台风灾害经济损失评估研究进展
2022-05-14姜露露马仁锋袁海红
姜露露, 马仁锋, 袁海红
台风灾害经济损失评估研究进展
姜露露1,2, 马仁锋1,3,*, 袁海红1,3
1. 宁波大学地理与空间信息技术系, 宁波陆海国土空间利用与治理协同创新中心, 浙江 宁波 315211 浙江省普陀中学, 浙江 舟山 316100 3.浙江省新型重点专业智库宁波大学东海战略研究院, 浙江 宁波 315211
台风灾害对全球沿海地区社会经济系统具有重要影响, 客观地评估和预测台风灾害经济损失, 能提高区域灾前灾后决策科学性, 降低台风灾害损失。利用文献分析法梳理台风灾害经济损失评估对象, 评估视角-指标-数据源与处理, 评估方法等。研究发现: (1)直接经济损失评估对象单一, 以物质形态损失为主; 间接经济损失评估对象多元, 有待完善与体系化; (2)评估指标体系通用性低, 台风强度、台风路径、地表事物布局及自然与社会经济要素相互关系被忽略; 指标遴选忽视区域特征与典型性; 评估数据以台风、历史灾情、社会经济等截面数据为主, 新媒体、非结构化大数据等新兴数据正在被挖掘; (3)台风灾害直接经济损失评估法以回归模型、模糊、神经网络、可拓、AHP、DEA为主, 间接经济损失评估法以投入产出、比例系数为主, 社交媒体数据库损害评估模型用于物理损害和情绪损害评估。台风灾害经济损失评估视角聚焦经济社会可持续, 但是缺乏对就业、收入、劳动市场、社会秩序恢复等的关注, 其评估指标选择与权重确定、数据拓展, 以及运用地理信息技术与巨灾保险等结合亟待深入研究。
台风灾害经济损失评估; 评估视角; 评估指标体系; 台风路径
0 前言
台风(typhoon)是全球影响范围广、发生频率高、破坏性强的自然灾害之一[1], 是人类面临的重大全球性问题之一。世界气象组织将中心持续风速在32.7—41.4 m·s-1(即12—13级)的气旋定义为台风(或飓风)[2]。中国气象局为实现与国际接轨于1989年采用世界气象组织标准, 2006年颁布“关于实施热带气旋等级国家标准”(GBT19021)[3]。为便于应用和对外服务, 中国将热带风暴、强热带风暴、台风、强台风和超强台风统称为“台风”。台风灾害是致灾因子、孕灾环境和承灾体共同作用的结果, 是致灾因子破坏强度超过承灾体承受能力而导致的失衡事件, 台风致灾因子强度越大, 超出承灾体承受能力的可能性越大; 反之, 当台风致灾因子强度较弱, 承载体足以承受其破坏而不致受害, 则损失较少[4]。台风灾害损失量与暴露于台风中承灾体的数量、价值有关, 以及与承灾体脆弱性相关, 抵抗灾害的能力和灾后恢复能力越强, 灾害损失越少[5]。灾害评估是预测灾害发生、灾害防治以及灾后补偿研究基础, 评估结果是国家减灾、防灾和救灾政策制定与实施的科学依据, 对区域可持续发展具有重要意义。
1 台风灾害经济损失研究热点领域
基于CNKI与WOS数据库利用CiteSpaceV计量分析得图1和图2, 结合经典文献发现台风灾害研究始于20世纪60年代, 2004年后迅猛发展, 研究内容由20世纪90年代台风灾害以及次生风灾、洪涝对房屋等直接经济损失研究转向21世纪台风灾害风险、台风灾害等级、台风灾害风险转移与风险管理等; 研究方法趋向运用神经网络模型与大数据; 研究区域由宏观转向微观, 日益重视微区域案例(图1、图2)。台风灾害评估是台风灾害研究重要领域, 包括风险评估、灾情评估、经济损失评估、减灾防灾能力评估、生态评估等(图2)。该类研究多以某次具体台风过程为研究对象, 预测研究区域过去发生或即将发生或正在发生的台风灾害所导致的损失。如何充分利用历史社会经济数据、气象资料和地理信息技术, 结合台风运动原理, 构建具有普适性特征的经济损失评估与预测模型, 快速且准确预测某一台风造成的经济损失, 成为防灾应急预案和灾后重建工作的重点内容和难点领域。
图1 “台风灾害”研究外文文献关键词共现
Figure1 Co-occurring of key words in foreign literature on "typhoon disaster"
图2 “台风灾害”研究中文文献关键词共现
Figure 2 Co-occurrence of key words in related literature of "typhoon disaster "
2 台风灾害经济损失评估对象
台风灾害经济损失包括最终产品损失与因产业间关联所产生的中间产品损失, 学界将物质形态(如房屋、基础设施、土地、农田等)物理破坏, 以及由此引发的后续非物质形态的物理影响[6]视为直接经济损失。如台风对农田、农作物、水产养殖、房屋建筑、公共基础设施等造成破坏即为直接经济损失[7]。社会经济系统存在多样化关联是台风灾害间接经济损失产生主要原因, 直接经济损失影响间接经济损失, 从而导致社会总财富减少[8-9]; 关联产业、关联区域因产业停产造成经济影响[10], 包括资源、灾害和社会经济三类关联型损失[11]。台风灾害间接经济损失不仅包括产业减产、支出增加, 还包括劳动者就业、国民收入、社会秩序以及居民心理等无法直接计量损失[12], 因台风灾害导致交通、能源供给等中断而诱发的损失[13], 以及建筑业和旅游业的经济损失[14]。直接经济损失多分析劳动者报酬、国民收入和就业率的变化[15-16], 以及灾害直接导致企业停产造成的经济损失[17]; 灾后重建角度分析居民生活、当地企业生产经营、交通运输设施及生命线和农田资源等的前后差异。
