客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)發(fā)展_第1頁(yè)
客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)發(fā)展_第2頁(yè)
客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)發(fā)展_第3頁(yè)
客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)發(fā)展_第4頁(yè)
客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)發(fā)展_第5頁(yè)
已閱讀5頁(yè),還剩31頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

r1客觀化災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)發(fā)展r2r2業(yè)務(wù)技術(shù)體系的轉(zhuǎn)變:環(huán)流分析-氣候要素監(jiān)測(cè)預(yù)報(bào)-風(fēng)險(xiǎn)評(píng)估(以2022年夏季高溫為例)6月11-

15日

6月16-20日

6月下旬

7月

8月ENSOMJO,

BSISO氣候現(xiàn)象預(yù)測(cè)系統(tǒng)(CPPS)Sum/Win

MonsoonOthers全球氣候系統(tǒng)監(jiān)測(cè)陸面/冰全球氣候監(jiān)測(cè)CRA自主監(jiān)測(cè),精密監(jiān)測(cè)國(guó)外資料

自主資料極端事件監(jiān)測(cè)評(píng)估重要?dú)夂颥F(xiàn)象監(jiān)測(cè)中國(guó)雨季監(jiān)測(cè)IOBM,

TIOD,SIODFY衛(wèi)星大氣海洋氣候現(xiàn)象AO,

NAOr3WNPSHNAST氣候預(yù)測(cè)準(zhǔn)確率穩(wěn)步提高“十三五”總體較“十二五”提高1.9%

;

汛期降水預(yù)測(cè)準(zhǔn)確率提高1.3%多尺度氣候預(yù)測(cè)r4風(fēng)險(xiǎn)“評(píng)估”對(duì)象及基礎(chǔ)理論單日到過程時(shí)間追蹤技術(shù)過程事件當(dāng)日區(qū)域性暴雨站組與前一日區(qū)域性暴雨站組中心距離≤1050km定義為站組事件連續(xù)T滿足區(qū)域暴雨站組條件的連續(xù)過程稱為區(qū)域性暴雨天氣過程單站標(biāo)準(zhǔn)站組標(biāo)準(zhǔn)站間距離≤350km定義為“鄰站”“鄰站”≥有效站數(shù)的0.8%暴雨站數(shù)定義為一個(gè)區(qū)域性暴雨“站組”從“線性”指標(biāo)閾值到多維“災(zāi)體”災(zāi)害事件識(shí)別方法(人工識(shí)別->客觀化、業(yè)務(wù)化)由點(diǎn)及面空間聚合技術(shù)n

“3X3”理論災(zāi)害過

程事件單點(diǎn)極

端事件區(qū)域極

端事件日降水量≥50mmr5M:不利事件的發(fā)生、發(fā)展和結(jié)果在不同的時(shí)間與空間上表現(xiàn)出差異量化影響損失界定不確定性氣象災(zāi)害風(fēng)險(xiǎn)管理業(yè)務(wù)發(fā)展和氣象綜合風(fēng)險(xiǎn)普查工作中,“風(fēng)險(xiǎn)”一詞主要強(qiáng)調(diào):-

【災(zāi)害影響損失】及其【不確定性】風(fēng)險(xiǎn)“評(píng)估”對(duì)象及基礎(chǔ)理論No.6E(

L

)=P×L?E(L)代表期望損失;

P代表致災(zāi)事件發(fā)生概率;

L代表致災(zāi)事件造成的損失。從傳統(tǒng)風(fēng)險(xiǎn)評(píng)估技術(shù)到“定量化”評(píng)估n

風(fēng)險(xiǎn)評(píng)估,就是量化表述災(zāi)害風(fēng)險(xiǎn)與致災(zāi)因子、社會(huì)經(jīng)濟(jì)系統(tǒng)(一般用暴露度和脆弱性表述)之間的關(guān)系n

傳統(tǒng)方法:

災(zāi)害風(fēng)險(xiǎn)等于致災(zāi)事件發(fā)生概率與造成損害的綜合r7n

實(shí)時(shí)客觀化方法:災(zāi)害風(fēng)險(xiǎn)是致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度、承災(zāi)體脆弱性三個(gè)要素綜合的結(jié)果。

