基于IOSM的苏州市自然灾害损失风险分析

连 达 军，董 开 权，苏 群

(1.苏州科技大学，江苏 苏州215009；2.苏州市民政局，江苏 苏州215031)

基于IOSM的苏州市自然灾害损失风险分析

连 达 军1，董 开 权2，苏 群1

(1.苏州科技大学，江苏 苏州215009；2.苏州市民政局，江苏 苏州215031)

基于灾害损失历史统计数据，借助于内外集模型(IOSM)进行自然灾害风险分析。首先确定观测区间并检验观测样本的分布形式，基于此确定其可能性-概率分布矩阵PPD，然后计算灾害损失的风险期望值，并基于ArcGIS制作不同灾害情境下各灾害损失指标的风险分布图。针对苏州市主要自然灾害类型，选取受灾人口、倒塌房屋、农作物受灾面积和直接经济损失作为灾害损失指标进行灾害风险分析，得到以下主要结论：1)不同灾害类型下各灾害损失指标的风险水平和复现期不同，其中台风导致200万人口、12 500 hm2农作物受灾和42.5万间房屋倒塌的复现期均为7.2～7.5 a。2)不同类型灾害的损失特征和程度不同，台风对人口、农作物和房屋的影响最大；洪涝灾害的直接经济损失最大，说明洪涝灾害后果最严重；风雹对各项指标的影响都比较小，与其影响区域小、持续时间短等局部灾害特征有关。3)各类型灾害损失风险呈现显著的空间差异特征，对台风导致的灾害损失风险分析表明，吴中区、吴江市、常熟市和张家港市的灾害风险最大；常熟市和吴中区台风导致受灾人口和农作物减产的风险最大，市区周围台风导致受灾人口风险最小；常熟市台风导致房屋倒塌的风险最大。4)灾害发生概率及其可能性共同决定灾害损失风险。研究成果对民政部门制订、调整、规划救灾对策以及民生保险预算具有重要意义。

灾害风险分析；灾害损失；内外集模型(IOSM)；风险度；风险期望值

世界各地每年都会发生规模不等的各类型自然灾害。随着自然灾害破坏损失的急剧增加，消除所有的灾害技术上不切实、经济上也不可行。20世纪末以来，世界各国的相关学者都相继拓宽了灾害研究领域，在继续深入研究灾害机理的同时，开始进行灾害风险评估研究。若能科学进行灾害风险评估分析，就可以事先获得目前和未来灾害发生的风险，从而采取切实有效的防范对策[1-4]。目前国内外自然灾害风险评估的方法多种多样，按方法的驱动因素可分为指标驱动和数据驱动两大类风险评估方法：前者如层次分析法、模糊综合评判法和主成分分析法，该类方法可大致反映研究区的风险等级，但无法获得研究区的风险度；数据驱动类风险评估方法如时序模型、聚类分析、概率密度函数参数估计法或非参数估计法，此类方法存在风险评估不准确、样本数据太少时评估结果失真或无法直接比较评估结果等缺陷。内外集模型(IOSM)不仅可以依据数据样本的分布形式测算样本的可能性概率指标，而且可顾及小样本情形下概率估计的模糊特征[5-7]。本文综合分析苏州市1993-2012年自然灾害损失报表，基于内外集模型测算灾害损失样本数据的可能性概率分布矩阵，基于此计算各损失指标的风险期望，并借助于GIS空间分析技术方法研究该市灾害风险的空间分布规律及其特征。

1 研究区概况与数据来源

苏州市位于我国长江三角洲区域，近年来没有经受大的自然灾害，但各类气候灾害时有侵扰，并且直接影响到百姓的正常起居和日常生活，表1为1994年以来苏州市受灾较严重的年份主要自然气候灾害类型导致的直接经济损失统计，可直观反映苏州市主要灾害类型。因此，本文将风雹、台风和洪涝灾害三类自然灾害作为苏州市自然灾害风险分析对象，为便于比较，将干旱、雪灾和低温冷冻、地震、滑坡和泥石流、病虫害等偶发灾害统一划归为其他灾害类型。以1994-2012年苏州全市灾情汇总数据、苏州各县区自然灾害损失情况统计台账以及苏州行政区划图为数据源，选取受灾人口、农作物受灾面积、倒塌房屋等灾害损失指标为灾害风险分析数据，基于IOSM分析各灾害情形下不同指标的风险损失。

2 研究方法

2.1 内外集模型(IOSM)

表1 苏州市1994年以来主要自然灾害类型导致的直接经济损失统计

(1)

在离散概率论域P={pk|k=0,1,2,…,n}={0,1/n,2/n,…,1}上，可计算出事件Ij发生的概率是pk的可能性为πIj(pk)，此即为内集-外集模型(简称IOSM)[8，9]。

