寧波舟山港氣象災害風險及服務效益評估

孔揚，趙昶昱，王科，徐建紅，周宜航，薛國強，錢燕珍

(1. 寧波市氣象服務中心，浙江 寧波315012；2. 寧波市氣象臺，浙江 寧波315012；3. 寧波舟山港股份有限公司，浙江 寧波315040；4. 寧波市海事局，浙江 寧波315100)

1 引 言

港口是復雜實體，伴隨極端天氣事件而引發的災害鏈或多種災害復合將對港區內基礎設施建設帶來毀壞性破壞，對人民群眾生命財產安全和港口經濟的持續發展構成嚴重威脅。隨著港口規模擴大和吞吐量的激增，天氣造成的影響更加明顯[1]，因此通過精細化專業氣象服務，降低氣象災害風險，趨利避害，提高港口運行效率越來越重要。

對港航作業有嚴重影響的天氣主要有大風、大霧、強對流、風暴潮、臺風等[1]。開展港口多種自然災害風險評估，為港口防災減災提供理論依據，具有重要的科學價值與實踐意義。自然災害風險評估不僅是一項以預防為主、防患于未然的重要防災減災措施，也是開展綜合減災和制定應急管理對策的基礎和依據[1-2]。圍繞災害風險評估原理與預測模型，國內專家學者不斷深入探索并提出諸多研究方法。王靜靜[2]以多災種復合為背景，從危險性、暴露性和脆弱性等方面選取指標，探討構建了沿海8 個港口自然災害風險評價指標體系與評估模型；殷潔等[3-4]采用歷史資料構建災損標準，綜合承災體脆弱性和臺風發生可能性兩者的結果運用于風險模型中作定量評估；陳文方等[5]利用主成分分析計算致災因子強度與承災體脆弱性指數，基于各縣區尺度劃分災害風險等級；龐古乾等[6]基于多年氣象觀測資料和潮位數據，對臺風及風暴潮災害進行特征分析和頻率計算；洪凱等[7]則以氣象觀測資料結合港口統計數據，評估不同重現期下港區臺風災害風險的分布特征和經濟災損狀況。以上研究為氣象災害風險評估提供了技術方法。

早在1960 年代，世界氣象組織(WMO)就認識到氣象服務具有重大的經濟和社會效益。1990年代前后，美國、德國、日本等氣象技術發達國家先后借鑒社會學方法，結合調查問卷、敏感度分析等方法建立專家咨詢法，對氣象效益進行了評估，這些評估為國家的氣象現代化建設決策提供了重要依據[8]。進入21 世紀以來，全球變化和人類擴張使得天氣災害的影響日益顯著。美國的一些科學家開始嘗試建立經濟模型，并與天氣要素建立聯系，結合歷史數據，得出天氣要素在決定產值中的作用。2004 年起，美國國家海洋和大氣管理局(NOAA)發布《NOAA 經濟統計》，針對氣象服務現狀和實現現代化后的情況開展對比評估，利用對比分析得出氣象發展對國家產生的效益，從而加快了美國1990 年代現代化的開展，也為國家層面重大決策提供了最客觀和科學的依據[9-13]。國內專家對行業氣象服務效益評估的研究，普遍使用的是投入產出法、層次分析法、損失矩陣法、專家評估法等[14-17]。近年來，應用較多的方法包括對比分析法、逆推法、專家評估法、問卷調查法等[18-19]。

浙江寧波舟山港是中國古代“海上絲綢之路”起錨地之一，有1 200 多年發展歷史，2019 年貨物吞吐量首破11 億噸、連續11 年位居全球港口首位，集裝箱吞吐量超2 753 萬標準箱，排名位居全球第三。2017 年4 月以來，寧波海事局、寧波舟山港等部門開始采用定制式的港航氣象監測、預報信息，作為災害性天氣下港口作業安全保障、精準調度的重要參考。本文結合氣象、海事、港口多部門數據，通過評估寧波舟山港致災因子危險性、承災體脆弱性，構建港口自然災害風險評估模型，對港口行業進行分類，利用對比分析法、個例分析法等，確定氣象效益評估模型的具體技術方案，并給出服務效益的估算結果。

