我國Natech事件分布規律及涉水Natech事件致因分析*

張 媛，孟耀斌，葉 濤

(1.北京師范大學 地理科學學部，北京 100875； 2.應急管理部 教育部 減災與應急管理研究院，北京 100875；3.北京師范大學 國家安全與應急管理學院，北京 100875)

隨著我國經濟由高速增長階段向高質量發展階段轉變，我國對于突發事件的預警與處置更加重視。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》[1]中首次設立安全發展專篇，提出優化國家應急管理能力體系，加強國家安全體系和能力建設[2]。根據突發公共事件的發生過程、性質和機理，有學者[3-4]將其劃分五大類，傳統安全領域主要為自然災害和事故災難。多起案例表明自然災害與事故災難存在耦合關系，SHOWALTER[5]于1994提出Natech(Natural events triggered Technological Accidents)概念，將其定義為自然災害事件誘發的技術事件，簡稱“自然—技術事件(Natech事件)”。基于多米諾骨牌效應原理，Natech事件更易于在級聯場景中升級放大，在較大的時間和空間范圍內造成嚴重后果[6]。

我國是世界上自然災害嚴重的國家之一，Natech風險不容忽視[7]。重大案例是研究Natech事件的基礎：1999年土耳其科賈埃利省發生7.4級地震，造成該地區工業設施結構性破壞并引發一系列災難性的有害物質泄漏[8]；2005年美國卡特里娜颶風和麗塔颶風導致工廠儲罐大量原油泄漏和擴散，對沿海生態系統、漁業和旅游業造成嚴重影響[9]；2008年汶川地震造成當地工業園區管道設施破壞，其中一家化工企業污染物釋放嚴重污染了周圍環境，導致約6 000名居民撤離[10]；2011年東日本大地震引發了福島核泄漏事故，造成了嚴重環境污染問題[11]；2017年美國哈維颶風對化學和工藝設施造成嚴重損害，并導致多家煉油廠關閉，成品油價格飆升[12]。為有效評估Natech事件危險性，ANTONIONI等[13]開發了一個基于歷史Natech事件風險評估的通用框架，實現了對地震和洪水這兩類自然災害導致的Natech風險的定量評估。MESA-GMEZ等[14]對現有Natech事件定量風險分析方法進行綜述后發現Natech風險評估大多主要關注Natech事件造成的死亡人數指標。

歷史相似案例是研究規律的基礎[15]，美歐等國積累的事故數據庫為Natech事件案例提供了基礎。KRAUSMANN等[16]主要基于歐洲主要工業事故數據庫MHIDAS(2001)、ARIA(2006)、FACTS(2006)、MARS(2008)、TAD(2004)和美國國家響應中心(NRC)數據庫(2008)提取到Natech事件案例；GIRGIN等[17]于2016年搜集了歐洲和美國公開報道的輸油管道事故案例，從中分離出Natech事件；MISURI等[12]于2019年調查了Harvey颶風影響下化工設施發生破壞的直接原因，并從美國國家響應中心數據庫中分離出颶風導致Natech事件的案例。我國對于Natech事件的研究起步較晚且基礎薄弱[18]，國內研究較多針對單一災種的發生機理[19]或單一行業事故進行研究[20-23]；由于災害數據庫建設方面的空白[24]，多數學者尚未考慮Natech事件整體規律，缺乏對多災種多行業事件交叉研究[25-26]。為解決該問題，建立我國專有的Natech事件數據庫對于整體認識我國Natech事件現狀，完善我國Natech風險管理體系，防范和降低區域Natech風險，指導“十四五”風險防范尤為迫切[7,27-28]。

本文利用Python爬蟲方法，通過關鍵字組合從各網站、數據庫獲取符合要求的案例，同時課題組人工摘錄《中國安全生產年鑒》等各相關年鑒內案例，獲取時間范圍為2000—2019年內的疑似自然災害誘發事故災難案例共5 286條。經人工逐條甄別后，符合要求(見下文)的Natech案例261條，這些案例整理為“時空-事故-承災體數據庫”(以下簡稱“Natech數據庫”，Natech-DB)。每一條案例包括事故發生的時間(年、月、日)、地區(省份、具體地點)、經緯度、行業大類[29](采礦業、電力、熱力生產和供應業、建筑業、交通運輸業和制造業)、細分行業、事件經過、自然災害肇因(暴雨、大風、雷電、大霧、洪水、冰凍、高溫、地震)、死亡失蹤人數和經濟損失情況等字段。

