气候变化影响与风险评估方法的研究进展

彭鹏,张韧,洪梅,王锋,龙强

(1.解放军理工大学 气象海洋学院,江苏 南京 211104;2.河北省唐山市曹妃甸工业区气象局,河北 唐山 063200)



气候变化影响与风险评估方法的研究进展

彭鹏1,张韧1,洪梅1,王锋2,龙强2

(1.解放军理工大学 气象海洋学院,江苏 南京 211104;2.河北省唐山市曹妃甸工业区气象局,河北 唐山 063200)

气候变化影响是指气候变化背景下社会经济或资源环境的响应。气候变化风险是指由于气候变化所引起的社会经济或资源环境的可能损失。气候变化风险评估是对气候变化影响的定性和对风险的量化。针对气候变化风险评估方法的原理和技术体系,本文从风险指数、风险概率和脆弱性评估三个方面,对研究现状、热点问题和通常方法进行了评述,并对当前研究中存在的问题和未来需求进行了归纳和展望。

气候变化;风险评估;脆弱性/敏感性;不确定性

0 引言

防范和应对气候变化的科学决策需要充分的事实依据(Prudhomme et al.,2013)。自IPCC发布第三次评估报告之后,学术界对气候变化影响(climate change impact)、适应(adaptation)和脆弱性(vulnerability)的研究日渐增多。在第四次评估报告中,除传统的气候变化影响评估、适应能力评估、脆弱性评估和综合评估之外,IPCC(政府间气候变化专业委员会)把风险管理作为应对气候变化的一个新的主流研究给予了强调(IPCC,2007)。为了加深对风险管理的理解,更好地应对气候变化,本文拟介绍当前气候变化影响与风险评估研究中的主要思路和方法。

风险是指与某种不利事件有关的一种未来情景(黄崇福等,2010)。进行风险管理可以防范与规避风险,其中风险评估是基础环节。气候变化风险是由于气候变化影响超过某一阈值所引起的社会经济或资源环境的可能损失,它包括两个基本要素:气候变化对系统的损害程度即不利影响的程度以及损失发生的可能性(吴绍洪等,2011)。气候变化风险评估是指气候变化对自然环境和人类社会影响的定性分析和量化评价过程,是气候变化风险管理和应对气候变化研究的重要组成部分,其最终目的是为制定有效的国际和区域的气候变化适应指导政策提供科学依据,以应对、防范和减缓气候变化可能带来的不利影响。

要进行风险评估,首先要弄清楚风险的“源”和“汇”(Aven,2008)。换句话说,就是要弄清三个要素:什么会变成不利事件、变成不利事件的可能性以及变成不利事件的后果(Grubesic and Matisziw,2013)。传统的气象灾害风险理论认为,气象灾害损失由致灾因子、承灾体和孕灾环境共同决定,气象灾害是气象风险的结果,若把气候变化风险理解为气候变化背景下的气象灾害风险(Wu et al.,2012;王黎俊等,2012),则其大小可通过致灾因子的危险性,承灾体的敏感性、脆弱性,环境的防灾减灾能力来评价(张继权和李宁,2007;许遐祯等,2009;胡雪琼等,2011;潘敖大等,2013)。也有观点认为,风险分析目标是定量分析影响阈值与不确定范围之间的关系,气候变化风险研究需要基于特定的社会经济情景,并预估未来不同的气候变化情景(吴绍洪等,2011)。由于气候预估情景的不确定性,IPCC指出,识别系统的气候变化脆弱性或关键阈值是应对气候变化风险的重要途径(IPCC,2007)。在上述观点的指引下,与气候变化风险评估相关的研究工作主要集中在3个领域:基于气候变化风险概念模型的风险指数评估、基于气候情景预估与关键阈值的风险概率评估以及气候变化脆弱性识别与评价。本文将从基本思路、评估步骤、实现途径和热点问题等方面对这3种研究进行详细介绍。

图1 风险概念模型Fig.1 Conceptual model of risk

1 气候变化风险指数评估

基于风险概念模型的气候变化风险指数评估的基本思路是:分析气候系统对社会经济系统造成不利后果的原因,识别造成风险的要素,定义风险指数,结合气候变化背景,通过对这些要素的评价来量化风险。进行风险指数评估,其流程一般包括3个步骤,即通过风险要素识别建立风险指标体系、提出指标的量化评价方案、构建指标融合/综合评价模型。依据评估指标体系、量化方案和融合模型建立的评价模型称为风险概念模型(图1)。

1.1 风险要素识别

风险要素识别是风险评估的基础。风险要素识别是对风险事件“源”和“汇”的再分解,是对构成评价对象风险的所有因素按照属性结构和物理机制的筛选。进行风险指数评估,通常将风险按照危险性、脆弱性和防治能力等要素分类,并构建指标体系(张继权和李宁,2007)。图1中,危险性(或称暴露性)指标包含能够导致危险事件发生的环境变量,譬如流域洪涝灾害危险性可以通过年平均大雨日、平均最大3日降雨量、海拔高度、倾斜度和缓冲区等5个指标来评价;脆弱性(或称敏感性)指标包含承受危险的社会经济变量,如洪灾承受体的脆弱性评价指标包括人口密度、GDP密度和农作物面积等;防治能力(或称适应能力)则表示社会系统通过对自身属性调节预防和治理不利影响的能力(Wu et al.,2012)。

