气候变化背景下我国城市高温热浪的风险分析与评估

1、宋晨阳，王 锋，张韧，等. 气候变化背景下我国城市高温热浪的风险分析与评估J.灾害学, 2016,31（4）:000-000. Wang Yun, Chi Fei, Chen An. Risk analysis and assessment of high-temperature and heat-wave disaster in Chinese cities under the background of climate change J.Journal of Catastrophology, 2015,30（4）：000-000.气候变化背景下我国城市高温热浪的风险分析与评估宋晨阳1，王

2、锋2，张 韧1，白成祖1，刘科峰1，龙 强2（1解放军理工大学气象海洋学院，江苏 南京 ；2河北省唐山市曹妃甸工业区气象局，河北 唐山 ）摘 要：针对气候变化背景下高温热浪愈加频繁的变化趋势，从风险分析角度提出了高温热浪灾害风险概念模型，探讨了我国1983-2012年高温热浪频数和强度的变化特征；为解决风险评估建模时决策者难以有效评判的情况，构建了犹豫层次分析法（Hesitant Analytic Hierarchy Process，H-AHP）和逼近于理想解的排序方法（Technique for Order Preference by Similarity to Ideal Solution

3、，TOPSIS）相结合的高温热浪风险评估模型，并以华东地区6座城市作为承险体进行了分析验证。结果表明，所建模型能够合理构建高温热浪风险指标体系，得到与事实接近的量化评估结果，研究思想和方法途径可为其他气候灾害评估和风险防范提供参考。关键词：高温热浪；犹豫层次分析法；TOPSIS；风险评估；蒙特卡洛模拟中图分类号：P429 ；X43 文献标志码：A 文章编号：1000-821X（2016）01-0000-00doi: 10.3969/j.issn.1000-811X.2016.01.000根据IPCC第五次评估报告，1880-2012年期间，全球平均地表温度升高了0.851；采用全球比较计划第五

4、阶段（CMIP5）耦合模式，预估未来全球气候变暖仍将继续，21世纪末全球平均地表温度在1986-2005年的基础上将升高0.34.81；Tol研究指出，如果平均温度上升1，全球每年将有约35万人死于心脑血管和呼吸系统疾病2；在欧洲、亚洲和澳大利亚的大部分地区，高温热浪发生的频率可能已增加，大多数陆地地区热浪的持续时间、频率和强度很可能也会增加3。随着全球气候变暖和城市热岛效应的加剧，高温热浪事件可能会频繁发生并对人体健康产生更严重的影响。极端高温事件往往与特重干旱相伴而来，严重威胁人们的生命及能源、水资源和粮食安全等4。叶殿秀等研究发现，在全球变暖的大背景下，我国高温热浪袭击范围越来越广，频次

5、明显增多，时间越来越长，对人们活动、健康、旅游业和工农业生产都有不同程度的影响5。因此，针对高温热浪袭击风险的量化评估具有极强的现实意义。目前国内外针对高温热浪灾害及其影响的研究已有不少：如Kan等人研究了热浪对死亡率和发病率的影响6；杨军等人评估了2005年热浪对广州市民死亡率的影响，确定了易受影响的分组人口 7；刘建军等人介绍了热浪灾害对人体健康的影响8；张可慧等人研究了高温热浪对河北地区工业、交通的影响9。虽然上述研究工作对高温热浪灾害影响有了较明确的认识，但基本上还偏向于定性的研讨，对高温热浪相关的定量化综合风险评估研究还不多。量化的风险评估是风险管理的主流和核心环节 10。目前，气象

6、灾害风险评估的方法主要有模糊评价法、层次分析法、数据包络分析法等。其中，模糊评价法能利用隶属度函数将主观与客观相结合，可以较好地实现了模糊问题的量化，然而，隶属度函数的选择往往有很强主观性，且计算较为复杂；层次分析法是将定性与定量相结合的系统分析方法，通过专家采用19标度打分，对各层因素两两间量化比较，但主观性较强，且无法解决做判断时犹豫不决的情况；数据包络分析法可对多指标投入和多指标产出的相同部门进行效益评价，无须任何权重假设，排出了很多主观因素，但对数据的要求较高。现实决策问题中，由于决策问题的复杂性以及决策者自身的知识和经验不足等因素，致使决策者常常难以判别决断。朱斌基于传统的层次分析法

