CN116596303A - 一种干旱风险评估与区划方法、系统、介质、设备及终端 - Google Patents
一种干旱风险评估与区划方法、系统、介质、设备及终端 Download PDFInfo
- Publication number
- CN116596303A CN116596303A CN202310508982.4A CN202310508982A CN116596303A CN 116596303 A CN116596303 A CN 116596303A CN 202310508982 A CN202310508982 A CN 202310508982A CN 116596303 A CN116596303 A CN 116596303A
- Authority
- CN
- China
- Prior art keywords
- drought
- risk
- disaster
- index
- risk assessment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000012502 risk assessment Methods 0.000 title claims abstract description 73
- 238000013316 zoning Methods 0.000 title claims abstract description 48
- 230000009467 reduction Effects 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000002265 prevention Effects 0.000 claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 54
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000010606 normalization Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 238000004451 qualitative analysis Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 230000019771 cognition Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000008235 industrial water Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 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
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于干旱风险评估技术领域,公开了一种干旱风险评估与区划方法、系统、介质、设备及终端,建立涵盖危险性、易损性和防灾减灾能力的三维度指标体系;对指标值进行归一化,利用层次分析法确定指标权重,通过加权计算综合指标值;利用自然断点法将各指标划分为高、中高、中、中低和低五个风险等级,形成干旱灾害五级风险区划;根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,查询干旱灾害防治区划表,得到干旱灾害防治区划。本发明综合考虑气象和社会经济的多方面指标,从易损性、危险性两方面综合、全面地衡量干旱风险总体水平,可以对大范围区域进行干旱风险和抗旱减灾能力评估,并根据区划结果采取适宜的抗旱措施。
Description
技术领域
本发明属于干旱风险评估技术领域,尤其涉及一种干旱风险评估与区划方法、系统、介质、设备及终端。
背景技术
目前,我国根据本国国情主要分为气象干旱、农业干旱、水文干旱和社会经济干旱四类。现有干旱风险评估的方法以针对一种类型的干旱为主,与实际旱情表现不符,不能实现对干旱风险的全面评估。同时,现有评估方法采用的数据源较为单一,只选择能够反映干旱一个或若干个方面的数据,如降雨、气温等,然后通过这个数据计算出一种能够表征干旱的指数来评估干旱,通过单一指标评估干旱的科学性和合理性不强。另外,现有建立综合指标体系评估干旱的方法也有,但对社会经济干旱指标体系的研究较少。
广东省是我国降雨比较丰沛的省份,但近几年干旱频发,主要是由于水资源时空分布不均、人口分布集中,从而引发社会经济干旱。针对广东省旱情特点缺少针对性强的评估指标体系,现有干旱评估方法多是针对区域近期实际发生的干旱情况,评估旱情水平,不能有效衡量一个地区总体上的易受旱风险、受旱危险性和抗旱减灾能力。因此,亟需设计一种新的干旱风险评估与区划方法。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有干旱风险评估方法以针对一种类型的干旱为主,与实际发生旱情后果表现不符,不能实现对干旱风险的全面评估。
(2)现有评估方法采用的数据源较为单一,只选择能够反映干旱一个或若干个方面的数据,通过这个数据计算出一种能够表征干旱的指数来评估干旱,通过单一指标评估干旱的科学性和合理性不强。
(3)现有针对社会经济干旱指标体系的技术较少。
(4)现有干旱评估方法多针对区域近期实际发生的干旱情况评估旱情水平,不能有效衡量一个地区总体上的易受旱风险、受旱危险性和抗旱减灾能力。
发明内容
针对现有技术存在的问题,本发明提供了一种干旱风险评估与区划方法、系统、介质、设备及终端,尤其涉及一种基于耦合气象和综合社会经济指标的干旱风险评估与防治区划方法、系统、介质、设备及终端。
本发明是这样实现的,一种干旱风险评估与区划方法,干旱风险评估与区划方法包括:建立涵盖危险性、易损性和防灾减灾能力的三维度指标体系;对指标值进行归一化,利用层次分析法确定指标权重,加权计算综合指标值;利用自然断点法将各指标划分为高、中高、中、中低和低五个风险等级,形成干旱灾害五级风险区划;根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,查询干旱灾害防治区划表,得到相应的干旱灾害防治区划。
进一步,干旱风险评估与区划方法包括以下步骤:
步骤一,选取并计算评价指标,建立干旱灾害风险评估与区划指标体系;
步骤二,指标归一化,计算指标权重和综合指标值,实现干旱风险评估;
步骤三,将干旱灾害风险值进行等级划分,形成干旱灾害五级风险区划;
步骤四,通过查询干旱灾害防治区划表,得到干旱防治区划。
进一步,步骤一中的评价指标选取及计算包括:
