CN101546414A - 台风风暴潮所造成直接经济损失定量预评估方法 - Google Patents

Abstract

本发明公开了一种可用于台风风暴潮灾害预评估的方法，包括：(1)使用统计方法作为数学工具来建立模型，在一定数量历史灾害样本中寻找统计规律，并进而建立统计数学模型；(2)在台风风暴潮来临之前，将各项参数输入该统计数学模型进行评估。进一步：将该方法和信息发布平台结合，实现了计算机化，能够在台风影响前一定时间内，通过导入数值模式计算，估计台风灾害可能造成直接经济损失的范围。本发明的提出对台风、风暴潮所造成的直接经济损失进行定量预评估尤其具有重要的现实意义，对于我国这样的风暴潮灾害高发地区，本发明的应用将有利于沿海防灾减灾工作的开展。

Description

台风风暴潮所造成直接经济损失定量预评估方法

技术领域

本发明属于气象技术领域，涉及气象灾害所造成的直接经济损失的预评估技术，尤其是对台风、风暴潮所造成的直接经济损失进行定量预评估的技术。

背景技术

我国是风暴潮灾害高发地区，而其中尤以台风风暴潮所造成的灾害最为剧烈。仅以上海市为例，上海几乎每年都有台风侵袭，1962年的6207台风，给上海市造成了30亿元¹的直接经济损失。中国沿海不仅历史上曾遭受严重的风暴潮灾害，而且在气候变化的背景下，对风暴潮灾害的防灾准备也正面临着日益严峻的挑战。

如果能对风暴潮灾害造成的直接经济损失进行评估，无疑将大大有利于沿海防灾减灾工作的开展。

目前我国对台风(包括热带气旋)、风暴潮带来的直接经济损失进行定量预评估的技术仍处于探索阶段，缺乏有效的技术或科技成果。

国外比较有代表性的研究成果是Vineet Kumar Jain，Rachel Davidson等人的论文：Modeling changes in hurrican risk over time(发表于美国Nature Harzards Review杂志，May2005)，该文所应用的灾害预评估模型是美国联邦应急管理署(Federal EmergencyManagement Agency)开发的HAZARS-MU应用系统，该系统根据飓风峰值风速和建筑物抗风能力，以及建筑物的密度分布估计年度的因飓风造成的经济损失数额，然而该模型存在的问题是：需要一套实时更新的、高分辨率的建筑物数据库。在缺乏建筑物基础信息数据库的我国，无法使用该模型。

国内有代表性的研究成果是徐良炎、高歌的《近50年台风变化特征及灾害年景评估》(《气象》第31卷第三期)，然而这种方法只能给出灾害发展的总趋势和我国在一年中总的受灾情况分析，也无法对于一个具体地区在一次具体的台风过程中将遭受的经济损失状况作出具体预测估计。

天津市风暴潮的模式(海洋环境科学.2007，26(3).-271-274)能根据风暴潮增水的潮位预计其直接经济损失，但是鉴于天津所处的地区，当地绝大多数发生风暴潮都属于温带风暴潮。因而对热带气旋造成的台风风暴潮造成的损失，未能给出一个合理的预评估方法。此外，该方法也未考虑抗御准备、经济发展水平等因素。

海口湾沿岸风暴潮模式(海洋学报.2005，27(5).-22-29)，能计算海口地区遭遇强风暴潮时各部门的经济损失率。但同样未考虑防汛设施的抗御能力和经济发展水平等因素。另外，该方法仅考虑了风暴潮增水的水位因子，难以估计强风暴雨等气象因素造成的损失。且该模式主要基于海口湾养殖水产比重高等特殊的经济结构，故该方法很难被其它地区所借鉴采用。

发明内容

本发明的目的在于提供一种对台风、风暴潮所造成的直接经济损失进行定量预评估的技术，该技术不以具有实时更新的、高分辨率的建筑物数据库为前提，适合于我国使用。

为达到上述目的，本发明的解决方案是：

一种可用于台风风暴潮灾害预评估的方法，包括：

(1)使用统计方法作为数学工具来建立模型，在一定数量历史灾害样本中寻找统计规律，并进而建立统计数学模型；

(2)在台风风暴潮来临之前，将各项参数输入该统计数学模型进行评估。

进一步：

上述步骤(1)中，所述“对一定数量历史灾害样本寻找统计规律”是指根据历史灾害样本的资料，找出直接经济损失和台风强度及路径之间的内在联系。

将以当年价格货币表征的直接经济损失转换为一个在不同时期的灾害之间可比较的量，定义：

Ec＝Ln(l)-Ln(Tg)+n……(1)

式中，Ec为经济损失指数，l为灾害直接经济损失，Tg为该国或该地区的当年国内生产总值，为调整Ec值域到原点附近，可设置一任意常量n；

公式(1)可以写为另一个形式： $\mathrm{Ec}=\mathrm{Ln}\left(\frac{l}{\mathrm{Tg}}\right)+12.$

区分两类热带气旋所致的风暴潮灾害(1)气象型灾害

条件：过程极值高潮位，超危险潮位10厘米以下；

(2)混合性灾害

条件：过程极值高潮位等于或超出危险潮位10厘米。

对于气象型灾害，确定气象型灾害影响指数G的函数表达式为：

$G=\left(\frac{P_{\min }}{P_c}\right)\frac{\mathrm{CI}}{R_c/R_{\mathrm{mw}}}\·\·\·\·\·\·\left(2\right)$

式中，G是气象型灾害影响指数，为一无量纲的纯数；Pmin是热带气旋过程最低气压，Pc是指近距路径点时的热带气旋的中心气压，单位都是百帕；CI是热带气旋中心距城市最近的一个路径点“现时强度指数”，该指数是根据Dvorak云图判读法确定的热带气旋强度指标；Rc是热带气旋中心位于近距路径点时，和城市中心的等效距离，Rmw是近距路径点时刻的热带气旋最大风速半径.

