基于改進(jìn)逆推算法的臺(tái)風(fēng)氣象服務(wù)綜合效益評(píng)估研究

田心如 張雪蓉 侯俊

(1 江蘇省氣象臺(tái)，南京 210019；2中國(guó)氣象局交通氣象重點(diǎn)開放實(shí)驗(yàn)室，南京210019；3 江蘇省氣象科學(xué)研究所，南京 210019)

引 言

臺(tái)風(fēng)是世界上破壞力極強(qiáng)的自然災(zāi)害之一，危害嚴(yán)重。江蘇省東臨黃海，易受臺(tái)風(fēng)影響，平均每年有3.1個(gè)臺(tái)風(fēng)，2018年多達(dá)8個(gè)；平均每年受1～2個(gè)臺(tái)風(fēng)嚴(yán)重影響，多的年份可達(dá)3～4個(gè)。2018年7月下旬到8月中旬，接連有 4個(gè)臺(tái)風(fēng)影響江蘇，“安比”、“云雀”、“溫比亞”3個(gè)臺(tái)風(fēng)中心均穿過(guò)江蘇省境內(nèi)， 臺(tái)風(fēng)“摩羯”擦邊江蘇而過(guò)，這種短時(shí)間內(nèi)連續(xù)4個(gè)臺(tái)風(fēng)嚴(yán)重影響江蘇的情況在歷史記錄中屬首次。其中2018年18號(hào)臺(tái)風(fēng)“溫比亞”，8月17日06∶40(北京時(shí)，下同)從蘇州吳江進(jìn)入江蘇境內(nèi)，經(jīng)過(guò)宜興、溧陽(yáng)、高淳等縣(市)，于13∶30出境，再經(jīng)安徽、河南進(jìn)入山東，20日凌晨在山東北部變性為溫帶氣旋?！皽乇葋啞迸_(tái)風(fēng)過(guò)程雨量：江蘇全省大部分地區(qū)在50 mm以上，沛縣3個(gè)鄉(xiāng)鎮(zhèn)超過(guò)500 mm，豐縣、沛縣面雨量分別達(dá)314 mm和264 mm，最大小時(shí)雨強(qiáng)127.7 mm；最大風(fēng)力陸上普遍達(dá)7～9級(jí)、部分地區(qū)10～11級(jí)，沿海海面大部10～12級(jí)?！皽乇葋啞敝率菇K174.6萬(wàn)人受災(zāi)，因?yàn)?zāi)死亡7人，傷病21人，轉(zhuǎn)移安置16 930人，房屋倒塌1 497間，農(nóng)作物受災(zāi) 184 668 hm2，直接經(jīng)濟(jì)損失209 255.42萬(wàn)元。長(zhǎng)期以來(lái)，氣象工作者對(duì)臺(tái)風(fēng)活動(dòng)規(guī)律和機(jī)制[1]、臺(tái)風(fēng)預(yù)報(bào)[2]等進(jìn)行了研究。雷小涂等[3]對(duì)1980—2004年間中國(guó)致災(zāi)臺(tái)風(fēng)的災(zāi)情進(jìn)行了評(píng)估，發(fā)現(xiàn)臺(tái)風(fēng)造成的損失逐年趨重。近年來(lái)，隨著氣象部門對(duì)臺(tái)風(fēng)的預(yù)報(bào)準(zhǔn)確率的不斷提高，政府、部門及公眾根據(jù)氣象預(yù)報(bào)實(shí)施了更加及時(shí)有效的防臺(tái)減災(zāi)措施，最大程度避免了災(zāi)害損失。如何科學(xué)定量評(píng)估氣象服務(wù)效益防災(zāi)減災(zāi)綜合效益，對(duì)進(jìn)一步開發(fā)氣象服務(wù)技術(shù)、提升全社會(huì)防災(zāi)減災(zāi)能力，具有重要意義。

許多學(xué)者從不同角度對(duì)公眾、行業(yè)和決策等各個(gè)領(lǐng)域的氣象服務(wù)效益值進(jìn)行了評(píng)估和計(jì)算，其中公眾氣象服務(wù)效益評(píng)估中普遍使用的是影子價(jià)格、自愿付費(fèi)和節(jié)省費(fèi)用法[4-5]、條件價(jià)值法[6]。行業(yè)氣象服務(wù)效益評(píng)估方法普遍采用德爾斐專家評(píng)估法[7-8]、 投入產(chǎn)出法[9]、科布—道格拉斯(Cobb-Douglas)生產(chǎn)函數(shù)模型[10]和影子模型[11]。決策氣象服務(wù)效益評(píng)估[12]主要集中采用層次分析法[13]、模糊數(shù)學(xué)和多項(xiàng)式擬合方法[14]。但由于影響因素復(fù)雜，氣象服務(wù)效益評(píng)估仍然是個(gè)難題，在國(guó)際上尚沒(méi)有一個(gè)公認(rèn)的評(píng)估方法和評(píng)估模型。

