熱帶氣旋災(zāi)害風(fēng)險評估現(xiàn)狀綜述*

陳文方，端義宏，陸 逸，方佳毅，石先武，任福民

(1.中國氣象科學(xué)研究院災(zāi)害天氣國家重點實驗室，北京 100081；2.中國氣象局上海臺風(fēng)研究所，上海 200030；3.北京師范大學(xué) 減災(zāi)與應(yīng)急管理研究院，北京 100875；4.英國南安普頓大學(xué) 環(huán)境工程學(xué)院，南安普頓 英國 SO17 1BJ；5.國家海洋局海洋減災(zāi)中心，北京 100194)

熱帶氣旋災(zāi)害風(fēng)險評估現(xiàn)狀綜述*

陳文方1，端義宏1，陸 逸2，方佳毅3,4，石先武5，任福民1

(1.中國氣象科學(xué)研究院災(zāi)害天氣國家重點實驗室，北京 100081；2.中國氣象局上海臺風(fēng)研究所，上海 200030；3.北京師范大學(xué) 減災(zāi)與應(yīng)急管理研究院，北京 100875；4.英國南安普頓大學(xué) 環(huán)境工程學(xué)院，南安普頓 英國 SO17 1BJ；5.國家海洋局海洋減災(zāi)中心，北京 100194)

全球熱帶氣旋災(zāi)害風(fēng)險隨著社會經(jīng)濟的發(fā)展、沿海地區(qū)人口和財富的加速增長與聚集而持續(xù)上升，針對沿海地區(qū)熱帶氣旋災(zāi)害風(fēng)險開展精細化的定量評估是實現(xiàn)前瞻性災(zāi)害風(fēng)險管理的前提。該文從面向災(zāi)害管理部門開展熱帶氣旋災(zāi)害風(fēng)險管理的角度出發(fā)，分別對國際上熱帶氣旋風(fēng)險評估中致災(zāi)因子危險性評估和承災(zāi)體脆弱性評估這兩個核心內(nèi)容的研究進展進行綜述，分析了其各自的現(xiàn)狀、存在的問題及其挑戰(zhàn)。然后對我國熱帶氣旋(臺風(fēng))災(zāi)害風(fēng)險管理體系中風(fēng)險定量評估的研究現(xiàn)狀進行了討論，針對我國熱帶氣旋風(fēng)險模型的研究現(xiàn)狀提出建議，為未來進一步開展沿海地區(qū)臺風(fēng)災(zāi)害風(fēng)險的定量評估研究提供了參考。

熱帶氣旋；風(fēng)險評估；災(zāi)害；致災(zāi)因子；脆弱性

全球范圍內(nèi)，熱帶氣旋是給人類社會帶來損失最大的自然災(zāi)害之一。據(jù)統(tǒng)計，最近10年全球熱帶氣旋災(zāi)害平均每年直接經(jīng)濟損失約為550億美元(2006-2015，2015年價格)，超過洪水、地震等其他自然災(zāi)害[1]，而中國平均每年因熱帶氣旋直接經(jīng)濟損失約為90億美元，約為全球損失的15%。并且，沿海地區(qū)人口和財富的快速增長促使熱帶氣旋造成的經(jīng)濟損失持續(xù)增長，這些地區(qū)的人口和社會經(jīng)濟都將面臨著越來越高的災(zāi)害風(fēng)險[2-3]，為此，熱帶氣旋災(zāi)害風(fēng)險的評估與管理受到了科學(xué)界越來越廣泛的關(guān)注[4-5]。

