劉 遠(yuǎn),李 瑩，王國(guó)復(fù)，尹金方，張正濤，朱業(yè)玉，李 寧

(1.國(guó)家氣候中心，北京 100081；2.中國(guó)氣象學(xué)院研究院 災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100081；3.北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875；4.河南省氣候中心，河南 鄭州 450003；5. 北京師范大學(xué) 國(guó)家安全與應(yīng)急管理學(xué)院，北京 100875)

間接損失評(píng)估中最常用的方法是可計(jì)算一般均衡(Computable General Equilibrium,CGE)和投入產(chǎn)出(Input-Output,IO)模型，二者都被廣泛應(yīng)用于由自然災(zāi)害引起的初始沖擊而產(chǎn)生的關(guān)聯(lián)損失評(píng)估[1-3]。CGE模型通常被認(rèn)為更加復(fù)雜，該模型考慮了替代效應(yīng)和相對(duì)價(jià)格變化的非線性等機(jī)制，允許更大的靈活性，但是由此可能出現(xiàn)極端替代效應(yīng)和價(jià)格變化[4]，導(dǎo)致CGE模型可能低估自然災(zāi)害的間接損失。相反，由于線性和缺乏替代可能性，I-O模型通常被認(rèn)為高估了間接損失[5]。然而，I-O模型因其簡(jiǎn)單性和能夠通過(guò)中間投入和最終需求來(lái)反映一個(gè)經(jīng)濟(jì)體內(nèi)的行業(yè)和地區(qū)之間的經(jīng)濟(jì)相互依存關(guān)系而獲得青睞[6]。許多研究基于I-O建模框架開(kāi)發(fā)了各種模型來(lái)評(píng)估自然災(zāi)害對(duì)受災(zāi)地區(qū)的經(jīng)濟(jì)影響。然而，自然災(zāi)害的經(jīng)濟(jì)影響并不僅限于災(zāi)區(qū)內(nèi)，隨著地區(qū)之間經(jīng)濟(jì)聯(lián)系日益密切，可以預(yù)見(jiàn)未直接受災(zāi)的地區(qū)將通過(guò)地區(qū)間經(jīng)濟(jì)聯(lián)系遭受關(guān)聯(lián)損失[7-8]。近期一些研究也開(kāi)始強(qiáng)調(diào)自然災(zāi)害的多區(qū)域影響[5,9]，這些考慮到多區(qū)域影響的研究表明，在受影響區(qū)域之外可能會(huì)發(fā)生重大損失。因此，本文引入了一種適應(yīng)性多區(qū)域投入產(chǎn)出(Adaptive Multi-Regional Input-Output,AMRIO)模型[10]，該方法考慮了災(zāi)后生產(chǎn)效率低下和生產(chǎn)瓶頸效應(yīng)的同時(shí)，也考慮了地區(qū)間經(jīng)濟(jì)聯(lián)系，能夠捕捉由于災(zāi)區(qū)生產(chǎn)效率下降而造成災(zāi)區(qū)之外的間接損失。

近年來(lái)，隨著全球氣候變暖的持續(xù)以及城市化進(jìn)程的加速，極端天氣氣候事件頻次顯著增加。2021年7月中下旬，西太平洋副熱帶高壓異常偏北，同時(shí)臺(tái)風(fēng)“煙花”攜帶大量水汽持續(xù)向黃淮地區(qū)輸送，引發(fā)了河南省多個(gè)地區(qū)極為罕見(jiàn)的持續(xù)性強(qiáng)降水天氣。鄭州7月20日04:00—21日04:00的降水量達(dá)到了645.6 mm，超過(guò)了以往的年平均降水量(640.8 mm)，最大小時(shí)降水量和最大24 h降水量均突破自1951年鄭州氣象臺(tái)創(chuàng)建以來(lái)的歷史紀(jì)錄。此次極端暴雨事件導(dǎo)致鄭州、鶴壁、新鄉(xiāng)、安陽(yáng)等多地發(fā)生嚴(yán)重洪澇災(zāi)害，并造成重大人員傷亡和巨額經(jīng)濟(jì)損失。在此背景下，本文以河南省“21·7”極端暴雨事件為例，基于災(zāi)情統(tǒng)計(jì)中的直接經(jīng)濟(jì)損失數(shù)據(jù)，采用AMRIO模型估算河南省各地市由于行業(yè)和地區(qū)之間的經(jīng)濟(jì)相互依存關(guān)系而產(chǎn)生的間接損失，充分解析間接損失在不同行業(yè)、地區(qū)以及在災(zāi)害恢復(fù)過(guò)程中的動(dòng)態(tài)變化。

