1 引言

进入21世纪以来，极端天气、气候事件在全球范围内频繁发生，极端事件成为一项重要的研究课题。全球变暖导致极端天气、气候事件增多，从而对社会、经济和自然生态系统造成了十分严重的影响。根据瑞士再保险公司和慕尼黑再保险公司的历史灾情数据显示，在过去20年灾害发生频率呈明显上升趋势（Guha-Sapir et al., 2015）。发展中国家在许多情况下，灾害损失甚至超过了国民生产总值（GDP）的3%，引发严重的经济危机（史培军等，2009）。中国所研究的极端事件种类较少，主要集中在气温和降水方面，CMIP5模式的评估结果对气温和降水等极端天气、气候事件评估的置信度也较高，而热带气旋（Tropical cyclone，TC）灾害影响在十大自然灾害中高居首位，我国又是热带气旋灾害最为严重的国家，对人类生活及社会经济的发展影响极大（王绍武等，1999; 陈联寿和孟智勇，2001），而CMIP5模式对于强热带气旋的变化预估仍处于低信度（赵宗慈等，2014）。

在1994~2013年间，影响我国的气象灾害中，热带气旋发生次数占总灾害的37%，灾害导致死亡人数占21%，造成直接经济损失占17%，灾害的强度及损失程度仅次于洪涝灾害（吴吉东等，2014）。在1990~2005年间，我国大陆平均每年热带气旋造成的经济损失292亿，死亡人数高达438人（秦大河，2008）。就单次热带气旋侵袭我国的记录来看，强台风“碧利斯”造成了820人的死亡，210人失踪，以及348亿元的直接经济损失；超强台风“桑美”造成了441人死亡，157人失踪，194亿元的直接经济损失（刘彤和闫天池，2011）。台风所造成的人员及财产损失，中国的东南沿海地区在全球范围都属于严重受灾区域（Shi et al., 2016）。

在过去几十年，西北太平洋是世界上TC活动最频繁的地区，且近年来的活动规律发生了明显的变化（Emanuel，2005；Wu and Wang, 2008；毕鑫鑫等，2017），TC的潜在破坏力明显增强，超强TC数量显著上升（Webster et al., 2005）。1950~2008年间，登陆我国的TC频次有一定的下降趋势（任国玉等，2010）。1978~2007年经过中国沿海的TC个数变化不大，仅福建沿海一带略有增加（黄伟，2013）。2010年生成TC频次明显偏少，生成源地偏西，而登陆TC频次与常年持平（龚振淞和陈丽娟，2013）。

我国的广东省位于太平洋西岸，是西太平洋TC登陆我国的主要地区，TC灾害给广东省每年造成约60亿元的损失，有些年份直接损失可达100~200亿元。20世纪90年代以来，TC给广东省造成的损失更为严重，对于既是人口密集区又是国民经济和社会发展的核心地带，广东省成为了TC灾害的重点研究区域。

自1983年以来，我国因TC造成的直接经济损失的绝对值有显著的增加趋势，但其主要原因是我国经济的迅猛发展（Zhang et al., 2009）。经济发展越迅速，极端天气气候事件造成的经济损失相应增加；科学技术的不断更新发展，防灾抗灾能力也随之增强。未来极端气候事件造成的经济相对损失将如何变化，成为气象灾害防御、防灾减灾规划以及灾害保险行业关注重点（丑洁明等，2016）。为了进一步深入探讨极端气候事件对我国带来的社会经济影响，本文对TC影响最为严重的广东省进行详细的统计分析，研究TC登陆特征及变化趋势，考虑社会发展的影响，定量评估分析TC的各项指标造成的直接损失，为广东省今后在TC灾害防御政策、防灾减灾力度以及重点区域防范提供重要的参考依据。

2 资料与方法 2.1 资料来源

本文所采用的资料分为三大类：灾情统计资料，社会经济资料和热带气旋数据。（1）灾情统计资料：文中选取的热带气旋灾情指标为受灾人数、死亡人数、受灾农作物面积、倒塌房屋和直接经济损失（温克刚，1991~1997；广东省气象局，1997~2016）；（2）社会经济资料：选取1990~2015年广东省人口密度、耕地面积、农作物播种面积、国内生产总值（GDP）等（广东省统计局，1991~2016；广东省统计局，2015）；（3）热带气旋数据：来源于中国气象局（CMA）热带气旋资料中心的CMA最佳路径数据集，其中包括热带气旋每6小时中心位置（经度、纬度和强度等）。

