热带气旋灾害风险评估现状综述*

陈文方，端义宏，陆 逸，方佳毅，石先武，任福民

(1.中国气象科学研究院灾害天气国家重点实验室，北京 100081；2.中国气象局上海台风研究所，上海 200030；3.北京师范大学 减灾与应急管理研究院，北京 100875；4.英国南安普顿大学 环境工程学院，南安普顿 英国 SO17 1BJ；5.国家海洋局海洋减灾中心，北京 100194)

热带气旋灾害风险评估现状综述*

陈文方1，端义宏1，陆 逸2，方佳毅3,4，石先武5，任福民1

(1.中国气象科学研究院灾害天气国家重点实验室，北京 100081；2.中国气象局上海台风研究所，上海 200030；3.北京师范大学 减灾与应急管理研究院，北京 100875；4.英国南安普顿大学 环境工程学院，南安普顿 英国 SO17 1BJ；5.国家海洋局海洋减灾中心，北京 100194)

全球热带气旋灾害风险随着社会经济的发展、沿海地区人口和财富的加速增长与聚集而持续上升，针对沿海地区热带气旋灾害风险开展精细化的定量评估是实现前瞻性灾害风险管理的前提。该文从面向灾害管理部门开展热带气旋灾害风险管理的角度出发，分别对国际上热带气旋风险评估中致灾因子危险性评估和承灾体脆弱性评估这两个核心内容的研究进展进行综述，分析了其各自的现状、存在的问题及其挑战。然后对我国热带气旋(台风)灾害风险管理体系中风险定量评估的研究现状进行了讨论，针对我国热带气旋风险模型的研究现状提出建议，为未来进一步开展沿海地区台风灾害风险的定量评估研究提供了参考。

热带气旋；风险评估；灾害；致灾因子；脆弱性

全球范围内，热带气旋是给人类社会带来损失最大的自然灾害之一。据统计，最近10年全球热带气旋灾害平均每年直接经济损失约为550亿美元(2006-2015，2015年价格)，超过洪水、地震等其他自然灾害[1]，而中国平均每年因热带气旋直接经济损失约为90亿美元，约为全球损失的15%。并且，沿海地区人口和财富的快速增长促使热带气旋造成的经济损失持续增长，这些地区的人口和社会经济都将面临着越来越高的灾害风险[2-3]，为此，热带气旋灾害风险的评估与管理受到了科学界越来越广泛的关注[4-5]。

如图1所示，热带气旋风险的大小由热带气旋致灾因子(大风、降雨、风暴潮等)本身的强度(即危险性)、承灾体(人口、房屋、财产等)的数量或价值(即暴露度)以及承灾体对致灾因子强度的敏感度(即脆弱性)等三个因素共同决定[6]。现代灾害风险管理迫切需要系统化、精细化和定量化的灾害风险模型，即通过对热带气旋致灾因子危险性、特定承灾体的暴露度和脆弱性分别开展定量的模拟和评估，获得精细化的定量的灾害风险预估值，从而为有针对性地开展灾害风险管理和风险分散提供科学参考(图1)。早在19世纪末期，灾害观测技术的提高以及风险制图技术的发展促使基于计算机技术进行巨灾损失概率模拟和评估的巨灾模型(catastrophe models)应运而生[7-8]。受益于热带气旋风险研究的进步，国际上的巨灾模型公司(如AIR、RMS等)、保险或再保险公司(如Swiss Re、Munich Re等)以及美国政府(如FEMA开发了HAZUS-MH飓风模型)、澳大利亚政府等纷纷开发了巨灾风险模型[9]。

针对热带气旋巨灾风险的评估和模拟问题，一些学者从致灾因子危险性[10-12]、建筑物脆弱性[13]等不同的角度进行了综述。本文在已有研究的基础上，从面向灾害管理部门开展热带气旋灾害风险管理的角度出发，分别对国际上热带气旋致灾因子危险性评估和承灾体脆弱性评估这两项核心内容的研究进展进行综述，总结热带气旋灾害风险定量评估研究中存在的问题及其挑战。此外，对我国热带气旋(台风)灾害风险管理体系中风险定量评估的研究现状进行了分析和讨论，针对其不足给出了具体的建议，为我国沿海地区进一步加强台风灾害风险管理提供了科学参考。

图1 热带气旋巨灾风险模型的结构

1 热带气旋致灾因子危险性评估

相较于其他自然灾害，热带气旋的致灾因子具有多样性和复杂性。多样性体现在，既包含大风和暴雨等两大直接致灾因子，又包含洪水、风暴潮(及其引发的沿海洪水)等次生致灾因子。复杂性体现在，直接致灾因子和次生致灾因子可能引发“灾害链”现象，而风、雨、潮以及天文大潮等多种致灾因子“并发”形成“复合灾害”，可能导致生命、财产、社会经济系统的巨大损失，较单一致灾因子的情况更为复杂。