如圖1所示，熱帶氣旋風(fēng)險的大小由熱帶氣旋致災(zāi)因子(大風(fēng)、降雨、風(fēng)暴潮等)本身的強度(即危險性)、承災(zāi)體(人口、房屋、財產(chǎn)等)的數(shù)量或價值(即暴露度)以及承災(zāi)體對致災(zāi)因子強度的敏感度(即脆弱性)等三個因素共同決定[6]?，F(xiàn)代災(zāi)害風(fēng)險管理迫切需要系統(tǒng)化、精細化和定量化的災(zāi)害風(fēng)險模型，即通過對熱帶氣旋致災(zāi)因子危險性、特定承災(zāi)體的暴露度和脆弱性分別開展定量的模擬和評估，獲得精細化的定量的災(zāi)害風(fēng)險預(yù)估值，從而為有針對性地開展災(zāi)害風(fēng)險管理和風(fēng)險分散提供科學(xué)參考(圖1)。早在19世紀(jì)末期，災(zāi)害觀測技術(shù)的提高以及風(fēng)險制圖技術(shù)的發(fā)展促使基于計算機技術(shù)進行巨災(zāi)損失概率模擬和評估的巨災(zāi)模型(catastrophe models)應(yīng)運而生[7-8]。受益于熱帶氣旋風(fēng)險研究的進步，國際上的巨災(zāi)模型公司(如AIR、RMS等)、保險或再保險公司(如Swiss Re、Munich Re等)以及美國政府(如FEMA開發(fā)了HAZUS-MH颶風(fēng)模型)、澳大利亞政府等紛紛開發(fā)了巨災(zāi)風(fēng)險模型[9]。

針對熱帶氣旋巨災(zāi)風(fēng)險的評估和模擬問題，一些學(xué)者從致災(zāi)因子危險性[10-12]、建筑物脆弱性[13]等不同的角度進行了綜述。本文在已有研究的基礎(chǔ)上，從面向災(zāi)害管理部門開展熱帶氣旋災(zāi)害風(fēng)險管理的角度出發(fā)，分別對國際上熱帶氣旋致災(zāi)因子危險性評估和承災(zāi)體脆弱性評估這兩項核心內(nèi)容的研究進展進行綜述，總結(jié)熱帶氣旋災(zāi)害風(fēng)險定量評估研究中存在的問題及其挑戰(zhàn)。此外，對我國熱帶氣旋(臺風(fēng))災(zāi)害風(fēng)險管理體系中風(fēng)險定量評估的研究現(xiàn)狀進行了分析和討論，針對其不足給出了具體的建議，為我國沿海地區(qū)進一步加強臺風(fēng)災(zāi)害風(fēng)險管理提供了科學(xué)參考。

圖1 熱帶氣旋巨災(zāi)風(fēng)險模型的結(jié)構(gòu)

1 熱帶氣旋致災(zāi)因子危險性評估

相較于其他自然災(zāi)害，熱帶氣旋的致災(zāi)因子具有多樣性和復(fù)雜性。多樣性體現(xiàn)在，既包含大風(fēng)和暴雨等兩大直接致災(zāi)因子，又包含洪水、風(fēng)暴潮(及其引發(fā)的沿海洪水)等次生致災(zāi)因子。復(fù)雜性體現(xiàn)在，直接致災(zāi)因子和次生致災(zāi)因子可能引發(fā)“災(zāi)害鏈”現(xiàn)象，而風(fēng)、雨、潮以及天文大潮等多種致災(zāi)因子“并發(fā)”形成“復(fù)合災(zāi)害”，可能導(dǎo)致生命、財產(chǎn)、社會經(jīng)濟系統(tǒng)的巨大損失，較單一致災(zāi)因子的情況更為復(fù)雜。

1.1 熱帶氣旋大風(fēng)危險性評估

熱帶氣旋大風(fēng)危險性評估主要采用數(shù)值模擬方法，根據(jù)歷史上發(fā)生的熱帶氣旋災(zāi)害資料，確定特定地點遭遇不同強度(通常用風(fēng)速來表征)熱帶氣旋災(zāi)害的超越概率(exceedance probabilities)。自基于概率的熱帶氣旋危險性模擬方法于1960年代末被Russell[14]提出以來，其基本框架延續(xù)至今，其大致流程如圖2所示。