2.2 方法与指标 2.2.1 损失的经济价值计算

为了使单位不同的灾情指标能够与直接经济损失进行比较，体现灾害损失的经济价值。本文对灾情指标进行了经济价值估算处理。利用农作物比例、农作物价格指数等农业数据，以及建筑房屋面积、每户常住人口和每平方米造价等统计数据，对受灾农作物和倒塌房屋进行经济价值估算（以2015年价格为参照）。

（a）受灾农作物经济损失

农作物分布具有较强的区域差异，根据广东省主要农作物各项指标（表 1），对广东省进行区域农作物的经济价值核算，计算公式如下：

$ {{P}_{j}}=\sum\nolimits_{i=1}^{n}{{{C}_{ij}}{{S}_{j}}{{R}_{ij}}}, $

(1)

其中，C_ij为第j个热带气旋所在年份的i类农作物价格，S_j为第j个热带气旋的农作物损失总暴露量，R_ij为第j个热带气旋所在年份的i类农作物比例，P_j为第j个热带气旋各类农作物损失价格总和。

（b）倒塌房屋经济损失

建筑物的倒塌主要以农村房屋倒塌为主，本文针对每间农村房屋建筑的经济损失按照以下方式计算：倒塌房屋（单位：元/间）=常住人口×人均住房面积（单位：m²）×每平方米价值（单位：元），其中各要素主要年份的统计数据见表 2。

2.2.2 热带气旋灾害指数

本文热带气旋灾害的致灾因子危险性和承灾体脆弱性采用灾次指数T（某县级单元内发生灾害的总频次）和承灾体指数C（热带气旋发生区域内的承灾体强度）进行评价，计算公式为

$ {{C}_{j}}={{W}_{i}}\times {{D}_{ij}}, $

(2)

其中，C_j指第j县级单元的承灾体指数，W_i指i（i = 1, 2, 3, …）指标权重，D_ij指第j单元的i指标标准化值。

根据自然灾害系统理论，以及考虑到资料的易获取性，本文采用牛海燕等（2011）方法，选取的5项指标作为承灾体脆弱性指标，通过对5项指标进行标准化处理后，采用层次分析法确定权重（表 3）。

热带气旋灾害区域风险评估采用风险指数W表示，计算公式如下：

$ {{W}_{j}}=\left({{T}_{j}}/n \right)\times {{C}_{j}}, $

(3)

其中，W_j指第j单元的风险指数，T_j指第j单元的灾次指数，C_j指第j单元的承灾体指数。

2.2.3 综合灾情指数模型改进

灾度是进行灾害等级判别的一种方法，依据死亡人口和直接经济损失将自然灾害的灾情分为5个灾度。灾损率则反映了自然灾害损失占灾区经济生活和社会生产总量的比率。综合灾情指数模型是一种基于几何平均的综合灾情指数方法，在时间和空间上对给定区域进行定量化的灾情评价。（赵阿兴和马宗晋，1993；张鹏等，2015）。

针对TC灾害在给定区域的定量化灾情指数研究较少，因此本文根据已有的TC灾情统计资料，改进徐敬海等（2012）提出以死亡人数、受灾人数和直接经济损失为影响因子的灾度计算模型。根据热带气旋造成灾害的特殊性，本文对综合灾情指数模型进行如下三点改进：

（1）引入农作物受灾面积和房屋倒塌数量两个指标对上述模型进行完善；

（2）将农作物受灾面积和直接经济损失以相对值代替损失值作为模型的影响因子，消除了年代变化和区域变化产生的差异性。在确定受灾区内的暴露总量时，选择200 km作为每个TC的缓冲区，确定TC影响的总暴露范围；

（3）采用层次分析法（AHP）确定5个影响因子的权重，根据“以人为本”的灾度计算需求，建立有序递阶的指标体系，通过比较各指标的相对重要性来综合计算指标的权重系数。层次分析法得出的权重系数，最终选取方案的一致性比例（CR=0.009＜0.10），具有令人满意的一致性。改进后模型如下：