1 研究方法

1.1 AMRIO模型

傳統(tǒng)的I-O模型是靜態(tài)線性模型[6]，不能反映經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)特征且無(wú)法包含彈性措施的影響，由此造成了傳統(tǒng)IO模型的局限性。但是，得益于傳統(tǒng)IO模型較低的數(shù)據(jù)需求以及能夠明確反映地區(qū)和行業(yè)之間的經(jīng)濟(jì)相互依賴(lài)關(guān)系的優(yōu)勢(shì)[4]，它也得到了廣泛的開(kāi)發(fā)和應(yīng)用，尤其是在災(zāi)害損失評(píng)估領(lǐng)域。具有代表性的模型有適應(yīng)性區(qū)域投入產(chǎn)出模型(Adaptive Regional Input-Output,ARIO)[1,11]、多區(qū)域投入產(chǎn)出模型(Multi-Regional Input-Output,MRIO)[9,12]、多區(qū)域影響評(píng)估模型(Multi-Regional Impact Assessment,MRIA)[5]以及這些模型的衍生版本。本文采用AMRIO模型，它沿用了ARIO模型動(dòng)態(tài)可迭代的模型框架，并通過(guò)多區(qū)域投入產(chǎn)出表反映的地區(qū)間經(jīng)濟(jì)聯(lián)系進(jìn)行多區(qū)域權(quán)衡，能夠動(dòng)態(tài)模擬災(zāi)害導(dǎo)致的行業(yè)和地區(qū)間的間接損失。

1.2 模型基本假設(shè)

考慮到經(jīng)濟(jì)系統(tǒng)的復(fù)雜性，經(jīng)濟(jì)模型的模擬需要基于以下關(guān)鍵假設(shè)。AMRIO模型基于投入產(chǎn)出理論和多區(qū)域投入產(chǎn)出表，假設(shè)一個(gè)地區(qū)的經(jīng)濟(jì)有數(shù)量眾多且有固定消費(fèi)的家庭，以及多個(gè)不同的行業(yè)組成。對(duì)這些行業(yè)的基本假設(shè)：①只生產(chǎn)一種特定的產(chǎn)品或服務(wù)，并且需要其他地區(qū)和其他行業(yè)的投入才能完成其生產(chǎn)過(guò)程；②與地區(qū)內(nèi)和地區(qū)間的行業(yè)相互交換中間產(chǎn)品或服務(wù)；③可替代其他地區(qū)相同行業(yè)的產(chǎn)品或服務(wù)，不同地區(qū)貿(mào)易環(huán)節(jié)的配給方案成比例變化；④所有地區(qū)的行業(yè)的進(jìn)口不受限制；⑤假定受災(zāi)影響導(dǎo)致行業(yè)生產(chǎn)資本和家庭實(shí)物資產(chǎn)受到破壞。

1.3 模型原理

經(jīng)濟(jì)系統(tǒng)中的每個(gè)行業(yè)都可以視為生產(chǎn)者，同時(shí)，各行業(yè)又是需要其他行業(yè)中間產(chǎn)品的消費(fèi)者。災(zāi)害未發(fā)生時(shí)，總產(chǎn)出滿(mǎn)足中間需求和消費(fèi)者的最終需求。但是，這種平衡被災(zāi)害對(duì)經(jīng)濟(jì)系統(tǒng)的沖擊所破壞，并進(jìn)一步破壞了供應(yīng)鏈(圖1)。AMRIO模型考慮了災(zāi)害沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的以下影響機(jī)制：①產(chǎn)業(yè)關(guān)聯(lián)影響：從生產(chǎn)者的角度來(lái)看，農(nóng)作物受災(zāi)、道路中斷以及能源供應(yīng)下降等會(huì)限制一些行業(yè)的生產(chǎn)能力，從而導(dǎo)致這些行業(yè)的供給能力不足，約束了其他未受災(zāi)害直接影響行業(yè)的生產(chǎn)和消費(fèi)者消費(fèi)，產(chǎn)生間接損失；②生產(chǎn)能力約束：AMRIO模型根據(jù)直接經(jīng)濟(jì)損失統(tǒng)計(jì)資料，計(jì)算各行業(yè)災(zāi)后剩余的生產(chǎn)能力，而這種生產(chǎn)能力會(huì)隨著救災(zāi)進(jìn)程不斷恢復(fù)，直到這種直接損失得到全部重置；③生產(chǎn)瓶頸：AMRIO模型中，生產(chǎn)瓶頸可以在地區(qū)之間發(fā)生作用，當(dāng)某個(gè)地區(qū)某個(gè)行業(yè)的產(chǎn)出不足時(shí)，通過(guò)等比例分配法將各行業(yè)生產(chǎn)的商品或服務(wù)按照需求方的需求比例進(jìn)行分配；④生產(chǎn)者對(duì)災(zāi)害直接損失的響應(yīng)：生產(chǎn)者根據(jù)需求擴(kuò)大或縮減生產(chǎn)量，或者通過(guò)地區(qū)外的貿(mào)易替代彌補(bǔ)當(dāng)?shù)厣唐坊蚍?wù)供給的不足，而后隨著生產(chǎn)能力的恢復(fù)，又逐漸恢復(fù)至初始的供應(yīng)商。

