丑潔明， 董文杰， 徐 洪， 班靖晗

(1.地表過程與資源生態(tài)國家重點實驗室/北京師范大學地理科學學部，北京100875;2.南方海洋科學與工程廣東省實驗室(珠海)，廣東 珠海 519000;3.中山大學大氣科學學院，廣東 珠海 519082;4.中國人民健康保險股份有限公司，北京100032)

引 言

熱帶氣旋(Tropical Cyclone，簡稱TC)是一種發(fā)生在熱帶海洋上的強烈風暴，是破壞力最強的自然災害之一[1]，主要影響西北太平洋(包括南海)、西北大西洋(包括墨西哥灣和加勒比海)和孟加拉灣海域[2]。我國所屬的西北太平洋及中國南海是全球TC活動最為頻繁的海域，年均約26個TC生成[3-4]。每年登陸的臺風所造成的人員及財產(chǎn)損失巨大，中國的東南沿海地區(qū)在全球范圍都屬于嚴重受影響區(qū)域[5]。自1983年以來，我國因TC造成的直接經(jīng)濟損失的絕對值有顯著的增加趨勢[6]。據(jù)統(tǒng)計，1994-2013年，影響我國的氣象災害中，熱帶氣旋發(fā)生次數(shù)占總災害的37%，災害導致死亡人數(shù)占21%，造成直接經(jīng)濟損失占17%，災害的強度及損失程度僅次于洪澇災害的強度及損失程度[7]。1990-2005年，我國大陸平均每年熱帶氣旋造成的經(jīng)濟損失292億，死亡人數(shù)高達438人[8]。就單次熱帶氣旋侵襲我國的記錄來看，強臺風“碧利斯”造成了820人的死亡，210失蹤，以及348億元的直接經(jīng)濟損失；超強臺風“桑美”造成了441人死亡，157人失蹤，194億元的直接經(jīng)濟損失[9]。

熱帶氣旋的生成頻數(shù)及其影響一直是國內(nèi)外氣象工作者致力研究的重點，特別是全球增暖的氣候背景下，熱帶氣旋頻數(shù)的年際、年代際變化及未來變化趨勢等問題越來越受到高度關(guān)注[10]。近年來，國內(nèi)外在熱帶氣旋生成路徑、登陸熱帶氣旋影響大氣環(huán)流的機理，以及針對單次熱帶氣旋造成的影響等方面研究較多。如陳聯(lián)壽等[11-12]采用外場科學試驗與數(shù)值模擬相結(jié)合的方法，對登陸熱帶氣旋進行研究；殷潔等[13]構(gòu)建了熱帶氣旋災情指數(shù)與強度等級的損失率曲線，計算了不同地區(qū)在不同強度等級下的經(jīng)濟脆弱性；張穎超等[14]采用組合預測方法，根據(jù)一定的規(guī)則建立相應的組合預測模型來預測損失率。另外還有些學者基于逆推算法構(gòu)建臺風氣象服務效益評估模型，從防臺減災總效益中分離出其中的氣象服務效益，實現(xiàn)臺風氣象服務效益的客觀化定量化評估[15]。在上述研究中，多數(shù)研究未將TC的特征和TC造成的嚴重經(jīng)濟損失及社會要素影響結(jié)合起來，關(guān)于熱帶氣旋各項指標損失的定量分析研究較少，而且部分研究的統(tǒng)計資料時間較早，數(shù)據(jù)不夠全面準確。

經(jīng)濟越發(fā)展，極端天氣氣候事件造成的經(jīng)濟損失相應越大；科學技術(shù)的不斷創(chuàng)新發(fā)展，防災抗災能力則隨之增強。未來極端氣候事件造成的經(jīng)濟相對損失將如何變化，成為氣象災害防御、防災減災規(guī)劃及災害保險行業(yè)關(guān)注的重點[16]。因此，在使用近年來形成的高精度資料的基礎(chǔ)上，通過對熱帶氣旋致災趨勢變化及災情損失的經(jīng)濟定量化分析，以期為TC的災情預報和防災減災工作提供理論支持。

