1990—2019年全球氣象水文災害演變特征

王毅 張曉美 周寧芳 胡爭光 李佳英 呂陽 王瑩

摘要 根據全球緊急災害數據庫（EM-DAT），利用Mann-Kendall趨勢檢驗以及Pettitt、Buishand和SNHT突變檢驗等方法，分析了1990—2019年全球及中國氣象水文災害的趨勢及突變特征。結果表明：1）近30 a全球洪水災害和極端氣溫災害的發生頻次呈顯著的增加趨勢;全球洪水災害年死亡人數呈顯著的減少趨勢，而風暴災害的年經濟損失存在顯著的上升趨勢。2）全球極端氣溫災害和洪水災害年發生頻次均在1999年發生了突變;2000年以來極端氣溫災害和洪水災害平均發生頻次約是前10 a（1990—1999年）的2倍。3）近30 a中國洪水災害發生頻次在1999年前后出現由少到多的轉折，但年死亡人數卻在1999年前后出現反向轉折;相比于全球，近30 a中國風暴災害及洪水災害年死亡人數的下降趨勢更顯著;與全球類似，中國風暴災害的年經濟損失呈長期增加趨勢，且增加趨勢更顯著，并于2012年發生了突變。

關鍵詞 氣象水文災害; 災害數據庫; 趨勢分析; 突變檢驗

據統計，全球約90%的自然災害是由洪水、風暴、干旱、熱浪和其他極端天氣或水文事件造成的（GAR，2017;李銘宇等，2020）。在全球變化背景下，全球及區域尺度上氣象水文災害的風險可能進一步增大（王會軍等，2020;周波濤等，2020）。

災害數據在災害發生的各個階段都起著非常重要的作用，是防災減災重要的基礎支撐條件之一（Wirtz et al.，2014）。高質量、準確和具有可比性的災害數據可為災害監測預警、應急響應、風險評估及救災決策提供充足和有效的信息，從而提升人類社會對災害的管理能力（劉耀龍等，2008;王艷杰等，2019）。在全球尺度上，一些研究機構或保險公司建立了包含多種災害的全球災害數據庫。對廣泛和可靠信息數據的收集、驗證、維護以及是否有統一的收錄標準是促進災害數據庫被國際認可和廣泛應用的重要基礎。

很多學者基于全球災害數據庫對災害事件的時空分布及災情指標進行了研究（蔣衛國等，2006;司瑞潔等，2007;Gall，2015;Osuteye et al.，2017;Brakenridge，2019;劉甜等，2019）。張霞和薛耀文（2015）利用比利時國家災害流行病研究中心（CRED）建立的全球緊急災害數據庫（EM-DAT），對1900—2013年全球災害進行了統計分析。陳興茹等（2019）采用EM-DAT數據分析了湄公河流域國家洪澇災害損失的時空分布。姜彤等（2020）利用德國慕尼黑再保險公司建設的自然災害數據庫（NatCat）分析了“一帶一路”區域氣象災害的時空變化特征。對于中國而言，吳吉東等（2014）分析了1949—2013年中國氣象災害災情的變化趨勢。Han et al.（2016）基于EM-DAT數據分析了1985—2014年中國自然災害事件及損失的變化特征。

在全球變化背景下，最近幾十年全球氣象水文災害的變化趨勢如何？為弄清這一問題，本文利用國際上廣泛使用的全球災害數據庫，對近30 a全球包括中國的氣象水文災害的變化趨勢進行了初步分析，以期加深對全球災害發生發展規律的理解，并為防災減災提供科學依據和參考。

1 資料和方法

1.1 全球災害數據庫

目前國際上主要的全球災害數據庫包括比利時CRED的全球緊急災害數據庫（EM-DAT;CRED，2020），德國慕尼黑再保險公司的自然災害數據庫（Munich Re，2011）和瑞士再保險公司的數據庫（Swiss Re，2010）。

EM-DAT、NatCat和Sigma收錄的災害事件都以國家為單位。EM-DAT最初主要是為國際人道主義行動提供服務，更多關注的是重大災害事件及其對社會的影響。NatCat和Sigma的管理機構都是保險公司，注重評估災害的經濟損失包括保險方面的損失。EM-DAT數據庫是免費開放的，可以通過注冊后下載，而NatCat和Sigma僅提供相關圖形產品的瀏覽或定期發布報告等。

由于可獲得性，EM-DAT是國際上應用最廣泛的全球災害數據庫，包含了1900年以來的全球自然災害及技術災害事件。其次，由于EM-DAT的收錄標準明晰和固定，適合在全球范圍上開展災害變化趨勢的分析和比較。

