热带气象学报  2018, Vol. 34 Issue (3): 332-338  DOI: 10.16032/j.issn.1004-4965.2018.03.006
0

引用本文  

赵珊珊, 高歌, 任福民, 等. 广东省县域单元热带气旋灾害损失评估方法研究[J]. 热带气象学报, 2018, 34(3): 332-338.DOI: 10.16032/j.issn.1004-4965.2018.03.006.
赵珊珊, 高歌, 任福民, 等. Method of typhoon disaster loss assessment for county-based units in guangdong[J]. JOURNAL OF TROPICAL METEOROLOGY, 2018, 34(3): 332-338. DOI: 10.16032/j.issn.1004-4965.2018.03.006.

基金项目

国家自然科学基金项目(41605069、41475064)共同资助

通讯作者

高歌, 女, 河南省人, 研究员级高级工程师, 博士, 主要从事气象灾害风险管理研究。E-mail:gaog@cma.gov.cn

文章历史

收稿日期:2017-02-07
修订日期:2018-02-28
广东省县域单元热带气旋灾害损失评估方法研究
赵珊珊 1,2, 高歌 1,2, 任福民 3,4, 陆逸 3, 万仕全 5     
1. 国家气候中心,北京 100081;
2. 南京信息工程大学气象灾害预报预警与评估协同创新中心,江苏 南京 210044;
3. 中国气象科学研究院/灾害天气国家重点实验室,北京100081;
4. 江苏省气候变化协同创新中心,江苏 南京 210093;
5. 扬州市气象局,江苏 扬州 225009
摘要:利用2004—2014年广东省的热带气旋(Tropical Cyclone, TC)降水和大风资料以及TC造成的直接经济损失数据,通过TC经济灾损率的定义,研究了TC直接经济损失与TC降水和大风的关系,并建立评估模型。广东省沿海地区是TC降水和大风影响频繁地区,TC经济灾损率和受灾频次在广东西南部和东部沿海地区较大。TC经济灾损率与TC降水和大风之间存在较好的指数关系。由此得到不同等级经济灾损率对应的气象因素致灾阈值。利用此气象因素致灾阈值可以对县域单元的TC直接经济损失进行评估。对2004—2014年广东省TC造成的直接经济损失的模拟结果表明,该方法能较好地评估广东的县域单元TC经济损失。
关键词热带气旋    灾害评估    县域单元    经济灾损率    
METHOD OF TYPHOON DISASTER LOSS ASSESSMENT FOR COUNTY-BASED UNITS IN GUANGDONG
ZHAO Shan-shan1,2, GAO Ge1,2, REN Fu-min3,4, LU Yi3, WAN Shi-quan5     
1. National Climate Center, Beijing 100081, China;
2. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University ofInformation Science & Technology, Nanjing 210044, China;
3. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China;
4. Collaborative Innovation Center on Climate Change in Jiangsu Province, Nanjing 210093, China;
5. Yangzhou Meteorological Office, Yangzhou 225009, China
Abstract: The precipitation, high winds (with wind speed at least 10.8m/s) and direct economic losses caused by tropical cyclones (TCs) in Guangdong during 2004-2014are studied to disclose the relationships between the influence of TCs and meteorological factors, and build an assessment model for the influence of TCs. The seashore areas of Guangdong are affected frequently by the TCs precipitation and high winds and the economic loss rates and the disaster frequencies are much bigger in the southwestern and eastern seashore areas of Guangdong. There are good power law relations between the economic loss rates and the TCs precipitation and high winds. According to the power law relations, the meteorological condition threshold can be calculated for the different level of economic loss rates. Then the meteorological condition threshold can be used to assess the influence of TCs. The evaluations of economic loss rates by TCs influencing Guangdong using the meteorological condition threshold during 2004-2014 are compared with the actual economic loss rates. The results show that the assessments are reasonable, which means this method can be used to assess the influence of TCs in Guangdong.
Key words: tropical cyclones    disaster assessment    county-based unit    economic loss rate    
1 引言

