摘要：利用1983—2018年河北省降水資料、農(nóng)作物暴雨洪澇災(zāi)情資料和社會經(jīng)濟(jì)資料，首先，采用相關(guān)分析、主成分分析等方法建立了分月份的暴雨致災(zāi)強(qiáng)度評價(jià)模型，確定了強(qiáng)度等級劃分標(biāo)準(zhǔn)，構(gòu)建了河北省農(nóng)作物暴雨洪澇災(zāi)害損失個例庫。其次，采用歷史情景類比法，利用個例庫構(gòu)建定量評估模型，實(shí)現(xiàn)河北省暴雨洪澇災(zāi)害對農(nóng)作物影響損失的定量損失評估。結(jié)果表明，農(nóng)作物受災(zāi)主要與1 h最大降水量、累積降水量、最大日降水量有關(guān)，暴雨致災(zāi)強(qiáng)度指數(shù)能較好地評價(jià)某次暴雨過程對農(nóng)作物造成損失的危險(xiǎn)性;歷史情景類比法對農(nóng)作物暴雨洪澇損失評估準(zhǔn)確率在60%以上，且方法簡單、快速，可以應(yīng)用于定量損失評估業(yè)務(wù)中。

關(guān)鍵詞：暴雨洪澇災(zāi)情;農(nóng)作物;暴雨強(qiáng)度;類比法

中圖分類號：P446 " " " " 文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2022）03-0036-06

DOI：10.14088/j.cnki.issn0439-8114.2022.03.008 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Study on quantitative pre-assessment of crop rainstorm disaster loss

ZHAO Tie-song， ZHANG An-ningzhi， HU Hui-fang

（Hebei Meteorological Disaster Prevention Center， Shijiazhuang "050021，China）

Abstract：In this paper， the rainfall data， crop rainstorm and flood disaster data and socio-economic data of Hebei province from 1983 to 2018 were used. Firstly， correlation analysis， principal component analysis and other methods were used to establish the evaluation model of rainstorm disaster intensity in different months， determine the standard of intensity classification， and build a case database of crop rainstorm loss in Hebei province. Secondly， using the historical scenario analogy method， a quantitative prediction model was constructed by using a case database to realize the quantitative loss prediction of the impact of heavy rain and flood disasters on crops in Hebei province. The results showed that the disaster of crops was mainly related to the maximum precipitation in 1 hour， the accumulated precipitation and the maximum daily precipitation. The disaster intensity index of rainstorm can better evaluate the risk of crop loss caused by a certain rainstorm process， the historical scenario analogy method for crop rainstorm and flood loss assessment accuracy rate was more than 60%， and the method was simple and fast， which can be applied to the loss assessment business.

Key words： storm and flood disasters; crops; storm intensity; analogy

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個縣（市、區(qū)）89.03萬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)社會發(fā)展的需求及研究熱點(diǎn)。

目前，對農(nóng)業(yè)暴雨洪澇災(zāi)害損失評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、風(fēng)險(xiǎn)評估及預(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)害損失定量評估存在明顯局限性。而對河北省來說，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)行定量評估。類比法是根據(jù)兩個對象的已知相似性， 把一個對象已知的屬性或規(guī)律推介到另一個對象上， 從而獲得對另一個對象新認(rèn)識的方法[12]，簡便易行，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)量的相似個例，目前的解決辦法為拉長時(shí)間序列，得到足夠數(shù)量個例，于是產(chǎn)生第二個問題，在長的歷史時(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)害損失定量評估中，對歷史災(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，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)評估方面的應(yīng)用并不多。但章國材[14]明確提出，對統(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)作物損失評估方面，采用歷史情景類比法進(jìn)行災(zāi)害損失定量評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)害損失評估中的應(yīng)用理論，針對河北省農(nóng)作物暴雨洪澇災(zāi)害損失定量評估進(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)度評價(jià)模型，建立分暴雨致災(zāi)強(qiáng)度等級的河北省農(nóng)作物暴雨洪澇災(zāi)害損失個例庫，在此基礎(chǔ)上，采用歷史情景類比法，構(gòu)建定量評估模型，實(shí)現(xiàn)河北省暴雨洪澇災(zāi)害對農(nóng)作物損失的定量評估，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個國家氣象站1983—2018年降水觀測數(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)度評價(jià)模型，建立分暴雨強(qiáng)度等級的農(nóng)作物暴雨洪澇災(zāi)害損失個例庫，在此基礎(chǔ)上采用歷史情景類比法確定相似個例，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估結(jié)果。研究重點(diǎn)主要為2個方面，一是暴雨致災(zāi)強(qiáng)度評價(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)害損失個例庫，二是基于農(nóng)作物暴雨洪澇災(zāi)害損失個例庫，利用歷史情景類比法對農(nóng)作物暴雨洪澇災(zāi)害損失進(jìn)行定量評估并檢驗(yàn)。

