佘運(yùn)磊，周 琪，曲 申

（1.北京理工大學(xué) 管理與經(jīng)濟(jì)學(xué)院 能源與環(huán)境政策研究中心，北京 100081；2.清華大學(xué) 環(huán)境學(xué)院，北京 100084）

在氣候變暖的背景下，全球極端天氣災(zāi)害發(fā)生的頻率和造成的經(jīng)濟(jì)損失成倍增加，威脅著人們的生命財(cái)產(chǎn)安全，制約著社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展。就災(zāi)害發(fā)生的頻率、造成的經(jīng)濟(jì)損失和受影響的人口數(shù)而言，洪澇災(zāi)害是全球范圍內(nèi)最嚴(yán)重的自然災(zāi)害之一。在中國，過去20年的洪澇災(zāi)害影響了9億人，占全世界受洪災(zāi)影響人口的55%[1]。由于社會(huì)經(jīng)濟(jì)的快速發(fā)展，中國洪澇災(zāi)害造成的直接經(jīng)濟(jì)損失呈現(xiàn)上升趨勢(shì)[2-3]。因此，對(duì)中國洪澇災(zāi)害進(jìn)行研究具有重要的現(xiàn)實(shí)意義和緊迫性。面對(duì)日益嚴(yán)重和頻繁的氣象災(zāi)害，除了通過減少溫室氣體排放來減緩氣候變暖的速度，通過改進(jìn)預(yù)報(bào)方法降低極端事件的不確定性外，如何采取和制定適應(yīng)性戰(zhàn)略和政策來減少災(zāi)害損失已成為一個(gè)重要的前沿課題[4]。國內(nèi)外從2014年開始陸續(xù)頒布了一系列應(yīng)對(duì)包括洪水災(zāi)害在內(nèi)的災(zāi)害適應(yīng)戰(zhàn)略和政策[5-7]，旨在制定和實(shí)施綜合防災(zāi)減災(zāi)規(guī)劃，建設(shè)具有風(fēng)險(xiǎn)抵御能力和可持續(xù)發(fā)展的韌性社會(huì)。為實(shí)現(xiàn)上述適應(yīng)戰(zhàn)略和政策，洪澇災(zāi)害綜合經(jīng)濟(jì)損失評(píng)估是一項(xiàng)重要的基礎(chǔ)性工作[8]，可以為洪澇災(zāi)害的補(bǔ)償和恢復(fù)機(jī)制提供數(shù)據(jù)支持。

洪澇災(zāi)害的經(jīng)濟(jì)影響包括直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失。直接經(jīng)濟(jì)損失包括農(nóng)林牧漁業(yè)、工業(yè)信息交通運(yùn)輸業(yè)、水利設(shè)施等經(jīng)濟(jì)損失，由水利部公布。間接經(jīng)濟(jì)損失是指因直接損失導(dǎo)致的生產(chǎn)能力下降而造成的供需失衡通過產(chǎn)業(yè)鏈上下游關(guān)聯(lián)傳播引發(fā)的進(jìn)一步的GDP下降[9-10]。間接經(jīng)濟(jì)損失評(píng)估是制定減災(zāi)政策的重要內(nèi)容，可以為確定防洪基礎(chǔ)設(shè)施的投入力度和災(zāi)后恢復(fù)重建定量模擬提供依據(jù)，也是適應(yīng)性評(píng)估的重要組成部分，可以確保掌握適應(yīng)措施的全部經(jīng)濟(jì)效益。目前，中國洪澇災(zāi)害間接經(jīng)濟(jì)損失評(píng)估的模型機(jī)制尚不完善，評(píng)估時(shí)長多以年、月為單位[11-12]，評(píng)估區(qū)域多為單一的省份、市[13-16]而不是多區(qū)域整體評(píng)估，納入的直接損失數(shù)據(jù)還不夠全面?？偟膩碚f，洪澇災(zāi)害間接經(jīng)濟(jì)損失評(píng)估目前還沒有統(tǒng)一可靠的方法?；诖耍疚臄M建立一套高精度、完善合理的中國洪澇災(zāi)害間接經(jīng)濟(jì)損失評(píng)估方法，在將洪澇災(zāi)害的直接影響轉(zhuǎn)化為相應(yīng)部門的生產(chǎn)能力損失的基礎(chǔ)上，利用最新開發(fā)的基于復(fù)雜網(wǎng)絡(luò)與適應(yīng)性主體的環(huán)境經(jīng)濟(jì)系統(tǒng)CLUES模型，逐日高精度的模擬洪澇災(zāi)害導(dǎo)致的生產(chǎn)能力下降在產(chǎn)業(yè)鏈中傳播引發(fā)的間接經(jīng)濟(jì)損失。以2017年中國洪澇災(zāi)害為例，展示模型方法的作用機(jī)理和評(píng)估效果，了解中國各省份各部門在面對(duì)洪澇災(zāi)害沖擊時(shí)的脆弱性和關(guān)鍵風(fēng)險(xiǎn)節(jié)點(diǎn)，并對(duì)產(chǎn)業(yè)鏈進(jìn)行風(fēng)險(xiǎn)預(yù)警。幫助制定適應(yīng)性戰(zhàn)略，減少洪澇災(zāi)害造成的間接經(jīng)濟(jì)損失。

