李 成 楊 棚 陳燦偉

（中國(guó)移動(dòng)通信集團(tuán)廣東有限公司，廣東 廣州 510510）

1 引言

高溫災(zāi)害主要是氣溫太高而引起人員、動(dòng)植物不能適應(yīng)的現(xiàn)象。高溫是一種災(zāi)害性天氣，會(huì)對(duì)人們的工作、生活和身體產(chǎn)生不良影響，容易使人疲勞、煩躁和發(fā)怒，各類事故相對(duì)增多，甚至犯罪率也會(huì)上升，同時(shí)高溫時(shí)期是腦血管病、心臟病和呼吸道等疾病的多發(fā)期，死亡率相應(yīng)增高，特別是老年人的死亡率增高更為明顯。而干旱是指長(zhǎng)期無(wú)雨或少雨，使土壤水分不足、作物水分平衡遭到破壞而減產(chǎn)的氣象災(zāi)害[1,2]。高溫和干旱都是人類面臨的主要自然災(zāi)害，即使在科技發(fā)達(dá)的時(shí)代，它們?cè)斐傻臑?zāi)難性后果仍然比比皆是[3,4]。值得注意的是，隨著人類的經(jīng)濟(jì)發(fā)展和人口膨脹，水資源短缺現(xiàn)象日趨嚴(yán)重，高溫干旱災(zāi)害越發(fā)常見(jiàn)[5,6]。因此，借助大數(shù)據(jù)模型構(gòu)建等方法開(kāi)展針對(duì)高溫與干旱災(zāi)害的風(fēng)險(xiǎn)評(píng)估分析對(duì)于進(jìn)一步提升高溫和干旱災(zāi)害的應(yīng)對(duì)能力愈發(fā)重要。

2 解決思路

本文提出一種高溫災(zāi)害風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建方法，主要包括高溫災(zāi)害事件集構(gòu)建、高溫災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型構(gòu)建、高溫災(zāi)害風(fēng)險(xiǎn)區(qū)劃及風(fēng)險(xiǎn)評(píng)價(jià)分析等內(nèi)容。同時(shí)，本文還提出了針對(duì)干旱災(zāi)害的風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建方法，主要包括干旱指數(shù)構(gòu)建、干旱災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型構(gòu)建、干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)等。

2.1 高溫災(zāi)害風(fēng)險(xiǎn)評(píng)估模型構(gòu)建理論

2.1.1 高溫災(zāi)害事件集構(gòu)建

根據(jù)極值分布理論建立極端高溫分布函數(shù)，構(gòu)建高溫災(zāi)害事件集。擬選擇Pearson-III 型分布、Gumbel 分布、Weibull分布、對(duì)數(shù)正態(tài)分布等極值分布理論預(yù)測(cè)不同重現(xiàn)期下某區(qū)域各市（縣）級(jí)的高溫災(zāi)害致災(zāi)因子強(qiáng)度，構(gòu)建極端高溫分布函數(shù)。

（1）Pearson-III型分布及參數(shù)估計(jì)

皮爾遜Ⅲ型分布也稱Γ分布，具有廣泛的概括和模擬能力，其概率密度函數(shù)和分布函數(shù)分別為：

式中：β為形狀參數(shù)；a為尺度參數(shù)；b為位置參數(shù)；x為隨機(jī)變量，f(x)為概率密度函數(shù)；Γ(β)為β的γ分布函數(shù)。3個(gè)原始參數(shù)，可以用基本參數(shù)m、Cs、Cv表示如下：

式中，m為數(shù)學(xué)期望；Cs為偏態(tài)系數(shù)；Cv為變差系數(shù)。

由此，可以推算得到要素的氣候重現(xiàn)期：T=1/P。

（2）Gumbel分布及參數(shù)估計(jì)

耿貝爾分布又稱第I 型極值分布。1928 年，費(fèi)雪（R.A.Fisher）和蒂培特（L.H.C.Tippett）認(rèn)為極值分布將趨于三種極限形式中的一種，具體由形式參數(shù)K確定，當(dāng)K為0 即為耿貝爾分布。原始分布為指數(shù)型分布時(shí)，樣本極值漸近服從耿貝爾分布，其分布函數(shù)[F(x)]為：

式中，a為尺度參數(shù)；b為位置參數(shù)。

根據(jù)矩法進(jìn)行參數(shù)a和b的估計(jì)，計(jì)算公式如下：

重現(xiàn)期為P（概率為1/P）時(shí)：

（3）Weibull分布及參數(shù)估計(jì)

