氣候變化影響與風險評估方法的研究進展

彭鵬,張韌,洪梅,王鋒,龍強

(1.解放軍理工大學 氣象海洋學院,江蘇 南京 211104;2.河北省唐山市曹妃甸工業區氣象局,河北 唐山 063200)

?

氣候變化影響與風險評估方法的研究進展

彭鵬1,張韌1,洪梅1,王鋒2,龍強2

(1.解放軍理工大學 氣象海洋學院,江蘇 南京 211104;2.河北省唐山市曹妃甸工業區氣象局,河北 唐山 063200)

氣候變化影響是指氣候變化背景下社會經濟或資源環境的響應。氣候變化風險是指由于氣候變化所引起的社會經濟或資源環境的可能損失。氣候變化風險評估是對氣候變化影響的定性和對風險的量化。針對氣候變化風險評估方法的原理和技術體系,本文從風險指數、風險概率和脆弱性評估三個方面,對研究現狀、熱點問題和通常方法進行了評述,并對當前研究中存在的問題和未來需求進行了歸納和展望。

氣候變化;風險評估;脆弱性/敏感性;不確定性

0 引言

防范和應對氣候變化的科學決策需要充分的事實依據(Prudhomme et al.,2013)。自IPCC發布第三次評估報告之后,學術界對氣候變化影響(climate change impact)、適應(adaptation)和脆弱性(vulnerability)的研究日漸增多。在第四次評估報告中,除傳統的氣候變化影響評估、適應能力評估、脆弱性評估和綜合評估之外,IPCC(政府間氣候變化專業委員會)把風險管理作為應對氣候變化的一個新的主流研究給予了強調(IPCC,2007)。為了加深對風險管理的理解,更好地應對氣候變化,本文擬介紹當前氣候變化影響與風險評估研究中的主要思路和方法。

風險是指與某種不利事件有關的一種未來情景(黃崇福等,2010)。進行風險管理可以防范與規避風險,其中風險評估是基礎環節。氣候變化風險是由于氣候變化影響超過某一閾值所引起的社會經濟或資源環境的可能損失,它包括兩個基本要素:氣候變化對系統的損害程度即不利影響的程度以及損失發生的可能性(吳紹洪等,2011)。氣候變化風險評估是指氣候變化對自然環境和人類社會影響的定性分析和量化評價過程,是氣候變化風險管理和應對氣候變化研究的重要組成部分,其最終目的是為制定有效的國際和區域的氣候變化適應指導政策提供科學依據,以應對、防范和減緩氣候變化可能帶來的不利影響。

要進行風險評估,首先要弄清楚風險的“源”和“匯”(Aven,2008)。換句話說,就是要弄清三個要素:什么會變成不利事件、變成不利事件的可能性以及變成不利事件的后果(Grubesic and Matisziw,2013)。傳統的氣象災害風險理論認為,氣象災害損失由致災因子、承災體和孕災環境共同決定,氣象災害是氣象風險的結果,若把氣候變化風險理解為氣候變化背景下的氣象災害風險(Wu et al.,2012;王黎俊等,2012),則其大小可通過致災因子的危險性,承災體的敏感性、脆弱性,環境的防災減災能力來評價(張繼權和李寧,2007;許遐禎等,2009;胡雪瓊等,2011;潘敖大等,2013)。也有觀點認為,風險分析目標是定量分析影響閾值與不確定范圍之間的關系,氣候變化風險研究需要基于特定的社會經濟情景,并預估未來不同的氣候變化情景(吳紹洪等,2011)。由于氣候預估情景的不確定性,IPCC指出,識別系統的氣候變化脆弱性或關鍵閾值是應對氣候變化風險的重要途徑(IPCC,2007)。在上述觀點的指引下,與氣候變化風險評估相關的研究工作主要集中在3個領域:基于氣候變化風險概念模型的風險指數評估、基于氣候情景預估與關鍵閾值的風險概率評估以及氣候變化脆弱性識別與評價。本文將從基本思路、評估步驟、實現途徑和熱點問題等方面對這3種研究進行詳細介紹。

圖1 風險概念模型Fig.1 Conceptual model of risk

1 氣候變化風險指數評估

基于風險概念模型的氣候變化風險指數評估的基本思路是:分析氣候系統對社會經濟系統造成不利后果的原因,識別造成風險的要素,定義風險指數,結合氣候變化背景,通過對這些要素的評價來量化風險。進行風險指數評估,其流程一般包括3個步驟,即通過風險要素識別建立風險指標體系、提出指標的量化評價方案、構建指標融合/綜合評價模型。依據評估指標體系、量化方案和融合模型建立的評價模型稱為風險概念模型(圖1)。

1.1 風險要素識別

風險要素識別是風險評估的基礎。風險要素識別是對風險事件“源”和“匯”的再分解,是對構成評價對象風險的所有因素按照屬性結構和物理機制的篩選。進行風險指數評估,通常將風險按照危險性、脆弱性和防治能力等要素分類,并構建指標體系(張繼權和李寧,2007)。圖1中,危險性(或稱暴露性)指標包含能夠導致危險事件發生的環境變量,譬如流域洪澇災害危險性可以通過年平均大雨日、平均最大3日降雨量、海拔高度、傾斜度和緩沖區等5個指標來評價;脆弱性(或稱敏感性)指標包含承受危險的社會經濟變量,如洪災承受體的脆弱性評價指標包括人口密度、GDP密度和農作物面積等;防治能力(或稱適應能力)則表示社會系統通過對自身屬性調節預防和治理不利影響的能力(Wu et al.,2012)。