EM-DAT收錄的災害事件的分類是參考災害風險分類綜合研究（Integrated Research on Disaster Risk，2014）的分級方法，其中自然災害組分為地質、氣象、水文、氣候、生物及外太空災害6個子組，進一步劃分為17個災害類型，每個類型又分為子類型和子子類型。表1給出了EM-DAT數據庫中氣象、氣候和水文子組災害的具體分類。為表述簡便，本文中提到的“氣象水文災害”也包含氣候災害，簡稱為MHD。

EM-DAT數據庫中每條災害事件的記錄主要包含了災害發生所在國家等地理信息、災害起止時間、災害成因、相關災害（次生災害）以及災害的人口損失和評估的經濟損失。人口損失包括因災死亡人數、失蹤人數、受傷和無家可歸人數等。經濟損失是指災害造成的直接損失和間接損失的估計值，以美元為單位。

EM-DAT對災害事件設定了收錄標準，即進入數據庫的災害事件須至少滿足3個條件之一：1）有10人或以上人口因災死亡;2）有100人或以上人口受到災害影響;3）當地政府針對災害事件宣布了緊急狀態或請求國際援助。

已有研究表明，災害數據庫越是早期的記錄，信息可靠性相對越差（吳吉東等，2014）。從20世紀80年代，特別是90年代開始，不同全球災害數據庫反映的災情信息一致性更好，可靠度更高（Guha-Sapir and Below，2002）。本文以1990—2019年為研究時段，根據EM-DAT數據庫中記錄的MHD事件，分類對災害的發生次數、死亡人數和總經濟損失的年序列進行時間變化特征研究。

1.2 研究方法

采用在氣象水文時間序列趨勢分析中廣泛使用的非參數Mann-Kendall（M-K）檢驗法（Kendall，1975）。該方法的優點是不需要預先假定樣本的分布，且對異常值不敏感。M-K檢驗的Z統計量服從正態分布，當Z統計量為正，表明序列呈上升趨勢，Z統計量為負，表示序列呈下降趨勢。當Z的絕對值大于1.96和2.58時，分別表示其通過了α=0.05和α=0.01顯著性水平的檢驗。M-K檢驗能夠分析出序列中是否存在線性趨勢及顯著性，但不能給出趨勢幅度的大小。通過Sen斜率檢測法（Sen，1968）可以估計序列變化趨勢的數值程度大小。

突變分析旨在考察時間序列中是否存在顯著的突變點。本文綜合運用Pettitt（Pettitt，1979）、Buishand（Buishand，1982）和SNHT（標準正態均一性檢驗）（Alexandersson and Moberg，1997）突變檢驗法對MHD各災情指標的年際序列進行分析。這三種方法的零假設H0都是序列為獨立、同分布，備擇假設H1是序列存在平均值的逐步轉變（即突變點）。同時，這三種方法均可以定位到突變發生的時間，并且能夠給出顯著性檢驗的P值。

三種突變檢測方法也存在一定的差異。SNHT檢驗可以較容易地檢測出序列在前后末端的突變點，而Pettitt和Buishand檢驗對于序列中部的突變點更加敏感。另外，Pettitt檢驗是非參數秩檢驗法，是對基于原始序列所獲得的秩進行統計分析，因而不需要序列服從特定的分布，SNHT和Buishand檢驗則要求序列盡可能地服從正態分布。Pettitt檢驗相比其他兩種方法不易受異常值的影響。三種突變檢驗方法的公式及統計檢驗的臨界值詳見文獻（Ilori and Ajay，2020）。

為獲得具有可比性的災害經濟損失年際序列，參考Han et al.（2016）的方法，以2019年為基準年，對EM-DAT中的災害經濟損失數據進行了居民消費者物價指數（CPI）標準化處理，避免物價因素對經濟損失變化趨勢的影響。

2 全球氣象水文災害時間變化分析

經統計，1990—2019年EM-DAT數據庫共收錄了全球8 927次MHD事件，按照表1中的9個災害類型分類，近30 a記錄了全球極端氣溫災害524次、風暴災害2 942次、干旱災害475次、野火災害341次、洪水災害4 119次，滑坡災害526次，而霧、海（湖）浪作用和冰湖潰決災害都為0次。洪水和風暴是近30 a來全球最為頻繁的兩種災害，分別占所有MHD災害次數的46%和33%。