威布爾分布又稱第三型極值分布，其分布函數(shù)如下：

式中：β為形狀參數(shù)；a為尺度參數(shù)；b為位置參數(shù)。

（4）對(duì)數(shù)正態(tài)分布及參數(shù)估計(jì)

假定極值變量的對(duì)數(shù)服從正態(tài)分布，設(shè)X為極值變量，x為其取值，它的對(duì)數(shù)Y=lnX服從正態(tài)分布，概率密度函數(shù)如下：

式中：參數(shù)my和σy可分別用Y序列的平均值和標(biāo)準(zhǔn)差來(lái)估計(jì)。

2.1.2 高溫災(zāi)害風(fēng)險(xiǎn)區(qū)劃模型構(gòu)建

采用國(guó)際通用的自然災(zāi)害風(fēng)險(xiǎn)概念和分析方法，從高溫致人體健康風(fēng)險(xiǎn)的構(gòu)成出發(fā)，分別計(jì)算某區(qū)域高溫致災(zāi)危險(xiǎn)性指數(shù)、暴露度指數(shù)、承災(zāi)體敏感性指數(shù)和適應(yīng)性指數(shù)，從而構(gòu)建定量化的高溫致人體健康風(fēng)險(xiǎn)區(qū)劃模型，如圖1所示。

圖1 高溫致人體健康風(fēng)險(xiǎn)區(qū)劃模型

（1）高溫致災(zāi)危險(xiǎn)性指標(biāo)及權(quán)重確定分析

某區(qū)域高溫對(duì)人體健康影響的危險(xiǎn)性，主要體現(xiàn)在高溫的頻率、強(qiáng)度和持續(xù)時(shí)間方面，高溫頻率越高、強(qiáng)度越大、持續(xù)時(shí)間越長(zhǎng)，對(duì)人體健康造成的潛在危害越大。因此，根據(jù)歷史及實(shí)時(shí)高溫資料，選擇極端最高氣溫、高溫日數(shù)、高溫最長(zhǎng)持續(xù)日數(shù)等因子建立高溫?zé)崂酥氯梭w健康危險(xiǎn)性指標(biāo)體系。

采用專家打分法確定危險(xiǎn)性指標(biāo)權(quán)重，具體程序如下：

a.選擇5～7位有較高權(quán)威性和代表性的專家；

b.確定影響因素，設(shè)計(jì)因素價(jià)值分析對(duì)象征詢意見(jiàn)表；

c.向?qū)＜姨峁└邷責(zé)崂酥氯梭w健康危險(xiǎn)性的背景資料，以匿名方式征詢專家意見(jiàn)；

d.對(duì)專家意見(jiàn)進(jìn)行分析匯總，將統(tǒng)計(jì)結(jié)果反饋給專家；

e.專家根據(jù)反饋結(jié)果修正自己的意見(jiàn)；

f.經(jīng)過(guò)多輪匿名征詢和意見(jiàn)反饋，形成最終分析結(jié)論，得到各指標(biāo)權(quán)重。

（2）高溫暴露度指數(shù)分析

通常來(lái)說(shuō)，人口密度越大的地區(qū)，遭受高溫災(zāi)害風(fēng)險(xiǎn)的暴露度就越大，人體健康風(fēng)險(xiǎn)也就越大。結(jié)合第七次全國(guó)人口普查數(shù)據(jù)資料，選擇人口密度作為暴露度指標(biāo)，并對(duì)指標(biāo)值進(jìn)行空間極差標(biāo)準(zhǔn)化處理，處理方法為：

式中，Z為標(biāo)準(zhǔn)化值，X為暴露度指標(biāo)值的多年平均值，Xmin和Xmax分別為暴露度指標(biāo)值的最小值和最大值。

（3）高溫敏感性指標(biāo)及權(quán)重確定分析

人體健康受高溫影響的敏感性，主要體現(xiàn)在高溫?zé)崂税l(fā)生時(shí)人體的生理、心理和行為上的異常反應(yīng)程度。大量研究發(fā)現(xiàn)，某些人群更容易受到包括高溫等極端天氣氣候事件在內(nèi)的氣候變化的影響，例如，相對(duì)于青壯年，老年人和嬰幼兒由于自身的生理調(diào)節(jié)功能較弱，更容易受到高溫的危害；低收入的戶外體力勞動(dòng)者、“靠天吃飯”的農(nóng)業(yè)（含漁業(yè)）等從業(yè)人員，對(duì)高溫的敏感性更高。因此，本項(xiàng)目擬選定老年（年齡≥65歲）人口比例、兒童（年齡≤14歲）人口比例等因子作為高溫致人體健康敏感性的指標(biāo)體系，并采用專家打分法確定各指標(biāo)的權(quán)重系數(shù)，操作程序類似危險(xiǎn)性指標(biāo)權(quán)重確定程序。