中国受热带气旋(Tropical Cyclone,TC)影响频繁,平均每年有16.8个TC影响我国[1],其中有8.8个登陆我国[2]。2004—2013年,平均每年有8.3个TC对我国造成灾害影响,直接经济损失占气象灾害总损失的17.4%,比上个十年(1994—2003年)增加12%[3]。1983—2006年,TC造成我国的直接经济损失有显著增加的趋势,这主要与中国经济发展有关[4]。及时、准确地评估TC造成的灾害损失,对于TC灾害防御、风险转移等具有重要意义。关于TC灾害损失评估方法的研究已经做了较多的工作[5]。Vickery等[6]建立Hazus-MH飓风模型来评估飓风的影响。林继生等[7]利用TC灾情和降水、大风资料建立不同函数形式的拟合模型来模拟TC的影响。樊琦等[8]、马清云等[9]利用模糊数学方法建立了TC灾害评估模型。李春梅等[10]、李艳兰等[11]采用层次分析法对TC大风、降水以及灾害损失进行定量分析并建立评估模型。文献[12-14]采用逐步回归方法,利用TC降水、大风和灾情的相关关系建立了评估模型。娄伟平等[15]利用BP神经网络模型建立了浙江省TC灾害经济损失评估模型。Zhang等[16]利用主成分分析法和向量机模型建立了浙江省TC灾害导致的倒塌房屋数量的评估模型。Lou等[17]利用GIS和向量机模型建立了浙江省TC灾害精细化评估模型。总体来看,这些研究虽然建立的TC灾害评估模型各有不同,但均是利用不同数理统计方法,寻找TC灾害损失与TC降水和大风之间的关系,从而建立评估模型。这些研究使用的TC灾情资料是TC过程在全国或者某个省(区、市)的总损失,评估的对象是以省为单元大范围地区的总损失。而目前对于更为精细化的TC灾害损失评估工作开展较少。

广东是我国TC活动最频繁、影响程度最严重、影响时间最长的地区[3, 18-19]。1949—2006年,平均每年登陆广东TC有3.76个,主要登陆粤西西部,登陆最少的是粤东中部[20]。赵珊珊等[3]研究表明,不是所有登陆TC都能造成灾害损失,而未登陆的TC也可能造成较大灾害损失。因此,本文拟利用县域单元的TC灾情资料研究广东省TC灾害损失的特征,并建立基于县域单元的TC灾害损失评估模型,从而为防灾减灾工作提供科学依据。

2 资料和方法

本文所用到的气象要素观测资料来自中国气象局国家信息中心,包括2004—2014年广东省85个气象台站观测的日降水量和日最大风速。定义日最大风速在6级(10.8 m/s)及以上的天数为大风日数。TC登陆和路径信息来自中国气象局上海台风研究所的《热带气旋年鉴》(2004—2014年)。TC产生的大风和降水资料来自于文献[21-23]提出的改进的客观天气图分析法分离出的中国陆地的TC大风和降水资料。县域(县、区、市)2004—2014年TC灾情资料来自中国气象局县级灾情普查数据库,选取了广东省122个县域行政单元的417条灾情记录,每条灾情记录包括:受灾地区、时间、TC编号和直接经济损失等资料。此外,利用《中国县域统计年鉴(县市卷)》(2004—2014年)搜集了2004—2014年广东省各县(区、市)的历年国民生产总值(GDP)。本文使用2004—2013年的数据研究了广东省TC灾害损失与气象因子的关系并建立评估模型,而2014年的数据用于对所建立模型的独立样本检验。

随着社会经济的迅速发展,承灾体的暴露度发生了较大变化。相同的致灾因子强度对同一地区在不同时期造成的灾害损失可能不同[24-25]。为了一定程度上减轻社会经济发展的影响,定义了某一次TC过程经济灾损率为某一次TC过程造成的某县(区、市)的直接经济损失占当年该地区GDP的百分比。将某一年所有TC造成的该地区直接经济损失除以当年该地区的GDP,则得到当年该地区的TC经济灾损率。这种方法常用于不同年份直接经济损失的比较[14]

3 结果分析 3.1 TC风雨的分布特征

2004—2013年,广东省平均每年TC降水总量从沿海到内陆逐渐减少。广东省年平均TC降水量一般为200~500 mm,东部沿海局地大于500 mm,而内陆的北部部分地区年降水量不足200 mm。每年广东大部分地区TC降水过程次数在4次以上。TC降水过程频次从沿海向内陆递减,中部和东部的沿海地区每年TC降水过程频次达6次以上。平均每次TC过程降水量在广东省大部分地区一般为50~90 mm,东南部局地达90 mm以上,而中部部分地区不足50 mm(图 1a)。2004—2013年,广东年平均TC大风日数主要集中在沿海地区,其中西南部沿海的年平均大风日数大于1天。除了沿海地区,广东大部分地区平均每年TC大风过程的频次有0.1~0.5次,即大约每2~10年遭遇1次TC大风过程。广东西部沿海地区是受TC大风影响频繁的地区,平均每年都遭遇1次以上的TC大风过程。从平均每次TC大风过程的大风日数来看,大风日数在广东东部沿海地区较大,其次是西南部沿海地区(图 1b)。