$ \begin{align} & D=0.46{\rm lo}{{{\rm g}}_{10}}(P+1)+0.05{\rm lo}{{{\rm g}}_{10}}K+0.14{\rm lo}{{{\rm g}}_{10}}B+ \\ &~~~~~~~~~~~~~ {{0.091}^{{{S}_{{\rm d}}}/{{S}_{{\rm a}}}}}+{{0.261}^{E/{\rm GDP}}}, \\ \end{align} $

(4)

其中，D表示灾度，P为死亡人数（单位：人），K为受灾人数（单位：万人），B为倒塌房屋数量（单位：间），S_d为受灾农作物面积，S_a为受灾区总耕地面积，E为直接经济损失（单位与GDP一致），GDP为区域内国民生产总值的总暴露量。

3 结果分析 3.1 1990~2015年影响广东省TC的时空分析 3.1.1 时间分析

在1990~2015年间，登陆我国的TC共314个，其中登陆广东省93个，占总数的29.6%。在93个TC中有67个对广东省造成了人员伤亡和经济损失。本文利用1990~2015年登陆广东省的TC资料，将热带气旋划分为6个等级（中华人民共和国国家质量监督检查检疫总局，2006）：热带低压（风力6~7级，TD）、热带风暴（风力8~9级，TS）、强热带风暴（风力10~11级，STS）、台风（风力12~13级，TY）、强台风（风力14~15级，STY）和超强台风（风力≥16级，superTY）。对67个热带气旋进行年代际变化、登陆频次以及强度分析。

在26年间，登陆广东省并对该省造成人员伤亡及经济损失的TC共67个，平均每年2.6个。从强度方面分析，登陆强度等级为STS的频次最多（33%），superTY频次最少（3%）。由登陆广东的TC月份分布（图 1a）可知，影响广东省的TC时段主要集中在4~10月。其中7~9月为TC登陆的高峰期，占全年登陆总数的81%，其余月份分别是6月（约占12%）、10月（约占4%）、4月和5月（约占1%）。TC登陆具有时间集中、强度集中的特点，绝大多数强度大于TY的TC均于7~9月间对广东省造成影响。

从5年际TC强度频次分布（图 1b）中可以看出，影响广东省TC频次整体随时间呈现出较弱的减少趋势，热带气旋（包括TD、TS、STS）登陆强度较低（Ltc）的频次随年际呈现较为明显地减少变化趋势；而热带气旋（包括TY、STY、superTY）登陆强度较高（称Htc）的频次呈现较为明显的逐年上升趋势。即强度大的热带气旋逐年增多，强度小的热带气旋逐年减少，增加减小趋势相互抵消，使总频次变化不明显。

3.1.2 空间分析

影响广东省的TC生成源地位于（8°~21°N，110°~160°E）范围内（图 2），美国联合热带气旋检测中心（Joint Typhoon Warning Center, JTWC）将西北太平洋和南海区域的热带气旋生成源地划分为3个主要区域（http://www.usno.navy.mil/JTWC/ [2017-05-01]）：120°E以西、120°~145°E区域、145°E~180°。影响广东省TC主要生成于前两个区域范围内，并呈现出较好的纬度带特性。

广东省各县级单元TC灾害危险性在空间上差异显著并呈现出较强的纬带差异（图 3a），沿海区县的受灾频次显著高于非沿海区县，西南地区的受灾频次普遍高于东北地区。其中湛江市廉江为高频受灾区，26年间共受13个TC影响，占总灾频的19%，湛江市、茂名市等多数单元受灾频次达到9次以上，韶关市、清远市受灾频次较少，多数单元受灾频次均在3次以下。根据广东省受TC侵袭的灾次指数分布、社会经济发展水平和地理位置等特征，将广东省大致分为4个灾频区域：粤西、珠江三角洲、粤东和粤北区域。粤西与珠江三角洲地区受TC侵袭频次明显高于粤东和粤北地区。

