河南省“21·7”極端暴雨災害多區域間接經濟損失評估*

劉 遠,李 瑩，王國復，尹金方，張正濤，朱業玉，李 寧

(1.國家氣候中心，北京 100081；2.中國氣象學院研究院 災害天氣國家重點實驗室，北京 100081；3.北京師范大學 地理科學學部，北京 100875；4.河南省氣候中心，河南 鄭州 450003；5. 北京師范大學 國家安全與應急管理學院，北京 100875)

間接損失評估中最常用的方法是可計算一般均衡(Computable General Equilibrium,CGE)和投入產出(Input-Output,IO)模型，二者都被廣泛應用于由自然災害引起的初始沖擊而產生的關聯損失評估[1-3]。CGE模型通常被認為更加復雜，該模型考慮了替代效應和相對價格變化的非線性等機制，允許更大的靈活性，但是由此可能出現極端替代效應和價格變化[4]，導致CGE模型可能低估自然災害的間接損失。相反，由于線性和缺乏替代可能性，I-O模型通常被認為高估了間接損失[5]。然而，I-O模型因其簡單性和能夠通過中間投入和最終需求來反映一個經濟體內的行業和地區之間的經濟相互依存關系而獲得青睞[6]。許多研究基于I-O建?？蚣荛_發了各種模型來評估自然災害對受災地區的經濟影響。然而，自然災害的經濟影響并不僅限于災區內，隨著地區之間經濟聯系日益密切，可以預見未直接受災的地區將通過地區間經濟聯系遭受關聯損失[7-8]。近期一些研究也開始強調自然災害的多區域影響[5,9]，這些考慮到多區域影響的研究表明，在受影響區域之外可能會發生重大損失。因此，本文引入了一種適應性多區域投入產出(Adaptive Multi-Regional Input-Output,AMRIO)模型[10]，該方法考慮了災后生產效率低下和生產瓶頸效應的同時，也考慮了地區間經濟聯系，能夠捕捉由于災區生產效率下降而造成災區之外的間接損失。

近年來，隨著全球氣候變暖的持續以及城市化進程的加速，極端天氣氣候事件頻次顯著增加。2021年7月中下旬，西太平洋副熱帶高壓異常偏北，同時臺風“煙花”攜帶大量水汽持續向黃淮地區輸送，引發了河南省多個地區極為罕見的持續性強降水天氣。鄭州7月20日04:00—21日04:00的降水量達到了645.6 mm，超過了以往的年平均降水量(640.8 mm)，最大小時降水量和最大24 h降水量均突破自1951年鄭州氣象臺創建以來的歷史紀錄。此次極端暴雨事件導致鄭州、鶴壁、新鄉、安陽等多地發生嚴重洪澇災害，并造成重大人員傷亡和巨額經濟損失。在此背景下，本文以河南省“21·7”極端暴雨事件為例，基于災情統計中的直接經濟損失數據，采用AMRIO模型估算河南省各地市由于行業和地區之間的經濟相互依存關系而產生的間接損失，充分解析間接損失在不同行業、地區以及在災害恢復過程中的動態變化。

1 研究方法

1.1 AMRIO模型

傳統的I-O模型是靜態線性模型[6]，不能反映經濟系統的動態特征且無法包含彈性措施的影響，由此造成了傳統IO模型的局限性。但是，得益于傳統IO模型較低的數據需求以及能夠明確反映地區和行業之間的經濟相互依賴關系的優勢[4]，它也得到了廣泛的開發和應用，尤其是在災害損失評估領域。具有代表性的模型有適應性區域投入產出模型(Adaptive Regional Input-Output,ARIO)[1,11]、多區域投入產出模型(Multi-Regional Input-Output,MRIO)[9,12]、多區域影響評估模型(Multi-Regional Impact Assessment,MRIA)[5]以及這些模型的衍生版本。本文采用AMRIO模型，它沿用了ARIO模型動態可迭代的模型框架，并通過多區域投入產出表反映的地區間經濟聯系進行多區域權衡，能夠動態模擬災害導致的行業和地區間的間接損失。

