臺(tái)風(fēng)災(zāi)情評(píng)估及方法綜述*

魏章進(jìn)，隋廣軍，唐丹玲

(1.廣東外語(yǔ)外貿(mào)大學(xué)信息學(xué)院，廣東廣州510420;2.廣東外語(yǔ)外貿(mào)大學(xué)，廣東廣州510632;3.中國(guó)科學(xué)院南海海洋研究所熱帶海洋國(guó)家重點(diǎn)實(shí)驗(yàn)室海洋生態(tài)環(huán)境遙感中心，廣東廣州510301)

臺(tái)風(fēng)災(zāi)害是全球發(fā)生頻率最高影響最嚴(yán)重的一種自然災(zāi)害[1]，據(jù)瑞士再保險(xiǎn)公司統(tǒng)計(jì)，1970-2007年造成全球保險(xiǎn)損失金額最高的10大災(zāi)害中，8起與臺(tái)風(fēng)有關(guān)[2]。中國(guó)則是全世界遭受臺(tái)風(fēng)災(zāi)害最嚴(yán)重的國(guó)家之一。1988-2010年，中國(guó)每年因臺(tái)風(fēng)造成的直接經(jīng)濟(jì)損失高達(dá)290.5億元[3]。隨著經(jīng)濟(jì)總量的增加，臺(tái)風(fēng)災(zāi)害的經(jīng)濟(jì)損失也呈逐年增加趨勢(shì)[4]。

災(zāi)害評(píng)估，是災(zāi)害的預(yù)測(cè)、防治乃至災(zāi)害補(bǔ)償研究的基礎(chǔ)，其評(píng)估結(jié)果是國(guó)家和區(qū)域減災(zāi)決策的制定和實(shí)施的可靠依據(jù)。災(zāi)害評(píng)估對(duì)防災(zāi)減災(zāi)以及經(jīng)濟(jì)和社會(huì)的可持續(xù)性發(fā)展具有現(xiàn)實(shí)和長(zhǎng)遠(yuǎn)的實(shí)踐意義。

臺(tái)風(fēng)災(zāi)害評(píng)估自1960年代開始，人們沿著不同脈絡(luò)開展研究，在理論和實(shí)踐方面都取得了豐富成果。綜合現(xiàn)有學(xué)術(shù)研究，臺(tái)風(fēng)災(zāi)害評(píng)估可以劃分為以下幾個(gè)方面:臺(tái)風(fēng)災(zāi)害系統(tǒng)論研究、臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估、臺(tái)風(fēng)災(zāi)害災(zāi)情評(píng)估、臺(tái)風(fēng)災(zāi)害經(jīng)濟(jì)損失評(píng)估、臺(tái)風(fēng)災(zāi)害減災(zāi)防災(zāi)能力評(píng)估、臺(tái)風(fēng)災(zāi)害的生態(tài)評(píng)估等。臺(tái)風(fēng)災(zāi)害的風(fēng)險(xiǎn)評(píng)估與臺(tái)風(fēng)災(zāi)害的災(zāi)情評(píng)估開展較多，而生態(tài)評(píng)估與減災(zāi)防災(zāi)效益較少開展。

臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估的對(duì)象是臺(tái)風(fēng)易發(fā)的風(fēng)險(xiǎn)地區(qū)，是歷史的常態(tài)性評(píng)估;而臺(tái)風(fēng)災(zāi)情評(píng)估的對(duì)象是一次具體的臺(tái)風(fēng)過程，評(píng)估的對(duì)象是正在或剛剛發(fā)生的臺(tái)風(fēng)災(zāi)害導(dǎo)致的損失嚴(yán)重程度。

以往，臺(tái)風(fēng)災(zāi)害評(píng)估對(duì)風(fēng)險(xiǎn)評(píng)估與災(zāi)情評(píng)估較少區(qū)分，而災(zāi)情評(píng)估在學(xué)術(shù)理論研究和氣象部門的業(yè)務(wù)實(shí)踐中已有許多成果，各類文獻(xiàn)中，缺少歸納總結(jié)。對(duì)臺(tái)風(fēng)災(zāi)情評(píng)估進(jìn)行一個(gè)較為全面的綜述十分必要，有利于進(jìn)一步深化臺(tái)風(fēng)災(zāi)情評(píng)估研究并提高減災(zāi)防災(zāi)的決策水平。

本文主要針對(duì)臺(tái)風(fēng)災(zāi)情評(píng)估，分別對(duì)臺(tái)風(fēng)災(zāi)情評(píng)估理論及其方法進(jìn)行比較，指出其特點(diǎn)與存在的問題，并對(duì)臺(tái)風(fēng)災(zāi)情評(píng)估的發(fā)展趨勢(shì)進(jìn)行展望。

1 臺(tái)風(fēng)災(zāi)情的主要評(píng)估方法

臺(tái)風(fēng)災(zāi)害的風(fēng)險(xiǎn)評(píng)價(jià)是是根據(jù)臺(tái)風(fēng)災(zāi)害的頻度、強(qiáng)度以及承災(zāi)體的屬性，對(duì)未來(lái)承災(zāi)地區(qū)可能發(fā)生的臺(tái)風(fēng)災(zāi)害的預(yù)評(píng)估。而災(zāi)情評(píng)估(亦稱為災(zāi)害的損失評(píng)估)是指在掌握豐富的歷史與現(xiàn)實(shí)災(zāi)害數(shù)據(jù)資料的基礎(chǔ)上，應(yīng)用統(tǒng)計(jì)方法對(duì)已經(jīng)或正在發(fā)生的災(zāi)害可能造成的、正在造成的或已經(jīng)造成的人員傷害與財(cái)產(chǎn)或利益損失進(jìn)行定量的估算，并評(píng)估其災(zāi)害嚴(yán)重程度。臺(tái)風(fēng)災(zāi)情評(píng)估與臺(tái)風(fēng)災(zāi)害的風(fēng)險(xiǎn)評(píng)價(jià)相比，側(cè)重點(diǎn)不同。臺(tái)風(fēng)風(fēng)險(xiǎn)評(píng)估是以承災(zāi)地區(qū)為評(píng)估對(duì)象，定量計(jì)算其遭受損失的可能性及大小;臺(tái)風(fēng)災(zāi)情評(píng)估的對(duì)象則是一次正在或已經(jīng)發(fā)生的臺(tái)風(fēng)災(zāi)害，量度其綜合破壞程度。目前臺(tái)風(fēng)災(zāi)情指數(shù)評(píng)估方法以大范圍地區(qū)的宏觀評(píng)估為主;另外一種則是以臺(tái)風(fēng)災(zāi)害發(fā)生頻度、強(qiáng)度以及具體承災(zāi)體結(jié)構(gòu)的統(tǒng)計(jì)模擬為主。

