基于海南省“威馬遜”及“海鷗”臺風次生海岸洪水災后問卷調查的室內財產脆弱性研究*

曹詩嘉，方偉華, 譚　駿

(1.北京師范大學 環境演變與自然災害教育部重點實驗室，北京 100875；2.北京師范大學 民政部教育部減災與應急管理研究院，北京 100875； 3.國家海洋局海洋減災中心，北京 100194)

?

基于海南省“威馬遜”及“海鷗”臺風次生海岸洪水災后問卷調查的室內財產脆弱性研究*

曹詩嘉1,2，方偉華1,2, 譚駿3

(1.北京師范大學 環境演變與自然災害教育部重點實驗室，北京 100875；2.北京師范大學 民政部教育部減災與應急管理研究院，北京 100875； 3.國家海洋局海洋減災中心，北京 100194)

摘要:以2014年“威馬遜”及“海鷗”臺風次生海岸洪水災害為對象，以主要受災區海南省海口市及文昌市為研究區，通過實地勘測調查及問卷調查獲取了這兩場災害的重點淹沒地區、室內財產淹沒水深、財產價值及損失率等數據；選取淹沒水深作為致災因子危險性代表性指標，構建了居民住房室內財產脆弱性曲線及商業用房室內財產脆弱性矩陣，從而定量地刻畫了淹沒水深與損失率之間的關系；另外利用調查數據，分析了淹沒時長、減災措施等因素對損失率大小及脆弱性曲線不確定性的影響；最后從加強脆弱性曲線結果的區域適用性、有效降低脆弱性曲線的不確定性等方面給出了未來研究的建議。

關鍵詞:洪水脆弱性；脆弱性曲線；室內財產；海岸洪水；臺風；問卷調查；不確定性；“威馬遜”臺風；“海鷗”臺風；海南

在自然災害研究中，脆弱性一般是指在不同洪水危險性程度下，洪水災害承災體對應的平均損失率大小及其不確定性分布。洪水脆弱性評估是洪水災害研究的核心內容之一，建立各類承災體的量化洪水脆弱性曲線，是開展精細化洪水災害損失評估及風險評估的基礎。目前，在洪水災害研究中洪水危險性評估較為深入系統，而承災體的洪水脆弱性評估，特別是中國的洪水承災體評估，相對來說還比較薄弱。

除地震災害外，洪水災害是較早開始發展脆弱性曲線的災種之一。例如，1968年美國聯邦保險法案中即使用標準化的災損曲線為泛洪區的居民房屋保險提供支持[1]。美國USACE、FEMA等機構對于洪水災害損失數據收集及脆弱性曲線構建建立了較為完善的模型及運作機制[2-3]；英國、澳大利亞、日本、加勒比海地區也已各自發展出包含脆弱性曲線庫的評估模型[1, 4-5]。洪水脆弱性曲線中，選擇致災因子需要考慮不同洪水類型的致災成災特點，橫軸中致災因子的危險性指標可能是一種或多種洪災損失影響因素[6]，最主要的是洪水水深，此外還有淹沒時長、流速、洪水攜帶沉積物、受災地區應急措施等[7]。盡管多種洪災影響因素與損失率之間都可能存在關系，但洪災損失評估中，最常建立的是洪水淹沒水深與洪災損失之間的關系[8-9]。縱軸中的指標一般為承災體損失率，相對于絕對損失值，損失率可以忽略通貨膨脹的影響[10]，因此在比較不同財產價值承災體的脆弱性曲線時更為方便。計算損失率既需要獲取承災體直接經濟損失，又需要估算承災體總經濟價值。

根據構建洪水脆弱性曲線所使用的數據來源與方法，洪水脆弱性曲線大致可分為2類，第一類為經驗數據擬合法，即利用歷史實際洪水災害事件數據，通過分析損失影響因子與損失(率)的關系，構建得到脆弱性曲線[11-13]。這一方法得到的曲線與已發生的災害損失結果較為吻合，但在不同區域之間推廣時需要注意區域差異并進行修正[10, 14]；第二類為假設分析法，即利用已有的承災體類型數據、財產價值調查數據等，根據專家經驗，假設分析不同等級洪水情境下的損失大小[1]。這一方法得出脆弱性曲線類型較為完備，而缺點在于主觀性較強，可能無法反映脆弱性曲線中的不確定性特點[1]。除這2種方法外還有模型模擬法等，主要是模擬致災因子及承災體的相互作用，定量構建出脆弱性曲線[13]。

