2015年-世界发展银行全球_Developing_an_Adaptive_Global_Exposure_Model_to_Support_the_Generation_of_Country_Disaster_Risk_Profiles_68页_1mb

详细总结：构建适应性全球暴露模型以支持国家灾害风险档案的生成

核心内容

本文提出了一种适应性全球暴露模型，旨在支持国家层面的灾害风险档案（Country Disaster Risk Profile, CDRP）的生成。该模型基于公开或低成本获取的数据，通过自上而下（top-down）方法，构建三个独立的地理参考数据库，用于估算不同灾害场景下的经济暴露值。这些数据库具有30弧秒（约1x1公里）的空间分辨率，为政府机构提供可靠的灾害风险评估工具。

主要观点

• 灾害风险量化需求增加：随着联合国《减灾 Sendai 框架》的实施，政策制定者对灾害风险量化的需求增加，特别是在国家层面的灾害风险档案（CDRP）生成方面。
• 暴露模型的重要性：暴露是灾害风险评估的核心组成部分，它不仅包括建筑物和非建筑物基础设施的属性，还涉及按空间和行业细分的GDP分布。
• 现有模型的局限性：目前全球范围内，用于灾害风险评估的暴露模型多为私营部门所有，且主要集中在建筑物库存，缺乏对政府财政暴露的直接估算。
• 适应性模型的优势：本文提出的模型采用公开数据，结合人口、建筑类型、基础设施和经济指标，构建了三个独立的暴露数据库，为公共部门提供了一个开放、可适应和兼容的解决方案。
• 模型的可扩展性：该模型不仅适用于地震风险评估，还可扩展用于风灾、洪水等其他自然灾害的暴露分析。

关键信息

1. 暴露模型的三大数据库

• 建筑库存数据库：包括建筑物的地理位置、城市/农村分类、使用类型（住宅和非住宅）、建筑类型（如木结构、混凝土结构）和经济价值（替换价值）。
• 非建筑基础设施密度与价值数据库：对应国家财政资本存量（GCS）中的非建筑基础设施部分，如道路、桥梁、电力设施等。
• 空间与行业细分的GDP数据库：反映国家层面的经济产出（商品与服务的生产流量），用于灾害损失估算。

2. 暴露模型的构建方法

• 自上而下方法：将国家或地区层面的数据按空间分辨率（30弧秒）进行细化，以估算暴露值。
• 数据来源：使用公开或低成本数据，如全球行政边界数据（GADM）、全球城市足迹数据（GUF）、人口网格数据（LandScan）、住房普查数据等。
• 人口分配与城市/农村划分：通过人口密度数据和卫星夜间灯光数据，结合多阶段加权方法，实现人口在城市和农村区域的重新分配。
• 建筑类型与脆弱性分类：根据建筑结构类型（如木结构、混凝土结构）和脆弱性分类，估算建筑的暴露价值。
• 资产价值估算：利用国家层面的建筑成本数据和GDP信息，计算建筑物的替换价值。

3. 模型应用实例

• 本文以1882年巴拿马Mw 7.8地震为例，展示了该模型在经济损失估算中的应用。
• 模型可支持灾害后损失评估（DaLA）报告的编制，作为评估基础设施和经济影响的参考基础。

4. 模型的扩展性与兼容性

• 该模型不仅适用于地震，也可用于其他自然灾害，如风灾和洪水。
• 模型结合了地理科学、工程、统计和经济学的方法，具有高度的跨学科适应性。
• 可作为未来开放、适应性和兼容性暴露数据库的构建方法，支持全球范围内的灾害风险建模。

模型构建步骤

1. 识别建成区：使用GADM和GUF数据定义建成区边界。
2. 人口分配与城市/农村划分：基于人口密度和夜间灯光数据，结合多阶段加权方法，重新分配人口至建成区。
3. 确定住宅与混合使用网格单元：利用夜间灯光数据区分城市区域的住宅和混合使用单元。
4. 应用建筑类型分布：根据建筑结构类型和脆弱性分类，估算建筑的暴露价值。
5. 资产价值确定：结合建筑成本和GDP数据，计算各网格单元的资产替换价值。

文献回顾

• 建筑库存暴露模型：现有模型如GEG-2013、GED4GEM和PAGER等，各有优缺点。例如，GEG-2013仅限于城市区域，而GED4GEM使用GRUMP数据，可能高估城市范围。
• 非建筑基础设施价值分布：利用PIM方法和国家账户数据估算基础设施价值，同时结合卫星遥感数据进行空间细分。
• GDP细分：采用多种方法（如G-Econ、World Bank和UNEP模型）进行GDP的空间细分，以支持经济风险评估。

结论

本文提出的适应性全球暴露模型为公共部门提供了开放、可适应和兼容的工具，用于生成国家层面的灾害风险档案。通过结合多种数据源和建模方法，该模型能够更精确地估算灾害暴露值，支持灾害风险评估和损失预测，为政策制定和灾害管理提供数据基础。