通过克里金空间插值方法,得到降雨量C1、气温C2、枯水期降雨占比C3、土地利用C4以及经济密度C6指标;根据文献经验对各个历时的图层数据进行耦合,得到C1~C3指标;利用ArcGIS空间分析技术进行统计数据空间化,得到C1~C4评价指标;其余评价指标根据统计数据与地类相对应的原则,形成干旱灾害评价指标图层。
降雨量C1:利用中国区域1km分辨率逐月降水量数据集计算多年平均降雨。
气温C2:利用中国区域1km分辨率逐月近地表平均气温数据集,计算多年平均气温。
枯水期降雨占比C3:根据C1数据计算得到多年平均逐月降雨,推求得到枯水期降雨占比。
土地利用C4:根据30m分辨率土地利用分类数据,土地利用现状分为农用地、建设用地和未利用地三大类,分别赋值90、50、10,用于反映受旱情影响的容易程度,给农用地赋予最高值,对未利用地赋予最低值。
人口密度C5:利用各镇(街道、场)人口数与面积的比值反映人口密度。
经济密度C6:利用GDP格网数据反映经济密度。
人均设计供水能力C7:利用人均设计供水能力表征,通过各镇(街道、场)的水厂及农村集中供水设计供水能力总和与人口数的比值计算。
河网密度C8:利用单位面积内自然与人工河道的总长表征,通过河长制河湖名录中镇级河长负责的长度与各镇(街道、场)面积的比值计算。
政府一般公共预算C9:是以税收为主体的财政收入,安排用于保障和改善民生、推动经济社会发展、维护国家安全、维持国家机构正常运转方面的收支预算,用于反映政府抗旱投入能力,数据来源于各县区人民政府网站。
进一步,步骤二中的干旱风险评估包括:
(1)指标归一化
在全部评估区域的指标数据的范围内进行归一化处理。
正向指标包括气温C2、土地利用C4、人口密度C5以及经济密度C6,正向指标值越大,代表综合干旱风险越高,归一化处理公式如下:
负向指标包括降雨量C1、枯水期降雨占比C3、人均设计供水能力C7、河网密度C8以及政府一般公共预算C9,负向指标值越大,代表综合干旱风险越低,归一化处理公式如下:
x表示当前评估区域指标值,xi表示第i个评估区域指标值,x’表示当前评估区域归一化指标值。
(2)指标权重确定
依照层次分析法建立的指标体系和权重对各指标层的指标进行汇总。层次分析法根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成多层次的分析结构模型,从而最终使问题归结为最低层相对于最高层的相对重要权值的确定或相对优劣次序的排定。
其中,层次分析法的计算过程包括:
1)建立干旱灾害风险评价层次结构模型;其中,干旱灾害风险评价层次结构模型包括目标层A、准则层B和变量层C;目标层A包括干旱灾害综合风险评价A1;准则层B包括危险性B1、易损性B2和抗旱减灾能力B3;变量层C包括降雨量C1、气温C2、枯水期降雨占比C3、土地利用C4、人口密度C5、经济密度C6、人均设计供水能力C7、河网密度C8和政府一般公共预算C9。
2)构造判断矩阵
利用一致矩阵法,采用相对尺度将因素进行两两相互比较,并按重要性程度评定等级;aij为要素i与要素j重要性比较结果,按两两比较结果构成的矩阵称作判断矩阵,判断矩阵具有性质
3)一致性检验
对应于判断矩阵最大特征根的特征向量,经归一化使向量中各元素之和等于1后记为W。通过层次单排序,使得W的元素为同一层次因素对于上一层次因素相对重要性的排序权值,通过一致性检验对A确定不一致的允许范围;其中,n阶一致阵的唯一非零特征根为n;n阶正互反阵A的最大特征根λ≥n,当且仅当λ=n时,A为一致矩阵。
一致性指标用CI计算,CI越小,说明一致性越大。用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量,不一致程度越大,引起的判断误差越大。用λ-n数值的大小衡量A的不一致程度,定义一致性指标为:
当CI=0,存在完全的一致性;当CI接近于0,存在满意的一致性;CI越大,不一致越严重。为衡量CI的大小,引入随机一致性指标RI:
其中,随机一致性指标RI和判断矩阵的阶数有关,矩阵阶数越大,则出现一致性随机偏离的可能性越大,不同的标准不同,RI的值存在微小的差异。
在检验判断矩阵是否具有满意的一致性时,将CI和随机一致性指标RI进行比较,得出检验系数CR,公式如下:
如果CR<0.1,则认为判断矩阵通过一致性检验,否则不通过一致性检验,需要调整判断矩阵。
(3)综合指标值计算
利用ArcGIS栅格计算器通过以下公式将不同指标图层进行叠加,得到危险性、易损性、抗旱减灾能力和风险性栅格分布图,风险值越高,则面临的干旱灾害风险越大。
危险性:
易损性:
抗旱减灾能力:
综合风险:
D=f(H,V)=ωHH+ωVV;
式中,hi、vi、pi为各个栅格单元经过归一化处理后危险性指标、易损性指标、抗旱减灾能力指标取值;ω为各指标权重。
进一步,步骤三中的干旱风险区划包括:
采用自然断点法将干旱灾害风险指标值划分为低、中低、中、中高和极高5个风险等级,用于反映县级范围内不同区域干旱灾害的风险等级。采用自上而下定性分析方法,在所有评估区域的风险评估范围内,将风险评估结果划分为若干个具有干旱灾害风险等级相对一致的区划单元,形成干旱灾害五级风险区划。
其中,自然断点法包括:确定数据分级级别数量和数据组合;计算每个组合平均值的偏差平方和SDAM;找到SDAM最小的组合,计算方差拟合优度。
进一步,步骤四中的干旱防治区划包括:
根据干旱灾害综合风险区划成果和抗旱减灾能力等级评估区划结果,查干旱灾害防治区划表得到干旱防治区划。若干旱灾害风险等级高、抗旱减灾能力低,则为重点防治区;若干旱灾害风险等级中等、抗旱减灾能力中等,则为中等防治区;若干旱灾害风险等级低、抗旱减灾能力高,则为一般防治区。
本发明的另一目的在于提供一种应用所述的干旱风险评估与区划方法的干旱风险评估与区划系统,干旱风险评估与区划系统包括:
指标体系建立模块,用于通过选取并计算评价指标,建立涵盖危险性、易损性和防灾减灾能力的三维度干旱灾害风险评估与区划指标体系;
干旱风险评估模块,用于对指标值进行归一化,利用层次分析法确定指标权重,通过加权计算综合指标值,进而实现干旱风险评估;
干旱风险区划模块,用于采用自然断点法将干旱灾害风险值划分为低、中低、中、中高、极高5个风险等级,形成干旱灾害五级风险区划;
干旱防治区划模块,用于根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,通过查询干旱灾害防治区划表得到干旱防治区划。
本发明的另一目的在于提供一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行所述的干旱风险评估与区划方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行所述的干旱风险评估与区划方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端,信息数据处理终端用于实现所述的干旱风险评估与区划系统。
