寧波舟山港氣象災(zāi)害風(fēng)險(xiǎn)及服務(wù)效益評(píng)估

孔揚(yáng)，趙昶昱，王科，徐建紅，周宜航，薛國強(qiáng)，錢燕珍

(1. 寧波市氣象服務(wù)中心，浙江 寧波315012；2. 寧波市氣象臺(tái)，浙江 寧波315012；3. 寧波舟山港股份有限公司，浙江 寧波315040；4. 寧波市海事局，浙江 寧波315100)

1 引 言

港口是復(fù)雜實(shí)體，伴隨極端天氣事件而引發(fā)的災(zāi)害鏈或多種災(zāi)害復(fù)合將對(duì)港區(qū)內(nèi)基礎(chǔ)設(shè)施建設(shè)帶來毀壞性破壞，對(duì)人民群眾生命財(cái)產(chǎn)安全和港口經(jīng)濟(jì)的持續(xù)發(fā)展構(gòu)成嚴(yán)重威脅。隨著港口規(guī)模擴(kuò)大和吞吐量的激增，天氣造成的影響更加明顯[1]，因此通過精細(xì)化專業(yè)氣象服務(wù)，降低氣象災(zāi)害風(fēng)險(xiǎn)，趨利避害，提高港口運(yùn)行效率越來越重要。

對(duì)港航作業(yè)有嚴(yán)重影響的天氣主要有大風(fēng)、大霧、強(qiáng)對(duì)流、風(fēng)暴潮、臺(tái)風(fēng)等[1]。開展港口多種自然災(zāi)害風(fēng)險(xiǎn)評(píng)估，為港口防災(zāi)減災(zāi)提供理論依據(jù)，具有重要的科學(xué)價(jià)值與實(shí)踐意義。自然災(zāi)害風(fēng)險(xiǎn)評(píng)估不僅是一項(xiàng)以預(yù)防為主、防患于未然的重要防災(zāi)減災(zāi)措施，也是開展綜合減災(zāi)和制定應(yīng)急管理對(duì)策的基礎(chǔ)和依據(jù)[1-2]。圍繞災(zāi)害風(fēng)險(xiǎn)評(píng)估原理與預(yù)測模型，國內(nèi)專家學(xué)者不斷深入探索并提出諸多研究方法。王靜靜[2]以多災(zāi)種復(fù)合為背景，從危險(xiǎn)性、暴露性和脆弱性等方面選取指標(biāo)，探討構(gòu)建了沿海8 個(gè)港口自然災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系與評(píng)估模型；殷潔等[3-4]采用歷史資料構(gòu)建災(zāi)損標(biāo)準(zhǔn)，綜合承災(zāi)體脆弱性和臺(tái)風(fēng)發(fā)生可能性兩者的結(jié)果運(yùn)用于風(fēng)險(xiǎn)模型中作定量評(píng)估；陳文方等[5]利用主成分分析計(jì)算致災(zāi)因子強(qiáng)度與承災(zāi)體脆弱性指數(shù)，基于各縣區(qū)尺度劃分災(zāi)害風(fēng)險(xiǎn)等級(jí)；龐古乾等[6]基于多年氣象觀測資料和潮位數(shù)據(jù)，對(duì)臺(tái)風(fēng)及風(fēng)暴潮災(zāi)害進(jìn)行特征分析和頻率計(jì)算；洪凱等[7]則以氣象觀測資料結(jié)合港口統(tǒng)計(jì)數(shù)據(jù)，評(píng)估不同重現(xiàn)期下港區(qū)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)的分布特征和經(jīng)濟(jì)災(zāi)損狀況。以上研究為氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估提供了技術(shù)方法。

