氣候變化背景下我國城市高溫熱浪的風險分析與評估

宋晨陽，王　鋒，張　韌，白成祖，劉科峰，龍　強

(1．解放軍理工大學 氣象海洋學院，江蘇 南京 211101；2．河北省唐山市曹妃甸工業(yè)區(qū)氣象局，河北 唐山 063000)

?

氣候變化背景下我國城市高溫熱浪的風險分析與評估

宋晨陽1，王鋒2，張韌1，白成祖1，劉科峰1，龍強2

(1．解放軍理工大學 氣象海洋學院，江蘇 南京 211101；2．河北省唐山市曹妃甸工業(yè)區(qū)氣象局，河北 唐山 063000)

摘要:針對氣候變化背景下高溫熱浪愈加頻繁的變化趨勢，從風險分析角度提出了高溫熱浪災害風險概念模型，探討了我國1983-2012年高溫熱浪頻數(shù)和強度的變化特征；為解決風險評估建模時決策者難以有效評判的情況，構建了猶豫層次分析法(Hesitant Analytic Hierarchy Process，H-AHP)和逼近于理想解的排序方法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)相結合的高溫熱浪風險評估模型，并以華東地區(qū)6座城市作為承險體進行了分析驗證。結果表明，所建模型能夠合理構建高溫熱浪風險指標體系，得到與事實接近的量化評估結果，研究思想和方法途徑可為其他氣候災害評估和風險防范提供參考。

關鍵詞:高溫熱浪；猶豫層次分析法；TOPSIS；風險評估；蒙特卡洛模擬

根據(jù)IPCC第五次評估報告，1880-2012年期間，全球平均地表溫度升高了0.85℃[1]；采用全球比較計劃第五階段(CMIP5)耦合模式，預估未來全球氣候變暖仍將繼續(xù)，21世紀末全球平均地表溫度在1986-2005年的基礎上將升高0.3~4.8 ℃[1]；Tol研究指出，如果平均溫度上升1 ℃，全球每年將有約35萬人死于心腦血管和呼吸系統(tǒng)疾病[2]；在歐洲、亞洲和澳大利亞的大部分地區(qū)，高溫熱浪發(fā)生的頻率可能已經增加，大多數(shù)陸地地區(qū)熱浪的持續(xù)時間、頻率和強度很可能也會增加[3]。隨著全球氣候變暖和城市熱島效應的加劇，高溫熱浪事件可能會頻繁發(fā)生,并對人體健康產生更嚴重的影響。極端高溫事件往往與特重干旱相伴而來，嚴重威脅人們的生命及能源、水資源和糧食安全等[4]。葉殿秀等研究發(fā)現(xiàn)，在全球變暖的大背景下，我國高溫熱浪襲擊范圍越來越廣，頻次明顯增多，時間越來越長，對人們活動、健康、旅游業(yè)和工農業(yè)生產都有不同程度的影響[5]。因此，針對高溫熱浪襲擊風險的量化評估具有極強的現(xiàn)實意義。

目前國內外針對高溫熱浪災害及其影響的研究已有不少：如Kan等人研究了熱浪對死亡率和發(fā)病率的影響[6]；楊軍等人評估了2005年熱浪對廣州市民死亡率的影響，確定了易受影響的分組人口[7]；劉建軍等人介紹了熱浪災害對人體健康的影響[8]；張可慧等人研究了高溫熱浪對河北地區(qū)工業(yè)、交通的影響[9]。雖然上述研究工作對高溫熱浪災害影響有了較明確的認識，但基本上還偏向于定性的研討，對高溫熱浪相關的定量化綜合風險評估研究還不多。

量化的風險評估是風險管理的主流和核心環(huán)節(jié)[10]。目前，氣象災害風險評估的方法主要有模糊評價法、層次分析法、數(shù)據(jù)包絡分析法等。其中，模糊評價法能利用隸屬度函數(shù)將主觀與客觀相結合，可以較好地實現(xiàn)了模糊問題的量化，然而，隸屬度函數(shù)的選擇往往有很強主觀性，且計算較為復雜；層次分析法是將定性與定量相結合的系統(tǒng)分析方法，通過專家采用1~9標度打分，對各層因素兩兩間量化比較，但主觀性較強，且無法解決做判斷時猶豫不決的情況；數(shù)據(jù)包絡分析法可對多指標投入和多指標產出的相同部門進行效益評價，無須任何權重假設，排出了很多主觀因素，但對數(shù)據(jù)的要求較高。