在路徑模型方面，早期的研究主要采用“樣本圓或海岸段”法，以研究點(海岸段)為中心，選取附近一定范圍內(nèi)的歷史熱帶氣旋作為分析樣本，構(gòu)建熱帶氣旋關(guān)鍵參數(shù)的概率分布模型，從中抽樣生成大量模擬熱帶氣旋樣本[15-17]。這種方法的不足之處在于各關(guān)鍵參數(shù)的分布僅適用于特定地點或小范圍區(qū)域，由于局部區(qū)域歷史熱帶氣旋樣本數(shù)量、尤其是極端熱帶氣旋災(zāi)害樣本較少，可能低估熱帶氣旋致災(zāi)因子的危險性。Vickery等[18]提出了“全路徑”模擬法(full-track modelling)，以整個海域的歷史熱帶氣旋記錄為樣本，分析各關(guān)鍵參數(shù)的時空分布特征，使用隨機抽樣法模擬大量熱帶氣旋從生成到消亡的整個生命過程中的路徑和強度的變化。這種方法的優(yōu)勢在于其模擬樣本可用于分析任意感興趣點的熱帶氣旋大風(fēng)危險性，但計算較為復(fù)雜，計算量較大，對數(shù)據(jù)的要求較高。對于如何模擬各路徑點的位置，不同學(xué)者提出了不同的方法，包括參數(shù)化方法[18]、半?yún)?shù)化方法[19]、統(tǒng)計與動力相結(jié)合的方法等[20]。

對于強度的模擬主要包括純統(tǒng)計方法和動力統(tǒng)計法，后者通過建立絕對強度(中心氣壓)與海表溫度、對流層溫度等環(huán)境參數(shù)之間的轉(zhuǎn)換公式來考慮風(fēng)切變和海洋混合等因素對熱帶氣旋強度變化的影響[21,18]。

風(fēng)場模型描述上層梯度風(fēng)速的徑向分布，一般分為動力數(shù)值模型(dynamical model)和參數(shù)模型(parametric model)兩種類型。由于參數(shù)模型則能夠使用少量關(guān)鍵參數(shù)理想化地表達熱帶氣旋的風(fēng)場結(jié)構(gòu)，計算量遠遠小于動力數(shù)值模型，因而在熱帶氣旋風(fēng)險評估模型中得到了廣泛的應(yīng)用。簡單的參數(shù)風(fēng)場模型有Rankine渦旋模型、修正的Rankine渦旋模型[22]、SLOSH風(fēng)場模型[23]等圓對稱風(fēng)場模型。Holland模型[24]通過引入形狀參數(shù)B來描述不同熱帶氣旋氣壓剖面的形狀差異，并由氣壓分布根據(jù)梯度平衡方程推導(dǎo)最大風(fēng)速及梯度風(fēng)速的徑向分布，在熱帶氣旋風(fēng)險研究中得到了廣泛的應(yīng)用[16,25-26]。近期的一些研究探討使用B值與其他臺風(fēng)參數(shù)之間的函數(shù)關(guān)系式來計算B值[27-29]。除了參數(shù)風(fēng)場模型以外，一些學(xué)者通過將復(fù)雜的三維數(shù)值風(fēng)場模型(如文獻[30])參數(shù)化以達到既能夠考慮地表摩擦力、海陸相互作用等因素的影響，又能夠?qū)崿F(xiàn)大量隨機模擬的目的[31-32]。

圖2 熱帶氣旋大風(fēng)危險性概率模擬過程

路徑模型、強度模型和風(fēng)場模型結(jié)合其他模型(圖2)生成感興趣研究點(區(qū))的風(fēng)速樣本，最后使用參數(shù)或非參數(shù)概率曲線擬合方法得到大風(fēng)風(fēng)速的超越概率曲線，可以計算任意重現(xiàn)期下的大風(fēng)風(fēng)速。總體而言，局部范圍的路徑模擬方法和全海域的全路徑模擬方法各有其優(yōu)缺點，前者適用于局部地區(qū)的熱帶氣旋危險性模擬，計算量小，后者計算量大，對數(shù)據(jù)的長度和質(zhì)量要求更高，但能夠更全面而精確地考慮整個海岸線上的熱帶氣旋危險性。

1.2 熱帶氣旋暴雨危險性評估

熱帶氣旋暴雨形成機制較為復(fù)雜，既包含熱帶氣旋本身環(huán)流形成的降水，又包括熱帶氣旋外圍環(huán)流與中緯度系統(tǒng)相互作用產(chǎn)生的遠距離暴雨，同時受到地形、下墊面、中小尺度系統(tǒng)等因素的影響，因此也是熱帶氣旋系統(tǒng)中最難模擬的變量之一[33-34]。一些學(xué)者利用衛(wèi)星遙感降水產(chǎn)品或是地表降水觀測數(shù)據(jù)探討了熱帶氣旋降水的氣候特征，從中發(fā)現(xiàn)熱帶氣旋降水的年代際變化規(guī)律、長期變化趨勢，以及氣候變化對熱帶氣旋降水的影響等[35-37]。熱帶氣旋暴雨危險性評估則需要建立定量的熱帶氣旋暴雨預(yù)報和預(yù)測模型，盡管這對于復(fù)雜的熱帶氣旋暴雨系統(tǒng)來說非常具有挑戰(zhàn)性。