1.1 热带气旋大风危险性评估

热带气旋大风危险性评估主要采用数值模拟方法，根据历史上发生的热带气旋灾害资料，确定特定地点遭遇不同强度(通常用风速来表征)热带气旋灾害的超越概率(exceedance probabilities)。自基于概率的热带气旋危险性模拟方法于1960年代末被Russell[14]提出以来，其基本框架延续至今，其大致流程如图2所示。

在路径模型方面，早期的研究主要采用“样本圆或海岸段”法，以研究点(海岸段)为中心，选取附近一定范围内的历史热带气旋作为分析样本，构建热带气旋关键参数的概率分布模型，从中抽样生成大量模拟热带气旋样本[15-17]。这种方法的不足之处在于各关键参数的分布仅适用于特定地点或小范围区域，由于局部区域历史热带气旋样本数量、尤其是极端热带气旋灾害样本较少，可能低估热带气旋致灾因子的危险性。Vickery等[18]提出了“全路径”模拟法(full-track modelling)，以整个海域的历史热带气旋记录为样本，分析各关键参数的时空分布特征，使用随机抽样法模拟大量热带气旋从生成到消亡的整个生命过程中的路径和强度的变化。这种方法的优势在于其模拟样本可用于分析任意感兴趣点的热带气旋大风危险性，但计算较为复杂，计算量较大，对数据的要求较高。对于如何模拟各路径点的位置，不同学者提出了不同的方法，包括参数化方法[18]、半参数化方法[19]、统计与动力相结合的方法等[20]。

对于强度的模拟主要包括纯统计方法和动力统计法，后者通过建立绝对强度(中心气压)与海表温度、对流层温度等环境参数之间的转换公式来考虑风切变和海洋混合等因素对热带气旋强度变化的影响[21,18]。

风场模型描述上层梯度风速的径向分布，一般分为动力数值模型(dynamical model)和参数模型(parametric model)两种类型。由于参数模型则能够使用少量关键参数理想化地表达热带气旋的风场结构，计算量远远小于动力数值模型，因而在热带气旋风险评估模型中得到了广泛的应用。简单的参数风场模型有Rankine涡旋模型、修正的Rankine涡旋模型[22]、SLOSH风场模型[23]等圆对称风场模型。Holland模型[24]通过引入形状参数B来描述不同热带气旋气压剖面的形状差异，并由气压分布根据梯度平衡方程推导最大风速及梯度风速的径向分布，在热带气旋风险研究中得到了广泛的应用[16,25-26]。近期的一些研究探讨使用B值与其他台风参数之间的函数关系式来计算B值[27-29]。除了参数风场模型以外，一些学者通过将复杂的三维数值风场模型(如文献[30])参数化以达到既能够考虑地表摩擦力、海陆相互作用等因素的影响，又能够实现大量随机模拟的目的[31-32]。

图2 热带气旋大风危险性概率模拟过程

路径模型、强度模型和风场模型结合其他模型(图2)生成感兴趣研究点(区)的风速样本，最后使用参数或非参数概率曲线拟合方法得到大风风速的超越概率曲线，可以计算任意重现期下的大风风速。总体而言，局部范围的路径模拟方法和全海域的全路径模拟方法各有其优缺点，前者适用于局部地区的热带气旋危险性模拟，计算量小，后者计算量大，对数据的长度和质量要求更高，但能够更全面而精确地考虑整个海岸线上的热带气旋危险性。

1.2 热带气旋暴雨危险性评估

热带气旋暴雨形成机制较为复杂，既包含热带气旋本身环流形成的降水，又包括热带气旋外围环流与中纬度系统相互作用产生的远距离暴雨，同时受到地形、下垫面、中小尺度系统等因素的影响，因此也是热带气旋系统中最难模拟的变量之一[33-34]。一些学者利用卫星遥感降水产品或是地表降水观测数据探讨了热带气旋降水的气候特征，从中发现热带气旋降水的年代际变化规律、长期变化趋势，以及气候变化对热带气旋降水的影响等[35-37]。热带气旋暴雨危险性评估则需要建立定量的热带气旋暴雨预报和预测模型，尽管这对于复杂的热带气旋暴雨系统来说非常具有挑战性。