1 研究區(qū)及數(shù)據(jù)資料與方法

1.1 研究區(qū)概況

我國東部沿海11個省(區(qū)、市)承載著全國42%以上的人口和51%以上的國內(nèi)生產(chǎn)總值(GDP)、65%的工業(yè)總產(chǎn)值[17]。我國東部沿海區(qū)域既是人口稠密、經(jīng)濟發(fā)達地區(qū)，又是氣象災害多發(fā)的易災區(qū)，因此在氣候變化的大背景下，對我國東南沿海這一特殊區(qū)域進行研究尤為重要[18]。本研究選取我國東南沿海的廣西(區(qū))、廣東、福建、浙江、江蘇、山東和上海市為研究區(qū)域。

1.2 數(shù)據(jù)與處理

本文所采用的資料分為三類：熱帶氣旋數(shù)據(jù)、社會經(jīng)濟資料和災情統(tǒng)計資料。

(1)熱帶氣旋數(shù)據(jù)：來源于中國氣象局(CMA)熱帶氣旋資料中心的CMA最佳路徑數(shù)據(jù)集，其中包括熱帶氣旋每6 h中心位置(經(jīng)度、緯度和強度等)。 將熱帶氣旋分為熱帶低壓(TD，近中心最大風速10.8-17.1 m/s)、熱帶風暴(TS，17.2-24.4 m/s)、強熱帶風暴(STS，24.5-32.6 m/s)、臺風(TY，32.7-41.4 m/s)、強臺風(STY，41.5-50.9 m/s)和超強臺風(superTY，≥51.0 m/s)。

(2)社會經(jīng)濟資料：農(nóng)業(yè)數(shù)據(jù)及經(jīng)濟數(shù)據(jù)分別來源于《中國農(nóng)產(chǎn)品價格調(diào)查年鑒》《中國統(tǒng)計年鑒》和《中國農(nóng)村統(tǒng)計年鑒》。

(3)災情統(tǒng)計資料：文中選取的熱帶氣旋災情指標為死亡人數(shù)、受災農(nóng)作物面積、倒塌房屋和直接經(jīng)濟損失，來源于《全國氣候影響評價》《中國氣象災害大典》[19-20]及中華人民共和國民政部統(tǒng)計資料，并經(jīng)數(shù)據(jù)整合處理。

重要的原始經(jīng)濟數(shù)據(jù)整理如表1。

表1 1990-2016年沿海地區(qū)災害指標原始數(shù)據(jù)

續(xù)表

2 研究方法

2.1 損失指標經(jīng)濟價值核算

為了使單位不同的災情指標能夠與直接經(jīng)濟損失進行比較，體現(xiàn)災害損失的經(jīng)濟價值，本文對災情指標進行了經(jīng)濟價值估算處理。利用農(nóng)產(chǎn)品生產(chǎn)者價格總指數(shù)、農(nóng)業(yè)生產(chǎn)總值和農(nóng)作物總產(chǎn)量，以及戶均住房建筑面積、農(nóng)村竣工房屋造價等統(tǒng)計數(shù)據(jù)，對受災農(nóng)作物和倒塌房屋進行經(jīng)濟價值估算(采用CPI指數(shù)以2015年價格為基準折算，CPI=一組固定商品按當期價格計算的價值/一組固定商品按基期價格計算的價值×100)。

(a)受災農(nóng)作物經(jīng)濟損失

農(nóng)作物價值隨時間變化的差異較為明顯，根據(jù)農(nóng)產(chǎn)品生產(chǎn)者價格總指數(shù)(表2)，進行農(nóng)作物的經(jīng)濟價值核算:

Mj=100·Mj+i/Qj+1

(1)

其中,Mj為第j年農(nóng)產(chǎn)品價格，Qj+1為第j+1年農(nóng)產(chǎn)品生產(chǎn)者價格總指數(shù)。

表2 農(nóng)產(chǎn)品生產(chǎn)者價格總指數(shù)

