陳文方，端義宏，陸 逸，方佳毅，石先武，任福民

(1.中國(guó)氣象科學(xué)研究院災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100081；2.中國(guó)氣象局上海臺(tái)風(fēng)研究所，上海 200030；3.北京師范大學(xué) 減災(zāi)與應(yīng)急管理研究院，北京 100875；4.英國(guó)南安普頓大學(xué) 環(huán)境工程學(xué)院，南安普頓 英國(guó) SO17 1BJ；5.國(guó)家海洋局海洋減災(zāi)中心，北京 100194)

熱帶氣旋災(zāi)害風(fēng)險(xiǎn)評(píng)估現(xiàn)狀綜述*

陳文方1，端義宏1，陸 逸2，方佳毅3,4，石先武5，任福民1

(1.中國(guó)氣象科學(xué)研究院災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100081；2.中國(guó)氣象局上海臺(tái)風(fēng)研究所，上海 200030；3.北京師范大學(xué) 減災(zāi)與應(yīng)急管理研究院，北京 100875；4.英國(guó)南安普頓大學(xué) 環(huán)境工程學(xué)院，南安普頓 英國(guó) SO17 1BJ；5.國(guó)家海洋局海洋減災(zāi)中心，北京 100194)

全球熱帶氣旋災(zāi)害風(fēng)險(xiǎn)隨著社會(huì)經(jīng)濟(jì)的發(fā)展、沿海地區(qū)人口和財(cái)富的加速增長(zhǎng)與聚集而持續(xù)上升，針對(duì)沿海地區(qū)熱帶氣旋災(zāi)害風(fēng)險(xiǎn)開展精細(xì)化的定量評(píng)估是實(shí)現(xiàn)前瞻性災(zāi)害風(fēng)險(xiǎn)管理的前提。該文從面向?yàn)?zāi)害管理部門開展熱帶氣旋災(zāi)害風(fēng)險(xiǎn)管理的角度出發(fā)，分別對(duì)國(guó)際上熱帶氣旋風(fēng)險(xiǎn)評(píng)估中致災(zāi)因子危險(xiǎn)性評(píng)估和承災(zāi)體脆弱性評(píng)估這兩個(gè)核心內(nèi)容的研究進(jìn)展進(jìn)行綜述，分析了其各自的現(xiàn)狀、存在的問題及其挑戰(zhàn)。然后對(duì)我國(guó)熱帶氣旋(臺(tái)風(fēng))災(zāi)害風(fēng)險(xiǎn)管理體系中風(fēng)險(xiǎn)定量評(píng)估的研究現(xiàn)狀進(jìn)行了討論，針對(duì)我國(guó)熱帶氣旋風(fēng)險(xiǎn)模型的研究現(xiàn)狀提出建議，為未來進(jìn)一步開展沿海地區(qū)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)的定量評(píng)估研究提供了參考。

熱帶氣旋；風(fēng)險(xiǎn)評(píng)估；災(zāi)害；致災(zāi)因子；脆弱性

全球范圍內(nèi)，熱帶氣旋是給人類社會(huì)帶來損失最大的自然災(zāi)害之一。據(jù)統(tǒng)計(jì)，最近10年全球熱帶氣旋災(zāi)害平均每年直接經(jīng)濟(jì)損失約為550億美元(2006-2015，2015年價(jià)格)，超過洪水、地震等其他自然災(zāi)害[1]，而中國(guó)平均每年因熱帶氣旋直接經(jīng)濟(jì)損失約為90億美元，約為全球損失的15%。并且，沿海地區(qū)人口和財(cái)富的快速增長(zhǎng)促使熱帶氣旋造成的經(jīng)濟(jì)損失持續(xù)增長(zhǎng)，這些地區(qū)的人口和社會(huì)經(jīng)濟(jì)都將面臨著越來越高的災(zāi)害風(fēng)險(xiǎn)[2-3]，為此，熱帶氣旋災(zāi)害風(fēng)險(xiǎn)的評(píng)估與管理受到了科學(xué)界越來越廣泛的關(guān)注[4-5]。

如圖1所示，熱帶氣旋風(fēng)險(xiǎn)的大小由熱帶氣旋致災(zāi)因子(大風(fēng)、降雨、風(fēng)暴潮等)本身的強(qiáng)度(即危險(xiǎn)性)、承災(zāi)體(人口、房屋、財(cái)產(chǎn)等)的數(shù)量或價(jià)值(即暴露度)以及承災(zāi)體對(duì)致災(zāi)因子強(qiáng)度的敏感度(即脆弱性)等三個(gè)因素共同決定[6]?，F(xiàn)代災(zāi)害風(fēng)險(xiǎn)管理迫切需要系統(tǒng)化、精細(xì)化和定量化的災(zāi)害風(fēng)險(xiǎn)模型，即通過對(duì)熱帶氣旋致災(zāi)因子危險(xiǎn)性、特定承災(zāi)體的暴露度和脆弱性分別開展定量的模擬和評(píng)估，獲得精細(xì)化的定量的災(zāi)害風(fēng)險(xiǎn)預(yù)估值，從而為有針對(duì)性地開展災(zāi)害風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)分散提供科學(xué)參考(圖1)。早在19世紀(jì)末期，災(zāi)害觀測(cè)技術(shù)的提高以及風(fēng)險(xiǎn)制圖技術(shù)的發(fā)展促使基于計(jì)算機(jī)技術(shù)進(jìn)行巨災(zāi)損失概率模擬和評(píng)估的巨災(zāi)模型(catastrophe models)應(yīng)運(yùn)而生[7-8]。受益于熱帶氣旋風(fēng)險(xiǎn)研究的進(jìn)步，國(guó)際上的巨災(zāi)模型公司(如AIR、RMS等)、保險(xiǎn)或再保險(xiǎn)公司(如Swiss Re、Munich Re等)以及美國(guó)政府(如FEMA開發(fā)了HAZUS-MH颶風(fēng)模型)、澳大利亞政府等紛紛開發(fā)了巨災(zāi)風(fēng)險(xiǎn)模型[9]。

