在气候变化和人口结构变化背景下，未来特定年龄段人群面临强降雨灾害的风险将会如何变化

《Climate Risk Management》：Future age-specific exposure to heavy rainfall disasters under climate and demographic change

　　松浦智明 | 和波宗 | 柳原隼太 | 池本淳也 | 金子高也 | 川越清輝
东北大学土木与环境工程系，宫城县980-8579，日本

**摘要**
尽管以往的研究评估了在未来的气候和人口变化下暴雨灾害的风险，但关于多种降雨引发的灾害的综合性研究仍然有限。在山区国家，由于洪水和滑坡灾害的加剧，以及对人口减少和老龄化现象的关注，关于不同年龄群体的暴露风险的具体知识仍然匮乏。在这项研究中，我们使用了日本版本的共享社会经济路径（JSSPs）来评估在气候和人口变化联合影响下，遭受河流洪水、降雨洪水和滑坡灾害的人口变化情况。在全国范围内，2050年和2100年的暴露人口变化率在JSSP5-8情景下最高，在JSSP3-7情景下最低。65岁及以上年龄段的人暴露于灾害的风险增加率高于其他年龄组，尤其是在河流洪水和降雨洪水方面。鉴于老年人主动迁移的可能性较低，这些发现凸显了实施非迁移型结构性应对措施的必要性。这些发现加深了我们对人口减少背景下暴雨灾害风险的理解，并可为制定有效和可持续的灾害风险降低策略提供依据。

**1. 引言**
暴雨灾害是全球最具破坏性和频繁发生的自然灾害之一（Jonkman等人，2024年）。此类灾害的发生频率不断增加，导致了严重的人员伤亡和经济损失（Alfieri等人，2017年；Jongman等人，2012年；Kundzewicz等人，2014年）。根据紧急事件数据库（EM-DAT）的数据，2000年至2019年间有超过13亿人受到洪水影响，年均经济损失超过650亿美元（CRED，2020年）。2022年巴基斯坦的洪水淹没了该国三分之一的地区，影响了3300万人，造成300亿美元的损失（世界银行集团，2022年）。暴雨灾害的影响不仅限于对住房、基础设施和农田的物理破坏，还导致生计损失、加剧贫困，并带来长期的社会经济负担（Akram和Mushtaq，2024年；Kawasaki和Shimomura，2024年）。这些事件并非孤立的局部异常现象，而是气候变化背景下极端降水加剧的全球趋势的一部分（Barbier和Hochard，2018年；Davenport等人，2021年；Rahat等人，2024年；Tabari，2020年）。政府间气候变化专门委员会（IPCC）的第六次评估报告（AR6）预测，随着人为因素导致的 warming 继续，极端降水事件的频率和强度将继续增加（IPCC，2021年）。Tellman等人（2021年）进一步报告称，2000年至2015年间居住在易受洪水影响地区的人口增加了20-24%，这一数字是先前估计的10倍。这些结果表明，暴雨灾害在物理破坏和脆弱人群的暴露程度上都将持续加剧。

山区和丘陵地带由于坡度陡峭和山谷狭窄，容易发生泥石流、滑坡等与沉积物相关的灾害（Kim和Kwak，2020年）。滑坡灾害在全球范围内造成了毁灭性影响（Haque等人，2019年）。2017年，塞拉利昂弗里敦郊区发生了一次大规模的降雨引发的滑坡，导致1100多人死亡或失踪（Redshaw等人，2019年）。2022年，巴西佩特罗波利斯发生了一次降雨引发的滑坡，造成200多人死亡（Alcantara等人，2023年）。在意大利北部阿尔卑斯山，极端降雨引发了包括洪水和滑坡在内的复合灾害（Guzzetti等人，2005年）。在智利的安第斯山脉，极端降雨引发了包括洪水、泥石流和滑坡在内的连锁灾害，给当地社区造成了巨大破坏（Wilcox等人，2016年）。鉴于降水量预计将进一步增加（IPCC，2021年），滑坡发生频率和严重程度的增加是一个严峻的问题。

在此背景下，已经从全球和地区层面评估了暴雨灾害的风险。Rogers等人（2025年）通过结合高分辨率的全球洪水模型与基于共享社会经济路径（SSP）的人口和国内生产总值（GDP）预测，评估了暴露人口和经济损失的增长。他们估计，在百年一遇的洪水情况下，到2100年暴露人口将从2020年的16亿增加到19亿（Rogers等人，2025年）。Lin等人（2022年）通过结合CMIP6气候模型预测和降雨触发滑坡的阈值以及来自SSP情景的未来人口分布，评估了中国未来滑坡灾害的暴露情况。他们发现，到21世纪末，易受滑坡影响的地区预计将扩大1.3-2.7%（Lin等人，2022年），这表明气候变化在地理上增加了滑坡风险并使更多人面临风险。

在欧洲（包括德国和意大利）和东亚地区，人口迅速减少和老龄化现象同时发生，给灾害风险管理带来了新的挑战（HelpAge International，2015年；欧盟委员会，2023年；UNECE和UNFPA，2023年）。在韩国，预计到2070年总人口将从2020年的约5180万减少到约3800万（联合国，2022年）。同时，工作年龄人口（15-64岁）预计到2050年将减少约35%（韩国统计厅，2021年）。在中国，由于计划生育政策的影响，人口结构发生了显著变化，总人口在2022年达到峰值，预计到2050年将减少到约11亿（联合国，2022年）。65岁及以上年龄段的人口比例预计将从2020年的13%增加到2050年的30%，显示出快速的社会老龄化趋势（联合国，2022年）。日本也观察到了类似的趋势。根据2015年的人口普查（日本统计局，2015年），日本总人口为1.2709亿。然而，日本人口与社会安全研究所估计到2065年人口将减少到8808万（日本人口与社会安全研究所，2017年）。人口减少和快速老龄化预计将同时减少税收收入并增加社会保障支出，从而限制公共投资，特别是在灾害预防方面。在这种情况下，必须有效利用低灾害风险的土地，并在财政资源有限的情况下实施高效的灾害缓解措施（Ikenaga和Ohara，2015年）。为此，进行详细的区域分析并评估全国洪水风险与未来人口分布之间的关系至关重要。

