內(nèi)蒙古主要?dú)庀鬄?zāi)害預(yù)警信息發(fā)布時(shí)效性評(píng)估模型研究

張立莉，呂明輝，隋劍利，張曉美

（1.內(nèi)蒙古自治區(qū)氣象服務(wù)中心，呼和浩特 010051；2.中國(guó)氣象局公共氣象服務(wù)中心，北京 100081）

近年來，氣候變化導(dǎo)致極端災(zāi)害性天氣、氣候事件頻發(fā)，世界氣象組織的統(tǒng)計(jì)數(shù)據(jù)表明，中國(guó)是世界上氣象災(zāi)害最為嚴(yán)重的國(guó)家之一，氣象災(zāi)害損失占所有自然災(zāi)害損失的70%以上[1-2]。內(nèi)蒙古自治區(qū)橫跨中國(guó)東北、華北、西北三大地區(qū)，接鄰八個(gè)省區(qū)，氣候變化多樣，全區(qū)除常年干旱外，雨澇、白災(zāi)、冰雹、風(fēng)災(zāi)和霜凍等氣象災(zāi)害也頻頻發(fā)生，在災(zāi)害發(fā)生前或者發(fā)生的第一時(shí)間將氣象災(zāi)害預(yù)警信息傳遞到受災(zāi)群眾或相關(guān)決策部門的手中，是防災(zāi)減災(zāi)工作的重要環(huán)節(jié)[3]。氣象災(zāi)害預(yù)警信息是用在氣象災(zāi)害發(fā)生之前警示信息，一般有較長(zhǎng)時(shí)間的提前量，向相關(guān)部門、公眾發(fā)出緊急信號(hào)，報(bào)告危險(xiǎn)情況，能夠?yàn)槭芫咛峁┳銐驎r(shí)間，為即將到來的災(zāi)害做出適當(dāng)?shù)臏?zhǔn)備，從而最大程度地減輕災(zāi)害所造成的損失的行為。如何有效防范和應(yīng)對(duì)災(zāi)害性天氣事件，加強(qiáng)應(yīng)急管理，最大限度地降低災(zāi)害性天氣對(duì)人類社會(huì)的影響，對(duì)于開展氣象災(zāi)害應(yīng)急措施、防災(zāi)減災(zāi)政策制定、預(yù)警信息發(fā)布的有效性和效果評(píng)估等都具有重要意義。本文探索內(nèi)蒙古自治區(qū)氣象災(zāi)害種類及影響過程，選取2021 年內(nèi)蒙古氣象災(zāi)害預(yù)警信息發(fā)布數(shù)據(jù)，與氣象災(zāi)害進(jìn)行對(duì)比分析，通過對(duì)預(yù)警信息發(fā)布初步分析，摸清內(nèi)蒙古主要?dú)庀鬄?zāi)害在2021 年的發(fā)展變化及其分布情況、利用天氣過程來解析預(yù)警信息發(fā)布有效性和時(shí)效性，評(píng)估預(yù)警信息發(fā)布情況，從而完善預(yù)警信息發(fā)布策略及規(guī)范，以便更加快速將預(yù)警信息送達(dá)到受災(zāi)群眾、應(yīng)急責(zé)任人及相關(guān)決策部門，提供參考依據(jù)。