还定义了风暴潮影响指数K，其表达式为：

$K=\frac{H_{\max }-H_j}{H_{\mathrm{avg}}}-M\·\·\·\·\·\·\left(6\right)$

其中，K是定义的风暴潮影响指数；Hmax是高桥站的高潮极值潮位，Hj是当时的危险潮位，单位都是cm，Havg等于高桥站多年潮位平均高程减去海平面高程，为一常量210cm，M是防御设施强度因子，为一待定的函数。

为了合理更加精确的定义误差限的范围，借鉴黄金分割法，定义：

悲观估计＝预测值*3.23

乐观估计＝预测值*0.309

悲观估计比例系数相当于2/G，乐观估计比例系数相当于G/2，G为黄金分割率，G≈0.618。

上述的可用于台风风暴潮灾害预评估的方法的应用：将该方法和信息发布平台结合，实现了计算机化，能够在台风影响前一定时间内，通过导入数值模式计算，估计台风灾害可能造成直接经济损失的范围。

本发明的提出是对气象灾害所造成的直接经济损失的预评估技术领域的一项创新，对台风、风暴潮所造成的直接经济损失进行定量预评估尤其具有重要的现实意义，对于我国这样的风暴潮灾害高发地区，本发明的应用将有利于沿海防灾减灾工作的开展。

附图说明

图1为本发明实施例的Ec～G回归曲线示意图。

图2为本发明实施例的Ect-K回归曲线示意图。

图3为本发明实施例的所有样本回归分析示意图。

图4为本发明实施例的灾害样本误差频率分布直方图示意图。

具体实施方式

以下结合附图所示实施例对本发明作进一步的说明。

一、风暴潮灾害的预评估方法的建立

1、建模过程

(1).模型的范畴和预期效果

统计台风风暴潮灾害造成的直接经济损失时，现行的统计方法不区分因潮灾和气象因素分别造成的损失，而只统计过程中总的损失。事实上，由于台风风暴潮灾害是连贯的自然事件，很难对其严格区分，因而现行的统计方法是合理的。所以，在建立台风风暴潮灾害预评估模型时，我们把热带气旋灾害及其带来的风暴潮灾害一并纳入考虑范畴，模型建立后，再根据模型分别研究海洋因素和气象因素造成的直接经济损失。

在对模型的预期效果上，我们应有一个理性的估计。因为自然灾害及其带来的直接经济损失是一个复杂过程，不仅是单纯自然力作用的效果，也跟防灾抗灾设施的准备情况，作为灾害承受体的地区(承灾体)的经济发展水平，尤其是人类对灾害预警、防御活动密切相关。而所有这些因素都是随机变量，目前我们对这些变量的观测是非常的粗略的。因此对于我们所建立的预评估模型的预定精度要求是：对于把大部分的台风灾害，在其侵袭上海前12～24小时，在数量级意义上能正确预测其带来的直接经济损失(预测的最小可能和最大可能的差值在1个数量级以内)。则可以认为该模型基本了满足风暴潮灾害预评估技术的初步的精度要求。

(2).模型的尺度和建模方法

对于模型的尺度选择，本发明视上海市为一个整体，其坐标位于人民广场(北纬31.23，东经121.48)，而不区分上海市的各个部分。这么做是基于以下几点考虑：

①、上海市陆地面积为6345平方千米。而邻近上海的热带气旋，其七级大风圈半径常在300～500千米左右，其包括海域在内的影响范围常在28万到79万平方千米之间。即相比于热带气旋的影响范围而言，上海市地区的尺度很小，可视为一个点。

②、作为预评估模型，必须考虑到可用的预报资料。其中重要的预报资料为热带气旋路径。目前，热带气旋路径预报系通过卫星云图判读做出，通用判读方法为德沃夏克(V.Dvork)判读法，其24-48小时热带气旋中心预报的平均误差为120-250千米，在这样预报精度条件下，分辨上海市的各个部分缺乏意义。

③、缺乏上海市分区的台风风暴潮灾害直接经济损失统计数据。

我们使用统计方法作为数学工具来建立模型。由于涉及的因素非常复杂，难以做出解析的分析，但是我们可以合理假设，风暴潮灾害造成的经济损失和其强度之间存在着一定的统计相关性。同时，作为数学建模的一般原则，在满足对预期效果要求的前提下，使用的数学工具应该尽可能地做简化。对一定数量历史灾害样本寻找统计规律，进而建立符合这些要求的统计数学模型。

(3).数据收集

建立统计模型要求我们根据历史资料，找出直接经济损失和台风强度及路径之间的内在联系。

直接经济损失的资料比较容易收集，但是对台风强度的资料我们必须进行甄选。我们知道，热带气旋有一定的生命周期，因此其强度也在随着时间不断变化。如其距离上海市遥远，则其对上海市的影响可以忽略。只有其逼近上海附近时，才会因强风、暴雨、风暴潮而对上海造成经济损失。我们希望找到一个特征路径点，以这个路径点上台风的状态为准，分析其对上海的影响，在缺乏有关资料的情况下，可以认为台风中心距离上海市中心最近时的状态，较为符合“特征路径点”的要求，同时台风中心和上海市中心的距离和台风的强度都应该纳入考虑之列。

存在一种特例，当台风在上海市辖区范围内登陆或者特别靠近上海时，台风中心距市中心的距离可能小于台风的最大风速半径(Rmw)，对这种情况，考虑到在台风中心向上海市中心逼近过程中，必然存在着某一时刻，其距离等于Rmw，而Rmw处的风速是最大的。所以对这种特例，我们规定“等效距离”(Rc)等于该时刻台风的最大风速半径。

“等效距离”的含义是：

当台风中心距上海市大于其大风圈半径，等效距离＝实际距离

当台风中心距离小于等于其大风圈半径，等效距离＝最大风速半径

基于上述考虑，我们收集了1956年到2005年共计24例影响上海的台风风暴潮灾害。对每个样本，我们收集的数据包括：台风编号、年份、台风中心距上海市中心最近时的时间、地理坐标、近中心最大风速，中心气压，距离、上海地区台风风暴潮增水极值数据、直接经济损失、当年我国国内经济生产总值。此外，我们还搜集了上海市黄浦江段和部分海塘历年防汛设施标高和警戒潮位情况。这些数据被列入了附录1～附录2。