其中,暴露度描述災(zāi)害風(fēng)險(xiǎn)影響的承災(zāi)體范圍和數(shù)量,脆弱性描述承災(zāi)體在特定類型和強(qiáng)度的致災(zāi)

因子作用下可能遭受的損失程度。R=H×E×V?R代表災(zāi)害風(fēng)險(xiǎn);H代表致災(zāi)因子危險(xiǎn)性;E代表承災(zāi)體暴露度;V代表承災(zāi)體脆弱性n

說明:這是一個(gè)虛擬表達(dá),用數(shù)學(xué)公式的形式來(lái)說明評(píng)估風(fēng)險(xiǎn)的各個(gè)組成部分;在風(fēng)險(xiǎn)分析中,通常會(huì)根據(jù)這一模型,構(gòu)建相應(yīng)的指標(biāo)體系,估算災(zāi)害風(fēng)險(xiǎn)指數(shù)或估算災(zāi)害風(fēng)險(xiǎn)的期望損失等。從傳統(tǒng)風(fēng)險(xiǎn)評(píng)估技術(shù)到“定量化”評(píng)估r8類別方法適用范圍定性評(píng)估根據(jù)專家判斷的相對(duì)風(fēng)險(xiǎn)等級(jí),如高、中、低大尺度半定量評(píng)估定量評(píng)估可能最大損失特定時(shí)間段內(nèi)可能出現(xiàn)的最大損失,如100年一遇、1000年一遇小尺度年均損失較長(zhǎng)時(shí)間段內(nèi)(如100年、1000年)

內(nèi)預(yù)期損失的年平均值,是所有事件的發(fā)生概率和可能損失的

加權(quán)總和超越損失曲線表征不同超越概率事件(橫軸)對(duì)應(yīng)的可能損失

(縱軸)基于指標(biāo)體系(如各類致災(zāi)因子)

,并按照一定標(biāo)準(zhǔn)進(jìn)行量化和加權(quán),

建立風(fēng)險(xiǎn)評(píng)估指數(shù)(無(wú)量綱),判定等級(jí)從傳統(tǒng)風(fēng)險(xiǎn)評(píng)估技術(shù)到“定量化”評(píng)估何為“定量化”?中尺度r9何為“客觀化”風(fēng)險(xiǎn)評(píng)估?2022年5月1

日起報(bào),

6-8

月風(fēng)險(xiǎn)預(yù)估2022年6-8月

風(fēng)險(xiǎn)評(píng)估P10觀測(cè)預(yù)估等級(jí)高高受影響國(guó)土面積316.8萬(wàn)平方公里184.4萬(wàn)平方公里受影響人口7.8億人5.9億人受影響GDP19.8萬(wàn)億元14.5萬(wàn)億元受災(zāi)/危險(xiǎn)性華東大部、華南大部、華中大部、西南東北部等地風(fēng)險(xiǎn)較高西南東北部、華中北部至中部、華東西部等地風(fēng)險(xiǎn)較高8月預(yù)估8月觀測(cè)何為“客觀化”風(fēng)險(xiǎn)評(píng)估?r11l氣象災(zāi)害事件客觀化識(shí)別技術(shù)l

致災(zāi)危險(xiǎn)性指標(biāo)及評(píng)估技術(shù)l

氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃技術(shù)l

災(zāi)害危險(xiǎn)性與風(fēng)險(xiǎn)等級(jí)劃分技術(shù)l

業(yè)務(wù)驗(yàn)證與評(píng)分技術(shù)等客觀化風(fēng)險(xiǎn)評(píng)估技術(shù)P123.定量化風(fēng)險(xiǎn)評(píng)估2.致災(zāi)因子權(quán)重確定(信息熵賦權(quán)法、直接賦值法、相關(guān)系數(shù)法等),1.災(zāi)害事件識(shí)別4.風(fēng)險(xiǎn)等級(jí)劃分(標(biāo)準(zhǔn)差法、百分位法、自然斷點(diǎn)法等)n

單災(zāi)種氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估技術(shù)路線客觀化風(fēng)險(xiǎn)評(píng)估技術(shù)P13客觀化風(fēng)險(xiǎn)評(píng)估技術(shù)l

