廣東暴雨洪澇災(zāi)害損失定量評(píng)估

張柳紅，鄭璟，伍紅雨，劉東玲

（廣東省氣候中心，廣州510641）

引 言

暴雨洪澇災(zāi)害是低緯度地區(qū)最常見的自然災(zāi)害，暴雨洪澇災(zāi)害損失占全球各種自然災(zāi)害損失的40%(景垠娜，2010)；我國(guó)地處低緯季風(fēng)區(qū)，暴雨洪澇災(zāi)害頻發(fā)，每年汛期暴雨及其引發(fā)的洪澇及泥石流、城市內(nèi)澇等次生災(zāi)害嚴(yán)重威脅社會(huì)經(jīng)濟(jì)發(fā)展和人民生命財(cái)產(chǎn)安全(王博等，2007；周月華等，2019)。因此，暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注(李吉順等，1996；萬君等，2007；王博等，2007；Ahmad and Si?monvic，2013；謝五三等，2015；Kim and Marcouiller，2017；李如琦等，2019)。廣東地處低緯，北面多山，南面臨海，地形復(fù)雜，水汽資源豐富，是我國(guó)最典型的季風(fēng)氣候區(qū)之一，也是我國(guó)內(nèi)陸降水最多的地區(qū)(王堅(jiān)紅等，2014；蔡景就等，2019；伍紅雨等，2019)。在汛期，廣東是易受暴雨影響的重災(zāi)區(qū)，可以說，暴雨是導(dǎo)致廣東洪澇災(zāi)害的主要原因(王春林等，2008)。據(jù)《廣東省防災(zāi)減災(zāi)年鑒》統(tǒng)計(jì)，2000—2009年間和2010—2018年間，暴雨洪澇災(zāi)害分別造成廣東直接經(jīng)濟(jì)總損失233.40 和494.82 億元，年均損失分別為23.34 和54.98億元，總損失和年均損失分別增加了1.12和1.36倍，表明廣東暴雨洪澇災(zāi)害造成的損失趨于增加，給廣東經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展帶來嚴(yán)重影響。因此，有必要對(duì)廣東不同強(qiáng)度的暴雨過程造成何種程度的災(zāi)害損失進(jìn)行合理地評(píng)估，這有助于為采取更加有效的災(zāi)害風(fēng)險(xiǎn)管理策略以減輕災(zāi)害損失提供依據(jù)(吳吉東等，2009)，在氣象災(zāi)害風(fēng)險(xiǎn)管理理論研究和實(shí)踐中意義重大。

實(shí)現(xiàn)災(zāi)害風(fēng)險(xiǎn)的準(zhǔn)確評(píng)估關(guān)鍵在于確定災(zāi)害強(qiáng)度等級(jí)與災(zāi)害損失間的定量關(guān)系(殷潔等，2013)。早前基于降水量、暴雨重現(xiàn)期、面雨量等暴雨影響指標(biāo)構(gòu)建的廣東省暴雨災(zāi)害評(píng)估模式(李春梅等，2008；錢光明，2008)，通過計(jì)算暴雨過程綜合影響指數(shù)，然后在歷史暴雨綜合影響指數(shù)序列中查找影響指數(shù)相似的暴雨過程，進(jìn)而評(píng)估暴雨過程災(zāi)害損失。該模式在早期業(yè)務(wù)中得到了較好的應(yīng)用，但隨著廣東各地區(qū)防災(zāi)減災(zāi)能力的提高，歷史個(gè)例的簡(jiǎn)單對(duì)比并不能很好地反映當(dāng)前相同等級(jí)的暴雨過程可能導(dǎo)致的承災(zāi)體損失情況，且不同業(yè)務(wù)人員評(píng)估的結(jié)果差異也較大。因此，本文擬基于災(zāi)情指數(shù)模型和暴雨過程綜合強(qiáng)度評(píng)估模型，采用百分位數(shù)法分別對(duì)災(zāi)情和暴雨強(qiáng)度進(jìn)行等級(jí)劃分，并給出各等級(jí)暴雨強(qiáng)度造成的人口、農(nóng)作物、房屋、經(jīng)濟(jì)等各類承災(zāi)體損失標(biāo)準(zhǔn)，簡(jiǎn)單明了，可操作性強(qiáng)，可結(jié)合廣東省暴雨災(zāi)害評(píng)估模式在業(yè)務(wù)中進(jìn)行應(yīng)用，為廣東暴雨洪澇災(zāi)害承災(zāi)體脆弱性和風(fēng)險(xiǎn)評(píng)估提供依據(jù)。

