中巴經(jīng)濟(jì)走廊極端高溫事件風(fēng)險(xiǎn)評(píng)估

陳金雨，陶 輝，翟建青，蘇布達(dá)，姜 彤

（1.中國(guó)科學(xué)院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，新疆烏魯木齊 830011；2.中國(guó)科學(xué)院大學(xué)，北京 100049；3.中國(guó)氣象局國(guó)家氣候中心，北京 100081；4.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同中心/災(zāi)害風(fēng)險(xiǎn)管理研究院/地理科學(xué)學(xué)院，江蘇南京 210044）

引言

全球變化背景下，極端天氣氣候事件頻發(fā)，嚴(yán)重影響了人類社會(huì)的發(fā)展［1-2］。作為極端天氣氣候事件的一種類型，大量研究已經(jīng)證實(shí)極端高溫事件對(duì)人類健康、社會(huì)經(jīng)濟(jì)和生態(tài)系統(tǒng)有著顯著的影響且與高溫相關(guān)的威脅（發(fā)病率、死亡率和生產(chǎn)率等）正在上升［3-7］。2003年歐洲高溫造成超過(guò)70 000人死亡［8］；2015年高溫?zé)崂讼戆突固箍ɡ妫斐沙^(guò)1 200人死亡［9］。鑒于此，開展極端高溫事件時(shí)空分布特征研究，評(píng)估其災(zāi)害風(fēng)險(xiǎn)對(duì)提高抵御高溫災(zāi)害的能力具有重要意義。

國(guó)內(nèi)外對(duì)于高溫的研究主要集中在3個(gè)方面：歸因研究、時(shí)空變化特征（強(qiáng)度、頻次、持續(xù)時(shí)間等）及社會(huì)經(jīng)濟(jì)影響［10-15］。近年來(lái)，隨著極端高溫事件的頻繁發(fā)生，國(guó)內(nèi)外學(xué)者開展了大量有關(guān)高溫災(zāi)害風(fēng)險(xiǎn)的研究。災(zāi)害風(fēng)險(xiǎn)是致災(zāi)因子的危險(xiǎn)性、承災(zāi)體的暴露度和脆弱性的集合［16］。目前，大部分研究主要從2個(gè)方面進(jìn)行風(fēng)險(xiǎn)評(píng)估。一種為從風(fēng)險(xiǎn)的單一層面進(jìn)行評(píng)估。如馬鳳等［17］基于CMIP6中多個(gè)全球氣候模式數(shù)據(jù)，分別從全球和洲際尺度預(yù)估了不同社會(huì)經(jīng)濟(jì)和排放情景下復(fù)合極端高溫事件暴露度的變化并結(jié)合敏感性試驗(yàn)定量評(píng)估了氣候和人口變化對(duì)人口暴露度風(fēng)險(xiǎn)的貢獻(xiàn)。稅偉等［18］采用專家評(píng)估、AHP等方法，重構(gòu)耦合適應(yīng)力的城市高溫脆弱性評(píng)價(jià)指標(biāo)體系，系統(tǒng)評(píng)估了福州市的高溫脆弱性。另一種為綜合致災(zāi)因子的危險(xiǎn)性、承災(zāi)體的暴露度和脆弱性進(jìn)行風(fēng)險(xiǎn)評(píng)估研究。如宋晨陽(yáng)等［19］構(gòu)建了猶豫層次分析法和逼近于理想解的排序方法相結(jié)合的高溫?zé)崂孙L(fēng)險(xiǎn)評(píng)估模型，對(duì)我國(guó)城市高溫?zé)崂诉M(jìn)行了風(fēng)險(xiǎn)評(píng)估。代欣等［20］選取危險(xiǎn)性、脆弱性、區(qū)域綜合防范能力因子構(gòu)建風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，通過(guò)H-AHP方法確定指標(biāo)權(quán)重，進(jìn)行印尼雅萬(wàn)高鐵沿線區(qū)域高溫?zé)崂孙L(fēng)險(xiǎn)評(píng)估研究?？傮w來(lái)看，有關(guān)高溫風(fēng)險(xiǎn)評(píng)估的研究并沒(méi)有統(tǒng)一的指標(biāo)體系和評(píng)估方法。