氣象災(zāi)害預(yù)警信息發(fā)布時(shí)效性評(píng)估研究涉及不同群體和不同渠道，存在多影響因素和不易度量性，是一個(gè)較為復(fù)雜的研究問題。目前國(guó)內(nèi)對(duì)氣象預(yù)警信息時(shí)效性評(píng)估的研究尚處于起步階段，部分研究嘗試主要集中在氣象災(zāi)害預(yù)警服務(wù)時(shí)效性、預(yù)警信號(hào)質(zhì)量評(píng)估等方面。如鄧玲等[4]對(duì)暴雨災(zāi)害氣象防災(zāi)減災(zāi)服務(wù)效益評(píng)估指標(biāo)體系研究中，針對(duì)預(yù)報(bào)時(shí)效性（72 h）設(shè)計(jì)了評(píng)分規(guī)則；孟茹等[5]對(duì)漢中市地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警服務(wù)效益評(píng)估方法研究中，設(shè)計(jì)預(yù)警服務(wù)時(shí)效階梯性規(guī)則。陸小玉等[6]對(duì)近年廣西氣象災(zāi)害預(yù)警信號(hào)質(zhì)量評(píng)估研究中，通過預(yù)警信號(hào)準(zhǔn)確預(yù)警的時(shí)間提前量、預(yù)警信號(hào)預(yù)警的時(shí)間提前量、預(yù)警信號(hào)有效預(yù)警的時(shí)間提前量等因子對(duì)預(yù)警信號(hào)時(shí)效性評(píng)估。徐靜等[7]在基于線索特征的Web信息時(shí)效性評(píng)價(jià)方法，提出時(shí)效性所包含的發(fā)布及時(shí)性和內(nèi)容新鮮性2 個(gè)方面來對(duì)Web 信息時(shí)效性進(jìn)行合理的評(píng)價(jià)。安磊等[8]在信息鏈時(shí)效性評(píng)估的馬爾科夫模型研究中，采用概率法詳細(xì)分析給出了信息準(zhǔn)確性、時(shí)間性的數(shù)學(xué)表達(dá)式。劉銀煥等[9]、陸小玉等[6]從TS 評(píng)分、空?qǐng)?bào)率等指標(biāo)檢驗(yàn)預(yù)警信號(hào)質(zhì)量，利用預(yù)警信號(hào)準(zhǔn)確預(yù)警的時(shí)間提前量T1、預(yù)警的時(shí)間提前量T2 和有效預(yù)警的時(shí)間提前量T3 評(píng)估預(yù)警信號(hào)時(shí)效性。

以上幾種研究初步分析時(shí)效性評(píng)估方法主要研究預(yù)報(bào)時(shí)效性評(píng)分規(guī)則、預(yù)警信號(hào)時(shí)間提前量，針對(duì)預(yù)警信息發(fā)布渠道、手段的時(shí)效性評(píng)估探索幾乎為零。本文研究的重點(diǎn)是研究時(shí)效性實(shí)際值與期望值之間的對(duì)比研究，通過相對(duì)尺度計(jì)算建模，通過模型中的指標(biāo)因子算式定量分析各個(gè)發(fā)布渠道、手段的時(shí)效性。

1 內(nèi)蒙古自治區(qū)氣象災(zāi)害主要類型預(yù)警發(fā)布標(biāo)準(zhǔn)

近幾十年以來，內(nèi)蒙主要古氣象災(zāi)害包括干旱災(zāi)害、風(fēng)災(zāi)、沙塵暴、冰雹、暴雨洪澇、雪災(zāi)和低溫冷害，均對(duì)全區(qū)造成不同程度的影響（見表1）。

2 2021 年內(nèi)蒙古氣象災(zāi)害預(yù)警信息發(fā)布情況

氣象災(zāi)害預(yù)警信息（以下簡(jiǎn)稱預(yù)警信息）中的預(yù)警級(jí)別總體上分為紅色、橙色、黃色和藍(lán)色4 個(gè)等級(jí)，分別映射為特別嚴(yán)重、嚴(yán)重、較重和一般。選取內(nèi)蒙古2021 年氣象災(zāi)害預(yù)警信息發(fā)布數(shù)據(jù)，采用統(tǒng)計(jì)分析法，對(duì)內(nèi)蒙古氣象災(zāi)害預(yù)警的時(shí)空分布特征進(jìn)行了初步分析，結(jié)果顯示：2021 年全區(qū)通過內(nèi)蒙古自治區(qū)突發(fā)事件預(yù)警信息發(fā)布平臺(tái)發(fā)布預(yù)警信息為15 641 條，較過去一年（2020 年）發(fā)布量（12 555 條）增加24.58%，其中省級(jí)發(fā)布預(yù)警信息307 條，市級(jí)發(fā)布預(yù)警信息2 101 條，縣級(jí)發(fā)布預(yù)警信息13 233 條。預(yù)警信息發(fā)布數(shù)量由高到低順序依次為大風(fēng)、雷電、道路結(jié)冰、寒潮、暴雨、大霧、冰雹、沙塵暴、暴雪、霜凍、高溫、山洪災(zāi)害、中小河流洪水氣象風(fēng)險(xiǎn)。

