當前，國內對氣候相關金融風險的分析側重於氣候轉型風險。而在2025年2月，國家金融監督管理總局、中國人民銀行釋出的《銀行業保險業綠色金融高質量發展實施方案》進一步提出要“加強對物理風險的研究，探索評估重點行業和地區的物理風險暴露水平”。鑑於此，我們將以系列報告的形式探索氣候物理風險對商業銀行的影響。
本文作為系列報告的第一篇，就我國氣候物理風險的行業和區域概況進行分析，主要發現如下：
我國氣候型別複雜多樣，是全球氣候脆弱地區和受氣候災害影響最嚴重的國家之一。近年來，我國地表年平均氣溫呈顯著上升趨勢，極端高溫、極端強降水事件趨多趨強，極端低溫事件發生頻次雖明顯減少但強度並未減弱甚至極端性更強，颱風登陸的平均強度波動增強，沿海海平面總體呈加速上升趨勢。
雖然我國極端天氣事件的頻率和強度顯著增加，但自然災害經濟損失程度呈下降趨勢。本文構建的氣候韌性評價指標結果顯示，我國氣候韌性水平持續提高，表明我國的氣候風險抵禦、適應和恢復能力已顯著增強，這有效緩解了氣候災害對我國經濟的損害。
氣候物理風險具有明顯的行業差異性和區域異質性，需要分別進行分析。
在行業氣候物理風險方面：
農業依賴於自然環境的天然屬性，導致農業生產經營活動極易受到氣候變化的影響，乾旱、洪澇、颱風和地質災害對我國農業生產影響較大。
房地產行業容易受暴雨洪澇、颶風、森林火災、海平面上升等影響而構成重大風險，其中暴雨洪澇是導致我國房屋損毀的主要元兇；沿海地區颱風、海水倒灌、沿海洪水等極端天氣與海平面上升、海岸侵蝕等長期風險並存的物理風險特徵，將對沿海地區房地產行業構成威脅。
發電行業對乾旱、強風、冰雹、暴雪、洪水、氣溫升高、海平面上升多種風險敏感，其中強風、暴雪、冰雹對光伏電站破壞力最強的氣候災害。
公用事業、能源、房地產、材料、金融等行業長遠來看受氣候物理風險衝擊也較大。
在分割槽域氣候物理風險方面，本文以1973-2024年日度氣象資料為基礎，基於極端低溫、極端高溫、極端強降水三類極端天氣的出現頻次，構造了氣候物理風險指數。氣候物理風險指數值越高，表明該地區氣候物理風險水平越高。結果發現：
自2003年以來，全國氣候物理風險指數呈現波動升高趨勢，指數值升高的主要原因是極端高溫天氣發生頻次顯著增多。
分地區來看，近年來華東、中南和西南地區的物理風險水平偏高，東北地區較低。
從省級地區角度，各地氣候物理風險指數增長趨勢明顯，近年來，華東的上海、江蘇、浙江、安徽、福建、江西、山東，中南部的河南、湖北、湖南、海南，以及西南部的重慶、四川、貴州的氣候物理風險指數偏高。2024年氣候物理風險指數結果顯示，近半數省級地區的氣候物理風險指數達新高或次高，江蘇、浙江高於往年平均值程度最大。
從主要城市角度，三亞、廣州的氣候物理風險指數長期處於較高水平。近年來，中南部的武漢、鄭州、長沙，東部的南京、合肥、上海、南昌、福州，西南部的貴陽、重慶，西北部的銀川、拉薩，華北的太原和石家莊等城市的氣候物理風險指數偏高。2024年，武漢和鄭州物理風險指數高於往年平均值程度最高。
需要指出的是，本文構建的氣候物理風險指數存在一定侷限性，如有待將乾旱、颱風等更廣泛的極端天氣以及災害損失等因素納入，也應考慮到地區氣候變化減緩和適應能力，故我們在日後的研究中將以此為方向進行最佳化。
一、引言
近年來，全球氣候變暖趨勢仍在持續，極端天氣發生的頻度和強度日益增加。世界經濟論壇的《全球風險報告（2025）》評估未來十年內全球最嚴重的十大風險中，極端天氣事件位居首位。我國是全球氣候變化的敏感區和影響顯著區，不同地區氣候條件差異巨大，受極端天氣事件影響嚴重。《中國氣候變化藍皮書（2024）》顯示，中國區域升溫速率高於同期全球水平，同時平均年降水量呈上升趨勢，極端強降水量事件發生頻次顯著增加。當前，氣候風險已成為金融風險的一大來源，商業銀行作為金融系統的重要組成部分，必將面對氣候物理風險所帶來的嚴峻考驗。2025年2月，國家金融監督管理總局、中國人民銀行釋出的《銀行業保險業綠色金融高質量發展實施方案》提到“加強對物理風險的研究，探索評估重點行業和地區的物理風險暴露水平。保險公司要完善綠色保險有關風險評估模型，做好對氣候變化、自然災害等的風險分析”，指明瞭銀行保險機構對於物理風險的下一步研究方向。
物理風險的概念已有清晰界定。物理風險是指由極端天氣事件帶來的經濟損失，透過損害家庭、企業、金融機構等主體的資產負債表，威脅金融和宏觀經濟穩定性的風險（王信，2021）。物理風險分為急性和慢性兩類，急性物理風險指的是暴雨、洪澇、颱風、寒潮、高溫熱浪、森林火災等突發性的極端天氣事件，慢性物理風險指的由長期的氣候變化引發的漸進性風險，如氣溫升高、海平面上升、海洋酸化等（NGFS，2020）。與自然因素導致的物理風險對立的是，由人為因素帶來的轉型風險，即由政策、市場偏好、技術等因素變化而產生“擱淺”資產而引致的風險。物理風險和轉型風險是氣候風險的兩種表現形式，二者也存在緊密的聯絡。物理風險發生頻率和強度的增加，會推動相應風險緩釋政策的出臺，進而導致政策環境的趨嚴；反之，若氣候變化應對措施的強度不及預期，也可能導致物理風險的加劇（王文蔚，2024；Furukawa等，2020）。