臺(tái)風(fēng)氣象服務(wù)防災(zāi)減災(zāi)綜合效益評(píng)估(以下簡(jiǎn)稱臺(tái)風(fēng)氣象服務(wù)效益評(píng)估)受到中國(guó)氣象局的高度重視，近年來(lái)組織江蘇等沿海省(市)進(jìn)行評(píng)估方法研究，推進(jìn)業(yè)務(wù)化運(yùn)行。目前對(duì)臺(tái)風(fēng)服務(wù)效益評(píng)估方法主要有逆推算法[15-16]、對(duì)比分析法[17]和專家德爾菲法[18]。由于對(duì)比分析法的關(guān)鍵在于評(píng)估基準(zhǔn)年的挑選和確定，采用不同的基準(zhǔn)年，其抗災(zāi)效果也不同，其客觀效果難以確定。逆推算法，可以通過(guò)精確的數(shù)字手段處理多種因素影響的事物，做出一個(gè)較為合理的總體評(píng)判。氣象服務(wù)效益影響研究中主流因素多為直接經(jīng)濟(jì)損失、氣象服務(wù)水平、政府部門決策、公眾服務(wù)評(píng)價(jià)和組織水平及不可避免損失等[16、18-19]。但是，卻較少有學(xué)者將行業(yè)防災(zāi)減災(zāi)能力水平及公眾的防災(zāi)減災(zāi)能力考慮到逆推算法的模型之中，同時(shí)評(píng)估服務(wù)效益時(shí)未考慮防災(zāi)減災(zāi)成本，導(dǎo)致評(píng)估效益值偏大。

基于以往臺(tái)風(fēng)評(píng)估研究存在的不足，本文改進(jìn)了原有逆推算法，結(jié)合層次分析法，建立了臺(tái)風(fēng)氣象服務(wù)綜合效益評(píng)估模型。以2018年18號(hào)臺(tái)風(fēng)“溫比亞”為例，逆推出臺(tái)風(fēng)氣象服務(wù)的經(jīng)濟(jì)效益。改進(jìn)的逆推評(píng)估方法，嚴(yán)謹(jǐn)又易于操作，可進(jìn)行業(yè)務(wù)化推廣。同時(shí)，評(píng)估結(jié)果定量化評(píng)價(jià)了政府在防災(zāi)減災(zāi)中的決策作用和決策的宏觀效果、行業(yè)及公眾的防災(zāi)減災(zāi)能力等，可為政府制定防災(zāi)減災(zāi)策略、從而進(jìn)一步提升全社會(huì)防臺(tái)減災(zāi)能力提供參考依據(jù)。

1 評(píng)估區(qū)域和數(shù)據(jù)

江蘇省從2006年起制定并數(shù)次修訂《江蘇省氣象災(zāi)害(預(yù)警)應(yīng)急預(yù)案》，規(guī)定當(dāng)發(fā)生或即將發(fā)生跨市級(jí)行政區(qū)域大范圍氣象災(zāi)害，并造成或可能造成較大危害時(shí)，根據(jù)氣象監(jiān)測(cè)預(yù)警信息，省人民政府成立省氣象災(zāi)害防御指揮部，負(fù)責(zé)組織、協(xié)調(diào)、指揮氣象災(zāi)害應(yīng)急工作。指揮由分管副省長(zhǎng)擔(dān)任，成員由水利、氣象等部門和單位分管負(fù)責(zé)人組成。逐步形成了“政府主導(dǎo)、部門聯(lián)動(dòng)、社會(huì)參與”的高效防災(zāi)減災(zāi)工作機(jī)制。

本文設(shè)計(jì)了各因子調(diào)查問(wèn)卷，委托北京零點(diǎn)市場(chǎng)調(diào)查公司，針對(duì)臺(tái)風(fēng)“溫比亞”，對(duì)江蘇省24個(gè)政府決策和聯(lián)動(dòng)部門、5個(gè)氣象高敏感行業(yè)、全省所有受臺(tái)風(fēng)影響地區(qū)的公眾三類主體進(jìn)行調(diào)查，收集江蘇全省在直接經(jīng)濟(jì)損失、政府部門防臺(tái)減災(zāi)決策和組織水平、行業(yè)防臺(tái)減災(zāi)能力水平、公眾防臺(tái)減災(zāi)自救互救能力水平、不可避免損失以及防臺(tái)減災(zāi)成本投入等相關(guān)數(shù)據(jù)。調(diào)查范圍覆蓋江蘇全省，經(jīng)過(guò)嚴(yán)密的數(shù)據(jù)質(zhì)量控制，共收集政府決策部門及聯(lián)動(dòng)部門256個(gè)有效樣本、氣象敏感行業(yè)200個(gè)有效樣本、社會(huì)公眾962個(gè)有效樣本，用于評(píng)估“溫比亞”臺(tái)風(fēng)防災(zāi)減災(zāi)及氣象服務(wù)效益。

1.1 樣本選取

樣本選取以“具有普遍性和代表性”為原則，對(duì)被調(diào)查人員詳細(xì)解釋了問(wèn)卷中各問(wèn)題的意義，根據(jù)答題時(shí)長(zhǎng)及答案邏輯判斷每個(gè)樣本的有效性，并隨機(jī)抽取進(jìn)行10%的電話回訪，進(jìn)一步控制樣本質(zhì)量。

在政府決策部門及聯(lián)動(dòng)部門樣本選取上，主要選取江蘇省人民政府、省應(yīng)急指揮中心、省氣象局、省海事局等共24個(gè)政府決策和聯(lián)動(dòng)部門(表1)，專家涵蓋各部門管理和業(yè)務(wù)服務(wù)等人員，回收有效樣本共計(jì)256個(gè)。

