基于信息扩散的东南沿海台风灾害风险评估*

于小兵，俞显瑞，吉中会，卢逸群

(1.南京信息工程大学 管理工程学院，江苏 南京 210044；2.南京信息工程大学 气象灾害预报预警与评估协同创新中心，江苏 南京 210044)

东南沿海(山东、上海、江苏、浙江、福建、广东、广西、海南)是我国经济发达地区。根据2017年国家统计局公布的数据，这八个省市的GDP超过全国的50%。然而，台风灾害已经成为影响东南沿海各省份可持续发展的主要制约因素之一。为此，东南沿海台风灾害研究得到了越来越多的关注。于小兵等[1]通过多主体建模和仿真理论，对2013年台风“菲特”造成的浙江余姚水灾为例，对台风灾害应急策略进行了深入研究。郭桂祯等[2]建立了东南沿海五省台风灾害房屋倒损脆弱性曲线模型，以2014年“威马逊”台风为例，进行了模型验证。杨林[3]利用2014年福建省台风“麦德姆”气象资料，对台风灾害防御行为效益进行了评估研究。Lei等[4]指出：由于高投资和低安全性，结构性防台措施是不可持续；而适应性治理是一种可行的、具有成本效益的策略，可以用来应对台风带来的灾害链。

上述研究丰富和完善了台风灾害研究，对防灾减灾发挥了重要作用。但是，这些研究主要是基于微观视角，站在应急管理的角度，对台风灾害防灾减灾进行了研究。从宏观视角，对整个东南沿海八个省市台风灾害风险的相关研究较为缺乏。因此，有必要对东南沿海的台风灾害风险状况进行系统分析，为政府及有关部门制定合理的防灾减灾政策和风险决策提供科学依据。

以往的灾害风险评估研究，多数采用基于大样本的概率统计模型，所需样本数较多。台风灾害是一种典型的自然灾害，灾情资料数据主要来自社会统计。这类资料年代序列不够长，连续性也不够强，在进行危险性分析或者风险评估时会导致结果稳定性弱，出现不精确的分析评估结果。近些年来，可对小样本事件进行精确分析的信息扩散方法正好可以弥补这些缺陷。信息扩散理论是一种处理小样本信息，利用适当的扩散函数，将观测样本点集值化的方法[5-6]。目前，国内外已有许多学者将信息扩散理论应用到干旱、洪涝等灾害风险评估，并取得了较为理想的分析结果。黄崇福等[5]基于信息扩散理论，以历史灾情资料为依据进行自然灾害风险评估；丁青云等[6]基于信息扩散理论评估模型，选用降水距平百分率和标准化降水指数作为干旱灾害评估指数对干旱灾害进行风险评估；陈海涛等[7]为研究区域农业干旱时空分布特征及其对作物产量的影响，建立了基于信息扩散和分形技术的农业干旱特征量化分析模型。李孟刚等[8]构建了熵信息扩散理论模型，依据1985-2013年数据，对我国30个省、市、自治区的农业水旱灾害进行了风险评估。龚艳冰等[9]建立基于正态云信息扩散方法的灾害风险评估模型，对徐州市农作物干旱进行了研究。欧阳蔚等[10]利用信息扩散理论评估模型，对云南省楚雄市长期和近5年的干旱风险率进行评估。Wu等[11]以1949-2012年新疆的洪水、干旱、风暴和低温灾害序列为样本，对该地区的气象灾害进行了研究。此外，Meng等[12]以南京化工园为研究对象，通过信息扩散理论，对园区内每个企业的污染物风险进行了分析。为了全面评估东南沿海八个省份台风灾害风险水平，为防灾减灾提供理论支撑。本文基于信息扩散理论的风险评估模型，根据2001-2015年期间的台风受灾、成灾和绝收面积，对我国东南沿海的台风灾害展开了风险评估。

1 资料与研究方法

1.1 资料来源

本研究选取东南沿海各省(包括山东、上海、江苏、浙江、福建、广东、广西、海南)农作物生产的单产资料，台风受灾面积、成灾面积和绝收面积，总气象灾害(包括旱灾、水灾、风雹、低温、台风，以下简称总灾)的受灾面积、成灾面积和绝收面积。粮食单产数据单位为公斤/亩；受灾面积、成灾面积和绝收面积数据单位为万亩。统计资料来源于《中国统计年鉴》及《中国农业统计资料》和农业部种植业管理司灾情数据库，一共采用了15年的统计数据(2001-2015年)。

1.2 研究方法

1.2.1 粮食相对灾损量的计算

根据农业部门统计灾情的方法，选取受灾面积、成灾面积和绝收面积数据。一般规定，因灾减产10%以上的面积计为受灾面积，因灾减产30%以上的面积为成灾面积，因灾减产80%以上的面积为绝收面积[13]。本研究选取减产分成法进行各类农业气象灾害农作物减产量的估算[13]。该方法以所选年份受灾面积、成灾面积和绝收面积统计数据为样本，推算灾害粮食减产量。计算公式如下：