物理風險產生的必要條件是極端天氣、風險敞口和脆弱性，三者缺一不可。2014年，政府間氣候變化專門委員會（IPCC）第五次評估報告中提出氣候變化下的災害風險是由災害（Hazard）、風險敞口（Exposure）、脆弱性（Vulnerability）三方面相互作用的結果，其中災害表示物理風險事件的發生（或潛在趨勢）的機率與強度；風險敞口表示在物理風險事件下的暴露程度，對於金融機構而言，風險敞口主要取決於客戶資產價值及其地理位置（包括價值鏈上下游）；脆弱性表示受物理風險不利影響的程度，源於抗風險能力的不足和適應性的缺乏，包括敏感性（Sensitivity）和適應能力（Adaptive capacity）兩個因素，其中敏感性表示表示受物理風險影響的傾向性，取決於業務活動與業務模式的特點，適應能力表示預防、應對氣候災害和災後恢復能力。IPCC的三維度分析框架已逐漸成為學者和機構進行物理風險評估的參考正規化之一。此外，IPCC在第六次評估報告中又進一步納入了響應（Response）因素，認為人為採取的響應措施存在不確定性，即可能無法實現預期目標或對其他社會目標產生制衡和負向副作用，故可能引發新的風險。未來，IPCC的四維度分析框架將成為物理風險評估分析的主流框架。
物理風險出現的必要條件也決定了物理風險具有鮮明的行業和區域特徵。行業層面，相較於轉型風險集中於碳密集行業，物理風險的行業影響範圍更廣，實體資產、生產運營、基礎設施處於氣候災害易發地的企業，均有遭受衝擊的潛在可能。但部分行業的物理風險敏感性更高，如農業、能源、電力、化工、交通運輸、旅遊、醫療健康、房地產、保險等行業，主要原因在於這些行業的生產過程、原材料供應、基礎設施、供應鏈更易受到極端天氣等自然因素的影響。區域層面，地區異質性是物理風險最鮮明的特徵，不同國家和地區的氣候災害類別不同。例如，歐洲地區主要的氣候災害為乾旱、高溫熱浪和洪水（ECB，2022）。
物理風險會透過供給、需求和金融渠道傳導與蔓延至經濟領域。供給側是物理風險的直接影響所在，災害易發地的商品和服務的生產與供應面臨潛在風險，具體體現在勞動力、資本、基礎設施等生產要素投入，以及供應鏈、全要素生產率的負面影響（Sheng和Xu，2019；NGFS，2024）。在需求側，氣候災害引致的資產損失會影響家庭和企業的收入水平，從而對消費和投資產生抑制作用，並且風險認知（預期）、風險承擔意願的變化，會影響消費者偏好與適應性行為，從而導致未來需求模式的改變（Nguyen等，2020；劉明輝等，2022）。在金融側，物理風險主要透過資產定價、信貸條件、信貸資產質量進行傳導。氣候災害事件會導致金融條件收緊和融資渠道減少，增加災後經濟重建的難度，延長和擴大沖擊的影響時間與範圍，並且金融部門韌性的下降，也會削弱其金融中介作用。同時，作為經濟的血脈，金融與經濟共生共榮，物理風險對實體經濟部門的衝擊必然會引發金融體系內部反饋效應，威脅金融體系的穩定執行（NGFS，2024）。
物理風險破壞金融體系穩定性有三條主要路徑（王信，2021）：一是透過保險業的資產與負債渠道，物理風險會直接影響保險公司的承保業務，導致賠付增加，降低保險覆蓋率（李子晗和李紅坤，2024）。二是透過銀行信貸渠道。極端天氣事件會使押品受損或價值縮水，使銀行資產負債表的惡化，並且銀行放貸條件的收緊又會進一步造成經濟下行，引發新一輪風險。同時，極端天氣事件還可能造成貸款違約損失和違約機率的上升，提高銀行風險承擔水平。三是資本市場渠道。氣候物理風險可能增加家庭、企業和金融機構的流動性需求，並可能引發市場對資產的重新定價，進而引發拋售行為。
鑑於物理風險對經濟和金融體系穩定的持續且廣泛的影響，物理風險影響評估顯得尤為重要。若想得到較為可靠的評估結果，基本前提是對物理風險的有效測度。當前學術界與業界的物理風險測度方法可大致概括為三類：
一是基於天氣因素衡量物理風險。此種方法直接以物理風險本身出發，代理變數包括洪水、颶風、颱風、寒潮、熱浪等極端天氣事件，以及氣溫升高、海平面上升、降水模式變化等慢性天氣。例如，Guo等（2024）基於日均氣溫、日降雨量和日露點資料，透過計算一年內極端低溫、極端高溫、極端降水、極端乾旱天數，構建了氣候物理風險指數。此種方法的優點在於天氣資料可獲得性、顆粒度和準確性較高，因而被研究者和業界廣泛運用。例如，我國的“國家氣象資訊中心-鄭州商品交易所氣溫指數”，目前覆蓋53個基準地和六大指數（最低氣溫指數、日最高氣溫指數、日均氣溫指數、候均氣溫指數、製冷度時指數、取暖度時指數）。其中，最低/最高氣溫指數、日均/候均氣溫指數方便農業部門使用，目前已在天氣指數保險領域廣泛應用，相關風險管理產品能夠滿足農業生產者對氣溫變化的避險需求；製冷/取暖指數與用電量相關性強，可以較好刻畫能源電力企業面臨的天氣風險[1]。但此種方法的明顯缺點是難以直觀體現物理風險的衝擊程度。所以，隨著災害經濟學理論和實踐的發展，基於損失因素測度物理風險的方法開始出現。
二是基於損失角度測度物理風險。此種方法的代理變數主要包括直接經濟損失、受災人口、受災面積（如農作物受災面積、受災森林面積、受損海堤長度）、受災建築數量等。比如，德國觀察（Germanwatch，一家致力於全球可持續發展的的德國非政府組織）所編制的氣候風險指數（Climate Risk Index）基於經濟損失、死亡人數、受災人口三類指標建立，該指數衡量了氣候物理風險對各國的影響程度[2]。基於損失測度物理風險的優勢是能夠直觀體現物理風險的衝擊程度，但缺點在於資料可獲得性和顆粒度較低。特別在於分析特定地點的物理風險時，地區的物理風險損失難以直接從官方渠道獲得甚至資料為空白，若自行計算，計算難度大且測度結果精準性難以保證。
