基于改進(jìn)熵值法的臺風(fēng)災(zāi)害風(fēng)險趨勢評估*

魏章進(jìn)，馬華鈴，唐丹玲

(1.廣東外語外貿(mào)大學(xué)經(jīng)濟貿(mào)易學(xué)院，廣東 廣州 510420； 2.中國科學(xué)院南海海洋研究所，廣東 廣州 510301)

基于改進(jìn)熵值法的臺風(fēng)災(zāi)害風(fēng)險趨勢評估*

魏章進(jìn)1，馬華鈴1，唐丹玲2

(1.廣東外語外貿(mào)大學(xué)經(jīng)濟貿(mào)易學(xué)院，廣東 廣州 510420； 2.中國科學(xué)院南海海洋研究所，廣東 廣州 510301)

采用1990-2010年東南沿海地區(qū)受臺風(fēng)影響尤為嚴(yán)重的廣東、福建、上海、江蘇、浙江、山東、海南、廣西等省份的臺風(fēng)災(zāi)害統(tǒng)計數(shù)據(jù)資料，基于標(biāo)準(zhǔn)化變換的熵值法進(jìn)行風(fēng)險等級評估,然后運用聚類分析對評估結(jié)果進(jìn)行等級劃分并分析總體變化趨勢。結(jié)果表明：在災(zāi)害影響指標(biāo)的分析中，建立在信息不確定性基礎(chǔ)上，臺風(fēng)災(zāi)害影響權(quán)重依次為倒塌房屋、死亡人數(shù)、受災(zāi)面積和直接經(jīng)濟損失。倒塌房屋是災(zāi)害風(fēng)險影響力最大指標(biāo)；建立在改進(jìn)的熵值法基礎(chǔ)上，1990-1997年評估綜合指數(shù)明顯大于1998-2010年，且前者主要受倒塌房屋和死亡人數(shù)的影響，后者受直接經(jīng)濟損失和受災(zāi)面積的影響較大；1994年、1996年為巨災(zāi)年，其它絕大多數(shù)年份為中災(zāi)和小災(zāi)年。改進(jìn)的熵值法中，指標(biāo)的差異度大，意味著大的信息量，從而占有較大權(quán)重，而在災(zāi)害過程中，那些發(fā)生具有不確定性的事件，正是災(zāi)害最大的風(fēng)險。

臺風(fēng)災(zāi)害；風(fēng)險評估；熵值法；聚類分析

當(dāng)今人類面臨的全球性重大問題之一當(dāng)屬自然災(zāi)害[1]。自2000年以來，全球天氣災(zāi)害損失平均每年280億美元，其中，屬臺風(fēng)災(zāi)害發(fā)生頻率最高、影響最為嚴(yán)重[2-3]。1980年代以來，我國由于臺風(fēng)災(zāi)害造成的經(jīng)濟損失每年高達(dá)幾十億乃至上百億元。根據(jù)國家海洋局公布的《中國海洋災(zāi)害公報》，2012年、2013年臺風(fēng)災(zāi)害造成的直接經(jīng)濟損失分別為126.29億元、152.45億元。因此，客觀評估臺風(fēng)災(zāi)害風(fēng)險等級大小是一個值得研究的課題，對科學(xué)合理地制定防災(zāi)減災(zāi)政策、開展防災(zāi)減災(zāi)工作具有重要現(xiàn)實意義。