2.1 線性趨勢及突變

首先，利用M-K檢驗和Sen斜率估計方法檢測了6種MDH災害各指標的線性趨勢。如表2所示，1990年以來各災害發生頻次均呈上升狀態（Z統計量為正）。其中，極端氣溫和洪水災害的上升趨勢分別通過了α=0.05和α=0.01的顯著性檢驗，Sen斜率估計的增加速率分別約為0.4次/a和3.4次/a。

人口損失方面，近30 a大多數MHD（除極端氣溫和野火外）的年死亡人數呈下降趨勢，以洪水災害的年死亡人數下降最為明顯（通過了α=0.01的顯著性檢驗），下降速率約92人/a。大部分類型的MHD的年經濟損失呈增加態勢，以風暴災害經濟損失的增加趨勢最為明顯（通過了α=0.05的顯著性檢驗），增加速率約13.5億美元/a。此外，野火災害發生頻次盡管最少，但其各項指標特別是經濟損失長期來看表現出一定的增加趨勢。

其次，運用Pettitt、Buishand和SNHT檢驗對災情指標開展突變分析。表3給出了三種突變檢驗方法的統計量和識別出的顯著突變年。對于極端氣溫災害，三種方法都檢測出長期序列存在突變點（均通過了α=0.05的顯著性檢驗），并且識別出的突變點都是1999年。全球洪水災害發生頻次也存在明顯的突變（均通過了α=0.01的顯著性檢驗），而且同樣都以1999年為突變年。三種方法中僅Buishand檢驗識別出全球野火災害發生次數存在顯著突變。據此可判斷，全球6種MHD中，極端氣溫和洪水災害的發生頻次在1999年出現了顯著的突變。

圖1a為全球極端氣溫災害發生次數的Pettitt檢驗結果。Pettitt檢驗的統計值隨時間先下降后上升，在1999年達到最小值-170，對應表3中取絕對值后的Pettitt統計量，超過了α=0.01的臨界值，表明全球極端氣溫災害發生頻次在1999年前后存在顯著的突變。類似地，Buishand和SNHT檢驗的統計量也在1999年取得最小值（絕對值最大值）（圖略）。

同樣地，全球洪水災害發生次數的Pettitt檢驗統計值也在1999年取得最小值（圖1b）。相比于極端氣溫災害，洪水災害的Pettitt檢驗統計量更大，達到了200。同時，Buishand和SNHT檢驗識別出的突變點的P值都接近于0，說明突變是非常顯著的。綜合三種方法可以判斷，全球洪水災害的發生次數在20世紀末的突變特征相比極端氣溫災害更為突出。

對各類MHD的年死亡人數和年經濟損失序列也進行了突變分析。結果表明，三種統計方法都未檢測出死亡人數存在顯著的突變點。對于經濟損失，僅有Pettitt檢驗識別出風暴災害在2003年存在突變，SNHT檢驗識別出野火災害在2016年存在突變。綜合分析可以認為，1990—2019年全球各類MHD的年死亡人數和年經濟損失總體上不存在顯著的突變。

以上分析表明，EM-DAT記錄的全球極端氣溫和洪水災害的發生次數不僅隨時間顯著增加，而且也存在著顯著的突變。圖2a為近30 a全球極端氣溫發生次數的時間變化曲線，并疊加了突變前后的平均值。由圖2a可知，1990—1999年極端氣溫災害相對較少，平均每年發生9.2次，而2000—2019年平均每年出現21.6次，大約是前10 a的2.3倍。

與極端氣溫災害相似，全球洪水災害也在1999年左右出現從少到多的轉折性突變（圖2b），2000年以來平均每年出現162.7次，約是1990—1999年平均發生頻次的1.9倍。洪水災害發生高峰期為2006年和2007年，分別為226次和218次。2010年以后，洪水災害的發生頻次有所減少。

M-K檢驗表明全球洪水災害的年死亡人數呈顯著下降，從時間柱狀圖（圖3a）上可見，20世紀90年代洪災死亡人數緩慢增加，1999年達到峰值（約3.48萬人），約為中位數（0.58萬人）的6倍。這主要是由于極端事件引發的重大災害所導致，1999年12月委內瑞拉一次由暴雨泥石流引發的洪水災害就造成了約3萬人死亡。2000年以來，洪災死亡人口數起伏變化中逐步下降。

近30 a風暴災害的經濟損失中位數為4.2百億美元，年經濟損失長期呈上升趨勢（圖3b），2017年和2005年分別是近30 a經濟損失最多（2.8千億）和第二多（2.4千億）的年份。

2.2 年代際變化

由前面的分析可知，某些災害（如洪水災害）可能存在著年代際變化。為了更清楚地揭示10 a變化特征，結合突變分析的結果，以1990—1999年、2000—2009年、2010—2019年為時間段對全球MHD的災情指標進行累加，結果如圖4。

