评估复合灾害导致的印度东海岸热带气旋风险:基于统计与多准则决策框架的分析
《Physics and Chemistry of the Earth, Parts A/B/C》:Evaluating the tropical cyclone risk over eastern Indian coast due to compound hazards: A statistical and MCDM framework-based analysis
【字体:
大
中
小
】
时间:2026年09月21日
来源:Physics and Chemistry of the Earth, Parts A/B/C 3.0
编辑推荐:
• 使用统计技术评估与热带气旋(TC)相关的降雨和风力引发的复合灾害。
• 采用模糊层次分析法(Fuzzy-AHP)对风险贡献者的相对重要性进行加权。
• 绘制印度东海岸的热带气旋风险热点图,包括考虑和不考虑减灾能力的两种情况。
• 明确采用集成的模糊层次分析法 - 逼近理想
• 使用统计技术评估与热带气旋(TC)相关的降雨和风力引发的复合灾害。
• 采用模糊层次分析法(Fuzzy-AHP)对风险贡献者的相对重要性进行加权。
• 绘制印度东海岸的热带气旋风险热点图,包括考虑和不考虑减灾能力的两种情况。
• 明确采用集成的模糊层次分析法 - 逼近理想解排序法(TOPSIS)框架,根据风险的相对严重程度对地区进行分类。
引言
热带气旋(TC)由于强风、风暴潮和暴雨的复合效应,被认为是所有自然灾害中最危险和具有破坏性的灾害。从登陆到消散的整个路径上,它们有能力造成广泛的破坏和损失,包括死亡率、经济损失以及生态 - 环境损害。然而,由于三种事件的共同作用,最大的破坏潜力在登陆阶段得以实现(Sudha et al., 2015; Swain, 2022),且由 TC 触发的次生灾害,如内陆地区的山洪暴发和山体滑坡,也是一个担忧点(Mihali? et al., 2017; Sarker et al., 2024; Tien et al., 2025)。值得注意的是,北印度洋(NIO)盆地贡献了全球总 TC 的约 6-7%(Ali, 1999),且约 10% 的全球 TC 在印度地区登陆(George et al., 2021)。其中,孟加拉湾(BOB)和阿拉伯海(AS)子盆地每年分别对应全球 TC 的约 4% 和约 2%(Alam et al., 2003; Singh and Roxy, 2022)。此外,超过 85% 的在 BOB 生成的热带气旋扰动(CD)在邻近的沿海地区登陆,而在变暖情景下,AS 占登陆的约 40%(Singh et al. 2019)。另外,较高的登陆频率,即 BOB 子盆地约每年 2-3 个 TC,相比之下 AS 小于 1 个,凸显了东海岸受登陆 TC 暴露的风险更大(Mohapatra et al., 2021)。此外,几项过去的研究(Mohapatra et al., 2013; Singh et al., 2019, 2020; Boragapu et al., 2023)揭示了东海岸各邦,如西孟加拉邦、奥里萨邦、安得拉邦和泰米尔纳德邦,极易受到强烈 TC 影响。
无论频率如何,在当前气候情景下,登陆 TC 的强度预计将上升(Jewson, 2023)。此外,TC 在近海地区的快速增强,生命最大强度的位置向海岸线转移,以及登陆后更长的寿命,使沿海和近沿海人口及其资产面临严重威胁(Chen et al., 2021; Li et al., 2024)。与全球情景类似,NIO TC 的强度预计在变暖情景下会增加(Swapna et al., 2022),而且由于城市化导致的沿海人口增加加剧了印度危险及相关社会经济风险的严重性(Zhang and Villarini, 2019; Thomas and Lekshmy, 2022)。TC 强度的增加,更持续的周期以及更远的内陆渗透增加了对其引发的复合效应担忧。一些研究(例如,Rajeev and Mishra, 2023; Ranjan and Karmakar, 2024)明确指出,近年来与 NIO TC 相关的复合极端事件(即约 3 倍)有相当大的增加,特别是在印度东海岸及邻近地区。值得注意的是,印度拥有 7516 公里的长海岸线,且大部分居民(约 3.7 亿人)居住在沿海和近沿海地区(即约 40% 的人口位于海岸线 100 公里范围内),这标志着印度海岸线的人口暴露度(Mohapatra et al., 2013; Nair et al. 2013; Patra et al., 2015; Maul and Duedall, 2019; https://ncrmp.gov.in/cyclones-their-impact-in-india/)。此外,据估计 TC 每年造成约 260 亿美元的经济损失(Bakkensen et al., 2019),并在过去两个世纪中造成了约 190 万人死亡(Hoque et al., 2018, 2019),突显了它们造成的损失和损害。因此,在定义风险和危害时排除社会经济因素会低估可能影响政策制定和风险减少框架实施的区域特征。这突显了需要一个集成的多灾害风险框架,该框架可以纳入物理危害成分、社会经济因素和地理指标。