從時(shí)間分布看（圖1），全年中7 月為預(yù)警信息高峰期，共發(fā)布2 705 次，發(fā)送數(shù)量幾乎為其他月份的2 倍。11 月份預(yù)警信息發(fā)布數(shù)量次之。大風(fēng)、雷電、道路結(jié)冰、寒潮預(yù)警信息發(fā)布占總次數(shù)的81.3%，其中大風(fēng)預(yù)警發(fā)布次數(shù)最多，占總次數(shù)的32.33%。大風(fēng)、大霧預(yù)警信息一年四季均有發(fā)布；雷電預(yù)警信息發(fā)布集中在4—9 月；暴雨預(yù)警信息發(fā)布集中在6—9 月；高溫預(yù)警信息發(fā)布集中在6—8 月；冰雹預(yù)警信息發(fā)布集中在5—9 月；山洪災(zāi)害預(yù)警信息集中在6—9 月；中小河流洪水氣象風(fēng)險(xiǎn)預(yù)警信息集中在7 月；道路結(jié)冰預(yù)警信息發(fā)布集中在1—4 月和11—12 月息；寒潮預(yù)警信息發(fā)布集中在1—5 月和10—12 月；沙塵暴預(yù)警信息發(fā)布集中在1—5 月；暴雪預(yù)警信息發(fā)布集中在1—4 月和10—12 月，其中11 發(fā)布最多；霜凍預(yù)警信息發(fā)布集中在4—5 月和9—10 月。

從預(yù)警信息發(fā)布級(jí)別分布上看（表2），通遼市和阿拉善盟發(fā)布紅色（特別嚴(yán)重）預(yù)警信息數(shù)量最多；通遼市和赤峰市橙色（嚴(yán)重）預(yù)警信息數(shù)量最多；通遼市和赤峰市發(fā)布的紅色、橙色預(yù)警信息占比達(dá)到38.12%。

表2 2021 年全區(qū)預(yù)警信息發(fā)布情況

3 天氣過程預(yù)警檢驗(yàn)

分析2021 年內(nèi)蒙古自治區(qū)全區(qū)預(yù)警信號(hào)發(fā)布情況得出，受氣象原因?qū)е碌闹饕獮?zāi)害出現(xiàn)在5 個(gè)時(shí)段：年初的區(qū)域性降溫過程，多地出現(xiàn)極端低溫天氣；春季沙塵天氣頻發(fā)；春秋季發(fā)生霜凍災(zāi)害；汛期暴雨、雷暴、冰雹災(zāi)害嚴(yán)重，7 月出現(xiàn)區(qū)域性極端高溫天氣過程；秋末冬初出現(xiàn)強(qiáng)雨雪寒潮天氣，東部地區(qū)個(gè)別地區(qū)出現(xiàn)極端降雪、暴雪多災(zāi)并發(fā)。2021 年氣象災(zāi)害造成內(nèi)蒙古全區(qū)均有經(jīng)濟(jì)損失，其中呼倫貝爾市東部、錫林郭勒盟、興安盟、通遼中南部、赤峰大部、巴彥淖爾市東南部、鄂爾多斯市西部災(zāi)害尤為嚴(yán)重（見表3）。

表3 2021 年重大災(zāi)害性天氣過程氣象災(zāi)害預(yù)警發(fā)布的檢驗(yàn)

