海平面上升引發(fā)的極端高水位的頻率風(fēng)險(xiǎn)評(píng)估模型及其應(yīng)用——以寧波為例

汪楊駿，張　韌，錢龍霞，葛珊珊，王　鋒

(1.解放軍理工大學(xué) 氣象海洋學(xué)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 )

?

海平面上升引發(fā)的極端高水位的頻率風(fēng)險(xiǎn)評(píng)估模型及其應(yīng)用——以寧波為例

汪楊駿1，張韌1，錢龍霞1，葛珊珊1，王鋒2

(1.解放軍理工大學(xué) 氣象海洋學(xué)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:海平面上升是全球變化研究的熱點(diǎn)，海平面上升引發(fā)的極端高水位事件將嚴(yán)重威脅沿海城市的經(jīng)濟(jì)發(fā)展和社會(huì)生活。因此在當(dāng)前氣候變化背景下，開展極端高水位事件的風(fēng)險(xiǎn)評(píng)估顯得尤為重要和迫切。對(duì)此引入頻率風(fēng)險(xiǎn)思想，從極端高水位事件發(fā)生的頻率、強(qiáng)度和造成的后果等角度構(gòu)建了頻率風(fēng)險(xiǎn)的概念模型和評(píng)價(jià)指標(biāo)體系，建立了基于耿貝爾極值法、灰色Verhulst模型和ArcGIS平臺(tái)的極端高水位頻率風(fēng)險(xiǎn)評(píng)估模型；以浙江省寧波市為例，進(jìn)行了氣候變化情景下不同極端高水位發(fā)生頻率對(duì)我國(guó)沿海城市遭受經(jīng)濟(jì)損失的風(fēng)險(xiǎn)評(píng)估實(shí)驗(yàn)。結(jié)果表明，基于國(guó)內(nèi)外眾多學(xué)者對(duì)我國(guó)極端高水位預(yù)估情景，2050年極端高水位事件的發(fā)生頻率預(yù)期將遠(yuǎn)大于當(dāng)前，沿海城市岸堤的防范能力較之目前將有大幅度的降低；并給出了不同強(qiáng)度的極端高水位事件對(duì)寧波市構(gòu)成潛在威脅和經(jīng)濟(jì)損失風(fēng)險(xiǎn)的定量評(píng)估。

關(guān)鍵詞:海平面上升；極端高水位；頻率風(fēng)險(xiǎn)分析；耿貝爾極值法；灰色Verhulst模型；寧波

IPCC第五次報(bào)告指出自20世紀(jì)起海平面上升的速度在加快。到21世紀(jì)，在所有RCPs情境下，海平面上升的速率很可能都將超出1971-2010年的海平面上升速率，同時(shí)平均海平面上升將很可能致使未來城市沿岸極端高水位事件呈上升趨勢(shì)[1]。沿海城市是世界上人口、經(jīng)濟(jì)和社會(huì)發(fā)展的重要區(qū)域和集聚中心，也是自然災(zāi)害易發(fā)和頻發(fā)區(qū)域[2]。由于海平面上升，將縮短極端高水位重現(xiàn)時(shí)間，降低如機(jī)場(chǎng)、隧道等沿海基礎(chǔ)設(shè)施的設(shè)計(jì)標(biāo)高[3]。越來越多證據(jù)表明，極端高水位發(fā)生的頻率和強(qiáng)度的增強(qiáng)是影響未來沿海城市社會(huì)經(jīng)濟(jì)體系正常運(yùn)行的重大威脅。

近年來，日益嚴(yán)重的災(zāi)害問題已經(jīng)引起政府和學(xué)術(shù)界的廣泛關(guān)注，以救災(zāi)為主的災(zāi)后管理已經(jīng)無法應(yīng)對(duì)氣候變化背景下未來不斷增大的災(zāi)害損失和風(fēng)險(xiǎn)，開展有效的災(zāi)害風(fēng)險(xiǎn)評(píng)估與管理是沿海地區(qū)預(yù)防自然災(zāi)害、控制和降低災(zāi)害損失的重要基礎(chǔ)性工作[4]。國(guó)內(nèi)相關(guān)研究如下：基于歷史典型洪水或不同重現(xiàn)期洪水情景開展分析，研究洪水發(fā)生的特征并評(píng)價(jià)其對(duì)城市造成的風(fēng)險(xiǎn)[5-7]，對(duì)未來極端高水位事件的強(qiáng)度或者頻率的變化進(jìn)行預(yù)測(cè)[8-11]。國(guó)外的研究側(cè)重于對(duì)某一重現(xiàn)期內(nèi)的極端高水位事件發(fā)生的綜合風(fēng)險(xiǎn)進(jìn)行評(píng)估,得到其對(duì)沿海城市整個(gè)社會(huì)經(jīng)濟(jì)系統(tǒng)造成的風(fēng)險(xiǎn)[12-14]。

