海南岛台风灾害综合危险评价

为更好地揭示海南岛台风灾害危险分布规律,耦合孕灾环境敏感和致灾因子危险两方面因素,利用海南岛1980-2019年台风数据,运用组合权重法,构建海南岛台风灾害综合危险评价模型,并按10年间隔划分为4个年代,得到海南岛不同时期台风灾害综合危险分区.结果 表明:①孕灾环境敏感程度在空间上具有从东部、西南部沿海向内陆逐渐降低趋势,以中低敏感区为主,面积占比30.88％,高敏感区面积1495.02 km2,占比为4.42％;②致灾危险程度随时间推移呈现上升一下降—上升变化趋势,空间分布具有从沿海向内陆呈逐级递减趋势特征;2001-2009年致灾因子危险程度低的范围最广,面积为25624.85 km2,占比达75.7％;2010-2019年致灾因子危险程度高的范围最广,面积占比达34.78％;③台风灾害综合危险随时间变化呈现下降—升高趋势,空间上均具有从东北部、西南部沿海向中部内陆和西北部沿海降低特征;2001-2009年综合危险指数最低,面积占比为29.61％;2010-2019年代综合危险指数最高,面积占比达42.08％;④台风灾害综合危险高值区主要分布东部、西南部沿海的文昌、陵水等6市县;中值区分布在沿海、内陆的万宁、保亭等6市县;低值区则分布在中部内陆至西北部的五指山、临高等6市县.海南岛台风灾害随时间变化具有较复杂的演变规律,随着社会经济的发展,防治台风灾害的任务将更艰巨.     

浙江省台风灾害风险评估

台风灾害发生具有不可抗拒性和不确定性,做好台风风险研究是灾害防御的重要工作。利用空间化技术,基于浙江省土地利用类型以及社会经济统计数据,定量模拟500 m×500 m分辨率的浙江省人口和GDP产值分布情况,作为承灾体脆弱性的精细化评估指标,结合影响浙江省的64个台风数据对浙江省台风灾害进行风险规划。结果表明,人口和GDP空间化结果模拟值与统计值线性相关系数达到0.95和0.98,在市县尺度能良好地反映统计数据分布规律,将空间化技术运用到台风灾害风险评估中,可提高风险评估和区划的精度,为防灾减灾政策制定提供参考依据。     

台风灾害快速评估信息系统设计与开发

以台风综合强度指数和台风风场模型的理论为基础,采用C#+ArcEngine技术进行二次开发,设计并开发了一套以台风综合强度和影响范围评估为主要功能的台风灾害快速评估系统.提出了一种更全面的台风致灾因子危险性评估方法,以期为台风灾害风险评估提供基础.     

福建省台风灾害链空间特征分析

根据历史台风灾害资料,建立台风灾害灾情数据集,在分析福建省台风灾害成灾机制的基础上,结合前人的研究成果,构建福建省台风灾害链模式,建立历史台风灾害链判别依据,获得历史台风灾害链空间分布图,结合各县市距离海岸线的距离和台风移动路径,分析其空间特征.结果表明:福建省以台风-暴雨灾害链分布最广泛,全省的每个县市都有出现,自东向西逐渐减少,并形成南北两个高密度区域;台风-大风灾害链的分布也较广泛,但以闽中山脉以东的沿海地区更为集中;台风-风暴潮灾害链主要分布于东部临海的县市.不同移动路径的台风灾害链影响特点各异,登陆广东类台风主要给闽西南地区带来狂风和暴雨影响;北部登陆类、穿台入闽类和直接登陆类台风均会给福建带来狂风、暴雨和风暴潮灾害,但影响区域不同.     

灾害综合评估现状及综合评估指标初探

本分析了我国在灾害综合评估方法存在的问题，并在此基础上分析了灾害综合评估指标的特征，并提出了一种思路。     

基于区域灾害系统论的广东省台风灾害风险评估——以“山竹”台风为例

本研究的主要目的是构建一种适用于广东省的台风灾害风险评估模型,从而能有针对性地对广东省发生台风灾害后的抗灾救灾、应急决策提供参考意见.本文在区域灾害系统论的指导下,综合了致灾因子危险性、孕灾环境敏感性、承灾体脆弱性3方面,构建了一套新的评估指标体系,并以加权综合法、层次分析法、自然间断点分级法构建了广东省台风灾害风险评估模型.最后以2018年第22号超强台风“山竹”为例,对广东省进行了台风灾害风险评估,并形成了1 km×1 km的综合风险区划图和评估分析结果.结果表明：1）该模型评估出的广东省“山竹”台风灾害中高风险地区与灾情报告相符合,具有较高的可靠性;2）广东省“山竹”台风灾害致灾因子危险性呈现出中东部沿海和中西部地区高,并逐渐向周围递减的分布;3）广东省台风灾害高孕灾环境敏感性地区主要集中在珠江三角洲地区以及粤东潮汕地区,这些地区地势平坦、河网密集、植被覆盖度低;4）广东省台风灾害高承灾体脆弱性地区主要集中在珠江三角洲地区、粤东潮汕地区、粤西茂湛地区,这些地区人口稠密、经济发达、耕地众多、城市化程度高;5）广东省“山竹”台风灾害综合风险呈现出中东部沿海和中西部地区高,并逐渐向周围...     