針對(duì)熱帶氣旋巨災(zāi)風(fēng)險(xiǎn)的評(píng)估和模擬問題，一些學(xué)者從致災(zāi)因子危險(xiǎn)性[10-12]、建筑物脆弱性[13]等不同的角度進(jìn)行了綜述。本文在已有研究的基礎(chǔ)上，從面向?yàn)?zāi)害管理部門開展熱帶氣旋災(zāi)害風(fēng)險(xiǎn)管理的角度出發(fā)，分別對(duì)國(guó)際上熱帶氣旋致災(zāi)因子危險(xiǎn)性評(píng)估和承災(zāi)體脆弱性評(píng)估這兩項(xiàng)核心內(nèi)容的研究進(jìn)展進(jìn)行綜述，總結(jié)熱帶氣旋災(zāi)害風(fēng)險(xiǎn)定量評(píng)估研究中存在的問題及其挑戰(zhàn)。此外，對(duì)我國(guó)熱帶氣旋(臺(tái)風(fēng))災(zāi)害風(fēng)險(xiǎn)管理體系中風(fēng)險(xiǎn)定量評(píng)估的研究現(xiàn)狀進(jìn)行了分析和討論，針對(duì)其不足給出了具體的建議，為我國(guó)沿海地區(qū)進(jìn)一步加強(qiáng)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)管理提供了科學(xué)參考。

圖1 熱帶氣旋巨災(zāi)風(fēng)險(xiǎn)模型的結(jié)構(gòu)

1 熱帶氣旋致災(zāi)因子危險(xiǎn)性評(píng)估

相較于其他自然災(zāi)害，熱帶氣旋的致災(zāi)因子具有多樣性和復(fù)雜性。多樣性體現(xiàn)在，既包含大風(fēng)和暴雨等兩大直接致災(zāi)因子，又包含洪水、風(fēng)暴潮(及其引發(fā)的沿海洪水)等次生致災(zāi)因子。復(fù)雜性體現(xiàn)在，直接致災(zāi)因子和次生致災(zāi)因子可能引發(fā)“災(zāi)害鏈”現(xiàn)象，而風(fēng)、雨、潮以及天文大潮等多種致災(zāi)因子“并發(fā)”形成“復(fù)合災(zāi)害”，可能導(dǎo)致生命、財(cái)產(chǎn)、社會(huì)經(jīng)濟(jì)系統(tǒng)的巨大損失，較單一致災(zāi)因子的情況更為復(fù)雜。

1.1 熱帶氣旋大風(fēng)危險(xiǎn)性評(píng)估

熱帶氣旋大風(fēng)危險(xiǎn)性評(píng)估主要采用數(shù)值模擬方法，根據(jù)歷史上發(fā)生的熱帶氣旋災(zāi)害資料，確定特定地點(diǎn)遭遇不同強(qiáng)度(通常用風(fēng)速來表征)熱帶氣旋災(zāi)害的超越概率(exceedance probabilities)。自基于概率的熱帶氣旋危險(xiǎn)性模擬方法于1960年代末被Russell[14]提出以來，其基本框架延續(xù)至今，其大致流程如圖2所示。

在路徑模型方面，早期的研究主要采用“樣本圓或海岸段”法，以研究點(diǎn)(海岸段)為中心，選取附近一定范圍內(nèi)的歷史熱帶氣旋作為分析樣本，構(gòu)建熱帶氣旋關(guān)鍵參數(shù)的概率分布模型，從中抽樣生成大量模擬熱帶氣旋樣本[15-17]。這種方法的不足之處在于各關(guān)鍵參數(shù)的分布僅適用于特定地點(diǎn)或小范圍區(qū)域，由于局部區(qū)域歷史熱帶氣旋樣本數(shù)量、尤其是極端熱帶氣旋災(zāi)害樣本較少，可能低估熱帶氣旋致災(zāi)因子的危險(xiǎn)性。Vickery等[18]提出了“全路徑”模擬法(full-track modelling)，以整個(gè)海域的歷史熱帶氣旋記錄為樣本，分析各關(guān)鍵參數(shù)的時(shí)空分布特征，使用隨機(jī)抽樣法模擬大量熱帶氣旋從生成到消亡的整個(gè)生命過程中的路徑和強(qiáng)度的變化。這種方法的優(yōu)勢(shì)在于其模擬樣本可用于分析任意感興趣點(diǎn)的熱帶氣旋大風(fēng)危險(xiǎn)性，但計(jì)算較為復(fù)雜，計(jì)算量較大，對(duì)數(shù)據(jù)的要求較高。對(duì)于如何模擬各路徑點(diǎn)的位置，不同學(xué)者提出了不同的方法，包括參數(shù)化方法[18]、半?yún)?shù)化方法[19]、統(tǒng)計(jì)與動(dòng)力相結(jié)合的方法等[20]。

對(duì)于強(qiáng)度的模擬主要包括純統(tǒng)計(jì)方法和動(dòng)力統(tǒng)計(jì)法，后者通過建立絕對(duì)強(qiáng)度(中心氣壓)與海表溫度、對(duì)流層溫度等環(huán)境參數(shù)之間的轉(zhuǎn)換公式來考慮風(fēng)切變和海洋混合等因素對(duì)熱帶氣旋強(qiáng)度變化的影響[21,18]。

風(fēng)場(chǎng)模型描述上層梯度風(fēng)速的徑向分布，一般分為動(dòng)力數(shù)值模型(dynamical model)和參數(shù)模型(parametric model)兩種類型。由于參數(shù)模型則能夠使用少量關(guān)鍵參數(shù)理想化地表達(dá)熱帶氣旋的風(fēng)場(chǎng)結(jié)構(gòu)，計(jì)算量遠(yuǎn)遠(yuǎn)小于動(dòng)力數(shù)值模型，因而在熱帶氣旋風(fēng)險(xiǎn)評(píng)估模型中得到了廣泛的應(yīng)用。簡(jiǎn)單的參數(shù)風(fēng)場(chǎng)模型有Rankine渦旋模型、修正的Rankine渦旋模型[22]、SLOSH風(fēng)場(chǎng)模型[23]等圓對(duì)稱風(fēng)場(chǎng)模型。Holland模型[24]通過引入形狀參數(shù)B來描述不同熱帶氣旋氣壓剖面的形狀差異，并由氣壓分布根據(jù)梯度平衡方程推導(dǎo)最大風(fēng)速及梯度風(fēng)速的徑向分布，在熱帶氣旋風(fēng)險(xiǎn)研究中得到了廣泛的應(yīng)用[16,25-26]。近期的一些研究探討使用B值與其他臺(tái)風(fēng)參數(shù)之間的函數(shù)關(guān)系式來計(jì)算B值[27-29]。除了參數(shù)風(fēng)場(chǎng)模型以外，一些學(xué)者通過將復(fù)雜的三維數(shù)值風(fēng)場(chǎng)模型(如文獻(xiàn)[30])參數(shù)化以達(dá)到既能夠考慮地表摩擦力、海陸相互作用等因素的影響，又能夠?qū)崿F(xiàn)大量隨機(jī)模擬的目的[31-32]。