7、（Analytic Hierarchy Process，AHP），引入犹豫偏好的概念，用概率分布描述犹豫偏好，并将其运用到层次分析法中，提出犹豫层次分析法（H-AHP）11。它适用于决策者做判断时犹豫不决的情况，可描述决策者提供的有多个可能值的偏好信息，且这些可能值不需要集成或修改，提高了准确度和决策者对最终方案排序结果的满意程度。TOPSIS是一种逼近理想解的排序法，是多目标决策分析中常用的有效方法。它通过计算某一方案与正理想解、负理想解之间的加权欧式距离，得出该方案与正理想解的接近程度，以此作为评价各方案优劣的依据。本文中高温热浪灾害风险是指高温热浪灾害发生的可能性以及由其造成损失的严重程

8、度10。由于高温热浪风险评估是一个涉及气候、生态、人体健康、经济社会发展、医疗水平、政府应变能力的多方面、多目标、多层次决策问题，需综合考虑不同评估方法和模型的优缺点。为此，本文引入H-AHP和TOPSIS相结合的研究思想和方法12，进行所选城市之间的风险评估。该研究的核心是利用基于犹豫层次分析法（H-AHP），建立高温热浪灾害风险指标体系，计算各指标的权重；然后将指标权重和各评估单元的无量纲化决策矩阵相结合，形成加权决策矩阵；利用TOPSIS法计算出加权决策矩阵的正理想解、负理想解、各评估单元与正理想解的欧式距离、贴近度，据此来确定各城市遭受高温热浪袭击风险的大小。各评估城市与正理想解之间的

9、贴近度越大，其高温热浪风险越高。 1高温热浪频数及强度的气候变化特征 基于国家气象信息中心整理的中国地面气候资料日值数据集，参考张尚印13等的方法，根据日最高气温，本文将高温天气划分为较弱高温天气、中等高温天气、较强高温天气、强高温天气和极强高温天气等五个等级，具体分级标准及相应的强度值如表1所示。连续3d及以上的高温天气过程称之为热浪。高温频数为一年中发生的高温天气的总天数；根据高温天气的日最高温度和表1划分的分级标准，计算全年的高温强度值。利用全国753个站1983-2012年逐日最高气温资料分析表明（图1），高温天气总频数及各级别的高温天气频数均呈现出波动震荡的趋势，然而自2000年左右

10、以后呈波动增加状态；近10年来高温频数明显高于历史平均水平，2010年达到最多的11 324个；较弱高温天气、中等高温天气和较强高温天气的频数增加非常明显，强高温天气和极强高温天气频数也有弱增多趋势。由图可以看到，高温强度呈波动变化态势，但自21世纪初开始高温强度呈陡增趋势，近五年高温强度平均值几乎达到20世纪80年代的2倍。通过以上对高温热浪频数及强度的分析可知，我国高温热浪发生频率和强度均有增强的趋势，少数的极强高温热浪可能会随着全球变暖而相应增加，且随着城市热岛效应的不断增强14，使我国各地区面临严重的潜在灾害风险。因此，我们展开如下气候变化背景下的高温热浪灾害风险分析与研究。表1高温等

11、级划分标准及相应强度值名称 说明 强度值 较弱高温天气 1中等高温天气 2 较强高温天气 3强高温天气 4极强高温天气 5图1 近30年我国高温频数及强度值逐年变化情况2高温热浪风险评估指标的确定结合前人研究成果并根据对高温热浪风险的理解，认为高温热浪风险是在一定的孕灾背景中，由高温热浪灾害的危险性（H）、承灾体的脆弱性（V）和区域综合防范能力（R）三因素的综合效应形成的10。危险性表示高温热浪的强度和频率特征；脆弱性表示该研究区域的人体健康和经济社会系统遭受高温热浪威胁和破坏的性质；区域综合防范能力反映人类社会应对灾害的主观能动性，包括灾害预警、医疗水平和政府应变能力等。由此建立图2所示的高

12、温热浪风险概念模型。 图2 高温热浪灾害风险概念模型根据高温热浪风险概念模型及灾害风险评价指数法，建立图3所示的高温热浪灾害风险评估指标体系。本指标体系包括目标层、准则层和指标层。最高层为高温热浪灾害风险指数，表示遭受高温热浪袭击的可能性及由此造成损失的严重程度，它由高温热浪危险性、各承灾体的脆弱性及防灾减灾能力综合作用决定。高温热浪的危险性由其频率和强度决定。由于高温热浪灾害影响非常广泛，包括经济、人体健康、工业、交通等各个方面，这里仅以人口、经济和工业三类承载体为例，进行脆弱性分析；另外，区域综合防范能力涉及到该区域的经济实力、科技实力和政府应急处理能力等，对其进行全面准确的评估非常复杂，

