基于強(qiáng)降雨巨災(zāi)保險(xiǎn)的自動(dòng)站雨量統(tǒng)計(jì)方法

袁微，郭春輝，陳明麗，譚丹鳳

（肇慶市氣象局，廣東肇慶 526040）

在全球氣候變暖的背景下，多數(shù)地區(qū)極端強(qiáng)降雨事件發(fā)生頻率有所增加［1－4］，由強(qiáng)降雨引發(fā)的暴雨及洪澇等自然災(zāi)害給當(dāng)?shù)厣a(chǎn)和生活帶來很大的影響。面對范圍廣、頻率高的強(qiáng)降雨引發(fā)的災(zāi)害風(fēng)險(xiǎn)，依靠國家財(cái)政的救災(zāi)基金和社會(huì)各界的捐贈(zèng)畢竟不是長久之計(jì)。廣東省人民政府從2014年開始探索建立巨災(zāi)保險(xiǎn)制度，以政府作為投保人和被保險(xiǎn)人，以觸發(fā)巨災(zāi)的參數(shù)如連續(xù)降雨量、臺風(fēng)等級等作為支付賠償?shù)囊罁?jù)，在這些參數(shù)達(dá)到一定閾值時(shí)，保險(xiǎn)公司無需進(jìn)行查勘定損即可向政府支付相應(yīng)的賠付金額。根據(jù)肇慶本地自然災(zāi)害的特點(diǎn)，最終選擇強(qiáng)降雨作為巨災(zāi)保險(xiǎn)災(zāi)害種類。如何快速、準(zhǔn)確計(jì)算出強(qiáng)降雨發(fā)生時(shí)段的累計(jì)雨量顯得尤為重要。

目前，國內(nèi)專門針對累計(jì)雨量計(jì)算方法的研究較少，蔡錦輝等［5］研究自動(dòng)站降雨數(shù)據(jù)質(zhì)量控制的GIS分析方法；黃成南等［6］研究廣東災(zāi)害天氣歷史個(gè)例庫系統(tǒng)均涉及到累計(jì)雨量的統(tǒng)計(jì)時(shí)，均采用的傳統(tǒng)小時(shí)累計(jì)法；郭麗霞［7］研究了一日的累計(jì)雨量的計(jì)算方法，通過時(shí)段雨量與日雨量的區(qū)別，優(yōu)化了SQL查詢語句并開發(fā)了實(shí)時(shí)雨量查詢軟件；甄廷忠等［8］發(fā)現(xiàn)小時(shí)統(tǒng)計(jì)法不能正確反映天氣狀況后開發(fā)了自動(dòng)氣象站滑動(dòng)1 h累積雨量報(bào)警軟件。以上研究均未考慮在強(qiáng)降雨的背景下自動(dòng)站數(shù)據(jù)缺失的問題。而在實(shí)際工作中發(fā)現(xiàn)在強(qiáng)降雨的背景下，自動(dòng)站雨量數(shù)據(jù)缺失的情況時(shí)有發(fā)生，特別是暴雨、臺風(fēng)等惡劣天氣發(fā)生時(shí)，數(shù)據(jù)丟失尤為嚴(yán)重。使用傳統(tǒng)小時(shí)統(tǒng)計(jì)法會(huì)導(dǎo)致雨量統(tǒng)計(jì)值比真實(shí)值偏低，直接影響了巨災(zāi)保險(xiǎn)的賠付金額問題。本研究充分利用自動(dòng)站本身數(shù)據(jù)特點(diǎn)，提出Day-Hour的雨量統(tǒng)計(jì)方法，經(jīng)過試驗(yàn)證明該方法能在一定程度上改善傳統(tǒng)小時(shí)統(tǒng)計(jì)法帶來的不足，其統(tǒng)計(jì)結(jié)果不低于小時(shí)統(tǒng)計(jì)法，雨量增加量較為可觀，為政府獲取更多的保險(xiǎn)賠償，用于防災(zāi)減災(zāi)救災(zāi)提供了可能。

1 資料與方法

1.1 自動(dòng)站地理分布及數(shù)據(jù)結(jié)構(gòu)

依據(jù)肇慶市巨災(zāi)指數(shù)保險(xiǎn)方案，共選取了肇慶市7個(gè)縣（市、區(qū)）共130個(gè)自動(dòng)站作為研究對象。自動(dòng)站所采集的雨量數(shù)據(jù)種類主要分為5 min、1 h以及24 h雨量數(shù)據(jù)等，其數(shù)據(jù)結(jié)構(gòu)如表1所示，時(shí)間均為北京時(shí)。

表1 自動(dòng)站雨量數(shù)據(jù)結(jié)構(gòu)

