陳金雨，陶 輝，翟建青，蘇布達，姜 彤

（1.中國科學院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國家重點實驗室，新疆烏魯木齊 830011；2.中國科學院大學，北京 100049；3.中國氣象局國家氣候中心，北京 100081；4.南京信息工程大學氣象災害預報預警與評估協(xié)同中心/災害風險管理研究院/地理科學學院，江蘇南京 210044）

引言

全球變化背景下，極端天氣氣候事件頻發(fā)，嚴重影響了人類社會的發(fā)展［1-2］。作為極端天氣氣候事件的一種類型，大量研究已經(jīng)證實極端高溫事件對人類健康、社會經(jīng)濟和生態(tài)系統(tǒng)有著顯著的影響且與高溫相關的威脅（發(fā)病率、死亡率和生產率等）正在上升［3-7］。2003年歐洲高溫造成超過70 000人死亡［8］；2015年高溫熱浪席卷巴基斯坦卡拉奇，造成超過1 200人死亡［9］。鑒于此，開展極端高溫事件時空分布特征研究，評估其災害風險對提高抵御高溫災害的能力具有重要意義。

國內外對于高溫的研究主要集中在3個方面：歸因研究、時空變化特征（強度、頻次、持續(xù)時間等）及社會經(jīng)濟影響［10-15］。近年來，隨著極端高溫事件的頻繁發(fā)生，國內外學者開展了大量有關高溫災害風險的研究。災害風險是致災因子的危險性、承災體的暴露度和脆弱性的集合［16］。目前，大部分研究主要從2個方面進行風險評估。一種為從風險的單一層面進行評估。如馬鳳等［17］基于CMIP6中多個全球氣候模式數(shù)據(jù)，分別從全球和洲際尺度預估了不同社會經(jīng)濟和排放情景下復合極端高溫事件暴露度的變化并結合敏感性試驗定量評估了氣候和人口變化對人口暴露度風險的貢獻。稅偉等［18］采用專家評估、AHP等方法，重構耦合適應力的城市高溫脆弱性評價指標體系，系統(tǒng)評估了福州市的高溫脆弱性。另一種為綜合致災因子的危險性、承災體的暴露度和脆弱性進行風險評估研究。如宋晨陽等［19］構建了猶豫層次分析法和逼近于理想解的排序方法相結合的高溫熱浪風險評估模型，對我國城市高溫熱浪進行了風險評估。代欣等［20］選取危險性、脆弱性、區(qū)域綜合防范能力因子構建風險評估指標體系，通過H-AHP方法確定指標權重，進行印尼雅萬高鐵沿線區(qū)域高溫熱浪風險評估研究。總體來看，有關高溫風險評估的研究并沒有統(tǒng)一的指標體系和評估方法。

中巴經(jīng)濟走廊是“一帶一路”建設規(guī)劃的戰(zhàn)略樞紐和先行示范區(qū)。大量研究表明，該地區(qū)對氣候變化極其敏感且易發(fā)生極端天氣氣候事件［21-22］。其中極端高溫事件對該地區(qū)人類社會造成了嚴重的影響［23］。Ulla等［24］通過計算極端氣溫指數(shù)研究了中巴經(jīng)濟廊地區(qū)1980-2016年極端氣溫的時空變化特征。Riaz等［25］基于1901-2018年氣溫數(shù)據(jù)和海溫數(shù)據(jù)，揭示了巴基斯坦地區(qū)氣溫與海溫的關系。呂嫣冉等［26］基于日最高氣溫和格點化的人口數(shù)據(jù)，識別了“一帶一路”地區(qū)1979-2018年極端高溫事件并定量評估了極端高溫事件下的人口暴露度。目前，中巴經(jīng)濟走廊地區(qū)相關研究主要集中在高溫的成因、時空變化及人口暴露度研究，缺乏綜合極端高溫事件的危險性、承災體暴露度和脆弱性的風險評估研究。

本研究基于1961-2015年逐日格點化日最高氣溫、人口經(jīng)濟和耕地等數(shù)據(jù)，采用層次分析法和熵權法確定各指標組合權重并綜合極端高溫事件的致災因子的危險性、承災體的暴露度和脆弱性特征，對中巴經(jīng)濟走廊地區(qū)極端高溫事件進行風險評估，劃分極端高溫事件風險區(qū)域，以期為中巴經(jīng)濟走廊應對極端高溫事件風險提供科學依據(jù)。

