《International Journal of Disaster Risk Reduction》：A probabilistic framework for flood damage assessment under levee-breach scenarios for insurance applications
编辑推荐：
洪水风险分析在受堤防保护的洪泛区需要考虑堤防失效相关的残余风险及其潜在严重后果。对于保险应用，概率淹没信息必须转化为描述损失可能性和量级的损失分布，并为基于风险的定价和组合评估提供输入。本研究将基于堤防溃口情景的概率洪水危险框架扩展至空间分布式、资产特定洪水损
洪水风险分析在受堤防保护的洪泛区需要考虑堤防失效相关的残余风险及其潜在严重后果。对于保险应用，概率淹没信息必须转化为描述损失可能性和量级的损失分布，并为基于风险的定价和组合评估提供输入。本研究将基于堤防溃口情景的概率洪水危险框架扩展至空间分布式、资产特定洪水损失评估。建模链结合洪水频率信息、堤防易损性函数、备选溃口位置和水动力模拟。情景特定淹没水深利用不同资产类别的水深–损失函数转换为归一化损失率。随后这些损失率与相应情景概率结合，在各位置和各资产类别构建离散年损失分布。预期年损失率（Expected Annual Damage Ratio，EADR）和条件尾部期望（Conditional Tail Expectation，CTE）分别作为预期年损失和尾部风险的汇总指标由这些分布导出。该框架应用于意大利北部波河（Po River）一段受堤防保护的河段，采用一维–二维耦合水动力模型。应用表明备选溃口情景和资产脆弱性如何共同决定潜在洪水损失及相关风险指标的空间变异性。通过保留情景可能性与局部损失后果之间的联系，所提出的扩展为面向保险的残余洪水风险评估提供空间显式损失信息。其模块化结构还允许在水力条件不变时复用已有水动力模拟结果并更新脆弱性假设和资产价值。
研究背景方面，洪水是全球造成严重经济损失的自然灾害之一，气候变化、人口和资产在洪水易发区集聚进一步放大风险。洪水保险被视为洪水风险管理的重要组成部分，可增强灾后恢复能力、分散损失，并在基于风险定价时提供减灾激励。然而，经济洪水损失评估仍受尺度差异、数据可得性、模型结构和跨情境可移植性等限制。确定性洪水边界和单一情景损失函数可估计特定情景损失，但不能单独刻画损失概率分布及堤防性能不确定下的残余风险（residual risk）。既有概率堤防溃口框架已能将溃口情景、情景概率和水动力模拟结合，生成空间分布式概率危险信息，但尚需转化为面向保险的空间分布式资产特定损失分布。为此，研究人员将D’Oria等和Maranzoni等建立的概率溃口危险框架扩展至损失评估，在情景水深与资产损失率之间引入水深–损失函数（depth–damage functions），进而构建局部离散年损失分布（discrete annual damage distribution），并以EADR和CTE表征预期年损失和尾部风险，为基于风险定价和组合评估提供输入。其意义在于保留备选溃口情景、发生可能性与局部损失后果之间的联系，并形成可复用同一水动力情景集合更新脆弱性和资产价值假设的模块化结构。
技术方法上，研究人员采用概率堤防溃口—水动力—损失评估链：以D’Oria等和Maranzoni等的概率溃口方法，将年最大流量离散为Q
max100、Q100≤Qmax200、Qmax≥Q200三类，权重分别为0.99、0.005、0.005，并分别由30、100、200年一遇设计洪水过程线代表；利用管涌诱发失效（piping-induced failure）的堤防易损性函数计算条件溃口概率；在Po河中游Cremona至Borgoforte约96 km河段采用HEC-RAS 5.0.7一维–二维耦合模型，二维域基于2 m LiDAR数字地形模型（Digital Terrain Model，DTM），输出插值至50 m网格；采用JRC全球水深–损失函数将hmax转为损失率；计算EADR和CTEα=0.001，并以λ=0.1的示例规则说明保费。案例样本来源为意大利Po河右岸Taro至Parma支流间堤防及约238 km2保护区，土地利用来自2023年Emilia-Romagna区域土地利用数据库。