許多學(xué)者針對臺風(fēng)災(zāi)害的風(fēng)險評估進(jìn)行了深入的探討并提出了諸多研究方法[4-5]，其中，樊琦、梁必騏等[6-7]利用模糊數(shù)學(xué)法對各因子作權(quán)重分配，得到綜合災(zāi)情指數(shù)來劃分災(zāi)情等級；李春梅等[8]利用專家打分法確定權(quán)重系數(shù)，并對臺風(fēng)災(zāi)害的影響程度進(jìn)行分級評判；陳香等[9]構(gòu)建了災(zāi)損度指數(shù)指標(biāo)；婁偉平等[10]利用BP神經(jīng)網(wǎng)絡(luò)建立起經(jīng)濟損失評估模型；陳云峰等[11]采用綜合集成評價方法，計算出氣象災(zāi)害損失的綜合指數(shù)；殷潔[12]等通過構(gòu)建直接經(jīng)濟損失率曲線，采用GIS空間分析方法，在臺風(fēng)登陸頻次基礎(chǔ)上，確定不同等級臺風(fēng)發(fā)生可能性，采用風(fēng)險評估模型對經(jīng)濟損失風(fēng)險進(jìn)行定量評估；劉少軍等[13]采用可拓分析方法，將評價指標(biāo)及其特征作為物元，建立綜合評估等級，建立基于GIS的臺風(fēng)災(zāi)害損失評估模型，實現(xiàn)其動態(tài)評估。這些方法雖能達(dá)到綜合評估的目的，但仍存在問題：模糊綜合評價法由于其隸屬度的確定比較困難，主觀任意性較大，不同因素的選擇會影響結(jié)果的穩(wěn)定性；專家打分法會由于個人工作經(jīng)驗、判斷能力的不同而使結(jié)果不完整或過于主觀；當(dāng)目標(biāo)函數(shù)過于復(fù)雜時，神經(jīng)網(wǎng)絡(luò)算法很有可能陷入局部極值，而非全局極值的狀況；GIS技術(shù)對突發(fā)災(zāi)情信息獲取的時效性和功能的局限性仍需科技攻關(guān)。

綜上，基于不加入任何主觀信息的完全意義上的客觀賦值法，并將其創(chuàng)新性的應(yīng)用于臺風(fēng)災(zāi)害的評估之中具有學(xué)術(shù)上的理論意義和實踐價值。本文嘗試將改進(jìn)的標(biāo)準(zhǔn)化熵值法應(yīng)用于臺風(fēng)災(zāi)害風(fēng)險等級評估中，該方法能避免主觀因素對評估結(jié)果所帶來的影響，同時基于不確定性，預(yù)估災(zāi)害風(fēng)險。采用1990-2010年東南沿海地區(qū)受臺風(fēng)影響尤為嚴(yán)重的廣東、福建、上海、江蘇、浙江、山東、海南、廣西等省份的有關(guān)臺風(fēng)災(zāi)害的統(tǒng)計數(shù)據(jù)資料，設(shè)計標(biāo)準(zhǔn)化變換的熵值法建立臺風(fēng)災(zāi)害風(fēng)險評估模型，得到風(fēng)險綜合評估指數(shù)，再運用快速聚類分析法對綜合評估指數(shù)進(jìn)行等級劃分并分析臺風(fēng)災(zāi)害風(fēng)險的總體變化趨勢。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本文所用數(shù)據(jù)主要來源于：《熱帶氣旋年鑒》、《中國氣象災(zāi)害大典》(廣東卷、福建卷、上海卷、江蘇卷、浙江卷、山東卷、海南卷、廣西卷)以及《中國民政統(tǒng)計年鑒》等能夠獲得的資料，對我國20多年來受臺風(fēng)災(zāi)害影響的損失情況進(jìn)行統(tǒng)計(表1)。

1.2 研究方法

熵值法是借鑒信息論中“熵是對不確定性的一種度量”的概念所形成的一種綜合評估方法。信息熵反映的是系統(tǒng)狀態(tài)的一個函數(shù)，信息量越大，不確定性就越小，熵也就越小[14-16]，若用其來衡量指標(biāo)權(quán)重的大小則表示某指標(biāo)權(quán)重值越大；信息量越小，不確定性越大，熵也就越大，其所表示的權(quán)重值也就越小。熵值法是根據(jù)各項評估指標(biāo)值的變異程度來確定指標(biāo)權(quán)數(shù)，并不會減少評估指標(biāo)維數(shù)，其綜合評估結(jié)果為非線性函數(shù)關(guān)系，且計算過程相對簡單[17]，故可以用熵值的大小來判斷影響臺風(fēng)災(zāi)害各風(fēng)險指標(biāo)的離散程度，并用綜合指數(shù)反映臺風(fēng)的綜合影響強度。