1.2 指标量化

指标量化是对构成风险的指标变量的量化评价,是搭建变量观测值和评价值的桥梁。指标量化方案直接决定评估的合理性。

标准化是常用的指标量化方法之一。按照直观理解,指标变量观测值越“好”,发生不利后果的程度和可能性越小,风险越小;观测值越“差”,发生不利后果的程度和可能性越大,风险越大(贺芳芳和邵步粉,2011)。因此,指标变量的标准化值可以用作指标的评价值。用于标准化的参考值一般选取的是该变量观测值的极值或最优值(Wu et al.,2012)。

另一种常用的指标量化方法是隶属度评价。隶属度是变量对评价属性的隶属程度。进行隶属度评价时,首先需要明确变量不同评价的观测值分级标准,变量观测值属于哪个标准,就赋予相应的隶属度评价值(李倩等,2013)。典型的隶属度评价方法如表1所示。

表1 年降水量危险性指标的隶属度

Table 1 Subjection degree of annual precipitation risk index

量化基准/mm≤400401～600601～800≥801隶属度0.80.60.40.2

1.3 综合评价

因为系统风险通常由多个要素决定,所以在对各个指标变量进行量化评价以后,还需要综合多个指标对系统风险进行评价。常用的综合评价方法之一是指标融合方法,即结合专家评分进行经验校正和统计结果的加权求和方法(Wu et al.,2012)或组合求积(Qian et al.,2006)。联合国国际减灾战略(International Strategy for Disaster Reduction,ISDR)采用的自然灾害风险综合评价公式为:风险(risk)=危险(hazard)×脆弱性(vulnerability)(de Len,2006)。气候变化洪灾风险的危险性综合评价被表示为:HF=RdW1+R3W2+W3/E+W4/G+DW5。其中:Rd,R3,E,G,D分别为危险性指标;Wi,i=1,2,…,5为相应权重(Wu et al.,2012)。

除此之外,非线性综合评价方法正逐渐被应用于气候变化风险指数评估中。目前,应用较为成熟的非线性评价模型有基于正负理想解距离的TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法和基于高维降维技术的投影寻踪(Projection Pursuit,简称PP)模型等。

1.4 风险指数评估的优点与不足

基于指数的气候变化风险评价模型具有很好的研究基础,评价指标意义明确,考虑气候变化影响因素较全面,评估过程易于操作。但是气候变化风险指数评估也存在不足:首先,评估模型出发点要求致灾因子易于辨识、成灾机制明确且风险链清晰,而由人类活动引起的气候变化及其间接影响途径复杂、成灾机制不明确,致使该类模型的应用受到限制(秦鹏程等,2012);其次,指数法的主观性较强,对风险系统的物理机制体现不足,数据可靠性不足及与之伴随的综合评价结果难以进行可靠性验证等(黄崇福,2011)。这些不足在一定程度上制约了评估结果的应用和评估研究的拓展。

2 气候变化风险概率评估

气候变化风险概率评估,又称或然风险评估(IPCC,2007)。气候变化风险概率评估的基本思路是通过气候模式(如Global Climate Model/Regional Climate Model,简称GCM/RCM)预估的未来某一时刻或某一时段的气候状况,估算在此气候状况下被评价对象的响应,将发生不利影响的概率表示为风险。影响关联的估计主要有两种方法,一种是将气候预估数据代入评价模型估算出评估对象的状态如粮食产量、水文要素特征和经济产值等,并由此来判断气候变化对该评价对象的利弊;另一种是针对被评估对象性状发生改变的气象要素阈值,分析未来气象要素变化可能超越阈值的概率,通过超越概率来量化气候变化风险。因此,影响风险概率评估准确性的因素主要是评价模型和风险阈值的确定。同时,由于现行气候模拟技术的限制,气候预估的不确定性也成为评估准确性的重要决定因素。

2.1 评价模型

评价模型或称环境影响关联评价模型,是研究对象某一属性评价值对某个或某几个环境要素观测值的函数(周旭等,2013)。评价模型的科学性直接关系到模拟结果的可靠性。部分学科领域有现成的评价模型,可以直接与气候模式预估数据结合起来对未来情景进行模拟。而在多数研究领域,该类模型尚不成熟,因此建立科学合理的评价模型成为研究重点。

作物和环境研究综合模型(Crop and Environment Research Synthesis,CERES)是在结合区域气候模式的气候变化影响作物评估研究中应用较广泛的环境影响关联评价模型(Chen and Xie,2013)。此外还有集成多种作物模型的综合性决策支持系统,如DSSAT(Decision Support System of Agricultural Technology Transfer),以及在植被生态系统研究中的BIOME(Biogeographical model)系列模型(Jiang,2008)等。

除作物和植被生态系统之外,目前水文系统的气候变化影响得到较多研究,常用的评价模型有PDM模型(Probability Distributed Model)和CLASSIC模型(the Climate and Land-use Scenario Simulation In Catchments)等(Prudhomme et al.,2013)。基于应对气候变化防洪系统风险,Gersonius et al.(2013)提出了防洪设施改造研究的改进RO(Real Options)模型——RIO(Real in Options)方法。

海平面上升是气候变化衍生的热点问题之一。Hoffman et al.(2010)提出通过风暴潮模式和工程模型来计算海平面上升对财产风险影响关联的方法,并利用验潮站数据和模拟飓风数据对21世纪前半叶的风暴潮风险进行了模拟研究。

2.2 风险阈值

影响评价模型的不明确是对气候变化影响精确模拟的重要制约因素。阈值是指研究对象维系正常状态的环境变量临界值。一般认为,环境变量超过阈值是评价对象发生危险的充分条件(Kim et al.,2013)。因此,风险阈值研究也成为近年来气候变化风险研究的热点之一。Preston(2006)就认为基于概率的风险阈值评估可能是对提高气候变化影响理解和风险管理效果的一个有利机制。但是对于多数研究对象,尤其对于系统而言,阈值的确定可能会较为困难,因此,系统阈值的估算方法成为部分研究的热点。