1.2 指標量化

指標量化是對構成風險的指標變量的量化評價,是搭建變量觀測值和評價值的橋梁。指標量化方案直接決定評估的合理性。

標準化是常用的指標量化方法之一。按照直觀理解,指標變量觀測值越“好”,發生不利后果的程度和可能性越小,風險越小;觀測值越“差”,發生不利后果的程度和可能性越大,風險越大(賀芳芳和邵步粉,2011)。因此,指標變量的標準化值可以用作指標的評價值。用于標準化的參考值一般選取的是該變量觀測值的極值或最優值(Wu et al.,2012)。

另一種常用的指標量化方法是隸屬度評價。隸屬度是變量對評價屬性的隸屬程度。進行隸屬度評價時,首先需要明確變量不同評價的觀測值分級標準,變量觀測值屬于哪個標準,就賦予相應的隸屬度評價值(李倩等,2013)。典型的隸屬度評價方法如表1所示。

表1 年降水量危險性指標的隸屬度

Table 1 Subjection degree of annual precipitation risk index

量化基準/mm≤400401～600601～800≥801隸屬度0.80.60.40.2

1.3 綜合評價

因為系統風險通常由多個要素決定,所以在對各個指標變量進行量化評價以后,還需要綜合多個指標對系統風險進行評價。常用的綜合評價方法之一是指標融合方法,即結合專家評分進行經驗校正和統計結果的加權求和方法(Wu et al.,2012)或組合求積(Qian et al.,2006)。聯合國國際減災戰略(International Strategy for Disaster Reduction,ISDR)采用的自然災害風險綜合評價公式為:風險(risk)=危險(hazard)×脆弱性(vulnerability)(de Len,2006)。氣候變化洪災風險的危險性綜合評價被表示為:HF=RdW1+R3W2+W3/E+W4/G+DW5。其中:Rd,R3,E,G,D分別為危險性指標;Wi,i=1,2,…,5為相應權重(Wu et al.,2012)。

除此之外,非線性綜合評價方法正逐漸被應用于氣候變化風險指數評估中。目前,應用較為成熟的非線性評價模型有基于正負理想解距離的TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法和基于高維降維技術的投影尋蹤(Projection Pursuit,簡稱PP)模型等。

1.4 風險指數評估的優點與不足

基于指數的氣候變化風險評價模型具有很好的研究基礎,評價指標意義明確,考慮氣候變化影響因素較全面,評估過程易于操作。但是氣候變化風險指數評估也存在不足:首先,評估模型出發點要求致災因子易于辨識、成災機制明確且風險鏈清晰,而由人類活動引起的氣候變化及其間接影響途徑復雜、成災機制不明確,致使該類模型的應用受到限制(秦鵬程等,2012);其次,指數法的主觀性較強,對風險系統的物理機制體現不足,數據可靠性不足及與之伴隨的綜合評價結果難以進行可靠性驗證等(黃崇福,2011)。這些不足在一定程度上制約了評估結果的應用和評估研究的拓展。

2 氣候變化風險概率評估

氣候變化風險概率評估,又稱或然風險評估(IPCC,2007)。氣候變化風險概率評估的基本思路是通過氣候模式(如Global Climate Model/Regional Climate Model,簡稱GCM/RCM)預估的未來某一時刻或某一時段的氣候狀況,估算在此氣候狀況下被評價對象的響應,將發生不利影響的概率表示為風險。影響關聯的估計主要有兩種方法,一種是將氣候預估數據代入評價模型估算出評估對象的狀態如糧食產量、水文要素特征和經濟產值等,并由此來判斷氣候變化對該評價對象的利弊;另一種是針對被評估對象性狀發生改變的氣象要素閾值,分析未來氣象要素變化可能超越閾值的概率,通過超越概率來量化氣候變化風險。因此,影響風險概率評估準確性的因素主要是評價模型和風險閾值的確定。同時,由于現行氣候模擬技術的限制,氣候預估的不確定性也成為評估準確性的重要決定因素。

2.1 評價模型

評價模型或稱環境影響關聯評價模型,是研究對象某一屬性評價值對某個或某幾個環境要素觀測值的函數(周旭等,2013)。評價模型的科學性直接關系到模擬結果的可靠性。部分學科領域有現成的評價模型,可以直接與氣候模式預估數據結合起來對未來情景進行模擬。而在多數研究領域,該類模型尚不成熟,因此建立科學合理的評價模型成為研究重點。

作物和環境研究綜合模型(Crop and Environment Research Synthesis,CERES)是在結合區域氣候模式的氣候變化影響作物評估研究中應用較廣泛的環境影響關聯評價模型(Chen and Xie,2013)。此外還有集成多種作物模型的綜合性決策支持系統,如DSSAT(Decision Support System of Agricultural Technology Transfer),以及在植被生態系統研究中的BIOME(Biogeographical model)系列模型(Jiang,2008)等。

除作物和植被生態系統之外,目前水文系統的氣候變化影響得到較多研究,常用的評價模型有PDM模型(Probability Distributed Model)和CLASSIC模型(the Climate and Land-use Scenario Simulation In Catchments)等(Prudhomme et al.,2013)。基于應對氣候變化防洪系統風險,Gersonius et al.(2013)提出了防洪設施改造研究的改進RO(Real Options)模型——RIO(Real in Options)方法。

海平面上升是氣候變化衍生的熱點問題之一。Hoffman et al.(2010)提出通過風暴潮模式和工程模型來計算海平面上升對財產風險影響關聯的方法,并利用驗潮站數據和模擬颶風數據對21世紀前半葉的風暴潮風險進行了模擬研究。