假設(shè)在臺風(fēng)災(zāi)害風(fēng)險評估中有n個指標(biāo)，m個評估年份，并形成了一個判斷矩陣X=(Xij)m×n，其中，i=1,2,…m,j=1,2…n。對于某項指標(biāo)xj，如果指標(biāo)值xij之間的差距越大，則該指標(biāo)在綜合評估中所起的作用就大，反之越小；如果各項指標(biāo)值都相等，則該指標(biāo)在綜合評估中完全無用。在信息論中，用信息熵(即系統(tǒng)的無序度度量)S來表示整個系統(tǒng)n個信息的無序度：

(1)

式中：k為波爾茲曼常數(shù)，是一個正常數(shù)，一般情況下取值k=1/Lnm，可保證S處于[0,1]閉區(qū)間內(nèi)，即評估年份的綜合評估指數(shù)最大可能取值為1；fj表示系統(tǒng)中j個信息的無序度或其出現(xiàn)的概率。當(dāng)所有信息無序度fj完全相等，即fj=1/n時，信息熵S達(dá)到最大值。若某項指標(biāo)的指標(biāo)值離散程度越大，則S值就越小，所提供的信息量就越大，權(quán)重也就越大；反之，若指標(biāo)值離散程度越小，則S值就越大，其信息量就越小，權(quán)重也就越小，即信息熵確定權(quán)重的方法是根據(jù)各指標(biāo)值的無序度大小而確定的。最后，再引入差異程度函數(shù)Hj表示所有評估年份對各項指標(biāo)的差異大小，確定各項指標(biāo)值的權(quán)重。其算法步驟如下。

表1 1990-2010年東南沿海地區(qū)各評估指標(biāo)原始數(shù)值

注：受災(zāi)面積是進(jìn)行單位換算后的數(shù)據(jù)。

第一步，構(gòu)建n個指標(biāo)m個評估年份的目標(biāo)矩陣：

(2)

第二步，對X′進(jìn)行標(biāo)準(zhǔn)化變換，消除各項指標(biāo)間不同單位的影響，得到標(biāo)準(zhǔn)化矩陣X=(xij)m×n，其中，標(biāo)準(zhǔn)化公式為：

(3)

式中：xmin,xmax分別為相同指標(biāo)下不同評估對象中的最小值和最大值。

第三步，用信息熵函數(shù)S表示整個系統(tǒng)n個信息的無序度：

(4)

第四步，引入差異程度函數(shù)Hj，若信息熵越大，則指標(biāo)間差異性越小，指標(biāo)的作用也就越??；若信息熵越小，則指標(biāo)間差異性越大，指標(biāo)的作用也就越大。

Hj=1-Sj。

(5)

第五步，確定第j項指標(biāo)信息熵權(quán)重wj。

(6)

第六步，計算第i年份臺風(fēng)災(zāi)害風(fēng)險評估綜合指數(shù)：

(7)

2 實證分析

將表1數(shù)據(jù)代入式(2)、(3)、(4)和(5)中，得到臺風(fēng)災(zāi)害各項指標(biāo)的標(biāo)準(zhǔn)化值(均放大100倍)如表2和圖1所示，再由熵值法確定全部指標(biāo)的權(quán)重值，得到各項指標(biāo)權(quán)重如下：

wj=(0.294,0.178,0.365,0.163)。

(8)

