1.一种洪涝灾害脆弱性曲线模型构建方法，其特征在于，所述方法包括以下步骤：S1，分别按照不同百分位数与不同连续日数降水参数组合下提取出的格点化的日降水数据，按县统计到年尺度以计算得到年总极端降水量，计算年总极端降水量与县尺度年总洪涝损失的相关系数，选取最大相关系数对应的降水参数组合作为最优日尺度极端降水量阈值与最优连续日数，并逐格点计算得到该降水参数组合对应的年总极端降水数据，将其表征为灾害强度指标；

S2，将土地利用和土地覆盖变化数据以及通过数字高程模型计算得到的坡度数据作为反映灾害承受体特征的指标，采用密度计算方法对土地覆盖变化数据和坡度数据进行统计，得到对应的权重矩阵；结合权重矩阵，分县分年对统计获得的县级年总损失数据进行栅格化，将其表征为承灾体脆弱性指标；

S3，基于栅格化后的县级年总损失数据与年总极端降水数据，采用四参数Logistic函数构建洪涝灾害损失曲线。

2.根据权利要求1所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，步骤S1中， 采用下述公式计算得到年总极端降水量：；

式中， 表示 县 年的年总极端降水，县在空间上包含 个格点，在时间上第 年包含天； 表示超过极端降水阈值 的格点 在第 天的日降水量， ，为常数，通过百分位数与连续降水日数逐空间格点在时间序列上计算确定，同一个格点的 值在同一降水参数组合下唯一。

3.根据权利要求1所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，步骤S1中，采用下述公式计算年总极端降水量与县尺度年总洪涝损失的相关系数 ：；

其中， 表示 县 年的年总极端降水，表示所有县所有年的年总极端降水数据的均值， 表示 县 年的年总洪涝损失，表示所有县所有年的年总洪涝损失的均值，表示县总数，表示年总数。

4.根据权利要求1所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，步骤S2中，针对土地利用和土地覆盖变化数据，根据分类体系分别提取受洪涝影响的人类活动用地、耕地、牧区草地、经济林地多种地类作为有效像元，通过洪涝灾损分部门数据确定每种地类的分配权重，采用下述公式计算得到相应的LUCC权重矩阵：；

其中 表示土地利用和土地覆盖变化数据对应的权重矩阵， 表示第 种地类的权重， 表示第 种地类在原始高空间分辨率下的有效像元面积， 表示目标低空间分辨率下的像元的面积。

5.根据权利要求1所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，步骤S2中，以坡度15度作为有效像元的提取阈值，采用下述公式计算坡度权重矩阵：；

其中 表示坡度的权重矩阵， 表示坡度数据在原始高空间分辨率下的有效像元面积， 表示目标低空间分辨率下的像元的面积。

6.根据权利要求1所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，结合权重矩阵，采用下述公式分县分年对统计获得的县级年总损失数据进行栅格化：；

式中， 表示县内第 格点的损失值， 表示该县的总损失， 表示第 格点的年极端总降水量， 和 分别表示第格点的LUCC权重矩阵和坡度权重矩阵的权重值。

7.根据权利要求1所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，步骤S3进一步包括：采用四参数Logistic函数构建洪涝灾害损失曲线：

；

式中，为第i格点的年总极端降水量，为第i格点的取自然对数后的直接经济损失；

通过对历史样本点对 进行拟合确定最大损失 、增长速率 、变化拐点 及最小损失 的初始值，记为 ；

将最大损失 、增长速率 、变化拐点 及最小损失 作为目标变量，基于神经网络结构构建得到参数优化模型，以初始拟合参数 为起点，设置最大迭代次数与函数评估次数，对参数优化模型进行迭代训练，直至损失函数变化小于终止公差或者迭代次数达到最大迭代次数，输出目标变量的稳定最优解；

其中，所述参数优化模型包括输入层、特征提取层、参数优化层和输出层；输入层用于提取格点化年总极端降水数据中包含的数值信息、空间位置信息、时间信息作为模型的输入特征集；特征提取层用于采用多个全连接层衔接池化层的结构，结合跳层连接方式，自动提取出输入特征集中反映输入与目标变量之间潜在关系的高维表达特征；参数优化层用于对每个样本点 或包含空间位置信息的输入向量 学习输出一组个性化参数估计值；其中，参数优化层由多层感知器组成，其输入为经过标准化处理的观测数据 ，输出层包括四个独立的全连接子头，分别对应洪涝灾害损失曲线的四个参数：最大损失 、增长速率 、变化拐点 及最小损失 。

8.根据权利要求7所述的洪涝灾害脆弱性曲线模型构建方法，其特征在于，所述损失函数为：；

；

；

；

其中， 、 和 为可调超参数； 为点对拟合损失，通过最小化预测值与真实观测值之间的均方误差，使模型准确回归个体样本的响应值； 为空间总量一致性损失，用于在每一时间步 内，统计所有空间单元上的预测值总和，并将其与对应的真实值总和进行匹配，确保宏观尺度上的总量一致性； 为空间分布结构相似性损失，通过比较每一时间步内预测值与真实值在空间维度上的余弦相似度，约束模型在学习局部拟合的同时保持预测值的空间结构特征，表示县总数，表示年总数， 和 分别表示 县 年直接经济损失的准确值和估值， 和 分别表示第 年所有地区的直接经济损失的准确值和估值， 表示第i格点的取自然对数后的直接经济损失的估值。