2.2 風險閾值

影響評價模型的不明確是對氣候變化影響精確模擬的重要制約因素。閾值是指研究對象維系正常狀態的環境變量臨界值。一般認為,環境變量超過閾值是評價對象發生危險的充分條件(Kim et al.,2013)。因此,風險閾值研究也成為近年來氣候變化風險研究的熱點之一。Preston(2006)就認為基于概率的風險閾值評估可能是對提高氣候變化影響理解和風險管理效果的一個有利機制。但是對于多數研究對象,尤其對于系統而言,閾值的確定可能會較為困難,因此,系統閾值的估算方法成為部分研究的熱點。

水文系統的氣候變化風險研究較多采用了基于風險閾值的超越概率評估方法。李科等(2013)將水資源系統風險定義為荷載大于系統承載能力引發系統失效的概率,即供水量低于供水要求的概率。水文系統工程風險是一種包括多個因素的標準形式,或者包括可靠性、彈性和弱點等組成的超標準形式(Bardo和熊明,1997)。Shrestha和陳劍池(1997)將水資源系統工程風險的基本模型描述為

IR(Z,a1,a2,a3)=

(1)

其中:IR代表工程風險;IP表示系統Z的性能;C為聯合函數,如聯合概率分布函數等;aj,j=1,2,3即為可靠性、高失事概率和修復工作量等指標的門檻值,它可以設定或用模糊數表示。

2.3 不確定性

不確定性是指氣候變化風險評估研究可能出現不可信或不可靠的結果。不確定性問題是氣候變化影響與風險評估的難點和核心問題(Shlyakhter et al.,1995)。氣候變化影響與風險評估中的不確定性以及如何降低不確定性是氣候變化風險評估研究的重要內容(Mearns,2010)。

2.3.1 不確定性來源

氣候變化影響評價中的不確定性主要來源于:1)氣候變化情景的不確定性,包括氣候模式本身的不完善、情景設定的不確定性、應用技術的不確定性。2)評價模型的不確定性,包括評價模型結構的不確定性、評價模型參數的不確定性、評價模型其他輸入信息的不確定性。3)評價過程的不確定性,包括陸氣耦合技術的不確定性、人類活動的影響、未來氣候變化適應措施考慮得不完善等(熊偉等,2006)。

在氣候變化對農業影響評估研究中,氣候模式輸出與作物模型輸入之間的尺度差異是氣候變化對農業影響評估不確定性的主要來源之一。不確定性會隨著評估過程的深入,自上而下逐層傳播。與降水變化有關的氣候影響評估比與溫度變化有關的影響評估缺少確定性(Hambly et al.,2013)。Kandlikar et al.(2005)指出,氣候變化的深度不確定性來源多種多樣,包括科學因素和社會因素,是難以定義和量化的不確定性。

2.3.2 不確定度的量化

2.3.3 降低不確定度的方法途徑

降低評價結果不確定度的途徑主要包括:1)提高區域氣候變化情景預測精度,包括完善全球氣候模式、改進排放情景、降尺度技術;2)完善氣候變化影響評價模型及評價過程,包括改進和完善評價模型、充分考慮人類活動的調整適應和影響等(賀瑞敏等,2008)。

統計降尺度(statistical downscaling,SD)技術的應用是降低氣候預估影響研究中模式預估產品不確定性的另一個重要途徑。統計降尺度是結合局地氣候觀測變量和大尺度的GCM輸出之間建立的統計線性或非線性關系,以降低區域氣候預估不確定度的方法(Khan and Coulibaly,2010)。

氣候在很大程度上具有概率性,因此在天氣氣候研究的各領域中,統計氣候學方法具有不可替代的重要作用。Backus et al.(2013)認為,多個氣候模式的預估產品綜合起來就構成了一個未來氣候變化的總體,這樣通過總體的概率分布函數(probability distribution function,PDF)就可以計算超過某一閾值事件的風險概率。雖然同樣是采用統計氣候學方法,但是Horton et al.(2011)認為模式的結果是不應該被當作總體統計概率分布的。針對這個問題,Palin et al.(2013)沒有對氣候模式產品進行總體假設,而是通過Bootstrap方法從11個氣候模式中隨機抽取資料,對資料進行統計分析,并計算超過閾值的水平,通過多次重復試驗,生成超過閾值的風險概率分布。

決策論為知識不明確情況下的政策制定提供了很多工具(Millner et al.,2013)。Scherm(2000)使用了三角模糊數來代表未來氣候變化情景(三角模糊數的兩端分別是IPCC估計的最大值和最小值),以達到降低預估情景不確定度的目的。由于貝葉斯網絡處理用信度表示的不確定性問題的固有優勢,貝葉斯神經網絡模型在處理信度表示的氣候變化不確定性的水文響應問題時,表現出有效應用前景(Khan and Coulibaly,2010)。

2.4 風險概率評估的優點與不足

氣候變化風險概率評估方法克服了風險指數評估物理機制不明確的缺點,基于氣候預估數據和評價模型的情景模擬亦具有較為堅實的科學基礎。但是風險概率評估方法也存在許多不足之處(Prudhomme et al.,2013),主要體現在:

1)情景模式只是未來結果的子集,一個GCM/RCM的輸出僅提供了一種未來大尺度氣候陳述;

2)GCM/RCMs可能無法完全模擬區域和局地的氣候,尤其是極端事件;

3)多情景模式分析雖然可提供多個潛在的未來變化結果,但是由于缺少相應的概率估計,使得結果的不確定度給風險決策和政策制定造成很大的困難;

4)氣候要素對氣候變化的響應是非線性的,可能出現GCM/RCMs模擬結果以外的情景;