(b)倒塌房屋經(jīng)濟損失

建筑物的倒塌主要以農(nóng)村房屋倒塌為主，本文針對每間農(nóng)村房屋建筑的經(jīng)濟損失按照以下方式計算：倒塌房屋(元/間)=戶均住房面積單位(m2)×每平方米價值(元)，得到其中各要素主要年份的數(shù)據(jù)(表3)。

表3 農(nóng)村房屋建筑數(shù)據(jù)統(tǒng)計

2.2 改進標準化的熵值法

為定量評估熱帶氣旋造成的損失，本研究設(shè)計了絕對損失分析、相對損失分析和綜合災情指數(shù)分析方法，得到可信結(jié)果。

(a)絕對損失分析方法：采用基于廣義帕累托分布(Generalized Pareto Distribution，GPD)的POT(Peaks Over Threshold)模型,對1990-2016年受災農(nóng)作物損失、因災倒塌房屋數(shù)量和直接經(jīng)濟損失超閾值數(shù)據(jù)進行建模分析。

(b)相對損失分析方法：首先根據(jù)單次熱帶氣旋的影響范圍，確立承災體總暴露數(shù)據(jù)，根據(jù)各項損失數(shù)據(jù)與承災體總暴露數(shù)據(jù)進行損失率的計算。由于各項損失指標存在差異，因此對計算得到的損失率進行無量綱和標準化處理，構(gòu)建標準化后的損失率與熱帶氣旋強度之間的關(guān)系。

(c)綜合災情指數(shù)分析方法：利用標準化后的熵值法，確立3項損失指標的權(quán)重系數(shù)，建立綜合災情指數(shù)模型，分別計算絕對損失的綜合災情指數(shù)和相對損失的綜合災情指數(shù)，對比分析兩者年際變化趨勢。

選取1990-2016年熱帶氣旋災害的死亡人數(shù)、受災面積、倒塌房屋及直接經(jīng)濟損失作為評估指標，根據(jù)標準化變換的熵值法[21-22]，將其首次引入TC的經(jīng)濟損失評估中，重新確定權(quán)重系數(shù)，最終得到綜合評估指數(shù)。

在熱帶氣旋災害當中選取n個損失指標、m個評估年份，形成了判斷矩陣X=(Xij)m×n，其中i=1,2,…,m；j=1,2,…,n。對于指標Xj，指標值Xij相互之間的差距越大，則該指標在綜合評估中所起到的作用就越大，反之作用就越小;若各指標值均相等，該指標在綜合評估中不起任何作用。將上述的判斷矩陣歸一化處理，得到歸一化判斷矩陣B：

(2)

其中,xmax、xmin分別為同一指標下不同年份的最大值和最小值。根據(jù)熵的定義，為得到整個系統(tǒng)n個信息的離散度大小，采用評價指標的熵來表示：

(3)

式中，k表示玻爾茲曼常數(shù)，表現(xiàn)形式為k=1/lnm，fj表示的是系統(tǒng)中j個信息出現(xiàn)的概率大小。最后，計算評價指標的熵權(quán)

W=(wj)1×m

(4)

(5)

因此，熵權(quán)法是根據(jù)各個指標值的離散度的大小而確定權(quán)重的一種方法。

根據(jù)計算得出的權(quán)重系數(shù)，建立綜合災情指數(shù)模型：

Ii=w1ci+w2bi+w3di

(6)

其中c表示受災農(nóng)作物面積，b表示因災倒塌房屋數(shù)量，d表示直接經(jīng)濟損失，i表示不同單次熱帶氣旋。

3 結(jié)果與分析

3.1 影響我國熱帶氣旋的時空變化特征

1990-2016年的27年間，在西北太平洋及南海海域上生成的熱帶氣旋(TC)共771個，影響我國的TC共322個，平均每年有12個，約占總數(shù)的42%。其中TD為51個(占16%)、TS為68個(21%)、STS為82個(25%)、TY為73個(23%)、STY為42個(13%)及superTY為6個(2%)。影響我國的TC總數(shù)逐年分布很不均勻，較多年份可達19個，較少的年份不足8個。