1 資料與方法

1.1 研究區(qū)及數(shù)據(jù)資料

中巴經(jīng)濟走廊（China-Pakistan Economic Corridor，CPEC）地處南亞次大陸西北部，介于24°N～40°N和60°E～80°E；北起中國喀什地區(qū)，南至巴基斯坦的瓜達爾港，全長約3 000 km［27］。研究區(qū)地形地貌復雜，氣候類型多樣，北部和西北部是喜馬拉雅山和喀喇昆侖山，以高山高原氣候類型為主，中部的印度河流域平原為熱帶季風氣候，南部俾路支省和信德省毗鄰阿拉伯海為熱帶沙漠氣候［28］。受地形影響，研究區(qū)氣溫空間分布差異明顯，年平均最低氣溫主要分布在北部高海拔地區(qū)為-2℃，年平均最高氣溫主要分布在中部和南部地區(qū)為22.9℃［29］。

本研究主要采用以下數(shù)據(jù)用于高溫災害風險評估：（1）氣象數(shù)據(jù)：基于中巴經(jīng)濟走廊及其周邊地區(qū)氣象站點逐日最高氣溫數(shù)據(jù)，采用ANUSPLIN軟件進行空間插值得到的1961-2015年0.25°×0.25°逐日最高氣溫格點數(shù)據(jù)，質量評估結果表明該數(shù)據(jù)具有更高的精度，數(shù)據(jù)來自于中國科學數(shù)據(jù)［30］；（2）人口經(jīng)濟數(shù)據(jù)：人口數(shù)據(jù)主要來自于哥倫比亞大學國際地球科學信息網(wǎng)（https：//sedac.ciesin.columbia.edu）所提供的調整后的第4版世界網(wǎng)格人口數(shù)據(jù)集（GPWv4）中的2015年人口密度數(shù)據(jù)、2010年人口年齡結構和性別結構數(shù)據(jù)，空間分辨率為5 km；GDP數(shù)據(jù)主要來自于NASA社會經(jīng)濟數(shù)據(jù)和應用中心（https：//sedac.ciesin.columbia.edu）提供的第4版全球網(wǎng)格地理經(jīng)濟數(shù)據(jù)（G-Econ，v4）中的2005年GDP數(shù)據(jù)，空間分辨率為1°；（3）耕地數(shù)據(jù)：耕地數(shù)據(jù)主要來自于哥白尼全球土地服務中心提供的2015年耕地數(shù)據(jù)（https：//lcviewer.vito.be），空間分辨率為100 m；（4）不透水面積數(shù)據(jù)：不透水面積數(shù)據(jù)主要來自于中國科學院航天信息研究所發(fā)布的2015年全球不透水表面數(shù)據(jù)（https：//zenodo.org/record/3505079），空間分辨率為30 m；（5）災害損失數(shù)據(jù)：主要來自于世界衛(wèi)生組織與災后流行病研究中心創(chuàng)建的緊急災難數(shù)據(jù)庫（EM-DAT）的2000-2015年中巴經(jīng)濟走廊地區(qū)極端高溫事件災害損失數(shù)據(jù)（https：//public.emdat.be/），主要包括極端高溫事件的開始時間、結束時間、發(fā)生位置、死亡人數(shù)等要素。

1.2 風險評估框架

災害風險評估是通過研究造成生命、財產及環(huán)境潛在影響的致災因子的危險性及承災體脆弱性，判定風險性質與范圍的過程［31］。災害風險評估一般劃分為廣義和狹義兩種，前者主要對災害系統(tǒng)進行風險評估，包括致災因子的危險性、承災體的暴露度和脆弱性等方面；后者主要針對致災因子進行風險評估，通常是對風險區(qū)遭受不同強度災害的可能性及其可能造成的后果進行定量分析和評估［32］。中巴經(jīng)濟走廊極端高溫事件風險評估步驟：第一，建立包含致災因子危險性、承災體暴露度和脆弱性的風險評估指標體系及“H-E-V”風險評估框架；第二，對各指標進行歸一化處理；第三，采用層次分析法和熵權法分別確定各指標組合權重，計算危險性、暴露度和脆弱性指數(shù)；第四，計算中巴經(jīng)濟走廊地區(qū)極端高溫事件風險指數(shù)并進行風險評估。

