赵思健

(中国农业科学院农业信息研究所，农业部智能化农业预警技术重点开放实验室，北京100081)



再论自然灾害风险的时空尺度

赵思健

(中国农业科学院农业信息研究所，农业部智能化农业预警技术重点开放实验室，北京100081)

“尺度”是自然灾害风险的本源特性之一，也是全面认识自然灾害风险时空格局的重要途径之一。针对自然灾害风险系统的尺度特性，综述国内外相关的研究进展，提出自然灾害风险时空尺度内涵、自然灾害风险尺度分级标准、自然灾害风险时空尺度选择原则，归纳总结自然灾害风险的时空尺度效应，并“抛砖引玉”地引出自然灾害风险尺度研究的几个潜在热点问题，期望能为自然灾害风险的深入创新和研究提供崭新的思路。

自然灾害；风险；尺度；时空；广度；粒度；尺度效应

古人很早就意识到“尺度”的重要性。孔子就曾经说过“登东山而小鲁，登泰山而小天下”。后来，苏东坡在观庐山时更提出“不识庐山真面目，只缘身在此山中”的名句，简洁而形象地说明了我们需要一定的高度(距离)，才能更好观察和理解庐山的全貌，而这些正是“尺度效应”的体现。

“尺度”是地理学家观察世界的三大“透镜”之一，是理解地学中的各种过程和现象复杂性的关键[1]。对地球系统认识的层次依赖于观测的尺度。如：用望远镜观测目标时，我们会根据目标的特征及远近进行聚焦，选择观测目标层次最清晰时定格，其他层面的作为背景相对模糊。当我们再次调节焦距，看到的景物格局就会改变。这就是说，在一个空间尺度上是同质的现象到另一个空间尺度就可能是异质的，当尺度变化时，景观模式层次上的改变也可能会影响到观测的结果。在时间尺度上，天气变化，通常指在短时间(几小时到几天)内某个地区的气象要素的综合表现。而气候是指某个地区长时间(几个月到几年，甚至更长时间)内气象要素的统计特征。再比如：考察能量平衡及各分量分配与转化规律时，首先需要确定研究区域的空间尺度(农田、区域或者全球)和过程模式的时间尺度(日、旬、年、世纪或者千年等)，才可对研究系统中水热通量、蒸发散、传导、对流等过程进行合理的参数化，探讨不同系统中的能量平衡。由此可见，尺度的关注至少可以避免两种错误，即用错误的尺度观察问题和对问题因果关系的曲解[1]，“尺度”是地理学研究的核心问题之一[2]。

作为地理学的一个重要分支，自然灾害风险系统拥有“自然”和“社会”双重属性，在本质上也是“尺度”依赖的。这种依赖不仅表现在其构成要素(致灾因子、孕灾环境和承灾体等)存在显著的尺度效应，例如，气候变化因子作为全球变暖现象的致灾因子具有全球尺度效应、土地利用和植被覆盖作为大多数灾害的孕灾环境具有年(月)度变化的尺度效应、农作物作为最常见的承灾体由于拥有特定的生长发育期而具有季节尺度效应等；而且表现在其风险表征、风险建模、风险量度与风险区划等方面也存在显著的尺度效应，例如，小时空尺度下风险评估会因灾情样本的不足而采用模糊数学的建模方法，不同时空尺度下的风险区划会呈现出不同的风险时空差异特征等。由此可见，尺度效应是自然灾害风险系统的本源特性。

本文将以自然灾害风险系统为对象，全面综述国内外有关自然灾害风险时空尺度的研究进展，提出自然灾害风险时空尺度的内涵、自然灾害风险尺度分级标准、自然灾害风险时空尺度选择原则，归纳总结自然灾害风险的时空尺度效应，点出自然灾害风险时空尺度的一些研究热点，为推动自然灾害风险的创新研究提供思路。

1　自然灾害风险时空尺度研究现状

虽然“尺度”对于自然灾害风险来说是一个新概念，但以往的灾害风险研究在不自觉中也涉及到了尺度，这些研究更多的是为了特定的研究目的和应用范围选择合适的时空尺度，突出表现在空间尺度上。