綜上所述，目前國(guó)內(nèi)對(duì)于極端高水位事件風(fēng)險(xiǎn)的研究，比較側(cè)重于過去極端高水位事件的分析或?qū)ξ磥順O端高水位事件強(qiáng)度或頻率的預(yù)測(cè)，對(duì)極端高水位事件產(chǎn)生的后果及風(fēng)險(xiǎn)，考慮相對(duì)不足。此外，對(duì)極端高水位事件危險(xiǎn)性的分析，也多限于單一要素(或事件發(fā)生的頻率或事件發(fā)生的強(qiáng)度)，綜合考慮多風(fēng)險(xiǎn)要素，對(duì)事件進(jìn)行較全面的頻率風(fēng)險(xiǎn)分析、分析不同事件序列下，極端高水位事件的綜合風(fēng)險(xiǎn)評(píng)估還較為欠缺。為此，本文選擇受海平面上升引發(fā)的極端高水位事件影響嚴(yán)重的寧波作為典型案例，綜合考慮極端高水位事件發(fā)生的頻率、強(qiáng)度及產(chǎn)生的后果等要素，開展氣候變化背景下極端高水位事件頻率風(fēng)險(xiǎn)分析，探索氣候變化區(qū)域響應(yīng)的災(zāi)害風(fēng)險(xiǎn)理論分析方法、剖析典型案例，為我國(guó)沿海城市可持續(xù)發(fā)展和防范氣候變化災(zāi)害提供科學(xué)依據(jù)和決策支持。

表1　頻率風(fēng)險(xiǎn)指標(biāo)體系

1頻率風(fēng)險(xiǎn)指標(biāo)與算法模型

頻率風(fēng)險(xiǎn)分析(風(fēng)險(xiǎn)分析的頻率方法)是一種對(duì)系統(tǒng)的安全性進(jìn)行分析的有效途徑；它不僅僅考慮最壞的受災(zāi)情況，還全面考慮可能的情形及相應(yīng)后果，并使發(fā)生這些情形發(fā)生頻率也成為合理定量處理不確定性的關(guān)鍵因素。頻率風(fēng)險(xiǎn)可以定義為：導(dǎo)致破壞的事件序列(意外情況)、相應(yīng)的頻率和對(duì)應(yīng)的結(jié)果。在這種觀點(diǎn)中，風(fēng)險(xiǎn)分析的結(jié)果是一張不同情形發(fā)生的頻率和后果的量化表，兩者共同代表了風(fēng)險(xiǎn)[15]。因此，以極端高水位事件為例，頻率風(fēng)險(xiǎn)是由不同極端高水位事件序列、發(fā)生的可能性以及其造成的后果綜合作用而成。沿海地區(qū)海平面上升引發(fā)的極端高水位事件的頻率風(fēng)險(xiǎn)指標(biāo)體系如表1所示。

1.1　事件強(qiáng)度和頻率

強(qiáng)度和頻率是描述極端高水位事件的兩個(gè)重要指標(biāo)，其中，強(qiáng)度是極端高水位事件發(fā)生時(shí)的水位高度，用Z表示；頻率是單位時(shí)間內(nèi)，該極端事件發(fā)生的次數(shù)，用P表示。本文基于耿貝爾極值法計(jì)算極端高水位事件發(fā)生的頻率，用參數(shù)估計(jì)法計(jì)算強(qiáng)度。

根據(jù)頻率風(fēng)險(xiǎn)分析的定義，本文的極端高水位事件序列由極端高水位的強(qiáng)度表示，不同的極端高水位強(qiáng)度代表不同的極端高水位事件：

