下载掌阅APP，畅读海量书库
立即打开
气候变化直接风险的评估是气候变化对自然环境和人类社会影响的定性与量化评价过程，是风险管理和应对气候变化研究的重要组成部分。基于气候变化风险理论，本节从危险性、脆弱性和暴露度三个内涵属性综述气候变化直接风险的评估方法。
气候变化的危险性通常是指与气候有关的物理事件、变化趋势或其物理影响，是风险评估的重要组成部分。其风险源主要包括两个方面：一是平均气候状况变化（气温、降水趋势），属于渐变事件；二是极端气候事件（热带气旋、风暴潮、极端降水、河流洪水、热浪与寒潮、干旱），属于突发事件。气候变化的危险性即为气候渐变事件或极端气候事件的可能不利影响程度，主要评估方法有以下几种：
在统计学上，所谓N年一遇的极端事件，也叫重现期为N年的重现值。重现期则是从气候概率分布来看小于某一概率的气候事件，一般统计20年一遇、50年一遇、100年一遇的小概率事件。极值重现期方法根据长时间尺度历史资料记录，预测某一特定区域在未来百年甚至千年发生极端事件的可能性。基于历史实测资料的重现期估计方法主要有频率统计分析方法和联合概率分布方法。
频率统计分析方法主要包括：皮尔逊（P-III）分布、Fisher/Gumbel分布及韦伯分布、柯西分布、广义极值分布、帕累托分布、对数正态分布、指数分布等参数模型（Walton, 2000; Chen et al ., 2014），其中P-III分布和广义极值分布是评估极端事件常用的方法，在水利和海岸工程设计中得到了广泛应用（Boettle et al ., 2013; Wu et al ., 2017）。灾害事件的发生是多变量相互联系、共同作用的结果，因而在气候变化风险研究中，多维致灾因子的危险性评估逐渐得到发展和应用。目前多维联合分布的方法研究中，Copula函数由于其对变量的边缘分布无要求，变量可存在相关关系，灵活性和适用性较强，广泛应用于水文和干旱灾害研究中（Wang et al ., 2019a）。
极端气候事件的变化特征可以反映气候变化的危险性。极端气候事件的检测方法有绝对阈值方法和百分位阈值方法。为了有效推动世界各国开展极端事件变化检测研究，世界气象组织（World Meteorological Organization, WMO）气候委员会组织成立了气候变化监测和指标专家组（Expert Team on Climate Change Detection and Indices, ETCCDI）定义了68个气候指数，主要涉及高温、低温、强降水等典型的单要素极端气候指数。
多要素极端事件的天气现象一般有寒潮、干旱、热带气旋（在中国一般统称为台风）、雾和霾等。例如，干旱指数致灾阈值的划分指标有：降水量距平百分率（Pa）、土壤相对湿度（Rsr）、干燥度指数（AI）、帕默尔干旱指数（PDSI）、标准化降水指数（SPI）及综合气象干旱指数（CI）等。这些指标反映了致灾事件的发生频率和强度，通过识别致灾因子的强度、影响面积、持续时间三个维度来研究气候变化危险性（Sarhadi et al ., 2017; Zhai et al ., 2017）。为了表征极端气候事件的综合表现，卡尔等（Karl et al ., 1998）提出了一个由传统的气候极端指标组合而成的气候极端指数（Climate Extremes Index, CEI），用于研究美国极端事件的变化规律。洪水、野火、热浪和干旱等气象灾害往往是跨越多个时空尺度的相互作用的物理过程的组合。复合极端事件的研究可以改进对潜在的高影响事件的危险性预估（Zscheischler et al . 2018）。
上述两种评估方法虽然过程易于操作且具有很好的研究基础，但不能科学预估未来气候变化对危险性的影响机制且受历史观测数据的限制。基于不同排放情景的气候模式预估克服了以上方法的局限性。气候模式包括全球气候模式（General Circulation Model, GCM）和区域气候模式（Regional Climate Model, RCM），可针对不同尺度的气候变化开展研究。目前主要利用耦合模式比较计划（Coupled Model Intercomparison Project, CMIP）第五阶段（CMIP5）的成果，陆续开展第六阶段（CMIP6）试验，通过模拟地球系统的强迫和响应并考虑气候内部变率，基于不同的对未来的假设，可进行未来气候变化幅度的预测。CMIP气候模式数据被广泛应用于气候变化风险识别及极端事件分析研究中（Eyring et al ., 2019）。降尺度的区域气候模式如RegCM、MM5、WRF、PRECIS、RAMS等不断发展，主要用于模拟和预估区域未来气候变化、极端气候事件（Adachi et al ., 2017）。如基于气候模型模拟海岸洪水（Marsooli et al ., 2019）、高温热浪（Mazdiyasni et al ., 2019）、干旱（Wang et al ., 2019b）等气候相关灾害的时空危险性变化，可以用于开展气候变化风险的定量评估。
脆弱性包括对伤害的敏感性或易感性以及缺乏应对和适应的能力。脆弱性与自然环境承载力、人口分布及社会经济状况密切相关，一般包括物理脆弱性和社会脆弱性。前者反映受体自然属性的特征，后者是描述整个社会系统在气候变化影响下可能遭受损失的一种性质。目前，主要通过构建脆弱性曲线、脆弱性指数及基于物理过程的模型模拟等方法评估气候变化风险承灾体的脆弱性。