2 研究區域和資料

寧波舟山港現有19 個港區，600 多個生產泊位，本文主要分析位于寧波北侖到舟山定海之間，業務最繁忙的港口核心區域，包含鎮海、北侖、穿山、大榭、梅山5個港區(圖1)。

本文風險評估所用風、能見度資料來自距離寧波舟山港最近的北侖國家氣象站地面氣象觀測數據，其中逐日資料的年限為1974—2019年，用來做風險評估；逐小時資料的觀測年限為2013—2019 年，用來做效益評估。所用港口災害險情數據、港口管制數據來自寧波海事局指揮中心，資料年限為2013—2019年。碼頭計劃兌現率數據來自寧波舟山港調度中心，資料年限為2013—2019年。港口生產運營數據由實地調研、訪談獲得。

圖1 寧波舟山港核心港區分布及觀測站點位置示意圖

3 自然災害風險評估

3.1 致災因子危險性評估

港口致災因子主要指由強風、低能見度、雷電、暴雨等帶來的次生災害，根據致災機理表現形式以強風、低能見度為主，其中可能形成大風的天氣系統復雜多樣，包括臺風、冷空氣、低壓、強對流等[20]，出現的大霧主要是平流霧、輻射霧，以及局地出現的團霧等[1]。在探討致災因子評價指標時，著重考慮強風和大霧兩大因素[5,21]，根據寧波地方標準《DB3302T 1108-2019港口水上交通氣象條件等級》、寧波海事局《寧波海事局轄區船舶航行、錨泊和作業管理規定》等文件，選取風力閾值6 級、7級、7.5 級(15.5～17.1 m/s)、8 級，能見度閾值1 000 m、500 m，建立致災因子評價指標體系(表1)，用影響時間(單位：天)衡量致災因子對港口生產的危險性。

表1 致災因子危險性評價指標體系

評價致災因子危險性可采用主成分分析(Principal Component Analysis，PCA)法，利用降低數據維度方式，從原有多個且相互聯系的變量數據集中，通過線性變換選取少數幾個相互無關且盡可能保留原信息的重要變量[22]。

具體地，首先對指標矩陣[W6W7W7.5W8V1000V500]進行標準化處理，消除量綱影響后對新矩陣做PCA 分析，得到前兩個特征根的方差貢獻率分別為65.52%、30.05%，累積貢獻率達到95%，說明前兩個主成分能夠反映所有危險性指標的信息，因而可根據前兩個特征向量構造主成分PC1和PC2，如公式(1)所示。

根據方差貢獻對前兩個主成分進行加權求和，如公式(2)所示，計算得到致災因子綜合強度指數H。

圖2 給出1974—2019 年寧波北侖港附近(炮臺山站)致災因子綜合強度指數的時間演變情況，發現其具有長期下降趨勢，說明致災因子強度持續減弱，尤其是1990 年代初和21 世紀初減弱趨勢明顯，但近10年出現回升現象。分析發現，危險性指數的下降主要取決于大風日數的顯著減少，如炮臺山站1974 年7 級以上大風日數有68 天，而2019 年只有11 天；低能見度日數具有波動變化特征，如炮臺山能見度小于1 km 日數最多35 天(1985 年)、最少0 天(2012 年)，且近年來危險性指數的增長現象與低能見度日數的增加密切相關。

3.2 承災體脆弱性評估

承災體脆弱性是指當承災體在抗擊自然災害時，對可能造成災損進行的度量，反映了災害影響的暴露程度和災害應對的能力兩大方面[23]。承災體脆弱性指數采用基于災損情況的算法，將重現期概率與遭破壞概率相乘，如公式(3)所示：

其中，C為承災體脆弱性指數；P為不同等級致災因子的概率，即致災天氣出現日數的年頻率；D為特定致災因子級別下各承災體所遭受的最大破壞率；i為不同等級致災因子的個數，主要包括大風、低能見度兩個方面。利用Pearson-III 型函數估計各重現期下不同等級大風、低能見度日數的年極值，并根據海事部門提供的事故破壞率，計算各重現期下的脆弱性指數(表2)，結果顯示脆弱性指數隨重現期增大而快速增加。

