期刊检索:
  暴雨灾害   2021, Vol. 40 Issue (1): 87-93.  DOI: 10.3969/j.issn.1004-9045.2021.01.011

论文

DOI

10.3969/j.issn.1004-9045.2021.01.011

资助项目

广东省自然资源厅项目(GDOE〔2019〕A11号);广东省科技专项资金项目(2019B020503);广东省科技计划项目(2017B020244002,2019A070716007);广东省气象局重点项目(GRMC2019Z01);广东省气候中心科研项目(QH201903)

第一作者

张柳红, 主要从事气象灾害风险评估研究。E-mail: 15521217516@189.cn.

通信作者

郑璟, 主要从事气象灾害风险评估研究。E-mail: zhengjing@gd121.cn.

文章历史

收稿日期:2020-06-04
定稿日期:2020-08-08
广东暴雨洪涝灾害损失定量评估
张柳红 , 郑璟 , 伍红雨 , 刘东玲     
广东省气候中心, 广州 510641
摘要:广东暴雨强度大、范围广、季节长,造成的灾害重、影响大。为合理、定量地评估广东暴雨洪涝过程强度及其损失,基于1994-2018年广东致灾暴雨过程和相应灾情资料,构建了广东暴雨过程综合强度评估模型和灾情指数模型,并采用百分位数法进行暴雨强度和灾情等级划分,以第60、第80、第90和第95百分位数为临界阈值,分别将致灾暴雨过程强度和灾情划分为弱(1级)、较弱(2级)、中等(3级)、较强(4级)、强(5级)和微灾、小灾、中灾、大灾、巨灾5个等级,进而分析了不同强度等级暴雨过程可能造成的人口、农作物、房屋和经济等承灾体损失。结果表明:(1)1994-2018年间,广东各等级致灾暴雨过程主要出现在4-9月的汛期,5-7月尤其多,要特别注意防御;(2)致灾暴雨过程强度等级与各类承灾体灾情指数存在显著正相关关系:随暴雨强度的增强,倒塌房屋数呈指数增长,受灾人口、死亡人数、农作物受灾面积和直接经济损失呈线性增长;(3)平均而言,当暴雨强度达到强(5级)等级时,受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失标准分别约为187.19万人、22人、10.52×104 hm2、1.12万间和13.07亿元。
关键词暴雨洪涝    承灾体    损失    定量评估    广东    
Quantitative assessment of disaster loss caused by rainstorms and floods in Guangdong
ZHANG Liuhong , ZHENG Jing , WU Hongyu , LIU Dongling     
Guangdong Climate Center, Guangzhou 510641
Abstract: Rainstorms in Guangdong have the characteristics of high intensity, wide range and long season, causing severe flood disasters and great impacts. In order to make rational and quantitative assessment on the intensity and loss caused by rainstorms and floods in Guangdong, a comprehensive intensity assessment model and disaster index model were constructed and proposed in this study, based on analysis of the rainstorm events and their corresponding loss data in Guangdong from 1994 to 2018. By using the 60th, 80th, 90th and 95th percentiles as critical thresholds, the rainstorm events were classified into five categories, namely, Ⅰ (week), Ⅱ (relatively week), Ⅲ (medium), Ⅳ (relatively strong), and Ⅴ (strong) according to their intensity. They were also categorized as micro disaster, small disaster, medium disaster, major disaster, and catastrophe according to their severity in terms of disaster loss. The possible losses of population, crops, houses and economy caused by rainstorm events of different categories were then analyzed. The results indicated that: (1) During 1994-2018, the rainstorm events with different categories in Guangdong mainly occurred in the flood season, i.e. from April to September, especially from May to July. (2) The intensity of the rainstorm events had a significant positive correlation with the disaster index of various hazard-bearing bodies. With increasing intensity of the rainstorm events, the number of collapsed houses increased exponentially, while the number of people affected, the number of deaths, affected areas of crops and direct economic losses all increased linearly. (3) When the intensity of the rainstorm events reached up to category Ⅴ (strong), the averaged values of the number of people affected, the number of deaths, affected areas of crops, the number of collapsed houses and direct economic losses are 1 871 900 people, 22 people, 105 200 hectares, 112 thousand rooms and 1.307 billion Yuan, respectively.
Key words: rainstorm and flood    hazard-bearing body    loss    quantitative assessment    Guangdong    
引言

