吳彩銘，任福民，朱婧

(1.中國氣象科學研究院災害天氣國家重點實驗室，北京 100081；2.廈門市海峽氣象開放重點實驗室，福建 廈門 361012)

引言

熱帶氣旋是給人類造成損失最大的氣象災害之一[1]，熱帶氣旋引發(fā)的暴雨、大風、風暴潮以及由此產(chǎn)生的次生災害對基礎設施、財產(chǎn)、農(nóng)業(yè)生產(chǎn)活動、人身安全等均會造成嚴重影響[2-4]。我國是全世界遭受熱帶氣旋災害最嚴重的國家之一，在2005—2016年間，熱帶氣旋每年約影響中國大陸3 670萬人，造成該區(qū)域約254人死亡和695億元的直接經(jīng)濟損失[5-6]，尤以給沿海發(fā)達地區(qū)造成的損失最為慘重[7-8]。與此同時，農(nóng)作物受災面積、死亡人口、倒塌房屋等數(shù)量的顯著減少也說明增強防臺經(jīng)驗、采取有效措施能夠為減少災害發(fā)生或減弱災害強度提供可能性[9]。

過去，針對熱帶氣旋災害國內(nèi)外開展了多方面的研究工作，包含熱帶氣旋災害基本特征[10-15]、災害成因(即認為致災因子危險性、承載體脆弱性及暴露度是導致災害發(fā)生的決定性因素)[16-24]、災害的防御[13,25-26]以及關(guān)于災害危險性或危害評估[27]方面的模型。對于災害預評估模型，黃崇福[28]認為災害形成本身的復雜性以及人們對成災機理認識的缺乏，使得從機理角度導出理論模型不易實現(xiàn)。因此就目前模型研究來看，總體上是以分析歷史資料得到的統(tǒng)計模型為主，同時發(fā)展出一些側(cè)重分析描述災害形成機理進而實現(xiàn)災前預評估的動力模型，以及兩者兼顧的動力統(tǒng)計模型[29-32]。關(guān)于熱帶氣旋災害評估技術(shù)的研究回顧，主要涉及三個方面：一是災害風險定量評估方法，即為判斷某一地區(qū)不同程度災害發(fā)生的可能性大小而建立的致災因子強度和承載體脆弱性等災害影響因子評估模型；二是災情評估方法，通常指災害形成后，對損失實況進行評價的模型；三是巨災風險評估模型，即情景模擬大量熱帶氣旋如何對承載體作用的具體過程，判斷承載體損傷程度進而預估災害損失[33-37]。雖然上述回顧涉及了災情預評估相關(guān)內(nèi)容，但專門系統(tǒng)性針對熱帶氣旋災前預評估模型研究的詳細回顧總結(jié)仍然缺乏。

近年來，經(jīng)濟發(fā)展迅速，不斷變化的人口模式和人口趨勢等因素增加了熱帶氣旋致?lián)p潛力[38-41]。沿海省份的人口爆炸和災害多發(fā)地區(qū)城市的突然擴張導致風險明顯加大[42-43]。顯然，僅關(guān)注此類氣象事件發(fā)生時間和強度的傳統(tǒng)天氣監(jiān)測預報已經(jīng)不能滿足社會發(fā)展需求，越來越多的人開始關(guān)注其可能造成的影響以及災害事件發(fā)生前需要采取哪些防范措施。因此，做好熱帶氣旋災害災前預評估工作愈加迫切和重要。

對于熱帶氣旋災害的預評估，陳海燕等[44]認為其更側(cè)重評估災害的損失情況，即對一次熱帶氣旋事件或一個地區(qū)有概率發(fā)生的熱帶氣旋事件，評估其可能造成的人員傷亡和經(jīng)濟損失。本文立足于前人總結(jié)，從防災減災需求出發(fā)，圍繞災前預評估，就模型構(gòu)建背后的物理意義，將國內(nèi)外災害預評估模型，包括新發(fā)展的及改進的、預評估過程中用到的風險評估模型以及巨災風險評估模型中涉及熱帶氣旋的災害預評估過程，總體上概括為統(tǒng)計模型、動力模型和動力統(tǒng)計模型三類。以往，利用統(tǒng)計方法構(gòu)建的預評估模型最豐富，根據(jù)每個模型所設計的方法和技術(shù)，將統(tǒng)計模型進一步劃分為：(1)利用傳統(tǒng)概率統(tǒng)計方法建立的回歸模型，(2)用于多指標決策的層次分析方法，(3)應用不確定性理論構(gòu)建的不確定性模型，(4)人工智能方向的機器學習模型。在此分類基礎上，對每類模型進行回顧總結(jié)，并選取其中最具代表性的例子展開詳細介紹，最后就模型目前研究現(xiàn)狀、存在的問題以及未來模型發(fā)展進行總結(jié)和分析。