早在1960 年代，世界氣象組織(WMO)就認(rèn)識(shí)到氣象服務(wù)具有重大的經(jīng)濟(jì)和社會(huì)效益。1990年代前后，美國、德國、日本等氣象技術(shù)發(fā)達(dá)國家先后借鑒社會(huì)學(xué)方法，結(jié)合調(diào)查問卷、敏感度分析等方法建立專家咨詢法，對(duì)氣象效益進(jìn)行了評(píng)估，這些評(píng)估為國家的氣象現(xiàn)代化建設(shè)決策提供了重要依據(jù)[8]。進(jìn)入21 世紀(jì)以來，全球變化和人類擴(kuò)張使得天氣災(zāi)害的影響日益顯著。美國的一些科學(xué)家開始嘗試建立經(jīng)濟(jì)模型，并與天氣要素建立聯(lián)系，結(jié)合歷史數(shù)據(jù)，得出天氣要素在決定產(chǎn)值中的作用。2004 年起，美國國家海洋和大氣管理局(NOAA)發(fā)布《NOAA 經(jīng)濟(jì)統(tǒng)計(jì)》，針對(duì)氣象服務(wù)現(xiàn)狀和實(shí)現(xiàn)現(xiàn)代化后的情況開展對(duì)比評(píng)估，利用對(duì)比分析得出氣象發(fā)展對(duì)國家產(chǎn)生的效益，從而加快了美國1990 年代現(xiàn)代化的開展，也為國家層面重大決策提供了最客觀和科學(xué)的依據(jù)[9-13]。國內(nèi)專家對(duì)行業(yè)氣象服務(wù)效益評(píng)估的研究，普遍使用的是投入產(chǎn)出法、層次分析法、損失矩陣法、專家評(píng)估法等[14-17]。近年來，應(yīng)用較多的方法包括對(duì)比分析法、逆推法、專家評(píng)估法、問卷調(diào)查法等[18-19]。

浙江寧波舟山港是中國古代“海上絲綢之路”起錨地之一，有1 200 多年發(fā)展歷史，2019 年貨物吞吐量首破11 億噸、連續(xù)11 年位居全球港口首位，集裝箱吞吐量超2 753 萬標(biāo)準(zhǔn)箱，排名位居全球第三。2017 年4 月以來，寧波海事局、寧波舟山港等部門開始采用定制式的港航氣象監(jiān)測、預(yù)報(bào)信息，作為災(zāi)害性天氣下港口作業(yè)安全保障、精準(zhǔn)調(diào)度的重要參考。本文結(jié)合氣象、海事、港口多部門數(shù)據(jù)，通過評(píng)估寧波舟山港致災(zāi)因子危險(xiǎn)性、承災(zāi)體脆弱性，構(gòu)建港口自然災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，對(duì)港口行業(yè)進(jìn)行分類，利用對(duì)比分析法、個(gè)例分析法等，確定氣象效益評(píng)估模型的具體技術(shù)方案，并給出服務(wù)效益的估算結(jié)果。

2 研究區(qū)域和資料

寧波舟山港現(xiàn)有19 個(gè)港區(qū)，600 多個(gè)生產(chǎn)泊位，本文主要分析位于寧波北侖到舟山定海之間，業(yè)務(wù)最繁忙的港口核心區(qū)域，包含鎮(zhèn)海、北侖、穿山、大榭、梅山5個(gè)港區(qū)(圖1)。

本文風(fēng)險(xiǎn)評(píng)估所用風(fēng)、能見度資料來自距離寧波舟山港最近的北侖國家氣象站地面氣象觀測數(shù)據(jù)，其中逐日資料的年限為1974—2019年，用來做風(fēng)險(xiǎn)評(píng)估；逐小時(shí)資料的觀測年限為2013—2019 年，用來做效益評(píng)估。所用港口災(zāi)害險(xiǎn)情數(shù)據(jù)、港口管制數(shù)據(jù)來自寧波海事局指揮中心，資料年限為2013—2019年。碼頭計(jì)劃兌現(xiàn)率數(shù)據(jù)來自寧波舟山港調(diào)度中心，資料年限為2013—2019年。港口生產(chǎn)運(yùn)營數(shù)據(jù)由實(shí)地調(diào)研、訪談獲得。