近年来，国际研究通过综合考虑气候变化和人口动态，推进了对暴露人口的评估（Lin等人，2022年；Rogers等人，2025年）。然而，到目前为止，很少有研究考察不同年龄组的暴露变化情况。人口减少和快速老龄化直接影响了灾害预防资源的分配和适应措施的有效性。65岁及以上的老年人自愿迁移的可能性较低（Ushiki等人，2019年），这表明他们长期暴露于灾害的风险更大。因此，按年龄组进行暴露评估，特别是关注老年人，对于制定有效和可持续的灾害风险降低策略至关重要。

以往研究的一个关键局限性是对多种灾害处理不足。虽然Rogers等人（2025年）改进了对河流洪水、降雨洪水和海岸洪水等灾害暴露人口的评估，但他们没有纳入泥石流等与沉积物相关的灾害。Lin等人（2022年）仅关注滑坡，没有提供关于暴雨引发灾害的综合性见解。因此，尽管许多研究评估了单一灾害（如河流洪水、降雨洪水或滑坡）的暴露情况（Lin等人，2022年；Rogers等人，2025年），但这些方法无法全面反映灾害风险降低策略；可能导致优先级错配或资源分配效率低下。因此，对多种降雨引发灾害进行综合评估对于制定有效和可持续的灾害风险降低策略至关重要。日本是一个人口减少且老龄化现象尤为明显的国家。在人口减少的背景下，对多种降雨引发灾害的综合评估为面临类似人口转变的国家提供了宝贵的经验。

因此，在这项研究中，我们旨在为有效分配灾害预防资源和可持续的国家土地使用规划建立科学基础。为此，我们探讨了在日本气候变化和人口变化背景下，遭受河流洪水、降雨洪水和滑坡等灾害影响的未来人口变化情况，并使用了日本版本的共享社会经济路径（JSSP）。通过明确不同年龄段的暴露情况并考虑人口老龄化因素，本研究旨在为制定有效和可持续的灾害风险降低策略提供依据和挑战。

**2. 数据集**
在这项研究中，我们通过计算不同JSSP下的河流洪水和降雨洪水以及滑坡灾害数据，并将这些灾害数据与每个JSSP的人口数据叠加，来评估暴露人口。图1展示了数据集和方法的概念性图示。Chen等人（2020年）提出了日本版本的共享社会经济路径（JSSP）。Yoshikawa等人（2022年）基于Chen等人（2020年）提出的JSSP提供了人口和土地利用数据集，使得跨部门的影响评估成为可能。JSSPs促进了日本气候和人口变化影响的全国范围评估。作为使用JSSPs进行水相关灾害风险评估的先例研究，Yanagihara等人（2024年）评估了在人口减少的情况下，多种适应措施对减少河流洪水和降雨洪水经济损失的有效性。然而，关于暴露于JSSPs的人口的具体知识仍然有限（Yanagihara等人，2021a；Matsuura等人，2025年）。因此，在这项研究中，我们使用了来自JSSPs的人口和土地利用数据集来估算未来的暴露人口。

**图1. 全国范围内评估河流洪水、降雨洪水和滑坡灾害影响的人口概念框架**

**2.1. 基于JSSP的人口数据**
大多数关于暴露人口的大规模研究都是在单一或有限的人口分布情景下估计未来河流洪水或与沉积物相关灾害的暴露情况（Ikenaga和Ohara，2015年；Matsunaka等人，2021年）。然而，未来的人口分布可能遵循多种轨迹，包括城市集中和区域分散。因此，基于不同人口分布情景的评估结果是不同的。为此，已经开发了JSSP人口分布情景（日本人口与社会安全研究所，2017年）。这些情景对于从广泛的角度积累气候变化应对措施的知识以及促进相关研究之间的比较至关重要。

在这项研究中，人口数据来自日本环境研究机构开发的JSSP人口情景（版本2），空间分辨率为30英寸×45英寸（约1公里×1公里）（日本人口与社会安全研究所，2017年）。对于未来预测，使用了JSSP1、JSSP2、JSSP3和JSSP5下2050年和2100年的人口数据集。JSSP4被排除在外，因为相应的 climate情景数据（第2.3节）不可用。对于基准年2015年，我们使用了具有相同空间分辨率的JSSP人口情景（日本人口与社会安全研究所，2017年）。JSSPs的概念如下：JSSP1代表紧凑型加上网络社会；JSSP2假设一切照旧的发展路径；JSSP3反映了退化和贫民区状况；JSSP5描述了大都市区的集中。预计到2050年，JSSP1下总人口约为1.051亿，JSSP2下约为1.0098亿，JSSP3下约为9253万，JSSP5下约为1.0945亿。到2050年，JSSP1下总人口预计减少到7228万，JSSP2下减少到5923万，JSSP3下减少到3707万，JSSP5下减少到7879万。Matsuhashi和Takahashi（2020年）对JSSPs进行了详细描述。