1 統(tǒng)計模型

統(tǒng)計模型在國內(nèi)預評估模型研究中最為常見，基于歷史資料建立災情損失與致災因子之間的數(shù)學關(guān)系(表1)，進而實現(xiàn)對熱帶氣旋災害損失的預估。這種關(guān)系的搭建并不需要明確的災害形成的物理機制，而是直接依賴于對歷史資料的數(shù)學統(tǒng)計分析。根據(jù)數(shù)學統(tǒng)計方法的不同，統(tǒng)計模型可分成以下幾種類型。

表1 熱帶氣旋災害預評估模型比較Table 1 Comparison between pre-assessment models for tropical cyclone disaster

1.1 回歸模型

回歸分析法即選取關(guān)聯(lián)性較大的因變量(災情狀況)和自變量(影響因子)建立描述兩者之間定量數(shù)學關(guān)系的回歸方程，是一種統(tǒng)計方法。學者們從熱帶氣旋自身、其引起風雨的特征、承載體脆弱性及暴露度等方面選取影響因子，研究其與災害損失之間的關(guān)系，建立函數(shù)表達式。表達式形式包含多元回歸方程[15,29,45-51]、回歸方程組[52]和回歸冪函數(shù)[53-57]。

這里以鞏在武和胡麗[15]建立的多元回歸模型為例進行介紹。該回歸模型首先采用相關(guān)分析法，從致災因子(包括登陸時中心氣壓、登陸時最大風速、日降雨量、過程降雨量)、承載體(包含人口密度等)和防災減災能力三方面25個影響因子中找到分別與各方面災情如直接經(jīng)濟損失、倒塌房屋數(shù)、農(nóng)作物受災面積以及死亡人口等關(guān)聯(lián)性大的影響因子，在此基礎上建立關(guān)聯(lián)關(guān)系的表達式(表達式以各影響因子乘以對應權(quán)重系數(shù)后相加形式體現(xiàn))，以便在未來通過獲得自變量的值去定量預估每種災情損失的值。

熱帶氣旋災害涉及多因素影響，而建立回歸模型可以簡化問題，即用回歸分析得到的系數(shù)就可以計量各個影響因素對災情的貢獻大小。該模型在大樣本情況下計算速度較快，分析結(jié)果更準確。但選用何種因子和該因子采用何種表達式只是一種推測，這影響了因子的多樣性和某些因子的不可測性，使得回歸分析建立的模型在某些情況下使用受到限制。

1.2 層次分析法

層次分析法(analytic hierarchy process，AHP)在災害預評估過程中被用于綜合指標的建立，準確地說它是一種風險評估手段，即將一個復雜的多指標決策問題作為一個系統(tǒng)，將目標分解為多個目標，進而分解為多指標的若干層次(具體體現(xiàn)為指標層、影響層和目標層)，在每一層次中按已確定的準則對該元素進行相對重要性的判別，并輔之以一致性檢驗，根據(jù)確定好的權(quán)重建立最終綜合性指標[22,58-59]。

下面以李春梅等[58]的層次分析方法為例進行介紹。該方法通過分析系統(tǒng)中各因素之間的關(guān)系，建立遞階層次結(jié)構(gòu)(圖1)。首先，選取包含致災因子和承載體信息的17個單項評估分指標(指標層)，進一步歸為熱帶氣旋特征參數(shù)、社會經(jīng)濟發(fā)展狀況、氣象條件三方面(影響層)，文中具體用中心最低氣壓、地理綜合參數(shù)、風綜合參數(shù)、雨綜合參數(shù)等4個亞指標表示。接著，對于同一層次的單個指標關(guān)于上一層次中亞指標的重要性進行比較，構(gòu)造比較矩陣(判斷矩陣)，由判斷矩陣計算被比較單個指標對于該亞指標的相對權(quán)重，并進行一致性檢驗，填充權(quán)重矩陣。實際上，判斷矩陣是在專家咨詢的基礎上，引入合適的標度，通過指標間兩兩重要性的比較打分確定出來的。然后，在先計算各層次單排序值的基礎上，計算同一層次所有因素對目標層相對重要性的總排序值，再從高層到最低層逐層加權(quán)求和計算，并對層次總排序進行一致性檢驗。最后，將4個亞指標的權(quán)重系數(shù)與對應指標值相乘再線性累加，得出表征熱帶氣旋災害對社會、經(jīng)濟的影響程度綜合指標值(目標層)。