1.2 模型基本假設

考慮到經濟系統的復雜性，經濟模型的模擬需要基于以下關鍵假設。AMRIO模型基于投入產出理論和多區域投入產出表，假設一個地區的經濟有數量眾多且有固定消費的家庭，以及多個不同的行業組成。對這些行業的基本假設：①只生產一種特定的產品或服務，并且需要其他地區和其他行業的投入才能完成其生產過程；②與地區內和地區間的行業相互交換中間產品或服務；③可替代其他地區相同行業的產品或服務，不同地區貿易環節的配給方案成比例變化；④所有地區的行業的進口不受限制；⑤假定受災影響導致行業生產資本和家庭實物資產受到破壞。

1.3 模型原理

經濟系統中的每個行業都可以視為生產者，同時，各行業又是需要其他行業中間產品的消費者。災害未發生時，總產出滿足中間需求和消費者的最終需求。但是，這種平衡被災害對經濟系統的沖擊所破壞，并進一步破壞了供應鏈(圖1)。AMRIO模型考慮了災害沖擊對經濟系統的以下影響機制：①產業關聯影響：從生產者的角度來看，農作物受災、道路中斷以及能源供應下降等會限制一些行業的生產能力，從而導致這些行業的供給能力不足，約束了其他未受災害直接影響行業的生產和消費者消費，產生間接損失；②生產能力約束：AMRIO模型根據直接經濟損失統計資料，計算各行業災后剩余的生產能力，而這種生產能力會隨著救災進程不斷恢復，直到這種直接損失得到全部重置；③生產瓶頸：AMRIO模型中，生產瓶頸可以在地區之間發生作用，當某個地區某個行業的產出不足時，通過等比例分配法將各行業生產的商品或服務按照需求方的需求比例進行分配；④生產者對災害直接損失的響應：生產者根據需求擴大或縮減生產量，或者通過地區外的貿易替代彌補當地商品或服務供給的不足，而后隨著生產能力的恢復，又逐漸恢復至初始的供應商。

根據上述模型基本假設和模擬原理，基于河南省多區域投入產出表，AMRIO模型將每個地區和每個行業的生產與需求聯系起來，地區r行業i的生產能力可以表示為：

(1)

式中：i,j= 1,…,m代表所有行業；r,s= 1,…,n代表不同地區；y0代表總產出向量；A代表投入產出表矩陣；F代表最終需求矩陣；D為災害直接經濟損失矩陣；隨后可以計算每個地區中每個行業的生產量和消費量，模擬災后遭破壞的生產如何一步一步被重置，生產能力逐步恢復至災前狀態。詳細的模型計算過程可參考文獻[10,13]。

圖1 AMRIO模型理論框架圖

2 數據來源及處理

2.1 河南省多區域投入產出表

目前國家和地方統計局編制的投入產出表均為國家或者省級尺度，缺乏地級尺度的投入產出表數據。因此，AMRIO模型所需要的河南省多區域投入產出表來源于中國碳核算數據庫工作組(Carbon Emission Accounts & Datasets,CEADs)發布的2012年中國城市尺度多區域投入產出表[14]。CEADs工作組基于熵值模型，構建了一套城市尺度投入產出模型的編制框架，并編制了2012年我國城市尺度多區域投入產出表。該表包含中國大陸地區313個地級行政單位，覆蓋全國95%以上的人口與97%以上的GDP。該投入產出表囊括42個社會經濟行業，5個最終消費(農村居民消費、城鎮居民消費、政府消費、資本形成、存貨變動)，與國家統計局公布的中國國家尺度投入產業表相同。