在空间尺度上。①在国际上，自然灾害风险重要研究计划均以全球、洲级、国家级以上空间尺度研究为主体，包括“灾害风险指数计划(DRI)”[3]、“全球自然灾害热点计划(Hotspots)”[4]、“全球风险识别计划(GRIP)”[5]，“美洲计划(America)”[6]、“非洲城市灾害风险网络计划(AURAN)”[7]、“灾害风险管理指标系统(SIDRM)”[8]、“欧洲多重风险评估计划(MRA)”[9]等，这些计划将评估出全球、洲级、国家级尺度下的灾害风险水平，为投资决策、国际人道主义援助和世界银行紧急借贷资金再分配等提供重要依据。在省(市)级空间尺度上研究成果，最具代表性的是美国联邦紧急管理局(FEMA)和国家建筑科学院(NIBS)联合研制的HAZUS[10]。它是由系列灾害模型组成、用于灾害风险模拟评估的工具集，目前已被FEMA用于西雅图地震、伊莎贝尔飓风、福罗里达飓风损失及风险评估，并在大比例尺洪水风险制图中应用[11]。随着灾害风险研究更趋向应用性，灾害风险研究空间尺度逐步向中、小尺度甚至更小的尺度发展。县、乡镇、甚至村、街道一级研究逐渐增多。其中，“社区灾害风险 管理系统(CBDRM)”是帮助家庭和社会群体处置紧急灾害事件的重要定量分析工具，其目的是提高家庭和社区承受灾害影响能力，已在印度尼西亚 KulonProgo等3个区应用[12]；Graciela[13]对菲律宾那牙市(Naga City)Triangulo和Mabolo 社区开展 了洪水风险评估，该研究为社区级洪灾应对提供了具体的决策依据；Rupinder[14]利用现场调查、问卷等方法获得了一手资料，对印度奥里萨班Birupa河流域的部分区域开展了洪水损失评估和安全逃逸路线选择。诸如此类小空间尺度的研究还 有许多，在此不一一列举。②在国内，自然灾害风险研究的空间尺度选择往往与我国 行政区划密切相关。根据我国行政区的分类，可将我国灾害风险研究的空间尺度大致分为省市级、县区级、村镇-街道级尺度三类。在省市级以上尺度，北京师范大学等单位开展了大量工作，编制出版了《中国自然灾害系统地图集》[15]、《中国自然灾害时空格局》[16]和《中国自然灾害风险地图集》[17]，为我国减灾降险政策制定提供了重要依据。我国绝大多数的灾害风险研究集中在县区级尺度上，以洪涝灾害风险为例，如黄崇福等[18]通过引入信息扩散模型以县为单位开展了湖南省水稻洪涝风险评估；杜鹃等[19]通过建立指标体系以县为单位开展了湘江流域洪水灾害风险评估；张继权等[20]通过计算集成化指数计算出松花江干流上县级行政区的暴雨洪涝风险并制作风险区划图；宫清华等[21]通过建立指标体系以县为单位开展了广东省洪涝灾害风险区划研究；赵思健等[22]通过情景假设与灾害机理仿真以县为单位开展了淮河流域水稻洪涝灾害风险评估。近年来，许多学者开始重视对村镇-街道小尺度的研究，如崔欣婷等[23]基于湖南省 常德市双桥坪镇的实地调查资料，探讨了小空间尺度农业旱灾脆弱性评价；葛全胜等[24]对温岭市11个镇、5个街道开展了台风、暴雨风险综合评估；尹占娥等[25]对上海市静安区进行了暴雨内涝灾害风险评估。此外，综合考虑不同空间尺度的差异，刘燿龙[26]还开展了多空间尺度综合的灾害风险评估研究，实现了温州市、平阳县和水头镇三种尺度下暴雨洪涝灾害风险分析与预警研究。

相比较空间尺度，时间尺度上的研究显得非常薄弱，进展较为缓慢。苏桂武等[27-28]最早对灾害风险中的时间尺度问题进行剖析，指出①不同类别的风险载体具有不同的灾害风险有效时间尺度，②不同种类的灾害风险具有不同的时间尺度特性，③在不同的时间尺度上，同类灾害风险具有不同的形式和特点；Piers等[29]将政策变化、人口增长、全球化等动态变化总结为“动态压力”，提出压力-释放模型，分析了根源因素、动态压力和不确定条件对灾害风险的作用及其在时间轴上的变化；Kumar和Rachel等[30-32]系统地研究了飓风风险随时间的动态变化问题，认为由于建筑物在数量、类型、位置、易损性和价值上的改变，一个地区的飓风风险在随时间变化，并建立了区域的建筑财产飓风易损性随时间变化的量化模型；黄蕙等[33]指出灾害风险 的时空分布，特别强调了未来的风险评估应该更多地考虑风险的时间分布及动态风险评估；顾明等[34]认为，台风气候、承灾体分布、结构易损性和潜在损失是随时间 不断变化的，结构台风灾害风险须进行时间上的动态评估；尹占娥[35]指出自然灾害风险的时间动态性可以从自然灾害系统论的三个组成部分来体现：①随着全球变化和海平面不断上升，各类致灾因子出现频率和强度不断增大，危险性日益严重，②而城市化的加速又使得人类活动更加密集，暴露性加大，③但随着人类对于防灾减灾的逐步重视，各种减灾措施的实施以及防灾标准的不断提高，人类社会对于自然灾害的脆弱性将不断降低；赵思健指出自然灾害风险的时间尺度(广度和粒度)需综合考察致灾因子、孕灾环境和承灾体三要素的时间特性[36]，并对东北三省农作物县级空间尺度和月时间尺度上风险差异进行了实证评估[39]。另外，刘燿龙[26,37]还提出了灾害风险分析的空间尺度效应理论和尺度推绎框架。