春季沙塵暴預(yù)警集中發(fā)布在3—5 月，共發(fā)布沙塵暴預(yù)警信號(hào)356 次，全區(qū)所有盟市均有發(fā)布。3 月14—15 日的沙塵過程全區(qū)所有盟市均受影響，這兩天全區(qū)發(fā)布沙塵暴預(yù)警信號(hào)高達(dá)89 次。影響范圍來看，9 個(gè)盟市共51 個(gè)市、旗縣發(fā)布了沙塵暴預(yù)警信號(hào)，其中巴彥淖爾市發(fā)布沙塵暴預(yù)警信號(hào)15 次。此次沙塵暴過程主要影響錫林郭勒盟西南部及以西大部地區(qū)，赤峰市松山區(qū)崗子和巴彥淖爾市杭錦后旗達(dá)到特強(qiáng)沙塵暴等級(jí)，巴彥淖爾市烏拉特前旗、五原縣、烏拉特中旗等地設(shè)施農(nóng)業(yè)受損。

汛期中東部各流域降水量偏多，呈現(xiàn)出極端性。7月17—20 日期間，全區(qū)共發(fā)布暴雨雷電冰雹預(yù)警信號(hào)262 次，75 個(gè)盟市、旗縣氣象臺(tái)發(fā)布預(yù)警信號(hào)，由預(yù)警信號(hào)影響范圍來看，發(fā)布影響全區(qū)12 個(gè)盟市。由預(yù)警暴雨過程來看，暴雨預(yù)警信號(hào)發(fā)布61 次，其中紅、橙、黃色暴雨預(yù)警信號(hào)發(fā)布46 次，單次過程中最多有29個(gè)盟市、旗縣臺(tái)站出現(xiàn)暴雨預(yù)警，其中呼倫貝爾市莫力達(dá)瓦旗氣象臺(tái)發(fā)布1 次橙色暴雨預(yù)警信號(hào)和6 次黃色暴雨預(yù)警信號(hào)。此次暴雨過程期間，呼倫貝爾市莫力達(dá)瓦旗遭受強(qiáng)降雨襲擊，造成部分農(nóng)作物受災(zāi)，11 月出現(xiàn)強(qiáng)寒潮過程，其影響范圍大、強(qiáng)度強(qiáng)，伴隨寒潮過程產(chǎn)生了大范圍的雨雪天氣。11 月6—9 日全區(qū)共發(fā)布暴雪預(yù)警信號(hào)202 次，紅色暴雪預(yù)警信號(hào)32 次。影響范圍來看11 個(gè)盟市共74 個(gè)市、旗縣發(fā)布了暴雪預(yù)警信號(hào)，其中通遼市發(fā)布暴雪預(yù)警信號(hào)76 次、赤峰市發(fā)布暴雪預(yù)警信號(hào)44 次、錫林郭勒盟發(fā)布暴雪預(yù)警信號(hào)20 次、興安盟發(fā)布暴雪預(yù)警信號(hào)8 次。由實(shí)況顯示興安盟、通遼市、赤峰市、錫林郭勒盟、烏蘭察布市、呼和浩特市、包頭市、鄂爾多斯市、阿拉善盟9 個(gè)盟市共計(jì)37 站出現(xiàn)極端降雪事件。受災(zāi)地區(qū)主要為通遼市、赤峰市、錫林郭勒盟和興安盟，其中通遼市受災(zāi)最重。

中小尺度的強(qiáng)對(duì)流天氣多發(fā)重發(fā)，尤其短時(shí)強(qiáng)降水、局地短時(shí)暴雨、暴雪近年來呈不斷增加的趨勢(shì)，降水呈現(xiàn)雨強(qiáng)大、時(shí)效短、頻次高等特點(diǎn)，冰雹疊加降水過程增多。氣象災(zāi)害的突發(fā)性、極端性、不可預(yù)見性隨之增大，其中短時(shí)效強(qiáng)降水的致災(zāi)性，暴雨洪澇災(zāi)害造成的死亡人口最多。經(jīng)過校驗(yàn)分析，本年度全區(qū)預(yù)警信息發(fā)布與氣象災(zāi)害發(fā)生地區(qū)的時(shí)空分布基本吻合，證明預(yù)警信息發(fā)布有效性。本文中預(yù)警信息發(fā)布時(shí)效性是衡量氣象災(zāi)害預(yù)警發(fā)布能力重要指標(biāo)因子。