图 1 2004—2013年广东省TC的平均过程降水量(a)和平均过程大风日数(b)
3.2 TC经济灾损率的分布特征

将广东省各县(区、市)的历次TC灾情按照经济灾损率分类,得到县域单元经济灾损率的样本数分布(图 2)。可见,经济灾损率小于0.1%的样本数占总样本数的30%左右,小于0.5%的样本数比例约为60%,小于4%的样本数比例为90%。这表明,大部分TC过程对广东县域单元造成的经济灾损率不超过0.5%,仅有少部分经济灾损率超过4%。因此,根据不同等级经济灾损率的样本分布,将单次TC灾害造成的经济损失率划分为5个等级,简称为经济灾损率(表 1)。

图 2 2004—2013年广东省县域单元经济灾损率的样本数分布
表 1 TC经济损失率等级

从多年平均的TC灾情来看,2004—2013年TC造成广东省的年平均经济灾损率在西南部和东南部较重,达到1.0%以上,而在珠江三角洲及内陆地区相对较小(图 3a)。年平均经济灾损率在东北部最大达4.6%;其次为3.7%。西南部和东部的沿海地区的受灾频次较频繁。2004—2013年广东西南部沿海地区的总受灾频次大于10次,即平均每年1次以上,而中部和东部的大部分地区受灾总频次小于5次(图 3b)。可见,广东各地区TC灾害损失程度与TC灾害发生频次的空间分布不完全一致。这表明TC灾害损失程度不仅受TC灾害发生频次影响,还与TC灾害强度即TC致灾因子的强度有关。

图 3 2004—2013年广东省TC灾害的多年平均经济灾损率(a)和灾害发生频次(b)
3.3 TC经济灾损率与气象因素的关系

TC带来的降水和大风是TC在陆地上致灾的主要因素。TC降水相关因子包括过程降水量、最大日降水量、降水强度和降水日数等,大风相关因子包括大风日数、日最大风速和平均风速等。以往很多研究表明,TC灾害损失与TC过程降水量、最大日降水量及日最大风速的关系较密切[14]。因此,挑选这3个气象要素,并分析它们与经济灾损率之间的关系。由于县域单元的经济损失率值的变化范围较大,并集中分布在0.5%以下的范围。为了计算结果的稳定性,将广东省县域单元的经济灾损率分类,并计算其对应的气象要素值平均值。此外,不同地区所处地理位置的不同导致各地区气象致灾因素不同。因此,将广东省分为沿海和内陆地区分别研究经济灾损率与气象要素的关系。

图 4可见,广东省沿海地区县域单元的经济灾损率与其对应的过程降水量、最大日降水量及日最大风速呈显著的指数关系。沿海地区经济灾损率与过程降水量和最大日降水量的指数相关系数分别为0.72和0.8(α=0.05)。与内陆地区相比,沿海地区经济灾损率与降水的指数关系相对较弱。沿海地区经济灾损率与日最大风速的指数相关系数为0.63,超过0.05的显著性水平。可见,沿海地区经济灾损率与最大日降水量的指数关系最显著,而内陆地区经济灾损率与过程降水量的指数关系最显著。根据经济灾损率与气象要素的指数关系,可以得到沿海地区不同等级经济灾损率对应的气象因素致灾阈值(表 2)。

图 4 广东省沿海县域单元的经济灾损率与过程降水量(a)、最大日降水量(b)和日最大风速(c)的关系曲线
表 2 广东省沿海地区TC经济灾损率的气象因素致灾阈值

广东省内陆地区包括:韶关、清远、河源、广州、梅州、佛山、肇庆、云浮8个市,这些地区受TC大风影响相对沿海地区较小[23]。广东内陆县域单元TC灾害案例有143个,其中出现大风的案例仅有25个,样本数不足以得到大风对内陆地区的影响。因此,对内陆地区TC灾害的致灾气象要素只考虑降水的作用。

图 5可见,广东内陆地区的经济灾损率及其对应的过程降水量和最大日降水量都呈指数关系。经济灾损率与TC过程降水量和最大日降水量的指数关系的相关系数分别达0.89和0.85(α=0.05)。当TC过程降水量大于200 mm且最大日降水量大于120 mm时,经济灾损率急剧增加。根据经济灾损率与气象要素的指数关系,可以得到不同等级经济灾损率对应的气象因素致灾阈值(表 3)。当TC过程降水量小于100 mm、最大日降水量小于60 mm时,TC对广东内陆地区造成的经济灾损率较低。而当TC过程降水量大于200 mm或最大日降数量大于130 mm时,TC造成的经济灾损率高。