圖1 寧波舟山港核心港區(qū)分布及觀測站點(diǎn)位置示意圖

3 自然災(zāi)害風(fēng)險(xiǎn)評(píng)估

3.1 致災(zāi)因子危險(xiǎn)性評(píng)估

港口致災(zāi)因子主要指由強(qiáng)風(fēng)、低能見度、雷電、暴雨等帶來的次生災(zāi)害，根據(jù)致災(zāi)機(jī)理表現(xiàn)形式以強(qiáng)風(fēng)、低能見度為主，其中可能形成大風(fēng)的天氣系統(tǒng)復(fù)雜多樣，包括臺(tái)風(fēng)、冷空氣、低壓、強(qiáng)對(duì)流等[20]，出現(xiàn)的大霧主要是平流霧、輻射霧，以及局地出現(xiàn)的團(tuán)霧等[1]。在探討致災(zāi)因子評(píng)價(jià)指標(biāo)時(shí)，著重考慮強(qiáng)風(fēng)和大霧兩大因素[5,21]，根據(jù)寧波地方標(biāo)準(zhǔn)《DB3302T 1108-2019港口水上交通氣象條件等級(jí)》、寧波海事局《寧波海事局轄區(qū)船舶航行、錨泊和作業(yè)管理規(guī)定》等文件，選取風(fēng)力閾值6 級(jí)、7級(jí)、7.5 級(jí)(15.5～17.1 m/s)、8 級(jí)，能見度閾值1 000 m、500 m，建立致災(zāi)因子評(píng)價(jià)指標(biāo)體系(表1)，用影響時(shí)間(單位：天)衡量致災(zāi)因子對(duì)港口生產(chǎn)的危險(xiǎn)性。

表1 致災(zāi)因子危險(xiǎn)性評(píng)價(jià)指標(biāo)體系

評(píng)價(jià)致災(zāi)因子危險(xiǎn)性可采用主成分分析(Principal Component Analysis，PCA)法，利用降低數(shù)據(jù)維度方式，從原有多個(gè)且相互聯(lián)系的變量數(shù)據(jù)集中，通過線性變換選取少數(shù)幾個(gè)相互無關(guān)且盡可能保留原信息的重要變量[22]。

具體地，首先對(duì)指標(biāo)矩陣[W6W7W7.5W8V1000V500]進(jìn)行標(biāo)準(zhǔn)化處理，消除量綱影響后對(duì)新矩陣做PCA 分析，得到前兩個(gè)特征根的方差貢獻(xiàn)率分別為65.52%、30.05%，累積貢獻(xiàn)率達(dá)到95%，說明前兩個(gè)主成分能夠反映所有危險(xiǎn)性指標(biāo)的信息，因而可根據(jù)前兩個(gè)特征向量構(gòu)造主成分PC1和PC2，如公式(1)所示。

根據(jù)方差貢獻(xiàn)對(duì)前兩個(gè)主成分進(jìn)行加權(quán)求和，如公式(2)所示，計(jì)算得到致災(zāi)因子綜合強(qiáng)度指數(shù)H。

圖2 給出1974—2019 年寧波北侖港附近(炮臺(tái)山站)致災(zāi)因子綜合強(qiáng)度指數(shù)的時(shí)間演變情況，發(fā)現(xiàn)其具有長期下降趨勢(shì)，說明致災(zāi)因子強(qiáng)度持續(xù)減弱，尤其是1990 年代初和21 世紀(jì)初減弱趨勢(shì)明顯，但近10年出現(xiàn)回升現(xiàn)象。分析發(fā)現(xiàn)，危險(xiǎn)性指數(shù)的下降主要取決于大風(fēng)日數(shù)的顯著減少，如炮臺(tái)山站1974 年7 級(jí)以上大風(fēng)日數(shù)有68 天，而2019 年只有11 天；低能見度日數(shù)具有波動(dòng)變化特征，如炮臺(tái)山能見度小于1 km 日數(shù)最多35 天(1985 年)、最少0 天(2012 年)，且近年來危險(xiǎn)性指數(shù)的增長現(xiàn)象與低能見度日數(shù)的增加密切相關(guān)。

3.2 承災(zāi)體脆弱性評(píng)估

承災(zāi)體脆弱性是指當(dāng)承災(zāi)體在抗擊自然災(zāi)害時(shí)，對(duì)可能造成災(zāi)損進(jìn)行的度量，反映了災(zāi)害影響的暴露程度和災(zāi)害應(yīng)對(duì)的能力兩大方面[23]。承災(zāi)體脆弱性指數(shù)采用基于災(zāi)損情況的算法，將重現(xiàn)期概率與遭破壞概率相乘，如公式(3)所示：

