宁波舟山港气象灾害风险及服务效益评估
第37卷第1期2021年2月
热带气象学报
JOURNAL OF TROPICAL METEOROLOGY
Vol.37,No.1Feb.,2021
孔扬，赵昶昱，王科，等.宁波舟山港气象灾害风险及服务效益评估[J].热带气象学报，2021，37(1)：82-90.
文章编号：1004-4965(2021)01-0082-09
宁波舟山港气象灾害风险及服务效益评估
孔扬1，赵昶昱2，王科3，徐建红4，周宜航4，薛国强1，钱燕珍1
(1.宁波市气象服务中心，浙江宁波315012；2.宁波市气象台，浙江宁波315012；3.宁波舟山港股份有限公司，浙江宁波315040；4.宁波市海事局，浙江宁波315100)
摘要：近年来海洋经济和港口快速发展，港口吞吐量不断增长，气象灾害对港口的安全生产和经济效益
影响日益显著。对港口气象风险及气象服务效益的评估不仅能促进公众对气象事业的认知，也是各部门制定相关工作规划的重要参考。采用国际减灾战略风险评估模型，基于1974—2019年气象数据和2013—2019年港口险情事故数据，讨论浙江省宁波市舟山港不同重现期下的灾害危险性、承载体脆弱性、自然灾害风险指数。采用对比分析法构建服务效益评估模型，基于致灾因子综合强度指数、港口管制数据、码头计划兑现率数据、气象监测数据，对模型进行量化。评估结果表明，2016年、2019年港口自然灾害风险偏高。2017年以来，气象服务通过提高作业效率、增加作业时间，为港口产生上亿元的服务效益。提出的评估技术已在宁波业务应用，对类似港口有一定借鉴。
关
键
词：气象服务；气象灾害；风险评估；效益评估；港口
中图分类号：S166
文献标志码：A
Doi ：10.16032/j.issn.1004-4965.2021.008
收稿日期：2020-03-06；修订日期：2020-11-08
基金项目：宁波市“科技创新2025”重大专项(2019B10025)；宁波市自然科学基金(2019A610450)共同资助通讯作者：赵昶昱，女，江苏省人，工程师，从事灾害性天气预报服务技术研究。E-mail ：******************
1引言
港口是复杂实体，伴随极端天气事件而引发的灾害链或多种灾害复合将对港区内基础设施建设带来毁坏性破坏，对人民众生命财产安全和港口经济的持续发展构成严重威胁。随着港口规模扩大和吞吐量的激增，天气造成的影响更加明显[1]，因此通过精细化专业气象服务，降低气象灾害风险，趋利避害，提高港口运行效率越来越重要。
对港航作业有严重影响的天气主要有大风、大雾、强对流、风暴潮、台风等[1]。开展港口多种自然灾害风险评估，为港口防灾减灾提供理论依据，具有重要的科学价值与实践意义。自然灾害风险评估不仅是一项以预防为主、防患于未然的重要防灾减灾措施，也是开展综合减灾和制定应急管
理对策的基础和依据[1-2]。围绕灾害风险评估原理
与预测模型，国内专家学者不断深入探索并提出诸多研究方法。王静静[2]以多灾种复合为背景，从危险性、暴露性和脆弱性等方面选取指标，探讨构建了沿海8个港口自然灾害风险评价指标体系与评估模型；
殷洁等[3-4]采用历史资料构建灾损标准，综合承灾体脆弱性和台风发生可能性两者的结果运用于风险模型中作定量评估；陈文方等[5]利用主成分分析计算致灾因子强度与承灾体脆弱性指数，基于各县区尺度划分灾害风险等级；庞古乾等[6]基于多年气象观测资料和潮位数据，对台风及风暴潮灾害进行特征分析和频率计算；洪凯等[7]则以气象观测资料结合港口统计数据，评估不同重现期下港区台风灾害风险的分布特征和经济灾损状况。以上研究为气象灾害风险评估提供了技术方法。
早在1960年代，世界气象组织(WMO)就认识