從災害發生次數（圖4a）來看，各MHD發生次數按10 a呈先上升后略有下降的態勢，但下降幅度較小。比較各10 a變化發現，2000—2009年的洪水災害相較于1990—1999年增幅非常明顯，與前面分析得到的1999年是突變年較為一致。

在災害損失方面，2000—2009年是極端氣溫災害死亡人口和經濟損失最高的10 a，其總死亡人數（約9萬人）約是1990—1999年的10倍。這主要是由于2003年全球極端氣溫災害死亡約7.5萬人所導致的。比較各類災害可以發現，風暴災害在1990—1999年死亡人數是最多的，達到21.1萬人。這與多次重特大災難造成的重大傷亡有關，EM-DAT數據庫記錄的1991年熱帶氣旋風暴“高爾基”導致孟加拉國超過13萬人死亡，占當年全球風暴災害死亡人數的95%。1998、1999年全球風暴災害死亡人數分別超過了2萬人和1萬人，2000年以后除2008年發生了一次特大風暴災害以外，其余年份平均風暴災害人口損失較少（約3千人）。

除極端氣溫外，其余災害在2010—2019年間導致的經濟損失都高于2000—2009年。風暴災害的經濟損失按10 a穩步遞增，與線性增加趨勢較一致，最近10 a造成了全球約7.9千億美元的損失。此外，干旱和野火災害在近年來的影響也不能忽視。2010—2019年干旱災害死亡人數和經濟損失均為三個10 a中最高。野火災害最近10 a的經濟損失（約6.4百億美元）較2000—2009年增加了1倍多。

進一步以大洲為尺度分析年代際變化背景下風暴災害和洪水災害的空間分布特征。近30 a風暴災害總頻次由多到少依次為亞洲、美洲、歐洲、非洲和大洋洲。其中，亞洲風暴災害發生次數按每10 a逐步增加，非洲風暴災害頻次在近20 a超過了大洋洲。近30 a洪水災害總頻次由多到少依次是亞洲、非洲、美洲、歐洲和大洋洲，這一空間格局未發生明顯改變。

圖5分別給出了風暴災害和洪水災害逐10 a各大洲死亡人數占全球相應災害死亡人數的比例。亞洲是風暴災害和洪水災害死亡人口最多的大洲。雖然亞洲洪水災害死亡人數呈下降趨勢，但占全球的比例按逐10 a在升高。值得指出的是，非洲風暴災害和洪水災害死亡人數占全球的比例都呈升高態勢，近10 a非洲風暴災害死亡人數在數量上超過了前20 a的總和，而其洪水災害死亡人數在近20 a均多于美洲。

3 中國氣象水文災害時間變化分析

以上基于EM-DAT數據庫分析了近30 a全球MHD的變化趨勢和突變特征，下面進一步針對中國的災害進行分析。EM-DAT收錄了同期發生在中國的MHD共計721次，占全球總MHD次數的8%。其中，極端氣溫災害14次、風暴災害351次、干旱災害31次、野火災害5次、洪水災害255次、滑坡災害次65次。與全球類似，風暴和洪水災害居所有MHD災害的前兩位，兩者累積約占MDH總次數的84%。全球范圍上，近30 a洪水災害最多，但中國近30 a風暴災害最為頻繁。

下面對災害事件樣本量較充足的風暴和洪水這兩類災害進行重點分析。表4為線性趨勢檢驗的結果，可以看出，兩類災害發生次數的M-K檢驗Z統計量都為正，說明都存在上升趨勢，洪水災害的上升趨勢更為顯著，通過了α=0.01的顯著性檢驗。對比表3可以看出，近30 a中國洪水災害頻次的上升趨勢略弱于全球。

從表4中還可以發現，1990—2019年中國風暴和洪水災害的年死亡人數的下降趨勢非常明顯，分別通過了α=0.05和α=0.01的顯著性檢驗。對比中國和全球的風暴、洪水災害的Z統計量可知，中國風暴、洪水災害死亡人數下降趨勢更顯著。經濟損失方面，中國風暴災害的經濟損失呈顯著上升的趨勢（通過了α=0.01的顯著性檢驗），并且比全球的上升趨勢更顯著。

其次，利用Pettitt、Buishand和SNHT檢驗對1990—2019年中國風暴、洪水的災情指標進行了突變分析。表5顯示，三種方法都檢測出中國洪水災害的頻次在1999年出現了突變（通過了α=0.05的顯著性檢驗）。對于洪水災害死亡人數，三種檢驗方法都識別出突變年在1999年附近，可以認為1999年是顯著的突變年。另外，三種方法都一致地檢測出風暴災害經濟損失的突變年是2012年，其中兩種方法識別出的突變點都通過了α=0.01的顯著性檢驗。

