趙鐵松，張安凝知，胡會(huì)芳

（河北省氣象災(zāi)害防御中心，石家莊 050021）

暴雨洪澇是河北省最主要的氣象災(zāi)害之一，也是給河北省造成經(jīng)濟(jì)損失和人員傷亡的最主要自然災(zāi)害［1］。河北省是農(nóng)業(yè)大省，暴雨洪澇對(duì)農(nóng)業(yè)生產(chǎn)影響很大［2］。如2016年“16·7”特大暴雨洪澇災(zāi)害造成河北省152個(gè)縣（市、區(qū)）89.03萬(wàn)hm2農(nóng)作物受災(zāi)，農(nóng)業(yè)經(jīng)濟(jì)損失約113.58億元，占總損失的19.8%［3］。因此，如何科學(xué)準(zhǔn)確地在災(zāi)害發(fā)生前對(duì)暴雨洪澇造成的損失進(jìn)行科學(xué)預(yù)估，是政府進(jìn)行防災(zāi)減災(zāi)決策的重要參考，也是目前經(jīng)濟(jì)社會(huì)發(fā)展的需求及研究熱點(diǎn)。

目前，對(duì)農(nóng)業(yè)暴雨洪澇災(zāi)害損失評(píng)估的研究成果如雨后春筍般涌現(xiàn)，大多集中在農(nóng)業(yè)暴雨洪澇災(zāi)害的致災(zāi)因子與區(qū)域致災(zāi)風(fēng)險(xiǎn)、農(nóng)業(yè)災(zāi)害監(jiān)測(cè)、風(fēng)險(xiǎn)評(píng)估及預(yù)估等方面［4-8］。張順謙等［9］分別建立基于暴雨綜合強(qiáng)度指數(shù)和基于暴雨灰色關(guān)聯(lián)度的災(zāi)害損失評(píng)估模型，分析了四川省不同重現(xiàn)期暴雨可能造成的經(jīng)濟(jì)損失率。尹占娥等［10］從致災(zāi)因子分析、脆弱性分析和暴露分析三方面入手，依據(jù)暴雨強(qiáng)度公式，結(jié)合實(shí)地調(diào)查得到的災(zāi)害損失數(shù)據(jù)擬合出居民房屋和室內(nèi)財(cái)產(chǎn)的災(zāi)害損失曲線，創(chuàng)建了基于GIS柵格小尺度的城市暴雨內(nèi)澇災(zāi)害評(píng)估模型。史瑞琴等［11］探討了基于暴雨洪澇淹沒模型的暴雨洪澇災(zāi)害損失評(píng)估技術(shù)。

