基于主成分分析的湖北省洪涝灾害风险评估模型构建

doi:10.11924/j.issn.1000-6850.casb2021-1089

中国农学通报 ›› 2022, Vol. 38 ›› Issue (32): 119-127.doi: 10.11924/j.issn.1000-6850.casb2021-1089

所属专题：农业气象

基于主成分分析的湖北省洪涝灾害风险评估模型构建

卢梦瑶¹(), 刘德虎¹, 鲁雪丽¹, 梁衡¹, 孙媛媛¹, 刘亚林¹, 宋廷强¹(), 范海生²

¹青岛科技大学信息科学技术学院,山东青岛 266000
²珠海市岭南大数据研究院,广东珠海 519000

收稿日期:2021-11-12 修回日期:2022-01-21 出版日期:2022-11-15 发布日期:2022-11-09
通讯作者: 宋廷强
作者简介:卢梦瑶,女,1998年出生,山东济南人,硕士在读,研究方向：洪涝灾害评估、卫星影像处理。通信地址：266100 山东省青岛市崂山区中韩街道松岭路99号青岛科技大学信息科学技术学院,E-mail： lmy_qust@163.com。
基金资助:
山东省重点研发计划“星陆双基协同反演的洪水遥感监测预警系统关键技术研究”(2019GGX101047)

Construction of Flood Disaster Risk Assessment Model Based on Principal Component Analysis in Hubei Province

LU Mengyao¹(), LIU Dehu¹, LU Xueli¹, LIANG Heng¹, SUN Yuanyuan¹, LIU Yalin¹, SONG Tingqiang¹(), FAN Haisheng²

¹Qingdao University of Science and Technology, Qingdao, Shandong 266000
²Zhuhai Lingnan Big Data Institute, Zhuhai, Guangdong 519000

Received:2021-11-12 Revised:2022-01-21 Online:2022-11-15 Published:2022-11-09
Contact: SONG Tingqiang

摘要/Abstract

摘要：

湖北省历年由洪涝灾害造成农作物受损严重,对湖北省进行洪涝风险评估十分必要。本文提出了一种定量化风险评估的模型建立方法,通过多源数据（气象、社会经济、地理特征等数据）提取到15个指标,采取主成分分析法确定各因子对于洪涝灾害的影响权重,建立风险评估模型,并运用地理信息系统(GIS)分析技术得出洪涝灾害风险区划图。在现有评估指标体系的基础上,通过网络爬虫方式获取更能反映防减灾能力的灾害应急指标;采用主成分分析方法降低模型建立中的主观因素。结果表明：（1）通过模型得到降雨与地势为湖北省洪灾发生的最主要因素;（2）湖北省中东部地区多为高风险区,其中东部武汉、黄石等长江干流途经地区处于重风险区;西南部多为中风险区,西北部在全省为低风险区。综上,该模型可为湖北省开展综合减灾、调整区域可持续发展结构、进行准确农情监测提供科学支撑和决策依据,具有重要的科学和实践意义。

关键词: 农业风险评估, 洪涝灾害, 爬虫, 主成分分析, GIS分析

Abstract:

Over the years, floods have caused serious damage to crops in Hubei Province, restricting agricultural economy and threatening social development. It is necessary to carry out flood risk assessment in Hubei. This paper proposed a method of modeling quantitative risk assessment in Hubei Province. Fifteen indicators were extracted from multi-source data (meteorological, socio-economic, geographical characteristics and other data), and the principal component analysis method was adopted to determine the weight of each indicator on flood disaster to establish a risk assessment model, and the geographic information system (GIS) analysis technology was used to get the flood disaster risk zoning map. On the basis of the existing evaluation index system, through the way of web crawler, we obtained better disaster emergency indicators to reflect the ability of prevention and reduction, and used the principal component analysis method to reduce the subjective factors in model building. The results show that: (1) rainfall and topography are the most important factors of flood occurrence in Hubei; (2) most of the central and eastern parts of Hubei are high-risk areas, among which, Wuhan, Huangshi and other parts along the Yangtze River basin in the east are in a heavy risk area; the southwest of the province is mostly in a medium risk area, and the northwest is in a low risk area. In conclusion, this model could provide scientific support and a decision-making basis for carrying out comprehensive disaster reduction, adjusting regional sustainable development structure and monitoring agricultural production in Hubei Province, which has great scientific and practical significance.

Key words: agricultural risk assessment, flood disaster, web crawler, principal component analysis, GIS analysis

中图分类号:

S271

卢梦瑶, 刘德虎, 鲁雪丽, 梁衡, 孙媛媛, 刘亚林, 宋廷强, 范海生. 基于主成分分析的湖北省洪涝灾害风险评估模型构建[J]. 中国农学通报, 2022, 38(32): 119-127.

