台风灾害威胁着沿海城市的社会经济发展。很多经验模型证明台风致灾危险性在不同的省市、国家或者更大空间尺度上存在差异，但这些研究的空间分辨率都较为粗糙，难以描述一个城市内部的台风过程中灾害特征。对于交通等变化较快的承灾体，其灾情和风险研究需要高时间分辨率的台风致灾危险性评估结果为基础。同时，台风灾害往往涉及风、雨等多种要素的影响，且其耦合效应往往会放大破坏性后果。因此，在城市层面上，迫切需要进行高时空分辨率的致灾危险性评估。

基于上述背景，环境演变与自然灾害教育部重点实验室唐继婷博士与杨赛霓教授等人提出了一个高时空分辨率台风灾害致灾危险性评估框架。框架改进了K-Means算法用于台风轨迹聚类，并基于二维Copula理论计算风雨双致灾因子联合发生概率。该框架的特点在于：

（1）框架评估了城市层面的单致灾因子和双致灾因子危险性，并结合当地环境特征解释了台风灾害统计概率的空间异质性。

（2）微调后的K-Means聚类算法不需要调整台风轨迹形状和数据长度，即可更加简单客观地实现台风空间轨迹聚类，保持了台风路径数据的原有特征。

（3）基于Copula理论的双致灾因子耦合分析方法可迁移性较强，也可以扩展到多元联合概率分布。且可以应用于任何具有大量细粒度数据的区域。针对台风等自然灾害，对上尾部和下尾部的数据(即分布两端的极值)拟合精度的意义更大，因此用Copula理论构建二维联合分布进行台风灾害的概率研究对于分析其形成机制和风险大小具有重要参考价值。

该方法在中国广东省沿海特大城市深圳进行了实证研究。基于评估结果，我们可以回答某些地区台风引起的风雨耦合的任意概率强度问题。这是评估城市尺度的台风风险和交通系统韧性的第一步。主要结论如下：

（1）在台风灾害风雨要素的相关关系中，时间尺度效应显著，且高时间精度的台风灾害过程中风速和降水量之间的相关性并非如以往年度统计值所言之高。这提醒我们根据具体的使用场景使用适当的时间尺度。

（2）台风致灾危险性在城市内存在空间异质性。深圳东南部海岸是致灾危险性最大的区域，应加强灾害防范。

（3）不同类型台风对小区域的影响也存在差异，台风从西侧登陆时的致灾危险性比从东侧登陆更高，这主要与海陆环境和地形因素有关。

本研究能更好地揭示台风系统与深圳市地理地形的相互作用，高时空分辨率的台风致灾危险性分布特性对台风灾害下特定承灾体的风险评估和应急管理等工作具有启示作用。

图1 台风灾害风雨致灾危险性评估框架

图2 双致灾因子对交通致灾的概率空间差异。(a) 西侧台风的风雨共现致灾概率；(b) 西侧台风的风雨联合致灾概率； (c) 东侧台风的风雨共现致灾概率；(d) 东侧台风的风雨联合致灾概率。

该工作以“High-Resolution Hazard Assessment for Tropical Cyclone-Induced Wind and Precipitation: An Analytical Framework and Application”为题发表在Sustainability上，受到了国家重点研发项目(No. 2018YFC1508903)和中国海洋大学科研启动资金(No. 862201013145)的支持。

引用：Tang, J.; Hu, F.; Liu, Y.; Wang, W.; Yang, S. High-Resolution Hazard Assessment for Tropical Cyclone-Induced Wind and Precipitation: An Analytical Framework and Application. Sustainability 2022, 14, 13969. https://doi.org/10.3390/su142113969