结合上述的技术方案和解决的技术问题,本发明所要保护的技术方案所具备的优点及积极效果为:
第一,针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
本发明的提供的干旱风险评估与区划方法中,干旱风险评估与防治区划包括干旱综合风险评估及区划、干旱灾害防治区划两方面的内容。本发明从干旱灾害危险性、易损性、抗旱减灾能力的角度来评估干旱灾害风险和防治水平,考虑了区域自然环境、水文气候条件等致灾因子导致的干旱危险性因素,区域社会经济等衡量孕灾环境敏感性的易损性因素和水利设施完善水平、抗旱投入能力等抗旱减灾因素,搜集了评估区域降雨量、气温、枯水期降雨占比、土地利用、人口密度、经济密度、人均设计供水能力、河网密度、政府一般公共预算等指标,用来进行干旱风险评估与区划分析。本发明的干旱灾害风险是干旱灾害危险性、易损性的结合体,用干旱灾害综合风险指数来表征其等级;通过抗旱减灾能力耦合干旱灾害综合风险得到干旱灾害防治区划,不同于常规将抗旱减灾能力和干旱灾害综合风险加权相加的方法,结果更加符合对干旱防治的直观感受和常理认知。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明的干旱风险评估与区划方法,是针对广东省的干旱特点遴选指标,建立的干旱风险综合评估指标体系。本发明是对地区干旱风险和抗旱能力的评估,耦合干旱综合风险和抗旱减灾能力提出干旱防治区划,能辅助确定易旱地区和易旱地区的抗旱短板,为地区干旱防治提供参考。本发明综合考虑气象和社会经济的多方面指标,从易损性、危险性两方面综合、全面地衡量干旱风险总体水平,并评估抗旱减灾能力。本发明可以对大范围区域进行干旱风险评估,并根据区划结果采取适宜的抗旱措施,评估和区划结果更加符合对干旱防治的直观感受和常理认知。
第三,作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
(1)本发明的技术方案转化后的预期收益和商业价值为:
使地区及时发现易旱范围及抗旱短板,从而有针对性地采取有效抗旱措施,减少干旱灾害造成的生活用水受限、工业用水受限导致的经济发展受阻、农业用水受限导致的粮食安全等问题,提高供水保障水平,有利于地区社会经济可持续发展。
(2)本发明的技术方案填补了国内外业内技术空白:
是针对广东省干旱风险评估特点提出的一套综合、有效的评估及区划方法、系统、介质、设备及终端,综合了自然环境、水文气候条件等致灾因子导致的干旱危险性因素,区域社会经济等衡量孕灾环境敏感性的易损性因素和水利设施完善水平、抗旱投入能力等抗旱减灾因素,填补了国内外对广东省干旱综合风险评估与区划的空白。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的干旱风险评估与区划方法流程图;
图2是本发明实施例提供的干旱灾害风险评估与区划方法原理图;
图3是本发明实施例提供的干旱灾害风险评估与区划指标体系示意图;
图4是本发明实施例提供的层次分析法计算流程图;
图5是本发明实施例提供的自然断点法流程图;
图6是本发明实施例提供的潮南区多年平均降雨等级区划图;
图7是本发明实施例提供的潮南区多年平均气温等级区划图;
图8是本发明实施例提供的潮南区枯水期降雨占比等级区划图;
图9是本发明实施例提供的潮南区土地利用水平等级区划图;
图10是本发明实施例提供的潮南区人口密度等级区划图;
图11是本发明实施例提供的潮南区经济密度等级区划图;
图12是本发明实施例提供的潮南区人均设计供水能力等级区划图;
图13是本发明实施例提供的潮南区河网密度等级区划图;
图14是本发明实施例提供的潮南区政府一般公共预算等级区划图;
图15是本发明实施例提供的潮南区干旱灾害危险性等级区划图;
图16是本发明实施例提供的潮南区干旱灾害易损性等级区划图;
图17是本发明实施例提供的潮南区干旱灾害综合风险等级区划图;
图18是本发明实施例提供的潮南区抗灾减灾能力等级区划图;
图19是本发明实施例提供的潮南区干旱灾害防治区划图。
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。
针对现有技术存在的问题,本发明提供了一种干旱风险评估与区划方法、系统、介质、设备及终端,下面结合附图对本发明作详细的描述。
干旱风险评估与防治区划包括干旱综合风险评估及区划、干旱灾害防治区划两方面内容。综合干旱灾害危险性、易损性、抗旱减灾能力三要素评估干旱灾害风险和防治水平,考虑区域自然环境、水文气候条件等危险性因素,区域社会经济等易损性因素和水利设施建设等抗旱减灾因素,搜集评估区域降雨量、气温、枯水期降雨占比、土地利用、人口密度、经济密度、人均设计供水能力、河网密度、政府一般公共预算等指标,用于进行干旱风险评估与区划分析。干旱灾害风险是干旱灾害危险性、易损性的结合体,用干旱灾害综合风险指数表征其等级;通过抗旱减灾能力耦合干旱灾害综合风险得到干旱灾害防治区划。
如图1所示,本发明实施例提供的干旱风险评估与区划方法包括以下步骤:
S101,建立涵盖危险性、易损性和防灾减灾能力的三维度指标体系;
S102,指标值计算:对指标值进行归一化,利用层次分析法确定指标权重,并通过加权计算综合指标值;
S103,利用自然断点法将各指标划分为高、中高、中、中低和低五个风险等级,形成干旱灾害五级风险区划;
S104,根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,查询干旱灾害防治区划表,得到相应的干旱灾害防治区划。
作为优选实施例,如图2所示,本发明实施例提供的干旱风险评估与区划方法具体包括以下步骤:
1.指标体系建立
危险性指标主要依据评价区域内的自然环境、水文气候条件,描述区域内发生干旱灾害的可能和危险程度;易损性则结合区域内的社会经济条件,描述区域内遭遇干旱灾害时可能造成的损失;抗旱减灾能力描述区域内抗旱能力和保障人民生命财产安全的能力。
1.1评价指标选取及计算
降雨量C1、气温C2、枯水期降雨占比C3、土地利用C4、经济密度C6等指标,需要通过克里金空间插值方法得到,C1~C3需要进一步根据文献经验对各个历时的图层数据进行耦合得到。C1~C4评价指标均需利用ArcGIS空间分析技术进行统计数据空间化。其余评价指标和抗旱减灾能力评价指标则需要根据统计数据与地类相对应的原则,形成干旱灾害评价指标图层,如图3所示。
(1)C1~C3