Yij=(0.1×Aij+0.2×Bij+0.5×Cij)×Dj,i=1,2,3,4,5,6;j=1,2,3,…,15。

(1)

式中：Yij为第i种灾害第j年的粮食损失量，Aij、Bij、Cij分别为第i种灾害第j年的受灾面积、成灾面积和绝收面积，Dj为第j年的农作物单产。i=1,2,3,4,5,6分别表示旱灾、洪涝、风雹、低温、台风和总灾；j表示所研究的种植周期，j=1表示2001年。

(2)

式中：Yij表示第j年总灾灾损量，相对灾损量避免了时空分布特征对农作物产量的影响，具有可比性。

1.2.2 信息扩散方法

设V={v1,v2,…,vm}为灾害指数论域，设X={x1,x2,…,xn}为灾害指标实际记录，x1,x2,…,xn为观测样本[5]。

一个单值观测样本x依公式(3)可以将其携带的信息扩散给V中的所有点：

(3)

式中：ρ称为扩散系数，可根据样本集合中样本的最大集b和最小值a及样本个数m来确定，其计算公式为：

(4)

(5)

(6)

这样，就将单值样本x变成了一个以ux(vj)为隶属函数的模糊集。在进行风险评估时，为了使每一个集值样本的地位均相同，对第j个样本uj进行信息扩散，得

(7)

称uxi(vj)为样本xi的归一化信息分布。对uxi(vj)进行处理，令

(8)

通常l(vj)不是一个正整数，但是肯定大于等于零，则可以进一步算出样本隶属vj的概率估计值为：

(9)

则超越vj的概率值应为：

(10)

p(v≥vj)就是超越概率风险估计值，即灾害风险。

2 结果与分析

2.1 东南沿海各省份台风灾害粮食减产量分析

通过公式(1)，计算山东、上海、江苏、浙江、福建、广东、广西和海南的台风灾害粮食减产量(图1)。作为产粮大省的山东，台风灾害并不严重，15年的年均灾损量10.92万t，2012年台风灾损量达到最大值，为93.51万t；江苏和上海的台风灾情相对较轻，均值分别为16.619万t和16.737万t，在2005年达到峰值，分别为108.15万t、12.14万t；浙江、福建、广东、广西、海南的灾情较为严重，均值分别为43.82万t、20.92万t、60.45万t、30.02万t、17.84万t，分别在2005、2006、2006、2014和2014年达到最大值，分别为123.13万At、71.66万t、136.65万t、74.09万t和60.18万t。

2.2 东南沿海各省份台风灾害相对灾损量分析

通过公式(2)，计算山东、上海、江苏、浙江、福建、广东、广西和海南八个省份的台风灾害相对灾损量及均值序列，结果如图2和图3所示。由图2可以看出，就相对灾损量波动幅度而言，江苏和山东最小，波动也最小；上海、浙江波动最为频繁；就相对灾损量均值而言，海南以54.19%占据首位，广东、福建、浙江和上海以50.71%、43%、42.77%、36.97%次之，广西、江苏以27.95%、11.99%处于末位，山东更是以5.29%垫底。因此，台风灾害对海南、广东、福建、浙江和上海农作物减产的影响较大，对山东农作物减产影响最小。

图1 台风灾损量

图2 台风灾害的相对灾损量与均值

图3 台风灾害相对灾损量平均值

2.3 东南沿海各省份台风灾害风险分析

以前面计算的山东、上海、江苏、浙江、福建、广东、广西、海南八个省份的台风相对灾损量为序列，得到实测样本集合：

U山东={u1,u2,…,un},

(11)

U上海={u1,u2,…,un},

(12)

U江苏={u1,u2,…,un},

(13)

U浙江={u1,u2,…,un},

(14)

U福建={u1,u2,…,un},

(15)

U广东={u1,u2,…,un},

(16)

U广西={u1,u2,…,un},

(17)

U海南={u1,u2,…,un}。

(18)

为计算方便，并考虑计算精度的要求，取指数论域为

6人中，除中国食品药品检定研究院副院长王佑春外，其余5位均来自于原国家食品药品监督管理总局（国家药品监督管理局）药品化妆品监管司，分别为司长丁建华、副司长董润生、副司长孙京林、特殊药品监管处处长叶国庆、特殊药品监管处调研员郭秀侠。

V={v1,v2,…,vn}={0,0.02,0.04,…,1}。

(19)

分别将uij按照公式(3)～公式(8)进行处理，求得归一化信息分布；再通过公式(9)和公式(10)，即可计算出东南沿海八个省份台风灾害风险估计值P(vi)，见表1～表3所示。图4给出了不同台风灾害相对灾损量下的风险水平。其中，表1～表3中的百分值5%，10%，15%，…，90%表示今后每一年中，台风灾害相对损失量≥5%，10%，15%，…，90%的概率估计值，由概率估计值可以得出各省的台风灾害风险几年一遇。由表1～表3可以看出，东南沿海八个省份台风灾害对产量灾损风险水平的影响是随着相对损失的增大，风险概率下降。对于相对灾损量在5%～30%之间，风险估计值一直呈现出福建>广东>海南>浙江>广西>上海>江苏>山东；在35%～40%之间，风险估计值呈现出广东>福建>海南>浙江>上海>广西>江苏>山东；在40%～75%，广东和福建风险估计值下降加快，海南呈现第一；超过75%后，各省风险估计值中上海呈现第一。