HAZUS-MH颶風(fēng)模型使用從專題微波輻射成像儀(SSM/I)中提取的颶風(fēng)降水率數(shù)據(jù)構(gòu)建了颶風(fēng)降水率與離颶風(fēng)中心的距離之間的簡單經(jīng)驗?zāi)Ｐ停⒖紤]颶風(fēng)中心氣壓、颶風(fēng)移動速度、臺風(fēng)登陸位置等因素對模型進行修正[38]。Marks等利用NASA熱帶降雨測量計劃(TRMM)衛(wèi)星提供的熱帶氣旋降雨數(shù)據(jù)改進了原有的基于雨量計數(shù)據(jù)的降水氣候與持續(xù)性模型(R-CLIPER)，該模型將降水率表示為徑向距離和登陸時間的函數(shù)[39]。Lonfat等在R-CLIPER的基礎(chǔ)上考慮垂直切變和地形對降水場不對稱性的影響提出了參數(shù)化颶風(fēng)降水模型(PHRaM)，改善了颶風(fēng)降水的模擬結(jié)果[40,34]。

相較于簡單的經(jīng)驗?zāi)Ｐ?，?fù)雜的三維數(shù)值預(yù)報模型能夠更精確地模擬熱帶氣旋降水場在時間和空間上的變化，但這些模型在啟動方案、分辨率、物理參數(shù)以及最終的預(yù)報結(jié)果上均存在較大差異[41,34]。對比研究發(fā)現(xiàn)，全球預(yù)報系統(tǒng)(GFS)、GFDL颶風(fēng)預(yù)報模型及北美中尺度(NAM)模型這三種主要的數(shù)值模型在颶風(fēng)降水預(yù)報上的效果都相當(dāng)于或好于R-CLIPER模型，但各數(shù)值模型又有其各自的局限性[41]。

1.3 熱帶氣旋風(fēng)暴潮危險性評估

對熱帶氣旋風(fēng)暴潮危險性的評估主要有兩種方式：基于典型重現(xiàn)期的風(fēng)暴潮危險性評估和基于熱帶氣旋風(fēng)場模擬和風(fēng)暴潮數(shù)值模型的危險性評估。前者是對風(fēng)暴潮的歷史實測資料進行概率分析，獲得不同重現(xiàn)期下的風(fēng)暴潮增水，如百年一遇風(fēng)暴潮作為風(fēng)暴潮危險性的標(biāo)準(zhǔn)，該方法一方面受限于歷史資料長度和精讀的限制，另一方面無法考慮單個風(fēng)暴潮事件的持續(xù)時間、影響范圍等因素。而后者則是基于歷史或假想的熱帶氣旋風(fēng)場使用風(fēng)暴潮數(shù)值模型模擬風(fēng)暴潮增水，以預(yù)測風(fēng)暴潮個例的實時變化、估計風(fēng)暴潮的重現(xiàn)期或最大可能風(fēng)暴潮(Probable Maximum Storm Surge, PMSS)[42-43]。

在風(fēng)暴潮的實時預(yù)報中，通常使用高精度的數(shù)值天氣預(yù)報模式對熱帶氣旋風(fēng)場及其引發(fā)的風(fēng)暴潮增水進行估計，在長期的風(fēng)暴潮風(fēng)險評估中則主要使用簡單高效的參數(shù)化風(fēng)場模型進行風(fēng)場模擬[42]。美國國家氣象局(NWS)使用SLOSH模式模擬颶風(fēng)風(fēng)場驅(qū)動下的風(fēng)暴潮增水，其生成的產(chǎn)品不僅包括基于歷史颶風(fēng)風(fēng)場的概率性風(fēng)暴潮增水、還包括基于假想颶風(fēng)風(fēng)場的風(fēng)暴潮增水最大包絡(luò)圖和最大風(fēng)暴潮增水最大包絡(luò)圖等。我國也建立了覆蓋整個中國海的高分辨率風(fēng)暴潮集合數(shù)值預(yù)報系統(tǒng)，用于沿海風(fēng)暴潮危險性評估的業(yè)務(wù)中[44]。