降雨量C1:数据来源于国家地球系统科学数据中心,中国区域1km分辨率逐月降水量数据集(2000~2020),计算出多年平均降雨。
气温C2(2000~2020):数据来源于国家地球系统科学数据中心,中国区域1km分辨率逐月近地表平均气温数据集,计算出多年平均气温。
枯水期降雨占比C3:根据C1数据计算出多年平均逐月降雨,进一步推求出枯水期降雨占比。
(2)土地利用C4
数据来源于Earth System Science Data中的30m分辨率土地利用分类数据(2020)。
根据《土地利用现状分类》(GB/T 21010-2017),土地利用现状分类包括耕地、园地、林地、草地、商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地、特殊用地、交通运输用地、水域及水利设施用地、其他土地等共12项,根据《中华人民共和国土地管理法》,土地利用现状可分为农用地、建设用地、未利用地等三大类,分别赋值90、50、10,反映受旱情影响的容易程度,一般旱情发生时优先保障生活生产用水,农业更易受到影响,所以给农用地赋予最高值,其次是生活生产,社会对未利用地受旱的关注较少,认为不容易受旱,赋予最低值。
(3)人口密度C5
用各镇(场)人口数与其面积的比值反映人口密度。其中各镇(场)人口数来自第七次全国人口普查,各镇(场)面积来自自然资源厅网站。
(4)经济密度C6
用广东省应急厅发布的风险普查GDP格网数据,反映经济密度。
(5)人均设计供水能力C7
用人均设计供水能力表征,各镇(街、场)的水厂及农村集中供水设计供水能力总和与人口数的比值。数据通过本次调查获取。
(6)河网密度C8
用单位面积内自然与人工河道的总长表征,通过河长制河湖名录中镇级河长负责的长度与各镇(场)面积的比值计算。
(7)政府一般公共预算C9
是以税收为主体的财政收入,安排用于保障和改善民生、推动经济社会发展、维护国家安全、维持国家机构正常运转等方面的收支预算,用以反映政府抗旱投入能力。数据来源于各县区人民政府网站。
2.干旱风险评估
2.1指标归一化
在全部评估区域的指标数据的范围内进行归一化处理。
正向指标,包括气温C2、土地利用C4、人口密度C5、经济密度C6,该类指标值越大,代表综合干旱风险越高,其归一化处理公式如下:
负向指标,包括降雨量C1、枯水期降雨占比C3、人均设计供水能力C7、河网密度C8、政府一般公共预算C9,该类指标值越大,代表综合干旱风险越低,其归一化处理公式如下:
2.2指标权重
依照层次分析法建立的指标体系和权重对各指标层的指标进行汇总。层次分析法的原理是根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。
如图4所示,层次分析法的计算流程如下:
步骤一:建立层次结构模型(见表1)
表1干旱灾害风险评价层次结构模型
步骤二:构造判断(成对比较)矩阵
在确定各层次各因素之间的权重时,如果只是定性的结果,则常常不容易被别人接受,因而采用一致矩阵法,即不把所有因素放在一起比较,而是两两相互比较,对此时采用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,以提高准确度。如对某一准则,对其下的各方案进行两两对比,并按其重要性程度评定等级。aij为要素i与要素j重要性比较结果,表2列出9个重要性等级及其赋值。按两两比较结果构成的矩阵称作判断矩阵,判断矩阵具有性质
表2比例标度表
因素i比因素j | 量化值 |
同等重要 | 1 |
稍微重要 | 3 |
较强重要 | 5 |
强烈重要 | 7 |
极端重要 | 9 |
两相邻判断的中间值 | 2,4,6,8 |
步骤三:一致性检验
对应于判断矩阵最大特征根的特征向量,经归一化(使向量中各元素之和等于1)后记为W。W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值,这一过程称为层次单排序。能否确认层次单排序,则需要进行一致性检验,所谓一致性检验是指对A确定不一致的允许范围。其中,n阶一致阵的唯一非零特征根为n;n阶正互反阵A的最大特征根λ≥n,当且仅当λ=n时,A为一致矩阵。
由于λ连续地依赖于aij,则λ比n大的越多,A的不一致性越严重,一致性指标用CI计算,CI越小,说明一致性越大。用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量,其不一致程度越大,引起的判断误差越大。因而可以用λ-n数值的大小来衡量A的不一致程度。定义一致性指标为:
CI=0,有完全的一致性;CI接近于0,有满意的一致性;CI越大,不一致越严重。
为衡量CI的大小,引入随机一致性指标RI:
其中,随机一致性指标RI和判断矩阵的阶数有关,一般情况下,矩阵阶数越大,则出现一致性随机偏离的可能性也越大,其对应关系如表3所示,不同的标准不同,RI的值也会有微小的差异。
表3平均随机一致性指标RI标准值
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
考虑到一致性的偏离可能是由于随机原因造成的,因此在检验判断矩阵是否具有满意的一致性时,还需将CI和随机一致性指标RI进行比较,得出检验系数CR,公式如下:
一般,如果CR<0.1,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性。
2.3综合指标值计算
利用ArcGIS栅格计算器通过公式(6)~(9)将不同指标图层叠加起来,得到危险性、易损性、抗旱减灾能力和风险性栅格分布图,风险值越高,意味着面临的干旱灾害风险越大。
危险性:
易损性:
抗旱减灾能力:
风险性:
D=f(H,V)=ωHH+ωVV(9)
式中,hi、vi、pi为各个栅格单元经过标准化处理后危险性指标、易损性指标、抗旱减灾能力的取值;ω为各指标权重。
3.干旱风险区划方法
采用自然断点法将干旱灾害风险值划分为低、中低、中、中高、极高5个风险等级,以反映县级范围内不同区域干旱灾害的风险等级。采用自上而下定性分析方法,在所有评估区域的风险评估范围内,将风险评估结果划分为若干个具有干旱灾害风险等级相对一致的区划单元,形成干旱灾害五级风险区划。
自然断点法是常用的分类方法之一,运用了聚类思维,使组内的相似性最大,组间的相异性最大。聚类不关注类中的要素数量与范围,相较于聚类,自然断点法兼顾组间的要素的范围和数量,保持合理的前提下使其尽量相近。自然断点法的分类意义在于认为任何数列之间都存在一些自然(非人为设定的)的转折点和断点,这些自然的断点,都具有统计学意义,通过这些转折点可以把研究的对象分成性质相似的群组,这些自然断点本身就是分级的良好界限。自然断点法的原理是通过迭代比较每个分组和分组中元素的均值与观测值之间的平方差之和来确定值在分组中的最佳排列,计算出来的最佳分类,可确定值在有序分布中的中断点,以最大程度地减少组内平方差之和。自然断点法的流程图如图5所示。