**2.2. 基准气候的降雨数据**
**2.2.1. 基准期间导致极端径流的降雨数据**
为了评估日本全国的洪水风险，我们使用降雨数据生成了所有流域具有相同概率的洪水流量。这些降雨数据集被用作基于Tezuka等人（2013年）提出的构建方法的潜在洪水贡献降雨分布。为了估算日本全国的洪水灾害，研究人员开发了可能的洪水形成降雨分布模型，并将其广泛应用于与日本洪水灾害相关的气候变化影响评估和适应措施评价中（Ikemoto等人，2023年；Yamamoto等人，2021年；Yanagihara等人，2024年）。该数据集是通过折现Kawagoe等人（2010年）最初开发的每个概率水平上的极端降雨分布中的降水量来得出的，以便调整后的降雨量能够与每个地点的洪水产生区域和径流系数相匹配。在此基础上，Yamamoto等人（2021年）结合Tezuka等人（2013年）的方法，构建了空间分辨率为7.5英寸×11.25英寸（约250米×250米）的可能洪水形成降雨分布。在本研究中，我们使用了Yamamoto等人（2021年）开发的30年、50年、100年和200年一遇可能洪水形成降雨分布，以生成河流洪水的灾害数据。

2.2.2. 基线时期的极端降雨数据
在本研究中，我们使用了Kawagoe等人（2010年）开发的极端降雨数据集，Yanagihara等人（2024年）对此数据集进行了描述。该数据集的空间分辨率为30英寸×45英寸，提供了不同重现期的可能降雨量分布。它基于1980年至2000年间1,024个气象站的24小时降雨记录以及1971年至2000年4月至11月的月平均降雨数据构建而成，所有数据均插值到30英寸×45英寸的网格上。在本研究中，我们使用了Kawagoe等人（2010年）开发的5年、10年、30年、50年、100年和200年一遇的极端降雨数据集，以生成雨水洪水和边坡失稳的灾害数据。

2.3. 基于日降雨量的边坡失稳概率数据
为了计算边坡失稳的概率，我们使用了Kawagoe等人（2010年）开发的全国性数据集，该数据集提供了日降雨量为0毫米、50毫米、100毫米、150毫米、250毫米和500毫米时的边坡失稳发生概率。该数据集的空间分辨率为30英寸×45英寸。通过结合灾害记录、地形、地质和水文条件，使用多元逻辑回归分析构建了边坡失稳概率数据集。通过纳入降雨等水文变量，该模型能够估算气候变化下的动态边坡失稳概率。Kawagoe等人（2010年）开发的数据集可用于识别日本群岛范围内的大规模边坡失稳风险，因此特别适用于在广阔区域内识别高风险区域并确定优先实施对策的顺序。关于边坡失稳概率模型的更多详细信息，请参阅Kawagoe等人（2010年）的研究。

2.4. 基于耦合模型对比项目第6阶段的气候情景数据
为了估算气候变化条件下的未来降雨量，我们使用了经偏差校正后的日本气候情景数据集，以下简称NIES2020（Ishizaki，2025年）。该数据集是基于耦合模型对比项目第6阶段（CMIP6）开发的累积分布函数降尺度方法得到的。NIES2020使用了来自五种全球环流模型（GCMs）的数据：MRI-ESM2-0、MIROC6、ACCESS-CM2、IPSL-CM6A-LR和MPI-ESM1-2-HR。Shiogama等人（2021年）选择了这些GCMs，以涵盖CMIP6模型集合所代表的各种预测范围。每个GCM包含一个空间分辨率为30英寸×45英寸（约1公里×1公里）的单一集合成员。在本研究中，我们使用了五个社会经济假设（SSPs）下的气候情景数据：SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5。SSPs用SSPx-y表示，其中x对应于五种SSP情景之一（1：可持续性；2：中间道路；3：地区竞争；4：不平等；5：化石燃料驱动的发展），y表示未来的辐射强迫水平，类似于代表性浓度路径（Representative Concentration Pathways）。根据Yamamoto等人（2021年）和Yanagihara等人（2024年）的研究，分析了三个时间段：1981–2000年（基准期）、2031–2050年（近未来）和2081–2100年（21世纪末）。关于NIES2020中日降雨量的准确性，Ishizaki等人（2022年）报告称，MIROC6在偏差校正前的均方根误差（RMSE）分别为6月–8月为2.19毫米/天，12月–2月为1.71毫米/天；偏差校正后，RMSE分别降至0.32毫米/天和0.13毫米/天。这些结果表明NIES2020中日降雨量的偏差校正是可靠的。

2.5. 地理空间和环境数据
用于淹没分析的土地利用数据来源于数字国家土地信息（DNLI，MLIT）（日本国土交通省）提供的细分土地利用网格数据（L03-b16），空间分辨率为3英寸×4.5英寸（约100米×100米）。土地利用类别包括：（1）稻田；（2）耕地；（3）森林；（4）荒地；（5）建筑用地；（6）道路；（7）铁路；（8）其他土地利用类型；（9）河流和湖泊；（10）沿海地区；（11）海域；（12）高尔夫球场。根据这些类别，每种土地利用类型的面积被聚合到7.5英寸×11.25英寸的空间分辨率上。

