元历年水资源量的经验累积频率不相重叠，则判别实际干旱年份用为典型干旱年；
步骤五、从旱情基础数据库中提取农业干旱受灾率和因旱人饮困难率数据，并以水资源量及供水量为参数构建历史典型干旱年与现状年的农业干旱受灾率和因旱人饮困难率折算系数公式进行计算，得到影响折算系数历年分布；
步骤六、通过条件函数判定历史典型干旱年和现状年之间的供水能力差异对旱灾的影响是否可以忽略，若能忽略，则表示现状年的受灾数据等同于历史典型干旱年的结果；若不能忽略，则需要将历史典型干旱年的旱灾结果折算至现状年；
步骤七、取i＝i+1，若i小于等于N，则返回步骤二；否则，将所有的同级行政单元的干旱风险评估采用百分位数法确定农业干旱灾害、因旱人饮困难风险等级，以及依据城镇水源情况确定城镇干旱灾害风险等级。
可选的，所述步骤一中的旱情基础数据库包括需进行分析的区域各行政单元历年水资源公报、统计年鉴及抗旱规划资料，以年为单位统计各行政单元历年水资源量、供用水量、农业干旱受灾率、因旱人饮困难率、城镇水源条件指标数据。
可选的，所述步骤二中的经验累积频率的计算方式具体如下：采用Excel软件中的Rank函数或Matlab软件中的Sort函数以降序的方式对行政单元历年水资源量进行排序。
可选的，所述步骤四中判别实际干旱年份作为历史典型干旱年的具体过程如下：
S4.1、结合经验累积频率数据，采用Excel或Matlab软件中min函数搜索与典型干旱频率临近的经验累积频率，将该经验累积频率对应的年份识别为典型干旱年，作为初次判别；
S4.2、基于优化典型年法则进行多目标优化明确典型干旱年，作为最终判别；
S4.3、若通过初次判别的历史典型干旱年不遵循优化典型年法则，则剔除该年份及其经验累积频率，返回min函数继续搜索直至找到满足条件的实际典型干旱年。
可选的，优化典型年法则遵循的原则具体如下：
1)确保当年有受灾数据以及确保当年有供水数据；
2)向水资源量减小的方向选择；
3)选取典型年应尽量靠近现状年；
4)百年一遇典型年为水资源量经验累积频率最大年份；
5)使计算得到的现状年受灾数据的值随频率增加呈上升趋势。
可选的，所述步骤五中折算系数的计算公式如下：
其中：Kp为折算系数，x为典型干旱年的水资源量，wj为第j年的供水量，wstatus为现状年供水量。
可选的，通过条件函数可判定历史典型干旱年和现状年之间的供水能力差异是否可以忽略的判断方法具体如下：
若折算系数满足:Kp∈[0.95，1.05]，则忽略现状年与历史典型干旱年之间供水能力差异对旱灾的影响，Kp默认为1，现状年的受灾数据等同于历史典型干旱年的结果；
若折算系数不满足:Kp∈[0.95，1.05]，需要将历史典型干旱年的旱灾结果折算到现状年，计算公式为：Ij＝Istatus×Kp，其中：Ij和Istatus分别表示第j年和现状年的旱灾影响指标。
可选的，所述步骤七中确定农业干旱灾害、因旱人饮困难风险等级以及城镇干旱灾害风险等级的具体方法如下：
基于旱情基础数据库，将现状年同一干旱频率下所有行政单元的农业干旱受灾率作为样本，采用Rank或Sort函数将样本数据按升序排列，通过Matlab软件中Prctile百分位数函数计算样本数据对应的百分位数，并根据农业干旱灾害、因旱人饮困难风险等级划分标准自主划定农业干旱灾害和因旱人饮困难风险等级；
基于旱情基础数据库，依据城镇水源是否为两源一备、两源、一源一备、一源稳定、一源不稳定五种不同水源情况构建条件函数，并根据城镇干旱灾害风险等级划分标准自主划定城镇干旱灾害风险等级。
与现有技术相比，本发明具有以下有益效果：
(1)本发明中通过基于干旱受灾数据采用优化典型年法的得到典型年，以能有效弥补历史数据年限不够长的问题，并能较好反映现实受灾的具体情况，保证整体分布规律。
(2)针对现状年与历史典型年之间因供水能力差异对旱灾的影响，采用更容易满足实际需求的影响折算公式进行折算，以能有效反映现状年与历史典型年之间因供水能力差异造成的旱灾影响变化。
(3)建立以农业受灾率、因旱人饮困难率及城镇水源条件为指标的旱情基础数据库，并采用百分位数法公式确定农业干旱灾害和因旱人饮风险等级、以及依据水源情况确定城镇干旱灾害风险等级，体现了各行政单元多角度上的风险差异。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例中一种基于历史典型干旱年旱灾影响指标的干旱风险评估方法的流程示意图；
图2是本发明实施例中水资源量P-III曲线拟合的示意图；
