申请/专利权人：江苏省气象台

申请日：2024-03-15

公开（公告）日：2024-06-18

公开（公告）号：CN117894158B

主分类号：G08B31/00

分类号：G08B31/00;G06Q50/26;G06Q50/02;G06F17/16;G06F17/18;G08B21/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供了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，该方法基于智能网格气温预报数据，计算寒潮过程预估致灾危险性指数，在此基础上结合承灾体暴露度及脆弱性信息，构建寒潮过程风险预评估模型，对高分辨率人口、国内生产总值（GDP）和小麦等承灾体进行风险预估，预估产品可有效弥补仅依靠气象要素预报的气象服务局限性，分时段、分行业、分区域丰富寒潮灾害性天气过程致灾可能性、危害程度等气象服务信息，为有效应对寒潮灾害、提前部署灾害防御措施和减少灾害损失等提供科学决策支撑。

主权项：1.一种基于智能网格气温预报的寒潮灾害危险性预评估方法，其特征在于包括以下步骤：步骤S1，根据国家观测站和区域观测站的寒潮灾害灾情历史资料，利用灾损曲线选取得到寒潮灾害气象致灾因子，所述寒潮灾害气象致灾因子包括48小时日最低气温降温幅度、日最低气温累计降温幅度、极端最低气温和寒潮过程持续天数；步骤S2，筛选得某一区域观测站设定距离范围内的若干个国家观测站，通过偏最小二乘法，将该若干个国家观测站分别与该区域观测站同时间段的数据序列进行拟合，得到两者的统计关系和相关性系数；所述数据序列为日最低气温和日平均气温的长时间数据序列；将对应相关性系数最大的国家观测站作为拟合对象，并通过该国家观测站的统计关系并运用偏最小二乘法将区域观测站的数据序列扩展重建到与对应国家观测站的相同时间范围；按同样方法完成对其余区域观测站的数据序列的扩展重建；步骤S3，基于智能网格气温预报，构建寒潮天气过程的致灾危险性评估模型，得到每个站点的寒潮天气过程的危险性预评估指数；步骤S4，综合考虑寒潮天气过程的预评估危险性指数，并结合承灾体，建立承灾体的寒潮天气过程风险预评估模型，所述承灾体包括人口、经济和小麦；步骤S5，基于寒潮天气过程的致灾危险性评估模型及寒潮天气过程风险预评估模型，生成分时段、分行业、分区域的多种寒潮天气过程致灾危险性和风险预估产品；步骤S3所述寒潮天气过程的危险性预评估指数的计算包括以下步骤：（1）对各观测站的寒潮灾害气象致灾因子按下式（1）进行归一化处理，得到归一化后的潮灾害气象致灾因子， （1）式（1）中，表示第个观测站的寒潮灾害气象致灾因子数据，表示观测站的寒潮灾害气象致灾因子数据的最小值，表示观测站的寒潮灾害气象致灾因子数据的最大值；（2）寒潮气象致灾因子的权重确定：首先，通过式（2）计算得到第个致灾因子下的第次寒潮天气过程的指标值所占指标的比重， （2）式（2）中，m表示致灾因子的总个数；n表示寒潮天气过程的次数；然后，由信息熵权法计算得到第个致灾因子的熵值，如式（3）所示， （3）接着，通过式（4）计算得到第个致灾因子的客观权重， （4），（3）通过式（5）构建寒潮天气过程危险性预估评估模型，得到每个站点寒潮天气过程的危险性预估指数， （5）式（5）中，表示48小时日最低气温降温幅度、表示日最低气温累计降温幅度，表示极端最低气温，表示寒潮过程持续天数，A,B,C,D表示相应的权重系数；步骤S4所述承灾体的寒潮天气过程风险预评估模型通过式（6）建立， （6）式（6）中，表示第k类承灾体的风险预估指数，表示第k类承灾体寒潮天气过程的危险性预估指数； 表示第k类承灾体的暴露度，分别以区域内人口密度、地均GDP、小麦种植面积比例进行表征，表征关系式如下式（7）所示， （7）式（7）中，表示区域总面积或耕地面积，表示区域内承灾体数量或种植面积， 表示第k类承灾体的脆弱性指数，通过式（8）计算得到， （8）式（8）中，表示14岁以下及65岁以上人口、直接经济损失或受灾面积，为总人口、国内生产总值或农作物种植总面积。

全文数据：

权利要求：

百度查询： 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD