大数据、人工智能技术助力台风灾害损失快速评估.pdf

24F独家策划完善全过程评估体系提升灾害治理效能大数据、人工智能技术助力台风灾害损失快速评估蔡文博张洁田杰滕骏华台风是中国东南沿海一带遭受最频繁的自然灾害之一，给人民群众生命财产安全带来不小的损失。近年来，随着云计算、大数据、5G、物联网等新技术的发展和普及，台风灾害防范的科技体系逐步构建。本文介绍了台风灾害多源数据集成与评估指标体系、台风智能灾损评估模型，再以2 0 2 3 年第5号台风“杜苏芮”为例，详细阐述全过程台风灾害损失评估工作，以期为读者提供参考借鉴。今年第5号台风“杜苏芮”7 月2 8 日9 时55分登陆福建后，给福州带来持续强降雨，造成多地受淹出现内涝ICphoto/图在西北太平洋沿岸国家中，我国历史上受台风侵袭次数最多，约占总数的3 4%。台风登陆时，由于大风、风暴潮（含近岸浪）、大潮（天文潮）、雨洪等联合致灾，经常对我国沿海地区造成重大经济损失和人员伤亡。沿海地区是我国经济发达的地区，虽然其防灾基础建设和技术水平在不断增强，但由于承灾体经济总量巨大，在强台风登陆时仍然可以造成高达上百亿元经济损失。因此，防大灾、保平安，利用大数据、人工智能技术构建台风灾害防范的科技体系十分必要。多源数据集成与评估指标体系构建2020年起我国开展的第一次全国自然灾害综合风险普查，积累了大量气象、水旱和海洋等灾种的历史灾害数据。近些年，台风、风暴潮、雨洪等数值预报模型在预报准确率和空间分辨率上的提升，以及海洋、气象、水文等观测设施和卫星遥感技术的发展，为台风灾害损失评估提供了高质量的数据基础。这些多源数据提取的台风灾害评估指标，为开展人工智能台风损失评估提供9月上/2 0 2 3/中国减灾25了良好的机器学习训练的数据条件。台风灾害损失评估的概念模型为：L(Loss)=H(Hazard)XV(Vulnerability)XE(Exposure)/R(Resistance)，即灾害损失（L）是由灾害的危险性（H）、脆弱性（V）、暴露度（E）和抗灾能力（R）决定的，围绕这四类因子可以从各类数据中提取台风灾害损失的评估指标，构建台风灾害损失评估指标体系。具体如下：台风灾害损失数据评估指标来源于1 9 4 9 年以后历史台风灾害过程的房屋倒塌损坏数量、受灾人口、农作物损失面积、直接经济损失等灾情统计数据。致灾因子危险性主要从观测站（气象、海洋、水文）、雷达、卫星等实测资料和数值预报数据中提取的灾害的强度、频率和影响范围等评估指标。台风灾害孕灾环境敏感性指受灾区域对于灾害影响反应的灵敏度，例如反应风暴潮、雨洪防潮能力、蓄水与排水能力的河网密度和地形高程等。台风承灾体易损性指标主要来源于GDP、人口、土地利用等数据，通过GIS空间统计，可获得暴露在台风灾害中承灾体易受损失的数量和价值。防灾减灾能力评估指标从防波堤、防洪堤等台风灾害的防灾减灾设施数据中提取。台风智能灾损评估模型大数据、人工智能台风灾害损失评估模型（简称“台风智能灾损评估模型”）是一套基于台风灾害损失结果的评估模型。该模型利用历史台风灾害损失的数据为统计样本，结合致灾因子危险性、承灾体脆弱性、孕灾环境敏感性等评估指标，综合利用人工智能、数值预报、GIS等方法推断当前或未来的台风灾害损失。台风属于突发灾害事件，数据的连续性、样本量与每天都有连续观测的气象、海洋数据存在明显的差别。在特征的选取上，需要有自然灾害风险评估理论和大气、海洋、水文等物理模型的约束。台风灾害损失评估模型的主要优势是：一是可以将更多类型的时空数据应用到灾害评估中，提高灾损评估的全面性；二是可以获取各类灾害评估指标的重要性，为致灾机理的研究提供参考；三是采用CNN、T r a n s f o r m e r 等人工智能深度学习框架，可以将空间特征、致灾机理等台风灾害特征细节进行统计量化。