根據(jù)上述模型基本假設(shè)和模擬原理，基于河南省多區(qū)域投入產(chǎn)出表，AMRIO模型將每個(gè)地區(qū)和每個(gè)行業(yè)的生產(chǎn)與需求聯(lián)系起來(lái)，地區(qū)r行業(yè)i的生產(chǎn)能力可以表示為：

(1)

式中：i,j= 1,…,m代表所有行業(yè)；r,s= 1,…,n代表不同地區(qū)；y0代表總產(chǎn)出向量；A代表投入產(chǎn)出表矩陣；F代表最終需求矩陣；D為災(zāi)害直接經(jīng)濟(jì)損失矩陣；隨后可以計(jì)算每個(gè)地區(qū)中每個(gè)行業(yè)的生產(chǎn)量和消費(fèi)量，模擬災(zāi)后遭破壞的生產(chǎn)如何一步一步被重置，生產(chǎn)能力逐步恢復(fù)至災(zāi)前狀態(tài)。詳細(xì)的模型計(jì)算過(guò)程可參考文獻(xiàn)[10,13]。

圖1 AMRIO模型理論框架圖

2 數(shù)據(jù)來(lái)源及處理

2.1 河南省多區(qū)域投入產(chǎn)出表

目前國(guó)家和地方統(tǒng)計(jì)局編制的投入產(chǎn)出表均為國(guó)家或者省級(jí)尺度，缺乏地級(jí)尺度的投入產(chǎn)出表數(shù)據(jù)。因此，AMRIO模型所需要的河南省多區(qū)域投入產(chǎn)出表來(lái)源于中國(guó)碳核算數(shù)據(jù)庫(kù)工作組(Carbon Emission Accounts & Datasets,CEADs)發(fā)布的2012年中國(guó)城市尺度多區(qū)域投入產(chǎn)出表[14]。CEADs工作組基于熵值模型，構(gòu)建了一套城市尺度投入產(chǎn)出模型的編制框架，并編制了2012年我國(guó)城市尺度多區(qū)域投入產(chǎn)出表。該表包含中國(guó)大陸地區(qū)313個(gè)地級(jí)行政單位，覆蓋全國(guó)95%以上的人口與97%以上的GDP。該投入產(chǎn)出表囊括42個(gè)社會(huì)經(jīng)濟(jì)行業(yè)，5個(gè)最終消費(fèi)(農(nóng)村居民消費(fèi)、城鎮(zhèn)居民消費(fèi)、政府消費(fèi)、資本形成、存貨變動(dòng))，與國(guó)家統(tǒng)計(jì)局公布的中國(guó)國(guó)家尺度投入產(chǎn)業(yè)表相同。

本文對(duì)上述多區(qū)域投入產(chǎn)出表的處理主要分為三個(gè)方面：①為了模擬“21·7”極端暴雨災(zāi)害對(duì)河南省經(jīng)濟(jì)系統(tǒng)的影響，需要將2012年中國(guó)城市尺度多區(qū)域投入產(chǎn)出表改為河南省本地多區(qū)域投入產(chǎn)出表，后者區(qū)分了中間消費(fèi)的產(chǎn)品或服務(wù)和最終使用的產(chǎn)品或服務(wù)的來(lái)源是本地生產(chǎn)還是從區(qū)外進(jìn)口(或調(diào)入)的，以反映河南省本地各地市各行業(yè)之間的投入產(chǎn)出關(guān)系。2012年河南省城市尺度多區(qū)域投入產(chǎn)出表包含河南省18個(gè)地級(jí)市，包括鄭州、開(kāi)封、洛陽(yáng)、平頂山、安陽(yáng)、鶴壁、新鄉(xiāng)、焦作、濮陽(yáng)、漯河、三門(mén)峽、南陽(yáng)、商丘、信陽(yáng)、駐馬店、濟(jì)源、許昌和周口。②考慮到直接經(jīng)濟(jì)損失的統(tǒng)計(jì)無(wú)法細(xì)分至42個(gè)行業(yè)，本文將多區(qū)域投入產(chǎn)出表中的行業(yè)合并為6個(gè)，分別為(i)農(nóng)業(yè)、(ii)制造業(yè)、(iii)電力、熱力、燃?xì)夂退纳a(chǎn)和供應(yīng)業(yè)、(iv)建筑業(yè)、(v)水利、環(huán)境和公共設(shè)施管理業(yè)和(vi)其他服務(wù)業(yè)(合并依據(jù)參考直接經(jīng)濟(jì)損失集中的行業(yè))。③由于缺乏最近幾年的城市尺度多區(qū)域投入產(chǎn)出表數(shù)據(jù)，本文基于2020年河南省統(tǒng)計(jì)年鑒中的國(guó)民經(jīng)濟(jì)核算指標(biāo)，采用等比例擴(kuò)大的方式更新2012年中國(guó)城市尺度多區(qū)域投入產(chǎn)出表，從而近似模擬2020年河南省各地市各行業(yè)間的投入產(chǎn)出關(guān)系。然而，隨著河南省近年來(lái)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)及技術(shù)進(jìn)步，投入產(chǎn)出系數(shù)也會(huì)隨著時(shí)間緩慢演變[15]，而等比例擴(kuò)大的處理方式忽略了這種改變。因此，本文同時(shí)選取了河南省統(tǒng)計(jì)局提供的2017年省級(jí)尺度投入產(chǎn)出表[16]，采用ARIO模型進(jìn)行單一區(qū)域?yàn)?zāi)害間接損失評(píng)估，以此來(lái)檢驗(yàn)AMRIO模型多區(qū)域模擬結(jié)果的可靠性。

