影響中國沿海區域的熱帶氣旋及其經濟損失評估

丑潔明， 董文杰， 徐 洪， 班靖晗

(1.地表過程與資源生態國家重點實驗室/北京師范大學地理科學學部，北京100875;2.南方海洋科學與工程廣東省實驗室(珠海)，廣東 珠海 519000;3.中山大學大氣科學學院，廣東 珠海 519082;4.中國人民健康保險股份有限公司，北京100032)

引 言

熱帶氣旋(Tropical Cyclone，簡稱TC)是一種發生在熱帶海洋上的強烈風暴，是破壞力最強的自然災害之一[1]，主要影響西北太平洋(包括南海)、西北大西洋(包括墨西哥灣和加勒比海)和孟加拉灣海域[2]。我國所屬的西北太平洋及中國南海是全球TC活動最為頻繁的海域，年均約26個TC生成[3-4]。每年登陸的臺風所造成的人員及財產損失巨大，中國的東南沿海地區在全球范圍都屬于嚴重受影響區域[5]。自1983年以來，我國因TC造成的直接經濟損失的絕對值有顯著的增加趨勢[6]。據統計，1994-2013年，影響我國的氣象災害中，熱帶氣旋發生次數占總災害的37%，災害導致死亡人數占21%，造成直接經濟損失占17%，災害的強度及損失程度僅次于洪澇災害的強度及損失程度[7]。1990-2005年，我國大陸平均每年熱帶氣旋造成的經濟損失292億，死亡人數高達438人[8]。就單次熱帶氣旋侵襲我國的記錄來看，強臺風“碧利斯”造成了820人的死亡，210失蹤，以及348億元的直接經濟損失；超強臺風“桑美”造成了441人死亡，157人失蹤，194億元的直接經濟損失[9]。

熱帶氣旋的生成頻數及其影響一直是國內外氣象工作者致力研究的重點，特別是全球增暖的氣候背景下，熱帶氣旋頻數的年際、年代際變化及未來變化趨勢等問題越來越受到高度關注[10]。近年來，國內外在熱帶氣旋生成路徑、登陸熱帶氣旋影響大氣環流的機理，以及針對單次熱帶氣旋造成的影響等方面研究較多。如陳聯壽等[11-12]采用外場科學試驗與數值模擬相結合的方法，對登陸熱帶氣旋進行研究；殷潔等[13]構建了熱帶氣旋災情指數與強度等級的損失率曲線，計算了不同地區在不同強度等級下的經濟脆弱性；張穎超等[14]采用組合預測方法，根據一定的規則建立相應的組合預測模型來預測損失率。另外還有些學者基于逆推算法構建臺風氣象服務效益評估模型，從防臺減災總效益中分離出其中的氣象服務效益，實現臺風氣象服務效益的客觀化定量化評估[15]。在上述研究中，多數研究未將TC的特征和TC造成的嚴重經濟損失及社會要素影響結合起來，關于熱帶氣旋各項指標損失的定量分析研究較少，而且部分研究的統計資料時間較早，數據不夠全面準確。

經濟越發展，極端天氣氣候事件造成的經濟損失相應越大；科學技術的不斷創新發展，防災抗災能力則隨之增強。未來極端氣候事件造成的經濟相對損失將如何變化，成為氣象災害防御、防災減災規劃及災害保險行業關注的重點[16]。因此，在使用近年來形成的高精度資料的基礎上，通過對熱帶氣旋致災趨勢變化及災情損失的經濟定量化分析，以期為TC的災情預報和防災減災工作提供理論支持。

1 研究區及數據資料與方法

1.1 研究區概況

我國東部沿海11個省(區、市)承載著全國42%以上的人口和51%以上的國內生產總值(GDP)、65%的工業總產值[17]。我國東部沿海區域既是人口稠密、經濟發達地區，又是氣象災害多發的易災區，因此在氣候變化的大背景下，對我國東南沿海這一特殊區域進行研究尤為重要[18]。本研究選取我國東南沿海的廣西(區)、廣東、福建、浙江、江蘇、山東和上海市為研究區域。