基于時(shí)空連續(xù)性判別的客觀化氣象災(zāi)害事件監(jiān)測(cè)識(shí)別技術(shù)P14

基于“滾球法”的災(zāi)害事件邊界自動(dòng)識(shí)別技術(shù)客觀化風(fēng)險(xiǎn)評(píng)估技術(shù)新型客觀化監(jiān)測(cè)識(shí)別技術(shù)在兩個(gè)方面取得突破:1.提高識(shí)別的精度;2.解決了高風(fēng)險(xiǎn)區(qū)域過小和低風(fēng)險(xiǎn)區(qū)域更大的問題l

基于時(shí)空連續(xù)性判別的客觀化氣象災(zāi)害事件監(jiān)測(cè)識(shí)別技術(shù)高溫災(zāi)害事件識(shí)別低溫災(zāi)害事件識(shí)別寒潮過程動(dòng)態(tài)評(píng)估暴雨災(zāi)害事件識(shí)別基災(zāi)損的暴雨風(fēng)險(xiǎn)評(píng)估模型基于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的干旱評(píng)估模型客觀化風(fēng)險(xiǎn)評(píng)估技術(shù)P16高溫風(fēng)險(xiǎn)評(píng)估技術(shù)客觀化風(fēng)險(xiǎn)評(píng)估模型和預(yù)評(píng)估技術(shù)體系

,相較傳統(tǒng)統(tǒng)計(jì)學(xué)評(píng)估技術(shù),揭示了致災(zāi)危險(xiǎn)性的空間差異性,建客觀化風(fēng)險(xiǎn)評(píng)估技術(shù)立了致災(zāi)權(quán)重分析新方法,改進(jìn)優(yōu)化了風(fēng)險(xiǎn)等級(jí)劃分技術(shù),有利于利用數(shù)值天氣預(yù)報(bào)和客觀化氣候預(yù)測(cè)產(chǎn)品進(jìn)行風(fēng)險(xiǎn)預(yù)估,實(shí)現(xiàn)風(fēng)險(xiǎn)評(píng)估技術(shù)的落地低溫風(fēng)險(xiǎn)評(píng)估技術(shù)災(zāi)害事件監(jiān)測(cè)識(shí)別/月季年的風(fēng)險(xiǎn)評(píng)估模型(單災(zāi)種)

危險(xiǎn)性評(píng)估指數(shù)

歷史排名

綜合脆弱性和暴露度的風(fēng)險(xiǎn)等級(jí)

歷史相似過程、典型事件、典型月季年

全國(guó)/省級(jí)災(zāi)害風(fēng)險(xiǎn)等級(jí)產(chǎn)品月季年風(fēng)險(xiǎn)評(píng)估模型(綜合)災(zāi)害事件識(shí)別:時(shí)空連續(xù)性客觀識(shí)別

月季年預(yù)估:百分位評(píng)估模型/指標(biāo)、等級(jí)劃分方法利用觀測(cè)數(shù)據(jù)和預(yù)測(cè)模式產(chǎn)品構(gòu)建關(guān)系模型:偏差分析、方差分析、機(jī)器學(xué)習(xí)等綜合風(fēng)險(xiǎn)等級(jí)及影響:風(fēng)險(xiǎn)矩陣、綜合風(fēng)險(xiǎn)指數(shù)等

危險(xiǎn)性閾值

風(fēng)險(xiǎn)等級(jí)劃分

風(fēng)險(xiǎn)評(píng)估驗(yàn)證

根據(jù)單災(zāi)種不同風(fēng)險(xiǎn)等級(jí)占比設(shè)定綜合風(fēng)險(xiǎn)等級(jí)

綜合單災(zāi)種風(fēng)險(xiǎn)指數(shù)和歷史占比獲得綜合風(fēng)險(xiǎn)指數(shù)及等級(jí)綜合風(fēng)險(xiǎn)評(píng)估技術(shù)

綜合歷史災(zāi)情的綜合風(fēng)險(xiǎn)等級(jí)物理意義

全國(guó)/省級(jí)綜合風(fēng)險(xiǎn)等級(jí)產(chǎn)品總體技術(shù)方案綜害風(fēng)險(xiǎn)預(yù)估單災(zāi)種風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)模式產(chǎn)品訂正