3 台风灾害经济损失评估研究视角、指标和方法
台风灾害经济损失评估包括数据收集、指标处理、模型构建三步。评估视角影响指标选取与处理, 评价指标遴选又取决于数据源、数据精度与区域特性, 否则将影响研究结果客观性与可操作性。
3.1 台风灾害经济损失评估视角
台风灾害经济损失评估均与人类生产、生活等行为相关, 比较重视有形的经济利益损失; 也关注影响人类生产、生活具有重要意义的海洋渔业资源、自然生态环境(表1)。较少考虑对台风路径因素对灾害损失影响, 如同一台风不同阶段灾害损失差异, 同一区域多个台风多个路径影响下灾害经济损失差异。
台风灾害直接经济损失评估视角多利用面板数据预测台风灾害过程及其造成灾害程度, 为地方灾后恢复提供依据[18-19], 预测方向以区域灾害趋势及时空分布为主。学界较少研究单一承灾体, 较多结合脆弱性、敏感性和恢复力预测台风灾害经经济损失[20], 构建具有评估、预测功能的台风强度等级与造成经济损失间回归模型。差异化台风强度等级会造成承灾体不同程度破坏, 台风强度等级与承灾体受灾程度之间存在对应关系, 找出该对应关系模拟方程即可实现台风灾害直接经济损失预测[21,22]。同一台风的强度随时间变化, 非同一时刻的同一台风对同一承灾体造成的破坏不同; 与台风相对位置也会对承灾体受损度造成一定的影响。直接通过与台风致灾因子、孕灾环境和承灾体数据综合处理构建灾情指数并分级也是学界直接评估视角之一[23]。
台风灾害间接经济损失影响范围广、具有潜伏性, 研究视角较为单一, 关注社会秩序、心理健康、就业等非物质方面损失为主。学界从农业受灾切入评估台风灾害造成农业损失引发其他产业损失[24]; 评估劳动者报酬、就业机会、国民心理健康等比较困难, 但台风灾害产生影响具有地方、强度和时间效应[25], 选取科学数据仍可测度间接经济损失; 行业差异所引起的灾害敏感度差异会在一定程度上影响评估精确度。未来台风灾害经济损失评估, 需要统筹可见的经济利益与无形的社会文化福祉, 以及潜伏期较长的生态环境与渔业资源等领域, 提出更为综合评估逻辑框架, 实现人与自然的和谐。
表1 台风灾害经济损失评估视角
3.2 台风灾害经济损失的评估指标、数据源与数据处理
3.2.1 台风灾害经济损失评估指标遴选
台风灾害经济损失评估指标源自致灾因子的破坏性、孕灾环境的敏感性、承灾体的易损性和防灾减灾能力四方面具体化。
(1)致灾因子是表达台风灾害过程多种因素, 来自灾害的强度、频率和影响范围等, 台风灾害中致灾因子主要为气压、大风、强降水等。研究表明台风登陆时最大风速和中心最低气压决定着灾害的破坏强度, 过大的风速能够直接摧毁建筑和植被, 带来强降水可能直接造成城市内涝和滑坡泥石流等次生灾害, 沿海地区受潮位提高会对农业、房屋、道路等基础设施产生重大影响[28]。但是多数学者选择致灾因子评估指标时只考虑量的差异, 很少关注因子空间差异, 即处于台风不同结构影响下区域遭受的灾害程度不同。为此, 选择致灾因子评估指标, 首先应明确研究区域与台风的长期关系(台风经过区或影响区), 其次应分析台风影响区是不存在中心最低气压、中心最大风速和持续时间等。
(2)台风灾害不仅与台风过程的要素强度有关, 而且与受灾区地理环境密切联系。孕灾环境是由大气、水、岩石(包括土壤和植被)、生物、人类等圈层构成的综合地表环境。这些要素是地表过程中一系列具有耗散特性的物质循环、能量流动、信息流动的过程。孕灾环境敏感性是受灾区域对于灾害影响反应的灵敏度, 可从水源涵养、土壤持水、排水等方面评估。水源涵养能力主要依靠植被覆盖率衡量, 蓄水与排水能力通常用河网密度与海拔分析, 植被覆盖相较排水和蓄水能力的孕灾敏感性会相对较高。
(3)孕灾环境的敏感性存在于社会经济环境, 受社会经济地理事物布局影响, 学界将社会经济环境的敏感性统称为承灾体易损性。承灾体易损性指暴露在台风灾害中容易遭受损失那部分, 与暴露数量和价值有很大联系。承灾体易损性包括承灾体敏感性、应对能力和自身恢复力。暴露性只存在于灾害发生时致灾因子与承灾体相互作用的承灾体上, 表现为暴露于灾害系统的数量和价值。致灾因子强度大, 承灾体暴露性可能增加。承灾体类型差异可分为经济、社会和环境三类易损性, 主要从人口、建筑、生命线工程、农业和旅游业等表示社会财产规模与集中度相关指标进行评估。学界仅考虑敏感性, 多选择人口密度、建筑设施密度等指标, 忽视了表示孕灾环境应对能力和自身恢复力衡量指标。
(4)防灾减灾能力指受灾区对灾害监测预警、救灾、恢复重建能力等灾害应急管理能力。灾情救援很大程度上取决于当地经济水平和政府管理效率, 多数学者选择人均GDP等予以衡量。灾后救援和重建还与当地医疗水平、政府应急处理能力有重要关系, 医疗水平高低直接影响受灾人口伤亡率, 政府应急处理能力决定灾后损失是否得到有效控制, 该领域因子亟待更全面考察。
遴选评估指标是评估的灵魂, 如区域人均GDP既可评估承灾体的自身恢复力, 也可评估受灾区减灾防灾能力的灾后恢复重建能力。因为人均GDP在一定程度上能够反映人民和区域经济状态, 人均GDP较高意味着个人和受灾区经济实力都比较强, 能够支撑灾后重建费用, 说明承灾体和受灾区恢复力较好。归纳形成表2指标体系, 可知指标体系需要重视海洋资源、海岸海洋生态环境破坏性, 以及自然地理因素与社会经济因素的相互关系等指标考核; 充分重视产业损失分类评估指标的行业细化或行业敏感性等; 探究衡量多样化区域和承灾体的灾损评估指标。