1 案例來源與選擇標準

1.1 案例來源

本文主要關注自然災害誘發的生產安全事故，研究樣本為中國32個省、自治區、直轄市(由于信息受限，不含香港特別行政區、澳門特別行政區和臺灣地區)的Natech案例。

表1 我國Natech事件案例來源

1.2 選擇標準

重大案例遴選標準為下述四條標準同時滿足：①報道中同時出現自然災害與生產事故關鍵詞；②事故曾被(相關主體)認為或懷疑系由某自然災害(自然環境因素)導致或誘發，或課題組認為可能存在因果關系；③該自然災害與發生事故之間的因果關系不違反科學原理；④該事故造成人員死亡或失蹤。

表2 Natech-DB案例選擇標準

2 我國Natech事件時空分布特征

2.1 年際和季節分布規律

2000—2019年，我國共發生261起造成人員死亡失蹤的Natech事件，每年發生1～24起，平均每年發生10起，具體分布規律見圖1a。2000—2010年，我國Natech事件發生起數增長明顯，2010年事件起數達到峰值，達到24起，2011—2018年事件起數逐年下降，2019年急劇上升。從事件導致死亡失蹤總人數來看，2000—2008年由Natech事件導致死亡失蹤人數逐年增長，趨勢明顯；2008年事件死亡失蹤人數達到最高峰；2008—2019年事件起數迅速下降。Natech事件發生起數峰值年份(2010)與死亡失蹤人數峰值年份(2008)存在偏移。

圖1 Natech-DB時間分布

按照月份對2000—2019年自然災害誘發生產事故的起數和導致的死亡失蹤人數進行統計分析，分布規律見圖1b。我國Natech事件年內分布呈現明顯季節特征：夏季多、冬季少。其中，夏季6—8月事故發生起數占全年的38%，死亡失蹤人數占全年死亡失蹤人數的44%，冬季12—2月事故發生起數僅占全年的7.6%，死亡失蹤人數僅占全年死亡失蹤人數的3.2%。

2.2 時間分布規律原因分析

總體來說，Natech事件的數量較少，是一種低概率事件[25]。2000年以來，我國Natech事件發生起數表現為以2010年為界限，2010年以前處于快速增長階段，2010年以后呈現下降趨勢。2010年我國先后發生長江中下游地區暴雨洪澇災害(5—7月)和東北洪澇災害(7月下旬)，地質災害發生起數達30 670起[34]，災害波及范圍逛廣，持續時間長，各工業設施在持續洪水、地質(滑坡)等自然災害條件下表現出明顯的脆弱性，這是Natech事件起數達到了峰值的原因之一。2010年后，隨著災害抵御水平不斷提高，Natech事件起數振蕩下降。

我國Natech事件發生起數峰值與死亡失蹤人數峰值存在偏移主要表現為2008年死亡失蹤人數最多，但事件起數不多，與2008年我國發生汶川8.0級地震和南方特大低溫雨雪冰凍災害[35]存在一定關系——大多數工業設施設計之初對極端自然災害情景考慮不足，防御災害能力有限，在特大自然災害下易誘發重特大生產安全事故。

從年內分布來看，由于暴雨、大風、高溫多發生在夏季，作為常見的自然災害肇因，這些自然災害引發的Natech事件在該季節發生起數與導致的死亡失蹤人數更多；冬季部分工業(如建筑業)活動強度下降，加之對流氣象過程少，極端氣候、地質災害均處于較低水平，故而Natech事件起數和導致的死亡失蹤人數較少。

2.3 空間分布特征

根據Natech-DB數據庫案例地點，全國共有173個地級市發生過Natech事件。利用ArcMap10.7軟件，繪制我國Natech事件2000—2019年發生起數與死亡失蹤人數的空間分布圖(圖2)。

Natech事件發生起數空間分布(圖2a)主要表現為：四川、河北、北京、山東、廣東和江蘇的事件起數較多，大于10起，青海和寧夏事件起數較少，新疆、西藏尚未發生過有記載的Natech事件；Natech事件導致死亡失蹤人數空間分布(圖2b)主要表現為：四川、山西和山東的死亡失蹤人數較多。