由式(8)可見， w3(倒塌房屋)>w1(死亡人數(shù))>w2(受災(zāi)面積)>w4(直接經(jīng)濟損失)。

再將w1,w2,w3,w4代入式(6)中得到1990-2010年臺風(fēng)災(zāi)害風(fēng)險評估綜合指數(shù)(在這里各數(shù)據(jù)均擴大100倍)(表3)。

3 評估結(jié)果

3.1 臺風(fēng)災(zāi)害趨勢分析

圖2給出了1990-2010年東南沿海地區(qū)臺風(fēng)災(zāi)害風(fēng)險評估綜合指數(shù)值總體變化情況。以1998年為界，可看出1990-1997年的臺風(fēng)災(zāi)害綜合損失比較大，1998-2010年的綜合損失顯著減少。前者臺風(fēng)災(zāi)害風(fēng)險評估綜合指數(shù)平均值為7.882，且年際變化大，后者的平均值為2.842，較前者下降了63.9%，且前幾年的年際變化相對較小。這主要是由于近年來臺風(fēng)的預(yù)測與預(yù)警技術(shù)的發(fā)展，且人們防御臺風(fēng)能力有所提高的原因。

表2 1990-2010年東南沿海地區(qū)各評估指標(biāo)標(biāo)準(zhǔn)化值

圖1 1990-2010年東南沿海地區(qū)各評估指標(biāo)變化趨勢圖

把綜合評估指標(biāo)值與死亡人數(shù)、受災(zāi)面積、倒塌房屋和直接經(jīng)濟損失隨時間的變化情況進(jìn)行對比(圖3)。

由圖3可看出臺風(fēng)災(zāi)害導(dǎo)致的人口死亡數(shù)、倒塌房屋數(shù)在整體中均呈明顯的下降趨勢。從死亡人口和倒塌房屋絕對數(shù)上來看，1990-1997年平均每年死亡人數(shù)為448人，而1998-2010年平均每年死亡169人，相比下降了62.3%；1990-1997年倒塌房屋每年平均數(shù)為150.525萬間，而1998-2010年為29.615萬間，相比下降了80.3%。受災(zāi)面積和直接經(jīng)濟損失由于存在較多的不確定性因素，總體呈波動的情況。從直接經(jīng)濟損失看，最大年份是2006年，這主要是受強臺風(fēng)“桑美”影響所帶來的巨大經(jīng)濟損失，最小年份是1998年；受災(zāi)面積最大年份是2008年，達(dá)到了2 310 khm2，最小年份為1998年，主要受超級臺風(fēng)“薔薇”對浙江省、福建省農(nóng)業(yè)所造成的巨大影響。從圖中還可以看出，臺風(fēng)災(zāi)害風(fēng)險評估綜合指數(shù)最大的年份是1996年，主要原因是當(dāng)年的超級臺風(fēng)“莎莉”所造成的死亡人數(shù)、受災(zāi)面積、倒塌房屋和直接經(jīng)濟損失值都非常大，其次是1994年的臺風(fēng)“海棠”，而綜合指數(shù)最小的是1998年。但從死亡人口來看，最多是1990年，最少是1998年；從倒塌房屋數(shù)來看，最多的年份是1996年，最少的年份是2002年。

表3 1990-2010年東南沿海地區(qū)臺風(fēng)災(zāi)害風(fēng)險評估綜合指數(shù)

3.2 基于聚類分析的風(fēng)險指數(shù)等級劃分

運用聚類分析對綜合指數(shù)進(jìn)行分級，主要分成5級(分別為1微災(zāi)，2小災(zāi)，3中災(zāi)，4大災(zāi)，5巨災(zāi)，見表3)。由表3可看出，1994年和1996年為巨災(zāi)年；1990、1992、1997、2006年為大災(zāi)年；1991、1993、1995、1999、2001、2005、2008和1990、1992、1997、2006年分別為中災(zāi)和小災(zāi)年；其余年份為微災(zāi)年。