3.2.2 台风灾害经济损失数据源与数据处理
台风灾害经济损失评估数据以气象数据、灾情数据、社会经济数据、基础地理信息数据和风暴潮数据为主[19](表3), 表达指标数据采集通过基础地理信息计算、遥感等地面监测、政府灾害统计及其模拟等方式获取[20]。基础地理信息计算主要利用GIS软件计算相关指标状态值, 如致灾因子破坏性指标是根据直接监测和统计数据及位置数据的综合加权获得; 遥感监测主要用于监测时间短、空间范围大、边界清晰、易于光谱识别的对象指标获取, 如植被覆盖率可通过地物光谱分析、建立解译标志来利用遥感识别地物, 计算植被覆盖面积和区域总面积; 地面监测主要用于时间周期长、需要精密仪器测量的气象、水文等指标。统计年鉴主要获取以行政区为单元的社会经济和灾情数据, 如人口密度等[21]。模拟无法直接获得数据, 如区域减灾防灾能力需要监测预警、抢险救灾、恢复重建和灾害应急管理等能力的加权计量而得。随着网络信息技术发展与智能手机普及, 社交媒体大数据成为灾害评估数据的新来源, 能够及时反映灾害损失类别、数量和规模[22]; 如利用EO(Engineering Order)工程秩序图与建筑蓝图实现准确测量建筑损坏等[23]。
表2 沿海地区台风灾害影响评估要素及其指标
外围空间特征、数据空间特征、数值空间化、数据无量纲化等是[24]台风灾害经济损失评估过程常见数据处理步骤。外围空间特征处理主要处理数据空间参照系、坐标系、数据类型等空间数据的外在特征, 保证数据具有相同的坐标体系, 符合GIS/RS软件应用要求。数据空间特征处理是处理指标数据的空间特征, 如区域生产总值空间分布特征可采用夜间灯光遥感数据空间插值与综合等程序计算出。数值空间化处理是将面域统计类数值转换成空间分布型的空间数据, 多用于社会经济面域统计型数据处理, 以格点生成、多因子加权融合法为主。数据无量纲化处理更为普遍, 将原始数据标准化实现计算和对比, 标准化方式有隶属函数、分布拟合法、区间赋值、权重赋值法、层次分析法等[25,29]。
3.3 台风灾害经济损失评估方法研究进展
台风灾害经济损失评估是基于大样本历史灾情数据应用各类统计法对过去、现在和未来发生的台风灾害已经造成的、正在造成的或者未来即将造成的人员、建筑物等可直接统计或不可直接统计的经济损失核算, 并进行分级比较。台风灾害评估主要分为直接经济损失、间接经济损失两部分, 多以指标综合量化法为主。
3.3.1 台风灾害直接经济损失评估方法运用评价
中国学界探索台风灾情指数评估法(回归、模糊综合、神经网络等)和统计模拟法评估台风直接经济损失, 台风灾情指数评估法适用范围广, 但是以宏观评估为主。(1)回归分析法根据自变量与因变量之间是否存在线性关系, 模拟或预测因变量对自变量响应。台风灾害直接经济损失评估过程, 据灾前灾后各因子选取差异性可分为2类: 一是直接引入致灾因子和承灾体因子模拟与预测这两大类各要素的回归关系; 二是将致灾因子与灾后因子均作为自变量, 表征灾害程度的受灾指数(灾损度)作为因变量进行回归[19]。回归分析法多以联立方程、多项式拟合和幂函数拟合为主, 联立方程模型多用于灾情因子和致灾因子之间的响应模拟[30]; 多项式拟合将致灾因子指数化、承灾体脆弱性性合成为承灾体指数, 继而构建国民经济直接经济损失、房屋倒损数量等损失评估模型[31-32]; 幂函数回归通过灰色关联度将台风攻击力指数、受灾体暴露度指数和受灾体御灾力指数合成为台风综合评价指数, 并与农作物受灾面积、因灾倒毁的房屋以及直接经济损失额之间进行幂函数回归构建单一变量的台风灾害评估模型[33]。(2)模糊综合评价法采用模糊数学对多因素综合评估, 可用于台风灾害灾前预估和灾后评估。当以房屋倒损量、农田受灾面积、人员伤亡等灾后因子为因素模糊集时, 为灾后评估; 当以台风降水量、风速和地貌、水网等因子为因素模糊集合时, 为灾前预估, 均采用模糊方法确定各因素权重进行综合[34-35]。(3)层次分析法将台风灾害影响因子构建目标层/准则层/措施层的多结构体系, 通过矩阵判断或专家打分法确定指标权重, 计算各指标综合指数[36]。(4)可拓方法用于将致灾因子、孕灾环境、承灾体等具体因子作为评价指标, 通过可拓方法将其作为物元, 再进行关联度计算实现灾害等级评估[37-38]。(5)神经网络法能够解决台风灾情与评估因子之间因资料不全而导致耦合性较差问题, 通过神经网络训练构建台风致灾因子与台风灾情之间的网络结构模型实现预测[36]。学界日益重视直接经济损失评估法如何适应从单一因子间关系模拟转向多因子间耦合关系和非线性关系探索, 评估方法日益重视数学统计理论、方法和具体指标间逻辑关系量化, 以及与3S技术综合运用。