1 資料與方法

1.1 資料來源

氣象數(shù)據(jù)為廣東省1994—2018年86個(gè)國(guó)家地面氣象站逐日降水資料，來自廣東省氣象局。暴雨洪澇災(zāi)害災(zāi)情數(shù)據(jù)來自于1995—2019年《廣東省防災(zāi)減災(zāi)年鑒》(1995年《廣東省防災(zāi)減災(zāi)年鑒》記錄1994年災(zāi)情數(shù)據(jù)，以此類推，2019年對(duì)應(yīng)2018年災(zāi)情)?！稄V東省防災(zāi)減災(zāi)年鑒》按照暴雨洪澇、熱帶氣旋、低溫、干旱、強(qiáng)對(duì)流等5個(gè)災(zāi)害種類進(jìn)行災(zāi)情的分類統(tǒng)計(jì)，本文選取了1994—2018年間有災(zāi)情記錄的暴雨洪澇過程(共129個(gè))進(jìn)行研究。

1.2 研究方法

1.2.1 指標(biāo)選取

根據(jù)《自然災(zāi)害情況統(tǒng)計(jì)制度》(民發(fā)〔2016〕23號(hào))和《自然災(zāi)害災(zāi)情統(tǒng)計(jì)(第1 部分)：基本指標(biāo)》(GB/T 24438.1-2009)，人口和農(nóng)作物的受災(zāi)情況以及房屋和經(jīng)濟(jì)的損失程度是災(zāi)情的基本表現(xiàn)形式，也是自然災(zāi)害災(zāi)情統(tǒng)計(jì)的核心內(nèi)容。因此，選擇受災(zāi)人口和死亡人數(shù)表征人口受災(zāi)程度；選擇農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)、直接經(jīng)濟(jì)損失分別表征農(nóng)作物、房屋和經(jīng)濟(jì)的損失程度。這5項(xiàng)指標(biāo)也是目前災(zāi)情評(píng)估和災(zāi)害應(yīng)急救助工作中最關(guān)注的指標(biāo)，可客觀、綜合揭示災(zāi)害對(duì)地區(qū)經(jīng)濟(jì)社會(huì)實(shí)際造成的影響和損失。

1.2.2 災(zāi)情數(shù)據(jù)預(yù)處理

為消除通貨膨脹造成的經(jīng)濟(jì)損失貨幣值變化，便于比較災(zāi)害對(duì)社會(huì)經(jīng)濟(jì)的影響程度，將直接經(jīng)濟(jì)損失換算成可比價(jià)格(張鵬等，2015)，換算公式如下

式(1)中，E為換算后的直接經(jīng)濟(jì)損失，E0為第i年的暴雨洪澇災(zāi)害直接經(jīng)濟(jì)損失，CPIi為當(dāng)年的累積CPI指數(shù)(以1993年為基準(zhǔn))。

1.2.3 災(zāi)情指數(shù)模型

為剔除不同承災(zāi)體災(zāi)情指標(biāo)分級(jí)標(biāo)準(zhǔn)不同的影響，便于比較暴雨洪澇災(zāi)害各項(xiàng)損失，本文參考相關(guān)研究引入轉(zhuǎn)換函數(shù)(于慶東和沈榮芳，1997；王秀榮等，2010；鞏在武和胡麗，2015)，對(duì)不同災(zāi)情指標(biāo)進(jìn)行無量綱化和災(zāi)情指數(shù)的計(jì)算。

1.2.4 暴雨過程綜合強(qiáng)度評(píng)估模型

基于《廣東省防災(zāi)減災(zāi)年鑒》中記錄的1994—2018年的暴雨洪澇災(zāi)害過程，結(jié)合廣東和福建已有研究基礎(chǔ)(鄒燕等，2014；伍紅雨等，2019)，采用暴雨過程綜合強(qiáng)度模型評(píng)估各個(gè)暴雨過程的強(qiáng)度，公式如下