水文系统的气候变化风险研究较多采用了基于风险阈值的超越概率评估方法。李科等(2013)将水资源系统风险定义为荷载大于系统承载能力引发系统失效的概率,即供水量低于供水要求的概率。水文系统工程风险是一种包括多个因素的标准形式,或者包括可靠性、弹性和弱点等组成的超标准形式(Bardo和熊明,1997)。Shrestha和陈剑池(1997)将水资源系统工程风险的基本模型描述为

IR(Z,a1,a2,a3)=

(1)

其中:IR代表工程风险;IP表示系统Z的性能;C为联合函数,如联合概率分布函数等;aj,j=1,2,3即为可靠性、高失事概率和修复工作量等指标的门槛值,它可以设定或用模糊数表示。

2.3 不确定性

不确定性是指气候变化风险评估研究可能出现不可信或不可靠的结果。不确定性问题是气候变化影响与风险评估的难点和核心问题(Shlyakhter et al.,1995)。气候变化影响与风险评估中的不确定性以及如何降低不确定性是气候变化风险评估研究的重要内容(Mearns,2010)。

2.3.1 不确定性来源

气候变化影响评价中的不确定性主要来源于:1)气候变化情景的不确定性,包括气候模式本身的不完善、情景设定的不确定性、应用技术的不确定性。2)评价模型的不确定性,包括评价模型结构的不确定性、评价模型参数的不确定性、评价模型其他输入信息的不确定性。3)评价过程的不确定性,包括陆气耦合技术的不确定性、人类活动的影响、未来气候变化适应措施考虑得不完善等(熊伟等,2006)。

在气候变化对农业影响评估研究中,气候模式输出与作物模型输入之间的尺度差异是气候变化对农业影响评估不确定性的主要来源之一。不确定性会随着评估过程的深入,自上而下逐层传播。与降水变化有关的气候影响评估比与温度变化有关的影响评估缺少确定性(Hambly et al.,2013)。Kandlikar et al.(2005)指出,气候变化的深度不确定性来源多种多样,包括科学因素和社会因素,是难以定义和量化的不确定性。

2.3.2 不确定度的量化

2.3.3 降低不确定度的方法途径

降低评价结果不确定度的途径主要包括:1)提高区域气候变化情景预测精度,包括完善全球气候模式、改进排放情景、降尺度技术;2)完善气候变化影响评价模型及评价过程,包括改进和完善评价模型、充分考虑人类活动的调整适应和影响等(贺瑞敏等,2008)。

统计降尺度(statistical downscaling,SD)技术的应用是降低气候预估影响研究中模式预估产品不确定性的另一个重要途径。统计降尺度是结合局地气候观测变量和大尺度的GCM输出之间建立的统计线性或非线性关系,以降低区域气候预估不确定度的方法(Khan and Coulibaly,2010)。

气候在很大程度上具有概率性,因此在天气气候研究的各领域中,统计气候学方法具有不可替代的重要作用。Backus et al.(2013)认为,多个气候模式的预估产品综合起来就构成了一个未来气候变化的总体,这样通过总体的概率分布函数(probability distribution function,PDF)就可以计算超过某一阈值事件的风险概率。虽然同样是采用统计气候学方法,但是Horton et al.(2011)认为模式的结果是不应该被当作总体统计概率分布的。针对这个问题,Palin et al.(2013)没有对气候模式产品进行总体假设,而是通过Bootstrap方法从11个气候模式中随机抽取资料,对资料进行统计分析,并计算超过阈值的水平,通过多次重复试验,生成超过阈值的风险概率分布。

决策论为知识不明确情况下的政策制定提供了很多工具(Millner et al.,2013)。Scherm(2000)使用了三角模糊数来代表未来气候变化情景(三角模糊数的两端分别是IPCC估计的最大值和最小值),以达到降低预估情景不确定度的目的。由于贝叶斯网络处理用信度表示的不确定性问题的固有优势,贝叶斯神经网络模型在处理信度表示的气候变化不确定性的水文响应问题时,表现出有效应用前景(Khan and Coulibaly,2010)。

2.4 风险概率评估的优点与不足

气候变化风险概率评估方法克服了风险指数评估物理机制不明确的缺点,基于气候预估数据和评价模型的情景模拟亦具有较为坚实的科学基础。但是风险概率评估方法也存在许多不足之处(Prudhomme et al.,2013),主要体现在:

1)情景模式只是未来结果的子集,一个GCM/RCM的输出仅提供了一种未来大尺度气候陈述;

2)GCM/RCMs可能无法完全模拟区域和局地的气候,尤其是极端事件;

3)多情景模式分析虽然可提供多个潜在的未来变化结果,但是由于缺少相应的概率估计,使得结果的不确定度给风险决策和政策制定造成很大的困难;

4)气候要素对气候变化的响应是非线性的,可能出现GCM/RCMs模拟结果以外的情景;

5)气候系统与其他系统之间相互作用的动力过程可能会十分复杂,单纯的气候模式输出结果可能无法提高我们对这些相互作用的理解。

3 气候变化脆弱性评估

气候变化脆弱性是气候变化风险产生的必要条件,因此,脆弱性研究是识别和防范气候变化风险的重要内容。作为气候变化影响评估研究(气候变化影响、适应和脆弱性)的重要组成部分之一,脆弱性评估也是IPCC所倡导的应对气候变化进行风险管理的重要途径之一(IPCC,2007)。