5)氣候系統與其他系統之間相互作用的動力過程可能會十分復雜,單純的氣候模式輸出結果可能無法提高我們對這些相互作用的理解。

3 氣候變化脆弱性評估

氣候變化脆弱性是氣候變化風險產生的必要條件,因此,脆弱性研究是識別和防范氣候變化風險的重要內容。作為氣候變化影響評估研究(氣候變化影響、適應和脆弱性)的重要組成部分之一,脆弱性評估也是IPCC所倡導的應對氣候變化進行風險管理的重要途徑之一(IPCC,2007)。

3.1 脆弱性的定義

在防災減災領域,脆弱性是指系統自身固有的對環境變化的適應能力。社會脆弱性關注的主要是人群對危害的敏感程度以及他們對極端事件的恢復能力;基礎設施脆弱性分析主要關心的是基礎設施的物理、運轉和地理特征,它們對于威脅的易損性,它們在系統中的作用以及它們對破壞性事件的潛在聯系。脆弱性具有空間屬性和時間屬性。空間屬性體現在對于系統能力接近極限的地區,脆弱性會增加,同樣,任何可能的失誤都會增強社會和系統影響;時間屬性體現在時點和時段,不同時點和不同時段的危害造成的后果不同(Grubesic and Matisziw,2013)。

氣候變化脆弱性是指地球物理系統、生物系統和社會經濟系統對氣候變化的敏感程度,這種敏感是指它無法應對氣候變化帶來的不利影響。其決定要素一般包括敏感性、暴露性和適應能力。許多對氣候敏感的系統都存在著脆弱性,如食物系統、基礎設施、健康、水資源、海岸帶系統、生態系統、地球生物地理化學循環、冰蓋和大氣海洋環流模式等(IPCC,2007)。

在具體研究工作中,脆弱性的定義應便于量化和建模。如水資源脆弱性定義為水資源系統在氣候變化、人為活動等的作用下,水資源系統的結構發生改變,水資源數量減少和質量降低,以及由此引發的水資源供給、需求、管理的變化和旱澇等自然災害的發生(唐國平等,2000)。農業生產的氣候脆弱性,可以定義為某一地區農業生產過程對氣候變化各敏感因素的反應強弱,以及當地社會經濟—生產—生態等環境要素對氣候變化影響可能適應性的綜合不穩定反應(侯亞紅和劉文泉,2003);也可以定義為農業系統容易受到氣候變化(包括氣候變率和極端氣候事件)的不利影響,且無法應對不利影響的程度,這代表了農業系統經受的氣候變異特征、程度、速率以及自身敏感性和適應能力的反應等(孫芳和楊修,2005)。

3.2 脆弱性的爭議

沒有哪個單一脆弱性定義可以適合所有的評估對象和評估目的(Bele et al.,2013)。在不同研究領域,脆弱性有著不同的認識和理解,因此有不同的脆弱性定義(於琍等,2005)。Kelly and Adger(2000)總結了在氣候變化脆弱性研究和脆弱性應對領域對脆弱性的兩種不同理解,分別是終點理論(End Point Theory)和起點理論(Starting Point Theory)。起點理論將脆弱性理解為不同經濟社會政策產生的基本依據,認為是脆弱性決定了政策的落腳點;終點理論認為,脆弱性的大小等同于氣候變化帶來的最終影響減去調整適應政策所做的貢獻,可以理解為適應政策無法消除的那部分不利影響。從這個角度上說,脆弱性還是爭論于不利事件的結果和原因。Downing認為脆弱性應該主要包括3個方面:脆弱性應該作為一個結果而不是一種原因來研究、脆弱性的影響是負面的、脆弱性是一個相對概念而不是絕對的損害程度(於琍等,2005)。而沿用自然災害學領域的觀點,脆弱性則被認為是導致系統受到損害的原因,災害損失才是脆弱性存在的結果。針對這個問題,Füssel(2007)總結認為,一些氣候變化領域的脆弱性概念恰恰是災害—風險評估領域的風險概念。防災減災機構一般把風險分成內部(脆弱性)和外部(危害)兩個部分,而氣候變化機構則把危害和暴露定義為一體作為脆弱性來研究。

3.3 脆弱性的計算

3.3.1 脆弱性曲線

脆弱性曲線(或稱脆弱性觀測)是從致災因子的角度,基于災情數據、調查和模型共同完成的脆弱性測量,通過一定強度致災因子情況下的災害損失來間接反映脆弱性的大小。將脆弱性用脆弱性曲線表示,以便于風險和災害的快速評估。從測量的角度來看,脆弱性一般反映的是系統損失程度與致災因子強度的關系。周瑤和王靜愛(2012)對脆弱性曲線構建的基本原理和研究進展情況進行了詳細的綜述。

3.3.2 脆弱性指數

在“Start-point”理論前提下,脆弱性一般定義為系統受影響的傾向或處理危險事件時能力的不足(de Len,2006)。在此定義框架下,脆弱性的大小一般通過定義脆弱性指數來體現,具體實現方案類似本文第1.2節內容。

3.3.3 情景模擬

基于“End-point”理論,在未來氣候條件下,如果評價對象變得不利,則認為該對象是脆弱的,不利程度越大,脆弱性越大(de Len,2006)。通過環境影響關聯評價模型模擬出氣候變化背景下的結果后,對脆弱性再進行評價。孫芳等(2005)通過PRECIS(Providing Regional Climate for Impacts Study)與CERES(Crop-Environment Resource Synthesis System)結合,首先模擬了21世紀70年代的作物產量,通過對作物可能減產情況的分析,定義了脆弱性的等級標準(表2)。