HAZUS-MH飓风模型使用从专题微波辐射成像仪(SSM/I)中提取的飓风降水率数据构建了飓风降水率与离飓风中心的距离之间的简单经验模型，并考虑飓风中心气压、飓风移动速度、台风登陆位置等因素对模型进行修正[38]。Marks等利用NASA热带降雨测量计划(TRMM)卫星提供的热带气旋降雨数据改进了原有的基于雨量计数据的降水气候与持续性模型(R-CLIPER)，该模型将降水率表示为径向距离和登陆时间的函数[39]。Lonfat等在R-CLIPER的基础上考虑垂直切变和地形对降水场不对称性的影响提出了参数化飓风降水模型(PHRaM)，改善了飓风降水的模拟结果[40,34]。

相较于简单的经验模型，复杂的三维数值预报模型能够更精确地模拟热带气旋降水场在时间和空间上的变化，但这些模型在启动方案、分辨率、物理参数以及最终的预报结果上均存在较大差异[41,34]。对比研究发现，全球预报系统(GFS)、GFDL飓风预报模型及北美中尺度(NAM)模型这三种主要的数值模型在飓风降水预报上的效果都相当于或好于R-CLIPER模型，但各数值模型又有其各自的局限性[41]。

1.3 热带气旋风暴潮危险性评估

对热带气旋风暴潮危险性的评估主要有两种方式：基于典型重现期的风暴潮危险性评估和基于热带气旋风场模拟和风暴潮数值模型的危险性评估。前者是对风暴潮的历史实测资料进行概率分析，获得不同重现期下的风暴潮增水，如百年一遇风暴潮作为风暴潮危险性的标准，该方法一方面受限于历史资料长度和精读的限制，另一方面无法考虑单个风暴潮事件的持续时间、影响范围等因素。而后者则是基于历史或假想的热带气旋风场使用风暴潮数值模型模拟风暴潮增水，以预测风暴潮个例的实时变化、估计风暴潮的重现期或最大可能风暴潮(Probable Maximum Storm Surge, PMSS)[42-43]。

在风暴潮的实时预报中，通常使用高精度的数值天气预报模式对热带气旋风场及其引发的风暴潮增水进行估计，在长期的风暴潮风险评估中则主要使用简单高效的参数化风场模型进行风场模拟[42]。美国国家气象局(NWS)使用SLOSH模式模拟飓风风场驱动下的风暴潮增水，其生成的产品不仅包括基于历史飓风风场的概率性风暴潮增水、还包括基于假想飓风风场的风暴潮增水最大包络图和最大风暴潮增水最大包络图等。我国也建立了覆盖整个中国海的高分辨率风暴潮集合数值预报系统，用于沿海风暴潮危险性评估的业务中[44]。

2 承灾体脆弱性评估

承灾体脆弱性评估是连接致灾因子危险性和承灾体的损失程度之间的纽带，也是风险评估中最为复杂的一部分。反映损失率和致灾因子危险性之间的确定性函数被称为脆弱性函数(vulnerability function)或灾损函数(damage function)，一般表现为曲线的形式，被称为脆弱性曲线(vulnerability curve)或易损性曲线(fragility curve)。国内外热带气旋脆弱性评估研究中的承灾体对象主要为建筑物、基础设施等造成直接经济损失的有形资产。

2.1 建筑物脆弱性评估

目前针对建筑结构的热带气旋脆弱性研究主要以大风对建筑的破坏为研究对象(热带气旋引发的洪水灾害单独模拟)，采用历史损失数据法、专家经验法、历史损失数据和专家经验结合法、建筑构件可靠性法以及工程实验和数值模拟法等方法建立建筑的脆弱性模型[13]。其中前三种方法依赖于历史数据和主观经验，能够在一定程度上描述一组特征类似的建筑物损失程度与热带气旋强度(通常是风速)之间的关系[45-48]；后两种方法则对由建筑结构特征、热带气旋风压与建筑各构件之间相互作用的过程进行更为细致的模拟，脆弱性模型更为精确，但所需的计算和模拟资源更多[49-53]。

建筑物的热带气旋脆弱性研究集中在美国和澳大利亚这两个国家，此外日本和其他国家有少量的研究[13]。美国早在1970年代就针对居民住宅和财产推出了包括飓风、洪水、地震等自然灾害在内的房屋和财产保险。HAZUS-MH飓风模型以建筑物(包括居民住宅、活动房屋、商业建筑等)承灾体引起的直接经济损失为模拟对象，针对各类建筑的结构特点从建筑外部结构破坏、建筑内部破坏、建筑内部财产损失及使用损失等各方面分别构建损失函数[38]。澳大利亚的建筑脆弱性曲线最早是根据澳大利亚历史上最严重的热带气旋灾害之一Tracy的灾后损失调查数据建立的[54]，Walker的模型在当时被认为是最好的模型，被其他学者广泛使用[55]。近些年来，一些学者则从建筑构件的可靠性出发构建了澳大利亚典型建筑的脆弱性曲线[56-57]。