3.1 脆弱性的定义

在防灾减灾领域,脆弱性是指系统自身固有的对环境变化的适应能力。社会脆弱性关注的主要是人群对危害的敏感程度以及他们对极端事件的恢复能力;基础设施脆弱性分析主要关心的是基础设施的物理、运转和地理特征,它们对于威胁的易损性,它们在系统中的作用以及它们对破坏性事件的潜在联系。脆弱性具有空间属性和时间属性。空间属性体现在对于系统能力接近极限的地区,脆弱性会增加,同样,任何可能的失误都会增强社会和系统影响;时间属性体现在时点和时段,不同时点和不同时段的危害造成的后果不同(Grubesic and Matisziw,2013)。

气候变化脆弱性是指地球物理系统、生物系统和社会经济系统对气候变化的敏感程度,这种敏感是指它无法应对气候变化带来的不利影响。其决定要素一般包括敏感性、暴露性和适应能力。许多对气候敏感的系统都存在着脆弱性,如食物系统、基础设施、健康、水资源、海岸带系统、生态系统、地球生物地理化学循环、冰盖和大气海洋环流模式等(IPCC,2007)。

在具体研究工作中,脆弱性的定义应便于量化和建模。如水资源脆弱性定义为水资源系统在气候变化、人为活动等的作用下,水资源系统的结构发生改变,水资源数量减少和质量降低,以及由此引发的水资源供给、需求、管理的变化和旱涝等自然灾害的发生(唐国平等,2000)。农业生产的气候脆弱性,可以定义为某一地区农业生产过程对气候变化各敏感因素的反应强弱,以及当地社会经济—生产—生态等环境要素对气候变化影响可能适应性的综合不稳定反应(侯亚红和刘文泉,2003);也可以定义为农业系统容易受到气候变化(包括气候变率和极端气候事件)的不利影响,且无法应对不利影响的程度,这代表了农业系统经受的气候变异特征、程度、速率以及自身敏感性和适应能力的反应等(孙芳和杨修,2005)。

3.2 脆弱性的争议

没有哪个单一脆弱性定义可以适合所有的评估对象和评估目的(Bele et al.,2013)。在不同研究领域,脆弱性有着不同的认识和理解,因此有不同的脆弱性定义(於琍等,2005)。Kelly and Adger(2000)总结了在气候变化脆弱性研究和脆弱性应对领域对脆弱性的两种不同理解,分别是终点理论(End Point Theory)和起点理论(Starting Point Theory)。起点理论将脆弱性理解为不同经济社会政策产生的基本依据,认为是脆弱性决定了政策的落脚点;终点理论认为,脆弱性的大小等同于气候变化带来的最终影响减去调整适应政策所做的贡献,可以理解为适应政策无法消除的那部分不利影响。从这个角度上说,脆弱性还是争论于不利事件的结果和原因。Downing认为脆弱性应该主要包括3个方面:脆弱性应该作为一个结果而不是一种原因来研究、脆弱性的影响是负面的、脆弱性是一个相对概念而不是绝对的损害程度(於琍等,2005)。而沿用自然灾害学领域的观点,脆弱性则被认为是导致系统受到损害的原因,灾害损失才是脆弱性存在的结果。针对这个问题,Füssel(2007)总结认为,一些气候变化领域的脆弱性概念恰恰是灾害—风险评估领域的风险概念。防灾减灾机构一般把风险分成内部(脆弱性)和外部(危害)两个部分,而气候变化机构则把危害和暴露定义为一体作为脆弱性来研究。

3.3 脆弱性的计算

3.3.1 脆弱性曲线

脆弱性曲线(或称脆弱性观测)是从致灾因子的角度,基于灾情数据、调查和模型共同完成的脆弱性测量,通过一定强度致灾因子情况下的灾害损失来间接反映脆弱性的大小。将脆弱性用脆弱性曲线表示,以便于风险和灾害的快速评估。从测量的角度来看,脆弱性一般反映的是系统损失程度与致灾因子强度的关系。周瑶和王静爱(2012)对脆弱性曲线构建的基本原理和研究进展情况进行了详细的综述。

3.3.2 脆弱性指数

在“Start-point”理论前提下,脆弱性一般定义为系统受影响的倾向或处理危险事件时能力的不足(de Len,2006)。在此定义框架下,脆弱性的大小一般通过定义脆弱性指数来体现,具体实现方案类似本文第1.2节内容。

3.3.3 情景模拟

基于“End-point”理论,在未来气候条件下,如果评价对象变得不利,则认为该对象是脆弱的,不利程度越大,脆弱性越大(de Len,2006)。通过环境影响关联评价模型模拟出气候变化背景下的结果后,对脆弱性再进行评价。孙芳等(2005)通过PRECIS(Providing Regional Climate for Impacts Study)与CERES(Crop-Environment Resource Synthesis System)结合,首先模拟了21世纪70年代的作物产量,通过对作物可能减产情况的分析,定义了脆弱性的等级标准(表2)。