综上所述，国内外一些自然灾害风险研究虽不知觉地涉及到尺度问题，但从整体上此类研究在深度和广度上还略显不足，具体表现在如下几个方面：①缺少正面、全面、系统的自然灾害风险尺度研究；②大多数研究都偏重空间尺度，时间尺度的研究涉及得较少，时空耦合的尺度研究就更少；③多以选定时空尺度下的风险评估研究，侧重点还是风险评估方法研究，而非真正意义上的尺度研究；④一些与尺度相关的深层次研究工作还未开展，诸如灾害风险时效性、风险尺度变换、风险区划图更新等。由此可见，自然灾害风险的尺度研究尚属于崭新的研究主题，有望成为灾害风险研究的一个创新方向。

2　自然灾害风险时空尺度内涵

2.1尺度的内涵

“尺度”的英文为单词“Scale”，在不同学科领域，该词可以表达不同的含义。例如，在地图学中，尺度一词常理解为比例尺，即地图距离和地球表面实际距离的比率；在遥感中，尺度一词常被理解为分辨率，即测量的精确程度，空间采样单元的大小；在生态学中，尺度又被理解为层次或等级，即在同一空间内，通常会按层次分为若干等级的分析单元，但在层次系统中，不是所有等级都存在相互连接，等等。

在地理学中，尺度通常包括两个维度，即空间维与时间维，表征的是空间上覆盖范围的大小和经历时间的长短。在地理研究中，尺度还被进一步分解为广度(Extent)和粒度(Grain)一对孪生指标。广度是指研究地理对象或现象的区域范围及时间跨度，即时空边界的概念；粒度是指研究地理对象或现象的区域最小单元及时间最小单位，即时空细节的概念。

(1)

式中：si和tj分别表示空间粒度和时间粒度，S和T表示空间广度和时间广度。

广度和粒度在尺度研究中密不可分，有广度没粒度，就无法确认细节，有粒度无广度，就无法确认边界。另外，广度和粒度之间也存在着某种固定关系，即观察的广度越开阔、考察的年代越长久，其观察物体的细节就越粗略、越概括，也就是说广度与粒度在一定程度上成反比关系。再者，需要强调的是在实际研究中，广度与粒度之间的确定和以下几个方面密切相关：①研究的地理现象和地理目标；②数据的采样方法；③对现象和目标的具体分析内容，等。

2.2自然灾害风险定义与尺度扩展

“风险”可以被一般性地定义为：由于不确定事件的发生而导致经济损失、人身危害等不利后果的程度。风险必须具备两个基本要素，一是不确定事件的发生，二是事件造成不利后果。如果用三元组的表达方式，风险的一般性表达方式如下[38]：

Risk={},k=1,…,N。

(2)

式中：Ek表示不利事件的发生情景，L(Ek)表示不利事件发生的可能性，X(Ek)表示不利事件发生导致的后果，N表示可能发生不利事情情景的数量。

在风险定义的基础上，“自然灾害风险”可以被一般性定义为：由于不确定的自然灾害事件发生而导致作物绝产、人员伤亡、经济损失等不利后果的程度。同样利用三元组方式，自然灾害风险的一般性表达方式如下：

Risk_nd={},

k=1,…,N。

(3)

式中：Dk表示致灾因子的发生情景，L(Dk)表示该致灾因子情景出现的可能性，X[Dk(O)]表示该致灾因子情景发生导致承灾体O的后果程度，N表示可能发生不同强度灾害情景的数量。

引入时空尺度后，考察分析自然灾害风险时，应首先确定所要考察风险的时空边界，即考察的风险是落在一定的区域内和一定的时期内，超出该边界，该风险分析的结果有可能失效。为此，表达式(3)需相应扩展，即：

Risk_nd(S,T)={},k=1,…,N。

(4)

式中：S和T表示空间广度和时间广度，即空间区域和时间跨度；Dk(S,T)表示该区域和时期内可能发生灾因子情景，L[Dk(S,T)]表示该区域和时期内该灾因子情景出现的可能性，X[Dk(O,S,T)]表示该区域和时期内该灾因子情景发生导致承灾体O的后果程度，N表示该区域和时期内可能发生不同强度灾害情景的数量。

为了了解特定时空范围内风险的细节特征，需要引入时空粒度。引入空间粒度后，可以获得风险的空间分异特征；引入时间粒度后，可以获得风险的时间动态特性。在实际应用中，可以单独考虑空间分异特征或时间动态特性，更需要考虑时空耦合下细节特征，具体可表达为：

Risk_nd(S,T)=

(5)式中：si和tj分别表示空间粒度单元和时间粒度单元，R(si,tj)是特定时空粒度单元下的风险量度指标，包括定性指标和定量指标。定性指标通常可以是一些风险指数，如干旱指数、洪涝指数等，而广泛应用的定量指标包括：年期望损失(AverageAnnualLoss，AAL)、损失的超越概率(LossExceedanceProbability，LEP)、最大可能损失(ProbableMaximumLoss，PML)或重现期损失(ReturnPeriodLoss，RPL)，等。