表1 江蘇省“溫比亞”臺(tái)風(fēng)氣象服務(wù)效益評(píng)估相關(guān)樣本數(shù)量Table 1 Relevant samples of meteorological service benefit assessment about typhoon “Rumbia” in Jiangsu Province

在行業(yè)樣本選取上，主要考慮數(shù)據(jù)的易得性和受“溫比亞”臺(tái)風(fēng)影響較大的行業(yè)，綜合分析，選取漁業(yè)、農(nóng)業(yè)、旅游業(yè)、交通運(yùn)輸業(yè)和電力行業(yè)5個(gè)典型行業(yè)，回收有效樣本共計(jì)200個(gè)，其中漁業(yè)68個(gè)、農(nóng)業(yè)32個(gè)、旅游業(yè)30個(gè)、交通運(yùn)輸業(yè)36個(gè)，電力行業(yè)34個(gè)。

在公眾樣本選取上，主要結(jié)合“溫比亞”臺(tái)風(fēng)路徑和不同地區(qū)受災(zāi)程度，選取受災(zāi)害嚴(yán)重地區(qū)(徐州市、南通市、鹽城市、鎮(zhèn)江市、泰州市和宿遷市)和其他受災(zāi)地區(qū)(南京市、無(wú)錫市、常州市、蘇州市、連云港市、淮安市和揚(yáng)州市)的普通公眾，回收有效樣本共計(jì)962個(gè)，其中受災(zāi)嚴(yán)重地區(qū)普通公眾樣本542個(gè)，其他受災(zāi)地區(qū)普通公眾樣本420個(gè)。

1.2 技術(shù)說(shuō)明

數(shù)據(jù)采用了李克特(Likert)5級(jí)量表的形式，對(duì)滿意度比例進(jìn)行了百分制轉(zhuǎn)化，分為“非常滿意”賦值為5分，“比較滿意”賦值為4分，“一般”賦值為3分，“不太滿意”賦值為2分，“非常不滿意”賦值為1分，最后統(tǒng)一將轉(zhuǎn)化后的分值進(jìn)行百分制化。

2 效益評(píng)估模型

2.1 原有的逆推算法及評(píng)估模型

張穎超等[16]、呂明輝[19]在對(duì)臺(tái)風(fēng)氣象服務(wù)綜合效益評(píng)估時(shí)，著重考慮氣象預(yù)報(bào)服務(wù)水平、政府決策和組織水平、不可避免損失因子，由直接經(jīng)濟(jì)損失逆推出臺(tái)風(fēng)防災(zāi)減災(zāi)效益，公式如下：

(1)

其中：B表示某次臺(tái)風(fēng)過(guò)程中防臺(tái)減災(zāi)效益值；A表示某次臺(tái)風(fēng)造成的直接經(jīng)濟(jì)損失；A+B表示在沒(méi)有開展氣象服務(wù)的情況下，某次臺(tái)風(fēng)造成的經(jīng)濟(jì)損失；M表示氣象服務(wù)水平；G表示在某次臺(tái)風(fēng)過(guò)程中政府防臺(tái)減災(zāi)決策及組織水平；S是在某次臺(tái)風(fēng)過(guò)程中不可避免的損失系數(shù)，1-S則表示可以避免的損失系數(shù)，即在非常準(zhǔn)確的氣象預(yù)報(bào)服務(wù)下，在最佳的政府組織情況下取得的最好收益。M、G、S取值均為0～1。

原有的逆推算法，初步建立了臺(tái)風(fēng)防災(zāi)減災(zāi)效益的評(píng)價(jià)指標(biāo)，對(duì)臺(tái)風(fēng)的防災(zāi)減災(zāi)綜合效益實(shí)現(xiàn)了定量化評(píng)估。但在實(shí)際防災(zāi)減災(zāi)工作中，政府主導(dǎo)是前提，行業(yè)及公眾的響應(yīng)及防災(zāi)減災(zāi)能力也起到非常重要的作用。同時(shí)，防災(zāi)減災(zāi)成本也直接影響效益的大小。綜合以上考慮，本文對(duì)原有的逆推算法進(jìn)行了改進(jìn)，使指標(biāo)體系更加全面，評(píng)估結(jié)果更加合理。

2.2 改進(jìn)的逆推算法及評(píng)估模型

對(duì)公式(1)改進(jìn)如下：

(2)

其中：E表示行業(yè)防臺(tái)減災(zāi)能力水平；F表示公眾防臺(tái)減災(zāi)自救互救能力水平；C表示防災(zāi)減災(zāi)成本；1-S則表示在預(yù)報(bào)服務(wù)非常準(zhǔn)確且及時(shí)的情況下，政府部門決策和組織達(dá)到最佳水平，行業(yè)把因臺(tái)風(fēng)導(dǎo)致的災(zāi)害降到最低，公眾充分發(fā)揮了自救互救的水平，取得的最佳收益。

由公式(2)可計(jì)算的某次臺(tái)風(fēng)氣象服務(wù)效益關(guān)系式為：

(3)

由于防臺(tái)減災(zāi)效益值的影響因素有很多，根據(jù)氣象預(yù)報(bào)服務(wù)，政府、行業(yè)和公眾三類主體在防臺(tái)減災(zāi)過(guò)程中的決策和組織作用的不同，分別為各個(gè)主體所占的效益比例賦權(quán)，即x1、x2、x3。因此，可將公式(3)轉(zhuǎn)換為公式(4)，即最終改進(jìn)的臺(tái)風(fēng)氣象服務(wù)的經(jīng)濟(jì)效益評(píng)估模型：