Z={z1，z2，z3…zn}。

(1)

1.2　事件后果C

后果是由暴露在災(zāi)害中的總資產(chǎn)及其脆弱性兩部分組成。當(dāng)極端高水位事件發(fā)生時(shí)，會(huì)對(duì)承災(zāi)體的社會(huì)經(jīng)濟(jì)體系造成危害。造成的后果不但與受災(zāi)區(qū)暴露在洪水中的總資產(chǎn)有關(guān)，而且與受災(zāi)區(qū)的地理位置有關(guān)。不同海拔高度的受災(zāi)區(qū)面對(duì)極端高水位事件時(shí)，其暴露在洪水中的資產(chǎn)所遭受的損失是不一致的，脆弱性函數(shù)可表示為：

V(Z-Y)=(Z-Y)/(Z-Y+1)。

(2)

式中：Z為極端高水位強(qiáng)度；Y為陸地高程。資產(chǎn)的脆弱性會(huì)隨著給定的水位差的變化而發(fā)生變化。例如當(dāng)水位差為1m時(shí)，暴露在極端高水位中的50%的資產(chǎn)會(huì)遭受損失[16]。

相關(guān)研究表明，一個(gè)城市居民的財(cái)產(chǎn)大致相當(dāng)于一個(gè)城市年均GDP的5倍[17]，因此可將暴露性資產(chǎn)近似定義為：

A=Ps(Z-Y)×As×5 ρ×S(Y)×As×5。

(3)

式中：Ps為受災(zāi)人口；ρ為人口密度；S(Y)為某一路地高程上的面積，As為人均資產(chǎn)。

因此，極端高水位事件的后果可定義為：

(4)

1.3　頻率風(fēng)險(xiǎn)算法模型

綜合上述頻率風(fēng)險(xiǎn)指標(biāo)，可得到頻率風(fēng)險(xiǎn)的評(píng)估模型：

Risk=f(Z,V,C)=Pov×∫Z0V×AdY=

(5)

式中：Z={z1,z2,z3,…，zn}。

2極端高水位事件的頻率風(fēng)險(xiǎn)評(píng)估模型

2.1　耿貝爾極值分布

耿貝爾[18]首次把Fisher-TippettⅠ型極值分布用于水文統(tǒng)計(jì)中，故稱之為耿貝爾分布。由于耿貝爾分布形式簡(jiǎn)單，而且對(duì)海平面極值的擬合效果較好，故此采用耿貝爾分布方法研究由海平面上升引起的極端水位頻率和強(qiáng)度變化，其表達(dá)式為：

(6)

式中：μ為位置參數(shù)；λ為尺度參數(shù)。

2.1.1極端高水位頻率

假設(shè)1：各極端高水位事件相互獨(dú)立，且極端高水位事件發(fā)生次數(shù)的可能性服從泊松分布[19]，則

F=1-E=exp(-T/R)=exp(-N)。

(7)

式中:F為在一段時(shí)間內(nèi)，海平面高度沒有超過給定最高水位的頻率。E為在一段時(shí)間內(nèi)，海平面高度至少有一次超過給定最高水位的頻率；T為重現(xiàn)期；R為發(fā)生超過給定最高水位事件的平均時(shí)間間隔；N為在一個(gè)給定時(shí)間，平均超出給定最高水位的事件次數(shù)。

將式(7)代入式(6)，則得

(8)

假設(shè)2：不同極端高水位事件發(fā)生的頻率為PN，則極端高水位事件發(fā)生的頻率期望NE是

(9)

假設(shè)3：尺度參數(shù)λ不隨海平面的上升而改變。在一段時(shí)間T內(nèi)，當(dāng)N=1時(shí)，μ=z。令海平面高度z=z0+Δz+z′。其中z0是一段時(shí)間內(nèi)海平面高度平均值，Δz+z′是未來預(yù)估的平均海平面上升高度，其中Δz為預(yù)估的中心值，z′為圍繞零值的隨機(jī)分布函數(shù)。則

(10)

式中：Nov即為未來極端高水位發(fā)生次數(shù)。

2.1.2極端高水位強(qiáng)度

設(shè)一組極端高水位最高潮位的歷史數(shù)據(jù)X={x1,x2,…,xn}，用矩估計(jì)法[20]可以擬合得到耿貝爾分布的尺度參數(shù)和位置參數(shù)。

