2017年-世界发展银行全球_Natural_Disaster_Damage_Indices_Based_on_Remotely_Sensed_Data___An_Application_to_Indonesia_36页_6mb

总结：基于遥感数据的自然灾害损害指数：以印度尼西亚为例

核心内容

本研究通过结合闪电数据（作为经济活动的代理指标）和遥感数据，构建了四种自然灾害损害指数，用于评估印度尼西亚不同灾害事件（洪水、地震、火山喷发和2004年圣诞节海啸）对各个区县的影响。这些指数旨在帮助政府、应急服务和援助人员在灾害发生前后快速评估损失，从而提高灾害应对效率。

主要观点

• 灾害评估的重要性：快速评估自然灾害的损害对于政府和应急响应至关重要，可以帮助资源分配和政策制定。
• 遥感数据的应用：遥感技术在灾害评估中提供了快速、有效的手段，尤其是在缺乏详细本地数据的情况下。
• 经济活动的代理指标：使用夜光数据作为经济活动的代理指标，能够有效反映地区暴露程度，尤其适用于数据稀缺的地区。
• 模型构建方法：基于地理信息系统（GIS）和水文模型（GeoSFM），构建了不同灾害类型的损害指数，考虑了经济活动和地理特征的权重。
• 模型局限性：GeoSFM模型在模拟洪水时存在一些限制，如不适用于沿海洪水和短河流区域的洪水，且由于分辨率限制，可能高估洪水天数。

关键信息

1. 自然灾害的类型与频率

• 印度尼西亚是全球自然灾害频发的地区之一，2001-2015年间发生了超过19,000次自然灾害。
• 最常见的灾害是洪水和山体滑坡（占52%），其次是强风（21%）和火灾（15%）。
• 最具破坏力的灾害是地震、海啸和火山喷发，这些灾害不仅造成建筑物和基础设施的严重损害，还导致大量人员伤亡。
• 2004年圣诞节海啸是研究期间最严重的单一灾害事件，造成超过167,000人死亡，其中166,671人因海啸丧生。

2. 洪水损害指数

• 模型方法：使用GeoSFM模型模拟洪水流量，并通过夜光数据对不同区域进行加权。
• 定义洪水事件：洪水事件通过流量（Q）超过95百分位数加标准差，并且流量超过10立方米/秒来判断。
• 损害指数公式：
  $$
  I_{b,t} = \left{ \begin{array}{l l} 0 & : \text{Flood} = 0 \ \frac{Q_{b,t} - \bar{Q}b}{\sigma_b} & : \text{Flood} = 1 \end{array} \right.
  $$
  $$
  FI{b,t} = W_{b,t-1} * I_{b,t}
  $$
  其中，$W_{b,t-1}$ 是基于前一年夜光强度计算的权重。
• 模型表现：模型在苏门答腊和加里曼丹表现良好，但对爪哇岛的模拟效果较差，主要因为岛屿狭窄导致河流较短，无法有效捕捉洪水事件。

3. 夜光数据的使用

• 夜光数据用于反映区域内的经济活动水平，作为暴露度的代理指标。
• 使用来自DMSP卫星的夜光数据，具有1公里的空间分辨率，覆盖全球，数据从1992年开始。
• 数据显示，2001-2013年间有414,644个单元具有夜光值，主要集中在爪哇岛、苏门答腊岛和加里曼丹沿海地区。

4. 模型结果与比较

• 模型在14年间模拟了5,082天的洪水事件，其中最频繁的10个流域共发生约200次洪水。
• 模型在苏门答腊和加里曼丹地区与DFO洪水数据有较高重合度，但在爪哇岛表现较弱。
• 模型计算的年度总损害指数（PD）在各省份中分布较均匀，前10名受影响省份的损害指数范围在44至55之间。
• 洪水影响主要集中在人口密集的省份，如苏门答腊南部、林加群岛和日惹，而较小的岛屿省份和加里曼丹部分地区受影响较小。

5. 模型的应用价值

• 所有数据均为免费且公开可用，使该方法成为政府快速评估灾害损失的潜在工具。
• 损害指数可应用于灾前（ex-ante）财政转移的预测和灾后（ex-post）损失评估。
• 尽管模型存在一定的局限性，但其在数据可用性和实用性方面具有显著优势。

结论

本研究通过构建基于遥感数据的自然灾害损害指数，为印度尼西亚提供了有效的灾害评估工具。这些指数能够反映区域内的经济活动暴露度，帮助政府和应急机构在灾害发生前后做出更有效的决策。尽管模型在某些地区存在局限性，但其方法在数据获取和应用方面具有广泛前景，为自然灾害的量化分析提供了新的思路。