1.2 資料

本研究以肇慶市參與巨災(zāi)保險(xiǎn)氣象指數(shù)［9］計(jì)算的130個(gè)自動(dòng)站的3 d累計(jì)雨量數(shù)據(jù)（20：00—20：00）作為研究對象。雨量數(shù)據(jù)均來自于廣東省氣象局業(yè)務(wù)網(wǎng)IDEA數(shù)據(jù)共享平臺，選取2018—2020年已觸發(fā)過巨災(zāi)保險(xiǎn)賠付的9次天氣過程觀測數(shù)據(jù)為例。

1.3 三天累計(jì)雨量統(tǒng)計(jì)方法

1）小時(shí)統(tǒng)計(jì)法。

自動(dòng)站能記錄分鐘降水、小時(shí)降水及逐日降水等數(shù)據(jù)。3 d累計(jì)雨量常規(guī)統(tǒng)計(jì)方法是小時(shí)統(tǒng)計(jì)法，即將時(shí)段內(nèi)的所有整點(diǎn)小時(shí)雨量數(shù)據(jù)進(jìn)行累加，累加結(jié)果即為3 d的累計(jì)雨量。

2）Hour-min統(tǒng)計(jì)法。

小時(shí)統(tǒng)計(jì)法操作簡單，在整點(diǎn)數(shù)據(jù)沒有發(fā)生缺失的情況適用，反之在整點(diǎn)數(shù)據(jù)缺失的情況下，其計(jì)算結(jié)果小于真實(shí)值。Hour-min統(tǒng)計(jì)法是結(jié)合1 h雨量數(shù)據(jù)與5 min雨量數(shù)據(jù)（1 h內(nèi)累計(jì)）進(jìn)行綜合計(jì)算。首先統(tǒng)計(jì)每個(gè)站點(diǎn)整點(diǎn)數(shù)據(jù)的個(gè)數(shù)N，如果N＝72個(gè)，將72個(gè)雨量數(shù)據(jù)繼續(xù)累加求和；如果個(gè)數(shù)N＜72個(gè)，將現(xiàn)有的整點(diǎn)雨量數(shù)據(jù)累加求和，并找到所有沒有整點(diǎn)數(shù)據(jù)的時(shí)間節(jié)點(diǎn)，將過去1 h內(nèi)最接近該時(shí)間節(jié)點(diǎn)的5 min雨量數(shù)據(jù)作為該時(shí)間節(jié)點(diǎn)值，如10：00數(shù)據(jù)缺失，則查詢09：55雨量數(shù)據(jù)是否有值，有值則用09：55雨量值代替10：00整雨量值，若09：55無值，則繼續(xù)查詢09：50雨量值，若仍無數(shù)據(jù)一直查詢至09：05，如1 h內(nèi)均無數(shù)據(jù)，則10：00整雨量值用0替代。

3）Day-Hour統(tǒng)計(jì)法。

在Hour-min統(tǒng)計(jì)法的基礎(chǔ)上提出Day-Hour統(tǒng)計(jì)法。此方法是在上述方法基礎(chǔ)上增加24 h雨量dayrf值（08：00—08：00）進(jìn)行綜合計(jì)算。首先將3 d（M日20：00—（M＋3）日20：00，M為具體日期）時(shí)間進(jìn)行拆解成4個(gè)時(shí)間段（如表2所示），然后求解對應(yīng)時(shí)段的累計(jì)雨量。如第1個(gè)時(shí)間段M日20：00—（M＋1）日08：00的累計(jì)雨量為（M＋1）日08：00對應(yīng)的累計(jì)雨量dayrf值減去M日20：00對應(yīng)的累計(jì)雨量dayrf值，其他時(shí)段以此類推，累計(jì)雨量結(jié)果如表2所示。如參與計(jì)算的值為空，則對應(yīng)時(shí)段采用Hour-min統(tǒng)計(jì)法計(jì)算累計(jì)雨量。

表2 三天雨量拆分時(shí)段1）

2 結(jié)果與分析

2.1 臺風(fēng)“艾云尼”降水過程雨量統(tǒng)計(jì)