圖1 熱帶氣旋災害層次分析法總體框架(引自李春梅等[58])Fig.1 Overall framework of AHP applied in assessing tropical cyclone disaster (Credit: LI et al.[58])

層次分析法往往作為預評估過程中的一個環(huán)節(jié)，用以確定影響因子權(quán)重，進而簡化為一個綜合指標，需要結(jié)合其他方法共同實現(xiàn)災害損失的預估。該方法是一種定性與定量相結(jié)合的決策評價方法，能夠?qū)碗s系統(tǒng)分解，每個層次中的每個因素對結(jié)果的貢獻程度都是量化的，清晰且明確。但評估過程中的確定權(quán)重環(huán)節(jié)，專家打分的形式使得該模型存在主觀性，評估結(jié)果受到人為影響；另外，此模型還需要對判斷矩陣作一致性檢驗，并需求出特征值與特征向量，計算量大。

1.3 不確定性理論模型

在現(xiàn)實社會中，傳統(tǒng)精確性或隨機性數(shù)學方法無法很好解決像熱帶氣旋災害形成機制這種復雜的不確定性問題，因此產(chǎn)生很多用于處理這類問題的理論——不確定性理論。基于不確定性理論，一些學者嘗試建立了熱帶氣旋災害預評估模型。不確定性理論模型主要包括灰色關(guān)聯(lián)方法[60-61]、模糊數(shù)學方法[62-64]、區(qū)間數(shù)模糊綜合評判法[65-66]和可拓方法[67]等。

以灰色關(guān)聯(lián)分析法為例進行詳細介紹。該方法即根據(jù)序列間相似程度，判斷各個影響因子與災害損失之間的關(guān)聯(lián)性大小，確定這些影響因子各自對災害的貢獻程度。由于參與比較的序列選取比較自由，可以是影響因子(單獨的或綜合的)或預評估結(jié)果(風險大小或者災損)，因此也可通過計算待評估序列與預先給出或通過歷史資料獲得的與各災情等級對應的影響因子序列關(guān)聯(lián)程度來進行最終災情等級判別。如劉曉慶和陳仕鴻[61]選取過程最大降水量、24 h最大降水量、最大風速、最低氣壓、影響持續(xù)時間、影響范圍(50 mm 以上過程降水和6 級以上大風影響的站點)、影響區(qū)域GDP、影響區(qū)域的人口、影響區(qū)域耕地面積、登陸時的天文大潮指數(shù)，通過計算這些序列與各臺風造成的直接經(jīng)濟損失序列之間灰色絕對關(guān)聯(lián)度、相對關(guān)聯(lián)度(參與比較的序列由原始序列變換而來)、綜合關(guān)聯(lián)度(前兩個關(guān)聯(lián)度的加權(quán)和)，進而判斷出致災的顯著因子。

該類中各個模型考慮的“不確定性”存在差異，即：灰色關(guān)聯(lián)分析法主要是解決信息缺乏引起不確定的問題；模糊數(shù)學方法則考慮到人們對于災害成因認知上的不夠成熟；有時，對于某些評價因素，難以得到一個準確的統(tǒng)計值，只能夠作一個粗略的估計，也就是說這些評價因素取值本身都可能是一個區(qū)間，因而采用區(qū)間數(shù)模糊綜合評判法；對于系統(tǒng)非靜態(tài)的情況，提出了描述時變性特征的可拓方法等。這類模型似乎更貼合實際，在諸多不確定情況下，能夠給出比較科學、合理的量化估計，一般以等級的形式體現(xiàn)。但與此同時，部分模型構(gòu)建上仍然客觀性不足，某些參數(shù)界定范圍需人為確定；模型所依賴的數(shù)學理論基礎也并不完善，應用存在局限。