我们在资料收集过程中，未能找到1987年以前各年度的上海市国内生产总值，其原因是在计划经济时代，中央各部委直属的国有企业直接向国家计委报送经济数据，地方并不拥有这些企业的产值数据。因此，我们使用全国的国内生产总值(GDP)数据作为Tg，考虑到上海市在全国总产值中的贡献比率比较稳定，这样的替代方案可以被认为是合理的，各年度的我国国内生产总值列于附录3。

(4).直接经济损失指数的确定

模型研究的对象是灾害造成的直接经济损失。在各种统计报表上，自然灾害造成直接经济损失的数据是以当年价格衡量的货币来表示的。由于经济总量的提高，承灾体的有限空间范围内分布了越来越多的财产，一旦发生灾害，损失也在提高。同时，价格因素也是不容回避的，同一财产，其价格随着各时期物价总水平而不同。因而不同时期的灾害直接经济损失数额不能直接比较，在灾害发生时间相隔比较长时，这一点尤为明显。

为了保持评估对象的稳定性，有必要将以当年价格货币表征的直接经济损失转换为一个在不同时期的灾害之间可比较的量。

我们定义：

Ec＝Ln(l)-Ln(Tg)+n……(1)

式中，Ec为经济损失指数，1为灾害直接经济损失，Tg为我国的当年国内生产总值，为调整Ec值域到原点附近，可设置一任意常量n。

公式(1)可以写为另一个形式： $\mathrm{Ec}=\mathrm{Ln}\left(\frac{l}{\mathrm{Tg}}\right)+12$

其中核心项

其含义相当于灾害造成的直接经济损失占当年国内生产总值之比，其值域恒在(0，1)之间，我们对这个变量取自然对数，这样使得灾害损失与损失之间倍率的变化幅度转换一种线性的变化幅度。另外，灾害直接经济损失相对于全国的国内生产总值是一个非常小的量，因此，

是很接近于0的一个正数，因而对其求自然对数后，结果总是一个绝对值比较大的负数，不利于进行后续的回归分析，为了将Ec调整到围绕0附近，我们把n定义为12。

一定的Ec在不同年代对应着不同的货币值，但这些货币值相对于当年GDP的比值是一定的。选取了Ec一些有代表性的值，并给出了其在不同年代对应的货币值，列于下表。

表6  Ec的函数值表

 

Ec	-2	-1	0	1	2
						灾害损失占当年GDP的多少分之一	1202604	442413	162754	59874	22026
2007年	0.17	0.47	1.3	3.5	9.5

(5).台风风暴潮灾害的分类

历史上较大的风暴潮灾害，大多是风暴潮增水和天文大潮高潮位叠加的结果，同时，产生较大的风暴潮增水的热带气旋，往往伴有强风和暴雨。换言之，风暴潮灾害一旦发生，往往有气象因素和风暴潮因素共同作用，因而其损失也是气象因素和海洋因素分别造成的损失的总和，因此，必须把台风风暴潮增水纳入考虑。

而另一类灾害的主导因素则为气象因素。虽然多数影响上海的台风过程总会伴随着增水，但因防汛设施的加高加固，已能有效减少风暴潮灾害的损失，所以，对于风暴潮增水不是很大，其高潮极值潮位仍低于乃至略超危险潮位的，可以忽略其风暴潮因素造成的直接经济损失，而认定其损失绝大部分都是气象因素造成的。

所谓危险潮位：当潮位超过警戒潮位后继续上涨到某一高程时，可能对防潮工程，沿江(海)主要建筑物及集中居民区等构成灾害性的威胁，这一潮位称为危险潮位。危险潮位的确定主要根据上海市防潮工程的设计标准、历年的风暴潮灾出险概况、防汛指挥部门与预报部门的工作经验而定。一般情况下，上海的危险潮位要比警戒潮位高出10～40厘米左右。

就此我们区分两类台风风暴潮灾害：

1、气象型灾害

条件：过程极值高潮位，超危险潮位10厘米以下。

2、混合性灾害

条件：过程极值高潮位等于或超出危险潮位10厘米。

做类型区分后，气象型灾害有13个样本，混合型灾害有11个样本。

(6).气象型灾害的模型建立

对于气象型灾害，可以用一影响指数来表征其对上海地区的影响程度大小，该指数是一多元函数G(x)，其中x是台风当时状态的集合(台风状态包括了台风和上海市的等效距离)，而G(x)表达了台风对上海的综合影响程度。那么，G(x)和经济损失指数Ec之间应存在着统计联系。这样，建模的第一步是要找到G(x)函数的表达式。由于函数的构造没有既成的方法可以遵循，我们不得不采用“试错法”，即在收集的数据中假设某一因素和若干因素的组合是与Ec相关的主要因素，然后对这一变量，分析其和Ec(x)的统计相关性，直到各种无关或者次要因素被充分地减少为止。

经过反复筛选，多次试验，我们最终确定与了气象型灾害影响指数G的函数表达式，其公式为：

$G=\left(\frac{P_{\min }}{P_c}\right)\frac{\mathrm{CI}}{R_c/R_{\mathrm{mw}}}\·\·\·\·\·\·\left(2\right)$

式中，G是气象型灾害影响指数，为一无量纲的纯数。Pmin是热带气旋过程最低气压，Pc是指近距路径点时的热带气旋的中心气压，单位都是百帕。CI是热带气旋中心距上海市最近的一个路径点(以下简称“近距路径点”)的“现时强度指数”。该指数是根据Dvorak云图判读法确定的热带气旋强度指标。Rc是热带气旋中心位于近距路径点时，和上海市中心的等效距离，Rmw是近距路径点时刻的热带气旋最大风速半径。

