两次前汛期暴雨过程的气象服务效益对比——以汽车保险赔偿为例

林 钒 任赛赛 黄梅妹 何宇晖

(1.福建省莆田市气象局，福建 莆田 351100；2.福建省莆田市荔城区气象局，福建 莆田 351100)

1 概述

暴雨是福建气象灾害的主要灾种，21世纪以来，气象部门的暴雨预报为福建社会安全和经济发展做出了重要贡献。当前是传统的气象要素预报向行业影响预报转型时期，客观、定量地评估预报服务效益是开展影响预报的基础工作。以往预报服务效益评估方法有：通过服务满意度问卷调查、灾情搜集等方法评估[1-3]，其中的问卷调查在服务满意度方面可以得到较为可靠的结果，灾情数据来自各级防汛部门，在每次暴雨过程结束后即可得到受灾人数、工农业受损金额、直接经济损失等数据，这些数据是当前暴雨预报服务效益评估的重要来源，但用这些数据做效益评估尚有以下两方面不足：一是满意度调查的内容局限于调查者设计好的选择题，得到的结论也受答卷者态度影响；二是灾情数据体现一次过程受灾情况，未能体现气象服务取得的客观效益。为此，本文通过2018年和2019年2个前汛期暴雨过程的暴雨预警信号准确率评分、传统灾情数据、汽车赔偿金额等方面的对比，分析不同评价方法的优劣，以期为今后的行业减灾效益提供更合理的评估方案。

2 资料与方法

雨量数据来自福建省区域气象自动站逐小时数据，精确至乡镇；灾情数据来自莆田市防汛办；汽车受损数据由莆田市人寿财产保险有限公司提供，赔付金额由该公司提供，不代表莆田市所有保险公司理赔金额；预警信号发布情况来自福建省气象业务平台。

①预警信号发布准确率计算方法：从福建气象业务平台中统计莆田市气象台发布的每一条暴雨预警信号，根据《福建省预警信号质量评分办法》，将同一过程的所有暴雨预警信号发布准确率取平均，得到该过程的准确率。

②灾害强度计算方法：考虑到短时暴雨引起的灾害取决于3个方面，即小时雨强、短时强降水的持续时间、暴雨范围，参考福建前汛期持续性暴雨过程强度指数[4]、广东省台风灾害强度指数[5]的计算思路，本文设计的灾害强度公式为：

≥20

(1)

上式中，R1表示1小时雨量，l、m、n、k分别表示小时雨强超过80mm、50mm、30mm和20mm的站次。根据以上公式，灾害强度S包含暴雨强度、范围和持续时间。

③减灾效益的计算方法：本文参考林继生(2010)的做法，应用对比法作效益评估。以2018年6月18-22日暴雨过程为参照过程，以2019年5月31日-6月2日过程为评估对象，以直接经济损失为例，假设2018年6月18-22日过程的直接经济损失为n0，灾害强度为s0，2019年5月31日-6月2日过程的直接经济损失为n1，按以下步骤统计：

1)根据2018年和2019年莆田市社会经济统计报告提供的当年度国民经济总值G2018和G2019，计算可变价格换算成不变价格的换算系数k=G2019/G2018。

2)换算2018年6月18-22日过程的直接经济损失值n0′=n0×k。

3)分别计算单位强度直接经济损失E0=n0′/s0,E1=n1/s1。

4)计算减灾效益E=(E1-E0)/E0×100%。

3 暴雨预报服务效益评估

3.1 灾害强度对比

由图1可见，2次过程的短时强降水均分布在莆田市中南部，但2018年6月18-22日的短时强降水累计时间更长，出现范围更广。根据公式(1)计算2次过程的暴雨灾害强度，见表1。显然，2018年过程的灾害强度更强，正常情况下，2018年6月18-22日过程灾害损失值比2019年5月31日-6月2日过程大，因此，无法体现2019年5月31日-6月2日过程灾害损失少是因为过程较弱还是气象服务好引起的，为此，下面对2个过程的降水及受灾情况做更详细分析。分析2个过程暴雨最强时段的累计雨量分布(见图2)及出现时间可见，两者在强降水分布区域上是相近的，但2018年过程在秀屿区沿海也出现大范围的暴雨，有4个乡镇2小时累计雨量超过50mm，2019年过程沿海降水很弱；在降水集中时间上，2019年过程强降水出现在下午(6月2日16-18时)，2018年过程强降水出现下半夜(1～3时)。