西方学界台风灾损评价方法研究比较成熟, 形成(1)HAZARS-MU系统, 集台风危险性模型、建筑物变化模型、建筑物脆弱性模型以及经济收入变化模型为一体, 量化损失评估因子关系, 对区域损失评估和防灾能力精确模拟[14]; (2)FPHL模型根据计算的风场序列和遥感覆盖度数据对台风历史数据进行重建[36], 这两类模型对历史数据量、实时高分辨率遥感数据要求极高。(3)美国国家建筑科学研究所(National Institute of Building Sciences)以地理信息系统为技术支撑构建了HAZUS-Wind评估模型, 用于评估各区域不同类型建筑物的潜在破坏程度, 此后Chen等[39]利用案例推理和模糊理论进行快速评估直接经济损失的模糊智能决策系统; Huang[40]、Dorland[41]等开发了台风速率与损失率的指数函数模型; Klawa[42]建立了预期瞬时与台风风速间幂函数模型用以评估建筑物的脆弱性; Mitsuta[43]通过计算地区风分布函数来预期经济损失; Unanwa[44]利用保险损失与台风频数预测台风灾害损失。(4)社交媒体数据库损害评估模型。基于微博、微信、Twitter等新兴社交平台构建数据库, 实现对灾害的实时监测、评估和响应, 提高灾害监控与管控的能力。Yury等基于Twitter活动数据对飓风“桑迪”发生之前、发生期间以及发生之后进行了多尺度损失分析, 发现飓风的路径和飓风相关的社会媒体活动之间密切相关[45]; Teodorescu将语音和文本通信中的情感数据与人口密度和灾害严重程度相关联, 构建灾害情绪损失评估模型[46]。
综合而论, 台风灾害直接经济损失评估法以数学模型为主, 尚未形成通用评估方法系统, 评估方法由研究者自主选择。综合评价法是灾害直接经济损失评估较为常用方法, 其关键是如何实现标准化、科学化的指标权重确定。隶属函数法、层次分析法、神经网络算法等是学界应用较广的指标权重确定法: 隶属度确定主观性较大, 不同评估因子的选择会影响结果的稳定性; 层次分析法缺乏必要定量数据支撑会令人不信服或指标过多导致统计变量过多而不易确定权重; 神经网络算法只有在目标函数较为简单情况才适用, 一旦过于复杂反而会陷入局部极值的困境。国外台风灾害直接经济损失评估法已形成相对较为成熟的评估方法体系, 能够实现对台风灾害过程及其造成的直接经济损失精确模拟与评估。台风瞬时变幻、台风频数、地区风分布、经济损失转移对台风灾后程度的影响, 包括新媒体大数据的利用都是我们所忽略的。
3.3.2 台风灾害间接经济损失评估方法研究评价
国内学者评估台风灾害间接经济损失常用调查分析、比例系数、投入产出、一般均衡模型、经济计量模型等[45]。(1)调查法通过走访与调查间接经济损失量, 比例系数法根据与直接经济损失比例直接计算间接经济损失。于庆东等[44]直接根据灾害前后的GDP变化情况计算间接经济损失; 刘希林等[47]详细归纳了间接经济损失评估法: 一是强调从生活、生产、交通、生命线、农田5个方面详细评估, 二是假定间接经济损失与直接经济损失存在一定比例关系继而确定系数, 在确定直接经济损失前提下即可求得间接经济损失。(2)投入产出模型通过建立线性投入产出方程组刻画各产业间生产与投入关系, 原理是处于同一产业链的各产业或部门之间存在着投入与产出的关系, 当某一产业或部门生产力受到影响时, 其它产业或部门必将产生连锁反应。通常引入投入产出模型刻画农业减产对其它产业部门的影响来衡量间接经济损失具有先导性作用[48,49], 也可研究区域历史灾情数据与投入产出数据形成投入产出模型划分区域台风灾害影响评估与灾情等级[19,50,-52], 当然发展CGE模型可清楚地发现台风灾害对区域各产业和宏观经济的各项指标变化趋势影响。(3)经济计量模型被地理学家引入自然灾害损失评估过程, 改造了模型内外生变量, 评估与预测台风等自然灾害造成的经济损失, 如广义倍差法[27]同时选取多组台风灾害作为外部干预, 在一定程度上克服了倍差法的异质性差异导致结果偏差。
国外台风灾害间接经济损失评估研究缺乏案例研究, 评估多采用以投入产出模型与一般均衡模型为主。Wassily Leontief[53]于1930年提出静态投入产出模型, Okuyama[54]随后引入时间序列拓展其成为动态投入产出模型用于评估间接经济损失; Haimes 等[55]提出非正常投入产出模型分析石油、天然气等燃料、公共基础设施、文化事业等脆弱性, 建立地区影响评估模型; Hallegatte[56]将适应举措引入构建了适应区域投入产出模型分析了Katrina 台风造成的价格、供需、劳动力等变动产生的间接经济损失。可计算一般均衡模型是Rose[57]在分析投入产出模型、社会核算矩阵和数学规划等模型的优劣基础上提出用以评估地震灾害对波兰供水系统破坏产生的部门间接经济损失, 该模型被用于评估斐济岛Ami台风造成的间接经济损[58]。台风对产业、劳动市场、就业率、居民收入、人口迁移等影响, 受到国外学者关注。如Burrus 等[59]评估1996—1998年Bertha、Fran、Bonnie台风袭击北卡罗莱纳州威尔明顿城, 中断各行业导致的经济损失; Ewing等[60]分析了1999 年 5月 3 日龙卷风发生前后俄克拉荷马市8个工业部门就业总量的变动, 认为龙卷风过后商业、住宅区以及基础设施重建刺激了劳动力市场、增加了平均就业率; Julie Zissimopoulos等[48]发现经历卡特里娜飓风灾害一年后, 路易斯安那州和密西西比州出现了相对较高的自主就业率, 并认为自主创业是灾后经济恢复的重要因素; Thompson Eduardo Rodríguez-Oreggia[62]采用墨西哥32个地区微观数据研究飓风对受不同教育程度工作者的收入影响, 指出飓风对低学历正式工作者的工资有积极影响, 但强度效应尚不确定; Ouattara等[63]用向量自回归模型研究飓风对美国沿海城市移民影响, 发现飓风发生后富裕人群向外迁移率增加, 但向内迁移率没有显著变化; Huigen等以150户菲律宾农户为调查对象分析台风对菲律宾农村社会经济造成损失; Li等[64]收集Vicente台风数据分析该台风对香港高楼产生不同影响。