1.4 機器學習模型

得益于計算機水平的迅猛發(fā)展，機器學習模型在處理復雜數(shù)據(jù)問題上有傳統(tǒng)統(tǒng)計模型無法比擬的優(yōu)越性。而作為機器學習的主流算法，神經(jīng)網(wǎng)絡和支持向量機[68-73]逐漸被用于災害預評估模型的建立，并受到越來越多的青睞。它們是以統(tǒng)計學習理論為基礎的新型機器學習算法，無需建立影響因子與災情之間的具體表達式，用算法解析數(shù)據(jù)，從中學習，然后對熱帶氣旋災害進行預估，可以很好地處理災情與致災因子、承災體暴露度及受災體防御能力之間復雜的非線性關(guān)系。

如葉小嶺等[70](圖2)使用的神經(jīng)網(wǎng)絡模型，采用標準的BP網(wǎng)絡結(jié)構(gòu)(多層前饋的神經(jīng)網(wǎng)絡)，即由輸入層、隱含層和輸出層三個神經(jīng)元層次組成，其中隱含層和輸出層具有計算和存儲功能，負責計算整合上一層信息并存儲。計算時，需要用到通過訓練樣本學習獲得的用于連接輸入層、隱藏層和輸出層的權(quán)值。以此種自學習能力對關(guān)系復雜或具有不確定性的系統(tǒng)進行充分的逼近。這也就意味著，訓練算法就是讓權(quán)重的值調(diào)整到最佳，使得整個網(wǎng)絡最終輸出的值與真實值之間誤差達到最小。此例子中，輸入層從致災因子、承災體暴露度、受災體防御能力和預警能力四方面選取了16個影響因子，直接經(jīng)濟損失、死亡人口、淹沒農(nóng)田和倒塌房屋數(shù)目作為輸出變量。模型優(yōu)化是使結(jié)果誤差減小常用途徑之一，這里具體為：首先以神經(jīng)網(wǎng)絡輸出的誤差為適應度，利用粒子群優(yōu)化算法(particle swarm optimization，PSO)對網(wǎng)絡初始權(quán)值、閾值迭代優(yōu)化，微粒在搜索空間內(nèi)不斷更新位置、速度和權(quán)值、閾值，從而確定最優(yōu)適應度時的參數(shù)，再將參數(shù)用于BP神經(jīng)網(wǎng)絡部分，最終優(yōu)化神經(jīng)網(wǎng)絡輸出結(jié)果。

圖2 PSO-BP神經(jīng)網(wǎng)絡模型流程圖(引自葉小嶺等[70])Fig.2 Flow chart of PSO-BP neural network model (Credit: YE et al.[70])

較傳統(tǒng)統(tǒng)計方法而言，這類方法具有良好的非線性映射能力，而且一般不需要事先知道被建模對象的結(jié)構(gòu)、參數(shù)等，只需要知道輸入和輸出的對象，就能夠通過自身的學習功能進行訓練，實現(xiàn)良好的數(shù)據(jù)擬合，得到符合要求的模型。但模型中仍存在像神經(jīng)網(wǎng)絡中隱藏層包含神經(jīng)元的個數(shù)需人為確定、目標函數(shù)算法復雜等問題，需要不斷完善發(fā)展。目前，越來越多的人致力于算法改進及參數(shù)優(yōu)化等，并開始向多層次的深度學習邁進；同時，通過比較不同算法之間差異與模型適用范圍，尋求一些合適的災害預評估模型。

2 動力模型

動力模型，即側(cè)重描述分析成災機理而對災害損失進行預估的模型。目前在國外開展較多，且多為應用于保險行業(yè)的巨災模型，其開發(fā)主要源于災難模型化開發(fā)商或研發(fā)單位，包含獨立的災難模型化公司(包括AIR、EQECAT、RMS)、基于世界一流大學的研究機構(gòu)、再保險公司及其中介經(jīng)紀公司和政府機構(gòu)等[30,39,74]。模型首先利用仿真和現(xiàn)代信息技術(shù)生成熱帶氣旋事件，包含其生成、路徑、強度及風場分布等信息，接著可以估算出該模擬事件對承載體可能造成破壞的大小，根據(jù)承載體損傷程度來估算災害損失，實現(xiàn)災害預評估。這種層層遞進的方式可以給出事件從發(fā)生到造成破壞、產(chǎn)生損失的詳細過程，明晰致災因子作用于建筑物的具體方式。這里選取HAZUS-MH颶風模型進行詳細介紹。