综上所述，自然灾害风险时空尺度可形象化地利用三维模型(图1)与示例(图2)表达。

2.3自然灾害风险时空尺度分级

在开展时空尺度相关研究前，首先需要对自然灾害风险的时空尺度进行分级。不同的学科对尺度的分级会有所差异，如天文学通常会侧重研究大时空尺度的天文现象，而细胞学则会关注微小时空尺度下的细胞活动行为。自然灾害风险拥有地理学和社会学的双重背景，其时空尺度的分级需要兼顾致灾因子和承灾体的时空特征。经归纳，自然灾害风险的时空尺度分级及各级可适用的灾害风险如表1和表2所示。

图1　自然灾害风险时空尺度的三维模型表达

2.4自然灾害风险时空尺度选择

在尺度研究领域，尺度选择和尺度效应是密切联系在一起的，是“尺度科学”的重要内容之一。如前所述，任何一次自然灾害风险分析都应建立在一定的时空尺度基础上。只有选择合理、适当的时空尺度，才能真正地识别出自然灾害风险的时空有效性与时空差异性。经归纳，自然灾害风险时空尺度选择的基本原则如表3所示。必须指出的是，在尺度选择上往往会出现不只一个适用的尺度，这时往往还需要采用多尺度分析来进行研究。

图2　自然灾害风险时空尺度的示例表达[36]

尺度分级空间尺度空间广度区域面积空间范围行政区划空间粒度适用的灾害风险致灾因子D承灾体O超大尺度>1000万km2全球大洲大洲局部(东南亚、东欧等)—————————大洲,国家,10～50km格网国家,10～50km格网国家,10～50km格网天文灾害(太阳活动)、环境灾害(气候变化、沙漠化)、地质灾害(地震、火山、滑坡和泥石流)、天气灾害(台风、干旱)、水文灾害(洪涝、海啸)、生物灾害(病虫害)人类、经济、环境、社会等大类;人口,工业、农业、能源、建筑等行业的一级对象大尺度>10万km2———地区(华北、东北等)大江大河流域(黄河、淮河等)国家——————省,市,县,1～10km格网省,市,县,1～10km格网省,市,县,1～10km格网地质灾害(地震、滑坡和泥石流)、环境灾害(气候变化、沙漠化、水土流失)、天气灾害(台风、干旱)、水文灾害(洪涝)、生物灾害(病害、虫害、鼠害)人口,工业、农业、交通等行业的一级对象中尺度>1万km2———小流域自然区—————————省——————地级市自治区旗、盟市,县,0.5～1km格网市,县,0.5～1km格网市,县,0.5～1km格网县,0.03～500m格网县,0.03～500m格网县,0.03～500m格网地质灾害(地震、滑坡和泥石流)、环境灾害(气候变化、沙漠化、水土流失)、天气灾害(台风、干旱、寒潮、雹灾)、水文灾害(洪涝、风暴潮)、生物灾害(病害、虫害、鼠害)人口(农村人口、城市人口等),工业(重工业、轻工业等)、农业(种植业、养殖业等)、建筑(基础设施、住宅等)、交通(陆地、空中等)等行业的一级、二级分类对象小尺度≤1万km2————————————县乡镇村街道乡镇、村、<0.03m格网村、<0.03m格网街道,<0.03m格网<0.03m格网地质灾害(滑坡和泥石流)、天气灾害(台风、干旱、雹灾)、水文灾害(洪涝)、生物灾害(病害、虫害、鼠害)人口(农村青年人口、城市青年人口等),工业(食品加工业、金属制造业等)、农业(水稻、玉米、小麦等分品种)、建筑(商场、小区等)、交通(公交、地铁、飞机等)等行业的一级、二级和三级分类对象

表2　自然灾害风险的时间尺度分级

表3　自然灾害风险时空尺度选择的基本原则

2.5自然灾害风险的时空尺度效应

自然灾害风险系统拥有“自然”和“社会”双重属性，在本质上是“尺度”依赖的。由于尺度选择的不同，自然灾害风险在数据、表征、建模和表达等方面呈现不同的特征，称之为自然灾害风险的时空尺度效应(图3)。

图3　自然灾害风险的时空尺度效应

(1)数据。风险数据是自然灾害风险分析与评估的基础，风险数据的收集与分析有着重要尺度效应，具体表现在数据采样和数据精度两个方面。尺度选择的不同将决定风险数据采样的方式，选择大时空尺度时数据采样通常采用统计调查方式，如历史统计年鉴查阅整理、历史观测资料汇集等，此时数据采样的时空粒度也较粗，数据的精度也较差，仅能反映风险的总体水平；而选择中小时空尺度时数据采样通常采用个体调查方式，如气象站点的数据采样、致灾因子的数值模拟、典型承灾体的抽样损失调查等，此时数据采样的时空粒度较细，数据的精度较高，能够反映风险的个体水平。