●以上各个参数的计算或者获取方法：

(1)、Pmin：

是台风过程最低气压，从台风路径资料中查取。在进行预报时，考虑到通常逼近上海附近的台风，其强度已经开始减弱，因此，可以查取台风到预报时为止的最低气压。

(2)、Pc：

是台风位于近距路径点时的中心气压，可从台风路径资料中查取。在进行预评估时，采用台风路径预报资料中的近距路径点中心气压。

(3)、CI：

CI是Dvork云图判读法中，确定热带强度的最终指标，称为”热带气旋现时强度指数”，在运用模型进行预评估时，可用利用增强红外卫星云图，由Dvork判读法确定。在运用历史资料时，可由热带气旋中心附近最大风速反推CI。

CI和热带气旋中心附近最大风速的对应关系由下表给出：

 

指数	风速m/s	指数	风速m/s)
				0.5	12.5	4.5	40
1	12.5	5	46
				1.5	12.5	5.5	52.5
2	15	6	59
				2.5	18	6.5	65
3	23	7	72
				3.5	28	7.5	79
4	33.5	8	87.5

(4)、Rc：

从台风路径预报资料中可以确定台风中心的经纬度，采用以下公式来计算等效中心距离：

Rc＝6371·Acos[sinδ₁sinδ₂+cosδ₁cosδ₂cos(λ₁-λ₂)]

其中，6371是地球平均半径。δ₁，λ₁是台风中心的纬度、经度。δ₂、λ₂是上海市中心的纬度、经度，分别取为北纬31.23度，东经121.48度。若结果小于台风近距路径点的大风圈半径(Rmw)时，规定Rc＝Rmw。计算结果的单位为千米。

(5)Rmw：

在台风模型中，最大风速半径(Rmw)是一个较难确定的参数，我们采用格拉汉姆(Graham)和努恩(Nunn)公式来计算Rmw：

$\mathrm{Rmw}=28.52\tanh \left[0.00837(\mathrm{lat}-28)\right]+12.22/e^{\frac{1013.2-\mathrm{Pc}}{33.86}}+0.2\mathrm{Vc}+37.22$

式中Rmw为热带气旋最大风速半径半径，单位为千米；lat为热带气旋中心的地理纬度，单位为度。Pc为热带气旋中心气压，单位为百帕；Vc为热带气旋移速，单位取千米/小时。

●对气象型灾害影响指数的分析

在公式(2)可分解为2项，其中，Pmin/Pc为调节系数，

为相对影响指数。气象型灾害影响指数＝调节系数×相对影响指数。

调节系数反映了热带气旋接近上海时的强度衰减程度。若热带气旋接近上海市时处于成熟期，减弱程度很小，则Pc≈Pmin，则Pmin/Pc≈1，调节系数取到极大值。

在其他情况下，热带气旋接近上海已经开始减弱，则Pmin/Pc<1，对同一个热带气旋，若热带气旋接近上海时减弱程度越大，则Pc越大，调节系数Pmin/Pc的值就越小。

为了估计调节系数最小值，可设想一种理想情况，即热带气旋的强度曾经很大，但接近上海时已趋于消散，则可以假设Pmin≈870hp，Pc≈1000hp，在这种情况下，Pmin/Pc达到最小值，约为0.87。其他情况下，Pmin/Pc介于上述两者之间。

一般而言，处于成熟期的热带气旋，其云系结构完整，水汽充沛，给上海市带来的强风、降水等影响，比处于减弱消散期的热带气旋要大。因此使用调节系数可以优化气象型灾害影响指数。但调节系数的变幅不大，确定气象型灾害影响指数的主要是后一项相对影响指数。

为相对影响指数。其中，CI是现时强度指数，它直接表达了热带气旋自身的强度。Rc/Rmw为上海市中心与气旋中心的“相对距离”，即相当于多少倍最大风速半径。

热带气旋自身强度越强，离上海市的距离越近，对上海市的影响就越大。因此，相对影响指数与热带气旋的现时强度指数成正比，与相对距离成反比。

●模型方程

计算了历史热带气旋资料的G之后，发现三次曲线可以较好的拟合G和Ec的关系，即Ec与G的关系可表达为下列关系式：

Ec＝a(G)³+b(G)²+c(G)+d   ……(3)

我们对13个气象型灾害进行回归分析，详细数据列入了附录4，回归图像如图1。

通过回归分析，我们求得了G的多项式的参数：

 

参数	值
		a	6.8304
b	-30.67
		c	39.638
d	-14.737

上述参数下的Ec～G多项式和13个样本组成的历史实测数据之间的相关性系数R²＝0.8139。

(7).混合型灾害评估模型的建立

在前面的讨论中我们已经明确了，混合型灾害中既有强风、暴雨等台风因素造成的损失，也有风暴潮造成的损失。

由于气象型灾害的建模已经完成，在混合型灾害评估模型的建立中，我们先研究风暴潮灾害所起的作用，然后合成风暴潮灾害和台风灾害两者，以完成混合型灾害评估模型的建立。

近似的假设强风、暴雨等致灾因素和风暴潮因素这两者造成的损失是相互独立的。因此，我们把混合型灾害的经济损失表达为以下公式：

l＝l_w+l_t   …..(4)

式中，lw是气象因素造成的灾害损失，lt是风暴潮因素造成的灾害损失。

已知lw是跟经济损失指数Ec联系的。在上一节中，我们已经对Ec进行了建模，我们定义Ec_w为单纯气象因素造成的损害的经济损失指数，套用公式(3)，有：

Ec_w＝a(G)³+b(G)²+c(G)+d

在上式中，a、b、c、d仍可以采用上一节评估的系数。

由于Ec_w＝Ln(l_w/Tg)+12，所以，l_t＝l-Tg·exp(Ec_w-12)

对于单纯由潮灾造成的直接经济损失lt，同样我们可以把用货币计量的直接经济损失的数值lt转换为经济损失指数：

${\mathrm{Ec}}_t=\mathrm{Ln}\left[\frac{l-\mathrm{Tg}\&CenterDot;\exp ({\mathrm{Ec}}_w-12)}{\mathrm{Tg}}\right]+12\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\left(5\right)$