此外，一些研究认为社会脆弱性因素对建筑的损失也具有重要影响，例如Burton[58]将社会脆弱性指标与飓风大风和风暴潮一起与卡特里娜飓风损失数据做多元回归分析，发现社会脆弱性因子与飓风损失之间存在显著的关系。

2.2 其他承灾体的脆弱性评估

随着预报预警、应急疏散机制的完善，热带气旋灾害对人口的影响越来越小，死亡和失踪人口较早期有明显的下降。热带气旋灾害中的人员伤亡情况大多与建筑倒塌、洪涝灾害或飞溅物等次生灾害有关，与热带气旋灾害强度之间不存在明显的相关关系，因此对人口的物理脆弱性研究较少，主要集中在社会脆弱性层面，例如Wang等[59]研究了老年人口对飓风引起的风暴潮和洪涝灾害的社会脆弱性在程度和结构上的空间差异。尽管人口脆弱性研究无法给出定量的结果，探究造成热带气旋灾害中人员伤亡差异的影响因素对减轻人口灾害风险仍然有着重要的意义。为此，近年来学术界呼吁加强社会经济要素、人口主观风险认知、灾害应急疏散等灾害社会科学的研究[60]。

3 我国的热带气旋风险评估现状

从我国目前的台风灾害研究来看，研究内容主要集中在区域台风灾害风险的区划研究[61-64]、台风综合灾情指数的预测研究[65-67]和台风致灾因子危险性的预测和评估研究[68-71]等三个方面，在系统性的、针对具体承灾体的台风灾害风险评估研究上的工作非常有限。

在台风概率危险性模拟方面，我国学者尝试利用西北太平洋台风历史记录对国际上已有的风场模型和陆地衰减模型等进行参数校正，进而针对我国东南沿海地区的台风危险性开展一系列研究[68-71]。然而，在路径随机模拟、台风风场构建、台风概率危险性评估等研究工作数量偏少，减灾工作大多依赖于气象部门台风模式的短期预报结果作为风、雨等致灾因子危险性的输入。

承灾体脆弱性方面，我国学者在土木工程领域相继开展了一些有关建筑大风灾害脆弱性的研究[72-73]、建筑单体和区域建筑群的脆弱性等级研究[74-75]，尽管尚未系统地应用于台风灾害的风险评估中，这些研究为我国的台风巨灾风险的脆弱性评估研究提供了参考。但总体来看，我国的热带气旋灾害风险研究还有待加强和深入，针对特定承灾体的台风灾害风险定量研究几乎处于空白状态，尤其是特定承灾体的台风灾害脆弱性研究工作非常稀少。

4 总结与讨论

本文从灾害风险定量评估的角度分别评述了热带气旋致灾因子危险性模型和脆弱性模型的研究现状与发展方向，为未来进一步开展沿海地区热带气旋灾害风险的定量评估研究提供了参考。热带气旋致灾因子包括大风、暴雨、风暴潮等三种主要类型，其中热带气旋大风危险性评估方法相对成熟，暴雨和风暴潮通常与洪水灾害风险联系起来开展风险评估。主要难点在于如何更准确地模拟热带气旋的路径、强度、风场和降水等过程或特征，而这有赖于热带气旋结构和风雨过程的精细化观测的进一步加强，以及对热带气旋形成和发展的物理机制的深入理解。当前热带气旋风险评估中以建筑物(直接经济损失)为主要承灾体(风险指标)，对其他承灾体的脆弱性和风险的定量评估研究还有待加强。

尽管针对热带气旋灾害风险模型的研究已经取得了显著的进展，还有众多相关科学问题需要进一步地研究，例如气候变化背景下热带气旋危险性的变化、承灾体脆弱性随时间的变化、热带气旋引发的风暴潮及暴雨洪涝等多灾种的综合风险评估等。在众多相关问题中，全球气候变化对热带气旋灾害风险的影响正受到广泛的关注[76]。研究表明，热带气旋的长期活动特征(如强度、频次和持续时间等)并没有显著的增加，没有证据表明人类活动(气候变化)对热带气旋活动变化产生了显著影响，但热带气旋的最大风速平均值有可能(66-100%的概率)上升，极端热带气旋的热带气旋引起的降水有可能增加；此外，人口社会暴露度的增加将导致更高的热带气旋灾害损失的产生[5]。一些学者通过对历史热带气旋损失进行归一化研究发现，社会经济暴露度的增加是导致热带气旋损失增加的主要原因[77-80]。最近，Estrada等使用基于回归的归一化方法代替传统的比例损失归一化方法分析美国历史飓风损失，发现归一化后的损失呈现与气候变化信号相一致的增加趋势[81]，但该方法的可靠性仍然存在争议[82]。