2 承災(zāi)體脆弱性評估

承災(zāi)體脆弱性評估是連接致災(zāi)因子危險性和承災(zāi)體的損失程度之間的紐帶，也是風(fēng)險評估中最為復(fù)雜的一部分。反映損失率和致災(zāi)因子危險性之間的確定性函數(shù)被稱為脆弱性函數(shù)(vulnerability function)或災(zāi)損函數(shù)(damage function)，一般表現(xiàn)為曲線的形式，被稱為脆弱性曲線(vulnerability curve)或易損性曲線(fragility curve)。國內(nèi)外熱帶氣旋脆弱性評估研究中的承災(zāi)體對象主要為建筑物、基礎(chǔ)設(shè)施等造成直接經(jīng)濟損失的有形資產(chǎn)。

2.1 建筑物脆弱性評估

目前針對建筑結(jié)構(gòu)的熱帶氣旋脆弱性研究主要以大風(fēng)對建筑的破壞為研究對象(熱帶氣旋引發(fā)的洪水災(zāi)害單獨模擬)，采用歷史損失數(shù)據(jù)法、專家經(jīng)驗法、歷史損失數(shù)據(jù)和專家經(jīng)驗結(jié)合法、建筑構(gòu)件可靠性法以及工程實驗和數(shù)值模擬法等方法建立建筑的脆弱性模型[13]。其中前三種方法依賴于歷史數(shù)據(jù)和主觀經(jīng)驗，能夠在一定程度上描述一組特征類似的建筑物損失程度與熱帶氣旋強度(通常是風(fēng)速)之間的關(guān)系[45-48]；后兩種方法則對由建筑結(jié)構(gòu)特征、熱帶氣旋風(fēng)壓與建筑各構(gòu)件之間相互作用的過程進行更為細致的模擬，脆弱性模型更為精確，但所需的計算和模擬資源更多[49-53]。

建筑物的熱帶氣旋脆弱性研究集中在美國和澳大利亞這兩個國家，此外日本和其他國家有少量的研究[13]。美國早在1970年代就針對居民住宅和財產(chǎn)推出了包括颶風(fēng)、洪水、地震等自然災(zāi)害在內(nèi)的房屋和財產(chǎn)保險。HAZUS-MH颶風(fēng)模型以建筑物(包括居民住宅、活動房屋、商業(yè)建筑等)承災(zāi)體引起的直接經(jīng)濟損失為模擬對象，針對各類建筑的結(jié)構(gòu)特點從建筑外部結(jié)構(gòu)破壞、建筑內(nèi)部破壞、建筑內(nèi)部財產(chǎn)損失及使用損失等各方面分別構(gòu)建損失函數(shù)[38]。澳大利亞的建筑脆弱性曲線最早是根據(jù)澳大利亞歷史上最嚴(yán)重的熱帶氣旋災(zāi)害之一Tracy的災(zāi)后損失調(diào)查數(shù)據(jù)建立的[54]，Walker的模型在當(dāng)時被認為是最好的模型，被其他學(xué)者廣泛使用[55]。近些年來，一些學(xué)者則從建筑構(gòu)件的可靠性出發(fā)構(gòu)建了澳大利亞典型建筑的脆弱性曲線[56-57]。

此外，一些研究認為社會脆弱性因素對建筑的損失也具有重要影響，例如Burton[58]將社會脆弱性指標(biāo)與颶風(fēng)大風(fēng)和風(fēng)暴潮一起與卡特里娜颶風(fēng)損失數(shù)據(jù)做多元回歸分析，發(fā)現(xiàn)社會脆弱性因子與颶風(fēng)損失之間存在顯著的關(guān)系。