三是基於複合或其他衍生因素測度物理風險。部分研究採用了基於“天氣+損失”複合因素的方式來測度物理風險，例如Zanin等（2024）基於風速和房產數量構造損失指數，從而評估颱風災害對美國路易斯安那州住房抵押貸款的影響。部分文獻則構建氣候物理風險詞典，應用文字分析刻畫物理風險，此種方法多見於企業層面分析，例如，王文蔚（2025）以A股上市企業年報中氣候相關詞頻作為企業層面物理衝擊程度的度量指標，從而分析氣候衝擊與企業違約風險的關係。
總結已有研究和實踐進展，物理風險研究主要存在以下侷限之處：一是研究領域存在不平衡。當前，氣候風險對經濟金融體系影響的研究還依舊側重轉型風險，物理風險的探討嚴重不足。並且，已有物理風險的文獻也集中於短期的極端天氣，氣溫升高、海平面上升等慢性物理風險的研究屈指可數。二是物理風險向經濟金融體系的傳導渠道還有待進一步探索，例如是否存在多重效應和疊加衝擊。同時，不同區域和行業的物理風險特性也需深入分析，只有深刻理解區域與行業的物理風險特性，才有可能實現從被動響應到主動防禦的轉變。三是我國物理風險研究還尚處起步階段，值得學界和業界的重視。我國作為一個極端天氣頻發的國家，物理風險暴露度可能較大，並且在“雙碳”目標的緊約束下，物理風險極有可能疊加轉型風險，共同衝擊我國經濟金融體系的穩定性。
有鑑於此，我們以系列報告的形式探索氣候物理風險對商業銀行的影響。本文作為系列報告的第一篇，聚焦我國的氣候物理風險特徵，分別圍繞我國氣候物理風險總體概況、不同行業和不同區域的物理風險特性展開深入分析。
二、我國氣候物理風險的基本特徵
2.1 總體概況
我國氣候的總體特徵可概括氣候型別複雜多樣、大陸性季風氣候顯著兩方面。一方面，我國疆域遼闊，南北跨緯度廣，具有熱帶、亞熱帶、溫帶等多種溫度帶，是我國氣候型別複雜多樣的基礎原因。另一方面，我國地處世界最大的亞歐大陸和世界最大的海洋太平洋之間，海陸熱力差異大，致使我國大陸性季風氣候顯著，表現為由東南沿海向西北內陸，依次出現溼潤、半溼潤、半乾旱、乾旱的氣候區[3]。
我國複雜的地形使各地氣候有各自鮮明的特徵，一系列東西走向的山脈，成為我國氣候的重要分界線。被《周易》稱為“龍脈”的秦嶺，橫貫中國中部，由於山體高大，秦嶺對氣流執行產生阻滯作用，由此成為關係我國南北氣候的重要山脈。1908年，著名地理學家張相文提出了秦嶺-淮河線，這條線也被公認為中國南北氣候地理分界嶺。秦嶺-淮河線，西起甘肅，穿越陝西、河南，東至安徽、江蘇，大致與我國冬季0℃等溫線、800毫米年降水量吻合。秦嶺-淮河以北地區，屬暖溫帶 ，1 月平均氣溫在 0℃以下，年降水普遍低於800毫米，是半溼潤區；秦嶺-淮河以南地區，屬亞熱帶，1 月平均氣溫在 0℃以上，年降水量超過800毫米，是溼潤區。近年來，隨著全球氣候變暖趨勢的加劇，秦嶺-淮河地區降水量和氣溫發生顯著變化，造成極端天氣發生頻率和強度的增強，生態環境遭受嚴重衝擊。例如，2021年“千年一遇”的鄭州“7·20特大暴雨”便是全球變暖背景下極端強降水事件頻發的具體表現。
我國是全球氣候脆弱地區之一，也是氣候災害影響最嚴重的國家之一。我國氣候災害具有種類多樣、分佈廣泛、發生頻率和強度高、次生災害嚴重、經濟損失嚴重等特點[4]。從災種類型來看，乾旱、暴雨洪澇、颱風、寒潮、高溫熱浪[5]、森林草原火災等為我國多發性氣候災害（圖表2）。《中國氣候變化藍皮書（2024）》顯示，近年來極端天氣氣候事件趨多趨重，極端高溫、極端強降水事件趨多趨強，極端低溫事件總體減少，颱風登陸的平均強度波動增強。
2.2 基本現狀
2.2.1 氣溫
20世紀70年代以來，我國年平均氣溫上升趨勢顯著。1973年以來，全國曆年平均氣溫呈現波動上升趨勢，特別是進入21世紀後，全國年平均氣溫長期高於常年（1981-2010年）平均值，且差距逐漸擴大。2024年，全國平均氣溫創新高，約13.5℃，較常年偏高約1.8℃。
從省級地區層面[7]來看，2024年多數省份平均氣溫達歷史最高。2024年，平均氣溫最高的四個省份為東南沿海地區的海南、廣東、廣西和福建，年均氣溫均超過20℃。2024年，多數省份平均氣溫達歷史最高，31個省級地區中，除海南、廣西、廣東、雲南、福建、天津外，其餘省級地區年均氣溫均達1973年以來歷史最高。其中，山西、西藏、山東的年均氣溫距平（1981-2010年平均值）最多，均超過2.2℃。
2.2.2 降水
近年來，我國平均降水量有增多的跡象。據《中國水資源公報》資料顯示，全國平均降水量在不同年景差別較大，但自2012年以來，有增多的跡象。2023年全國平均降水量642.8mm，年降水量距平百分比[8]為-0.2%，與多年平均值基本持平。
從省級地區層面來看，我國各地區降水量差異化明顯，基本呈現由東南沿海向西北內陸逐漸遞減的趨勢。2023年，超半數省級地區的降水量較常年偏多，其中河南降水量距平百分比最高，為35%，其次為北京的28%和吉林的20%。雲南、貴州、湖南的降水量較常年偏少，距平百分比分別為-17%、-14%和-13%。
2.2.3 氣候災害損失情況