其中，C為承災(zāi)體脆弱性指數(shù)；P為不同等級(jí)致災(zāi)因子的概率，即致災(zāi)天氣出現(xiàn)日數(shù)的年頻率；D為特定致災(zāi)因子級(jí)別下各承災(zāi)體所遭受的最大破壞率；i為不同等級(jí)致災(zāi)因子的個(gè)數(shù)，主要包括大風(fēng)、低能見度兩個(gè)方面。利用Pearson-III 型函數(shù)估計(jì)各重現(xiàn)期下不同等級(jí)大風(fēng)、低能見度日數(shù)的年極值，并根據(jù)海事部門提供的事故破壞率，計(jì)算各重現(xiàn)期下的脆弱性指數(shù)(表2)，結(jié)果顯示脆弱性指數(shù)隨重現(xiàn)期增大而快速增加。

圖2 1974—2019年大風(fēng)、低能見度日數(shù)和致災(zāi)因子危險(xiǎn)性綜合強(qiáng)度指數(shù)(H)

表2 不同重現(xiàn)期下各項(xiàng)指標(biāo)的年極值和承載體脆弱性指數(shù)(C)

3.3 自然災(zāi)害風(fēng)險(xiǎn)性評(píng)估

通過借鑒國際減災(zāi)戰(zhàn)略(ISDR)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，港區(qū)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估充分考慮潛在致災(zāi)因子危險(xiǎn)性和承災(zāi)體脆弱性，利用災(zāi)害事件發(fā)生可能性和影響范圍來判斷該自然災(zāi)害的風(fēng)險(xiǎn)等級(jí)(UN/ISDR，2004)，構(gòu)建的概念函數(shù)如公式(4)所示。

其中，R表示自然災(zāi)害風(fēng)險(xiǎn)，H和C則是構(gòu)成自然災(zāi)害風(fēng)險(xiǎn)的兩個(gè)影響維度，分別表示潛在致災(zāi)因子危險(xiǎn)度和承災(zāi)體脆弱性。近幾年中2016年、2019 年自然災(zāi)害風(fēng)險(xiǎn)較高(圖3)。2016 年出現(xiàn)6級(jí)風(fēng)日數(shù)(33天)多且該天氣條件下發(fā)生2起事故是造成脆弱性指數(shù)偏大的主要原因，從而導(dǎo)致自然災(zāi)害風(fēng)險(xiǎn)增加；2019 年大風(fēng)和低能見度日數(shù)為2014 年以來最多的年份，因而致災(zāi)因子危險(xiǎn)性最大，導(dǎo)致自然災(zāi)害風(fēng)險(xiǎn)偏高。

圖3 2014—2019年自然災(zāi)害風(fēng)險(xiǎn)指數(shù)

4 經(jīng)濟(jì)效益評(píng)估

氣象服務(wù)為港口生產(chǎn)帶來的提升具體表現(xiàn)為作業(yè)時(shí)長延長、作業(yè)效率提高兩方面。經(jīng)濟(jì)效益評(píng)估可由公式(5)計(jì)算得出：

其中，E為經(jīng)濟(jì)效益(萬元)；u為港口各行業(yè)單位時(shí)間經(jīng)濟(jì)效益(萬元/小時(shí))；t為氣象服務(wù)為港口延長的作業(yè)時(shí)間(小時(shí))；r為氣象服務(wù)為港口帶來的作業(yè)效率增長；i的取值代表港口不同運(yùn)營單位，下文以大風(fēng)天氣為主，結(jié)合海事管制數(shù)據(jù)、港口作業(yè)數(shù)據(jù)分別對(duì)各項(xiàng)進(jìn)行討論。

4.1 作業(yè)時(shí)間效益評(píng)估

寧波舟山港各碼頭公司全年無休，操作密集，且存在上、下游關(guān)聯(lián)作業(yè)，因此對(duì)時(shí)效性要求高。大風(fēng)天氣影響時(shí)段內(nèi)，一旦實(shí)況風(fēng)速超過港口作業(yè)閾值，海事部門會(huì)停止港口作業(yè)，保障作業(yè)安全。如果不能提前預(yù)知天氣過程的開始、結(jié)束時(shí)間，為規(guī)避風(fēng)險(xiǎn)，海事部門往往提前管制，延后解除，形成管制延誤。而對(duì)于某些突發(fā)性的大風(fēng)過程，如準(zhǔn)備不足，則可能來不及進(jìn)行管制，造成作業(yè)風(fēng)險(xiǎn)。