表2 脆弱性等級的劃分標準

Table 2 Criterion of classifying vulnerability

脆弱性產量變化率強度脆弱減產20%以上中度脆弱減產10%～20%輕微脆弱減產10%以下不脆弱不減產

Belgacem and Louhaichi(2013)通過生態模型模擬21世紀20和50年代的情景,并由此評價了西亞和北非三種植物的脆弱性。Sekhar et al.(2013)通過模擬地下水水位的變化定義了地下水的脆弱性。Fraser et al.(2013)通過全球水文模型計算出2050—2070年最可能發生干旱的區域,再用農業、氣象和社會經濟數據模型計算出2050—2070年適應能力最可能下降的區域,兩相重合,則表征為農業受氣候變化影響最脆弱的區域。V=f(E,S,CA)。其中:V代表脆弱性;E代表暴露性,是指一個系統所面對的氣候變化或變率的特點、程度和量級;S代表敏感性,是指加強或降低暴露性影響的結構因素;CA指適應能力,是指一個系統應對氣候變化,通過調整適應來舒緩潛在危害,或利用優勢來處理后果的能力。

3.3.4 情景遍歷

針對情景模式主導的氣候變化影響中存在的問題,Prudhomme et al.(2013)提出了“情景模式—中立”(Scenario—neutral)方法;他們模擬了4 200種降水和溫度的分布組合,并將這些數據代入水庫關聯模型(PDM模型和CLASSIC模型)中,通過對模擬結果的聚類,生成水庫的變化對氣象要素變化的響應曲面,如果水庫的變化大于氣象要素的變化,則認為其對氣候變化是敏感的,反之則認為其敏感性弱;他們認為,廣義的響應曲面也可以有效地量化水庫應對氣候變化的敏感性,因為它們包含了水庫的屬性信息,而且不需要進行全面的氣候變化影響研究。

3.4 關鍵脆弱性

為了更加科學地對氣候變化風險進行管理,IPCC第四次評估報告提出了關鍵脆弱性概念,指出:科學研究可以為政策制定者們提供“哪些脆弱性比較關鍵”的信息,從而制定更合適的應對政策(IPCC,2007)。

關鍵脆弱性可能和一些系統的閾值有聯系,當超過這個閾值時,系統的非線性過程將使系統從一種主要狀態切換到另外一種狀態,平緩的氣候漸變過程同樣可以對系統造成破壞。決定氣候變化的哪些影響比較關鍵或比較危險是一個動力學的過程,由客觀和主觀因素共同組成。客觀因素是指系統的屬性,主要包括尺度、量級、時段和持續性等;主觀因素(或稱標準化因素)是對科學知識和觀測事實的標準化,主要包括對被威脅的系統的重要性和獨特性的評定、影響的分布、風險厭惡程度和潛在適應措施的可行性與效果等。同時,該報告為識別關鍵脆弱性提出了7個標準。

量級標準:用來衡量影響量級的定量標準主要是金額和受影響的人口數量、作物產量、物種數量等。定性標準主要是社會認可度。

時效標準:一般而言,突然發生的不利影響比逐漸發生的不利影響更重要,因此,相對于未來的事件,馬上就會發生的不利影響更可能被認為“關鍵”。

持續性和可逆性標準:通常認為,持續的和不可逆轉的不利影響是“關鍵”的。

可能性和信度標準:可能性是指專家對于主觀概率標定中概率分布的中值,信度則決定于其散布,散布越小,信度越大。可能性越大的影響事件越容易被認為“關鍵”。

潛在適應能力標準:應對措施的可行性和可用性越低,這種影響越可能被歸類為“關鍵脆弱性”。

分布的標準:影響和脆弱性的種類越多或者分布特征越明顯,越有可能被歸結為“關鍵”。

受險系統的重要性標準:若一個系統的功能起決定性作用,那么該系統更可能被歸結為“關鍵”。

4 總結與展望

本文對氣候變化風險評估領域的主要方法和熱點問題進行了分析和評述。正如IPCC指出,沒有什么單獨的理論可以描述和解決同時包含社會經濟系統和自然生態系統的問題,也沒有什么單獨的模型可以代表一個實體所有的相互作用,或應對其在一個快變的時間里的所有問題(IPCC,2007)。氣候變化風險評估本身是一個非常復雜的問題,采用多方位和多角度的研究方法可以取得較好的效果。盡管當前氣候變化風險研究已經取得長足進展,但是仍然可以在以下兩個方面增加探索:

1)對災害風險評估方法的借鑒。相對于氣候變化風險評估理論和實踐,災害風險評估理論已經發展得比較成熟和完善。氣候變化風險評估中面臨的許多問題,如評估數據資源不足等,指標之間的非線性關系等,借鑒災害風險評估領域中信息擴散(Zhang et al.,2013)和云模型、數據包絡方法等綜合評價方法可能會提供較為可行的解決方案。地理信息技術(Geographic Information Systern,GIS)可以拓展評估結果的應用(吳洪顏等,2003)。

2)氣候變化適應能力指標還需要有更科學系統的方案。氣候變化影響評估應該充分考慮適應能力的決定性作用,這樣才能準確估計一個系統對氣候變化的潛在響應(IPCC,2007)。雖然當前應對氣候變化的研究已經較多,但是在風險評估領域對適應能力的定義和量化還比較初步,多局限于定性的評價或基于靜態的假設(Fraser et al.,2013)。作為與系統自身密切相關的屬性,應該將適應能力研究的成果充分科學地融入到系統評估中來。

氣候變化影響、適應和脆弱性評估已經遠遠超出了它最初的動機而成為一個思考性的、學術性的工作。為了滿足決策者們越來越多的需求,未來的研究工作需要對一系列的方法、技術和信息差距加以重視,為適應和減緩措施提供充實的研究基礎,以發揮更好的決策支持作用(IPCC,2007)。

Aven T.2008.Risk analysis:Assessing uncertainties beyond expected values and probabilities[M].Chichester:John Wiley & Sons,Ltd.:3-15.