1.1 臺(tái)風(fēng)災(zāi)情的指標(biāo)評(píng)估方法

臺(tái)風(fēng)災(zāi)情指標(biāo)評(píng)估主要是針對(duì)宏觀范圍，如某次臺(tái)風(fēng)對(duì)受災(zāi)地區(qū)產(chǎn)生破壞的嚴(yán)重程度或者是某次臺(tái)風(fēng)所致的總的破壞嚴(yán)重程度。目前的研究主要采取回歸分析法、模糊綜合評(píng)價(jià)法、層次分析法等。

(1)回歸分析法?；貧w是一種通過因變量模擬或預(yù)測(cè)響應(yīng)變量的常用統(tǒng)計(jì)方法。應(yīng)用回歸分析評(píng)估臺(tái)風(fēng)災(zāi)情，一類是直接考慮具體的致災(zāi)因子與承災(zāi)體因子，即自變量是各個(gè)致災(zāi)因子，如臺(tái)風(fēng)雨量、臺(tái)風(fēng)登陸風(fēng)速，因變量是各個(gè)災(zāi)后因子，如倒損房屋數(shù)、人員傷亡數(shù)等。另一類則是以致災(zāi)因子或者災(zāi)后因子作為自變量，而以表征臺(tái)風(fēng)災(zāi)害綜合毀損程度的指數(shù)作為被模擬與預(yù)測(cè)變量建立回歸模型，如可將災(zāi)情如倒損房屋數(shù)，受淹農(nóng)田面積等合成為綜合災(zāi)情等級(jí)，并作為響應(yīng)變量與具體致災(zāi)因子臺(tái)風(fēng)風(fēng)速和降水量等建立回歸關(guān)系式，模型輸出的響應(yīng)變量則是評(píng)估或預(yù)估的災(zāi)情綜合指數(shù)[5]。

具體的回歸形式上，選擇各有不同。第一種采用聯(lián)立方程模型形式，分別用災(zāi)情因子，如受災(zāi)面積、倒損房屋和人員傷亡以及致災(zāi)因子，如臺(tái)風(fēng)中心氣壓、過程降雨量、登陸風(fēng)力、底層中心附近最大風(fēng)速等建立了聯(lián)立方程模型。災(zāi)情因子作為響應(yīng)變量通過聯(lián)立方程組進(jìn)行統(tǒng)計(jì)估計(jì)[6]。第二種采用多項(xiàng)式擬合。通過將臺(tái)風(fēng)災(zāi)害的主要致災(zāi)因子合成為風(fēng)指數(shù)、雨指數(shù)以及承災(zāi)體指數(shù)，建立國(guó)民經(jīng)濟(jì)直接損失模式(ELM)和倒損房屋數(shù)量模式(HCM和HDM)等災(zāi)害損失預(yù)測(cè)模式，其回歸多項(xiàng)式階數(shù)根據(jù)預(yù)測(cè)效果進(jìn)行確定[7]。第三種形式則采用冪函數(shù)擬合[8](表1)。

表1 臺(tái)風(fēng)災(zāi)情指標(biāo)評(píng)估方法

(2)模糊數(shù)學(xué)方法。模糊綜合評(píng)判是采用模糊數(shù)學(xué)方法對(duì)多因素進(jìn)行綜合的一種綜合評(píng)估方法。在臺(tái)風(fēng)災(zāi)害評(píng)估中，多因素模糊集合一類為臺(tái)風(fēng)災(zāi)害的災(zāi)后因子，如倒損房屋、受淹農(nóng)田，這類評(píng)估為臺(tái)風(fēng)過后的災(zāi)后評(píng)估。另一類為災(zāi)中的臺(tái)風(fēng)風(fēng)速和雨量以及地理等因子，這種評(píng)估具有災(zāi)前性質(zhì)，則為災(zāi)情的預(yù)評(píng)估。上述兩類均采用模糊方法確定單因素權(quán)重，從而進(jìn)行綜合合成。在災(zāi)害評(píng)估中采用模糊綜合評(píng)判方法，其優(yōu)點(diǎn)是可以將本來(lái)模糊的、主觀性很大的定性評(píng)估轉(zhuǎn)變?yōu)槎吭u(píng)判，其思路清晰、評(píng)判結(jié)果直觀，且能滿足災(zāi)害評(píng)估的精度要求。模糊數(shù)學(xué)評(píng)價(jià)方法具體使用時(shí)，指標(biāo)選取各有特色。如梁必騏、樊琦等(選取臺(tái)風(fēng)強(qiáng)度、登陸地區(qū)的社會(huì)經(jīng)濟(jì)等有關(guān)資料對(duì)熱帶氣旋可能造成的災(zāi)害經(jīng)濟(jì)損失作計(jì)算和分級(jí)評(píng)估[10]。王秀榮，馬青云等則考慮了更多因子，尤其是將減災(zāi)防災(zāi)能力進(jìn)行定量評(píng)估融入到模糊數(shù)學(xué)評(píng)價(jià)模型中，臺(tái)風(fēng)影響時(shí)間和致災(zāi)因子與脆弱性因子等10個(gè)因子構(gòu)建綜合評(píng)價(jià)系數(shù)，并與通過經(jīng)濟(jì)損失給出的實(shí)際災(zāi)情對(duì)比分析，其模型既可對(duì)災(zāi)情進(jìn)行預(yù)估也可以災(zāi)后評(píng)估[15]。在模糊綜合評(píng)估也可通過致災(zāi)因子進(jìn)行評(píng)估并與通過災(zāi)后因子的災(zāi)后評(píng)估結(jié)果進(jìn)行比較并修正預(yù)評(píng)估模型。