13、这里仅以公共财政支出、医疗机构数和卫生技术人员数量进行简单的量化评估。各指标含义及量化方法如下：（1）频率（C1）：即每年发生高温热浪天气的总天数，采用所选城市近十年（2003-2012年）所有的高温天气总天数的年平均值表示。（2）强度（C2）：根据高温天气的日最高温度和表1划分的分级标准，计算全年的高温强度值。高温强度用所选城市近10年的高温强度值的平均值表示。（3）常住人口（C3）：受高温热浪影响的人口数，其值越大潜在的灾害风险越大。（4）生产总值（C4）：反映经济可能遭受高温热浪影响的程度，其值越大，经济脆弱性越高。（5）工业用电量（C5）：温度是影响电力系统负荷的重要因素之一9，工业用

14、电量越大，越容易导致电力供应紧张，受高温热浪灾害袭击的影响越大。（6）公共财政支出（C6）：反映政府紧急状态下的应变和协调能力，值越高，潜在灾害风险越小。（7）医疗机构数量（C7）：提供医学救治场所和设备，降低高温热浪风险。（8）卫生技术人员（C8）：提供专业医疗救援，可以有效降低因高温热浪死亡的人数。图3高温热浪灾害风险评估指标体系3.评估建模与实验仿真由于华东地区经济发展水平较高，人口密度大，常年遭受高温热浪灾害的侵袭，严重影响人们的正常生活和工作，因此本文选取华东地区6座城市（南京、上海、杭州、福州、合肥、济南）作为实证研究的对象。根据高温热浪风险评估指标体系的特点及评价的内容，本文采用

15、犹豫层次分析法和TOPSIS相结合的高温热浪风险评估方法。3.1用犹豫层次分析法确定权重首先采用犹豫层次分析法（H-AHP）确定各评估指标的权重。犹豫层次分析法（H-AHP）适用于解决实际风险评价中的模糊性和犹豫不决的情况，可最大限度地保留决策者提供的有多个可能值的偏好信息，提高最终方案排序的可信度。具体计算步骤如下：3.11构造概率型犹豫积型偏好关系(Probabilistic Hesitant Multiplicative Preference Relation，P-HMPR)对于一个控制属性，将决策问题分解，构造从上到下的结构层次，包括控制层，属性层和方案层。每一层次还可包含子层次。对于

16、一个集合，假设决策者对中的元素进行两两比较，然后给出概率型犹豫偏好信息，根据专家意见构造概率型犹豫积型偏好关系（P-HMPR），其中，是中可能值的数量，表示对的偏好度，且满足， 。 （1）式中：是的第个可能值，是的概率。根据高温热浪风险评估指标体系（图3），结合相关领域专家评估结果，构造P-HMPR（表2-表5）。表2关于准则层的P-HMPR 准则层 H V R H 1 （2,3） 4V （1/2,1/3） 1 2R 1/4 1/2 1表3关于危险性的P-HMPR危险性 C1 C2 C1 1 1/2C2 2 1表4关于脆弱性的P-HMPR脆弱性 C3 C4 C5 C3 1 2 （3，4）C4

17、1/2 1 2C5 (1/3，1/4) 1/2 1表5关于区域综合防范能力的P-HMPR区域综合防范能力 C6 C7 C8 C6 1 2 1/2C7 1/2 1 1/3C8 2 3 13.12对P-HMPR进行一致性检验基于概率分布，从中随机选择，可得一个。的几何一致性指标，表示为。根据Crawford和Williams15提出的行几何平均法（RGMM），对于，方案的排序值为中行元素的几何平均数： 。 （2）基于排序值，Aguaron16等提出了几何一致性指标（GCI）用于检验的一致性水平：。 （3）式中：。令为一个犹豫偏好空间，那么的期望集合一致性指标可以定义为 。 （4）的计算基于蒙特卡洛

18、模拟。与Aguaron等提出的可接受一致性临界值相同，如表6所示，若，那么是满足可接受一致性的。如未经过一致性检验，则必须进行改进。因为犹豫偏好可以认为是随机偏好的一种特殊情况，所以可以用随机的方法改进一致性。具体方法如下：令参数，从中随机得到一个MPR ，计算其最大特征向量和特征向量。计算，的取值如表7所示。若则退出；否则令，其中。用替换。 经计算，表2-表5中的P-HMPR均满足可接受一致性。表6不同维数的可接受临界值 3 4 4 0.3174 0.3526 0.370表7不同维数的平均值 1 2 3 4 5 6 7 8 0 0 0.52 0.89 1.12 1.26 1.36 1.413