(4)

2.3 改進(jìn)的評(píng)估模型各因子計(jì)算

2.3.1 不可避免損失因子S

一般來(lái)說(shuō)，臺(tái)風(fēng)損失中包括可避免損失和不可避免損失兩個(gè)部分，而用戶使用天氣預(yù)報(bào)最多只能避免可避免的損失部分，不可避免的損失與臺(tái)風(fēng)的臺(tái)風(fēng)強(qiáng)度和降水指數(shù)有著密切的關(guān)系，在每次氣象災(zāi)害中的不可避免損失也是不一樣的。臺(tái)風(fēng)不可避免損失主要集中在房屋、農(nóng)田、養(yǎng)殖池塘等不可移動(dòng)的資產(chǎn)上。參考已有研究經(jīng)驗(yàn)和專家論證，考慮到數(shù)據(jù)收集的代表性及有限性，本文將不可避免因子確定為損毀房屋、直接經(jīng)濟(jì)損失、水產(chǎn)養(yǎng)殖面積損失、淹沒(méi)農(nóng)田、停產(chǎn)/停工間接損失、停運(yùn)間接損失、景區(qū)閉園間接損失等7個(gè)因子。由于臺(tái)風(fēng)的不可避免損失會(huì)隨著臺(tái)風(fēng)的強(qiáng)度增加而增加，由于不動(dòng)資產(chǎn)有限性，最終不可避免損失會(huì)達(dá)到最大值。本文使用專家評(píng)估法結(jié)合戒下函數(shù)的升半嶺形分布[20]來(lái)描述不可避免損失因子的變化過(guò)程。

(1)確定隸屬度

由于臺(tái)風(fēng)中不可避免損失主要受臺(tái)風(fēng)風(fēng)力和降雨的影響，本次調(diào)查主要采用專家評(píng)估法確定每個(gè)因子隸屬度。由于專家判斷具有一定主觀性和經(jīng)驗(yàn)性，為了使隸屬度符合客觀規(guī)律，本研究采用戒下函數(shù)反映影響因子x對(duì)臺(tái)風(fēng)造成的損失的具體情況，戒下函數(shù)主要呈半正態(tài)分布[21]，其公式如下：

(5)

F(x)為影響因子x的隸屬函數(shù)，a和k均為參數(shù)，當(dāng)x≤a時(shí)，認(rèn)為臺(tái)風(fēng)不致災(zāi)，所有的損失都是可以避免的，此時(shí)F(x)=0；當(dāng)x逐漸增大時(shí)隸屬度函數(shù)的值也會(huì)隨之增大，表示不可避免損失逐漸增大。

(2)建立評(píng)價(jià)矩陣

根據(jù)模糊評(píng)價(jià)原理，建立Ri=(ri1，ri2，…rim)，i=1，2，3，…n，根據(jù)隸屬函數(shù)構(gòu)建評(píng)價(jià)矩陣如下：

(6)

(7)

(3)構(gòu)建不可避免損失因子(S)結(jié)構(gòu)模型及賦權(quán)

權(quán)重賦值主要來(lái)源于多名相關(guān)領(lǐng)域?qū)＜?、教授、管理人員對(duì)損毀房屋(A1)、直接經(jīng)濟(jì)損失(A2)、水產(chǎn)養(yǎng)殖面積損失(A3)、淹沒(méi)農(nóng)田(A4)、停產(chǎn)/停工間接損失(A5)、停運(yùn)間接損失(A6)、景區(qū)閉園間接損失(A7)等7個(gè)因子進(jìn)行標(biāo)度評(píng)價(jià)(圖1)，運(yùn)用層次分析法計(jì)算出一致性指數(shù)為0.002，小于0.1， 通過(guò)一致性檢驗(yàn)，得出各因子權(quán)重如表2所示。

圖1 不可避免損失因子(S)結(jié)構(gòu)模型Fig.1 Structure model of inevitable loss factors(S)

表2 不可避免損失各因子權(quán)重值Table 2 Weight value of each factor of inevitable loss

依據(jù)公式(7)可以計(jì)算出江蘇省“溫比亞”臺(tái)風(fēng)不可避免損失(S)的值為0.47。

2.3.2 氣象服務(wù)水平M

本次問(wèn)卷調(diào)查主要從氣象部門氣象預(yù)報(bào)及時(shí)性、氣象預(yù)報(bào)準(zhǔn)確性和氣象預(yù)報(bào)覆蓋率3個(gè)方面對(duì)氣象服務(wù)水平進(jìn)行具體評(píng)價(jià)。通過(guò)調(diào)查公眾、行業(yè)、政府決策部門、氣象部門四類主體，回收1 418個(gè)有效樣本。將臺(tái)風(fēng)氣象服務(wù)預(yù)報(bào)水平按照“非常準(zhǔn)確”、“比較準(zhǔn)確”、“中等”、“比較不準(zhǔn)確”、“非常不準(zhǔn)確”5個(gè)等級(jí)進(jìn)行評(píng)價(jià)[22-23]，按照等級(jí)，權(quán)重賦值分別為：“非常準(zhǔn)確”=5，“比較準(zhǔn)確”=4，“中等”=3，“比較不準(zhǔn)確”=2，“非常不準(zhǔn)確”=0，并建立評(píng)估模型如下：

