基于改进损失函数的CGE模型探究中国气象灾害经济损失特征

本文推荐通过改进可计算一般均衡（CGE）模型的损失函数，结合极端降水/温度指数与标准化降水蒸散指数（SPEI），利用LightGBM等机器学习算法（R2>92%，MAPE<10%）量化中国气象灾害直接经济损失的非线性关系，揭示经济发展水平是区域损失主导因素，为气候政策评估提供新方法。

　　

Highlight

本研究亮点在于首次将极端降水/温度指数与标准化降水蒸散指数（SPEI）整合至可计算一般均衡（CGE）模型的损失函数中，通过LightGBM算法（性能最优，R²超92%）揭示中国气象灾害经济损失的非线性机制，证实经济发展水平是区域损失的核心驱动因子。

Economic loss indicators

MK趋势检验显示，2004-2020年中国气象灾害直接经济损失总体呈上升趋势，暴雨洪涝灾害损失增幅显著。累计损失达5.33万亿元（占同期GDP的0.57%），其中暴雨洪涝占比最高（图1）。

Comparison of heavy rainfall and flood disaster fitting

以10项极端降水指数和GDP为自变量构建损失函数时，LightGBM表现最优（R²=92%），远超MLP（85%）和随机森林（RF）。XGBoost虽提升显著但仍逊于LightGBM（表3）。

Discussion

尽管样本期较短，但结合2021-2024年《国家自然灾害基础报告》验证发现：中国近四年极端事件经济损失波动趋缓，防灾减灾成效显著——暴雨洪涝损失下降，而低温冻害与干旱损失有所上升，空间分布呈现异质性聚集。

Conclusion

基于1981-2024年全国气象站数据，本研究通过机器学习优化的损失函数模型，首次在CGE框架中实现了对极端气候事件经济影响的动态评估，为气候适应政策制定提供量化工具。