4 氣象災(zāi)害預(yù)警信息發(fā)布時(shí)效性評(píng)估模型研究

預(yù)警信息發(fā)布通常是以行政區(qū)域?yàn)閱卧?，因此從方便管理的角度出發(fā)，通常會(huì)認(rèn)為若信息發(fā)布的范圍大于等于氣象災(zāi)害發(fā)生地區(qū)則視為有效。某次天氣過程中發(fā)布了氣象災(zāi)害預(yù)警信息的地區(qū)實(shí)況也出現(xiàn)了相應(yīng)的氣象災(zāi)害，相關(guān)政府部門和公眾及時(shí)收到預(yù)警后，采取了相應(yīng)的避災(zāi)救災(zāi)措施等，避免了人員和財(cái)產(chǎn)損失，此次的預(yù)警服務(wù)形成一個(gè)完整的服務(wù)流程。本文以國(guó)家突發(fā)事件預(yù)警發(fā)布系統(tǒng)——內(nèi)蒙古平臺(tái)為例，選取該流程中一個(gè)重要環(huán)節(jié)就是預(yù)警信息發(fā)布的時(shí)效性，建立評(píng)估指標(biāo)和計(jì)算方法，并以內(nèi)蒙古2021 年7月17—20 日的暴雨天氣過程作為實(shí)例進(jìn)行應(yīng)用，以期實(shí)現(xiàn)對(duì)單次天氣過程的氣象災(zāi)害預(yù)警信息發(fā)布的時(shí)效性進(jìn)行定量化評(píng)估。

4.1 預(yù)警信息發(fā)布的時(shí)效性

目前內(nèi)蒙古自治區(qū)氣象局通過國(guó)家突發(fā)事件預(yù)警發(fā)布系統(tǒng)——內(nèi)蒙古平臺(tái)第一時(shí)間向公眾權(quán)威發(fā)布預(yù)警信息，發(fā)布手段、渠道在傳統(tǒng)的電視、廣播等預(yù)警信息傳播渠道的基礎(chǔ)上，增加了12379 氣象預(yù)警短信、戶外電子顯示屏、應(yīng)急廣播“村村響”大喇叭、微博、微信、抖音等新媒體多渠道，將災(zāi)害預(yù)警信息發(fā)送到戶到人，顯著提高氣象災(zāi)害預(yù)警信息發(fā)布的時(shí)效性[10-11]。鑒于影響預(yù)警信息發(fā)布時(shí)效性的因子眾多，如人為因子、發(fā)布系統(tǒng)故障、傳輸鏈路中斷、接收終端故障和數(shù)據(jù)包丟包等不可抗因子，存在著不定性。因此在評(píng)估預(yù)警信息發(fā)布時(shí)效性時(shí)，重點(diǎn)考慮發(fā)布渠道因素，根據(jù)不同的發(fā)布渠道研判定量分析，定量評(píng)估預(yù)警信息發(fā)布傳播效果，計(jì)算預(yù)警信息的時(shí)效性。