广东省各县级单元承灾体脆弱性空间分布（图 3b）不均匀，呈现出明显的沿海区县脆弱性高于非沿海区县的特征。河源市、韶关市和梅州市脆弱性最低，80%以上的地区脆弱性指数小于2，其次是清远市、肇庆市，珠江三角洲地区、汕头市、汕尾市以及湛江市脆弱性最高，92%地区的脆弱性指数值达到3.88以上。广东省各县级单元的承灾体脆弱性分布与危险性分布呈现出空间上高度匹配，即危险性高的地区承灾体脆弱性高，危险性低的地区承灾体脆弱性低。珠江三角洲、粤西地区表现为高危险性、高脆弱性特征；粤北地区表现为低危险性、低脆弱性特征；粤东地区表现为低危险性、高脆弱性特征。

对广东省县级单元进行风险评价（图 3c），结果表明：广东省热带气旋灾害风险空间分布差异显著。清远市的80%地区风险指数数值处于0.15以下，韶关市的64%地区风险指数数值处于0.21以下，属于热带气旋灾害低风险区域；而珠江三角洲地区、湛江市、汕尾市、汕头市、江门市以及茂名市风险指数数值均达到0.71以上，属于热带气旋灾害高风险区域；肇庆市的70%区域、阳江市的73%区域属于中高风险区域，其他地区风险指数数值均在0.48以下，属于中低风险区域。

3.2 TC灾害损失年际变化特征

广东省每年登陆的TC是全国中频次最多的省份，但是单次台风造成的灾害损失却远小于浙江省这些频次略低的省份（张娇艳等，2011）。各项TC灾害损失指标的年代际变化可以反映该省份对灾害防范措施取得成果的有效程度，并且根据损失程度趋势为今后防灾减灾工作提供定量化的科学依据。广东省各项TC灾害指标年变化如下：

（1）受灾人数（图 4a）：受灾人数随年际变化整体呈现减少趋势，近10年年际受灾人数均值为710万人；2013年为重灾年，受灾总人数达到1972万人之多；除2013年以外，2007~2015年间每年受灾总人数均在600万人以下，是1990~1995年5年年际均值的1/3。受灾人数相对指标整体呈下降趋势，近10年的受灾人数灾损率在20%以下。

（2）死亡人口（图 4b）：死亡人口随年际变化呈明显的减少趋势。以1997年为转折点，1990~1995年间5年年际死亡人数均值为121人；1996年以后每年广东省因热带气旋死亡人数未超过100人，近年来死亡人数年均值在26人左右，死亡率在0.95‰以下。

（3）农作物受灾面积（图 4c）：1990~1995年登陆TC频次为26年来最多的年份，导致农作物受灾面积均值较大；近10年每年农作物受灾面积在5000平方公里左右。

（4）倒塌房屋（图 4d）：房屋倒塌数量随年际变化呈明显的减少趋势。与死亡人口相同均以1997年为转折点，1997年以前5年年际倒塌房屋数量均值为11.646万间，1997年以后因TC造成的倒塌房屋数量急速减少，房屋倒塌率在0.32%以下。

（5）直接经济损失（图 4e）：近26年广东省因TC灾害造成的直接经济损失绝对值呈现先减少后增加的趋势；1994~2012年间，除2006年直接经济损失超过了150亿元以外，其余年份整体呈现减少趋势；2013~2015年与之前年份相比，直接经济损失金额上升较为明显，3年均值为317亿元，是1990~1997年均值的3倍，是1998~2012年均值的7倍。从TC造成的直接经济损失率来看，TC造成直接经济损失占当年GDP的比率成下降趋势，1998~2015年间损失率在0.5%以下。

将农作物经济损失、倒塌房屋经济损失以及直接经济损失以2015年价格进行核算，GDP损失率（图 4f）表示3项损失指标的经济损失价值占广东省GDP比重，可知26年农作物、房屋和直接经济的经济损失均以1997年为转折点，可以分为两个阶段。（1）1997年以前各项损失的百分比处于相对较高的比重：房屋倒塌经济损失均值占总GDP的0.3%左右，农作物经济损失占总GDP的0.14‰左右，直接经济损失占总GDP的1.6%左右；（2）1997年以后各项指标的经济损失占总GDP的比重急速减少，房屋倒塌经济损失均值占总GDP的0.1%以下，农作物经济损失占总GDP的0.01‰以下，直接经济损失占总GDP的0.4%左右。

