基于暴雨灾害集中度指数的西南地区暴雨灾害的风险评估.pdfVIP

基于暴雨灾害集中度指数的西南地区暴雨灾害的风险评估

摘要

本文采用1971～2020年逐日降水资料构建一种新的暴雨灾害集中度指数

（PDCI），计算PDCI等级阈值，并与降水集中度指数(PCI)进行对比分析。以

西南地区为例讨论PDCI的气候特征，主要包括时空分布，突变，周期，典型

站点和PDCI与大气遥相关方面。将PDCI引用到暴雨灾害风险评估当中，采用

随机森林模型对西南地区暴雨灾害影响因子贡献率进行计算，选出最优模型，

再结合XGBoost模型进行暴雨灾害风险评价体系构建。得出以下结论：

以降水集中度指数（PCI）作为基础，时间范围选取4～10月，选取三天作

为时间分辨率，构建一种针对暴雨灾害的暴雨灾害集中度指数（PDCI）。客观

地划分暴雨灾害集中度的阈值标准。利用七个地区（15个代表站点）1971～2020

年的降水资料，计算我国PDCI和PCI，对比分析我国的PCI等级处于中等偏

强，但PCI过于集中，年际变化和地区差异也不明显。分析PDCI来看，PDCI

有明显的区域差异，且从强到弱等级分布符合正态分布，有明显的地域差异，

因此采用PDCI来谈论和研究暴雨灾害事件是更加合理的。

对比PDCI与PCI与暴雨发生次数在各区域的相关性变化，在西南地区相

关性增加幅度最大，以西南地区为例对PDCI进行深入特征分析，利用研究区

内75个站点的1971～2020年的降水数据计算PDCI及其变化斜率，得出PDCI

呈现增加趋势，其递增率为0.09/10年，研究区PDCI的多年平均值为4.48，处

在中等集中程度，即研究区降水分布仍然不均匀。空间分布上，PDCI呈东北高

-西南低走向。采用斜率法和Hurst指数共同预测西南地区PDCI变化趋势，结

果表明西南地区年平均PDCI值的变化趋势从西北部到东南部逐渐增加，西南

地区平均Hurst系数为0.67，未来西南地区PDCI系数大体呈现增加趋势，一共

73个站点PDCI会更加集中，暴雨灾害频发。采用M-K检验方法分别讨论整体

三省一市的突变点，在过去的50年中均存在PDCI的显著突变点。采用EEMD

方法得出PDCI有5年、8年、14年三个明显周期，5年周期尺度是振荡最强的

变化周期。

选取三省一市中年均PDCI值最大的两个站点作为典型站点，四川省典型

站点变化趋势显示，四川盆地东部相比于西部降水增多和降水趋于集中的趋势

更加明显，更容易出现洪涝灾害。云南省典型站点PDCI变化敏感程度偏小，

贵州省两个典型站点降水量9年滑动较大，PDCI的9年滑动平均在4.0～6.2

之间。重庆市典型站点进入本世纪以来，PDCI9年滑动平均开始减少。根据八

个典型站点PDCI9年滑动平均和年降水9年滑动平均分析，两个变量间的年际

变化不是简单的线性关系，年降水量变化无法直接代表年暴雨灾害的集中情况。

采用交叉小波变换和小波相干变换作为研究方法进行遥相关分析，西南地

区PDCI与AO，NAO，NINO1+2，NINO3.4，NINO4，SOI存在共振周期，这

表明大气环流指数是影响西南地区PDCI变化的一个重要因素。就当年而言，

对PDCI影响最大的是4月份的AO，相关系数的绝对值为0.31，存在3个月左

右的时滞相关性。就前一年而言，对PDCI有着最显著影响的大气环流指数是

12月份的NINO4，其相关系数的绝对值为0.20。

引用PDCI作为新的评估因子，采用随机森林模型，确定西南地区最优暴

雨灾害评价指标体系，共计7项评价指标，分别为：海拔高度，人口密度，地

均GDP，最大连续降雨量，粮食作物播种面积，PDCI和人均GDP。危险性，

敏感性，脆弱性，防灾减灾能力权重分别是0.40，0.25，0.25和0.10。西南地

区最易受到暴雨灾害威胁的地区是成都市。

关键词：暴雨灾害集中度，暴雨灾害，大气环流，机器学习，风险评估

RiskassessmentofrainstormdisasterinSouthwestChinabasedon

thedegreeofrainstormdisasterconcentration