引言

我国是世界上受气象灾害影响最为严重的国家之一，灾害种类多，分布地域广，发生频率高，造成损失重。近年来，受全球变暖的影响，极端事件趋多趋强，我国面临的气象灾害及其衍生灾害风险正在不断加大，由此造成的灾害损失也在不断增加(秦大河等，2015)。因此，必须充分认识损失评估的重要性以及灾情形成的机理，推动自然灾害损失评估方法和理论的不断完善与创新(李宁等，2017；史培军等，2019)。

灾度的概念最先由马宗晋等(1990)提出，认为灾度是自然灾害损失绝对量度量的分级标准，根据自然灾害造成的死亡人数和直接经济损失，将灾害事件划分为巨灾、大灾、中灾、小灾、微灾5个等级，这使得国内对自然灾害灾情等级划分有了明确的量化标准，后又提出了8级灾度划分法，并给出了一元灾度的表达式(全国重大自然灾害调研组，1990；徐好民，1991)。于庆东(1993)、孙卫东(1993)、孙卫东和彭子成(1995)对灾度及其等级进一步做了改进或变通。

灾度最初仅被用于评判地震灾情，后逐渐应用于洪水灾害、风暴潮灾害等领域(卜风贤，1996)，且得到了广泛认同和应用，为灾害评估和灾情统计提供了参考依据(高庆华等，2007)。高建国(2008)提出了灾度的空间三维定义，认为灾度是三维空间中的原点到某点的直线距离，而该点的位置由死亡人数、直接经济损失和受灾人数决定。徐敬海等(2012)在利用灾度的概念对亚洲巨灾划分标准进行研究时，提出了“灾度平面”的概念，认为灾度为一个三维空间平面，该三维空间的3个轴分别为经济损失、死亡人数、受灾人数，这进一步丰富了灾度的概念及内涵。但是，将灾度的三维定义或灾度平面应用于气象灾害损失评价之中时，受限于维数，无法将常用的受灾面积或其他指标纳入其中，这导致损失信息不完整，在一定程度上会影响评价结果的合理性。

本文拟在灾度相关概念的基础上提出面向气象灾害的四维灾体模型，并初步应用于我国气象灾害损失年景评价之中，以丰富气象灾害损失评估的技术方法。

1 资料方法 1.1 资料来源

本文所用的气象灾害损失资料取自每年出版的《中国气象灾害年鉴》(中国气象局，2004—2018)，目前出版物资料时段为2003—2017年，故本文分析时段定为2003—2017年。年末总人口、年播种面积、国内生产总值、商品零售价格指数均来自《中国统计年鉴2018》(国家统计局，2018)。

1.2 灾体模型

国内学者提出过灾度相关示意图(高建国，2008；徐敬海等，2012)，如图 1所示，经济损失、死亡人数、受灾人数三要素组成直角坐标系。高建国(2008)提出的示意图中灾度为三要素构成的长方体的对角线，徐敬海等(2012)认为灾度为一个三维空间平面，即灾度平面。

在前人研究基础上，提出面向气象灾害的四维灾体模型。如图 2所示，由直接经济损失、受灾人数、受灾面积形成灾度平面，此为损失的基本规模，再在灾度平面的垂直方向，起于灾度平面向上，由死亡失踪人数确立一个三角体，此三角体即称为灾体。若指标采用的是绝对损失值，则称此三角体的“体积”为灾体量指数。除死亡失踪人数外，若直接经济损失、受灾人数、受灾面积指标采用的是相对值(如灾损率等)，则称为相对灾体量指数。

灾体将常见的4个气象灾害损失指标包括在内，灾体量大小由这四要素决定，因此四维灾体及相关概念能够较完整地描述气象灾害损失的体量。在实际应用中，可以根据具体的灾害损失指标来确定各维要素。

1.3 灾体量相关指数计算方法

以气象灾害损失年景评价为例，若采用绝对损失值，假设某年气象灾害年受灾人数(单位：万人次)、年受灾面积(单位：hm²)、年直接经济损失(单位：亿元)、年死亡失踪人数(单位：人)分别为X、Y、Z、R，分别进行归一化处理得到x、y、z、r，则(x，y，z，r)为灾体结构的基本要素。以X为例，归一化方法如下：

$ x=\frac{X}{{{X}_{\max }}} $

(1)

式中X_max为X序列最大值。对于直接经济损失，在进行规范化处理之前，利用商品零售价格指数进行订正，本文统一订正到2010年价格水平。

灾体量指数(D)计算公式如下：

$ D=S\cdot r $

(2)

式中S为灾度平面面积。假设灾度平面三个边边长分别为a、b、c，半周长为p，则：

$ S=\sqrt{p(p-a)(p\vdash b)(p-c)} $

(3)