圖2 熱帶氣旋大風(fēng)危險(xiǎn)性概率模擬過程

路徑模型、強(qiáng)度模型和風(fēng)場(chǎng)模型結(jié)合其他模型(圖2)生成感興趣研究點(diǎn)(區(qū))的風(fēng)速樣本，最后使用參數(shù)或非參數(shù)概率曲線擬合方法得到大風(fēng)風(fēng)速的超越概率曲線，可以計(jì)算任意重現(xiàn)期下的大風(fēng)風(fēng)速?？傮w而言，局部范圍的路徑模擬方法和全海域的全路徑模擬方法各有其優(yōu)缺點(diǎn)，前者適用于局部地區(qū)的熱帶氣旋危險(xiǎn)性模擬，計(jì)算量小，后者計(jì)算量大，對(duì)數(shù)據(jù)的長(zhǎng)度和質(zhì)量要求更高，但能夠更全面而精確地考慮整個(gè)海岸線上的熱帶氣旋危險(xiǎn)性。

1.2 熱帶氣旋暴雨危險(xiǎn)性評(píng)估

熱帶氣旋暴雨形成機(jī)制較為復(fù)雜，既包含熱帶氣旋本身環(huán)流形成的降水，又包括熱帶氣旋外圍環(huán)流與中緯度系統(tǒng)相互作用產(chǎn)生的遠(yuǎn)距離暴雨，同時(shí)受到地形、下墊面、中小尺度系統(tǒng)等因素的影響，因此也是熱帶氣旋系統(tǒng)中最難模擬的變量之一[33-34]。一些學(xué)者利用衛(wèi)星遙感降水產(chǎn)品或是地表降水觀測(cè)數(shù)據(jù)探討了熱帶氣旋降水的氣候特征，從中發(fā)現(xiàn)熱帶氣旋降水的年代際變化規(guī)律、長(zhǎng)期變化趨勢(shì)，以及氣候變化對(duì)熱帶氣旋降水的影響等[35-37]。熱帶氣旋暴雨危險(xiǎn)性評(píng)估則需要建立定量的熱帶氣旋暴雨預(yù)報(bào)和預(yù)測(cè)模型，盡管這對(duì)于復(fù)雜的熱帶氣旋暴雨系統(tǒng)來說非常具有挑戰(zhàn)性。

HAZUS-MH颶風(fēng)模型使用從專題微波輻射成像儀(SSM/I)中提取的颶風(fēng)降水率數(shù)據(jù)構(gòu)建了颶風(fēng)降水率與離颶風(fēng)中心的距離之間的簡(jiǎn)單經(jīng)驗(yàn)?zāi)Ｐ?，并考慮颶風(fēng)中心氣壓、颶風(fēng)移動(dòng)速度、臺(tái)風(fēng)登陸位置等因素對(duì)模型進(jìn)行修正[38]。Marks等利用NASA熱帶降雨測(cè)量計(jì)劃(TRMM)衛(wèi)星提供的熱帶氣旋降雨數(shù)據(jù)改進(jìn)了原有的基于雨量計(jì)數(shù)據(jù)的降水氣候與持續(xù)性模型(R-CLIPER)，該模型將降水率表示為徑向距離和登陸時(shí)間的函數(shù)[39]。Lonfat等在R-CLIPER的基礎(chǔ)上考慮垂直切變和地形對(duì)降水場(chǎng)不對(duì)稱性的影響提出了參數(shù)化颶風(fēng)降水模型(PHRaM)，改善了颶風(fēng)降水的模擬結(jié)果[40,34]。

相較于簡(jiǎn)單的經(jīng)驗(yàn)?zāi)Ｐ?，?fù)雜的三維數(shù)值預(yù)報(bào)模型能夠更精確地模擬熱帶氣旋降水場(chǎng)在時(shí)間和空間上的變化，但這些模型在啟動(dòng)方案、分辨率、物理參數(shù)以及最終的預(yù)報(bào)結(jié)果上均存在較大差異[41,34]。對(duì)比研究發(fā)現(xiàn)，全球預(yù)報(bào)系統(tǒng)(GFS)、GFDL颶風(fēng)預(yù)報(bào)模型及北美中尺度(NAM)模型這三種主要的數(shù)值模型在颶風(fēng)降水預(yù)報(bào)上的效果都相當(dāng)于或好于R-CLIPER模型，但各數(shù)值模型又有其各自的局限性[41]。

1.3 熱帶氣旋風(fēng)暴潮危險(xiǎn)性評(píng)估

對(duì)熱帶氣旋風(fēng)暴潮危險(xiǎn)性的評(píng)估主要有兩種方式：基于典型重現(xiàn)期的風(fēng)暴潮危險(xiǎn)性評(píng)估和基于熱帶氣旋風(fēng)場(chǎng)模擬和風(fēng)暴潮數(shù)值模型的危險(xiǎn)性評(píng)估。前者是對(duì)風(fēng)暴潮的歷史實(shí)測(cè)資料進(jìn)行概率分析，獲得不同重現(xiàn)期下的風(fēng)暴潮增水，如百年一遇風(fēng)暴潮作為風(fēng)暴潮危險(xiǎn)性的標(biāo)準(zhǔn)，該方法一方面受限于歷史資料長(zhǎng)度和精讀的限制，另一方面無法考慮單個(gè)風(fēng)暴潮事件的持續(xù)時(shí)間、影響范圍等因素。而后者則是基于歷史或假想的熱帶氣旋風(fēng)場(chǎng)使用風(fēng)暴潮數(shù)值模型模擬風(fēng)暴潮增水，以預(yù)測(cè)風(fēng)暴潮個(gè)例的實(shí)時(shí)變化、估計(jì)風(fēng)暴潮的重現(xiàn)期或最大可能風(fēng)暴潮(Probable Maximum Storm Surge, PMSS)[42-43]。

在風(fēng)暴潮的實(shí)時(shí)預(yù)報(bào)中，通常使用高精度的數(shù)值天氣預(yù)報(bào)模式對(duì)熱帶氣旋風(fēng)場(chǎng)及其引發(fā)的風(fēng)暴潮增水進(jìn)行估計(jì)，在長(zhǎng)期的風(fēng)暴潮風(fēng)險(xiǎn)評(píng)估中則主要使用簡(jiǎn)單高效的參數(shù)化風(fēng)場(chǎng)模型進(jìn)行風(fēng)場(chǎng)模擬[42]。美國(guó)國(guó)家氣象局(NWS)使用SLOSH模式模擬颶風(fēng)風(fēng)場(chǎng)驅(qū)動(dòng)下的風(fēng)暴潮增水，其生成的產(chǎn)品不僅包括基于歷史颶風(fēng)風(fēng)場(chǎng)的概率性風(fēng)暴潮增水、還包括基于假想颶風(fēng)風(fēng)場(chǎng)的風(fēng)暴潮增水最大包絡(luò)圖和最大風(fēng)暴潮增水最大包絡(luò)圖等。我國(guó)也建立了覆蓋整個(gè)中國(guó)海的高分辨率風(fēng)暴潮集合數(shù)值預(yù)報(bào)系統(tǒng)，用于沿海風(fēng)暴潮危險(xiǎn)性評(píng)估的業(yè)務(wù)中[44]。