選取2018年6月臺風(fēng)“艾云尼”的降水過程，統(tǒng)計(jì)可知，3 d累計(jì)降水最大時(shí)間段統(tǒng)計(jì)為2018年6月5日20：00—8日20：00。將這一時(shí)段拆成4個(gè)時(shí)間段，分別是（1）5日20：00—6日08：00、（2）6日08：00—7日08：00、（3）7日08：00—8日08：00、（4）8日08：00—8日20：00，然后對每個(gè)時(shí)段的雨量分別統(tǒng)計(jì)，最后進(jìn)行累加。分別使用小時(shí)統(tǒng)計(jì)法和Day-Hour統(tǒng)計(jì)法進(jìn)行雨量統(tǒng)計(jì)。該次過程參與統(tǒng)計(jì)的共130個(gè)自動(dòng)站，由于通信等故障造成小時(shí)整點(diǎn)數(shù)據(jù)不全的共40個(gè)自動(dòng)站，占總站數(shù)的30.7%。分析發(fā)現(xiàn)，使用Day-Hour統(tǒng)計(jì)法統(tǒng)計(jì)的結(jié)果不小于小時(shí)統(tǒng)計(jì)法統(tǒng)計(jì)的結(jié)果，排除問題站點(diǎn)G8251外，共有8個(gè)站點(diǎn)2種方法統(tǒng)計(jì)結(jié)果一致，剩余31個(gè)站點(diǎn)均是Day-Hour統(tǒng)計(jì)法大于小時(shí)統(tǒng)計(jì)法，最大差值為G8152站點(diǎn)55.6 mm，結(jié)果如圖1所示。使用Day-Hour統(tǒng)計(jì)法后累計(jì)增加了447.6 mm的雨量，說明用Day-Hour統(tǒng)計(jì)法較小時(shí)統(tǒng)計(jì)法能更好的反映實(shí)際降水量。

圖1 小時(shí)法和Day-Hour法雨量統(tǒng)計(jì)結(jié)果

2.2 9次觸發(fā)巨災(zāi)保險(xiǎn)時(shí)段雨量統(tǒng)計(jì)分析

為了進(jìn)一步分析兩種雨量統(tǒng)計(jì)方法在實(shí)際使用中的差別，分析了2018—2020年共觸發(fā)巨災(zāi)保險(xiǎn)的9個(gè)災(zāi)害時(shí)段數(shù)據(jù)，結(jié)果如表3所示，為使數(shù)據(jù)更具對比性，在表3的最后一行增加了未發(fā)生巨災(zāi)保險(xiǎn)的時(shí)段2019年9月7—10日。從表3可以看到，1到9個(gè)過程都出現(xiàn)不同程度的缺測現(xiàn)象，缺測最少14個(gè)，最多130個(gè)自動(dòng)站全部出現(xiàn)不同程度的缺測，說明在強(qiáng)天氣背景下，自動(dòng)站出現(xiàn)丟數(shù)據(jù)的情況較為嚴(yán)重，特別是與非強(qiáng)天氣背景下進(jìn)行對比（序號10）結(jié)果更為明顯。通過Day-Hour法統(tǒng)計(jì)后雨量累計(jì)增加最多的是597.9 mm，也是缺測站數(shù)最多的一次；具體到某個(gè)自動(dòng)站雨量增加最大的91.2 mm，最小是0.1 mm。通過以上10次樣例分析可以得到，使用Day-Hour統(tǒng)計(jì)法后累計(jì)雨量均有不同程度的增加，有效解決小時(shí)統(tǒng)計(jì)法的不足，使雨量統(tǒng)計(jì)更接近真實(shí)值，為獲取更多的保險(xiǎn)賠償提供可能。統(tǒng)計(jì)法，統(tǒng)計(jì)的雨量值也更接近真實(shí)值，有利于政府獲取更合理的保險(xiǎn)賠償用于防災(zāi)減災(zāi)救災(zāi)。

表3 小時(shí)統(tǒng)計(jì)法和Day-Hour統(tǒng)計(jì)法雨量統(tǒng)計(jì)1）

3 結(jié)論

通過Day-Hour統(tǒng)計(jì)法和傳統(tǒng)的小時(shí)統(tǒng)計(jì)法分別對肇慶過去3年發(fā)生巨災(zāi)保險(xiǎn)的災(zāi)害時(shí)段的雨量進(jìn)行統(tǒng)計(jì)分析，依據(jù)結(jié)果得到以下結(jié)論：

1）在巨災(zāi)保險(xiǎn)發(fā)生時(shí)段內(nèi)，選取的自動(dòng)站普遍出現(xiàn)缺測現(xiàn)象，缺測率最低為10.7%，最高為100%，缺測會(huì)使雨量統(tǒng)計(jì)結(jié)果偏低。加強(qiáng)對自動(dòng)站的維護(hù)或者在缺測嚴(yán)重的站點(diǎn)附近增加新的自動(dòng)站是有效的解決辦法。

（2）傳統(tǒng)小時(shí)雨量統(tǒng)計(jì)法簡單容易理解，使用率較高，但在強(qiáng)天氣時(shí)統(tǒng)計(jì)效果較差，統(tǒng)計(jì)結(jié)果與真實(shí)雨量存在不同程度的偏差。

（3）Day-Hour統(tǒng)計(jì)法能在一定程度上改善小時(shí)統(tǒng)計(jì)法帶來的不足，其統(tǒng)計(jì)結(jié)果不低于小時(shí)