(3)層次分析法。層次分析是較為典型的統(tǒng)計(jì)綜合評(píng)價(jià)方法，其通過將臺(tái)風(fēng)致災(zāi)影響因素建立指標(biāo)系統(tǒng)，并進(jìn)一步建立亞指標(biāo)系統(tǒng)，形成指標(biāo)分層，通過判斷矩陣確立各指標(biāo)權(quán)重，并進(jìn)行多指標(biāo)綜合，計(jì)算總指數(shù)，從而進(jìn)行災(zāi)害的綜合評(píng)估。這一方法在臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與災(zāi)情評(píng)估中均有廣泛應(yīng)用。如李春梅等人利用1949-2003年登陸和嚴(yán)重影響廣東省的熱帶氣旋的特征參數(shù)、氣象資料、直接經(jīng)濟(jì)損失和造成的災(zāi)情損失等資料，對(duì)參與評(píng)估的指標(biāo)進(jìn)行分層，分為中心最低氣壓、地理綜合參數(shù)、風(fēng)綜合參數(shù)、雨綜合參數(shù)4個(gè)亞評(píng)估指標(biāo)和17個(gè)單項(xiàng)評(píng)估分指標(biāo)，利用專家打分法進(jìn)行相對(duì)重要性的判別，確立權(quán)重系數(shù)，最后建立“熱帶氣旋綜合影響指數(shù)”，并采用“熱帶氣旋綜合影響指數(shù)”對(duì)熱帶氣旋災(zāi)害的影響程度進(jìn)行分級(jí)評(píng)判[12]。與模糊綜合評(píng)估和回歸分析法一樣，指標(biāo)的選擇不同，則可分別進(jìn)行災(zāi)情的預(yù)評(píng)估與災(zāi)后評(píng)估。

(4)可拓方法?？赏胤椒ㄊ俏覈?guó)學(xué)者蔡文于1983年提出的，它用形式化工具，從定性和定量?jī)蓚€(gè)角度去研究解決矛盾問題的規(guī)律和方法，其核心內(nèi)容為物元理論和可拓集合理論，基本方法是通過建立多指標(biāo)參數(shù)的質(zhì)量評(píng)定模型來(lái)完整地反映樣本的綜合水平[13]。學(xué)者將可拓方法應(yīng)用到臺(tái)風(fēng)災(zāi)害損失評(píng)估中，選擇降水量、降水強(qiáng)度、最大風(fēng)速、經(jīng)濟(jì)易損性作為評(píng)價(jià)的指標(biāo)，利用可拓方法，將評(píng)價(jià)指標(biāo)及其特征值作為物元，通過計(jì)算綜合關(guān)聯(lián)度，判斷災(zāi)害損失的等級(jí)[13]。

(5)神經(jīng)網(wǎng)絡(luò)法。神經(jīng)網(wǎng)絡(luò)方法是一種具有高度計(jì)算能力、自學(xué)能力、容錯(cuò)能力的對(duì)非線形關(guān)系的多變量的建模方法。在臺(tái)風(fēng)災(zāi)情預(yù)評(píng)估中，致災(zāi)因子主要是雨量以及近地面中心最大風(fēng)速等，災(zāi)損因子通常則包括臺(tái)風(fēng)受淹農(nóng)田、倒損房屋數(shù)、直接經(jīng)濟(jì)損失等。而這種聯(lián)系的具體形式是復(fù)雜和非線性的，通過一些歷史數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練，建立網(wǎng)絡(luò)結(jié)構(gòu)模型，從而預(yù)測(cè)臺(tái)風(fēng)損失災(zāi)情[14]。神經(jīng)網(wǎng)絡(luò)方法具有模擬精度高的特點(diǎn)，網(wǎng)絡(luò)構(gòu)建合理，則會(huì)有較好的災(zāi)情預(yù)測(cè)效果，否則災(zāi)情預(yù)測(cè)效果則與模擬效果存在較大差距。

(6)灰色關(guān)聯(lián)分析方法?；疑P(guān)聯(lián)度分析法(Grey Relation Analysis)是一種多因素統(tǒng)計(jì)分析方法，它以各因素的樣本數(shù)據(jù)為依據(jù)，用灰色關(guān)聯(lián)度來(lái)描述因素間關(guān)系的強(qiáng)弱、大小和次序，若樣本數(shù)據(jù)反映出的兩因素變化的態(tài)勢(shì)基本一致，則它們之間的關(guān)聯(lián)度較大，反之，關(guān)聯(lián)度較小。與傳統(tǒng)的多因素分析方法相比，灰色關(guān)聯(lián)度分析法對(duì)數(shù)據(jù)要求較低且計(jì)算量較小，因此該方法已廣泛運(yùn)用于社會(huì)和自然科學(xué)的各個(gè)領(lǐng)域，尤其在災(zāi)情評(píng)估和經(jīng)濟(jì)領(lǐng)域內(nèi)取得了較好的應(yīng)用效果[16]。該方法應(yīng)用于評(píng)估臺(tái)風(fēng)災(zāi)情等級(jí)時(shí)，將臺(tái)風(fēng)災(zāi)害造成損失的各單項(xiàng)因子進(jìn)行歸一化處理，然后將各次臺(tái)風(fēng)造成損失的各單指標(biāo)歸一化值與所有歷史臺(tái)風(fēng)災(zāi)情單指標(biāo)的最大值構(gòu)成的序列求關(guān)聯(lián)系數(shù)，再按照關(guān)聯(lián)系數(shù)的大小確定各次臺(tái)風(fēng)災(zāi)情的綜合嚴(yán)重程度[17]。實(shí)際應(yīng)用中，該方法更多用于臺(tái)風(fēng)災(zāi)后評(píng)估[17-19]。