1.2 數據與處理

本文所采用的資料分為三類：熱帶氣旋數據、社會經濟資料和災情統計資料。

(1)熱帶氣旋數據：來源于中國氣象局(CMA)熱帶氣旋資料中心的CMA最佳路徑數據集，其中包括熱帶氣旋每6 h中心位置(經度、緯度和強度等)。 將熱帶氣旋分為熱帶低壓(TD，近中心最大風速10.8-17.1 m/s)、熱帶風暴(TS，17.2-24.4 m/s)、強熱帶風暴(STS，24.5-32.6 m/s)、臺風(TY，32.7-41.4 m/s)、強臺風(STY，41.5-50.9 m/s)和超強臺風(superTY，≥51.0 m/s)。

(2)社會經濟資料：農業數據及經濟數據分別來源于《中國農產品價格調查年鑒》《中國統計年鑒》和《中國農村統計年鑒》。

(3)災情統計資料：文中選取的熱帶氣旋災情指標為死亡人數、受災農作物面積、倒塌房屋和直接經濟損失，來源于《全國氣候影響評價》《中國氣象災害大典》[19-20]及中華人民共和國民政部統計資料，并經數據整合處理。

重要的原始經濟數據整理如表1。

表1 1990-2016年沿海地區災害指標原始數據

續表

2 研究方法

2.1 損失指標經濟價值核算

為了使單位不同的災情指標能夠與直接經濟損失進行比較，體現災害損失的經濟價值，本文對災情指標進行了經濟價值估算處理。利用農產品生產者價格總指數、農業生產總值和農作物總產量，以及戶均住房建筑面積、農村竣工房屋造價等統計數據，對受災農作物和倒塌房屋進行經濟價值估算(采用CPI指數以2015年價格為基準折算，CPI=一組固定商品按當期價格計算的價值/一組固定商品按基期價格計算的價值×100)。

(a)受災農作物經濟損失

農作物價值隨時間變化的差異較為明顯，根據農產品生產者價格總指數(表2)，進行農作物的經濟價值核算:

Mj=100·Mj+i/Qj+1

(1)

其中,Mj為第j年農產品價格，Qj+1為第j+1年農產品生產者價格總指數。

表2 農產品生產者價格總指數

(b)倒塌房屋經濟損失

建筑物的倒塌主要以農村房屋倒塌為主，本文針對每間農村房屋建筑的經濟損失按照以下方式計算：倒塌房屋(元/間)=戶均住房面積單位(m2)×每平方米價值(元)，得到其中各要素主要年份的數據(表3)。

表3 農村房屋建筑數據統計

2.2 改進標準化的熵值法

為定量評估熱帶氣旋造成的損失，本研究設計了絕對損失分析、相對損失分析和綜合災情指數分析方法，得到可信結果。

(a)絕對損失分析方法：采用基于廣義帕累托分布(Generalized Pareto Distribution，GPD)的POT(Peaks Over Threshold)模型,對1990-2016年受災農作物損失、因災倒塌房屋數量和直接經濟損失超閾值數據進行建模分析。

(b)相對損失分析方法：首先根據單次熱帶氣旋的影響范圍，確立承災體總暴露數據，根據各項損失數據與承災體總暴露數據進行損失率的計算。由于各項損失指標存在差異，因此對計算得到的損失率進行無量綱和標準化處理，構建標準化后的損失率與熱帶氣旋強度之間的關系。

(c)綜合災情指數分析方法：利用標準化后的熵值法，確立3項損失指標的權重系數，建立綜合災情指數模型，分別計算絕對損失的綜合災情指數和相對損失的綜合災情指數，對比分析兩者年際變化趨勢。

選取1990-2016年熱帶氣旋災害的死亡人數、受災面積、倒塌房屋及直接經濟損失作為評估指標，根據標準化變換的熵值法[21-22]，將其首次引入TC的經濟損失評估中，重新確定權重系數，最終得到綜合評估指數。

在熱帶氣旋災害當中選取n個損失指標、m個評估年份，形成了判斷矩陣X=(Xij)m×n，其中i=1,2,…,m；j=1,2,…,n。對于指標Xj，指標值Xij相互之間的差距越大，則該指標在綜合評估中所起到的作用就越大，反之作用就越小;若各指標值均相等，該指標在綜合評估中不起任何作用。將上述的判斷矩陣歸一化處理，得到歸一化判斷矩陣B：

(2)

其中,xmax、xmin分別為同一指標下不同年份的最大值和最小值。根據熵的定義，為得到整個系統n個信息的離散度大小，采用評價指標的熵來表示：

(3)

式中，k表示玻爾茲曼常數，表現形式為k=1/lnm，fj表示的是系統中j個信息出現的概率大小。最后，計算評價指標的熵權

W=(wj)1×m

(4)