研究结果中，4.1 Levee breach scenarios（堤防溃口情景）：研究人员将30、100、200年一遇设计洪水与四个潜在溃口位置B1–B4及无溃口条件B0组合，仅考虑单点溃口，通过洪水事件权重与条件溃口概率相乘得到情景年概率；总溃口年概率约0.195%，无溃口约99.805%。4.2 Probabilistic flood hazard maps（概率洪水危险图）：通过每个情景的水动力模拟获得最大淹没水深空间分布，并将情景水深与年情景概率结合，计算年淹没概率及局部水深–超越概率关系，从而形成概率洪水危险表征。4.3 Probabilistic damage-ratio maps（概率损失率图）：通过JRC水深–损失函数将情景水深转为各资产类别损失率（damage ratio，DR），同一水深在住宅和农业资产上产生不同损失率；再结合情景年概率得到各位置损失率–超越概率曲线，即局部离散损失分布。4.4 Maps of insurance-oriented risk metrics（面向保险风险指标图）：通过局部损失分布计算EADR和CTEα=0.001并制图，高值集中于近河和溃口段附近，CTE可延伸至EADR中等区域；示例中Point A住宅EADR=0.001086、CTEα=0.001=0.656901，按�100,000参考资产价值和λ=0.1得约�115基准保费；Point B农业EADR=0.001416、CTEα=0.001=0.831991得约�150；若在Point B假设为住宅则约�125（EADR=0.001180、CTEα=0.001=0.722987）。这些保费仅为示例，并非校准保险报价。
讨论部分总结认为，EADR和CTE分别描述预期年损失和选定上尾平均损失，联合解释可区分期望损失相近但尾部损失不同的位置；当正损失年概率不超过α时，CTEα=EADR/α，指标成比例。类别特定图表示在给定资产类别存在条件下的潜在损失率，而非实际货币损失空间分布；组合尾部风险须由各情景下跨资产聚合损失计算，不能一般地通过加总局部CTE获得。主要局限包括仅用三个代表水文过程线近似连续洪水频率分布、仅考虑四个潜在位置和单一管涌诱发溃口、瞬时溃口形成与固定矩形几何、确定性脆弱性函数、50 m网格及标准化JRC函数跨情境可移植性限制；定价规则及加载系数未经保险组合校准。模块化结构的实际优势在于底层水力条件不变时可复用已有水动力模拟以更新脆弱性和资产价值假设。研究结论翻译如下：本研究将现有概率堤防溃口危险框架扩展至空间分布式、资产特定损失评估。情景特定淹没水深经水深–损失函数转换，并与年情景概率结合，获得局部离散损失分布。Po河应用说明这些分布可通过EADR和CTE总结，分别表示预期年损失和选定上尾平均损失。结果必须在所采用表示的局限内解释。三个代表水文过程线近似连续洪水频率分布，其中200年事件代表整个上部分流量级。分析考虑四个潜在溃口位置、单一管涌诱发溃口、瞬时溃口形成、固定溃口几何和确定性脆弱性函数。因此，估计未捕捉全部可能失效配置或水力建模与损失过程的不确定性。基准保费示例通过示例加载规则说明计算指标的一种可能用途；它们不构成校准保险费。业务使用需评估模型充分性、采用更详细暴露信息并校准至保单和组合条件。框架的模块化结构便于在底层水力条件不变时保留水动力情景集合而更新脆弱性假设和资产价值。未来工作应优先开展洪水事件离散的敏感性和收敛分析，尤其是30年与100年事件之间及200年事件以上；还应优先考虑多溃口和漫顶情景、可变溃口几何与形成时间，以及本地校准或概率脆弱性模型。这些发展将增强风险估计稳健性并提高框架对面向保险洪水风险评估的适用性。