值得指出的是上述目前存在的臺(tái)風(fēng)災(zāi)害損失的主要評(píng)估方法中，如果采用災(zāi)后災(zāi)情因子，則評(píng)估結(jié)果為災(zāi)后評(píng)估。如果采用災(zāi)害過程中的致災(zāi)因子如臺(tái)風(fēng)大風(fēng)、雨量等，其災(zāi)害評(píng)估則是對(duì)災(zāi)情的預(yù)測(cè)性評(píng)估，也稱預(yù)評(píng)估。理論上，回歸分析法、模糊綜合評(píng)判、層次評(píng)價(jià)法等均既可以災(zāi)前或?yàn)?zāi)中對(duì)災(zāi)情損失進(jìn)行評(píng)估，也可以采用災(zāi)后因子進(jìn)行災(zāi)后評(píng)估，目前災(zāi)后災(zāi)情評(píng)估更多是多指標(biāo)直接合成，采用統(tǒng)計(jì)模型災(zāi)后評(píng)估較少(表1)。

1.2 臺(tái)風(fēng)災(zāi)情評(píng)估的統(tǒng)計(jì)模擬方法

臺(tái)風(fēng)災(zāi)情的統(tǒng)計(jì)模擬評(píng)估主要是以臺(tái)風(fēng)災(zāi)害發(fā)生的強(qiáng)度、頻度以及承災(zāi)體具體結(jié)構(gòu)的統(tǒng)計(jì)模擬為主，即通過受臺(tái)風(fēng)威脅地區(qū)臺(tái)風(fēng)發(fā)生頻度、強(qiáng)度以及承災(zāi)體的具體特性和位置分布進(jìn)行相應(yīng)的統(tǒng)計(jì)模擬來(lái)評(píng)估臺(tái)風(fēng)災(zāi)害災(zāi)情或風(fēng)險(xiǎn)。這一方法在國(guó)外開展較多，主要評(píng)估臺(tái)風(fēng)風(fēng)災(zāi)，臺(tái)風(fēng)帶來(lái)的大范圍降雨致災(zāi)則被歸入洪澇災(zāi)害。

臺(tái)風(fēng)災(zāi)情的統(tǒng)計(jì)模擬方法一般包括臺(tái)風(fēng)頻度、強(qiáng)度、路徑模擬、臺(tái)風(fēng)風(fēng)場(chǎng)模擬、工程結(jié)構(gòu)的風(fēng)破壞模擬以及預(yù)期保險(xiǎn)損失的模擬等[20](圖1)。

圖1 臺(tái)風(fēng)災(zāi)害統(tǒng)計(jì)模擬評(píng)估法基本框架

目前受臺(tái)風(fēng)威脅地區(qū)的臺(tái)風(fēng)發(fā)生頻數(shù)模擬采用的方法有三類:一類為直接采用歷史數(shù)據(jù)[21-22];第二類則采用擬合頻數(shù)的概率分布[23-24];第三種則以臺(tái)風(fēng)實(shí)際發(fā)生過程為依據(jù)，對(duì)臺(tái)風(fēng)的產(chǎn)生進(jìn)行模擬再現(xiàn)[25]。臺(tái)風(fēng)再現(xiàn)模擬中，氣旋活動(dòng)的十年際變化、熱帶氣旋的年際變化、厄爾尼娜、拉尼娜等影響臺(tái)風(fēng)活動(dòng)因子等作為參數(shù)選擇因子，通過負(fù)二項(xiàng)分布或者泊松分布(Poisson)模擬氣旋發(fā)生頻數(shù)[20]。

臺(tái)風(fēng)路徑模擬則模擬臺(tái)風(fēng)的強(qiáng)度變化以及路徑變化，通過給定地區(qū)的登陸數(shù)檢驗(yàn)確定模擬的準(zhǔn)確度。臺(tái)風(fēng)風(fēng)場(chǎng)模擬應(yīng)用成熟臺(tái)風(fēng)的物理模型和臺(tái)風(fēng)參數(shù)資料，采用數(shù)值方法模擬臺(tái)風(fēng)風(fēng)場(chǎng)[26]。

臺(tái)風(fēng)進(jìn)入受威脅地區(qū)的一定影響范圍內(nèi)，則臺(tái)風(fēng)風(fēng)場(chǎng)模式與地區(qū)的建筑結(jié)構(gòu)，地形數(shù)據(jù)相結(jié)合的風(fēng)損失模型被應(yīng)用，并評(píng)估破壞程度。其評(píng)估的基本方法通過構(gòu)造風(fēng)災(zāi)地區(qū)損失模型(windfield damage model)，對(duì)地區(qū)風(fēng)災(zāi)損失或風(fēng)險(xiǎn)進(jìn)行度量。風(fēng)災(zāi)地區(qū)損失模型一般通過確定各種臺(tái)風(fēng)風(fēng)速發(fā)生的概率，然后建立風(fēng)速與破壞程度大小的函數(shù)關(guān)系，從而確定損失發(fā)生的概率，并計(jì)算預(yù)期損失來(lái)評(píng)估可能的災(zāi)情或者將已經(jīng)發(fā)生的臺(tái)風(fēng)災(zāi)害相關(guān)數(shù)據(jù)帶入模型，評(píng)估臺(tái)風(fēng)災(zāi)情。風(fēng)災(zāi)地區(qū)損失模型中，自變量是臺(tái)風(fēng)風(fēng)速，響應(yīng)變量為臺(tái)風(fēng)造成的預(yù)期損失。如Huang[27]，Dorland[28]，慕尼黑再保險(xiǎn)公司[29]，瑞士再保險(xiǎn)公司[30]，Klawa[31]，Unanwa[32]分別構(gòu)建了適合當(dāng)?shù)氐呐_(tái)風(fēng)風(fēng)速與損失率的函數(shù)。Huang和Droland采用指數(shù)函數(shù)構(gòu)建風(fēng)速損失模型，而慕尼黑再保險(xiǎn)公司，瑞士再保險(xiǎn)公司，Klawa采用冪函數(shù)建立預(yù)期損失與臺(tái)風(fēng)風(fēng)速的關(guān)系[31]。