3.1.1 時間變化特征

季節(jié)特征：影響我國的TC在一年中的4月到12月均有發(fā)生，頻數(shù)最多的活躍期為夏季的7-9月，約占全年總數(shù)的80%， 100%的STY和superTY、85%的TY均發(fā)生在該期間，8月最盛達到全年總數(shù)的31%，遠較其他月份的高，12月的最少，所占比例僅為0.3%；1-3月為TC的寧靜期，在此期間內(nèi)生成的TC均未對我國境內(nèi)造成影響。6月、10月為登陸我國熱帶氣旋的次高頻月份，兩月相比，6月登陸的頻數(shù)較多，強度較弱，而10月登陸的頻數(shù)較少，但強度整體強于6月的(圖1)。因此，影響我國的西北太平洋TC有發(fā)生時間集中且強度大的特征。

圖1 1990-2016年的TC頻數(shù)月際分布

在1990-2016年，登陸我國熱帶氣旋頻數(shù)最多的活躍期為夏季的7-9月,且生成路徑相對偏北，1-3月為TC的寧靜期,生成路徑相對偏南。廣東、福建和浙江省為我國受熱帶氣旋災害影響最為嚴重的省份。

年特征：據(jù)統(tǒng)計分析結(jié)果，在1990-2016年，影響我國的TC頻數(shù)年際變化整體無明顯變化特征。TD頻數(shù)存在較弱的減少趨勢，2001年為6個，達到最大值，2001年后減小趨勢顯著；TS頻數(shù)的長期變化趨勢并不顯著，2009年為8個，達到最大值，后呈現(xiàn)出減少的趨勢；STS頻數(shù)呈現(xiàn)較為明顯的逐年減少趨勢，1994年7個，為最大值；TY在2001年和2003年為6個，達到最大值；STY和superTY頻數(shù)均存在較明顯的增加趨勢，83%的STY均生成于2004年后，superTY主要發(fā)生于2006年以后?？梢?，影響我國的不同強度的西太平洋TC頻數(shù)逐年變化趨勢不完全一致，整體減小趨勢主要受低強度TC(包括TD、TS和STS)頻數(shù)變化的影響較為顯著，而高強度TC(TY、STY和superTY)的頻數(shù)在逐年增多。

圖2為6類不同強度TC頻率的年際變化。由圖2可看出，長時間尺度下熱帶氣旋有著顯著的低強度減少、高強度增加的趨勢；而短時間尺度下熱帶氣旋的頻數(shù)變化呈現(xiàn)出低強度熱帶氣旋波動性緩慢減少、高強度熱帶氣旋逐漸增加的趨勢。

年代際特征：影響我國的TC頻數(shù)年代際變化減少趨勢不顯著，將TC劃分為低強度(包括TD、TS和STS)和高強度(包括TY、STY和superTY)兩類，圖2中低強度的TC頻數(shù)隨年代際呈現(xiàn)較為明顯的下降趨勢，而高強度的TC頻數(shù)隨年代際上升趨勢顯著。最高值出現(xiàn)在2007-2011年共發(fā)生65個，年均13個；最低值出現(xiàn)在2012-2016年共54個，年均10.8個。從目前趨勢來看，在影響我國的TC總數(shù)逐年差異無明顯變化的前提下，低強度的TC明顯逐年減少，相反，高強度的TC逐年增多趨勢明顯，假定社會經(jīng)濟發(fā)展水平固定不變時，熱帶氣旋災害造成的風險程度將增加。

