最新发布 | WRI首创野火损失评估框架，提升农业与金融业气候韧性|气候|灾害|野火|金融业

气候变化是当今全球面临的重大挑战之一，它不仅对全球气温、降水模式产生深远影响，还导致了极端天气事件的频繁发生，野火就是其中一个显著的例子。2021年到2022年间澳大利亚东南部发生多起野火，过火面积达数百万公顷，经济损失估计超过50亿澳元； 2023年，加拿大西部省份爆发大规模野火，过火面积创纪录，经济损失估计达数十亿加元[1]。中国西南地区也同样面临着野火带来的严峻考验[2]。 2020年，四川省凉山州的森林火灾过火面积达3047.78公顷，造成近9750万人民币的直接经济损失[3]。

图源：unsplash

野火不仅威胁着农业生产，还直接影响农户的财产安全与生活稳定，同时也波及农村金融的安全性。在这种情况下，建立精准、及时的野火风险评估和预测系统变得尤为重要。现有的预测工具大多无法满足气候变化下复杂多变的野火风险管理需求。大部分现有系统缺乏针对不同未来气候情景下的预测，也不能综合评估野火带来的影响，进而给不同利益相关方（如农业、金融、政府等）在进行中长期的预防和规划上带来较大挑战。

在此背景下，世界资源研究所（WRI）正式发布工作论文《野火预测和损失评估框架：以云南为例》（以下简称“《论文》”），以野火高发的中国云南省为例，通过遥感数据、气候情景*分析和基于概率的事件模拟模型，首创野火风险评估框架（以下简称“框架“）。框架包含历史损失评估、短期预测模型和长期情景分析三大模块**，并遵循IPCC的评估框架，通过“灾害 (Hazard)”，“资产暴露度(Exposure)”，“影响/脆弱性 (fimp/vulnerability)”三个维度评估气候物理风险对资产产生的影响。

*研究情景说明：《论文》基于公开的气候模型和数据，模拟了四种共享社会经济路径（SSPs）情景下云南省未来的野火情况：SSP1-26（低排放情景）、SSP2-45（中等排放情景）、SSP3-70（高排放情景）和SSP5-85（极高排放情景）。

**研究模块说明：

历史损失评估：基于过去20年遥感卫星火点亮温的监测，通过算法合成野火事件并分析其影响，呈现历史的损失情况和风险模式；
短期预测模型：通过构建基于蒙特卡洛模拟的野火模拟模型，利用火灾天气指数（FWI）来预测野火模拟模型的输入参数，提供未来一年野火事件发生的逐月预测，并量化其对作物的潜在影响；
长期情景分析：该模块依托全球气候模型，并结合4个共享社会经济路径（SSPs）进行中长期预测，以评估不同排放情景下的野火风险。

研究局限性：资产类别评估的全面性上需要拓展，与金融机构内部评估模型相结合的部分也仍有待探索。同时，从模型本身来说，数据参数需要更多交叉验证来增强模型的准确性，灾害对资产的影响方程也需要实地调研来进一步验证和优化。

野火风险对云南省农业和金融业

带来巨大威胁

作为农业大省，云南省常年面临野火威胁。测算数据显示，在过去20年间，云南平均每年发生将近300次一定规模*的野火事件，约为全国平均水平的两倍。基于评估框架，我们根据2011至2020年的历史数据分析了野火对云南省的五种主要农作物（玉米、小麦、大豆、甘蔗和咖啡）的影响。*一定规模：指在卫星监测中火点超过2.5平方公里的野火事件。

在过去十年间，云南省每年因野火导致的上述五种农作物的年度损失在1.358亿美元至2.548亿美元之间，这其中15% ~30%的损失来自于单次极端野火事件。这种单次高强度、大范围的野火事件对于小农户而言，不仅直接导致经济损失，还可能使其因失去收入而无法偿还贷款，带来农村金融机构的信贷资产风险。在这种情况下，农户往往难以获得新的贷款，这会直接影响农村地区经济的可持续发展，因此，建立有效的野火风险管理机制迫在眉睫。

未来野火风险变化趋势愈发复杂

气候变化带来的野火风险不仅体现在当前的损失上，还在未来呈现出更为复杂的变化趋势。随着全球气候不断变化，野火的发生频率、强度、季节性以及对农业生产的影响也在不断变化。

《论文》结果显示，到2030年，云南省将面临更为严峻的野火风险，无论是其频次、过火面积、还是燃烧温度，均将高于历史平均态。同时，野火高峰期将提前至2月和4月（历史数据显示过往常发生于3-5月），这一时空变化将对农业生产产生复杂的影响。