IPCC第五次評估報告突出了災害風險評估在氣候變化研究中的重要地位，提出了基于極端天氣氣候事件危險性、暴露度和脆弱性的“H-E-V”災害風險評估框架［16］。本研究根據(jù)IPCC報告提出的風險表達建立極端高溫事件災害風險評估框架：

式中：R為風險；NH、NE和NV分別為危險性、暴露度和脆弱性指數(shù)歸一化后的數(shù)值；wNH、wNE和wNV分別為NH、NE和NV的權重；H、E和V分別為危險性、暴露度和脆弱性指數(shù)；αi、βi和δi分別為第i個指標所占的權重；Hi、Ei和Vi為各指標歸一化后的值；j為評價指標個數(shù)。權重由層次分析法和熵權法進行組合確定。

1.3 指標體系的構建

1.3.1 致災因子的危險性

危險性是指當高溫氣象過程異?；虺Ｗ兓_到某個臨界值時，給社會經(jīng)濟系統(tǒng)造成破壞的可能性和嚴重程度。危險性通?；跉v史極端高溫事件發(fā)生的強度、頻次、持續(xù)時間等指標進行評估。本研究把日最高氣溫大于極端高溫閾值且持續(xù)時間在3 d及其以上的高溫事件定義為極端高溫事件。其中，考慮到中巴經(jīng)濟走廊地區(qū)氣溫地域差異較大，本研究將年均日最高氣溫小于研究區(qū)平均日最高氣溫的高寒山區(qū)剔除后，定義極端高溫閾值為1961-2015年夏季（6～8月）逐日最高氣溫升序排列的第95百分位數(shù)，強度為極端高溫事件的最高氣溫，持續(xù)時間為事件的歷時。

1.3.2 承災體的暴露度

暴露度是指在極端高溫災害下，人員、生計、環(huán)境服務和各種資源、基礎設施，以及經(jīng)濟、社會或文化資產處在有可能受到不利影響的位置。根據(jù)指標數(shù)據(jù)的可獲得性，本研究主要選取了人口密度、耕地面積占比和不透水面積占比作為極端高溫災害的暴露度指標。人口是風險評估最常用的暴露度指標，一個地區(qū)人口密度越大，暴露在極端高溫中的人口數(shù)量越多。巴基斯坦是一個農業(yè)大國，農業(yè)是國民經(jīng)濟的重要來源，耕地是重要的承災體暴露度指標之一［33］；下墊面對于大氣的影響，主要體現(xiàn)在對氣溫與大氣水分的影響上，氣象條件相同時，不同類型下墊面的表面溫度差異巨大［34］，不透水表面是城市下墊面的最主要組成部分，城市不透水面積與地表氣溫之前存在正相關關系［35］，因此不透水面積也是評估極端高溫事件承災體暴露度指標之一。

1.3.3 承災體的脆弱性

脆弱性表示受到極端高溫災害影響的傾向或趨勢。為了衡量在極端高溫事件下承災體的脆弱性，本研究主要選取了國內生產總值（GDP）、脆弱性人口比重和性別比重作為極端高溫災害的脆弱性指標。一方面，極端高溫災害高脆弱性地區(qū)主要分布于經(jīng)濟較差的欠發(fā)達地區(qū)，這些區(qū)域人群由于經(jīng)濟上的適應能力較差而受到極端高溫的威脅較大［36］；另一方面，老人（65歲及以上）和小孩（15歲及以下）對極端高溫的敏感性較差，不同性別群體在一定程度上對極端高溫的適應能力也不同，女性高溫死亡人數(shù)高于男性，因此脆弱人口比重（老人小孩占比）與性別比重（男女比例）也是高溫災害特有的脆弱性指標［37-38］。

1.4 確定指標權重

（1）數(shù)據(jù)歸一化

由于各指標之間含義和量綱各不相同，不具有可比性，為了便于進行綜合運算，需要對各指標數(shù)據(jù)進行無量綱歸一化處理，歸一化后的數(shù)值能夠反映出各評價指標對極端高溫災害風險的影響大小。極端高溫事件的強度、頻次、持續(xù)時間，以及人口密度、耕地面積占比和不透水面積占比是正向指標，GDP和性別比重是負向指標。歸一化計算公式如下：