表2 脆弱性等级的划分标准

Table 2 Criterion of classifying vulnerability

脆弱性产量变化率强度脆弱减产20%以上中度脆弱减产10%～20%轻微脆弱减产10%以下不脆弱不减产

Belgacem and Louhaichi(2013)通过生态模型模拟21世纪20和50年代的情景,并由此评价了西亚和北非三种植物的脆弱性。Sekhar et al.(2013)通过模拟地下水水位的变化定义了地下水的脆弱性。Fraser et al.(2013)通过全球水文模型计算出2050—2070年最可能发生干旱的区域,再用农业、气象和社会经济数据模型计算出2050—2070年适应能力最可能下降的区域,两相重合,则表征为农业受气候变化影响最脆弱的区域。V=f(E,S,CA)。其中:V代表脆弱性;E代表暴露性,是指一个系统所面对的气候变化或变率的特点、程度和量级;S代表敏感性,是指加强或降低暴露性影响的结构因素;CA指适应能力,是指一个系统应对气候变化,通过调整适应来舒缓潜在危害,或利用优势来处理后果的能力。

3.3.4 情景遍历

针对情景模式主导的气候变化影响中存在的问题,Prudhomme et al.(2013)提出了“情景模式—中立”(Scenario—neutral)方法;他们模拟了4 200种降水和温度的分布组合,并将这些数据代入水库关联模型(PDM模型和CLASSIC模型)中,通过对模拟结果的聚类,生成水库的变化对气象要素变化的响应曲面,如果水库的变化大于气象要素的变化,则认为其对气候变化是敏感的,反之则认为其敏感性弱;他们认为,广义的响应曲面也可以有效地量化水库应对气候变化的敏感性,因为它们包含了水库的属性信息,而且不需要进行全面的气候变化影响研究。

3.4 关键脆弱性

为了更加科学地对气候变化风险进行管理,IPCC第四次评估报告提出了关键脆弱性概念,指出:科学研究可以为政策制定者们提供“哪些脆弱性比较关键”的信息,从而制定更合适的应对政策(IPCC,2007)。

关键脆弱性可能和一些系统的阈值有联系,当超过这个阈值时,系统的非线性过程将使系统从一种主要状态切换到另外一种状态,平缓的气候渐变过程同样可以对系统造成破坏。决定气候变化的哪些影响比较关键或比较危险是一个动力学的过程,由客观和主观因素共同组成。客观因素是指系统的属性,主要包括尺度、量级、时段和持续性等;主观因素(或称标准化因素)是对科学知识和观测事实的标准化,主要包括对被威胁的系统的重要性和独特性的评定、影响的分布、风险厌恶程度和潜在适应措施的可行性与效果等。同时,该报告为识别关键脆弱性提出了7个标准。

量级标准:用来衡量影响量级的定量标准主要是金额和受影响的人口数量、作物产量、物种数量等。定性标准主要是社会认可度。

时效标准:一般而言,突然发生的不利影响比逐渐发生的不利影响更重要,因此,相对于未来的事件,马上就会发生的不利影响更可能被认为“关键”。

持续性和可逆性标准:通常认为,持续的和不可逆转的不利影响是“关键”的。

可能性和信度标准:可能性是指专家对于主观概率标定中概率分布的中值,信度则决定于其散布,散布越小,信度越大。可能性越大的影响事件越容易被认为“关键”。

潜在适应能力标准:应对措施的可行性和可用性越低,这种影响越可能被归类为“关键脆弱性”。

分布的标准:影响和脆弱性的种类越多或者分布特征越明显,越有可能被归结为“关键”。

受险系统的重要性标准:若一个系统的功能起决定性作用,那么该系统更可能被归结为“关键”。

4 总结与展望

本文对气候变化风险评估领域的主要方法和热点问题进行了分析和评述。正如IPCC指出,没有什么单独的理论可以描述和解决同时包含社会经济系统和自然生态系统的问题,也没有什么单独的模型可以代表一个实体所有的相互作用,或应对其在一个快变的时间里的所有问题(IPCC,2007)。气候变化风险评估本身是一个非常复杂的问题,采用多方位和多角度的研究方法可以取得较好的效果。尽管当前气候变化风险研究已经取得长足进展,但是仍然可以在以下两个方面增加探索:

1)对灾害风险评估方法的借鉴。相对于气候变化风险评估理论和实践,灾害风险评估理论已经发展得比较成熟和完善。气候变化风险评估中面临的许多问题,如评估数据资源不足等,指标之间的非线性关系等,借鉴灾害风险评估领域中信息扩散(Zhang et al.,2013)和云模型、数据包络方法等综合评价方法可能会提供较为可行的解决方案。地理信息技术(Geographic Information Systern,GIS)可以拓展评估结果的应用(吴洪颜等,2003)。

2)气候变化适应能力指标还需要有更科学系统的方案。气候变化影响评估应该充分考虑适应能力的决定性作用,这样才能准确估计一个系统对气候变化的潜在响应(IPCC,2007)。虽然当前应对气候变化的研究已经较多,但是在风险评估领域对适应能力的定义和量化还比较初步,多局限于定性的评价或基于静态的假设(Fraser et al.,2013)。作为与系统自身密切相关的属性,应该将适应能力研究的成果充分科学地融入到系统评估中来。

气候变化影响、适应和脆弱性评估已经远远超出了它最初的动机而成为一个思考性的、学术性的工作。为了满足决策者们越来越多的需求,未来的研究工作需要对一系列的方法、技术和信息差距加以重视,为适应和减缓措施提供充实的研究基础,以发挥更好的决策支持作用(IPCC,2007)。

Aven T.2008.Risk analysis:Assessing uncertainties beyond expected values and probabilities[M].Chichester:John Wiley & Sons,Ltd.:3-15.

Backus G A,Lowry T S,Warren D E.2013.The near-term risk of climate uncertainty among the U.S. states[J].Climatic Change,116(3/4):495-522.