我国正处于社会经济快速发展的阶段，在全球变暖背景下，台风强度和强台风的频次可能增加，沿海地区台风灾害风险将日益增加，人口、社会、经济面临严峻挑战。台风灾害风险评估对于政府防灾减灾、巨灾保险的开展以及建筑工程的规划和设计都具有重要的意义，因此我国急需探索开展热带气旋巨灾风险评估的综合研究，尤其是针对不同区域建筑物、基础设施等特定承灾体的脆弱性研究，使学术研究、巨灾保险和政府灾害管理三者之间形成合力，为沿海地区减轻台风灾害风险提供科学工具和有效手段。同时，加强对台风气候变化的观测研究，深入开展气候变化对台风活动影响预测和模拟研究，以便为制定长期的台风风险管理决策提供科学依据。

[1] Aon Benfield. 2015 Annual Global Climate and Catastrophe Report[R]. Chicago, Illinois, 2016.

[2] Pielke Jr R A and Landsea C W. Normalized hurricane damages in the United States: 1925-95[J]. Weather and Forecasting, 1998, 13(3): 621-631.

[3] Raghavan S and Rajesh S. Trends in tropical cyclone impact: A study in Andhra Pradesh, India[J]. Bulletin of the American Meteorological Society, 2003, 84(5): 635-644.

[4] WMO. Seventh International Workshop on Tropical Cyclones (IWTC-VII)[EB/OL]. (2009-12-31) [2017-02-10]. http://www.wmo.int/pages/prog/arep/wwrp/tmr/IWTC-VII.html.

[5] IPCC. Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of the Intergovernmental Panel on Climate Change[R]. Cambridge, UK, and New York, NY, USA, Cambridge University Press, 2012: 582.

[6] UNISDR. Living with risk: A Global Review of Disaster Reduction Initiatives[R]. Geneva, Switzerland, United Nations, 2004.

[7] Grossi P and TeHennepe C. Catastrophe Modelling Fundamentals[M]//The Review-A Guide to Catastrophe Modelling, 2008: 6-11.

[8] Walker G R. Modelling the vulnerability of buildings to wind-a review[J]. Canadian Journal of Civil Engineering, 2011, 38(9): 1031-1039.

[9] 陈克平. 灾难模型化及其国外主要开发商[J]. 自然灾害学报, 2004, 13(2): 1-8.

[10] Vickery P J, Masters F J, Powell M D, et al. Hurricane hazard modeling: The past, present, and future[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2009, 97(7): 392-405.

[11] 方伟华，石先武. 面向灾害风险评估的热带气旋路径及强度随机模拟综述[J]. 地球科学进展, 2012, 27(8): 866-875.

[12] 方伟华，林伟. 面向灾害风险评估的台风风场模型研究综述[J]. 地理科学进展, 2013, 32(6): 852-867.

[13] Pita G, Pinelli J P, Gurley K, et al. State of the art of hurricane vulnerability estimation methods: A review[J]. Natural Hazards Review, 2014, 16(2): 04014022.

[14] Russell L R. Probability Distributions for Texas Gulf Coast Hurricane Effects of Engineering Interest[D]. Palo Alto: Stanford University,1968.

[15] Batts M, Simiu E, and Russell L. Hurricane wind speeds in the United States[J]. Journal of the Structural Division, 1980, 106(10): 2001-2016.

[16] Georgiou P, Davenport A G, and Vickery B. Design wind speeds in regions dominated by tropical cyclones[J]. Journal of Wind Engineering and Industrial Aerodynamics, 1983, 13(1): 139-152.

[17] Neumann C J. The National Hurricane Center Risk Analysis Program (HURISK)[C]// NOAA Technical Memorandum NWS NHC 38. Washington, DC, National Oceanic and Atmospheric Administration (NOAA).1991.

[18] Vickery P, Skerlj P and Twisdale L. Simulation of hurricane risk in the U.S. using empirical track model[J]. Journal of Structural Engineering, 2000, 126(10): 1222-1237.

[19] Hall T and Jewson S. Statistical modelling of tropical cyclone tracks: a semi-parametric model for the mean trajectory[J]. Physics, 0503231, 2005.

[20] Emanuel K, Ravela S, Vivant E, et al. A statistical deterministic approach to hurricane risk assessment[J]. Bulletin of the American Meteorological Society, 2006, 87(3): 299-314.