（4）高溫適應(yīng)性指標(biāo)及權(quán)重確定分析

人體健康受高溫影響的適應(yīng)性，主要體現(xiàn)在居住環(huán)境、醫(yī)療衛(wèi)生條件以及受教育程度等方面。對(duì)于具有良好的社會(huì)管理水平、先進(jìn)的醫(yī)療衛(wèi)生體系、受到良好教育的群體而言，其抵抗自然災(zāi)害的能力和恢復(fù)能力越強(qiáng)，適應(yīng)水平越高。具有更多財(cái)務(wù)積累的人群，一般也可以有更多的資源選擇用于抵御自然災(zāi)害，例如，具有更好的經(jīng)濟(jì)狀況的人群，可以通過(guò)改善其住房條件、使用空調(diào)等調(diào)節(jié)和改善氣候環(huán)境途徑，緩解高溫?zé)崂丝赡軐?duì)其產(chǎn)生的危害。因此，擬選用人均GDP、每千人醫(yī)療衛(wèi)生技術(shù)人員比例等因子作為高溫致人體健康適應(yīng)性的指標(biāo)體系，同樣采用專家打分法確定上述因子的權(quán)重系數(shù)。

（5）高溫致人體健康綜合風(fēng)險(xiǎn)區(qū)劃模型構(gòu)建

國(guó)際通用的自然災(zāi)害風(fēng)險(xiǎn)一般由危險(xiǎn)性、暴露度和脆弱性3種因子構(gòu)成，而敏感性和適應(yīng)性是脆弱性的重要組成部分，故將高溫致人體健康綜合風(fēng)險(xiǎn)區(qū)劃模型可表示為：

其中，R為綜合風(fēng)險(xiǎn)，H、E、S和A分別為危險(xiǎn)性、暴露度、敏感性和適應(yīng)性。R值越大，表示風(fēng)險(xiǎn)程度越高；H、E、S值越大，分別表示人體的危險(xiǎn)性、暴露度、敏感性越高；A值越大，表示人體的適應(yīng)能力越弱，因此，在實(shí)際計(jì)算中采用適應(yīng)性指數(shù)的倒數(shù)來(lái)表示與R變化方向一致。

基于前文對(duì)危險(xiǎn)性、暴露度、敏感性和適應(yīng)性的指標(biāo)及權(quán)重確定分析服務(wù)，采用加權(quán)綜合指數(shù)法分別給定危險(xiǎn)性、暴露度、敏感性和適應(yīng)性的定量化指數(shù)，計(jì)算方法如下：

式中，X為指數(shù)值，D為各指標(biāo)值，W為各指標(biāo)所對(duì)應(yīng)的權(quán)重系數(shù)，k為指標(biāo)個(gè)數(shù)。

計(jì)算得到危險(xiǎn)性、暴露度、敏感性和適應(yīng)性的指數(shù)值后，采用層次分析法確定上述4個(gè)因子的權(quán)重系數(shù)。層次分析法計(jì)算方法如下：

將高溫風(fēng)險(xiǎn)作為頂層；將危險(xiǎn)性、暴露度、敏感性和適應(yīng)性4 種因子作為中層，除了暴露度之外將構(gòu)建中層其他3 種因子的多項(xiàng)指標(biāo)作為底層，詳見(jiàn)圖2。

圖2 基于層次分析法的指標(biāo)劃分

最后，基于風(fēng)險(xiǎn)因子確定某高溫致人體健康風(fēng)險(xiǎn)指數(shù)，定量化評(píng)估某個(gè)地區(qū)高溫對(duì)人體健康影響的風(fēng)險(xiǎn)差異，計(jì)算公式如下：

式中，h、e、s和a分別為危險(xiǎn)性、暴露度、敏感性和適應(yīng)性的權(quán)重系數(shù)。

2.1.3 高溫災(zāi)害風(fēng)險(xiǎn)區(qū)劃及風(fēng)險(xiǎn)評(píng)價(jià)分析

基于風(fēng)險(xiǎn)度等級(jí)指數(shù)，對(duì)某地區(qū)高溫致人體健康風(fēng)險(xiǎn)進(jìn)行等級(jí)（低等、中等、高等）劃分，編制某區(qū)域高溫致人體健康危險(xiǎn)性指數(shù)等級(jí)空間分布圖、某區(qū)域高溫致人體健康暴露度指數(shù)等級(jí)空間分布圖、某區(qū)域高溫致人體健康敏感性指數(shù)等級(jí)空間分布圖、某區(qū)域高溫致人體健康適應(yīng)性指數(shù)等級(jí)空間分布圖、某區(qū)域高溫致人體健康綜合風(fēng)險(xiǎn)區(qū)劃圖等。然后，根據(jù)某區(qū)域高溫致人體健康綜合風(fēng)險(xiǎn)區(qū)劃圖（圖3），對(duì)高溫災(zāi)害進(jìn)行風(fēng)險(xiǎn)分析，便于提供針對(duì)性的高溫防御措施建議。