圖2 1992-2016年不同強度TC的頻數(shù)年際變化

3.1.2 空間變化特征

首先，從熱帶氣旋登陸我國的路徑看：在1990-2016年，登陸我國的TC共211個，占西北太平洋和南海海域生成TC總數(shù)的63%。影響我國TC的范圍為3.0°-15.9°N、100.2°-124.0°E，TC源地具有明顯的緯度帶特性和經(jīng)度帶特性，絕大多數(shù)TC由東南方向侵入我國，且高強度TC登陸均由此路徑登陸，少數(shù)由正南方向或者正東方向進入我國。熱帶氣旋發(fā)生的高頻時期有一定的北上特征，而發(fā)生的低頻時期有南撤的特征?；谶@一特點，影響我國的熱帶氣旋在發(fā)生的低頻時期，影響我國山東以北的概率極低，主要造成我國山東以南省份的損失；而熱帶氣旋發(fā)生的高頻時期，有一定可能到達山東、河北、北京、甚至遼寧，對這些省份造成人員傷亡及經(jīng)濟損失。1996-2000年登陸我國TC頻數(shù)最少，共28個；1990-1995年最多，為55個。

其次，我國受TC影響較為嚴重的沿海區(qū)域有廣西、廣東、福建、浙江、上海、江西、臺灣和海南(圖3)。由于地理位置的特殊性，不同區(qū)域受TC災害影響途徑分為直接影響和間接影響。對于沿海地區(qū)，TC直接由海岸線登陸造成的災害程度遠高于間接登陸造成的災害程度。因此對于特定區(qū)域進行TC防災減災決策時，考慮TC間接登陸比例十分重要。對廣西造成影響的 TC共49個，其中直接登陸的僅為1個；浙江TC間接登陸的比例為52%；福建TC間接登陸的比例為37%；廣東省間接登陸的為77%，為全國最高的省份。廣西位于廣東西側(cè)、海南北側(cè)，其受TC影響頻數(shù)較多，但災情并不嚴重。我國上海以北地區(qū)受TC直接登陸的影響可能性較小，但由于受TC影響頻數(shù)較少，因此對TC的防御應急工作不如南部沿海地區(qū)的，單次災害造成的損失相對較高。

圖3 1990-2016年不同強度TC登陸并影響到各省市的TCs頻數(shù)

3.2 熱帶氣旋災害損失評估

3.2.1 災情分指標變化特征

自然災害造成的直接經(jīng)濟損失包括災害直接造成的物質(zhì)形態(tài)的破壞，如糧食產(chǎn)量的下降，房屋建筑、公共設(shè)施及設(shè)備的破壞等[23-24]。由熱帶氣旋所引起的直接經(jīng)濟損失主要涵蓋了倒塌房屋、農(nóng)作物、道路路面、電力設(shè)施及水利設(shè)施等。農(nóng)作物損失、房屋損失逐年減少，在直接經(jīng)濟損失中的占比也大幅下降，因此水利損失、道路損失應逐年上升，并在直接經(jīng)濟損失中占據(jù)了較大的比例。對于水利損失和道路損失等方面，統(tǒng)計資料中不易獲取官方資料，可通過農(nóng)作物損失和房屋損失推算得出。

熱帶氣旋主要影響為對人身傷亡造成的影響、使農(nóng)作物受災、造成房屋倒塌和社會范圍內(nèi)的直接經(jīng)濟損失。圖4將4項損失指標進行省份的空間可視化。由1990-2016年累計的損失數(shù)據(jù)可看出，熱帶氣旋災害使浙江共死亡約2560人，累計值為所有省份最高值，達總體死亡人數(shù)的38%；上海死亡人數(shù)最少，共24人，占總體死亡人數(shù)的0.4%。廣東的農(nóng)作物受災面積累計值為1335萬公頃，占總受災面積累計值的30%，上海市受災面積僅占總體的0.8%。廣東的倒塌房屋累計值為148萬間，占倒塌房屋總數(shù)的31%，上海最少，倒塌1.8萬間，占比0.4%。浙江的直接經(jīng)濟損失最為嚴重，累計達到2733億元，占直接經(jīng)濟損失總數(shù)的33%，其次是廣東的，占總數(shù)的29%。

圖4 1990-2016年各省災害損失分布圖(a)死亡人數(shù),(b)農(nóng)作物受災面積,(c)倒塌房屋數(shù)量,(d)直接經(jīng)濟損失災害損失累計值

