2022年数维杯国际大学生数学建模挑战赛D题三重拉尼娜事件下极端气候灾害损失评估与应对策略研究求解论文及程序

2022年数维杯国际大学生数学建模挑战赛

D题 三重拉尼娜事件下极端气候灾害损失评估与应对策略研究

原题再现：

  2022年7月至8月，中国南方许多城市经历了多天的炎热天气，而北方部分地区也出现了大面积强降水。此外，许多欧洲国家也经历了历史上罕见的干旱灾害。无论是南方的高温天气，北方的强降水，还是欧洲的干旱天气，都是几十年来前所未有的，甚至有气象资料以来的最高温度、强降水和干旱灾害都有记录。高温天气给南方和欧洲国家的许多城市造成了一定规模的经济损失和人员伤亡。同样，强降雨导致北方一些地区的农业生产大幅减少，甚至没有收成。气象部门将这种高温现象和强降水事件归因于三重拉尼娜事件。
  世界气象组织的最新数据显示，持续了很长时间的拉尼娜事件很可能持续到今年年底或以后。这将是21世纪第一次拉尼娜三重事件，这意味着北半球连续三个拉尼娜冬季。拉尼娜事件是赤道太平洋东部和中部海面温度继续异常寒冷的现象。英国《自然》杂志6月发出警告称，更多拉尼娜事件将产生多重影响，如东南亚发生洪涝概率增加，美国西南部干旱和野火风险增加，太平洋和大西洋形成多重飓风、气旋和季风模式，引发其他地区天气变化等。
  请结合https://www.ncei.noaa.gov/maps/daily/ 等国际气象数据免费下载平台及其相关优化建模方法完成以下四个问题：
  （1）对参与全球三重拉尼娜事件的主要国家和地区进行统计分析，预测未来发生三重拉尼娜事件的可能性;
  （2）以一个国家为例，评估分析三重拉尼娜事件下高温干旱造成的各类灾害损失，提供有针对性的应对策略。
  （3）以一个国家为例，评估和分析三重拉尼娜事件作用下洪涝灾害造成的各种灾害损失，提供有针对性的应对策略;
  （4）请针对三重拉尼娜事件，向相关管理层撰写不超过2000字的报告。

整体求解过程概述(摘要)

  目前，人们对三重拉尼娜事件不断存在争议。一方面，由于温室效应的不断积累，地球-大气系统吸收和释放的能量不平衡，导致地球-大气系统中能量不断积累，导致全球变暖;另一方面，近年来，极端寒冷的天气频繁发生。赤道太平洋东部和中部寒冷海面温度持续异常引起的拉尼娜事件给世界大部分地区带来了许多影响。根据世界气象组织的最新数据，持续很长时间的拉尼娜事件很可能会持续到今年年底或更长时间。这将是21世纪第一次“三重”拉尼娜事件，将对人类生活产生重大影响。因此，有必要借助计算机对多年来的全球气候数据进行分析，找出拉尼娜现象的规律，从而加深人们对拉尼娜三重事件的认识。
  针对第一个问题：我们统计了参与全球三重拉尼娜事件的主要国家和地区，并分析了对这些地区的影响。然后我们使用 Surfer 软件和克里金插值法对温度场进行建模和插值[2]。研究发现，在过去的100年里，全球气温随着时间的推移而升高。采用小波分析法分析海洋表面温度变化规律。我们预测，三重拉尼娜事件很可能在未来发生，并将持续到 2022 年 2023 月至 3 年 5 月。
  针对第二个问题：以中国为例，通过对比分析方法选取了华南地区受旱热灾害影响林地面积的相关数据，通过前期数据预处理丢弃了一些冗余变量，并根据得到的皮尔逊相关系数减少了变量数量.采用灰色相关度和随机森林模型对处理后数据的重要性进行排序，选取对干旱林地面积有显著影响的前9个变量。三重拉尼娜现象对热损失和干旱灾害的影响是定量评估，提出有效的应对策略。
  针对第三个问题：以澳大利亚为例，采用对比法选取工业经济增长率数据作为适宜指标，通过建立三重拉尼娜现象对指数的影响模型，定量评价洪涝灾害造成的损失。我们统计分析了澳大利亚2010-2021年农业收入、GDP和贸易数据的增长率，利用回归预测模型预测了2022年的相应指标，并将预测结果与2022年的实际统计结果进行了对比，从而定量评估和分析了三重拉尼娜事件下洪水造成的各种灾害损失， 并提出有效的应对策略。
  针对第四个问题：在前三个问题内容的基础上，我们向国家气象局提交了报告，阐述了我们对“三重拉尼娜”事件的认识，并给出了一些相关对策。

