摘 要:我国是自然灾害频繁的国家之一,其中洪涝灾害尤为严重,迫切需要开展洪水保险。本文在比较损失分布模拟和GIS技术两种洪水损失估算方法的基础上,阐述了建筑物洪水灾害易损性的定量分析与计算,进而厘定洪水保险的纯保费,为我国洪水保险的推行提供了一定的理论依据。
关键词:洪水损失率:易损性:易损性指数
Keywords:Flood Loss Ratio:Vulnerability:Vulnerability Index
自然灾害在我国非常频繁,其中洪涝灾害尤为严重。近些年来,随着城乡经济的发展和自然资源开发利用的增加,洪水的发生频率和造成的损失都不断增加。应对洪水灾害,开展洪水保险是一种非常实用的非工程措施。因此,如何较准确的估算洪水造成的损失,如何分析建筑物洪水灾害易损性,以及如何厘定洪水保险纯保费就变得十分有意义。
关于如何估算洪水灾害的损失,有几种不同的途径,其中较常用的是损失分布模拟和GIS技术两种。本文在简要介绍洪水灾害损失估算的基础上,以建筑物洪水易损性分析为主,加强承灾体信息的量化分析,并尝试将结果应用于洪水保险纯保费的厘定中,为洪水保险的开展提供更强的理论支持。 洪水损失的估算 洪水损失的估计是洪水保险纯保费厘定的前提,估计洪水损失的方法多种多样,目前常用的有两种,一种是洪水损失分布的模拟,一种是GIS(地理信息系统)技术。
1. 洪水损失分布的模拟
这种方法的基本思路是:利用传统的概率统计方法,对洪水的发生频率和损失大小分别进行模拟,得出洪水损失频率和损失程度的概率分布函数,进而计算洪水保险的纯保费。 损失频率的模拟 对损失频数的模拟,一般较常用的是泊松(Poisson)分布和负二项(Negative Binomial)分布。它们的分布律分别是:
,
,
观察研究区域的样本数据,如果均值和方差相差不大,那么使用泊松分布较合理;如果方差明显大于均值,则使用负二项分布会更好。也可以同时模拟,进行比较分析。 损失程度的模拟 洪水灾害是巨灾风险的一种,因此其损失程度的分布应具有不对称、定义域非负、尾部较厚等特点,故适宜采用双参模型。常用的洪水损失分布有对数正态(Lognormal)分布分布和帕累托(Pareto)分布,它们的概率密度函数分别是:
,
,
损失频率和损失程度的模拟过程基本是相同的,主要是四个过程:
◆ 样本数据收集和整理
◆ 根据数据特点预测可能的概率分布
◆ 估计概率分布中的参数
◆ 对得到的结果进行拟合优度检验
采用洪水损失分布模拟的方法估算洪水灾害造成的损失,是一种基于最大损失整体上的估计,忽略了不同承灾体由于自身特点而拥有不同的抗灾能力,因此势必会夸大洪水造成的损失,进而得出过高的洪水保险纯保费,不利于洪水保险的推行与推广。 GIS技术 GIS,即地理信息系统,是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。它在各种自然灾害的研究中有着广泛的应用。在洪水损失的估计中,GIS主要用于分析洪水致灾因子信息。
在洪水损失估计中,利用GIS一般是估算洪水损失率,即已发生损失与原有财产价值的比例。采用的方法是多因素回归分析,在研究中使用较广泛的是多因素回归模型。
其中,表示洪水损失率,、分别代表致灾因子和承灾体信息,a、b、c是系数。由于承载体信息会在建筑物易损性中独立分析,所以模型可以转化为:
公式中,表示第类建筑物的洪水损失率,表示第类建筑物的洪水易损性指数,其定义和计算方法在后面会有更详细的说明。
对于洪水灾害而言,致灾因子主要包括洪水淹没水深、洪水淹没历时、洪水流速、洪水泥沙含量等等,而后两项不易量化处理,所以一般只考虑洪水的淹没水深和淹没历时,这样模型最终变为:
利用GIS技术,根据已有的降雨量和河段水位信息,通过运用数字高程(DEM)模型,模拟出洪水的淹没水深和淹没历时,在结合历史损失数据,采用多元回归方法求出系数。
GIS技术下对洪灾损失的估算,充分考虑了承灾体的相关信息,相对于损失分布模拟,该方法得到的洪水损失数据更切合实际,因而可以得出更精确的洪水保险纯保费。
承灾体信息集中体现在上,GIS技术在估计洪灾损失时的优越性也体现在上,所以如何合理评价建筑物洪水易损性是洪灾损失率计算的前提,也是正确厘定洪水保险纯保费的关键环节。 建筑物洪水易损性分析 建筑物,即承灾体,是洪水灾害的直接承受者,所以分析建筑物各方面信息,对正确估算洪水损失以及合理厘定洪水保险纯保费都有十分重要的意义。
1. 相关概念
⑴ 易损性