從全國層面來看，極端天氣事件的頻率和強度顯著增加。據《中國氣候變化藍皮書》顯示，對於變暖趨勢與極端高溫，1961-2023年，我國地表年平均氣溫呈顯著上升趨勢，平均每10年升高0.3℃，高於同期全球平均升溫水平；我國極端高溫事件自21世紀出以來明顯增多，特別是在2022年，中國共發生極端高溫事件3501站日，極端高溫事件頻次為1961年以來最多。對於極端低溫，雖然極端低溫事件發生頻次明顯減少，但強度並未減弱甚至極端性更強[9]。對於極端強降水，極端強降水事件增多、增強，年累計暴雨（日降水量≥50毫米）站日數每10年增加4.1%[10]，平均年降水量呈增加趨勢，平均每10年增加5.2毫米。對於乾旱，我國乾旱發生頻次增加、強度增加、乾旱範圍擴大、乾旱面積整體呈增加趨勢，跨季節持續乾旱事件也明顯增多[11]。對於颱風，20世紀90年代後期以來登陸中國颱風的平均強度波動增強，強颱風及超強颱風比例呈現明顯上升趨勢，登陸颱風強度偏強且登陸位置偏北。對於海平面上升速率，中國沿海海平面總體呈加速上升趨勢，1980-2023年，中國沿海海平面變化總體呈加速上升趨勢，上升速率為3.5毫米/年；1993-2023年，中國沿海海平面上升速率為4.0毫米/年，高於同時段全球平均水平（3.4毫米/年）[12]。
在我國自然災害防禦能力持續提升和氣候風險適應能力不斷增強的背景下，全國自然災害直接經濟損失規模[13]及程度呈下降趨勢。2010年以來，全國自然災害直接經濟損失規模呈現下滑態勢，與此同時，自然災害損失程度（直接經濟損失佔GDP的比重）也表現為下降的趨勢。在2020 年提出“雙碳”目標以來，自然災害損失規模和程度進一步降低，2023年全國自然災害直接經濟總損失6454.5億元，約佔GDP的0.27%。猜測原因在於，雖然近年來我國極端天氣氣候事件的頻率和強度顯著增加，但我國堅持一手抓“減緩”，一手抓“適應”，以“雙碳”為引領，積極採取調整最佳化產業與能源結構、增加森林碳匯、開拓市場機制等政策措施，增強氣候韌性，提高氣候變化適應能力與防災減災水平，有效減緩了極端天氣事件對我國經濟社會造成的危害。進一步按災種類型剖解，暴雨洪澇災害損失佔比長期保持最高。2012年以來，暴雨洪澇災害造成的直接經濟損失佔總自然災害直接經濟損失的比例一直處於所有災種類型的首位，2019年以來該比例持續擴大，2021年暴雨洪澇災害直接經濟損失為2458.9億元，佔總直接經濟損失比重高達76.5%。乾旱災害，大風、冰雹與雷電災害，颱風（熱帶氣旋）災害，雪災和低溫冷凍災害等災種對於我國影響總體偏輕。
從省級地區層面來看，四川、湖南、河南、河北等中部、東部省份的然災害經濟損失規模較高，而甘肅、西藏、青海、吉林等西部、東北部省份損失程度偏重。統計2014-2023年各省級地區自然災害直接經濟損失資料，損失規模方面，四川省為所有省級地區最高，河北、湖南、河南、廣東、湖北等省份也較高；損失程度（直接經濟損失佔GDP的比重）方面，甘肅和西藏的損失程度最高，直接經濟損失佔GDP的比重均超過1%，青海、吉林、雲南等地的損失比例也都高於0.7%，上海、江蘇、天津損失比重最低，不足0.1%。按災種類型拆解，暴雨洪澇災害仍為多數省份損失比例最高的自然災害型別。其中，四川暴雨洪澇災害直接經濟損失佔該地區自然災害經濟總損失的比重超過90%，重慶、北京則大於80%，湖南、西藏、江西、河南、湖北、貴州、安徽也都高於70%。此外，海南、上海、浙江、廣東、福建等沿海地區則受颱風（熱帶氣旋）災害的影響更重；新疆主要受大風、冰雹及雷電災害的影響；乾旱災害主要影響內蒙古地區；寧夏、山西受雪災和低溫冷凍災害的影響偏重。
2.3 進一步分析
在2.2.3節中，本文猜測全國自然災害直接經濟損失規模及程度呈下降趨勢的原因是我國氣候變化的減緩策略和適應能力取得了積極成效，氣候韌性有所增強，從而緩解了極端天氣造成的危害。為了驗證這一猜想，本文參考Joerin等（2014）、Summers等（2017）、鄭豔等（2018）、孟延春等（2025）等方法，構建氣候韌性評價指標。
“韌性”源於拉丁語中的“resilio”，表示“彈回”，即恢復到原來狀態。1973年，加拿大生態學家Holling首次將韌性概念引入生態學領域，指代生態系統在遭受短暫衝擊後，吸收變化、持續和恢復平衡的能力（張明順和李歡歡），一個不太恰當的比喻是“野火燒不盡，春風吹又生”。此後，韌性的概念持續向社會、經濟、工程等不同領域延申和深化。2010年，美國經濟學教授馬修·卡恩（Matthew E. Kahn）在其專著《Climatopolis》中首次將韌性應用到氣候變化領域，提出了“氣候韌性”一詞。目前，氣候韌性暫無明確定義，並且與上文提到的“脆弱性”概念的關係（對立、包含、重疊）也尚不統一。但可以明確的是，脆弱性表示的是易受到或沒有能力應對氣候災害不利影響的程度，而氣候韌性包含“能夠抵抗和吸收氣候災害”、“透過應對措施和自適應從氣候災害中恢復的能力”兩種含義，即“事前抵禦”+“事後恢復”，二者內涵截然不同。
本文參考已有文獻的常用做法並綜合資料可得性，構建了包含5個準則（風險、生態、經濟、社會、基礎設施）共計19個指標的氣候韌性評價指標體系（參見圖表11）。構建方法上，本文選擇熵權法計算評價指標[14]。氣候韌性評價得分介於0~1之間，值越接近1，表示氣候韌性水平越強。
如圖表12所示，2010-2023年，我國氣候韌性逐步增強，特別在2017年以來，氣候韌性水平顯著增大。這說明，我國貫徹的減緩和適應並重策略取得了積極成效，氣候風險的抵禦、適應和恢復能力已有明顯提高。同時，從圖表12中可以明顯看到，我國氣候韌性與自然災害經濟經濟損失佔比的走勢呈現顯著的反向關係，說明氣候韌性的增強有效減緩了極端天氣對我國經濟社會造成的危害。因此，可以初步認為本文的猜想可靠。
