文章摘要

文章信息/Info

摘要:: 气象灾害是上海等超大城市面临的重大挑战，而如何定量挖掘气象条件的致灾影响是当前亟需解决的问题。研究基于近10年的气象类报警灾情数据，采用FP-Growth频繁模式挖掘算法开展气象灾害的致灾因子识别，得到气象对于典型承灾体的致灾影响阈值，并且基于挖掘结果构建了气象条件与典型承灾体的气象致灾知识图谱。结果表明：暴雨灾情主要分布在100~250 mm的大暴雨区间以及50~100 mm的暴雨区间，其主要承灾体为房屋、车辆、道路和小区；大风灾情主要分布在10.8~17.1 m/s（6~7级风），其次为17.2-24.4 m/s（8~9级风）区间，主要承灾体为车辆、道路、树木、房屋及相关构筑物。并且在不同统计时段灾情通常都集中于风雨共同影响的区间范围，呈现出较为明显的对角线分布特征。此外，通过FP-Growth挖掘可以得到一些较为明显的致灾特征，如强降水会导致工厂、加油站、市场、学校、幼儿园、仓库、车库等积水，强风会导致电信设施、加油站、围墙和大棚受损。此外，强降水和大风的共同影响还会造成加油站、学校、幼儿园等灾情高发。本研究通过构建定量化的气象致灾影响知识框架，从而加深对于灾害性天气致灾影响的认识，为特定天气条件的提前应对和应急处置提供技术支撑。