(11)

(12)

式中：Z即為未來極端高水位發(fā)生強(qiáng)度(水位)序列，T={t1,t2，…,tn}。

2.2　灰色Verhulst模型

灰色系統(tǒng)理論是一種研究少數(shù)據(jù)、貧信息不確定性問題的新方法。灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對(duì)象，主要通過對(duì)“部分”已知信息的生成、開發(fā)來提取有價(jià)值的信息，實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行行為、演化規(guī)律的正確描述和有效監(jiān)控。灰色Verhulst模型主要是用來研究具有飽和狀態(tài)S型序列的，而人口和人均GDP隨時(shí)間的變化曲線符合此規(guī)律[21]。因此，引入灰色Verhulst模型來預(yù)測(cè)寧波市的人口和人均GDP水平[22]。

2.2.1灰色Verhulst預(yù)測(cè)模型

設(shè)在一個(gè)模型預(yù)測(cè)中，原始數(shù)列：x(1)=(x(1),x(1)(2),x(1)(3),…,x(1)(n))，為了弱化呈離散狀態(tài)的原始數(shù)據(jù)，對(duì)原始時(shí)間序列做一次累減，經(jīng)過處理的時(shí)間序列稱為累減序列：x(0)=(x(0)(1),x(0)(2),x(0)(3),…,x(0)(n))；然后通過對(duì)原始數(shù)據(jù)序列累加生成的遞增序列實(shí)行緊鄰均值生成z(1)。定義數(shù)據(jù)矩陣：

計(jì)算參數(shù)

(13)

式中：符號(hào)~表示估計(jì)值。則Verhulst模型的白化方程為：

(14)

2.2.2灰色Verhulst預(yù)測(cè)模型求解

解式(14)得：

(15)

(16)

最后對(duì)模型進(jìn)行檢驗(yàn)，得到人口密度ρ和人均GDP As的預(yù)估值。

2.3　ArcGIS地理信息系統(tǒng)

地理信息系統(tǒng)(GIS)利用利用計(jì)算機(jī)建立地理數(shù)據(jù)庫(kù)，將空間地理分布狀況及所具有的屬性進(jìn)行數(shù)字存儲(chǔ)，建立數(shù)據(jù)管理系統(tǒng)，同時(shí)開發(fā)各種分析和處理功能，以便快速獲取信息，并將處理結(jié)果以地圖、圖形及數(shù)據(jù)的形式表示出來。GIS的核心是管理、計(jì)算、分析地理坐標(biāo)位置信息及相關(guān)位置上屬性信息的數(shù)據(jù)庫(kù)系統(tǒng)。本文引入ArcGIS平臺(tái)，基于DEM數(shù)字高程數(shù)據(jù),對(duì)研究區(qū)數(shù)字高程數(shù)據(jù)和風(fēng)暴潮水位基準(zhǔn)數(shù)據(jù)進(jìn)行坐標(biāo)系統(tǒng)匹配和高程基準(zhǔn)轉(zhuǎn)化。匹配后二者均以WGS84坐標(biāo)系統(tǒng)為水平基準(zhǔn)面,以吳淞高程為零基準(zhǔn)面。通過“空間分析”中 “地圖代數(shù)”中的“柵格計(jì)算器”計(jì)算出不同陸地高程包含的城市面積，擬合得到寧波市的“高程——面積”函數(shù)S(Y)。

3基于氣候變化情景的風(fēng)險(xiǎn)評(píng)估

3.1　研究區(qū)概況

浙江省寧波市位于東海之濱，陸域總面積達(dá)9 816 km2，坐擁漫長(zhǎng)的海岸線，但市區(qū)平均海拔不到6 m，易受到海平面上升的影響引發(fā)風(fēng)暴潮，極端高水位等自然災(zāi)害。截止到2013年末，全市擁有戶籍人口580.1萬，實(shí)現(xiàn)地區(qū)生產(chǎn)總值(GDP)7 100億元，作為浙江省第一大工業(yè)城市，對(duì)其受極端高水位災(zāi)害的損失情況進(jìn)行風(fēng)險(xiǎn)評(píng)估，有一定的代表性和實(shí)用性。