2.4 小結
總結來看，我國氣候型別複雜多樣，是全球氣候脆弱地區之一，也是氣候災害影響最嚴重的國家之一。近年來，我國地表年平均氣溫呈顯著上升趨勢，極端高溫、極端強降水事件趨多趨強，極端低溫事件發生頻次雖明顯減少但強度並未減弱甚至極端性更強，颱風登陸的平均強度波動增強，沿海海平面總體呈加速上升趨勢。在我國氣候風險適應能力不斷增強、自然災害防禦能力持續提升的背景之下，自然災害經濟損失程度呈下降趨勢，體現出我國的氣候韌性逐漸加強。
此外，在分析過程中，我們也發現氣候物理風險表現出顯著的行業異質性和區域差異性，故將在下文進行剖析。
三、分行業氣候物理風險初探
3.1 重點行業分析
（1）農業
農業依賴於自然環境的天然屬性，導致農業生產經營活動極易受到氣候變化的影響。一方面，氣候物理風險不僅會降低農作物的產量與品質，也會導致土壤條件變化，影響農業生態環境，另一方面，極端天氣會破壞農業生產基礎設施，增加農業生產的成本與風險。進一步地，氣候物理風險也將透過農業系統進而對經濟的穩定與發展構成挑戰。首先，農民收入損失將使貧困問題更加突出；其次極端天氣擾亂農產品運輸和分銷環節，將造成農作物供應鏈中斷，這將推高農產品價格加劇通貨膨脹；另外，糧食安全問題也可能愈加嚴重，對於糧食進口依賴度高的國家而言，其糧食結構將遭受衝擊。
從氣候物理風險型別來看，農業易受到多種氣候災害的影響，包括極端氣溫、乾旱、颶風、洪水、森林火災等急性物理風險，以及海平面上升、海洋酸化等慢性物理風險。突發性的災害事件將直接導致農作物產量和質量下降，從而造成成本增加和農業損失，長期性的風險透過危害生物多樣性、降低土壤質量加劇鹽水入侵和土壤鹽鹼化，導致產量下降，對農民收入和糧食安全造成負面影響。此外，入侵物種是降低農業系統的恢復能力，造成生物多樣性喪失的最大因素之一。據國家統計局資料顯示，乾旱、洪澇、颱風和地質災害對我國農作物受災面積和絕收面積影響最大。
（2）房地產行業
暴雨洪澇、颶風、森林火災等急性物理風險，以及海平面上升等慢性物理風險，均會對房地產行業構成重大風險。在我國，暴雨洪澇導致房屋損毀的主要元兇，在2021年，暴雨洪澇災害導致我國15.2萬間房屋倒塌，144.6萬間房屋受損。此外，颱風、雪災和低溫冷凍害、大風、冰雹及雷電等極端天氣事件也會導致我國房屋的損毀。
理論上，氣候物理風險會造成房產物理性損害，房產價值貶值。一方面，氣候物理風險會損毀建築物，房產維修和維護成本升高，同時會影響商業建築正常執行，擾亂商業活動，房產價值受損。另一方面，潛在風險和成本的升高將推高保費，或出現保險減少或無保險的可能，房產投資吸引力下降。氣候物理風險影響房地產市場供需關係，房產價格分化嚴重。需求端方面，高氣候物理風險地區的房產需求銳減，購房者心理預期發生變化，抑制房產市場交易活躍度，加劇區域間房產價格分化。供給側方面，土地開發價值因氣候物理風險被重估，開發重心將向低風險地帶轉移，並且開發商會被迫增加防風險設施投入（如最佳化排水系統以防洪澇災害），導致開發成本升高，部分房產專案成本超支延期甚至取消。
對於沿海地區，颱風、海水倒灌、洪水等極端天氣與海平面上升、海岸侵蝕等長期風險並存將嚴重威脅房地產行業的發展。Climate Central的一項研究表明[15]，到2050年，全球目前3億人居住的土地每年都將遭受海平面上升造成的沿海洪水的侵襲，包含中國在內的六個亞洲國家（中國、孟加拉國、印度、越南、印度尼西亞和泰國）目前居住的2.37億人的地區可能每年受到沿海洪災的威脅。許多高價值房產（如海景房）位於地理位置優越的沿海地區，但這些地區也越來越面臨著颱風、沿海洪水、海平面上升等災害的威脅。美國抵押貸款銀行家協會（Mortgage Bankers Association）的研究表明[16]，到2050年，美國價值660億-1600億美元的房地產將因海平面上升而受損，到2100年將增加為2380億-5070 億美元。
（3）發電行業
發電行業對多種氣候物理風險敏感，包括氣溫升高、海平面上升等慢性物理風險，以及乾旱、颶風、冰雹、暴雪、洪水、森林火災等急性物理風險。其中，乾旱主要影響水力發電行業；颶風、冰雹、暴雪、洪水、森林火災均會透過破壞電力基礎設施或影響原材料供應，降低發電效率、增加企業運營成本，並且輸電線等裝置會引發森林火災，發電企業也對此負有責任；海平面上升主要影響沿海地區的發電廠，威脅電力和冷卻系統等基礎設施，增加企業維護維修成本；氣溫升高則會導致發電廠執行能力下降，對能源需求的提高也會給發電廠帶來額外壓力。
我國光伏產業引領全球多年，極端天氣給光伏產業帶來的風險愈加嚴峻，強風、暴雪、冰雹對光伏電站破壞力最強的氣候災害。據可再生能源保險公司GCube Insurance的資料顯示，2018-2023年其承保的40個國家、總裝機超100吉瓦的清潔能源發電專案中，氣候相關理賠案件激增280%，其中冰雹災害以54%的索賠佔比高居首位，強風、暴雪分別以23%、15%緊隨其後[17]。強風主要破壞光伏電站的外圍、邊緣，冰雹則會造成全電站元件及其他系統部件全範圍的破壞，暴雪主要透過形成積雪導致元件坍塌或支架變形[18]。如今，在氣候物理風險發生頻率和強度顯著增加的情況下，光伏產業所面臨的潛在氣候風險也愈發嚴峻，值得引起市場重視。
3.2 趨勢分析