2 承災(zāi)體脆弱性評(píng)估

承災(zāi)體脆弱性評(píng)估是連接致災(zāi)因子危險(xiǎn)性和承災(zāi)體的損失程度之間的紐帶，也是風(fēng)險(xiǎn)評(píng)估中最為復(fù)雜的一部分。反映損失率和致災(zāi)因子危險(xiǎn)性之間的確定性函數(shù)被稱為脆弱性函數(shù)(vulnerability function)或?yàn)?zāi)損函數(shù)(damage function)，一般表現(xiàn)為曲線的形式，被稱為脆弱性曲線(vulnerability curve)或易損性曲線(fragility curve)。國(guó)內(nèi)外熱帶氣旋脆弱性評(píng)估研究中的承災(zāi)體對(duì)象主要為建筑物、基礎(chǔ)設(shè)施等造成直接經(jīng)濟(jì)損失的有形資產(chǎn)。

2.1 建筑物脆弱性評(píng)估

目前針對(duì)建筑結(jié)構(gòu)的熱帶氣旋脆弱性研究主要以大風(fēng)對(duì)建筑的破壞為研究對(duì)象(熱帶氣旋引發(fā)的洪水災(zāi)害單獨(dú)模擬)，采用歷史損失數(shù)據(jù)法、專家經(jīng)驗(yàn)法、歷史損失數(shù)據(jù)和專家經(jīng)驗(yàn)結(jié)合法、建筑構(gòu)件可靠性法以及工程實(shí)驗(yàn)和數(shù)值模擬法等方法建立建筑的脆弱性模型[13]。其中前三種方法依賴于歷史數(shù)據(jù)和主觀經(jīng)驗(yàn)，能夠在一定程度上描述一組特征類似的建筑物損失程度與熱帶氣旋強(qiáng)度(通常是風(fēng)速)之間的關(guān)系[45-48]；后兩種方法則對(duì)由建筑結(jié)構(gòu)特征、熱帶氣旋風(fēng)壓與建筑各構(gòu)件之間相互作用的過程進(jìn)行更為細(xì)致的模擬，脆弱性模型更為精確，但所需的計(jì)算和模擬資源更多[49-53]。

建筑物的熱帶氣旋脆弱性研究集中在美國(guó)和澳大利亞這兩個(gè)國(guó)家，此外日本和其他國(guó)家有少量的研究[13]。美國(guó)早在1970年代就針對(duì)居民住宅和財(cái)產(chǎn)推出了包括颶風(fēng)、洪水、地震等自然災(zāi)害在內(nèi)的房屋和財(cái)產(chǎn)保險(xiǎn)。HAZUS-MH颶風(fēng)模型以建筑物(包括居民住宅、活動(dòng)房屋、商業(yè)建筑等)承災(zāi)體引起的直接經(jīng)濟(jì)損失為模擬對(duì)象，針對(duì)各類建筑的結(jié)構(gòu)特點(diǎn)從建筑外部結(jié)構(gòu)破壞、建筑內(nèi)部破壞、建筑內(nèi)部財(cái)產(chǎn)損失及使用損失等各方面分別構(gòu)建損失函數(shù)[38]。澳大利亞的建筑脆弱性曲線最早是根據(jù)澳大利亞歷史上最嚴(yán)重的熱帶氣旋災(zāi)害之一Tracy的災(zāi)后損失調(diào)查數(shù)據(jù)建立的[54]，Walker的模型在當(dāng)時(shí)被認(rèn)為是最好的模型，被其他學(xué)者廣泛使用[55]。近些年來，一些學(xué)者則從建筑構(gòu)件的可靠性出發(fā)構(gòu)建了澳大利亞典型建筑的脆弱性曲線[56-57]。

此外，一些研究認(rèn)為社會(huì)脆弱性因素對(duì)建筑的損失也具有重要影響，例如Burton[58]將社會(huì)脆弱性指標(biāo)與颶風(fēng)大風(fēng)和風(fēng)暴潮一起與卡特里娜颶風(fēng)損失數(shù)據(jù)做多元回歸分析，發(fā)現(xiàn)社會(huì)脆弱性因子與颶風(fēng)損失之間存在顯著的關(guān)系。

2.2 其他承災(zāi)體的脆弱性評(píng)估

隨著預(yù)報(bào)預(yù)警、應(yīng)急疏散機(jī)制的完善，熱帶氣旋災(zāi)害對(duì)人口的影響越來越小，死亡和失蹤人口較早期有明顯的下降。熱帶氣旋災(zāi)害中的人員傷亡情況大多與建筑倒塌、洪澇災(zāi)害或飛濺物等次生災(zāi)害有關(guān)，與熱帶氣旋災(zāi)害強(qiáng)度之間不存在明顯的相關(guān)關(guān)系，因此對(duì)人口的物理脆弱性研究較少，主要集中在社會(huì)脆弱性層面，例如Wang等[59]研究了老年人口對(duì)颶風(fēng)引起的風(fēng)暴潮和洪澇災(zāi)害的社會(huì)脆弱性在程度和結(jié)構(gòu)上的空間差異。盡管人口脆弱性研究無法給出定量的結(jié)果，探究造成熱帶氣旋災(zāi)害中人員傷亡差異的影響因素對(duì)減輕人口災(zāi)害風(fēng)險(xiǎn)仍然有著重要的意義。為此，近年來學(xué)術(shù)界呼吁加強(qiáng)社會(huì)經(jīng)濟(jì)要素、人口主觀風(fēng)險(xiǎn)認(rèn)知、災(zāi)害應(yīng)急疏散等災(zāi)害社會(huì)科學(xué)的研究[60]。

3 我國(guó)的熱帶氣旋風(fēng)險(xiǎn)評(píng)估現(xiàn)狀

從我國(guó)目前的臺(tái)風(fēng)災(zāi)害研究來看，研究?jī)?nèi)容主要集中在區(qū)域臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)的區(qū)劃研究[61-64]、臺(tái)風(fēng)綜合災(zāi)情指數(shù)的預(yù)測(cè)研究[65-67]和臺(tái)風(fēng)致災(zāi)因子危險(xiǎn)性的預(yù)測(cè)和評(píng)估研究[68-71]等三個(gè)方面，在系統(tǒng)性的、針對(duì)具體承災(zāi)體的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估研究上的工作非常有限。