圖3 高溫致人體健康綜合風(fēng)險(xiǎn)區(qū)劃圖

2.2 干旱風(fēng)險(xiǎn)評(píng)估模型構(gòu)建理論

2.2.1 干旱指數(shù)構(gòu)建

基于降水、土壤濕度、日照等數(shù)據(jù)，構(gòu)建合理、適用的氣象干旱監(jiān)測(cè)指數(shù)。

（1）單站逐日氣象干旱指數(shù)

單站逐日氣象干旱指數(shù)DI（Daily dry Index）定義為：

式11 中SAPI(i)是第i日前期降水指數(shù)API（Antecedent Precipitation Index）的標(biāo)準(zhǔn)化變量SAPI（Standard Antecedent Precipitation Index），SAPI標(biāo)準(zhǔn)化計(jì)算方法參見(jiàn)《氣象干旱等級(jí)》國(guó)家標(biāo)準(zhǔn)（GB/T 20481—2006）附錄C 標(biāo)準(zhǔn)化降水指數(shù)SPI計(jì)算方法，歷史樣本資料為各站近30a（1981—2010）逐日API。API計(jì)算公式為：

式12 中API(i)為第i日API，P(i)為當(dāng)日降水量（mm），API(i-1)為前一日的API，k為衰減系數(shù)，取經(jīng)驗(yàn)值0.955。每個(gè)站從建站開(kāi)始逐日滾動(dòng)計(jì)算API，初始API設(shè)為0。建站開(kāi)始后的頭4個(gè)月API受邊界效應(yīng)影響舍棄不用。

第一步：逐站計(jì)算1981—2010 年逐日相對(duì)濕潤(rùn)度指數(shù)M：

式13中P(i)為逐日降水量，單位為毫米；PE(i)為可能蒸散量，單位為毫米，采用FAO Penman-Monteith 方法計(jì)算，參見(jiàn)《氣象干旱等級(jí)》國(guó)家標(biāo)準(zhǔn)（GB/T 20481—2006）附錄B。

第二步：計(jì)算M(i)的30 年平均值，i=1～365，表示一年中日序號(hào)，閏年2月29日取3月1日值。

（2）單站月氣象干旱指數(shù)

單站月氣象干旱指數(shù)MI（Monthly Index）用于評(píng)價(jià)單站月尺度氣象干旱程度。MI 定義為該站月內(nèi)小于0 的逐日干旱指數(shù)DI之和除以月總天數(shù)，即：

式中n為月內(nèi)總天數(shù)。

（3）某區(qū)域月干旱指數(shù)

某區(qū)域月干旱指數(shù)MIg（Monthly Index of Guangdong）用于評(píng)價(jià)區(qū)域月干旱程度。MIg 定義為區(qū)域內(nèi)所有氣象站月干旱指數(shù)之平均，即：

2.2.2 干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)

繪制某區(qū)域干旱災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖（圖4）?；陲L(fēng)險(xiǎn)度等級(jí)指數(shù)，對(duì)某地區(qū)干旱災(zāi)害影響風(fēng)險(xiǎn)進(jìn)行等級(jí)（低等、中等、高等）劃分和風(fēng)險(xiǎn)分析，便于提供針對(duì)性的干旱防御措施建議。

圖4 干旱災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖

3 研究結(jié)論

本文通過(guò)大數(shù)據(jù)分析模型提出了一些針對(duì)高溫和干旱災(zāi)害的風(fēng)險(xiǎn)評(píng)估模型。通過(guò)借助相關(guān)監(jiān)測(cè)數(shù)據(jù)的分析，結(jié)合數(shù)學(xué)算法模型，生成災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖，以支撐開(kāi)展災(zāi)害動(dòng)態(tài)監(jiān)測(cè)和風(fēng)險(xiǎn)評(píng)估，可幫助進(jìn)一步提升針對(duì)高溫和干旱災(zāi)害的風(fēng)險(xiǎn)識(shí)別和應(yīng)急搶險(xiǎn)救援能力，縮短應(yīng)急決策時(shí)間，更加有效保障人民群眾生命安全和糧食作物農(nóng)產(chǎn)品的生產(chǎn)安全。