Backus G A,Lowry T S,Warren D E.2013.The near-term risk of climate uncertainty among the U.S. states[J].Climatic Change,116(3/4):495-522.

Bardo A,熊明.1997.水文氣候變化非平穩條件下的水文風險[J].水文科技信息,14:4-9. Bardo A,Xiong Ming.1997.Hydrological climate change risk under unsteady condition[J].Hydrological Science and Technology Information,14:4-9.(in Chinese).

Bele M Y,Tiani A M,Somorin O A,et al.2013.Exploring vulnerability and adaptation to climate change of communities in the forest zone of Cameroon[J].Climatic Change,119(3):875-889.

Belgacem A O,Louhaichi M.2013.The vulnerability of native rangeland plant species to global climate change in the West Asia and North African regions[J].Climatic Change,119(2):451-463.

Chen F,Xie Z H.2013.An evaluation of RegCM3_CERES for regional climate modeling in China[J].Adv Atmos Sci,30(4):1187-1200.

Fraser E D G,Simelton E,Termansen M,et al.2013.“Vulnerability hotspots”:Integrating socio-economic and hydrological models to identify where cereal production may decline in the future due to climate change induced drought[J].Agricultural and Forest Meteorology,170(15):195-205.

Füssel H M.2007.Vulnerability:A generally applicable conceptual framework for climate change research[J].Global Environmental Change,17(2):155-167.

Gersonius B,Ashley R,Pathirana A,et al.2013.Climate change uncertainty:Building flexibility into water and flood risk infrastructure[J].Climatic Change,116(2):411-423.

Grubesic T H,Matisziw T C.2013.A typological framework for categorizing infrastructure vulnerability[J].GeoJournal,78(2):287-301.

Hambly D,Andrey J,Mills B,et al.2013.Projected implications of climate change for road safety in Greater Vancouver,Canada[J].Climatic Change,116(3/4):613-629.

賀芳芳,邵步粉.2011.上海地區低溫、雨雪、冰凍災害的風險區劃[J].氣象科學,31(1):33-39. He Fangfang,Shao Bufen.2011.Risk regionalization of meteorological disasters caused by cryogenic freezing rain and snow in Shanghai[J].Scientia Meteorological Sinica,31(1):33-39.(in Chinese).

賀瑞敏,劉九夫,王國慶,等.2008.氣候變化影響評價中的不確定性問題[J].中國水利(2):62-64;76. He Ruimin,Liu Jiufu,Wang Guoqing,et al.2008.Analysis on uncertainty in assessment of climate change effects[J].China Water Resources(2):62-64;76.(in Chinese).

Hoffman R N,Dailey P,Hopsch S,et al.2010.An estimate of increases in storm surge risk to property from sea level rise in the first half of the twenty-first century[J].Weather,Climate and Society,2(4):271-293.

Horton R M,Gornitz V,Bader D A,et al.2011.Climate hazard assessment for stakeholder adaption planning in New York city[J]. J Appl Meteor Climatol,50(11):2247-2266.

侯亞紅,劉文泉.2003.我國黃土高原地區農業生產的氣候脆弱性變化預測[J].災害學,18(3):34-38;90. Hou Yahong,Liu Wenquan.2003.Forecast of changes in climate vulnerability of agricultural production in the Loess Plateau in China[J].Journal of Catastrophology,18(3):34-38;90.(in Chinese).

胡雪瓊,吉文娟,張茂松,等.2011.云南省冬小麥干旱災損風險區劃[J].大氣科學學報,34(3):356-362. Hu Xueqiong,Ji Wenjuan,Zhang Maosong,et al.2011.Drought risk regionalization for winter wheat in Yunnan Province[J].Trans Atmos Sci,34(3):356-362.(in Chinese).

黃崇福.2011.風險分析基本方法探討[J].自然災害學報,20(5):1-10. Huang Chongfu.2011.Discussion on basic methods for risk analysis[J].Journal of Natural Disasters,20(5):1-10.(in Chinese).

黃崇福,劉安林,王野.2010.災害風險基本定義的探討[J].自然災害學報,19(6):7-15. Huang Chongfu,Liu Anlin,Wang Ye.2010.A discussion on basic definition of disaster risk[J].Journal of Natural Disasters,19(6):7-15.(in Chinese).

IPCC.2007.Contribution of working group Ⅱ to the fourth assessment report of the Intergovernmental Panel on Climate Change[R].Cambridge:Cambridge University Press.

Jiang D B.2008.Projected potential vegetation change in China under the SRES A2 and B2 scenarios[J].Adv Atmos Sci,25(1):126-138.

Kandlikar M,Risbey J,Dessai S.2005.Representing and communicating deep uncertainty in climate-change assessments[J].C R Geoscience,337(4):443-455.

Kelly P M,Adger W N.2000.Theory and practice in assessing vulnerability to climate change and facilitating adaptation[J].Climatic Change,47(4):325-352.

Khan M S,Coulibaly P.2010.Assessing hydrologic impact of climate change with uncertainty estimates:Bayesian neural network approach[J].Journal of Hydrometeorology,11(2):482-485.

Kim J S,Zhou W,Cheung H N,et al.2013.Variability and risk analysis of Hong Kong air quality based on monsoon and El Nio conditions[J].Adv Atmos Sci,30(2):280-290.

Kont A,Jaagus J,Aunap R.2003.Climate change scenarios and the effect of sea-level rise for Estonia[J].Global and Planetary Change,36(2):1-15.

李博,周天軍.2010.基于IPCC A1B情景的中國未來氣候變化預估:多模式結合結果及其不確定性[J].氣候變化研究進展,6(4):270-276. Li Bo,Zhou Tianjun.2010.Projected climate change over China under SRES A1B scenario:Multi-model ensemble and uncertainties[J].Adv Climate Change Res,6(4):270-276.(in Chinese).