一、文獻(xiàn)綜述

用于間接經(jīng)濟(jì)損失評(píng)估的模型有投入產(chǎn)出模型（IO）、可計(jì)算一般均衡模型（CGE）、適應(yīng)性區(qū)域投入產(chǎn)出模型（ARIO）、洪水足跡評(píng)估模型以及氣候適應(yīng)模型（Acclimate）。較早進(jìn)行災(zāi)害間接經(jīng)濟(jì)損失定量評(píng)估的學(xué)者采用的是投入產(chǎn)出模型[17-18]，例如，路琮等[19]基于投入產(chǎn)出表分析了自然災(zāi)害造成的農(nóng)業(yè)總產(chǎn)值損失對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的影響。但是IO模型假設(shè)生產(chǎn)要素的比例、價(jià)格是固定的，具有線性和剛性，無法模擬適應(yīng)性行為[20]。后來有學(xué)者采用CGE模型[21-23]，如PAUW等[23]結(jié)合作物損失模型與CGE 模型評(píng)估極端天氣事件的經(jīng)濟(jì)影響，結(jié)果表明每年干旱和洪水災(zāi)害給 Malawi（馬拉維）帶來的社會(huì)經(jīng)濟(jì)損失率約為1.7%。CGE模型允許價(jià)格變化、非線性生產(chǎn)函數(shù)、投入和進(jìn)口替代，但是由于需要校準(zhǔn)的參數(shù)量過多，在評(píng)估災(zāi)害損失時(shí)認(rèn)為經(jīng)濟(jì)處于均衡狀態(tài)的假設(shè)存在爭議[24]。

近期的研究主要在IO模型的基礎(chǔ)上引入適應(yīng)性行為，例如Hallegatte等[25]開發(fā)的ARIO模型，考慮工業(yè)部門生產(chǎn)能力的損失在經(jīng)濟(jì)系統(tǒng)的傳播，并將產(chǎn)能過剩、進(jìn)口替代、調(diào)整訂單、產(chǎn)量恢復(fù)的適應(yīng)性行為引入；Li等[26]將勞動(dòng)力的損失引入模型，EKOS等[27]在此基礎(chǔ)上，利用柯布道格拉斯生產(chǎn)函數(shù)建立了資本和勞動(dòng)力與生產(chǎn)損失之間的對(duì)應(yīng)關(guān)系。在ARIO模型基礎(chǔ)上，有學(xué)者進(jìn)一步開發(fā)了包括直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失在內(nèi)的洪水足跡評(píng)估模型[28-30]，他們的創(chuàng)新和改進(jìn)主要是提出了對(duì)資源的分配方案和消費(fèi)者的適應(yīng)性行為，優(yōu)化生產(chǎn)失衡，將工業(yè)和家庭資本的恢復(fù)需求添加到最終需求，制定資本投資的分配方式實(shí)現(xiàn)多樣化的恢復(fù)策略。ARIO模型和洪水足跡評(píng)估模型雖然引入了部分適應(yīng)行為，但是沒有考慮不同區(qū)域間同質(zhì)產(chǎn)品的替代效應(yīng)并且只涉及生產(chǎn)、消費(fèi)的適應(yīng)行為，沒有包含運(yùn)輸鏈條而忽略了不同地區(qū)間的貨物運(yùn)輸時(shí)間，使得生產(chǎn)能力損失導(dǎo)致的供應(yīng)約束在供應(yīng)鏈中瞬時(shí)傳播，從而高估了洪災(zāi)帶來的間接經(jīng)濟(jì)損失[31]，ARIO模型模擬的時(shí)間不能具體到每日尺度，且沒有系統(tǒng)的框架，不同的研究對(duì)象多基于不同的假設(shè)。Willner等[3]開發(fā)的Acclimate模型機(jī)制是當(dāng)供需和價(jià)格偏離均衡時(shí)，通過最優(yōu)化生產(chǎn)水平和分配需求訂單實(shí)現(xiàn)利潤最大化等。這種企業(yè)利潤最大化行為不符合現(xiàn)實(shí)基于習(xí)慣的微觀行為準(zhǔn)則，模型機(jī)制過于復(fù)雜，存在自相矛盾的地方。

洪澇災(zāi)害直接損失數(shù)據(jù)來源和輸入模型方法有土地利用法、人口法、統(tǒng)計(jì)調(diào)查數(shù)據(jù)等。第一種方法是土地利用法，利用氣候和河流洪水模型得出洪水范圍和水深、計(jì)算財(cái)產(chǎn)（包括住宅、工商業(yè)）的暴露，并結(jié)合深度—損失函數(shù)計(jì)算直接資本損失，與總資本存量相比得到相應(yīng)的損失比例輸入模型[25][27][32-33]。第二種方法是人口法，將計(jì)算出的受洪水影響人口數(shù)除以總?cè)丝诘谋壤鳛樗蟹欠?wù)業(yè)部門的生產(chǎn)損失比例[3]。這兩種方法大多被國外研究人員用在已發(fā)生的洪災(zāi)但沒有完備的損失統(tǒng)計(jì)數(shù)據(jù)，或者未來洪水直接損失預(yù)測(cè)中，估計(jì)的直接損失數(shù)據(jù)與實(shí)際數(shù)據(jù)之間存在差距。第三種方法是利用已發(fā)生的洪澇災(zāi)害的統(tǒng)計(jì)調(diào)查報(bào)告，研究人員按照各細(xì)分部門的經(jīng)濟(jì)份額進(jìn)行損失分配[15-16][34]。中國有較為完善的洪澇災(zāi)害損失統(tǒng)計(jì)體系，學(xué)者基于水利部公布的《水旱災(zāi)害公報(bào)》將全國作為一個(gè)整體去評(píng)估洪澇災(zāi)害的間接經(jīng)濟(jì)損失[35]，但評(píng)估時(shí)長是以年為單位，且不能完全納入各行各業(yè)的經(jīng)濟(jì)損失、受災(zāi)人口、房屋倒塌等數(shù)據(jù)，以充分反映洪災(zāi)直接影響造成的生產(chǎn)能力下降情況。