(8)

其中：j為政府、行業(yè)、公眾、氣象部門四類人群之一；Nj為該類受調(diào)查的總?cè)藬?shù)；Ni為選擇預(yù)報(bào)準(zhǔn)確性第i等級(jí)的人員總數(shù)；Wi為臺(tái)風(fēng)預(yù)報(bào)準(zhǔn)確性第i等級(jí)的權(quán)重。

公式(8)得出的Mj是政府、行業(yè)、公眾、氣象部門四類人群評(píng)出的氣象服務(wù)水平，氣象服務(wù)水平M取為四類數(shù)學(xué)平均值：

(9)

本次調(diào)查得出公眾對(duì)氣象服務(wù)水平評(píng)價(jià)得分為88.2分，政府決策部門對(duì)氣象服務(wù)水平評(píng)價(jià)為93.76分，行業(yè)對(duì)氣象服務(wù)評(píng)價(jià)得分為90.50分，氣象部門72、36和24 h風(fēng)雨預(yù)報(bào)服務(wù)水平自評(píng)價(jià)結(jié)果計(jì)算平均得分為87.6分，依據(jù)公式(9)，計(jì)算氣象服務(wù)水平M為0.90。

2.3.3 政府防臺(tái)減災(zāi)決策和組織水平G

政府在防臺(tái)減災(zāi)決策組織中起著至關(guān)重要的作用，主導(dǎo)聯(lián)動(dòng)各部門聯(lián)動(dòng)防臺(tái)減災(zāi)、建設(shè)防臺(tái)工程、災(zāi)區(qū)人員轉(zhuǎn)移等工作對(duì)臺(tái)風(fēng)防災(zāi)減災(zāi)效益有顯著影響。因此，政府防臺(tái)減災(zāi)決策和組織水平G用臺(tái)風(fēng)防御組織體系、工程性建設(shè)、臺(tái)風(fēng)防御應(yīng)急管理、人員轉(zhuǎn)移和回港避風(fēng)、應(yīng)急處置和應(yīng)急保障6個(gè)指標(biāo)表示。在調(diào)查的過(guò)程當(dāng)中，分別對(duì)以上6個(gè)指標(biāo)按照政府決策部門工作內(nèi)容的5個(gè)等級(jí)的滿意程度進(jìn)行評(píng)價(jià)，權(quán)重賦值分別為：“非常滿意”=5，“比較滿意”=4，“一般”=3，“比較不滿意”=2，“非常不滿意”=1。并運(yùn)用以下評(píng)估模型對(duì)政府組織決策在防臺(tái)減災(zāi)中的作用程度進(jìn)行評(píng)估，評(píng)估模型如下：

(10)

其中：Nj為6個(gè)指標(biāo)中某個(gè)指標(biāo)受調(diào)查的總?cè)藬?shù)；Ni為選擇政府決策組織水平滿意度第i等級(jí)的人員總數(shù)；Wi為對(duì)政府決策組織水平滿意度第i等級(jí)的權(quán)重。

公式(10)得出的Gj是政府防臺(tái)減災(zāi)決策和組織水平中某個(gè)指標(biāo)的分?jǐn)?shù)，其總分?jǐn)?shù)則為6個(gè)指標(biāo)的數(shù)學(xué)平均值：

(11)

調(diào)查得出“溫比亞”臺(tái)風(fēng)防御組織體系得分為93.65分，工程性建設(shè)得分為93.09分，臺(tái)風(fēng)防御應(yīng)急管理得分為93.70分，人員轉(zhuǎn)移和回港避風(fēng)得分為93.01分，應(yīng)急處置得分為93.71分，應(yīng)急保障得分為93.59分。按照公式(11)可計(jì)算出政府防臺(tái)減災(zāi)決策和組織水平G為0.936。

2.3.4 行業(yè)防臺(tái)減災(zāi)能力水平E

行業(yè)的防臺(tái)減災(zāi)能力水平是評(píng)估氣象服務(wù)效益的重要影響因素之一。呂明輝[19]將行業(yè)的響應(yīng)、反饋及防御措施等作為評(píng)價(jià)指標(biāo)。本文將行業(yè)的響應(yīng)、反饋及措施實(shí)施轉(zhuǎn)化為行業(yè)災(zāi)前防御預(yù)警能力、災(zāi)中應(yīng)急準(zhǔn)備能力和災(zāi)后修復(fù)重建能力3個(gè)指標(biāo)。分別為氣象敏感行業(yè)災(zāi)前防御預(yù)警能力、災(zāi)中應(yīng)急準(zhǔn)備能力和災(zāi)后修復(fù)重建能力的表現(xiàn)進(jìn)行評(píng)價(jià)，分5個(gè)等級(jí)：5分為“非常滿意”，4分為“比較滿意”，3分為“一般”，2分為“比較不滿意”，1分為“非常不滿意”。并建立以下模型：

(12)

其中：Ej為某個(gè)指標(biāo)受調(diào)查的總?cè)藬?shù)；Ni為選擇行業(yè)防臺(tái)減災(zāi)能力水平第i等級(jí)的人員總數(shù)；Wi為行業(yè)防臺(tái)減災(zāi)能力水平第i等級(jí)的權(quán)重。