表1 2018年6月、2019年5月有暴雨过程强降水站数统计及暴雨过程强度指数

(a) (b)

图2 2019年6月2日16-18时和2018年6月22日1～3时区域自动站累计雨量(黑色数据为2小时累计雨量,单位：mm)

3.2 预报服务效益对比

通过以上雨强、暴雨范围的分析可知，2次过程的暴雨落区是相近的，但2018年6月16-22日过程暴雨更强，影响范围更广，下面从预警信号发布准确率、灾情及汽车赔偿等方面分析2019年5月31日至6月2日暴雨过程的预报服务效益。原则上，经济效益评估应将经济损失值按上文介绍的方案将可变价格换算为不变价格后再统计，考虑到2019年社会经济统计报告只能在2020年发布且2个过程相距不足1年，因此，下面统计的灾情数据暂不考虑物价变化因素。

由表2可见，按传统灾害天气过程总结思路评估，只能得出直接经济(或农作物受灾面积、受灾人口)等项目减少损失的绝对数值，绝对损失数值没有考虑灾害强度的影响，由此计算的服务效益是不全面的，也没法体现预报、决策等环节在灾害损失方面起的作用。引入灾害强度指标后，可以用单位强度灾损的差值来评估服务效益，克服不同强度灾损不可比性的缺陷。

表2 2018年6月和2019年5月暴雨过程的直接经济总损失及汽车受损情况统计

由于防汛办提供的是整个过程的灾损数据，就日常过程总结而言，这些数据足够了，但对即将开展的暴雨影响预报业务而言，需要分析暴雨对某个行业的具体影响，因此，需要挖掘更精确的灾损数据。暴雨引起的内涝及道路积水可造成汽车损坏，而保险公司赔偿金额是经过现场核查及损失评估等多个环节后得到的数据，是相对可靠的灾损数据。因此，由表2得出的单位强度汽车损失金额及服务效益可以用来剖析2019年5月31日至6月2日暴雨过程的服务成效。

由表2可见，不管是防汛办提供的还是保险公司提供的数据，2019年5月31日至6月2日暴雨过程灾损的气象服务相对经济效益达50%～60%，那么，该过程服务成功原因在哪里？反查2个过程的服务手段发现，两者发布信息的渠道(手机短信、微博等)是一样的，下面对预报准确率和减损效益做进一步剖析。从表3可以看出，2个过程的TS评分都是比较高的， 2019年5月31日至6月2日过程发布了红色预警信号，橙色预警的命中率比2018年6月18-22日过程高，且时效性也比2018年过程长，2019年过程服务效益更明显的原因可能与提前发布橙色预警信息有关。除此之外，2019年过程的强降水主要发生在傍晚，预警信息在18时前后发布，2018年过程的强降水主要发生在凌晨2点，前者气象预警信息的关注度比较高，也产生了一部分减灾效益，因此，针对夜间灾害天气，可以通过改进服务手段、加强预警信息的提醒作用来提高气象服务效益。

表3 暴雨预警信号发布准确率对比

4 结论与讨论

通过以上分析，可以得出以下结论：

(1)针对传统评估方案中灾害损失数据太笼统、问卷调查不好操作等弊端，本文设计一套考虑灾害强度的暴雨服务效益评估方案，该方案具有客观、定量、可操作性强等优点。

(2)设计的评估方案在2019年5月31日至6月2日、2018年6月18日至22日这2个相似暴雨过程的评估结果显示，相比于2018年6月18至22日过程，2019年5月31日至6月2日过程的直接经济损失、汽车受损等方面的气象服务减损效益达50%～60%，暴雨橙色及红色级别的预警发布对汽车用户的提醒作用更突出，橙色预警无时间提前量、发布预警时间在深夜或凌晨可能制约气象服务效益的发挥，今后暴雨短临预报服务应着力提高橙色或红色预警的时间提前量，改进夜间灾害天气的服务手段。

(3)本文设计的评估方案对暴雨洪涝引起的直接经济损失和汽车保险赔偿金额做评估，今后可以对更多个案做更深入评估，也可以将此方案拓展至其它行业，比如交通气象服务、盐业气象服务等。