3.2　寧波市極端高水位風(fēng)險(xiǎn)評(píng)估

3.2.1模型可靠性分析

為檢驗(yàn)?zāi)Ｐ偷目煽啃裕接懺撃Ｐ蛯?duì)于2050年寧波市所遭受的極端高水位事件的風(fēng)險(xiǎn)評(píng)估結(jié)果的實(shí)用價(jià)值，本文結(jié)合寧波水文站發(fā)布的《水情年報(bào)》和國(guó)家海洋局發(fā)布的《中國(guó)海洋災(zāi)害公報(bào)》得到歷年極端高水位事件發(fā)生的時(shí)間、強(qiáng)度以及造成的實(shí)際經(jīng)濟(jì)損失，再根據(jù)極端高水位發(fā)生年份寧波市人口和人均生產(chǎn)總值數(shù)據(jù)，得到評(píng)估模型模擬的經(jīng)濟(jì)損失如表2所示。

表2　寧波市極端高水位事件經(jīng)濟(jì)損失模擬數(shù)據(jù)與實(shí)際數(shù)據(jù)對(duì)比

通過表2可知，該風(fēng)險(xiǎn)評(píng)估模型模擬的歷年極端高水位事件經(jīng)濟(jì)損失與實(shí)際經(jīng)濟(jì)損失非常接近，其模擬結(jié)果是可信的，因此可以利用該模型進(jìn)行下一步的分析。

3.2.22050年極端高水位發(fā)生的頻率和強(qiáng)度

首先構(gòu)建正態(tài)分布模型，將2050年中國(guó)海平面上升不同的預(yù)估結(jié)果(表3)代入式(17)，以模擬未來海平面上升的總體情況[23]。并對(duì)該模型作Kolmogorov-Smirnov檢驗(yàn)，檢驗(yàn)結(jié)果見表4，模型中各變量的相關(guān)統(tǒng)計(jì)量見表5。

(17)

表3　中國(guó)沿海未來海平面變化的預(yù)估成果

表4　K-S檢驗(yàn)結(jié)果

表5　最終模型統(tǒng)計(jì)量

由表3可知，Kolmogorov-Smirnov檢驗(yàn)的P值落在置信區(qū)間內(nèi)，檢驗(yàn)通過，接受原假設(shè)，即未來中國(guó)海平面上升的總體情況符合正態(tài)分布。將式(17)代入(10)得：

(18)

將表5中各變量代入式(18)得Nov=44.5NE，其中尺度參數(shù)λ=0.1718m，是由寧波水文站所得1950-2006年寧波歷史最高潮位數(shù)據(jù)代入(11)所得。因此2050年，極端高水位發(fā)生的頻率為：

(19)

式中：T={t1,t2,…,tn}，由式(12)得，2050年極端高水位事件發(fā)生的強(qiáng)度為：

(20)

3.2.32050年平均人口密度和人均GDP

(1)用灰色Verhulst模型對(duì)1997-2013年的人口密度和人均GDP的時(shí)間序列(數(shù)據(jù)資源來自寧波統(tǒng)計(jì)局)進(jìn)行重構(gòu)并檢驗(yàn)精度；

(2)對(duì)于人均GDP模型的檢驗(yàn)：C=0.103 0，P=1;根據(jù)表6得到該模型屬于第Ⅰ精度，可以進(jìn)行長(zhǎng)期預(yù)測(cè)；

(3)對(duì)于人口密度模型的檢驗(yàn)：C=0.177 6，P=1;根據(jù)表6得到該模型屬于第Ⅰ精度，可以進(jìn)行長(zhǎng)期預(yù)測(cè)。

表6　模型精度表

于是，采用灰色Verhulst模型對(duì)未來進(jìn)行預(yù)測(cè)。

根據(jù)圖1，可擬合得到未來2050年的人均GDP(As)估算為26.366萬元。人口密度(ρ)估算為679人/km2。

圖1　寧波市未來人口經(jīng)濟(jì)狀況預(yù)測(cè)