第1期孔扬等：宁波舟山港气象灾害风险及服务效益评估到气象服务具有重大的经济和社会效益。1990年代前后，美国、德国、日本等气象技术发达国家先后借鉴社会学方法，结合调查问卷、敏感度分析等方法建立专家咨询法，对气象效益进行了评估，这些评估为国家的气象现代化建设决策提供了重要依据[8]。进入21世纪以来，全球变化和人类扩张使得天气灾害的影响日益显著。美国的一些科学家开始尝试建立经济模型，并与天气要素建立联系，结合历史数据，得出天气要素在决定产值中的作用。2004年起，美国国家海洋和大气管理局(NOAA)发布《NOAA 经济统计》，针对气象服务现状和实现现代化后的情况开展对比评估，利用对比分析得出气象发展对国家产生的效益，从而加快了美国1990年代现代化的开展，也为国家层面重大决策提供了最客观和科学的依据[9-13]。国内专家对行业气象服务效益评估的研究，普遍使用的是投入产出法、层次分析法、损失矩阵法、专家评估法等[14-17]。近年来，应用较多的方法包括对比分析法、逆推法、专家评估法、问卷调查法等[18-19]。
浙江宁波舟山港是中国古代“海上丝绸之路”起锚地之一，有1200多年发展历史，2019年货物吞吐量首破11亿吨、连续11年位居全球港口首位，集装箱吞吐量超2753万标准箱，排名位居全球第三。2017年4月以来，宁波海事局、宁波舟山
港等部门开始采用定制式的港航气象监测、预报信息，作为灾害性天气下港口作业安全保障、精准调度的重要参考。本文结合气象、海事、港口多部门数据，通过评估宁波舟山港致灾因子危险性、承灾体脆弱性，构建港口自然灾害风险评估模型，对港口行业进行分类，利用对比分析法、个例分析法等，确定气象效益评估模型的具体技术方案，并给出服务效益的估算结果。
2研究区域和资料
宁波舟山港现有19个港区，600多个生产泊位，本文主要分析位于宁波北仑到舟山定海之间，业务最繁忙的港口核心区域，包含镇海、北仑、穿山、大榭、梅山5个港区(图1)。
本文风险评估所用风、能见度资料来自距离宁波舟山港最近的北仑国家气象站地面气象观测数据，其中逐日资料的年限为1974—2019年，用来做风险评估；逐小时资料的观测年限为2013—2019年，用来做效益评估。所用港口灾害险情数据、港口管制数据来自宁波海事局指挥中心，资料年限为2013—2019年。码头计划兑现率数据来自宁波舟山港调度中心，资料年限为2013—2019年。港口生产运营数据由实地调研、访谈获得。
图1
宁波舟山港核心港区分布及观测站点位置示意图
30.6°N
30.4°N
30.2°N
30.0°N
29.8°N
29.6°N
121.6°E 121.8°E 122.0°E 122.2°E 122.4°E 122.6°E
83
热带气象学报第37卷
3自然灾害风险评估
3.1致灾因子危险性评估
港口致灾因子主要指由强风、低能见度、雷电、暴雨等带来的次生灾害，根据致灾机理表现形式以强风
、低能见度为主，其中可能形成大风的天气系统复杂多样，包括台风、冷空气、低压、强对流等[20]，出现的大雾主要是平流雾、辐射雾，以及局
地出现的团雾等[1]。在探讨致灾因子评价指标时，
着重考虑强风和大雾两大因素[5,21]，根据宁波地方标准《DB3302T 1108-2019港口水上交通气象条件等级》、宁波海事局《宁波海事局辖区船舶航行、锚泊和作业管理规定》等文件，选取风力阈值6级、7级、7.5级(15.5～17.1m/s)、8级，能见度阈值1000m 、500m ，建立致灾因子评价指标体系(表1)，用影响时间(单位：天)衡量致灾因子对港口生产的危险性。
表1
致灾因子危险性评价指标体系
符号W 6W 7W 7.5W 8
一级指标
大风二级指标≥6级≥7级
≥7.5级≥8级单位天天天天
符号V 1000V 500
一级指标
能见度二级指标≤1000m ≤500m
单位天天
评价致灾因子危险性可采用主成分分析(Principal Component Analysis ，PCA)法，利用降低数据维度方式，从原有多个且相互联系的变量数据集中，通过线性变换选取少数几个相互无关且尽可能保留原信息的重要变量[22]。