對于正向指標：

對于負向指標：

式中：Yij為第j個指標的第i個值；Xi是原始值；Xmax和Xmin分別為第j項指標的最大值和最小值。

（2）層次分析法

層次分析法（Analytic Hierarchy Process，AHP）是由美國運籌學家Saaty于20世紀70年代提出的一種定量與定性相結合的多層次權重分析決策方法。層次分析法可以用來確定各指標的主觀權重［39-41］。AHP確定評價指標權重的步驟為：第一，構造判斷矩陣。通過引入九分位的相對重要的比例標度，對指標兩兩重要性進行比較和分析判斷矩陣用以表示同一層次各個指標的相對重要性的判斷值，對兩兩指標的相對重要性程度進行量化。第二，計算各指標主觀權重w'i。AHP方法的信息基礎是判斷矩陣，利用排序原理，求得矩陣排序矢量。第三，對判斷矩陣進行一致性檢驗。計算一致性比例RC，當RC＜0.10時，認為判斷矩陣的一致性是可以接受的，否則應對判斷矩陣作適當修正。

（3）熵權法

在多指標綜合評價中，熵權法可以客觀的反映各評價指標的權重［42］。一個系統(tǒng)的有序程度越高，則熵值越大，權重越??；反之則熵值越小，權重越大。對于一個評價指標，指標值之間的差距越大，則該指標在綜合評價中所起的作用越大；如果某項指標的指標值全部相等，則該指標在綜合評價中不起作用。因此，參與計算的每個指標值序列必須是完整的，如果某個指標值序列缺失值太多，就有可能會導致權重分配過大［43］。具體計算可由以下公式實現(xiàn)：

假設研究區(qū)像元數(shù)為n，采用的指標個數(shù)為m，則指標矩陣為：RE=(rij)m×n。第i個指標的熵定義為：

式中：Si為第i個指標的熵；n為像元的個數(shù)；j為評價對象；當fij=0時，令fijlnfij=0；fij定義為：

式中：Zij指第i個指標下第j個評價對象的歸一化后的指標值。

第i個指標的熵權定義為：

（4）組合權重

根據(jù)以上方法分別得出主觀權重和客觀權重后，本研究引入距離函數(shù)并采用線性組合法得出極端高溫災害風險評估中的組合權重［44］。確定組合權重的表達式為：

式中：wi為組合權重為AHP法得到的第i個指標的主觀權重為熵權法得到的第i個指標的客觀權重；a、b是權重的分配系數(shù)，a+b=1。

主觀權重與客觀權重的距離函數(shù)表達式為：

a與b的差值是分配系數(shù)間的差異：

構造方程組如下：

通過求解方程組可以得到各權重的分配系數(shù)的a和b，將分配系數(shù)代入式（10）得出組合權重，見表1。

表1 極端高溫事件風險指標權重Table 1 Weight of risk index of extreme high temperature events

1.5 高溫風險等級劃分

為了明確中巴經(jīng)濟走廊地區(qū)極端高溫事件風險評估體系中各指標等級特征，采用標準差分級法對極端高溫事件危險性、承災體暴露度、脆弱性和極端高溫事件風險指數(shù)進行分級，對應分級標準見表2。

表2 極端高溫事件風險評估分級標準Table 2 Classification criteria for risk assessment of extreme high temperature events

2 結果

2.1 致災因子的危險性

危險性指標包括極端高溫事件的強度（圖1（a））、頻次（圖1（b））和持續(xù)時間（圖1（c））。其中，中巴經(jīng)濟走廊超過70%的地區(qū)極端高溫事件強度均在40℃以上，極端高溫事件強度高的地區(qū)主要為信德省和旁遮普省，最高強度達到50℃；極端高溫事件發(fā)生頻次高的地區(qū)主要為俾路支省和信德??；持續(xù)4 d以上的極端高溫事件主要為伊斯蘭堡、俾路支省、旁遮普省和信德省，信德省有10%的地區(qū)極端高溫事件持續(xù)時間超過6 d。綜合極端高溫事件發(fā)生的強度、頻次和持續(xù)時間，得到致災因子的危險性如圖1（d）所示，中巴經(jīng)濟走廊高（較高）危險性地區(qū)主要分布在俾路支省、旁遮普省和信德省，約占研究區(qū)總面積的26.07%，信德省大約60%的地區(qū)屬于高危險性。伊斯蘭堡和中國喀什地區(qū)均屬于低危險性地區(qū)。