圖2 1990-2010年東南沿海地區(qū)風(fēng)險評估綜合指數(shù)變化趨勢圖

圖3 1990-2010年東南沿海地區(qū)各評估指標(biāo)和綜合指數(shù)變化趨勢圖

4 結(jié)論與討論

利用改進(jìn)熵值法對1990-2010年東南沿海地區(qū)相關(guān)省份的臺風(fēng)災(zāi)害統(tǒng)計數(shù)據(jù)資料進(jìn)行風(fēng)險等級評估，該方法簡便易操作且計算過程相對簡單，其評估結(jié)果與實際的災(zāi)情級別較好擬合，能客觀地描述臺風(fēng)災(zāi)害的損失情況該模型研究得出如下結(jié)論。

(1)各風(fēng)險評估指標(biāo)權(quán)重大小為：倒塌房屋>死亡人數(shù)>受災(zāi)面積>直接經(jīng)濟損失。倒塌房屋所占權(quán)重為0.365，其造成的影響遠(yuǎn)遠(yuǎn)大于其它三個指標(biāo)。因此，在減少臺風(fēng)災(zāi)害損失的防御措施中，房屋建筑防風(fēng)性是首要考慮指標(biāo)。

(2)1990-2010年臺風(fēng)災(zāi)害導(dǎo)致的人口死亡數(shù)、倒塌房屋數(shù)總體上呈明顯的下降趨勢；受災(zāi)面積和直接經(jīng)濟損失不確定性較大。主要原因在于近年來各政府部門和人民對臺風(fēng)災(zāi)害問題引起的確定性因素的有效防范，如及時疏散受災(zāi)地區(qū)人群、對房屋材質(zhì)的選擇等；由于臺風(fēng)登陸地點的不確定性和沿海城市經(jīng)濟的快速發(fā)展，受災(zāi)面積和直接經(jīng)濟損失指標(biāo)具有波動性和不穩(wěn)定性，其所造成的不確定性損失也較大。

(3)1990-1997年臺風(fēng)災(zāi)害綜合評估損失指數(shù)明顯大于1998-2010年臺風(fēng)災(zāi)害綜合評估指數(shù)，且前者的年際波動大，主要受倒塌房屋數(shù)和死亡人數(shù)的影響；1998年后主要受直接經(jīng)濟損失和受災(zāi)面積的影響。

(4)1994、1996年為巨災(zāi)年；1990、1992、1997、2006年為大災(zāi)年；1991、1993、1995、1999、2001、2005、2008和1990、1992、1997、2006年分別為中災(zāi)和小災(zāi)年，絕大多數(shù)年份風(fēng)險損失值處于中災(zāi)和小災(zāi)區(qū)間；其余年份為微災(zāi)年。

根據(jù)現(xiàn)有研究成果[17]，已有的對熵值法的改進(jìn)方法主要有功效系數(shù)法和標(biāo)準(zhǔn)化變換法。前者在處理數(shù)據(jù)時，通過增加a值(由評價者決定其值大小)對極端值進(jìn)行了變換，易導(dǎo)致結(jié)果的不確定性；后者則主要通過標(biāo)準(zhǔn)化變換，避免了主觀確定的人為因素帶來的偏差，是一種客觀賦值法。本文采用標(biāo)準(zhǔn)化變換的熵值法對現(xiàn)有數(shù)據(jù)進(jìn)行處理。臺風(fēng)災(zāi)害風(fēng)險綜合評估的關(guān)鍵是多指標(biāo)合成的權(quán)重確定。本研究改進(jìn)的熵值法提供了一種增加考慮信息不確定性的評估風(fēng)險等級的新方法。該方法中，指標(biāo)的差異度大，意味著大的信息量，從而占有較大權(quán)重，而在災(zāi)害過程中，那些發(fā)生具有不確定性的事件，正是災(zāi)害最大的風(fēng)險。本文的研究方法理論上具有合理性。實證分析中，利用改進(jìn)熵值法計算綜合評估指數(shù)，再對綜合評估指數(shù)進(jìn)行等級劃分，評估結(jié)果與實際災(zāi)害損失較為接近，具有一定的實用價值，為防災(zāi)減災(zāi)工作的開展提供有效依據(jù)。但現(xiàn)實中，實際災(zāi)情的嚴(yán)重程度除本文所選取的因子外，還與預(yù)報正確率的提高、減災(zāi)防災(zāi)能力的增強，以及采取的減災(zāi)措施有關(guān)[18-20]，因此，對于臺風(fēng)災(zāi)害的損失評估還需要進(jìn)一步的分析研究。另外，本文只考慮了直接經(jīng)濟損失方面的數(shù)據(jù)，而間接經(jīng)濟損失作為災(zāi)害的重要組成部分，尚且需要相關(guān)內(nèi)容的深入研究。