2030年四种共享社会经济路径情景下以及历史20年平均的云南地区的野火事件发生次数，燃烧面积（km2），以及12个月累积温度（k）| 图源：WRI

2030年四种共享社会经济路径情景下以及历史20年平均的云南地区逐月的火灾天气指数 | 图源：WRI

在不同的情境下，野火对不同农产品的影响是不同的。例如小麦和甘蔗等作物在所有情景下均呈现出损失增加的趋势，在SSP2-45情景下尤为显著——这表明这些作物在未来气候条件下，可能会变得更加脆弱，面临更高的野火风险。另一方面，玉米和大豆在多种情景下表现出损失逐步下降的趋势，尤其是在SSP2-45和SSP3-70情景下。

整体来看，咖啡，甘蔗和小麦在气候变化的背景下面临更大的野火风险，当地农户在未来的种植规划中需要仔细考量，及时调整种植策略或增加火灾预防措施。对于金融机构来说，这些趋势可以帮助其调整产品和策略，更好地满足农户的需求。政府和政策制定者也可以参考这些预测，进一步优化农业政策和支持措施，帮助农民应对未来可能的风险变化。

2030 四种共享社会经济路径情景下五种农作物受到野火影响的损失量（单位：吨），从上到下（玉米，小麦，大豆，甘蔗，咖啡） | 图源：WRI

值得注意的是，在《论文》模拟的四大情景下，损失情况最为严重的是中等排放情景SSP2-45——这意味着即便不是最严峻的温室气体排放增长情形，气候变化对野火风险的影响也已足够显著，同时这也表明气候变化下的灾害发生是一个极其复杂的过程，涉及多种因素的相互作用，因此需要因地制宜进行精准预测。

框架为多方提供

信息参考和决策支持：

政府部门

财政部门：参考框架提供的野火风险评估数据，合理规划财政预算和资源分配，设立灾害风险资金池，提高对野火灾害的财政支持效率，确保应急资金和农业补贴的有效投入；
应急管理部门：参考框架提供的短期预测和长期情景分析，制定更有效的野火应急预案和资源调配方案，提升救援效率；
农业管理部门：依据野火风险评估，可以为农户调整种植计划提供指导，减少野火对农业生产的影响，保障农业生产安全；
金融监管部门：框架的情景分析和损失评估功能可以支持金融监管部门对气候风险的管理。通过推动银行业和保险业的压力测试和气候信息披露，监管部门可以更好地理解金融系统对气候变化的承受能力，并制定相应的风险防控政策。

银行机构：

贷前信用分析：通过短期预测模型，银行可以在信贷审批过程中，将野火风险纳入农业信贷的信用评估体系。对贷款申请人所在地的野火风险进行定量分析，从而识别高风险区域，调整借款人信用评级，控制未来可能的违约风险。
贷后风险管理：框架提供的实时监测和风险分析功能，使银行能够在贷后管理中更主动地识别和评估农业信贷风险。对于野火风险暴露度较高的贷款资产，银行可采取防范措施，如提高储备金、增加客户沟通频次或采取风险管控措施，减少潜在损失。
贷款增信：框架的精准分析为保险公司提供了支持农业贷款的增信服务能力。银行可以借助保险产品为其贷款客户提供增信保障，提高客户抗风险能力，降低银行风险暴露，拓展服务群体，推动农村地区金融服务的普及。

保险公司：

产品定价与优化：可为巨灾险、农业保险和指数保险的定价提供信息参考支持。针对不同作物类型、气候情景和地理区域的野火风险定制化产品，实现精准定价，提高产品竞争力。
理赔管理与创新：可为指数保险产品的理赔提供依据，简化理赔流程，减少道德风险和逆向选择。基于量化的数据进行理赔核算，确保保险公司和客户之间的信任，优化理赔效率。

该评估框架不仅是预测工具，更是促进各相关方协作的桥梁。实现框架的全面价值需要政府部门、金融机构和保险公司等多方的共同参与，建立系统性、科学化的协作机制。在后续研究中，WRI将积极推动跨部门交流合作，搭建政府部门、金融机构和保险公司的交流平台并推动联合试点，验证框架的实际应用效果，推动风险管理方法的持续改进。同时，通过整合高分辨率遥感数据和最新气候模型，进一步提高预测精度，为决策者提供更可靠的支持。