[21] Darling R W R. Estimating probabilities of hurricane wind speeds using a large-scale empirical model[J]. Journal of Climate, 1991, 4(10): 1035-1046.

[22] Phadke A C, Martino C D, Cheung K F, et al. Modeling of tropical cyclone winds and waves for emergency management[J]. Ocean Engineering, 2003, 30(4): 553-578.

[23] Jelesnianski C P, Chen J, and Shaffer W A. SLOSH: Sea, Lake, and Overland Surges from Hurricanes[C]// NOAA Technical Report NWS 48. Silver Spring, MD, National Weather Service.1992.

[24] Holland G. An analytic model of the wind and pressure profiles in hurricanes[J]. Monthly weather review, 1980, 108(8): 1212-1218.

[25] Harper B A and Holland G J. An updated parametric model of tropical cyclone[C]// Proceedings of 23rd Conference on Hurricanes and Tropical Meteorology. Dallas, Texas, American Meteorological Society.1999.

[26] Lee K H and Rosowsky D V. Synthetic hurricane wind speed records: development of a database for hazard analyses and risk studies[J]. Natural Hazards Review, 2007, 8(2): 23-34.

[27] Powell M, Soukup G, Cocke S, 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.

[28] Holland G. A revised hurricane pressure-wind model[J]. Monthly Weather Review, 2008, 136(9): 3432-3445.

[29] Vickery P J and Wadhera D. Statistical models of Holland pressure profile parameter and radius to maximum winds of hurricanes from flight-level pressure and H*Wind data[J]. Journal of Applied Meteorology and Climatology, 2008, 47(10): 2497-2517.

[30] Shapiro L J. The asymmetric boundary layer flow under a translating hurricane[J]. Journal of the Atmospheric Sciences, 1983, 40(8): 1984-1998.

[31] Georgiou P. Design Windspeeds in Tropical Cyclone-Prone Regions[D]. London, Ontario, Canada: University of Western Ontario,1985.

[32] Vickery P, Skerlj P, Steckley A, et al. Hurricane wind field model for use in hurricane simulations[J]. Journal of Structural Engineering, 2000, 126(10): 1203-1221.

[33] 程正泉, 陈联寿, 徐祥德, 等. 近10年中国台风暴雨研究进展[J]. 气象, 2005, 31(12): 3-9.

[34] Rogers R, Marks F, and Marchok T. Tropical cyclone rainfall[J]. Encyclopedia of hydrological sciences, 2009.

[35] Ren F, Wu G, Dong W, et al. Changes in tropical cyclone precipitation over China[J]. Geophysical Research Letters, 2006, 332(20): 131-145.

[36] David K B and Davis R E. Climatology of Tropical Cyclone Rainfall in the Southeastern United States[J]. Physical Geography, 2007, 28(2): 126-147.

[37] Shepherd J M, Grundstein A, and Mote T L. Quantifying the contribution of tropical cyclones to extreme rainfall along the coastal southeastern United States[J]. Geophysical Research Letters, 2007, 34(23): L23810.

[38] FEMA. Hazus-MH 2.1 Hurricane Model Technical Manual[R]. Washington, DC, Department of Homeland Security, Federal Emergency Management Agency, Mitigation Division.2016.

[39] Marks F, Kappler G and Demaria M. Development of a tropical cyclone rainfall climatology and persistence (R-CLIPER) model[C]// Proceedings of Conference on Hurricanes & Tropical Meteorology, 2002.

[40] Lonfat M, Rogers R, Marchok T, et al. A parametric model for predicting hurricane rainfall[J]. Monthly Weather Review, 2007, 135(9): 3086-3097.

[41] Marchok T, Rogers R and Tuleya R. Validation schemes for tropical cyclone quantitative precipitation forecasts: evaluation of operational models for U.S. landfalling cases[J]. Weather & Forecasting, 2007, 22(4): 726-746.

[42] Lin N and Chavas D. On hurricane parametric wind and applications in storm surge modeling[J]. Journal of Geophysical Research, 2012, 117(D9): D09120.

[43] 石先武, 谭骏, 国志兴, 等. 风暴潮灾害风险评估研究综述[J]. 地球科学进展, 2013, 28(8): 866-874.

[44] 张月霞. 基于ADCIRC模式的台风风暴潮灾害风险评估方法研究与应用——以浙江台州为例[D]. 青岛: 中国海洋大学, 2014.

[45] Hendrick R L and Friedman D G. Potential impacts of storm modification on the insurance industry. Human Dimensions of Weather Modification[C]//W. Sewell, University of Chicago Press, Chicago, IL.1966: 227-248.