本文對上述多區域投入產出表的處理主要分為三個方面：①為了模擬“21·7”極端暴雨災害對河南省經濟系統的影響，需要將2012年中國城市尺度多區域投入產出表改為河南省本地多區域投入產出表，后者區分了中間消費的產品或服務和最終使用的產品或服務的來源是本地生產還是從區外進口(或調入)的，以反映河南省本地各地市各行業之間的投入產出關系。2012年河南省城市尺度多區域投入產出表包含河南省18個地級市，包括鄭州、開封、洛陽、平頂山、安陽、鶴壁、新鄉、焦作、濮陽、漯河、三門峽、南陽、商丘、信陽、駐馬店、濟源、許昌和周口。②考慮到直接經濟損失的統計無法細分至42個行業，本文將多區域投入產出表中的行業合并為6個，分別為(i)農業、(ii)制造業、(iii)電力、熱力、燃氣和水的生產和供應業、(iv)建筑業、(v)水利、環境和公共設施管理業和(vi)其他服務業(合并依據參考直接經濟損失集中的行業)。③由于缺乏最近幾年的城市尺度多區域投入產出表數據，本文基于2020年河南省統計年鑒中的國民經濟核算指標，采用等比例擴大的方式更新2012年中國城市尺度多區域投入產出表，從而近似模擬2020年河南省各地市各行業間的投入產出關系。然而，隨著河南省近年來產業結構升級及技術進步，投入產出系數也會隨著時間緩慢演變[15]，而等比例擴大的處理方式忽略了這種改變。因此，本文同時選取了河南省統計局提供的2017年省級尺度投入產出表[16]，采用ARIO模型進行單一區域災害間接損失評估，以此來檢驗AMRIO模型多區域模擬結果的可靠性。

2.2 直接經濟損失數據

針對2021年7月17—22日發生在河南的“21·7”極端暴雨過程。首先，根據8月9日召開的“河南省加快災后重建第三場新聞發布會”(以下簡稱“發布會”)數據[17]，截至8月9日7時，河南省“21·7”極端暴雨災害共造成全省150個縣(市、區)1 664個鄉鎮1 481.4萬人受災，全省累計緊急避險轉移93.4萬人。農作物受災面積1 080 khm2，成災面積667.3 khm2，絕收面積342.5 khm2；倒塌房屋35 325戶99 312間，嚴重損壞房屋53 535戶164 923間，一般損壞房屋209 465戶664 279間；直接經濟損失1 337.15億元。其次，結合中國氣象局氣象災害管理系統災情直報數據，截取災害發生日期在7月17—22日之間的有效縣級災情記錄(共61條)，合并為地市級尺度，可以得到河南省18個地級市在河南的“21·7”極端暴雨過程中遭受的直接經濟損失，共計1 349.89億元，與“發布會”數據基本一致。此外，綜合人民網、中國新聞網以及相關新聞發布會等報道，主要損失集中在農業、制造業、電力、熱力、燃氣和水的生產和供應業、建筑業、水利、環境和公共設施管理業。但是由于缺乏分行業的直接經濟損失統計數據，本文依據AMRIO模型基本假設⑤，將河南省各地級市直接經濟損失按照當地各行業固定資本存量比重進行加權分配，以此作為外生需求變量輸入AMRIO模型捕捉關聯地區和關聯行業的間接損失。

2.3 固定資本存量

固定資本存量數據用于衡量災害后各地區各行業的損失率。本文基于文獻[18]編制的2003—2017年中國地級市資本存量數據庫以及由其提供的基年固定資本存量和折舊率數據，結合2020年河南省統計年鑒提供的全社會固定資產投資額，采用永續盤存法[19,20]計算出2020年河南省地級固定資本存量，具體計算方法為：

Kt=Kt-1(1-ρt)+It。

(2)

式中：Kt為第t年的固定資本存量，Kt-1為t-1年，即上一年的資本存量，ρt為第t年的折舊率，It表示第t年全年的固定投資額。河南省18個地級市2003—2020年固定資本存量計算結果見圖2。

2.4 模型參數設置

AMRIO模型所需的外生參數如表1所示，外生參數是指災后經濟系統為適應災害破壞而進行的生產或消費行為的自主調整，以適應災后的供需狀況。其中，初始生產能力，即災前各行業的生產能力假定為100%；超額生產能力是指災后各行業通過投入重建資金進行加速重建，本文參考8月9日召開的“發布會”中的報道，“全省累計撥付財政和捐贈資金救災款90.31億元”，并根據投入產出表中的行業增加值將初始超額生產能力初始值設置為100.3%(救災款占行業增加值的比重)；同時，“發布會”報道中顯示，截止8月8日，此次極端暴雨造成的電力供應中斷、交通網絡停滯、通信基站損毀等情況已基本得到恢復(恢復比重超9成)，因此，本文將災后生產能力提高到最大值所需時間以及適應性時間特征參數初始值設置為20 d；此外，參考文獻[3,11]，將價格系數和需求彈性系數初始值設為0.10%/月和0.9?？紤]到參數變化對模擬結果的影響，本文將在章節3.4中對參數取值進行敏感性分析，參數取值范圍見表1。