將農(nóng)作物受災面積、倒塌房屋數(shù)量及直接經(jīng)濟損失3項指標，根據(jù)前文中的方法進行損失指標的經(jīng)濟價值核算。以2015年為基年進行價格核算，分析結(jié)果表明，1990-1997年為經(jīng)濟損失波動較大年份，經(jīng)濟損失波動幅度較為劇烈，并無顯著的變化趨勢；而1998-2016年，除去2006年和2013年兩個小高峰年份，其余年份的經(jīng)濟損失變化趨勢趨于平緩。從整體時間段來看，房屋經(jīng)濟損失和農(nóng)作物經(jīng)濟損失的線性年變化幾乎完全一致，隨著熱帶氣旋的年代際增多呈現(xiàn)出經(jīng)濟損失顯著減小的趨勢；而直接經(jīng)濟損失與房屋經(jīng)濟損失和農(nóng)作物經(jīng)濟損失呈負相關(guān)，隨著熱帶氣旋的頻數(shù)增多呈現(xiàn)出較為明顯的直接經(jīng)濟損失大幅上升的趨勢。

3.2.2 綜合災情指標變化特征

在進行綜合災情指標分析時， 使用絕對損失數(shù)據(jù)統(tǒng)計分析、相對損失分析的方法，利用標準化后的熵值法確立3項損失指標的權(quán)重系數(shù)，建立綜合災情指數(shù)模型，分別計算絕對損失災情指數(shù)和相對損失災情指數(shù)，對比分析兩者年際變化趨勢，最后分析測算了綜合災情指數(shù)。

絕對損失以1998年為節(jié)點,前后形成鮮明的對比。1998年以前的經(jīng)濟損失較大，且波動不穩(wěn)定，而1998年之后的經(jīng)濟損失呈現(xiàn)出穩(wěn)步下降的趨勢。在進行相對損失分析的時候，對研究時段劃分為1990-1998年，1999-2007年，2008-2016年三個以9年為單位的時段進行對比分析。

分析結(jié)果(表4-6)表明，三個時段的熱帶氣旋總數(shù)變化不大，第一時段和第二時段的熱帶氣旋頻數(shù)集中在強熱帶氣旋和臺風頻數(shù)上，第二時段比第一時段的強臺風和超強臺風頻數(shù)更多，而在第三時段中，強臺風和超強臺風占據(jù)了絕大多數(shù)的熱帶氣旋頻數(shù)。第一時段的熱帶氣旋強度相對較低，但是大災比例達到了全部大災的67%，即災害強度小但是造成的災情嚴重；第三個時段的熱帶氣旋強度集中在強臺風和超強臺風級別，但是災情為大災的概率是0，小災占了所有小災的49%，即災害強度高但是造成的災情較輕。第二個時段的三類災度基本占了總體的1/3，即處于兩個時段的中間情況?？傮w而言，高強度熱帶氣旋頻數(shù)逐漸增多的前提下，造成的災度反而減少。

表4 1990-1998年不同強度等級熱帶氣旋的災度測算結(jié)果

在進行災情損失評估時，由于人類的特殊性，死亡人數(shù)無法和其他災害損失的含義相比較，對于損失指標“死亡人數(shù)”的考量不納入經(jīng)濟損失計算當中。因此根據(jù)熵值法確定倒塌房屋、農(nóng)作物受災面積及直接經(jīng)濟損失這3項熱帶氣旋損失指標的權(quán)重值wj=(0.4669,0.2432,0.2899)(j=1,2,3)，其中w1(倒塌房屋)>w2(受災面積)>w3(直接經(jīng)濟損失)。將權(quán)重系數(shù)帶入到各項損失指標中，計算得出熱帶氣旋的綜合災情指數(shù)。