具体地，首先对指标矩阵[W 6W 7W 7.5W 8V 1000V 500]
进行标准化处理，消除量纲影响后对新矩阵
[]W ∗
6W ∗7W ∗7.5W ∗8V ∗1000V ∗
500做PCA 分析，得到前两个
特征根的方差贡献率分别为65.52%、30.05%，累积贡献率达到95%，说明前两个主成分能够反映所有危险性指标的信息，因而可根据前两个特征向量构造主成分PC 1和PC 2，如公式(1)所示。
ìíîïïPC 1=0.50W ∗6+0.50W ∗7+0.49W ∗7.5+0.48W ∗8+0.09V ∗1000+0.17V ∗
500PC 2=0.01W ∗6-0.09W ∗7-0.11W ∗7.5
-0.17W ∗8+0.70V ∗1000+0.67V ∗
500(1)
根据方差贡献对前两个主成分进行加权求和，如公式(2)所示，计算得到致灾因子综合强度指数H 。
H =0.66PC 1+0.30PC 2
(2)
图2给出1974—2019年宁波北仑港附近(炮台山站)致灾因子综合强度指数的时间演变情况，发现其具有长期下降趋势，说明致灾因子强度持续减弱，尤其是1990年代初和21世纪初减弱趋势明显，但近10年出现回升现象。分析发现，危险性指数的下降主要取决于大风日数的显著减少，如炮台山站1974年7级以
上大风日数有68天，而2019年只有11天；低能见度日数具有波动变化特征，如炮台山能见度小于1km 日数最多35天(1985年)、最少0天(2012年)，且近年来危险性指数的增长现象与低能见度日数的增加密切相关。3.2承灾体脆弱性评估
承灾体脆弱性是指当承灾体在抗击自然灾害时，对可能造成灾损进行的度量，反映了灾害影响的暴露程度和灾害应对的能力两大方面[23]。承灾体脆弱性指数采用基于灾损情况的算法，将重现期概率与遭破坏概率相乘，如公式(3)所示：
C =∑i =1m
P i ×D i
(3)
其中，C 为承灾体脆弱性指数；P 为不同等级致灾因子的概率，即致灾天气出现日数的年频率；D 为特定致灾因子级别下各承灾体所遭受的最大破坏率；i 为不同等级致灾因子的个数，主要包括大风、低能见度两个方面。利用Pearson-III 型函数估计各重现期下不同等级大风、低能见度日数的年极值，并根据海事部门提供的事故破坏率，计算各重现期下的脆弱性指数(表2)，结果显示脆弱性指数随重现期增大而快速增加。
84
第1期孔扬等：宁波舟山港气象灾害风险及服务效益评估
3.3自然灾害风险性评估
通过借鉴国际减灾战略(ISDR)自然灾害风险评估模型，港区自然灾害风险评估充分考虑潜在致灾因子危险性和承灾体脆弱性，利用灾害事件发生可能性和影响范围来判断该自然灾害的风险等级(UN/ISDR，2004)，构建的概念函数如公式(4)所示。
R=H×C(4)其中，R表示自然灾害风险，H和C则是构成自然灾害风险的两个影响维度，分别表示潜在致灾因子危险度和承灾体脆弱性。近几年中2016年、2019年自然灾害风险较高(图3)。2016年出现6级风日数(33天)多且该天气条件下发生2起事故是造成脆弱性指数偏大的主要原因，从而导致自然灾害风险增加；2019年大风和低能见度日数为2014年以来最多的年份，因而致灾因子危险性最大，导致自然灾害风险偏高。
图21974—2019年大风、低能见度日数和致灾因子危险性综合强度指数(H)表2不同重现期下各项指标的年极值和承载体脆弱性指数(C)
重现期/a
10
30
50
100
200
500 1000
大风/日
＞6级
140.22
164.66
174.39
186.45
197.49
210.87
220.26
＞7级
63.00
79.58
86.54
95.45
103.88
114.47
122.14
＞7.5级
37.94
50.12
55.38
62.23
68.83
77.26
83.45
＞8级