2.2 直接經(jīng)濟(jì)損失數(shù)據(jù)

針對(duì)2021年7月17—22日發(fā)生在河南的“21·7”極端暴雨過(guò)程。首先，根據(jù)8月9日召開(kāi)的“河南省加快災(zāi)后重建第三場(chǎng)新聞發(fā)布會(huì)”(以下簡(jiǎn)稱(chēng)“發(fā)布會(huì)”)數(shù)據(jù)[17]，截至8月9日7時(shí)，河南省“21·7”極端暴雨災(zāi)害共造成全省150個(gè)縣(市、區(qū))1 664個(gè)鄉(xiāng)鎮(zhèn)1 481.4萬(wàn)人受災(zāi)，全省累計(jì)緊急避險(xiǎn)轉(zhuǎn)移93.4萬(wàn)人。農(nóng)作物受災(zāi)面積1 080 khm2，成災(zāi)面積667.3 khm2，絕收面積342.5 khm2；倒塌房屋35 325戶(hù)99 312間，嚴(yán)重?fù)p壞房屋53 535戶(hù)164 923間，一般損壞房屋209 465戶(hù)664 279間；直接經(jīng)濟(jì)損失1 337.15億元。其次，結(jié)合中國(guó)氣象局氣象災(zāi)害管理系統(tǒng)災(zāi)情直報(bào)數(shù)據(jù)，截取災(zāi)害發(fā)生日期在7月17—22日之間的有效縣級(jí)災(zāi)情記錄(共61條)，合并為地市級(jí)尺度，可以得到河南省18個(gè)地級(jí)市在河南的“21·7”極端暴雨過(guò)程中遭受的直接經(jīng)濟(jì)損失，共計(jì)1 349.89億元，與“發(fā)布會(huì)”數(shù)據(jù)基本一致。此外，綜合人民網(wǎng)、中國(guó)新聞網(wǎng)以及相關(guān)新聞發(fā)布會(huì)等報(bào)道，主要損失集中在農(nóng)業(yè)、制造業(yè)、電力、熱力、燃?xì)夂退纳a(chǎn)和供應(yīng)業(yè)、建筑業(yè)、水利、環(huán)境和公共設(shè)施管理業(yè)。但是由于缺乏分行業(yè)的直接經(jīng)濟(jì)損失統(tǒng)計(jì)數(shù)據(jù)，本文依據(jù)AMRIO模型基本假設(shè)⑤，將河南省各地級(jí)市直接經(jīng)濟(jì)損失按照當(dāng)?shù)馗餍袠I(yè)固定資本存量比重進(jìn)行加權(quán)分配，以此作為外生需求變量輸入AMRIO模型捕捉關(guān)聯(lián)地區(qū)和關(guān)聯(lián)行業(yè)的間接損失。

2.3 固定資本存量

固定資本存量數(shù)據(jù)用于衡量災(zāi)害后各地區(qū)各行業(yè)的損失率。本文基于文獻(xiàn)[18]編制的2003—2017年中國(guó)地級(jí)市資本存量數(shù)據(jù)庫(kù)以及由其提供的基年固定資本存量和折舊率數(shù)據(jù)，結(jié)合2020年河南省統(tǒng)計(jì)年鑒提供的全社會(huì)固定資產(chǎn)投資額，采用永續(xù)盤(pán)存法[19,20]計(jì)算出2020年河南省地級(jí)固定資本存量，具體計(jì)算方法為：

Kt=Kt-1(1-ρt)+It。

(2)

式中：Kt為第t年的固定資本存量，Kt-1為t-1年，即上一年的資本存量，ρt為第t年的折舊率，It表示第t年全年的固定投資額。河南省18個(gè)地級(jí)市2003—2020年固定資本存量計(jì)算結(jié)果見(jiàn)圖2。