單、多模式、多模式集合

觀測(cè)與模式數(shù)據(jù)關(guān)系模型

偏差和PDF訂正觀測(cè)數(shù)據(jù)模式產(chǎn)品訂正模型P18?利用氣候預(yù)測(cè)模式產(chǎn)品(如中國(guó)氣象局第三代氣候預(yù)測(cè)模式產(chǎn)品(CMA-CPSv3)、氣候模式集合預(yù)報(bào)產(chǎn)品等)的訂正結(jié)果,基于百分位、方差等方法,分析計(jì)算得到單災(zāi)種危險(xiǎn)性評(píng)估指標(biāo),將單災(zāi)種危險(xiǎn)性指標(biāo)劃分為高、

中、低三個(gè)級(jí)別?結(jié)合人口、經(jīng)濟(jì)、農(nóng)業(yè)等承災(zāi)體暴露度等級(jí),利用風(fēng)險(xiǎn)矩陣方法,分析計(jì)算單災(zāi)種風(fēng)險(xiǎn)等級(jí)?依據(jù)綜合風(fēng)險(xiǎn)等級(jí)劃分標(biāo)準(zhǔn),劃分綜合風(fēng)險(xiǎn)等級(jí)綜合風(fēng)險(xiǎn)評(píng)估技術(shù)風(fēng)險(xiǎn)等級(jí)劃分技術(shù)風(fēng)險(xiǎn)矩陣P19災(zāi)害種類綜合風(fēng)險(xiǎn)等級(jí)意義暴雨、干旱、高溫、低溫和臺(tái)風(fēng)等災(zāi)種高兩個(gè)及以上災(zāi)種為高風(fēng)險(xiǎn)的地區(qū),綜合風(fēng)險(xiǎn)為高風(fēng)險(xiǎn)中僅單個(gè)災(zāi)種為高風(fēng)險(xiǎn)或無(wú)高風(fēng)險(xiǎn)且兩個(gè)及以上災(zāi)種為中風(fēng)險(xiǎn)的地區(qū),綜合風(fēng)險(xiǎn)為中風(fēng)險(xiǎn)低其余地區(qū)為綜合低風(fēng)險(xiǎn)注:省級(jí)及省以下在業(yè)務(wù)實(shí)施過程中可根據(jù)本區(qū)域氣候特征、災(zāi)害發(fā)生發(fā)展特點(diǎn)、災(zāi)種遴選原則及應(yīng)用需求,對(duì)綜合風(fēng)險(xiǎn)等級(jí)劃分矩陣的災(zāi)害種類及個(gè)數(shù)、

