發布時間：2020-01-15所屬分類：農業論文瀏覽：1次
摘 要： 摘要:依據災害概率風險評估理論，考慮汛期降水的可預報性，基于歷史洪澇災害事件，嘗試性地構建了年度洪澇災害風險評估模型，以湖南為例，對評估模型進行了檢驗與應用。結果表明:模型建立了前期海溫和環流指數等因子與汛期區域降水時空分布的回歸預報方程，
摘要:依據災害概率風險評估理論，考慮汛期降水的可預報性，基于歷史洪澇災害事件，嘗試性地構建了年度洪澇災害風險評估模型，以湖南為例，對評估模型進行了檢驗與應用。結果表明:模型建立了前期海溫和環流指數等因子與汛期區域降水時空分布的回歸預報方程，應用概率風險分析得到年度不同降水下直接經濟損失分布，結合蒙特卡洛仿真模擬求解損失的超越概率曲線，評估年度洪澇災害單次最大可能損失、年度總損失以及年期望損失;模型集“未來年度汛期降水預測”、“降水與損失分布關系擬合”、“損失超越概率評估”于一體，是對全過程年度洪澇災害風險評估方法的新探索;湖南年度洪澇災害評估案例表明該模型可操作，結果與實際情況相符。研究可為完善災害風險評估內容與技術方法提供新視角，亦可為開展業務實踐提供方法借鑒。
關鍵詞:年度風險;洪澇災害;風險評估模型;概率風險;湖南
洪澇災害是一種突發性強、發生頻率高、危害嚴重的自然災害，而中國是世界上洪澇災害最為嚴重的國家之一[1]。洪澇災害風險評估是對區域洪水災害自然屬性和社會屬性的綜合評價，其目的是為了更精確掌握洪災風險的空間格局及內在規律[2]。年度自然災害風險評估是對未來一年某區域災害風險的分析與評價，可為做好年度防災減災救災工作以及重要基礎設施的規劃施工等提供重要依據。中國地震部門每年年初會分析判斷未來一年區域可能發生破壞性地震的地區及震級強度[3]，氣象部門年初發布未來一年氣候趨勢預測意見并給出氣候風險指數預測數據[4]，國土資源部門年初也會對未來一年的地質災害趨勢做出預測[5]。不難發現，這些都是針對致災因子發生概率的預測，并不是真正的未來一年的災害風險評估，國內外尚未出現較為系統的年度自然風險評估的相關做法與研究成果。鑒于此，本文從災害概率風險評估理論[6]出發，以湖南省為例，構建年度洪澇災害風險評估模型，探索年度災害風險評估的新途徑，以期為提升區域年度洪澇災害風險防范和備災工作的科學性和針對性提供參考。
1年度洪澇災害風險評估模型
1.1評估思路
洪澇災害與極端降水關系密切[7]，對極端降水發生趨勢進行分析判斷，結合承災體脆弱性開展年度風險評估，是本文年度洪澇災害風險評估的基本思路。
有研究指出，海溫異常是觸發氣候異常的重要因子[8]，海洋有較強的記憶性和持續性，海溫變化往往超前于大氣環流和天氣氣候變化，前期海溫異常是短期氣候預測的重要前期信號[9]。災害風險是危險性與易損性的乘積，即風險(年均期望損失)=致災頻率(洪澇發生次數的頻率)×易損性(超越概率)，其中致災頻率反映了區域內發生不同程度洪澇災害的可能性;易損性則反映洪澇災害的損失分布，即超過某一損失程度的概率，易損性表現為一條或多條損失的超越概率曲線。
相關期刊推薦：《自然災害學報》Journal of Natural Disasters(雙月刊)1992年創刊，為災害學學術性刊物。旨在展示我國災害科學的研究成果，促進自然科學與社會科學在災害科學方面的結合�？歉鞣N自然災害和社會科學在災害科學方面的結合�？歉鞣N自然災害和發生機理、災害與人類社會的關系及其影響、防災減災系統工程等方面的研究論文。讀者對象為災害學研究工作者、防災減災專業技術人員及相關專業大專院校師生。
除了對年期望損失評估之外，也需要預測未來發生洪澇災害的趨勢及損失概率，這需要大量的隨機數來源。本文利用蒙特卡洛仿真模擬[10-11]得到大量目標變量，彌補歷史數據不足的缺陷，并結合利用歷史數據得到的損失和洪澇災害次數的分布，繪制出洪澇災害損失的累積超越概率和單次最大超越概率曲線，并計算年期望損失，即:年度洪澇災害風險。
1.2評估流程
以汛期降水的時空分布作為切入點，分析造成降水異常的物理機制，探尋可預報因子海溫及環流指數的長期預報性;結合研究區歷史洪澇災害損失數據，對不同降水情景下洪澇災害的頻次及直接經濟損失的概率分布進行擬合，并利用蒙特卡洛仿真生成損失事件集，計算損失的超越概率;將降水作為中間橋梁，建立可預報因子與洪澇災害損失間的定量關系，對年度內的洪澇災害損失進行評估(圖1)。