[1] 梁必騏，梁經(jīng)萍，溫之平. 中國臺風(fēng)災(zāi)害及其影響的研究[J].自然災(zāi)害學(xué)報，1995，4(1)：84-92.

[2] Liu D, Pang L, Xie B. Typhoon disaster in China: prediction, prevention, and mitigation[J]. Natural Hazards, 2009, 49(3):421-436.

[3] 芮建勛, 張發(fā)勇, 鮑曙明,等. 面向臺風(fēng)事件與災(zāi)害影響評估的時空數(shù)據(jù)管理模式[J]. 災(zāi)害學(xué), 2015,30(3):43-46.

[4] 魏章進(jìn)，隋廣軍，唐丹玲.臺風(fēng)災(zāi)情評估及方法綜述[J].災(zāi)害學(xué)，2012，27(4)：107-113.

[5] 魏章進(jìn), 馬華鈴. 臺風(fēng)災(zāi)害間接經(jīng)濟損失評估方法綜述[J]. 災(zāi)害學(xué), 2016,31(1):157-161.

[6] 樊琦，梁必騏.熱帶氣旋災(zāi)害經(jīng)濟損失的模糊數(shù)學(xué)評測[J].氣象科學(xué)，2000，20(3)：360-366.

[7] 梁必騏，樊琦，楊潔，等.熱帶氣旋災(zāi)害的模糊數(shù)學(xué)評價[J].熱帶氣象學(xué)報，1999，15(4)：305-311.

[8] 李春梅，羅曉玲，劉錦鑾.層次分析法在熱帶氣旋災(zāi)害影響評估模式中的應(yīng)用[J].熱帶氣象學(xué)報，2006，22(3)：223-228.

[9] 陳香，沈金瑞，陳靜.災(zāi)損度指數(shù)法在災(zāi)害經(jīng)濟損失評估中的應(yīng)用-以福建臺風(fēng)災(zāi)害經(jīng)濟損失趨勢分析為例[J].災(zāi)害學(xué)，2007，22(2)：31-35.

[10]婁偉平，陳海燕，鄭峰，等.基于主成分神經(jīng)網(wǎng)絡(luò)的臺風(fēng)災(zāi)害經(jīng)濟損失評估[J].地理研究，2009，28(5)：1243-1254.

[11]陳云峰，高歌. 近20年我國氣象災(zāi)害損失的初步分析[J].氣象，2010，36(2):76-80.

[12]YIN Jie, WU Shaohong, DAI Erfu. Assessment of economic damage risks from typhoon disasters in guangdong, China[J]. Journal of Resources and Ecology, 2012,3(2):144-150.

[13]劉少軍，張京紅，何政偉,等.基于GIS的臺風(fēng)災(zāi)害損失評估模型研究[J].災(zāi)害學(xué)，2010，25(2)：64-67.

[14]邱菀華.一種決策熵方法及其工工程管理中的應(yīng)用[J].科技進(jìn)步與對策，2010，27(19)：75-79.

[15]楊小玲，周建中，丁杰華，等.基于熵值法的洪災(zāi)等級評估屬性識別模式[J].人民長江，2010，41(12)：16-19.