$ p=\frac{1}{2}\left(a+b+c \right) $

(4)

$ a=\sqrt{{{x}^{2}}+{{y}^{2}}} $

(5)

$ b=\sqrt{{{x}^{2}}+{{z}^{2}}} $

(6)

$ c=\sqrt{{{z}^{2}}+{{y}^{2}}} $

(7)

若将计算指标改为灾害损失的相对值，即灾害损失率，则计算结果称为相对灾体量指数(D^*)。年受灾人数、年受灾面积、年直接经济损失对应的灾害损失率分别为绝对损失值与年末总人口(单位：万人)、年播种面积(单位：万hm²)和国内生产总值(单位：亿元)的比值。

2 应用分析 2.1 基本灾情特征

2003—2017年，我国平均每年因气象灾害造成的受灾面积为3510.8万hm²，受灾人数为34472.7万人次，死亡失踪人数为2132.6人，直接经济损失(除特别说明外，均为按2010年价格水平，下同)为3030.4亿元，直接经济损失占当年GDP比重为0.83%。图 3给出了2003—2017年我国气象灾害年灾害损失指标变化，可以看出，直接经济损失呈现出上升的趋势，但是占GDP比重为下降趋势；其他三个指标呈现出明显的下降趋势，同时受灾面积占播种面积比重、受灾人口占年末总人口比重均呈现出明显的下降趋势。

2.2 年景评价分析

根据1.3节方法逐年计算2003—2017年我国气象灾害损失灾体量和相对灾体量指数，结果如图 4所示。可以看出2003—2017年，我国气象灾害年损失灾体量指数呈现出明显的下降趋势，特别是2011年以来指数平均值(0.08)远低于2003—2010年平均值(0.27)。比较发现，2011年以来，年平均受灾面积、受灾人口、死亡失踪人数由2003—2010年平均值4332.2万hm²、41551.8万人次、2777.6人分别减少为2572.0万hm²、26382.2万人次、1395.4人，特别是死亡失踪人数减少近50%；直接经济损失有所增加，由2874.6亿元增加为3208.4亿元，增幅为11.6%，但是当年损失值占当年GDP的比重由1.1%下降为0.6%。相对灾体量指数的变化趋势与上述情况基本一致，2011年以来指数平均值(0.05)远低于2003—2010年平均值(0.29)。

因为相对灾体量指数考虑了当年的社会经济发展情况，故采用2003—2017年相对灾体量指数平均值与标准差的组合作为划分标准，将灾害年景分为明显偏重、偏重、一般、偏轻、明显偏轻5类，结果如表 1所示，最终评价结果为2003、2006、2010年为明显偏重年，2005和2007年为偏重年，除2013年外，2011年以来的年份均为偏轻或明显偏轻。

2011年以来各灾情指标值的明显减少是相对灾体量指数减少的直接原因，同时预报预测方法和水平的提升(杨波等，2017；金荣花等，2019)以及防灾减灾救灾能力的加强(徐璨，2018)是其减少的间接原因，这些间接原因无法在灾情综合评估中体现。若将年景评价放入长时间序列中进行评判，可能会导致2017年之后损失年景仍旧以偏轻或明显偏轻年份为主。因此实际业务中，在进行长序列整体评价的同时，可另外参考近5年的情况来对当年灾害年景进行补充评价，如2018年，根据应急管理部灾情统计结果，计算的相对灾体量指数为0.01，参照表 1标准，其为灾害损失明显偏轻年景；与近5年相比，参照2013—2017年情况(表 2)，则属偏轻年景。

2.3 验证分析

2010、2006和2003年为相对灾体量指数排名前三的年份，也是3个灾害年景明显偏重的年份，表 3给出了计算相对灾体量指数时这3个年份各指标在2003—2017年内的排位情况。结合指标排位及重大气候事件，分别对这3年情况进行分析。

2010年死亡失踪人数位列第一，其数值为5038人，比排名第二的2006年多出1500余人。死亡失踪人数明显偏多，主要是：8月7日甘肃甘南州出现局地短时强降水，引发舟曲特大山洪泥石流灾害，造成1700多人死亡失踪；因暴雨洪涝灾害造成四川死亡人数达221人，还造成吉林、河南、云南、陕西四省死亡人数超过100人；1011号台风凡比亚导致广东、福建和广西三省(区)135人死亡失踪。2010年直接经济损失当年值为5097.5亿元，其占当年GDP的1.2%，占比仅次于2003年(1.5%)，另外受灾人口比也位列第三。综上，因为2010年死亡失踪人数明显偏多，且直接经济损失比和受灾人口比偏大，所以总体上灾情明显偏重。