圖2 1974—2019年大風、低能見度日數和致災因子危險性綜合強度指數(H)

表2 不同重現期下各項指標的年極值和承載體脆弱性指數(C)

3.3 自然災害風險性評估

通過借鑒國際減災戰略(ISDR)自然災害風險評估模型，港區自然災害風險評估充分考慮潛在致災因子危險性和承災體脆弱性，利用災害事件發生可能性和影響范圍來判斷該自然災害的風險等級(UN/ISDR，2004)，構建的概念函數如公式(4)所示。

其中，R表示自然災害風險，H和C則是構成自然災害風險的兩個影響維度，分別表示潛在致災因子危險度和承災體脆弱性。近幾年中2016年、2019 年自然災害風險較高(圖3)。2016 年出現6級風日數(33天)多且該天氣條件下發生2起事故是造成脆弱性指數偏大的主要原因，從而導致自然災害風險增加；2019 年大風和低能見度日數為2014 年以來最多的年份，因而致災因子危險性最大，導致自然災害風險偏高。

圖3 2014—2019年自然災害風險指數

4 經濟效益評估

氣象服務為港口生產帶來的提升具體表現為作業時長延長、作業效率提高兩方面。經濟效益評估可由公式(5)計算得出：

其中，E為經濟效益(萬元)；u為港口各行業單位時間經濟效益(萬元/小時)；t為氣象服務為港口延長的作業時間(小時)；r為氣象服務為港口帶來的作業效率增長；i的取值代表港口不同運營單位，下文以大風天氣為主，結合海事管制數據、港口作業數據分別對各項進行討論。

4.1 作業時間效益評估

寧波舟山港各碼頭公司全年無休，操作密集，且存在上、下游關聯作業，因此對時效性要求高。大風天氣影響時段內，一旦實況風速超過港口作業閾值，海事部門會停止港口作業，保障作業安全。如果不能提前預知天氣過程的開始、結束時間，為規避風險，海事部門往往提前管制，延后解除，形成管制延誤。而對于某些突發性的大風過程，如準備不足，則可能來不及進行管制，造成作業風險。

4.1.1 管制數據分析

對2013—2019年海事部門發布的港口管制信息進行標準化處理，結合氣象觀測資料，對管制準確程度進行評估。管制評估屬于二元事件，涉及到兩個變量：是否發生管制、是否出現大風天氣。相對應的，共四類情況：a表示出現大風且管制發生(準確管制)；b表示出現大風但沒有管制(漏管制)，該情況下港口有作業風險；c表示風力沒有達到閾值但執行管制(誤管制)，該情況為不必要的管制，港口作業效率受到影響；d表示沒有大風且沒有管制(正常作業)。定義以下公式來評價管制的實際效果[24]。

計算結果如圖4 所示，2013—2016 年無港航氣象服務，海事管制準確率在0.5 以下，具體表現為管制延誤率高，管制風險率高。2017年以來，港航氣象服務正式開展，海事部門以定制化的氣象信息為參考，管制準確率明顯上升，表現為誤管制逐年減少，管制風險率逐年降低。

圖4 2013—2019年港口氣象管制準確率、延誤率、風險率

4.1.2 作業延長時間計算

管制評估中，誤管制的減少代表氣象服務為港口額外爭取的作業時間，采用對比分析法確定具體數值。由于天氣具有不可復制性，無法重現同一年的數據，因此本文選取氣象服務前、后的數據，即2013—2016 年求平均作為對照組，2017—2019年逐年與對照組進行對比?？紤]到歷年天氣存在差異，災害多的年份延誤時長自然會出現偏高。為排除年變化干擾，利用致災因子綜合強度指數H對各年份延誤時長ti進行標準化處理，與H相除得到“標準化時長”t'i。其中2013—2016 年的平均標準化長t0作為對照組：

2017年起港口采用氣象服務，t0與之后每年的標準化時長t′之差，乘以當年的致災因子綜合強度指數H，即為當年實際延長的作業時長Δt，其計算公式如下：

4.2 作業效率效益估算

碼頭計劃兌現率數據記錄了船舶具體的作業情況，如該船只按計劃完成作業，即為計劃兌現，反之為未兌現。

未兌現率(%)=(未完成計劃船舶數/工作船舶數)×100%，未兌現率直觀反映港口的調度水平，未兌現率越低，說明調度越精準、科學，港口運行越高效。針對未兌現的船舶，記錄有相應的未兌現原因，以此幫助港口定位問題，提高港口運營水平。