3 結果與分析

基于河南省多區域投入產出表、“21·7”極端暴雨災害直接經濟損失數據以及模型基本假設，本文采用AMRIO模型，以月為時間步長，在河南省地級市尺度開展了災后恢復重建進程模擬，以此評估河南省不同地區和不同行業的間接損失情況，同時本文進行了敏感性分析來檢驗AMRIO模型的穩健性。本文采用行業增加值的相對于災前的變化量衡量行業生產損失，重建過程中每一時間步長的累計變化量即為間接損失值(見圖1)。

圖2 河南省各地級市2003—2020年固定資本存量

表1 AMRIO模型參數值及其敏感性分析取值

3.1 總的間接損失

圖3顯示了重建過程中河南省全行業增加值相對于災前的變化率，實線和虛線分別為ARIO和AMRIO的模擬結果?？梢钥闯?，兩種模型對重建進程的模擬基本一致，ARIO模型呈現的重建進程略快于AMRIO模型。一方面，這可以說明2.1節中對2012年中國城市尺度多區域投入產出表的更新是合理的，雖然等比例擴大的處理方法忽略了投入產出系數隨產業結構調整和技術進步的改變，但由此造成的誤差可以接受。另一方面，ARIO模型較快的重建進程除了歸因于上述誤差外，還可能是由于ARIO模型忽略了一部分地區間的影響，災情較重的地市可能拖慢全省的重建進程，而AMRIO模型能夠捕捉這一影響(地級尺度的結果見3.2節)。根據AMRIO模型結果(圖3)，“21·7”極端暴雨災害給河南省造成的間接損失約為2 444億元，超過了河南省直接經濟損失，達到其1.8倍，總損失達到3 793億元；模型模擬的重建期約為60個月，也就是說河南省經濟至少需要5年時間恢復至災前狀態。

圖3 重建過程中增加值相對于災前的變化率

3.2 分地區的間接損失

AMRIO模型的主要優勢是能夠捕捉不同地區間的經濟聯系，從而識別不同地區遭受的間接損失。圖4顯示了河南省18個地級市的重建進程，可以發現不同地市遭受的影響存在差異。此次極端暴雨災害的降水中心鄭州市、新鄉市和鶴壁市遭受的影響最為嚴重，增加值相對于災前的變化率降幅均超過了5%；其中，鶴壁市達到了25%、新鄉市達到了20%，分別相當于近4年和近3年鶴壁市和新鄉市的地區生產總值(GDP)增長率[16]，是此次極端暴雨災害受影響最為嚴重的兩個地市。受此影響，鶴壁市和新鄉市的重建期持續時間較久，大約60個月后恢復至災前狀態，這也與省級尺度的結果一致；鄭州市的重建期相對較短，大約50個月恢復至災前狀態。河南省其他地市增加值的變化率基本在5%以下，重建期大約在20～50個月之間。

由此可見，地級市尺度的結果更能反映出此次極端暴雨災害對河南省整體經濟的重大沖擊。從增加值相對變化率而言，除鶴壁市和新鄉市外，雖然其他地市的相對變化率在5%左右，但是考慮到2020年河南省全省GDP增長率為1.3%[16]，此次極端暴雨災害對河南省的經濟影響可見一斑；從重建進程來看，河南省各地市重建期都在2年以上，部分受災較為嚴重的地市達到了5年，鑒于本文并未考慮河南省之外地區的影響，較長的重建期所產生的關聯影響也不容小覷。