4.干旱防治区划
干旱防治区划主要根据干旱灾害综合风险区划成果和抗旱减灾能力等级评估区划结果,查干旱灾害防治区划表得到,具体见表4。
如干旱灾害风险等级高,抗旱减灾能力低,则该区为重点防治区;如干旱灾害风险等级中等,抗旱减灾能力中等,则该区为中等防治区;如干旱灾害风险等级低,抗旱减灾能力高,则该区为一般防治区。
表4干旱灾害防治区划表
本发明实施例提供的干旱风险评估与区划系统包括:
指标体系建立模块,用于通过选取并计算评价指标,建立涵盖危险性、易损性和防灾减灾能力的三维度干旱灾害风险评估与区划指标体系;
干旱风险评估模块,用于对指标值进行归一化,利用层次分析法确定指标权重,通过加权计算综合指标值,进而实现干旱风险评估;
干旱风险区划模块,用于采用自然断点法将干旱灾害风险值划分为低、中低、中、中高、极高5个风险等级,形成干旱灾害五级风险区划;
干旱防治区划模块,用于根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,通过查询干旱灾害防治区划表得到干旱防治区划。
为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
准则层B中,危险性准则B1下的变量的判断矩阵见表5,易损性准则B2下的变量的判断矩阵见表6,防灾减灾能力B3下的变量的判断矩阵见表7。
表5危险性准则B1下的变量的判断矩阵
降雨量C1 | 气温C2 | 枯水期降雨占比C3 | |
降雨量C1 | 1 | 0.33 | 4 |
气温C2 | 3 | 1 | 7 |
枯水期降雨占比C3 | 0.25 | 0.14 | 1 |
表6易损性准则B2下的变量的判断矩阵
土地利用C4 | 人口密度C5 | 经济密度C6 | |
土地利用C4 | 1 | 0.5 | 0.33 |
人口密度C5 | 2 | 1 | 0.5 |
经济密度C6 | 3 | 2 | 1 |
表7防灾减灾能力准则B3下的变量的判断矩阵
人均设计供水能力C7 | 河网密度C8 | 政府一般公共预算C9 | |
人均设计供水能力C7 | 1 | 0.2 | 0.25 |
河网密度C8 | 5 | 1 | 0.33 |
政府一般公共预算C9 | 4 | 3 | 1 |
经过计算,危险性准则B1、易损性准则B2、防灾减灾能力准则B3的判断矩阵的检验系数CR分别为0.028、0.008、0.0559,均小于0.1,因此,通过一致性检验。
各指标权重见表4.1-9。危险性准则B1的变量层指标权重分别为0.62,0.24,0.14,易损性准则B2的变量层指标权重分别为0.54,0.30,0.16,防灾减灾能力准则B3的变量层指标权重分别为0.66,0.22,0.12。通过专家打分,确定危险性准则B1的权重为0.57,易损性准则B2的权重为0.43。
表8干旱灾害风险评价指标权重
表9干旱灾害风险评价指标值风险等级划分
图6是本发明实施例提供的潮南区多年平均降雨等级区划图;
图7是本发明实施例提供的潮南区多年平均气温等级区划图;
图8是本发明实施例提供的潮南区枯水期降雨占比等级区划图;
图9是本发明实施例提供的潮南区土地利用水平等级区划图;
图10是本发明实施例提供的潮南区人口密度等级区划图;
图11是本发明实施例提供的潮南区经济密度等级区划图;
图12是本发明实施例提供的潮南区人均设计供水能力等级区划图;
图13是本发明实施例提供的潮南区河网密度等级区划图;
图14是本发明实施例提供的潮南区政府一般公共预算等级区划图;
图15是本发明实施例提供的潮南区干旱灾害危险性等级区划图;
图16是本发明实施例提供的潮南区干旱灾害易损性等级区划图;
图17是本发明实施例提供的潮南区干旱灾害综合风险等级区划图;
图18是本发明实施例提供的潮南区抗灾减灾能力等级区划图;
图19是本发明实施例提供的潮南区干旱灾害防治区划图。
通过抗旱减灾能力耦合干旱灾害综合风险得到干旱灾害防治区划,不同于常规将抗旱减灾能力和干旱灾害综合风险加权相加的方法,结果更加符合对干旱防治的直观感受和常理认知。使地区及时发现易旱范围及抗旱短板,从而有针对性地采取有效抗旱措施,减少干旱灾害造成的生活用水受限、工业用水受限导致的经济发展受阻、农业用水受限导致的粮食安全等问题,提高供水保障水平,有利于地区社会经济可持续发展。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,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,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种干旱风险评估与区划方法,其特征在于,干旱风险评估与区划方法包括:建立涵盖危险性、易损性和防灾减灾能力的三维度指标体系;对指标值进行归一化,利用层次分析法确定指标权重,通过加权计算综合指标值;利用自然断点法将各指标划分为高、中高、中、中低和低五个风险等级,形成干旱灾害五级风险区划;根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,查询干旱灾害防治区划表,得到相应的干旱灾害防治区划。
2.如权利要求1所述的干旱风险评估与区划方法,其特征在于,干旱风险评估与区划方法包括以下步骤:
步骤一,选取并计算评价指标,建立干旱灾害风险评估与区划指标体系;
步骤二,指标归一化,计算指标权重和综合指标值,实现干旱风险评估;
步骤三,将干旱灾害风险值进行等级划分,形成干旱灾害五级风险区划;
步骤四,通过查询干旱灾害防治区划表,得到干旱防治区划。
3.如权利要求2所述的干旱风险评估与区划方法,其特征在于,步骤一中的评价指标选取及计算包括:
通过克里金空间插值方法,得到降雨量C1、气温C2、枯水期降雨占比C3、土地利用C4以及经济密度C6指标;根据文献经验对各个历时的图层数据进行耦合,得到C1~C3指标;利用ArcGIS空间分析技术进行统计数据空间化,得到C1~C4评价指标;其余评价指标和抗旱减灾能力评价指标根据统计数据与地类相对应的原则,形成干旱灾害评价指标图层;
降雨量C1:利用中国区域1km分辨率逐月降水量数据集计算多年平均降雨;
气温C2:利用中国区域1km分辨率逐月近地表平均气温数据集,计算多年平均气温;
枯水期降雨占比C3:根据C1数据计算得到多年平均逐月降雨,推求得到枯水期降雨占比;
土地利用C4:根据30m分辨率土地利用分类数据,土地利用现状分为农用地、建设用地和未利用地三大类,分别赋值90、50、10,用于反映受旱情影响的容易程度,给农用地赋予最高值,对未利用地赋予最低值;