圖5 2013—2019年港口未兌現船舶天氣原因占比

造成未兌現的原因包括天氣影響、引航問題、船舶代理問題等，其中天氣原因是一個重要因素。定義F為天氣原因占所有未兌現情況的百分比，通過數據統計可知，2017 年以前F值普遍在40%左右(圖5)，說明往年由于缺乏精準可靠的氣象預報信息，港口調度對未來氣象信息了解不足，會出現大風期間仍安排作業等情況，造成計劃偏差，船舶因天氣原因未兌現。

考慮到歷年天氣存在差異，災害多的年份天氣原因的占比自然會出現偏高。以2019 年為例，當年致災因子綜合強度指數H明顯高于其他年份，災害性天氣影響港口頻率高、強度大，F值為35%，與其他年份相差不大。2013 年則相反，當年H值為近7 年來最低，氣象災害對港口影響最小，但F值仍高達44%，說明港口安排作業出現較大偏差。為排除上述年變化的干擾，結合歷年致災因子綜合強度指數H，定義“標準化占比”F′：

對比歷年F′的變化，能夠更真實地反映天氣對港口計劃的影響。排除天氣差異性，由F′可知，引入氣象服務后，天氣原因導致的船舶未兌現占比明顯減少，港口調度水平顯著提升。

為定量計算氣象服務為港口調度帶來的優化程度，采用對比分析法，仍以2013—2016年為對照組，定義：

2017 年采用港航氣象服務后，天氣原因占比F′的降低比例即為港口作業效率提升的效益：

4.2 單位時間生產效益估算

通過多次調研走訪，結合寧波舟山港歷年業務增長數據，對港口各碼頭公司、船公司的生產效益進行估算。對于碼頭公司，以2018年為例，針對寧波舟山港兩大主要業務集裝箱和鐵礦石，梅山國際集裝箱碼頭公司的營業收入約142 萬元/小時，北侖礦石碼頭公司約30 萬元/小時，寧波舟山港各類碼頭(包括集裝箱、礦石、原油、液化、煤炭等)營業收入總和在322 萬元/小時左右。對于船公司，管制期間港內平均作業大型船只約37艘，每船租賃費4 萬美元/天、燃油費3.5 萬美元/天。無法作業導致船公司共損失約79 萬元/小時。即港口、船公司受管制影響，每小時損失合計401萬元。

4.3 經濟效益估算

經濟效益增加值E表現為作業時間延長效益、作業效率提升效益，如公式(14)所示：

其中，u為單位時間生產效益，估算為401 萬元/小時。根據公式可算得，2017 年正式開展港行氣象服務以來，針對大風天氣，寧波舟山港各碼頭公司、船公司產生直接經濟效益逐年遞增，效果顯著。

表3 2017—2019年各碼頭、船公司經濟效益估算

4.4 天然氣接收站、客運航線等效益分析

除密集作業的碼頭公司、船公司外，港口還有一些承擔社會公共職責的單位如天然氣接收站、客運碼頭等。天然氣船屬于大型危險品船舶，其作業對天氣條件、水文條件要求高，需要根據預報至少提前一天進行作業申請、進港預排；客運碼頭由于其公眾服務屬性，營運信息需要提前發布，不能隨時變更，也需要在保證安全的大前提下根據預報進行預設。沒有港航氣象服務時，這類作業通常以本地發布的公眾預報結論為準。

公眾氣象預報范圍覆蓋面較大，風力預報存在偏大的情況；預報時間則較模糊，可能錯過一天中的作業“窗口期”。因此，精細化的港航氣象服務能增加可作業時間。以寧波天然氣接收站為例，自2018年采用港航氣象服務以來，在影響時間較長的大風、海霧過程中通過預報災害天氣“窗口期”，成功保障天然氣運輸船“索拉瑞斯”號、“阿波羅尼亞”號等按期靠泊作業，每次過程可幫助目標船舶提前作業一天以上。