[46] Friedman D G. Natural hazard risk assessment for an insurance program[C]//Geneva Papers on Risk and Insurance, 1984: 57-128.

[47] Jain V K, Guin J and He H. Statistical Analysis of 2004 and 2005 Hurricane Claims Data[C]//Proceedings of the 11th Americas Conference on Wind Engineering. San Juan, Puerto Rico.2009.

[48] Kafali C and Jain V. A Methodology for Estimating Typhoon Losses to Building Environment in Japan[C]//Proceedings of the 11th Americas Conference on Wind Engineering. San Juan, Puerto Rico.2009.

[49] Stubbs N and Perry D. A damage simulation model for buildings and contents in a hurricane environment[C]// Building an International Community of Structural Engineers. ASCE, 1996.

[50] Applied Research Associates (ARA). Development of loss relativities for wind resistive features of residential structures[C]//Version 2.2. Raleigh, NC, Florida Department of Community Affairs, 2002.

[51] Li Y and Ellingwood B R. Hurricane damage to residential construction in the US: Importance of uncertainty modeling in risk assessment[J]. Engineering Structures, 2006, 28(7): 1009-1018.

[52] Vickery P J, Skerlj P F, Lin J, et al. HAZUS-MH hurricane model methodology. II: Damage and loss estimation[J]. Natural Hazards Review, 2006, 7(2): 94-103.

[53] Hamid S, Kibria B G, 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.

[54] Walker G. CSIRO Division of Building, Construction and Engineering, Dr[R]. BA Harper, 1994.

[55] Stewart M. Risk and economic analysis of residential housing climate adaptation strategies for wind hazards in southeast Australia[C]//CAEx Report 1/2013, Climate Adaptation Engineering for Extreme Events Cluster, CSIRO Climate Adaptation Flagship, Canberra.2013.

[56] Henderson D J and Ginger J D. Vulnerability model of an Australian high-set house subjected to cyclonic wind loading[J]. Wind & Structures An International Journal, 2007, 10(3): 269-285.

[57] Wehner M, Ginger J, Holmes J, et al. Development of methods for assessing the vulnerability of Australian residential building stock to severe wind[C]//IOP Conference Series: Earth and Environmental Science, 2010, 11(2010) 012017.

[58] Burton C G. Social Vulnerability and Hurricane Impact Modeling[J]. Natural Hazards Review, 2010, 11(2): 58-68.

[59] Wang C and Yarnal B. The vulnerability of the elderly to hurricane hazards in Sarasota, Florida[J]. Natural Hazards, 2012, 2012(63): 349-373.

[60] Jung K, Shavitt S, Viswanathan M, et al. Female hurricanes are deadlier than male hurricanes[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(24): 8782-8787.

[61] 史培军. 三论灾害研究的理论与实践[J]. 自然灾害学报, 2002, 11(3): 1-9.

[62] 陈香. 福建省台风灾害风险评估与区划[J]. 生态学杂志, 2007, 26(6): 961-966.

[63] 牛海燕, 刘敏, 陆敏, 等. 中国沿海地区台风灾害损失评估研究[J]. 灾害学, 2011, 26(3): 61-64.

[64] 殷洁, 戴尔阜, 吴绍洪. 中国台风灾害综合风险评估与区划[J]. 地理科学, 2013, 33(11): 1370-1376.

[65] 樊琦, 梁必骐. 热带气旋灾情的预测及评估[J]. 地理学报, 2000, 55(S1): 52-56.

[66] 魏章进, 隋广军, 唐丹玲. 台风灾情评估及方法综述[J]. 灾害学, 2012, 27(4): 107-113.

[67] 叶小岭, 施珮, 匡亮. 基于粒子群优化BP神经网络的台风灾损预测模型研究[J]. 灾害学, 2013, 28(4): 11-15.

[68] 欧进萍, 段忠东, 常亮. 中国东南沿海重点城市台风危险性分析[J]. 自然灾害学报, 2002, 11(4): 9-17.

[69] 李瑞龙. 基于改进的台风关键参数的台风极值风速预测[D]. 哈尔滨: 哈尔滨工业大学, 2007.

[70] 程鸿. 基于历史观测数据的中国台风致灾因子过程重建与蒙特拉洛模拟[D]. 北京: 北京师范大学,2009.

[71] 林伟, 方伟华. 西北太平洋台风风场模型中 Holland B 系数区域特征研究[J]. 热带地理, 2013, 33(2): 124-132.

[72] 王韶文. 广东沿海典型低矮建筑调研与风荷载特性的试验研究[D]. 汕头: 汕头大学, 2009.