李科,齊晶瑤,王昭陽,等.2013.利用反向法評價氣候變化下的水資源系統風險[J].水科學進展,24(2):184-189. Li Ke,Qi Jingyao,Wang Zhaoyang.2013.An inverse approach to evaluate the risk of water resouces under climate change[J].Advances in Water Science,24(2):184-189.(in Chinese).

李倩,張韌,姚雪峰.2013.氣候變化背景下我國周邊海域熱帶氣旋災害風險評估與區劃[J].熱帶氣象學報,29(1):143-148. Li Qian,Zhang Ren,Yao Xuefeng.2013.Risk assessment and regionalization of tropical cyclone disaster over China’s surrounding sea[J].Journal of Tropical Meteorology,29(1):143-148.(in Chinese).

Mearns L O.2010.The drama of uncertainty[J].Climatic Change,100(1):77-85.

Mearns L O,Cynthia R,Richard G.1997.Mean and variance change in climate scenarios:Methods,agricultural applications,and measures of uncertainty[J].Climatic Change,35(4):367-396.

Millner A,Calel R,Stainforth D A,et al.2013.Do probabilistic expert elicitations capture scientists’ uncertainty about climate change?[J].Climatic Change,116(2):427-436.

Palin E J,Thornton H E,Mathison C T,et al.2013.Future projections of temperature-related climate change impacts on the railway network of Great Britain[J].Climatic Change,120(1/2):71-93.

潘敖大,曹穎,陳海山,等.2013.近25 a氣候變化對江蘇省糧食產量的影響[J].大氣科學學報,36(2):217-228. Pan Aoda,Cao Ying,Chen Haishan,et al.2013.Impacts of climate change on food-crops production in Jiangsu Province from 1986 to 2010[J].Trans Atmos Sci,36(2):217-228.(in Chinese).

Preston B L.2006.Risk-based reanalysis of the effects of climate change on U.S. cold-water habitat[J].Climatic Change,76(2):91-119.

Prudhomme C,Crooks S,Kay A L,et al.2013.Climate change and river flooding:Part 1 classifying the sensitivity of British catchments[J].Climatic Change,119(3):933-948.

Qian H S,Ren Y Y,Li M X.2006.Changes of crop climate risk degree:A case study on cotton in Henan Province[J].Journal of Geographical Sciences,16(3):355-362.

秦鵬程,姚鳳梅,曹秀霞.2012.風險評估在氣候變化對農業影響評價中的應用——研究進展[J].自然災害學報,21(1):39-46. Qin Pengcheng,Yao Fengmei,Cao Xiuxia.2012.Application of risk assessement in evaluation of influence of climate change on agricultural production:Review and prospect[J].Journal of Natural Disasters,21(1):39-46.(in Chinese).

丘世均,范小平,蕭艷娥.2002.CVI評價研究簡介與幾點建議[J].熱帶地理,22(3):283-285. Qiu Shijun,Fan Xiaoping,Xiao Yaner.2002.A brief introduction to CVI and some suggestions[J].Tropical Geography,22(3):283-285.(in Chinese).

Scherm H.2000.Simulating uncertainty in climate-pest models with fuzzy numbers[J].Environment Pollution,108(3):373-379.

Sekhar M,Shindekar M,Tomer S K,et al.2013.Modeling the vulnerability of an urban groundwater system due to the combined impacts of climate change and management scenarios[J].Earth Interactions,17(10):1-25.

Shlyakhter A,Valverde A L J Jr,Wilson R.1995.Integrated risk analysis of global climate change[J].Chemosphere,30(8):1585-1618.

Shrestha B P,陳劍池.1997.氣候變化條件下水資源系統風險的不確定性[J].水文科技信息,14:14-22. Shrestha B P,Chen Jianchi.1997.Uncertainty of water resource system risk in climate change[J].Hydrological Science and Technology Information,14:14-22.(in Chinese).

孫芳,楊修.2005.農業氣候變化脆弱性評估研究進展[J].中國農業氣象,26(3):170-173. Sun Fang,Yang Xiu.2005.Research progress on vulnerability of agriculture to climate change[J].Chinese Journal of Agrometeorology,26(3):170-173.(in Chinese).

孫芳,楊修,林而達,等.2005.中國小麥對氣候變化的敏感性和脆弱性研究[J].中國農業科學,38(4):692-696. Sun Fang,Yang Xiu,Lin Erda,et al.2005.Study on the sensitivity and vulnerability of wheat to climate change in China[J].Scientia Agricultura Sinica,38(4):692-696.(in Chinese).

孫小明,趙昕奕.2009.氣候變化背景下我國北方農牧交錯帶生態風險評價[J].北京大學學報:自然科學版,45(4):713-720. Sun Xiaoming,Zhao Xinyi.2009.Assessment of ecological risk to climate change of the farming-pastoral zigzag zone in northern China[J].Acta Scientiarum Naturalium Universitatis Pekinensis,45(4):713-720.(in Chinese).

唐國平,李秀彬,劉燕華.2000.全球氣候變化下水資源脆弱性及其評估方法[J].地球科學進展,15(3):313-317. Tang Guoping,Li Xiubin,Liu Yanhua.2000.Assessment method of vulnerability of water resources under global climate change[J].Advances in Earth Science,15(3):313-317.(in Chinese).

王黎俊,銀燕,郭三剛,等.2012.基于氣候變化背景下的人工防雹效果統計檢驗: 以青海省東部農業區為例[J].大氣科學學報,35(5):524-532. Wang Lijun,Yin Yan,Guo Sangang,et al.2012.A statistics evaluation of hail suppression effect under the background of climate change:A case study of east agricultural region in Qinghai Province[J].Trans Atmos Sci,35(5):524-532.(in Chinese).