2.4 模型參數(shù)設(shè)置

AMRIO模型所需的外生參數(shù)如表1所示，外生參數(shù)是指災(zāi)后經(jīng)濟(jì)系統(tǒng)為適應(yīng)災(zāi)害破壞而進(jìn)行的生產(chǎn)或消費(fèi)行為的自主調(diào)整，以適應(yīng)災(zāi)后的供需狀況。其中，初始生產(chǎn)能力，即災(zāi)前各行業(yè)的生產(chǎn)能力假定為100%；超額生產(chǎn)能力是指災(zāi)后各行業(yè)通過(guò)投入重建資金進(jìn)行加速重建，本文參考8月9日召開(kāi)的“發(fā)布會(huì)”中的報(bào)道，“全省累計(jì)撥付財(cái)政和捐贈(zèng)資金救災(zāi)款90.31億元”，并根據(jù)投入產(chǎn)出表中的行業(yè)增加值將初始超額生產(chǎn)能力初始值設(shè)置為100.3%(救災(zāi)款占行業(yè)增加值的比重)；同時(shí)，“發(fā)布會(huì)”報(bào)道中顯示，截止8月8日，此次極端暴雨造成的電力供應(yīng)中斷、交通網(wǎng)絡(luò)停滯、通信基站損毀等情況已基本得到恢復(fù)(恢復(fù)比重超9成)，因此，本文將災(zāi)后生產(chǎn)能力提高到最大值所需時(shí)間以及適應(yīng)性時(shí)間特征參數(shù)初始值設(shè)置為20 d；此外，參考文獻(xiàn)[3,11]，將價(jià)格系數(shù)和需求彈性系數(shù)初始值設(shè)為0.10%/月和0.9。考慮到參數(shù)變化對(duì)模擬結(jié)果的影響，本文將在章節(jié)3.4中對(duì)參數(shù)取值進(jìn)行敏感性分析，參數(shù)取值范圍見(jiàn)表1。

3 結(jié)果與分析

基于河南省多區(qū)域投入產(chǎn)出表、“21·7”極端暴雨災(zāi)害直接經(jīng)濟(jì)損失數(shù)據(jù)以及模型基本假設(shè)，本文采用AMRIO模型，以月為時(shí)間步長(zhǎng)，在河南省地級(jí)市尺度開(kāi)展了災(zāi)后恢復(fù)重建進(jìn)程模擬，以此評(píng)估河南省不同地區(qū)和不同行業(yè)的間接損失情況，同時(shí)本文進(jìn)行了敏感性分析來(lái)檢驗(yàn)AMRIO模型的穩(wěn)健性。本文采用行業(yè)增加值的相對(duì)于災(zāi)前的變化量衡量行業(yè)生產(chǎn)損失，重建過(guò)程中每一時(shí)間步長(zhǎng)的累計(jì)變化量即為間接損失值(見(jiàn)圖1)。

圖2 河南省各地級(jí)市2003—2020年固定資本存量

表1 AMRIO模型參數(shù)值及其敏感性分析取值

3.1 總的間接損失

圖3顯示了重建過(guò)程中河南省全行業(yè)增加值相對(duì)于災(zāi)前的變化率，實(shí)線和虛線分別為ARIO和AMRIO的模擬結(jié)果?？梢钥闯?，兩種模型對(duì)重建進(jìn)程的模擬基本一致，ARIO模型呈現(xiàn)的重建進(jìn)程略快于AMRIO模型。一方面，這可以說(shuō)明2.1節(jié)中對(duì)2012年中國(guó)城市尺度多區(qū)域投入產(chǎn)出表的更新是合理的，雖然等比例擴(kuò)大的處理方法忽略了投入產(chǎn)出系數(shù)隨產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和技術(shù)進(jìn)步的改變，但由此造成的誤差可以接受。另一方面，ARIO模型較快的重建進(jìn)程除了歸因于上述誤差外，還可能是由于ARIO模型忽略了一部分地區(qū)間的影響，災(zāi)情較重的地市可能拖慢全省的重建進(jìn)程，而AMRIO模型能夠捕捉這一影響(地級(jí)尺度的結(jié)果見(jiàn)3.2節(jié))。根據(jù)AMRIO模型結(jié)果(圖3)，“21·7”極端暴雨災(zāi)害給河南省造成的間接損失約為2 444億元，超過(guò)了河南省直接經(jīng)濟(jì)損失，達(dá)到其1.8倍，總損失達(dá)到3 793億元；模型模擬的重建期約為60個(gè)月，也就是說(shuō)河南省經(jīng)濟(jì)至少需要5年時(shí)間恢復(fù)至災(zāi)前狀態(tài)。