未来土地利用数据的设计过程如下：Yoshikawa等人（2022年和2024年）根据JSSP情景预测了不同土地利用类型的未来面积，考虑了人口变化的影响。Yoshikawa等人（2022年）假设建筑用地面积随人口规模变化而变化，并据此估算了未来建筑用地面积。如果建筑用地面积增加，则从稻田、其他农业用地、森林和荒地中扣除相应面积；反之，如果建筑用地面积减少，则荒地面积增加。其他土地利用类型的面积假设保持不变。根据Yanagihara等人（2024年）的研究，我们使用了JSSP情景下的人口变化对应的未来土地利用数据。本研究使用了JSSP1、JSSP2、JSSP3和JSSP5下的2050年和2100年的土地利用数据。如3.1节所述，在用于淹没分析之前，对未来土地利用数据进行了空间降尺度处理。与Yanagihara等人（2024年）和Yamamoto等人（2021年）的研究一致，海拔数据来源于国土交通省数字国家土地信息部门，使用的海拔和坡度数据集（G04d-11）的空间分辨率为7.5英寸×11.25英寸。本研究还使用了Yamamoto等人（2023年）准备的日本河流通道数据。这些数据基于国土交通省数字国家土地信息部门的DNLI河流数据集（W05），将河流中心线表示为线数据，并以7.5英寸×11.25英寸的空间分辨率指定河流通道单元。在与湖泊相邻的DNLI湖泊数据集（W09-05）单元中，那些被河流和湖泊占据较大面积的单元也被指定为河流通道单元。为了确保河流通道的连续性，采用了这些数据。用于淹没分析的河流通道单元数据还包括来自日本地理空间信息局（Geospatial Information Authority of Japan）的基本地理空间数据集中的建筑轮廓数据，这些数据以多边形的形式提供，创建年份因地区而异，数据采集时间为2014年至2023年。

3. 分析方法
3.1. 未来土地利用数据的空间降尺度处理
根据JSSP预测的人口变化而来的未来土地利用数据的空间分辨率为30英寸×45英寸，而河流洪水淹没分析的空间分辨率为7.5英寸×11.25英寸。因此，需要将未来土地利用数据降尺度至7.5英寸×11.25英寸。Yoshikawa等人（2022年）开发的土地利用预测方法所需的输入数据较少，可以方便地应用于7.5英寸×11.25英寸分辨率的土地利用数据集。据此，我们使用Yoshikawa等人（2022年）描述的方法估算了7.5英寸×11.25英寸分辨率的未来土地利用数据。在估算过程中，使用了基于JSSPs的省级人口预测。具体步骤如下：对于每个网格单元，假设该单元所属省份的人口变化率等于建筑用地面积的变化率，并据此预测未来的建筑用地面积。每个单元中稻田、其他农业用地、森林和荒地的面积总和被设定为建筑用地面积增加的上限。随着建筑用地面积的增加，稻田、其他农业用地、森林和荒地的面积按其基线比例相应减少；反之，当建筑用地面积减少时，荒地面积增加，以确保每个单元内的总土地利用面积保持不变。

3.2. 未来降雨数据的估算
对于未来降雨数据，我们采用了Yamamoto等人（2021年）和Yanagihara等人（2024年）的方法，通过估算气候情景数据相对于基准气候下极端降雨增加率的空间分布来进行估算。通过将基准概率洪水形成降雨分布相乘，获得了未来可能洪水形成降雨分布。然后利用这些值，结合预测的极端降雨增加率，计算河流洪水的淹没深度。通过将更高的极端降雨率应用于基准分布，得到了用于计算雨水洪水和边坡失稳发生概率的未来极端降雨分布。估算极端降雨增加率的步骤如下：首先，从NIES2020的日降雨数据中提取每个网格单元的年最大日降雨量，空间分辨率为30英寸×45英寸。接着，对三个时期进行频率分析：基准气候（1981–2000年）、近未来气候（2031–2050年）和21世纪末气候（2081–2100年）。使用广义极值分布作为概率分布，并采用概率加权矩方法进行参数估算（Tezuka等人，2014年）。通过计算每个网格单元在 future 气候下的预测降雨量与基准气候下的降雨量之比，估算了极端降雨增加率的空间分布。

3.3. 灾害数据的计算
使用了Yanagihara等人（2024年）开发的全国性洪水淹没分析模型来计算河流洪水和雨水洪水的淹没深度。边坡失稳的概率使用Kawagoe等人（2010年）提出的全国性边坡失稳概率模型进行估算，该模型提供了日本各地的边坡失稳发生概率。

3.3.1. 河流洪水
在本研究中，我们采用了二维非稳态流模型（Tezuka等人，2014年）进行河流洪水淹没分析，方法遵循Yanagihara等人（2024年）。该模型统一应用于河流和洪泛区，实现了全国范围内的同时淹没分析。网格尺寸设定为7.5英寸×11.25英寸。该模型之前已应用于日本的Naruse河流域并经过了验证（Yanagihara等人，2021b）。用于生成极端流量的降雨数据通过规定24小时内的恒定降雨强度来实现这一目标。因此，通过应用24小时恒定降雨强度进行了淹没分析，从而得到了30年、50年、100年和200年一遇洪水对应的淹没深度。关于这一方法的更多细节，请参阅Yanagihara等人（2024年）的研究。