HAZUS-MH颶風模型由VICKERY et al.[75]開發(fā)，根據(jù)工程力學原理，利用幾類脆弱性指標和災害參數(shù)估計颶風對建筑物及其內(nèi)部可能造成的損害和損失[30]。模型由颶風災害模型、地形模型、建筑物性能評判模型、物理損壞模型和建筑物損失模型五部分構(gòu)成。每個模塊的模型依次由登陸颶風的歷史數(shù)據(jù)、風洞試驗結(jié)果、颶風造成損害的現(xiàn)場觀測和保險損失數(shù)據(jù)來進行驗證，模塊間銜接也有檢驗。此外，HAZUS-MH模型開發(fā)了快速運行損害和損失模塊，用于估算每個建筑類別或居住類別的損失。HAZUS-MH模型開發(fā)總體流程(根據(jù)文獻[75]修改)如圖3所示。

圖3 HAZUS-MH模型流程圖Fig.3 Overview of approach used to develop damage and loss functions for HAZUS-MH

具體而言，該模型先模擬生成颶風或熱帶風暴的整個路徑和風場[76-77]，其中，颶風災害模型中模擬的完整颶風路徑，包含不登陸與登陸兩種情況。目前，颶風風場模型經(jīng)擴展，可估計降雨率，進而估算從窗戶及門破損處進入建筑物的水量，這也是評估建筑物損壞的一個組成部分。HAZUS-MH利用現(xiàn)有的土地利用和土地覆蓋信息(這里用表面粗糙度表示)來構(gòu)建地形模型；建筑構(gòu)件性能部分由壓力負荷模型和風載碎片模型兩部分構(gòu)成，采用基于工程上對建筑構(gòu)件性能的分析方法，查看建筑物的承載和抵抗能力。物理損傷模型主要從建筑圍護結(jié)構(gòu)中構(gòu)件的破壞程度來估算建筑的損傷程度。損失模型包含兩大部分：第一部分是對建筑物損壞狀態(tài)進行建模，分為外部和內(nèi)部兩部分(外部損失的計算結(jié)合了建筑物修復和更換的經(jīng)驗成本估計技術(shù)，是一個顯式算法；內(nèi)部損失估計基于經(jīng)驗模型，該模型可以將內(nèi)部損壞的成本與建筑外部物理損壞關(guān)聯(lián)起來計算，是一個隱式算法，此算法也用來估計由于門窗失效導致的圍護結(jié)構(gòu)破裂后進入建筑的水量)；第二部分是根據(jù)修理該建筑物所需的時間，估計建筑物使用損失方面的費用。

HAZUS-MH模型是如今國際上比較典型的災害損失評估系統(tǒng)，側(cè)重分析致災具體過程，綜合考慮颶風自身及其引起風雨的特征、承載體脆弱性和暴露度情況，同時兼顧這些災害影響因素之間的相互作用，能夠明晰熱帶氣旋事件如何生成、如何作用于承載體的具體過程，并據(jù)此評估承載體損傷程度，進一步估算災害損失。但由于人們對颶風的認識及颶風對承載體的影響認識不全面，該類模型建立時對受影響環(huán)境的近似和簡化程度以及社會資料的不完整或者不準確等，會使得模型在預評估災害時產(chǎn)生不確定性。此外，模擬過程中臺風模型、近地風場和水量參數(shù)的不確定性和差異，會導致最終估算結(jié)果具有較大的離散性。

3 動力統(tǒng)計模型

用于熱帶氣旋災害預評估的動力統(tǒng)計方法模型，從廣義上考慮早先提出的動力統(tǒng)計結(jié)合思想[78]，即將現(xiàn)有不夠充分、成熟的對災害形成機理的認識與積累的歷史災情信息進行綜合提煉，在尊重歷史事實、統(tǒng)計歷史資料中蘊含的真實數(shù)理關(guān)系或規(guī)律的同時，兼顧分析描述事件形成、發(fā)展以及最終作用于承載體、造成災害結(jié)果的具體物理機制，進而實現(xiàn)災害損失預估。目前，應用該方法構(gòu)建模型的研究處于起步階段，較上述兩類模型，其評估結(jié)果優(yōu)勢尚不明確，而如何將動力與統(tǒng)計方法結(jié)合應用到模型構(gòu)建中也有待進一步研究。