公式(12)得到的Ej是行業(yè)防臺(tái)減災(zāi)能力水平中某個(gè)指標(biāo)的分?jǐn)?shù)，總分?jǐn)?shù)為3個(gè)指標(biāo)的數(shù)學(xué)平均值：

(13)

調(diào)查得出災(zāi)前防御預(yù)警能力、災(zāi)中應(yīng)急準(zhǔn)備能力和災(zāi)后修復(fù)重建能力的表現(xiàn)得分分別為91.27分、89.83分和89.15分，按照以上模型計(jì)算得出行業(yè)防臺(tái)減災(zāi)能力水平E為0.90。

2.3.5 公眾防臺(tái)減災(zāi)自救互救能力水平F

近年公眾防臺(tái)減災(zāi)自救互救能力較以往有很大的提升，在防災(zāi)減災(zāi)中的作用不可忽視。將公眾防臺(tái)減災(zāi)自救能力水平用公眾防臺(tái)減災(zāi)意識(shí)、態(tài)度和公眾防臺(tái)減災(zāi)相關(guān)知識(shí)、防范措施這兩個(gè)指標(biāo)表示。與以上影響因子測(cè)算方式相同，在氣象預(yù)報(bào)服務(wù)的作用下對(duì)兩個(gè)指標(biāo)進(jìn)行量化評(píng)估，測(cè)算出公眾防臺(tái)減災(zāi)意識(shí)與態(tài)度79.17分，公眾防臺(tái)減災(zāi)相關(guān)知識(shí)與防范措施水平得分86.24分，最終得出公眾防臺(tái)減災(zāi)自救互救能力F為0.827。

2.3.6 改進(jìn)模型中賦權(quán)系數(shù)x1、x2、x3的確定

通過(guò)多位防災(zāi)減災(zāi)專家的經(jīng)驗(yàn)判斷，將政府決策組織水平系數(shù)x1主要分為：好、一般、差三類情況，取值范圍分別框定為[0.7,1.0]、[0.3,0.7]、[0.0,0.3 ]，其中“好”的定義是各級(jí)政府防臺(tái)減災(zāi)時(shí)效大于等于24 h，政府組織充分，響應(yīng)迅速，對(duì)防御臺(tái)風(fēng)決策正確，及時(shí)轉(zhuǎn)移人員，應(yīng)急保障工作十分充足，則x1的系數(shù)基數(shù)為0.7?！耙话恪钡亩x是政府防災(zāi)工作響應(yīng)一般，決策不穩(wěn)，且轉(zhuǎn)移工作人員和應(yīng)急保障等相關(guān)工作不夠充分，防災(zāi)減災(zāi)防臺(tái)減災(zāi)時(shí)效小于24 h，則x1的系數(shù)基數(shù)為0.3?！安畹摹鼻疤釛l件是政府相關(guān)部門聯(lián)動(dòng)不到位，決策失誤，組織相關(guān)工作無(wú)序防災(zāi)防臺(tái)減災(zāi)時(shí)效小于6 h，則其系數(shù)基數(shù)為0.0。

行業(yè)防臺(tái)減災(zāi)能力水平系數(shù)x2，與x1分類相同，行業(yè)防臺(tái)減災(zāi)水平“好”的定義是相關(guān)行業(yè)防臺(tái)減災(zāi)時(shí)效大于等于24 h，行業(yè)響應(yīng)及時(shí)，且災(zāi)前防御措施準(zhǔn)備充分；因?yàn)樘崆安扇》烙胧?dǎo)致可避免損失達(dá)到最小值，行業(yè)迅速?gòu)臑?zāi)后恢復(fù)，此時(shí)x2的系數(shù)基數(shù)為“0.7”，其防御時(shí)效每增加24 h(不足24 h按照24 h計(jì)算)則增加5個(gè)百分點(diǎn)?！耙话恪钡亩x是災(zāi)前行業(yè)響應(yīng)不太及時(shí)，災(zāi)前準(zhǔn)備不足，防臺(tái)減災(zāi)時(shí)效小于24 h，導(dǎo)致行業(yè)損失較為嚴(yán)重，且恢復(fù)重建能力一般，x2系數(shù)基數(shù)為0.3，防災(zāi)時(shí)效為12 h增加10個(gè)百分點(diǎn)，防災(zāi)減災(zāi)時(shí)效為18 h時(shí)繼續(xù)增加10個(gè)百分點(diǎn)。“差”的定義是災(zāi)前行業(yè)響應(yīng)滯后或是無(wú)響應(yīng)，災(zāi)前準(zhǔn)備嚴(yán)重不足或無(wú)準(zhǔn)備，防臺(tái)減災(zāi)時(shí)效小于6 h，導(dǎo)致行業(yè)損失十分嚴(yán)重，需要外界支持才能恢復(fù)重建，x2系數(shù)基數(shù)為0.0，當(dāng)防災(zāi)時(shí)效為3～6 h時(shí)增加10個(gè)百分點(diǎn)。