[73] 何春保, 严英杰, 谭文怡, 等. 华南地区农村建筑抗风减灾情况调查与对策分析[J]. 南方建筑, 2011(5): 53-55.

[74] 辜智慧, 王娟, 葛怡, 等. 基于PTVA修正模型的建筑单体台风脆弱性评估方法[J]. 中国安全科学学报, 2015, 25(11): 99-105.

[75] 辜智慧, 王娟, 葛怡, 等. 区域建筑群台风灾害综合脆弱性评估方法研究:以广东省为例[J]. 中国安全科学学报, 2016, 26(2): 108-113.

[76] 雷小途, 徐明, 任福民. 全球变暖对台风活动影响的研究进展[J]. 气象学报, 2009, 67(5): 679-688.

[77] Miller S, Muir-Wood R, and Boissonnade A. An exploration of trends in normalized weather-related catastrophe losses [M]//H. F. Diaz and R. J. Murnane (Editor). Climate Extremes and Society. New York: Cambridge University Press, 2008: 225-247.

[78] Pielke Jr R A, Gratz J, Landsea C W, et al. Normalized hurricane damage in the United States: 1900-2005[J]. Natural Hazards Review, 2008, 9(1): 29-42.

[79] Schmidt S, Kemfert C, and H?ppe P. Tropical cyclone losses in the USA and the impact of climate change—A trend analysis based on data from a new approach to adjusting storm losses[J]. Environmental Impact Assessment Review, 2009, 29(6): 359-369.

[80] 张娇艳, 吴立广, 张强. 全球变暖背景下我国热带气旋灾害趋势分析[J]. 热带气象学报, 2011, 27(4): 442-454.

[81] Estrada F, Botzen W J W and Tol R S J. Economic losses from US hurricanes consistent with an influence from climate change[J]. Nature Geosci, 2015, 8(11): 880-884.

[82] Hallegatte S. Climate change: Unattributed hurricane damage[J]. Nature Geosci, 2015, 8(11): 819-820.

Abstract:Global tropical cyclone disaster risks keep rising with the accelerated growth and aggregation of populations and wealth in the coastal areas. In recent decades, refined quantitative assessment of coastal tropical cyclone disaster risk has been regarded as a prerequisite to achieve prospective disaster risk management; therefore, developing the quantitative risk models, which incorporates multi-disciplinary theories and technologies including meteorology, geography, engineering, stochastic mathematics, insurance and so on, is the future direction of tropical cyclone risk management. From the perspective of integrated risk management for tropical cyclone disasters, this paper reviews the status quo of the tropical cyclone risk assessment, including the current development, problems of the two essential composing elements of risk, as the hazards and vulnerability respectively. The paper finally gives a brief overview of research on typhoon risk modelling in China, and provides responding suggestions for further improving quantitative typhoon risk research in coastal areas in China.

Key words:tropical cyclone; risk assessment; disaster; hazard; vulnerability

Review on Tropical Cyclone Risk Assessment

CHEN Wenfang1, DUAN Yihong1, LU Yi2, FANG Jiayi3, 4, SHI Xianwu5and REN Fumin1

(1.StateKeyLaboratoryofSevereWeather,ChineseAcademyofMeteorologicalScience,Beijing100081,China; 2.ShanghaiTyphoonInstituteofChinaMeteorologicalAdministration,Shanghai200030,China; 3.AcademyofDisasterReductionandEmergencyManagement,MinistryofCivilAffairs&MinistryofEducation,BeijingNormalUniversity,Beijing100875,China; 4.FacultyofEnvironmentandEngineering,UniversityofSouthampton,Southampton,SO17 1BJ; 5.NationalMarineHazardMitigationService,Beijing100194,China)

陈文方，端义宏，陆逸，等. 热带气旋灾害风险评估现状综述[J]. 灾害学，2017，32(4)：146-152. [CHEN Wenfang, DUAN Yihong, LU Yi,et al. Review on Tropical Cyclone Risk Assessment[J]. Journal of Catastrophology，2017，32(4)：146-152.

10.3969/j.issn.1000-811X.2017.04.025.]

X43;P42

A

1000-811X(2017)04-0146-07

2017-04-14

2017-06-01

国家重点基础研究发展计划项目(2015CB452806)

陈文方(1987-)，女，江西南昌人，博士后，主要从事热带气旋灾害风险评估与管理研究. E-mail: wenfang@camscma.cn

端义宏(1963-)，男，江苏南京人，研究员，主要从事热带气旋机理和海气相互作用研究. E-mail: duanyh@cma.gov.cn

10.3969/j.issn.1000-811X.2017.04.025