综上, 国内外台风灾害间接经济损失评估法无较大差别, 主要是模型分析法、计量经济模型、投入产出模型和一般均衡模型, 各具优缺点和适用条件(表4)。(1)投入产出模型包括了一般均衡模型和区域适应模型, 评估结果与实际最相符; 计量经济评估法是学界正在追求和开发的, 还处于起步阶段。(2)计量经济模型能够将理论与数据现实结合, 通过数据模型实现数值化, 但是难衡量灾害中难以计量的指标, 对数据要求比较高, 现实灾害数据并不能够满足这些模型对数据要求; 投产出模型将经济系统看作一个平衡的相互紧密联系整体, 整体和局部视角全面评估损失, 但要求研究环境太理想化, 致使研究结果大多偏离实际情况甚远; 一般均衡模型主要分析财政政策、国际贸易等经济问题影响, 对突发性自然灾害造成的影响评估并不太有意义。(3)投入产出模型较为科学, 应用简便、数据易获取。当然因自然灾害种类繁多, 发生的时间与地点也具有高度的不确定性, 加深了灾害数据获取的困难性, 以及间接经济损失具有一定的滞后性, 关联性影响经济损失难以统计, 所以数据的精确性有待提高。(4)评估内容有待完善, 因灾害间接经济损失概念不统一, 评估因子选取存在较大差异, 未来应完善以经济层面要素为主体评估指标, 积极发展人类心理、社会秩序、生态环境等非经济层面要素刻画。国外该领域远超中国, 间接经济损失评估不应再停留于宏观经济损失而逐步关注不同人群影响。
4 研究展望
台风灾害损失评估理论研究与实践应用的指标遴选, 未能将台风路径、强度、经济地理空间布局等因素考虑其中, 忽视了自然地理环境因素与社会经济因素及其相互关系对灾害程度的影响等[68]。2012年后“统计模拟法”与统计指标结合越来越紧密, 指标权重以熵值–层次分析法[69]为代表的主客观相结合确定方法, 巧妙地克服了指标权重确定过于主观的问题。本文概述已有研究动态, 理清了台风灾害评估研究的视角、内容、数据源、指标体系、方法等。
(1)评估对象、评估目的直接影响评估思路、评估视角和评估内容。依赖于截面数据的综合评估多选择“直接经济损失”“伤亡人数”“房屋倒塌数”“受灾农田面积”四个因子, 指数化处理、综合评价指数计算、分别回归处理直接经济损失与其他三个因子关系实现历史灾情评估。多以直接经济损失与各致灾因子为指标, 利用回归、神经网络等方式构建单因素预测模型或多因素综合预测模型。台风灾害间接经济损失评估视角与内容主要集中于台风灾害对农业、关联产业、社会就业、劳动市场等方面。主要通过计算灾损关联度进行灾情的评估与预测。研究者忽略了不同行业性质与灾害敏感性、脆弱性差异。台风灾害不仅影响人类的社会经济活动, 对人类自身以及人类赖以生存的自然生态环境都会产生一定的影响。应积极学习国外, 细化研究内容, 提升研究针对性。评价指标构建过程, 要深入考察台风路径、台风发展阶段、经济类型、人口密度等影响因素, 并为政府出台减灾防灾政策、救济物资发放以及相关应急管理工程建设提供参考。
(2)灾害损失评估研究离不开评估指标体系与评估数据, 这两个方面是评估研究的支柱。台风灾害经济损失评估的指标分为“致灾因子”“孕灾环境”“承灾体易损性(脆弱性)”和“防灾减灾能力”四类。现有评价指标遴选忽视了自然要素和经济要素的联系, 将各要素作为独立个体进行应用, 割裂了要素相互影响。
评估数据主要包括台风气象、台风灾情历史、基础地理信息、风暴潮以及新媒体社交大数据等五大类。对五类数据进行处理, 以实现统一计算与比较。根据采集数据的长短, 可以分为截面数据与时间序列数据。截面数据往往用于评估, 时间序列数据用以评估或预测模型的验证与检验, 以降低评估与预测的误差, 并借助GIS/RS等软件对数据进行特征处理, 实现数据的无序化到规律化与可视化。此过程数据收集的时限、区域限制、完整度、准确度最容易出现问题, 可借助开普勒雷达数据解决数据获取的时效性难题; 应注意指标统一, 而且不同区域有不同的统计口径与标准, 要注意数据单位统一, 以及统计项目间的细微差异, 还要注意排除通货膨胀对部分统计信息影响。
(3)台风灾害经济损失评估方法主要包括指标量化统计法和统计模拟法两类, 其中直接经济损失评估法以回归分析、模糊综合评价、神经网络法为主, 间接经济损失评估法以投入产出模型、比例系数法、计量经济模型为主, 社交媒体数据库损害评估模型适应范围较广, 可用于直接灾害损失与情感灾害损失。评估方法应用较为陈旧, 对GIS、RS等新兴技术软件; 微博微信等新兴社交媒体数据的开发与应用有限。加速地理软件灾害评估专项功能开发、微博微信等大数据媒体数据应用, 积极学习与创新评估方法, 以形成成熟的评估和预测系统, 是最紧迫的环节。
[1] 周俊华, 史培军, 范一大, 等. 西北太平洋热带气旋风险分析[J]. 自然灾害学报, 2004, 13(3): 146–151.