(5)

因此，熵權法是根據各個指標值的離散度的大小而確定權重的一種方法。

根據計算得出的權重系數，建立綜合災情指數模型：

Ii=w1ci+w2bi+w3di

(6)

其中c表示受災農作物面積，b表示因災倒塌房屋數量，d表示直接經濟損失，i表示不同單次熱帶氣旋。

3 結果與分析

3.1 影響我國熱帶氣旋的時空變化特征

1990-2016年的27年間，在西北太平洋及南海海域上生成的熱帶氣旋(TC)共771個，影響我國的TC共322個，平均每年有12個，約占總數的42%。其中TD為51個(占16%)、TS為68個(21%)、STS為82個(25%)、TY為73個(23%)、STY為42個(13%)及superTY為6個(2%)。影響我國的TC總數逐年分布很不均勻，較多年份可達19個，較少的年份不足8個。

3.1.1 時間變化特征

季節特征：影響我國的TC在一年中的4月到12月均有發生，頻數最多的活躍期為夏季的7-9月，約占全年總數的80%， 100%的STY和superTY、85%的TY均發生在該期間，8月最盛達到全年總數的31%，遠較其他月份的高，12月的最少，所占比例僅為0.3%；1-3月為TC的寧靜期，在此期間內生成的TC均未對我國境內造成影響。6月、10月為登陸我國熱帶氣旋的次高頻月份，兩月相比，6月登陸的頻數較多，強度較弱，而10月登陸的頻數較少，但強度整體強于6月的(圖1)。因此，影響我國的西北太平洋TC有發生時間集中且強度大的特征。

圖1 1990-2016年的TC頻數月際分布

在1990-2016年，登陸我國熱帶氣旋頻數最多的活躍期為夏季的7-9月,且生成路徑相對偏北，1-3月為TC的寧靜期,生成路徑相對偏南。廣東、福建和浙江省為我國受熱帶氣旋災害影響最為嚴重的省份。

年特征：據統計分析結果，在1990-2016年，影響我國的TC頻數年際變化整體無明顯變化特征。TD頻數存在較弱的減少趨勢，2001年為6個，達到最大值，2001年后減小趨勢顯著；TS頻數的長期變化趨勢并不顯著，2009年為8個，達到最大值，后呈現出減少的趨勢；STS頻數呈現較為明顯的逐年減少趨勢，1994年7個，為最大值；TY在2001年和2003年為6個，達到最大值；STY和superTY頻數均存在較明顯的增加趨勢，83%的STY均生成于2004年后，superTY主要發生于2006年以后。可見，影響我國的不同強度的西太平洋TC頻數逐年變化趨勢不完全一致，整體減小趨勢主要受低強度TC(包括TD、TS和STS)頻數變化的影響較為顯著，而高強度TC(TY、STY和superTY)的頻數在逐年增多。

圖2為6類不同強度TC頻率的年際變化。由圖2可看出，長時間尺度下熱帶氣旋有著顯著的低強度減少、高強度增加的趨勢；而短時間尺度下熱帶氣旋的頻數變化呈現出低強度熱帶氣旋波動性緩慢減少、高強度熱帶氣旋逐漸增加的趨勢。

年代際特征：影響我國的TC頻數年代際變化減少趨勢不顯著，將TC劃分為低強度(包括TD、TS和STS)和高強度(包括TY、STY和superTY)兩類，圖2中低強度的TC頻數隨年代際呈現較為明顯的下降趨勢，而高強度的TC頻數隨年代際上升趨勢顯著。最高值出現在2007-2011年共發生65個，年均13個；最低值出現在2012-2016年共54個，年均10.8個。從目前趨勢來看，在影響我國的TC總數逐年差異無明顯變化的前提下，低強度的TC明顯逐年減少，相反，高強度的TC逐年增多趨勢明顯，假定社會經濟發展水平固定不變時，熱帶氣旋災害造成的風險程度將增加。