表5 1999-2007年不同強度等級熱帶氣旋的災度測算結(jié)果

表6 2008-2016年不同強度等級熱帶氣旋的災度測算結(jié)果

圖5給出了各項評估指標的綜合變化情況。從圖5可看出，以1998年為節(jié)點，1990-1997年的熱帶氣旋災害綜合損失值比較大，平均值為6.3，1998-2016年的綜合損失值逐漸減少，僅在2006年存在一個小高峰。由于2006年0604號熱帶氣旋對廣東省造成了183人的死亡、134億元的直接經(jīng)濟損失，對福建省造成了92人死亡及47億元的直接經(jīng)濟損失，因此2006年成為熱帶氣旋受災嚴重的一年。1998-2016年若除去2006年的情況，綜合損失均值為2.61，其余年份之間的年際變化相對較小，處于相對平緩的狀態(tài)；若不除去2006年的情況，綜合損失均值為2.92。近年來，隨著熱帶氣旋災害與我國社會經(jīng)濟發(fā)展間存在著愈發(fā)明顯的聯(lián)系，我國相關(guān)部門加強了對熱帶氣旋的防御措施及預測體系；同時，居民防災防風意識也逐漸增強，在防御熱帶氣旋方面能力提升較快。因此，從整體上來看，熱帶氣旋天氣對沿海省份造成的影響有減緩趨勢，綜合災情指數(shù)處于相對平緩的狀態(tài)。

根據(jù)1990-2016年各省份的絕對損失綜合災情指數(shù)進行分類，整體來看，高強度熱帶氣旋造成的災情指數(shù)為12.35，是低強度指數(shù)的3倍。在高強度熱帶氣旋造成的綜合災情指數(shù)中，浙江省占比最大，約為27.9%，其次是廣東省的，占比約27.2%，指數(shù)最小的是上海市，占比為0.68%。在低強度熱帶氣旋造成的綜合災情指數(shù)中，廣東省的位居第一，占比約38.6%，其次是廣西的，占比25.3%，最小的仍然是上海市，占比約0.12%。高強度和低強度熱帶氣旋的綜合災情指數(shù)均小的是江蘇省和上海市，整體熱帶氣旋造成的綜合災情指數(shù)最高的省份是廣東省，為5.04，其次是浙江省的3.80，第三個省份是福建省的2.89。

圖5 1990-2016年綜合災情指數(shù)、因災死亡人數(shù)指數(shù)的變化趨勢

根據(jù)上述綜合災情指數(shù)計算模型，分別計算1990-2016年的絕對損失和相對損失的綜合災情指數(shù)，并分別建立低強度熱帶氣旋的絕對損失時間序列(圖6a)、相對損失時間序列(圖6c)和高強度熱帶氣旋的絕對損失時間序列(圖6b)、相對損失時間序列(圖6d)。將熱帶氣旋按強弱等級分離后可明顯看出，絕對損失的高強度熱帶氣旋綜合災情指數(shù)隨時間均呈現(xiàn)出比低強度熱帶氣旋更為明顯下降的趨勢；相對損失的綜合災情指數(shù)變化同絕對損失的相同，但高、低強度的下降趨勢比絕對損失的下降趨勢更為明顯，兩者相關(guān)系數(shù)也明顯高于絕對損失的相應相關(guān)系數(shù)。說明在熱帶氣旋強度隨時間有所增強時，由于抗災能力的日益增強，對高強度的熱帶氣旋防范取得的效果更顯著，原因可能是低強度的熱帶氣旋造成的損失比高強度造成的損失低，因此抗災能力的增強使其減少量比高強度的少。

圖6 1990-2016年綜合災情指數(shù)變化趨勢(a)低強度熱帶氣旋絕對損失的綜合災情指數(shù)變化趨勢；(b)高強度熱帶氣旋絕對損失的綜合災情指數(shù)變化趨勢；