LU Mengyao, LIU Dehu, LU Xueli, LIANG Heng, SUN Yuanyuan, LIU Yalin, SONG Tingqiang, FAN Haisheng. Construction of Flood Disaster Risk Assessment Model Based on Principal Component Analysis in Hubei Province[J]. Chinese Agricultural Science Bulletin, 2022, 38(32): 119-127.

图/表 13

参考文献 31

[1]	温泉沛, 周月华, 霍治国, 等. 湖北暴雨洪涝灾害脆弱性评估的定量研究[J]. 中国农业气象, 2018, 39(8):547-557.
[2]	任丙南, 卢海强. 洪涝灾害后区域水环境中污染物迁移转化控制研究[J]. 灾害学, 2021, 36(01):28-31,36.
[3]	邵长秀, 潘学标, 李家文, 等. 不同生育阶段洪涝淹没时长对水稻生长发育及产量构成的影响[J]. 农业工程学报, 2019, 35(3):125-133.
[4]	XU W P, CONG J T, PROVERBS D, et al. An Evaluation of Urban Resilience to Flooding[J]. Water. 2021, 13(15):2022. doi: 10.3390/w13152022 URL
[5]	赵晓宇, 张凤荣, 李超. 华北低平原农田排水沟平填及洪涝灾害风险分析[J]. 农业工程学报, 2016, 32(7):145-151.
[6]	SAHA A K, AGRAWAL S. Mapping and assessment of flood risk in Prayagraj district, India: a GIS and remote sensing study[J]. Nanotechnology for environmental engineering, 2020, 5(2):11. doi: 10.1007/s41204-020-00073-1 URL
[7]	杨建莹, 霍治国, 吴立, 等. 西南地区水稻洪涝等级评价指标构建及风险分析[J]. 农业工程学报, 2015, 31(16):135-144.
[8]	ABDO H G. Evolving a total-evaluation map of flash flood hazard for hydro-prioritization based on geohydromorphometric parameters and GIS-RS manner in Al-Hussain river basin, Tartous, Syria[J]. Natural hazards. 2020, 104(1):681-703. doi: 10.1007/s11069-020-04186-3 URL
[9]	莫建飞, 陆甲, 李艳兰, 等. 基于GIS的广西农业暴雨洪涝灾害风险评估[J]. 灾害学, 2012, 27(1):38-43.
[10]	李柏年. 洪涝灾害评价的威布尔模型[J]. 自然灾害学报, 2005(6):32-36.
[11]	HADIPOUR V, VAFAIE F, DEILAMI K. Coastal Flooding Risk Assessment Using a GIS-Based Spatial Multi-Criteria Decision Analysis Approach[J]. Water. 2020, 12(9):2379. doi: 10.3390/w12092379 URL
[12]	李莉, 匡昭敏, 莫建飞, 等. 基于AHP和GIS的广西秋旱灾害风险等级评估[J]. 农业工程学报, 2013, 29(19):193-201,293.
[13]	QIANG Z, LI L, HUI Q. Flood disaster evaluation based on adaptive fuzzy clustering iterative model and hybrid differential evolution algorithm[J]. Water science & technology water supply, 2019, 19(5-6):1619-1629.
[14]	YANG W C, XU K, LIAN J J, et al. Integrated flood vulnerability assessment approach based on TOPSIS and Shannon entropy methods[J]. Ecological Indicators. 2018, 89:269-280. doi: 10.1016/j.ecolind.2018.02.015 URL
[15]	刘守强, 武强, 曾一凡, 等. 基于GIS的改进AHP型脆弱性指数法[J]. 地球科学, 2017, 42(4):625-633.
[16]	周月华, 彭涛, 史瑞琴. 我国暴雨洪涝灾害风险评估研究进展[J]. 暴雨灾害, 2019, 38(5):494-501.
[17]	湖北统计年鉴[M]. 北京: 中国统计出版社, 2011-2020.
[18]	吕希希, 张春菊, 黄建伟, 等. 暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例[J]. 灾害学, 2021, 36(1):223-229.
[19]	WU M M, WU Z N, GE W, et al. Identification of sensitivity indicators of urban rainstorm flood disasters: A case study in China[J]. Journal of hydrology. 2021, 599:126393. doi: 10.1016/j.jhydrol.2021.126393 URL
[20]	曹罗丹, 李加林. 基于遥感与GIS的浙江省洪涝灾害综合风险评估研究[J]. 自然灾害学报, 2015, 24(4):111-119.
[21]	赵华, 李树军, 肖清华, 等. 潍坊市强降雨洪涝灾害风险评估与区划研究[J]. 沙漠与绿洲气象, 2020, 14(6):61-67.
[22]	GB/T 28592-2012, 降水量等级[S].
[23]	GB/T 33680-2017, 暴雨灾害等级[S].
[24]	方德涛. 基于Python爬取POI在城市地理国情监测中的应用[J]. 地理空间信息, 2021, 19(6):79-82,5.
[25]	金慧芳, 史东梅, 陈正发, 等. 基于聚类及PCA分析的红壤坡耕地耕层土壤质量评价指标[J]. 农业工程学报, 2018, 34(7):155-164.
[26]	ABDELAZIZ S, GAD M I, EI TAHAN A. Groundwater quality index based on PCA: Wadi El-Natrun, Egypt[J]. Journal of African earth sciences, 2020, 172(9):103964. doi: 10.1016/j.jafrearsci.2020.103964 URL
[27]	卞华棋, 王育辉, 王栋, 等. 基于PCA的空战机动高阶重构与评估[J]. 电子测量与仪器学报, 2020, 34(6):191-197.
[28]	黄崇福. 自然灾害风险评价理论与实践[M]. 北京: 科学出版社, 2005.
[29]	李超超, 田军仓, 申若竹. 洪涝灾害风险评估研究进展[J]. 灾害学, 2020, 35(3):131-136.
[30]	田亚平, 向清成, 王鹏. 区域人地耦合系统脆弱性及其评价指标体系[J]. 地理研究, 2013, 32(1):55-63.
[31]	成陆, 付梅臣, 王力. 基于RS和GIS的县域洪涝灾害风险评估[J]. 南水北调与水利科技, 2019, 17(6):37-44,68.