3.3.2. 雨水洪水
在本研究中，我们同样采用了二维非稳态流模型（Tezuka等人，2014年）进行雨水洪水淹没分析，方法遵循Yanagihara等人（2024年）。网格尺寸设定为7.5英寸×11.25英寸。除降雨量和河流水深的规格外，雨水洪水分析的过程与3.3.1节中的描述相同。使用5年、10年、30年、50年和100年一遇的极端降雨数据，计算了各重现期引起的雨水洪水淹没深度。为了考虑排水设施的影响，根据当地排水基础设施设计标准减少了淹没分析中的降雨输入，从而估算出反映排水能力的淹没深度（Yanagihara等人，2022年）。在日本许多地区，排水设施的设计能够应对大约五年一遇的降雨事件（考虑气候变化的城市洪水对策研究小组）。国家通过污水处理系统应对城市洪水的绩效指标，即年度防洪完成率，也是基于排水系统是否能够应对五年一遇的降雨事件（考虑气候变化的城市洪水应对研究小组）。因此，我们假设在基准气候条件下，所有五年一遇的降雨都能被完全排出，并在此假设下进行了洪水淹没分析。Yanagihara等人（2022年）指出，实际的暴雨洪水往往发生在排水条件差的情况下，并通过假设排水受阻来模拟这些情景。然而，这些洪水情况已经使用河流洪水模型得到了再现。因此，我们假设了自然排水条件，并将河流水深设置为零，以代表河流中的不受限制的自然排放。关于这种方法的更多细节，请参阅Yanagihara等人（2024年）的论文。

3.3.3. 边坡失稳
在这项研究中，遵循Matsuura等人（2025年）和Yanagihara等人（2021a年）的方法，我们使用极端降雨数据插值Kawagoe等人（2010年）开发的山坡失稳概率，以估计不同重现期的山坡失稳概率。为了生成特定重现期的山坡失稳概率数据集，我们通过线性插值计算了Kawagoe等人（2010年）提供的五年、十年、三十年、五十年、一百年和二百年一遇极端降雨数据的概率（空间分辨率：30″×45″）。

3.4. 暴露人口的计算
暴露人口是指居住在每个灾害高风险网格区域内的居民。对于河流洪水和暴雨洪水，暴露人口是指居住在淹没深度超过45厘米的区域内的居民，这符合日本《防洪投资经济评估手册》中采用的标准。特别是对于暴雨洪水，由于淹没深度通常较浅，这个阈值被认为适合评估对日常生活的影响，而不是直接死亡情况，并已在先前的研究中应用。对于山坡失稳，暴露人口是指居住在山坡失稳概率超过80%的区域内的居民。Kawagoe等人（2010年）证明，在超过这一阈值的区域会发生山坡失稳。我们估算了全国和各县层面的暴露人口，并评估了不同JSSP（日本情景策略）下这些情景与洪水风险之间的关系。使用了多个重现期的灾害数据，并根据年度预期值评估了暴露人口。如方程（1）所示，年度预期暴露人口是区间概率与其对应平均暴露人口乘积的总和。
(1)
X = ∑_(i=1)^n (1 - mi) * (xi + xi+1) / 2
其中：
• X：每年预期暴露的人口 [人/年]
• mi：重现期 [年]
• xi：mi重现期内的暴露人口 [人]

根据Kawagoe等人（2010年）的研究，山坡失稳发生概率的准确性在观测到的灾害记录和估计概率之间表现出很强的一致性。因此，基于Kawagoe等人（2010年）的数据估计了暴露人口的地区趋势，并认为山坡失稳发生概率是可靠的。然而，正如Kawagoe等人（2014年）指出的，实际受沉积物相关灾害影响的面积范围从2平方米到0.65平方公里不等，这表明空间分辨率与实际受影响区域规模之间存在差异。因此，这项研究的重要性不在于预期年度暴露人口的绝对值，而在于讨论2015年至2050年以及2015年至2010年间暴露率的变化和地区趋势。本研究生成的未来灾害数据对应于近期和21世纪末期，2050年和2100年的暴露人口是使用相应灾害数据结合这些年份的人口数据评估的。

4. 结果
4.1. 日本全国范围内暴露人口变化率
图2显示了2015年至2050年和2015年至2010年不同JSSP（日本情景策略）下，由于气候变化和人口变化导致的暴露人口的变化。图2中的误差条代表相对于所有GCM（全球气候模型）平均值的标准误差。为了便于情景比较，图2中显示了人口变化率。使用的GCM数量因JSSP而异，尽管JSSP1-1.9和JSSP1-2.6之间的气候情景不同，但人口数据是相同的。暴露人口变化率为负值表示暴露人口减少，而阳性值表示增加。如图2所示，到2050年，JSSP1-1.9、JSSP1-2.6和JSSP5-8.5下，暴露于河流洪水的人口分别增加了约6%、4%和12%。对于暴雨洪水，JSSP1-1.9、JSSP1-2.6、JSSP2-4.5和JSSP5-8.5下，暴露人口分别增加了约20%、32%、12%和47%。相比之下，所有JSSP下暴露于山坡失稳的人口都减少了。到2100年，所有JSSP下暴露于河流洪水的人口都减少了。对于暴雨洪水，除了JSSP5-8.5外，所有情景下的暴露人口都减少了；而在JSSP5-8.5中，暴露人口增加了约35%。所有JSSP下暴露于山坡失稳的人口都减少了。2050年和2100年间，不同JSSP之间的暴露人口变化率的相对幅度是一致的，其中暴雨洪水 > 河流洪水 > 山坡失稳。为了确保特定的阈值选择不会影响这些结果，还使用30厘米、50厘米和60厘米的淹没深度阈值以及60%、70%和90%的山坡失稳概率阈值进行了额外的敏感性分析（附录图B1–B3）。尽管暴露变化的幅度取决于阈值，但未来变化的方向、不同情景之间的相对差异以及各种灾害类型的总体趋势基本保持一致。这些结果表明，在合理的阈值设置范围内，主要结论是稳健的。