針對不同的承災體，例如建筑物、農作物、基礎設施等，需要建立各自的脆弱性曲線。其中，建筑物的分類一般會考慮結構類型、使用類型及其次級指標[1-2, 5]。例如，美國HAZUS模型依據建筑物的建筑材料、建筑結構、樓層高度、樓層數將建筑物分為11類[2]；英國研究機構根據房屋式樣、房屋建造時間、居住者的收入水平劃分出84種房屋類型[5]；澳大利亞ANUFLOOD模型根據商業用房的占地面積及室內財產價值對商業用房進行分類[1]。從使用類型看，商業用房與居民用房是最主要的2類建筑物，前者脆弱性與建筑面積、室內財產類型及財產價值災后應急響應能力密切相關[15]，相同水深下商業用房的損失可比居民用房大數百倍[1]，也有研究表明一個地區的商業用房及工業用房占該地區所有房屋數量的比例越大，損失評估中的不確定性越大[11]，而后者的損失率分布相對前者來說比較穩定。

脆弱性曲線構建過程中，樣本誤差、測量誤差、致災因子指標的選擇、脆弱性曲線函數形式的選擇等，均可導致洪災脆弱性曲線結果具有一定程度的不確定性[7]。為使承災體脆弱性評估結果更為精確，并明確不確定性大小對損失評估結果的影響，經常需要對洪水脆弱性曲線的不確定性進行量化表達，常用的不確定性量化方法包括函數表征法及蒙特卡洛模擬法等。例如，中美洲地區多國共同發展的CAPRA模型中，假設特定水深下每一類房屋的損失滿足β函數分布；一些研究中利用蒙特卡洛方法，對受影響房屋數量與不確定性大小之間的關系進行了衡量[11]。

我國洪災脆弱性曲線量化研究，大致起步于1980年代。例如，施國慶對洪災損失率及確定方法進行探討[14, 16]；石勇等在對洪水脆弱性曲線進行綜述的基礎上，針對2008年深圳及東莞暴雨洪水災害，利用問卷調查方法得到房屋及室內財產水深-災損率曲線[14]；石勇利用假設分析法針對不同收入水平的居民住宅，構造暴雨內澇中居民住宅室內墻壁涂料及地板的水災脆弱性曲線[17]；殷杰和尹占娥等利用遙感提取土地利用類型，結合歷史災情統計資料、多次災后實地調查數據及保險資料，建立水深災損率線性擬合曲線[18]；董姝娜等運用GPS技術開展村鎮住宅洪災損失實地調查，利用遙感及GIS技術提取洪水淹沒水深，建立水深災損率曲線[19]。總的來說，我國洪水脆弱性研究還缺乏大規模實地調查資料作為參考，研究的承災體種類少，脆弱性不確定性刻畫方法研究也較為欠缺。

海南省臺風登陸及影響頻繁，由臺風引發的增水≥30 cm的風暴潮每年3.8場，≥100 cm的風暴潮平均每2年一場[20]。2014年7月18日15:30分前后，超強臺風“威馬遜”(臺風編號：201410)在海南省文昌市翁田鎮沿海登陸，是1949年以來登陸中國的最強臺風之一，登陸中心最低氣壓910 hPa，最大風速大于70 m/s。2014年9月16日09:40分左右，臺風“海鷗”(臺風編號：201418)也在海南省文昌市翁田鎮沿海登陸，登陸時中心附近最大風力為13級，中心氣壓960 hPa，“海鷗”臺風風暴潮使得海口市秀英站出現了突破歷史記錄的高潮位，超出當地警戒潮位147 cm。

臺風次生海岸洪水主要由臺風風暴潮、臺風暴雨洪水二者在空間上疊加形成，不同于內陸緩發內澇洪水，其含有腐蝕性鹽分且伴隨海浪，故危險性程度大。“威馬遜”及“海鷗”臺風相隔2個月先后登陸海南，造成海南省北部海岸帶大范圍淹沒，給海南帶來了嚴重的經濟損失，其中威馬遜造成全省216個鄉鎮(街道)受災，受災人口325.8萬人，直接經濟損失108.28億元；“海鷗”造成全省219個鄉鎮(街道、農場)受災，受災人口286.503萬人，直接經濟損失57.874億元[21-22]。目前，臺風次生海岸洪水的房屋室內財產脆弱性研究還非常少，因此對這兩場臺風次生海岸洪水淹沒地區進行調查，獲取其致災因子危險性及承災體的損失率，可為構建臺風次生沿岸洪水脆弱性曲線提供寶貴的經驗數據。