1.3評估方法
1.3.1區域降水時空分布特征分析
中國洪澇災害主要發生在汛期，為探尋汛期降水的時空分布特征，并依據每年汛期的降水情況挑出降水異常年份，從時間和空間兩個角度分析研究區汛期降水的變化趨勢。本文采用經驗正交函數分析方法(EOF，EmpiricalOrthogonalFunction)，將氣象場中時間和空間的變化分離，主成分(PC)對應的是時間變化(也稱時間系數)，特征向量對應的是空間樣本(也稱為空間特征向量或者空間模態)，根據不同的模態對降水分布進行分型[12]。
1.3.2確定前期海溫等信號的分布區域及影響時段
采用不同區域、不同季節的全球海溫場、500hPa高度場和全球海平面氣壓場，通過相關分析篩選預測因子，用逐步回歸分析建立降水場與各氣候因子場的關系。由于預測因子數量很大，用于建立回歸方程的因子是通過對該預測量與預測因子進行相關分析篩選得到的。
1.3.3逐步回歸法預報未來年度的降水情形
利用氣候主分量逐步回歸模型，在眾多因子中挑選變量，以降水場的主分量作為因子，建立其與海溫、海平面氣壓場等多個因子場之間的關系，經過逐步回歸雙重篩選，建立最優回歸方程，實現降水的預測，并進行回報與預測試驗。本研究利用Matlab中的Stepwise函數進行逐步回歸預報。
1.3.4降水預測值的檢驗
逐步回歸方程中，預報量是研究區降水的主成分(PC)值，對于預報準確性的檢驗，采用交叉驗證法、PC值還原為降水距平百分率等2種方式進行。前者是在給定的建模樣本中，拿出大部分樣本進行建模型，留小部分樣本用剛建立的模型進行預報，并求這小部分樣本的預報誤差，記錄它們的平方加和;如果預報誤差較小，說明預報的效果好。后者是對降水距平百分率矩陣(X)進行計算，得到EOF和主成分(PC)，由于特征向量矩陣的近似不變性，當完成對主分量矩陣的預測后，可利用EOF和PC這兩個矩陣做回算，完全恢復原來的數據矩陣X，利用前面最突出的幾個EOF模態可擬合出矩陣X的主要特征。
1.3.5不同降水情形下的蒙特卡洛仿真及風險評估
做蒙特卡洛仿真是為進行洪澇災害風險評價，即:對風險大小可能出現的概率進行評價，得到這些風險發生的概率以及可能導致的直接經濟損失。具體步驟如下:①利用PC值的大小，挑出PC異常高/低(絕對值大于0.5個標準差)的年份作為降水異常年，其余年份為降水正常年;將樣本根據降水情形多雨年份、正常年份和少雨年份等三類;②統計三類樣本下，年度洪澇災害發生的次數，并利用Matlab中dfittool工具得到洪澇災害次數的分布類型及參數;③根據洪澇災害次數的分布類型及參數，每組分別生成1000個隨機數，得到不同降水情形下1000年(假設)洪澇災害發生次數;④將三類的洪澇災害直接經濟損失值進行對數化處理，擬合出累積分布函數，得到分布形態及參數;⑤結合第3步中得到的1000年(假設)逐年洪澇災害發生次數，每一年分別生成若干個(洪澇災害發生次數)滿足0～1均勻分布的隨機數，利用直接經濟損失的累積分布函數曲線，找出其所對應的直接經濟損失值，可得到每一年的洪澇災害直接經濟損失情況;⑥統計三種情形下每一年直接經濟損失值中的最大值，各得到1000個數，描繪超越概率曲線，得到最大損失超越概率(OEP)曲線;同理可得到累計損失超越概率(AEP)曲線;⑦期望損失，即由超越概率曲線、x軸和y軸圍成的面積，分為年期望損失和次期望損失。
2湖南實例應用
2.1研究區及數據來源
湖南地處長江中游，洪澇災害頻發。根據1984-2007年資料統計，湖南洪澇災害年內分布極不均勻，主要集中在5-9月，占總損失的80%以上;從各縣暴雨洪澇災害損失的時空分布來看，湘北主要集中在6-7月，而湘中南則主要集中在7-8月[13]。另據民政部統計，2000-2016年，湖南省洪澇災害年均造成1147.3萬人受災，77人死亡(失蹤)，63.7萬人緊急轉移安置，農作物受災面積849.1khm2，絕收面積126.1khm2，年均倒塌房屋8.1萬間，直接經濟損失100.6億元;年度間洪澇災害損失波動大，2000-2016年間，受災人口最少為2000年的474萬人次、最多則為2002年1937萬人次，年倒塌房屋數量最少為2013年的1.3萬間，最多則為2002年的29.9萬。本文中所用數據及來源如表1所示。
2.2湖南汛期降水時空分布特征