中巴經(jīng)濟(jì)走廊是“一帶一路”建設(shè)規(guī)劃的戰(zhàn)略樞紐和先行示范區(qū)。大量研究表明，該地區(qū)對(duì)氣候變化極其敏感且易發(fā)生極端天氣氣候事件［21-22］。其中極端高溫事件對(duì)該地區(qū)人類社會(huì)造成了嚴(yán)重的影響［23］。Ulla等［24］通過(guò)計(jì)算極端氣溫指數(shù)研究了中巴經(jīng)濟(jì)廊地區(qū)1980-2016年極端氣溫的時(shí)空變化特征。Riaz等［25］基于1901-2018年氣溫?cái)?shù)據(jù)和海溫?cái)?shù)據(jù)，揭示了巴基斯坦地區(qū)氣溫與海溫的關(guān)系。呂嫣冉等［26］基于日最高氣溫和格點(diǎn)化的人口數(shù)據(jù)，識(shí)別了“一帶一路”地區(qū)1979-2018年極端高溫事件并定量評(píng)估了極端高溫事件下的人口暴露度。目前，中巴經(jīng)濟(jì)走廊地區(qū)相關(guān)研究主要集中在高溫的成因、時(shí)空變化及人口暴露度研究，缺乏綜合極端高溫事件的危險(xiǎn)性、承災(zāi)體暴露度和脆弱性的風(fēng)險(xiǎn)評(píng)估研究。

本研究基于1961-2015年逐日格點(diǎn)化日最高氣溫、人口經(jīng)濟(jì)和耕地等數(shù)據(jù)，采用層次分析法和熵權(quán)法確定各指標(biāo)組合權(quán)重并綜合極端高溫事件的致災(zāi)因子的危險(xiǎn)性、承災(zāi)體的暴露度和脆弱性特征，對(duì)中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件進(jìn)行風(fēng)險(xiǎn)評(píng)估，劃分極端高溫事件風(fēng)險(xiǎn)區(qū)域，以期為中巴經(jīng)濟(jì)走廊應(yīng)對(duì)極端高溫事件風(fēng)險(xiǎn)提供科學(xué)依據(jù)。

1 資料與方法

1.1 研究區(qū)及數(shù)據(jù)資料

中巴經(jīng)濟(jì)走廊（China-Pakistan Economic Corridor，CPEC）地處南亞次大陸西北部，介于24°N～40°N和60°E～80°E；北起中國(guó)喀什地區(qū)，南至巴基斯坦的瓜達(dá)爾港，全長(zhǎng)約3 000 km［27］。研究區(qū)地形地貌復(fù)雜，氣候類型多樣，北部和西北部是喜馬拉雅山和喀喇昆侖山，以高山高原氣候類型為主，中部的印度河流域平原為熱帶季風(fēng)氣候，南部俾路支省和信德省毗鄰阿拉伯海為熱帶沙漠氣候［28］。受地形影響，研究區(qū)氣溫空間分布差異明顯，年平均最低氣溫主要分布在北部高海拔地區(qū)為-2℃，年平均最高氣溫主要分布在中部和南部地區(qū)為22.9℃［29］。