綜上所述，以往文獻(xiàn)存在一些不足之處：從模型機(jī)制的角度看，以往的文獻(xiàn)沒有對(duì)適應(yīng)性行為進(jìn)行全面的總結(jié)，本文利用的CLUES模型，融合了眾多的微觀適應(yīng)性機(jī)制，能夠?qū)崿F(xiàn)逐日高精度模擬，從而為供應(yīng)鏈提供預(yù)警；從研究區(qū)域來看，國外學(xué)者多以全球和歐洲為研究對(duì)象，國內(nèi)學(xué)者多以一個(gè)省、市或?qū)⒅袊鳛檎w進(jìn)行單區(qū)域評(píng)估，而本文將中國31個(gè)省份作為研究對(duì)象（由于缺乏數(shù)據(jù)，未考慮港、澳、臺(tái)地區(qū)），進(jìn)行多區(qū)域整體損失評(píng)估；從模擬的結(jié)果看，洪澇災(zāi)害通過產(chǎn)業(yè)鏈級(jí)聯(lián)效應(yīng)造成的間接經(jīng)濟(jì)損失占總經(jīng)濟(jì)損失的比例仍不確定，范圍從25%～74%變化較大[9][14][28][34]。從直接損失數(shù)據(jù)看，本文考慮了分行業(yè)的直接經(jīng)濟(jì)損失，人口受災(zāi)和房屋損壞等，由多部門聯(lián)合現(xiàn)場核查、衛(wèi)星遙感照片對(duì)比、自下而上估算得出，更能反映洪澇災(zāi)害造成的各行業(yè)實(shí)際生產(chǎn)能力損失情況。

二、模型方法

洪澇災(zāi)害的直接沖擊以及通過產(chǎn)業(yè)鏈傳播的間接沖擊造成的影響持續(xù)時(shí)間多在一年之內(nèi)，因此需要使用中短期的高精度環(huán)境經(jīng)濟(jì)系統(tǒng)模型模擬。本文利用北京理工大學(xué)新近研發(fā)的基于復(fù)雜網(wǎng)絡(luò)和適應(yīng)性主體的環(huán)境經(jīng)濟(jì)系統(tǒng)模型（Climate-Resilient and Low-Carbon Unfolding Economic Scenarios，以下簡稱CLUES），高時(shí)空精度地評(píng)估洪澇災(zāi)害的間接經(jīng)濟(jì)損失。模型采用面向?qū)ο蟮哪M方式，在虛擬世界[36]中設(shè)定生產(chǎn)、消費(fèi)和運(yùn)輸主體以復(fù)雜而現(xiàn)實(shí)的方式進(jìn)行互動(dòng)，模型所刻畫的主體行為均存在微觀基礎(chǔ)[37-39]。本文中模型的網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)是中國省級(jí)多區(qū)域投入產(chǎn)出表（MRIO）：“中國經(jīng)濟(jì)體”是研究的實(shí)例；各省份—部門是生產(chǎn)主體；各省份的最終消費(fèi)是消費(fèi)主體；生產(chǎn)主體之間、生產(chǎn)主體和消費(fèi)主體之間的運(yùn)輸鏈條就是運(yùn)輸主體，其長度是按照省份間距離和陸路運(yùn)輸速度估算的運(yùn)輸天數(shù)。

將外生的洪澇災(zāi)害直接損失數(shù)據(jù)輸入時(shí)，各主體在一個(gè)給定的復(fù)雜網(wǎng)絡(luò)之中進(jìn)行動(dòng)態(tài)演化與互動(dòng)，最終CLUES模型會(huì)輸出所有地區(qū)—部門365天逐日的非均衡的GDP，與沒有外生沖擊時(shí)的穩(wěn)態(tài)GDP對(duì)比，即可得出相應(yīng)沖擊通過產(chǎn)業(yè)鏈造成的間接經(jīng)濟(jì)損失。各主體的行為如下所述。

（一）生產(chǎn)主體

生產(chǎn)主體可以生產(chǎn)產(chǎn)品，向供應(yīng)網(wǎng)絡(luò)中相連接的其他主體送出產(chǎn)品與訂單，如果遇到外部沖擊，則可以表現(xiàn)出一定的適應(yīng)性行為，如補(bǔ)充存貨、調(diào)整上游供應(yīng)商的訂單份額、利用閑置生產(chǎn)能力、調(diào)整生產(chǎn)技術(shù)、災(zāi)后重建等。

（二）消費(fèi)主體

消費(fèi)主體也可以根據(jù)現(xiàn)實(shí)的供需狀況，調(diào)整不同供應(yīng)商所占的份額

1.準(zhǔn)備送出訂單

根據(jù)如下方式將這期給不同地區(qū)生產(chǎn)者的訂單份額進(jìn)行更為現(xiàn)實(shí)的調(diào)整：如果某生產(chǎn)者上期提供的商品大于給它的訂單量，那么這期就增加給其的訂單份額；反之，則減少。如下所示

其中，Z→〈C〉為生產(chǎn)主體送到消費(fèi)主體的產(chǎn)品量。

向區(qū)域r′中的生產(chǎn)主體訂購

如果s是異質(zhì)的，則無須計(jì)算份額。

2.記憶：存儲(chǔ)往期變量以指導(dǎo)行為

消費(fèi)主體存儲(chǔ)當(dāng)前模擬期間的相關(guān)狀態(tài)變量，這些變量將在未來的計(jì)算中使用。

（三）運(yùn)輸主體

運(yùn)輸主體模擬了生產(chǎn)主體之間、生產(chǎn)主體和消費(fèi)主體之間實(shí)際的貨物運(yùn)輸過程，是連接各主體的運(yùn)輸鏈條，其總長度是各主體之間的運(yùn)輸天數(shù)。各主體之間運(yùn)輸天數(shù)通過估算得到，涉及到的31個(gè)省及直轄市之間的距離來自高德地圖，運(yùn)輸速度取35千米/小時(shí)[38]