3.2.4寧波市路面高程-面積關(guān)系

通過ArcGIS地理信息系統(tǒng)提取寧波市的數(shù)字高程圖模型，計(jì)算得到不同陸地高程與所其包含的面積如圖2所示，通過擬合得到高程-面積函數(shù)表達(dá)式(1)。

(21)

圖2　寧波市路面高程-面積關(guān)系

3.2.52050年極端高水位風(fēng)險(xiǎn)

聯(lián)立式(5)、式(19)、式(20)、式(21)得到極端高水位事件風(fēng)險(xiǎn)模型：

(22)

將Pov，As，ρ，S(Y)代入上式，則

(23)

查閱寧波水文站資料得到，當(dāng)前寧波市的保證水位平均值為4.38 m，若極端高水位超出4.38 m則會(huì)造成災(zāi)情。2050年寧波市極端高水位事件頻率與強(qiáng)度分布情況如圖3所示，在不加固任何岸防措施的情況下，超出保證水位的極端高水位事件強(qiáng)度和頻率由圖3中陰影部分表示。結(jié)果顯示，氣候變化背景下，估計(jì)2050年后寧波市年均至少發(fā)生11次強(qiáng)度超過保證水位的極端高水位事件，重現(xiàn)期一年的極端高水位事件強(qiáng)度可達(dá)5.06 m。

圖3　寧波市2050年極端高水位事件頻率-強(qiáng)度分布

風(fēng)險(xiǎn)就是頻率和后果的乘積。圖4陰影部分面積代表寧波市在2050年若不采取任何的措施加固加高岸防提高保證水位情形下，不同極端高水位事件年均可能造成的風(fēng)險(xiǎn)。圖4中的頻率風(fēng)險(xiǎn)模型分析，2050年，僅一次強(qiáng)度達(dá)到保證水位的極端高水位事件便可對(duì)寧波市造成約3 200億元的經(jīng)濟(jì)損失，且強(qiáng)度達(dá)到保證水位的極端高水位事件對(duì)該市的風(fēng)險(xiǎn)最大。

圖4　寧波市2050年頻率風(fēng)險(xiǎn)分析

4結(jié)論

(1)引入頻率風(fēng)險(xiǎn)分析思想，從極端高水位事件的強(qiáng)度、頻率和后果的角度建立了較為系統(tǒng)的極端高水位事件的頻率風(fēng)險(xiǎn)分析指標(biāo)體系和頻率風(fēng)險(xiǎn)算法模型。

(2)利用耿貝爾極值法模擬了極端高水位事件發(fā)生的強(qiáng)度和頻率，結(jié)合灰色預(yù)測(cè)理論和ArcGIS平臺(tái)，建立了極端高水位事件的頻率風(fēng)險(xiǎn)評(píng)估模型。

(3)針對(duì)氣候變化背景下，2050年海平面上升，對(duì)寧波市極端高水位事件發(fā)生頻率及其岸堤抵御極端高水位事件的能力和經(jīng)濟(jì)損失進(jìn)行了情景預(yù)估。

(4)研究思想和技術(shù)途徑旨在為我國(guó)沿海地區(qū)抵御和防范氣候變化極端事件和災(zāi)害風(fēng)險(xiǎn)，提供科學(xué)參考。

參考文獻(xiàn)：

[1]IPCC.Climatechange2013:thephysicalsciencebasis[M/OL].Cambridge:CambridgeUniversityPress,inpress, (2013)[2014-05-06].http://www.ipcc.ch/report/ar5/wg1/.

[2]謝翠娜. 上海沿海地區(qū)臺(tái)風(fēng)風(fēng)暴潮災(zāi)害情景模擬及風(fēng)險(xiǎn)評(píng)估[D]. 上海：華東師范大學(xué), 2010.

[3]BeckerAH,AcciaroM,AsariotisR,etal.Anoteonclimatechangeadaptationforseaports:achallengeforglobalports,achallengeforglobalsociety[J].ClimaticChange, 2013, 120(4):683-695.

[4]許世遠(yuǎn), 王軍, 石純, 等. 沿海地區(qū)自然災(zāi)害風(fēng)險(xiǎn)研究[J]. 地理學(xué)報(bào), 2006, 61(2): 127-138.