4.1.1 管制數(shù)據(jù)分析

對(duì)2013—2019年海事部門發(fā)布的港口管制信息進(jìn)行標(biāo)準(zhǔn)化處理，結(jié)合氣象觀測資料，對(duì)管制準(zhǔn)確程度進(jìn)行評(píng)估。管制評(píng)估屬于二元事件，涉及到兩個(gè)變量：是否發(fā)生管制、是否出現(xiàn)大風(fēng)天氣。相對(duì)應(yīng)的，共四類情況：a表示出現(xiàn)大風(fēng)且管制發(fā)生(準(zhǔn)確管制)；b表示出現(xiàn)大風(fēng)但沒有管制(漏管制)，該情況下港口有作業(yè)風(fēng)險(xiǎn)；c表示風(fēng)力沒有達(dá)到閾值但執(zhí)行管制(誤管制)，該情況為不必要的管制，港口作業(yè)效率受到影響；d表示沒有大風(fēng)且沒有管制(正常作業(yè))。定義以下公式來評(píng)價(jià)管制的實(shí)際效果[24]。

計(jì)算結(jié)果如圖4 所示，2013—2016 年無港航氣象服務(wù)，海事管制準(zhǔn)確率在0.5 以下，具體表現(xiàn)為管制延誤率高，管制風(fēng)險(xiǎn)率高。2017年以來，港航氣象服務(wù)正式開展，海事部門以定制化的氣象信息為參考，管制準(zhǔn)確率明顯上升，表現(xiàn)為誤管制逐年減少，管制風(fēng)險(xiǎn)率逐年降低。

圖4 2013—2019年港口氣象管制準(zhǔn)確率、延誤率、風(fēng)險(xiǎn)率

4.1.2 作業(yè)延長時(shí)間計(jì)算

管制評(píng)估中，誤管制的減少代表氣象服務(wù)為港口額外爭取的作業(yè)時(shí)間，采用對(duì)比分析法確定具體數(shù)值。由于天氣具有不可復(fù)制性，無法重現(xiàn)同一年的數(shù)據(jù)，因此本文選取氣象服務(wù)前、后的數(shù)據(jù)，即2013—2016 年求平均作為對(duì)照組，2017—2019年逐年與對(duì)照組進(jìn)行對(duì)比?？紤]到歷年天氣存在差異，災(zāi)害多的年份延誤時(shí)長自然會(huì)出現(xiàn)偏高。為排除年變化干擾，利用致災(zāi)因子綜合強(qiáng)度指數(shù)H對(duì)各年份延誤時(shí)長ti進(jìn)行標(biāo)準(zhǔn)化處理，與H相除得到“標(biāo)準(zhǔn)化時(shí)長”t'i。其中2013—2016 年的平均標(biāo)準(zhǔn)化長t0作為對(duì)照組：

2017年起港口采用氣象服務(wù)，t0與之后每年的標(biāo)準(zhǔn)化時(shí)長t′之差，乘以當(dāng)年的致災(zāi)因子綜合強(qiáng)度指數(shù)H，即為當(dāng)年實(shí)際延長的作業(yè)時(shí)長Δt，其計(jì)算公式如下：

4.2 作業(yè)效率效益估算

碼頭計(jì)劃兌現(xiàn)率數(shù)據(jù)記錄了船舶具體的作業(yè)情況，如該船只按計(jì)劃完成作業(yè)，即為計(jì)劃兌現(xiàn)，反之為未兌現(xiàn)。

未兌現(xiàn)率(%)=(未完成計(jì)劃船舶數(shù)/工作船舶數(shù))×100%，未兌現(xiàn)率直觀反映港口的調(diào)度水平，未兌現(xiàn)率越低，說明調(diào)度越精準(zhǔn)、科學(xué)，港口運(yùn)行越高效。針對(duì)未兌現(xiàn)的船舶，記錄有相應(yīng)的未兌現(xiàn)原因，以此幫助港口定位問題，提高港口運(yùn)營水平。