1.裝載產(chǎn)品：把生產(chǎn)主體生產(chǎn)的產(chǎn)品裝載到運(yùn)輸鏈條上

2.運(yùn)輸產(chǎn)品：每一天向前運(yùn)輸一步

3.卸載產(chǎn)品：把運(yùn)輸鏈條上的產(chǎn)品卸載給相應(yīng)的生產(chǎn)、消費(fèi)主體

三、數(shù)據(jù)來源與處理

（一）數(shù)據(jù)來源

本文選擇2017年的全國洪澇災(zāi)害作為研究對(duì)象的三個(gè)原因：2017年全國洪澇災(zāi)害直接經(jīng)濟(jì)損失為2 142.53億元，較接近歷年來洪澇災(zāi)害直接經(jīng)濟(jì)損失的平均值；2017年中國發(fā)生洪澇災(zāi)害的區(qū)域分布較廣，除天津外其他省份都受到了不同程度的直接影響；2017年中國洪澇災(zāi)害發(fā)生的流域具有代表性，長江中游區(qū)域，洞庭湖、松花江、珠江等流域等都是歷年經(jīng)常發(fā)生洪災(zāi)的地區(qū)。本文的研究對(duì)象為中國省級(jí)水平，進(jìn)行多區(qū)域的分析，與單個(gè)省份的分析相比更符合現(xiàn)實(shí)，因?yàn)槠髽I(yè)的產(chǎn)業(yè)鏈不會(huì)僅局限于本省，而是會(huì)遍布全國各個(gè)省份。

2017年中國31個(gè)省份（缺少港、澳、臺(tái)地區(qū)數(shù)據(jù)）和42個(gè)部門間的多區(qū)域投入產(chǎn)出表[40]數(shù)據(jù)來自CEADs數(shù)據(jù)庫；洪澇災(zāi)害直接損失數(shù)據(jù)來自2017年《水旱災(zāi)害公報(bào)》《全國洪澇災(zāi)情》《中國氣象災(zāi)害年鑒》；生產(chǎn)能力（提供服務(wù)）損失比例估算數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》《中國工業(yè)統(tǒng)計(jì)年鑒》《中國固定資產(chǎn)投資建設(shè)總額》。全國人均居住面積采用2016年住建部公布的數(shù)據(jù)。

（二）洪澇災(zāi)害直接損失數(shù)據(jù)處理

1.將全國范圍的直接損失分配到各省份

《全國洪澇災(zāi)情》僅公布了全國范圍的農(nóng)牧漁業(yè)、工業(yè)交通運(yùn)輸業(yè)的經(jīng)濟(jì)損失，沒有細(xì)分到各省，需要根據(jù)各省相應(yīng)行業(yè)的實(shí)物損失占比將損失進(jìn)行分配。

1）農(nóng)林牧漁業(yè)損失分配方式

各省份農(nóng)業(yè)受災(zāi)情況有相應(yīng)的統(tǒng)計(jì)數(shù)據(jù)，而農(nóng)業(yè)和林、牧、漁的受災(zāi)程度比較相同，根據(jù)各省份農(nóng)業(yè)的損失占全國總損失的比例，將全國的農(nóng)林牧漁經(jīng)濟(jì)損失分配到各省份。

2）工業(yè)交通運(yùn)輸業(yè)分配方式

工業(yè)交通運(yùn)輸業(yè)直接經(jīng)濟(jì)損失涵蓋了采礦業(yè)、交通運(yùn)輸業(yè)、電力業(yè)和通信業(yè)的直接經(jīng)濟(jì)損失。首先以采礦業(yè)、交通運(yùn)輸業(yè)、電力業(yè)和通信業(yè)四個(gè)行業(yè)對(duì)氣象災(zāi)害敏感度得分為權(quán)重，將工業(yè)交通運(yùn)輸業(yè)直接經(jīng)濟(jì)損失進(jìn)行分配，采礦業(yè)權(quán)重為4.93%，交通運(yùn)輸業(yè)權(quán)重為51.41%，電力業(yè)權(quán)重為42.43%，通信業(yè)權(quán)重1.23%[41]。然后，將各個(gè)行業(yè)的全國總損失分配到各省份。分配方式同上述的農(nóng)林牧漁業(yè)，依據(jù)相應(yīng)行業(yè)各省份實(shí)物受損占比進(jìn)行分配：采礦業(yè)以各省停產(chǎn)工礦企業(yè)個(gè)數(shù)占全國停產(chǎn)工礦企業(yè)總數(shù)占比為依據(jù)；電力行業(yè)以各省供電線路中斷次數(shù)占全國供電線路中斷總次數(shù)比例為依據(jù)；通信業(yè)以各省通信中斷次數(shù)占全國通信中斷總次數(shù)為依據(jù)。

將交通運(yùn)輸業(yè)進(jìn)一步劃分為鐵路運(yùn)輸業(yè)、道路運(yùn)輸業(yè)、水上運(yùn)輸業(yè)和航空運(yùn)輸業(yè)（占比很低，忽略不計(jì)）四個(gè)子行業(yè)，分別計(jì)算各省份子行業(yè)的損失占比，匯總得到各省份交通運(yùn)輸業(yè)受損占比

部分省份的應(yīng)急管理廳可能會(huì)公布本省份當(dāng)年的分行業(yè)詳細(xì)的洪澇災(zāi)害損失情況，本文根據(jù)各省實(shí)際公布的數(shù)據(jù)對(duì)從全國分配到各省份的數(shù)據(jù)進(jìn)行修正。