图 5 广东省内陆县域单元经济灾损率与TC过程降水量(a)和最大日降水量(b)的关系
表 3 广东省内陆地区TC经济灾损率的气象因素致灾阈值

为了检验经济灾损率的气象因素致灾阈值对TC经济损失的模拟效果,利用表 2表 3,对2004—2013年广东县域单元TC经济灾损率进行回算。384个县域单元TC灾害案例中有28.9%的模拟值与实际一致,20.3%被低估1个等级,16.1%被高估1个等级。经济灾损率评估误差不超过1个等级的样本数占总数的65.4%。对2014年广东省县域TC直接经济损失的33个案例进行独立样本检验表明,有27.3%的案例其经济度与实际值一致,有48.4%的模拟值与实际值差1个等级。这表明,利用经济灾损率的气象要素阈值对经济损失进行模拟,有75.7%的案例模拟效果较好。

以2014年登陆广东的第15号TC“海鸥”为例研究经济灾损率的模拟效果。1415号TC“海鸥”于9月16日9:40前后在海南省文昌市翁田镇沿海登陆,16日12:45前后在广东徐闻南部沿海再次登陆。受其影响,9月15-16日,广东省出现大风、暴雨、巨浪和狂潮,西部沿海和海面出现11~13级、阵风14~16级的大风。从实际灾情分布来看,受灾地区主要位于广东省西部,尤其是雷州半岛的经济灾损率达到5级(图 6)。模拟的经济灾损率与实际较一致,在广东西南部的经济灾损率较大,其他地区较轻。从模拟和实际经济灾损率的差异来看,17个遭受TC灾害的县(区、市)中有5个与实际值一致,3个被低估1个等级,5个被高估1个等级,4个模拟值与实际值相差2个及以上等级。经济灾损率评估误差不超过1个等级的样本数占总数的76.4%。经济灾损率被高估的地区主要位于大风影响地区。这表明,大风虽然对沿海地区造成一定的破坏和损失,但可能这种损失被高估了。

图 6 2014年第15号台风“海鸥”造成广东省经济灾损率的实际值和模拟值分布
4 总结

利用2004—2014年影响广东的TC风雨和TC造成的直接经济损失资料,分析了广东省经济损失率与TC降水和大风的关系,并建立了评估模型。

(1) 广东省沿海地区是TC降水和大风影响频繁地区,平均TC过程降水量和大风日数在广东沿海的西部和东部地区较强。

(2) 利用直接经济损失和GDP定义了经济灾损率。TC造成的经济灾损率和受灾频次在广东的西南部和东部的沿海地区较大,平均每次TC过程的经济灾损率在东部沿海地区最大。

(3) 利用广东省气象台站观测的TC降水和大风资料以及县域单元的经济灾损率,发现经济灾损率与TC降水、大风之间存在较好的指数关系。在此基础上,得到不同等级经济灾损率对应的气象因素致灾阈值。

(4) 利用不同等级经济灾损率的气象因素致灾阈值,对2004—2013年的广东县域TC经济灾损率进行模拟,并对2014年广东县域单元TC经济灾损率进行独立样本检验,两者的经济灾损率的模拟误差不超过1个等级的样本数分别占总样本的65.4%和75.7%。这表明,利用经济灾损率对应的气象因素致灾阈值能较好地评估广东县域单元的TC经济损失。

TC灾害造成的损失除了直接经济损失外,还对房屋、农田、道路以及人民生命安全造成危害。因此,在今后的工作中,将进一步研究TC造成的农业受灾面积、受灾人口等与气象条件的关系,建立评估模型并用于TC防灾减灾服务。