圖2 1992-2016年不同強度TC的頻數年際變化

3.1.2 空間變化特征

首先，從熱帶氣旋登陸我國的路徑看：在1990-2016年，登陸我國的TC共211個，占西北太平洋和南海海域生成TC總數的63%。影響我國TC的范圍為3.0°-15.9°N、100.2°-124.0°E，TC源地具有明顯的緯度帶特性和經度帶特性，絕大多數TC由東南方向侵入我國，且高強度TC登陸均由此路徑登陸，少數由正南方向或者正東方向進入我國。熱帶氣旋發生的高頻時期有一定的北上特征，而發生的低頻時期有南撤的特征。基于這一特點，影響我國的熱帶氣旋在發生的低頻時期，影響我國山東以北的概率極低，主要造成我國山東以南省份的損失；而熱帶氣旋發生的高頻時期，有一定可能到達山東、河北、北京、甚至遼寧，對這些省份造成人員傷亡及經濟損失。1996-2000年登陸我國TC頻數最少，共28個；1990-1995年最多，為55個。

其次，我國受TC影響較為嚴重的沿海區域有廣西、廣東、福建、浙江、上海、江西、臺灣和海南(圖3)。由于地理位置的特殊性，不同區域受TC災害影響途徑分為直接影響和間接影響。對于沿海地區，TC直接由海岸線登陸造成的災害程度遠高于間接登陸造成的災害程度。因此對于特定區域進行TC防災減災決策時，考慮TC間接登陸比例十分重要。對廣西造成影響的 TC共49個，其中直接登陸的僅為1個；浙江TC間接登陸的比例為52%；福建TC間接登陸的比例為37%；廣東省間接登陸的為77%，為全國最高的省份。廣西位于廣東西側、海南北側，其受TC影響頻數較多，但災情并不嚴重。我國上海以北地區受TC直接登陸的影響可能性較小，但由于受TC影響頻數較少，因此對TC的防御應急工作不如南部沿海地區的，單次災害造成的損失相對較高。

圖3 1990-2016年不同強度TC登陸并影響到各省市的TCs頻數

3.2 熱帶氣旋災害損失評估

3.2.1 災情分指標變化特征

自然災害造成的直接經濟損失包括災害直接造成的物質形態的破壞，如糧食產量的下降，房屋建筑、公共設施及設備的破壞等[23-24]。由熱帶氣旋所引起的直接經濟損失主要涵蓋了倒塌房屋、農作物、道路路面、電力設施及水利設施等。農作物損失、房屋損失逐年減少，在直接經濟損失中的占比也大幅下降，因此水利損失、道路損失應逐年上升，并在直接經濟損失中占據了較大的比例。對于水利損失和道路損失等方面，統計資料中不易獲取官方資料，可通過農作物損失和房屋損失推算得出。

熱帶氣旋主要影響為對人身傷亡造成的影響、使農作物受災、造成房屋倒塌和社會范圍內的直接經濟損失。圖4將4項損失指標進行省份的空間可視化。由1990-2016年累計的損失數據可看出，熱帶氣旋災害使浙江共死亡約2560人，累計值為所有省份最高值，達總體死亡人數的38%；上海死亡人數最少，共24人，占總體死亡人數的0.4%。廣東的農作物受災面積累計值為1335萬公頃，占總受災面積累計值的30%，上海市受災面積僅占總體的0.8%。廣東的倒塌房屋累計值為148萬間，占倒塌房屋總數的31%，上海最少，倒塌1.8萬間，占比0.4%。浙江的直接經濟損失最為嚴重，累計達到2733億元，占直接經濟損失總數的33%，其次是廣東的，占總數的29%。

圖4 1990-2016年各省災害損失分布圖(a)死亡人數,(b)農作物受災面積,(c)倒塌房屋數量,(d)直接經濟損失災害損失累計值

將農作物受災面積、倒塌房屋數量及直接經濟損失3項指標，根據前文中的方法進行損失指標的經濟價值核算。以2015年為基年進行價格核算，分析結果表明，1990-1997年為經濟損失波動較大年份，經濟損失波動幅度較為劇烈，并無顯著的變化趨勢；而1998-2016年，除去2006年和2013年兩個小高峰年份，其余年份的經濟損失變化趨勢趨于平緩。從整體時間段來看，房屋經濟損失和農作物經濟損失的線性年變化幾乎完全一致，隨著熱帶氣旋的年代際增多呈現出經濟損失顯著減小的趨勢；而直接經濟損失與房屋經濟損失和農作物經濟損失呈負相關，隨著熱帶氣旋的頻數增多呈現出較為明顯的直接經濟損失大幅上升的趨勢。

3.2.2 綜合災情指標變化特征

在進行綜合災情指標分析時， 使用絕對損失數據統計分析、相對損失分析的方法，利用標準化后的熵值法確立3項損失指標的權重系數，建立綜合災情指數模型，分別計算絕對損失災情指數和相對損失災情指數，對比分析兩者年際變化趨勢，最后分析測算了綜合災情指數。