2.將各省直接損失數(shù)值轉(zhuǎn)換為MRIO表相應(yīng)省份—部門生產(chǎn)（提供服務(wù)）能力損失比例

根據(jù)圖1中洪澇災(zāi)害直接影響的類型，本文采用以下兩種方法轉(zhuǎn)化其直接影響：

圖1 洪澇災(zāi)害直接影響與MRIO部門生產(chǎn)（提供服務(wù)）能力損失比例匹配關(guān)系

1）直接經(jīng)濟(jì)損失轉(zhuǎn)換為部門生產(chǎn)（提供服務(wù)）能力損失比例方式

產(chǎn)品產(chǎn)值類經(jīng)濟(jì)損失

資本存量類經(jīng)濟(jì)損失

本文采用永續(xù)盤存法對(duì)上述部門的固定資本存量進(jìn)行估計(jì)[42]

2）房屋倒塌和人口受災(zāi)轉(zhuǎn)換為部門生產(chǎn)（提供服務(wù)）能力損失比例方式

洪澇災(zāi)害受災(zāi)人口是指在洪澇災(zāi)害中生產(chǎn)生活遭受損失的人口數(shù)量（同一人遭受一次以上洪澇災(zāi)害時(shí)，只統(tǒng)計(jì)一次，不重復(fù)計(jì)）。受到洪災(zāi)影響的人可能在一段時(shí)間（幾天或者一周）內(nèi)，在上班工作的時(shí)候遲到幾個(gè)小時(shí)，本文的損失數(shù)據(jù)是以每一日為步長輸入的，因此將受災(zāi)人口處理為受到洪澇災(zāi)害的影響人口在當(dāng)天全天不能工作。對(duì)于房屋倒塌，本文認(rèn)為房屋所有者會(huì)對(duì)受損房屋進(jìn)行處理修繕，房屋倒塌當(dāng)天不能參加工作。因此把人口受災(zāi)比例和房屋受損比例之和當(dāng)作一般制造業(yè)（MRIO中6～24部門）和建筑業(yè)的生產(chǎn)能力損失比例。

3.將各省份年度損失分配到洪澇災(zāi)害發(fā)生的具體日期

上述計(jì)算得到的各項(xiàng)數(shù)據(jù)為全年的總損失情況，是對(duì)每一天受到的洪澇災(zāi)害損失匯總得到的。CLUES模型要求以每一天為步長對(duì)各省份—部門進(jìn)行生產(chǎn)（提供服務(wù)）能力損失比例進(jìn)行輸入，本文根據(jù)每一場洪澇災(zāi)害造成對(duì)應(yīng)日期的人口受災(zāi)數(shù)量、直接經(jīng)濟(jì)損失以及應(yīng)急響應(yīng)等級(jí)、洪水預(yù)警等級(jí)、緊急狀態(tài)將洪澇災(zāi)害的年度總損失分配到具體的日期。

4.將各省份—部門生產(chǎn)（提供）服務(wù)能力損失比例納入CLUES模型進(jìn)行模擬

1）用中國省級(jí)多區(qū)域投入產(chǎn)出表為中國經(jīng)濟(jì)體賦值；

2）初始化世界和主體，根據(jù)已有變量推出其他模擬需要的變量；

3）洪災(zāi)沖擊發(fā)生，輸入各省份—部門當(dāng)天的生產(chǎn)（提供服務(wù)）能力損失比例；

4）連接各主體，使其按上文給定順序行動(dòng)；

5）下一天開始，重復(fù)3）和4），總共模擬365天（從2017年5月1日—2018年4月30日）。

四、結(jié)果分析

圖2顯示了利用CLUES模型模擬的2017年中國洪澇災(zāi)害直接損失通過產(chǎn)業(yè)鏈傳播造成GDP的間接損失。橫軸是模擬的日期，2017年5月1日是第一天，共365天。黑色虛線表示洪澇災(zāi)害沖擊的時(shí)間范圍，從5月9日開始到11月7日結(jié)束。將穩(wěn)態(tài)的GDP值減去CLUES模型模擬的在2017年洪澇災(zāi)害沖擊下的GDP值，得到相應(yīng)的損失值。每日損失區(qū)域表示每日的GDP損失，可以清晰地再現(xiàn)2017洪澇災(zāi)害的過程。最大單日GDP損失26.5億元出現(xiàn)在7月1日，主要是長江2017年第1號(hào)洪水導(dǎo)致湖南、廣西、江西、四川等省遭受較大直接損失帶來的沖擊。其次是6月24日的16.7億元，受江西、浙江、貴州等地洪澇災(zāi)害的沖擊。其他單日GDP損失較大的日期包括8月23日，是由于臺(tái)風(fēng)天鴿在廣東省登陸引起的洪澇災(zāi)害帶來的沖擊。以及10月5日，是由于發(fā)生在湖北的洪澇災(zāi)害帶來的沖擊。盡管7月15日吉林發(fā)生了嚴(yán)重的洪澇災(zāi)害，但該沖擊并未造成較大的單日GDP損失。累積損失區(qū)域表示累計(jì)的GDP損失，2017年洪澇災(zāi)害通過產(chǎn)業(yè)鏈傳播的間接經(jīng)濟(jì)損失是621.6億元，占直接經(jīng)濟(jì)損失2 142.5億元的29%。