本研究采用實地問卷調查方法，赴受“威馬遜”及“海鷗”臺風影響嚴重的海南省海口市及文昌市，獲取臺風次生洪水導致的房屋室內財產淹沒水深、財產價值及損失率等樣本信息，從而定量構建海南省室內財產臺風次生沿岸洪水脆弱性曲線。

1數據

1.1調查問卷設計

調查問卷的主要內容包括致災因子、承災體以及災害損失3個部分。“威馬遜”及“海鷗”兩場臺風次生洪水室內財產損失，由于其影響范圍及成災機制類似，故采用相同的問卷開展調查。考慮到財產的歸屬特點，調查問卷的調查單元為單個家庭或單個商戶2類。

致災因子問卷主要包括淹沒深度(d)及淹沒時長(t) 2個指標。其中，淹沒深度(d)為房屋室內

圖1　“威馬遜(201410)”及“海鷗(201418)”臺風風暴潮部分淹沒范圍實地GPS測量圖

最高淹沒水位至室內一層地板的垂直距離，單位為厘米(cm)，淹沒深度主要依靠觀察洪水淹沒痕跡或詢問戶主來獲取信息并測量；淹沒時長(t)為房屋一層開始進水至完全退水時的時間間隔，淹沒時長信息主要依靠詢問戶主獲取。由于入戶調查的時間已經離“威馬遜”及“海鷗”災后達2個月及4個月，多數戶主無法精確描述小于1 h的淹沒間隔，加之風暴潮含鹽量高對室內財產腐蝕性較大，在較短時間內即可對室內財產造成較大損失，故將淹沒時長的記錄單位設為1 h。

承災體問卷主要包括受災房屋的地理位置(經緯度)、建筑類型、使用類型、建筑年限、樓層數目、淹沒層數、每層房屋面積以及單位面積房屋造價等指標，其中使用類型分為商業用房、城市居民用房、鄉鎮居民用房及農村居民用房4類，結構類型分為鋼筋混凝土、砂石、磚混3類。

災害損失問卷主要包括室內財產(contents)、室內裝修(interior)以及房屋結構(structure)3類承災體災前經濟價值，災害直接經濟損失值等指標。另外，由于兩場臺風次生洪水導致的房屋倒塌較少，而室內財產損失較為嚴重，故本文僅選擇室內財產作為對象構建脆弱性曲線。

1.2實地調查取樣

本研究先后3次赴海南省開展“威馬遜”及“海鷗”臺風致災及災害損失現場調查。第1次為2014年7月20日(“威馬遜”登陸2 d后)，前往“威馬遜”臺風登陸地文昌市開展災后淹沒范圍勘查，實地調查至7月30日，利用空間定位精度為米級的差分GPS系統，基于風暴潮淹沒勘查痕跡，并結合當地居民訪談信息，繪制了東寨港風暴潮淹沒范圍圖(圖1a)。

第2次為2014年9月15-20日(“海鷗”登陸前后)，在海南省海口市，文昌市開展為期6天的現場調查工作，利用同類方法繪制了風暴潮淹沒范圍圖(圖1b，圖1c)。可以看出，兩場臺風主要受災地區位于海口市的龍華區、瓊山區、美蘭區北部沿海地區，以及文昌市的鋪前鎮。

第3次為2014年11月28日-12月20日，在前2次宏觀危險性范圍調查的基礎上，本次活動主要為詳細的入戶問卷調查。圖2為實地調查樣本空間分布，基本上覆蓋了兩次臺風次生洪水災害發生的主要區域，且樣本點分布也較為均勻合理。

圖2　“威馬遜”及“海鷗”臺風次生海岸洪水室內財產損失問卷調查樣本分布

1.3調查數據質量

共入戶問卷調查了258戶，剔除因信息不完整等造成的無效樣本6份，最終有效樣本為252戶。其中，海口市171戶，文昌市81戶，“威馬遜”樣本178戶，海鷗樣本74戶。臺風“威馬遜”及“海鷗”各使用類型和建筑類型房屋樣本量見表1。可以看出，總體樣本在各水深區間，各房屋使用類型分布較為均衡，樣本量較為充足，基本可以滿足脆弱性曲線構建的需要。