人口密度C5:利用各镇或场人口数与面积的比值反映人口密度;
经济密度C6:利用风险普查GDP格网数据反映经济密度;
人均设计供水能力C7:利用人均设计供水能力表征,各镇或街、场的水厂及农村集中供水设计供水能力总和与人口数的比值;
河网密度C8:利用单位面积内自然与人工河道的总长表征,通过河长制河湖名录中镇级河长负责的长度与各镇或场面积的比值计算;
政府一般公共预算C9:是以税收为主体的财政收入,安排用于保障和改善民生、推动经济社会发展、维护国家安全、维持国家机构正常运转方面的收支预算,用于反映政府抗旱投入能力,数据来源于各县区人民政府网站。
4.如权利要求2所述的干旱风险评估与区划方法,其特征在于,步骤二中的干旱风险评估包括:
(1)指标归一化
在全部评估区域的指标数据的范围内进行归一化处理;
正向指标包括气温C2、土地利用C4、人口密度C5以及经济密度C6,正向指标值越大,代表综合干旱风险越高,归一化处理公式如下:
负向指标包括降雨量C1、枯水期降雨占比C3、人均设计供水能力C7、河网密度C8以及政府一般公共预算C9,负向指标值越大,代表综合干旱风险越低,归一化处理公式如下:
(2)指标权重确定
依照层次分析法建立的指标体系和权重对各指标层的指标进行汇总;层次分析法根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成多层次的分析结构模型,从而最终使问题归结为最低层相对于最高层的相对重要权值的确定或相对优劣次序的排定;
其中,层次分析法的计算过程包括:
1)建立干旱灾害风险评价层次结构模型;其中,干旱灾害风险评价层次结构模型包括目标层A、准则层B和变量层C;目标层A包括干旱灾害综合风险评价A1;准则层B包括危险性B1、易损性B2和抗旱减灾能力B3;变量层C包括降雨量C1、气温C2、枯水期降雨占比C3、土地利用C4、人口密度C5、经济密度C6、人均设计供水能力C7、河网密度C8和政府一般公共预算C9;
2)构造判断矩阵
利用一致矩阵法,采用相对尺度将因素进行两两相互比较,并按重要性程度评定等级;aij为要素i与要素j重要性比较结果,按两两比较结果构成的矩阵称作判断矩阵,判断矩阵具有性质
3)一致性检验
对应于判断矩阵最大特征根的特征向量,经归一化使向量中各元素之和等于1后记为W;通过层次单排序,使得W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值,通过一致性检验对A确定不一致的允许范围;其中,n阶一致阵的唯一非零特征根为n;n阶正互反阵A的最大特征根λ≥n,当且仅当λ=n时,A为一致矩阵;
由于λ连续地依赖于aij,则λ比n大的越多,A的不一致性越严重,一致性指标用CI计算,CI越小,说明一致性越大;用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量,不一致程度越大,引起的判断误差越大;用λ-n数值的大小衡量A的不一致程度,定义一致性指标为:
当CI=0,存在完全的一致性;当CI接近于0,存在满意的一致性;CI越大,不一致越严重;为衡量CI的大小,引入随机一致性指标RI:
其中,随机一致性指标RI和判断矩阵的阶数有关,矩阵阶数越大,则出现一致性随机偏离的可能性越大,不同的标准不同,RI的值存在微小的差异;
在检验判断矩阵是否具有满意的一致性时,将CI和随机一致性指标RI进行比较,得出检验系数CR,公式如下:
如果CR<0.1,则认为判断矩阵通过一致性检验,否则不具有满意一致性;
(3)综合指标值计算
利用ArcGIS栅格计算器通过以下公式将不同指标图层进行叠加,得到危险性、易损性、抗旱减灾能力和风险性栅格分布图,风险值越高,则面临的干旱灾害风险越大;
危险性:
易损性:
抗旱减灾能力:
风险性:
D=f(H,V)=ωHH+ωVV+ωPP;
式中,hi、vi、pi为各个栅格单元经过标准化处理后危险性指标和易损性指标的取值;ω为危险性和易损性各指标权重。
5.如权利要求2所述的干旱风险评估与区划方法,其特征在于,步骤三中的干旱风险区划包括:
采用自然断点法将干旱灾害风险值划分为低、中低、中、中高和极高5个风险等级,用于反映县级范围内不同区域干旱灾害的风险等级;采用自上而下定性分析方法,在所有评估区域的风险评估范围内,将风险评估结果划分为若干个具有干旱灾害风险等级相对一致的区划单元,形成干旱灾害五级风险区划;
其中,自然断点法包括:确定数据分级级别数量和数据组合;计算每个组合平均值的偏差平方和SDAM;找到SDAM最小的组合,计算方差拟合优度。
6.如权利要求2所述的干旱风险评估与区划方法,其特征在于,步骤四中的干旱防治区划包括:
根据干旱灾害综合风险区划成果和抗旱减灾能力等级评估区划结果,查干旱灾害防治区划表得到干旱防治区划;若干旱灾害风险等级高、抗旱减灾能力低,则为重点防治区;若干旱灾害风险等级中等、抗旱减灾能力中等,则为中等防治区;若干旱灾害风险等级低、抗旱减灾能力高,则为一般防治区。
7.一种应用如权利要求1~6任意一项所述的干旱风险评估与区划方法的干旱风险评估与区划系统,其特征在于,干旱风险评估与区划系统包括:
指标体系建立模块,用于通过选取并计算评价指标,建立涵盖危险性、易损性和防灾减灾能力的三维度干旱灾害风险评估与区划指标体系;
干旱风险评估模块,用于对指标值进行归一化,利用层次分析法确定指标权重,通过加权计算综合指标值,进而实现干旱风险评估;
干旱风险区划模块,用于采用自然断点法将干旱灾害风险值划分为低、中低、中、中高、极高5个风险等级,形成干旱灾害五级风险区划;
干旱防治区划模块,用于根据干旱灾害综合风险区划和抗旱减灾能力等级评估区划,通过查询干旱灾害防治区划表得到干旱防治区划。
8.一种计算机设备,其特征在于,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行如权利要求1~6任意一项所述的干旱风险评估与区划方法的步骤。
9.一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行如权利要求1~6任意一项所述的干旱风险评估与区划方法的步骤。