臺(tái)風(fēng)統(tǒng)計(jì)模擬損失估計(jì)分別使用各種類型建筑體結(jié)構(gòu)的脆弱性矩陣，計(jì)算預(yù)期損失。具體評(píng)估損失時(shí)一般采用兩種方法:一種方法通過估計(jì)每種保險(xiǎn)方案下的全部的保險(xiǎn)損失，然后再除以每年的臺(tái)風(fēng)頻數(shù)，得到每年的預(yù)期損失。然后分別根據(jù)各地區(qū)的承災(zāi)結(jié)構(gòu)的暴露性程度，從而計(jì)算每個(gè)地區(qū)的預(yù)期損失;另外一種方法則與之相反，通過計(jì)算每個(gè)地區(qū)的風(fēng)分布函數(shù)，得到每個(gè)地區(qū)的預(yù)期損失，通過累加估計(jì)各種保險(xiǎn)方案下的整個(gè)地區(qū)的預(yù)期保險(xiǎn)損失[33]。

各種學(xué)術(shù)研究中的臺(tái)風(fēng)災(zāi)情統(tǒng)計(jì)模擬評(píng)估，其基本流程可歸納為三個(gè)組成部分，四個(gè)模塊。

三個(gè)部分主要為臺(tái)風(fēng)氣象模擬、臺(tái)風(fēng)工程模擬以及保險(xiǎn)模擬。其具體的四個(gè)模塊則為臺(tái)風(fēng)預(yù)測(cè)模塊、風(fēng)場(chǎng)模塊、工程脆弱性模塊以及保險(xiǎn)損失模塊(見圖1)。

2 臺(tái)風(fēng)災(zāi)情評(píng)估方法的問題與局限

指標(biāo)評(píng)估方法在國(guó)內(nèi)評(píng)估研究中較為常見，是國(guó)內(nèi)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)與損失評(píng)估的主流方法，各種具體實(shí)施方法較多(見表1)，目前并沒有形成普遍公認(rèn)的統(tǒng)一方法，而且此種方法存在一定的局限性。

從評(píng)估使用的技術(shù)方法上考慮，災(zāi)情評(píng)估方法經(jīng)歷了從簡(jiǎn)單粗略到復(fù)雜的演變過程，評(píng)估結(jié)果的精確性逐漸提高，然而臺(tái)風(fēng)災(zāi)情評(píng)估模型仍不成熟，常用的評(píng)估方法如層次分析法、模糊數(shù)學(xué)方法等在確定評(píng)估指標(biāo)的權(quán)重時(shí)往往采用專家打分，導(dǎo)致評(píng)估結(jié)果過于主觀，應(yīng)發(fā)展更為合理的權(quán)重衡量方法。

從臺(tái)風(fēng)災(zāi)害評(píng)估的指標(biāo)選擇上考慮，目前臺(tái)風(fēng)災(zāi)害評(píng)估方法主要考慮臺(tái)風(fēng)強(qiáng)度和頻度，包括雨量與近中心風(fēng)速、路徑以及臺(tái)風(fēng)頻數(shù)等致災(zāi)因子方面，承災(zāi)體的脆弱性與其遭受的損失程度密切相關(guān)，但在對(duì)臺(tái)風(fēng)災(zāi)害承災(zāi)體因子的選擇上并沒有達(dá)成較為一致、全面的看法，綜合考慮孕災(zāi)環(huán)境與承災(zāi)體對(duì)災(zāi)情影響的評(píng)估較少;其次有些研究雖然考慮了承災(zāi)體的社會(huì)經(jīng)濟(jì)地理因素，但未能結(jié)合臺(tái)風(fēng)路徑、強(qiáng)度和經(jīng)濟(jì)地理空間分布，未能恰當(dāng)?shù)厝诤献匀灰蛩睾蜕鐣?huì)經(jīng)濟(jì)因素以及其在災(zāi)害形成中的相互影響。

從評(píng)估的最終結(jié)果來(lái)看，臺(tái)風(fēng)災(zāi)害評(píng)估的結(jié)果基本上以指數(shù)或等級(jí)表征。然而，目前學(xué)者們量化災(zāi)情等級(jí)大小時(shí)缺乏統(tǒng)一標(biāo)準(zhǔn)(見表1)。各種綜合指數(shù)出現(xiàn)在不同的文獻(xiàn)中，臺(tái)風(fēng)災(zāi)情等級(jí)臨界值也缺乏統(tǒng)計(jì)標(biāo)準(zhǔn)，標(biāo)準(zhǔn)的不統(tǒng)一導(dǎo)致各自的評(píng)估結(jié)果無(wú)法進(jìn)行比較，使得以指數(shù)或等級(jí)大小表示的評(píng)估結(jié)果缺乏明確、直觀的意義。

在臺(tái)風(fēng)災(zāi)情的損失評(píng)估中，直接經(jīng)濟(jì)損失的大小是災(zāi)情的一個(gè)更為直觀的指標(biāo)。運(yùn)用數(shù)理統(tǒng)計(jì)方法對(duì)臺(tái)風(fēng)災(zāi)害的直接經(jīng)濟(jì)損失進(jìn)行預(yù)測(cè)和評(píng)估也可為防災(zāi)和減災(zāi)提供了較為合理、科學(xué)的依據(jù)。然而，臺(tái)風(fēng)災(zāi)害經(jīng)濟(jì)損失價(jià)值的統(tǒng)計(jì)預(yù)測(cè)模型學(xué)術(shù)關(guān)注度較低，相應(yīng)成果較少。臺(tái)風(fēng)災(zāi)害影響的經(jīng)濟(jì)損失值的統(tǒng)計(jì)評(píng)估模型與預(yù)測(cè)尚未有成熟的方法。