圖6a為1990—2019年中國洪水災害的發生次數時間變化曲線。1990—1999年平均每年發生5次左右，2000—2019年增加了約1倍。洪水災害頻次峰值在2006年（21次）。從死亡人數（圖6b）來看，洪水災害人口損失在1990—1999年較大，特別是1998年和1996年，因災死亡人數都在4千人以上，隨后人口損失數量急劇下降，2000—2019年平均每年死亡人數（約600人）大約是前10 a的1/3。

圖7a給出的是1990—2019年中國風暴災害的發生次數年際變化，可以看出，風暴災害頻次的年際波動較為明顯，總體上表現出弱的上升趨勢（P>0.05）。然而風暴災害的經濟損失則呈顯著上升趨勢（P<0.01）（圖7b）。與突變檢驗一致，2012年以后風暴災害經濟損失出現明顯增長，2012年以前平均每年經濟損失為33.6億美元，2013—2019年平均每年經濟損失達到103.8億美元，約為1990—2012年平均值的3倍。風暴災害經濟損失在2012年之后增加可能有幾個方面的原因：首先，災害經濟損失與致災風暴次數有關，2013年以后除2019年以外每年風暴災害都在14次及以上，特別是2013—2015年平均每年有19次風暴災害。根據EM-DAT數據庫，2006—2019年造成經濟損失（經CPI標準化處理后）最多的前20次風暴災害出現在2012年以后的有14次，其中12次是由熱帶氣旋造成的。隨著社會經濟發展，熱帶氣旋災害造成的直接經濟損失也呈增加趨勢。王德運等（2020）研究了2004—2016年中國熱帶氣旋災害經濟損失的時空特征，也發現2012年以后熱帶氣旋造成的經濟損失較2006—2011年明顯增加。

4 結論和討論

1）利用M-K檢驗分析了6種氣象水文災害的線性趨勢，結果表明，近30 a全球洪水災害和極端氣溫災害的發生次數呈顯著上升趨勢，分別通過了α=0.05和α=0.01的顯著性檢驗，上升速率分別為3次/a和0.4次/a。但是，洪水災害導致的死亡人數卻顯著下降。此外，全球風暴災害的經濟損失長期表現出顯著上升趨勢。

2）綜合運用Pettitt、Buishand和SNHT檢驗分析了全球氣象水文災害時間序列的突變特征。三種方法都一致地檢測出全球極端氣溫災害和洪水災害在1999年發生了從少到多的轉折性突變，以洪水災害的突變尤為明顯（通過了α=0.01的顯著性檢驗）。2000—2019年平均每年洪水（極端氣溫）災害發生次數大約是1990—1999年的2倍。

3）1990—2019年全球氣象水文災害發生次數按10 a呈先增加后略減少的態勢。2000—2009年洪水災害發生次數相較于1990—1999年增幅非常明顯，與突變分析的結果一致。風暴災害的經濟損失按10 a穩步遞增，造成的全球經濟損失在最近10 a約7.9千億美元。亞洲是風暴災害和洪水災害死亡人口最多的大洲。非洲風暴災害和洪水災害死亡人數占全球的比例呈升高態勢。

4）EM-DAT記錄了近30 a中國的氣象水文災害共721次，占全球總數的8%。1990—2019年中國洪水災害頻次的上升趨勢略弱于全球，并且在1999年發生了由少到多的突變，因災死亡人數也在1999年發生了突變，但趨勢相反。

5）中國近30 a洪水及風暴災害死亡人數下降的趨勢相比于全球尺度上更顯著。此外，中國風暴災害的經濟損失呈顯著上升的趨勢（通過了α=0.01的顯著性檢驗），較全球更為顯著。突變分析表明，2012年是中國風暴災害經濟損失的突變年。

洪水等氣象水文災害成因復雜，致災因子眾多，并且與人類活動和環境密切相關。本文基于EM-DAT數據庫指出全球極端氣溫和洪水災害頻次在1999年之后年代際增加。在全球變化背景下，極端天氣事件事件頻次增多、強度變強可能是導致氣象水文災害增加的重要原因。另一方面，年代際增多還可能與數據庫的收錄標準有關。EM-DAT數據庫對災害事件的收錄標準是滿足3個條件之一即可。分析可知，對于全球洪水災害，2000—2009年滿足條件1（10人或以上人口因災死亡）的洪水災次是1990—1999年的1.5倍，而2000—2009年僅滿足條件2（100人或以上人口受到災害影響）的洪水災次是1990—1999年的2.8倍，說明無死亡但有影響的洪水事件較前10 a增加更明顯。隨著災害監測、災情統計、媒體宣傳等的發展，對災害事件特別是小型或影響程度較輕的災害的統計可能更加全面。

