中国的快速发展致使其经济和人口遭受极端灾害的风险正逐步上升，同时气候变化影响也可能进一步加剧这种情况的发生。当前，关于中国极端灾害下引发区域社会经济影响的研究几乎没有，尤其对于未来气候条件下的研究。本文通过建立不确定性模型，旨在实证分析中国极端灾害潜在影响，并预测气候变化情况下各省份的社会经济风险。本文根据各省情况的不均衡性，分析了未来几十年内中国对于气候变化引发极端灾害的社会经济风险。通过分层贝叶斯方法，验认了社会经济损害与其决定因素之间的关系，并用此预测了未来的损害，以及特定气候和发展情景下的相关不确定性范围。通过对风险暴露变化的预测，本文发现中国的西南、中部地区以及海南岛存在受灾人口比例较高的风险，同时西南、中部的大部分地区还可能有较高经济损失的风险。最后，本文发现收入的增加可极大降低受灾人口数量。

气候变化会导致一些重大的社会影响，同时也是一项全球性的挑战。从政策制定角度来看，往往更关注于温室气体（GHGs）浓度变化产生的潜在危害评估方面。而极端灾害引发的区域性损害对于计算GHG排放成本至关重要，尤其对于较易受害的发展中国家。更为重要的是，未来损害的不确定性是调整方案降低风险的关键因素，因此需格外加以重视。本文通过应用一套有效量化不确定性的统计模型，给出了中国极端灾害下引发区域社会经济影响的实证分析。

中国曾在气候灾害中遭受过重大损失。例如，在1990-2012年间洪水引发的年平均直接损失为1303亿元人民币/年（当前价格）。1991-2012年间，因干旱每年平均约有2730万人无法获得饮用水。随着温度上升，中国可能会面临遭受不良后果的更高风险。这些影响会因地区间自然和社会因素的不同而产生差异。因此，对在中国极端灾害下引发未来损害的评估正逐步引起政府的关注。

对于灾害损失的建模通常有两种方式：过程模型及统计模型。在实际应用中，过程模型往往需依赖大量高分辨率的气候、地理及社会经济数据集来描述复杂的自然过程。然而在一些数据集获取受限的区域，应用该方法可能会存在挑战，难以考虑模型的不确定性。相比而言，统计方法对数据强度的要求较低，并且易于分析各类不同地理分布的情况。此外，它还提供了一种正常途径下评估模型不确定性的好方法。对于产生影响的那些重要统计决定因素的调查，可有助于解释极端灾害下的易受害性并推动相关政策的制定。

由气候灾害引发的社会经济损失，通常指的是对人类及经济造成的不良影响，取决于各类情况。极端灾害的物理特性直接与各灾害类型相关。社会经济发展也可能会产生巨大的作用。财富及人口数量的增长加快了社会经济风险的暴露程度，因而增加了潜在的损失。同时，经济的发展也加强了应对能力，因而有助于减少灾害。有证据显示高收入地区通常更有可能具备较强的应对能力来处理极端灾害。

建立社会经济损害与相关影响因素的关系对于评估未来潜在成本至关重要。然而，这种结构关系下的不确定性在早前灾害评估的传统回归方法研究中并未正式考虑过。一种分层贝叶斯方法通过部分汇集不同地区的公共信息并在考虑其差异的基础上，帮助量化模型及参数的不确定性，并提出一种减少不确定性的途径。该方法已在某些领域被用于构建灵活的统计关系。对于气候变化影响分析，分层的贝叶斯模型可有助于提供潜在损害的合理范围。

当前，关于中国极端灾害下引发区域社会经济影响的研究几乎没有，尤其对于未来气候条件下。因此，对于长期预测模型及参数不确定性的阐述很有必要。本文通过对不确定性建模，旨在实证分析中国极端灾害潜在影响，并预测气候变化情况下各省的社会经济风险。为此，开发了一套中国省级规模的分层贝叶斯模型以判别社会经济损害与其决定因素间的相互关系。当阐述地区与国家的社会经济风险时，本文也考虑了未来极端灾害的不确定性。