(2)表征。灾害风险表征主要集中在致灾因子表征和承灾体表征两个方面。致灾因子表征主要有灾害因子出险的时间、地点、强度和频率四个表征因子，这四个表征因子有着显著的尺度效应。从大尺度进行考察时，通常只会考察灾害因子的强度与频率两个表征，至于出险的时间和地点往往对灾害风险评价的结果不起作用；而从中小尺度进行考察时，则常常会综合考虑致灾因子的四个表征因子。承灾体表征主要有承灾体的位置、数量、生理和价值五个表征因子，这五个表征因子也有显著的尺度效应。从大尺度进行考察是，通常只考虑承灾体的数量和价值表征，对于承灾体位置表征和生理表征等细节部分常被忽略；但从中小尺度进行考察时，承灾体的五个方面表征常被综合考察。

(3)建模。灾害风险的分析建模也有着重要的尺度效应，具体表现在建模方式和模型有效性两个方面。对于大中时空尺度的灾害风险分析与评估，通常采用的是基于风险指标体系和基于损失数学建模的分析方法，所得的评估结果较为宏观和粗略；而对于小时空尺度的灾害风险分析与评估，往往会采用基于遥感技术和基于灾害模拟技术的分析方法，所得的评估结果则更加精细和详尽。此外，灾害风险模型也具有尺度有效性，不同尺度下构建的模型往往不能通用，例如省域模型不能套用在县域上，常常需要进行模型的尺度变换才能在其他尺度下发挥作用。

(4)表达。灾害风险主要有两个方面表达方式，一是量度表达，二是区划表达，量度表达是对风险的量化过程，而区划表达是对风险的格局划分。这两方面的表达方式也有重要的尺度效应。通常，大时空尺度的灾害风险习惯利用风险指数或指标的方法进行表达，例如国际上的全球干旱风险指数、洪涝风险指数等，该指标和指数常常是定性的，只能反映风险的高低水平，不是真正意义上的风险损失预期；而中小尺度的灾害风险则利用量化的风险值来进行表达，例如期望损失、超越概率损失等，能够真正地量化风险的损失。此外，灾害风险区划也具有尺度有效性，通常一种尺度下的风险时空格局不同于另一种尺度下的风险时空格局，这也就是说在一种尺度下高风险的区域或时期在另一种尺度下可能就不是高风险。灾害风险区划的尺度选择往往与风险管理策略实施的尺度密切相关。

3　自然灾害风险时空尺度的研究热点

3.1自然灾害风险分析的数据有效性研究

在开展自然灾害风险分析时，往往会有个误区就是认为历史数据样本的时间序列越长灾害风险评估结果越准确，甚至一些学者还以数据样本的时间序列长作为自己评估结果的优势。但事实并非如此，图4是对1900-2010年全球自然灾害频次统计和经济损失统计，图中明显看出随着全球经济的发展，无论是自然灾害发生频次还是经济损失都呈现增长的趋势，尤其是近30年增长尤为明显。目前，自然灾害风险评估都是利用历史的情况来推断未来的情况，这种做法是基于未来与历史具有一致平稳性的假设，即历史具有平稳性、未来与历史情形相近，可用历史推断未来。但很明显，自然灾害发生频次与经济损失在时间上并不具备完全的平稳性，且时间越长平稳性就越差，这将导致风险评估结果的偏差。显然，用近20年的数据样本评估出来的风险可能会较大，而用近50年的数据样本评估出来的风险会较小。由此可见，历史数据样本有效性的确定对自然灾害风险分析与评估有着重要的影响，而数据样本有效性关键就在于如何剔除灾害与经济发展的趋势，分析出灾害和经济发展的有效平稳期，进而确定数据的有效性，这样确定的数据样本对未来风险的预见才具有可靠性。

图4　全球自然灾害频次统计与经济损失统计(1990-2010)(数据来源EM-DAT数据库)

3.2自然灾害风险分析的数据尺度融合研究

自然灾害风险分析相关的数据存在多种来源，有气象站点采集的气象数据、实地调研采集的灾情数据、统计部门统计的灾情数据、遥感影像解译的灾情数据、地理环境数据等。来源途径的不同导致了数据在时空尺度上存在较大差异，在空间上有点尺度、网格尺度和面尺度，在时间上则有日尺度、月尺度和年尺度。面对尺度不一致的数据，开展灾害风险评估时将不可避免地遇上如下两类问题，需要开展数据尺度融合(图5)。①时空尺度不一致情况下的数据融合。灾害风险评估过程中需要涉及到各种不同时空尺度数据之间的关系建模，如网格尺度上的气象插值数据要与县级面尺度上的灾情统计数据之间关系建模、日尺度上的遥感反演土壤湿度与年(或月)尺度上的旱灾灾情统计数据之间关系建模等。可以发现，数据尺度不一致情况的建模会带来风险评估结果的差异。因此，需要研究时空尺度不一致情况下的数据融合模型与算法，进而优化不同时空尺度数据源下的风险建模。②时空尺度缺失情况下的数据融合。多源数据常会伴随着不同程度的时空尺度缺失，如采样数据和灾情数据在时间上无法匹配，灾情数据与遥感数据在空间上无法匹配等，造成数据完整性的缺陷，直接影响风险评估。因此，需要研究不同来源数据在时空尺度缺失情况下的数据插值模型与算法，达到数据的充分补缺，进而支撑风险评估建模。