2.2 其他承災(zāi)體的脆弱性評估

隨著預(yù)報預(yù)警、應(yīng)急疏散機制的完善，熱帶氣旋災(zāi)害對人口的影響越來越小，死亡和失蹤人口較早期有明顯的下降。熱帶氣旋災(zāi)害中的人員傷亡情況大多與建筑倒塌、洪澇災(zāi)害或飛濺物等次生災(zāi)害有關(guān)，與熱帶氣旋災(zāi)害強度之間不存在明顯的相關(guān)關(guān)系，因此對人口的物理脆弱性研究較少，主要集中在社會脆弱性層面，例如Wang等[59]研究了老年人口對颶風(fēng)引起的風(fēng)暴潮和洪澇災(zāi)害的社會脆弱性在程度和結(jié)構(gòu)上的空間差異。盡管人口脆弱性研究無法給出定量的結(jié)果，探究造成熱帶氣旋災(zāi)害中人員傷亡差異的影響因素對減輕人口災(zāi)害風(fēng)險仍然有著重要的意義。為此，近年來學(xué)術(shù)界呼吁加強社會經(jīng)濟要素、人口主觀風(fēng)險認知、災(zāi)害應(yīng)急疏散等災(zāi)害社會科學(xué)的研究[60]。

3 我國的熱帶氣旋風(fēng)險評估現(xiàn)狀

從我國目前的臺風(fēng)災(zāi)害研究來看，研究內(nèi)容主要集中在區(qū)域臺風(fēng)災(zāi)害風(fēng)險的區(qū)劃研究[61-64]、臺風(fēng)綜合災(zāi)情指數(shù)的預(yù)測研究[65-67]和臺風(fēng)致災(zāi)因子危險性的預(yù)測和評估研究[68-71]等三個方面，在系統(tǒng)性的、針對具體承災(zāi)體的臺風(fēng)災(zāi)害風(fēng)險評估研究上的工作非常有限。

在臺風(fēng)概率危險性模擬方面，我國學(xué)者嘗試?yán)梦鞅碧窖笈_風(fēng)歷史記錄對國際上已有的風(fēng)場模型和陸地衰減模型等進行參數(shù)校正，進而針對我國東南沿海地區(qū)的臺風(fēng)危險性開展一系列研究[68-71]。然而，在路徑隨機模擬、臺風(fēng)風(fēng)場構(gòu)建、臺風(fēng)概率危險性評估等研究工作數(shù)量偏少，減災(zāi)工作大多依賴于氣象部門臺風(fēng)模式的短期預(yù)報結(jié)果作為風(fēng)、雨等致災(zāi)因子危險性的輸入。

承災(zāi)體脆弱性方面，我國學(xué)者在土木工程領(lǐng)域相繼開展了一些有關(guān)建筑大風(fēng)災(zāi)害脆弱性的研究[72-73]、建筑單體和區(qū)域建筑群的脆弱性等級研究[74-75]，盡管尚未系統(tǒng)地應(yīng)用于臺風(fēng)災(zāi)害的風(fēng)險評估中，這些研究為我國的臺風(fēng)巨災(zāi)風(fēng)險的脆弱性評估研究提供了參考。但總體來看，我國的熱帶氣旋災(zāi)害風(fēng)險研究還有待加強和深入，針對特定承災(zāi)體的臺風(fēng)災(zāi)害風(fēng)險定量研究幾乎處于空白狀態(tài)，尤其是特定承災(zāi)體的臺風(fēng)災(zāi)害脆弱性研究工作非常稀少。

4 總結(jié)與討論

本文從災(zāi)害風(fēng)險定量評估的角度分別評述了熱帶氣旋致災(zāi)因子危險性模型和脆弱性模型的研究現(xiàn)狀與發(fā)展方向，為未來進一步開展沿海地區(qū)熱帶氣旋災(zāi)害風(fēng)險的定量評估研究提供了參考。熱帶氣旋致災(zāi)因子包括大風(fēng)、暴雨、風(fēng)暴潮等三種主要類型，其中熱帶氣旋大風(fēng)危險性評估方法相對成熟，暴雨和風(fēng)暴潮通常與洪水災(zāi)害風(fēng)險聯(lián)系起來開展風(fēng)險評估。主要難點在于如何更準(zhǔn)確地模擬熱帶氣旋的路徑、強度、風(fēng)場和降水等過程或特征，而這有賴于熱帶氣旋結(jié)構(gòu)和風(fēng)雨過程的精細化觀測的進一步加強，以及對熱帶氣旋形成和發(fā)展的物理機制的深入理解。當(dāng)前熱帶氣旋風(fēng)險評估中以建筑物(直接經(jīng)濟損失)為主要承災(zāi)體(風(fēng)險指標(biāo))，對其他承災(zāi)體的脆弱性和風(fēng)險的定量評估研究還有待加強。