現(xiàn)實決策問題中，決策問題的復雜性以及決策者自身的知識和經驗不足等因素，會使決策者常常難以判別決斷。朱斌基于傳統(tǒng)的層次分析法(Analytic Hierarchy Process，AHP)，引入猶豫偏好的概念，用概率分布描述猶豫偏好，并將其運用到層次分析法中，提出猶豫層次分析法(H-AHP)[11]。它適用于決策者做判斷時猶豫不決的情況，可描述決策者提供的有多個可能值的偏好信息，且這些可能值不需要集成或修改，提高了準確度和決策者對最終方案排序結果的滿意程度。TOPSIS是一種逼近理想解的排序法，是多目標決策分析中常用的有效方法。它通過計算某一方案與正理想解、負理想解之間的加權歐式距離，得出該方案與正理想解的接近程度，以此作為評價各方案優(yōu)劣的依據(jù)。

本文中高溫熱浪災害風險是指高溫熱浪災害發(fā)生的可能性以及由其造成損失的嚴重程度[10]。由于高溫熱浪風險評估是一個涉及氣候、生態(tài)、人體健康、經濟社會發(fā)展、醫(yī)療水平、政府應變能力的多方面、多目標、多層次決策問題，需綜合考慮不同評估方法和模型的優(yōu)缺點。為此，本文引入H-AHP和TOPSIS相結合的研究思想和方法[12]，進行所選城市之間的風險評估。該研究的核心是利用基于猶豫層次分析法(H-AHP)，建立高溫熱浪災害風險指標體系，計算各指標的權重；然后將指標權重和各評估單元的無量綱化決策矩陣相結合，形成加權決策矩陣；利用TOPSIS法計算出加權決策矩陣的正理想解、負理想解、各評估單元與正理想解的歐式距離、貼近度，據(jù)此來確定各城市遭受高溫熱浪襲擊風險的大小。各評估城市與正理想解之間的貼近度越大，其高溫熱浪風險越高。

1高溫熱浪頻數(shù)及強度的氣候變化特征

基于國家氣象信息中心整理的中國地面氣候資料日值數(shù)據(jù)集，參考張尚印[13]等的方法，根據(jù)日最高氣溫，本文將高溫天氣劃分為較弱高溫天氣、中等高溫天氣、較強高溫天氣、強高溫天氣和極強高溫天氣等五個等級，具體分級標準及相應的強度值如表1所示。連續(xù)3 d及以上的高溫天氣過程稱之為熱浪。高溫頻數(shù)為一年中發(fā)生的高溫天氣的總天數(shù)；根據(jù)高溫天氣的日最高溫度和表1劃分的分級標準，計算全年的高溫強度值。

利用全國753個站1983-2012年逐日最高氣溫資料分析表明(圖1)，高溫天氣總頻數(shù)及各級別的高溫天氣頻數(shù)均呈現(xiàn)出波動震蕩的趨勢，然而自2000年左右以后呈波動增加狀態(tài)；近10年來高溫頻數(shù)明顯高于歷史平均水平，2010年達到最多的11 324個；較弱高溫天氣、中等高溫天氣和較強高溫天氣的頻數(shù)增加非常明顯，強高溫天氣和極強高溫天氣頻數(shù)也有弱增多趨勢。由圖1可以看到，高溫強度呈波動變化態(tài)勢，但自21世紀初開始高溫強度呈陡增趨勢，近五年高溫強度平均值幾乎達到20世紀80年代的2倍。

通過以上對高溫熱浪頻數(shù)及強度的分析可知，我國高溫熱浪發(fā)生頻率和強度均有增強的趨勢，少數(shù)的極強高溫熱浪可能會隨著全球變暖而相應增加，且隨著城市熱島效應的不斷增強[14]，我國各地區(qū)面臨嚴重的潛在災害風險。因此，我們展開如下氣候變化背景下的高溫熱浪災害風險分析與研究(表1)。