图2. 2015年至2050年和2100年各SSP情景下，所有年龄组暴露于河流洪水、暴雨洪水和山坡失稳的人口百分比变化。（数值表示相对于2015年基线的相对变化）。
图3显示了2015–2050年和2015–2010年不同JSSP下仅因气候变化导致的暴露人口变化。由于人口分布与基准气候相同，图3中的暴露人口变化率间接反映了未来灾害的加剧程度。在仅考虑气候变化的情况下评估暴露人口变化率时，所有JSSP下的暴露人口都增加了。暴雨洪水的暴露增加尤为明显。相比之下，山坡失稳的暴露人口变化率低于河流洪水和暴雨洪水，且在不同情景下的变化相对较小。图4显示了2015年至2050年和2015年至2010年不同JSSP下仅因人口变化导致的暴露人口变化。因为在当前气候条件下灾害数据保持不变，我们能够分离出人口分布变化对暴露的影响，为评估市级的人口政策提供了洞察。在仅考虑人口变化的情况下评估暴露人口变化率时，所有JSSP下的暴露人口都减少了。河流洪水、暴雨洪水和山坡失稳的暴露人口变化率的相对幅度依次为：暴雨洪水 > 河流洪水 > 山坡失稳。

表1. 2015年、2050年和2010年各JSSP下暴露人口占总人口的比例变化。
对于河流洪水、暴雨洪水和山坡失稳，2015年和2015年以及2015年和2010年之间暴露人口与总人口的比例（以下简称暴露率）的差异按灾害类型和JSSP进行了汇总（表1）。除了评估暴露人数的变化外，评估暴露率对于规划未来的灾害预防投资也非常重要。因此，计算了2015年、2050年和2010年的暴露率，并通过后者减去前者来获得差异。由于绝对值较小，结果以百分比表示。如表1所示，对于河流洪水和暴雨洪水，2050年和2010年的暴露率超过了2015年的所有JSSP。相比之下，对于山坡失稳，2050年和2010年的暴露率在所有JSSP中始终低于2015年。

接下来，对于河流洪水、暴雨洪水和山坡失稳，表2汇总了2015年和2010年之间暴露率增加的县份数量（表2）。在2050年和2010年，暴露率增加的县份数在JSSP5-8.5下最多，这三种灾害都是如此。图5显示了2015年和2010年之间河流洪水（JSSP5-8.5）、暴雨洪水（JSSP5-8.5）和山坡失稳（JSSP5-8.5）的县一级暴露率差异。2050年，暴露率增加最多的三个县分别是秋田、冈山和岐阜（河流洪水）；冈山、岐阜和广岛（暴雨洪水）；以及广岛、冈山和山口（山坡失稳）。2010年，暴露率增加最多的三个县分别是秋田、新潟和德岛（河流洪水）；岐阜、冈山和东京（暴雨洪水）；以及广岛、山口和长崎（山坡失稳）。

图5. 2015年和未来期间各县暴露人口占总人口比例变化的县级空间分布（%）。（数值表示考虑气候和人口变化后的暴露强度差异）。

图6显示了2015年至2050年和2015年至2010年各JSSP下65岁及以上年龄段的暴露人口变化率。2050年，所有JSSP下的65岁及以上年龄段的人口变化率为正，表明老年人暴露人口增加。预计到2050年，所有JSSP下65岁及以上的老年人口将增加约13%。在JSSP5-8.5下，河流洪水导致的老年人口增加了约43%，暴雨洪水增加了约87%，山坡失稳导致的老年人口增加了约4%。到2010年，所有JSSP下山坡失稳导致的老年人口变化率为负，表明暴露于山坡失稳的老年人数量减少。对于河流洪水，除了JSSP5-8.5外，所有JSSP下的暴露率均为负，其中JSSP5-8.5下老年人口增加了约23%。对于暴雨洪水，所有JSSP下的暴露人口变化率为正，除了JSSP3-7.0外，JSSP1-1.9下增加了约11%，JSSP1-2.6下增加了约9%，JSSP2-4.5下增加了约13%，JSSP5-8.5下增加了约75%。

图7显示了2015年至2050年和2015年至2010年各JSSP下15–64岁年龄段的暴露人口变化率。根据Ushiki等人（2019年）的研究，15岁以下的个体未被纳入此评估，因为他们通常没有对其居住地点的决策权。尽管在如仙台框架等灾害风险框架中，儿童被视为脆弱群体，但本研究考察的是暴露模式的变化，而不是特定年龄段的脆弱性。0–64岁和15–64岁年龄段之间的比较表明，排除15岁以下个体并未显著影响相对暴露变化的趋势。到2050年，所有JSSPs中，河岸洪水影响的 population change rate（人口变化率）均为负值，除了JSSP5-8.5，其受影响人口增加了约2%。对于雨洪灾害，JSSP2-4.5和JSSP3-7.0的population change rate也为负值。而在JSSP1-1.9、JSSP1-2.6和JSSP5-8.5下，受影响人口分别增加了约3%、17%和38%。在山体滑坡灾害方面，所有JSSPs的population change rate均为负值，表明工作年龄段的受影响人口有所减少。到了2100年，所有JSSPs中，河岸洪水、雨洪灾害和山体滑坡影响的population change rate依然为负值，只有JSSP5-8.5例外，该情景下因雨洪灾害受影响的人口增加了约26%。