圖2 中國每日和累積的間接經(jīng)濟(jì)損失

圖3展示了各省每日GDP損失曲線，以及洪澇災(zāi)害發(fā)生時(shí)間和單次占全年比例（僅標(biāo)注洪災(zāi)直接損失超過10億元的省份）。圖3中被標(biāo)注的曲線都有明顯的波峰，這些波峰出現(xiàn)的時(shí)間與各省份洪澇災(zāi)害直接沖擊時(shí)間高度一致，而曲線其他位置相對(duì)平緩，這表明這些省份的間接損失主要是由該省份洪澇災(zāi)害直接沖擊造成的，而其他省的洪澇災(zāi)害通過省際產(chǎn)業(yè)鏈傳遞造成的損失相對(duì)較小。這可能是由于運(yùn)輸成本等原因，企業(yè)對(duì)產(chǎn)業(yè)鏈上下游大部分進(jìn)行了本地化。而圖3中未標(biāo)注省份（海南、青海和新疆除外）的曲線沒有明顯的波峰且曲線波幅較大，說明這些省份的間接損失主要是由于其他省份的洪澇災(zāi)害通過產(chǎn)業(yè)鏈傳播造成的，而不是本省洪澇災(zāi)害導(dǎo)致的，因?yàn)檫@些省份受洪災(zāi)的影響較小，直接損失很低幾乎為零。這表明，洪澇災(zāi)害的直接沖擊會(huì)外溢到其他地區(qū)，可能是因?yàn)檫@些省份與受洪澇災(zāi)害沖擊較大的省份之間產(chǎn)業(yè)鏈連接緊密。海南、青海和新疆等地洪澇災(zāi)害造成的直接經(jīng)濟(jì)損失雖然很小，但受災(zāi)人口比例較高，導(dǎo)致其每日GDP損失曲線出現(xiàn)明顯峰值。

圖3 各省份間接經(jīng)濟(jì)損失曲線（按經(jīng)濟(jì)損失比例大小排序）

各省間接經(jīng)濟(jì)損失出現(xiàn)時(shí)間與該省份遭受直接沖擊的時(shí)候非常一致，表明產(chǎn)業(yè)鏈效應(yīng)是立即發(fā)生的，且在間接經(jīng)濟(jì)損失在出現(xiàn)后的一周之內(nèi)就降至很低的水平，表明洪澇災(zāi)害的直接沖擊對(duì)各省份經(jīng)濟(jì)體來說影響整體較小。各省份損失曲線的高點(diǎn)多集中在7月初，是由于2017年長江1號(hào)洪水造成的生產(chǎn)能力下降通過產(chǎn)業(yè)鏈傳播造成，個(gè)別省份損失曲線的高點(diǎn)出現(xiàn)在該省份受洪澇災(zāi)害嚴(yán)重影響的時(shí)間。

將MRIO表中42部門按照行業(yè)類型匯總為了六大部門類，包括農(nóng)林牧漁業(yè)（1）、采礦業(yè)（2～5）、制造業(yè)（6～23）、電力燃?xì)馑?yīng)業(yè)（24～26）、建筑業(yè)（27）和服務(wù)業(yè)（28～42）。圖4展示了全國和各省上述部門類的逐日和累積損失，各部門類的損失主要發(fā)生在6月下旬、7月上旬、8月下旬和10月初，是因?yàn)椴糠质》菰谶@些時(shí)期遭受了較重的洪澇災(zāi)害沖擊。制造業(yè)的損失占到所有部門損失的50.6%，因?yàn)槿丝谑転?zāi)會(huì)導(dǎo)致制造業(yè)停產(chǎn)，而因?yàn)楫a(chǎn)業(yè)鏈的密切聯(lián)系會(huì)遭受到進(jìn)一步的級(jí)聯(lián)損失。其次是服務(wù)業(yè)，占25.6%，服務(wù)業(yè)作為末端行業(yè)，各行業(yè)的直接沖擊會(huì)通過產(chǎn)業(yè)鏈傳導(dǎo)對(duì)其造成影響。而受直接損失沖擊嚴(yán)重的農(nóng)業(yè)、采礦業(yè)等間接經(jīng)濟(jì)損失占比很低，因?yàn)檫@些行業(yè)多處于生產(chǎn)鏈的初始端，不易受到產(chǎn)業(yè)鏈的級(jí)聯(lián)影響。各省份各部門損失占比與全國的情況相似，且直接經(jīng)濟(jì)損失越大的省份，其制造業(yè)損失占比也相對(duì)較高；直接經(jīng)濟(jì)損失越小的省份，服務(wù)業(yè)損失占比越高。

圖4 全國及各省份6個(gè)部門類的GDP損失情況

圖5橫軸代表模擬的365天，縱軸是按照1 302個(gè)省份—部門損失值的降序排序，顏色變化代表GDP損失，顏色軸上限為13萬元。本文使用熱力圖顯示了2017年中國洪澇災(zāi)害的經(jīng)濟(jì)足跡。從圖5可以發(fā)現(xiàn)，自2017年長江1號(hào)洪水發(fā)生后，前200個(gè)省份—部門每天的GDP損失都超過13萬元，直到模擬結(jié)束，這表明產(chǎn)業(yè)鏈對(duì)這些省份—部門的影響將持續(xù)很長一段時(shí)間。這200個(gè)省份—部門包括受洪澇災(zāi)害直接沖擊較嚴(yán)重的湖南、江西、湖北、廣東、四川等省的制造業(yè)部門，以及受洪澇災(zāi)害沖擊較小的上海、北京等地區(qū)的金融業(yè)、山西的煤炭采選產(chǎn)品；第201～700個(gè)省份—部門，損失值在7—10月份較大，而在洪澇災(zāi)害直接沖擊結(jié)束后，變得很小，表明產(chǎn)業(yè)鏈的影響在幾個(gè)月之內(nèi)逐漸退。而701～1 302個(gè)省份—部門，損失值非常低，且很快接近于零，表明產(chǎn)業(yè)鏈沖擊的時(shí)間非常短。從時(shí)間軸上看，各省份—部門損失較多的日期集中在洪澇災(zāi)害沖擊較嚴(yán)重的7月初、8月下旬及10月上旬。