表1　高溫等級劃分標準及相應強度值

圖1　近30年我國高溫頻數(shù)及強度值逐年變化情況

圖2　高溫熱浪災害風險概念模型

2高溫熱浪風險評估指標的確定

結合前人研究成果并根據(jù)對高溫熱浪風險的理解，認為高溫熱浪風險是在一定的孕災背景中，由高溫熱浪災害的危險性(H)、承災體的脆弱性(V)和區(qū)域綜合防范能力(R)三因素的綜合效應形成的[10]。危險性表示高溫熱浪的強度和頻率特征；脆弱性表示該研究區(qū)域的人體健康和經濟社會系統(tǒng)遭受高溫熱浪威脅和破壞的性質；區(qū)域綜合防范能力反映人類社會應對災害的主觀能動性，包括災害預警、醫(yī)療水平和政府應變能力等。由此建立圖2所示的高溫熱浪風險概念模型。

根據(jù)高溫熱浪風險概念模型及災害風險評價指數(shù)法，建立圖3所示的高溫熱浪災害風險評估指標體系。本指標體系包括目標層、準則層和指標層。最高層為高溫熱浪災害風險指數(shù)RI，表示遭受高溫熱浪襲擊的可能性及由此造成損失的嚴重程度，它由高溫熱浪危險性、各承災體的脆弱性及防災減災能力綜合作用決定。高溫熱浪的危險性由其頻率和強度決定。由于高溫熱浪災害影響非常廣泛，包括經濟、人體健康、工業(yè)、交通等各個方面，這里僅以人口、經濟和工業(yè)三類承載體為例，進行脆弱性分析；另外，區(qū)域綜合防范能力涉及到該區(qū)域的經濟實力、科技實力和政府應急處理能力等，對其進行全面準確的評估非常復雜，這里僅以公共財政支出、醫(yī)療機構數(shù)和衛(wèi)生技術人員數(shù)量進行簡單的量化評估。

各指標含義及量化方法如下所示：

(1)頻率(C1)：每年發(fā)生高溫熱浪天氣的總天數(shù)，采用所選城市近十年(2003-2012年)所有的高溫天氣總天數(shù)的年平均值表示。

(2)強度(C2)：根據(jù)高溫天氣的日最高溫度和表1劃分的分級標準，計算全年的高溫強度值。高溫強度用所選城市近10年的高溫強度值的平均值表示。

(3)常住人口(C3)：受高溫熱浪影響的人口數(shù)，其值越大潛在的災害風險越大。

(4)生產總值(C4)：反映經濟可能遭受高溫熱浪影響的程度，其值越大，經濟脆弱性越高。

(5)工業(yè)用電量(C5)：溫度是影響電力系統(tǒng)負荷的重要因素之一[9]，工業(yè)用電量越大，越容易導致電力供應緊張，受高溫熱浪災害襲擊的影響越大。

(6)公共財政支出(C6)：反映政府緊急狀態(tài)下的應變和協(xié)調能力，值越高，潛在災害風險越小。

(7)醫(yī)療機構數(shù)量(C7)：提供醫(yī)學救治場所和設備，降低高溫熱浪風險。

(8)衛(wèi)生技術人員(C8)：提供專業(yè)醫(yī)療救援，可以有效降低因高溫熱浪死亡的人數(shù)。

圖3　高溫熱浪災害風險評估指標體系

3評估建模與實驗仿真

由于華東地區(qū)經濟發(fā)展水平較高，人口密度大，常年遭受高溫熱浪災害的侵襲，嚴重影響人們的正常生活和工作，因此本文選取華東地區(qū)6座城市(南京、上海、杭州、福州、合肥、濟南)作為實證研究的對象。根據(jù)高溫熱浪風險評估指標體系的特點及評價的內容，本文采用猶豫層次分析法和TOPSIS相結合的高溫熱浪風險評估方法。

3.1　用猶豫層次分析法確定權重

首先采用猶豫層次分析法(H-AHP)確定各評估指標的權重。猶豫層次分析法(H-AHP)適用于解決實際風險評價中的模糊性和猶豫不決的情況，可最大限度地保留決策者提供的有多個可能值的偏好信息，提高最終方案排序的可信度。具體計算步驟如下所示。