圖5 2013—2019年港口未兌現(xiàn)船舶天氣原因占比

造成未兌現(xiàn)的原因包括天氣影響、引航問題、船舶代理問題等，其中天氣原因是一個(gè)重要因素。定義F為天氣原因占所有未兌現(xiàn)情況的百分比，通過數(shù)據(jù)統(tǒng)計(jì)可知，2017 年以前F值普遍在40%左右(圖5)，說明往年由于缺乏精準(zhǔn)可靠的氣象預(yù)報(bào)信息，港口調(diào)度對(duì)未來氣象信息了解不足，會(huì)出現(xiàn)大風(fēng)期間仍安排作業(yè)等情況，造成計(jì)劃偏差，船舶因天氣原因未兌現(xiàn)。

考慮到歷年天氣存在差異，災(zāi)害多的年份天氣原因的占比自然會(huì)出現(xiàn)偏高。以2019 年為例，當(dāng)年致災(zāi)因子綜合強(qiáng)度指數(shù)H明顯高于其他年份，災(zāi)害性天氣影響港口頻率高、強(qiáng)度大，F(xiàn)值為35%，與其他年份相差不大。2013 年則相反，當(dāng)年H值為近7 年來最低，氣象災(zāi)害對(duì)港口影響最小，但F值仍高達(dá)44%，說明港口安排作業(yè)出現(xiàn)較大偏差。為排除上述年變化的干擾，結(jié)合歷年致災(zāi)因子綜合強(qiáng)度指數(shù)H，定義“標(biāo)準(zhǔn)化占比”F′：

對(duì)比歷年F′的變化，能夠更真實(shí)地反映天氣對(duì)港口計(jì)劃的影響。排除天氣差異性，由F′可知，引入氣象服務(wù)后，天氣原因?qū)е碌拇拔磧冬F(xiàn)占比明顯減少，港口調(diào)度水平顯著提升。

為定量計(jì)算氣象服務(wù)為港口調(diào)度帶來的優(yōu)化程度，采用對(duì)比分析法，仍以2013—2016年為對(duì)照組，定義：

2017 年采用港航氣象服務(wù)后，天氣原因占比F′的降低比例即為港口作業(yè)效率提升的效益：

4.2 單位時(shí)間生產(chǎn)效益估算

通過多次調(diào)研走訪，結(jié)合寧波舟山港歷年業(yè)務(wù)增長數(shù)據(jù)，對(duì)港口各碼頭公司、船公司的生產(chǎn)效益進(jìn)行估算。對(duì)于碼頭公司，以2018年為例，針對(duì)寧波舟山港兩大主要業(yè)務(wù)集裝箱和鐵礦石，梅山國際集裝箱碼頭公司的營業(yè)收入約142 萬元/小時(shí)，北侖礦石碼頭公司約30 萬元/小時(shí)，寧波舟山港各類碼頭(包括集裝箱、礦石、原油、液化、煤炭等)營業(yè)收入總和在322 萬元/小時(shí)左右。對(duì)于船公司，管制期間港內(nèi)平均作業(yè)大型船只約37艘，每船租賃費(fèi)4 萬美元/天、燃油費(fèi)3.5 萬美元/天。無法作業(yè)導(dǎo)致船公司共損失約79 萬元/小時(shí)。即港口、船公司受管制影響，每小時(shí)損失合計(jì)401萬元。

4.3 經(jīng)濟(jì)效益估算

經(jīng)濟(jì)效益增加值E表現(xiàn)為作業(yè)時(shí)間延長效益、作業(yè)效率提升效益，如公式(14)所示：

其中，u為單位時(shí)間生產(chǎn)效益，估算為401 萬元/小時(shí)。根據(jù)公式可算得，2017 年正式開展港行氣象服務(wù)以來，針對(duì)大風(fēng)天氣，寧波舟山港各碼頭公司、船公司產(chǎn)生直接經(jīng)濟(jì)效益逐年遞增，效果顯著。

表3 2017—2019年各碼頭、船公司經(jīng)濟(jì)效益估算

4.4 天然氣接收站、客運(yùn)航線等效益分析

除密集作業(yè)的碼頭公司、船公司外，港口還有一些承擔(dān)社會(huì)公共職責(zé)的單位如天然氣接收站、客運(yùn)碼頭等。天然氣船屬于大型危險(xiǎn)品船舶，其作業(yè)對(duì)天氣條件、水文條件要求高，需要根據(jù)預(yù)報(bào)至少提前一天進(jìn)行作業(yè)申請(qǐng)、進(jìn)港預(yù)排；客運(yùn)碼頭由于其公眾服務(wù)屬性，營運(yùn)信息需要提前發(fā)布，不能隨時(shí)變更，也需要在保證安全的大前提下根據(jù)預(yù)報(bào)進(jìn)行預(yù)設(shè)。沒有港航氣象服務(wù)時(shí)，這類作業(yè)通常以本地發(fā)布的公眾預(yù)報(bào)結(jié)論為準(zhǔn)。