已有研究大多基于統(tǒng)計(jì)分析或淹沒模型開展，統(tǒng)計(jì)分析方法不能很好地刻畫致災(zāi)機(jī)理，基于淹沒模型在大范圍開展氣象災(zāi)害損失定量評(píng)估存在明顯局限性。而對(duì)河北省來說，由于南北地形差異大、區(qū)域發(fā)展不平衡、灌溉工程以及作物品種不同，暴雨洪澇對(duì)不同地區(qū)的農(nóng)作物造成的損失不同，不能用單一的統(tǒng)計(jì)模型或淹沒模型進(jìn)行定量評(píng)估。類比法是根據(jù)兩個(gè)對(duì)象的已知相似性，把一個(gè)對(duì)象已知的屬性或規(guī)律推介到另一個(gè)對(duì)象上，從而獲得對(duì)另一個(gè)對(duì)象新認(rèn)識(shí)的方法［12］，簡(jiǎn)便易行，在很多領(lǐng)域應(yīng)用廣泛。但類比法也存在一定局限性，就是不易找到滿足要求的、足夠數(shù)量的相似個(gè)例，目前的解決辦法為拉長(zhǎng)時(shí)間序列，得到足夠數(shù)量個(gè)例，于是產(chǎn)生第二個(gè)問題，在長(zhǎng)的歷史時(shí)期內(nèi)，承災(zāi)體的易損性發(fā)生了很大變化，災(zāi)害個(gè)例與現(xiàn)在差別很大，首先要進(jìn)行經(jīng)濟(jì)發(fā)展和物價(jià)指數(shù)訂正，如黃治勇等［13］就將類比法應(yīng)用于暴雨災(zāi)害損失定量評(píng)估中，對(duì)歷史災(zāi)情進(jìn)行訂正后，預(yù)估暴雨災(zāi)害經(jīng)濟(jì)損失和受災(zāi)人口。如果歷史序列過長(zhǎng)，還要考慮防災(zāi)減災(zāi)能力等問題，因此，類比法在災(zāi)害風(fēng)險(xiǎn)評(píng)估方面的應(yīng)用并不多。但章國(guó)材［14］明確提出，對(duì)統(tǒng)計(jì)資料連續(xù)完備，且防御能力年代間差異較小的農(nóng)作物損失評(píng)估方面，采用歷史情景類比法進(jìn)行災(zāi)害損失定量評(píng)估是一種可行的技術(shù)方法。在現(xiàn)有研究的基礎(chǔ)上，利用歷史情景類比法在災(zāi)害損失評(píng)估中的應(yīng)用理論，針對(duì)河北省農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估進(jìn)行實(shí)踐，利用氣象數(shù)據(jù)、農(nóng)作物暴雨洪澇災(zāi)害損失數(shù)據(jù)以及社會(huì)經(jīng)濟(jì)數(shù)據(jù)，利用SPSS數(shù)據(jù)統(tǒng)計(jì)軟件進(jìn)行相關(guān)分析、主成分分析等，構(gòu)建暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型，建立分暴雨致災(zāi)強(qiáng)度等級(jí)的河北省農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，在此基礎(chǔ)上，采用歷史情景類比法，構(gòu)建定量評(píng)估模型，實(shí)現(xiàn)河北省暴雨洪澇災(zāi)害對(duì)農(nóng)作物損失的定量評(píng)估，以期為政府防災(zāi)減災(zāi)提供參考。

1 數(shù)據(jù)來源與研究方法

1.1 資料來源

所用災(zāi)情數(shù)據(jù)為1983—2018年5—9月河北省農(nóng)作物暴雨洪澇損失數(shù)據(jù)，來自于民政部門、災(zāi)情直報(bào)、災(zāi)害普查等渠道，主要包括受災(zāi)地區(qū)、災(zāi)害起止時(shí)間、農(nóng)作物受災(zāi)面積及農(nóng)作物經(jīng)濟(jì)損失等。氣象資料為142個(gè)國(guó)家氣象站1983—2018年降水觀測(cè)數(shù)據(jù)，包括小時(shí)降水量和日降水量，來源于河北省氣象局。農(nóng)作物相關(guān)數(shù)據(jù)主要來源于歷史文獻(xiàn)資料，其中包括河北省各市2018年經(jīng)濟(jì)統(tǒng)計(jì)年鑒、2018年河北農(nóng)村統(tǒng)計(jì)年鑒，主要包括逐年農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)種植面積等。

1.2 研究方法

本研究的流程如圖1所示，將災(zāi)情信息與對(duì)應(yīng)的降水信息匹配，通過相關(guān)統(tǒng)計(jì)分析方法確定致災(zāi)因子，構(gòu)建暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型，建立分暴雨強(qiáng)度等級(jí)的農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，在此基礎(chǔ)上采用歷史情景類比法確定相似個(gè)例，按照一定規(guī)則賦予權(quán)重系數(shù)，計(jì)算得到農(nóng)作物暴雨洪澇損失評(píng)估結(jié)果。研究重點(diǎn)主要為2個(gè)方面，一是暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型構(gòu)建，以及在此基礎(chǔ)上建立農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，二是基于農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，利用歷史情景類比法對(duì)農(nóng)作物暴雨洪澇災(zāi)害損失進(jìn)行定量評(píng)估并檢驗(yàn)。