公眾防臺(tái)減災(zāi)自救互救能力水平系數(shù)x3，同以上兩個(gè)系數(shù)分類方法相同，公眾防災(zāi)減災(zāi)重視程度高，及時(shí)收看防災(zāi)減災(zāi)氣象服務(wù)信息，主動(dòng)學(xué)習(xí)防災(zāi)減災(zāi)相關(guān)知識(shí)和及時(shí)采取防御措施，x3系數(shù)基數(shù)為0.7，防臺(tái)減災(zāi)時(shí)效大于等于24 h，防御時(shí)效每增加24 h(不足24 h按照24 h計(jì)算)則增加5個(gè)百分點(diǎn)?！耙话恪倍x是公眾防災(zāi)減災(zāi)重視程度較高，會(huì)收看防災(zāi)減災(zāi)氣象服務(wù)信息，了解防災(zāi)減災(zāi)相關(guān)知識(shí)和采取一定防御措施，防臺(tái)減災(zāi)時(shí)效小于24 h時(shí)，x3系數(shù)基數(shù)為0.3，防災(zāi)時(shí)效為12 h增加10個(gè)百分點(diǎn)，防災(zāi)減災(zāi)時(shí)效為18 h時(shí)繼續(xù)增加10個(gè)百分點(diǎn)?！安睢倍x是公眾忽視防災(zāi)減災(zāi)相關(guān)信息，完全不了解防災(zāi)減災(zāi)相關(guān)知識(shí)和無(wú)意識(shí)采取防災(zāi)減災(zāi)防御措施，防臺(tái)減災(zāi)時(shí)效小于6 h，x3系數(shù)基數(shù)為0.0，當(dāng)防災(zāi)時(shí)效為3～6 h時(shí)增加10個(gè)百分點(diǎn)。

“溫比亞”臺(tái)風(fēng)影響期間，通過(guò)對(duì)江蘇省三類主體的調(diào)查，氣象部門提前3 d發(fā)布較為準(zhǔn)確的預(yù)報(bào)信息，預(yù)報(bào)時(shí)效達(dá)72 h。江蘇省各級(jí)政府緊急召開抗臺(tái)防災(zāi)聯(lián)動(dòng)決策會(huì)議，緊急轉(zhuǎn)移人口達(dá)16 930人次，調(diào)查結(jié)果顯示，政府部門在應(yīng)急處理、應(yīng)急保障、工程性建設(shè)、人員轉(zhuǎn)移上評(píng)價(jià)得分均超過(guò)90分。行業(yè)災(zāi)前防御預(yù)警能力、災(zāi)中應(yīng)急準(zhǔn)備能力、災(zāi)后重建能力均分90.08分，67.5%受訪行業(yè)表示一般提前3～5 d會(huì)接收到氣象預(yù)報(bào)/預(yù)警信息并做應(yīng)急準(zhǔn)備，防災(zāi)時(shí)效為48 h；公眾防臺(tái)減災(zāi)意識(shí)和態(tài)度測(cè)算得分為79.17分，公眾防災(zāi)減災(zāi)相關(guān)知識(shí)和防范措施得分為86.24分，接近60%的受訪者表示在臺(tái)風(fēng)來(lái)臨前1～3 d會(huì)接收到臺(tái)風(fēng)預(yù)報(bào)/預(yù)警信息，并會(huì)提高防御意識(shí)，防災(zāi)時(shí)效為24 h。

2.3.7 防災(zāi)減災(zāi)成本C

防災(zāi)減災(zāi)成本主要是指投入到某次災(zāi)害防御中的消費(fèi)成本，且這類型的成本是可以確定的[1]。C表示臺(tái)風(fēng)來(lái)臨時(shí)政府相關(guān)部門、行業(yè)、公眾投入到防臺(tái)減災(zāi)的資金。其中包含政府部門檢測(cè)和防護(hù)工作的投入、行業(yè)購(gòu)買氣象服務(wù)以及防護(hù)等投入、公眾投入到防臺(tái)減災(zāi)的直接投入等。當(dāng)政府、行業(yè)、公眾不做任何防范和投入時(shí)，其防臺(tái)減災(zāi)的成本C為0。本次研究，結(jié)合民政部門公開的災(zāi)情數(shù)據(jù)和三類調(diào)查主體的問(wèn)卷調(diào)查結(jié)果，參考主要敏感行業(yè)主管部門對(duì)本行業(yè)抵御臺(tái)風(fēng)投入的成本估算，得出決策、行業(yè)和公眾防御“溫比亞”臺(tái)風(fēng)的成本分別約為0.06億元、0.46億元、0.41億元，綜合三類調(diào)查主體，計(jì)算得到“溫比亞”臺(tái)風(fēng)的防御成本約為0.93億元。

3 改進(jìn)的模型評(píng)估結(jié)果

經(jīng)計(jì)算，評(píng)估模型中賦權(quán)系數(shù)、影響因子等各項(xiàng)值見表3，代入評(píng)估模型(公式(4))，得出氣象服務(wù)綜合效益為14.48億元，與決策、行業(yè)和公眾三類主體防御臺(tái)風(fēng)的成本(0.93億元)比較，2018年“溫比亞”臺(tái)風(fēng)氣象服務(wù)效益值是服務(wù)主體防災(zāi)減災(zāi)成本的15.6倍。根據(jù)江蘇省民政廳初步統(tǒng)計(jì)，“溫比亞”臺(tái)風(fēng)造成的直接經(jīng)濟(jì)損失為20.93億元，由于臺(tái)風(fēng)氣象服務(wù)，取得綜合效益14.48億元，相當(dāng)于減少了14.48億元的損失，因此，臺(tái)風(fēng)氣象服務(wù)有效避免了40.9%的經(jīng)濟(jì)損失。