暴雨洪涝灾害是低纬度地区最常见的自然灾害,暴雨洪涝灾害损失占全球各种自然灾害损失的40% (景垠娜,2010);我国地处低纬季风区,暴雨洪涝灾害频发,每年汛期暴雨及其引发的洪涝及泥石流、城市内涝等次生灾害严重威胁社会经济发展和人民生命财产安全(王博等,2007周月华等,2019)。因此,暴雨洪涝灾害风险评估受到国内外学者的广泛关注(李吉顺等,1996万君等,2007王博等,2007Ahmad and Simonvic,2013谢五三等,2015Kim and Marcouiller, 2017李如琦等,2019)。广东地处低纬,北面多山,南面临海,地形复杂,水汽资源丰富,是我国最典型的季风气候区之一,也是我国内陆降水最多的地区(王坚红等,2014蔡景就等,2019伍红雨等,2019)。在汛期,广东是易受暴雨影响的重灾区,可以说,暴雨是导致广东洪涝灾害的主要原因(王春林等,2008)。据《广东省防灾减灾年鉴》统计,2000—2009年间和2010—2018年间,暴雨洪涝灾害分别造成广东直接经济总损失233.40和494.82亿元,年均损失分别为23.34和54.98亿元,总损失和年均损失分别增加了1.12和1.36倍,表明广东暴雨洪涝灾害造成的损失趋于增加,给广东经济社会的可持续发展带来严重影响。因此,有必要对广东不同强度的暴雨过程造成何种程度的灾害损失进行合理地评估,这有助于为采取更加有效的灾害风险管理策略以减轻灾害损失提供依据(吴吉东等,2009),在气象灾害风险管理理论研究和实践中意义重大。

实现灾害风险的准确评估关键在于确定灾害强度等级与灾害损失间的定量关系(殷洁等,2013)。早前基于降水量、暴雨重现期、面雨量等暴雨影响指标构建的广东省暴雨灾害评估模式(李春梅等,2008钱光明,2008),通过计算暴雨过程综合影响指数,然后在历史暴雨综合影响指数序列中查找影响指数相似的暴雨过程,进而评估暴雨过程灾害损失。该模式在早期业务中得到了较好的应用,但随着广东各地区防灾减灾能力的提高,历史个例的简单对比并不能很好地反映当前相同等级的暴雨过程可能导致的承灾体损失情况,且不同业务人员评估的结果差异也较大。因此,本文拟基于灾情指数模型和暴雨过程综合强度评估模型,采用百分位数法分别对灾情和暴雨强度进行等级划分,并给出各等级暴雨强度造成的人口、农作物、房屋、经济等各类承灾体损失标准,简单明了,可操作性强,可结合广东省暴雨灾害评估模式在业务中进行应用,为广东暴雨洪涝灾害承灾体脆弱性和风险评估提供依据。

1 资料与方法 1.1 资料来源

气象数据为广东省1994—2018年86个国家地面气象站逐日降水资料,来自广东省气象局。暴雨洪涝灾害灾情数据来自于1995—2019年《广东省防灾减灾年鉴》(1995年《广东省防灾减灾年鉴》记录1994年灾情数据,以此类推,2019年对应2018年灾情)。《广东省防灾减灾年鉴》按照暴雨洪涝、热带气旋、低温、干旱、强对流等5个灾害种类进行灾情的分类统计,本文选取了1994—2018年间有灾情记录的暴雨洪涝过程(共129个)进行研究。

1.2 研究方法 1.2.1 指标选取

根据《自然灾害情况统计制度》(民发〔2016〕23号)和《自然灾害灾情统计(第1部分):基本指标》(GB/T 24438.1-2009),人口和农作物的受灾情况以及房屋和经济的损失程度是灾情的基本表现形式,也是自然灾害灾情统计的核心内容。因此,选择受灾人口和死亡人数表征人口受灾程度;选择农作物受灾面积、倒塌房屋数、直接经济损失分别表征农作物、房屋和经济的损失程度。这5项指标也是目前灾情评估和灾害应急救助工作中最关注的指标,可客观、综合揭示灾害对地区经济社会实际造成的影响和损失。