2方法

2.1室內財產洪災損失率估計

室內財產平均損失率(Mean Damage Ratio, MDR)等于室內財產的直接經濟損失值(L)與其災前經濟價值(V)之比，即MDR=L/V。

其中，直接經濟損失值為室內財產恢復到災

表1　臺風“威馬遜”及“海鷗”災后室內財產損失調查樣本量統計表

前狀態所需要的費用[1]。室內財產損失值及室內財產價值的確定方法，一般是基于實地價值調查，根據房屋室內財產的原購入價值及新舊程度(全新、中等新舊、需要置換)計算折舊價值，對折舊價值求和得到室內財產原始價值，再根據室內財產的位置、高度以及洪水淹沒深度判斷室內財產損失值[8]。

在實地調查中，對于室內財產經濟價值，主要由調查人直接判斷給出，難以直接判斷時通過訪談戶主估計得出。對于災害損失值，針對不同損毀狀態分別估算，即如果全損，則定義損失值為其經濟價值減去殘值，如果是維修后繼續使用，則損失值定義為維修價格(重置價值)。

2.2室內財產洪災脆弱性曲線估計

作為表征致災因子危險性強度與承災體損失率之間關系的特征量，脆弱性曲線可以用多種形式表達，例如通過線性多邊形函數、平方根函數、基于點的冪函數[23]、Logistic函數[24]等連續函數形式表達，或者通過核密度函數[11]等非參數形式平滑為曲線表達，或者簡化為脆弱性矩陣[1]等。

通過分析室內財產損失率-水深樣本的散點圖形態，結合損失率值域應該位于[0,1]區間單調遞增等特點，本研究優選了Logistic函數進行脆弱性曲線擬合，函數具體形式如下：

(1)

為了比較“威馬遜”及“海鷗”兩場臺風的損失特點，除了利用兩場臺風總樣本數據進行擬合外，還分別用單場臺風數據進行了擬合。

2.3室內財產洪災損失率不確定性

脆弱性曲線最直觀的理解為，曲線上的值為損失率的期望值。其不確定性可以理解為，損失率大小會受到一系列因素的影響，對于一個災害事件而言，某類承災體在相同致災因子強度作用下，其損失率值是一個概率分布，其期望值為脆弱性曲線上對應的值。

基于歷史災害事件調查出致災因子危險性強度數據及損失率數據，對脆弱性曲線不確定性進行定量表達，一種方法是通過估計損失值分布的區間，或給出一定致災因子強度下損失值的分布函數來表達。例如，可以利用固定窗寬對數據進行分組，通過假定一定致災因子強度下損失率分布滿足某類函數分布(如β分布、Lognormal分布等)，對每組樣本進行擬合得到不確定性函數。另外，考慮到分布函數對樣本點數量要求較高，如果沒有達到大量樣本點，也經常簡化為對樣本分布求脆弱性曲線及一倍標準差曲線，得到介于平均損失值兩側的上下區間。

量化脆弱性曲線不確定性對于災害風險評估或災后損失評估有重要的作用。例如，在風險評估時，采用蒙特卡羅方法，根據脆弱性曲線的不確定性分布函數隨機產生損失率值，進而獲取更加合理的隨機事件損失率樣本值，用于風險概率計算。

在本研究中，采用一倍標準差刻畫脆弱性曲線不確定性，首先對于每一種房屋類型的樣本，以0.1m為區間求各水深范圍內損失率的一倍標準差，然后采用Logistic函數進行擬合。

3結果與討論

3.1室內財產價值特征

根據城市居民、農村居民及商業3種使用類型房屋的室內財產價值樣本數據在各財產價值區間對應的樣本頻率，繪制了價值頻率分布直方圖。由于總體樣本量不多，橫軸室內財產總價值采用不等距分組(圖3)。各使用類型房屋的室內受淹財產平均價值、標準差及平均損失統計結果見表2。

圖3　城市居民、農村居民及商業三類使用類型受災房屋的室內財產價值分布直方圖

使用類型平均價值/萬元標準差/萬元平均損失/萬元標準差/萬元平均損失率%標準差/萬元城市居民1.472.570.320.4943.080.22農村居民2.091.760.780.9463.490.23商業用房30.72193.922.354.8242.210.20