Han et al.（2016）基于EM-DAT數據庫分析了1985—2014年中國自然災害的時空變化趨勢，相關結論指出中國洪水和風暴災害的發生次數呈顯著上升趨勢，并且洪水災害發生頻次在2000年左右發生了突變，本文的結論基本與此一致。林建等（2014）研究指出20世紀90年代我國暴雨過程相對偏少，2000—2010年暴雨過程明顯偏多，強降水這一重要致災因子可能是造成我國洪水災害事件增多的原因。同時，與全球洪水災害類似，2000年以來EM-DAT收錄的中國無死亡但有影響的洪水事件較前10 a增加明顯。此外，相比于我國20世紀90年代大江大河洪水災害較多，近年來中小河流及山洪災害呈多發特征（Duan et al.，2006）。郭良等（2017）研究表明，2000年以來我國山洪災害次數（包括無人員傷亡的山洪次數）增加顯著，這也是造成總洪水災害次數增加的可能原因。實際上，序列的變化趨勢跟所選樣本及其時段密切相關。例如，本文發現中國風暴經濟損失在1990—2019年表現出顯著上升趨勢，特別是2012年以后出現了突變，由于時段不同，Han et al.（2016）檢測到的風暴災害經濟損失上升趨勢不顯著。

由于數據可獲得性，本文所用的數據來源于EM-DAT數據庫，需要注意其特點及局限性（Kron et al.，2012）。如前所述，進入EM-DAT數據庫的災害事件必須滿足一定的條件，即不是實際發生的每個災害事件都記錄，EM-DAT數據側重于收錄中等或重大災害事件，而一些小規模或程度較輕的災害事件則無法被收錄，因此本文基于EM-DAT數據庫得到的變化趨勢結果可能與實際存在一定的偏差，有待將來獲取更多的數據開展校核。最后，本文揭示的不同類型氣象水文災害變化的新特征有助于為全球或國家層面上制定相應的防災減災政策或措施提供一定的參考。

參考文獻（References）

Alexandersson H，Moberg A，1997.Homogenization of Swedish temperature data.part I：homogeneity test for linear trends[J].Int J Climatol，17（1）：25-34.doi：10.1002/（sici）1097-0088（199701）17：1<25：aid-joc103>3.0.co;2-j.

Brakenridge G R，2019.Global active archive of large flood events[R].Colorado：Dartmouth Flood Observatory，University of Colorado.

Buishand T A，1982.Some methods for testing the homogeneity of rainfall records[J].J Hydrol，58（1/2）：11-27.doi：10.1016/0022-1694（82）90066-X.

Centre for Research on the Epidemiology of Disasters（CRED），2020.Emergency events database（EM-DAT）.[2021-05-23].https：//www.emdat.be.

陳興茹，王興勇，白音包力皋，2019.1962年以來湄公河流域國家洪災損失時空分布分析[J].災害學，34（1）：113-116. Chen X R，Wang X Y，Baiyinbaoligao，2019.Analysis of spatial and temporal distribution of flood losses in Mekong river basin since 1962[J].J Catastrophology，34（1）：113-116.doi：10.3969/j.issn.1000-811X.2019.01.021.（in Chinese）.

Duan W L，He B，Nover D，et al.，2016.Floods and associated socioeconomic damages in China over the last century[J].Nat Hazards，82（1）：401-413.doi：10.1007/s11069-016-2207-2.

Gall M，2015.The suitability of disaster loss databases to measure loss and damage from climate change[J].Int J Glob Warming，8（2）：170.doi：10.1504/ijgw.2015.071966.

GAR，2017.Global assessment report on disaster risk reduction[R].United Nations Office for Disaster Risk Reduction.

Guha-Sapir D，Below R，2002.The quality and accuracy of disaster data：a comparative analyse of three global data sets[R].Disaster Management facility，World Bank：3-18.

郭良，張曉蕾，劉榮華，等，2017.全國山洪災害調查評價成果及規律初探[J].地球信息科學學報，19（12）：1547-1556. Guo L，Zhang X L，Liu R H，et al.，2017.Achievements and preliminary analysis on China national flash flood disasters investigation and evaluation[J].J Geo-Inf Sci，19（12）：1547-1556.doi：10.3724/SP.J.1047.2017.01548.（in Chinese）.