公眾氣象預(yù)報(bào)范圍覆蓋面較大，風(fēng)力預(yù)報(bào)存在偏大的情況；預(yù)報(bào)時(shí)間則較模糊，可能錯(cuò)過一天中的作業(yè)“窗口期”。因此，精細(xì)化的港航氣象服務(wù)能增加可作業(yè)時(shí)間。以寧波天然氣接收站為例，自2018年采用港航氣象服務(wù)以來，在影響時(shí)間較長的大風(fēng)、海霧過程中通過預(yù)報(bào)災(zāi)害天氣“窗口期”，成功保障天然氣運(yùn)輸船“索拉瑞斯”號(hào)、“阿波羅尼亞”號(hào)等按期靠泊作業(yè)，每次過程可幫助目標(biāo)船舶提前作業(yè)一天以上。

對(duì)于此類單位，氣象服務(wù)效益的估算可采用公式(15)。

將港航氣象預(yù)報(bào)的可做業(yè)時(shí)長定義為tp，公眾氣象預(yù)報(bào)的可作業(yè)時(shí)長定義為t0，兩者之差即為作業(yè)時(shí)間增加效益。由于并非密集作業(yè)，排班調(diào)整并不影響作業(yè)效率，因此不考慮作業(yè)效率的增加。此處u不止包含經(jīng)濟(jì)效益，也應(yīng)考慮社會(huì)效益，需結(jié)合行業(yè)數(shù)據(jù)及當(dāng)?shù)貙?shí)際情況，進(jìn)一步調(diào)研估算。

4.5 海霧、臺(tái)風(fēng)天氣下的效益分析

在海霧高發(fā)期，如判斷當(dāng)晚有海霧發(fā)生，港口將采取“二次引航”操作，將重點(diǎn)船只提前引進(jìn)港內(nèi)錨地等候。當(dāng)海霧發(fā)生時(shí)，主航道出入口關(guān)閉后，已經(jīng)進(jìn)港的船舶自內(nèi)錨地再次引航，前往作業(yè)碼頭，從而達(dá)到增加作業(yè)時(shí)長的目的。據(jù)港方統(tǒng)計(jì)，2018年以來，得益于港航氣象服務(wù)對(duì)霧的臨近準(zhǔn)確預(yù)報(bào)，目前“二次引航”的預(yù)排成功率已經(jīng)由40%提高到70%以上，該數(shù)據(jù)可推算得出延長作業(yè)的時(shí)長，進(jìn)一步計(jì)算得出服務(wù)效益。

臺(tái)風(fēng)過程影響區(qū)域、持續(xù)時(shí)間等差異大，因此不易采取統(tǒng)一的公式進(jìn)行計(jì)算，而應(yīng)結(jié)合每次過程特點(diǎn)，采用個(gè)例分析法進(jìn)行計(jì)算。臺(tái)風(fēng)天氣致災(zāi)能力強(qiáng)，影響嚴(yán)重，因此“保安全”的任務(wù)相比其他災(zāi)害更重，港口管理會(huì)留足安全余量。在此前提下，氣象服務(wù)仍有優(yōu)化港口作業(yè)、提升效益的空間。例如，2018 年第10 號(hào)臺(tái)風(fēng)“安比”過程中，在減風(fēng)時(shí)段通過氣象加密服務(wù)，區(qū)分港內(nèi)、港外風(fēng)力差異，為港口爭取提早4 小時(shí)解封；2019 年第9 號(hào)臺(tái)風(fēng)“利奇馬”過程中，在起風(fēng)段提供氣象預(yù)報(bào)建議，港口將停工時(shí)間適當(dāng)延后，作業(yè)時(shí)間增加6 小時(shí)。