本研究主要采用以下數(shù)據(jù)用于高溫災(zāi)害風(fēng)險(xiǎn)評(píng)估：（1）氣象數(shù)據(jù)：基于中巴經(jīng)濟(jì)走廊及其周邊地區(qū)氣象站點(diǎn)逐日最高氣溫?cái)?shù)據(jù)，采用ANUSPLIN軟件進(jìn)行空間插值得到的1961-2015年0.25°×0.25°逐日最高氣溫格點(diǎn)數(shù)據(jù)，質(zhì)量評(píng)估結(jié)果表明該數(shù)據(jù)具有更高的精度，數(shù)據(jù)來(lái)自于中國(guó)科學(xué)數(shù)據(jù)［30］；（2）人口經(jīng)濟(jì)數(shù)據(jù)：人口數(shù)據(jù)主要來(lái)自于哥倫比亞大學(xué)國(guó)際地球科學(xué)信息網(wǎng)（https：//sedac.ciesin.columbia.edu）所提供的調(diào)整后的第4版世界網(wǎng)格人口數(shù)據(jù)集（GPWv4）中的2015年人口密度數(shù)據(jù)、2010年人口年齡結(jié)構(gòu)和性別結(jié)構(gòu)數(shù)據(jù)，空間分辨率為5 km；GDP數(shù)據(jù)主要來(lái)自于NASA社會(huì)經(jīng)濟(jì)數(shù)據(jù)和應(yīng)用中心（https：//sedac.ciesin.columbia.edu）提供的第4版全球網(wǎng)格地理經(jīng)濟(jì)數(shù)據(jù)（G-Econ，v4）中的2005年GDP數(shù)據(jù)，空間分辨率為1°；（3）耕地?cái)?shù)據(jù)：耕地?cái)?shù)據(jù)主要來(lái)自于哥白尼全球土地服務(wù)中心提供的2015年耕地?cái)?shù)據(jù)（https：//lcviewer.vito.be），空間分辨率為100 m；（4）不透水面積數(shù)據(jù)：不透水面積數(shù)據(jù)主要來(lái)自于中國(guó)科學(xué)院航天信息研究所發(fā)布的2015年全球不透水表面數(shù)據(jù)（https：//zenodo.org/record/3505079），空間分辨率為30 m；（5）災(zāi)害損失數(shù)據(jù)：主要來(lái)自于世界衛(wèi)生組織與災(zāi)后流行病研究中心創(chuàng)建的緊急災(zāi)難數(shù)據(jù)庫(kù)（EM-DAT）的2000-2015年中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件災(zāi)害損失數(shù)據(jù)（https：//public.emdat.be/），主要包括極端高溫事件的開始時(shí)間、結(jié)束時(shí)間、發(fā)生位置、死亡人數(shù)等要素。

1.2 風(fēng)險(xiǎn)評(píng)估框架

災(zāi)害風(fēng)險(xiǎn)評(píng)估是通過(guò)研究造成生命、財(cái)產(chǎn)及環(huán)境潛在影響的致災(zāi)因子的危險(xiǎn)性及承災(zāi)體脆弱性，判定風(fēng)險(xiǎn)性質(zhì)與范圍的過(guò)程［31］。災(zāi)害風(fēng)險(xiǎn)評(píng)估一般劃分為廣義和狹義兩種，前者主要對(duì)災(zāi)害系統(tǒng)進(jìn)行風(fēng)險(xiǎn)評(píng)估，包括致災(zāi)因子的危險(xiǎn)性、承災(zāi)體的暴露度和脆弱性等方面；后者主要針對(duì)致災(zāi)因子進(jìn)行風(fēng)險(xiǎn)評(píng)估，通常是對(duì)風(fēng)險(xiǎn)區(qū)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)行定量分析和評(píng)估［32］。中巴經(jīng)濟(jì)走廊極端高溫事件風(fēng)險(xiǎn)評(píng)估步驟：第一，建立包含致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度和脆弱性的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系及“H-E-V”風(fēng)險(xiǎn)評(píng)估框架；第二，對(duì)各指標(biāo)進(jìn)行歸一化處理；第三，采用層次分析法和熵權(quán)法分別確定各指標(biāo)組合權(quán)重，計(jì)算危險(xiǎn)性、暴露度和脆弱性指數(shù)；第四，計(jì)算中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件風(fēng)險(xiǎn)指數(shù)并進(jìn)行風(fēng)險(xiǎn)評(píng)估。

IPCC第五次評(píng)估報(bào)告突出了災(zāi)害風(fēng)險(xiǎn)評(píng)估在氣候變化研究中的重要地位，提出了基于極端天氣氣候事件危險(xiǎn)性、暴露度和脆弱性的“H-E-V”災(zāi)害風(fēng)險(xiǎn)評(píng)估框架［16］。本研究根據(jù)IPCC報(bào)告提出的風(fēng)險(xiǎn)表達(dá)建立極端高溫事件災(zāi)害風(fēng)險(xiǎn)評(píng)估框架：

式中：R為風(fēng)險(xiǎn)；NH、NE和NV分別為危險(xiǎn)性、暴露度和脆弱性指數(shù)歸一化后的數(shù)值；wNH、wNE和wNV分別為NH、NE和NV的權(quán)重；H、E和V分別為危險(xiǎn)性、暴露度和脆弱性指數(shù)；αi、βi和δi分別為第i個(gè)指標(biāo)所占的權(quán)重；Hi、Ei和Vi為各指標(biāo)歸一化后的值；j為評(píng)價(jià)指標(biāo)個(gè)數(shù)。權(quán)重由層次分析法和熵權(quán)法進(jìn)行組合確定。