圖3 重建過(guò)程中增加值相對(duì)于災(zāi)前的變化率

3.2 分地區(qū)的間接損失

AMRIO模型的主要優(yōu)勢(shì)是能夠捕捉不同地區(qū)間的經(jīng)濟(jì)聯(lián)系，從而識(shí)別不同地區(qū)遭受的間接損失。圖4顯示了河南省18個(gè)地級(jí)市的重建進(jìn)程，可以發(fā)現(xiàn)不同地市遭受的影響存在差異。此次極端暴雨災(zāi)害的降水中心鄭州市、新鄉(xiāng)市和鶴壁市遭受的影響最為嚴(yán)重，增加值相對(duì)于災(zāi)前的變化率降幅均超過(guò)了5%；其中，鶴壁市達(dá)到了25%、新鄉(xiāng)市達(dá)到了20%，分別相當(dāng)于近4年和近3年鶴壁市和新鄉(xiāng)市的地區(qū)生產(chǎn)總值(GDP)增長(zhǎng)率[16]，是此次極端暴雨災(zāi)害受影響最為嚴(yán)重的兩個(gè)地市。受此影響，鶴壁市和新鄉(xiāng)市的重建期持續(xù)時(shí)間較久，大約60個(gè)月后恢復(fù)至災(zāi)前狀態(tài)，這也與省級(jí)尺度的結(jié)果一致；鄭州市的重建期相對(duì)較短，大約50個(gè)月恢復(fù)至災(zāi)前狀態(tài)。河南省其他地市增加值的變化率基本在5%以下，重建期大約在20～50個(gè)月之間。

由此可見(jiàn)，地級(jí)市尺度的結(jié)果更能反映出此次極端暴雨災(zāi)害對(duì)河南省整體經(jīng)濟(jì)的重大沖擊。從增加值相對(duì)變化率而言，除鶴壁市和新鄉(xiāng)市外，雖然其他地市的相對(duì)變化率在5%左右，但是考慮到2020年河南省全省GDP增長(zhǎng)率為1.3%[16]，此次極端暴雨災(zāi)害對(duì)河南省的經(jīng)濟(jì)影響可見(jiàn)一斑；從重建進(jìn)程來(lái)看，河南省各地市重建期都在2年以上，部分受災(zāi)較為嚴(yán)重的地市達(dá)到了5年，鑒于本文并未考慮河南省之外地區(qū)的影響，較長(zhǎng)的重建期所產(chǎn)生的關(guān)聯(lián)影響也不容小覷。

圖4 河南省各地級(jí)市重建過(guò)程中增加值相對(duì)于災(zāi)前的變化率

圖5中的柱狀圖顯示了此次極端暴雨災(zāi)害中河南省各地市的經(jīng)濟(jì)損失值，其中灰色部分代表AMRIO模型模擬的間接損失大小，黑色部分代表官方統(tǒng)計(jì)的直接損失值，按總經(jīng)濟(jì)損失值大小從左至右依次遞減?？梢园l(fā)現(xiàn)，總損失絕對(duì)值最高的地市依次是鄭州市、新鄉(xiāng)市和鶴壁市。雖然圖4中鄭州市增加值相對(duì)于災(zāi)前的降幅小于新鄉(xiāng)市和鶴壁市，但是由于其經(jīng)濟(jì)總量大，總損失值依然最高，約為1 364億元(直接損失668億元、間接損失696億元)；新鄉(xiāng)市的總損失約為446億元(直接損失196億元、間接損失250億元)；鶴壁市的總損失約為300億元(直接損失130億元、間接損失170億元)。

圖5 “21·7”極端暴雨災(zāi)害中河南省各地級(jí)市的直接和間接損失

圖5中的回歸方程(黑色線)顯示河南省各地市間接與直接損失之間呈現(xiàn)顯著的線性關(guān)系(R2=0.98)。然而，散點(diǎn)圖顯示，除鄭州市外的點(diǎn)均集中在散點(diǎn)圖右下方。鑒于鄭州市固定資本存量(圖2)和直接損失明顯高于其他地市，考慮鄭州市的擬合結(jié)果可能掩蓋其他地市的部分特征。因此，可將鄭州市作為離群值處理，對(duì)其他17個(gè)地市重新進(jìn)行擬合(紅色線)。結(jié)果顯示這些地市的間接與直接損失之間更接近于二次函數(shù)的關(guān)系(R2=0.81)，這種非線性關(guān)系與我國(guó)汶川地震案例[2]和美國(guó)卡特里娜颶風(fēng)案例[11]情景分析中的結(jié)果一致。因此，考慮鄭州市的擬合結(jié)果掩蓋了其他地市間接與直接損失之間的非線性特征。同時(shí)圖5顯示鄭州市間接與直接損失值大致相當(dāng)，而其他地市間接損失往往是直接損失的數(shù)倍。例如，安陽(yáng)市、焦作市、開(kāi)封市和周口市遭受的間接損失值大約是直接損失的2倍；洛陽(yáng)市和許昌市的間接損失分別為直接損失的8倍和3倍；盡管三門(mén)峽市、商丘市、信陽(yáng)市、駐馬店市和濮陽(yáng)市并未遭受明顯的直接損失(官方統(tǒng)計(jì)的災(zāi)情數(shù)據(jù)均小于1億元)，而這些地市的間接損失均超過(guò)40億元，其中三門(mén)峽市間接損失達(dá)到了105億元。由此可以發(fā)現(xiàn)，中小城市更容易遭受巨額間接損失的影響，這可能是由于這些城市經(jīng)濟(jì)體量較小，更容易受到來(lái)自災(zāi)情較重地區(qū)的行業(yè)關(guān)聯(lián)影響。鄭州市在此次極端暴雨災(zāi)害中遭遇了嚴(yán)重的災(zāi)情，當(dāng)?shù)仄髽I(yè)生產(chǎn)能力下降，也使得后續(xù)的生產(chǎn)者和消費(fèi)者，尤其是中小城市的生產(chǎn)者和消費(fèi)者，連續(xù)受到一輪又一輪的波及影響。