Bardo A,熊明.1997.水文气候变化非平稳条件下的水文风险[J].水文科技信息,14:4-9. Bardo A,Xiong Ming.1997.Hydrological climate change risk under unsteady condition[J].Hydrological Science and Technology Information,14:4-9.(in Chinese).

Bele M Y,Tiani A M,Somorin O A,et al.2013.Exploring vulnerability and adaptation to climate change of communities in the forest zone of Cameroon[J].Climatic Change,119(3):875-889.

Belgacem A O,Louhaichi M.2013.The vulnerability of native rangeland plant species to global climate change in the West Asia and North African regions[J].Climatic Change,119(2):451-463.

Chen F,Xie Z H.2013.An evaluation of RegCM3_CERES for regional climate modeling in China[J].Adv Atmos Sci,30(4):1187-1200.

Fraser E D G,Simelton E,Termansen M,et al.2013.“Vulnerability hotspots”:Integrating socio-economic and hydrological models to identify where cereal production may decline in the future due to climate change induced drought[J].Agricultural and Forest Meteorology,170(15):195-205.

Füssel H M.2007.Vulnerability:A generally applicable conceptual framework for climate change research[J].Global Environmental Change,17(2):155-167.

Gersonius B,Ashley R,Pathirana A,et al.2013.Climate change uncertainty:Building flexibility into water and flood risk infrastructure[J].Climatic Change,116(2):411-423.

Grubesic T H,Matisziw T C.2013.A typological framework for categorizing infrastructure vulnerability[J].GeoJournal,78(2):287-301.

Hambly D,Andrey J,Mills B,et al.2013.Projected implications of climate change for road safety in Greater Vancouver,Canada[J].Climatic Change,116(3/4):613-629.

贺芳芳,邵步粉.2011.上海地区低温、雨雪、冰冻灾害的风险区划[J].气象科学,31(1):33-39. He Fangfang,Shao Bufen.2011.Risk regionalization of meteorological disasters caused by cryogenic freezing rain and snow in Shanghai[J].Scientia Meteorological Sinica,31(1):33-39.(in Chinese).

贺瑞敏,刘九夫,王国庆,等.2008.气候变化影响评价中的不确定性问题[J].中国水利(2):62-64;76. He Ruimin,Liu Jiufu,Wang Guoqing,et al.2008.Analysis on uncertainty in assessment of climate change effects[J].China Water Resources(2):62-64;76.(in Chinese).

Hoffman R N,Dailey P,Hopsch S,et al.2010.An estimate of increases in storm surge risk to property from sea level rise in the first half of the twenty-first century[J].Weather,Climate and Society,2(4):271-293.

Horton R M,Gornitz V,Bader D A,et al.2011.Climate hazard assessment for stakeholder adaption planning in New York city[J]. J Appl Meteor Climatol,50(11):2247-2266.

侯亚红,刘文泉.2003.我国黄土高原地区农业生产的气候脆弱性变化预测[J].灾害学,18(3):34-38;90. Hou Yahong,Liu Wenquan.2003.Forecast of changes in climate vulnerability of agricultural production in the Loess Plateau in China[J].Journal of Catastrophology,18(3):34-38;90.(in Chinese).

胡雪琼,吉文娟,张茂松,等.2011.云南省冬小麦干旱灾损风险区划[J].大气科学学报,34(3):356-362. Hu Xueqiong,Ji Wenjuan,Zhang Maosong,et al.2011.Drought risk regionalization for winter wheat in Yunnan Province[J].Trans Atmos Sci,34(3):356-362.(in Chinese).

黄崇福.2011.风险分析基本方法探讨[J].自然灾害学报,20(5):1-10. Huang Chongfu.2011.Discussion on basic methods for risk analysis[J].Journal of Natural Disasters,20(5):1-10.(in Chinese).

黄崇福,刘安林,王野.2010.灾害风险基本定义的探讨[J].自然灾害学报,19(6):7-15. Huang Chongfu,Liu Anlin,Wang Ye.2010.A discussion on basic definition of disaster risk[J].Journal of Natural Disasters,19(6):7-15.(in Chinese).

IPCC.2007.Contribution of working group Ⅱ to the fourth assessment report of the Intergovernmental Panel on Climate Change[R].Cambridge:Cambridge University Press.

Jiang D B.2008.Projected potential vegetation change in China under the SRES A2 and B2 scenarios[J].Adv Atmos Sci,25(1):126-138.

Kandlikar M,Risbey J,Dessai S.2005.Representing and communicating deep uncertainty in climate-change assessments[J].C R Geoscience,337(4):443-455.

Kelly P M,Adger W N.2000.Theory and practice in assessing vulnerability to climate change and facilitating adaptation[J].Climatic Change,47(4):325-352.

Khan M S,Coulibaly P.2010.Assessing hydrologic impact of climate change with uncertainty estimates:Bayesian neural network approach[J].Journal of Hydrometeorology,11(2):482-485.

Kim J S,Zhou W,Cheung H N,et al.2013.Variability and risk analysis of Hong Kong air quality based on monsoon and El Nio conditions[J].Adv Atmos Sci,30(2):280-290.

Kont A,Jaagus J,Aunap R.2003.Climate change scenarios and the effect of sea-level rise for Estonia[J].Global and Planetary Change,36(2):1-15.

李博,周天军.2010.基于IPCC A1B情景的中国未来气候变化预估:多模式结合结果及其不确定性[J].气候变化研究进展,6(4):270-276. Li Bo,Zhou Tianjun.2010.Projected climate change over China under SRES A1B scenario:Multi-model ensemble and uncertainties[J].Adv Climate Change Res,6(4):270-276.(in Chinese).