[2] WMO技术文件, 裘国庆, 等译. 全球热带气旋预报指南 (WMO/TD-NO. 560) [M]. 北京: 气象出版社, 1995.
[3] 殷杰, 尹占娥, 许世远. 沿海城市自然灾害损失分类与评估[J]. 自然灾害学报, 2011, 20(1): 124–128.
[4] 陈和, 刘贵政, 蒲惠荧. 台风灾害承灾体社会经济易损性研究[J]. 中国防汛抗旱, 2012, 22(4): 34–36.
[5] 杨秋珍, 徐明, 李军. 热带气旋对承灾体影响利弊及巨灾风险诊断方法的研究[J]. 大气科学研究与应用, 2009(2): 21–32.
[6] HAIMES Y Y. Modeling the demand reduction input-output I-O inoperability due to terrorism of interconnected infra- structures[J]. Risk Analysis, 2004, 24(6): 1437–1452.
[7] HAIMES Y Y, Horowitz B M, LAMBERT J H, et al. Inoperability input-output model (IIM) for interdependent infrastructure sectors: Theory and methodology[J]. Journal of Infrastructure Systems, 2005, 11: 67–79.
[8] KENNETH G G, YACOV Y H, Gideon T. Systemic valuation of strategic preparedness through application of the inoperability input-output model with lessons learned from hurricane katrina[J]. Risk Analysis, 2007, 27(5): 1345–1364.
[9] 吴吉东, 李宁. 浅析灾害间接经济损失评估的重要性[J]. 自然灾害学报, 2012, 21(3): 15–21.
[10] 徐嵩龄. 灾害经济损失概念及产业关联型间接经济损失计量[J]. 自然灾害学报, 1998, 7(4): 7–15.
[11] 魏章进, 唐丹玲, 隋广军. 热带气旋登陆概率的Logistic模拟[J]. 数理统计与管理, 2012, 31(3): 389–397.
[12] GORDON P, MOORE J E, RICHARDSON H W, et al. An integrated model of bridge performance highway networks and the spatial metropolitan economy: towards a general model of how losses due to earthquake impacts on lifelines affect the economy[C]//NCEER-97 -0005, Proceedings of the Workshop on Earthquake Frontiers in Transportation Facilities, National Center for Earthquake Engineering Research, Buffalo, N. Y, 1997.
[13] 马华铃. 沿海地区台风灾害经济损失评估[D]. 广州: 广东外语外贸大学, 2016.
[14] 吴先华, 徐中兵, 袁迎蕾, 等. 台风灾害的关联经济损失评估[J]. 灾害学, 2014, 29(2): 77–83.
[15] 郭际, 刘慧, 吴先华. 基于广义倍差法的台风灾害对劳动力市场的影响研究[J]. 中国软科学, 2016(7): 78–88.
[16] 于庆东, 沈荣芳. 灾害经济损失评估理论与方法探讨[J]. 灾害学, 1996, 11(2): 10–14.
[17] 郝鹏飞. 我国台风灾害损失分类与估计[D]. 哈尔滨: 哈尔滨工业大学, 2008.
[18] 史军, 肖风劲, 穆海振, 等. 上海地区台风灾害损失评估[J]. 长江流域资源与环境, 2013, 22(7): 952–957.
[19] 牛海燕, 刘敏, 陆敏, 等. 中国沿海地区台风灾害损失评估研究[J]. 灾害学, 2011, 26(3): 61–64.
[20] 郭桂祯, 赵飞, 王丹丹. 基于脆弱性曲线的台风-洪涝灾害链房屋倒损评估方法研究[J]. 灾害学, 2017, 32(4): 94–97.
[21] 殷洁, 戴尔阜, 吴绍洪, 等. 中国台风强度等级与可能灾害损失标准研究[J]. 地理研究, 2013, 32(2): 266–273.
[22] SHAN Siqing, ZHAO Feng, WEI Yigang, et al. Disaster management 2. 0: A real-time disaster damage assessment model based on mobile social media data—A case study of Weibo (Chinese Twitter)[J]. Safety Science, 2019, 115(6): 393–413.
[23] KAHRAMAN F, IMAMOGLU M, ATES H F. Disaster damage assessment of buildings using adaptive self- similarity descriptor IEEE Geosci[J]. Remote Sens Lett, 2016, 13 (8): 1188–1192.
[24] 王秀荣, 王维国, 马清云. 台风灾害综合等级评估模型及应用[J]. 气象, 2010, 36(1): 66–71.
[25] 陈香, 沈金瑞, 陈静. 灾损度指数法在灾害经济损失评估中的应用-以福建台风灾害经济损失趋势分析为[J]. 灾害学, 2007, 22(2): 31–35.