图3是本发明实施例中影响折算系数历年分布的示意图。
具体实施方式
为使本发明的上述目的、特征和优点等能够更加明确易懂，下面结合附图对本发明的具体实施方式做详细的说明。需说明的是，本发明附图均采用简化的形式且均使用非精确比例，仅用以方便、清晰地辅助说明本发明实施；本发明中所提及的若干，并非限于附图实例中具体数量；本发明中所提及的‘前’‘中’‘后’‘左’‘右’‘上’‘下’‘顶部’‘底部’‘中部’等指示的方位或位置关系，均基于本发明附图所示的方位或位置关系，而不指示或暗示所指的装置或零部件必须具有特定的方位，亦不能理解为对本发明的限制。
本实施例:
参见图1所示，一种基于历史典型干旱年旱灾影响指标的干旱风险评估方法，包括以下步骤：
步骤一、结合研究区域各行政单元历年水资源公报、统计年鉴及抗旱规划资料，以年为单位统计研究区域内各同级行政单元内系列水资源量、供用水量、农业干旱受灾率(受灾面积/播种面积)、因旱人饮困难率(因旱饮水困难人口/农村人口)、城镇水源条件(是否有双水源、应急备用水源)等指标数据，建立旱情基础数据库。
步骤二、以研究区域某一行政单元为例，从旱情基础数据库中提取该行政单元历年水资源量，采用Excel软件中的Rank函数或Matlab软件中的Sort函数以降序的方式对历年水资源量进行排序，并计算相应经验累积频率。
步骤三、基于步骤二排序处理的历年水资源量及其经验累积频率数据，采用Excel或Matlab软件自定义的拟合公式或内嵌的P-III适线(P-III适线是我国水文统计计算中常用的一类概率分布曲线，其拟合过程主要涉及变差系数的取值，变差系数用于描述一组数据的标准差与其均值的百分比，是测算数据离散程度的相对指标，可根据《暴雨洪水查算手册》精确识别研究区域所处的降雨分区并取值)拟合公式进行拟合，得到水资源量累积频率曲线(参见图2所示)，并可进一步结合该水资源量经验累积频率曲线图中得到典型干旱频率(或来水频率)下的水资源量理论值。
步骤四、若历史典型干旱频率与计算得到的该行政单元历年水资源经验累积频率相重叠，则直接认定为历史典型干旱年(即直接进入步骤五)；针对历史典型干旱频率并不一定恰好对应经验累积频率的情况，需具体判别实际干旱年份作为历史典型干旱年，其判别方法具体如下：
S4.1、结合经验累积频率数据，采用Excel或Matlab软件中min函数搜索与典型干旱频率临近的经验累积频率，将该经验累积频率对应的年份识别为典型干旱年，作为初次判别；
S4.2、基于优化典型年法则进行多目标优化明确典型干旱年，作为最终判别；
S4.3、若通过初次判别的典型年份不遵循优化典型年法则，则剔除该年份及其经验累积频率，返回min函数继续搜索直至找到满足条件的实际典型干旱年。
可选的，传统典型年法遵循的原则具体如下：
1)确保当年有受灾数据(指农业干旱受灾率和因旱人饮困难率)；
2)向水资源量减小的方向选择；
3)选取典型年应尽量靠近现状年；
4)百年一遇典型干旱年为水资源量经验累积频率最大年份；
5)使计算得到的现状年受灾数据的值随频率增加呈上升趋势。传统典型年法未涉及供水能力，优化典型年法在其基础上补充了“确保当年有供水数据”，保证步骤五的实施。
步骤五、考虑现状年与典型年之间供水能力差异可能对受灾数据造成的影响，从旱情基础数据库中提取农业干旱受灾率和因旱人饮困难率数据，并以水资源量及供水量为参数构建典型年与现状年的农业干旱受灾率和因旱人饮困难率折算公式进行计算，得到如图3所示的影响折算系数历年分布示意。
步骤六、通过条件函数可判定历史典型年和现状年之间的供水能力差异是否可以忽略，具体原则为：若折算系数满足:Kp∈[0.95，1.05]，则忽略现状年与历史典型年之间供水能力差异对旱灾的影响，Kp默认为1，现状年的受灾数据等同于历史典型年的结果；反之，需要将历史典型年份的旱灾结果折算到现状年，计算公式为：Ij＝Istatus×Kp，其中：Ij和Istatus分别表示第j年和现状年的旱灾影响指标。此处优选：所述折算系统的计算公式如下：
其中：Kp为折算系数，x为典型干旱年的水资源量，wj为第j年的供水量，wstatus为现状年供水量。
