尹宜舟,主要从事气象灾害风险方面研究.Email:
基于灾度相关模型,提出了面向气象灾害的四维灾体模型。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,在灾度平面垂直方向,以死亡失踪人数为要素形成第四维,最终形成四维灾体。将模型初步应用于我国气象灾害损失年景评价分析之中,结果显示,2003、2006和2010年为气象灾害损失明显偏重年景;验证分析表明,灾体模型将死亡失踪人数作为特殊的一维来考虑,凸显了其在整个气象灾害损失评价中的重要地位,另外增加受灾面积指标,使得评价结果更趋完整。
Based on the conceptual model of disaster magnitude, a four-dimensional meteorological disaster volume model is proposed. The disaster plane, which is composed of the numbers of affected people, affected area and direct economic losses, is considered as the basic scale of the disaster loss. The number of deaths and missing people is the fourth dimension, which is in the vertical direction of the disaster plane. Then, a four-dimensional meteorological disaster volume is formed. The disaster volume model has initially been applied to the annual evaluation of meteorological disasters in China, and the annual evaluation results show that meteorological disaster losses are obviously heavier in 2003, 2006 and 2010. The verification results show that the disaster volume model considers the number of the dead and missing people as a special dimension, highlighting its weight in the assessment of the whole disaster loss. In addition, the disaster area is added, making the evaluation results more complete.
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(
灾度的概念最先由
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(
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。
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》(
国内学者提出过灾度相关示意图(
灾度模型示意图
Schematic diagram of disaster magnitude model
在前人研究基础上,提出面向气象灾害的四维灾体模型。如
灾体模型示意图
Schematic diagram of disaster volume model
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。
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
式中
灾体量指数(
式中
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(
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%。
2003—2017年我国气象灾害年损失指标变化
Changes of annual loss indices of meteorological disasters in China from 2003 to 2017
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
2003—2017年我国气象灾害年损失灾体量和相对灾体量指数变化
Disaster volume index and relative disaster volume index of annual meteorological disaster losses in China from 2003 to 2017
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
气象灾害损失年景评价标准及评价结果
Evaluation criteria and results of annual meteorological disaster losses
评价 | 阈值计算 | 阈值 | 年份 |
注: |
|||
明显偏重 | 2003、2006、2010 | ||
偏重 | ( |
0.26≤ |
2005、2007 |
一般 | ( |
0.11≤ |
2004、2008、2009、2013 |
偏轻 | ( |
0.03≤ |
2011、2012、2014、2016 |
明显偏轻 | 2015、2017 |
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(
2018年气象灾害损失年景评价阈值
Evaluation criteria of annual meteorological disaster losses in 2018
评价 | 阈值计算 | 2018年评价阈值 |
注:同 |
||
明显偏重 | ||
偏重 | ( |
0.067≤ |
一般 | ( |
0.028≤ |
偏轻 | ( |
0.008≤ |
明显偏轻 |
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,
部分年份计算相对灾体量指数时采用的各项指标排名
Ranking of indicators used for calculating relative disaster volume indices in some years
指标 | 受灾面积比 | 受灾人口比 | 直接经济损失比 | 死亡失踪人数 |
2010年 | 8 | 3 | 2 | 1 |
2006年 | 4 | 4 | 3 | 2 |
2003年 | 1 | 5 | 1 | 6 |
2007年 | 2 | 7 | 7 | 3 |
2005年 | 6 | 8 | 4 | 4 |
2008年 | 5 | 2 | 5 | 7 |
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
三种模型计算的相对指数部分结果
Partial results of relative index calculated by the three models
年份 | 相对灾体 | 年份 | 相对灾度 | 年份 | 相对灾度面积 |
2010 | 0.54 | 2010 | 1.56 | 2010 | 0.70 |
2006 | 0.38 | 2003 | 1.39 | 2006 | 0.52 |
2003 | 0.34 | 2006 | 1.35 | 2003 | 0.52 |
2007 | 0.28 | 2005 | 1.21 | 2005 | 0.42 |
2005 | 0.26 | 2008 | 1.18 | 2008 | 0.37 |
2008 | 0.20 | 2009 | 1.15 | 2007 | 0.36 |
2004 | 0.19 | 2007 | 1.14 | 2004 | 0.32 |
2009 | 0.16 | 2004 | 1.06 | 2009 | 0.29 |
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(
卜风贤.1996.中国农业灾害史料灾度等级量化方法研究[J].中国农史, 15(4):38-46.
Bu F X. 1996.Study on quantification method of agricultural disaster history grades in China[J].Agric Hist China, 15(4):38-46(in Chinese).
高建国. 2008.灾害对社会影响和损失大小的一个可量化值--灾度[J].中国人口·资源与环境, 18(S1):588-590.
Gao J G. 2008.A quantifiable value of the impact of disasters on society and the magnitude of the damage-the degree of disaster[J].China Po-pul, Res Environ, 18(S1):588-590(in Chinese).