表3 江蘇省“溫比亞”臺(tái)風(fēng)氣象服務(wù)效益評(píng)估模型相關(guān)數(shù)據(jù)Table 3 Relevant data of the meteorological service benefit assessmentmodel about typhoon “Rumbia” in Jiangsu Province

4 結(jié)論

本文通過(guò)改進(jìn)的逆推算法，對(duì)2018年影響江蘇的“溫比亞”臺(tái)風(fēng)氣象服務(wù)綜合效益進(jìn)行了評(píng)估。主要結(jié)論如下：

(1)改進(jìn)的評(píng)估模型合理可行。本文對(duì)以往逆推算法進(jìn)行了改進(jìn)，比較全面考慮了氣象服務(wù)的主體和應(yīng)急防災(zāi)成本等評(píng)估模型因子，構(gòu)建了臺(tái)風(fēng)氣象服務(wù)綜合效益評(píng)估方法，更為全面、客觀、可靠，符合氣象服務(wù)實(shí)際情況。運(yùn)用改進(jìn)后的評(píng)估模型對(duì)影響江蘇的“溫比亞”臺(tái)風(fēng)氣象服務(wù)綜合效益進(jìn)行評(píng)估，評(píng)估過(guò)程經(jīng)相關(guān)專家論證，評(píng)估結(jié)果相關(guān)主體比較認(rèn)可，具有較高的合理性和參考價(jià)值，可望在業(yè)務(wù)中推廣使用。

(2)評(píng)估結(jié)果體現(xiàn)防臺(tái)抗災(zāi)工作特點(diǎn)。從評(píng)估結(jié)果可以看出，以氣象服務(wù)信息為先導(dǎo)和基礎(chǔ)，江蘇省“政府主導(dǎo)、部門聯(lián)動(dòng)、社會(huì)參與”的防災(zāi)減災(zāi)工作機(jī)制在臺(tái)風(fēng)防御中發(fā)揮了最佳效益。全省氣象部門對(duì)“溫比亞”臺(tái)風(fēng)預(yù)報(bào)預(yù)警超前、準(zhǔn)確，服務(wù)及時(shí)高效，發(fā)布手段先進(jìn)、渠道廣泛，實(shí)現(xiàn)了氣象預(yù)報(bào)預(yù)警信息的全覆蓋，政府、行業(yè)、公眾對(duì)氣象服務(wù)的評(píng)分均高于氣象部門自評(píng)，尤其是政府對(duì)氣象服務(wù)評(píng)分高達(dá)93.76分，體現(xiàn)了全社會(huì)對(duì)氣象服務(wù)的認(rèn)可；政府主導(dǎo)作用突出，其防臺(tái)減災(zāi)決策與組織水平得分93.6分，在三類主體中最高；在省委省政府的高度重視及組織實(shí)施下，全省各部門及時(shí)采取應(yīng)急措施，群眾防臺(tái)風(fēng)意識(shí)和能力也得到有力提升，有效減少了災(zāi)害損失。

(3)評(píng)估因子融合氣象服務(wù)流程和模式。以往逆推算法較少考慮到氣象服務(wù)工作流程和模式，導(dǎo)致逆推算法在測(cè)算服務(wù)效益的過(guò)程中與氣象服務(wù)實(shí)際情況有所偏差。氣象服務(wù)綜合作用于政府部門、行業(yè)、公眾三類主體，改進(jìn)后的逆推算法，結(jié)合氣象服務(wù)工作模式在原有模型的基礎(chǔ)上進(jìn)行改進(jìn)，并運(yùn)用專家評(píng)估法由三類主體對(duì)氣象服務(wù)效益的影響進(jìn)行賦權(quán)，保證了模型的科學(xué)性。通過(guò)評(píng)估，也是對(duì)江蘇氣象服務(wù)工作流程和模式的全方位檢驗(yàn)，相信，隨著氣象現(xiàn)代化進(jìn)程和服務(wù)能力的增強(qiáng)， 工作流程的完善和優(yōu)化，氣象服務(wù)的社會(huì)經(jīng)濟(jì)效益將會(huì)進(jìn)一步提高。

(4)評(píng)估工作值得深入探討和研究。氣象服務(wù)效益評(píng)估是一項(xiàng)非常重要的工作，既是氣象部門了解自身貢獻(xiàn)、自身價(jià)值的需要，又是向社會(huì)各界宣傳氣象、讓各級(jí)黨政領(lǐng)導(dǎo)了解氣象服務(wù)所生產(chǎn)的經(jīng)濟(jì)效益和社會(huì)效益的需要，意義重大、影響長(zhǎng)遠(yuǎn)。同時(shí)，氣象服務(wù)效益評(píng)估也是一項(xiàng)十分復(fù)雜的工作，涉及氣象服務(wù)工作、服務(wù)主體的方方面面，目前還沒(méi)有一種完善的評(píng)價(jià)方法。通過(guò)本文對(duì)逆推算法的改進(jìn)和評(píng)估模型的優(yōu)化可見，研究和完善氣象服務(wù)效益評(píng)估方法，探索建立氣象服務(wù)效益評(píng)估體系，可望獲得比較科學(xué)可信、公正合理、具有相對(duì)的客觀性和一定的權(quán)威性的評(píng)估結(jié)果。同時(shí)，對(duì)于氣象服務(wù)更多的還有難以測(cè)算的社會(huì)、經(jīng)濟(jì)、環(huán)境和生態(tài)效益，如何評(píng)估，還值得進(jìn)一步深入研究。