现有研究大多单独解决与 TC 危害相关的风险。例如,少数研究(如 Srinivasa et al., 2015; Murty et al., 2020)采用了高级环流(ADCIRC)模型来估计 TC Phailin 和 Hudhud 期间由严重风暴潮引发的沿海淹没造成的潜在危害。Bhardwaj 等人(2020)的研究利用统计模型强调了孟加拉湾子盆地每年发生一个增强型 TC 的可能性。Fang 等人(2020)采用统计和蒙特卡洛模型来计算中国沿海城市的热带气旋风危害。此外,一些研究(如 Ahmad et al., 2022; Panda et al., 2024)采用概率极值理论模型来捕捉和估计由伴随 TC 的极端降雨造成的危害。然而,由这些事件共存引发的危害和风险被严重低估,并在风险建模中产生了歧义。因此,在近期,少数研究(如 Rajeev and Mishra, 2023; Ranjan and Karmakar, 2024; Ranjan et al., 2025)明确使用复相关理论(Copula theory)和三重概率方法估计了伴随 TC 的极端降雨和风力共存所引发的可能风险。此外,TC 还可以对生态 - 环境部门产生复合影响,例如植被损失、沿海洪水、海岸线变化等(Mishra et al., 2022a; Mohammed et al., 2024; Mishra et al., 2026)。因此,与内陆地区相比,沿海地区较高的暴露度根源于更多的物理、社会经济、地理生态和环境损害和损失(Sahoo and Bhaskaran, 2018; Mishra et al., 2022b; 2024a; 2024b; Saravanan et al., 2023; Thenmozhi et al., 2024; Das et al., 2024a, Das et al., 2024b)。
已有多种方法被用于量化影响、脆弱性和风险,包括传统指标方法(Boragapu et al., 2023)、统计方法如因子分析(Agrawal et al., 2021)、主成分分析(Marín-Monroy et al., 2020)和多准则决策(MCDM)(Hoque et al., 2018, 2021; Sarker et al., 2021)。然而,在风险评估框架中,由于模糊层次分析法(FAHP)在处理与人类判断相关的固有不确定性方面的能力,被广泛采用(Yang et al., 2013; Siam et al., 2022; Sarker et al., 2024)。此外,逼近理想解排序法(TOPSIS)方法也用于主要需要风险标准相对排名的研究中(Ertu?rul and Karaka?o?lu, 2008; Nguyen et al., 2020; Ekmekcio?lu et al., 2021)。或者,采用明确的统计技术,如飓风重现期估计(Neumann, 1987; Boragapu et al., 2023)、阈值峰值(POT)中的反向魏布尔分布(Heckert et al., 1998),以及在频率论假设下的极值理论(EVT)模型(Coles et al., 2001; Sasireka et al., 2019; Meng et al., 2021; Ahmad et al., 2022, 2023; Rajeev and Mishra, 2022),来量化可能的风险。然而,这些研究中的大多数(例如,Mohapatra et al., 2012; Mohapatra, 2015)排除了由 TC 引发的复合危害、暴露因素和社会经济脆弱性的整合,因为它们性质异质,即具有主观和客观特征。
Boragapu 等人(2023)考虑危害引入了一个归一化的气旋脆弱性指数,并采用人口和家庭密度来标志印度地区的社会暴露。然而,该研究强调危害强度,并在生成 TC 脆弱性指数时排除了主要的暴露、脆弱性和减灾能力成分。此外,现有研究(例如,Mohapatra et al., 2012; Mohapatra, 2015; Boragapu et al., 2023)也缺乏对不同指标在定义整体风险时的贡献和相互关系的评估。因此,为了克服这些局限性和不确定性,本研究旨在开发一个集成的统计和多准则决策框架,该框架可以以最小的不确定性和更高的准确性纳入风险因素的主观和客观性质。此外,为了协助未来能力建设、准备和疏散策略的提出和实施,明确评估了现有的减灾能力及其对风险减少的贡献等。值得注意的是,考虑到印度东海岸受登陆 TC 的较高暴露度(Panda and Singh, 2017; Singh et al., 2019; Mohapatra et al., 2021),本研究强调了东海岸各邦,即西孟加拉邦、奥里萨邦、安得拉邦和泰米尔纳德邦。因此,本研究旨在(i)分析热带气旋的空间和时间模式,并确定印度东海岸的主要风险贡献者,(ii)隔离和量化与气旋事件相关的复合危害,(iii)通过整合统计和多准则决策技术开发复合气旋风险框架,以及(iv)绘制气旋风险区以支持灾害风险管理和政策干预。考虑到研究差距和这组目标,本研究预计将在结合统计分析与多准则决策技术对印度东海岸各邦进行复合气旋风险评估方面做出独特贡献。