5 結(jié)論與討論

本文以過去47 年氣象歷史資料、災(zāi)情統(tǒng)計(jì)資料為基礎(chǔ)，通過自然災(zāi)害風(fēng)險(xiǎn)評(píng)估模型對(duì)致災(zāi)因子危險(xiǎn)性、承載體脆弱性、自然災(zāi)害風(fēng)險(xiǎn)指數(shù)分別進(jìn)行計(jì)算和討論。根據(jù)寧波海事局、寧波舟山港提供的港口運(yùn)營數(shù)據(jù)，對(duì)災(zāi)害天氣下港口的運(yùn)營狀況進(jìn)行分析討論，通過對(duì)比港航氣象服務(wù)前、后港口管制準(zhǔn)確率、碼頭計(jì)劃兌現(xiàn)率等的變化，直觀反映氣象服務(wù)對(duì)港口作業(yè)產(chǎn)生的影響，并給出經(jīng)濟(jì)效益的量化計(jì)算方案。

自然災(zāi)害風(fēng)險(xiǎn)評(píng)估是對(duì)區(qū)域遭受不同強(qiáng)度災(zāi)害的可能性及其可能造成的后果進(jìn)行的定量分析和評(píng)估。由于大風(fēng)天數(shù)的顯著減少，1974—2019年寧波舟山港致災(zāi)因子強(qiáng)度持續(xù)減弱，尤其是1990 年代初和21 世紀(jì)初減弱趨勢(shì)明顯，但近年來低能見度日數(shù)增多，致災(zāi)因子強(qiáng)度出現(xiàn)回升現(xiàn)象；基于災(zāi)損情況的算法，同時(shí)考慮高影響氣象因子重現(xiàn)期概率與承災(zāi)體遭破壞概率的疊加作用，承災(zāi)體脆弱性指數(shù)呈現(xiàn)隨重現(xiàn)期增大而快速增加現(xiàn)象；在充分考慮潛在致災(zāi)因子危險(xiǎn)性和承災(zāi)體脆弱性的基礎(chǔ)上，判斷2016 年承災(zāi)體脆弱性、2019年致災(zāi)因子危險(xiǎn)性偏高分別是當(dāng)年自然災(zāi)害風(fēng)險(xiǎn)較高的主要原因。

對(duì)于氣象服務(wù)效益評(píng)估，由于天氣影響下的港口作業(yè)無法直接重現(xiàn)，因此直接估算存在困難。本文以開展氣象服務(wù)前的港口運(yùn)營數(shù)據(jù)為對(duì)照組，與服務(wù)后的數(shù)據(jù)進(jìn)行對(duì)比分析，得出效益。本文利用致災(zāi)因子綜合強(qiáng)度指數(shù)H對(duì)運(yùn)營數(shù)據(jù)進(jìn)行“標(biāo)準(zhǔn)化”，排除不同年份天氣影響的特征差異，使得年份間的對(duì)比分析成立。計(jì)算結(jié)果表明，2017年采用氣象服務(wù)以后，海事管制準(zhǔn)確率、碼頭計(jì)劃兌現(xiàn)率均得到提升，管制風(fēng)險(xiǎn)率降低，表明港航氣象服務(wù)能在“保安全”的大前提下實(shí)現(xiàn)“增效益”。經(jīng)計(jì)算，針對(duì)大風(fēng)天氣，氣象服務(wù)每年產(chǎn)生的經(jīng)濟(jì)效益就在億元以上，2019 年達(dá)5.18 億元。另有海霧、臺(tái)風(fēng)等災(zāi)害，通過典型個(gè)例的評(píng)估，每年服務(wù)效益達(dá)千萬元級(jí)。在國家海洋經(jīng)濟(jì)戰(zhàn)略的背景下，隨著寧波舟山港體量的進(jìn)一步遞增和氣象服務(wù)能力的不斷進(jìn)步，服務(wù)效益將愈發(fā)凸顯。

本文提出的港航氣象效益評(píng)估技術(shù)在“港口全息化氣象預(yù)警與決策系統(tǒng)”中實(shí)現(xiàn)業(yè)務(wù)化應(yīng)用。該服務(wù)系統(tǒng)曾獲2017年首屆全國氣象服務(wù)創(chuàng)新大賽一等獎(jiǎng)，已在寧波市氣象局、寧波市海事局、寧波舟山港股份有限公司三家單位部署應(yīng)用，預(yù)計(jì)還將在全國主要港口城市展開推廣試點(diǎn)服務(wù)。