式（7）中，IR為某次暴雨過程綜合強(qiáng)度指數(shù)；A、B、C和D分別為最大過程降水量、最大日降水量、暴雨站數(shù)和暴雨持續(xù)時(shí)間的權(quán)重系數(shù)，以某一指標(biāo)序列與其余3個(gè)指標(biāo)序列之間相關(guān)系數(shù)的平均值占所有指標(biāo)間相關(guān)系數(shù)平均值總和的比值進(jìn)行表征(呂曉男等，1999；鄒燕等，2014)；GP、Gd、Gc、Gt分別為4個(gè)指標(biāo)的評(píng)估等級(jí)，采用Hyndman經(jīng)驗(yàn)公式對(duì)各個(gè)評(píng)估等級(jí)進(jìn)行劃定和計(jì)算(Hyndman and Fan，1996)；RP、Rd、Rc、Rt分別為4個(gè)指標(biāo)的標(biāo)準(zhǔn)化值，標(biāo)準(zhǔn)化公式如下

式(8)中，Ri和Yi分別為第i個(gè)樣本標(biāo)準(zhǔn)化值和樣本值；Yˉ和δ分別為樣本序列的氣候平均值和標(biāo)準(zhǔn)差。

2 結(jié)果與分析

2.1 廣東致災(zāi)暴雨過程綜合強(qiáng)度與災(zāi)害損失分析

1995—2019 年《廣東省防災(zāi)減災(zāi)年鑒》中，有災(zāi)情記錄的暴雨洪澇災(zāi)害過程共計(jì)129次。對(duì)這129次暴雨過程進(jìn)行綜合強(qiáng)度指數(shù)的計(jì)算，采用百分位數(shù)法計(jì)算第60、第80、第90和第95百分位數(shù)作為臨界閾值將暴雨過程劃分為1、2、3、4 和5 等級(jí)(伍紅雨等，2019)，分別對(duì)應(yīng)暴雨強(qiáng)度等級(jí)的弱、較弱、中等、較強(qiáng)和強(qiáng)，從而得到1994—2018年廣東致災(zāi)暴雨過程綜合強(qiáng)度等級(jí)，并對(duì)綜合強(qiáng)度在強(qiáng)和較強(qiáng)等級(jí)的致災(zāi)暴雨過程進(jìn)行呈列(表1)。從《廣東省防災(zāi)減災(zāi)年鑒》中獲取上述各個(gè)暴雨過程人口、農(nóng)作物、房屋、經(jīng)濟(jì)等各類承災(zāi)體的災(zāi)害損失情況，并采用災(zāi)情指數(shù)模型對(duì)不同承災(zāi)體損失進(jìn)行無量綱化轉(zhuǎn)換，詳見表1。

廣東1994—2018年間的129 次暴雨洪澇災(zāi)害過程中(圖1)，強(qiáng)等級(jí)暴雨過程均出現(xiàn)在5、6和7月，分別出現(xiàn)4、6和2次；較強(qiáng)等級(jí)和中等等級(jí)主要出現(xiàn)在4—8月；較弱等級(jí)主要出現(xiàn)在5月(19 次)，其次是6月(6次)；弱等級(jí)出現(xiàn)在3—10月，主要集中在4—9月。因此，致災(zāi)暴雨過程主要集中在廣東汛期期間，5、6 和7月尤其多，各個(gè)等級(jí)致災(zāi)暴雨過程都有出現(xiàn)，要特別注意5、6月份“龍舟水”和7、8月份臺(tái)風(fēng)高發(fā)期的暴雨洪澇災(zāi)害防御。