19、.13计算各指标权重基于行几何平均法（RGMM），应用蒙特卡洛模拟的方法，计算同一层次相应元素对于上一层次某元素相对重要性的排序权值。再从结构的底层开始，对于上一层次中元素，集成方案的排序权值，直到获得方案对于控制属性的综合排序权值，即各相关指标的权重。经计算可知，=（0.1993,0.3987,0.1455,0.0763,0.0401,0.0416,0.0229,0.0755）。3.2 用TOPSIS方法评估建模在确定各指标权重的基础上，应用TOPSIS法计算高温热浪风险。TOPSIS法的核心思想是通过计算某一方案与正理想解、负理想解之间的加权欧式距离，得出该方案与正理想解的接近程度，以此作

20、为评价各方案的依据。3.2.1构建决策矩阵设参与评价的多指标决策问题的方案集为，指标集为，方案对指标的值记为，则决策矩阵为：。 （5）本文中依次为南京、上海、杭州、福州、合肥和济南。根据国家气象信息中心发布的2003-2012年中国地面气候资料日值数据集对指标C1、C2进行量化处理，指标C3-C8中的数据选取自各省市发布的 统计年鉴2013，并由此构建决策矩阵。 （6）3.2.2决策矩阵标准化为了消除各指标量纲不同对方案决策带来的影响，需要对决策矩阵进行无量纲化处理，构建标准化矩阵。 对于值越大风险越大型指标：。 （7）对于值越小风险越大型指标：。 （8） 其中为归一化后的值，、分别为第个指标

21、的最大值和最小值。对决策矩阵无量纲化处理，得到标准化矩阵。 （9）3.2.3构建加权标准化决策矩阵将用H-AHP求得的指标权重=（0.1993,0.3987,0.1455,0.0763,0.0401,0.0416,0.0229,0.0755）与无量纲化矩阵相乘，得到加权标准化决策矩阵，其中，为各指标的权重值。 （10）3.2.4计算正理想解和负理想解 分别确定每个指标集的最大值与最小值，并以正向指标的最大值与负向指标的最小值构成正理想解，以正向指标的最小值与负向指标的最大值构成负理想解。计算公式如下：，为值越大风险越大型指标；，为值越小风险越大型指标 ；，为值越大风险越大型指标； ，为值越小风

22、险越大型指标 。 由此确定同一属性指标的正理想解及负理想解，结果如表8所示。表8 计算结果 C1 C2 C3 C4 C5 C6 C7 C8正理想解 0.1993 0.3987 0.1455 0.0763 0.0401 0 0 0负理想解 0 0 0 0 0 0.0416 0.0229 0.07553.2.5计算样本与正理想解和负理想解间的欧式距离设样本到正理想解和负理想解之间的欧式距离分别为和，则可得到：；（11） 。（12）式中：。 根据正负理想解，采用式11式12计算样本到正、负理想解的欧式距离，结果如表9所示。表9 欧式距离城市 南京 上海 杭州 福州 合肥 济南到正理想解欧式距离 0.

23、4093 0.3555 0.1586 0.1884 0.4371 0.4833到负理想解欧式距离 0.0791 0.2108 0.4465 0.428 0.0536 0.02353.2.6计算相对贴近度计算相对贴近度，实现样本的排序优选。各样本与正理想解的相对贴近度为， ， 。（13） 式13反映了待评价样本与正理想解在态势变化上的接近程度，根据的大小对样本进行排序，越大，表示待评价样本越贴近正理想解，样本风险越大。根据样本到正、负理想解的欧式距离，采用上式计算样本的相对贴近度，结果如表10所示。表10 评价结果城市 南京 上海 杭州 福州 合肥 济南相对贴进度 0.1619 0.3723 0

24、.7379 0.6944 0.1093 0.04643.3结果分析一般评价中，越贴近正理想解的方案是越好的，但是由于本文将犹豫层次分析法和TOPSIS法相结合应用到高温热浪灾害的风险评估中，风险评估的结果是越小越好，所选城市越贴近正理想解说明其可能面临的高温热浪灾害风险越大。因此，由加权标准化决策矩阵和相对贴近度的计算结果可知，杭州得分最高，济南得分最低，说明杭州风险最大，济南风险最小。杭州和福州遭受高温热浪天气袭击的强度和频率都较大，但由于杭州常住人口多，经济发展水平相对较高，其承受高温热浪袭击的暴露性和敏感性均高于福州，虽政府应变能力和医疗水平较强，但其遭受高温热浪袭击的综合风险仍高于福州