等級(jí)標(biāo)準(zhǔn)做適當(dāng)調(diào)整。綜合風(fēng)險(xiǎn)評(píng)估技術(shù)風(fēng)險(xiǎn)等級(jí)劃分技術(shù)三等級(jí)P20數(shù)據(jù)獲取數(shù)據(jù)預(yù)處理氣象大數(shù)據(jù)云平臺(tái)……產(chǎn)品制作災(zāi)害風(fēng)險(xiǎn)基礎(chǔ)數(shù)據(jù)風(fēng)險(xiǎn)預(yù)評(píng)估災(zāi)害風(fēng)險(xiǎn)預(yù)估產(chǎn)品風(fēng)險(xiǎn)預(yù)估模型?接入CPSv3、CFSv2、EC等多種預(yù)測(cè)模式產(chǎn)品及智能網(wǎng)格預(yù)報(bào)產(chǎn)品,建立氣象災(zāi)害事件快速識(shí)別技術(shù)模型,采用客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估技術(shù)方法,實(shí)現(xiàn)從天氣尺度,到延伸期、月季年的風(fēng)險(xiǎn)預(yù)估產(chǎn)品分析制作綜合風(fēng)險(xiǎn)評(píng)估技術(shù)預(yù)報(bào)預(yù)測(cè)數(shù)據(jù)EC模式數(shù)據(jù)……相似季節(jié)算法……產(chǎn)品驗(yàn)證產(chǎn)品制作年尺度風(fēng)險(xiǎn)預(yù)估產(chǎn)品季尺度風(fēng)險(xiǎn)預(yù)估產(chǎn)品月尺度風(fēng)險(xiǎn)預(yù)估產(chǎn)品災(zāi)情數(shù)據(jù)歷史災(zāi)害風(fēng)險(xiǎn)數(shù)據(jù)CPSv3模式數(shù)據(jù)CFSv2模式數(shù)據(jù)承災(zāi)體脆弱性圖表顯示數(shù)據(jù)統(tǒng)計(jì)數(shù)據(jù)查詢致災(zāi)因子危險(xiǎn)性相似年景算法承災(zāi)體暴露度誤差訂正時(shí)空降尺度P21逐步實(shí)現(xiàn)風(fēng)險(xiǎn)產(chǎn)品業(yè)務(wù)化按照災(zāi)害風(fēng)險(xiǎn)預(yù)估技術(shù)方案,充分利用氣象災(zāi)害綜合風(fēng)險(xiǎn)普查成果和中國(guó)氣象局自主客觀化氣候預(yù)測(cè)模式產(chǎn)品,依托國(guó)家氣候中心和北京超圖聯(lián)合開發(fā)的“天鑒”業(yè)務(wù)系統(tǒng),研制了不同時(shí)間尺度的單災(zāi)種災(zāi)害監(jiān)測(cè)產(chǎn)品、風(fēng)險(xiǎn)預(yù)估產(chǎn)品,以及月、季、年客觀化氣象災(zāi)害綜合風(fēng)險(xiǎn)預(yù)估產(chǎn)品。?

歷史災(zāi)害事件庫(kù)(暴雨2500+,高溫260+、

低溫+1900……)?CPSv3、

CFSv2、

EC三種預(yù)測(cè)模式的災(zāi)害過

程預(yù)估及過程風(fēng)險(xiǎn)預(yù)估?自動(dòng)化產(chǎn)品制作、交互式產(chǎn)品制作?

…基礎(chǔ)業(yè)務(wù)平臺(tái)(“天鑒”)

歷史災(zāi)害事件庫(kù)r22風(fēng)險(xiǎn)評(píng)估技術(shù)的實(shí)現(xiàn)業(yè)務(wù)維災(zāi)種維:多災(zāi)種擴(kuò)展空間維:多空間尺度分析?建立了包括災(zāi)害監(jiān)測(cè)識(shí)別、影響評(píng)估、風(fēng)險(xiǎn)預(yù)評(píng)估等210個(gè)算法,1100種產(chǎn)品?建立了覆蓋災(zāi)前、災(zāi)中和災(zāi)后全過程的實(shí)時(shí)業(yè)務(wù)流程?建立了包括致災(zāi)因子、承災(zāi)體、災(zāi)情、隱患點(diǎn)標(biāo)等12大類龐大的數(shù)據(jù)中心?建立了包括2766個(gè)暴雨、507個(gè)臺(tái)風(fēng)、2000個(gè)高溫、近200個(gè)干旱等的歷史災(zāi)害事件庫(kù)為災(zāi)害風(fēng)險(xiǎn)管理業(yè)務(wù)的建立和發(fā)展提供了技術(shù)、產(chǎn)品和科技轉(zhuǎn)化的支撐基于GIS的氣象災(zāi)害風(fēng)險(xiǎn)管理業(yè)務(wù)系統(tǒng)P23?P24災(zāi)害過程預(yù)估庫(kù)月季年災(zāi)害風(fēng)險(xiǎn)預(yù)估產(chǎn)品庫(kù)交互式產(chǎn)品制作過程選擇、季、年尺度災(zāi)害風(fēng)險(xiǎn)預(yù)估技術(shù)方法智能融合風(fēng)險(xiǎn)產(chǎn)品的制作過程綜合風(fēng)險(xiǎn)分布

綜合風(fēng)險(xiǎn)預(yù)估產(chǎn)品

起報(bào)時(shí)間選擇暴雨低溫…………干旱高溫單災(zāi)種風(fēng)險(xiǎn)預(yù)估產(chǎn)品文字產(chǎn)品月業(yè)務(wù)體系災(zāi)害事件監(jiān)測(cè)災(zāi)害風(fēng)險(xiǎn)評(píng)估災(zāi)害過程識(shí)別災(zāi)害風(fēng)險(xiǎn)預(yù)估災(zāi)害影響評(píng)估災(zāi)害風(fēng)險(xiǎn)區(qū)劃專題