**图7. 2015年至2050年及2100年间，各SSP情景下15–64岁人群因河岸洪水、雨洪灾害和山体滑坡而受影响的人口比例变化。**

**5. 讨论**
**5.1. 日本全国范围内受影响人口变化率的趋势**
如图2所示，在2050年和2100年，所有情景下，JSSP5-8.5下的河岸洪水、雨洪灾害和山体滑坡影响人口比例最高，而JSSP3-7.0下的影响人口比例最低。在2050年，除JSSP3-7.0外，所有JSSP下的河岸洪水和雨洪灾害（尤其是雨洪灾害）影响人口均有所增加。相比之下，在2100年，只有JSSP5-8.5下的雨洪灾害影响人口增加了约35%。尽管预计到2050年许多JSSP下的河岸洪水和雨洪灾害影响人口会增加，但到2100年大多数灾害的影响人口预计将减少。图2中观察到的雨洪灾害影响人口的相对较高增长率可以归因于城市地区的人口减少幅度小于其他地区。雨洪灾害在低洼地区（尤其是城市区域）更为严重。山体滑坡灾害主要发生在山区，而河岸洪水则可能发生在城市和农村地区。JSSP5-8.5代表了一个人口集中在主要大都市区的情景，这些地区恰好位于高雨洪风险区。因此，即使总体人口减少，由于雨洪灾害的影响人口比例仍然为正，导致受影响人口增加。在本研究中，雨洪灾害在所有JSSP中始终导致最高的人口变化率。在JSSP5-8.5下，到2100年，尽管总人口减少了约37%，但因雨洪灾害受影响的人口仍将增加约35%。这一发现强调了需要在城市地区优先采取应对措施，因为预计这些地区的雨洪灾害风险将加剧。**

当仅考虑气候变化对受影响人口变化率的影响时（图3），所有JSSP下的受影响人口都会增加。相反，仅考虑人口变化时（图4），所有JSSP下的受影响人口都会减少。如图2所示，当同时考虑气候变化和人口变化时，到2100年，除JSSP5-8.5的雨洪灾害外，所有JSSP下的受影响人口都会减少。到2100年，人口变化可能对受影响人口的影响比气候变化更为显著。对于山体滑坡灾害，这种总体减少主要归因于山区的人口减少，因为山体滑坡灾害在这些地区更加集中。虽然降雨强度的预测增加放大了山体滑坡灾害的风险，但这些高风险山区受影响人口的减少超过了全国范围内由气候变化引起的灾害加剧。综合图2和图3可以看出，在三种评估框架（结合气候变化和人口变化、仅考虑气候变化以及仅考虑人口变化）下，2050年和2100年所有JSSP下，雨洪灾害的影响人口变化率始终最高，其次是河岸洪水，最低的是山体滑坡。

**5.2. 受影响人口占总人口的比例变化**
在全国范围内，到2050年和2100年，所有JSSP下河岸洪水和雨洪灾害的影响人口比例都有所增加。相比之下，预计山体滑坡灾害的影响人口比例将在所有JSSP中减少，这主要是由于山区的人口减少较为明显，这些地区的山体滑坡风险高于其他地区。在县一级，图5显示了某些县的受影响人口比例增加，例如秋田县的河岸洪水、东京市的雨洪灾害和广岛县的山体滑坡。这些情况可以解释为人口减少超过了受影响人口减少的情况（如秋田县），或者相反，受影响人口的增加超过了总体人口增长（如东京市）。在人口减少的农村地区，人口减少的影响超过了受影响人口减少的影响。而在城市和大都市区，由于人口增长和气候变化导致的降雨加剧，受影响人口比例有所增加。因此，仅考虑受影响人口比例的变化不能简单地归因于人口动态。实际上，这些变化是由气候变化与人口分布变化之间的相互作用决定的，因此在风险评估中必须考虑地区特征。JSSP1-1.9是唯一一个在2050年和2100年河岸洪水、雨洪灾害和山体滑坡影响人口比例最少的情景（2050年：93个县；2100年：61个县）。

**5.3. 不同年龄段的受影响人口变化率**
图6和图7的比较显示，总体而言，到2050年，受影响人口的变化率更接近图7中的一个负值。这表明到2050年，不同年龄段人口受影响比例的差异将更加明显。在JSSP5-8.5下的雨洪灾害情景中，2100年65岁及以上年龄组的受影响人口变化率约为75%，而15–64岁年龄组的受影响人口变化率仅为约25%。这一发现表明，老年人（特别是对于河岸洪水和雨洪灾害）的受影响比例较高。这些结果表明，预计到2050年和2100年，居住在高风险地区的老年人人口将增加。图6和图7进一步表明，15–64岁年龄组将受到生育率下降和总体人口减少的显著影响，导致未来受影响人口大幅减少。相比之下，65岁及以上年龄组的人口预计将持续增加直至2050年左右，之后保持相对较高的比例。这种人口结构差异解释了为什么老年人受影响人口变化率较高。由于老年人不太可能自愿迁移（Ushiki等人，2019年），因此需要针对这一年龄组实施除迁移之外的其他应对措施。鉴于当今的年轻一代最终将成为老年人，仅仅关注特定年龄段存在固有的局限性。考虑到代际更替，可持续的风险降低需要城市规划视角，例如阻止在高风险地区定居，并实施土地利用规定以限制在这些区域永久居住。

**5.4. 限制**
本研究使用的JSSP人口情景是由国立环境研究所制定的，基于对未来社会经济发展和技术趋势的假设构建的。除了预测降雨量的GCM（全球气候模型）之间的差异外，本研究的社会经济和灾害组分还存在若干结构性不确定性。未来人口预测依赖于关于生育率、死亡率和迁移率的长期假设，尤其是在本世纪末。此外，县人口总量在网格单元中的空间分配被简化了，并未明确考虑适应性或风险驱动的迁移。土地利用变化是根据人口变化与建成区之间的比例关系估算的（Yoshikawa等人，2022年），但没有明确考虑城市密集化、土地利用规定或灾后土地利用动态。这些结构性假设可能会影响暴露估计的空间分布和绝对幅度，在解释结果时需要予以考虑。