10.一种信息数据处理终端,其特征在于,信息数据处理终端用于实现如权利要求7所述的干旱风险评估与区划系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310508982.4A CN116596303A (zh) | 2023-05-08 | 2023-05-08 | 一种干旱风险评估与区划方法、系统、介质、设备及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310508982.4A CN116596303A (zh) | 2023-05-08 | 2023-05-08 | 一种干旱风险评估与区划方法、系统、介质、设备及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116596303A true CN116596303A (zh) | 2023-08-15 |
Family
ID=87610834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310508982.4A Pending CN116596303A (zh) | 2023-05-08 | 2023-05-08 | 一种干旱风险评估与区划方法、系统、介质、设备及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596303A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592663A (zh) * | 2024-01-18 | 2024-02-23 | 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 |
CN117894158A (zh) * | 2024-03-15 | 2024-04-16 | 江苏省气象台 | 一种基于智能网格气温预报的寒潮灾害危险性预评估方法 |
Citations (10)
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 |
CN106651211A (zh) * | 2016-12-30 | 2017-05-10 | 吉林师范大学 | 一种不同尺度区域洪水灾害风险评估的方法 |
CN111415065A (zh) * | 2020-02-26 | 2020-07-14 | 广州地理研究所 | 一种基于作用过程的山地灾害生态破坏风险评价方法 |
CN113313384A (zh) * | 2021-05-28 | 2021-08-27 | 华南理工大学 | 一种融合弹性的城市洪涝灾害风险评估方法 |
CN113408917A (zh) * | 2021-06-28 | 2021-09-17 | 杭州鲁尔物联科技有限公司 | 自然灾害综合风险评估方法、装置、计算机设备及存储介质 |
CN113849763A (zh) * | 2021-11-22 | 2021-12-28 | 中国农业科学院农业资源与农业区划研究所 | 冬小麦-夏玉米干旱灾害风险评估方法、存储介质及终端 |
CN114399204A (zh) * | 2022-01-17 | 2022-04-26 | 北京工业大学 | 一种城市内涝灾害风险评估方法 |
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 |
CN115796581A (zh) * | 2022-11-22 | 2023-03-14 | 上海市水利工程设计研究院有限公司 | 一种沿海地区海洋灾害风险精细化评估研究方法 |
CN115809800A (zh) * | 2022-10-12 | 2023-03-17 | 北京市科学技术研究院 | 洪涝灾害风险评估方法 |
-
2023
- 2023-05-08 CN CN202310508982.4A patent/CN116596303A/zh active Pending
Patent Citations (10)
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 |
CN106651211A (zh) * | 2016-12-30 | 2017-05-10 | 吉林师范大学 | 一种不同尺度区域洪水灾害风险评估的方法 |
CN111415065A (zh) * | 2020-02-26 | 2020-07-14 | 广州地理研究所 | 一种基于作用过程的山地灾害生态破坏风险评价方法 |
CN113313384A (zh) * | 2021-05-28 | 2021-08-27 | 华南理工大学 | 一种融合弹性的城市洪涝灾害风险评估方法 |
CN113408917A (zh) * | 2021-06-28 | 2021-09-17 | 杭州鲁尔物联科技有限公司 | 自然灾害综合风险评估方法、装置、计算机设备及存储介质 |
CN113849763A (zh) * | 2021-11-22 | 2021-12-28 | 中国农业科学院农业资源与农业区划研究所 | 冬小麦-夏玉米干旱灾害风险评估方法、存储介质及终端 |
CN114399204A (zh) * | 2022-01-17 | 2022-04-26 | 北京工业大学 | 一种城市内涝灾害风险评估方法 |
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 |
CN115809800A (zh) * | 2022-10-12 | 2023-03-17 | 北京市科学技术研究院 | 洪涝灾害风险评估方法 |
CN115796581A (zh) * | 2022-11-22 | 2023-03-14 | 上海市水利工程设计研究院有限公司 | 一种沿海地区海洋灾害风险精细化评估研究方法 |
Non-Patent Citations (3)
Title |
---|
刘航;蒋尚明;金菊良;郦建强;周玉良;刘丽;: "基于GIS的区域干旱灾害风险区划研究", 灾害学, no. 03, pages 198 - 202 * |
张前东;史春彦;张晓平;欧阳秋明;邢友军;郑敏;: "长清区农业干旱灾害风险评价与区划", 中国人口・资源与环境, no. 2, pages 341 - 343 * |
朱琳, 叶殿秀, 陈建文, 郭兆夏, 李美荣: "陕西省冬小麦干旱风险分析及区划", 应用气象学报, no. 02, pages 201 - 204 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592663A (zh) * | 2024-01-18 | 2024-02-23 | 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 |
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 |