分析直方圖及統計結果特征，可以看出受災房屋室內財產價值具有四個方面的顯著特點：一是較貧困的調查對象受災比例更高，而相對富裕的受災率更小，室內財產價值大小與受災率之間，符合比較好的冪律關系(圖3)；二是農村居民室內財產平均損失率最高，原因為農村居民用房多為一層建筑，洪水來臨時因財產難以轉移導致損失率高；三是商業用房平均損失率最低，主要是因為其價值較大故商戶多采取了減災措施；四是室內財產損失率組間差異，農房最小而商業用房最大，原因是受災農戶多收入低，而不同商戶室內財產價值差異巨大。另外，必須注意到的是，上述統計結果僅根據受災的樣本統計得出，不能代表未受災的房屋室內財產價值特征。災后問卷調研獲取的受災房屋的室內財產價值分布，有助于理解哪些房屋更加容易受災，或者說脆弱性更高。

3.2居民住房室內財產脆弱性曲線

在繪制脆弱性曲線時，首先確定房屋結構與使用類型的組合，本文根據實際調研樣本數量選擇砂石結構-農村居民、磚混結構-農村居民用房、鋼筋混凝土結構-農村居民用房、鋼筋混凝土結構-城市居民用房進行分析；其次考慮到“威馬遜”及“海鷗”兩場臺風致災特點有所不同，按照兩場臺風各自樣本及總體樣本分別繪制了脆弱性曲線，共計得出8條居民用房室內財產洪災脆弱性曲線。

基于調查問卷得到的水深及損失率數據，以損失不為零、水深最小的樣本點為脆弱性曲線的起始點(圖4)。圖中實線為脆弱性曲線，虛線為一倍標準差曲線，一倍標準差曲線并沒有對稱分布在脆弱性曲線的兩側，這是由于一倍標準差曲線為擬合結果，并不是實際的標準差值。脆弱性曲線的函數形式如下，其中MDR為平均損失率，a，b為擬合參數，d為水深(m)。

(2)

從脆弱性曲線擬合效果來看，8條曲線中，樣本點分布比較離散，只有2條曲線的擬合優度值大于0.5，各類房屋一倍標準差曲線區間較大，表明脆弱性曲線中包含了較大的不確定性。原因除致災因子指標考慮單一外，還可能包括脆弱性曲線函數形式選擇、數據誤差、屋主經濟水平差異等。

從脆弱性曲線的形狀來看，輔以對各脆弱性曲線的一階導數、二階導數特征分析，可知脆弱性曲線增長大致可分為3個階段，分別為慢速增長期(0~0.36m)、快速增長期(0.36~1.36m)、慢速增長期(1.36m及以上), 當水深達到0.86m時，損失率隨水深增長變化最快。

3.3商業用房室內財產脆弱性矩陣

雖然商業用房室內財產損失率-水深樣本數量較多，但按照居民用房房屋分類方法，其數據不足以支撐建立商業用房量化的脆弱性曲線并刻畫其不確定性，因此本研究中將按照商業用房規模及水深等級進行分組，建立脆弱性矩陣。

商業用房規模按照占地面積大小劃分為3類，即小型商業用房(<50m2)、中型商業用房(50~100m2)、大型商業用房(>100m2)。水深分為四個等級，其區間分別為[0.0,0.1]、(0.1,0.5]、(0.5,1.0]、(1.0,1.8]。計算各用房規模及水深組合下室內財產的平均損失率，即為商業用房室內財產脆弱性矩陣(表3)。表中，括號內數字代表每組樣本的樣本量，脆弱性數據異常值以斜體表示。

表3　基于“威馬遜”及“海鷗”臺風災后問卷數據的

圖4　基于“威馬遜”及“海鷗”臺風災后調查的室內財產臺風次生海岸洪水脆弱性曲線

可以看出，商業用房室內財產的損失率隨著占地面積的增加及水深的增加而增加，矩陣中有三組損失率異常值，分別為占地面積為50~100 m2、水深為1.0~1.8 m組，占地面積大于100 m2、水深為0.5~1.0 m組，占地面積大于100 m2、水深為1.0~1.8 m組，異常原因可能是數據量不足，不同商業用房樣本室內財產總值之間存在顯著差異，以及是否采取減災措施等。