[26] 梁必骐, 梁经萍, 温之平. 中国台风灾害及其影响的研究[J]. 自然灾害学报, 1995, 4(1): 84–92.
[27] LIU Zhang, DU Yanyun, YI Jiawei. Quantitative estimates of collective geo-tagged human activities in response to typhoon Hato using location-aware big data[J]. Journal International Journal of Digital Earth, 2019, 16(4)58–94.
[28]殷洁, 戴尔阜, 吴绍洪, 等. 中国台风强度等级与可能灾害损失标准研究[J]. 地理研究, 2013, 32(2): 266–274.
[29] 吴先华, 徐中兵, 袁迎蕾, 等. 台风灾害的关联经济损失评估[J]. 灾害学, 2014, 29(2): 77–83.
[30]郭际, 刘慧, 吴先华. 基于广义倍差法的台风灾害对劳动力市场的影响研究[J]. 中国软科学, 2016, (7): 78–88.
[31] 钱燕珍, 何彩芬, 杨元琴, 等. 热带气旋灾害指数的估算与应用方法[J]. 气象, 2001, 27(1): 14–18.
[32] 吕纯濂, 陈舜华. 气象灾害经济损失估算与预测的经济计量模式[D]. 南京: 南京气象学院学报, 1993, 16(1): 67–72.
[33] 张颖超, 范金平, 邓华. 基于组合预测的浙江省台风灾害损失预测[J]. 自然灾害学报, 2013, 22(6): 49–54.
[34] 梁必骐, 樊琦, 杨洁, 等. 热带气旋灾害的模糊数学评价[J].热带气象学报, 1999, 15(4): 305–311.
[35] 王秀荣, 吕终亮, 王莉萍, 等. 一种简化的暴雨灾害风险及影响评估方法和应用研究[J]. 气象, 2016, 42(2): 213–220.
[36] 李春梅, 罗晓玲, 刘锦銮, 等. 层次分析法在热帶气旋灾害影响评估模式中的应用[J]. 热带气象学报, 2006, 22(3): 13–228.
[37] 孙伟. 海南岛台风灾害损失的可拓评估方法及应用[J]. 热带作物学报, 2010, 31(2): 319–324.
[38] 刘少军, 张京红, 何政伟, 等. 基于GIS的台风灾害损失评估模型研究[J]. 灾害学, 2010, 25(2): 64–67.
[39] WANG Kunchen, SUI Gangjun, TANG Danling. A fuzzy intelligent decision support system for tropical cy-lone disaster management[C]//IEEE. International Conference on Fuzzy Systems, Taipei, Taiwan, 2011: 364–367.
[40] HUANG Z, ROSOWSKY D V, Sparks P R long-term hurricane risk assessment and expected damage to residential structures[J]. Reliability engineering& system safety , 2001, 74(3): 239–249.
[41] DORLAND C, TOL R S J, OOSTHOOM A A, et al. Impacts of wind-storms in the Netherlands Present risk and prospects for climate change[C] //true. Routledge, London, New York , 1999: 245–278.
[42] KLAWA M. ULBRICH U. A model for the estimation of storm losses and the identification of severe winter storms in Germany[J]. Natural Hazards and Earth System Science , 2003, 3(6): 725–732.
[43] MITSUTA Y, FUJII T, NAGASHIMA I. A Predicting Method of Typhoon Wind Damages[C]//Proc of Asce. Probabilistic Mechanics and Structural Reliability: Proceedings of the 7th Specialty Conference, 1996: 970–973.
[44] UNANWA C O, ME D R, MEHTA K C, et al. The development of wind damage bands for buildings[J]. Journal of wind Engineering and industrial Aerodynamics, 2000, 84(1): 119–149.
[45] YURY K, CHEN H, NICK O, et al. Rapid assessment of disaster damage using social media activity[J]. Ence Advances, 2016, 2(3): e1500779.
[46] TEODORESCU HN. SN voice and text analysis as a tool for disaster effects estimation—a preliminary exploration[J]. Speech Technology and Human Computer Dialogue, 2014, 8215(10): 1–8.
[47] 刘希林, 赵源. 地貌灾害间接经济损失评估[J]. 地理科学进展, 2008, 27(3): 7–12.
[48] 顾振华. 基于投入产出模型的灾害产业关联性损失计量[J]. 河南工业大学学报: 社会科学版, 2011, 7(2): 31–34.
[49] 张鹏, 李宁, 吴吉东, 等. 基于投入产出模型的区域洪涝灾害间接经济损失评估[J]. 长江流域资源与环境, 2012, 21(6): 773–779.
[50] 赵昕, 王晓霞, 李莉. 风暴潮灾害经济损失评估分析[J]. 中国渔业经济, 2011(3): 91–97.
[51] 吴先华, 徐中兵, 袁迎蕾, 等. 台风灾害的关联经济损失评估[J]. 灾害学, 2014, 29(2): 77–83.
[52] 周雄. 考虑线路停运风险的电力系统随机优化调度及经济损失评估[D]. 长沙: 长沙理工大学, 2013.
[53] LEONITIEF W W. Input-output economies[J]. Operational Research Quarterly, 1951, 185(4): 15–21.
[54] YASUHIDE O Y. Measuring economic impacts of natural disasters: Application of sequential inter industry model[D]. Renditional Research Institute West Virginia University, 2002.
[55] HAIMES YY, Jing P. Leontief-based model of risk in complex interconnected infrastructures[J]. Journal of Infrastructure Systems, 2001, 7(1): 1–11.