[5]楊佩國(guó), 楊勤業(yè), 吳紹洪, 等. 基于數(shù)值模擬的黃河下游不同情景潰堤洪水特征[J]. 地理研究, 2007, 26(2): 328-336.

[6]夏富強(qiáng), 康相武, 吳紹洪, 等. 黃河下游不同洪水情景決溢風(fēng)險(xiǎn)評(píng)價(jià)[J]. 地理研究, 2008, 27(1): 229-239.

[7]趙慶良, 王軍, 許世遠(yuǎn), 等. 沿海城市社區(qū)暴雨洪水風(fēng)險(xiǎn)評(píng)價(jià): 以溫州龍灣區(qū)為例[J]. 地理研究, 2010, 29(4): 665-674.

[8]殷杰,尹占娥,于大鵬,等. 海平面上升背景下黃浦江極端風(fēng)暴洪水危險(xiǎn)性分析[J]. 地理研究, 2013,12:2215-2221.

[9]宗虎城, 章衛(wèi)勝, 張金善. 海平面上升對(duì)黃浦江風(fēng)暴潮水位影響研究[J]. 人民長(zhǎng)江, 2014,45(9)：1-7.

[10]宋美鈺, 王福, 王宏. 21世紀(jì)中葉天津沿海地區(qū)極端高水位趨勢(shì)預(yù)測(cè)[J]. 地質(zhì)通報(bào), 2008, 27(6):829-836.

[11]董勝, 徐海博. 灘海地區(qū)風(fēng)暴增水的季節(jié)變化對(duì)極端高水位確定的影響[C]// 2006年度海洋工程學(xué)術(shù)會(huì)議.北京，2006.

[12]FlatherR,BakerT,WoodworthP,etal.Integratedeffectsofclimatechangeoncoastalextremesealevels[C]//ProudmanOceanographicLaboratory.InternalDocumentNo. 140,Bidston,UK， 2001.

[13]LoweJA,GregoryJM,FlatherRA.ChangesintheoccurrenceofstormsurgesaroundtheUnitedKingdomunderafutureclimatescenariousingadynamicstormsurgemodeldrivenbytheHadleyCentreclimatemodels[J].ClimateDynamics, 2001, 18(3/4):179-188.

[14]HansonS,andNichollsRJ,Extremefloodeventsandportcitiesthroughthetwenty-firstcentury[C]//AsariotisR,BenemaraH.Maritimetransportandtheclimatechangechallenge.NewYork：Earthscan/Routledge, 2012:243.

[15]EnricoZio，翟慶慶. 可靠性與風(fēng)險(xiǎn)分析蒙特卡羅方法[M]. 北京：國(guó)防工業(yè)出版社，2014：9-10.

[16]HinkelJ,LinckeD,VafeidisAT,etal.Coastalflooddamageandadaptationcostsunder21stcenturysea-levelrise[J].ProceedingsoftheNationalAcademyofScience, 2014, 111(9):3292-3297.

[17]HansonS,NichollsR,RangerN,etal.Aglobalrankingofportcitieswithhighexposuretoclimateextremes[J].ClimaticChange, 2011, 104(1):89-111.

[18]BNnkHWVD,K?nnenGP.Estimating10000-yearreturnvaluesfromshorttimeseries[J].InternationalJournalofClimatology, 2011, 31(1):115-126.

[19]PughDT.Tides,surgesandmeansea-level[J].Physics&ChemistryoftheEarthPartASolidEarth&Geodesy, 1987, 25(1):53-56.

[20]候瑞科. 利用耿貝爾極值分布計(jì)算年最高水位[J]. 海洋通報(bào), 1993,12(3):126-129.

[21]胡泊. 灰色verhulst模型在長(zhǎng)春市人口預(yù)測(cè)中的應(yīng)用[J]. 經(jīng)濟(jì)視角, 2009, 12(6):21-23.

[22]卓金武.MATLAB在數(shù)學(xué)建模中的應(yīng)用[M]//MATLAB在數(shù)學(xué)建模中的應(yīng)用. 北京：北京航空航天大學(xué)出版社, 2014：65-66．

[23]GeorgeABackus,ThomasSLowry,WarrenDE.Thenear-termriskofclimateuncertaintyamongtheU.S.states[J].ClimaticChange, 2013, 116(3/4):495-522.