CN117894158A (zh) * | 2024-03-15 | 2024-04-16 | 江苏省气象台 | 一种基于智能网格气温预报的寒潮灾害危险性预评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280553B (zh) | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 | |
Lai et al. | A fuzzy comprehensive evaluation model for flood risk based on the combination weight of game theory | |
Gao et al. | Multi-criteria group decision-making framework for offshore wind farm site selection based on the intuitionistic linguistic aggregation operators | |
Xie et al. | Evaluating the landscape ecological risk based on GIS: A case‐study in the poyang lake region of China | |
CN116596303A (zh) | 一种干旱风险评估与区划方法、系统、介质、设备及终端 | |
Wang et al. | Green economic efficiency in the Yangtze River Delta: spatiotemporal evolution and influencing factors | |
CN105469196A (zh) | 一种矿井建设项目过程后评价的综合评价方法及系统 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
Wu et al. | A two‐stage decision framework for inland nuclear power plant site selection based on GIS and type‐2 fuzzy PROMETHEE II: Case study in China | |
Ren et al. | Ecosystem health assessment based on AHP-DPSR model and impacts of climate change and human disturbances: A case study of Liaohe River Basin in Jilin Province, China | |
Li et al. | Research and application of random forest model in mining automobile insurance fraud | |
Reig-Mullor et al. | Evaluating ESG corporate performance using a new neutrosophic AHP-TOPSIS based approach | |
Ji et al. | Urban flood resilience assessment using RAGA-PP and KL-TOPSIS model based on PSR framework: A case study of Jiangsu province, China | |
Zou et al. | Fast comprehensive flood risk assessment based on game theory and cloud model under parallel computation (P-GT-CM) | |
CN114723283A (zh) | 一种面向城市群的生态承载力遥感评估方法及装置 | |
Yu et al. | Metafrontier eco-efficiency and its convergence analysis for China: A multidimensional heterogeneity perspective | |
CN111523088A (zh) | 一种基于dpsir模型的生态环境评价方法 | |
Xie et al. | Evaluation and spatial–temporal difference analysis of urban water resource utilization efficiency based on two-stage DEA model | |
Du et al. | Regional water resources security grading evaluation considering both visible and virtual water: a case study on Hubei province, China | |
Wimhurst et al. | Predicting commercial wind farm site suitability in the conterminous United States using a logistic regression model | |
Zhang et al. | Prioritizing sponge city sites in rapidly urbanizing watersheds using multi-criteria decision model | |
Ren et al. | Land use evaluation considering soil properties and agricultural infrastructure in black soil region | |
An et al. | Research on the role of AHP-entropy method in the identification and evaluation of China tariff source risk | |
Wu et al. | Construction and application of comprehensive drought index based on uncertainty cloud reasoning algorithm |
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 |