3.4臺風次生沿岸洪水成災特點與損失率關系

臺風風暴潮、臺風暴雨洪水相互作用形成的臺風次生海岸洪水，具有獨特的致災及成災特點，例如風暴潮流速高、鹽分含量較大、具有腐蝕性，沿岸地區還會伴隨海浪，所以物理外力、浸泡及腐蝕等多種因素導致成災。因此，相對于內澇等城市洪水類型而言，臺風次生海岸洪水的致災危險性程度更大。此外，雖然臺風風暴潮的漲水過程往往只有短短數小時，但由于局地地形等因素的影響會造成積水，室內財產的淹沒時長可能從數小時至數天不等。

根據“威馬遜”及“海鷗”2場臺風問卷調查數據，繪制了室內淹沒時長-室內財產損失率關系散點分布圖(圖5)。可以看出，損失率-淹沒時長散點分布離散，變化區間很大，二者缺乏顯著的統計關系。一般來說，淹沒時間越長，室內財產損失率越高，而基于問卷調查結果的散點圖并不能很好地反映出這一點。

圖5　基于“威馬遜”及“海鷗”災后調查數據的房屋淹沒時長-室內受淹財產損失率散點圖

造成這一結果的原因可能是，①絕大部分樣本的淹沒時長大于1 h(小于1 h的樣本僅有15個)，淹沒時長已經遠遠超過了損失率對淹沒時長的敏感期限；②海水含有較高鹽分，家用電器等在海水中即使浸泡時間很短，也會造成很大破壞，難以維修。可見，臺風次生海岸洪水的致災因子多樣，多個致災因子聯合作用成災，而脆弱性曲線或矩陣結果中，主要選定水深作為主要致災因子，因此脆弱性結果包含較大的不確定性。

3.5災前減災措施與室內財產損失率關系

基于“威馬遜”及“海鷗”2場臺風災害所有調查樣本數據，按照是否有災前臨時減災措施將該組合的室內財產損失率數據分為2組，提取了具有減災措施記錄的調查數據進行了分析。所有房屋類型中，商業用房的樣本數量最多(113戶)，受調查的商業用房多分布在城市，其室內財產價值較高，臺風災害預警信息獲取較為及時，特別是鋼筋混凝土商業建筑物的室內財產的減災措施比率較高，在6個水深區間，是否采取了減災措施的比率的樣本見圖6，分別為6%，14%，26%，36%，75%，67%。

圖6　在有無減災措施下鋼筋混凝土-商業用房室內財產平均損失率直方圖

結構類型為鋼筋混凝土及使用類型為商業的組合，在有無減災措施兩種情況下不同水深下的室內財產平均損失率見圖6。可以看出，在各種水深區間，有減災措施情況下室內財產損失率均低于沒有減災措施的，六個水深區間的實際樣本損失率的差別分別為8.3%，18.0%，1.1%，1.6%，23.6%，42.8%。

災前臨時減災措施的實質，①將其中易受災或者脆弱性大的物品搬離洪水淹沒區，從而減小室內財產的總脆弱性(損失率)，②搬離物品會減小室內財產總價值量，從而減輕經濟損失的總量。“威馬遜”及“海鷗”2場臺風的調查結果表明，一方面，災前防災減災措施可以有效地減輕災害損失，而另一方面，如果將兩類樣本不加區別地同時用于構建脆弱性曲線，可能加大脆弱性曲線或者矩陣結果的不確定性。

4結論與建議

本文基于臺風“威馬遜”與“海鷗”兩場臺風帶來的次生海岸洪水災害，在海南省海口市及文昌市開展了實地問卷調查，基于調查獲取的危險性數據及損失數據，對沿岸室內財產開展了脆弱性評估。主要結論與建議如下所示。

(1)構建了居民住房及商業用房的室內財產量化脆弱性曲線或者矩陣，可為臺風次生海岸洪水災害損失或風險評估提供關鍵輸入參數，而不確定性定量表達有助于提高損失或風險評估結果的可靠性。利用Logistic函數構建了8種居民住房室內財產脆弱性曲線，采用矩陣形式建立了商業用房室內財產脆弱性矩陣；相對貧困的居民及規模較小的商戶更加容易受災并且損失率更高；商業用房室內財產價值差異較大，按照規模分類可以更好刻畫脆弱性大小。