空間國(guó)省省縣累計(jì)約1900種產(chǎn)品,根據(jù)業(yè)務(wù)需求持續(xù)進(jìn)行科技成果轉(zhuǎn)化集成、

不斷豐富。覆蓋暴雨洪澇、干旱、臺(tái)風(fēng)、高溫、低溫、沙塵暴等多災(zāi)種;覆蓋國(guó)、省、市、縣、流域的全域產(chǎn)品交互制作。覆蓋監(jiān)測(cè)、評(píng)估、預(yù)估等全業(yè)務(wù)流程;時(shí)間、空間、專題三維支撐六大業(yè)務(wù)體系產(chǎn)品。風(fēng)險(xiǎn)產(chǎn)品體系監(jiān)測(cè)季預(yù)估評(píng)估月年流域?????低溫高溫臺(tái)風(fēng)時(shí)間暴雨干旱…+NP25延伸期產(chǎn)品?定時(shí)逐日滾動(dòng)生成0-

15、

15-30天風(fēng)險(xiǎn)預(yù)估產(chǎn)品P26?采用CPSv3、EC、CFSv2三種預(yù)測(cè)模式結(jié)果。?定時(shí)逐日滾動(dòng)生成未來(lái)1個(gè)月、1-2個(gè)月風(fēng)險(xiǎn)預(yù)估產(chǎn)

品。逐月風(fēng)險(xiǎn)產(chǎn)品P27季節(jié)、年尺度風(fēng)險(xiǎn)產(chǎn)品P28客觀化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估過程基于數(shù)值預(yù)報(bào)結(jié)果及臺(tái)風(fēng)風(fēng)險(xiǎn)評(píng)估模型,“暹芭”災(zāi)害風(fēng)險(xiǎn)預(yù)估結(jié)果顯示:7月1-3日,中等及以上臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)區(qū)主要分布在廣東沿海地區(qū),覆蓋面積約為5.2萬(wàn)平方公里,影響人口為6922.6萬(wàn)人。7月1-3日

“暹芭”風(fēng)險(xiǎn)預(yù)估“暹芭”路徑圖(中央氣象臺(tái))6月30日起報(bào)(災(zāi)前)P29基于數(shù)值預(yù)報(bào)結(jié)果及臺(tái)風(fēng)風(fēng)險(xiǎn)評(píng)估模型,“暹芭”災(zāi)害風(fēng)險(xiǎn)預(yù)估結(jié)果顯示:7月1-4日,中等及以上臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)主要分布在廣西東南部、廣東沿海地區(qū)、海南北部以及等地共計(jì)36個(gè)縣(市),覆蓋面積約為8.7萬(wàn)平方公里

影響人口為8819.9萬(wàn)人??陀^化氣象災(zāi)害風(fēng)險(xiǎn)預(yù)評(píng)估過程"影響面積"(萬(wàn)平方公里)

"影響人口"(萬(wàn)人)

"廣東"5.6426631.9廣西"2.5491124.8海南"0.353247.4香港"0.111747.4澳門"0.00368.3全國(guó)"8.6588819.97月1-4日

“暹芭”災(zāi)害風(fēng)險(xiǎn)預(yù)估“暹芭”路徑圖(中央氣象臺(tái))7月1日起報(bào)(災(zāi)中滾動(dòng))P

“暹芭”路徑圖(中央氣象臺(tái))

7月1-3日“暹芭”危險(xiǎn)性(根據(jù)實(shí)況)基于客觀化臺(tái)風(fēng)風(fēng)險(xiǎn)評(píng)估模型,對(duì)“暹芭”臺(tái)風(fēng)災(zāi)害的評(píng)估結(jié)果顯示:7月1-3日,中等及以上危險(xiǎn)性主要分布在廣西東部、廣東西部以及海南西部等地,共計(jì)49個(gè)縣(市),覆蓋面積約為10.4萬(wàn)平方公里,影

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論