1.2.2 灾情数据预处理

为消除通货膨胀造成的经济损失货币值变化,便于比较灾害对社会经济的影响程度,将直接经济损失换算成可比价格(张鹏等,2015),换算公式如下

$E=E_{0} / C P I_{i} $ (1)

式(1)中,E为换算后的直接经济损失,E0为第i年的暴雨洪涝灾害直接经济损失,CPIi为当年的累积CPI指数(以1993年为基准)。

1.2.3 灾情指数模型

为剔除不同承灾体灾情指标分级标准不同的影响,便于比较暴雨洪涝灾害各项损失,本文参考相关研究引入转换函数(于庆东和沈荣芳,1997王秀荣等,2010巩在武和胡丽,2015),对不同灾情指标进行无量纲化和灾情指数的计算。

$U(v)=\left\{\begin{array}{ll} 1 & v>10^{8} \\ 0.2 \lg \frac{v}{1000} & 10^{3}<v \leq 10^{8} \\ 0 & v \leq 10^{3} \end{array}\right. $ (2)
$U(w)=\left\{\begin{array}{ll} 1 & w>10^{7} \\ 0.2 \lg \frac{w}{100} & 10^{2}<w \leq 10^{7} \\ 0 & w \leq 10^{2} \end{array}\right. $ (3)
$U(x)=\left\{\begin{array}{ll} 1 & x>10^{10} \\ 0.2 \lg \frac{x}{100000} & 10^{5}<x \leq 10^{10} \\ 0 & x \leq 10^{5} \end{array}\right. $ (4)
$U(y)=\left\{\begin{array}{lr} 1 & y>1000 \\ 0.8+\frac{1}{10} \lg \frac{y}{10} & 100<y \leq 1000 \\ 0.6+\frac{1}{350}(y-30) & 30<y \leq 100 \\ 0.4+\frac{1}{100}(y-10) & 10<y \leq 30 \\ 0.2+\frac{1}{35}(y-3) & 3<y \leq 10 \\ 0.1(y-1) & 1<y \leq 3 \\ 0 & y \leq 1 \end{array}\right. $ (5)
$U(z)=\left\{\begin{array}{ll} 1 & z>1000000 \\ 0.8+\frac{1}{4 \times 10000000}(z-2 \times 100000) & 200000<z \leq 1000000 \\ 0.6+\frac{1}{5 \times 100000}(z-100000) & 100000<z \leq 200000 \\ 0.4+\frac{1}{350000}(z-30000) & 30000<z \leq 100000 \\ 0.2+0.2 \lg \frac{z}{3000} & 3000<z \leq 30000 \\ 0.2 \frac{z}{3000} & 1<z \leq 3000 \\ 0 & z \leq 1 \end{array}\right. $ (6)

式(2)到(6)中,U(v)、U(w)、U(x)、U(y)和U(z) 分别为受灾人口、农作物受灾面积、直接经济损失、死亡人口和倒塌房屋数的转换函数值;vwxyz分别表示受灾人口(人)、农作物受灾面积(hm2)、直接经济损失(元)、死亡人口(人)和倒塌房屋数(间)。

1.2.4 暴雨过程综合强度评估模型

基于《广东省防灾减灾年鉴》中记录的1994—2018年的暴雨洪涝灾害过程,结合广东和福建已有研究基础(邹燕等,2014伍红雨等,2019),采用暴雨过程综合强度模型评估各个暴雨过程的强度,公式如下

$I_{R}=A G_{P} R_{P}+B G_{d} R_{d}+C G_{c} R_{c}+D G_{t} R_{t} $ (7)

式(7)中,IR为某次暴雨过程综合强度指数;ABCD分别为最大过程降水量、最大日降水量、暴雨站数和暴雨持续时间的权重系数,以某一指标序列与其余3个指标序列之间相关系数的平均值占所有指标间相关系数平均值总和的比值进行表征(吕晓男等,1999邹燕等,2014);GPGdGcGt分别为4个指标的评估等级,采用Hyndman经验公式对各个评估等级进行划定和计算(Hyndman and Fan, 1996);RPRdRcRt分别为4个指标的标准化值,标准化公式如下

$R_{i}=\frac{Y_{i}-\bar{Y}}{\delta} $ (8)