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

福建台风灾害链分析——以2005年"龙王"台风为例

基于灾害系统理论,结合台风的风情、雨情、水情和潮情等特点,构建了福建台风大风、台风暴雨洪涝和台风风暴潮3个串发、并发性灾害链模式.对2005年"龙王"台风的分析表明:登陆台风受山脉抬升和北方弱冷空气双重影响再次强降水,地势西高东低且地表破碎、海岸曲折且山地性河流发育等是灾害链发生、发展的主要原因,灾情随灾害链过程放大,受承灾体脆弱性累积加重.提出沿海区防御大风和风暴潮、河流下游防御洪涝、山区防御洪水、滑坡和泥石流等区域模式,为减灾提供科学依据.     

海南台风灾害实时评估分析——以1816号台风“贝碧嘉”为例

以1816号台风贝碧嘉为例,本文选择了依据可拓理论建立的海南台风灾害实时评估系统,对1816号台风贝碧嘉给海南造成的灾害进行了灾前、灾中和灾后的实时动态评估,且通过与民政部门的实际灾情统计的对比分析验证了评估结果的准确性.     

群体性突发事件微博舆情演化分析

随着网络的飞速发展,网络已经成为了人们表达个人情感以及政治态度的一个非常重要的平台,而群体性突发事件微博舆情的形成以及传播更是对人们的情绪和社会的稳定产生了非常大的影响。而微博平台也就自然而然地成为了网络舆情的最重要的载体,该文针对群体性突发事件微博舆情的演化进程进行了相应的分析。     

舟山台风灾害及东部海岛台风降雨量分布特征

对舟山市的台风灾害及其东部海岛台风降雨量的影响因素进行了分析。分析发现,台风的破坏力,主要由伴随的狂风、暴雨和风暴潮等因素引起,历史上对舟山有较严重影响的台风占34.5%。台风降雨量大小与台风路径有很大的关系。台风在浙江中部的台州沿海登陆时,舟山东部海岛的降雨量最大。每年台风雨量占年雨量的1/4~1/3,但不同年份有很大的差别。地形对台风降雨量大小影响也很明显。最大台风降雨量出现在桃花岛。     

基于微信文本的台风灾情快速评估方法研究

利用Python程序采集了与2019年台风“利奇马”和“白鹿”相关的1 036篇有效微信文章,抽取其中的灾情信息,基于词云图分析了灾害应急信息类型并给出台风“利奇马”中各省灾情大小的排序;构建了省级台风灾情指数并以此验证上述灾情排序结果.结果表明：(1)在台风的不同阶段,大众的关注内容反映出不同的灾害应急信息类型,在台风登陆前,主要为交通信息、天气预警;台风登陆时(后)主要为交通信息、天气预警、伤亡及营救、次生灾害、电力中断、事件/人物追踪、灾后恢复等;台风消亡后,主要为伤亡及营救、灾后恢复;基于微信文本数据推测的各省灾情排序为浙江、山东、上海、安徽、江苏、福建、台湾、湖南;(2)台风“利奇马”的灾情指数为11.57,处于大灾区间范围内,台风“白鹿”灾情指数为1.33,处于轻灾区间范围内;在省级台风灾情指数中,各省灾情排序依次为浙江、山东、安徽、江苏、上海、辽宁、河北、吉林、福建,与基于微信文本数据推测的各省灾情排序基本吻合.     

福建省台风灾害风险区划研究

根据自然灾害系统理论,选取致灾因子危险性、孕灾环境稳定性、承灾体脆弱性以及灾后恢复性为福建省台风灾害风险评价指标,采用福建省台风灾害数据库资料和福建省社会经济数据库资料,应用综合加权法得出福建省各县域的风险度数值,将福建省台风灾害风险分为三个不同风险等级的区域,并针对风险分区提出对应的防灾减灾对策。     

“麦德姆”台风灾害防御行为效益评估研究

利用2014年福建省台风"麦德姆"气象监测资料、台风灾情资料和台风灾害防御效益评估网上问卷调查资料,采用相似分析法中的平均值距平估算法,预评估台风"麦德姆"造成的影响为中等,将造成直接经济损失为12.0×109~22.0×109元,并利用台风灾害风险指数评估模型,对台风"麦德姆"进行灾害风险评估,研究分析结果表明:台风"麦德姆"预评估结果与实际灾情相符,灾害损失降到最低限度.根据网上调查评估法得出:福建省防御"麦德姆"登陆台风灾害行为,减损经济效益贡献率为66%,主要体现在船只回港避风、地质灾害易发点整治建设和网箱养殖的除险加固等环节;减少人员伤亡贡献率为64%,主要体现在渔民上岸和人员转移到安全应急避难场所等环节.据估算,这次台风灾害防御行为福建省减轻直接经济损失约为8.349×109元.应用台风灾害防御效益评估三级指标体系,通过调查研究得出:指标体系中的各级各项指数均能较好地反映和评估福建省防御台风灾害行为的实际效益和作用,政府主导在各类减灾行为中作用最大,台风预报预警及时性、工程性建设、人员转移和船只回港避风作用最有效.     