絕對損失以1998年為節點,前后形成鮮明的對比。1998年以前的經濟損失較大，且波動不穩定，而1998年之后的經濟損失呈現出穩步下降的趨勢。在進行相對損失分析的時候，對研究時段劃分為1990-1998年，1999-2007年，2008-2016年三個以9年為單位的時段進行對比分析。

分析結果(表4-6)表明，三個時段的熱帶氣旋總數變化不大，第一時段和第二時段的熱帶氣旋頻數集中在強熱帶氣旋和臺風頻數上，第二時段比第一時段的強臺風和超強臺風頻數更多，而在第三時段中，強臺風和超強臺風占據了絕大多數的熱帶氣旋頻數。第一時段的熱帶氣旋強度相對較低，但是大災比例達到了全部大災的67%，即災害強度小但是造成的災情嚴重；第三個時段的熱帶氣旋強度集中在強臺風和超強臺風級別，但是災情為大災的概率是0，小災占了所有小災的49%，即災害強度高但是造成的災情較輕。第二個時段的三類災度基本占了總體的1/3，即處于兩個時段的中間情況。總體而言，高強度熱帶氣旋頻數逐漸增多的前提下，造成的災度反而減少。

表4 1990-1998年不同強度等級熱帶氣旋的災度測算結果

在進行災情損失評估時，由于人類的特殊性，死亡人數無法和其他災害損失的含義相比較，對于損失指標“死亡人數”的考量不納入經濟損失計算當中。因此根據熵值法確定倒塌房屋、農作物受災面積及直接經濟損失這3項熱帶氣旋損失指標的權重值wj=(0.4669,0.2432,0.2899)(j=1,2,3)，其中w1(倒塌房屋)>w2(受災面積)>w3(直接經濟損失)。將權重系數帶入到各項損失指標中，計算得出熱帶氣旋的綜合災情指數。

表5 1999-2007年不同強度等級熱帶氣旋的災度測算結果

表6 2008-2016年不同強度等級熱帶氣旋的災度測算結果

圖5給出了各項評估指標的綜合變化情況。從圖5可看出，以1998年為節點，1990-1997年的熱帶氣旋災害綜合損失值比較大，平均值為6.3，1998-2016年的綜合損失值逐漸減少，僅在2006年存在一個小高峰。由于2006年0604號熱帶氣旋對廣東省造成了183人的死亡、134億元的直接經濟損失，對福建省造成了92人死亡及47億元的直接經濟損失，因此2006年成為熱帶氣旋受災嚴重的一年。1998-2016年若除去2006年的情況，綜合損失均值為2.61，其余年份之間的年際變化相對較小，處于相對平緩的狀態；若不除去2006年的情況，綜合損失均值為2.92。近年來，隨著熱帶氣旋災害與我國社會經濟發展間存在著愈發明顯的聯系，我國相關部門加強了對熱帶氣旋的防御措施及預測體系；同時，居民防災防風意識也逐漸增強，在防御熱帶氣旋方面能力提升較快。因此，從整體上來看，熱帶氣旋天氣對沿海省份造成的影響有減緩趨勢，綜合災情指數處于相對平緩的狀態。

根據1990-2016年各省份的絕對損失綜合災情指數進行分類，整體來看，高強度熱帶氣旋造成的災情指數為12.35，是低強度指數的3倍。在高強度熱帶氣旋造成的綜合災情指數中，浙江省占比最大，約為27.9%，其次是廣東省的，占比約27.2%，指數最小的是上海市，占比為0.68%。在低強度熱帶氣旋造成的綜合災情指數中，廣東省的位居第一，占比約38.6%，其次是廣西的，占比25.3%，最小的仍然是上海市，占比約0.12%。高強度和低強度熱帶氣旋的綜合災情指數均小的是江蘇省和上海市，整體熱帶氣旋造成的綜合災情指數最高的省份是廣東省，為5.04，其次是浙江省的3.80，第三個省份是福建省的2.89。