圖4 河南省各地級市重建過程中增加值相對于災前的變化率

圖5中的柱狀圖顯示了此次極端暴雨災害中河南省各地市的經濟損失值，其中灰色部分代表AMRIO模型模擬的間接損失大小，黑色部分代表官方統計的直接損失值，按總經濟損失值大小從左至右依次遞減?？梢园l現，總損失絕對值最高的地市依次是鄭州市、新鄉市和鶴壁市。雖然圖4中鄭州市增加值相對于災前的降幅小于新鄉市和鶴壁市，但是由于其經濟總量大，總損失值依然最高，約為1 364億元(直接損失668億元、間接損失696億元)；新鄉市的總損失約為446億元(直接損失196億元、間接損失250億元)；鶴壁市的總損失約為300億元(直接損失130億元、間接損失170億元)。

圖5 “21·7”極端暴雨災害中河南省各地級市的直接和間接損失

圖5中的回歸方程(黑色線)顯示河南省各地市間接與直接損失之間呈現顯著的線性關系(R2=0.98)。然而，散點圖顯示，除鄭州市外的點均集中在散點圖右下方。鑒于鄭州市固定資本存量(圖2)和直接損失明顯高于其他地市，考慮鄭州市的擬合結果可能掩蓋其他地市的部分特征。因此，可將鄭州市作為離群值處理，對其他17個地市重新進行擬合(紅色線)。結果顯示這些地市的間接與直接損失之間更接近于二次函數的關系(R2=0.81)，這種非線性關系與我國汶川地震案例[2]和美國卡特里娜颶風案例[11]情景分析中的結果一致。因此，考慮鄭州市的擬合結果掩蓋了其他地市間接與直接損失之間的非線性特征。同時圖5顯示鄭州市間接與直接損失值大致相當，而其他地市間接損失往往是直接損失的數倍。例如，安陽市、焦作市、開封市和周口市遭受的間接損失值大約是直接損失的2倍；洛陽市和許昌市的間接損失分別為直接損失的8倍和3倍；盡管三門峽市、商丘市、信陽市、駐馬店市和濮陽市并未遭受明顯的直接損失(官方統計的災情數據均小于1億元)，而這些地市的間接損失均超過40億元，其中三門峽市間接損失達到了105億元。由此可以發現，中小城市更容易遭受巨額間接損失的影響，這可能是由于這些城市經濟體量較小，更容易受到來自災情較重地區的行業關聯影響。鄭州市在此次極端暴雨災害中遭遇了嚴重的災情，當地企業生產能力下降，也使得后續的生產者和消費者，尤其是中小城市的生產者和消費者，連續受到一輪又一輪的波及影響。

3.3 分行業的間接損失

基于投入產出表能夠反映行業間經濟聯系的特性，AMRIO模型捕捉了河南省不同地市間接經濟損失的行業分布(圖6)。

圖6 河南省各市不同行業間接損失的占比

可以看出，在整個重建過程中，河南省受影響最為嚴重的行業是農業和制造業，這兩個行業在絕大多數的地市承擔了超過90%的間接損失。河南是中國主要的糧棉生產基地，小麥產量占全國的三分之一[21]?！?1·7”暴雨災害事件正值河南省夏糧收割以及秋糧播種的關鍵時期，給河南省農業生產帶來了嚴重影響，由此也造成了下游相關制造業企業嚴重的前向關聯損失，其中洛陽市、鶴壁市、濮陽市、三門峽市和濟源市制造業損失占比均超過了70%。此外，水利、環境和公共設施管理業也遭受了較大比重的間接損失，水毀工程較長的恢復重建期可能是造成其間接損失較大的原因之一。此外，對于受災較為嚴重的鄭州市、新鄉市、焦作市和安陽市，建筑業面臨的間接損失也不容小覷，分別占到了當地總間接損失的40%、24%、20%和12%，這些地市災后建筑業由于重建需求激增而產生的供給不足導致了較大的間接損失。

3.4 參數敏感性分析

如表1所示，求解AMRIO模型需要一系列參數設置，其中兩項重要的參數分別為超額生產能力(αmax)和適應時間特征參數(前者描述了各行業在災后是如何通過調整其生產進度來應對重建需求的增長，從而來彌補災后生產能力的不足；后者描述了生產不足時，生產者轉向其他地區進口產品(或服務)，以及生產充足后轉向本地供貨商的調整時間。由于災后不同行業重建過程中相關的經濟數據有限，為了克服參數設置導致的不確定性，本文對上述兩種類型參數進行了敏感性分析來討論模型的結果。