Han W X，Liang C，Jiang B F，et al.，2016.Major natural disasters in China，1985—2014：occurrence and damages[J].Int J Environ Res Public Health，13（11）：E1118.doi：10.3390/ijerph13111118.

Integrated Research on Disaster Risk，Peril Classification and Hazard Glossary，2014.Integrated Research on Disaster Risk[C].Beijing.

Ilori O W，Ajayi V O，2020.Change detection and trend analysis of future temperature and rainfall over west Africa[J].Earth Syst Environ，4（3）：493-512.doi：10.1007/s41748-020-00174-6.

姜彤，談科，王艷君，等，2020.“一帶一路”區域氣象災害時空變化特征[J].科技導報，38（8）：57-65. Jiang T，Tan K，Wang Y J，et al.，2020.Spatial-temporal variation of meteorological disasters in the “Belt and Road” regions[J].Sci Technol Rev，38（8）：57-65.（in Chinese）.

蔣衛國，李京，王琳，2006.全球1950—2004年重大洪水災害綜合分析[J].北京師范大學學報（自然科學版），42（5）：530-533. Jiang W G，Li J，Wang L，2006.Compositive analysis of global flood disaster from 1950 to 2004[J].J Beijing Norm Univ Nat Sci，42（5）：530-533.doi：10.3321/j.issn：0476-0301.2006.05.023.（in Chinese）.

Kendall M G，1975.Rank correlation methods[M]//Charles Griin book series.London：Arnold Press.

Kron W，Steuer M，Lw P，et al.，2012.How to deal properly with a natural catastrophe database：analysis of flood losses[J].Nat Hazards Earth Syst Sci，12（3）：535-550.doi：10.5194/nhess-12-535-2012.

李銘宇，韓婷婷，郝鑫，2020.歐亞大陸極端降水事件的區域變化特征[J].大氣科學學報，43（4）：687-698. Li M Y，Han T T，Hao X，2020.Regional characteristics of extreme precipitation events in Eurasia[J].Trans Atmos Sci，43（4）：687-698.doi：10.13878/j.cnki.dqkxxb.20191202001.（in Chinese）.

林建，楊貴名，2014.近30年中國暴雨時空特征分析[J].氣象，40（7）：816-826. Lin J，Yang G M，2014.Spatio-temporal characteristics of rainstorm in China during 1981—2010[J].Meteor Mon，40（7）：816-826.doi：10.7519/j.issn.1000-0526.2014.07.005.（in Chinese）.

劉甜，方建，馬恒，等，2019.全球陸地氣候氣象及水文災害死亡人口時空格局及影響因素分析（1965—2016年）[J].自然災害學報，28（3）：8-16.Liu T，Fang J，Ma H，et al.，2019.Spatiotemporal patterns and influencing factors of mortality of climatological-meteorological-hydrological disaster in the world（1965—2016）[J].J Nat Disasters，28（3）：8-16.doi：10.13577/j.jnd.2019.0302.（in Chinese）.

劉耀龍，許世遠，王軍，等，2008.國內外災害數據信息共享現狀研究[J].災害學，23（3）：109-113，118. Liu Y L，Xu S Y，Wang J，et al.，2008.A study on the present status of disaster data and information sharing at home and abroad[J].J Catastrophology，23（3）：109-113，118.doi：10.3969/j.issn.1000-811X.2008.03.024.（in Chinese）.

Munich Re，2011.Topics Geo-Natural catastrophes 2010：analyses，assessments，positions[C].Munich，Germany.

Osuteye E，Johnson C，Brown D，2017.The data gap：an analysis of data availability on disaster losses in sub-Saharan African cities[J].Int J Disaster Risk Reduct，26：24-33.doi：10.1016/j.ijdrr.2017.09.026.

Pettitt A N，1979.A non-parametric approach to the change-point problem[J].J Royal Stat Soc：Ser C Appl Stat，28（2）：126-135.doi：10.2307/2346729.

Sen P K，1968.Estimates of the regression coefficient based on Kendalls tau[J].J Am Stat Assoc，63（324）：1379-1389.doi：10.1080/01621459.1968.10480934.

司瑞潔，溫家洪，尹占娥，等，2007.EM-DAT災難數據庫概述及其應用研究[J].科技導報，25（6）：60-67. Si R J，Wen J H，Yin Z E，et al.，2007.Emergency events database（EM-DAT） and its applications[J].Sci Technol Rev，25（6）：60-67.doi：10.3321/j.issn：1000-7857.2007.06.012.（in Chinese）.