在臺(tái)風(fēng)概率危險(xiǎn)性模擬方面，我國(guó)學(xué)者嘗試?yán)梦鞅碧窖笈_(tái)風(fēng)歷史記錄對(duì)國(guó)際上已有的風(fēng)場(chǎng)模型和陸地衰減模型等進(jìn)行參數(shù)校正，進(jìn)而針對(duì)我國(guó)東南沿海地區(qū)的臺(tái)風(fēng)危險(xiǎn)性開展一系列研究[68-71]。然而，在路徑隨機(jī)模擬、臺(tái)風(fēng)風(fēng)場(chǎng)構(gòu)建、臺(tái)風(fēng)概率危險(xiǎn)性評(píng)估等研究工作數(shù)量偏少，減災(zāi)工作大多依賴于氣象部門臺(tái)風(fēng)模式的短期預(yù)報(bào)結(jié)果作為風(fēng)、雨等致災(zāi)因子危險(xiǎn)性的輸入。

承災(zāi)體脆弱性方面，我國(guó)學(xué)者在土木工程領(lǐng)域相繼開展了一些有關(guān)建筑大風(fēng)災(zāi)害脆弱性的研究[72-73]、建筑單體和區(qū)域建筑群的脆弱性等級(jí)研究[74-75]，盡管尚未系統(tǒng)地應(yīng)用于臺(tái)風(fēng)災(zāi)害的風(fēng)險(xiǎn)評(píng)估中，這些研究為我國(guó)的臺(tái)風(fēng)巨災(zāi)風(fēng)險(xiǎn)的脆弱性評(píng)估研究提供了參考。但總體來看，我國(guó)的熱帶氣旋災(zāi)害風(fēng)險(xiǎn)研究還有待加強(qiáng)和深入，針對(duì)特定承災(zāi)體的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)定量研究幾乎處于空白狀態(tài)，尤其是特定承災(zāi)體的臺(tái)風(fēng)災(zāi)害脆弱性研究工作非常稀少。

4 總結(jié)與討論

本文從災(zāi)害風(fēng)險(xiǎn)定量評(píng)估的角度分別評(píng)述了熱帶氣旋致災(zāi)因子危險(xiǎn)性模型和脆弱性模型的研究現(xiàn)狀與發(fā)展方向，為未來進(jìn)一步開展沿海地區(qū)熱帶氣旋災(zāi)害風(fēng)險(xiǎn)的定量評(píng)估研究提供了參考。熱帶氣旋致災(zāi)因子包括大風(fēng)、暴雨、風(fēng)暴潮等三種主要類型，其中熱帶氣旋大風(fēng)危險(xiǎn)性評(píng)估方法相對(duì)成熟，暴雨和風(fēng)暴潮通常與洪水災(zāi)害風(fēng)險(xiǎn)聯(lián)系起來開展風(fēng)險(xiǎn)評(píng)估。主要難點(diǎn)在于如何更準(zhǔn)確地模擬熱帶氣旋的路徑、強(qiáng)度、風(fēng)場(chǎng)和降水等過程或特征，而這有賴于熱帶氣旋結(jié)構(gòu)和風(fēng)雨過程的精細(xì)化觀測(cè)的進(jìn)一步加強(qiáng)，以及對(duì)熱帶氣旋形成和發(fā)展的物理機(jī)制的深入理解。當(dāng)前熱帶氣旋風(fēng)險(xiǎn)評(píng)估中以建筑物(直接經(jīng)濟(jì)損失)為主要承災(zāi)體(風(fēng)險(xiǎn)指標(biāo))，對(duì)其他承災(zāi)體的脆弱性和風(fēng)險(xiǎn)的定量評(píng)估研究還有待加強(qiáng)。

盡管針對(duì)熱帶氣旋災(zāi)害風(fēng)險(xiǎn)模型的研究已經(jīng)取得了顯著的進(jìn)展，還有眾多相關(guān)科學(xué)問題需要進(jìn)一步地研究，例如氣候變化背景下熱帶氣旋危險(xiǎn)性的變化、承災(zāi)體脆弱性隨時(shí)間的變化、熱帶氣旋引發(fā)的風(fēng)暴潮及暴雨洪澇等多災(zāi)種的綜合風(fēng)險(xiǎn)評(píng)估等。在眾多相關(guān)問題中，全球氣候變化對(duì)熱帶氣旋災(zāi)害風(fēng)險(xiǎn)的影響正受到廣泛的關(guān)注[76]。研究表明，熱帶氣旋的長(zhǎng)期活動(dòng)特征(如強(qiáng)度、頻次和持續(xù)時(shí)間等)并沒有顯著的增加，沒有證據(jù)表明人類活動(dòng)(氣候變化)對(duì)熱帶氣旋活動(dòng)變化產(chǎn)生了顯著影響，但熱帶氣旋的最大風(fēng)速平均值有可能(66-100%的概率)上升，極端熱帶氣旋的熱帶氣旋引起的降水有可能增加；此外，人口社會(huì)暴露度的增加將導(dǎo)致更高的熱帶氣旋災(zāi)害損失的產(chǎn)生[5]。一些學(xué)者通過對(duì)歷史熱帶氣旋損失進(jìn)行歸一化研究發(fā)現(xiàn)，社會(huì)經(jīng)濟(jì)暴露度的增加是導(dǎo)致熱帶氣旋損失增加的主要原因[77-80]。最近，Estrada等使用基于回歸的歸一化方法代替?zhèn)鹘y(tǒng)的比例損失歸一化方法分析美國(guó)歷史颶風(fēng)損失，發(fā)現(xiàn)歸一化后的損失呈現(xiàn)與氣候變化信號(hào)相一致的增加趨勢(shì)[81]，但該方法的可靠性仍然存在爭(zhēng)議[82]。