式(8)中,RiYi分别为第i个样本标准化值和样本值;Yδ分别为样本序列的气候平均值和标准差。

2 结果与分析 2.1 广东致灾暴雨过程综合强度与灾害损失分析

1995—2019年《广东省防灾减灾年鉴》中,有灾情记录的暴雨洪涝灾害过程共计129次。对这129次暴雨过程进行综合强度指数的计算,采用百分位数法计算第60、第80、第90和第95百分位数作为临界阈值将暴雨过程划分为1、2、3、4和5等级(伍红雨等,2019),分别对应暴雨强度等级的弱、较弱、中等、较强和强,从而得到1994—2018年广东致灾暴雨过程综合强度等级,并对综合强度在强和较强等级的致灾暴雨过程进行呈列(表 1)。从《广东省防灾减灾年鉴》中获取上述各个暴雨过程人口、农作物、房屋、经济等各类承灾体的灾害损失情况,并采用灾情指数模型对不同承灾体损失进行无量纲化转换,详见表 1

表 1 1994—2018年广东强和较强等级暴雨过程与灾害损失函数转换值 Table 1 Rainstorm events with composite intensity of categories Ⅴ (strong) and Ⅳ (relatively strong) and their disaster indices in Guangdong from 1994 to 2018.

广东1994—2018年间的129次暴雨洪涝灾害过程中(图 1),强等级暴雨过程均出现在5、6和7月,分别出现4、6和2次;较强等级和中等等级主要出现在4—8月;较弱等级主要出现在5月(19次),其次是6月(6次);弱等级出现在3—10月,主要集中在4—9月。因此,致灾暴雨过程主要集中在广东汛期期间,5、6和7月尤其多,各个等级致灾暴雨过程都有出现,要特别注意5、6月份“龙舟水”和7、8月份台风高发期的暴雨洪涝灾害防御。

图 1 1994—2018年广东致灾暴雨过程综合强度各等级出现次数 Fig. 1 Variations of rainstorm frequency with different categories in Guangdong from 1994 to 2018.

参考第60、80、90和95百分位数为临界阈值的划分方法,将受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失转换函数值进行微灾、小灾、中灾、大灾和巨灾的灾情等级划分(表 2),得出处于巨灾等级的受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失5个灾情指标的转换函数值分别为≥0.73、≥0.65、≥0.64、≥0.37和≥0.90。结合表 1分析可知,1994—2018年间发生的12次强等级暴雨过程造成不同承灾体损失达到巨灾等级的有7次(占总次数的58.3%):2005年6月12—24日、1994年6月8—20日和1994年7月18—28日的暴雨过程造成上述5个灾情指标都处于巨灾等级;1997年7月1—11日的暴雨过程造成受灾人口、死亡人数、农作物受灾面积和倒塌房屋数4个灾情指标达到巨灾等级;2008年5月29日—6月7日暴雨过程造成受灾人口、农作物受灾面积和直接经济损失3个灾情指标达到巨灾等级;1998年6月19—26日暴雨过程导致死亡人数、农作物受灾面积和和直接经济损失3个灾情指标达到巨灾等级;2014年5月15—23日暴雨过程造成倒塌房屋数1个灾情指标达到巨灾等级。根据《广东省防灾减灾年鉴》的灾情记录,受灾人口≥424万人、死亡人数≥46人、倒塌房屋数≥ 2.008万间和直接经济损失≥31.62亿元(对应函数转换值分别为≥0.73、≥0.65、≥0.37和≥0.90,巨灾等级)的致灾暴雨过程均出现7次,其中均有5次是强等级(占71.43%)、2次是较强等级(占28.57%);农作物受灾面积≥1.569×104 hm(对应函数转换值为≥0.64,巨灾等级)的致灾暴雨过程出现7次,其中有6次是强等级(占85.71%)、1次是较强等级(占14.29%);即各类承灾体灾害损失达到巨灾等级时,致灾暴雨过程的综合强度至少有71.43%达到强等级,其余暴雨过程强度也达到了较强等级。因此,暴雨过程综合强度等级和灾害损失的双向验证结果表明暴雨过程综合强度等级与各类承灾体灾害损失情况较为一致,表明本文的暴雨过程综合强度评估模型和灾情指数模型能够较为客观、全面地反映广东暴雨过程和灾情情况。

表 2 1994—2018年广东暴雨洪涝灾害损失函数转换值等级划分 Table 2 Grading standards of rainstorms and floods disaster indices in Guangdong from 1994 to 2018.
2.2 广东暴雨洪涝灾害损失标准