圖1 農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估流程

基于農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，應(yīng)用農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估模型進(jìn)行評(píng)估的流程為：讀取待評(píng)估過程降水預(yù)報(bào)數(shù)據(jù)，基于暴雨強(qiáng)度評(píng)價(jià)模型計(jì)算暴雨強(qiáng)度，依據(jù)暴雨強(qiáng)度等級(jí)、暴雨發(fā)生地點(diǎn)、時(shí)間，按照相關(guān)原則，遍歷農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，挑選相似個(gè)例，再基于暴雨洪澇農(nóng)作物損失定量評(píng)估模型，計(jì)算待評(píng)估過程的農(nóng)作物暴雨洪澇損失。

1.2.1 暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型構(gòu)建

1）暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型。將各降水因子與農(nóng)作物暴雨洪澇經(jīng)濟(jì)損失做相關(guān)分析，確定農(nóng)作物暴雨洪澇災(zāi)害影響因子，通過主成分分析等方法確定權(quán)重系數(shù)，進(jìn)而構(gòu)建河北省暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型。

暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型為：

式中，D為暴雨致災(zāi)強(qiáng)度指數(shù)，x1到xj分別為1 h最大降水量（mm）、累積降水量（mm）、最大日降水量（mm）、3 h最大降水量（mm）、6 h最大降水量（mm）、12 h最大降水量（mm）等降水因子；a1到aj為各降水因子對(duì)應(yīng)的權(quán)重系數(shù)。

2）min-max標(biāo)準(zhǔn)化法（Min-max normalization）。采用min-max標(biāo)準(zhǔn)化法將降水因子進(jìn)行無(wú)量綱處理，將原始數(shù)據(jù)（xi）進(jìn)行線性變換，使結(jié)果（x′i）映射到［0，1］區(qū)間，轉(zhuǎn)換函數(shù)如下。

式中，xmax,xmin為各降水因子的最大值和最小值。

3）相關(guān)分析法。相關(guān)分析是研究隨機(jī)變量之間相關(guān)關(guān)系的一種統(tǒng)計(jì)方法，被廣泛應(yīng)用于包括氣象在內(nèi)的大數(shù)據(jù)挖掘、分析應(yīng)用領(lǐng)域［15］。應(yīng)用相關(guān)分析確定農(nóng)作物暴雨洪澇災(zāi)害影響因子。

4）主成分分析法。也稱為主分量法，是一種統(tǒng)計(jì)學(xué)算法，主成分分析法能將高維信息降為低維信息，簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)，被廣泛應(yīng)用于影響因子及權(quán)重的確定［16］。本研究利用主成分分析法計(jì)算5—9月農(nóng)作物暴雨洪澇災(zāi)害各影響因子的權(quán)重（a1，a2，…，aj）。

5）均值—標(biāo)準(zhǔn)差法。是利用暴雨致災(zāi)強(qiáng)度均值（μ）和不同標(biāo)準(zhǔn)差（std）倍數(shù)的組合來劃分等級(jí)［17］，將暴雨致災(zāi)強(qiáng)度劃分為5個(gè)等級(jí)，具體的劃分標(biāo)準(zhǔn)為高致災(zāi)強(qiáng)度（μ+2.5std≤D＜1）、較高致災(zāi)強(qiáng)度（μ+1.5std≤D＜μ+2.5std）、中致災(zāi)強(qiáng)度（μ+0.5std≤D＜μ+1.5std）、較低致災(zāi)強(qiáng)度（μ-0.5std≤D＜μ+0.5std）、低致災(zāi)強(qiáng)度（0≤D＜μ-0.5std）。