1.3 指標(biāo)體系的構(gòu)建

1.3.1 致災(zāi)因子的危險(xiǎn)性

危險(xiǎn)性是指當(dāng)高溫氣象過(guò)程異常或超常變化達(dá)到某個(gè)臨界值時(shí)，給社會(huì)經(jīng)濟(jì)系統(tǒng)造成破壞的可能性和嚴(yán)重程度。危險(xiǎn)性通?；跉v史極端高溫事件發(fā)生的強(qiáng)度、頻次、持續(xù)時(shí)間等指標(biāo)進(jìn)行評(píng)估。本研究把日最高氣溫大于極端高溫閾值且持續(xù)時(shí)間在3 d及其以上的高溫事件定義為極端高溫事件。其中，考慮到中巴經(jīng)濟(jì)走廊地區(qū)氣溫地域差異較大，本研究將年均日最高氣溫小于研究區(qū)平均日最高氣溫的高寒山區(qū)剔除后，定義極端高溫閾值為1961-2015年夏季（6～8月）逐日最高氣溫升序排列的第95百分位數(shù)，強(qiáng)度為極端高溫事件的最高氣溫，持續(xù)時(shí)間為事件的歷時(shí)。

1.3.2 承災(zāi)體的暴露度

暴露度是指在極端高溫災(zāi)害下，人員、生計(jì)、環(huán)境服務(wù)和各種資源、基礎(chǔ)設(shè)施，以及經(jīng)濟(jì)、社會(huì)或文化資產(chǎn)處在有可能受到不利影響的位置。根據(jù)指標(biāo)數(shù)據(jù)的可獲得性，本研究主要選取了人口密度、耕地面積占比和不透水面積占比作為極端高溫災(zāi)害的暴露度指標(biāo)。人口是風(fēng)險(xiǎn)評(píng)估最常用的暴露度指標(biāo)，一個(gè)地區(qū)人口密度越大，暴露在極端高溫中的人口數(shù)量越多。巴基斯坦是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的重要來(lái)源，耕地是重要的承災(zāi)體暴露度指標(biāo)之一［33］；下墊面對(duì)于大氣的影響，主要體現(xiàn)在對(duì)氣溫與大氣水分的影響上，氣象條件相同時(shí)，不同類型下墊面的表面溫度差異巨大［34］，不透水表面是城市下墊面的最主要組成部分，城市不透水面積與地表氣溫之前存在正相關(guān)關(guān)系［35］，因此不透水面積也是評(píng)估極端高溫事件承災(zāi)體暴露度指標(biāo)之一。

1.3.3 承災(zāi)體的脆弱性

脆弱性表示受到極端高溫災(zāi)害影響的傾向或趨勢(shì)。為了衡量在極端高溫事件下承災(zāi)體的脆弱性，本研究主要選取了國(guó)內(nèi)生產(chǎn)總值（GDP）、脆弱性人口比重和性別比重作為極端高溫災(zāi)害的脆弱性指標(biāo)。一方面，極端高溫災(zāi)害高脆弱性地區(qū)主要分布于經(jīng)濟(jì)較差的欠發(fā)達(dá)地區(qū)，這些區(qū)域人群由于經(jīng)濟(jì)上的適應(yīng)能力較差而受到極端高溫的威脅較大［36］；另一方面，老人（65歲及以上）和小孩（15歲及以下）對(duì)極端高溫的敏感性較差，不同性別群體在一定程度上對(duì)極端高溫的適應(yīng)能力也不同，女性高溫死亡人數(shù)高于男性，因此脆弱人口比重（老人小孩占比）與性別比重（男女比例）也是高溫災(zāi)害特有的脆弱性指標(biāo)［37-38］。

1.4 確定指標(biāo)權(quán)重

（1）數(shù)據(jù)歸一化

由于各指標(biāo)之間含義和量綱各不相同，不具有可比性，為了便于進(jìn)行綜合運(yùn)算，需要對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行無(wú)量綱歸一化處理，歸一化后的數(shù)值能夠反映出各評(píng)價(jià)指標(biāo)對(duì)極端高溫災(zāi)害風(fēng)險(xiǎn)的影響大小。極端高溫事件的強(qiáng)度、頻次、持續(xù)時(shí)間，以及人口密度、耕地面積占比和不透水面積占比是正向指標(biāo)，GDP和性別比重是負(fù)向指標(biāo)。歸一化計(jì)算公式如下：