李科,齐晶瑶,王昭阳,等.2013.利用反向法评价气候变化下的水资源系统风险[J].水科学进展,24(2):184-189. Li Ke,Qi Jingyao,Wang Zhaoyang.2013.An inverse approach to evaluate the risk of water resouces under climate change[J].Advances in Water Science,24(2):184-189.(in Chinese).

李倩,张韧,姚雪峰.2013.气候变化背景下我国周边海域热带气旋灾害风险评估与区划[J].热带气象学报,29(1):143-148. Li Qian,Zhang Ren,Yao Xuefeng.2013.Risk assessment and regionalization of tropical cyclone disaster over China’s surrounding sea[J].Journal of Tropical Meteorology,29(1):143-148.(in Chinese).

Mearns L O.2010.The drama of uncertainty[J].Climatic Change,100(1):77-85.

Mearns L O,Cynthia R,Richard G.1997.Mean and variance change in climate scenarios:Methods,agricultural applications,and measures of uncertainty[J].Climatic Change,35(4):367-396.

Millner A,Calel R,Stainforth D A,et al.2013.Do probabilistic expert elicitations capture scientists’ uncertainty about climate change?[J].Climatic Change,116(2):427-436.

Palin E J,Thornton H E,Mathison C T,et al.2013.Future projections of temperature-related climate change impacts on the railway network of Great Britain[J].Climatic Change,120(1/2):71-93.

潘敖大,曹颖,陈海山,等.2013.近25 a气候变化对江苏省粮食产量的影响[J].大气科学学报,36(2):217-228. Pan Aoda,Cao Ying,Chen Haishan,et al.2013.Impacts of climate change on food-crops production in Jiangsu Province from 1986 to 2010[J].Trans Atmos Sci,36(2):217-228.(in Chinese).

Preston B L.2006.Risk-based reanalysis of the effects of climate change on U.S. cold-water habitat[J].Climatic Change,76(2):91-119.

Prudhomme C,Crooks S,Kay A L,et al.2013.Climate change and river flooding:Part 1 classifying the sensitivity of British catchments[J].Climatic Change,119(3):933-948.

Qian H S,Ren Y Y,Li M X.2006.Changes of crop climate risk degree:A case study on cotton in Henan Province[J].Journal of Geographical Sciences,16(3):355-362.

秦鹏程,姚凤梅,曹秀霞.2012.风险评估在气候变化对农业影响评价中的应用——研究进展[J].自然灾害学报,21(1):39-46. Qin Pengcheng,Yao Fengmei,Cao Xiuxia.2012.Application of risk assessement in evaluation of influence of climate change on agricultural production:Review and prospect[J].Journal of Natural Disasters,21(1):39-46.(in Chinese).

丘世均,范小平,萧艳娥.2002.CVI评价研究简介与几点建议[J].热带地理,22(3):283-285. Qiu Shijun,Fan Xiaoping,Xiao Yaner.2002.A brief introduction to CVI and some suggestions[J].Tropical Geography,22(3):283-285.(in Chinese).

Scherm H.2000.Simulating uncertainty in climate-pest models with fuzzy numbers[J].Environment Pollution,108(3):373-379.

Sekhar M,Shindekar M,Tomer S K,et al.2013.Modeling the vulnerability of an urban groundwater system due to the combined impacts of climate change and management scenarios[J].Earth Interactions,17(10):1-25.

Shlyakhter A,Valverde A L J Jr,Wilson R.1995.Integrated risk analysis of global climate change[J].Chemosphere,30(8):1585-1618.

Shrestha B P,陈剑池.1997.气候变化条件下水资源系统风险的不确定性[J].水文科技信息,14:14-22. Shrestha B P,Chen Jianchi.1997.Uncertainty of water resource system risk in climate change[J].Hydrological Science and Technology Information,14:14-22.(in Chinese).

孙芳,杨修.2005.农业气候变化脆弱性评估研究进展[J].中国农业气象,26(3):170-173. Sun Fang,Yang Xiu.2005.Research progress on vulnerability of agriculture to climate change[J].Chinese Journal of Agrometeorology,26(3):170-173.(in Chinese).

孙芳,杨修,林而达,等.2005.中国小麦对气候变化的敏感性和脆弱性研究[J].中国农业科学,38(4):692-696. Sun Fang,Yang Xiu,Lin Erda,et al.2005.Study on the sensitivity and vulnerability of wheat to climate change in China[J].Scientia Agricultura Sinica,38(4):692-696.(in Chinese).

孙小明,赵昕奕.2009.气候变化背景下我国北方农牧交错带生态风险评价[J].北京大学学报:自然科学版,45(4):713-720. Sun Xiaoming,Zhao Xinyi.2009.Assessment of ecological risk to climate change of the farming-pastoral zigzag zone in northern China[J].Acta Scientiarum Naturalium Universitatis Pekinensis,45(4):713-720.(in Chinese).

唐国平,李秀彬,刘燕华.2000.全球气候变化下水资源脆弱性及其评估方法[J].地球科学进展,15(3):313-317. Tang Guoping,Li Xiubin,Liu Yanhua.2000.Assessment method of vulnerability of water resources under global climate change[J].Advances in Earth Science,15(3):313-317.(in Chinese).

王黎俊,银燕,郭三刚,等.2012.基于气候变化背景下的人工防雹效果统计检验: 以青海省东部农业区为例[J].大气科学学报,35(5):524-532. Wang Lijun,Yin Yan,Guo Sangang,et al.2012.A statistics evaluation of hail suppression effect under the background of climate change:A case study of east agricultural region in Qinghai Province[J].Trans Atmos Sci,35(5):524-532.(in Chinese).