Ect是单纯由风暴潮因素造成的灾害的经济损失指数。

这样我们完成了把气象因素和海洋因素从混合型灾害中分离出来的步骤。

接下来单独考虑由海洋因素造成的直接经济损失Ect和某种风暴潮的可预报的本身属性的关系。

在上海地区，我们使用较具代表性的高桥的极值潮位来代表风暴潮的强度。在分析防汛设施抗御能力时，我们使用比较简单的参数化方法来模拟其抗御能力。

直观上，台风风暴潮来袭时，最有价值的信息是其极值潮位，极值潮位虽然是天文潮和风暴潮增水耦合的后果，但是在应用上，可以不区分极限潮位的构成。而构成灾害损失的关键又在于极值潮位和防御设施的抗御能力相比较，极值潮位能威胁防御设施的程度。我们用若干参数来模拟防汛设施的抗御能力，这样可以用极值潮位超过这些参数的幅度来表征风暴潮的威胁程度。

关于防汛设施抗御能力参数，首先考虑危险潮位。各个年份的“危险潮位”是随着防汛设施完善程度而变化的。当前，浦东一带海塘和市区一般地段防汛墙警戒潮位标准是490厘米，我们通过对市防汛办的走访调研，初步确定了当前的危险潮位为540厘米，并初步地估计了各时期的危险潮位。这部分资料列入了附录2。

除了规定的危险潮位这个要素外，还应考虑另一要素，就是各时期的防潮防汛设施的总体结构、强度、包括是险工险段地区得到加强的程度，以及有关部门抗御潮灾能力的增长。例如59年建成的砖砌防汛墙，其防御能力相对于同样标高的钢筋混凝土防汛墙是很弱的。随着防汛设施的不断完善，且历史上严重的风暴潮灾害往往暴露了一些容易受损的地段，在灾害事后都得到了有效加固。所以，总的来说，强度要素是在历史上是一个随时间递增的函数，作为一个参考标准，我们定义2000年的强度要素为0。

由此我们定义风暴潮影响指数K为：

$K=\frac{H_{\max }-H_j}{H_{\mathrm{avg}}}-M\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\left(6\right)$

其中，K是我们定义的风暴潮影响指数；Hmax是高桥站的高潮极值潮位，Hi是当时的危险潮位，单位都是cm，Havg等于高桥站多年潮位平均高程减去黄零基面高程，为一常量210cm。M是防御设施强度因子，为一待定的函数。通过经验分析，我们认为M函数有三个方面特性：(1)防汛设施的强度逐渐增强，M为随时间单调递增函数。(2)存在着部分超危险潮位幅度较大而实际损失很小的热带气旋，应考虑此时的强度要素能大部分地抵消超危险潮位幅度的影响。(3)引入强度要素M后，应使得K和Ect的相关性明显，即Ect较大的灾害，也对应着较大的K，反之亦然。我们依据上述三个要素，对M函数的值进行了估计，其结果列于附录2。

对风暴潮影响指数的分析：Hmax-Hj为超危险水位，Havg为一常数，故

表达了超过危险水位的相对幅度，M为强度因子，相同的超危险水位幅度下，防汛设施的强度越强，则风暴潮影响越小，故减去强度因子。K为一无量纲的指数，表达了在一定的风暴潮增水条件下，对上海市的影响强度。

完成了以上工作后，即可求出各次灾害中的风暴潮影响指数子K，我们用K的二次函数拟合Ect时，相关性系数达到0.8以上。请参阅图2。

Ect的公式可以表达如下：

Ec_t＝α(K)²+β(K)+γ   ……(7)

从回归中我们求得的最佳估计的参数如下：

 

参数	值
		α	19.157
β	-2.2266
		γ	-0.5

在上述参数下，Ect函数对于9个样本的实测数据集的相关性系数R²＝0.8369。

Ect的方程建立后，即可求出混合型灾害的总直接经济损失Ec：

利用公式(4)，有l＝l_w+l_t＝Tg·[exp(Ec_w-12)+exp(Ec_t-12)]

所以，Ec＝Ln[exp(Ec_w-12)+exp(Ec_t-12)]+12   ……(8)

其中，Ecw利用上一节的公式(3)求出，Ect利用本节的公式(7)求出。至此已完成了对混合型灾害的建模。

2、方法验证

2.1误差分析

本发明作出的对未来直接经济损失的估计，带有一定的误差，为了确定误差范围，有必要对评估方法进行验证。

对所有本发明所用统计样本(不包括检验使用的独立样本)进行二次回归的结果表明，回归直线方程接近于y＝x的形式，表明我们所建立的模型具有内在一致性。

模型预测的数值和实际的经济损失指数之间，总存在着一定的误差。此外，用于构造气象型模型的观测数据(热带气旋路径资料)，本身也是从卫星云图结合地面站资料订正的，也存在着一定的误差。因此，我们在图中对应每个气象型样本，用误差线勾勒出其误差范围。

在y轴上的误差线，线段的两个端点之间相差约10倍，这是是我们模型的预期效果：最小估计和最大估计之间相差约1个数量级。

在x轴上的误差线，表明观测数据本身可能存在的误差，即存在着一种可能：并非模型的问题，而系观测数据本身的误差所导致。在x轴方向的误差线我们设定为G值的+-5％。

对于风暴潮影响指数K，由于潮位的观测相当准确，我们忽略其观测数据上的误差，在对混合型灾害样本设置x轴方向上的误差线时，我们排除了K的误差因素。

从模型后报和实际损失的对比图中我们看到，大部分的样本，其误差线和我们的模型线相交，其中包括了未用于建模的8913和0014热带气旋。为了合理更加精确的定义误差限的范围，借鉴黄金分割法，我们定义：

悲观估计＝预测值*3.23

乐观估计＝预测值*0.309

悲观估计比例系数相当于2/G，乐观估计比例系数相当于G/2(G为黄金分割率，G≈0.618)。悲观估计是乐观估计的10.5倍，约1个数量级。我们预计多数实际灾害损失将介于模型预测乐观估计和悲观估计之间。