3.3 TC灾害损失率及灾度分析

在进行TC灾害强度分析时，由于社会经济存在空间分布差异，为考虑消除区域差异，本文构建灾害指标（人口受灾、房屋倒塌、农作物受灾和直接经济损失）“损失率”进行灾情分析。由于强度相同的灾害造成损失处于较为稳定的范围内，因此采用同等强度灾害平均值代表该等级灾害损失率（殷洁等，2013）。如图 5所示，不同强度等级的TC灾害与各灾害指标损失率之间存在着明显的指数正相关关系，人口受灾率（损失在5%~35%之间）、农作物受灾率（损失在5%~35%之间）和直接经济损失（损失在0.1%~3.0%之间）的判定系数（R²）均在0.94以上；房屋倒塌率R²在0.83以上。强度为STS和TY时，对房屋的破坏程度处于一个较为一致的平稳比例，其原因可能是由于防灾减灾工程的日益完善，房屋建筑结构的抗灾能力有所增强，使房屋在抵抗TY灾害时受到与STS相同等级程度的破坏，但面对强度大于TY的TC时，房屋的倒塌率显著上升，抗灾能力明显下降。

根据改进后的综合灾情指数计算模型，计算1990~2015年间的67个TC得出综合灾情指数，分别建立了低强度TC（Ltc）的时间序列（图 5e），高强度TC（Htc）的时间序列（图 5f）。将TC按强弱等级分离后可明显看出，Ltc综合灾情指数随时间呈现出明显下降的趋势；而在Htc中减小的趋势极其微弱。说明在TC强度随时间有所增强时，由于抗灾能力的日益增强，Ltc造成的整体损失随着年际变化逐步减少；而对于Htc随年际变化减弱程度较小，抗灾能力增强效果不明显。

4 主要结论

本文运用灾频指数、灾情经济估算、综合灾情指数模型等对1990~2015年间登陆广东省的TC进行了灾害特征时空分析、灾情年际变化分析以及灾害强度特征分析，主要得出以下结论：

（1）在过去26年间，登陆广东省的热带气旋共67个，发生在7~9月居多，Ltc频次随时间减少，Htc频次随时间增多，总频次呈现较弱的减少趋势。

（2）广东省内高频受灾区集中在粤西和珠江三角洲地区，其中湛江市、广州市、佛山市和惠州市灾害频率均在10次以上。

（3）受灾人数和受灾农作物面积5年均值呈现波动性减小趋势，死亡人口和房屋倒塌数量5年均值呈现出较为明显的递减趋势，直接经济损失则先减少后增加。其原因可能为近年来广东省政府对TC的预报机制逐步完善，提前做好了灾害预警环节，并对房屋建筑进行抗灾能力的提升，减小损失发生。

（4）将损失指标折算为以2015年价格为准后，各项指标造成的经济损失以1997年为转折点，损失呈现出十分明显的骤降趋势。可能原因如下：广东省自1995年创刊《广东省防灾减灾年鉴》以来，大力加强了对自然灾害的预警和防范机制，并逐步建立了一系列防灾减灾平台；广东省是中国经济发展最快的省份，1997年前GDP以平稳线性增长，1997年以后呈现出指数型增长，使灾害造成的损失占总体比重迅速下降。

（5）各项损失相对值与TC强度之间存在较好的指数正相关关系，通过修正后综合灾情指数模型对67个热带气旋进行灾情指数计算得出：Ltc造成的灾情有明显的年际减少趋势；而Htc这种减少趋势并不明显。说明广东省对于强度较低的TC防灾减灾能力显著提升，而对于高强度等级的TC防范能力提升的较小，效果不显著。

随着年代际变化，登陆广东省TC频次减少，强度增加。尽管经济发展带来了各项暴露度的经济价值急速上升，但随着防灾减灾能力增强，对强度较低的TC灾害的防御能力效果极为显著，在此基础上应加强对高强度TC灾害的预报和防御工作。将广东省以县级为单元进行分析，有利于减灾过程中有针对性地进行重点防御。本文局限性在于：（1）社会统计资料的不全面，未能将防灾减灾成本纳入损失计算中；（2）由于资料限制，将每个TC选取相同的缓冲半径进行暴露总量的处理，使各项指标的总受灾区域存在一定误差。