步骤七、根据步骤二至步骤六开展研究区域中其他同级行政单元的干旱风险评估，并采用百分位数法确定农业干旱灾害、因旱人饮困难风险等级，以及依据城镇水源情况确定城镇干旱灾害和因旱人饮困难风险等级。该步骤具体包括：基于旱情基础数据库，将现状年同一干旱频率下所有行政单元的农业干旱受灾率(或因旱人饮困难率)作为样本，采用Rank或Sort函数将样本数据按升序排列，通过Matlab软件中Prctile百分位数函数计算样本数据对应的百分位数，并根据表1自主划定农业干旱灾害(或因旱人饮困难)风险等级；基于旱情基础数据库，依据城镇水源是否为两源一备、两源、一源一备、一源稳定、一源不稳定等不同水源情况构建条件函数，对应表2自主划定城镇干旱灾害风险等级。
表1农业/人饮干旱灾害风险等级划分标准
| 风险等级 | 低 | 中低 | 中 | 中高 | 高 |
| 百分位数 | Pm≤50％ | 50％<Pm≤65％ | 65％<Pm≤80％ | 80％<Pm≤95％ | Pm>95％ |
表2城镇干旱灾害风险等级划分标准
| 水源状况 | 两源一备 | 两源 | 一源一备 | 一源稳定 | 一源不稳定 |
| 风险等级 | 低 | 中低 | 中 | 中高 | 高 |
实施例1：
以湖南省某县的数据为例，对其干旱灾害风险调查评估的具体过程如下：
步骤一、以湖南省为研究区域，结合各县级行政单元的水资源公报、统计年鉴及《湖南省抗旱规划报告》(2009)等资料，统计长系列水资源量、供用水量、农业干旱受灾率(受灾面积/播种面积)、因旱人饮困难率(因旱饮水困难人口/农村人口)、城镇水源条件(是否有双水源、应急备用水源)等指标数据，并相应构建湖南省旱情基础数据库。
步骤二、以湖南省某县为例，从旱情基础数据中提取该县经验水资源量，采用Excel或Matlab软件自带的Rank或Sort函数以降序的方式对经验水资源量进行排序，并计算相应经验累积频率。
步骤三、结合P-III适线理论，采用matlab软件拟合S2中经验水资源量及相应经验累积频率，通过拟合结果得到该县在5年一遇(来水频率75％)、10年一遇(来水频率90％)、20年一遇(来水频率95％)、50年一遇(来水频率97％)、100年一遇(来水频率99％)典型干旱频率下的水资源量，计算结果如表3所示：
表3典型干旱频率(来水频率)下的水资源量
| 干旱频率 | 5年一遇 | 10年一遇 | 20年一遇 | 50年一遇 | 100年一遇 |
| 水资源量 | X1 | X2 | X3 | X4 | X5 |
步骤四、基于步骤三得到的该县在典型干旱频率下的水资源量，采用Matlab软件min函数初步识别满足典型干旱年份的实际年份，并根据优化典型年法则构建条件函数明确实际典型干旱年份。
步骤五、以步骤四得到的实际典型干旱年份为基础，从旱情数据库中提取该县相应年份的水资源量及供水量数据，采用折算系数公式计算了干旱灾害影响折算系数，结果满足Kp∈[0.95，1.05]，表明该县历史典型干旱年和现状年因供水能力差异对旱灾影响较小，可以忽略。
步骤六、在不考虑折算的前提下，现状年典型干旱频率下该县的旱灾影响详见表4和表5所示。
表4现状年典型干旱频率下的农业旱灾影响
| 干旱频率 | 5年一遇 | 10年一遇 | 20年一遇 | 50年一遇 | 100年一遇 |
| 农业干旱受灾率 | Y1 | Y2 | Y3 | Y4 | Y5 |
表5现状年不同干旱频率下的人饮困难情况
| 干旱频率 | 5年一遇 | 10年一遇 | 20年一遇 | 50年一遇 | 100年一遇 |
| 因旱人饮困难率(％) | Z1 | Z2 | Z3 | Z4 | Z5 |
步骤七、根据步骤二至步骤六计算步骤，可相应得到全省122个县级行政单元典型干旱频率下的农业干旱受灾率和因旱人饮困难率。对该县现状年典型干旱频率下农业、人饮受灾率(表4、表5)在全省范围内的百分位数进行计算，并结合表3确定其所属风险等级，结果详见表6和表7；同时，从旱情数据库中提取城镇水源条件，该县供水格局为双水源供水，现状无应急备用水源，根据表3可判别该县城镇干旱灾害风险等级属于中低。
表6农业干旱灾害风险等级划分结果
| 干旱频率 | 5年一遇 | 10年一遇 | 20年一遇 | 50年一遇 | 100年一遇 |
| 百分位数 | M1 | M2 | M3 | M4 | M5 |
| 风险等级(示例) | 低 | 中 | 中 | 中 | 中低 |
表7因旱人饮困难风险等级划分结果
| 干旱频率 | 5年一遇 | 10年一遇 | 20年一遇 | 50年一遇 | 100年一遇 |
| 百分位数 | N1 | N2 | N3 | N4 | N5 |
| 风险等级(示例) | 低 | 中低 | 中低 | 中 | 中低 |
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，包括以下步骤：