0505号台风"海棠"灾害的初步诊断研究

0505号台风“海棠”(Haitang)是一个范围广、强度大、路径复杂的台风,在其生命史的各个阶段表现出不同的特征。该台风具有很强的破坏力,使我国许多地区遭受严重灾害。在对台风灾害和环流背景分析的基础上,利用Q矢量和螺旋度等诊断方法,对该台风在浙闽地区造成强降雨的成因作了初步的研究。研究表明,台风外围螺旋云带、台风密蔽云造成台湾省和大陆东南部地区强降雨,其外围东南急流中的云团也引发了强降雨,而台风减弱后的残留低压与西风带系统相互作用在华北区产生了强对流天气和强降雨。通过对该台风登陆前后Q矢量辐合辐散情况的诊断可用来判断当时的垂直运动分布,而对螺旋度的分析,发现该台风的螺旋雨带在低层相对螺旋度场上反映为正的大值中心。     

"台风-暴雨-洪涝"灾害综合风险评估——以"利奇马"台风为例

2019年利奇马台风事件对我国东部沿海地区造成巨大损失,本文以该次台风为例,开展了台风-暴雨-洪涝灾害链演进模拟与动态风险评估研究.首先,大范围分析台风暴雨的空间分布特征,并在此基础上,选取浙江灵江流域作为洪涝灾害示例研究区,进一步模拟暴雨-径流-洪涝的演进过程.最后,综合考虑洪涝灾害的致灾因子危险性以及承...     

基于大数据技术的高校网络舆情监测与分析

高校网络舆情具有主体特殊性、内容多元性和传播快速性等特点,当负面舆情出现时,传统救火式思维模式已不能有效地解决网络舆情危机的爆发、蔓延和扩散。高校应综合利用大数据的分布式信息抓取与处理、非结构化数据存储等技术,通过舆情热词云分析、舆情演化分析和业务部门关注度分析等方式,快速完成网络舆情数据的多源采集、清理融合、分析挖掘等一系列任务,实现网络舆情的有效监管。厦理工e起来的舆情案例应用结果表明,基于大数据技术的高校网络舆情监测与分析,可实现对高校学生思想动态的实时追踪、预测和研判,防范和及时解决高校网络舆情危机的蔓延和扩散,促进高校文明和谐发展。     

基于系统动力学的海峡西岸城市群台风灾害风险分析

以海峡西岸城市群为研究对象,以台风灾害为例,基于系统动力学的理论方法,运用Vensim软件对海峡西岸城市群的台风灾害进行仿真模拟,重点围绕建筑物脆弱性指数和政府重视程度这两个变量分析其对台风灾害损失系统的影响. 得出结论：建筑物脆弱性指数可用建筑物灾损率来表征,脆弱性指数越大,建筑物毁坏速率越快;政府重视程度越高,台风监测预警能力与应急处置能力越强. 从长远考虑,降低建筑物脆弱性指数和提高政府重视程度,对降低台风灾害风险具有较为重要的现实意义.     

长江三角洲地区1644—1949年重大台风灾害年辨识与重建

为从较长时间上探讨长江三角洲地区台风灾害的发生情况,基于灾害影响县次,对1644—1949年长江三角洲地区重大台风灾害年进行排序.结果表明:1696年台风灾害影响范围为38县次,在300a中仅此一年;1724年和1781年的台风灾害属100～300a一遇;50～100a一遇的台风灾害分别发生在1732年、1747年和1877年.1696年和1732年的受灾区域大都分布在长江口附近,1724年、1747年和1781年分布在长江口和杭州湾附近,而1877年主要集中在长江南部和杭州湾北部地区.1696年的两次台风均是由上海附近登陆,第1次的暴雨和风暴潮及第2次的风暴潮都造成洪涝灾害;1724年台风登陆地点位于上海奉贤附近,暴雨和风暴潮同时成灾;1781年台风登陆地点为嘉善县附近,主要为风暴潮致灾;1732年台风登陆地点为长江口南上海地区,台风暴雨和风暴潮同时造成洪涝灾害;1747年台风登陆地点为宝山、崇明附近,主要是台风带来的风暴潮致灾;1877年台风登陆地点为太仓、宝山、嘉定县附近,主要是大风及暴雨致灾.