章节片段
研究区域关注点
印度东海岸各邦,与孟加拉湾盆地共享海岸线,被纳入本研究。相应地,位于东经 76.15°至 89.53°和北纬 8.05°至 27.13°之间的西孟加拉邦(WB)、奥里萨邦(OD)、安得拉邦(AP)和泰米尔纳德邦(TN)被纳入考虑(图 1a, b, S1)。WB 由 19 个区组成(区的考虑基于 2011 年人口普查),其中三个,即南 24 帕尔加纳区、普尔巴梅迪尼普尔区、北 24 帕尔加纳区,共享...
危害指标
本研究考虑了七个参数来定义由 TC 引发的危害(图 2)。可能的年最大降雨量(PAMR)指的是区域内发生的与 TC 相关的最大日降雨量。东海岸各邦的 PAMR 范围从约 41 到 445 毫米/天(图 3a)。OD 南部和 AP 北部显示出最大降雨量值,对应于极端降雨类别(> 244.5 毫米/天;Barde et al., 2020)。然而,该区域内的区...
结论
本研究旨在确定风险贡献者的影响,重点在于 TC 引发的复合危害,识别风险热点,并基于集成的统计 - 多准则决策框架实现现有减灾策略及其局限性对印度东海岸风险减少的影响。从研究中得出的结论如下;
i) 概率统计模型的评估突显了具有 L 矩的 GEV 表现更好和...
利益冲突声明
作者声明他们没有任何已知的竞争性经济利益或个人关系,这些利益或关系可能会影响本文中报道的工作。
CRediT 作者贡献声明
Jagabandhu Panda: 写作 – 审阅与编辑,写作 – 原稿,监督,资源,项目管理,资金获取,形式分析,概念化。Geo Tom: 写作 – 原稿,可视化,验证,软件,方法学,调查,数据管理,概念化
未引用参考文献
Alam et al., 2020; Bakkensen and Mendelsohn, 2019; Dash and Walia, 2020; Donner and Rodríguez, 2008; Hoque et al., 2018; Hoque et al., 2019; Hossain, 2015; Kabir et al., 2022; Kumar et al., 2022; Lazoglou et al., 2019; Li et al., 2024; Liu et al., 2020; Mendelsohn and Zheng, 2020; Mihali? Arbanas et al., 2017; Nadimpalli et al., 2021; Nair and Annadurai, 2018; NDMA, 2008; Panda et al., 2024; Paul et al., 2024; Puri and Pargotra, 2021; Raggad, 2018; Rajeev and Mishra, 2023; Ranjan and Karmakar,
数据可用性
作者希望致谢研究中使用的数据集来源。所有相关数据集均可在相应的存储库中找到,而次级数据集将在请求时提供。主要数据来源包括 ERA-5 land (https://cds.climate.copernicus.eu/datasets/reanalysis-era5-land), IMDAA (https://rds.ncmrwf.gov.in/dashboard/download), 印度人口普查数据集 (https://censusindia.gov.in/census.website/data/census-tables), USGS (//earthexplorer.usgs.gov/
资助
研究工作部分通过印度科学和技术部(印度政府科学和技术部)向 Geo Tom(IF210437)提供的 INSPIRE 奖学金资助支持。
利益冲突声明
? 作者声明他们没有任何已知的竞争性经济利益或个人关系,这些利益或关系可能会影响本文中报道的工作。
致谢
特此感谢 Debashis Paul 博士和 Asmita Mukherjee 博士(以前的博士生)提出的宝贵建议和技术帮助。
我们也感谢匿名审稿人提出的建设性意见,这些意见对稿件的整体改进起到了重要作用。Geo Tom|Jagabandhu Panda