编辑推荐

Metrics

阅读次数

全文

109

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	5	0	0	104

来源	本网站	其他网站

次数	54	55
比例	50%	50%

摘要

398

最新录用	在线预览	正式出版

0	0	398

来源	本网站	其他网站

次数	236	162
比例	59%	41%

24 h降雨量(RD)/mm	降雨状况	降雨等级(RL)
RD<0.1	微量降雨、零星小雨(r1)	0
0.1≤RD<10	小雨(r2)	1
10≤RD<24.9	中雨(r3)	2
25≤RD<50	大雨(r4)	3
50≤RD<100	暴雨(r5)	4
100≤RD<250	大暴雨(r6)	5
RD≥250	特大暴雨(r7)	6

24 h降雨量(RD)/mm	降雨状况	降雨等级(RL)
RD<0.1	微量降雨、零星小雨(r1)	0
0.1≤RD<10	小雨(r2)	1
10≤RD<24.9	中雨(r3)	2
25≤RD<50	大雨(r4)	3
50≤RD<100	暴雨(r5)	4
100≤RD<250	大暴雨(r6)	5
RD≥250	特大暴雨(r7)	6

洪涝风险	指标名称	指标简称
致灾因子危险性	平均降雨量	X1
	降雨强度指数	X2
	连续降雨天数指数	X3
孕灾环境敏感性	DEM高程	X4
	坡度	X5
	河网等级指数	X6
	水系线长度	X7
	水系面积	X8
承灾体易损性	人口密度	X9
	耕地面积	X10
	地均GDP	X11
防减灾能力	紧急避难场所分布数据	X12
	综合医院分布数据	X13
	诊所分布数据	X14
	人均GDP	X15

洪涝风险	指标名称	指标简称
致灾因子危险性	平均降雨量	X1
	降雨强度指数	X2
	连续降雨天数指数	X3
孕灾环境敏感性	DEM高程	X4
	坡度	X5
	河网等级指数	X6
	水系线长度	X7
	水系面积	X8
承灾体易损性	人口密度	X9
	耕地面积	X10
	地均GDP	X11
防减灾能力	紧急避难场所分布数据	X12
	综合医院分布数据	X13
	诊所分布数据	X14
	人均GDP	X15

目标层	准则层	权重	指标层	权重	性质
湖北省洪涝灾害风险评估模型	致灾因子危险性	0.5893427	平均降雨量	0.7329345	正向
			降雨强度指数	0.0160338	正向
			连续降雨天数指数	0.2510315	正向
	孕灾环境敏感性	0.2289541	DEM高程	0.5258266	负向
			坡度	0.1206974	负向
			河网等级指数	0.2117423	正向
			水系线长度	0.0542571	正向
			水系面积	0.0874765	正向
	承载体易损性	0.1582519	人口密度	0.7036562	正向
			耕地面积	0.2572357	正向
			地均GDP	0.0391081	正向
	防灾减灾能力	0.0234512	紧急避难场所分布	0.6340063	负向
			综合医院分布数据	0.0253542	负向
			诊所分布数据	0.3345918	负向
			人均GDP	0.0060476	负向