吳洪顏,張旭暉,黃文杰.2003.地理信息技術在干旱分析中的應用[J].氣象科學,23(2):238-244. Wu Hongyan,Zhang Xuhui,Huang Wenjie.2003.The application of geography information techonology on drought analysis[J].Scientia Meterologica Sinica,23(2):238-244.(in Chinese).

吳紹洪,潘韜,賀山峰.2011.氣候變化風險研究的初步探討[J].氣候變化研究進展,7(5):363-368. Wu Shaohong,Pan Tao,He Shanfeng.2011.Primary study on the theories and methods of research on climate change risk[J].Advances in Climate Change Research,7(5):363-368.(in Chinese).

Wu S H,Pan T,He S F.2012.Climate change risk research:A case study on flood disaster risk in China[J].Advances in Climate Change Research,3(2):92-98.

夏軍,邱冰,潘興瑤,等.2012.氣候變化影響下水資源脆弱性評估方法及其應用[J].地球科學進展,27(4):443-451. Xia Jun,Qiu Bing,Pan Xingyao,et al.2012.Assessment of water resources vulnerability under climate change and human activities[J].Advances in Earth Sciences,27(4):443-451.(in Chinese).

熊偉,居輝,許吟隆,等.2006.氣候變化對中國農業溫度閾值影響研究及其不確定性分析[J].地球科學進展,21(1):70-76. Xiong Wei,Ju Hui,Xu Yinlong,et al.2006.The threshold of temperature increase due to climate change for Chinese agriculture and its uncertainties[J].Advances in Earth Science,21(1):70-76.(in Chinese).

許遐禎,潘文卓,繆啟龍.2009.江蘇省龍卷風災害風險評價模型研究[J].大氣科學學報,32(6):792-797. Xu Xiazhen,Pan Wenzhuo,Miao qilong.2009.Disaster risk assessment of tornado in Jiangsu Province[J].Trans Atmos Sci,32(6):792-797.(in Chinese).

於琍,曹明奎,李克讓.2005.全球氣候變化背景下生態系統的脆弱性評價[J].地理科學進展,24(1):61-69. Yu Li,Cao Mingkui,Li Kerang.2005.An overview of assessment of ecosystem vulnerability to climate change[J].Progress in Geography,24(1):61-69.(in Chinese).

張繼權,李寧,2007.主要氣象災害風險評價與管理的數量化方法及其應用[M].北京:北京師范大學出版社:20-34. Zhang Jiquan,Li Ning.2007.Quantitative method and its application of the main meteorological disaster risk assessment and management[M].Beijing:Beijing Normal University Press:20-34.(in Chinese).

Zhang R,Peng P,Xu Z S,et al.2013.A risk assessment modeling technique based on knowledge extraction and information diffusion with support specification[J].International Journal of General Systems,42(8):807-819.

趙昕奕,蔡運龍.2003.區域土地生產潛力對全球氣候變化響應評價——以中國北方農牧交錯帶中段為例[J].地理學報,58(4):584-590. Zhao Xinyi,Cai Yunlong.2003.The vulnerability of regional land productivity to global climatic change:The case of the middle part of agricultural-pastoral zigzag zone in northern China[J].Acta Geographica Sinica,58(4):584-590.(in Chinese).

周旭,余錦華,王志福.2013.西北太平洋熱帶氣旋頻數的氣候變化及其與環境要素間的聯系[J].氣象科學,33(1):43-50. Zhou Xu,Yu Jinhua,Wang Zhifu.2013.The climate change of tropical cyclone frequency and its relationship with environment factors in the western North Pacific[J].Journal of the Meteorological Sciences,33(1):43-50.(in Chinese).

周瑤,王靜愛.2012.自然災害脆弱性曲線研究進展[J].地球科學進展,27(4):435-442. Zhou Yao,Wang Jingai.2012.A review on development of vulnerability curve of natural disaster[J].Advances in Earth Sciences,27(4):435-442.(in Chinese).

(責任編輯：倪東鴻)

Research progress on climate change impact and risk assessment method

PENG Peng1,ZHANG Ren1,HONG Mei1,WANG Feng2,LONG Qiang2

(1.College of Meteorology and Oceanography,PLA University of Science and Technology,Nanjing 211101,China;2.Weather Bureau of Caofeidian Industrial Park,Tangshan 063200,China)

Climate change impact refers to the responses of social economy and resources environment to climate change.Climate change risk refers to the possible losses of social economy and resources environment caused by climate change.Climate change risk assessment means the qualitative climate change impact and the quantitative climate change risk.Aiming at the principle and technical system of climate change risk assessment method,current research status,hot issues and common approaches are remarked from three aspects,namely the risk index,the risk probability and the vulnerability.Research gaps and priorities are also discussed.

climate change;risk assessment;vulnerability/sensitivity;uncertainty

2013-12-29；改回日期：2014-06-26

國家自然科學基金資助項目(41475045);唐山市曹妃甸工業區專項(CQZ-2014001)

張韌,博士,教授,研究方向為海氣相互作用,zren63@126.com.

10.13878/j.cnki.dqkxxb.20131229001.

1674-7097(2015)02-0155-10

P467

A

10.13878/j.cnki.dqkxxb.20131229001

彭鵬,張韌,洪梅,等.2015.氣候變化影響與風險評估方法的研究進展[J].大氣科學學報,38(2):155-164.

Peng Peng,Zhang Ren,Hong Mei,et al.2015.Research progress on climate change impact and risk assessment method[J].Trans Atmos Sci,38(2):155-164.(in Chinese).