兩次前汛期暴雨過程的氣象服務效益對比
——以汽車保險賠償為例

林 釩 任賽賽 黃梅妹 何宇暉

(1.福建省莆田市氣象局，福建 莆田 351100；2.福建省莆田市荔城區氣象局，福建 莆田 351100)

1 概述

暴雨是福建氣象災害的主要災種，21世紀以來，氣象部門的暴雨預報為福建社會安全和經濟發展做出了重要貢獻。當前是傳統的氣象要素預報向行業影響預報轉型時期，客觀、定量地評估預報服務效益是開展影響預報的基礎工作。以往預報服務效益評估方法有：通過服務滿意度問卷調查、災情搜集等方法評估[1-3]，其中的問卷調查在服務滿意度方面可以得到較為可靠的結果，災情數據來自各級防汛部門，在每次暴雨過程結束后即可得到受災人數、工農業受損金額、直接經濟損失等數據，這些數據是當前暴雨預報服務效益評估的重要來源，但用這些數據做效益評估尚有以下兩方面不足：一是滿意度調查的內容局限于調查者設計好的選擇題，得到的結論也受答卷者態度影響；二是災情數據體現一次過程受災情況，未能體現氣象服務取得的客觀效益。為此，本文通過2018年和2019年2個前汛期暴雨過程的暴雨預警信號準確率評分、傳統災情數據、汽車賠償金額等方面的對比，分析不同評價方法的優劣，以期為今后的行業減災效益提供更合理的評估方案。

2 資料與方法

雨量數據來自福建省區域氣象自動站逐小時數據，精確至鄉鎮；災情數據來自莆田市防汛辦；汽車受損數據由莆田市人壽財產保險有限公司提供，賠付金額由該公司提供，不代表莆田市所有保險公司理賠金額；預警信號發布情況來自福建省氣象業務平臺。

①預警信號發布準確率計算方法：從福建氣象業務平臺中統計莆田市氣象臺發布的每一條暴雨預警信號，根據《福建省預警信號質量評分辦法》，將同一過程的所有暴雨預警信號發布準確率取平均，得到該過程的準確率。

②災害強度計算方法：考慮到短時暴雨引起的災害取決于3個方面，即小時雨強、短時強降水的持續時間、暴雨范圍，參考福建前汛期持續性暴雨過程強度指數[4]、廣東省臺風災害強度指數[5]的計算思路，本文設計的災害強度公式為：

≥20

(1)

上式中，R1表示1小時雨量，l、m、n、k分別表示小時雨強超過80mm、50mm、30mm和20mm的站次。根據以上公式，災害強度S包含暴雨強度、范圍和持續時間。

③減災效益的計算方法：本文參考林繼生(2010)的做法，應用對比法作效益評估。以2018年6月18-22日暴雨過程為參照過程，以2019年5月31日-6月2日過程為評估對象，以直接經濟損失為例，假設2018年6月18-22日過程的直接經濟損失為n0，災害強度為s0，2019年5月31日-6月2日過程的直接經濟損失為n1，按以下步驟統計：

1)根據2018年和2019年莆田市社會經濟統計報告提供的當年度國民經濟總值G2018和G2019，計算可變價格換算成不變價格的換算系數k=G2019/G2018。

2)換算2018年6月18-22日過程的直接經濟損失值n0′=n0×k。

3)分別計算單位強度直接經濟損失E0=n0′/s0,E1=n1/s1。

4)計算減災效益E=(E1-E0)/E0×100%。

3 暴雨預報服務效益評估

3.1 災害強度對比

由圖1可見，2次過程的短時強降水均分布在莆田市中南部，但2018年6月18-22日的短時強降水累計時間更長，出現范圍更廣。根據公式(1)計算2次過程的暴雨災害強度，見表1。顯然，2018年過程的災害強度更強，正常情況下，2018年6月18-22日過程災害損失值比2019年5月31日-6月2日過程大，因此，無法體現2019年5月31日-6月2日過程災害損失少是因為過程較弱還是氣象服務好引起的，為此，下面對2個過程的降水及受災情況做更詳細分析。分析2個過程暴雨最強時段的累計雨量分布(見圖2)及出現時間可見，兩者在強降水分布區域上是相近的，但2018年過程在秀嶼區沿海也出現大范圍的暴雨，有4個鄉鎮2小時累計雨量超過50mm，2019年過程沿海降水很弱；在降水集中時間上，2019年過程強降水出現在下午(6月2日16-18時)，2018年過程強降水出現下半夜(1～3時)。