图5　自然灾害风险评估的尺度变换示意

3.3自然灾害风险评估的时空差异研究

自然灾害风险在空间上差异分析已被大多数学者所接受，其中制作风险分布图或风险区划图便是风险空间差异性的最好体现。但对于风险在时间维度上的差异却被大多数学者所忽略，原因有两个，一是缺乏对风险时间差异的意识，二是缺乏开展风险时间差异的数据支撑。风险在时间上的动态特性对于全面认识风险有着重要的作用，尤其是风险在时空耦合上的差异分析对掌握风险时空变化格局有着至关重要的作用(图6)。灾害风险的时空差异研究存在着两个方面的难度，一是如何选择体现风险差异的时空粒度，二是如何解决时空粒度上风险评估样本不足的问题。时空差异粒度的选择不仅受到灾害种类的影响，还要综合考虑研究目标与成果用途。例如，农业灾害风险评估区划用于农业保险费率定价时，风险差异的空间粒度就适宜选择省、市、县级行政区划，时间粒度适宜选择年粒度，而网格粒度和月粒度的差异则显得没有必要。又如，在农业气象指数保险设计中，常常就会选择月粒度来开展作物生长期内的月风险差异分析，目的便于选择高风险月份作为指数保险的有效期。细分时间粒度后，风险评估会出现样本严重不足的问题，例如要将原来的年风险评估细化到月风险评估，年样本就要被分成12份，让原来年尺度上本来就不够的样本在月尺度上就更少，而解决该问题的方法可以采用信息扩散技术或Monte Calro模拟技术来增加样本。

图6　灾害风险时空差异示例(东北三省农作物洪涝风险)[39]

3.4自然灾害风险评估的尺度变换研究

由于尺度之间存在差异，一些学者往往想要将某一尺度下的风险评估结果拓展到其他尺度上，这便是常说的尺度变换(图7)。按照尺度变换方向的不同，将风险信息从大时空尺度向小时空尺度变换的过程，称为尺度下推(或降尺度)，是一种信息的分解过程；相反，将风险信息从小时空尺度向大时空尺度变换的过程，称为尺度上推(或升尺度)，是一种信息的聚合过程。但不同于其他事物，灾害风险的尺度变换绝非简单的加总与拆分。灾害风险具有时空特性，风险在相邻的时空单元之间具有显著的相关性。为此，尺度变换的核心在于如何分析与评价风险的时空相关性。而在开展实际的尺度变化研究时，会遇上如下两种常见的情形，一是在拥有损失数据情形下的尺度变换，二是在获得风险评估结果情形下的尺度变换。通过损失数据进行尺度变换时，灾害损失在不同尺度间的分配(降尺度)与加总(升尺度)是变换的关键。其中，损失分配的关键在于如何评价小时空单元内的风险差异特征，合理设置比例将大时空单元上的损失数值分配到小时空单元上；而损失加总的关键在于如何消除小时空单元之间的相关性，避免加总后相互抵消导致大时空单元上损失的低估；通过风险评估结果(即损失概率分布)进行尺度变换时，概率分布的分解(降尺度)与联合(升尺度)是变换的关键。其中，分布分解的关键在于如何预先判断小时空尺度内损失概率分布的类型，构建分布的分解模型将大时空尺度上的概率分布分解构造出小时空尺度上的概率分布；而分布联合的关键则要考察小时空单元之间的相关性，构建分布联合模型将小时空尺度上的概率分布联合构造出大时空尺度上的概率分布。

图7　自然灾害风险评估的尺度变换示意

3.5自然灾害风险区划的更新研究

风险区划图的更新一直以来都被人们所忽视。在大多数人眼里，只要制作一次风险区划图便可受用终身。显然，这种一劳永逸的作法是不正确的，任何风险都会随时间的推移而发生动态的时空变化，自然灾害风险更不例外。一次灾害风险评估与区划的结果只能反映有限时空尺度范围内的风险状况，随后逐渐失去效用。为此，非常有必要开展灾害风险区划图更新的研究工作，而这项工作有两个关键点：一是如何评价灾害风险区划图的有效期，二是如何开展灾害风险区划图的更新。灾害风险区划图的有效期是指区划图所反映的风险格局能保持稳定不变的最长时间，一旦风险格局被打破就意味着区划图失效。因此，有效期的研究往往是对风险格局稳定性的研究。从相反方面考虑，打破稳定性的因素就是突变，即局部出现了超出其风险预期范围的异常。区划图有效期的评价实质就是对可能发生的突变进行评价。一旦判定风险区划图失效，就需要更新风险区划图。风险区划图更新最一般的想法就是开展新一轮的风险评估与区划工作，但这样做不仅耗资大、周期长，还常常出现原风险区划资料遗失。因此，“更新”并非“重做”，而是在旧风险区划图的基础上，利用技术将新的观测资料补充进去，对旧的风险格局进行重新判定和调整，进而“变废为宝”制作出新的风险区划图(图8)。