问题分析：

问题背景

  洪水和热浪目前正在全球造成气候破坏。随着全球气候变暖，极端天气事件的频率正在发生变化，呈上升趋势。事实上，人类正在适应极端天气事件，炎热的夏季、猛烈的飓风、刺骨的寒冷和暴雨洪水成为“常规”事件，好天气现在被认为是一种奢侈品。根据香港天文台的资料，预计2013年全球因全球变暖而引发的极端天气事件的频率将会增加。
  近年来，极端天气造成的灾害损失不断增加，如何对极端事件做出准确的气候预测仍然是一个紧迫的问题，预测和预防模型有待完善。英国《自然》杂志7月的一篇文章警告说，更多的拉尼娜事件将产生多重影响，例如增加东南亚发生洪水的可能性[<>]，增加美国西南部干旱和山火的风险，并在太平洋和大西洋造成多种飓风，气旋和季风模式， 以及引发其他地区的天气变化。
  因此，我们的任务是利用现有的统计数据，开发一个简单、直观和有效的三重拉尼娜环境模型，了解影响拉尼娜的因素和拉尼娜带来的灾害的影响，并进行定量分析，可以评估影响三重拉尼娜想象中的许多因素， 比如温度。在此基础上，该模型将在全世界复制和分析，并应用于世界上需要预测的地区，以提高对备灾的认识，并监测决策者对备灾项目的政策。

问题分析

  问题一：本问题首先确定受三拉尼娜影响的主要国家和地区，分析当地三拉尼娜事件的影响，得到相应的气候变化特征。然后需要收集海洋表面温度的年变化数据进行分析，并利用小波分析方法预测未来发生三重拉尼娜事件的可能性。
  问题二：本问题需要首先通过对比分析方法查找一国旱热灾害影响的相关数据，选择合适的指标建立三拉尼娜现象对这些指标影响的评价模型，然后利用灰色相关度和随机森林模型对这些指标的重要性进行排序。选择对干旱林地面积有重大影响的前9个变量来定量评估三重拉尼娜现象对热量和干旱灾害损失的影响。最后，针对影响给出了有针对性的措施。

  问题三：这个问题需要调查三重拉尼娜事件下一个国家洪涝灾害造成的各种灾害损失，如2010-2021年农业收入增速、GDP、贸易数据等，然后用回归预测模型预测该国未来几年的相应指标。将预测结果与当年实际统计结果进行对比，得到三重拉尼娜事件下洪涝灾害造成的各种灾害损失。最后，针对影响给出了有针对性的措施。
  问题四：这个问题的解决是基于前三个问题。通过总结受三重拉尼娜事件影响的主要国家和地区，分析了三重拉尼娜事件的主要影响，并预测了未来发生三重拉尼娜事件的可能性。基于这些问题，向相关管理层撰写报告，为应对复杂的三重拉尼娜事件提供合理建议。
1980—2021年华南林场植被平均覆盖度的空间分布特征和面积占比