[16]Ye J. Fuzzy cross entropy of interval-valued intuitionistic fuzzy sets optimal decision-making method based on the weights of alternatives [J].Systems with Applications, 2011, 38(5):6179-6183.

[17]郭顯光.改進(jìn)的熵值法及其在經(jīng)濟效益中的應(yīng)用[J].系統(tǒng)工程理論與實踐，1998(12)：98-102.

[18]隋廣軍，唐丹玲.臺風(fēng)災(zāi)害與應(yīng)急管理[M].北京：科技出版社，2015.

[19]萬金紅, 陳武, 張葆蔚,等. 2014年超強臺風(fēng)“威馬遜”災(zāi)害特征與社會致災(zāi)機制分析[J]. 災(zāi)害學(xué), 2016, 31(3):78-83.

[20]TANG Danling，SUI Guangjun .Typhoon impact and crisis management[J].Springer. (ISBN: 978-3-642-40694-2 (Print), 978-3-642-40695-9 (Online),2014.

Trend Assessment of Typhoon Disasters Basedon the Improved Entropy Method

WEI Zhangjin1, MA Hualing1and TANG Danling2

(1.GuangdongUniversityofForeignStudies,Guangzhou510420,China;2.SouthChinaSeaInstituteofOceanology,ChineseAcademyofSciences,Guangzhou510301,China)

BasedonthestatisticaltyphoondisasterdataofGuangdong,Fujian,Shanghai,Jiangsu,Zhejiang,Shandong,andGuangxiprovincesinthesoutheastcoastalareasduring1990-2010,anentropymethodimprovedbystandardizedtransformationisusedtocalculatetheriskassessmentindexofeachyear.Then,weusetheclusteranalysistoclassifythecomprehensiveindexandtoanalyzeitschangetrend.Resultsshowthatthelargestweightoftheindicatorsisthecollapsedhouses,followedaredeaths,affectedareaanddirecteconomicloss;thecomprehensiveindexoftheriskassessmentislargerin1990-1997thanin1998-2010,andtheformerismainlyinfluencedbythecollapsedhousesandthedeaths,whilethelatterisinfluencedbytheaffectedareaandthedirecteconomicloss;Both1994and1996arehugedisasteryears,andmostotheryearsarebetweenthemiddleandsmall.

typhoondisasters;riskassessment;entropymethod;clusteranalysis

2016-06-20

2017-03-03

國家自然科學(xué)基金重點項目“海洋浮游植物粒徑組成分布及其相關(guān)生態(tài)因素對臺風(fēng)的響應(yīng)-基于遙感與現(xiàn)場觀測資料的研究”(41430968)；21世紀(jì)海上絲綢之路協(xié)同創(chuàng)新中心重大項目 (2015HS05)

魏章進(jìn)(1966-)，男，回族，湖北洪湖市人，博士，教授，碩士生導(dǎo)師，主要研究方向為風(fēng)險管理與災(zāi)害評估. E-mail:weizhangjin@126.com

唐丹玲(1959-)，女，湖北武漢人，研究員，博士生導(dǎo)師，主要從事臺風(fēng)災(zāi)害與衛(wèi)星遙感研究. E-mail:lingzistdl@126.com

10.3969/j.issn.1000-811X.2017.03.002.]

X43; P44

A

1000-811X(2017)03-0007-05

10.3969/j.issn.1000-811X.2017.03.002

魏章進(jìn)，馬華鈴，唐丹玲.基于改進(jìn)熵值法的臺風(fēng)災(zāi)害風(fēng)險趨勢評估[J]. 災(zāi)害學(xué)，2017，32(3)：7-11. [WEI Zhangjin, MA Hualing and TANG Danling. Trend Assessment of Typhoon Disasters Based on the Improved Entropy Method[J]. Journal of Catastrophology，2017，32(3)：7-11.