2.2 基于IOSM的灾害损失风险测算方法

以灾害损失统计值作为观测样本基础数据，基于IOSM方法测算灾害风险期望值，测算过程如图1所示，其中PPD矩阵元素πIj(p)计算公式为：

(2)

式中：desc{}和asc{}分别表示按降序和升序排列的数组。由可能性概率矩阵分别计算冒险风险权重{πIj(p0)}、保守风险权重{πIj(pn)}和风险期望E(也称最大可能性风险)权重ωij。

(3)

当i=0时，式(3)括号中第二项为0；i=n时，第四项为0[10]。本流程将区间Ij的中值uj定义为该区间的风险水平，与uj对应的超越概率P(u≥uj)称为风险度，其倒数即为该风险水平的复现期。

图1 灾害损失的IOSM风险期望测算流程

3 结果与分析

3.1 风险期望测算

以风雹灾害导致的受灾人口为例按2.2节和图1所述方法进行风险测算，对苏州全市1994年以来该指标的统计值进行单个样本K-S检验，sig值为0.004，认为其服从正态分布；渐进优化区间数目为6，风险水平取各区间中点，分别对应500、1 500、2 500、3 500、4 500和5 500。在显著性水平α=0.05时，正态分布函数的上α/2分位点Uα/2=1.96。经计算σ为1 505.1。表2为风雹受灾人口的风险度和风险期望测算结果。

表2 风雹受灾人口的风险期望测算结果

3.2 风险分布图绘制

按上述方法计算苏州市各县区不同灾害损失指标的风险值，借助于ARCGIS软件可分别绘制保守风险图、冒险风险图和风险期望(最大可能性风险)图，用以分析该市自然灾害空间分布特征，图2为苏州市风雹-受灾人口对应的3种风险分布图。

图2 风雹-受灾人口风险空间分布

3.3 风险分布特征分析

根据苏州市各灾害损失指标的风险分布图，可以得到苏州市经受自然灾害风险的分布规律，主要表现为以下特征：

(1)不同灾害类型下灾害损失指标的风险水平和复现期不同。从表2可以看出，苏州市0～5万人口遭受风雹灾害的可能性最大；此类受灾人口达到55万人左右的可能性最低，为0.06711，复现期为14.3 a；每两年左右就有不低于25万人口受到风雹灾害的影响。类似地，可以对洪涝、台风、风雹和其他灾害类型所导致的受灾人口、农作物受灾面积、倒塌房屋进行类似分析(表3)，可见不同灾害类型下各损失指标的风险水平和复现期明显不同

(2)不同灾害类型的特征和后果不同 从表2还可以看出，不同灾害类型表现出不同的特征和后果。表中的期望风险值表明，台风对人口、农作物和房屋的影响最大；洪涝灾害的直接经济损失最大，说明洪涝灾害后果最严重；风雹对各项指标的影响都比较小，说明其影响区域较小，一般表现为局部灾害。

(3)各灾害类型呈现显著的空间差异特征。从图2可以看出，苏州市各区县风雹-受灾人口的空间分布不同，位于苏州东部的太仓市此类灾害损失风险最大，南部的吴江区此类灾害的冒险风险和期望风险水平也较高。对台风导致的灾害损失风险分析表明(图3)，吴中区、吴江市、常熟市和张家港市的灾害风险最大；常熟市和吴中区台风导致受灾人口和农作物减产的风险最大，张家港和吴江市次之，太仓和昆山市再次之，市区周围台风导致受灾人口风险最小；常熟市台风导致房屋倒塌的风险最大。其他灾害类型导致的灾害损失具有相似规律，不再赘述。

表3 苏州市各主要灾害类型导致的灾害损失水平及其复现期

图3 台风灾害损失的空间差异

(4)灾害损失风险值由灾害发生概率及其可能性共同决定 一般情况下灾害损失的期望风险值E应介于其保守风险和冒险风险之间，但也有例外，这是因为灾害损失风险由其发生概率和可能性共同决定。以昆山市风雹所带来的直接经济损失为例，其冒险(即最小概率)风险估计值为96 497.7万元，保守(即最大概率)风险估计值为1 684.5万元，而其最大可能性风险估计值为10 473.96万元，发生概率约为23%，即4～5年一遇。

4 结论

研究表明，苏州市不同灾害类型下各灾害损失指标的风险水平和复现期不同。灾害损失特征和损失程度在不同类型灾害间存在差别，台风对人口、农作物和房屋的影响最大，洪涝灾害后果最严重，风雹对各项灾害损失指标的影响都较小，与其影响区域小、持续时间短等局部灾害特征有关。各类灾害损失风险呈现显著的空间差异特征，如吴中区、吴江市、常熟市和张家港市经受台风灾害的风险最大，其中常熟市和吴中区因台风导致受灾人口和农作物减产的风险最大，常熟市台风导致房屋倒塌的风险最大；而市区周围台风灾害风险最小。本文研究成果可以全面揭示各灾害情景下不同灾害损失指标的可能性-概率分布(PPD)信息，对民政部门进行救灾对策制订、调整、规划以及民生保险预算具有重要意义。若能结合灾害发生机理划分苏州市灾害风险等级，并合理安排苏州市自然灾害监测预警工作，则可防患于未然，大幅减少灾害损失，并减缓民政部门救灾应急压力。

[1] HENSTRA D.Evaluating local government emergency management programs:What framework should public managers adopt [J].Public Administration Review，2010(2)：236-246.