高庆华, 马宗晋, 张业成, 等. 2007.自然灾害评估[M].北京:气象出版社:1-8.
Gao Q H, Ma Z J, Zhang Y C, et al. 2007.Natural Disaster Assessment[M].Beijing:China Meteorological Press:1-8.
国家统计局. 2018.中国统计年鉴2018[M].北京:中国统计出版社:31-401.
National Bureau of Statistics of China. 2018.China Statistical Yearbook 2018[M].Beijing:China Statistics Press:31-401.
金荣花, 代刊, 赵瑞霞, 等. 2019.我国无缝隙精细化网格天气预报技术进展与挑战[J].气象, 45(4):445-457.
Jin R H, Dai K, Zhao R X, et al. 2019.Progress and challenge of seamless fine gridded weather forecasting technology in China[J].Meteor Mon, 45(4):445-457(in Chinese).
李宁, 张正涛, 陈曦, 等. 2017.论自然灾害经济损失评估研究的重要性[J].地理科学进展, 36(2):256-263.
Li N, Zhang Z T, Chen X, et al. 2017.Importance of economic loss evaluation in natural hazard and disaster research[J].Prog Geogr, 36(2):256-263(in Chinese).
马宗晋, 胡嘉海, 孙绍骋, 等. 1990.灾害与社会[M].北京:地震出版社:137-141.
Ma Z J, Hu J H, Sun S C, et al. 1990.Disaster and Society[M].Beijing:Seismological Press:137-141(in Chinese).
秦大河, 张建云, 闪淳昌, 等. 2015.中国极端天气气候事件和灾害风险管理与适应国家评估报告[M].北京:科学出版社:1-17.
Qin D H, Zhang J Y, Shan C C, et al. 2015.China National Assessment Repot on Risk Management and Adaptation of Climate Extremes and Disasters[M].Beijing:Science Press:1-17.
全国重大自然灾害调研组. 1990.自然灾害与减灾600问答[M].北京:地震出版社:6-7.
National Major Natural Disaster Research Group. 1990.600 Questions and Answers about Natural Disasters and Disaster Reduction[M].Beijing:Seismological Press:6-7(in Chinese).
史培军, 宋长青, 程昌秀. 2019.地理协同论--从理解"人-地关系"到设计"人-地协同"[J].地理学报, 74(1):3-15.
Shi P J, Song C Q, Cheng C X. 2019.Geographical synergetics:from understan-ding human-environment relationship to designing human-environment synergy[J].Acta Geogr Sin, 74(1):3-15(in Chinese).
孙卫东. 1993.相对灾度的提出及其实际意义[J].灾害学, 8(3):88-89.
Sun W D. 1993.Relative disaster degree:meaning and uses[J].J Catastrophol, 8(3):88-89(in Chinese).
孙卫东, 彭子成. 1995.灾度指数及其意义[J].灾害学, 10(2):16-20.
Sun W D, Peng Z C. 1995.Hazard rate index and its significance[J].J Catastrophol, 10(2):16-20(in Chinese).
徐璨. 2018.改革·创新·治理--重要事件勾勒我国防灾减灾救灾十年发展路[J].中国减灾, (9):8-11.
Xu C. 2018.Reform, innovation and governance-important events outline the 10-year development path of disaster prevention, reduction and relief in China[J].Disaster Reduct China, (9):8-11.
徐好民. 1991.灾害的级、类、度[J].科技导报, (4):61-63.
Xu H M. 1991.Standardization system of disaster measurement[J].Sci Technol Rev, (4):61-63(in Chinese).
徐敬海, 聂高众, 李志强, 等. 2012.基于灾度的亚洲巨灾划分标准研究[J].自然灾害学报, 21(3):64-69.
Xu J H, Nie G Z, Li Z Q, et al. 2012.Disaster magnitude based Asian catastrophe criterion for classification[J].J Nat Disasters, 21(3):64-69(in Chinese).
杨波, 郑永光, 蓝渝, 等. 2017.国家级强对流天气综合业务支撑体系建设[J].气象, 43(7):845-855.
Yang B, Zheng Y G, Lan Y, et al. 2017.Development and construction of the supporting platform for national severe convective weather forecasting and service[J].Meteor Mon, 43(7):845-855(in Chinese).
于庆东. 1993.灾度等级判别方法的局限性及其改进[J].自然灾害学报, 2(2):8-11.
Yu Q D. 1993.The limitation and improvement of the method of disaster situation grade measurement[J].J Nat Disasters, 2(2):8-11(in Chinese).
中国气象局, 2004-2018.中国气象灾害年鉴(2003-2017)[M].北京: 气象出版社.
China Meteorological Administration, 2004-2018.China Meteorological Disaster Yearbook (2003-2017)[M].Beijing: China Meteorological Press.