圖7 不同超額生產能力和適應時間特征參數情景下河南省增加值相對于災前的變化率

圖7a顯示了不同超額生產能力(αmax)下整個重建期內河南省地區增加值相對于災前的變化率，其中黑色實線是基準情景下的結果，虛線對應不同的超額生產能力?？梢钥闯龀~生產能力參數顯著改變了災后恢復重建進程和間接損失。相較于無超額生產能力，基準情景下(αmax=100.3%)重建期縮短了約40個月，間接損失也由此減少了約322億元，遠高于基準情景中全省累計撥付財政和捐贈資金救災款(90.31億元)。同時，本文設置了兩個超額生產能力較高的情景(αmax=101%和αmax=102%)，可以發現較高的超額生產能力顯著縮短了災后重建期，分別在災后40個月和30個月恢復至災前，并且隨后超出了災前生產能力；間接損失也分別減少了約490億元和957億元。但是，兩個超額生產能力較高的情景所對應的重建資金投入分別達到了3 010億元和6 020億元。由此可見，適度的超額生產對減輕災害造成的間接損失有顯著作用。

綜上，即使間接損失的幅度隨參數變化而發生了顯著改變，但是模擬結果中的動態模式依然保持相似，由此表明了AMRIO模型的可靠性，能夠用于災害多區域間接經濟損失的評估分析。

4 結論與討論

本文采用一種動態遞歸的多區域投入產出模型，在地級尺度開展了河南省“21·7”極端暴雨災害間接損失的評估分析。模擬結果顯示AMRIO模型在極端暴雨災害的間接損失評估中適用性良好，通過有效核準參數，能夠實現極端暴雨災害事件間接損失的快速評估。本文主要結論如下：

(1)巨災導致的間接損失不容忽視。在當前的救助力度和重建速度情景下，河南省“21·7”極端暴雨災害的重建期約為5年，期間河南省產生的間接損失約為2 444億元，是直接經濟損失的1.8倍，此次極端暴雨災害總經濟損失達到3 793億元。鄭州市、新鄉市和鶴壁市遭受的間接損失最為嚴重，間接損失值分別達到696億元、250億元和170億元，尤其是鶴壁市，此次災害的間接損失相當于近4年鶴壁市的GDP增長率

(2)中小城市更應該關注巨災造成的間接損失。中小城市間接與直接損失之間的非線性關系說明中小城市更容易遭受巨額的間接損失。即使一些中小城市的直接經濟損失較小甚至可以忽略，但是地區間和行業間產業關聯導致的間接損失依然對當地經濟系統造成了巨大沖擊。

(3)農業和制造業是此次河南極端暴雨災害中最為脆弱的行業。河南省作為我國主要的糧棉生產基地，農業損失產生的前向關聯損失嚴重影響了當地制造業，在所有地市中這兩個行業均承擔了超過半數的間接損失。

(4)適度的超額生產能夠顯著減輕災害造成的間接損失。敏感性分析結果顯示超額生產能力和適應時間是影響災后恢復重建進度的兩個重要因素，相比于無超額生產情景，當前的救助力度和重建速度情景下重建期縮短了約40個月，間接損失也由此減少了約322億元。但是，也應該意識到更高的超額生產能力意味著高昂的重建資金投入，需要進行更多的研究以確定適度的救助力度和重建速度。

本文對河南省“21·7”極端暴雨災害開展了地級尺度的間接損失評估，能夠補充國內災害多區域間接損失評估案例缺乏的現狀，為其他巨災案例提供了一定參考。但是同時也應當指出，本文是基于大量假設，對災后重建進程進行的理想化模擬，是對河南省各地市的間接損失的初步評估。AMRIO模型缺乏對保險策略、企業庫存、行業間貿易替代以及災后勞動生產力等因素的綜合考慮。在實際災害風險管理中，上述這些非工程性措施能夠有效防止并減輕災害損失尤其是間接損失，這也是未來的研究重點。