2017年-世界发展银行全球_Quantitative_Analysis_of_the_Impact_of_Floods_in_Bolivia_45页_5mb

报告摘要

本研究旨在评估洪灾对玻利维亚家庭收入和贫困等社会经济指标的负面影响。通过分析三种不同的洪水指数（降水指数、强度指数和河流溢流洪水指数），研究揭示了洪灾对玻利维亚经济和社会的影响，并探讨了不同指数在不同情境下的适用性。研究基于历史数据和统计方法，尝试从多个维度量化洪灾的影响。

洪灾的普遍性与影响
- 玻利维亚是受自然灾害影响最严重的国家之一，尤其是洪灾。
- 据2012年《市政风险指数》（MRI）显示，43%的人口居住在洪水易发地区。
- 洪灾是玻利维亚最频繁的自然灾害，其次是干旱和冰雹。
- 2015年洪灾造成约4.5亿美元（31.32亿玻利维亚诺）的经济损失，影响超过30万人。
研究目的与方法
- 本研究旨在通过统计方法，明确洪灾对家庭收入和贫困的直接影响。
- 由于数据和方法上的限制，研究分析了多种常用的经济文献中用于表示洪灾影响的指数。
- 指数的选择基于洪灾的不同成因和特征，以更准确地反映其对人口或经济的影响。
三种主要洪水指数
- 降水指数：基于降水与历史平均值的比较，评估极端降水引发的洪水风险。
- 强度指数：考虑降水持续时间和强度，结合经济活动水平（通过夜间灯光数据）评估洪水的经济影响。
- 河流溢流洪水指数：基于GLOFRIS模型，评估因河流溢流导致的洪水。

定义：通过比较当前或近期降水与历史平均值，计算相对值。
数据来源：
- 使用235个气象站的降水数据（1940-2014年），筛选出144个数据质量较高的站点。
- 结合CHIRPS卫星数据，通过GeoCLIM软件进行数据融合，以提高精度和地理覆盖。
计算方法：
- 使用CHIRPS+模型，计算每个单元格的综合降水数据。
- 公式为：
  $$
  CHIRPS^+_i = \alpha_i CHIRPS_i + (1 - \alpha_i) b_i CHIRPS_i
  $$
- 其中，$\alpha_i$ 是基于降水数据与卫星数据的相关性确定的权重，$\rho_{CHIRP} = 0.5$，$\rho_{ns}$ 是与最近气象站的偏倚相关性。
- 偏倚因子 $\mathbf{b}_i$ 是基于五个最近气象站的观测与CHIRPS数据的比值计算得出。
- 通过分析2007年和2014年的雨季数据，验证了该模型的有效性。

定义：结合降水强度、持续时间和经济活动水平，评估洪水的经济影响。
数据来源：
- 使用NDO数据库记录的1,963次暴雨洪水事件（2002-2012年）。
- 使用TRMM卫星数据获取降水强度，以每小时毫米（mm/h）为单位。
- 使用DMSP-OLS夜间灯光数据（NTLs）作为经济活动的代理指标。
计算方法：
- 建立强度（I）与持续时间（D）的非线性关系：
  $$
  I = \alpha^* D^{\beta}
  $$
- 通过取对数将其转换为线性关系：
  $$
  \log(I) = \log(\alpha) + \beta^* \log(D)
  $$
- 使用普通最小二乘法（OLS）估计参数，得出 $\hat{\alpha} = 0.090$，$\hat{\beta} = 1.96$。
- 设定10%的阈值，以区分是否有洪水发生。
- 最终的强度指数为：
  $$
  I_{t,i} = NTL_{t-1,i} \times \sum_{j \in T_t} TRMM_{j,i} \times \mathbb{1}{{TRMM{j,i} \in I_t}}
  $$