1.2.2 農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估模型構(gòu)建

1）歷史情景類比法。該方法的主要思路是在歷史資料庫(kù)中找出與待評(píng)估的災(zāi)害過程強(qiáng)度和范圍相似的若干個(gè)例，根據(jù)相似程度分別給予各個(gè)例一定的權(quán)重，最后對(duì)各相似個(gè)例訂正后的災(zāi)損進(jìn)行加權(quán)求和便得到災(zāi)損評(píng)估結(jié)果［13］。就農(nóng)作物暴雨洪澇災(zāi)害損失評(píng)估而言，在致災(zāi)因子的強(qiáng)度和地理上的分布相似，產(chǎn)生的災(zāi)損才有可能相似［13］，再綜合考慮災(zāi)害發(fā)生時(shí)間，優(yōu)先挑選距待評(píng)估過程時(shí)間最近的足夠數(shù)量個(gè)例，能在一定程度上表征待評(píng)估過程［14］，因此，在暴雨致災(zāi)強(qiáng)度相同的情況下，采用類比法定量評(píng)估暴雨洪澇對(duì)農(nóng)作物造成損失是可行的。

本研究基于1983—2014年的災(zāi)害個(gè)例采用歷史情景類比法構(gòu)建農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估的模型，利用2015—2018年災(zāi)害個(gè)例進(jìn)行檢驗(yàn)。由于農(nóng)作物暴雨洪澇歷史災(zāi)情數(shù)據(jù)時(shí)間序列較長(zhǎng)，而近40年來，農(nóng)業(yè)生產(chǎn)技術(shù)、防御能力及農(nóng)業(yè)經(jīng)濟(jì)有了很大的提高，用80年代的災(zāi)害損失來評(píng)估當(dāng)前損失是不適宜的，為了消除由于社會(huì)發(fā)展、生產(chǎn)力進(jìn)步所造成的影響，采用逐年農(nóng)業(yè)生產(chǎn)總值對(duì)個(gè)例庫(kù)中的農(nóng)作物損失進(jìn)行了物價(jià)水平訂正，公式如下。

式中，L為訂正后農(nóng)業(yè)經(jīng)濟(jì)損失（萬(wàn)元），Li為災(zāi)情記錄的i年農(nóng)業(yè)經(jīng)濟(jì)損失（萬(wàn)元），Pi為災(zāi)情記錄i年的農(nóng)業(yè)產(chǎn)值（萬(wàn)元），P2018為2018年農(nóng)業(yè)產(chǎn)值（萬(wàn)元），且逐年農(nóng)業(yè)產(chǎn)值按可比價(jià)格計(jì)算。

農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估模型分為兩部分，一是以縣為單元計(jì)算每個(gè)縣的農(nóng)作物損失，二是將所有縣的農(nóng)作物損失相加得到總損失。

本研究以縣為基本單元進(jìn)行農(nóng)作物損失定量評(píng)估，以Lmj（萬(wàn)元）表示某次待評(píng)估降水過程對(duì)第j個(gè)縣造成的農(nóng)業(yè)經(jīng)濟(jì)損失，Lareaj（hm2）為對(duì)第j個(gè)縣造成的農(nóng)作物受災(zāi)面積，則：

式中，Lmij為第i個(gè)相似個(gè)例第j個(gè)縣訂正后的農(nóng)業(yè)經(jīng)濟(jì)損失（萬(wàn)元），aij為各相似個(gè)例各縣對(duì)應(yīng)災(zāi)害損失的權(quán)重系數(shù)，Lareaij為第i個(gè)相似個(gè)例第j個(gè)縣的農(nóng)作物受災(zāi)面積（hm2），i=1，2，3，…，n，為歷史相似個(gè)例的個(gè)數(shù)，j=1，2，3，…，k，為河北省待評(píng)估受災(zāi)縣數(shù)。

而某次待評(píng)估過程造成的總農(nóng)業(yè)經(jīng)濟(jì)損失Lm（萬(wàn)元）和總農(nóng)作物受災(zāi)面積Larea（hm2）分別為各縣的農(nóng)業(yè)經(jīng)濟(jì)損失、農(nóng)作物受災(zāi)面積之和。