本模型是通過反復(fù)演練推敲出的新數(shù)學(xué)模型評(píng)估方法，是通過判斷此預(yù)警信息的發(fā)送時(shí)間距離預(yù)警時(shí)間尺度的時(shí)間長(zhǎng)度提前、滯后百分比，即某種預(yù)警信息發(fā)布在某一范圍內(nèi)、某一時(shí)間段、某一人群、某一發(fā)布手段或渠道下的可達(dá)率，來評(píng)估預(yù)警信息發(fā)布的時(shí)效性。預(yù)警時(shí)間尺度為實(shí)現(xiàn)預(yù)警信息多長(zhǎng)時(shí)間內(nèi)發(fā)布的時(shí)間尺度標(biāo)準(zhǔn)?！秲?nèi)蒙古自治區(qū)氣象災(zāi)害預(yù)警信號(hào)發(fā)布與傳播辦法》[12]規(guī)定不同發(fā)布渠道預(yù)警時(shí)間尺度內(nèi)向預(yù)警區(qū)域內(nèi)的用戶傳播時(shí)效。預(yù)警信息發(fā)布時(shí)效性評(píng)價(jià)指標(biāo)為渠道跟蹤反饋信息，包含發(fā)送時(shí)間、接收時(shí)間、預(yù)警時(shí)間尺度等。因此，可以建立以下預(yù)警信息發(fā)布傳播時(shí)效性模型關(guān)系式

式中：S 為某段時(shí)間預(yù)警的發(fā)布時(shí)效性，n 為渠道終端數(shù)，T 為預(yù)警時(shí)間尺度，t0為預(yù)警信息的發(fā)送時(shí)間，ti為預(yù)警信息的到達(dá)時(shí)間。若預(yù)警信息發(fā)送包因不可抗力丟包則為無效數(shù)據(jù)可忽略不計(jì)。

設(shè)所選的發(fā)布渠道為手機(jī)短信，發(fā)布時(shí)效性定量分析通過式（1）來評(píng)估，隨著國(guó)家突發(fā)事件預(yù)警信息發(fā)布能力提升工程的建設(shè)，對(duì)預(yù)警信息發(fā)布提出更高要求，提出實(shí)現(xiàn)常規(guī)預(yù)警信息3 min 內(nèi)發(fā)布的時(shí)間尺度指標(biāo)，因此T 預(yù)警時(shí)間尺度在這里為3 min。某一個(gè)天氣過程在某一范圍內(nèi)面對(duì)某一群組評(píng)估某次天氣過程從預(yù)警信息發(fā)送時(shí)間到手機(jī)號(hào)碼接收時(shí)間與預(yù)計(jì)時(shí)間尺度差值，其他發(fā)布渠道或手段運(yùn)算可類同。