在Ec轴上应用黄金分割法时，应将其倍率取自然对数，即模型计算的Ec函数和实际经济损失的Ec函数之间的误差限为±1.174。

我们应用上述准则进行了检验。在24个样本中，18个样本的后报误差在误差限内，6个样本的误差在误差限外。

在应用本发明进行预评估时，根据上述误差限和模型预期效果的定义，若灾后统计的直接经济损失值在预评估的误差限内的，则认定该次评估为有效评估，否则为无效评估。为了检验检验其误差分布范围，我们作出了样本误差频率直方图，从样本误差频率直方图中可以看到，提示我们误差的分布频率具有正态分布的性质。

为了继续检验误差分布是否满足正态分布假设，我们对误差数据进行Kolmogorov-Smirnov检验，其详细检验过程列入了附录6。

检验结果表明，在置信度95％条件下，样本的KS值0.09小于临界值0.27，服从正态分布假设。

在样本服从正态分布假设成立的情况下，我们计算了所有样本相对于二次回归后的方程的误差平均值和标准差，结果如下：

 

平均值	0.019
		标准差	0.9621

从概率分布公式可知，误差落入(x0，x1)区间的概率满足：

${\&Integral;}_{x0}^{x1}\frac{1}{\sqrt{2\mathrm{\&pi;\&sigma;}}}{e}^{-\frac{{(x-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{dx}$

根据样本误差统计结果，上式中，σ＝0.9621，μ＝0.019。

我们可以通过计算来确定误差落在误差限范围内的概率。上述正态分布函数的积分是一个超越函数，难以直接计算，但可通过查标准正态积分函数表 $(F\left(x\right)={\&Integral;}_{-\&infin;}^x\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{x^2}{2}}\mathrm{dx}),$ 计算其近似值：

${\&Integral;}_{-x1}^{x1}\frac{1}{\sqrt{2\mathrm{\&pi;\&sigma;}}}{e}^{-\frac{{(x-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{dx}=F\left(\frac{x1-\mathrm{\&mu;}}{\mathrm{\&sigma;}}\right)-[1-F\left(\frac{x1-\mathrm{\&mu;}}{\mathrm{\&sigma;}}\right)]=2F\left(\frac{1.1554}{0.9621}\right)-1\&ap;0.77$

其中x1为模型预定误差限。根据上式计算的台风风暴潮灾害直接经济损失预评估模型的总有效性约为77％。实际上，24个回归样本中，有18个样本的后报结果在误差限内，占所有样本的75％。这些数据表明，在预定的误差限范围内，本发明能够对70％以上的台风风暴潮带来的直接经济损失给出有效的预测评估数据。

二、评估应用与后报检验

1.计算机实现实例

作为本发明的一个实现实例，在上海市海洋环境预报台的“海洋灾害应急信息系统网格信息发布平台”中，我们构建了风暴潮灾害预评估系统，可以半自动的完成对风暴潮灾害的预评估。在实际应用时，当热带气旋进入到我国的24小时台风警戒线，并且未来有可能对上海地区造成影响时，就可以由预报员启动风

用户可以选择手工输入增水幅度或从数据库中读取风暴潮增水幅度。在模型涉及的各项参数中，GDP采用上年GDP加上预期的年度经济增长率的方法估算，防汛墙高度由数据库读出，台风的相关属性采用台风路径预报的数据。

完成输入准备工作后，按“开始计算”，则系统会根据内置的预评估模型，给出其最佳估计、悲观估计、乐观估计三个数值。需要注意的是：如果台风路径的最近点距离上海700千米以上，且增水幅度加天文潮小于危险潮位，则系统会显示：距离遥远，尚无影响。

系统所用的评估参数内置在配置文件中，当模型所用参数调整时，可用文本编辑器修改其评估参数。

2.后报检验

在建模完成之后，我们以2006年和2007年各一次对上海市发生影响的台风灾害的资料进行后报检验，这两次台风灾害的数据均未进入建模所用的数据中。

这两个独立样本的数据已列入附录6。

根据模型后报的结果，0604台风最可能造成76万元左右的直接经济损失，其悲观估计为约240万元，乐观估计为23万元。实际上其造成的直接经济损失为约200万元。

0713台风最可能造成约2155万元的直接经济损失，其悲观估计为6900万元，乐观估计为670万元。即属于“千万元级”经济损失的灾害实际上其造成的直接经济损失为2019万元，模型预测的结果比较理想。

附录1  历史风暴潮灾害样本

下表为回归分析所使用的24个历史风暴潮灾害样本。

未在表中标明单位的项目其单位如下：

 

项目	单位
		最近距离	千米
近距最大风速	米/秒
		近距中心气压	百帕
过程极值气压	百帕
		过程极值风速	米/秒
近距大风圈半径	千米
		近距市中心模型气压	百帕
极值水位	厘米(吴淞基面)

其中，CI指数是通过最大风速和CI的对应关系反推的。

资料来源：

1949-2005《热带气旋年鉴》

上海市海洋灾害信息网延时数据库

附录2  新中国建立以来上海市部分防汛设施

建设情况

新中国建立后黄浦江沿岸上海市区一般地段防汛墙高度表

 

年代	记录	防汛墙顶标高	备注
				1959	第一次修筑	4.8米	砖砌
1962-64	第二次修筑	5.3米	钢筋混凝土
				1982-84	第三次修筑	5.8米	钢筋混凝土
1992-1993	第四次加固加高	6.3米	钢筋混凝土
				1997-2000	第五次加固加高	6.8米，部分地区7米	钢筋混凝土

资料来源：

《上海地质矿产志》第五篇《地面沉降》

上海市防汛办公室

新中国建立后各时期上海部分地区海塘高度与警戒潮位表

(单位：米)

资料来源：上海市防汛办公室

危险潮位Hj和强度因子M暂定参数²

(单位：厘米)

 

年代	危险潮位Hj	强度因子M	同期浦东主海塘高度
				49～57	410	-0.2	580～800
58～64	440	-0.15	650～800
				65～84	460	-0.1	700～800
85～93	490	-0.05	800～900
				94～00	530	0	850～950
01～现在3	540	1.0	950～1020