圖2 Natech-DB包含案例的空間分布(審圖號：GS(2019)1697號，底圖無修改)

3 我國Natech事件行業分布特征

Natech事件受制于自然災害致災因子作用和行業本身特征，其脆弱性由自然災害災種和行業特征共同決定。部分重點行業脆弱性大，則呈現出Natech事件發生頻次高、損失大的特點。按自然災害肇因與事故所屬行業交叉組合(簡稱“災種-行業組合(1)電力、熱力生產和供應業下文簡稱電力業”)統計Natech-DB中的不同災害類型和事件所屬行業組合下Natech事件發生頻次和死亡失蹤人數分布呈于圖3。圖3a、圖3b為不同自然災害類型下，各行業發生Natech事件的事故起數和導致的死亡失蹤人數。暴雨和大風是造成Natech事件的主要肇因，其事故起數與死亡失蹤人數最多，與LUO[36]從NCR分離出的Natech事件規律一致：颶風(24.41%)、暴雨(19.27%)和風暴(18.29%)是造成Natech事件的主要原因。暴雨主要作用于建筑業、交通運輸業和采礦業，大風主要作用于建筑業和交通運輸業。從總體特征來看，建筑業和交通運輸業對大多數氣象災害都表現出了脆弱性。大風還作用于電力業和制造業，主要表現為大風導致電力設施損毀誘發火災或物體打擊致人死亡。

圖3 Natech-DB災害—行業組合統計圖

圖3c、圖3d為不同行業在各類自然肇因作用下造成Natech事件的事故起數和死亡失蹤人數分布。交通運輸業事故起數和死亡失蹤人數最多，建筑業事故起數多但死亡失蹤人數少，采礦業事故起數不多但造成的死亡失蹤人數多，制造業受多種自然肇因的影響。作者根據案例描述歸納出暴雨和大風作用于主要行業造成的技術事故類型見表3。

表3 主要自然肇因導致技術事故類型

4 涉水Natech事件特征分析

Natech-DB顯示暴雨季節性很強，所關聯的Natech事件起數、造成的死亡失蹤人數最多，本文重點對暴雨和洪水作為自然肇因的Natech事件(“涉水Natech事件”)造成人員生命損失的特征進行探索。選取Natech-DB數據庫中暴雨重點事故共84起，對其當日降水量及前30 d降水量進行逐行業分析和多行業總體分析，并得到了前趨降水與Natech致人死亡失蹤人數之間的重要關系。

降水數據根據中國國家級地面氣象站基本氣象要素日值數據集(V3.0)，采用20：00—20：00數據進行統計；選取2 474個氣象站點空間距離最近的點代表事故點降水值，并按照《國民經濟行業分類》[29]將現有行業分為五大類：建筑業、制造業、交通運輸業、電力業和采礦業。

4.1 單一行業涉水事件特征

從建立的數據庫中就事件造成死亡失蹤人數、降水量以及行業三個主要指標進行分析。在單一行業中，分別對各行業死亡失蹤人數、降水量進行相關性分析。Natech-DB中制造業主要為石油化工行業，其Natech事故嚴重，主要表現為泄漏后造成大范圍嚴重污染和大批人員疏散，但往往死亡失蹤人數較少。其原因在于，暴雨主要導致生產設施出現故障，但生產設施往往位于遠離人口密集區。事件死亡失蹤人數少是制造業區別于其他行業Natech事件的主要特點，為避免制造業Natech事件帶來的人員死亡失蹤負偏離，在相關分析中暫不包括該類行業案例。

4.2 多行業組合涉水事件總體特征

基于Natech-DB數據庫，結合多行業分析行業關聯性。將建筑業、采礦業、電力業和交通運輸業各起事故死亡失蹤人數與事件發生前若干天的降水特征進行相關性分析，即以Natech事件的死亡失蹤人數為因變量，遴選若干降水特征參數為解釋變量。

(1)采用前趨降水總量為解釋變量

核算前趨日數從1 d(事件發生當日)、2 d、3 d直至30 d，以該核算前趨日數內的總降水量與事件死亡失蹤人數作相關分析。結果發現，無論是采用Pearson檢驗還是Spearman檢驗，核算前趨日數的降水總量都與事件死亡失蹤人數無顯著相關性(r<0.2,p>0.05)。