圖1 中巴經(jīng)濟走廊極端高溫事件危險性指數(shù)面積占比Fig.1 Percentage of area with different hazard classification in the major administrative units of the CPEC

2.2 承災體的暴露度

暴露度指標主要包括人口密度（圖2（a））、耕地面積占比（圖2（b））和不透水面積占比（圖2（c））。其中，人口密度較高的地區(qū)主要集中在伊斯蘭堡、開伯爾-普什圖赫瓦省、旁遮普省和信德??；耕地面積占比較高的地區(qū)主要集中在旁遮普省和信德?。徊煌杆娣e占比較高的地區(qū)主要集中在伊斯蘭堡、開伯爾-普什圖赫瓦省、旁遮普省、信德省和中國喀什地區(qū)。從承災體暴露度（圖2（d））可以看出，伊斯蘭堡、旁遮普省和信德省等地區(qū)屬于高（較高）暴露水平地區(qū)，約占研究區(qū)總面積的17.74%。

圖2 中巴經(jīng)濟走廊極端高溫事件暴露度指數(shù)面積占比Fig.2 Percentage of area with different exposure classification in the major administrative units of the CPEC

2.3 承災體的脆弱性

脆弱性指標主要包括國內生產總值（GDP）、脆弱人口比重和性別比重。其中GDP較高的地區(qū)主要為旁遮普省和信德?。▓D3（a））；脆弱人口比重主要在0.3～0.5之間，比重最高（＞0.5）的地區(qū)主要分布在信德?。▓D3（b））；中巴經(jīng)濟走廊絕大部分地區(qū)男女性別比重主要集中在0.8～1.2之間，比重最高（＞1.5）的地區(qū)主要分布在俾路支?。▓D3（c））。從脆弱性（圖3（d））可以看出，中巴經(jīng)濟走廊大約80%的地區(qū)屬于中高脆弱性地區(qū)，脆弱性高（較高）的地區(qū)主要分布在俾路支省、信德省、開伯爾-普什圖赫瓦省和中國喀什地區(qū)，占研究區(qū)總面積的36.65%。

圖3 中巴經(jīng)濟走廊極端高溫事件脆弱性指數(shù)面積占比Fig.3 Percentage of area with different vulnerability classification in the major administrative units of the CPEC

2.4 極端高溫事件風險評估

將致災因子的危險性指數(shù)、承災體的暴露度指數(shù)和脆弱性指數(shù)歸一化后通過風險評估模型（式（1））計算得到極端高溫事件風險指數(shù)，然后采用標準差法進行風險分級并得出極端高溫事件風險（圖4）。中巴經(jīng)濟走廊地區(qū)高（較高）風險區(qū)主要分布在伊斯蘭堡、旁遮普省和信德省，占研究區(qū)總面積的17.82%；中風險區(qū)主要分布在旁遮普省和信德省，占研究區(qū)總面積的12%；低（較低）風險區(qū)域占比最大（70.18%），主要分布在開伯爾-普什圖赫瓦省、俾路支省和中國喀什地區(qū)。

圖4 中巴經(jīng)濟走廊極端高溫事件不同風險區(qū)面積占比Fig.4 Percentage of area with different risk classification in the major administrative units of the CPEC

此外，研究區(qū)中等級及其以上風險面積占比超過50%的地區(qū)主要為旁遮普省（72.17%）、信德?。?2.94%）和伊斯蘭堡，其中伊斯蘭堡全部屬于中高風險區(qū)，無低風險地區(qū)；旁遮普省高風險區(qū)面積占比不高（6.15%），大部分地區(qū)屬于中等及較高風險區(qū)（67.31%）；信德省為高風險區(qū)面積占比最高的地區(qū)，約占全省總面積的16.18%。中國喀什地區(qū)均屬于低風險區(qū)，同樣低（較低）風險區(qū)面積占比較高的還有俾路支省，約占全省總面積的95.67%。開伯爾-普什圖赫瓦省主要為低（較低）風險區(qū)，約占全省總面積的75%。

