
DOI: 10.1016/j.ocecoaman.2023.106533
00
太长不想看版
01
研究背景
02
研究方法
(1)基于台风轨迹信息与混合经验风场模型,识别台风事件,评估风速的大小与方向;
(2)基于港区计算范围内布置的风监测网络,判断港口是否在该台风期间停止运营(最大风速大于或等于10.8m/s时港口中断),并确定中断时长;
(3)由于每日的吞吐量无法观测,我们对月度集装箱吞吐量进行折算分析,以考虑台风天气与季节性因素对吞吐量的影响。在此基础上,采用港口经济损失模型,计算沿海集装箱港口的直接经济损失;
(4)基于投入产出模型,计算港口运营中断造成的省级尺度的间接经济损失。在上述基础上,评估区域尺度与港口群尺度的台风经济损失大小以及损失的放大效应。

图1 本论文中提出的评估框架
03
案例研究
我们将上述经济损失评估框架,应用于中国沿海地区的31个集装箱港口。本研究计算了自2006-2020年以来,台风引起的港口中断造成的港口层面与区域层面的直接经济损失和间接经济损失。图2 中展示了31个集装箱港口的空间分布情况与各自所属的港口群。本论文原文中详细介绍了本研究方法所需要的数据类型、指标选取方式及数据来源。由于篇幅有限,在此不做详细列举,感兴趣的看官请移步原文。

图2 集装箱港口的空间分布
04
计算结果
(1)本文对风场模型与港口中断时长进行了验证。如图3所示,本文选取了T2004、T1918、T1909三场台风期间的风速实测值与计算值进行对比。以上海港2019年的运营情况为例,我们的计算模型成功识别了T1909、T1913、T1917、T1918四场台风对港口造成的影响。图4中展示了2019年间所有的台风路径,其中对港口无影响的台风路径为灰色,对港口有影响的台风路径为彩色。图5中展示了四场台风期间,本模型计算得到的港口风速监测区域内的最大风速与最小风速。

图3 风速实测值与计算值对比

图4 2019年间台风路径

图5 台风期间港口风速监测区域内的最大风速与最小风速
(2)本文对台风影响下,中国沿海港口层面及区域层面的直接经济损失进行了计算。图6是基于2006-2020期间数据计算得到的港口的总经济损失与各省(市)的平均经济损失。15年间的总损失排名前五的港口依次是深圳港、上海港、宁波舟山港、广州港和厦门港。此外,本文的研究结果表明,经济损失排名前8位的港口所遭受的损失总额占台风引发的港口经济损失总额的85%以上。

图6 2006-2020间港口的总经济损失与各省(市)的平均经济损失
(3)本文以2018年为例,计算了台风风灾对港口运营中断所导致的直接经济损失、间接经济损失和总损失等。具体结果展示在图7中。同时,我们还考虑了间接损失的影响,计算了各省(市)和港口群的经济损失放大系数,并将结果分别展示在图8和图9中。

图7 2018年台风下沿海省(市)的经济损失

图8 2018年各省(市)经济损失放大系数

图9 2018年各港口群经济损失放大系数
05
小结

田真诗怡,博士研究生
---End---
相关研究
学术报告视频
专著
人工智能与机器学习
---结构智能设计
---其他土木工程领域人工智能研究
城市灾害模拟与韧性城市
高性能结构与防倒塌
新论文:抗震&防连续倒塌:一种新型构造措施
长按识别二维码,关注我们的科研动态