(2)采用前趨降水趨勢為解釋變量

前趨降水核算日數從1 d(事件發生當日)、2 d、3 d直至30 d，以該核算前趨日數逐日降水量與前趨日歷做線性回歸(Pearson型)，以該回歸所得的斜率PSPD(Precipitation Slope over Preceding Days)表示事件前降水的演變特征(增減)。

表4 PSPD與死亡失蹤人數相關性(前五)

圖4 PSPD與死亡失蹤人數顯著性p注：*表示相關關系顯著(p<0.05)；**表示很顯著(p<0.01)；后文同。

圖5 行業組合PSPD與死亡失蹤人數關系的相關性r與顯著性p

通過分行業組合進行計算，前趨降水核算日數為4 d和5 d時，PSPD與事件導致死亡失蹤人數的相關性保持顯著，再次充分說明Natech事件發生前4 d和5 d的PSPD和造成事件死亡失蹤人數緊密相關。即表明：Natech事件造成死亡失蹤人數多少與前4 d和前5 d的降水趨勢顯著相關。

4.3 涉水Natech事件重點事故

上述相關關系表明，如果當地4～5 d范圍內降水逐漸增多，則如果發生涉水Natech事件，該事件死亡失蹤人數將大大增加；如果前4—5 d以來降水呈減弱趨勢，則即使發生涉水Natech事件，其死亡失蹤人數不會太大。該規律不因行業不同而消失。不過，降水誘發的重大生產事故的損失尚不宜以4～5 d范圍降水變化趨勢簡單研判，該統計規律主要提示了降水的累積致災效應至少持續4—5 d以上。涉水Natech事件似可區分為兩類發生機制：

(1)當日極大降水直接誘發Natech事件。當日極大降水量誘發的生產事故主要集中在交通行業。Natech-DB中案例顯示，交通行業事故當日降水量均達到暴雨級別(50 mm)，交通行業事故死亡失蹤人數受交通工具種類以及車輛具體類型影響，集中強降水為各類交通主體的不安全運行提供了更多場景。

(2)前4～5 d范圍持續降水或強降水形成的累積效應可能誘發Natech事件。由前趨降水所決定的重大安全事故主要集中在煤礦和土木建筑行業。2007年8月17日山東新泰華源煤礦由于連日暴雨導致山洪暴發，洪水涌入煤礦，發生潰水事故，造成172人死亡，其前4 d和前5 d日降水量分別為248 mm、159 mm；2009年7月22日，黑龍江雞西恒山煤礦發生連續強降雨，最終發生井下透水事故，造成23人死亡，其前4 d和前5 d日降水量分別為184 mm、113 mm。2013年5月13日，湖南湘潭云塘街道辦事處發生水倒灌事故，涌入頂管改造工程區域，造成3人當場死亡。其前4 d和前5 d降水分別為341 mm、52 mm，事故當日降水為270 mm。這幾個Natech案例中盡管4～5 d范圍內的PSPD均為負數，但4～5 d范圍內的降水量很大，仍然導致重大生命損失。針對這類觸發機制的Natech事件[37]，當出現持續4～5 d或更長時間的降水時，應充分警惕可能的Natech重大事故風險，提前采取相關技術措施，做好監測、疏散等工作，在一定范圍內能夠防止事故或降低人員傷亡。

5 結論

本文基于我國Natech事件研究不足的現狀，運用數據挖掘的方法對公開報道中的事故案例進行篩分，初步建立了我國Natech事件數據庫，并分析了自然災害誘發的生產事故的時空與行業特征，得到以下主要結論：

(1)我國Natech事件發生數量總體較少，2008年和2010年分別是Natech事件造成死亡失蹤人數和事故發生起數峰值年份；Natech事件具有明顯的季節特征：夏季數量多，冬季數量少。

(2)暴雨、大風是Natech事件的主要肇因，建筑業和交通運輸業對氣象災害表現出明顯的脆弱性。

(3)對暴雨、洪水等肇因Natech事件(“涉水Natech事件”)與降水特征的相關分析顯示，該類Natech事件造成死亡失蹤人數與事發前4～5 d的降水趨勢存在顯著正相關，即4～5 d范圍內持續增加的降水極易在Natech事件中導致大量人員傷亡。由此研判，強降水過程或持續降水引發Natech災害的累積致災效應至少持續4～5 d。