台风登陆前后对灾情的评估台风灾害损失全过程评估可以大致分为三个阶段：第一阶段，在台风形成初期至台风登陆前72小时启动台风登陆前灾情预判，初步判断台风是否对我国沿海致灾，以及可能的致灾级别和致灾范围；第二阶段，基于当前台风路径预报技术进行风暴潮灾害的预评估，即分别在7 2 小时、48小时、2 4 小时综合国内外主流气象预报机构提供的台风路径，进行致灾损失的预评估。在台风登陆前2 4 小时开展的台风灾害损失预评估是滚动的，是灾害最大可能发生的情况下的灾损估计；第三阶段，在台风登陆后2 4 小时的快速评估，以及登陆后直至台风编号取消这段时间的跟随评估，这些评估是基于确定的台风路径而展开的，台风灾害损失评估数据可以作为灾害救援的参考。下面以2 0 2 3 年第5号台风“杜苏芮”为例，介绍全过程、多灾种的台风灾害损失评估工作开展情况。第一阶段：7 月2 2 一2 5日，台风智能灾损评估模型综合了台风路径集合预报、大气数值预报、风暴潮数值预报和天文潮结果，预计第5号超强台风“杜苏芮”在厦门以南登陆的可能性较大；风暴潮最大增水将达到约2 50 厘米，但天文潮较小。综上，本次台风灾害强度为大灾，超强台风导致的大风和暴雨是主要致灾原因，潮灾较小。台风的登陆时间、地点和强度是影响灾害损失的重要因素，在登陆7 2 小时以前存在较大的不确定性，需要进一步跟踪评估。第二阶段：7 月2 6 日，中央气象台发布台风红色预警，预计2 8 日登陆我国闽粤沿海，登陆时强度为强台风级（1 4 一1 5级），福建、浙江、广东等地部分地区将有大暴雨至特大暴雨。2 7 日，国家海洋环境预报中心发布风暴潮黄色警报，预26独家策划完善全过程评估体系提升灾害治理效能图1 2 0 2 3 年第5号台风“杜苏芮”的登陆点相似台风数据集计福建厦门高潮值达到3 9 5厘米，超过黄色警戒潮位。将台风、风暴潮、降雨的预报数据作为驱动，利用台风智能灾损评估模型进行预评估，匹配到相似台风一一2 0 1 6 年第1 4 号台风“莫兰蒂”，台风“莫兰蒂”的灾损数据对于评估台风“杜苏芮”具有很好的参考性。第三阶段：7 月2 8 日，“杜苏芮”强台风在福建省晋江市沿海登陆，登陆时中心最大风力有15级，中心最低气压9 4 5百帕。台风登陆后，采用台风实况、实时潮位和累计降雨量等实测数据作为输入数据，利用台风智能灾损评估模型开展评估。在台风智能灾损评估模型中，台风登陆的最大风力、最低气压和登陆位置是重要的特征指标。台风智能灾损评估模型在某地区灾害损失统计数据样本量不足的时候，采用相似台风智能评估方法，可快速地实现灾情评估。如图1 所示，利用台风“杜苏芮”的台风登陆强度、登陆地点和中心气压，匹配到历史上2 4 条相似台风。通过台风智能灾损评估模型对上述台风路径样本集合进行回归，计算台风“杜苏芮”对福建、广东、浙江、江西等省造成的人口、房屋、农作物、经济等方面的损失数据。存在的问题与展望台风智能灾损评估模型在今年第5号台风“杜苏芮”中首次获得了应用，验证了利用大数据、人工智能的方法对台风灾害快速评估的可行性，其实用性方面，还有待进一步验证。当然，台风智能灾损评估模型存在历史灾损数据样本少、数据颗粒度较大的问题，限制了评估的效果。随着第一次全国自然灾害综合风险普查成果数据的应用，台风智能灾损评估模型有较大的优化空间，可更好地为台风灾害评估提供辅助决策支持。同时，人工智能技术也在高速地创新和发展，尤其深度学习方法的应用，对于研究台风灾害致灾机理和提升灾害评估的精度、准确性方面都有积极的意义。（作者单位：国家海洋环境预报中心；本文图1由作者提供）