不同强度等级的暴雨洪涝灾害,会造成人口、经济、房屋等不同承灾体不同程度的损失。对1994—2018年间广东致灾暴雨过程综合强度等级与不同承灾体损失进行相关性分析发现,致灾暴雨过程综合强度等级与受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失转换函数值相关系数分别为0.669 9、0.609 9、0.674 3、0.560 1和0.724 0,达到极显著水平(P = 0.000<0.001),说明致灾暴雨过程强度等级与灾害损失之间有很强的正相关性。此外,根据广东暴雨洪涝综合强度等级——灾害损失转换函数值曲线(图 2),不同强度等级的暴雨洪涝灾害与各类承灾体损失之间存在明显的正相关关系,即暴雨强度越强,承灾体损失越高;具体地,随着暴雨综合强度等级的增加,倒塌房屋数呈指数增长,当暴雨强度达到较强等级时,倒塌房屋数有急剧增长的趋势;其余指标均呈线性增长,只是增长的倍数不同,受灾人口增长波动较大,死亡人数小幅波动增长,农作物受灾面积和直接经济损失呈简单线性增长,波动最小。判定系数R2是对回归模型拟合程度的综合度量,R2越大,模型拟合程度越高,反之亦然(米红和张文璋,2004)。暴雨洪涝综合强度等级与农作物受灾面积和直接经济损失转换函数值曲线的R2均超过0.99,其余指标也都在0.98以上,表明暴雨洪涝综合强度等级与各类承灾体灾害损失转换函数值的曲线拟合程度高,综合强度等级对受灾损失的解释程度高。

图 2 广东暴雨洪涝综合强度等级——灾害损失转换函数值曲线 Fig. 2 The curves of rainstorm events with different categories and disaster indices in Guangdong.

分别计算各个暴雨综合强度等级的灾害损失转换函数值平均值,再根据式(2)至(6)分别将人口、农作物、房屋、经济等各类承灾体的灾害损失转换函数值转换成损失值,以此作为暴雨洪涝灾害受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失的损失标准(表 3)。由表 3可知,暴雨综合强度为弱等级时,各类承灾体灾害损失均处于低水平,随着强度等级的增加,损失程度也越来越大。其中,当暴雨强度在较强级别以下时,农作物受灾面积随暴雨强度等级的增长最快,直接经济损失次之,接着是受灾人口,死亡人数增长较慢,倒塌房屋数增长最慢;当暴雨强度达到较强级别时,倒塌房屋数急剧增加,其次是农作物受灾面积,接着是死亡人口和受灾人口,直接经济损失增幅最小。

表 3 广东暴雨洪涝灾害损失标准 Table 3 Criteria of disaster loss caused by rainstorms and floods in Guangdong.

需要指出的是,表 3中各类承灾体的损失仅为不同综合强度等级暴雨洪涝过程下的平均状况。实际的灾害损失与暴雨洪涝过程的综合强度等级之间的正相关关系是普遍存在的,但在防灾抗灾措施有力的情况下这种关系可能弱化,也就是说,不同综合强度等级的暴雨洪涝过程既有可能导致人口、农作物、房屋和经济等承灾体出现严重损失,也有可能仅造成轻微的损失(图 3)。这是因为,自然灾害损失不仅与致灾强度有关,同时也受各地区灾害防灾备灾水平、应急响应能力、灾害预警预报能力等诸多因素的制约。此外,本研究所构建的模型主要从全省的角度来对暴雨过程的综合强度进行评估,对于局地性短时强降水的致灾强度反映可能有所不足,但这类过程因其突发性强、预报和防御难度大的特点又往往可能造成巨大的损失。基于本文选取的129个不同综合强度等级的致灾暴雨过程造成的实际灾害损失情况,分析不同等级暴雨过程导致灾害损失的极大值和极小值。在灾害损失极小值方面,各等级致灾暴雨过程都有可能出现无人员死亡和无房屋倒塌的情况;当暴雨过程强度在较强级别以下时,受灾人口、农作物受灾面积极小值为0,直接经济损失为0.01亿元,当暴雨过程达到较强和强等级时,人口、农作物和经济均出现一定程度的受灾或损失。在灾害损失极大值方面,灾害损失随着暴雨强度等级的增加总体呈增多趋势:在弱等级暴雨过程中,受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失极大值分别为31.31万人、7人、1.92×104hm2、0.32万间和2.76亿元;在强等级暴雨过程中,上述各类承灾体灾害损失极大值分别为932.00万人、145人、40.90×104hm2、45.44万间和83.81亿元。因此,开展暴雨洪涝灾害风险评估工作也要适时考虑各强度等级暴雨过程可能造成的极端灾害损失情况。