盡管針對熱帶氣旋災(zāi)害風(fēng)險模型的研究已經(jīng)取得了顯著的進展，還有眾多相關(guān)科學(xué)問題需要進一步地研究，例如氣候變化背景下熱帶氣旋危險性的變化、承災(zāi)體脆弱性隨時間的變化、熱帶氣旋引發(fā)的風(fēng)暴潮及暴雨洪澇等多災(zāi)種的綜合風(fēng)險評估等。在眾多相關(guān)問題中，全球氣候變化對熱帶氣旋災(zāi)害風(fēng)險的影響正受到廣泛的關(guān)注[76]。研究表明，熱帶氣旋的長期活動特征(如強度、頻次和持續(xù)時間等)并沒有顯著的增加，沒有證據(jù)表明人類活動(氣候變化)對熱帶氣旋活動變化產(chǎn)生了顯著影響，但熱帶氣旋的最大風(fēng)速平均值有可能(66-100%的概率)上升，極端熱帶氣旋的熱帶氣旋引起的降水有可能增加；此外，人口社會暴露度的增加將導(dǎo)致更高的熱帶氣旋災(zāi)害損失的產(chǎn)生[5]。一些學(xué)者通過對歷史熱帶氣旋損失進行歸一化研究發(fā)現(xiàn)，社會經(jīng)濟暴露度的增加是導(dǎo)致熱帶氣旋損失增加的主要原因[77-80]。最近，Estrada等使用基于回歸的歸一化方法代替?zhèn)鹘y(tǒng)的比例損失歸一化方法分析美國歷史颶風(fēng)損失，發(fā)現(xiàn)歸一化后的損失呈現(xiàn)與氣候變化信號相一致的增加趨勢[81]，但該方法的可靠性仍然存在爭議[82]。

我國正處于社會經(jīng)濟快速發(fā)展的階段，在全球變暖背景下，臺風(fēng)強度和強臺風(fēng)的頻次可能增加，沿海地區(qū)臺風(fēng)災(zāi)害風(fēng)險將日益增加，人口、社會、經(jīng)濟面臨嚴(yán)峻挑戰(zhàn)。臺風(fēng)災(zāi)害風(fēng)險評估對于政府防災(zāi)減災(zāi)、巨災(zāi)保險的開展以及建筑工程的規(guī)劃和設(shè)計都具有重要的意義，因此我國急需探索開展熱帶氣旋巨災(zāi)風(fēng)險評估的綜合研究，尤其是針對不同區(qū)域建筑物、基礎(chǔ)設(shè)施等特定承災(zāi)體的脆弱性研究，使學(xué)術(shù)研究、巨災(zāi)保險和政府災(zāi)害管理三者之間形成合力，為沿海地區(qū)減輕臺風(fēng)災(zāi)害風(fēng)險提供科學(xué)工具和有效手段。同時，加強對臺風(fēng)氣候變化的觀測研究，深入開展氣候變化對臺風(fēng)活動影響預(yù)測和模擬研究，以便為制定長期的臺風(fēng)風(fēng)險管理決策提供科學(xué)依據(jù)。

[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] 陳克平. 災(zāi)難模型化及其國外主要開發(fā)商[J]. 自然災(zāi)害學(xué)報, 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] 方偉華，石先武. 面向災(zāi)害風(fēng)險評估的熱帶氣旋路徑及強度隨機模擬綜述[J]. 地球科學(xué)進展, 2012, 27(8): 866-875.

[12] 方偉華，林偉. 面向災(zāi)害風(fēng)險評估的臺風(fēng)風(fēng)場模型研究綜述[J]. 地理科學(xué)進展, 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, 陳聯(lián)壽, 徐祥德, 等. 近10年中國臺風(fēng)暴雨研究進展[J]. 氣象, 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, 譚駿, 國志興, 等. 風(fēng)暴潮災(zāi)害風(fēng)險評估研究綜述[J]. 地球科學(xué)進展, 2013, 28(8): 866-874.