2）權(quán)重系數(shù)aij的確定。權(quán)重系數(shù)aij是評(píng)估模型中最關(guān)鍵的參數(shù)，本質(zhì)上就是相似個(gè)例與待評(píng)估暴雨過程的相似度。本研究中有4個(gè)影響相似度的要素，分別為年份、月份、地區(qū)和暴雨致災(zāi)強(qiáng)度等級(jí)，不同月份農(nóng)作物物候期不同，脆弱性差異大，暴雨致災(zāi)強(qiáng)度等級(jí)不同，致災(zāi)能力不同，因此要求挑選個(gè)例時(shí)月份與暴雨強(qiáng)度等級(jí)必須相同，與aij值相關(guān)因素為年份和災(zāi)害發(fā)生地區(qū)的相似度。

①當(dāng)在距待評(píng)估暴雨過程5年以內(nèi)，并在相同縣內(nèi)找到3條及以上相似個(gè)例的，即不再挑選更遠(yuǎn)年份的相似個(gè)例，且aij為1/n（n為相似個(gè)例數(shù)）。

②當(dāng)相似個(gè)例年份不在5年以內(nèi)則按以下規(guī)則計(jì)算：經(jīng)濟(jì)損失包含物價(jià)變化、經(jīng)濟(jì)增長(zhǎng)率等諸多原因，雖然已對(duì)個(gè)例進(jìn)行相關(guān)訂正，但農(nóng)作物種植結(jié)構(gòu)、農(nóng)作物品種抗性、防御能力等隨著時(shí)間的推移仍存在一定差異，認(rèn)為相似度與距待評(píng)估過程時(shí)間長(zhǎng)度成反比［13］，因此，經(jīng)專家評(píng)定，80年代取相似度為0.6，90年代取相似度為0.75，2000—2010年取相似度為0.85，2010—2018年取相似度為1。aij即為各個(gè)例所在年代相似度歸一化的值，也是各相似個(gè)例所占權(quán)重。

式中，Xi為第i個(gè)歷史個(gè)例對(duì)待評(píng)估暴雨過程的相似度。

3）區(qū)域劃分。在對(duì)農(nóng)作物暴雨洪澇災(zāi)害損失評(píng)估時(shí)，發(fā)現(xiàn)并不是每一個(gè)縣都有足夠多的相似災(zāi)害過程，為了擴(kuò)大相似個(gè)例的數(shù)量，增加評(píng)估方法的可用性，本研究根據(jù)地形的相似程度和農(nóng)作物暴雨洪澇脆弱性特點(diǎn)［18］將河北省分為4個(gè)部分（圖2）。（a）西北部高原；（b）太行山區(qū)；（c）燕山山區(qū)；（d）平原地區(qū)。當(dāng)某個(gè)縣的相似個(gè)例數(shù)小于3時(shí)，默認(rèn)在相同分區(qū)內(nèi)挑選臨近縣相似個(gè)例，找到3個(gè)即止，在最大程度上保證災(zāi)害個(gè)例間的相似程度。

圖2 農(nóng)作物暴雨洪澇致災(zāi)區(qū)域劃分

2 結(jié)果與分析

2.1 暴雨致災(zāi)強(qiáng)度評(píng)估

河北省多短時(shí)強(qiáng)降水，持續(xù)降水過程較少［19］，因此，選擇1 h最大降水量、3 h最大降水量、6 h最大降水量、12 h最大降水量、最大日降水量、累積降水量為備選降水因子。將各備選降水因子與農(nóng)作物暴雨洪澇經(jīng)濟(jì)損失進(jìn)行相關(guān)分析，確定對(duì)農(nóng)作物受災(zāi)影響較大的主要致災(zāi)因子（表1）。其中，1 h最大降水量、累積降水量和最大日降水量與災(zāi)損相關(guān)性較好，且通過0.01檢驗(yàn)。因此，選擇1 h最大降水量、累積降水量、最大日降水量作為描述暴雨致災(zāi)強(qiáng)度的影響因子，通過對(duì)各因子權(quán)重系數(shù)的分配來控制各因子對(duì)暴雨致災(zāi)強(qiáng)度的影響程度。