4 結(jié)論與討論

通過分析1990-2016年影響我國沿海地區(qū)熱帶氣旋災害的時空分布特征和損失評估，得到以下結(jié)論：

(1)影響我國的熱帶氣旋總量無明顯年際變化，但低強度熱帶氣旋逐年減少，高強熱帶氣旋顯著增多；影響我國的西北太平洋TC有發(fā)生時間集中且強度大的特征；頻數(shù)最多的活躍期為夏季的7-9月,且生成路徑相對偏北，1-3月為TC的寧靜期,生成路徑相對偏南。這種狀況影響到熱帶氣旋致災的范圍和強度的變化，廣東、福建和浙江為我國受熱帶氣旋災害影響最為嚴重的省份。

(2)根據(jù)標準化的熵值法變換，確定的熱帶氣旋災害指標權(quán)重大小為：倒塌房屋的權(quán)重>受災面積的權(quán)重>直接經(jīng)濟損失的權(quán)重。經(jīng)過對倒塌房屋數(shù)量、受災農(nóng)作物面積和直接經(jīng)濟損失這3項損失指標的經(jīng)濟核算得出，倒塌房屋的經(jīng)濟價值和受災農(nóng)作物的經(jīng)濟價值隨年代際為減小趨勢，而直接經(jīng)濟損失的年代際增加趨勢較為明顯。

(3)比較1990-1997年和1998-2016年的熱帶氣旋的綜合災情損失指數(shù)發(fā)現(xiàn)，前者明顯大于后者；前者的年際波動較大，主要是受倒塌房屋數(shù)量的影響較為明顯；后者主要受直接經(jīng)濟損失的影響，顯著減小且趨于平緩變化。其中1994年、1997年、2006年為熱帶氣旋的巨災年，所占比例較小。運用熵值法確定的綜合災情指數(shù)模型對熱帶氣旋災情指數(shù)計算的結(jié)果顯示，低強度熱帶氣旋造成的災情年際減少趨勢更為明顯。

需要進一步討論的是：

(1)定量地分析揭示熱帶氣旋對我國經(jīng)濟發(fā)展的影響和災害損失，是氣象學與經(jīng)濟學結(jié)合研究的一個重要課題。通過分析中國東部沿海TC的災害時空特征和災害強度特征，評估其造成的經(jīng)濟損失，具有很強的探索性。例如，我國東部沿海地區(qū)經(jīng)濟發(fā)展迅速，第二、第三產(chǎn)業(yè)的產(chǎn)值增長較第一產(chǎn)業(yè)的快，科學技術(shù)發(fā)展及固定資產(chǎn)占比遠大于農(nóng)作物的經(jīng)濟占比及農(nóng)村經(jīng)濟占比，因此直接損失上升；隨著科技進步、經(jīng)濟發(fā)展及抗災能力大大提高，占比較小的農(nóng)作物及農(nóng)村房屋經(jīng)濟損失下降顯著。這些因素如何準確地估量和計算，需要新的方法和新的工作。

(2)運用新構(gòu)建的TC綜合災情指數(shù)模型，評估TC造成的經(jīng)濟損失，還帶有一定的不確定性。例如，由于直接經(jīng)濟損失的來源隨著年代變化而范圍更廣，并且所造成經(jīng)濟損失的目標經(jīng)濟增長價值大于CPI指數(shù)，使核算為2015年價值時核算值偏小，需要調(diào)整和改進。又如，可以推斷未來造成直接經(jīng)濟損失大幅上升的主要方面是道路損失、水利損失、公共設(shè)施損失及影響整個經(jīng)濟活動的損失等方面，而這些方面的統(tǒng)計數(shù)據(jù)不易獲得，且數(shù)據(jù)質(zhì)量有待提高。

(3)基于近27年登陸沿海區(qū)域熱帶氣旋和災害數(shù)據(jù)，采用絕對損失分析和相對損失分析方法，首次將熵值方法運用到熱帶氣旋導致的災情分析中，研究明確了熱帶氣旋特征和災害強度，構(gòu)建了災情指數(shù)模型評估其損失。該研究有別于單一的熱帶氣旋特征分析及單一的災害損失分析，所得結(jié)果有實際參考價值，值得推廣運用，但所構(gòu)建的災情指數(shù)模型本身也需要根據(jù)經(jīng)濟社會發(fā)展的實際不斷加以完善。