圖5 2017年中國洪澇災(zāi)害的經(jīng)濟(jì)足跡

圖6展示了模擬第62天（2017年7月4日）每個(gè)地區(qū)每種產(chǎn)品的稀缺性指數(shù)，縱軸是按MRIO表中順序排序的42個(gè)部門，每個(gè)部門代表一種產(chǎn)品，橫軸是按間接經(jīng)濟(jì)損失占GDP比例降序進(jìn)行排序的31個(gè)地區(qū)。稀缺性指數(shù)被定義為（產(chǎn)品需求—產(chǎn)品供應(yīng)）/（產(chǎn)品需求）。產(chǎn)品供給是這一天運(yùn)到這個(gè)地區(qū)的該產(chǎn)品，產(chǎn)品需求是這一天所有企業(yè)生產(chǎn)所需的這種產(chǎn)品加上消費(fèi)者的需求。每個(gè)單元格的顏色代表該地區(qū)部門的產(chǎn)品稀缺指數(shù)。如果這個(gè)指標(biāo)大于0，就是供不應(yīng)求。本文計(jì)算了31個(gè)地區(qū)42種產(chǎn)品365天的稀缺指數(shù)，可以繪制365張與圖6相同的圖片，由于篇幅的限制，本文選擇了一天內(nèi)所有地區(qū)—部門的稀缺指數(shù)之和最大的進(jìn)行展示。

圖6 2017年中國洪澇災(zāi)害導(dǎo)致的各地區(qū)—部門的產(chǎn)品短缺

圖6顯示，在7月4日這一天，湖南省的制造業(yè)稀缺指數(shù)都超過了0.1，表明超過10%的需求得不到滿足，進(jìn)而導(dǎo)致生產(chǎn)能力損失和附加值損失。廣西省的金屬和非金屬開采、非金屬制品和金屬冶煉、專用、通信設(shè)備、金屬制品修理，建筑業(yè)等稀缺指數(shù)都較大，接近0.1。因?yàn)楹虾蛷V西兩個(gè)省份在7月初遭受了當(dāng)年“長江1號(hào)洪水”的沖擊，造成的直接損失通過產(chǎn)業(yè)鏈進(jìn)行的傳播、引發(fā)了上述產(chǎn)品的短缺。江西省的采礦業(yè)、金屬制品和電力行業(yè)稀缺指數(shù)較高，接近0.08，這些行業(yè)的稀缺是其GDP損失的主要原因。從各種產(chǎn)品上來看，各地區(qū)的專用設(shè)備稀缺指數(shù)都比較高，這說明該產(chǎn)品容易受到產(chǎn)業(yè)鏈的影響，進(jìn)而導(dǎo)致間接經(jīng)濟(jì)損失。因此，適應(yīng)性資金應(yīng)該優(yōu)先像該部門進(jìn)行分配，比如適當(dāng)增加其庫存，提高產(chǎn)能過剩的比例等，來減少直接沖擊通過產(chǎn)業(yè)鏈傳播造成的間接經(jīng)濟(jì)損失。

通過經(jīng)濟(jì)足跡和稀缺指數(shù)圖，本文逐日高精度展示了洪澇災(zāi)害通過產(chǎn)業(yè)鏈傳播造成的經(jīng)濟(jì)損失情況以及損失產(chǎn)生的原因。本文的研究結(jié)果可以通過預(yù)測(cè)具體時(shí)間、具體地區(qū)的產(chǎn)品短缺情況，為供應(yīng)鏈進(jìn)行預(yù)警，從而盡可能實(shí)現(xiàn)洪災(zāi)通過產(chǎn)業(yè)鏈傳播引發(fā)的間接經(jīng)濟(jì)損失的避免。

根據(jù)表1中2017年洪澇災(zāi)害沖擊通過產(chǎn)業(yè)鏈傳播造成的間接經(jīng)濟(jì)損失在各省的分布情況和大小，31個(gè)省份分為四個(gè)部分：經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，如青海、寧夏、西藏，這些省份的間接損失都在2億元以下；二是受洪澇災(zāi)后沖擊較小的省份，如天津、北京、上海，或者甘肅、遼寧、黑龍江等受到影響但制造業(yè)不發(fā)達(dá)地區(qū)，這些省份的間接損失均在10億元以下；三是受洪澇災(zāi)害影響較大的省份，如吉林、廣西、陜西等，或者制造業(yè)發(fā)達(dá)的地區(qū)，如江蘇、河南、重慶等，這些省份的間接經(jīng)濟(jì)損失在10～30億元之間；四是受洪澇災(zāi)害沖擊嚴(yán)重的湖南、廣東、江西、湖北等地，其間接經(jīng)濟(jì)損失超過了40億元，因?yàn)槠髽I(yè)產(chǎn)業(yè)鏈上下游企業(yè)大部分還是在本省，受到洪澇災(zāi)害沖擊嚴(yán)重的省份也是受間接經(jīng)濟(jì)影響最大的省份。

表1 各省份因洪澇災(zāi)害導(dǎo)致的經(jīng)濟(jì)損失和比例 單位：億元

根據(jù)表1展示的洪澇災(zāi)害造成的各省2017年總經(jīng)濟(jì)損失以及間接和直接經(jīng)濟(jì)損失的比值（各省直接經(jīng)濟(jì)損失來自《水旱災(zāi)害公報(bào)》，各省間接經(jīng)濟(jì)損失值由筆者估算得到，總經(jīng)濟(jì)損失是直接和間接經(jīng)濟(jì)損失之和）。本文用該比值衡量各省份受洪澇災(zāi)害產(chǎn)業(yè)鏈傳播影響的嚴(yán)重程度。間接經(jīng)濟(jì)損失與直接經(jīng)濟(jì)損失比值最高的是上海，其次是北京、江蘇、河南、重慶，因?yàn)檫@些省份受到洪澇災(zāi)害直接沖擊較小，或者這些省份與其他省份的產(chǎn)業(yè)鏈聯(lián)系密切；吉林、西藏、甘肅、遼寧這些省份的比值都很小，因?yàn)檫@些省份受到洪澇災(zāi)害直接沖擊相對(duì)較大，也可能是因?yàn)檫@些省份制造業(yè)不發(fā)達(dá)，產(chǎn)業(yè)鏈較短；湖南、廣東、廣西等受洪澇災(zāi)害直接沖擊較嚴(yán)重，其間接經(jīng)濟(jì)損失約占直接經(jīng)濟(jì)損失的20%。