表1 農(nóng)作物暴雨洪澇經(jīng)濟(jì)損失與各暴雨因子的相關(guān)系數(shù)

利用SPSS數(shù)據(jù)統(tǒng)計(jì)軟件對(duì)標(biāo)準(zhǔn)化的各降水因子進(jìn)行主成分分析，得到5—9月各降水因子的權(quán)重（表2）。根據(jù)公式（1）得到5—9月暴雨致災(zāi)強(qiáng)度計(jì)算公式如下。

表2 河北省5—9月各降水因子的權(quán)重

式中，D5為5月暴雨致災(zāi)強(qiáng)度指數(shù)，D6-7為6—7月暴雨致災(zāi)強(qiáng)度指數(shù)，D8為8月暴雨致災(zāi)強(qiáng)度指數(shù)，D9為9月暴雨致災(zāi)強(qiáng)度指數(shù)，x1為1 h最大降水量（mm）、x2為累積降水量（mm）、x3為最大日降水量（mm）。

計(jì)算得到1983—2018年各次暴雨洪澇災(zāi)害過程的致災(zāi)強(qiáng)度指數(shù)后，采用均值-標(biāo)準(zhǔn)差法確定暴雨致災(zāi)強(qiáng)度指數(shù)等級(jí)劃分標(biāo)準(zhǔn)，因已對(duì)各降水因子進(jìn)行標(biāo)準(zhǔn)化處理，因此D值在［0，1］區(qū)間內(nèi)（表3）。其中，8月份暴雨致災(zāi)強(qiáng)度指數(shù)閾值最小，表明農(nóng)作物更容易受災(zāi)，這與8月份農(nóng)作物處于灌漿、成熟期對(duì)暴雨更為敏感有關(guān)［20］。

2.2 河北省農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)構(gòu)建

整理1983—2018年農(nóng)作物災(zāi)情數(shù)據(jù)，根據(jù)災(zāi)情發(fā)生地點(diǎn)、時(shí)間匹配氣象數(shù)據(jù)，對(duì)災(zāi)害損失數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)年份訂正，共篩選出592條農(nóng)作物暴雨洪澇災(zāi)害個(gè)例?；诒┯曛聻?zāi)強(qiáng)度評(píng)價(jià)模型，計(jì)算592條歷史個(gè)例的暴雨致災(zāi)強(qiáng)度，以表3為依據(jù)劃分暴雨致災(zāi)強(qiáng)度等級(jí)，建立河北省農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，個(gè)例庫(kù)主要包括災(zāi)害發(fā)生地點(diǎn)（具體到縣）、所屬地氣象臺(tái)站、經(jīng)緯度、災(zāi)害發(fā)生時(shí)間、降水情況（1 h最大降水量、累積降水量、最大日降水量）、農(nóng)作物受災(zāi)面積、農(nóng)業(yè)經(jīng)濟(jì)損失、暴雨致災(zāi)強(qiáng)度指數(shù)、暴雨致災(zāi)強(qiáng)度等級(jí)等內(nèi)容（表4）。此個(gè)例庫(kù)是后續(xù)利用歷史情景類比法進(jìn)行農(nóng)作物暴雨洪澇災(zāi)害損失評(píng)估的基礎(chǔ)，其中，最關(guān)鍵的指標(biāo)為災(zāi)害發(fā)生地點(diǎn)、災(zāi)害發(fā)生時(shí)間、暴雨致災(zāi)強(qiáng)度等級(jí)和農(nóng)作物受災(zāi)面積、農(nóng)業(yè)經(jīng)濟(jì)損失5項(xiàng)，前3項(xiàng)為確定歷史相似個(gè)例的依據(jù)，后2項(xiàng)為農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估模型評(píng)估損失的依據(jù)。

