3. 损失模拟核心概念

在台风、地震、洪水巨灾损失模拟中，模型输出的“损失金额”并不是凭空估算的数字，而是由一组核心概念层层推导出来的。理解这些概念，等于掌握了巨灾模型的“语言”。本节围绕五个关键词展开：暴露度、脆弱性、易损性曲线、超越概率与重现期。它们分别回答五个问题：有什么资产、资产有多怕灾、怕到什么程度、损失超过某阈值的可能性多大、这种可能性多久发生一次。

一、核心原理：从灾害强度到损失金额的传导链

巨灾损失模拟的基本逻辑是一条传导链：致灾因子强度 → 暴露度分布 → 脆弱性响应 → 损失比例 → 经济损失。以台风为例，致灾因子可能是风速或风暴潮水位；暴露度是路径范围内建筑物、基础设施、人口和资产价值；脆弱性决定某风速下某类建筑的平均损失率；易损性曲线则给出“风速—损失率”的连续关系；最后结合超越概率与重现期，形成风险概率视角下的损失分布。

这里需要区分两个容易混淆的词：脆弱性与易损性。脆弱性更偏向系统或资产“内在的抗灾能力与暴露特征”，是定性加定量的综合属性；易损性曲线则是脆弱性在特定灾种、特定建筑类型下的定量函数表达。可以说，脆弱性是“体质”，易损性曲线是“体检报告上的曲线”。

二、方法流程：如何把概念落到计算步骤

在实战建模中，五个概念通常按以下流程落地。每一步都对应明确的输入、参数和输出，缺一不可。

1. 定义资产清单与暴露度：按经纬度网格或行政区统计建筑、道路、管网、农田、人口等资产数量与重置价值。常用字段包括资产类型、结构类型、建成年份、楼层数、单位价值。
2. 选择灾种与强度参数：台风用风速、风暴潮增水；地震用峰值地面加速度PGA或烈度；洪水用淹没水深与流速。
3. 匹配易损性曲线：按资产类型和结构类型选择曲线族，例如“钢筋混凝土低层住宅—洪水水深—损失率”。曲线通常给出均值与不确定性区间。
4. 计算单事件损失：损失 = 暴露价值 × 损失率。对每个网格、每类资产分别计算后汇总。
5. 构建事件集与概率：用历史事件、随机模拟或二者结合生成大量事件，每个事件带年发生概率。
6. 生成超越概率曲线：对每个损失阈值，统计年损失超过该阈值的概率，形成曲线。
7. 换算重现期：用 T = 1 / 年超越概率，得到“多少年一遇”的损失表达。

# 简化示例：单类资产单事件损失计算
exposure_value = 120_000_000      # 暴露价值（元）
loss_ratio = 0.18                 # 易损性曲线给出的损失率
event_loss = exposure_value * loss_ratio
print("单事件损失:", event_loss)   # 21,600,000 元

# 超越概率与重现期换算
annual_exceedance_prob = 0.01     # 年超越概率 1%
return_period = 1 / annual_exceedance_prob
print("重现期:", return_period, "年")  # 100 年

三、案例/场景：同一场洪水，三种资产的不同命运

假设某沿江城市遭遇一次淹没水深 2.0 米的洪水事件，暴露度清单中有三类资产：砖混住宅、钢结构厂房、沥青道路。它们的易损性曲线不同，损失结果差异显著。

这个案例说明：暴露度相同或相近时，脆弱性差异会主导损失结果。如果只按资产价值比例分摊损失，就会严重高估道路损失、低估住宅损失。因此，易损性曲线的选择是模型可信度的关键。

四、误区与复盘：五个概念最容易踩的坑

• 误区一：把暴露度等同于损失。暴露度只是“有多少资产在风险中”，不是“会损失多少”。没有脆弱性，暴露度无法转化为损失。
• 误区二：脆弱性与易损性混用。脆弱性是资产属性，易损性曲线是函数工具。写报告时应明确区分，避免评审质疑。
• 误区三：超越概率与重现期线性理解。重现期不是“周期”，而是概率的倒数。百年一遇不等于每100年发生一次，而是每年发生概率1%。
• 误区四：忽略事件相关性。台风常伴随暴雨、风暴潮，洪水与地震也可能引发次生灾害。单灾种独立假设会低估巨灾损失。
• 误区五：曲线直接套用不校验。不同地区建筑规范、防灾标准差异大，直接套用国外曲线会导致系统性偏差。