對(duì)于正向指標(biāo)：

對(duì)于負(fù)向指標(biāo)：

式中：Yij為第j個(gè)指標(biāo)的第i個(gè)值；Xi是原始值；Xmax和Xmin分別為第j項(xiàng)指標(biāo)的最大值和最小值。

（2）層次分析法

層次分析法（Analytic Hierarchy Process，AHP）是由美國(guó)運(yùn)籌學(xué)家Saaty于20世紀(jì)70年代提出的一種定量與定性相結(jié)合的多層次權(quán)重分析決策方法。層次分析法可以用來(lái)確定各指標(biāo)的主觀權(quán)重［39-41］。AHP確定評(píng)價(jià)指標(biāo)權(quán)重的步驟為：第一，構(gòu)造判斷矩陣。通過(guò)引入九分位的相對(duì)重要的比例標(biāo)度，對(duì)指標(biāo)兩兩重要性進(jìn)行比較和分析判斷矩陣用以表示同一層次各個(gè)指標(biāo)的相對(duì)重要性的判斷值，對(duì)兩兩指標(biāo)的相對(duì)重要性程度進(jìn)行量化。第二，計(jì)算各指標(biāo)主觀權(quán)重w'i。AHP方法的信息基礎(chǔ)是判斷矩陣，利用排序原理，求得矩陣排序矢量。第三，對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)。計(jì)算一致性比例RC，當(dāng)RC＜0.10時(shí)，認(rèn)為判斷矩陣的一致性是可以接受的，否則應(yīng)對(duì)判斷矩陣作適當(dāng)修正。

（3）熵權(quán)法

在多指標(biāo)綜合評(píng)價(jià)中，熵權(quán)法可以客觀的反映各評(píng)價(jià)指標(biāo)的權(quán)重［42］。一個(gè)系統(tǒng)的有序程度越高，則熵值越大，權(quán)重越??；反之則熵值越小，權(quán)重越大。對(duì)于一個(gè)評(píng)價(jià)指標(biāo)，指標(biāo)值之間的差距越大，則該指標(biāo)在綜合評(píng)價(jià)中所起的作用越大；如果某項(xiàng)指標(biāo)的指標(biāo)值全部相等，則該指標(biāo)在綜合評(píng)價(jià)中不起作用。因此，參與計(jì)算的每個(gè)指標(biāo)值序列必須是完整的，如果某個(gè)指標(biāo)值序列缺失值太多，就有可能會(huì)導(dǎo)致權(quán)重分配過(guò)大［43］。具體計(jì)算可由以下公式實(shí)現(xiàn)：

假設(shè)研究區(qū)像元數(shù)為n，采用的指標(biāo)個(gè)數(shù)為m，則指標(biāo)矩陣為：RE=(rij)m×n。第i個(gè)指標(biāo)的熵定義為：

式中：Si為第i個(gè)指標(biāo)的熵；n為像元的個(gè)數(shù)；j為評(píng)價(jià)對(duì)象；當(dāng)fij=0時(shí)，令fijlnfij=0；fij定義為：

式中：Zij指第i個(gè)指標(biāo)下第j個(gè)評(píng)價(jià)對(duì)象的歸一化后的指標(biāo)值。

第i個(gè)指標(biāo)的熵權(quán)定義為：

（4）組合權(quán)重

根據(jù)以上方法分別得出主觀權(quán)重和客觀權(quán)重后，本研究引入距離函數(shù)并采用線性組合法得出極端高溫災(zāi)害風(fēng)險(xiǎn)評(píng)估中的組合權(quán)重［44］。確定組合權(quán)重的表達(dá)式為：

式中：wi為組合權(quán)重為AHP法得到的第i個(gè)指標(biāo)的主觀權(quán)重為熵權(quán)法得到的第i個(gè)指標(biāo)的客觀權(quán)重；a、b是權(quán)重的分配系數(shù)，a+b=1。