表3 河北省5—9月暴雨致災(zāi)強(qiáng)度指數(shù)的等級(jí)劃分

表4 河北省農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)格式

2.3 效果檢驗(yàn)

在預(yù)留的2015—2018年歷史個(gè)例中隨機(jī)挑選3次暴雨過程，按照上述農(nóng)作物暴雨洪澇災(zāi)害損失定量評(píng)估模型中規(guī)定的相似個(gè)例確定原則和權(quán)重計(jì)算方法，分別進(jìn)行損失評(píng)估，評(píng)估結(jié)果與實(shí)際災(zāi)害損失見表5。農(nóng)作物受災(zāi)面積和農(nóng)業(yè)經(jīng)濟(jì)損失評(píng)估誤差為10%～40%，絕大多數(shù)正確率在60%～70%，評(píng)估效果較好，說明該方法可以對(duì)河北省農(nóng)作物暴雨洪澇災(zāi)害損失進(jìn)行評(píng)估。實(shí)際應(yīng)用中，在已知1 h最大降水量、累積降水量和最大日降水量預(yù)報(bào)的情況下可以簡(jiǎn)單、快速地對(duì)農(nóng)作物暴雨洪澇損失進(jìn)行評(píng)估，為氣象災(zāi)害防御提供了有效的決策參考。

表5 河北省農(nóng)作物暴雨洪澇災(zāi)害損失檢驗(yàn)結(jié)果

3 結(jié)論

本研究利用降水?dāng)?shù)據(jù)、農(nóng)作物暴雨洪澇災(zāi)害損失數(shù)據(jù)以及社會(huì)經(jīng)濟(jì)數(shù)據(jù)，建立了分月份的暴雨致災(zāi)強(qiáng)度評(píng)價(jià)模型，確定了強(qiáng)度等級(jí)劃分標(biāo)準(zhǔn)，在此基礎(chǔ)上，建立了分暴雨致災(zāi)強(qiáng)度等級(jí)的河北省農(nóng)作物暴雨洪澇損失個(gè)例庫(kù)，采用歷史情景類比法，構(gòu)建定量評(píng)估模型，實(shí)現(xiàn)了河北省暴雨洪澇災(zāi)害對(duì)農(nóng)作物影響損失的定量評(píng)估。

河北省暴雨洪澇災(zāi)害對(duì)農(nóng)作物受災(zāi)影響較大的降水因子分別為1 h最大降水量、累積降水量和最大日降水量；3個(gè)降水因子與農(nóng)作物損失相關(guān)性較高，能夠比較客觀地反映暴雨致災(zāi)強(qiáng)度和產(chǎn)生災(zāi)害的危險(xiǎn)性。

采用主成分分析法計(jì)算各暴雨因子的權(quán)重，構(gòu)建了暴雨致災(zāi)強(qiáng)度模型和分級(jí)標(biāo)準(zhǔn)，建立了分暴雨致災(zāi)強(qiáng)度等級(jí)的河北省農(nóng)作物暴雨洪澇災(zāi)害損失個(gè)例庫(kù)，共計(jì)592條。

利用歷史情景類比法構(gòu)建定量評(píng)估模型，制定相似個(gè)例判定規(guī)則，以年份、月份、暴雨致災(zāi)強(qiáng)度、區(qū)域等為條件確定相似災(zāi)情，賦予相應(yīng)權(quán)重，對(duì)河北省農(nóng)作物暴雨洪澇災(zāi)害損失進(jìn)行評(píng)估，經(jīng)檢驗(yàn)評(píng)估準(zhǔn)確率達(dá)60%，且方法簡(jiǎn)單、快速，說明類比法可以在暴雨洪澇災(zāi)害損失評(píng)估中進(jìn)行應(yīng)用。