图 3 广东不同暴雨洪涝综合强度等级造成的灾害损失最大值和最小值(MAXP、MAXD、MAXC、MAXH和MAXE分别为受灾人口、死亡人数、农作物受灾面积、倒塌房屋和直接经济损失最大值;MINP、MIND、MINC、MINH和MINE分别为上述灾害指标最小值) Fig. 3 The maximum and minimum disaster losses caused by rainstorm events with different categories in Guangdong (MAXP, MAXD, MAXC, MAXH and MAXE are maximum values of the number of people affected, the number of deaths, affected areas of crops, the number of collapsed houses and direct economic losses, respectively. MINP, MIND, MINC, MINH and MINE are respectively the minimum values of the five indicators above.)
3 结论与讨论

本文基于1995—2019年《广东省防灾减灾年鉴》中的129个致灾暴雨过程,构建了暴雨过程综合强度评估模型和灾情指数模型评估各个致灾暴雨过程的强度等级和灾情等级,以第60、第80、第90和第95百分位数作为临界阈值分别将暴雨过程和灾情等级划分为弱(1级)、较弱(2级)、中等(3级)、较强(4级)、强(5级)和微灾、小灾、中灾、大灾、巨灾,并对不同强度等级暴雨过程可能造成的人口、农作物、房屋和经济等承灾体损失进行定量评估,得到如下结论:

(1) 根据暴雨过程综合强度评估模型,1994—2018年间,广东各等级致灾暴雨过程主要集中在4—9月的汛期,5—7月各个等级的致灾暴雨过程均有出现,要特别注意期间的暴雨灾害防御。

(2) 根据灾情指数模型对不同承灾体灾害损失的计算结果,受灾人口等级划分的临界阈值为0.46、056、0.64和0.73,死亡人数为0.10、0.31、0.49和0.65,农作物受灾面积为0.40、0.52、0.59和0.64,倒塌房屋数为0.03、0.15、0.30和0.37,直接经济损失为0.62、0.72、0.81和0.90。

(3) 通过分析广东致灾暴雨过程综合强度等级与各类承灾体损失之间的关系,发现两者之间存在较好的正相关关系,即暴雨过程综合强度越大,灾害损失也越重。其中,倒塌房屋数随暴雨强度等级的增加呈指数增长,受灾人口、死亡人数、农作物受灾面积和直接经济损失呈线性增长。

(4) 基于129个致灾暴雨过程及其灾害损失资料,构建了广东各个暴雨强度等级下的受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失的平均标准值,也对各等级暴雨洪涝过程造成的极端最小和最大灾害损失进行了分析,具有一定的统计学意义和业务参考价值。

广东暴雨洪涝频繁,灾害重,在日常业务工作中,需对每次暴雨过程进行不同承灾体的灾害损失评估,这对于气象防灾减灾工作意义重大。本研究基于暴雨过程综合强度评估模型和灾情指数模型,对不同强度暴雨过程及其可能造成的人口、农作物、房屋、经济等各类承灾体灾害损失进行定量化等级评估,评估结果与实际受灾情况较为吻合。因此,本文采用的暴雨过程综合强度评估模型和灾情指数模型能较为准确地反映广东暴雨过程及其致灾损失,可结合广东省暴雨灾害评估模式进行业务应用,提高暴雨灾害损失评估的准确性。另外,本文研究的广东暴雨洪涝灾害损失标准确定了不同强度等级暴雨过程的破坏程度,今后可结合不同地市甚至县级区域各类承灾体的暴露程度,对各地区的暴雨过程造成的不同承灾体损失进行精细化、定量化评估,为各地区采取针对性的灾前预防、灾中应急、灾后救助措施提供科学参考。

