引子

2023年7月，一场极端暴雨袭击了北方城市。气象部门的事后分析显示，该市某自动气象站在当日下午两到三小时内记录到了突破历史极值的小时雨强。但同一次降水过程，在周边几个站点却只记录到了“大雨”级别的日降水量。如果只查看日尺度数据，这场暴雨可能只是一个“降雨偏多”的日子；如果查看小时尺度数据，它才显现为一场极端事件。

同一个天气过程，在不同分辨率的数据中呈现出完全不同的面貌。日尺度上它是一个普通的日子，小时尺度上它是一场极端事件。分辨率的选择，不仅影响“事件被识别为多强”，还影响“事件是否被识别为事件”。这个发现触发了讨论：是否应该将暴雨预警的尺度从“日”细化到“小时”？是否应该进一步细化到分钟？这些追问看似合理，但在构造学论看来，它们偏离了更根本的问题：精细化的目的不是“更细”——而是“更对齐”。 如果一个系统已经能够捕捉暴露窗口与脆弱性窗口的重叠时刻，那么进一步细化不会增加有效信息。如果系统尚未对齐，即便细化到秒，也仍然可能遗漏关键的暴露时刻。

构造学论要追问的是：当“致灾危险性”的定义停留在较大尺度上，而“承灾暴露度与脆弱性”发生在更小尺度上时，如何被更细的观测精度揭示出来？这种揭示如何改变我们对极端天气气候致灾危险性评估与承灾暴露度管理的理解？两个尺度之间的错位会产生什么结构后果？精细化的真实边界在哪里？是不是由数据分辨率决定的，还是由系统响应能力和脆弱性窗口决定的。当观测尺度已经能够识别暴露窗口与脆弱性窗口的时序重叠时，再进一步细化就进入了收益递减区间。在精细化之前，应该先问：这个尺度是否已经足够识别有效的重叠窗口？

一、精细化的目的：识别有效重叠，而不是无限细分

精细化的初衷是减少“漏读”。当致灾危险性的分类尺度比承灾体的暴露窗口更粗时，一些危险的暴露时段可能被统计平滑掉。细化尺度可以揭示这些被掩盖的细节，这是精细化的价值。

但精细化的价值不是无限的。当一个事件已经被识别为“该时段需要防护”时，进一步了解它在分钟尺度上的精确分布，不会改变防护决策。防护行动需要响应时间，如通知发布、人员转移、设备启停，这些操作本身需要数分钟到数十分钟。因此，分钟尺度的降水波动虽然可读，但与防护系统的响应窗口并不对齐。细化到超越响应能力的分辨率，不会增加新的可操作信息。

精细化的真实目标是：识别暴露窗口与脆弱性窗口在时序上的重叠区间。 一旦这个重叠区间被识别，防护措施就可以在该区间内配置。如果尺度已经能够覆盖大多数重叠区间，进一步细化就会进入边际收益递减的区域。

二、脆弱性窗口作为精细化的参照系

承灾体不是对所有降水暴露同等敏感。承灾体负荷累积需要一定的时间长度才能达到灾害阈值；基础设施的受损需要持续的致损累积才能导致功能失效。因此，暴露窗口必须持续到与脆弱性窗口重叠一定时长，才能产生实质性影响。

脆弱性窗口决定了什么尺度的暴露是可读的、什么尺度的暴露是可忽略的。如果脆弱性窗口的持续时长是小时级，那么分钟级的致灾要素波动就无法造成显著影响；如果脆弱性窗口的持续时长是天级，那么小时级的暴露就可能已被日平均所覆盖。精细化的尺度应当与脆弱性窗口的持续时长对齐，而不是无限缩小。

在洪涝风险中，承灾体应激的响应窗口通常是几小时。因此，小时尺度的观测已经能够覆盖大多数需要防护的窗口期。分钟尺度的数据虽然可以读取，但它并不与防护决策的响应时间对齐——当系统需要数十分钟来启动防护时，分钟尺度的波动无法被有效利用。

精细化的标准不是“尽可能细”，而是“细到能够捕捉暴露窗口与脆弱性窗口的有效重叠”。当暴露事件能够在防护系统启动前被识别并触发响应时，尺度的选择就是恰当的，预警的分类边界应尽可能与承灾体的脆弱性窗口对齐。如果暴露事件频繁在分类边界之外发生，则说明当前分类尺度与暴露窗口之间的偏移已经超出了可接受范围，需要调整分类边界的设定方式。调整的依据是暴露窗口与脆弱性窗口之间的时间对齐程度，而不是某个预设的阈值。