圖5 1990-2016年綜合災情指數、因災死亡人數指數的變化趨勢

根據上述綜合災情指數計算模型，分別計算1990-2016年的絕對損失和相對損失的綜合災情指數，并分別建立低強度熱帶氣旋的絕對損失時間序列(圖6a)、相對損失時間序列(圖6c)和高強度熱帶氣旋的絕對損失時間序列(圖6b)、相對損失時間序列(圖6d)。將熱帶氣旋按強弱等級分離后可明顯看出，絕對損失的高強度熱帶氣旋綜合災情指數隨時間均呈現出比低強度熱帶氣旋更為明顯下降的趨勢；相對損失的綜合災情指數變化同絕對損失的相同，但高、低強度的下降趨勢比絕對損失的下降趨勢更為明顯，兩者相關系數也明顯高于絕對損失的相應相關系數。說明在熱帶氣旋強度隨時間有所增強時，由于抗災能力的日益增強，對高強度的熱帶氣旋防范取得的效果更顯著，原因可能是低強度的熱帶氣旋造成的損失比高強度造成的損失低，因此抗災能力的增強使其減少量比高強度的少。

圖6 1990-2016年綜合災情指數變化趨勢(a)低強度熱帶氣旋絕對損失的綜合災情指數變化趨勢；(b)高強度熱帶氣旋絕對損失的綜合災情指數變化趨勢；

4 結論與討論

通過分析1990-2016年影響我國沿海地區熱帶氣旋災害的時空分布特征和損失評估，得到以下結論：

(1)影響我國的熱帶氣旋總量無明顯年際變化，但低強度熱帶氣旋逐年減少，高強熱帶氣旋顯著增多；影響我國的西北太平洋TC有發生時間集中且強度大的特征；頻數最多的活躍期為夏季的7-9月,且生成路徑相對偏北，1-3月為TC的寧靜期,生成路徑相對偏南。這種狀況影響到熱帶氣旋致災的范圍和強度的變化，廣東、福建和浙江為我國受熱帶氣旋災害影響最為嚴重的省份。

(2)根據標準化的熵值法變換，確定的熱帶氣旋災害指標權重大小為：倒塌房屋的權重>受災面積的權重>直接經濟損失的權重。經過對倒塌房屋數量、受災農作物面積和直接經濟損失這3項損失指標的經濟核算得出，倒塌房屋的經濟價值和受災農作物的經濟價值隨年代際為減小趨勢，而直接經濟損失的年代際增加趨勢較為明顯。

(3)比較1990-1997年和1998-2016年的熱帶氣旋的綜合災情損失指數發現，前者明顯大于后者；前者的年際波動較大，主要是受倒塌房屋數量的影響較為明顯；后者主要受直接經濟損失的影響，顯著減小且趨于平緩變化。其中1994年、1997年、2006年為熱帶氣旋的巨災年，所占比例較小。運用熵值法確定的綜合災情指數模型對熱帶氣旋災情指數計算的結果顯示，低強度熱帶氣旋造成的災情年際減少趨勢更為明顯。

需要進一步討論的是：

(1)定量地分析揭示熱帶氣旋對我國經濟發展的影響和災害損失，是氣象學與經濟學結合研究的一個重要課題。通過分析中國東部沿海TC的災害時空特征和災害強度特征，評估其造成的經濟損失，具有很強的探索性。例如，我國東部沿海地區經濟發展迅速，第二、第三產業的產值增長較第一產業的快，科學技術發展及固定資產占比遠大于農作物的經濟占比及農村經濟占比，因此直接損失上升；隨著科技進步、經濟發展及抗災能力大大提高，占比較小的農作物及農村房屋經濟損失下降顯著。這些因素如何準確地估量和計算，需要新的方法和新的工作。

(2)運用新構建的TC綜合災情指數模型，評估TC造成的經濟損失，還帶有一定的不確定性。例如，由于直接經濟損失的來源隨著年代變化而范圍更廣，并且所造成經濟損失的目標經濟增長價值大于CPI指數，使核算為2015年價值時核算值偏小，需要調整和改進。又如，可以推斷未來造成直接經濟損失大幅上升的主要方面是道路損失、水利損失、公共設施損失及影響整個經濟活動的損失等方面，而這些方面的統計數據不易獲得，且數據質量有待提高。

(3)基于近27年登陸沿海區域熱帶氣旋和災害數據，采用絕對損失分析和相對損失分析方法，首次將熵值方法運用到熱帶氣旋導致的災情分析中，研究明確了熱帶氣旋特征和災害強度，構建了災情指數模型評估其損失。該研究有別于單一的熱帶氣旋特征分析及單一的災害損失分析，所得結果有實際參考價值，值得推廣運用，但所構建的災情指數模型本身也需要根據經濟社會發展的實際不斷加以完善。