長遠來看，公用事業、能源、房地產、材料、金融等行業可能受氣候物理風險衝擊較大。2021年，標普全球（S&P Global）旗下公司Trucost針對近15000家上市企業採用情景分析法（IPCC RCP4.5情景）評估其2050年所面臨的氣候物理風險敞口，結果顯示[19]公用事業、材料、能源、房地產、可選消費品行業的氣候物理風險敞口最大。2023年，MSCI釋出《極端高溫將如何影響中國企業》報告[20]，研究顯示在全球升溫1.5℃（NGFS 有序轉型情景）的情景下，中國的能源、公用事業、材料行業將面臨較高的平均潛在損失，而在更為極端的全球升溫5℃情景（IPCC SSP5-8.5情景）下，公用事業、能源、電信服務和金融行業對極端高溫將更加敏感；此外，在MSCI構建的虛擬投資組合中，極端高溫造成的損失佔所有氣候物理風險造成的總體潛在損失的49%，僅次於沿海洪水。
四、氣候物理風險指數的構建與分析
4.1 構建思路
氣候變暖導致各類極端天氣頻發，同時極端天氣之間也存在“多米諾骨牌”式的連鎖反應。氣候變暖最直觀的表現是極端高溫事件加劇。從區域層面來講，短期極端高溫可能會演化為持續的熱浪災害；持續高溫會加速土壤水分蒸發、湖泊河流水位下降，誘發旱災；高溫乾燥環境易引發森林火災導致山火發生。從全球層面來講，大氣環流異常為全球高溫推波助瀾（如厄爾尼諾、拉尼娜是大氣環流異常的表現），加速冰川消融，海平面上升。在氣候變暖背景下，雖然極端低溫事件發生頻次減少，但強度和極端性甚至更強。極端低溫事件易誘發極端降雪、凍雨、寒潮、冰凍等災害的發生。極端強降水的致災性強，常伴隨一連串次生災害，包括山洪、城市內澇、流域性洪水等洪澇災害，以及山體滑坡、泥石流等地質災害。
可見，極端高溫、極端低溫、極端強降水存在明顯的災害傳導鏈條，故本文選在這三種極端天氣建立氣候物理風險指數，具體方法見下文。
4.2 構建方法
本文選擇極端低溫、極端高溫、極端強降水三種極端天氣建立氣候物理風險指數。構建方法上，本文參考Guo等（2024）[21]研究，採用相對閾值法構建氣候物理風險指數，具體構建方式如下：
第一步，資料清洗。基礎氣象資料來源於美國國家海洋和大氣管理局NOAA（the National Oceanic and Atmospheric Administration）的1973-2024年日度氣象資料，指標包括日均氣溫、日降水量等。本文將資料空缺嚴重的氣象基站予以剔除，並刨除日降水量或日均氣溫為空的資料。清洗後的最終資料集覆蓋31個省級地區、234個地級地區[22]、366個氣象基站，資料條數約664萬。
第二步，定義極端天氣。根據世界氣象組織提出的“以歷史上最近30年的樣本平均值作為相應氣候要素常年值的參考點”，本文選定1973-2002年作為氣候基準期，從而計算2003-2024年的氣候物理風險指標。基於1973-2002年的歷史觀測資訊，將一基站日均氣溫、日降水量進行排序，提取日均氣溫的第5%分位數T5i作為該基站的極端低溫閾值，日均氣溫的第95%分位數T95i作為該基站極端高溫閾值，日降水量的95%分位數R95i作為該基站極端強降雨的閾值。
第三步，計算極端天氣天數。基於2003-2024年的觀測資料，計算出現極端天氣的天數。定義某年份某基站的極端低溫天數為LTDi,year，極端高溫天數為HTDi,year，極端強降水天數為HRDi,year計算公式如下：
其中，Ti,year,day代表i基站在某日均氣溫，Ri,year,day表示i基站在某日降水量。
第四步，計算不同地區每一年的極端天氣平均天數。根據氣象基站的地理位置資訊，將其對映到對應地區（全國、省級地區、地級地區層面），從而計算某地區某年份的極端低溫平均天數LTDregion,year、極端高溫平均天數HTDregion,year、極端降水平均天數HRDregion,year。
其中，N表示該地區的氣象基站總數量，LTDregion,year、HTDregion,year、HRDregion,year分別表示為該地區所有基站極端低溫天數、極端高溫天數、極端降水天數的算術平均值。
第五步，標準化每種極端天氣指數。由於三種極端天氣測量方法的性質不同，因而不能直接比較，所以本文進行Min-Max標準化處理：
最後，計算氣候物理風險指數（CPRI)。某地區在某年的氣候物理風險指數透過三種極端天氣一般指數的加權求和得到，具體方式如下：
綜上，本文基於極端低溫、極端高溫、極端強降水三類極端天氣的出現頻次為基礎構造了氣候物理風險指數。理論上，氣候物理風險指數的取值範圍為[1,100]。氣候物理風險指數的值越高，表明該地區的氣候物理風險水平越高，也就意味著該地區極端天氣的發生頻率越高。
4.3 結果分析
4.3.1 全國層面
從全國層面來看，2003年以來，我國氣候物理風險指數呈現波動升高趨勢。具體而言，2003-2024年全國氣候物理風險指數波動式上升，2024年達至新高點。分析極端低溫、極端高溫、極端強降水三類極端天氣的貢獻度可以發現，極端高溫天氣對於氣候物理風險指數的貢獻程度較大，這也說明氣候物理風險指數升高的主要原因是由於極端高溫天氣出現的頻次的明顯升高。
4.3.2 省級地區層面