论文缩略图

全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可

程序代码或文档not free

%%绘制世界地图
ax = worldmap('World');
setm(ax,'Origin', [0 0]);
land = shaperead('landareas','UseGeoCoords', true);
geoshow(ax, land,'FaceColor', [0.5 0.7 0.5]);
%按照经纬度绘制点位
T=-135:1:-90;
W=10:1:55;
T2=-90:1:-45;
W2=-45:1:0;
T3=90:1:115;
W3=10:1:35;
T4=-45:1:-10;
W4=110:1:145;
T5=110:1:130;
W5=10:1:30;
W6=-30:1:-10;
W7=0:1:45;
W8=-25:1:20;
T7=35:-1:-10;
scatterm(W,T,2,'filled') %经纬度可以是单个点的，也可以是若干个点的
scatterm(W2,T2,2,'filled')
scatterm(W3,T3,2,'filled')
scatterm(W4,T4,2,'filled')
scatterm(W5,T5,2,'filled')
scatterm(W6,T5,2,'filled')
scatterm(T7,W7,2,'filled')
scatterm(T7,W8,2,'filled')

%小指标权重计算
% x=xlsread('干旱数据','sheet2')
data=[new1;new2;new3;new4]
E=[]
W=[]
d=[]
[n,m]=size(data)
for i=1:2:9
E=[E,(data(:,i)+data(:,i+1))/2]
end
for j=1:2:9
W=[W,(data(:,j+1)-data(:,j))/2]
end
for i=1:5
for j=i:5
dw=sqrt((E(:,i)-E(:,j)).^2+1/3*(W(:,
i)-W(:,j)).^2)
d=[d,dw]
end
end
sumd=sum(d,2)*2
sumall=sqrt(sum(sumd.*sumd,1))
Wj=sumd/sumall
Wj4=Wj/sum(Wj)
%%大指标权重计算
# Procedures other than the above documents
data1=[0 0.09 0.09 0.32
0.32 0.55 0.55 0.77 0.77
1
0 0.42 0.42 0.63 0.63
0.84 0.84 0.95 0.95 1];
data2=[0 0.23 0.23 0.38
0.38 0.54 0.54 0.69 0.69
1
0 0.14 0.14 0.29 0.29
0.43 0.43 0.57 0.57 1
0 0.24 0.24 0.41 0.41
0.59 0.59 0.82 0.82 1
0 0.46 0.46 0.62 0.62
0.77 0.77 0.92 0.92 1
];
data3=[0 0.88 0.88 0.93
0.93 0.96 0.96 1.00 1.00
1
0 0.33 0.33 0.50 0.50
0.67 0.67 0.83 0.83 1
0 0.09 0.09 0.27 0.27
0.45 0.45 0.64 0.64 1
0 0.07 0.07 0.23 0.23
0.48 0.48 0.74 0.74 1
];
data4=[0 0.51 0.51 0.77 0.77 0.92 0.92 0.97 0.97 1 0 0.44 0.44 0.58 0.58
0.86 0.86 0.94 0.94 1 0 0.18 0.18 0.36 0.36 0.71 0.71 0.89 0.89 1 0 0.10 0.10 0.36 0.36
0.62 0.62 0.87 0.87 1 0 0.37 0.37 0.52 0.52 0.67 0.67 0.89 0.89 1 ];
new1=zeros(1,10);
new2=zeros(1,10);
new3=zeros(1,10);
new4=zeros(1,10);
wj1=[0.5274 0.4726]';
wj2=[0.2443 0.2380 0.2714 0.2462 ]';
wj3=[0.1824 0.2549 0.2659 0.2968]';
wj4=[0.1779 0.1891 0.2231 0.2260 0.1839]';
for i=1:2
new1=new1+wj1(i)*data1(i,:);
end
for i=1:4
new2=new2+wj2(i)*data2(i,:);
end
for i=1:4
new3=new3+wj3(i)*data3(i,:);
end
for i=1:5
new4=new4+wj4(i)*data4(i,:);
end
new1
new2
new3
new4

全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可