中国农业气象 ›› 2023, Vol. 44 ›› Issue (03): 228-237.doi: 10.3969/j.issn.1000-6362.2023.03.006
多源强降雨灾情可信度智能判别方法
司丽丽，赵亮，魏铁鑫，霍治国，李姣
- 1. 河北省气象与生态环境重点实验室，石家庄 050021；2.中国气象局雄安大气边界层重点开放实验室，雄安新区 071800；3. 河北省气象灾害防御和环境气象中心，石家庄 050021；4. 中国气象科学研究院，北京 100081
An Intelligent Method for Discriminating the Reliability of Multi-Source Heavy Rainfall Disaster Information
SI Li-li , ZHAO Liang, WEI Tie-xin, HUO Zhi-guo, LI Jiao
- 1. Key Laboratory of Meteorology and Ecological Environment of Hebei Province, Shijiazhuang 050021, China; 2.China Meteorological Administration Xiong'an Atmospheric Boundary Layer Key Laboratory, Xiong'an New Area 071800；3. Hebei Meteorological Disaster Prevention and Environment Meteorology Center, Shijiazhuang 050021; 4. Chinese Academy of Meteorological Sciences, Beijing 100081
摘要： 真实的灾情信息是有效防范和减轻强降雨灾害损失的重要参考。本研究以过程降雨强度（R）为指标，构建1984−2020年河北省县级多源气象灾情与致灾过程相匹配的强降雨灾害事件库。经过人工质控，获得真实灾情信息2305组，伪灾情信息263组。采用相关分析法确定与灾害发生程度（灾度）显著相关的降雨关键特征因子，基于单类支持向量机和十折交叉检验法，随机抽取10次样本，建立强降雨灾情气象因子致灾判别模型，并进行检验优化，以探索智能化、易用性的多源强降雨灾情可信度智能判别方法。结果表明：（1）与灾度显著相关的降雨关键特征因子共计11个，分别为最大降雨量、最小降雨量、过程平均降雨量、日均降雨量、平均小时雨强、1h最大雨量、3h最大雨量、6h最大雨量、12h最大雨量、24h最大雨量及前10日降雨总量，均通过了0.01水平显著性检验。（2）采用11个因子建立10个致灾判别模型（M1−M10），依据真实灾情判别准确率确定最优模型为M9，其证真率为96.4%，证伪率为67.6%，表明该模型对灾情真伪判定较为片面，应进一步优化。（3）通过自相关检验，以最大降雨量、平均小时雨强、1h最大雨量及前10日降雨总量4个因子作为输入因子，重新构建强降雨灾情气象因子致灾判别模型（M11−M20），最优模型为M20，其证真率和证伪率分别达到96.2%和82.9%。综合分析认为，由4个因子构建的气象因子致灾判别模型评估强降雨灾情可信度比11个因子建立的模型更可靠。