對于此類單位，氣象服務效益的估算可采用公式(15)。

將港航氣象預報的可做業時長定義為tp，公眾氣象預報的可作業時長定義為t0，兩者之差即為作業時間增加效益。由于并非密集作業，排班調整并不影響作業效率，因此不考慮作業效率的增加。此處u不止包含經濟效益，也應考慮社會效益，需結合行業數據及當地實際情況，進一步調研估算。

4.5 海霧、臺風天氣下的效益分析

在海霧高發期，如判斷當晚有海霧發生，港口將采取“二次引航”操作，將重點船只提前引進港內錨地等候。當海霧發生時，主航道出入口關閉后，已經進港的船舶自內錨地再次引航，前往作業碼頭，從而達到增加作業時長的目的。據港方統計，2018年以來，得益于港航氣象服務對霧的臨近準確預報，目前“二次引航”的預排成功率已經由40%提高到70%以上，該數據可推算得出延長作業的時長，進一步計算得出服務效益。

臺風過程影響區域、持續時間等差異大，因此不易采取統一的公式進行計算，而應結合每次過程特點，采用個例分析法進行計算。臺風天氣致災能力強，影響嚴重，因此“保安全”的任務相比其他災害更重，港口管理會留足安全余量。在此前提下，氣象服務仍有優化港口作業、提升效益的空間。例如，2018 年第10 號臺風“安比”過程中，在減風時段通過氣象加密服務，區分港內、港外風力差異，為港口爭取提早4 小時解封；2019 年第9 號臺風“利奇馬”過程中，在起風段提供氣象預報建議，港口將停工時間適當延后，作業時間增加6 小時。

5 結論與討論

本文以過去47 年氣象歷史資料、災情統計資料為基礎，通過自然災害風險評估模型對致災因子危險性、承載體脆弱性、自然災害風險指數分別進行計算和討論。根據寧波海事局、寧波舟山港提供的港口運營數據，對災害天氣下港口的運營狀況進行分析討論，通過對比港航氣象服務前、后港口管制準確率、碼頭計劃兌現率等的變化，直觀反映氣象服務對港口作業產生的影響，并給出經濟效益的量化計算方案。

自然災害風險評估是對區域遭受不同強度災害的可能性及其可能造成的后果進行的定量分析和評估。由于大風天數的顯著減少，1974—2019年寧波舟山港致災因子強度持續減弱，尤其是1990 年代初和21 世紀初減弱趨勢明顯，但近年來低能見度日數增多，致災因子強度出現回升現象；基于災損情況的算法，同時考慮高影響氣象因子重現期概率與承災體遭破壞概率的疊加作用，承災體脆弱性指數呈現隨重現期增大而快速增加現象；在充分考慮潛在致災因子危險性和承災體脆弱性的基礎上，判斷2016 年承災體脆弱性、2019年致災因子危險性偏高分別是當年自然災害風險較高的主要原因。

對于氣象服務效益評估，由于天氣影響下的港口作業無法直接重現，因此直接估算存在困難。本文以開展氣象服務前的港口運營數據為對照組，與服務后的數據進行對比分析，得出效益。本文利用致災因子綜合強度指數H對運營數據進行“標準化”，排除不同年份天氣影響的特征差異，使得年份間的對比分析成立。計算結果表明，2017年采用氣象服務以后，海事管制準確率、碼頭計劃兌現率均得到提升，管制風險率降低，表明港航氣象服務能在“保安全”的大前提下實現“增效益”。經計算，針對大風天氣，氣象服務每年產生的經濟效益就在億元以上，2019 年達5.18 億元。另有海霧、臺風等災害，通過典型個例的評估，每年服務效益達千萬元級。在國家海洋經濟戰略的背景下，隨著寧波舟山港體量的進一步遞增和氣象服務能力的不斷進步，服務效益將愈發凸顯。

本文提出的港航氣象效益評估技術在“港口全息化氣象預警與決策系統”中實現業務化應用。該服務系統曾獲2017年首屆全國氣象服務創新大賽一等獎，已在寧波市氣象局、寧波市海事局、寧波舟山港股份有限公司三家單位部署應用，預計還將在全國主要港口城市展開推廣試點服務。