主觀權(quán)重與客觀權(quán)重的距離函數(shù)表達(dá)式為：

a與b的差值是分配系數(shù)間的差異：

構(gòu)造方程組如下：

通過(guò)求解方程組可以得到各權(quán)重的分配系數(shù)的a和b，將分配系數(shù)代入式（10）得出組合權(quán)重，見表1。

表1 極端高溫事件風(fēng)險(xiǎn)指標(biāo)權(quán)重Table 1 Weight of risk index of extreme high temperature events

1.5 高溫風(fēng)險(xiǎn)等級(jí)劃分

為了明確中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件風(fēng)險(xiǎn)評(píng)估體系中各指標(biāo)等級(jí)特征，采用標(biāo)準(zhǔn)差分級(jí)法對(duì)極端高溫事件危險(xiǎn)性、承災(zāi)體暴露度、脆弱性和極端高溫事件風(fēng)險(xiǎn)指數(shù)進(jìn)行分級(jí)，對(duì)應(yīng)分級(jí)標(biāo)準(zhǔn)見表2。

表2 極端高溫事件風(fēng)險(xiǎn)評(píng)估分級(jí)標(biāo)準(zhǔn)Table 2 Classification criteria for risk assessment of extreme high temperature events

2 結(jié)果

2.1 致災(zāi)因子的危險(xiǎn)性

危險(xiǎn)性指標(biāo)包括極端高溫事件的強(qiáng)度（圖1（a））、頻次（圖1（b））和持續(xù)時(shí)間（圖1（c））。其中，中巴經(jīng)濟(jì)走廊超過(guò)70%的地區(qū)極端高溫事件強(qiáng)度均在40℃以上，極端高溫事件強(qiáng)度高的地區(qū)主要為信德省和旁遮普省，最高強(qiáng)度達(dá)到50℃；極端高溫事件發(fā)生頻次高的地區(qū)主要為俾路支省和信德省；持續(xù)4 d以上的極端高溫事件主要為伊斯蘭堡、俾路支省、旁遮普省和信德省，信德省有10%的地區(qū)極端高溫事件持續(xù)時(shí)間超過(guò)6 d。綜合極端高溫事件發(fā)生的強(qiáng)度、頻次和持續(xù)時(shí)間，得到致災(zāi)因子的危險(xiǎn)性如圖1（d）所示，中巴經(jīng)濟(jì)走廊高（較高）危險(xiǎn)性地區(qū)主要分布在俾路支省、旁遮普省和信德省，約占研究區(qū)總面積的26.07%，信德省大約60%的地區(qū)屬于高危險(xiǎn)性。伊斯蘭堡和中國(guó)喀什地區(qū)均屬于低危險(xiǎn)性地區(qū)。

圖1 中巴經(jīng)濟(jì)走廊極端高溫事件危險(xiǎn)性指數(shù)面積占比Fig.1 Percentage of area with different hazard classification in the major administrative units of the CPEC

2.2 承災(zāi)體的暴露度

暴露度指標(biāo)主要包括人口密度（圖2（a））、耕地面積占比（圖2（b））和不透水面積占比（圖2（c））。其中，人口密度較高的地區(qū)主要集中在伊斯蘭堡、開伯爾-普什圖赫瓦省、旁遮普省和信德??；耕地面積占比較高的地區(qū)主要集中在旁遮普省和信德?。徊煌杆娣e占比較高的地區(qū)主要集中在伊斯蘭堡、開伯爾-普什圖赫瓦省、旁遮普省、信德省和中國(guó)喀什地區(qū)。從承災(zāi)體暴露度（圖2（d））可以看出，伊斯蘭堡、旁遮普省和信德省等地區(qū)屬于高（較高）暴露水平地區(qū)，約占研究區(qū)總面積的17.74%。

圖2 中巴經(jīng)濟(jì)走廊極端高溫事件暴露度指數(shù)面積占比Fig.2 Percentage of area with different exposure classification in the major administrative units of the CPEC

2.3 承災(zāi)體的脆弱性

脆弱性指標(biāo)主要包括國(guó)內(nèi)生產(chǎn)總值（GDP）、脆弱人口比重和性別比重。其中GDP較高的地區(qū)主要為旁遮普省和信德?。▓D3（a））；脆弱人口比重主要在0.3～0.5之間，比重最高（＞0.5）的地區(qū)主要分布在信德省（圖3（b））；中巴經(jīng)濟(jì)走廊絕大部分地區(qū)男女性別比重主要集中在0.8～1.2之間，比重最高（＞1.5）的地區(qū)主要分布在俾路支省（圖3（c））。從脆弱性（圖3（d））可以看出，中巴經(jīng)濟(jì)走廊大約80%的地區(qū)屬于中高脆弱性地區(qū)，脆弱性高（較高）的地區(qū)主要分布在俾路支省、信德省、開伯爾-普什圖赫瓦省和中國(guó)喀什地區(qū)，占研究區(qū)總面積的36.65%。