吴洪颜,张旭晖,黄文杰.2003.地理信息技术在干旱分析中的应用[J].气象科学,23(2):238-244. Wu Hongyan,Zhang Xuhui,Huang Wenjie.2003.The application of geography information techonology on drought analysis[J].Scientia Meterologica Sinica,23(2):238-244.(in Chinese).

吴绍洪,潘韬,贺山峰.2011.气候变化风险研究的初步探讨[J].气候变化研究进展,7(5):363-368. Wu Shaohong,Pan Tao,He Shanfeng.2011.Primary study on the theories and methods of research on climate change risk[J].Advances in Climate Change Research,7(5):363-368.(in Chinese).

Wu S H,Pan T,He S F.2012.Climate change risk research:A case study on flood disaster risk in China[J].Advances in Climate Change Research,3(2):92-98.

夏军,邱冰,潘兴瑶,等.2012.气候变化影响下水资源脆弱性评估方法及其应用[J].地球科学进展,27(4):443-451. Xia Jun,Qiu Bing,Pan Xingyao,et al.2012.Assessment of water resources vulnerability under climate change and human activities[J].Advances in Earth Sciences,27(4):443-451.(in Chinese).

熊伟,居辉,许吟隆,等.2006.气候变化对中国农业温度阈值影响研究及其不确定性分析[J].地球科学进展,21(1):70-76. Xiong Wei,Ju Hui,Xu Yinlong,et al.2006.The threshold of temperature increase due to climate change for Chinese agriculture and its uncertainties[J].Advances in Earth Science,21(1):70-76.(in Chinese).

许遐祯,潘文卓,缪启龙.2009.江苏省龙卷风灾害风险评价模型研究[J].大气科学学报,32(6):792-797. Xu Xiazhen,Pan Wenzhuo,Miao qilong.2009.Disaster risk assessment of tornado in Jiangsu Province[J].Trans Atmos Sci,32(6):792-797.(in Chinese).

於琍,曹明奎,李克让.2005.全球气候变化背景下生态系统的脆弱性评价[J].地理科学进展,24(1):61-69. Yu Li,Cao Mingkui,Li Kerang.2005.An overview of assessment of ecosystem vulnerability to climate change[J].Progress in Geography,24(1):61-69.(in Chinese).

张继权,李宁,2007.主要气象灾害风险评价与管理的数量化方法及其应用[M].北京:北京师范大学出版社:20-34. Zhang Jiquan,Li Ning.2007.Quantitative method and its application of the main meteorological disaster risk assessment and management[M].Beijing:Beijing Normal University Press:20-34.(in Chinese).

Zhang R,Peng P,Xu Z S,et al.2013.A risk assessment modeling technique based on knowledge extraction and information diffusion with support specification[J].International Journal of General Systems,42(8):807-819.

赵昕奕,蔡运龙.2003.区域土地生产潜力对全球气候变化响应评价——以中国北方农牧交错带中段为例[J].地理学报,58(4):584-590. Zhao Xinyi,Cai Yunlong.2003.The vulnerability of regional land productivity to global climatic change:The case of the middle part of agricultural-pastoral zigzag zone in northern China[J].Acta Geographica Sinica,58(4):584-590.(in Chinese).

周旭,余锦华,王志福.2013.西北太平洋热带气旋频数的气候变化及其与环境要素间的联系[J].气象科学,33(1):43-50. Zhou Xu,Yu Jinhua,Wang Zhifu.2013.The climate change of tropical cyclone frequency and its relationship with environment factors in the western North Pacific[J].Journal of the Meteorological Sciences,33(1):43-50.(in Chinese).

周瑶,王静爱.2012.自然灾害脆弱性曲线研究进展[J].地球科学进展,27(4):435-442. Zhou Yao,Wang Jingai.2012.A review on development of vulnerability curve of natural disaster[J].Advances in Earth Sciences,27(4):435-442.(in Chinese).

(责任编辑：倪东鸿)

Research progress on climate change impact and risk assessment method

PENG Peng1,ZHANG Ren1,HONG Mei1,WANG Feng2,LONG Qiang2

(1.College of Meteorology and Oceanography,PLA University of Science and Technology,Nanjing 211101,China;2.Weather Bureau of Caofeidian Industrial Park,Tangshan 063200,China)

Climate change impact refers to the responses of social economy and resources environment to climate change.Climate change risk refers to the possible losses of social economy and resources environment caused by climate change.Climate change risk assessment means the qualitative climate change impact and the quantitative climate change risk.Aiming at the principle and technical system of climate change risk assessment method,current research status,hot issues and common approaches are remarked from three aspects,namely the risk index,the risk probability and the vulnerability.Research gaps and priorities are also discussed.

climate change;risk assessment;vulnerability/sensitivity;uncertainty

2013-12-29；改回日期：2014-06-26

国家自然科学基金资助项目(41475045);唐山市曹妃甸工业区专项(CQZ-2014001)

张韧,博士,教授,研究方向为海气相互作用,zren63@126.com.

10.13878/j.cnki.dqkxxb.20131229001.

1674-7097(2015)02-0155-10

P467

A

10.13878/j.cnki.dqkxxb.20131229001

彭鹏,张韧,洪梅,等.2015.气候变化影响与风险评估方法的研究进展[J].大气科学学报,38(2):155-164.

Peng Peng,Zhang Ren,Hong Mei,et al.2015.Research progress on climate change impact and risk assessment method[J].Trans Atmos Sci,38(2):155-164.(in Chinese).