這里以構(gòu)建最多、最典型的相似臺風模型進行介紹[32,79-80]。首先說明相似預報之所以歸類于動力統(tǒng)計方法，主要出于兩個方面考慮。一是依據(jù)若干條件(這些條件通常是直接影響災害的因子，或者是對這些因子構(gòu)成影響的其他條件如臺風所處的大氣環(huán)境、經(jīng)過的下墊面等)篩選出來的歷史相似臺風，其災害包含這些條件起到的動力熱力作用；二是最新研究[81]提升了相似預報原理的認識，發(fā)展了動力統(tǒng)計相似集合預報(dynamical statistical analog ensemble forecast，DSAEF)理論，DSAEF理論不僅回答了為什么可以進行相似預報，同時還指出如何進行相似預報(即參考“準確模式”(1)“準確模式”是當前數(shù)值模式發(fā)展的終極目標——大氣運動完全滿足的模式。對應于起報時刻初值的預報量即為未來的實際觀測，也就是準確模式的解，但其在起報時刻未知；而且，歷史觀測中還包含著大量類似的初值及其相應的預報量。預報思路，利用相似原理，挑選歷史相似臺風個例，采用集合的方式實現(xiàn)預報)。

關(guān)于相似臺風的選取，這里具體以張國峰等[32]方法為例，即根據(jù)臺風編號選取目標臺風，并根據(jù)指定的半徑對目標臺風做緩沖區(qū)，接著根據(jù)目標臺風年代、日期、強度(從動力分析中獲得)及緩沖區(qū)進行屬性與空間聯(lián)合查詢。對查詢到的每個歷史臺風，篩選出外包矩形與目標臺風外包矩形之間重疊度超過閾值的；進一步篩選出其路徑長度和目標臺風路徑長度之差與各自路徑長度比值都小于指定值的；對滿足上述條件的歷史臺風，計算其路徑與目標臺風控制點之間的最短距離并取它們的平均值，記錄歷史臺風的屬性數(shù)據(jù)及其與目標臺風的平均距離。對記錄到的歷史臺風按距離排序，依次列出排序的臺風供用戶選擇?？梢钥闯?，上述流程是通過不斷加強臺風路徑相似條件來篩選相似臺風的。其中，外包矩形重疊度反映臺風影響范圍的相似程度，路徑長度差與各自路徑長度的比值給出臺風路徑長度的相似程度，臺風之間的平均距離決定臺風路徑的接近程度。

進一步利用篩選出的歷史相似臺風災情，對目標臺風災情狀況進行預判。具體以賴寶幫[81]提出的方法為例，即將幾個相似臺風災情損失訂正到與目標臺風同一年份，按照相似度大小來賦予權(quán)重，將加權(quán)求和的結(jié)果作為目標臺風的災情，另外，損失訂正的過程中可以結(jié)合抗災能力對歷史災情作進一步的修正。

相似臺風模型按照逐漸加強的條件篩選出與目標臺風最為接近的歷史臺風，將歷史臺風的災情信息按照一定方式處理，最終預估目標臺風的災情狀況，其為動力、熱力分析與相似統(tǒng)計辦法結(jié)合的產(chǎn)物。該過程可以結(jié)合Arcmap等軟件輕松實現(xiàn)，快速便捷。但相似判據(jù)的選擇、參數(shù)臨界取值以及滿足篩選條件的歷史臺風樣本量是否會影響最終結(jié)果等問題都有待于進一步考查。

4 小結(jié)與討論

分類總結(jié)回顧了國內(nèi)外現(xiàn)有與熱帶氣旋災害預評估相關(guān)的模型，并將各類別中的典型例子進行詳細介紹?？傮w上模型的構(gòu)建趨于復雜化、多元化與智能化，并且以應用統(tǒng)計方法為主，同時也有使用側(cè)重描述分析災害形成機理的動力方法，近年來，動力統(tǒng)計結(jié)合的方法開始被應用到模型研究中。具體而言，統(tǒng)計模型是直接利用歷史資料，構(gòu)建災害的影響因子與災情之間的統(tǒng)計關(guān)系，進一步實現(xiàn)災前預評估。動力方法是應用計算機技術(shù)，模擬出若干個熱帶氣旋事件，通過描述分析事件的發(fā)生發(fā)展及其對承載體的破壞過程，計算承載體受損程度，從而預估損失。該類模型更加側(cè)重從分析災害事件形成的動力機制來實現(xiàn)災前預評估。動力統(tǒng)計模型目前主要指相似臺風模型，在統(tǒng)計分析歷史資料的同時，兼顧關(guān)注熱帶氣旋災害事件形成、發(fā)展以及產(chǎn)生結(jié)果等過程的物理機制，使得模型建立及結(jié)果更有意義。