圖3 中巴經(jīng)濟(jì)走廊極端高溫事件脆弱性指數(shù)面積占比Fig.3 Percentage of area with different vulnerability classification in the major administrative units of the CPEC

2.4 極端高溫事件風(fēng)險(xiǎn)評(píng)估

將致災(zāi)因子的危險(xiǎn)性指數(shù)、承災(zāi)體的暴露度指數(shù)和脆弱性指數(shù)歸一化后通過(guò)風(fēng)險(xiǎn)評(píng)估模型（式（1））計(jì)算得到極端高溫事件風(fēng)險(xiǎn)指數(shù)，然后采用標(biāo)準(zhǔn)差法進(jìn)行風(fēng)險(xiǎn)分級(jí)并得出極端高溫事件風(fēng)險(xiǎn)（圖4）。中巴經(jīng)濟(jì)走廊地區(qū)高（較高）風(fēng)險(xiǎn)區(qū)主要分布在伊斯蘭堡、旁遮普省和信德省，占研究區(qū)總面積的17.82%；中風(fēng)險(xiǎn)區(qū)主要分布在旁遮普省和信德省，占研究區(qū)總面積的12%；低（較低）風(fēng)險(xiǎn)區(qū)域占比最大（70.18%），主要分布在開伯爾-普什圖赫瓦省、俾路支省和中國(guó)喀什地區(qū)。

圖4 中巴經(jīng)濟(jì)走廊極端高溫事件不同風(fēng)險(xiǎn)區(qū)面積占比Fig.4 Percentage of area with different risk classification in the major administrative units of the CPEC

此外，研究區(qū)中等級(jí)及其以上風(fēng)險(xiǎn)面積占比超過(guò)50%的地區(qū)主要為旁遮普?。?2.17%）、信德?。?2.94%）和伊斯蘭堡，其中伊斯蘭堡全部屬于中高風(fēng)險(xiǎn)區(qū)，無(wú)低風(fēng)險(xiǎn)地區(qū)；旁遮普省高風(fēng)險(xiǎn)區(qū)面積占比不高（6.15%），大部分地區(qū)屬于中等及較高風(fēng)險(xiǎn)區(qū)（67.31%）；信德省為高風(fēng)險(xiǎn)區(qū)面積占比最高的地區(qū)，約占全省總面積的16.18%。中國(guó)喀什地區(qū)均屬于低風(fēng)險(xiǎn)區(qū)，同樣低（較低）風(fēng)險(xiǎn)區(qū)面積占比較高的還有俾路支省，約占全省總面積的95.67%。開伯爾-普什圖赫瓦省主要為低（較低）風(fēng)險(xiǎn)區(qū)，約占全省總面積的75%。

本研究收集并統(tǒng)計(jì)了2000-2015年中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件的發(fā)生地點(diǎn)、頻次及影響范圍。該時(shí)間段內(nèi)極端高溫事件主要發(fā)生在旁遮普省和信德省，均屬于本研究所劃分出的高風(fēng)險(xiǎn)區(qū)，與本研究結(jié)果一致。其中極端高溫事件發(fā)生次數(shù)最高的地區(qū)為地處旁遮普省的阿塔克和拉瓦爾品第（30次），巴哈瓦爾納加和巴哈瓦爾布爾兩地區(qū)發(fā)生次數(shù)同樣較高分別為28次和25次。由此可見，基于歷史發(fā)生的極端高溫事件與本研究結(jié)果均表明中巴經(jīng)濟(jì)走廊地區(qū)旁遮普省是發(fā)生極端高溫事件風(fēng)險(xiǎn)最大、頻次最高的地區(qū)。對(duì)于2015年6月18日至24日發(fā)生在巴基斯坦信德省卡拉奇地區(qū)的極端高溫事件，日最高氣溫達(dá)45℃，造成1 229人死亡，該地區(qū)屬于高風(fēng)險(xiǎn)區(qū)。因此，通過(guò)本研究的評(píng)估結(jié)果與歷史極端高溫事件記錄進(jìn)行比較，證實(shí)了本文的方法和結(jié)果基本可信。