图8　灾害风险区划图的更新示意

4　结语

“尺度”作为地理学认识世界的三大透镜之一，在自然灾害风险系统的研究中发挥着重要的作用。增加对“尺度”的关注，有助于更加深入地认识自然灾害风险系统的时空动态规律，有助于更加精细化地剖析和管理自然灾害风险。为此，本文总结了自然灾害风险系统的时空尺度内涵、分类特征和选择原则，提出了灾害风险的时空尺度效应，点出了自然灾害风险时空尺度的研究热点问题。通过本文，作者期望能对自然灾害风险的创新研究起一个“抛砖引玉”的作用，能为开展更加深入灾害风险研究提供一些思路。当然，本文多于观点阐述和意见评论为主，在后续的研究工作中作者将会在灾害风险时空尺度的实际应用问题中展开更加具体的研究，使风险尺度的研究能够真正落地服务。

[1]蔡运龙，陆大道，周一星，等. 地理科学的中国进展与国际趋势[J]. 地理学报，2004，59(6)：803-810.

[2]Abler R F, Adams J, Gould P. Spatial Organization [M]. New Jersey: Prentice-Hall, Inc., Englewood Cliffs, 1971.

[3]UNDR. Reducing disaster risk: a challenge of development[R]. John S, Swift Co. USA. 2004. http://www.undp.org/bcpr.

[4]Dilley M, Chen R S, Deiehmann U. Natural Disaster Hotspots: A Global Risk Analysis[R]. Washington D C. Hazard Management Unit, World Bank, 2005:1-132.

[5]ProVention Consortium. Global Risk Identification Programme[EB/OL]. (2009-08-25) [2015-10-10]. http://www.gripweb.org/files/implementation/brochure_en.pdf.

[6]IADB-ECLAC-IDEA. Indicators of Disaster Risk and Risk Management[R]. Program for Latin America and the Caribbean, 2005: 1-47.

[7]AURAN. African Urban Risk Analysis Network[EB/OL]. (2008-05-05) [2015-10-12].http://www.odihpn.org/report.asp?id=2485.

[8]UNDP. Sub Regional Network: Facilitating Knowledge Networking for Disaster Risk management at the Sub-regional level[EB/OL]. (2009-03-01) [2015-10-12]. http://www.undp.org.ir/DRM/EN/SIDRM.asp.

[9]Greiving. Multi-risk assessment of Europe regions[C]//Birkmann J. Ed. Measuring Vulnerability to Hazards of National Origin. Tokyo: UNU Press, 2006: 210-226.

[10]FEMA. Using HAZUS-MH for Risk Assessment[EB/OL]. (2004-04-03) [2015-10-12].http://www.fema.gov/plan/prevent/hazus/dl_fema443.shtm.

[11]FEMA. Comprehensive Data Management System (CDMS) Version 2.0[EB/OL].(2009-10-09) [2015-10-12].http://www.fema.gov/liberay/viewRecord.do?id=3370.

[12]CBDRM, Community Based Disaster Risk Management[EB/OL]. (2009-08-12) [2015-10-14].http://www.adpc.net/pdrsea/pubs/curriculum-cbdrm.pdf.

[13]Graciela P G. Integrating Local Knowledge into GIS-based Flood Risk Assessment: The Case of Triangulo and Mabolo communities in Naga City-The Philippines[D]. ITC Dissertation, Enschede, The Netherlands, 2008.

[14]Rupinder K D. Flood Damage Assessment and Identification of Safe Routes for Evacuation Using a Micro-level Approach in Part of Birupa Rive Basin, Orissa, India[D]. ITC Dissertation, Enschede, The Netherlands: 2008.

[15]史培军. 中国自然灾害系统地图集[M]. 北京：科学出版社, 2003.

[16]王静爱, 史培军, 王平. 中国自然灾害时空格局[M]. 北京：科学出版社, 2006.

[17]史培军. 中国自然灾害风险地图集[M]. 北京：科学出版社, 2011.

[18]黄崇福，刘新立，周国贤，等. 以历史灾情资料为依据的农业自然灾害风险评估方法[J]. 自然灾害学报， 1998,7(2)：1-9.

[19]杜鹃, 何飞, 史培军. 湘江流域洪水灾害综合风险评价[J].自然灾害学报，2006，15(6)：38-44.

[20]蒋新宇，范久波，张继权, 等. 基于 GIS的松花江干流暴雨洪涝灾害风险评估[J]. 灾害学，2009,24(3):51-56.