图4 不同台风灾害相对灾损量下的风险水平

表1 台风灾害灾损风险估计值 %

表2 台风灾害灾损风险估计值 %

表3 台风灾害灾损风险估计值 %

台风灾害的风险水平几乎为1年左右一遇(风险估计值>0.8)的省份以及对应的相对灾损量概率估计值分别为福建(0～30%)、广东(0～25%)、海南(0～20%)、浙江(0～10%)、广西(0～5%)、上海(0～5%)。

台风灾害的风险水平几乎为2年左右一遇(风险估计值>0.45)的省份以及对应的相对灾损量概率估计值分别为福建(35%～45%)、广东(30%～55%)、海南(25%～60%)、浙江(15%～50%)、广西(10%～20%)、上海(10%～20%)、江苏(5%～10%)、山东(5%)。

图5以更加直观的方式给出了东南沿海八省市台风灾害灾损风险估计值：

图5 台风灾害风险估计值

山东在10%～45%时，台风灾害的风险水平下降较缓慢，为4.7年～30年一遇，超过50%时，台风灾害的风险水平急剧下降，直接为百年一遇。

上海在大于25%后，台风灾害的风险水平下降最为缓慢，台风灾害的风险水平为2.4年～4年一遇。

浙江的台风灾损风险基本呈线性下降。在大于55%后，台风灾害的风险水平为2.5年～12年一遇。

福建在50%～75%时台风灾害的风险水平为3.5年～47.4年一遇；超过80%，台风灾害百年一遇。

广东在超过60%之后，台风灾害的风险水平下降较缓慢，为2.4年～19年一遇。

广西在超过25%之后，台风灾害的风险水平为2.6年～36年一遇。

海南在超过65%之后，台风灾害的风险水平下降也较缓慢，为2.3年～5.2年一遇。

3 讨论

在相对灾损量≥5%的风险概率时，各省均以1～2年一遇为主，说明相对灾损量≥5%的情景已经成为东南沿海各省的常态风险。在相对灾损量≥10%、15%、….、50%的风险概率时，广东、福建、浙江、海南均以2～3年一遇为主。在相对灾损量≥10%时，江苏已经呈现出2年一遇。随着相对灾损量≥15%、20%、…、60%，江苏的台风灾害发生率递减明显，到60%时已经是百年一遇。在相对灾损量≥10%时，山东已经呈现出4.7年一遇。随着相对灾损量≥15%、20%、…、50%，山东的台风灾害发生率递减明显，到50%时已经是百年一遇。反观广东、福建、浙江、海南、上海和广西，台风灾害发生率递减幅度较小，甚至在相对灾损量≥90%时，上海和海南台风灾害分别为4年、5年一遇，这种情景可以说明广东、福建、浙江、海南、上海和广西受到台风灾害的风险很高，呈现出台风灾害高、风险发生周期短、频率高的特点。这些评价结果与实际情形比较吻合，便于对东南沿海各省的台风灾害认识，对防灾减灾具有一定的指导意义。

本文基于信息扩散理论对台风灾害风险进行评估，忽略了造成台风灾害的其它因素，所以，使用时还需依照实际情景进行分析。因为历史资料时间序列短，对于台风灾害的风险评估，应用时还有待进一步改进方法，离散区间和所求的概率需要更进一步的分析选择。随着年限越长，台风灾害的资料也越来越丰富，修正离散区间及扩散系数，可以进一步保证估计概率更接近于实际发生值。

4 结论

台风灾害是多种因素共同作用的结果，在台风灾害风险评估中，往往很难得到大样本的数据，因此本文利用不完备信息进行风险评估的信息扩散理论是十分合理的。本文通过因灾实际减产量的计算，以东南沿海的台风灾害造成的受灾、成灾和绝收面积以及单产量为基础的相对灾损量作为台风灾害评估指标，应用优于传统统计模型的信息扩散理论进行概率分布估计对2001年-2015年的台风灾害风险进行评估。研究的主要结论如下：

(1)东南沿海八省市台风灾害造成的损失差异较大。从平均灾损量上看，广东最为严重，江苏最轻；从相对灾损量均值上看，海南占据首位，山东最小。

(2)东南沿海八省市面临台风灾害风险压力较大。其中，以广东、福建、浙江、海南、上海和广西台风灾害风险压力为最。这些地区台风灾害发生率递减幅度较小，甚至在相对灾损量≥90%时，上海和海南还是几年一遇，说明台风灾害范围虽然缩小，但是灾害强度增大，农业台风灾害风险压力很大。

(3)东南沿海八省市台风灾害风险空间分布有差异，但是差异不是很大。江苏和山东虽然台风灾害风险压力较小，但是在≥5%和≥10%之间也有1年～2年一遇的风险水平，同样不能忽视台风灾害的风险压力。