3.1.1構造概率型猶豫積型偏好關系(ProbabilisticHesitantMultiplicativePreferenceRelation，P-HMPR)

(1)

根據(jù)高溫熱浪風險評估指標體系(圖3)，結合相關領域專家評估結果，構造P-HMPR(表2~表5)。

表2　關于準則層的P-HMPR

表3　關于危險性的P-HMPR

表4　關于脆弱性的P-HMPR

表5　關于區(qū)域綜合防范能力的P-HMPR

3.1.2對P-HMPR進行一致性檢驗

(2)

基于排序值ωi，Aguaron[16]等提出了幾何一致性指標(GCI)用于檢驗y(l)的一致性水平：

(3)

令Y為一個猶豫偏好空間，那么Y的期望集合一致性指標可以定義為

(4)

E(GCI)Y的計算基于蒙特卡洛模擬。與Aguaron等提出的可接受一致性臨界值相同，如表6所示，若E(GCI)Y≤GCI(n)，那么Y是滿足可接受一致性的。如未經過一致性檢驗，則必須進行改進。因為猶豫偏好可以認為是隨機偏好的一種特殊情況，所以可以用隨機的方法改進一致性。具體方法如下：

經計算，表2~表5中的P-HMPR均滿足可接受一致性。

表6　不同維數(shù)Y的GCI可接受臨界值

表7　不同維數(shù)Y的RI平均值

3.1.3計算各指標權重

基于行幾何平均法(RGMM)，應用蒙特卡洛模擬的方法，計算同一層次相應元素對于上一層次某元素相對重要性的排序權值。再從結構的底層開始，對于上一層次中元素，集成方案的排序權值，直到獲得方案對于控制屬性的綜合排序權值，即各相關指標的權重。經計算可知，W=(0.199 3,0.398 7,0.145 5,0.076 3,0.040 1,0.0416,0.022 9,0.075 5)。

3.2　用TOPSIS方法評估建模

在確定各指標權重的基礎上，應用TOPSIS法計算高溫熱浪風險。TOPSIS法的核心思想是通過計算某一方案與正理想解、負理想解之間的加權歐式距離，得出該方案與正理想解的接近程度，以此作為評價各方案的依據(jù)。

3.2.1構建決策矩陣

設參與評價的多指標決策問題的方案集為M=(M1,M2,…,Mm)，指標集為C=(C1,C2，…，Cn)，方案Mi對指標Cj的值記為xij(i=1,2,…,m;j=1,2,…,n)，則決策矩陣為：

(5)

本文中M1,M2,…M6依次為南京、上海、杭州、福州、合肥和濟南。根據(jù)國家氣象信息中心發(fā)布的2003-2012年中國地面氣候資料日值數(shù)據(jù)集對指標C1、C2進行量化處理，指標C3-C8中的數(shù)據(jù)選取自各省市發(fā)布的《統(tǒng)計年鑒2013》，并由此構建決策矩陣X。

X=

(6)

表8　計算結果

3.2.2決策矩陣標準化

為了消除各指標量綱不同對方案決策帶來的影響，需要對決策矩陣進行無量綱化處理，構建標準化矩陣V=(vij)n×n。

對于值越大風險越大型指標：

(7)

對于值越小風險越大型指標：

(8)

其中vij為xij歸一化后的值，max(xj)、min(xj) 分別為第j個指標的最大值和最小值。

對決策矩陣X無量綱化處理，得到標準化矩陣V。

V=

(9)

3.2.3構建加權標準化決策矩陣

R=

(10)

3.2.4計算正理想解和負理想解

分別確定每個指標集的最大值與最小值，并以正向指標的最大值與負向指標的最小值構成正理想解，以正向指標的最小值與負向指標的最大值構成負理想解。

計算公式如下：

由此確定同一屬性指標的正理想解及負理想解，結果如表8所示。

3.2.5計算樣本與正理想解和負理想解間的歐式距離

(11)

(12)