基于農(nóng)作物暴雨洪澇災(zāi)害損失個例庫，應(yīng)用農(nóng)作物暴雨洪澇災(zāi)害損失定量評估模型進(jìn)行評估的流程為：讀取待評估過程降水預(yù)報(bào)數(shù)據(jù)，基于暴雨強(qiáng)度評價(jià)模型計(jì)算暴雨強(qiáng)度，依據(jù)暴雨強(qiáng)度等級、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)害損失個例庫，挑選相似個例，再基于暴雨洪澇農(nóng)作物損失定量評估模型，計(jì)算待評估過程的農(nóng)作物暴雨洪澇損失。

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

1）暴雨致災(zāi)強(qiáng)度評價(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)度評價(jià)模型。

暴雨致災(zāi)強(qiáng)度評價(jià)模型為：

D = a1x1+a2x2+…+ajxj "（1）

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。

[x′i=xi-xminxmax-xmin] " " " " "（2）

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[17]，將暴雨致災(zāi)強(qiáng)度劃分為5個等級，具體的劃分標(biāo)準(zhǔn)為高致災(zāi)強(qiáng)度（μ+2.5std≤Dlt;1）、較高致災(zāi)強(qiáng)度（μ+1.5std≤Dlt;μ+2.5std）、中致災(zāi)強(qiáng)度（μ+0.5std≤Dlt;μ+1.5std）、較低致災(zāi)強(qiáng)度（μ-0.5std≤Dlt;μ+0.5std）、低致災(zāi)強(qiáng)度（0≤Dlt;μ-0.5std）。

1.2.2 農(nóng)作物暴雨洪澇災(zāi)害損失定量評估模型構(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中找出與待評估的災(zāi)害過程強(qiáng)度和范圍相似的若干個例，根據(jù)相似程度分別給予各個例一定的權(quán)重，最后對各相似個例訂正后的災(zāi)損進(jìn)行加權(quán)求和便得到災(zāi)損評估結(jié)果[13]。就農(nóng)作物暴雨洪澇災(zāi)害損失評估而言，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)先挑選距待評估過程時(shí)間最近的足夠數(shù)量個例，能在一定程度上表征待評估過程[14]，因此，在暴雨致災(zāi)強(qiáng)度相同的情況下，采用類比法定量評估暴雨洪澇對農(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)害損失定量評估的模型，利用2015—2018年災(zāi)害個例進(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，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)害損失來評估當(dāng)前損失是不適宜的，為了消除由于社會發(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)總值對個例庫中的農(nóng)作物損失進(jìn)行了物價(jià)水平訂正，公式如下。

L=[PiP2018×Li] " （3）

式中，L為訂正后農(nóng)業(yè)經(jīng)濟(jì)損失（萬元），Li為災(zāi)情記錄的i年農(nóng)業(yè)經(jīng)濟(jì)損失（萬元），Pi為災(zāi)情記錄i年的農(nóng)業(yè)產(chǎn)值（萬元）， P2018為2018年農(nóng)業(yè)產(chǎn)值（萬元），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)害損失定量評估模型分為兩部分，一是以縣為單元計(jì)算每個縣的農(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)作物損失定量評估，以[Lmj]（萬元）表示某次待評估降水過程對第j個縣造成的農(nóng)業(yè)經(jīng)濟(jì)損失，[Lareaj]（hm2）為對第j個縣造成的農(nóng)作物受災(zāi)面積，則：

[Lmij=i=1，j=1n，kaijLmij] nbsp; " （4）

[Lareaj=i=1，j=1n，kaijLareaij] " " （5）

式中，[Lmij]為第i個相似個例第j個縣訂正后的農(nóng)業(yè)經(jīng)濟(jì)損失（萬元），[aij]為各相似個例各縣對應(yīng)災(zāi)害損失的權(quán)重系數(shù)，[Lareaij]為第i個相似個例第j個縣的農(nóng)作物受災(zāi)面積（hm2），i=1，2，3，…，n，為歷史相似個例的個數(shù)，j=1，2，3，…，k，為河北省待評估受災(zāi)縣數(shù)。

而某次待評估過程造成的總農(nóng)業(yè)經(jīng)濟(jì)損失[Lm]（萬元）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。