Swiss Re，2010.sigma-Natural catastrophes and man-made disasters in 2009[C].Zurich，Switzerland.

王德運，譚亞妮，柯小玲，等，2020.中國熱帶氣旋災害經濟損失時空特征分析[J].災害學，35（2）：62-69. Wang D Y，Tan Y N，Ke X L，et al.，2020.Analysis of spatio-temporal characteristics of economic loss caused by tropical cyclones in China[J].J Catastrophology，35（2）：62-69.doi：10.3969/j.issn.1000-811X.2020.02.013.（in Chinese）.

王會軍，唐國利，陳海山，等，2020.“一帶一路”區域氣候變化事實、影響及可能風險[J].大氣科學學報，43（1）：1-9. Wang H J，Tang G L，Chen H S，et al.，2020.The Belt and Road region climate change：facts，impacts and possible risk[J].Trans Atmos Sci，43（1）：1-9.doi：10.13878/j.cnki.dqkxxb.20191110003.（in Chinese）.

王艷杰，王卷樂，卜坤，2019.災害數據管理技術與平臺進展及其面臨的需求研究[J].災害學，34（2）：205-210. Wang Y J，Wang J L，Bu K，2019.Research on disaster data management technology and platform progress and the demand it faces[J].J Catastrophology，34（2）：205-210.（in Chinese）.

Wirtz A，Kron W，Lw P，et al.，2014.The need for data：Natural disasters and the challenges of database management[J].Nat Hazards，70（1）：135-157.doi：10.1007/s11069-012-0312-4.

吳吉東，傅宇，張潔，等，2014.1949—2013年中國氣象災害災情變化趨勢分析[J].自然資源學報，29（9）：1520-1530. Wu J D，Fu Y，Zhang J，et al.，2014.Meteorological disaster trend analysis in China：1949—2013[J].J Nat Resour，29（9）：1520-1530.doi：10.11849/zrzyxb.2014.09.007.（in Chinese）.

張霞，薛耀文，2015.全球重大突發事件規律研究[J].災害學，30（3）：229-234. Zhang X，Xue Y W，2015.Research on types and distribution regions of global serious emergencies[J].J Catastrophology，30（3）：229-234.doi：10.3969/j.issn.1000-811X.2015.03.042.（in Chinese）.

周波濤，徐影，韓振宇，等，2020.“一帶一路”區域未來氣候變化預估[J].大氣科學學報，43（1）：255-264. Zhou B T，Xu Y，Han Z Y，et al.，2020.CMIP5 projected changes in mean and extreme climate in the Belt and Road region[J].Trans Atmos Sci，43（1）：255-264.doi：10.13878/j.cnki.dqkxxb.20191125009.（in Chinese）.

Evolution characteristics of global meteorological and hydrological disasters from 1990 to 2019

WANG Yi1，ZHANG Xiaomei2，ZHOU Ningfang1，HU Zhengguang1，LI Jiaying1， L Yang3，WANG Ying3

1National Meteorological Center，China Meteorological Administration，Beijing 100081，China;

2Public Meteorological Service Center，China Meteorological Administration，Beijing 100081，China;

3Nanjing University of Information Science and Technology，Nanjing 210044，China

Based on the global Emergency Events Database （EM-DAT），using Mann-Kendall trend test method and Pettitt，Buishand and SNHT abrupt change test methods，this paper analyzed the trend and abrupt change characteristics of global and Chinese meteorological and hydrological disasters from 1990 to 2019.Results show that：1） The frequencies of global flood disasters and extreme temperature disasters increase significantly in recent 30 years.Global annual death toll caused by flood disasters shows a significant decreasing trend，while global annual economic loss caused by storm disasters shows a significant increasing trend.2） The annual frequencies of global extreme temperature disasters and flood disasters change abruptly in 1999.Since 2000，the average frequency of extreme temperature disasters and flood disasters is about twice that of the first 10 years （1990—1999）.3） In the past 30 years，the frequency of flood disasters in China has changed from less to more around 1999，but the annual death toll displays an opposite transition around 1999.Compared with the world，the annual death toll caused by storm disasters and flood disasters in China has a more significant decreasing trend in recent 30 years.Similar to the world，the annual economic loss caused by storm disasters in China shows a long-term increasing trend，but the increasing trend is more significant.The abrupt change of economic loss caused by storm disasters in China occurs in 2012.

meteorological and hydrological disasters;disaster database;trend analysis;test of abrupt change

doi：10.13878/j.cnki.dqkxxb.20210107001

（責任編輯：張福穎）