對EOF分解的結果進行篩選，第一模態對總方差的貢獻達48.9%，第二模態的貢獻達23.7%，前兩模態的累積方差貢獻超過70%，可選擇這兩個模態代表湖南汛期降水的時空分布情況。第一模態是反映湖南降水變化關系最主要分布場，EOF1均為正值，表現為全省一致澇或一致旱;EOF2大體上以雙峰、南岳一線為界，存在明顯的南北反相位關系，代表了第二種降水分布———南澇(旱)北旱(澇)型。以0.5倍標準差為分界，時間系數(PC)的絕對值大于0.5倍標準差的年份，定為降水異常年(圖2)。
2.3湖南汛期降水逐步回歸預報與驗證
2.3.1尋找備選回歸因子
將代表湖南汛期降水逐年變化的時間系數(PC)與全球前一年秋季、冬季，同一年春季、夏季的全球海溫作相關分析，發現前一年秋、冬赤道太平洋附近的海域與PC1、PC2有較強的相關性(圖3為與PC1的相關分析結果，PC2結果文中未列出)。將關鍵海域秋、冬季的海溫分別作EOF分解，得到的主分量作為待選的回歸因子。此外，將nino3.4指數、nino1+2區、nino3區指數等海溫指數也作為備選因子。將全球海溫數據劃分三個區域，其中，1區為20～50°S，2區為15°S～15°N，3區為20°～50°N，對三個區域內的逐月海平面氣壓進行EOF分析，取前15個主分量，分別與PC1、PC2作相關分析，通過顯著性檢驗的作為備選的因子。
2.3.2建立回歸預報方程
在普查影響湖南汛期降水因子的基礎上，設定顯著性水平α=0.05，建立預測湖南汛期降水距平分布的回歸預測方程，并進行回報和預測試驗。對湖南省汛期降水場的前2個主分量，利用相關分析篩選得到的高相關因子，進行雙重檢驗逐步回歸計算。對于湖南汛期降水第1主分量的雙重檢驗逐步回歸預測方程如下:
Y=0.00512048-0.196312×X1-0.360486×X2-0.26554×X3-0.351958×X4+0.22569×X5+0.202925×X6-0.884564×X7+0.56751×X8-0.27136×X9+0.626504×X10。(1)式中:Y是第一主分量(PC1)，X1是前一年2月的PNA指數，X2是同一年5月的NAO指數，X3是同期4月關鍵海域上空500hPa高度場值，X4是前期8月關鍵海域上空500hPa高度場值，X5是1區同一年3月海平面氣壓作EOF分解后第9模態的值，X6是1區同一年1月海平面氣壓作EOF分解后第3模態的值，X7是同期2月的SCA指數，X8是同期9月的Nioa區指數，X9是2區前一年12月海平面氣壓作EOF分解后第5模態的值，X10是同期6月的WP指數�；貧w曲線與原曲線的相關性達到0.9以上(圖4)。
類似地，對湖南汛期降水第2主分量的雙重檢驗逐步回歸預測方程如下:
Y'=-0.0776793-0.220514×X'1-0.266865×X'2+0.34852×X'3+0.271487×X'4-1.18223×X'5-0.937665×X'6-0.200113×X'7。(2)式中:Y'是第二主分量(PC2)，X'1是前一年12月的Nio1+2區海溫指數，X'2是1區同一年1月海平面氣壓作EOF分解后第11模態的值，X'3是1區同一年1月海平面氣壓作EOF分解后第12模態的值，X'4是2區同一年5月海平面氣壓作EOF分解后第3模態的值，X'5是同一年2月的EA指數，X'6是同一年5月的NAO指數，X'7是同一年2月關鍵海域上空500hPa高度場值�；貧w曲線與原曲線的相關性達到0.82以上(圖4)。
2.3.3降水預測的檢驗
通過交叉驗證、回算降水距平百分率等兩種方法，對預報效果進行檢驗。圖4是利用交叉驗證法，對PC值進行回報檢驗，說明了回歸方程的預報效果很好。通過回算降水距平百分率的方法，挑選降水較為異常的2002、2011年進行驗證分析，2002年湖南東北部地區降水偏多的成數較多，預報的結果與實際結果較為一致(圖5);2011年是全省降水偏少年份，全省的降水距平百分率幾乎都為負值，在湘北、湘中地區偏少的成數較大，從預報值的分布看，與實際情況也有較好的對應(圖5)。
2.3.6期望損失計算
由超越概率曲線、x軸和y軸圍成的面積，即為期望損失，分為年期望損失和次期望損失(圖6);例如，計算當湖南汛期PC1為0.23時，年度洪澇災害期望損失為52.1億元，與實際發生的情況相符。
SCISSCIAHCI