臺(tái)風(fēng)災(zāi)害的統(tǒng)計(jì)模擬方法的主要問題在于由于模擬過程的各環(huán)節(jié)的復(fù)雜性，各種參數(shù)的選擇，導(dǎo)致結(jié)果的不確定性與差異。如在氣象模塊中，臺(tái)風(fēng)風(fēng)速模型及近地風(fēng)場(chǎng)參數(shù)的不確定性和差異，會(huì)導(dǎo)致最終估算的臺(tái)風(fēng)損失具有較大不穩(wěn)定性[27-28]。在工程模塊中，風(fēng)荷載模型基本上根據(jù)風(fēng)荷載規(guī)范或風(fēng)洞試驗(yàn)結(jié)果建立，不能真實(shí)反映結(jié)構(gòu)在臺(tái)風(fēng)氣候下的風(fēng)荷載，基于建筑結(jié)構(gòu)的臺(tái)風(fēng)易損性矩陣構(gòu)建對(duì)實(shí)際狀況的模擬出現(xiàn)偏差[29]。此外，臺(tái)風(fēng)災(zāi)害的統(tǒng)計(jì)模擬方法主要模擬風(fēng)災(zāi)，對(duì)于臺(tái)風(fēng)降雨引起的洪澇災(zāi)害、風(fēng)暴潮災(zāi)害、海洋強(qiáng)浪引起的災(zāi)害未予考慮，無(wú)法衡量臺(tái)風(fēng)災(zāi)害所致的破壞總程度。

3 兩種主要災(zāi)情評(píng)估方法的比較

臺(tái)風(fēng)災(zāi)害的風(fēng)險(xiǎn)評(píng)估與臺(tái)風(fēng)災(zāi)情損失評(píng)估國(guó)內(nèi)外顯現(xiàn)出不同的特點(diǎn)。臺(tái)風(fēng)災(zāi)害的指標(biāo)評(píng)估方法是目前國(guó)內(nèi)主要的災(zāi)情評(píng)估方法，采用指標(biāo)方法的統(tǒng)計(jì)綜合評(píng)估由于研究區(qū)域一般以省、區(qū)為單元，范圍太大，實(shí)際效用較小。而國(guó)外較為主流則是以臺(tái)風(fēng)路徑、風(fēng)場(chǎng)、建筑結(jié)構(gòu)、損失的統(tǒng)計(jì)模擬為主，在模擬的基礎(chǔ)上進(jìn)行地區(qū)風(fēng)險(xiǎn)評(píng)估，保險(xiǎn)損失的計(jì)算(表2)。

表2 臺(tái)風(fēng)災(zāi)情評(píng)估方法比較

4 臺(tái)風(fēng)災(zāi)情評(píng)估的展望與啟示

臺(tái)風(fēng)災(zāi)情評(píng)估在理論和減災(zāi)防災(zāi)實(shí)踐中已有較多的成果。然而，以往對(duì)其研究現(xiàn)狀尚無(wú)相應(yīng)綜述。本文綜合現(xiàn)有研究，對(duì)臺(tái)風(fēng)災(zāi)情評(píng)估現(xiàn)狀進(jìn)行總結(jié)并重點(diǎn)評(píng)述臺(tái)風(fēng)災(zāi)情評(píng)估的方法?；谂_(tái)風(fēng)災(zāi)情評(píng)估現(xiàn)狀，筆者認(rèn)為臺(tái)風(fēng)災(zāi)情評(píng)估發(fā)展應(yīng)著力于以下幾個(gè)方面。

(1)統(tǒng)計(jì)模擬方法的臺(tái)風(fēng)評(píng)估與指標(biāo)法綜合評(píng)估結(jié)合。國(guó)內(nèi)災(zāi)情評(píng)估的研究無(wú)論是模糊數(shù)學(xué)方法還是層次分析等方法基本上是以指標(biāo)的綜合指數(shù)衡量一個(gè)地區(qū)的風(fēng)險(xiǎn)或?yàn)?zāi)情大小，其不足之處由于評(píng)估范圍較大，實(shí)用性有所欠缺?；谇榫澳M的臺(tái)風(fēng)災(zāi)害損失研究國(guó)外較為廣泛，應(yīng)借鑒一些國(guó)外研究成果，如Florida颶風(fēng)損失評(píng)估系統(tǒng)等，更為廣泛開展基于情景的臺(tái)風(fēng)災(zāi)害評(píng)估研究。將指標(biāo)法與情境模擬的臺(tái)風(fēng)災(zāi)害評(píng)估結(jié)合起來(lái)，才能在減災(zāi)防災(zāi)中發(fā)揮更大作用。

(2)分行業(yè)的臺(tái)風(fēng)災(zāi)害評(píng)估。不同的行業(yè)對(duì)臺(tái)風(fēng)災(zāi)害的承受能力存在差異，臺(tái)風(fēng)災(zāi)害對(duì)不同的行業(yè)具有不同的影響特點(diǎn)，其產(chǎn)生的災(zāi)情也具有不同的表現(xiàn)形式，如考慮以農(nóng)業(yè)和水產(chǎn)養(yǎng)殖業(yè)等敏感行業(yè)為突破口，研究滿足不同行業(yè)需求的臺(tái)風(fēng)災(zāi)害損失評(píng)估模型。

(3)加強(qiáng)高新技術(shù)、特別是衛(wèi)星遙感技術(shù)和GIS技術(shù)在臺(tái)風(fēng)災(zāi)害評(píng)估中的應(yīng)用。近幾年，隨著航空航天技術(shù)的發(fā)展，衛(wèi)星遙感技術(shù)在災(zāi)害研究中已經(jīng)得到較多應(yīng)用，如，海嘯[34]、地震[35]、溢油[36-37]、有害藻華[38-40]等。衛(wèi)星遙感技術(shù)有觀測(cè)面積大、數(shù)據(jù)應(yīng)用期長(zhǎng)、歷史數(shù)據(jù)可以回顧，可比性、可視性等優(yōu)勢(shì)[41]，利用遙感和GIS，可以在臺(tái)風(fēng)災(zāi)情評(píng)估中快速將多源數(shù)據(jù)復(fù)合，通過網(wǎng)絡(luò)集成多種技術(shù)成果和數(shù)據(jù)后，進(jìn)行快速準(zhǔn)確連續(xù)動(dòng)態(tài)與全天候的臺(tái)風(fēng)災(zāi)害的監(jiān)測(cè)與評(píng)估。利用高分辨率的衛(wèi)星遙感技術(shù)提供的小尺度災(zāi)情數(shù)據(jù)，將促進(jìn)臺(tái)風(fēng)災(zāi)情的監(jiān)測(cè)和評(píng)估也會(huì)向高分辨率發(fā)展，將有效改變目前臺(tái)風(fēng)災(zāi)情評(píng)估由于評(píng)估區(qū)域較大、準(zhǔn)確度和實(shí)用性不高的缺點(diǎn)。