附录3  历年全国国内生产总值⁴

1952年～2007年我国的国内生产总值5

 

年份	国内生产总值	年份	国内生产总值
				1952	679	1980	4517.8
1953	824	1981	4862.4
				1954	859	1982	5294.7
1955	910	1983	5934.5
				1956	1028	19 84	7171
1957	1068	1985	8964.4
				1958	1307	1986	10202.2
1959	1439	1987	11962.5
				1960	1457	1988	14928.3
1961	1220	1989	16909.2
				1962	1149.3	1990	18547.9
1963	1233.3	1991	21617.8
				1964	1454	1992	26638.1
1965	1716.1	1993	34634.4
				1966	1868	1994	46759.4
1967	1773.9	1995	58478.1
				1968	1723.1	1996	67884.6
1969	1937.9	1997	74462.6
				1970	2252.7	1998	78345.2
1971	2426.4	1999	81910.9
				1972	2518.1	2000	89403.6
1973	2720.9	2001	95933.3
				1974	2789.9	2002	102398
1975	2997.3	2003	116694
				1976	2943.7	2004	136515
1977	3201.9	2005	182321
				1978	3624.1	2006	209407
1979	4038.2	2007	246619

混合型灾害回归分析表

 

样本编号	热带气旋编号	气象型灾害影响指数G	高桥极值潮位	危险潮位Hj	强度因子M	潮灾害影响指数K	模型气象因素损失lw	模型灾害总损失Ec	根据实测资料分离的Ecw	实际的直接经济损失(当年价，百万元)
											1	5612	0.9321784	440	370	-0.2	70	1.887226	3.3525	3.44	3
2	6207	0.9000781	551	410	-0.15	141	2.066839	8.322	8.354	500
											3	7708	2.0236686	454	430	-0.1	24	0.058381	1.4843	2.4	3.65
4	7910	1.2857812	492	440	-0.1	52	2.591432	2.7551	2.264	7.82
											5	8114	1.8123233	564	440	-0.1	124	0.152118	6.5452	5.01	132.98
6	8913	0.7621	530	480	-0.05	50	20.53606	4.0553	无意义6	8
											7	9216	0.2651628	528	480	-0.05	48	0.03142	3.94	-1.16	3.13
8	9608	0.2754356	544	510	0	34	0.103044	4.3933	0.021	42.19
											9	9711	0.648055	599	510	0	89	42.61452	5.6837	2.596	634.9
10	0012	1.2755406	597	530	0	67	60.57916	4.9271	0.517	122
											11	0014	1.4040421	540	530	-0.2	10	28.99477	-7.499	无意义	15

附录5  灾害等级和模型后报结果

根据直接经济损失确定的灾害等级表

模型后报结果简表

 

样本编号	热带气旋编号	模型后报Ec	模型后报直接经济损失(当年价百万元)	实际直接经济损失(当年价百万元)	实际损失Ec	当年国内生产总值(当年价亿元)	根据模型后报Ec确定的首选等级和概率	根据模型后报Ec确定的备择等级和概率	根据实际损失Ec确定的灾害等级
										1	5612	1.623	3.5872	3	1.558072	1028	II/49.37％	I/48.01％	II
2	6207	6.652	810.27	500	6.330602	1449.3	I/99.9％	N/A7	I
										3	7708	-0.325	1.180	3.65	0.618057	3201.9	III/58.3％	II/35.7％	III
4	7909	0.471	7.17	7.58	1.116789	4038.2	II/66.7％	I/23.0％	II
										5	7910	0.918	5.97	7.82	1.14796	4038.2	II/65.4％	I/25.8％	II
6	8114	5.920	1192.7	132.98	3.795741	4862.4	I/99.9％	N/A	I
										7	8310	0.234	4.5	0.8	-1.5207	5957.4	II/60.58％	III/32.10％	II
8	8615	1.190	20.6	22.51	1.278431	10202.2	II/64.68％	I/27.09％	II
										9	8913	0.934	26.1	8.0	0.361919	16909.2	II/67.86％	I/19.22％	II
10	8923	-1.840	1.7	2.11	-1.5946	16917.8	III/56.76％	IV/38.59％	III
										11	9015	0.018	11.7	20.96	0.606615	18598.4	II/54.34％	III/40.61％	II
12	9216	0.154	12.6	3.13	-1.12756	26638.1	II/58.46％	III/35.67％	III
										13	9417	-4.529	0.38	0.4	-4.03205	46795.4	IV/99.3％	N/A	IV
14	9507	-3.208	2.83	1.56	-3.0518	57494.9	IV/86.21％	III/13.65％	IV
										15	9608	-0.231	25.2	42.19	0.021354	67884.6	III/49.31％	II/45.99％	II
16	9711	2.192	213.7	634.9	2.630245	74462.6	I/65.91％	II/33.29％	I
										17	0012	1.089	267.6	122	0.797935	89403.6	II/66.26％	I/23.89％	II
18	0014	-0.344	38.2	15	-1.29804	89403.6	III/53.86％	II/41.01％	II
										19	0205	0.655	182.6	56	-0.11644	102398	II/66.35％	III/23.27％	II
20	0216	-0.870	26.36	3.75	-2.82004	102398	II/65.77％	III/23.85％	IV
										21	0407	-0.281	20.27	11.8	-1.96126	136515	III/66.04％	II/23.58％	III
22	0414	-3.317	2.42	2.4	-3.55389	136515	IV/92.51％	N/A	IV
										23	0509	0.591	287.8	1358	2.486625	183868	II/62.91％	III/29.53％	II
24	0515	0.776	157.17	370	1.186359	183868	II/67.86％	I/12.78％	I

附录6  误差分析

统计样本误差分析表

 