參考第60、80、90和95百分位數(shù)為臨界閾值的劃分方法，將受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)和直接經(jīng)濟(jì)損失轉(zhuǎn)換函數(shù)值進(jìn)行微災(zāi)、小災(zāi)、中災(zāi)、大災(zāi)和巨災(zāi)的災(zāi)情等級(jí)劃分(表2)，得出處于巨災(zāi)等級(jí)的受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)和直接經(jīng)濟(jì)損失5個(gè)災(zāi)情指標(biāo)的轉(zhuǎn)換函數(shù)值分別為≥0.73、≥0.65、≥0.64、≥0.37和≥0.90。結(jié)合表1分析可知，1994—2018年間發(fā)生的12次強(qiáng)等級(jí)暴雨過程造成不同承災(zāi)體損失達(dá)到巨災(zāi)等級(jí)的有7次(占總次數(shù)的58.3%)：2005年6月12—24日、1994年6月8—20日和1994年7月18—28日的暴雨過程造成上述5個(gè)災(zāi)情指標(biāo)都處于巨災(zāi)等級(jí)；1997年7月1—11日的暴雨過程造成受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積和倒塌房屋數(shù)4個(gè)災(zāi)情指標(biāo)達(dá)到巨災(zāi)等級(jí)；2008年5月29日—6月7日暴雨過程造成受災(zāi)人口、農(nóng)作物受災(zāi)面積和直接經(jīng)濟(jì)損失3個(gè)災(zāi)情指標(biāo)達(dá)到巨災(zāi)等級(jí)；1998年6月19—26日暴雨過程導(dǎo)致死亡人數(shù)、農(nóng)作物受災(zāi)面積和和直接經(jīng)濟(jì)損失3個(gè)災(zāi)情指標(biāo)達(dá)到巨災(zāi)等級(jí)；2014年5月15—23日暴雨過程造成倒塌房屋數(shù)1個(gè)災(zāi)情指標(biāo)達(dá)到巨災(zāi)等級(jí)。根據(jù)《廣東省防災(zāi)減災(zāi)年鑒》的災(zāi)情記錄，受災(zāi)人口≥424萬人、死亡人數(shù)≥46人、倒塌房屋數(shù)≥2.008萬間和直接經(jīng)濟(jì)損失≥31.62億元(對(duì)應(yīng)函數(shù)轉(zhuǎn)換值分別為≥0.73、≥0.65、≥0.37和≥0.90，巨災(zāi)等級(jí))的致災(zāi)暴雨過程均出現(xiàn)7 次，其中均有5 次是強(qiáng)等級(jí)(占71.43%)、2次是較強(qiáng)等級(jí)(占28.57%)；農(nóng)作物受災(zāi)面積≥1.569×104hm(對(duì)應(yīng)函數(shù)轉(zhuǎn)換值為≥0.64，巨災(zāi)等級(jí))的致災(zāi)暴雨過程出現(xiàn)7 次，其中有6 次是強(qiáng)等級(jí)(占85.71%)、1次是較強(qiáng)等級(jí)(占14.29%)；即各類承災(zāi)體災(zāi)害損失達(dá)到巨災(zāi)等級(jí)時(shí)，致災(zāi)暴雨過程的綜合強(qiáng)度至少有71.43%達(dá)到強(qiáng)等級(jí)，其余暴雨過程強(qiáng)度也達(dá)到了較強(qiáng)等級(jí)。因此，暴雨過程綜合強(qiáng)度等級(jí)和災(zāi)害損失的雙向驗(yàn)證結(jié)果表明暴雨過程綜合強(qiáng)度等級(jí)與各類承災(zāi)體災(zāi)害損失情況較為一致，表明本文的暴雨過程綜合強(qiáng)度評(píng)估模型和災(zāi)情指數(shù)模型能夠較為客觀、全面地反映廣東暴雨過程和災(zāi)情情況。

表1 1994—2018年廣東強(qiáng)和較強(qiáng)等級(jí)暴雨過程與災(zāi)害損失函數(shù)轉(zhuǎn)換值Table 1 Rainstorm events with composite intensity of categories V(strong)and IV(relatively strong)and their disaster indices in Guangdong from 1994 to 2018.

圖1 1994—2018年廣東致災(zāi)暴雨過程綜合強(qiáng)度各等級(jí)出現(xiàn)次數(shù)Fig.1 Variations of rainstorm frequency with different categories in Guangdong from 1994 to 2018.

表2 1994—2018年廣東暴雨洪澇災(zāi)害損失函數(shù)轉(zhuǎn)換值等級(jí)劃分Table 2 Grading standards of rainstorms and floods disaster indices in Guangdong from 1994 to 2018.

2.2 廣東暴雨洪澇災(zāi)害損失標(biāo)準(zhǔn)

圖2 廣東暴雨洪澇綜合強(qiáng)度等級(jí)——災(zāi)害損失轉(zhuǎn)換函數(shù)值曲線Fig.2 The curves of rainstorm events with different categories and disaster indices in Guangdong.