参考文献
蔡景就, 伍志方, 陈晓庆, 等. 2019. "18.8" 广东季风低压持续性特大暴雨成因分析[J]. 暴雨灾害, 38(6): 576-586.
巩在武, 胡丽. 2015. 台风灾害评估中的影响因子分析[J]. 自然灾害学报, 24(1): 203-213.
景垠娜. 2010. 自然灾害风险评估——以上海浦东新区暴雨洪涝灾害为例[D]. 上海: 上海师范大学
李春梅, 刘锦銮, 潘蔚娟, 等. 2008. 暴雨综合影响指标及其在灾情评估中的应用[J]. 广东气象, 30(4): 1-4. DOI:10.3969/j.issn.1007-6190.2008.04.001
李吉顺, 冯强, 王昂生. 1996. 我国暴雨洪涝灾害的危险性评估: 台风、暴雨灾害性天气监测、预报技术研究[M]. 北京: 气象出版社.
李如琦, 唐冶, 阿布力米提江·阿不力克木, 等. 2019. 中亚五国暴雨分布及其环流特征[J]. 沙漠与绿洲气象, 13(1): 1-7.
吕晓男, 陆允甫, 王人潮. 1999. 土壤肥力综合评价初步研究[J]. 浙江大学学报: 农业与生命科学版, 55(4): 378-382.
米红, 张文璋. 2004. 实用现代统计分析方法及SPSS应用[M]. 北京: 当代中国出版社.
钱光明. 2008. 广东省气候业务技术手册[M]. 北京: 气象出版社.
万君, 周月华, 王迎迎, 等. 2007. 基于GIS的湖北省区域洪涝灾害风险评估方法研究[J]. 暴雨灾害, 26(4): 42-47.
王博, 崔春光, 彭涛, 等. 2007. 暴雨灾害风险评估与区划的研究现状与进展[J]. 暴雨灾害, 26(3): 281-286. DOI:10.3969/j.issn.1004-9045.2007.03.017
王春林, 陈慧华, 黄珍珠. 2008. 广东暴雨预警指标及时空分布[J]. 广东气象, 30(4): 封2, 封3.
王坚红, 徐碧裕, 刘刚, 等. 2014. 华南前汛期广东暴雨分区动力特征及特大暴雨分析[J]. 气象与环境学报, 30(6): 43-51.
王秀荣, 王维国, 马清云. 2010. 台风灾害综合等级评估模型及应用[J]. 气象, 36(1): 66-71.
伍红雨, 邹燕, 刘尉. 2019. 广东区域性暴雨过程的定量化评估及气候特征[J]. 应用气象学报, 30(2): 233-244.
吴吉东, 李宁, 温玉婷, 等. 2009. 自然灾害的影响及间接经济损失评估方法[J]. 地理科学进展, 28(6): 877-885.
谢五三, 田红, 卢燕宇. 2015. 基于FloodArea模型的大通河流域暴雨洪涝灾害风险评估[J]. 暴雨灾害, 34(4): 384-387. DOI:10.3969/j.issn.1004-9045.2015.04.012
殷洁, 戴尔阜, 吴绍洪, 等. 2013. 中国台风强度等级与可能灾害损失标准研究[J]. 地理研究, 32(2): 266-274.
于庆东, 沈荣芳. 1997. 自然灾害综合灾情分级模型及应用[J]. 灾害学, 12(3): 12-17.
张鹏, 张云霞, 孙舟, 等. 2015. 综合灾情指数——一种自然灾害损失的定量化评价方法[J]. 灾害学, 30(4): 74-78.
周月华, 彭涛, 史瑞琴. 2019. 我国暴雨洪涝灾害风险评估研究进展[J]. 暴雨灾害, 38(5): 494-501.
邹燕, 叶殿秀, 林毅, 等. 2014. 福建区域性暴雨过程综合强度定量化评估方法[J]. 应用气象学报, 25(3): 360-364.
Ahmad S S, Simonovic S P. 2013. Spatial and temporal analysis of urban flood risk assessment[J]. Urban Water Journal, 10(1): 26-49.
Hyndman R J, Fan Y N. 1996. Sample quantiles in statistical packages[J]. American Statistician, 50(4): 361-365.
Kim H, Marcouiller D W. 2017. Mitigating flood risk and enhancing community resilience to natural disasters: plan quality matters[J]. Environmental Hazards, 17(5): 1-21.