3 結(jié)論與討論

3.1 結(jié)論

本文基于中巴經(jīng)濟(jì)走廊地區(qū)1961-2015年逐日最高氣溫、人口經(jīng)濟(jì)、耕地、不透水面和災(zāi)害損失數(shù)據(jù)，采用基于致災(zāi)因子危險(xiǎn)性、承災(zāi)體的暴露度與脆弱性的“H-E-V”災(zāi)害風(fēng)險(xiǎn)評(píng)估框架對(duì)研究區(qū)極端高溫事件進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到以下結(jié)論：

（1）中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件風(fēng)險(xiǎn)分布具有明顯的空間差異，高（較高）風(fēng)險(xiǎn)地區(qū)主要分布在旁遮普省與信德??；研究區(qū)絕大部分地區(qū)屬于低（較低）風(fēng)險(xiǎn)地區(qū)。

（2）中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件高風(fēng)險(xiǎn)地區(qū)面積占比最大的行政單元為信德省，低風(fēng)險(xiǎn)地區(qū)面積占比最大的行政單元為中國(guó)喀什地區(qū)且全部屬于低風(fēng)險(xiǎn)區(qū)。

（3）歷史極端高溫事件與本研究的評(píng)估結(jié)果基本一致，本研究使用的方法和研究結(jié)果具有一定的可靠性，可為中巴經(jīng)濟(jì)走廊地區(qū)減緩極端高溫事件災(zāi)害風(fēng)險(xiǎn)提供科學(xué)依據(jù)。

3.2 討論

由于缺乏中巴經(jīng)濟(jì)走廊地區(qū)高分辨率、長(zhǎng)時(shí)間序列的氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)及災(zāi)損數(shù)據(jù)［38］，有關(guān)該地區(qū)極端高溫事件風(fēng)險(xiǎn)評(píng)估的研究相對(duì)較少。本研究在風(fēng)險(xiǎn)評(píng)估結(jié)果與歷史時(shí)期發(fā)生的極端高溫事件表明本研究的方法與結(jié)果具有一定的可靠性。然而，本研究仍存在一定的局限性：

（1）對(duì)于極端高溫事件危險(xiǎn)性研究方面，閾值的界定一直是研究極端高溫事件的重要因素且國(guó)內(nèi)外并沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)［45］，不同方法界定閾值得到的結(jié)果也不盡相同。中巴經(jīng)濟(jì)走廊地區(qū)氣候類型多樣且不同地區(qū)氣溫差異顯著［46］，本文主要參考國(guó)內(nèi)外標(biāo)準(zhǔn)去界定極端高溫閾值并識(shí)別極端高溫事件，因此，對(duì)于該地區(qū)極端高溫閾值的界定及危險(xiǎn)性可以進(jìn)一步深入研究。

（2）對(duì)于暴露度與脆弱性指標(biāo)選取方面，目前在風(fēng)險(xiǎn)評(píng)估研究領(lǐng)域并沒(méi)有統(tǒng)一的指標(biāo)體系［47］，本研究主要考慮到該地區(qū)數(shù)據(jù)的可獲得性（比如醫(yī)療衛(wèi)生、居民水電等指標(biāo)難以獲?。┮约案髦笜?biāo)數(shù)據(jù)與極端高溫事件的關(guān)系來(lái)選取指標(biāo)。因此，本研究對(duì)于暴露度與脆弱性指標(biāo)選取這一方面仍有改進(jìn)空間，未來(lái)獲取到更多承災(zāi)體數(shù)據(jù)后可以進(jìn)一步評(píng)估、對(duì)比和參考。

（3）對(duì)于極端高溫事件風(fēng)險(xiǎn)評(píng)估方面，未來(lái)可以基于CMIP6氣候模式數(shù)據(jù)結(jié)合共享社會(huì)經(jīng)濟(jì)路徑下的人口和GDP等數(shù)據(jù)進(jìn)行中巴經(jīng)濟(jì)走廊地區(qū)極端高溫事件風(fēng)險(xiǎn)預(yù)估。