[44] 張月霞. 基于ADCIRC模式的臺風(fēng)風(fēng)暴潮災(zāi)害風(fēng)險評估方法研究與應(yīng)用——以浙江臺州為例[D]. 青島: 中國海洋大學(xué), 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] 史培軍. 三論災(zāi)害研究的理論與實踐[J]. 自然災(zāi)害學(xué)報, 2002, 11(3): 1-9.

[62] 陳香. 福建省臺風(fēng)災(zāi)害風(fēng)險評估與區(qū)劃[J]. 生態(tài)學(xué)雜志, 2007, 26(6): 961-966.

[63] 牛海燕, 劉敏, 陸敏, 等. 中國沿海地區(qū)臺風(fēng)災(zāi)害損失評估研究[J]. 災(zāi)害學(xué), 2011, 26(3): 61-64.

[64] 殷潔, 戴爾阜, 吳紹洪. 中國臺風(fēng)災(zāi)害綜合風(fēng)險評估與區(qū)劃[J]. 地理科學(xué), 2013, 33(11): 1370-1376.

[65] 樊琦, 梁必騏. 熱帶氣旋災(zāi)情的預(yù)測及評估[J]. 地理學(xué)報, 2000, 55(S1): 52-56.

[66] 魏章進, 隋廣軍, 唐丹玲. 臺風(fēng)災(zāi)情評估及方法綜述[J]. 災(zāi)害學(xué), 2012, 27(4): 107-113.

[67] 葉小嶺, 施珮, 匡亮. 基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的臺風(fēng)災(zāi)損預(yù)測模型研究[J]. 災(zāi)害學(xué), 2013, 28(4): 11-15.

[68] 歐進萍, 段忠東, 常亮. 中國東南沿海重點城市臺風(fēng)危險性分析[J]. 自然災(zāi)害學(xué)報, 2002, 11(4): 9-17.

[69] 李瑞龍. 基于改進的臺風(fēng)關(guān)鍵參數(shù)的臺風(fēng)極值風(fēng)速預(yù)測[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2007.

[70] 程鴻. 基于歷史觀測數(shù)據(jù)的中國臺風(fēng)致災(zāi)因子過程重建與蒙特拉洛模擬[D]. 北京: 北京師范大學(xué),2009.

[71] 林偉, 方偉華. 西北太平洋臺風(fēng)風(fēng)場模型中 Holland B 系數(shù)區(qū)域特征研究[J]. 熱帶地理, 2013, 33(2): 124-132.

[72] 王韶文. 廣東沿海典型低矮建筑調(diào)研與風(fēng)荷載特性的試驗研究[D]. 汕頭: 汕頭大學(xué), 2009.

[73] 何春保, 嚴(yán)英杰, 譚文怡, 等. 華南地區(qū)農(nóng)村建筑抗風(fēng)減災(zāi)情況調(diào)查與對策分析[J]. 南方建筑, 2011(5): 53-55.

[74] 辜智慧, 王娟, 葛怡, 等. 基于PTVA修正模型的建筑單體臺風(fēng)脆弱性評估方法[J]. 中國安全科學(xué)學(xué)報, 2015, 25(11): 99-105.

[75] 辜智慧, 王娟, 葛怡, 等. 區(qū)域建筑群臺風(fēng)災(zāi)害綜合脆弱性評估方法研究:以廣東省為例[J]. 中國安全科學(xué)學(xué)報, 2016, 26(2): 108-113.

[76] 雷小途, 徐明, 任福民. 全球變暖對臺風(fēng)活動影響的研究進展[J]. 氣象學(xué)報, 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] 張嬌艷, 吳立廣, 張強. 全球變暖背景下我國熱帶氣旋災(zāi)害趨勢分析[J]. 熱帶氣象學(xué)報, 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)

陳文方，端義宏，陸逸，等. 熱帶氣旋災(zāi)害風(fēng)險評估現(xiàn)狀綜述[J]. 災(zāi)害學(xué)，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

國家重點基礎(chǔ)研究發(fā)展計劃項目(2015CB452806)

陳文方(1987-)，女，江西南昌人，博士后，主要從事熱帶氣旋災(zāi)害風(fēng)險評估與管理研究. E-mail: wenfang@camscma.cn

端義宏(1963-)，男，江蘇南京人，研究員，主要從事熱帶氣旋機理和海氣相互作用研究. E-mail: duanyh@cma.gov.cn

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