[56]HALLEGATTE S. An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina[J]. Risk Analysis, 2008, 28(3): 779–799.
[57] ROSE A. Economic principles, issues, and research priorities in hazard loss estimation[M]//OKUYAMA Y, CHANG SE. Modeling Spatial and Economic Impacts of Disasters. Advances in Spatial Science. Springer Berlin Heidelberg, 2004: 13–36.
[58] NARAYAN P K. Macroeconomic impact of natural disasters on a small island economy: Evidence from a CGE model[J]. Applied Economics Letters, 2003, 1(10): 721–723.
[59] ROBETT T B, CHRISTOPHER F D, CLAUDE H F, et al. Impact of low-intensity hurricanes on regional economic activity[R]. Natural Hazards Review, 2002, 3(3): 118–125.
[60] BRADLEY T E, JAMIE B K, MARK A. Twister! Employment responses to the 3 May 1999 Oklahoma City tornado[J]. Applied Economics, 2009, 41: 691–702.
[61] JULIE Z, LYNA A K. Employment and self-employment in the wake of hurricane Katrina[J]. Demography, 2010, 47(2): 345–367.
[62] EDUARDO R, GUEZ O. Hurricanes and labor market outcomes: Evidence for Mexico[J]. Global Environmental Change, 2013, 23(4): 351–359.
[63] OUATTARA B, STROBL E. Hurricane strikes and local migration in US coastal counties[J]. Economics Letters, 2014, 124: 17–20.
[64] LI QS, LI X, HE Y, et al. Observation of wind fields over different terrain and wind effects on a super-tall building during a severe typhoon and verify cation of wind tunnel predictions[J], Journal of Wind Engineering and Industrial Aerodynamics , 2017, 162(3): 73–84.
[65] 林江豪, 阳爱民. 基于BP神经网络和VSM的台风灾害经济损失评估[J]. 灾害学, 2019, 34(1): 22–26.
[66] YU Xiaobing, CHEN Hong, LI Chenliang. Evaluate Typhoon Disasters in 21st Century Maritime Silk Road by Super-Efficiency DEA[J]. International Journal of Environmental Research and Public Health, 2019, 16(3), 16–14.
[67] 卢文芳. 上海地区热带气旋灾情的评估和灾年预测[J]. 自然灾害学报, 1995, 4(3): 40–45.
[68] 魏章进, 隋广军, 唐丹玲. 台风灾情评估及方法综述[J]. 灾害学, 2012, 27(4): 46–53.
[69] 魏章进, 马华铃, 唐丹玲. 基于改进熵值法的台风灾害风险趋势评估[J]. 灾害学, 2017, 32(3) : 7–11.
Review on economic loss assessment of typhoon disasters
JIANG Lulu1,2, MA Renfeng1,3,*, YUAN Haihong1,3
1. Department of Geography and Spatial Information Technology, Ningbo Universities Collaborative Innovation Center for land and marine spatial utilization and governance research, Ningbo University, Ningbo 315211, China 2. Putuo High School of Zhejiang Province, Zhoushan 316100, China 3. Donghai Academy at Ningbo University of the New Type Key Think Tank of Zhejiang Province, Ningbo 315211, China
Typhoon disaster has a significant impact on the vulnerability of social and economic systems in coastal region of the world. Typhoon disaster losses should be objectivelyaccessed and predicted to effectively improve the scientific decision-making pre-disastersand post-disasters and reduce the negative impact of typhoon disaster. Literature analysis was used to sort out the objects of economiclosses assessment, assessment dimension - indicators - data sources and procedure, assessment methods, etc. The results show that:(1) the objects of direct economic losses assessment are single, mainly including material loss and direct economic loss. The objects of indirect economic loss assessment are diversified and need to be improved and systematized.(2) The evaluation index system has low universality, and the typhoon intensity, typhoon path, surface economic things layout and the relationship between nature and social and economic factors are ignored. The index selection ignores the regional characteristics and typicality. The assessment data are mainly cross-section data of typhoon, historical disaster, social economy, etc. New media, unstructured big data and other emerging data are mined.(3) Regression model, fuzzy, neural network, extension, AHP and DEA were used as the direct economic loss assessment methods for typhoon disasters. Meanwhile, input-output and proportional coefficient were used as the indirect economic loss assessment methods. Moreover, social media database damage assessment models were used for physical damage and emotional damage assessment. The perspective of typhoon disaster economic loss assessment focuses on economic and social sustainability, but it does not pay enough attention to employment, income, labor market, social order restoration, etc. Therefore, the selection and weight determination of assessment indicators, data expansion, and the combination of geographic information technology and catastrophe insurance need to be further studied.
typhoon disaster economic losses assessment; assessment perspective; assessment index system; typhoon paths
姜露露, 马仁锋, 袁海红. 台风灾害经济损失评估研究进展[J]. 生态科学, 2022, 41(3): 252–263.
JIANG Lulu, MA Renfeng, YUAN Haihong. Review on economic loss assessment of typhoon disasters[J]. Ecological Science, 2022, 41(3): 252–263.
10.14108/j.cnki.1008-8873.2022.03.030
X43
A
1008-8873(2022)03-252-12
2020-07-04;
2020-08-03
浙江省基础公益研究计划项目(LGF22D010002); 国家自然科学基金面上项目(41771174); 浙江省自然科学基金青年项目(LQ18D010002)
姜露露(1994—), 女, 浙江淳安人, 硕士。主要从事海洋资源环境经济学研究, E-mail:2639360177@qq.com
马仁锋(1979—), 男, 湖北枣阳人, 理学博士, 教授, 博导。从事海洋经济与文化地理学、人居环境与空间规划研究, E-mail:marfxf@126.com