山体滑坡概率模型中也存在不确定性。一旦应用了降雨阈值，山体滑坡概率就被视为固定的条件概率。所采用的模型代表了网格级别的发生概率，而不是单个边坡的稳定性，并未明确考虑植被效应、灾后地貌变化、灾害规模或非降雨触发因素（如地震或融雪）。这些简化引入了灾害表示中的结构性不确定性。尽管之前的多项研究使用了包括沿海洪水在内的广泛定义来评估洪水影响，但本研究有意关注由强降雨引发的危险。这种方法使得可以一致地评估由共同触发机制（即强降水）引起的灾害，并便于比较河岸洪水、雨洪灾害和山体滑坡。沿海洪水被排除在外，因为它不仅受强降雨影响，还受风暴潮、海平面上升和波浪过程的影响。因此，沿海和低洼地区的受影响程度可能被低估了。鉴于沿海洪水可能涉及大量人口，未来的研究应将其纳入综合多灾害暴露评估中（例如Rogers等人，2025年）。

实际山体滑坡足迹的空间尺度与本研究采用的基于网格的概率框架不同。暴露评估是基于每个网格单元内的发生概率，而不是单个事件的精确足迹。因此在解释山体滑坡暴露的绝对幅度时需要谨慎。然而，由于所有时期和情景都采用了统一的基于概率的框架和空间分辨率，因此在国家层面评估相对变化和广泛的空间模式是合理的。

在本研究中，虽然对不同年龄段的受影响人口进行了单独估算，但假设各年龄段的灾害互动是相同的。因此，这种评估基于位置而非脆弱性调整后的风险评估，并未明确考虑特定年龄段的脆弱性或适应能力差异。尽管我们使用了多个GCM来预测未来降雨量，但不同JSSP使用的GCM数量不同：JSSP1-1.9和JSSP3-7.0使用了三个GCM，而JSSP1-2.6、JSSP2-4.5和JSSP5-8.5使用了五个GCM。因此在比较不同JSSP的受影响人口变化率时，需要注意GCM的数量和特征差异可能对结果产生了影响。我们通过将未来人口分布数据与灾害数据进行统计叠加来计算受影响人口。然而，人口分布会根据灾害事件的时间和规模而有很大波动。人口密度在白天和夜晚、工作日和周末以及大规模事件期间可能会有所不同。由灾害前兆或预警公告引发的疏散或人口移动可能会进一步增加或减少受影响人口。

另一个限制是，本研究将河岸洪水、雨洪灾害和山体滑坡视为独立的灾害进行评估。目前的分析代表了多灾害暴露的叠加，而不是复合或级联风险评估。强降雨事件可能同时或依次引发多种灾害，这些灾害之间的相互作用可能会放大其影响的范围和程度。由于这些相互作用未被明确建模，因此结果不应被视为反映了同时发生或重叠灾害的综合影响。在山区城市中，这种限制尤其相关，因为山体滑坡和洪水过程可能在空间上相互作用，影响基础设施和排水系统。未来研究需要将复合和级联灾害过程纳入暴露评估中。

**6. 结论**
在本研究中，我们评估了在不同JSSP下，气候变化和人口变化对河岸洪水、雨洪灾害和山体滑坡影响人口的未来变化。我们还评估了气候变化和人口动态对这些影响的各自影响，以及不同年龄段之间的差异。主要结论如下：
1) 在许多JSSP中，到2050年，河岸洪水和雨洪灾害的影响人口预计将增加，而到2100年，大多数灾害的影响人口预计将减少。
2) 到2100年，人口变化对受影响人口的影响在全国范围内比气候变化更为显著。
3) 全国范围内的评估显示，到2050年和2100年，所有JSSP下河岸洪水和雨洪灾害的影响人口预计都将增加。预计所有JSSPs地区的滑坡灾害暴露率在未来将会下降。65岁及以上的年龄段人群的暴露率增长幅度高于其他年龄段，尤其是面对河流和降雨引发的洪水时。鉴于老年人更不愿意主动搬迁，这些发现强调了除了搬迁措施之外，还需要实施其他硬性基础设施改进的必要性。

未引用参考文献：
Escobar Carias等人，2022年；日本地理空间信息局；Fundamental Geospatial Data，2023年；Ljunggren，2022年；国土交通省，2025年；国土省等，2021年；国立环境研究所，2020年；Soroptimist International，2023年；Stangarone，2022年；气候变化下城市洪水应对对策研究组，2021年。

CRediT作者贡献声明：
松浦智明：撰写–审阅与编辑、撰写–初稿、可视化、验证、软件使用、方法论、正式分析、数据管理、概念构建。
山间孝：撰写–审阅与编辑、验证、监督、软件使用、资源提供、项目管理、方法论、资金获取、概念构建。
柳原隼人：撰写–审阅与编辑、验证、方法论、正式分析、数据管理。
池本敦也：撰写–审阅与编辑、可视化、验证、正式分析、数据管理。
金子贵也：撰写–审阅与编辑、验证、方法论、正式分析。
川越清喜：撰写–审阅与编辑、资源提供、数据管理。

**资金支持**
本研究得到了日本环境恢复与保护机构提供的“环境研究和技术开发基金”（JPMEERF20S11813）的资助。同时，也得到了文部科学省（MEXT）通过“科学研究补助金（A）”（项目编号24H00329，负责人：山间孝）和“科学研究补助金（B）”（项目编号23H01508，负责人：横尾良之）的支持。我们对各方提供的慷慨资助表示衷心感谢。