三、精细化的收益递减与潜在风险

精细化也存在边际收益递减。当观测尺度已经能够覆盖暴露窗口与脆弱性窗口的重叠区间时，进一步缩小尺度可能会产生以下情况：

信息冗余： 更细的尺度提供的数据量大幅增加，但可操作的新信息几乎没有增加。防护决策仍然基于小时尺度的事件识别，分钟尺度的波动不会改变决策内容。系统需要处理的数据量增加，但输出决策的效率和精度并未相应提升。数据层增量与决策层不变之间的差距，是精细化收益递减的直接信号。

误报率上升： 更细的尺度可能捕捉到瞬时的变量（如降水量）尖峰，但那些尖峰没有持续到足以影响脆弱性的时长。如果系统以这些尖峰触发预警，误报率就会上升，从而降低预警的可信度和响应意愿。

系统复杂性增加： 更细的尺度需要更频繁的数据处理、更复杂的算法和更快的响应机制。当复杂性增加到超出维护能力时，系统反而可能变得不稳定。精细化的收益需要大于其带来的额外负担，才能证明其合理性。

四、构造学论的边界性：不是“多细”，而是“是否对齐”

构造学论的边界性关注的是系统的分类尺度与承灾体的响应尺度是否对齐。 对齐意味着，当暴露窗口打开时，分类系统能够识别它，并在防护系统能够响应的时长内触发相应动作。如果尺度太粗，暴露窗口可能被遗漏；如果尺度太细，分类系统可能在响应完成之前就已经收到了新的信号，导致它无法确认当前暴露是否已经持续到需要采取行动的程度。

对齐的判断标准是暴露窗口的持续时长与脆弱性窗口的持续时长之间的重叠程度，以及分类系统的输出是否能够在防护系统启动之前到达。如果暴露窗口的识别能够在防护系统需要响应之前完成，且识别的事件覆盖了大多数有效重叠区间，那么系统的尺度就是对齐的。

构造学论的边界性不是关于“什么是最优尺度”的固定答案，它是关于“在当前系统条件下，什么尺度能够使暴露识别与防护响应对齐”的动态判断。边界会随着防护系统响应能力的提升、观测技术的改进和暴露模式的变化而移动。

五、构造学论的立场：边界是动态校准的，不是一次确定的

精细化的真实边界，不在数据极限处，而在脆弱性窗口与防护响应时间的交汇处。观测尺度不需要无限接近物理极限，而是需要接近与系统决策对齐所需的程度。

如果一个系统已经在当前尺度下有效覆盖了大多数暴露窗口与脆弱性窗口的重叠区间，那么进一步细化就是多余的操作，可能引入更高的复杂度和潜在的不稳定性。如果系统在当前尺度下频繁遗漏重叠区间，则需要检查分类边界是否与暴露窗口的分布对齐，而不是假定更细的尺度就是答案。

边界不是固定的，它需要随着系统的运行状态和防护能力的提升而持续校准。当防护响应时间缩短、脆弱性窗口变化或暴露模式偏移时，尺度的边界也需要相应调整。构造学论的核心操作，不是确定一个最优尺度，而是持续确认当前使用的分类边界是否仍然与暴露窗口的分布对齐。

结语：尺度的对齐胜过尺度的无限细化

用于极端天气气候灾害事件识别的数据，需要分辨率，但更需要的是与事件特征和决策需求对齐的分辨率，而不是无限细分的精度。那个降水数据告诉我们，日尺度与小时尺度的对齐存在偏移。但这个数据并不告诉我们小时尺度就是终点。如果防护系统能够在小时尺度上识别暴露窗口并触发响应，那么小时尺度就已经足够。如果防护系统在小时尺度上仍然无法覆盖某些重叠窗口，那么可能需要进一步调整分类边界，或者调整防护系统的响应窗口。

精细化的真实边界，不在观测精度上，而在脆弱性窗口与防护响应时间的交汇点上。构造学论的任务是持续确认分类边界与暴露窗口是否对齐，并在不对齐时调整，而不是无限追求更细的尺度。

支持单位：