式中：i=1,2,…m。根據(jù)正負理想解，采用式(11)~式(12)計算樣本到正、負理想解的歐式距離，結果如表9所示。

表9　歐式距離

3.2.6計算相對貼近度

計算相對貼近度，實現(xiàn)樣本的排序優(yōu)選。各樣本與正理想解的相對貼近度為ηi:

(13)

式(13)反映了待評價樣本與正理想解在態(tài)勢變化上的接近程度，根據(jù)ηi的大小對樣本進行排序，ηi越大，表示待評價樣本越貼近正理想解，樣本風險越大。根據(jù)樣本到正、負理想解的歐式距離，采用上式計算樣本的相對貼近度，結果如表10所示。

表10　評價結果

3.3　結果分析

一般評價中，越貼近正理想解的方案是越好的，但是由于本文將猶豫層次分析法和TOPSIS法相結合應用到高溫熱浪災害的風險評估中，風險評估的結果是越小越好，所選城市越貼近正理想解說明其可能面臨的高溫熱浪災害風險越大。因此，由加權標準化決策矩陣R和相對貼近度ηi的計算結果可知，杭州得分最高，濟南得分最低，說明杭州風險最大，濟南風險最小。杭州和福州遭受高溫熱浪天氣襲擊的強度和頻率都較大，但由于杭州常住人口多，經濟發(fā)展水平相對較高，其承受高溫熱浪襲擊的暴露性和敏感性均高于福州，雖政府應變能力和醫(yī)療水平較強，但其遭受高溫熱浪襲擊的綜合風險仍高于福州。濟南遭受高溫熱浪天氣襲擊的強度和頻率都最小，且常住人口相對偏少，經濟發(fā)展水平也弱于其他城市，雖其應變能力和醫(yī)療水平略遜于其他城市，但由于評估模型中危險性和脆弱性所占權重較大，因而濟南高溫熱浪的綜合風險為最低。

4結論與討論

在全球氣候變化背景下，我國高溫熱浪頻數(shù)呈波動震蕩狀態(tài)，但從2000年左右開始，高溫頻數(shù)開始顯著增加，強高溫以上級別的高溫頻數(shù)也有所增加；高溫強度值有加快增強的趨勢。我國是高溫熱浪災害的高發(fā)區(qū)，且隨著城市化進程不斷加快，城市規(guī)模和人口密度不斷增加，遭受高溫熱浪襲擊的風險不斷加大，制定有效合理的高溫風險量化評估模型迫在眉睫。

本文通過H-AHP和TOPSIS相結合的方法，構建了高溫熱浪風險評估指標體系和風險評估模型，并以華東地區(qū)六座城市為例進行了實例分析，實現(xiàn)了高溫熱浪風險量化評估，為應對氣候變化風險和風險防范提供了客觀定量的決策依據(jù)。但由于高溫熱浪災害風險系統(tǒng)極其復雜，本文僅從技術角度進行簡化處理。此外，由于資料非常有限，構建的高溫熱浪風險指標還比較簡單，指標的量化有待完善。下一步工作的重點是對指標的進一步充實，并探索更加有效的量化評估方法，以使評估結果更加客觀、準確。

參考文獻：

[1]IPCC.Climate change 2013:the physical science basis[EB/OL].[2014-7-10].http://www.ipcc.ch/report/ar5/wg1/#.Uq-tD7KBRR1.

[2]Tol R S. Estimates of the change cost of climate change Part Ⅰ:Benchmark estimates[J].Environmental and Resource Economics,2002,21(1):42-73.

[3]IPCC.Summary for policymakes[EB/OL].[2014-815].http://www.ipcc.ch/pdf/assessment-report/ar5/wg1/WG1AR5-SPM-FINAL.pdf.

[4]楊紅龍,許吟隆,陶生才,等.高溫熱浪脆弱性與適應性研究進展 [J].科技導報,2010,28(19):099-102.

[5]葉殿秀,尹繼福,陳正洪,等.1961-2010年我國夏季高溫熱浪的時空變化特征[J].氣候變化研究進展,2013,9(1):015-020.

[6]Kan H,S J London,H Chen,et al.2007:Diurnal temperature range and daily mortality in Shanghai,China.Environmental Research,103(3),424-431.