本研究收集并統(tǒng)計了2000-2015年中巴經(jīng)濟走廊地區(qū)極端高溫事件的發(fā)生地點、頻次及影響范圍。該時間段內極端高溫事件主要發(fā)生在旁遮普省和信德省，均屬于本研究所劃分出的高風險區(qū)，與本研究結果一致。其中極端高溫事件發(fā)生次數(shù)最高的地區(qū)為地處旁遮普省的阿塔克和拉瓦爾品第（30次），巴哈瓦爾納加和巴哈瓦爾布爾兩地區(qū)發(fā)生次數(shù)同樣較高分別為28次和25次。由此可見，基于歷史發(fā)生的極端高溫事件與本研究結果均表明中巴經(jīng)濟走廊地區(qū)旁遮普省是發(fā)生極端高溫事件風險最大、頻次最高的地區(qū)。對于2015年6月18日至24日發(fā)生在巴基斯坦信德省卡拉奇地區(qū)的極端高溫事件，日最高氣溫達45℃，造成1 229人死亡，該地區(qū)屬于高風險區(qū)。因此，通過本研究的評估結果與歷史極端高溫事件記錄進行比較，證實了本文的方法和結果基本可信。

3 結論與討論

3.1 結論

本文基于中巴經(jīng)濟走廊地區(qū)1961-2015年逐日最高氣溫、人口經(jīng)濟、耕地、不透水面和災害損失數(shù)據(jù)，采用基于致災因子危險性、承災體的暴露度與脆弱性的“H-E-V”災害風險評估框架對研究區(qū)極端高溫事件進行風險評估，得到以下結論：

（1）中巴經(jīng)濟走廊地區(qū)極端高溫事件風險分布具有明顯的空間差異，高（較高）風險地區(qū)主要分布在旁遮普省與信德?。谎芯繀^(qū)絕大部分地區(qū)屬于低（較低）風險地區(qū)。

（2）中巴經(jīng)濟走廊地區(qū)極端高溫事件高風險地區(qū)面積占比最大的行政單元為信德省，低風險地區(qū)面積占比最大的行政單元為中國喀什地區(qū)且全部屬于低風險區(qū)。

（3）歷史極端高溫事件與本研究的評估結果基本一致，本研究使用的方法和研究結果具有一定的可靠性，可為中巴經(jīng)濟走廊地區(qū)減緩極端高溫事件災害風險提供科學依據(jù)。

3.2 討論

由于缺乏中巴經(jīng)濟走廊地區(qū)高分辨率、長時間序列的氣象數(shù)據(jù)、社會經(jīng)濟數(shù)據(jù)及災損數(shù)據(jù)［38］，有關該地區(qū)極端高溫事件風險評估的研究相對較少。本研究在風險評估結果與歷史時期發(fā)生的極端高溫事件表明本研究的方法與結果具有一定的可靠性。然而，本研究仍存在一定的局限性：

（1）對于極端高溫事件危險性研究方面，閾值的界定一直是研究極端高溫事件的重要因素且國內外并沒有統(tǒng)一的標準［45］，不同方法界定閾值得到的結果也不盡相同。中巴經(jīng)濟走廊地區(qū)氣候類型多樣且不同地區(qū)氣溫差異顯著［46］，本文主要參考國內外標準去界定極端高溫閾值并識別極端高溫事件，因此，對于該地區(qū)極端高溫閾值的界定及危險性可以進一步深入研究。

（2）對于暴露度與脆弱性指標選取方面，目前在風險評估研究領域并沒有統(tǒng)一的指標體系［47］，本研究主要考慮到該地區(qū)數(shù)據(jù)的可獲得性（比如醫(yī)療衛(wèi)生、居民水電等指標難以獲取）以及各指標數(shù)據(jù)與極端高溫事件的關系來選取指標。因此，本研究對于暴露度與脆弱性指標選取這一方面仍有改進空間，未來獲取到更多承災體數(shù)據(jù)后可以進一步評估、對比和參考。

（3）對于極端高溫事件風險評估方面，未來可以基于CMIP6氣候模式數(shù)據(jù)結合共享社會經(jīng)濟路徑下的人口和GDP等數(shù)據(jù)進行中巴經(jīng)濟走廊地區(qū)極端高溫事件風險預估。