不同強(qiáng)度等級(jí)的暴雨洪澇災(zāi)害，會(huì)造成人口、經(jīng)濟(jì)、房屋等不同承災(zāi)體不同程度的損失。對(duì)1994—2018年間廣東致災(zāi)暴雨過程綜合強(qiáng)度等級(jí)與不同承災(zāi)體損失進(jìn)行相關(guān)性分析發(fā)現(xiàn)，致災(zāi)暴雨過程綜合強(qiáng)度等級(jí)與受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)和直接經(jīng)濟(jì)損失轉(zhuǎn)換函數(shù)值相關(guān)系數(shù)分別為0.6699、0.6099、0.6743、0.5601 和0.7240，達(dá)到極顯著水平(P=0.000＜0.001)，說明致災(zāi)暴雨過程強(qiáng)度等級(jí)與災(zāi)害損失之間有很強(qiáng)的正相關(guān)性。此外，根據(jù)廣東暴雨洪澇綜合強(qiáng)度等級(jí)——災(zāi)害損失轉(zhuǎn)換函數(shù)值曲線(圖2)，不同強(qiáng)度等級(jí)的暴雨洪澇災(zāi)害與各類承災(zāi)體損失之間存在明顯的正相關(guān)關(guān)系，即暴雨強(qiáng)度越強(qiáng)，承災(zāi)體損失越高；具體地，隨著暴雨綜合強(qiáng)度等級(jí)的增加，倒塌房屋數(shù)呈指數(shù)增長(zhǎng)，當(dāng)暴雨強(qiáng)度達(dá)到較強(qiáng)等級(jí)時(shí)，倒塌房屋數(shù)有急劇增長(zhǎng)的趨勢(shì)；其余指標(biāo)均呈線性增長(zhǎng)，只是增長(zhǎng)的倍數(shù)不同，受災(zāi)人口增長(zhǎng)波動(dòng)較大，死亡人數(shù)小幅波動(dòng)增長(zhǎng)，農(nóng)作物受災(zāi)面積和直接經(jīng)濟(jì)損失呈簡(jiǎn)單線性增長(zhǎng)，波動(dòng)最小。判定系數(shù)R2是對(duì)回歸模型擬合程度的綜合度量，R2越大，模型擬合程度越高，反之亦然(米紅和張文璋，2004)。暴雨洪澇綜合強(qiáng)度等級(jí)與農(nóng)作物受災(zāi)面積和直接經(jīng)濟(jì)損失轉(zhuǎn)換函數(shù)值曲線的R2均超過0.99，其余指標(biāo)也都在0.98以上，表明暴雨洪澇綜合強(qiáng)度等級(jí)與各類承災(zāi)體災(zāi)害損失轉(zhuǎn)換函數(shù)值的曲線擬合程度高，綜合強(qiáng)度等級(jí)對(duì)受災(zāi)損失的解釋程度高。

分別計(jì)算各個(gè)暴雨綜合強(qiáng)度等級(jí)的災(zāi)害損失轉(zhuǎn)換函數(shù)值平均值，再根據(jù)式(2)至(6)分別將人口、農(nóng)作物、房屋、經(jīng)濟(jì)等各類承災(zāi)體的災(zāi)害損失轉(zhuǎn)換函數(shù)值轉(zhuǎn)換成損失值，以此作為暴雨洪澇災(zāi)害受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)和直接經(jīng)濟(jì)損失的損失標(biāo)準(zhǔn)(表3)。由表3可知，暴雨綜合強(qiáng)度為弱等級(jí)時(shí)，各類承災(zāi)體災(zāi)害損失均處于低水平，隨著強(qiáng)度等級(jí)的增加，損失程度也越來越大。其中，當(dāng)暴雨強(qiáng)度在較強(qiáng)級(jí)別以下時(shí)，農(nóng)作物受災(zāi)面積隨暴雨強(qiáng)度等級(jí)的增長(zhǎng)最快，直接經(jīng)濟(jì)損失次之，接著是受災(zāi)人口，死亡人數(shù)增長(zhǎng)較慢，倒塌房屋數(shù)增長(zhǎng)最慢；當(dāng)暴雨強(qiáng)度達(dá)到較強(qiáng)級(jí)別時(shí)，倒塌房屋數(shù)急劇增加，其次是農(nóng)作物受災(zāi)面積，接著是死亡人口和受災(zāi)人口，直接經(jīng)濟(jì)損失增幅最小。