21.94
30.63
34.51
39.66
44.71
51.26
56.15
低能见度/日
＜1000m
24.68
31.48
34.43
38.28
42.01
46.77
50.29
＜500m
14.06
19.04
21.28
24.28
27.23
31.07
33.94
脆弱性指数
8.43×10-3
9.82×10-3
1.04×10-2
1.11×10-2
1.17×10-2
1.25×10-2
1.30×10-2
图32014—2019年自然灾害风险指数
年份75
60
45
30
15
致
灾
因
子
台风等级划分几个等级日
数
1974197919841989199419992004200920142019年份
0.006
0.005
0.004
0.003
0.002
0.001
201420152016201720182019
R自然灾害风险指数
大风(大于7级)
低能见度(小于1km)
H
3
2
1
-1
-2
-3
危
险
性
综
合
强
度
指
数
85
热带气象学报第37卷
4经济效益评估
气象服务为港口生产带来的提升具体表现为作业时长延长、作业效率提高两方面。经济效益评估可由公式(5)计算得出：
E=∑i=1n u i×t i×r i(5)其中，E为经济效益(万元)；u为港口各行业单位时间经济效益(万元/小时)；t为气象服务为港口延长的作业时间(小时)；r为气象服务为港口带来的作业效率增长；i的取值代表港口不同运营单位，下文以大风天气为主，结合海事管制数据、港口作业数据分别对各项进行讨论。
4.1作业时间效益评估
宁波舟山港各码头公司全年无休，操作密集，且存在上、下游关联作业，因此对时效性要求高。大风天气影响时段内，一旦实况风速超过港口作业阈值，海事部门会停止港口作业，保障作业安全。如果不能提前预知天气过程的开始、结束时间，为规避风险，海事部门往往提前管制，延后解除，形成管制延误。而对于某些突发性的大风过程，如准备不足，则可能来不及进行管制，造成作业风险。
4.1.1管制数据分析
对2013—2019年海事部门发布的港口管制信息进行标准化处理，结合气象观测资料，对管制准确程度进行评估。管制评估属于二元事件，涉及到两个变量：是否发生管制、是否出现大风天气。相对应的，共四类情况：a表示出现大风且管制发生(准确管制)；b表示出现大风但没有管制(漏管制)，该情况下港口有作业风险；c表示风力没有达到阈值但执行管制(误管制)，该情况为不必要的管制，港口作业效率受到影响；d表示没有大风且没有管制(正常作业)。定义以下公式来评价管制的实际效果[24]。
管制准确率(Accuracy rate)：
C
A
=
a
a+b+c
(6)
管制风险率(Risk rate)：
C
R
=
b
a+b
(7)
管制延误率(Delay rate)：
C
D
=
c
a+c
(8)
计算结果如图4所示，2013—2016年无港航气象服务，海事管制准确率在0.5以下，具体表现为管制延误率高，管制风险率高。2017年以来，港航气象服务正式开展，海事部门以定制化的气象信息为参考，管制准确率明显上升，表现为误管制逐年减少，管制风险率逐年降低。
图42013—2019年港口气象管制准确率、延误率、风险率
4.1.2作业延长时间计算
管制评估中，误管制的减少代表气象服务为港口额外争取的作业时间，采用对比分析法确定具体数值。由于天气具有不可复制性，无法重现同一年的数据，因此本文选取气象服务前、后的数据，即2013—2016年求平均作为对照组，2017—2019年逐年与对照组进行对比。考虑到历年天气存在差异，灾害多的年份延误时长自然会出现偏高。为排除年变化干扰，利用致灾因子综合强度指数H对各年份延误时长t i进行标准化处理，与H
年份
86

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。