步骤一、建立旱情基础数据库，并将研究区域划分成N个同级的行政单元；
步骤二、对第i个行政单元进行研究，从旱情基础数据库中提取需进行分析的行政单元历年水资源量，并对所提取出的行政单元历年水资源量进行计算，得到该行政单元历年水资源量的经验累积频率；i大于等于1且小于等于N；
步骤三、基于所提取出的行政单元历年水资源量和该行政单元历年水资源量的经验累积频率，进行P-III适线拟合，得到该行政单元水资源量经验累积频率曲线；
步骤四、进行判断：若历史典型干旱频率与计算得到的该行政单元历年水资源量的经验累积频率不相重叠，则判别实际干旱年份作为典型干旱年；
步骤五、从旱情基础数据库中提取农业干旱受灾率和因旱人饮困难率数据，并以水资源量及供水量为参数构建历史典型干旱年与现状年的农业干旱受灾率和因旱人饮困难率折算系数公式进行计算，得到影响折算系数历年分布；
步骤六、通过条件函数判定历史典型干旱年和现状年之间的供水能力差异对旱灾的影响是否可以忽略，若能忽略，则表示现状年的受灾数据等同于历史典型干旱年的结果；若不能忽略，则需要将历史典型干旱年的旱灾结果折算至现状年；具体的，通过条件函数可判定历史典型干旱年和现状年之间的供水能力差异是否可以忽略的判断方法具体如下：
若折算系数满足:Kp∈[0.95，1.05]，则忽略现状年与历史典型干旱年之间供水能力差异对旱灾的影响，Kp默认为1，现状年的受灾数据等同于历史典型干旱年的结果；
若折算系数不满足:Kp∈[0.95，1.05]，需要将历史典型干旱年的旱灾结果折算到现状年，计算公式为：Ij＝Istatus×Kp，其中：Ij和Istatus分别表示第j年和现状年的旱灾影响指标；
步骤七、取i＝i+1，若i小于等于N，则返回步骤二；否则，将所有的同级行政单元的干旱风险评估采用百分位数法确定农业干旱灾害、因旱人饮困难风险等级，以及依据城镇水源情况确定城镇干旱灾害风险等级。
2.根据权利要求1所述的基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，所述步骤一中的旱情基础数据库包括需进行分析的区域各行政单元历年水资源公报、统计年鉴及抗旱规划资料，以年为单位统计各行政单元历年水资源量、供用水量、农业干旱受灾率、因旱人饮困难率、城镇水源条件指标数据。
3.根据权利要求1所述的基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，所述步骤二中的经验累积频率的计算方式具体如下：采用Excel软件中的Rank函数或Matlab软件中的Sort函数以降序的方式对行政单元历年水资源量进行排序。
4.根据权利要求1所述的基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，所述步骤四中判别实际干旱年份作为典型干旱年的具体过程如下：
S4.1、结合经验累积频率数据，采用Excel或Matlab软件中min函数搜索与历史典型干旱频率临近的经验累积频率，将该经验累积频率对应的年份识别为典型干旱年，作为初次判别；
S4.2、基于优化典型年法则进行多目标优化明确典型干旱年，作为最终判别；
S4.3、若通过初次判别的典型干旱年不遵循优化典型年法则，则剔除该年份及其经验累积频率，返回min函数继续搜索直至找到满足条件的实际典型干旱年。
5.根据权利要求4所述的基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，优化典型年法则遵循的原则具体如下：
1)确保当年有受灾数据以及确保当年有供水数据；
2)向水资源量减小的方向选择；
3)选取典型干旱年应尽量靠近现状年；
4)百年一遇典型干旱年为水资源量经验累积频率最大年份；
5)使计算得到的现状年受灾数据的值随频率增加呈上升趋势。
6.根据权利要求1所述的基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，所述步骤五中折算系数的计算公式如下：
其中：Kp为折算系数，x为典型干旱年的水资源量，wj为第j年的供水量，wstatus为现状年供水量。
7.根据权利要求1所述的基于历史典型干旱年旱灾影响指标的干旱风险评估方法，其特征在于，所述步骤七中确定农业干旱灾害、因旱人饮困难风险等级以及城镇干旱灾害风险等级的具体方法如下：