样本编号	热带气旋编号	G	K	模型后报总的经济损失值Ec	实际总损失Ec	当年国内生产总值(亿元)	误差(相对于再次回归后的后报值)	误差平方
									1	5612	0.9403	0.3428571	1.73683	3.455192	1028	0.237	0.056127021
2	6207	0.9781	0.6785714	6.81336	8.122361	1449.3	0.476	0.226185538
									3	7708	2.0412	0.0714286	-0.5109	2.414373	3201.9	1.304	1.701366522
4	7909	0.9996	-0.295238	1.06184	2.414151	4038.2	0.398	0.158767809
									5	7910	1.2537	0.252381	0.87792	2.424194	4038.2	0.594	0.352699951
6	8114	1.2025	0.6428571	5.9895	5.010626	4862.4	-1.323	1.751593348
									7	8310	0.7292	0.2238095	0.2106	-0.60441	5957.4	-1.479	2.18680727
8	8615	0.8085	-0.245238	1.19	2.30805	10202.2	0.446	0.19859662
									9	8913	0.7342	0.1928571	0.92201	0.365265	16909.2	-0.855	0.730670467
10	8923	0.4577	-0.111905	-1.84	-0.96758	16917.8	0.279	0.077673779
									11	9015	1.2894	-0.578571	0.02409	1.216474	18598.4	0.815	0.664388457
12	9216	0.2223	0.1833333	-0.2635	-1.12756	26638.1	-0.662	0.438548981
									13	9417	0.3501	-0.019048	-4.3257	-4.03205	46795.4	0.061	0.003752027
14	9507	2.3250	-0.3	-2.5245	-3.0518	57494.9	-0.567	0.321651371
									15	9608	0.1625	0.1142857	-0.5041	0.021354	67884.6	0.702	0.492151565
16	9711	0.6196	0.3761905	1.54119	2.630245	74462.6	1.484	2.201684899
									1718192021222324	00120014020502160407041405090515	1.23590.46910.89250.42881.52960.38960.82841.2295	0.36666670.0952381-0.847619-0.052381-0.285714-0.771429-0.328571-0.528571	1.58324-0.36251.06547-0.87-1.4204-3.54590.935010.33019	0.797935-1.29804-0.11644-2.82004-1.96126-3.553892.4866251.186359	89403.689403.6102398102398136515136515183868183868误差平均0.019	-0.386-0.744-0.838-1.813-0.463-0.1571.8821.121误差平方和21.2918	0.1490430830.5539777190.7022596083.2871133390.2140851380.0246616923.5402930611.257684288标准差0.9621

误差分布的正态性柯尔莫哥洛夫—斯米诺夫检验

Claims (8)

1、一种可用于台风风暴潮灾害预评估的方法，其特征在于：包括：

(1)使用统计方法作为数学工具来建立模型，在一定数量历史灾害样本中寻找统计规律，并进而建立统计数学模型；

(2)在台风风暴潮来临之前，将各项参数输入该统计数学模型进行评估。

2、根据权利要求1所述的可用于台风风暴潮灾害预评估的方法，其特征在于：

步骤(1)中，所述“对一定数量历史灾害样本寻找统计规律”是指根据历史灾害样本的资料，找出直接经济损失和台风强度及路径之间的内在联系。

3、根据权利要求1所述的可用于台风风暴潮灾害预评估的方法，其特征在于：将以当年价格货币表征的直接经济损失转换为一个在不同时期的灾害之间可比较的量，定义：

Ec＝Ln(l)-Ln(Tg)+n……(1)

式中，Ec为经济损失指数，1为灾害直接经济损失，Tg为该国或该地区的当年国内生产总值，为调整Ec值域到原点附近，可设置一任意常量n；

公式(1)可以写为另一个形式： $\mathrm{Ec}=\mathrm{Ln}\left(\frac{l}{\mathrm{Tg}}\right)+12.$

4、根据权利要求1所述的可用于台风风暴潮灾害预评估的方法，其特征在于：

区分两类热带气旋所致的风暴潮灾害：气象型灾害

条件：过程极值高潮位，超危险潮位10厘米以下；

(2)混合性灾害

条件：过程极值高潮位等于或超出危险潮位10厘米。

5、根据权利要求4所述的可用于台风风暴潮灾害预评估的方法，其特征在于：

对于气象型灾害，确定气象型灾害影响指数G的函数表达式为：

$G=\left(\frac{P_{\min }}{P_c}\right)\frac{\mathrm{CI}}{R_c/R_{\mathrm{mw}}}\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\left(2\right)$

式中，G是气象型灾害影响指数，为一无量纲的纯数；Pmin是热带气旋过程最低气压，Pc是指近距路径点时的热带气旋的中心气压，单位都是百帕；CI是热带气旋中心距城市最近的一个路径点“现时强度指数”，该指数是根据Dvorak云图判读法确定的热带气旋强度指标；Rc是热带气旋中心位于近距路径点时，和城市中心的等效距离，Rmw是近距路径点时刻的热带气旋最大风速半径.

6、根据权利要求1-4中任一所述的可用于台风风暴潮灾害预评估的方法，其特征在于：定义了风暴潮影响指数K，其表达式为：

$K=\frac{H_{\max }-H_j}{H_{\mathrm{avg}}}-M\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\left(6\right)$

其中，K是定义的风暴潮影响指数；Hmax是高桥站的高潮极值潮位，Hj是当时的危险潮位，单位都是cm，Havg等于高桥站多年潮位平均高程减去海平面高程，为一常量210cm，M是防御设施强度因子，为一待定的函数。

7、根据权利要求4所述的可用于台风风暴潮灾害预评估的方法，其特征在于：

为了合理更加精确的定义误差限的范围，借鉴黄金分割法，定义：

悲观估计＝预测值*3.23

乐观估计＝预测值*0.309

悲观估计比例系数相当于2/G，乐观估计比例系数相当于G/2，G为黄金分割率，G≈0.618。

8、权利要求1-7中任一所述的可用于台风风暴潮灾害预评估的方法的应用，其特征在于：

将该方法和信息发布平台结合，实现了计算机化，能够在台风影响前一定时间内，通过导入数值模式计算，估计台风灾害可能造成直接经济损失的范围。

Images