参考文献
[1] 王小玲, 王咏梅, 任福民, 等. 影响中国的台风频数年代际变化趋势: 1951—2004年[J]. 气候变化研究进展, 2006, 2(3): 135-138.
[2] 王小玲, 任福民. 1951-2004年登陆我国热带气旋频数和强度的变化[J]. 海洋预报, 2008, 25(1): 65-73. DOI:10.11737/j.issn.1003-0239.2008.01.010
[3] 赵珊珊, 任福民, 高歌, 等. 近十年我国热带气旋灾害的特征研究[J]. 热带气象学报, 2015, 31(3): 793-800.
[4] ZHANG Q, WU L, LIU Q. Tropical cyclone damages in China 1983-2006[J]. Bull Amer Meteorol Soc, 2009, 90(4): 485-495.
[5] WATSON C C, JOHNSON M E. Hurricane loss estimation models: opportunities for improving the state of the art[J]. Bull Amer Meteorol Soc, 2004, 85(11): 1713-1726. DOI:10.1175/BAMS-85-11-1713
[6] VICKERY P J, SKERLJ P F, LIN J, et al. Hazus-MH hurricane model methodology. Ⅱ: damage and loss estimation[J]. Nat Hazards Rev, 2006, 7: 94-103. DOI:10.1061/(ASCE)1527-6988(2006)7:2(94)
[7] 林继生, 罗金铃. 登陆广东的热带气旋评估和预测模式[J]. 自然灾害学报, 1995, 4(1): 92-97.
[8] 樊琦, 梁必骐. 热带气旋灾情的预测及评估[J]. 地理学报, 2000, 55(增刊): 52-56.
[9] 马清云, 李佳英, 王秀荣, 等. 基于模糊综合评价法的登陆台风灾害影响评估模型[J]. 气象, 2008, 34(5): 20-25. DOI:10.7519/j.issn.1000-0526.2008.05.004
[10] 李春梅, 罗晓玲, 刘锦銮, 等. 层次分析法在热带气旋灾害影响评估模式中的应用[J]. 热带气象学报, 2006, 22(3): 223-228.
[11] 李艳兰, 欧艺, 周绍毅, 等. 广西热带气旋灾害评估系统的开发与应用[J]. 气象研究与应用, 2008, 29(4): 1-3.
[12] 钱燕珍, 何彩芬, 杨元琴, 等. 热带气旋灾害指数的估算与应用方法[J]. 气象, 2001, 27(1): 14-18. DOI:10.7519/j.issn.1000-0526.2001.01.003
[13] 何彩芬, 钱燕珍. 2000年浙江省热带气旋灾情评估[J]. 浙江气象, 2002, 23(2): 4-6.
[14] 陈佩燕, 杨玉华, 雷小途, 等. 我国台风灾害成因分析及灾情预估[J]. 自然灾害学报, 2009, 18(1): 64-73.
[15] 娄伟平, 陈海燕, 郑峰, 等. 基于主成分神经网络的台风灾害经济损失评估[J]. 地理研究, 2009, 28(5): 1243-1254.
[16] ZHANG X C, LOU W P. Estimation of the number of collapsed houses damaged by typhoon based on principal components analysis and support vector machine[J]. Meteorological and Environmental Research, 2010, 1(4): 11-14.
[17] LOU W P, CHEN H Y, SHEN X L, et al. Fine assessment of tropical cyclone disasters based on GIS and SVM in Zhejiang Province, China[J]. Nat Hazards, 2012, 64(1): 511-529. DOI:10.1007/s11069-012-0254-x
[18] 任福民, 王小玲, 陈联寿, 等. 登陆中国大陆、海南和台湾的热带气旋及其相互关系[J]. 气象学报, 2008, 66(2): 224-235. DOI:10.11676/qxxb2008.022
[19] 胡娅敏, 宋丽莉, 刘爱君, 等. 近58年登陆我国热带气旋的气候特征分析[J]. 中山大学学报:自然科学版, 2008, 47(5): 115-121.
[20] 胡娅敏, 宋丽莉, 罗晓玲. 近58年登陆广东热带气旋位置和生成源地的变化[J]. 中山大学学报:自然科学版, 2011, 50(4): 113-120.
[21] 任福民, BYRON G, DAVID E. 一种识别热带气旋降水的数值方法[J]. 热带气象学报, 2001, 17(3): 308-313.
[22] REN F, WANG Y, WANG X, et al. Estimating tropical cyclone precipitation from station observations[J]. Adv in Atmo Sci, 2007, 24(4): 700-711. DOI:10.1007/s00376-007-0700-y
[23] 陆逸, 朱伟军, 任福民, 等. 1980-2014年中国台风大风和台风极端大风的变化[J]. 气候变化研究进展, 2016, 12(5): 413-421.
[24] PIELKE R A, LANDSEA C W. Normalized hurricane Damages in the United States: 1925-1995[J]. Wea Forecasting, 1998, 13(3): 621-631. DOI:10.1175/1520-0434(1998)013<0621:NHDITU>2.0.CO;2
[25] PIELKE R A, GRATZ J, LANDSEA C W, et al. Normalized hurricane damage in the United States: 1900-2005[J]. Natural Hazards Review, 2008, 9(1): 29-42. DOI:10.1061/(ASCE)1527-6988(2008)9:1(29)