基于旱情基础数据库，将现状年同一干旱频率下所有行政单元的农业干旱受灾率作为样本，采用Rank或Sort函数将样本数据按升序排列，通过Matlab软件中Prctile百分位数函数计算样本数据对应的百分位数，并根据农业干旱灾害、因旱人饮困难风险等级划分标准自主划定农业干旱灾害和因旱人饮困难风险等级；
基于旱情基础数据库，依据城镇水源是否为两源一备、两源、一源一备、一源稳定、一源不稳定五种不同水源情况构建条件函数，并根据城镇干旱灾害风险等级划分标准自主划定城镇干旱灾害风险等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210375586.4A CN114723293B (zh) | 2022-04-11 | 2022-04-11 | 基于历史典型干旱年旱灾影响指标的干旱风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210375586.4A CN114723293B (zh) | 2022-04-11 | 2022-04-11 | 基于历史典型干旱年旱灾影响指标的干旱风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114723293A CN114723293A (zh) | 2022-07-08 |
| CN114723293B true CN114723293B (zh) | 2024-03-29 |
Family
ID=82243896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210375586.4A Active CN114723293B (zh) | 2022-04-11 | 2022-04-11 | 基于历史典型干旱年旱灾影响指标的干旱风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114723293B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049313B (zh) * | 2022-07-20 | 2023-12-26 | 江苏省水利科学研究院 | 湿润地区历史数据缺失情况下历史农业因旱受灾折算方法 |
| CN115797101A (zh) * | 2022-11-09 | 2023-03-14 | 江苏省水利科学研究院 | 湿润地区山丘区现状工程条件下历史可供水量折算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105761155A (zh) * | 2015-08-26 | 2016-07-13 | 北京师范大学 | 一种基于历史案例的农业旱灾灾情快速评估方法 |
| CN107480888A (zh) * | 2017-08-17 | 2017-12-15 | 中国水利水电科学研究院 | 一种基于apsim模型的农业旱灾风险评估方法 |
| KR20210019310A (ko) * | 2019-08-12 | 2021-02-22 | 한국수자원공사 | 확률분포에 기반한 가뭄 예측 방법 및 이를 위한 장치 |
| CN113793228A (zh) * | 2021-08-24 | 2021-12-14 | 中国水利水电科学研究院 | 现状防御条件下的不同干旱频率农业因旱减产率确定方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106716477A (zh) * | 2014-08-26 | 2017-05-24 | 瑞士再保险有限公司 | 灾害风险管理及融资系统，及其相应方法 |
| US10664937B2 (en) * | 2018-04-17 | 2020-05-26 | One Concern, Inc. | Flood risk analysis and mapping |
| CN110580657B (zh) * | 2019-10-12 | 2020-06-16 | 中国水利水电科学研究院 | 农业灌溉需水量预测方法 |
-
2022
- 2022-04-11 CN CN202210375586.4A patent/CN114723293B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105761155A (zh) * | 2015-08-26 | 2016-07-13 | 北京师范大学 | 一种基于历史案例的农业旱灾灾情快速评估方法 |