(4)積極開展減災(zāi)決策支持系統(tǒng)研究。臺(tái)風(fēng)災(zāi)害評(píng)估是一個(gè)復(fù)雜的過程，其數(shù)據(jù)量大，數(shù)據(jù)結(jié)構(gòu)復(fù)雜，與地理空間數(shù)據(jù)和屬性數(shù)據(jù)關(guān)系密切，而GIS又具有功能齊全的空間數(shù)據(jù)分析和與專業(yè)模型相結(jié)合的能力，將評(píng)估模型與GIS結(jié)合，開發(fā)決策支持系統(tǒng)為減災(zāi)防災(zāi)提供可視化信息，為決策者提供可視化決策參考，具有重要的實(shí)際意義，應(yīng)加強(qiáng)臺(tái)風(fēng)災(zāi)害評(píng)估決策支持系統(tǒng)研究[42-43]。鑒于現(xiàn)有成熟的系統(tǒng)開發(fā)成果較少，基于統(tǒng)計(jì)信息與統(tǒng)計(jì)模型的人機(jī)對(duì)話的臺(tái)風(fēng)災(zāi)害決策系統(tǒng)仍需不斷深化研究。

(5)亟需深化臺(tái)風(fēng)災(zāi)害評(píng)估內(nèi)容。自然災(zāi)害評(píng)估中，災(zāi)害的間接經(jīng)濟(jì)損失以及宏觀經(jīng)濟(jì)效應(yīng)是災(zāi)害評(píng)估的課題之一。然而針對(duì)臺(tái)風(fēng)災(zāi)種的災(zāi)害宏觀經(jīng)濟(jì)效應(yīng)評(píng)估研究較少，以臺(tái)風(fēng)災(zāi)害為研究對(duì)象的間接經(jīng)濟(jì)損失的實(shí)證研究尚缺乏。臺(tái)風(fēng)災(zāi)害的生態(tài)評(píng)估和減災(zāi)防災(zāi)效益評(píng)估由于影響因素的復(fù)雜性則較少開展[44]。臺(tái)風(fēng)災(zāi)害評(píng)估應(yīng)盡可能開展間接損失、生態(tài)以及減災(zāi)防災(zāi)效益評(píng)估的一些模型和實(shí)證研究，使評(píng)估的內(nèi)容更為全面，有助于更為有效地實(shí)施臺(tái)風(fēng)災(zāi)害的減災(zāi)防災(zāi)及風(fēng)險(xiǎn)管理。

[1] Schmidt S，Kemfert C，H?ppe P.The impact of socio-economics and climate change on tropical cyclone losses in the USA[J].Regional Environmental Change，2010，10(1):13-23.

[2] Ou Jinping，Duan Zhongdong，Chang Ling.Typhoon risk analysis for key coastal cities in southeast China[J].Journal of Natural Disasters，2002，11(4):9-18.

[3] Xiao Fengjin，Xiao Ziniu.Characteristics of tropical cyclones in China and their impacts analysis[J].Nat Hazards，2010，54:827-837.

[4] Zhang Q，Wu L，Liu Q.Tropical Cyclone Damages in China 1983-2006[J].Bulletin of the American Meteorological Society，2009，90(4):489-495.

[5] 劉玉函，唐曉春，宋麗莉.廣東臺(tái)風(fēng)災(zāi)情評(píng)估探討[J].熱帶地理，2003，23(2):119-122.

[6] 錢燕珍，何彩芬，楊元琴，等.熱帶氣旋災(zāi)害指數(shù)的估算與應(yīng)用方法[J].氣象，2001，27(1):14-18.

[7] 呂純濂，陳舜華.氣象災(zāi)害經(jīng)濟(jì)損失估算與預(yù)測(cè)的經(jīng)濟(jì)計(jì)量模式[J].南京氣象學(xué)院學(xué)報(bào)，1993，16(1):67-72.

[8] 林繼生，羅金鈴.登陸廣東的熱帶氣旋災(zāi)害評(píng)估和預(yù)測(cè)模式[J].自然災(zāi)害學(xué)報(bào)，1995，4(1):92-97.

[9] 趙飛，廖永豐，張妮娜，等.登陸中國(guó)臺(tái)風(fēng)災(zāi)害損失預(yù)評(píng)估模型研究[J].災(zāi)害學(xué)，2011，26(2):81-85.

[10] 樊琦，梁必騏.熱帶氣旋災(zāi)情的預(yù)測(cè)及評(píng)估[J].地理學(xué)報(bào)，2000，55(S1):52-56.

[11] 梁必騏，樊琦，楊潔，等.熱帶氣旋災(zāi)害的模糊數(shù)學(xué)評(píng)價(jià)[J].熱帶氣象學(xué)報(bào)，1999(4):305-311.

[12] 李春梅，羅曉玲，劉錦鑾，等.層次分析法在熱帶氣旋災(zāi)害影響評(píng)估模式中的應(yīng)用[J].熱帶氣象學(xué)報(bào)，2006，22(3):223-228.

[13] 劉少軍，張京紅，何政偉，等.基于GIS的臺(tái)風(fēng)災(zāi)害損失評(píng)估模型研究[J].災(zāi)害學(xué)，2010，25(2):64-67.

[14] 婁偉平，陳海燕，鄭峰，等.基于主成分神經(jīng)網(wǎng)絡(luò)的臺(tái)風(fēng)災(zāi)害經(jīng)濟(jì)損失評(píng)估[J].地理研究，2009(5):1243-1254.

[15] 王秀榮，王維國(guó)，馬清云.臺(tái)風(fēng)災(zāi)害綜合等級(jí)評(píng)估模型及應(yīng)用[J].氣象，2010，36(1):66-71.