[21]宫清华，黄光庆，郭敏, 等. 基于 GIS技术的广东省洪涝灾害风险区划[J]. 自然灾害学报，2009, 18(1)： 58-63.

[22]赵思健. 情景驱动的区域自然灾害风险分析原理与应用[R]. 北京：北京师范大学博士后出站报告，2011.

[23]崔欣婷，苏筠. 小空间尺度农业旱灾承灾体脆弱性评价初探—以湖南省常德市鼎城区双桥坪镇为例[J]. 地理与地理信息科学, 2005, 21(3): 80-83.

[24]葛全胜，邹铭，郑景云, 等. 中国自然灾害风险综合评估初步研究[M]. 北京：科学出版社，2008.

[25]尹占娥，许世远，殷杰, 等. 基于小尺度的城市暴雨内涝灾害情景模拟与风险评估[J]. 地理学报, 2010, 65(5): 553-562.

[26]刘耀龙. 多尺度自然灾害情景风险评估与区划—以浙江省温州市为例[D]. 上海：华东师范大学, 2011.

[27]苏桂武，高庆华. 自然灾害风险的行为主体特性与时间尺度问题[J]. 自然灾害学报, 2003，12(1): 9-16.

[28]苏桂武，高庆华. 自然灾害风险的分析要素[J]. 地学前缘，2003，10(特刊): 272-279.

[29]Piers B. At Risk: Natural Hazards, People’s ulnerability and Disasters [M]. London: Routledge, 2005.

[30]Kumar V, Rachel A D. Application of a regional hurricane wind risk forecasting model forwood-frame houses[J]. Risk Analysis, 2007, 27(1): 45-58.

[31]Kumar V, Rachel A D. Forecasting changes in the hurricane wind vulnerability of a regional inventory of wood-frame houses[J]. Journal of Infrastructure Systems, 2007, 13(1): 31-42.

[32]Kumar V, Davidson R, Asce AM et al. Modeling changes in hurricane risk over time[J]. Natural Hazards Review, 2005, 6(2): 88-96.

[33]黄蕙, 温家洪,司瑞洁,等. 自然灾害风险评估国际计划述评Ⅱ-评估方法[J]. 灾害学, 2008, 23(3): 96-101.

[34]顾明, 赵明伟, 全涌. 结构台风灾害风险评估研究进展[J].同济大学学报(自然科学版), 2009, 37 (5):569-574.

[35]尹占娥. 自然灾害理论与方法研究[J]. 上海师范大学学报(自然科学版), 2012，41(1): 99-103.

[36]赵思健. 自然灾害风险分析的时空尺度初探[J]. 灾害学, 2012，27(2): 1-6, 18.

[37]刘耀龙, 牛冲槐, 康颖卿,等. 论灾害风险研究中的空间尺度耦合[J]. 防灾减灾科技学报，2012, 14(3): 24-27.

[38]Stanley Kaplan, B John Garrick. On the Quantitative Definition of Risk[J]. Risk Analysis, 1981, 1(1): 11-27.

[39]赵思健，张峭. 东北三省农作物洪涝时空风险评估[J]. 灾害学，2013，28(3): 54-60.

Secondary Discussion on Spatial-and-Temporal Scale of Natural Disaster Risk

ZHAO Sijian

(AgriculturalInformationInstituteofChineseAcademyofAgriculturalSciences,KeyLaboratoryofDigitalAgriculturalEarly-warningTechnology,MOA,Beijing100081,China)

Scaleisoneofinherentcharactersofnaturaldisasterrisk,andisoneofwaystodiscoverthespatial-and-temporalpatternofnaturaldisasterrisk.Here,asforthescalecharacterofnaturaldisasterrisk,therelativeresearchadvancesarereviewed,andthedefinition,gradingstandard,choiceruleandeffectofscaleofnaturaldisasterriskareproposed.Moreover,somepotentialhotsaboutthestudiesinscaleofnaturaldisasterriskareproposedtoprovideanewinsightofin-depthinnovationandresearchtonaturaldisasterriskstudy.

naturaldisaster;risk;scale;spaceandtime;extent;granularity;scaleeffect

2016-05-10

2016-06-30

国家自然科学基金面上项目“自然灾害风险的时空尺度效应分析与推绎技术研究—以农业旱灾风险为例”(41471426)； 北京市科技计划课题“基于3S技术的农险评估技术研究及综合服务平台建设应用”(Z141100002314007)

赵思健(1977-)，福建龙岩人，博士，副研究员，研究方向农业自然灾害风险评估与保险研究.

E-mail: zhaosijian@caas.cn

X43

A

1000-811X(2016)04-0001-10

10.3969/j.issn.1000-811X.2016.04.001

赵思健. 再论自然灾害风险的时空尺度[J]. 灾害学，2016，31(4)：1-10. [ZHAO Sijian.Secondary Discussion on Spatial-and-Temporal Scale of Natural Disaster Risk[J]. Journal of Catastrophology，2016，31(4)：1-10. doi: 10.3969/j.issn.1000-811X.2016.04.001.]