3.3 分行業(yè)的間接損失

基于投入產(chǎn)出表能夠反映行業(yè)間經(jīng)濟(jì)聯(lián)系的特性，AMRIO模型捕捉了河南省不同地市間接經(jīng)濟(jì)損失的行業(yè)分布(圖6)。

圖6 河南省各市不同行業(yè)間接損失的占比

可以看出，在整個(gè)重建過(guò)程中，河南省受影響最為嚴(yán)重的行業(yè)是農(nóng)業(yè)和制造業(yè)，這兩個(gè)行業(yè)在絕大多數(shù)的地市承擔(dān)了超過(guò)90%的間接損失。河南是中國(guó)主要的糧棉生產(chǎn)基地，小麥產(chǎn)量占全國(guó)的三分之一[21]?！?1·7”暴雨災(zāi)害事件正值河南省夏糧收割以及秋糧播種的關(guān)鍵時(shí)期，給河南省農(nóng)業(yè)生產(chǎn)帶來(lái)了嚴(yán)重影響，由此也造成了下游相關(guān)制造業(yè)企業(yè)嚴(yán)重的前向關(guān)聯(lián)損失，其中洛陽(yáng)市、鶴壁市、濮陽(yáng)市、三門(mén)峽市和濟(jì)源市制造業(yè)損失占比均超過(guò)了70%。此外，水利、環(huán)境和公共設(shè)施管理業(yè)也遭受了較大比重的間接損失，水毀工程較長(zhǎng)的恢復(fù)重建期可能是造成其間接損失較大的原因之一。此外，對(duì)于受災(zāi)較為嚴(yán)重的鄭州市、新鄉(xiāng)市、焦作市和安陽(yáng)市，建筑業(yè)面臨的間接損失也不容小覷，分別占到了當(dāng)?shù)乜傞g接損失的40%、24%、20%和12%，這些地市災(zāi)后建筑業(yè)由于重建需求激增而產(chǎn)生的供給不足導(dǎo)致了較大的間接損失。

3.4 參數(shù)敏感性分析

如表1所示，求解AMRIO模型需要一系列參數(shù)設(shè)置，其中兩項(xiàng)重要的參數(shù)分別為超額生產(chǎn)能力(αmax)和適應(yīng)時(shí)間特征參數(shù)(前者描述了各行業(yè)在災(zāi)后是如何通過(guò)調(diào)整其生產(chǎn)進(jìn)度來(lái)應(yīng)對(duì)重建需求的增長(zhǎng)，從而來(lái)彌補(bǔ)災(zāi)后生產(chǎn)能力的不足；后者描述了生產(chǎn)不足時(shí)，生產(chǎn)者轉(zhuǎn)向其他地區(qū)進(jìn)口產(chǎn)品(或服務(wù))，以及生產(chǎn)充足后轉(zhuǎn)向本地供貨商的調(diào)整時(shí)間。由于災(zāi)后不同行業(yè)重建過(guò)程中相關(guān)的經(jīng)濟(jì)數(shù)據(jù)有限，為了克服參數(shù)設(shè)置導(dǎo)致的不確定性，本文對(duì)上述兩種類(lèi)型參數(shù)進(jìn)行了敏感性分析來(lái)討論模型的結(jié)果。

圖7 不同超額生產(chǎn)能力和適應(yīng)時(shí)間特征參數(shù)情景下河南省增加值相對(duì)于災(zāi)前的變化率

圖7a顯示了不同超額生產(chǎn)能力(αmax)下整個(gè)重建期內(nèi)河南省地區(qū)增加值相對(duì)于災(zāi)前的變化率，其中黑色實(shí)線是基準(zhǔn)情景下的結(jié)果，虛線對(duì)應(yīng)不同的超額生產(chǎn)能力?？梢钥闯龀~生產(chǎn)能力參數(shù)顯著改變了災(zāi)后恢復(fù)重建進(jìn)程和間接損失。相較于無(wú)超額生產(chǎn)能力，基準(zhǔn)情景下(αmax=100.3%)重建期縮短了約40個(gè)月，間接損失也由此減少了約322億元，遠(yuǎn)高于基準(zhǔn)情景中全省累計(jì)撥付財(cái)政和捐贈(zèng)資金救災(zāi)款(90.31億元)。同時(shí)，本文設(shè)置了兩個(gè)超額生產(chǎn)能力較高的情景(αmax=101%和αmax=102%)，可以發(fā)現(xiàn)較高的超額生產(chǎn)能力顯著縮短了災(zāi)后重建期，分別在災(zāi)后40個(gè)月和30個(gè)月恢復(fù)至災(zāi)前，并且隨后超出了災(zāi)前生產(chǎn)能力；間接損失也分別減少了約490億元和957億元。但是，兩個(gè)超額生產(chǎn)能力較高的情景所對(duì)應(yīng)的重建資金投入分別達(dá)到了3 010億元和6 020億元。由此可見(jiàn)，適度的超額生產(chǎn)對(duì)減輕災(zāi)害造成的間接損失有顯著作用。