[24]鄭文振. 全球和我國(guó)近海驗(yàn)潮站及任意地點(diǎn)(區(qū))的21世紀(jì)海平面預(yù)測(cè)[J]. 海洋通報(bào), 1996, 15(6):1-7.

[25]張錦文, 王喜亭, 王惠. 未來中國(guó)沿海海平面上升趨勢(shì)估計(jì)[J]. 測(cè)繪通報(bào), 2001, 18(4):4-5.

[26]劉杜娟, 葉銀燦. 長(zhǎng)江三角洲地區(qū)的相對(duì)海平面上升與地面沉降[J]. 地質(zhì)災(zāi)害與環(huán)境保護(hù), 2005, 16(4):400-404.

[27]沈明潔, 謝志仁, 朱誠(chéng). 中國(guó)東部全新世以來海面波動(dòng)特征探討[J]. 地球科學(xué)進(jìn)展, 2002, 17(5):886-894.

[28]施雅風(fēng), 朱季文, 謝志仁,等. 長(zhǎng)江三角洲及毗連地區(qū)海平面上升影響預(yù)測(cè)與防治對(duì)策[J]. 中國(guó)科學(xué)(D輯:地球科學(xué))， 2000，30(3):225-32.

[29]武強(qiáng), 鄭銑鑫, 應(yīng)玉飛,等. 21世紀(jì)中國(guó)沿海地區(qū)相對(duì)海平面上升及其防治策略[J]. 中國(guó)科學(xué), 2002, 32(9):760-766.

[30]中國(guó)科學(xué)院地學(xué)部. 海平面上升對(duì)我國(guó)沿海地區(qū)經(jīng)濟(jì)發(fā)展的影響與對(duì)策[J]. 地球科學(xué)進(jìn)展, 1993，8(6):15-25.

[31]伍遠(yuǎn)康, 汪邦道. 浙江省沿海海平面上升及預(yù)測(cè)[J]. 浙江水利科技, 2003, 12(2):1-4.

Model for Probabilistic Risk Assessment in Extreme High Water Level Caused by Rising Sea Level and Its Application——A Case Study in Ningbo

Wang Yangjun1, Zhang Ren1, Qian Longxia1, Ge Shanshan1and Wang Feng2

(1.InstituteofMeteorology,PLAUniversityofScienceandTechnology,Nanjing211101,China;

2.MeteorologicalBureauofCaofeidianIndustrialZone,Tangshan063000,China)

Abstract:Sea level rise, which is a focus topic of global change study, will cause extreme high water level events bringing a series threat to the coastal city of economic development and social life. Therefore, in the background of the current climate change, we carry out risk assessment of extreme high water level events is particularly important and urgent. We introduce frequency risk ideology to construct frequency risk model and evolution index system containing frequency. Intensity and consequences of the extreme high water events. We established this model based on Gumbel extremum method, grey Verhulst model and ArcGIS platform, taking Ningbo city as an example to study the risk of the economic losses which China’s coastal city has suffered under different extreme high water level scenarios with the climate change. The results show that the occurrence frequency of extreme high water level events will be far greater than the current bank coastal city based on many domestic and foreign scholars’ predicting; the prevention ability will be greatly reduced. we also give the quantitative assessment of different extreme high water level events’potential threats to Ningbo and its economic losses.

Key words:sea level rise; extreme high water level; risk analysis of frequency; Geng Baer extremum method; grey Verhulst model; Ningbo

通訊作者：張韌(1963-)，男，四川峨眉人，教授、博士生導(dǎo)師，從事海洋環(huán)境影響評(píng)估與決策研究.E-mail: zrpaper@163.com

作者簡(jiǎn)介：汪楊駿(1990-)，男，浙江湖州人，碩士研究生，從事海洋環(huán)境風(fēng)險(xiǎn)評(píng)估研究.E-mail：492670449@qq.com

基金項(xiàng)目：國(guó)家自然科學(xué) (41276088)；唐山市曹妃甸工業(yè)區(qū)專項(xiàng)課題(CQZ-2014001)

收稿日期：2015-05-12修回日期：2015-07-06

中圖分類號(hào)：X43

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000-811X(2016)01-0213-06

doi:10.3969/j.issn.1000-811X.2016.01.039