2006年死亡失踪人数为3485人，位列第二，比排名第三的2003年多出1200余人。主要是：0604号强热带风暴碧利斯共造成843人死亡，为1976年以来单个台风死亡人数第二多；0608号超强台风桑美登陆强度达60 m·s^-1，仅次于1409号超强台风威马逊，为新中国成立以来登陆中国大陆台风第二强，共造成483人死亡；当年因台风共造成1522人死亡。2006年直接经济损失比、受灾人口比、受灾面积比排位都相对靠前，所以总体上灾情明显偏重。

2003年受灾面积比和直接经济损失比均位列第一。受灾面积为5479.5万hm²，受灾面积占播种面积比为36%，比2003—2017年平均值多出近15个百分点。干旱受灾面积为2485.2万hm²，主要是东北地区出现严重冬春连旱，受旱农田面积超过1000万hm²，另外江南、华南发生严重伏旱。暴雨洪涝受灾面积为1937.4万hm²，为2003—2017年最大，比这15年平均值多出1000余万公顷，当年淮河流域出现流域性特大洪水，另外黄河中下游及汉江出现历史罕见的秋汛。2003年直接经济损失当年值为2118.6亿元，规模约为2010年的四成，但是2010年的GDP为2003年的3倍，最终2003年直接经济损失占比(1.5%)超过2010年(1.2%)，位列第一。总体上，2003年因受灾面积比、直接经济损失比相对最大，但是死亡失踪人数接近于2003—2017年平均，最终相对灾体量指数位列第三，年景评价为明显偏重年份。

为了进一步验证灾体模型，根据图 1，分别计算逐年气象灾害损失的“灾度”和“灾度平面”，“灾度”由立方体对角线长度表示，“灾度平面”由其面积来表示，计算采用相对指标归一化后对应的值，所得结果分别称为相对灾度和相对灾度面积。表 4给出了三种模型的计算结果排名前8的年份，之后排位顺序对应的年份均一致。可以看出，相对于另外两种模型，相对灾体存在较明显的差异主要有两处：2006年超过2003年，位居第二；2007年超过了2005和2008年。从图 3可以看出2006年仅在死亡失踪人数(3485人)方面相对于2003年(2204人)优势较大，而在受灾面积比和直接经济损失比上比2003年小，可以看出因为灾体模型中将死亡失踪人数作为特殊的一维来考虑，凸显了其在整个灾害损失评价中的重要地位，使得2006年相对灾体量指数高于2003年。另外从表 3可以看出，2007年受灾面积比和死亡失踪人数分别位列第二和第三，均高于2005和2008年。在灾体模型中除了将死亡失踪人数作为特殊的一维来考虑外，还增加了受灾面积指标，灾情信息量更加丰富，这两方面因素可能是模型结果中2007年超过2005和2008年的主要原因。

3 结论与讨论

本文借鉴灾度相关模型，提出面向气象灾害损失评价的四维灾体模型，该模型以受灾人数、受灾面积和直接经济损失形成的灾度平面作为损失的基本规模，以死亡失踪人数为要素在灾度平面垂直方向形成第四维，最终形成四维灾体。该模型相对于三维灾度模型及灾度平面，可以更完整地描述气象灾害损失的体量。本文将该灾体模型初步应用于我国气象灾害损失年景评价之中，得到如下结论：

(1) 2003—2017年，除年直接经济损失(2010年价格水平)外，年受灾人数、年受灾面积和年死亡失踪人数以及直接经济损失GDP比重、受灾面积占播种面积比重、受灾人口占年末总人口比重均呈现出明显的下降趋势。最终导致2003年以来相对灾体量指数呈现出明显的下降趋势，特别是2011—2017年指数平均值(0.05)远低于2003—2010年平均值(0.29)。

(2) 气象灾害损失年景评价结果显示，2003、2006、2010年为明显偏重年，验证分析表明这三年内均有重大气候事件发生，导致灾情偏重。除2013年外，2011年以来的年份均为偏轻或明显偏轻年。在气象灾害损失年景评价实际应用中，受限于无法评估预报预测水平的提升、防灾减灾救灾能力的加强等间接因素对相对灾体量指数的影响，因此建议在长时间序列中进行评价的同时，进一步参考近5年的情况来对当年灾害损失年景进行评价。

(3) 灾体模型将死亡失踪人数作为特殊的一维来考虑，凸显了其在整个灾害损失评价中的重要地位，另外增加受灾面积指标，使得灾情信息量更加丰富，评价结果更趋完整。

(4) 本文应用的气象灾害损失指标规范化方法不是唯一方法，空间范围也可以是省级或地市级等，构建灾体模型的(x，y，z，r)指标可以根据实际情况来进行选择。后续研究计划将灾体模型进一步应用于单种气象灾害损失年景评价以及单个气象灾害事件损失评价之中。