需要指出的是，表3 中各類承災(zāi)體的損失僅為不同綜合強(qiáng)度等級(jí)暴雨洪澇過程下的平均狀況。實(shí)際的災(zāi)害損失與暴雨洪澇過程的綜合強(qiáng)度等級(jí)之間的正相關(guān)關(guān)系是普遍存在的，但在防災(zāi)抗災(zāi)措施有力的情況下這種關(guān)系可能弱化，也就是說，不同綜合強(qiáng)度等級(jí)的暴雨洪澇過程既有可能導(dǎo)致人口、農(nóng)作物、房屋和經(jīng)濟(jì)等承災(zāi)體出現(xiàn)嚴(yán)重?fù)p失，也有可能僅造成輕微的損失(圖3)。這是因?yàn)椋匀粸?zāi)害損失不僅與致災(zāi)強(qiáng)度有關(guān)，同時(shí)也受各地區(qū)災(zāi)害防災(zāi)備災(zāi)水平、應(yīng)急響應(yīng)能力、災(zāi)害預(yù)警預(yù)報(bào)能力等諸多因素的制約。此外，本研究所構(gòu)建的模型主要從全省的角度來對(duì)暴雨過程的綜合強(qiáng)度進(jìn)行評(píng)估，對(duì)于局地性短時(shí)強(qiáng)降水的致災(zāi)強(qiáng)度反映可能有所不足，但這類過程因其突發(fā)性強(qiáng)、預(yù)報(bào)和防御難度大的特點(diǎn)又往往可能造成巨大的損失?；诒疚倪x取的129個(gè)不同綜合強(qiáng)度等級(jí)的致災(zāi)暴雨過程造成的實(shí)際災(zāi)害損失情況，分析不同等級(jí)暴雨過程導(dǎo)致災(zāi)害損失的極大值和極小值。在災(zāi)害損失極小值方面，各等級(jí)致災(zāi)暴雨過程都有可能出現(xiàn)無人員死亡和無房屋倒塌的情況；當(dāng)暴雨過程強(qiáng)度在較強(qiáng)級(jí)別以下時(shí)，受災(zāi)人口、農(nóng)作物受災(zāi)面積極小值為0，直接經(jīng)濟(jì)損失為0.01億元，當(dāng)暴雨過程達(dá)到較強(qiáng)和強(qiáng)等級(jí)時(shí)，人口、農(nóng)作物和經(jīng)濟(jì)均出現(xiàn)一定程度的受災(zāi)或損失。在災(zāi)害損失極大值方面，災(zāi)害損失隨著暴雨強(qiáng)度等級(jí)的增加總體呈增多趨勢(shì)：在弱等級(jí)暴雨過程中，受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)和直接經(jīng)濟(jì)損失極大值分別為31.31萬人、7人、1.92×104hm2、0.32萬間和2.76億元；在強(qiáng)等級(jí)暴雨過程中，上述各類承災(zāi)體災(zāi)害損失極大值分別為932.00 萬人、145 人、40.90×104hm2、45.44萬間和83.81億元。因此，開展暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估工作也要適時(shí)考慮各強(qiáng)度等級(jí)暴雨過程可能造成的極端災(zāi)害損失情況。

表3 廣東暴雨洪澇災(zāi)害損失標(biāo)準(zhǔn)Table 3 Criteria of disaster loss caused by rainstorms and floods in Guangdong.

圖3 廣東不同暴雨洪澇綜合強(qiáng)度等級(jí)造成的災(zāi)害損失最大值和最小值(MAXP、MAXD、MAXC、MAXH和MAXE分別為受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋和直接經(jīng)濟(jì)損失最大值；MINP、MIND、MINC、MINH和MINE分別為上述災(zāi)害指標(biāo)最小值)Fig.3 The maximum and minimum disaster losses caused by rainstorm events with different categories in Guangdong(MAXP,MAXD,MAXC,MAXH and MAXE are maximum values of the number of people affected,the number of deaths,affected areas of crops,the number of collapsed houses and direct economic losses,respectively.MINP,MIND,MINC,MINH and MINE are respectively the minimum values of the five indicators above.)