綜上，即使間接損失的幅度隨參數(shù)變化而發(fā)生了顯著改變，但是模擬結(jié)果中的動(dòng)態(tài)模式依然保持相似，由此表明了AMRIO模型的可靠性，能夠用于災(zāi)害多區(qū)域間接經(jīng)濟(jì)損失的評(píng)估分析。

4 結(jié)論與討論

本文采用一種動(dòng)態(tài)遞歸的多區(qū)域投入產(chǎn)出模型，在地級(jí)尺度開(kāi)展了河南省“21·7”極端暴雨災(zāi)害間接損失的評(píng)估分析。模擬結(jié)果顯示AMRIO模型在極端暴雨災(zāi)害的間接損失評(píng)估中適用性良好，通過(guò)有效核準(zhǔn)參數(shù)，能夠?qū)崿F(xiàn)極端暴雨災(zāi)害事件間接損失的快速評(píng)估。本文主要結(jié)論如下：

(1)巨災(zāi)導(dǎo)致的間接損失不容忽視。在當(dāng)前的救助力度和重建速度情景下，河南省“21·7”極端暴雨災(zāi)害的重建期約為5年，期間河南省產(chǎn)生的間接損失約為2 444億元，是直接經(jīng)濟(jì)損失的1.8倍，此次極端暴雨災(zāi)害總經(jīng)濟(jì)損失達(dá)到3 793億元。鄭州市、新鄉(xiāng)市和鶴壁市遭受的間接損失最為嚴(yán)重，間接損失值分別達(dá)到696億元、250億元和170億元，尤其是鶴壁市，此次災(zāi)害的間接損失相當(dāng)于近4年鶴壁市的GDP增長(zhǎng)率

(2)中小城市更應(yīng)該關(guān)注巨災(zāi)造成的間接損失。中小城市間接與直接損失之間的非線性關(guān)系說(shuō)明中小城市更容易遭受巨額的間接損失。即使一些中小城市的直接經(jīng)濟(jì)損失較小甚至可以忽略，但是地區(qū)間和行業(yè)間產(chǎn)業(yè)關(guān)聯(lián)導(dǎo)致的間接損失依然對(duì)當(dāng)?shù)亟?jīng)濟(jì)系統(tǒng)造成了巨大沖擊。

(3)農(nóng)業(yè)和制造業(yè)是此次河南極端暴雨災(zāi)害中最為脆弱的行業(yè)。河南省作為我國(guó)主要的糧棉生產(chǎn)基地，農(nóng)業(yè)損失產(chǎn)生的前向關(guān)聯(lián)損失嚴(yán)重影響了當(dāng)?shù)刂圃鞓I(yè)，在所有地市中這兩個(gè)行業(yè)均承擔(dān)了超過(guò)半數(shù)的間接損失。

(4)適度的超額生產(chǎn)能夠顯著減輕災(zāi)害造成的間接損失。敏感性分析結(jié)果顯示超額生產(chǎn)能力和適應(yīng)時(shí)間是影響災(zāi)后恢復(fù)重建進(jìn)度的兩個(gè)重要因素，相比于無(wú)超額生產(chǎn)情景，當(dāng)前的救助力度和重建速度情景下重建期縮短了約40個(gè)月，間接損失也由此減少了約322億元。但是，也應(yīng)該意識(shí)到更高的超額生產(chǎn)能力意味著高昂的重建資金投入，需要進(jìn)行更多的研究以確定適度的救助力度和重建速度。

本文對(duì)河南省“21·7”極端暴雨災(zāi)害開(kāi)展了地級(jí)尺度的間接損失評(píng)估，能夠補(bǔ)充國(guó)內(nèi)災(zāi)害多區(qū)域間接損失評(píng)估案例缺乏的現(xiàn)狀，為其他巨災(zāi)案例提供了一定參考。但是同時(shí)也應(yīng)當(dāng)指出，本文是基于大量假設(shè)，對(duì)災(zāi)后重建進(jìn)程進(jìn)行的理想化模擬，是對(duì)河南省各地市的間接損失的初步評(píng)估。AMRIO模型缺乏對(duì)保險(xiǎn)策略、企業(yè)庫(kù)存、行業(yè)間貿(mào)易替代以及災(zāi)后勞動(dòng)生產(chǎn)力等因素的綜合考慮。在實(shí)際災(zāi)害風(fēng)險(xiǎn)管理中，上述這些非工程性措施能夠有效防止并減輕災(zāi)害損失尤其是間接損失，這也是未來(lái)的研究重點(diǎn)。