表1 2018年6月、2019年5月有暴雨過程強降水站數統計及暴雨過程強度指數

(a) (b)

圖2 2019年6月2日16-18時和2018年6月22日1～3時區域自動站累計雨量(黑色數據為2小時累計雨量,單位：mm)

3.2 預報服務效益對比

通過以上雨強、暴雨范圍的分析可知，2次過程的暴雨落區是相近的，但2018年6月16-22日過程暴雨更強，影響范圍更廣，下面從預警信號發布準確率、災情及汽車賠償等方面分析2019年5月31日至6月2日暴雨過程的預報服務效益。原則上，經濟效益評估應將經濟損失值按上文介紹的方案將可變價格換算為不變價格后再統計，考慮到2019年社會經濟統計報告只能在2020年發布且2個過程相距不足1年，因此，下面統計的災情數據暫不考慮物價變化因素。

由表2可見，按傳統災害天氣過程總結思路評估，只能得出直接經濟(或農作物受災面積、受災人口)等項目減少損失的絕對數值，絕對損失數值沒有考慮災害強度的影響，由此計算的服務效益是不全面的，也沒法體現預報、決策等環節在災害損失方面起的作用。引入災害強度指標后，可以用單位強度災損的差值來評估服務效益，克服不同強度災損不可比性的缺陷。

表2 2018年6月和2019年5月暴雨過程的直接經濟總損失及汽車受損情況統計

由于防汛辦提供的是整個過程的災損數據，就日常過程總結而言，這些數據足夠了，但對即將開展的暴雨影響預報業務而言，需要分析暴雨對某個行業的具體影響，因此，需要挖掘更精確的災損數據。暴雨引起的內澇及道路積水可造成汽車損壞，而保險公司賠償金額是經過現場核查及損失評估等多個環節后得到的數據，是相對可靠的災損數據。因此，由表2得出的單位強度汽車損失金額及服務效益可以用來剖析2019年5月31日至6月2日暴雨過程的服務成效。

由表2可見，不管是防汛辦提供的還是保險公司提供的數據，2019年5月31日至6月2日暴雨過程災損的氣象服務相對經濟效益達50%～60%，那么，該過程服務成功原因在哪里？反查2個過程的服務手段發現，兩者發布信息的渠道(手機短信、微博等)是一樣的，下面對預報準確率和減損效益做進一步剖析。從表3可以看出，2個過程的TS評分都是比較高的， 2019年5月31日至6月2日過程發布了紅色預警信號，橙色預警的命中率比2018年6月18-22日過程高，且時效性也比2018年過程長，2019年過程服務效益更明顯的原因可能與提前發布橙色預警信息有關。除此之外，2019年過程的強降水主要發生在傍晚，預警信息在18時前后發布，2018年過程的強降水主要發生在凌晨2點，前者氣象預警信息的關注度比較高，也產生了一部分減災效益，因此，針對夜間災害天氣，可以通過改進服務手段、加強預警信息的提醒作用來提高氣象服務效益。

表3 暴雨預警信號發布準確率對比

4 結論與討論

通過以上分析，可以得出以下結論：

(1)針對傳統評估方案中災害損失數據太籠統、問卷調查不好操作等弊端，本文設計一套考慮災害強度的暴雨服務效益評估方案，該方案具有客觀、定量、可操作性強等優點。

(2)設計的評估方案在2019年5月31日至6月2日、2018年6月18日至22日這2個相似暴雨過程的評估結果顯示，相比于2018年6月18至22日過程，2019年5月31日至6月2日過程的直接經濟損失、汽車受損等方面的氣象服務減損效益達50%～60%，暴雨橙色及紅色級別的預警發布對汽車用戶的提醒作用更突出，橙色預警無時間提前量、發布預警時間在深夜或凌晨可能制約氣象服務效益的發揮，今后暴雨短臨預報服務應著力提高橙色或紅色預警的時間提前量，改進夜間災害天氣的服務手段。

(3)本文設計的評估方案對暴雨洪澇引起的直接經濟損失和汽車保險賠償金額做評估，今后可以對更多個案做更深入評估，也可以將此方案拓展至其它行業，比如交通氣象服務、鹽業氣象服務等。