本文的結(jié)果是針對(duì)2017年特定洪澇災(zāi)害沖擊情景，主要是發(fā)生在長江中游區(qū)域性大洪水，洞庭湖水系的流域性大洪水，以及臺(tái)風(fēng)登陸導(dǎo)致的珠江大洪水。中國洪水還可能發(fā)生在黃河流域和長江下游，不同洪澇災(zāi)害情景造成的間接經(jīng)濟(jì)損失情況與本文的結(jié)果可能存在差異，需要進(jìn)一步的針對(duì)性分析。

五、結(jié)論與政策建議

本文構(gòu)建了高精度、多區(qū)域的中國洪澇災(zāi)害間接經(jīng)濟(jì)損失評(píng)估框架，逐日評(píng)估了2017年中國多場次洪澇災(zāi)害造成的直接影響通過產(chǎn)業(yè)鏈傳播引發(fā)的間接經(jīng)濟(jì)損失，模擬了洪災(zāi)的直接沖擊通過產(chǎn)業(yè)鏈傳播的具體過程和引發(fā)的短缺情況，展示了模型的供應(yīng)鏈預(yù)警能力。得出以下三點(diǎn)結(jié)論：

1.洪澇災(zāi)害的間接經(jīng)濟(jì)損失評(píng)估是洪澇災(zāi)害綜合損失評(píng)估中不可或缺的一部分。2017年中國洪澇災(zāi)害造成的間接經(jīng)濟(jì)損失占直接經(jīng)濟(jì)損失的29%，低于以往基于IO模型的研究結(jié)果，這是因?yàn)楸疚臑樯a(chǎn)主體在面對(duì)洪澇沖擊時(shí)設(shè)置了大量的適應(yīng)行為，研究結(jié)果可以為其他多區(qū)域評(píng)估模型提供下限。

2.有50%的間接經(jīng)濟(jì)損失來自制造業(yè)，這是由于洪災(zāi)導(dǎo)致各省份大量人口受影響以及基礎(chǔ)設(shè)施損壞而導(dǎo)致的停工停產(chǎn)。受直接損失沖擊較嚴(yán)重的農(nóng)林牧漁業(yè)和采礦業(yè)的間接經(jīng)濟(jì)損失約占10%，因?yàn)槠涮幱谏a(chǎn)的初始端而不易受到產(chǎn)業(yè)鏈的級(jí)聯(lián)影響。

3.洪澇災(zāi)害的產(chǎn)業(yè)鏈效應(yīng)會(huì)外溢到其他省份，但洪災(zāi)沖擊導(dǎo)致的間接經(jīng)濟(jì)損失大部分仍在本省，這與企業(yè)的本地化產(chǎn)業(yè)鏈選擇有關(guān)。以間接經(jīng)濟(jì)損失與直接經(jīng)濟(jì)損失之比衡量的產(chǎn)業(yè)鏈級(jí)聯(lián)效應(yīng)的大小，主要與各地區(qū)的直接經(jīng)濟(jì)損失、發(fā)達(dá)程度、以及制造業(yè)比重有關(guān)。

針對(duì)以上結(jié)論，本文提出了三點(diǎn)政策建議：

1.洪澇災(zāi)害造成的經(jīng)濟(jì)間接損失不容忽視，否則會(huì)低估洪災(zāi)的社會(huì)總成本，誤導(dǎo)洪災(zāi)風(fēng)險(xiǎn)管理的行動(dòng)和適應(yīng)性行為。對(duì)于易受洪災(zāi)直接影響的地區(qū)（湖南、江西、湖北等），除進(jìn)一步加強(qiáng)筑堤修壩，整治河道等的力度來調(diào)控洪水，還需要加大在非工程措施上的投入力度，降低社會(huì)公眾面對(duì)洪水風(fēng)險(xiǎn)的脆弱性，從而減少洪災(zāi)的直接和間接經(jīng)濟(jì)損失。

2.政府要加強(qiáng)洪水預(yù)報(bào)預(yù)警與應(yīng)急響應(yīng)措施，針對(duì)可能出現(xiàn)的洪災(zāi)情況開展避洪演練，通過各種媒介廣泛宣傳和糾結(jié)，增強(qiáng)群眾的避洪意識(shí)和能力，減少因人員受洪災(zāi)影響導(dǎo)致的停工停產(chǎn)；開展土地、建設(shè)、產(chǎn)業(yè)規(guī)劃，將重要產(chǎn)業(yè)資源向低洪災(zāi)風(fēng)險(xiǎn)地區(qū)轉(zhuǎn)移，改良作物品種增強(qiáng)耐淹能力，提升建筑物耐淹抗沖性能，通過提升承載體的抗災(zāi)能力來降低直接損失。

3.建立洪水保險(xiǎn)和風(fēng)險(xiǎn)補(bǔ)償機(jī)制（被產(chǎn)業(yè)鏈效應(yīng)外溢的發(fā)達(dá)省市，如北京、上海、天津和江蘇，應(yīng)向易受沖擊的省份提供部分資金），分擔(dān)洪水風(fēng)險(xiǎn)，促進(jìn)災(zāi)區(qū)盡快恢復(fù)重建；對(duì)部分處于產(chǎn)業(yè)鏈關(guān)鍵位置的省份—產(chǎn)業(yè)，要進(jìn)行庫存儲(chǔ)備和產(chǎn)能冗余，減少洪澇災(zāi)害直接損失引發(fā)的間接經(jīng)濟(jì)損失。