| CN107480888A (zh) * | 2017-08-17 | 2017-12-15 | 中国水利水电科学研究院 | 一种基于apsim模型的农业旱灾风险评估方法 |
| KR20210019310A (ko) * | 2019-08-12 | 2021-02-22 | 한국수자원공사 | 확률분포에 기반한 가뭄 예측 방법 및 이를 위한 장치 |
| CN113793228A (zh) * | 2021-08-24 | 2021-12-14 | 中国水利水电科学研究院 | 现状防御条件下的不同干旱频率农业因旱减产率确定方法 |
Non-Patent Citations (3)
| Title |
|---|
| 区域农业旱灾风险评估研究;费振宇;CNKI优秀硕士学位论文全文库;20150715(第7期);全文 * |
| 基于信息扩散与适线法的区域农业旱灾风险评估;白夏等;蚌埠学院学报;20171031;第6卷(第5期);第5-8页 * |
| 干旱灾害风险评估及管理对策探析;郭艳春;灾害学;20190725;第41卷(第4期);第148-149页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114723293A (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114723293B (zh) | 基于历史典型干旱年旱灾影响指标的干旱风险评估方法 | |
| CN106952159B (zh) | 一种不动产抵押品风险控制方法、系统及存储介质 | |
| CN110033164B (zh) | 一种水库群联合防洪调度的风险评估与决策方法 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| CN106875314A (zh) | 一种城市轨道交通线网客流od动态估计方法 | |
| CN104239968A (zh) | 一种快速模糊粗糙集短期负荷预测方法 | |
| CN110543562A (zh) | 一种基于事件图谱的城市治理事件自动分拨方法及系统 | |
| CN106355879A (zh) | 一种基于时空关联的城市交通流量预测方法 | |
| CN105374209A (zh) | 一种城市区域路网运行状态特征信息提取方法 | |
| CN115798189A (zh) | 一种交通拥堵指数评价方法 | |
| CN113407906B (zh) | 一种基于手机信令数据的交通出行分布阻抗函数的确定方法 | |
| CN113222368B (zh) | 一种基于雨水花园监测数据的雨洪预警方法 | |
| CN104143117B (zh) | 一种电网特殊负荷与日负荷之间的相关系数提取方法 | |
| CN110490365A (zh) | 一种基于多源数据融合预测网约车订单量的方法 | |
| CN105654722A (zh) | 基于速度的道路规划方法 | |
| CN115049313B (zh) | 湿润地区历史数据缺失情况下历史农业因旱受灾折算方法 | |
| CN102663230A (zh) | 一种基于遗传算法的土地资源评价因子级别划分方法 | |
| CN113284340B (zh) | 道路交通安全分级系统 | |
| CN113129586B (zh) | 一种基于路段速度数据的平面交叉口整体运行评价方法 | |
| CN109741612A (zh) | 一种基于汽车电子标识的小区汽车保有量估算方法 | |
| CN115114366A (zh) | 一种基于风险度量和抗旱能力评估的干旱区划方法 | |
| CN109146170A (zh) | 一种影响水库年来水的天文因子识别方法 | |
| CN114330913A (zh) | 一种基于统计数据的污水量预测方法及系统 | |
| CN111062536A (zh) | 基于大数据的中央空调负荷预测系统及方法 | |
| KR102483902B1 (ko) | 상권분석 서비스 구축시 필요 제공 정보시스템 |
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 |