[16] 傅立.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)技術(shù)出版社，1992:191-199.

[17] 劉偉東，扈海波，程叢蘭，等.灰色關(guān)聯(lián)度方法在大風(fēng)和暴雨災(zāi)害損失評(píng)估中的應(yīng)用[J].氣象科技，2007(4):563-566.

[18] 牛海燕，劉敏，陸敏，等.中國(guó)沿海地區(qū)臺(tái)風(fēng)災(zāi)害損失評(píng)估研究[J].災(zāi)害學(xué)，2011，26(3):61-64.

[19] 陳仕鴻，隋廣軍，唐丹玲.一種臺(tái)風(fēng)災(zāi)害評(píng)估模型及應(yīng)用[J].災(zāi)害學(xué)，2012，27(2):87-91.

[20] Hamid S，Golam Kibria B M，Gulati S，et al.Predicting losses of residential structures in the state of Florida by the public hurricane loss evaluation model[J].Statistical Methodology，2010，7(5):552-573.

[21] Yoshida M.Evaluation of fatigue damage to a damper induced by a typhoon[J].J Wind Eng Ind Aerod，1998，74:955-965.

[22] 魏章進(jìn)，唐丹玲，隋廣軍.熱帶氣旋登陸概率的Logistic模擬[J].數(shù)理統(tǒng)計(jì)與管理，2012，31(3):523-535.

[23] Choi K S，Kim D W，Byun H R.Statistical model for seasonal prediction of tropical cyclone frequency in the mid-latitudes of East Asia[J].Theor Appl Climatol，2010，102(1):105-114.

[24] 魏章進(jìn)，唐丹玲.西北太平洋熱帶氣旋源地、強(qiáng)度及其關(guān)聯(lián)性的統(tǒng)計(jì)研究[J].數(shù)理統(tǒng)計(jì)與管理，2011，30(3):512-521.

[25] Powell，M Soukup，G Cocke，et al.State of Florida hurricane loss projection model:Atmospheric science component[J].Journal of wind engineering and industrial aerodynamics 2005，93(8):651-674.

[26] Twisdale V A.Simulation of hurricane risk in the U.S.Using empirical track model[J].Journal of structural engineering，2000，10:1223-1237.

[27] Huang Z，Rosowsky D V，Sparks P R.Long-term hurricane risk assessment and expected damage to residential structures[J].Reliability Engineering and System Safety，2001，74:239-249.

[28] Dorland C，Tol R S J，Olsthoorn A A，et al.Impacts of windstorms in the Netherlands:Present risk and prospects for climate change[C]//Chapter 10 in Downing，Climate，Change and Risk.Routledge，London，New York，1999:245-278.

[29] Munich Re.Winter storms in Europe，analysis of 1990 losses and future loss potential[M].Münchener Rückversicherungs-Gesellschaft，1993.

[30] Swiss Re.Storms over europe，losses and scenarios[M].Zurich:Swiss Reinsurance Company，1993:28.

[31] Klawa M，Ulbrich U.A model for the estimation of storm losses and the identification of severe winter storms in Germany[J].Natural Hazards and Earth System Sciences，2003，3:725-732.

[32] Unanwa C O，McDonald J R，Mehta K C，et al.The development of wind damage bands for buildings[J].J Wind Eng Ind Aerod，2000，84(1):119-149.

[33] Mitsuta Y，F(xiàn)ujii T，Nagashima I.A Predicting Method of Typhoon Wind Damages[C]//Probabilistic Mechanics and Structural Reliability:Proceedings of the 7th Specialty Conference 1996:970-973.

[34] Pan Gang，Tang Danling.Satellite monitoring of phytoplankton in the East Mediterranean Sea after the 2006 Lebanon oil spill[J].International Journal of Remote Sensing，2012，33(23):7482-7490.

[35] Pan Gang，Tang Danling.Damage Information Derived from Multi-sensor Data of the Wenchuan(China)Earthquake of May 2008[J].International Journal of Remote Sensing.2010，31:3509-3519.

[36] Pan Gang，Tang Danling.Satellite investigations of the May 12 Sichuan Earthquake in the southwest China[J].Eos，2009，90:16-21.

[37] Tang Danling，Kawamura H，Hai Doan-Nhu，et al.Remote sensing oceanography of a harmful algal bloom(HAB)off the coast of southeastern Vietnam[J].J.of Geophysical Research(Ocean)，2004，109:1-7.

[38] Tang Danling，BP Di，G Wei，et al.Spatial，seasonal and species variations of harmful algal blooms in the South Yellow Sea and East China Sea[M].Hydrobiologia，2006.

[39] Tang Danling，Zhao H，Satyanarayana B，et al.Enhancement of Chlorophyll-a in the Northeastern Indian Ocean after the 2004 South Asian Tsunami[J].Int.J.Remote Sensing，2009，30(17):4553-4565.

[40] Chen Yongqiang，Tang Danling.Eddy-feature phytoplankton bloom induced by tropical cyclone in the South China Sea[J].International Journal of Remote Sensing，2012，33(23):7444-7457.

[41] Zhao H，Tang Danling，Wang DX.Phytoplankton blooms near the Pearl River Estuary induced by Typhoon Nuri[J].Journal of Geophysical Research-Oceans，2009，114:231-239.

[42] Chen Wangkun，Sui Guangjun，Tang Danling.Predicting the E-conomic Loss of Typhoon by case Base Reasoning and Fuzzy Theory[C]//Proceeding of the 2011 International Conference on Machine Learning and Cybernetics，Guilin，2011:254-257.

[43] 隋廣軍，唐丹玲，陳和.臺(tái)風(fēng)災(zāi)害的經(jīng)濟(jì)影響和防災(zāi)系統(tǒng)建設(shè)[J].國(guó)際經(jīng)貿(mào)探索，2010，26(2):32-36.

[44] 鐘兆站.中國(guó)海岸帶自然災(zāi)害與環(huán)境評(píng)估[J].地理科學(xué)進(jìn)展，1997(3):44-50.