我國(guó)正處于社會(huì)經(jīng)濟(jì)快速發(fā)展的階段，在全球變暖背景下，臺(tái)風(fēng)強(qiáng)度和強(qiáng)臺(tái)風(fēng)的頻次可能增加，沿海地區(qū)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)將日益增加，人口、社會(huì)、經(jīng)濟(jì)面臨嚴(yán)峻挑戰(zhàn)。臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估對(duì)于政府防災(zāi)減災(zāi)、巨災(zāi)保險(xiǎn)的開展以及建筑工程的規(guī)劃和設(shè)計(jì)都具有重要的意義，因此我國(guó)急需探索開展熱帶氣旋巨災(zāi)風(fēng)險(xiǎn)評(píng)估的綜合研究，尤其是針對(duì)不同區(qū)域建筑物、基礎(chǔ)設(shè)施等特定承災(zāi)體的脆弱性研究，使學(xué)術(shù)研究、巨災(zāi)保險(xiǎn)和政府災(zāi)害管理三者之間形成合力，為沿海地區(qū)減輕臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)提供科學(xué)工具和有效手段。同時(shí)，加強(qiáng)對(duì)臺(tái)風(fēng)氣候變化的觀測(cè)研究，深入開展氣候變化對(duì)臺(tái)風(fēng)活動(dòng)影響預(yù)測(cè)和模擬研究，以便為制定長(zhǎng)期的臺(tái)風(fēng)風(fēng)險(xiǎn)管理決策提供科學(xué)依據(jù)。

[1] Aon Benfield. 2015 Annual Global Climate and Catastrophe Report[R]. Chicago, Illinois, 2016.

[2] Pielke Jr R A and Landsea C W. Normalized hurricane damages in the United States: 1925-95[J]. Weather and Forecasting, 1998, 13(3): 621-631.

[3] Raghavan S and Rajesh S. Trends in tropical cyclone impact: A study in Andhra Pradesh, India[J]. Bulletin of the American Meteorological Society, 2003, 84(5): 635-644.

[4] WMO. Seventh International Workshop on Tropical Cyclones (IWTC-VII)[EB/OL]. (2009-12-31) [2017-02-10]. http://www.wmo.int/pages/prog/arep/wwrp/tmr/IWTC-VII.html.

[5] IPCC. Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of the Intergovernmental Panel on Climate Change[R]. Cambridge, UK, and New York, NY, USA, Cambridge University Press, 2012: 582.

[6] UNISDR. Living with risk: A Global Review of Disaster Reduction Initiatives[R]. Geneva, Switzerland, United Nations, 2004.

[7] Grossi P and TeHennepe C. Catastrophe Modelling Fundamentals[M]//The Review-A Guide to Catastrophe Modelling, 2008: 6-11.

[8] Walker G R. Modelling the vulnerability of buildings to wind-a review[J]. Canadian Journal of Civil Engineering, 2011, 38(9): 1031-1039.

[9] 陳克平. 災(zāi)難模型化及其國(guó)外主要開發(fā)商[J]. 自然災(zāi)害學(xué)報(bào), 2004, 13(2): 1-8.

[10] Vickery P J, Masters F J, Powell M D, et al. Hurricane hazard modeling: The past, present, and future[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2009, 97(7): 392-405.

[11] 方偉華，石先武. 面向?yàn)?zāi)害風(fēng)險(xiǎn)評(píng)估的熱帶氣旋路徑及強(qiáng)度隨機(jī)模擬綜述[J]. 地球科學(xué)進(jìn)展, 2012, 27(8): 866-875.

[12] 方偉華，林偉. 面向?yàn)?zāi)害風(fēng)險(xiǎn)評(píng)估的臺(tái)風(fēng)風(fēng)場(chǎng)模型研究綜述[J]. 地理科學(xué)進(jìn)展, 2013, 32(6): 852-867.

[13] Pita G, Pinelli J P, Gurley K, et al. State of the art of hurricane vulnerability estimation methods: A review[J]. Natural Hazards Review, 2014, 16(2): 04014022.

[14] Russell L R. Probability Distributions for Texas Gulf Coast Hurricane Effects of Engineering Interest[D]. Palo Alto: Stanford University,1968.

[15] Batts M, Simiu E, and Russell L. Hurricane wind speeds in the United States[J]. Journal of the Structural Division, 1980, 106(10): 2001-2016.

[16] Georgiou P, Davenport A G, and Vickery B. Design wind speeds in regions dominated by tropical cyclones[J]. Journal of Wind Engineering and Industrial Aerodynamics, 1983, 13(1): 139-152.

[17] Neumann C J. The National Hurricane Center Risk Analysis Program (HURISK)[C]// NOAA Technical Memorandum NWS NHC 38. Washington, DC, National Oceanic and Atmospheric Administration (NOAA).1991.

[18] Vickery P, Skerlj P and Twisdale L. Simulation of hurricane risk in the U.S. using empirical track model[J]. Journal of Structural Engineering, 2000, 126(10): 1222-1237.

[19] Hall T and Jewson S. Statistical modelling of tropical cyclone tracks: a semi-parametric model for the mean trajectory[J]. Physics, 0503231, 2005.

[20] Emanuel K, Ravela S, Vivant E, et al. A statistical deterministic approach to hurricane risk assessment[J]. Bulletin of the American Meteorological Society, 2006, 87(3): 299-314.

[21] Darling R W R. Estimating probabilities of hurricane wind speeds using a large-scale empirical model[J]. Journal of Climate, 1991, 4(10): 1035-1046.

[22] Phadke A C, Martino C D, Cheung K F, et al. Modeling of tropical cyclone winds and waves for emergency management[J]. Ocean Engineering, 2003, 30(4): 553-578.

[23] Jelesnianski C P, Chen J, and Shaffer W A. SLOSH: Sea, Lake, and Overland Surges from Hurricanes[C]// NOAA Technical Report NWS 48. Silver Spring, MD, National Weather Service.1992.

[24] Holland G. An analytic model of the wind and pressure profiles in hurricanes[J]. Monthly weather review, 1980, 108(8): 1212-1218.

[25] Harper B A and Holland G J. An updated parametric model of tropical cyclone[C]// Proceedings of 23rd Conference on Hurricanes and Tropical Meteorology. Dallas, Texas, American Meteorological Society.1999.

[26] Lee K H and Rosowsky D V. Synthetic hurricane wind speed records: development of a database for hazard analyses and risk studies[J]. Natural Hazards Review, 2007, 8(2): 23-34.

[27] Powell M, Soukup G, Cocke S, et al. State of Florida hurricane loss projection model: Atmospheric science component[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2005, 93(8): 651-674.

[28] Holland G. A revised hurricane pressure-wind model[J]. Monthly Weather Review, 2008, 136(9): 3432-3445.

[29] Vickery P J and Wadhera D. Statistical models of Holland pressure profile parameter and radius to maximum winds of hurricanes from flight-level pressure and H*Wind data[J]. Journal of Applied Meteorology and Climatology, 2008, 47(10): 2497-2517.

[30] Shapiro L J. The asymmetric boundary layer flow under a translating hurricane[J]. Journal of the Atmospheric Sciences, 1983, 40(8): 1984-1998.