上述熱帶氣旋災害預評估技術(shù)已逐步應用于業(yè)務。譬如，在國外，基于情景模擬方式建立了災害風險評估系統(tǒng)(包含美國的自然災害評估系統(tǒng)HAZUS[75]和佛羅里達公共颶風損失評估模型FPHM等)[74]；在國內(nèi)，國家氣象中心和國家氣候中心均開展了臺風(預)評估業(yè)務[82-83]，沿海省市氣象局利用可拓方法[84]、典型相關(guān)分析、經(jīng)驗分析、層次分析[58]及歷史相似等方法亦搭建了具有地方特色的臺風災害(預)評估系統(tǒng)[85-87]。但是，上述業(yè)務的應用特別是在國內(nèi)，還普遍存在客觀定量和精細化程度不高、基于不同方法的臺風災害(預)評估結(jié)果之間的可比性較差等問題。

基于以上研究回顧及預評估業(yè)務現(xiàn)狀對未來研究發(fā)展方向給出一些意見或建議，具體為：

(1)影響因子問題。雖然已有模型不僅僅考慮到致災因子，但對承載體信息及防災減災能力的認識一致性仍然較弱，如何制定合理的指標將其考慮進模型中或者如何用承載體信息和防災減災能力去修正僅考慮致災因子模型所得到的預評估結(jié)果仍值得思考。

(2)歷史資料問題。就目前一些災害預評估模型而言，其構(gòu)建過多地依賴于歷史資料，因此，歷史資料的好壞在相當程度上影響著模型效果。目前的災情資料主要存在準確性不夠、記錄有缺失、記錄指標缺乏統(tǒng)一標準以及分辨率較低的問題。那么，如何修正不合理的災情資料；不同來源災情資料如何比較使用；如何進行歷史庫重建，豐富樣本容量或嘗試應用信息擴散思想[88-89]以改善小樣本數(shù)據(jù)帶來的局限性等更好地將歷史資料應用到模型中值得進一步研究，這對于未來提高預估結(jié)果的準確性非常重要。

(3)模型構(gòu)建本身問題。各種模型不夠成熟，仍需改進和發(fā)展。具體體現(xiàn)在模型所依賴的數(shù)學方法、理論不夠完善，進一步導致模型在應用上存在局限；模型客觀性不足，需要人為參與評判給出權(quán)重或界定范圍；模型性能欠佳等。在未來，如何加強灰色理論、模糊數(shù)學等領(lǐng)域在災害預評估上的理論應用研究；如何將客觀性方法應用到預評估模型中；如何提升模型性能，包含參數(shù)優(yōu)化和算法改進等方面；如何降低模型理想化程度以及減少數(shù)學統(tǒng)計方法的使用，逐步明晰災害形成的物理機制、豐富模型物理意義等問題都有待于進一步研究。

(4)方法間相互融合。一方面，熵權(quán)法[90]的提出、客觀確定層次分析法中的權(quán)值、自適應模糊神經(jīng)推理與優(yōu)化方法相結(jié)合預評估模型的產(chǎn)生[91]以及發(fā)展的動力與統(tǒng)計相結(jié)合的模型等均提供了一個新思路；然而未來將哪些方法結(jié)合，以何種形式結(jié)合有助于提升模型預評估能力值得進一步研究。另一方面，運用多種方法(涉及到方法選取與比較問題)對同一個熱帶氣旋進行災前預評估，綜合分析評估結(jié)果，對于預評估最終效果的改善同樣值得思考。

(5)目前熱帶氣旋災害預評估在業(yè)務應用上還沒有形成統(tǒng)一的標準和技術(shù)規(guī)范，技術(shù)方法尚不成熟，評估的結(jié)果以半定量化“等級”形式體現(xiàn)，災情資料的獲取困難使得建立有效方法困難，先進手段獲得高精度資料也尚未發(fā)揮作用。未來推廣和應用各種先進技術(shù)，加強對災害影響因子(包含致災因子、承災體、孕災環(huán)境乃至防御能力建設)的綜合研究，加強對現(xiàn)場和空間對地觀測、空間技術(shù)、遙感、地理信息系統(tǒng)等的有效釋用，將成為災害預評估業(yè)務工作發(fā)展的主要方向。