從省級地區層面來看，近年來華東、中南和西南地區的物理風險水平偏高，東北地區較低。由圖表22可以看到，各省級地區氣候物理風險指數增長趨勢明顯，近年來，華東的上海、江蘇、浙江、安徽、福建、江西、山東，中南部的河南、湖北、湖南、海南，以及西南部的重慶、四川、貴州的氣候物理風險指數偏高。2024年氣候物理風險指數結果顯示，近半數省級地區的氣候物理風險指數達新高或次高。其中，江蘇、浙江高於往年平均值程度最大，其次為上海、重慶、湖北、安徽，原因在於這些地區極端高溫天氣、極端強降雨天氣發生頻次的升高。
4.3.3 主要城市層面
從主要城市層面來看，由圖表23可以看到，三亞、廣州的氣候物理風險指數長期處於較高水平，烏魯木齊、成都、南寧、瀋陽和天津則長年保持較低水準。近年來，中南部的武漢、鄭州、長沙，東部的南京、合肥、上海、南昌、福州，西南部的貴陽、重慶，西北部的銀川、拉薩，華北的太原和石家莊等城市的氣候物理風險指數偏高。2024年物理風險指數結果顯示，武漢和鄭州高於往年平均值程度最大，其次為南京、太原和貴陽，再次為重慶、廣州、南昌、福州、合肥和上海。
4.4 有效性檢驗
為檢驗本文構建的氣候物理風險指數的合理性，本文選擇自然災害直接經濟損失、財產險賠付金額兩個指標進行檢驗。
首先進行相關性分析。計算得到全國氣候物理風險指數與自然災害經濟損失、財產險賠付金額的相關係數分別為0.45和0.46，表明氣候物理風險指數與兩個指標存在一定相關性。從圖表24展示的全國氣候物理風險指數與自然災害經濟損失、財產險賠付金額變化趨勢，也可以發現氣候物理風險指數與兩個指標走勢具有一定一致性。
其次，本文借鑑孫文凱等（2020）的做法，基於全國層面和省級地區層面，以自然災害直接經濟損失、財產險賠付金額為被解釋變數，以氣候物理風險指數為解釋變數構建迴歸模型，圖表25展示了迴歸結果。結果顯示，無論是全國層面還是省級地區層面，氣候物理風險指數與自然災害直接經濟損失、財產險賠付額均呈現顯著的正相關關係，且迴歸結果均在5%的顯著水平上顯著。
綜合以上結果，可認為本文構建的氣候物理風險指數具有一定合理性。
4.5 侷限性
本文采用相對於閾值法基於極端低溫、極端高溫、極端強降水三類極端天氣事件構建氣候物理風險指數。但我國各地區氣候條件差異大，經濟發展與風險抵禦能力也大不相同，因此本文構造的氣候物理風險指數也存在一定侷限性：
1、更廣泛的極端天氣事件和災害損失因素有待納入。當前氣候物理風險指數中僅包含極端氣溫和極端強降水，乾旱、颱風等其他更廣泛的極端天氣尚未包含在內，主要原因是這些極端天氣的界定難度較大。例如，《中國氣象災害年鑑》定義乾旱為“一個省（自治區、直轄市）或約5萬平方千米以上的某一區域，發生持續時間20天以上，並造成農業受災面積10萬公頃以上，或造成10萬以上人口生活、生產用水困難”，該界定較難體現在指數構建中。同時，災害損失因素作為直觀反映物理風險損失程度的指標，也應包含在物理風險指數當中。故在日後研究中，將嘗試將更廣泛的極端天氣和災害損失因素引入，或就單類極端天氣進行針對性研究。
2、尚未考慮到地區氣候變化減緩和適應能力。一個地區是由自然、社會、經濟、文化等多成分交織構成的複雜系統，所以不同地區對於氣候風險的適應、抵禦、減緩能力以及災後恢復能力存在顯著差別。從本研究結果來看，華東地區的氣候物理風險指數偏高，如浙江、江蘇等地。以浙江省為例，該省經濟實力強、基礎設施完善、公共服務水平高，近年來堅持減緩與適應氣候變化並重的原則，推進各領域氣候變化應對行動，如持續推進海綿城市建設、實現氣象防災減災標準化鄉鎮全覆蓋，氣候變化適應能力日益增強，抗風險能力高。因此，浙江省雖然面臨較高的潛在氣候物理風險，但因其氣候韌性強，氣候災害對其造成的實質損失不一定更高。所以，將地區氣候適應能力、氣候減緩能力納入氣候物理風險指數之中，也是今後研究的又一最佳化方向。
參考文獻
[1]ECB. 2022 Climate Risk Stress Test[R].2022.
[2]Furukawa K, Ichiue H, Shiraki N. How Does Climate Change Interact with the Financial System?: A Survey[M]. Tokyo: Bank of Japan, 2020.
[3]Guo K, Ji Q, Zhang D. A dataset to measure global climate physical risk[J]. Data in Brief, 2024, 54: 110502.
[4]Joerin J, Shaw R, Takeuchi Y, et al. The adoption of a climate disaster resilience index in Chennai, India[J]. Disasters, 2014, 38(3): 540-561.
[5]NGFS. Acute physical impacts from climate change and monetary policy[R].2024.
[6]NGFS. Guide to Climate Scenario Analysis for Central Banks and Supervisors[R].2020.
[7]Nguyen J H, Phan H V. Carbon risk and corporate capital structure[J]. Journal of Corporate Finance, 2020, 64: 101713.