3 結(jié)論與討論

本文基于1995—2019年《廣東省防災(zāi)減災(zāi)年鑒》中的129個(gè)致災(zāi)暴雨過程，構(gòu)建了暴雨過程綜合強(qiáng)度評(píng)估模型和災(zāi)情指數(shù)模型評(píng)估各個(gè)致災(zāi)暴雨過程的強(qiáng)度等級(jí)和災(zāi)情等級(jí)，以第60、第80、第90 和第95 百分位數(shù)作為臨界閾值分別將暴雨過程和災(zāi)情等級(jí)劃分為弱(1 級(jí))、較弱(2 級(jí))、中等(3 級(jí))、較強(qiáng)(4 級(jí))、強(qiáng)(5級(jí))和微災(zāi)、小災(zāi)、中災(zāi)、大災(zāi)、巨災(zāi)，并對(duì)不同強(qiáng)度等級(jí)暴雨過程可能造成的人口、農(nóng)作物、房屋和經(jīng)濟(jì)等承災(zāi)體損失進(jìn)行定量評(píng)估，得到如下結(jié)論：

(1)根據(jù)暴雨過程綜合強(qiáng)度評(píng)估模型，1994—2018年間，廣東各等級(jí)致災(zāi)暴雨過程主要集中在4—9月的汛期，5—7月各個(gè)等級(jí)的致災(zāi)暴雨過程均有出現(xiàn)，要特別注意期間的暴雨災(zāi)害防御。

(2)根據(jù)災(zāi)情指數(shù)模型對(duì)不同承災(zāi)體災(zāi)害損失的計(jì)算結(jié)果，受災(zāi)人口等級(jí)劃分的臨界閾值為0.46、056、0.64 和0.73，死亡人數(shù)為0.10、0.31、0.49 和0.65，農(nóng)作物受災(zāi)面積為0.40、0.52、0.59 和0.64，倒塌房屋數(shù)為0.03、0.15、0.30 和0.37，直接經(jīng)濟(jì)損失為0.62、0.72、0.81和0.90。

(3)通過分析廣東致災(zāi)暴雨過程綜合強(qiáng)度等級(jí)與各類承災(zāi)體損失之間的關(guān)系，發(fā)現(xiàn)兩者之間存在較好的正相關(guān)關(guān)系，即暴雨過程綜合強(qiáng)度越大，災(zāi)害損失也越重。其中，倒塌房屋數(shù)隨暴雨強(qiáng)度等級(jí)的增加呈指數(shù)增長(zhǎng)，受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積和直接經(jīng)濟(jì)損失呈線性增長(zhǎng)。

(4)基于129個(gè)致災(zāi)暴雨過程及其災(zāi)害損失資料，構(gòu)建了廣東各個(gè)暴雨強(qiáng)度等級(jí)下的受災(zāi)人口、死亡人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)和直接經(jīng)濟(jì)損失的平均標(biāo)準(zhǔn)值，也對(duì)各等級(jí)暴雨洪澇過程造成的極端最小和最大災(zāi)害損失進(jìn)行了分析，具有一定的統(tǒng)計(jì)學(xué)意義和業(yè)務(wù)參考價(jià)值。

廣東暴雨洪澇頻繁，災(zāi)害重，在日常業(yè)務(wù)工作中，需對(duì)每次暴雨過程進(jìn)行不同承災(zāi)體的災(zāi)害損失評(píng)估，這對(duì)于氣象防災(zāi)減災(zāi)工作意義重大。本研究基于暴雨過程綜合強(qiáng)度評(píng)估模型和災(zāi)情指數(shù)模型，對(duì)不同強(qiáng)度暴雨過程及其可能造成的人口、農(nóng)作物、房屋、經(jīng)濟(jì)等各類承災(zāi)體災(zāi)害損失進(jìn)行定量化等級(jí)評(píng)估，評(píng)估結(jié)果與實(shí)際受災(zāi)情況較為吻合。因此，本文采用的暴雨過程綜合強(qiáng)度評(píng)估模型和災(zāi)情指數(shù)模型能較為準(zhǔn)確地反映廣東暴雨過程及其致災(zāi)損失，可結(jié)合廣東省暴雨災(zāi)害評(píng)估模式進(jìn)行業(yè)務(wù)應(yīng)用，提高暴雨災(zāi)害損失評(píng)估的準(zhǔn)確性。另外，本文研究的廣東暴雨洪澇災(zāi)害損失標(biāo)準(zhǔn)確定了不同強(qiáng)度等級(jí)暴雨過程的破壞程度，今后可結(jié)合不同地市甚至縣級(jí)區(qū)域各類承災(zāi)體的暴露程度，對(duì)各地區(qū)的暴雨過程造成的不同承災(zāi)體損失進(jìn)行精細(xì)化、定量化評(píng)估，為各地區(qū)采取針對(duì)性的災(zāi)前預(yù)防、災(zāi)中應(yīng)急、災(zāi)后救助措施提供科學(xué)參考。