[Lm=j=1kLmj] " " " " （6）

[Larea=j=1kLareaj] " " （7）

2）權(quán)重系數(shù)[aij]的確定。權(quán)重系數(shù)[aij]是評估模型中最關(guān)鍵的參數(shù)，本質(zhì)上就是相似個例與待評估暴雨過程的相似度。本研究中有4個影響相似度的要素，分別為年份、月份、地區(qū)和暴雨致災(zāi)強(qiáng)度等級，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)度等級不同，致災(zāi)能力不同，因此要求挑選個例時(shí)月份與暴雨強(qiáng)度等級必須相同，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條及以上相似個例的，即不再挑選更遠(yuǎn)年份的相似個例，且[aij]為1/n（n為相似個例數(shù)）。

②當(dāng)相似個例年份不在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)增長率等諸多原因，雖然已對個例進(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)為相似度與距待評估過程時(shí)間長度成反比[13]，因此，經(jīng)專家評定，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]即為各個例所在年代相似度歸一化的值，也是各相似個例所占權(quán)重。

[aij=Xii=1nXi] " " " （8）

式中，[Xi]為第i個歷史個例對待評估暴雨過程的相似度。

3）區(qū)域劃分。在對農(nóng)作物暴雨洪澇災(zāi)害損失評估時(shí)，發(fā)現(xiàn)并不是每一個縣都有足夠多的相似災(zāi)害過程，為了擴(kuò)大相似個例的數(shù)量，增加評估方法的可用性，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)某個縣的相似個例數(shù)小于3時(shí)，默認(rèn)在相同分區(qū)內(nèi)挑選臨近縣相似個例，找到3個即止，在最大程度上保證災(zāi)害個例間的相似程度。

2 結(jié)果與分析

2.1 暴雨致災(zāi)強(qiáng)度評估

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，通過對各因子權(quán)重系數(shù)的分配來控制各因子對暴雨致災(zāi)強(qiáng)度的影響程度。

利用SPSS數(shù)據(jù)統(tǒng)計(jì)軟件對標(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。

D5=0.19x1+0.40x2+0.41x3 " （9）

D6-7=0.31x1+0.34x2+0.35x3 " " （10）

D8=0.30x1+0.34x2+0.36x3 " " （11）

D9=0.31x1+0.35x2+0.34x3 （12）

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)等級劃分標(biāo)準(zhǔn)，因已對各降水因子進(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)害損失個例庫構(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)害個例?；诒┯曛聻?zāi)強(qiáng)度評價(jià)模型，計(jì)算592條歷史個例的暴雨致災(zāi)強(qiáng)度，以表3為依據(jù)劃分暴雨致災(zāi)強(qiáng)度等級，建立河北省農(nóng)作物暴雨洪澇災(zāi)害損失個例庫，個例庫主要包括災(zāi)害發(fā)生地點(diǎn)（具體到縣）、所屬地氣象臺站、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)度等級等內(nèi)容（表4）。此個例庫是后續(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)害損失定量評估模型評估損失的依據(jù)。

2.3 效果檢驗(yàn)

在預(yù)留的2015—2018年歷史個例中隨機(jī)挑選3次暴雨過程，按照上述農(nóng)作物暴雨洪澇災(zāi)害損失定量評估模型中規(guī)定的相似個例確定原則和權(quán)重計(jì)算方法，分別進(jìn)行損失評估，評估結(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)損失評估誤差為10%～40%，絕大多數(shù)正確率在60%～70%，評估效果較好，說明該方法可以對河北省農(nóng)作物暴雨洪澇災(zāi)害損失進(jìn)行評估。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)的情況下可以簡單、快速地對農(nóng)作物暴雨洪澇損失進(jìn)行評估，為氣象災(zāi)害防御提供了有效的決策參考。

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)以及社會經(jīng)濟(jì)數(shù)據(jù)，建立了分月份的暴雨致災(zāi)強(qiáng)度評價(jià)模型，確定了強(qiáng)度等級劃分標(biāo)準(zhǔn)，在此基礎(chǔ)上，建立了分暴雨致災(zāi)強(qiáng)度等級的河北省農(nóng)作物暴雨洪澇損失個例庫，采用歷史情景類比法，構(gòu)建定量評估模型，實(shí)現(xiàn)了河北省暴雨洪澇災(zāi)害對農(nóng)作物影響損失的定量評估。

河北省暴雨洪澇災(zāi)害對農(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)度模型和分級標(biāo)準(zhǔn)，建立了分暴雨致災(zāi)強(qiáng)度等級的河北省農(nóng)作物暴雨洪澇災(zāi)害損失個例庫，共計(jì)592條。

利用歷史情景類比法構(gòu)建定量評估模型，制定相似個例判定規(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，對河北省農(nóng)作物暴雨洪澇災(zāi)害損失進(jìn)行評估，經(jīng)檢驗(yàn)評估準(zhǔn)確率達(dá)60%，且方法簡單、快速，說明類比法可以在暴雨洪澇災(zāi)害損失評估中進(jìn)行應(yīng)用。

參考文獻(xiàn)：

[1] 孫 霞，俞海洋，孫 斌，等.河北省主要?dú)庀鬄?zāi)害時(shí)空變化的統(tǒng)計(jì)分析[J].干旱氣象，2014，32（3）：388-392.