25、。济南遭受高温热浪天气袭击的强度和频率都最小，且常住人口相对偏少，经济发展水平也弱于其他城市，虽其应变能力和医疗水平略逊于其他城市，但由于评估模型中危险性和脆弱性所占权重较大，因而济南高温热浪的综合风险为最低。4结论与讨论在全球气候变化背景下，我国高温热浪频数呈波动震荡状态，但从2000年左右开始，高温频数开始显著增加，强高温以上级别的高温频数也有所增加；高温强度值有加快增强的趋势。我国是高温热浪灾害的高发区，且随着城市化进程不断加快，城市规模和人口密度不断增加，遭受高温热浪袭击的风险不断加大，制定有效合理的高温风险量化评估模型迫在眉睫。本文通过H-AHP和TOPSIS相结合的方法，构建了高温

26、热浪风险评估指标体系和风险评估模型，并以华东地区六座城市为例进行了实例分析，实现了高温热浪风险量化评估，为应对气候变化风险和风险防范提供了客观定量的决策依据。但由于高温热浪灾害风险系统极其复杂，本文仅从技术角度进行简化处理。此外，由于资料非常有限，构建的高温热浪风险指标还比较简单，指标的量化有待完善。下一步工作的重点是对指标的进一步充实，并探索更加有效的量化评估方法，以使评估结果更加客观、准确。 参考文献1IPCC. Climate change 2013:the physical science basisEB/OL. 2014-7-10.http:/www.ipcc.ch/report/a

27、r5/wg1/#.Uq-tD7KBRR1.2Tol R S Estimates of the change cost of climate change Part :Benchmark estimatesJ.Environmental and Resource Economics,2002,21(1):42-73.3IPCC.Summary for policymakesEB/OL.2014-815.http:/www.ipcc.ch/pdf/assessment-report/ar5/wg1/WG1AR5-SPM-FINAL.pdf.4杨红龙,许吟隆,陶生才,等.高温热浪脆弱性与适应性研究进

28、展 J.科技导报,2010,28(19):099-102.5叶殿秀,尹继福,陈正洪,等.1961-2010年我国夏季高温热浪的时空变化特征J.气候变化研究进展,2013,9(1):015-020. 6Kan,H.,S.J.London,H.Chen,G.Song,G.Chen,L.Jiang,N.Zhao,Y.Zhang,and B.Chen,2007:Diurnal temperature range and daily mortality in Shanghai, China. Environmental Research,103(3),424-431.7YANG Jun, LIU Hua

29、 Zhang, OU Chun Quan, et al. Impact of Heat Wave in 2005 on Mortality in Guangzhou, China. Biomed Environ Sci,2013;26(8):647-654.8刘建军,郑有飞,吴荣军.热浪灾害对人体健康的影响及其方法研究J.自然灾害学报,2008,17(01):151-156.9张可慧,李正涛,刘剑锋,等.河北地区高温热浪时空特征及其对工业、交通的影响研究J.地理与地理信息科学,2011,27(6):090-095. 10张继权,李宁.主要气象灾害风险评价与管理的数量化方法及其应用M.北京:北京

30、师范大学出版社,2007.11朱斌.基于偏好关系决策方法及应用研究D.南京:东南大学,2014.12何逢标.塔里木河流域水权配置研究D.南京:河海大学,2007.13Zhang Shangyin, Song Yanling, Zhang Dekuan et al.The climatic characteristics of high temperature and the assessment method in the large cities of northern China.,Acta Geographica,2004,59(3):383-390. 14郑有飞,丁雪松，吴荣军，等.近

31、50年江苏省夏季高温热浪的时空分布特征分析J.自然灾害学报,2012,02:43-50.15Crawford G, Williams C.A note on the analysis of subjective judgment matrices. Journal of Mathematical Psychology J.1985, 29(4):387-405.16Aguaron J,Moreno-Jimenez JMa. The geometric consistency index :Approximated thresholds. European Journal of Operatio

32、nal Research J.2003, 147(1):137-145.Risk analysis and assessment of high-temperature and heat-wave disaster in Chinese cities under the background of climate changeSong Chenyang1,Wang Feng2,Zhang Ren1,Bai Chengzu1,Liu Kefeng1,Long Qiang2(1College of Meteorology and Oceanography，PLA University of Science and Technology，Nanjing ，China；2Meteorological Bureau in Tangshan Caofeidian Industrial Zone in Hebei