4.2 時(shí)效性評(píng)估分析實(shí)例

通過國(guó)家突發(fā)事件預(yù)警信息發(fā)布系統(tǒng)——內(nèi)蒙古平臺(tái)獲取了2021 年7 月17—20 日的暴雨天氣過程暴雨預(yù)警發(fā)布渠道——手機(jī)短信用戶送達(dá)數(shù)據(jù)集分析時(shí)效性。此次過程共發(fā)送全區(qū)應(yīng)急責(zé)任人手機(jī)號(hào)碼32 250 個(gè)，經(jīng)過對(duì)手機(jī)號(hào)碼的初步篩選有18 539 個(gè)號(hào)碼未收到回執(zhí)信息，因此針對(duì)13 711 個(gè)用戶進(jìn)行分析。對(duì)13 711 個(gè)用戶的發(fā)送時(shí)間和回執(zhí)時(shí)間數(shù)據(jù)清洗、對(duì)比分析糾錯(cuò)，發(fā)現(xiàn)有5 386 個(gè)用戶為無效用戶（因系統(tǒng)對(duì)接原因?qū)е露绦呕貓?zhí)時(shí)間早于發(fā)送時(shí)間），8 325 個(gè)用戶為有效數(shù)據(jù)。將渠道終端有效數(shù)據(jù)代入式（1）得出S=123.1%，與希望實(shí)現(xiàn)常規(guī)預(yù)警信息平均的3 min 時(shí)效性滯后23.1%，即8 325 個(gè)用戶送達(dá)時(shí)間與這些用戶常規(guī)預(yù)警信息平均的3 min 時(shí)間長(zhǎng)短進(jìn)行比較的結(jié)果滯后346 608 s 的時(shí)間送達(dá)，即通過12379 短信渠道發(fā)布預(yù)警信息平均3 min41.63 s 發(fā)送到達(dá)應(yīng)急責(zé)任人手機(jī)上，預(yù)警信息手機(jī)短信發(fā)布時(shí)效性比預(yù)期3 min 滯后41.63 s。從8 325 個(gè)用戶為有效數(shù)據(jù)分析有512 個(gè)用戶3 min 后接收到占有效用戶的6.2%，發(fā)現(xiàn)用戶數(shù)雖然少，但是都滯后幾個(gè)小時(shí)，最終導(dǎo)致預(yù)警信息手機(jī)短信發(fā)布時(shí)效性比預(yù)期滯后，且分析512 個(gè)用戶播發(fā)的時(shí)段顯示大部分是夜間23 時(shí)之后，因此發(fā)布預(yù)警信息策略預(yù)警事件等級(jí)、發(fā)送時(shí)段頻次等指標(biāo)應(yīng)該進(jìn)行完善和改進(jìn)。經(jīng)上述實(shí)例檢驗(yàn)式（1）概念較為明確清晰，算法簡(jiǎn)潔實(shí)用，具有較好的理論創(chuàng)新意義和示范推廣價(jià)值。隨著未來預(yù)警發(fā)布時(shí)效的研究發(fā)展，預(yù)警信息發(fā)布的時(shí)效性算法會(huì)進(jìn)一步提高，對(duì)預(yù)警信息發(fā)布策略的完善和改進(jìn)提供指導(dǎo)作用，對(duì)提高預(yù)警信息發(fā)布效率有很大的幫助。

5 結(jié)論與討論

1）通過2021 年的內(nèi)蒙古預(yù)警信息發(fā)布情況與內(nèi)蒙古氣象災(zāi)情對(duì)比分析，得出氣象災(zāi)害發(fā)生地區(qū)包含在預(yù)警信號(hào)發(fā)布地區(qū)，預(yù)警信號(hào)發(fā)布范圍要比氣象災(zāi)害發(fā)生地區(qū)范圍大。從預(yù)警信號(hào)發(fā)布次數(shù)看，發(fā)生氣象災(zāi)害的地區(qū)發(fā)布預(yù)警信號(hào)相較次數(shù)多，證明其預(yù)警信息發(fā)布的有效性。

2）預(yù)警信息的時(shí)效性是氣象災(zāi)害預(yù)警服務(wù)中信息發(fā)布的重要一環(huán)。時(shí)效性評(píng)估可以成為探尋完善和改進(jìn)適合播發(fā)的信息類型、覆蓋范圍、播發(fā)時(shí)段頻次等策略的重要依據(jù)。

3）通過時(shí)效性評(píng)估實(shí)例分析，可以實(shí)現(xiàn)對(duì)氣象災(zāi)害預(yù)警信息發(fā)布的時(shí)效性進(jìn)行評(píng)估，但在實(shí)際操作中會(huì)受到如回執(zhí)、數(shù)據(jù)丟包等問題的限制，未來鏈路傳輸技術(shù)更新后，自動(dòng)發(fā)送回執(zhí)就可以實(shí)現(xiàn)對(duì)所有渠道終端的預(yù)警信息發(fā)布時(shí)效性進(jìn)行客觀評(píng)估。

4）通過模型中的指標(biāo)因子算式定量分析各個(gè)發(fā)布渠道、手段的時(shí)效性，從而完善改進(jìn)發(fā)布策略，如12379短信在發(fā)布策略中需考慮凌晨發(fā)送的預(yù)警信息的時(shí)效性問題。未來可應(yīng)用大分?jǐn)?shù)據(jù)分析和人工智能技術(shù)對(duì)預(yù)警信息發(fā)布渠道的時(shí)效性進(jìn)行大數(shù)據(jù)量的快速評(píng)估，提高評(píng)估的可行性和精確度。