[8]Sheng Y, Xu X. The productivity impact of climate change: Evidence from Australia's Millennium drought[J]. Economic Modelling, 2019, 76: 182-191.
[9]Summers J K, Harwell L C, Buck K D, et al. Development of a Climate Resilience Screening Index (CRSI): An assessment of resilience to acute meteorological events and selected natural hazards[J]. Washington, DC: US Environmental Protection Agency, 2017.
[10]Zanin L, Calabrese R, Thorburn C I. Climate stress testing for mortgage default probability[J]. International Review of Financial Analysis, 2024, 95: 103497.
[11]李子晗,李紅坤.氣候變化對保險業的風險衝擊效應:理論分析與實證檢驗[J].保險研究,2024,(07):18-35.
[12]孟延春,郭紅星,王喆.中國氣候韌性城市的空間格局與治理路徑探索[J].城市發展研究,2025,32(03):9-17.
[13]孫文凱,趙忠,單爽,等.中國勞動力市場化指數構建與檢驗[J].經濟學(季刊),2020,19(04):1515-1536.
[14]王文蔚.氣候衝擊下金融風險的研究進展和展望——基於物理風險和轉型風險視角[J].金融經濟,2024,(04):34-51.
[15]王文蔚.氣候衝擊與企業違約風險：基於物理風險的視角[J].世界經濟,2025,48(03):90-110.
[16]王信.綠色金融發展和氣候風險管理[J].金融經濟,2021,(07):3-9.
[17]張明順,李歡歡.氣候變化背景下城市韌性評估研究進展[J].生態經濟,2018,34(10):154-161.
[18]鄭豔,翟建青,武佔雲,等.基於適應性週期的韌性城市分類評價——以我國海綿城市與氣候適應型城市試點為例[J].中國人口·資源與環境,2018,28(03):31-3.
注：
[1]資料來源：鄭州商品交易所氣溫指數官網，https://czce.data.cma.cn/#/
[2]資料來源：Climate Risk Index 2025，Germanwatch官網，https://www.germanwatch.org/en/cri
[3]資料來源：我國氣候的主要特徵是什麼？中國氣象局官網[EB/OL]，2020/11/5[2025/4/21]，https://www.cma.gov.cn/2011xzt/2012zhuant/20120302/2012030205/201203020501/201103/t20110314_3096052.html
[4]資料來源：我國的乾旱特點和防禦，中國氣象局官網[EB/OL]，2010/2/26[2025/4/21]，https://www.cma.gov.cn/2011xzt/2012zhuant/20120302/2012030207/201203020701/20120302070101/202111/t20211105_4208263.html
[5]一般將日最高氣溫達到或超過35℃成為高溫，連續3天以上的高恩天氣過程稱之為高溫熱浪。
[6]熱帶氣旋為生成與熱帶或副熱帶洋麵上，具有組織的對流和確定的氣旋性環流的非鋒面性渦旋的統稱，分為熱帶低壓、熱帶風暴、強熱帶風暴、颱風、強颱風、超強颱風六個等級。
[7]囿於資料可得性，本文對於省級地區的分析不包括中國香港、中國澳門和中國臺灣地區。
[8]年降水量距平百分比為當年與多年平均降水量之差除以多年平均降水量的百分比。
[9]資料來源：全球變暖 寒潮極端性更強， 中國氣象局[EB/OL]，2022/12/23[2025/4/23]，https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202212/t20221223_5232066.html
[10]資料來源：我國極端高溫事件呈顯著增加趨勢，新華網[EB/OL]，2024/7/4[2025/4/23]，https://www.news.cn/politics/20240704/450656b75cfd4a289a08ed6d72604f88/c.html
[11]資料來源：國家氣候中心主任巢清塵：氣候變暖加劇氣候系統的不穩定 極端天氣氣候事件多發頻發，中國氣象局[EB/OL]， 2024/7/3[2025/4/23]，https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202407/t20240703_6396502.html
[12]資料來源：央廣網：中國氣象局釋出《中國氣候變化藍皮書（2024）》，中國氣象局[EB/OL]， 2024/7/4[2025/4/23]，https://www.cma.gov.cn/2011xwzx/2011xmtjj/202407/t20240704_6399979.html
[13]直接經濟損失表示受災體遭受自然災害後，自身價值降低或喪失所造成的損失，直接經濟損失的基本計算方法是受災體損毀前的實際價值與損毀率的乘積。
[14]熵權法一種基於資訊理論的客觀賦權法，透過計算資訊熵值確定各子指標的權重，從而採用加權平均得到最終的氣候韌性評價指標。
[15]資料來源：Study triples global estimates of population threatened by sea level rise，Climate Central[EB/OL]，2019/10/29[2025/4/21]，https://www.climatecentral.org/press-release-flooded-future
[16]資料來源：Mortgage Bankers Association. The Impact of Climate Change on Housing and Housing Finance. 2021.
[17]資料來源：極端氣候下，光伏“韌性”在哪？，人民網[EB/OL]，202
[18]資料來源：硬核抵禦冰雹、強風、暴雪，天合光能釋出極端氣候解決方案，守護百吉瓦電站資產，華夏能源網[EB/OL]，2025/3/27[2025/4/21]，https://hxny.com/nd-113944-0-11.html
[19]資料來源：Utilities face greatest threat as climate risks intensify，S&P Global[EB/OL]，2021/9/20[2025/4/21], https://www.spglobal.com/market-intelligence/en/news-insights/articles/2021/9/utilities-face-greatest-threat-as-climate-risks-intensify-66613890
[20]資料來源：How Extreme Temperatures May Affect Chinese Companies，MSCI[EB/OL], 2023/5/3[2025/4/21]，https://www.msci.com/www/blog-posts/how-extreme-temperatures-may/03802864913
[21]資料來源：Guo, K., Ji, Q., & Zhang, D. (2024). A dataset to measure global climate physical risk. Data in Brief, 54, 110502.
[22]地級地區包括地級市、自治州、盟等。
★
點選圖片購買 “興業研究系列叢書”
★