[31] Georgiou P. Design Windspeeds in Tropical Cyclone-Prone Regions[D]. London, Ontario, Canada: University of Western Ontario,1985.

[32] Vickery P, Skerlj P, Steckley A, et al. Hurricane wind field model for use in hurricane simulations[J]. Journal of Structural Engineering, 2000, 126(10): 1203-1221.

[33] 程正泉, 陳聯(lián)壽, 徐祥德, 等. 近10年中國(guó)臺(tái)風(fēng)暴雨研究進(jìn)展[J]. 氣象, 2005, 31(12): 3-9.

[34] Rogers R, Marks F, and Marchok T. Tropical cyclone rainfall[J]. Encyclopedia of hydrological sciences, 2009.

[35] Ren F, Wu G, Dong W, et al. Changes in tropical cyclone precipitation over China[J]. Geophysical Research Letters, 2006, 332(20): 131-145.

[36] David K B and Davis R E. Climatology of Tropical Cyclone Rainfall in the Southeastern United States[J]. Physical Geography, 2007, 28(2): 126-147.

[37] Shepherd J M, Grundstein A, and Mote T L. Quantifying the contribution of tropical cyclones to extreme rainfall along the coastal southeastern United States[J]. Geophysical Research Letters, 2007, 34(23): L23810.

[38] FEMA. Hazus-MH 2.1 Hurricane Model Technical Manual[R]. Washington, DC, Department of Homeland Security, Federal Emergency Management Agency, Mitigation Division.2016.

[39] Marks F, Kappler G and Demaria M. Development of a tropical cyclone rainfall climatology and persistence (R-CLIPER) model[C]// Proceedings of Conference on Hurricanes & Tropical Meteorology, 2002.

[40] Lonfat M, Rogers R, Marchok T, et al. A parametric model for predicting hurricane rainfall[J]. Monthly Weather Review, 2007, 135(9): 3086-3097.

[41] Marchok T, Rogers R and Tuleya R. Validation schemes for tropical cyclone quantitative precipitation forecasts: evaluation of operational models for U.S. landfalling cases[J]. Weather & Forecasting, 2007, 22(4): 726-746.

[42] Lin N and Chavas D. On hurricane parametric wind and applications in storm surge modeling[J]. Journal of Geophysical Research, 2012, 117(D9): D09120.

[43] 石先武, 譚駿, 國(guó)志興, 等. 風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評(píng)估研究綜述[J]. 地球科學(xué)進(jìn)展, 2013, 28(8): 866-874.

[44] 張?jiān)孪? 基于ADCIRC模式的臺(tái)風(fēng)風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評(píng)估方法研究與應(yīng)用——以浙江臺(tái)州為例[D]. 青島: 中國(guó)海洋大學(xué), 2014.

[45] Hendrick R L and Friedman D G. Potential impacts of storm modification on the insurance industry. Human Dimensions of Weather Modification[C]//W. Sewell, University of Chicago Press, Chicago, IL.1966: 227-248.

[46] Friedman D G. Natural hazard risk assessment for an insurance program[C]//Geneva Papers on Risk and Insurance, 1984: 57-128.

[47] Jain V K, Guin J and He H. Statistical Analysis of 2004 and 2005 Hurricane Claims Data[C]//Proceedings of the 11th Americas Conference on Wind Engineering. San Juan, Puerto Rico.2009.

[48] Kafali C and Jain V. A Methodology for Estimating Typhoon Losses to Building Environment in Japan[C]//Proceedings of the 11th Americas Conference on Wind Engineering. San Juan, Puerto Rico.2009.

[49] Stubbs N and Perry D. A damage simulation model for buildings and contents in a hurricane environment[C]// Building an International Community of Structural Engineers. ASCE, 1996.

[50] Applied Research Associates (ARA). Development of loss relativities for wind resistive features of residential structures[C]//Version 2.2. Raleigh, NC, Florida Department of Community Affairs, 2002.

[51] Li Y and Ellingwood B R. Hurricane damage to residential construction in the US: Importance of uncertainty modeling in risk assessment[J]. Engineering Structures, 2006, 28(7): 1009-1018.

[52] Vickery P J, Skerlj P F, Lin J, et al. HAZUS-MH hurricane model methodology. II: Damage and loss estimation[J]. Natural Hazards Review, 2006, 7(2): 94-103.

[53] Hamid S, Kibria B G, Gulati S, et al. Predicting losses of residential structures in the state of Florida by the public hurricane loss evaluation model[J]. Statistical Methodology, 2010, 7(5): 552-573.

[54] Walker G. CSIRO Division of Building, Construction and Engineering, Dr[R]. BA Harper, 1994.

[55] Stewart M. Risk and economic analysis of residential housing climate adaptation strategies for wind hazards in southeast Australia[C]//CAEx Report 1/2013, Climate Adaptation Engineering for Extreme Events Cluster, CSIRO Climate Adaptation Flagship, Canberra.2013.

[56] Henderson D J and Ginger J D. Vulnerability model of an Australian high-set house subjected to cyclonic wind loading[J]. Wind & Structures An International Journal, 2007, 10(3): 269-285.

[57] Wehner M, Ginger J, Holmes J, et al. Development of methods for assessing the vulnerability of Australian residential building stock to severe wind[C]//IOP Conference Series: Earth and Environmental Science, 2010, 11(2010) 012017.

[58] Burton C G. Social Vulnerability and Hurricane Impact Modeling[J]. Natural Hazards Review, 2010, 11(2): 58-68.

[59] Wang C and Yarnal B. The vulnerability of the elderly to hurricane hazards in Sarasota, Florida[J]. Natural Hazards, 2012, 2012(63): 349-373.

[60] Jung K, Shavitt S, Viswanathan M, et al. Female hurricanes are deadlier than male hurricanes[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(24): 8782-8787.

[61] 史培軍. 三論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào), 2002, 11(3): 1-9.

[62] 陳香. 福建省臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃[J]. 生態(tài)學(xué)雜志, 2007, 26(6): 961-966.

[63] 牛海燕, 劉敏, 陸敏, 等. 中國(guó)沿海地區(qū)臺(tái)風(fēng)災(zāi)害損失評(píng)估研究[J]. 災(zāi)害學(xué), 2011, 26(3): 61-64.

[64] 殷潔, 戴爾阜, 吳紹洪. 中國(guó)臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)評(píng)估與區(qū)劃[J]. 地理科學(xué), 2013, 33(11): 1370-1376.

[65] 樊琦, 梁必騏. 熱帶氣旋災(zāi)情的預(yù)測(cè)及評(píng)估[J]. 地理學(xué)報(bào), 2000, 55(S1): 52-56.