(2)臺風次生海岸洪水災害復雜的致災機制使脆弱性曲線具有較大的不確定性。在各種因素中，淹沒水深是表征損失率最好的致災因子指標。但是必須注意到，風暴潮洪水及陸地暴雨洪水的聯合作用、海岸洪水的腐蝕性作用、淹沒時長或淹沒時長敏感期難以精確測量、“威馬遜”與“海鷗”兩次臺風事件前后疊加等諸多因素，均給本文中的室內財產脆弱性評估結果帶來不確定性。未來研究中，應該積極探索構建反映多致災因子危險性指標的脆弱性曲線，或以水深為主要致災因子指標，輔以其他致災因子作為修正指標，從而有效降低脆弱性曲線的不確定性。

(3)災前防災減災措施等社會因素可以有效地減少室內財產的損失率。目前絕大多數研究在構建脆弱性曲線時，一般主要考慮刻畫致災因子強度的物理指標，很少將社會因素直接作為變量修正脆弱性。未來研究中，應該細化考慮地方減災經驗、預警時間、是否采取減災措施等社會因素，將其作為脆弱性曲線的修正系數納入脆弱性曲線量化之中，從而加強脆弱性曲線結果的區域適用性。

致謝：臺風致災及災害損失現場調查的開展以及風暴潮淹沒范圍圖的提供得到了國家海洋局海洋減災中心的大力支持，實地調查問卷得到了海南省受災地區居民及商戶的熱心支持與配合，莫婉媚在問卷設計等方面開展了有益的前期研究，中國人保財險海南省分公司提供了調查協助，在此表示衷心的感謝。

參考文獻：

[1]Smith D I. Flood damage estimation-a review of urban stage-damage curves and loss functions[J]. Water Sa, 1994, 20(3): 231-238.

[2]Hazus-Mh F. Flood Model: Technical Manual[J]. Federal Emergency Management Agency, 2003.

[3]USACE. Economic guidance memorandum (EGM) 04-01, Generic depth-damage relationships, US army corps of engineers memorandum, CECW-PG10[Z]. Washington DC:VSACE 2003.

[4]Dushmanta D, Srikantha H, Katumi M. A mathematical model for flood loss estimation[J]. Journal of Hydrology, 2003, 277(03): 24-49.

[5]Penning-Rowsell E C, Chatterton J B. The benefits of flood alleviation: A manual of assessment techniques[J]. Geographical Journal, 1977, 20：145.

[6]Frank M, Meyer V. Flood damage, vulnerability and risk perception: challenges for flood damage research.[D]. Netherlands,Springer， 2005.

[7]USACE. Business depth damage analysis procedures[Z]. Washington DC: VSACE,1985.

[8]Mcbean E A, Gorrie J, Fortin M, et al. Flood Depth-Damage Curves by Interview Survey[J]. American Society of Civil Engineers, 1988, 114(6): 613-634.

[9]Schanze J, Zeman E, Marsalek J. Flood risk management: Hazards, vulnerability and mitigation measures[M]. Springer Science & Business Media, 2007.

[10]Pistrika A, Tsakiris G, Nalbantis I. Flood Depth-Damage Functions for Built Environment[J]. Environmental Processes, 2014, 1(4): 553-572.

[11]Merz B, Kreibich H, Thieken A, et al. Estimation uncertainty of direct monetary flood damage to buildings[J]. Natural Hazards and Earth System Science, 2004, 4(1): 153-163.

[12]Hsu W, Huang P, Chang C, et al. An integrated flood risk assessment model for property insurance industry in Taiwan[J]. Natural Hazards. 2011, 58(3): 1295-1309.

[13]周瑤, 王靜愛. 自然災害脆弱性曲線研究進展[J]. 地球科學進展, 2012, 27(4): 435-442.

[14]石勇,許世遠, 石純, 等. 洪水災害脆弱性研究進展[J]. 地理科學進展, 2009, 28(1): 41-46.

[15]Gissing A, Blong R. Accounting for variability in commercial flood damage estimation[J]. Australian Geographer, 2010, 35(2): 209-222.

[16]施國慶. 洪災損失率及其確定方法探討[J]. 水利經濟, 1990, 2: 37-42.

[17]石勇. 城市居民住宅的暴雨內澇脆弱性評估[J]. 災害學, 2015, 30(3): 94-98.