[2] 霍治國，范雨嫻，楊建瑩，等.中國農(nóng)業(yè)洪澇災(zāi)害研究進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2017，28（6）：641-653.

[3] 陳小雷，王麗榮，趙鐵松，等.河北省暴雨洪澇災(zāi)害評估—2016年7月19日-21日特大暴雨過程[M].北京：氣象出版社，2018.26.

[4] 霍治國，李世奎，王素艷，等.主要農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估技術(shù)及其應(yīng)用研究[J].自然資源學(xué)報(bào)，2003，18（6）：692-703.

[5] 張桂香，霍治國，楊建瑩，等.江淮地區(qū)夏玉米澇漬災(zāi)害時(shí)空分布特征和風(fēng)險(xiǎn)分析[J].生態(tài)學(xué)雜志，2017，36（3）：747-756.

[6] 王秀榮，呂終亮，王麗萍，等.一種簡化的暴雨災(zāi)害風(fēng)險(xiǎn)及影響評估方法和應(yīng)用研究——以京津冀“7·21”暴雨事件為例[J].氣象，2016，42（2）：213-220.

[7] 張桂香，霍治國，吳 立，等.1961—2010年長江中下游地區(qū)農(nóng)業(yè)洪澇災(zāi)害時(shí)空變化[J].地理研究，2015，34（6）：1097-1108.

[8] 焦圓圓，謝志高.深圳市暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評估與區(qū)劃[J].中國農(nóng)村水利水電，2014（1）：77-81.

[9] 張順謙，王春學(xué)，陳文秀，等.四川省暴雨過程強(qiáng)度及損失評估方法研究[J].暴雨災(zāi)害，2019，38（1）：79-85.

[10] 尹占娥，許世遠(yuǎn)，殷 杰，等.基于小尺度的城市暴雨內(nèi)澇災(zāi)害情景模擬與風(fēng)險(xiǎn)評估[J].地理學(xué)報(bào)，2010，65（5）：553-562.

[11] 史瑞琴，劉 寧，李 蘭，等.暴雨洪澇淹沒模型在洪災(zāi)損失評估中的應(yīng)用[J].暴雨災(zāi)害，2013，32（4）：379-384.

[12] 葉 影.類比法在物理教學(xué)中的應(yīng)用[J].中國科技信息，2008（15）：246-248.

[13] 黃治勇，尤利民，邵末蘭，等.類比法在暴雨災(zāi)害損失定量預(yù)估中的應(yīng)用[J].大氣科學(xué)學(xué)報(bào)，2011，34（2）：247-250.

[14] 章國才.暴雨洪澇預(yù)報(bào)與風(fēng)險(xiǎn)評估[M].北京：氣象出版社，2012.41-42.

[15] 梁吉業(yè)，馮晨嬌，宋 鵬.大數(shù)據(jù)相關(guān)分析綜述[J].計(jì)算機(jī)學(xué)報(bào)， 2016，39（1）：1-18.

[16] 蘇 鍵，陳 軍，何 潔.主成分分析法及其應(yīng)用[J].輕工科技，2012（9）：12-13，16.

[17] 陳松林，王天星.等間距法和均值-標(biāo)準(zhǔn)差法界定城市熱島的對比研究[J].地理信息科學(xué)學(xué)報(bào)，2009，11（2）：145-150.

[18] 張安凝知，趙鐵松，陳 霞，等.河北省農(nóng)作物暴雨洪澇災(zāi)害的脆弱性評價(jià)[J]. 貴州農(nóng)業(yè)科學(xué)， 2018，46（5）：143-146.

[19] 黃 鶴，楊 超，于 雷，等.1958-2012年河北省汛期暴雨氣候變化特征分析[J].氣象與環(huán)境學(xué)報(bào)，2015，31（2）：44-50.

[20] 李元華.河北省近50年氣候變化及對農(nóng)業(yè)的影響[D].南京：南京信息工程大學(xué)，2013.