[2] LICHTER M,FELSENSTEIN D.Assessing the costs of sea-level rise and extreme flooding at the local level:A GIS-based approach[J].Ocean & Coastal Management，2012，59：47-62.

[3] MONTOYAA L,MASSERB I.Management of natural hazard risk in Cartago,Costa Rica[J].Habitat International，2005，29：493-509.

[4] HOLAND I S,LUJALA P I,R D J K.Social vulnerability assessment for Norway:A quantitative approach[J].Norsk Geografisk Tidsskrift_Norwegian Journal of Geography，2011， 65：1-17.

[5] 赵思健，黄崇福，郭树军.情景驱动的区域自然灾害风险分析[J].自然灾害学报，2012,21(1)：9-13.

[6] 燕群，蒙吉军，康玉芳.基于防灾规划的城市自然灾害风险分析与评估研究进展[J].地理与地理信息科学，2011，27(6)：78-82.

[7] 王文圣，金菊良，李跃清.基于集对分析的自然灾害风险度综合评价研究[J].四川大学学报(工程科学版)，2009，41(6)：6-12.

[8] 黄崇福.内集-外集模型的计算机仿真检验[J].自然灾害学报，2002,11(3)：62-70.

[9] 陈志芬，黄崇福，张俊香.基于扩散函数的内集-外集模型[J].模糊系统与数学，2006，20(1)：42-48.

[10] ZOU Q,ZHOU J Z,ZHOU C，et al.Fuzzy risk analysis of flood disasters based on diffused-interior-outer-set model[J].Expert Systems with Applications， 2012，39：6213-6220.

Analysis of Urban Natural Disaster Losses Risk in Suzhou City Based on IOSM

LIAN Da-jun1,DONG Kai-quan2,SU Qun1

(1.SuzhouUniversityofScience&Technology,Suzhou215009;2.SuzhouCivilAffairsBureau,Suzhou215031,China)

Based on statistical data of disaster losses,the natural disaster risk was analyzed with the help of inner and outer set model(i.e.IOSM) in this paper.Observation intervals of samples were firstly determined.The distribution form was then tested.On this basis,possibility probability distribution matrix(i.e.PPD) was calculated.And the disaster loss risk expectation was determined.Finally,the risk distribution map of each disaster loss index was produced by ArcGIS tools under different disaster situations.According to the main types of natural disasters in Suzhou City,affected population,collapse of housing,damaged crops area and direct economic losses were selected as the evaluating index of disaster loss risk.Following main conclusions were drawn:1)Each loss index caused from different types of disaster has its divergent risk level and repetition period.The repetition period of typhoon，which can affect two million population,damage 12 500 hectares of crops,or cause 425 000 houses collapsed,is almost as same as 7 years;2)Loss characteristics and degree of different types of disasters is diverse.Population,crops and houses were most affected by typhoon than by other types of disaster.Flood disaster has the most serious consequence because of its largest direct economic loss among all kinds of disaster.Relatively low loss indicators of hail are related of its characteristics such as small influence area and short duration.3)Loss risk of each type shows significantly spatial difference.The disaster risk analysis showed that Wuzhong district,Wujiang district，Changshu City and Kunshan City have the highest risk of typhoon disaster.Population and the crop has the highest typhoon disaster risk in Changshu City and Wuzhong District,followed by Zhangjiagang and Wujiang City,Taicang City and Kunshan City.People and crops around urban area has the minimum risk.Houses suffer the highest collapsed risk from typhoon in Changshu City.4) The disaster occurrence probability and its possibility jointly decides the disaster loss risk.The research results have important meanings for disaster relief measures,planning adjustment and livelihood insurance budget of civil affairs.

disaster risk analysis;disaster loss;IOSM;risk degree;risk expectation

2016-02-14；

2016-05-10

江苏省政府留学基金项目(JS-2012-275)；住房与城乡建设部科技项目(2013-R2-9)

连达军(1972-)，男，博士，副教授，研究方向为灾害监测与空间信息决策分析。E-mail:ldjwwyx@126.com

10.3969/j.issn.1672-0504.2016.04.010

X43

A

1672-0504(2016)04-0057-04