[18]殷杰, 尹占娥, 于大鵬, 等. 風暴洪水主要承災體脆弱性分析—黃浦江案例[J]. 地理科學, 2012, 32(9): 1155-1160.

[19]董姝娜, 姜鎏鵬, 張繼權, 等. 基于 “3S” 技術的村鎮住宅洪災脆弱性曲線研究[J]. 災害學, 2012, 27(2): 34-38.

[20]梁海燕. 海南島風暴潮災害承災體初步分析[J]. 海洋預報, 2007, 24(1): 9-15.

[21]況昌勛. “海鷗”掠走海南近58億元[N]. 海南日報, 2014-09-18(001).

[22]況昌勛. 救災資金，省政府再撥6億[N]. 海南日報, 2014-07-22(001).

[23]Büchele B, Kreibich H, Kron A, et al. Flood-risk mapping: contributions towards an enhanced assessment of extreme events and associated risks[J]. Natural Hazards and Earth System Science, 2006, 6(4): 485-503.

[24]Vozinaki A E K, Karatzas G P, Sibetheros I A, et al. Development of synthetic velocity-depth damage curves using a Weighted Monte Carlo method and Logistic Regression analysis: EGU General Assembly Conference Abstracts[Z]. 2014: 16, 804.

Vulnerability of Building Contents to Coastal Flooding Based on Questionnaire Survey in Hainan after Typhoon Rammasun and Kalmeagi

Cao Shijia1, 2, Fang Weihua1, 2and Tan Jun3

(1.KeyLaboratoryofEnvironmentalChangeandNaturalDisaster,BeijingNormalUniversity,Beijing, 100875;2.AcademyofDisasterReductionandEmergencyManagement,MinistryofCivilAffairs&MinistryofEducation,Beijing, 100875; 3.NationalMarineHazardMitigationService,Beijing100194,China)

Abstract:Coastal flood often causes severe damage to building contents in typhoon-prone coastal areas of China. As induced by typhoon through the interaction between storm surge and inland flood, building contents could be damaged by inundation, corrosion due to salty water, and physical pressure caused by wave. Since the damage mechanism of coastal flood is usually different from other flood types, the understanding on how the damage to building contents are developed, and quantitative assessment on building content vulnerability are of vital importance to loss and risk modeling of costal flood disasters. In this paper, the vulnerability curves of residential building contents and vulnerability matrix of commercial building contents are developed based on questionnaire survey dataset in Haikou and Wenchang city, Hainan Province of China, which suffered dramatic coastal flood disaster due to the hitting of Typhoon Rammasun and Kalmeagi in 2014. By selecting inundation water depth as hazard indicator, mean damage ratios of flooded building content and their relationship with water depth are explored and modeled with Logistic function. In addition, the effect of inundation duration and mitigation measures in helping reducing mean damage ratio, and their impact on the magnitude of secondary uncertainty are also analyzed. Finally, suggestions to future empirical vulnerability curve study; especially measures on reducing uncertainty are discussed and concluded.

Key words:vulnerability; building contents; costal flood; typhoon; questionnaire survey; uncertainty

doi:10.3969/j.issn.1000-811X.2016.02.036

中圖分類號：X43；P642.2

文獻標志碼：A

文章編號：1000-811X(2016)02-0188-08

作者簡介：曹詩嘉(1990-)，女，遼寧丹東人，博士研究生，主要從事臺風損失評估研究. E-mail：shijia.cao@mail.bnu.edu.cn通訊作者：方偉華(1973-)，男，湖北嘉魚人，教授，主要從事臺風風險評估研究. E-mail: weihua.fang@bnu.edu.cn

基金項目：國家海洋局公益性行業科研專項“海洋災情快速評估和綜合研判系統研發與應用示范”(201305020)

*收稿日期：2015-09-07修回日期：2015-11-20

曹詩嘉，方偉華, 譚駿. 基于海南省“威馬遜”及“海鷗”臺風次生海岸洪水災后問卷調查的室內財產脆弱性研究[J].災害學, 2016,31(2):188-195. [ Cao Shijia, Fang Weihua and Tan Jun. Vulnerability of Building Contents to Coastal Flooding Based on Questionnaire Survey in Hainan after Typhoon Rammasun and Kalmeagi[J].Journal of Catastrophology, 2016,31(2)：188-195.]