基于主成分分析的湖北省洪涝灾害风险评估模型构建

Construction of Flood Disaster Risk Assessment Model Based on Principal Component Analysis in Hubei Province

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 31

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

年份	受灾地点	造成直接经济损失/亿元
2010	英山罗田广水江夏洪湖嘉鱼咸宁赤壁崇阳	211.1
2011	咸宁荆州仙桃武汉丹江口	1137.94
2012	黄陂鄂西北郧县保康	45.7
2013	江夏宣恩武汉	32.3
2014	宣恩	38.5
2015	英山监利洪湖仙桃	70
2016	江夏	816.1
2017	鹤峰咸宁	116.64
2018	宜都嘉鱼当阳	18.7

[1]	卢倩倩, 冯琳骄, 王爽, 古力扎提·包尔汗, 褚韧, 周龙. 复合盐碱胁迫对鲜食葡萄生理生化指标的影响[J]. 中国农学通报, 2023, 39(1): 62-70.
[2]	刘翠兰, 王开芳, 吴德军, 燕丽萍, 李善文, 王芳, 任飞, 王因花. 滨海盐碱胁迫下白蜡无性系生长及生理特性的响应[J]. 中国农学通报, 2022, 38(35): 7-16.
[3]	余忠浩, 周伟, 李志刚, 李资文, 贾娟霞, 周亚星. 2002—2021年内蒙古自治区大豆主要性状变化分析及综合评价[J]. 中国农学通报, 2022, 38(34): 14-21.
[4]	罗巍, 周伟, 王振国, 李岩, 宇闻昊, 杨志强, 余忠浩, 李资文, 周亚星. 24份甜高粱主要农艺性状与生物产量综合分析[J]. 中国农学通报, 2022, 38(30): 21-28.
[5]	赵丽娟, 只佳增, 张建春, 杜浩, 周劲松, 刘学敏, 张荣琴. 香蕉种质资源叶片表型性状多样性分析[J]. 中国农学通报, 2022, 38(30): 56-64.
[6]	王志强, 杜慧莹, 李程, 郭松, 田梅, 杨万邦, 于蓉. 西瓜数量性状遗传距离及杂种优势分析[J]. 中国农学通报, 2022, 38(25): 47-51.
[7]	罗玉兰, 张国兵, 张冬梅. 基于表型性状的紫藤品种资源分类研究[J]. 中国农学通报, 2022, 38(25): 52-59.
[8]	刘子凡, 苏必孟, 黄洁, 魏云霞, 肖子丽. 木薯花生不同间作模式对木薯地土壤肥力的影响[J]. 中国农学通报, 2022, 38(25): 102-107.
[9]	姚肖健, 张雄坚, 姚祝芳, 罗忠霞, 王章英, 黄立飞, 房伯平, 杨义伶. 甘薯种质资源盆栽保存基质的筛选与评价[J]. 中国农学通报, 2022, 38(24): 28-37.
[10]	张梦飞, 李爽, 李运盛, 马海霞, 刘悦秋. 9种绿化树种幼苗抗旱性评价[J]. 中国农学通报, 2022, 38(20): 38-46.
[11]	黄敏, 布卡·欧尔娜, 宋梅, 杜晶, 毛鹏志, 李泽民. 新疆奎屯垦区加工番茄品种多性状综合评价[J]. 中国农学通报, 2022, 38(19): 25-29.
[12]	刘宇鹏, 张皓, 陈芳, 于飞. 播期对辣椒产量和品质的影响[J]. 中国农学通报, 2022, 38(16): 32-37.
[13]	朱明霞, 白婷, 靳玉龙, 王姗姗, 刘小娇, 张玉红. 不同青稞品种风味物质分析[J]. 中国农学通报, 2022, 38(12): 146-152.
[14]	郭军成, 王明国, 耿荣, 李欣, 尹学红, 魏固宁. 宁夏银北灌区盐碱地盐渍化特征分析[J]. 中国农学通报, 2021, 37(5): 38-42.
[15]	郭媛, 郭宝贝, 张旭凤, 王冰霞, 武文卿, 宋怀磊, 郑永惠. 梨花和油菜花挥发性气味物质的鉴定及差异分析[J]. 中国农学通报, 2021, 37(34): 71-76.