[66] 魏章進(jìn), 隋廣軍, 唐丹玲. 臺(tái)風(fēng)災(zāi)情評(píng)估及方法綜述[J]. 災(zāi)害學(xué), 2012, 27(4): 107-113.

[67] 葉小嶺, 施珮, 匡亮. 基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的臺(tái)風(fēng)災(zāi)損預(yù)測(cè)模型研究[J]. 災(zāi)害學(xué), 2013, 28(4): 11-15.

[68] 歐進(jìn)萍, 段忠東, 常亮. 中國(guó)東南沿海重點(diǎn)城市臺(tái)風(fēng)危險(xiǎn)性分析[J]. 自然災(zāi)害學(xué)報(bào), 2002, 11(4): 9-17.

[69] 李瑞龍. 基于改進(jìn)的臺(tái)風(fēng)關(guān)鍵參數(shù)的臺(tái)風(fēng)極值風(fēng)速預(yù)測(cè)[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2007.

[70] 程鴻. 基于歷史觀測(cè)數(shù)據(jù)的中國(guó)臺(tái)風(fēng)致災(zāi)因子過程重建與蒙特拉洛模擬[D]. 北京: 北京師范大學(xué),2009.

[71] 林偉, 方偉華. 西北太平洋臺(tái)風(fēng)風(fēng)場(chǎng)模型中 Holland B 系數(shù)區(qū)域特征研究[J]. 熱帶地理, 2013, 33(2): 124-132.

[72] 王韶文. 廣東沿海典型低矮建筑調(diào)研與風(fēng)荷載特性的試驗(yàn)研究[D]. 汕頭: 汕頭大學(xué), 2009.

[73] 何春保, 嚴(yán)英杰, 譚文怡, 等. 華南地區(qū)農(nóng)村建筑抗風(fēng)減災(zāi)情況調(diào)查與對(duì)策分析[J]. 南方建筑, 2011(5): 53-55.

[74] 辜智慧, 王娟, 葛怡, 等. 基于PTVA修正模型的建筑單體臺(tái)風(fēng)脆弱性評(píng)估方法[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2015, 25(11): 99-105.

[75] 辜智慧, 王娟, 葛怡, 等. 區(qū)域建筑群臺(tái)風(fēng)災(zāi)害綜合脆弱性評(píng)估方法研究:以廣東省為例[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2016, 26(2): 108-113.

[76] 雷小途, 徐明, 任福民. 全球變暖對(duì)臺(tái)風(fēng)活動(dòng)影響的研究進(jìn)展[J]. 氣象學(xué)報(bào), 2009, 67(5): 679-688.

[77] Miller S, Muir-Wood R, and Boissonnade A. An exploration of trends in normalized weather-related catastrophe losses [M]//H. F. Diaz and R. J. Murnane (Editor). Climate Extremes and Society. New York: Cambridge University Press, 2008: 225-247.

[78] Pielke Jr R A, Gratz J, Landsea C W, et al. Normalized hurricane damage in the United States: 1900-2005[J]. Natural Hazards Review, 2008, 9(1): 29-42.

[79] Schmidt S, Kemfert C, and H?ppe P. Tropical cyclone losses in the USA and the impact of climate change—A trend analysis based on data from a new approach to adjusting storm losses[J]. Environmental Impact Assessment Review, 2009, 29(6): 359-369.

[80] 張嬌艷, 吳立廣, 張強(qiáng). 全球變暖背景下我國(guó)熱帶氣旋災(zāi)害趨勢(shì)分析[J]. 熱帶氣象學(xué)報(bào), 2011, 27(4): 442-454.

[81] Estrada F, Botzen W J W and Tol R S J. Economic losses from US hurricanes consistent with an influence from climate change[J]. Nature Geosci, 2015, 8(11): 880-884.

[82] Hallegatte S. Climate change: Unattributed hurricane damage[J]. Nature Geosci, 2015, 8(11): 819-820.

Abstract:Global tropical cyclone disaster risks keep rising with the accelerated growth and aggregation of populations and wealth in the coastal areas. In recent decades, refined quantitative assessment of coastal tropical cyclone disaster risk has been regarded as a prerequisite to achieve prospective disaster risk management; therefore, developing the quantitative risk models, which incorporates multi-disciplinary theories and technologies including meteorology, geography, engineering, stochastic mathematics, insurance and so on, is the future direction of tropical cyclone risk management. From the perspective of integrated risk management for tropical cyclone disasters, this paper reviews the status quo of the tropical cyclone risk assessment, including the current development, problems of the two essential composing elements of risk, as the hazards and vulnerability respectively. The paper finally gives a brief overview of research on typhoon risk modelling in China, and provides responding suggestions for further improving quantitative typhoon risk research in coastal areas in China.

Key words:tropical cyclone; risk assessment; disaster; hazard; vulnerability

Review on Tropical Cyclone Risk Assessment

CHEN Wenfang1, DUAN Yihong1, LU Yi2, FANG Jiayi3, 4, SHI Xianwu5and REN Fumin1

(1.StateKeyLaboratoryofSevereWeather,ChineseAcademyofMeteorologicalScience,Beijing100081,China; 2.ShanghaiTyphoonInstituteofChinaMeteorologicalAdministration,Shanghai200030,China; 3.AcademyofDisasterReductionandEmergencyManagement,MinistryofCivilAffairs&MinistryofEducation,BeijingNormalUniversity,Beijing100875,China; 4.FacultyofEnvironmentandEngineering,UniversityofSouthampton,Southampton,SO17 1BJ; 5.NationalMarineHazardMitigationService,Beijing100194,China)

陳文方，端義宏，陸逸，等. 熱帶氣旋災(zāi)害風(fēng)險(xiǎn)評(píng)估現(xiàn)狀綜述[J]. 災(zāi)害學(xué)，2017，32(4)：146-152. [CHEN Wenfang, DUAN Yihong, LU Yi,et al. Review on Tropical Cyclone Risk Assessment[J]. Journal of Catastrophology，2017，32(4)：146-152.

10.3969/j.issn.1000-811X.2017.04.025.]

X43;P42

A

1000-811X(2017)04-0146-07

2017-04-14

2017-06-01

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2015CB452806)

陳文方(1987-)，女，江西南昌人，博士后，主要從事熱帶氣旋災(zāi)害風(fēng)險(xiǎn)評(píng)估與管理研究. E-mail: wenfang@camscma.cn

端義宏(1963-)，男，江蘇南京人，研究員，主要從事熱帶氣旋機(jī)理和海氣相互作用研究. E-mail: duanyh@cma.gov.cn

10.3969/j.issn.1000-811X.2017.04.025