承灾体物理脆弱性的研究主要基于灾情数据（包括历史文献、灾害数据库及保险数据等）、系统调查及修正已有脆弱性曲线，反映的是系统损失程度与致灾因子强度的关系。例如，国内外对洪水灾害脆弱性曲线开展了大量的研究，如美国、英国和荷兰已针对不同建筑物类型建立损失曲线（FEMA, 2015; Jonkman et al ., 2008）。尹占娥等（2012）构建了中国典型城市的农作物、建筑、室内财产、道路等承灾体的洪水脆弱性曲线。哈莱加特等（Hallegatte et al ., 2013）根据不同洪水水位下暴露的资产数据，构建了六类资产的淹没深度与损伤函数关系。现有研究正逐步整合极端事件库并针对灾后损失展开问卷调查，从而优化脆弱性曲线，如台风对房屋及财产的损失率研究（曹诗嘉等，2016；莫婉媚等，2016）。在干旱方面，有研究基于信息分布与扩散方法理论，拟合了气象干旱程度—作物产量的关系（Wang et al ., 2019c）。因物理脆弱性研究对历史灾情数据要求较高，需要大量的实地调研，而当前灾情数据公开较少或质量不高，资料获取困难，脆弱性曲线研究十分有限。
重点领域脆弱性评估中，运用统计方法建立包括敏感性和适应能力的指标体系的研究日渐丰富。如运用专家调查法（Delphi法）、层次分析法（Analytic Hierarchy Process, AHP）、聚类法、主成分分析法、熵值法、模糊数学法、灰色系统理论法等方法给指标赋予权重，识别高脆弱性区域并对脆弱性等级进行划分。如约翰逊等（Johnson et al ., 2012）建立了极端高温脆弱性模型（Extreme Heat Vulnerability Index, EHVI），并根据主成分分析法确认了该模型中各影响因素的权重。袁潇晨等（2016）从暴露、敏感性和适应能力三者间不平衡关系入手，研制了干旱灾害的城市脆弱性综合指数。有研究使用基于随机森林方法的全相关特征选择算法，对重要指标进行选择和加权，为山区动态洪水建立脆弱性指数，可用于较少甚至没有经验数据的山区使用（Papathoma-Köhle et al ., 2019）。综合指数方法考虑了各项影响因子且能够反映脆弱性的空间分异，但是其结果仅为标量，较难应用于定量风险评估中。
气候模式耦合相应领域已有的机理模型被广泛应用于相关领域的气候变化风险。相应的领域模型包括农业作物模型（CERES、DSSAT）、动态植被模型（BIOME、IBIS、LPJ）、生物地球化学模型（CENTURY、SIB2）、水文水资源模型（VIC、SWAT、PDM、CLASSIC）、海岸带脆弱性模型（DPSIR、DIVA）、洪水淹没模型（HAZUS、Floodmap）等（高江波等，2017）。各类模型在过程细化、模块扩展、领域交叉等方面不断改进完善。例如，传统的“平衡生态模型”在预测陆地生态系统未来变化方面表现出局限性，而动态植被模型通过模拟植被的生理过程、演替过程、植被物候和营养物质循环等过程，综合考虑全球变化和人为干扰对陆地生态系统产生的不同影响及其“时滞效应”，有助于更合理地模拟气候变化下陆地生态系统演变过程（Cramer et al ., 2001; Sitch et al ., 2008）。该类模型已被用于中国生态系统脆弱性的评估。基于过程模型的科学性直接关系到模拟结果是否可靠，而多数研究表明相应的领域模型尚不成熟，因此建立科学合理的领域评估模型是未来研究的重点。
气候变化风险中，暴露度定义为可能遭受不利气候变化影响的地方和环境中存在的人员、生计、物种或生态系统、环境功能、服务和资源、基础设施或经济、社会或文化资产等。暴露度的变化是气候变化风险格局变动的原因之一。暴露度指标研究主要集中于重点领域的人口与社会经济状况。
通过研究成果归纳，气候变化对农业风险的暴露度主要体现在作物产量、种植面积和种植制度（Cohn et al ., 2016; Nelson et al ., 2014）。气候变暖造成很多地区的降水变化和冰雪消融，影响水资源分配和水循环过程。持续性和周期性水资源短缺风险的暴露度主要是生活在该地区的人口数量（Gosling et al ., 2016）。高温热浪直接引起对人体健康和劳动生产率的风险，分别分析65岁以上和20～65岁的暴露在高温下的人数可以获得相应的数据。洪水淹没风险的暴露度则主要是生活在河流洪涝平原和沿海低地地区的人口数量和基础设施等（Committee on Climate Change and China Expert Panel on Climate Change, 2018）。
对未来暴露度的预估主要基于未来气候、土地、人口、经济、技术和政策等一系列自然和社会因素设定基础上的情景模拟。共享社会经济路径（Shared Socio-economic Pathways, SSPs）情景描述了人口、经济、城市化、技术等的发展水平，分为五种情景假设的人口和经济系统的时空格局（Van Vuuren et al ., 2012; O’Neill et al ., 2014），可为分析全球人口和社会经济的暴露度估计提供基础。