[7]Yang Jun,Liu Huazhang,Ou Chunquan,et al.Impact of Heat Wave in 2005 on Mortality in Guangzhou,China[J].Biomed Environ Sci,2013;26(8):647-654.

[8]劉建軍,鄭有飛,吳榮軍.熱浪災害對人體健康的影響及其方法研究[J].自然災害學報,2008,17(1):151-156.

[9]張可慧,李正濤,劉劍鋒,等.河北地區(qū)高溫熱浪時空特征及其對工業(yè)、交通的影響研究[J].地理與地理信息科學,2011,27(6):090-095.

[10]張繼權,李寧.主要氣象災害風險評價與管理的數(shù)量化方法及其應用[M].北京:北京師范大學出版社,2007.

[11]朱斌.基于偏好關系決策方法及應用研究[D].南京:東南大學,2014.

[12]何逢標.塔里木河流域水權配置研究[D].南京:河海大學,2007.

[13]ZhangShangyin,SongYanling,ZhangDekuan,etal.TheclimaticcharacteristicsofhightemperatureandtheassessmentmethodinthelargecitiesofnorthernChina.,ActaGeographica,2004,59(3):383-390.

[14]鄭有飛,丁雪松，吳榮軍，等.近50年江蘇省夏季高溫熱浪的時空分布特征分析[J].自然災害學報,2012(2):43-50.

[15]CrawfordG,WilliamsC.Anoteontheanalysisofsubjectivejudgmentmatrices.JournalofMathematicalPsychology[J].1985, 29(4):387-405.

[16]AguaronJ,Moreno-0JimenezJMa.Thegeometricconsistencyindex:Approximatedthresholds[J].EuropeanJournalofOperationalResearch[J].2003, 147(1):137-145.

李軍鵬，董衛(wèi)國，孟惠芳，等. 降雨條件下坡面細溝侵蝕模型及臨界坡度研究 [J].災害學, 2016,31(1):207-212.[ Li Junpeng, Dong Weiguo, Meng Huifang,et al. Research of Rill Erosion Model and Critical Slope Gradient during Rainfall[J].Journal of Catastrophology, 2016,31(1)：207-212.]

Risk Analysis and Assessment of High-temperature and Heat-wave Disaster in Chinese Cities Under the Background of Climate Change

Song Chenyang1, Wang Feng2, Zhang Ren1, Bai Chengzu1, Liu Kefeng1and Long Qiang2

(1.CollegeofMeteorologyandOceanography,PLAUniversityofScienceandTechnology,Nanjing211101,China;

2.MeteorologicalBureauinTangshanCaofeidianIndustrialZoneinHebeiProvince,Tangshan063000,China)

Abstract:Aiming at the variation trends of high-temperature and heat-wave in the background of climate change, we considered a conceptual framework of high-temperature and heat-wave disaster risk from the point of view of risk analysis. We investigate the characteristics of frequency and intensity of high-temperature and heat-wave from 1983 to 2012 based on Chinese terrestrial climatic data sets of daily records. In the interest of hesitant circumstances for decision makers, we build a model of evaluation combing Hesitant Analytic Hierarchy Process (H-AHP) and Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), which is eventually verified by analyzing six cities in the East China. It can be concluded that the model we constructed is efficient in high-temperature and heat-wave risk index system, and the result of evaluation is close to the reality, the thought-way can be referenced in other climate disasters assessment.

Key words:high-temperature and heat-wave; H-AHP; TOPSIS; risk assessment; Monte Carlo Simulation

通訊作者：張韌(1963-)，男，四川眉山人，教授，博士生導師，研究方向為海戰(zhàn)場環(huán)境保障.E-mail：zrpaper@163.com

作者簡介：宋晨陽(1993-)，男，河北承德人，碩士研究生，研究方向為氣象海洋災害風險評估研究.E-mail：910038613@qq.com

基金項目：國家自然科學基金(41276088)；唐山市曹妃甸工業(yè)區(qū)專項(CQZ-2014001)

收稿日期：2015-05-20修回日期：2015-07-06

中圖分類號：P429 ；X43

文獻標志碼：A

文章編號：1000-811X(2016)01-0201-06

doi:10.3969/j.issn.1000-811X.2016.01.037