文彥君

(寶雞文理學(xué)院災(zāi)害監(jiān)測與機理模擬陜西省重點實驗室，陜西寶雞721013)

自然災(zāi)害是人類社會不能適應(yīng)或者調(diào)整極端、突然的環(huán)境變化的產(chǎn)物，是由致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體共同作用的結(jié)果［1－3］。自然災(zāi)害的成因機制、發(fā)生發(fā)展規(guī)律及時空分布規(guī)律等基本問題經(jīng)過長期的研究，已經(jīng)取得了長足的進步［4－5］。1990年代以來，“減輕災(zāi)害風(fēng)險”已經(jīng)成為災(zāi)害研究領(lǐng)域的主流觀念，“國際戰(zhàn)略減災(zāi)計劃(ISDR)”、“國科聯(lián)綜合風(fēng)險研究計劃(ICSUIRDR)”及“全球變化人文因素計劃之綜合風(fēng)險防范科學(xué)計劃(IHDP-IRG)”等的實施，表明災(zāi)害形成過程中的社會人文因素越來越受到重視［6－7］。而承災(zāi)體—人類社會的易損性逐漸成為災(zāi)害研究及減災(zāi)戰(zhàn)略中的重要主題。國內(nèi)外學(xué)者對易損性的研究已經(jīng)取得一定進展，英國布拉福特大學(xué)的地理學(xué)者Westgate和O'Keefe領(lǐng)導(dǎo)的災(zāi)害研究中心最早認識到了易損性的重要性，并著力開展了災(zāi)害易損性研究。Pelanda指出“災(zāi)害是社會易損性的實現(xiàn)”，“災(zāi)害是一種或多種致災(zāi)因子對易損性人口、建筑物、經(jīng)濟財產(chǎn)或敏感性環(huán)境打擊的結(jié)果”。Kenneth Hewitt編輯出版了題為“從人類生態(tài)學(xué)看:災(zāi)難的解釋”的論文集，建立了災(zāi)害易損性分析的基本方法。1990年代，Susan L.Cutter等以國家社會經(jīng)濟和人口統(tǒng)計數(shù)據(jù)為基礎(chǔ)建立了自然災(zāi)害社會易損性指數(shù)。目前，災(zāi)害易損性研究的焦點主要集中于易損性的統(tǒng)一概念、評價指標(biāo)體系、評價模型和評價方法等方面，進一步的研究將有助于降低人類社會面臨自然災(zāi)害的風(fēng)險和減輕災(zāi)害損失［1，5，8－9］。

1 區(qū)域環(huán)境背景分析

陜西省位于105°29'～111°15'E和31°42'～39°35'N之間，全省設(shè)西安、銅川、寶雞、咸陽、渭南、漢中、延安、榆林、安康、商洛10個省轄市和楊陵農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)，全省面積為20.58萬km2。2010年末全省總?cè)丝跒? 873萬人，而其中農(nóng)業(yè)人口為2 552萬人，占總?cè)丝诘?5.9%。2010年末全省國內(nèi)生產(chǎn)總值(GDP)為10 123.48億元，在全國31個省、市、自治區(qū)中排名為第17名，人均GDP為27 133元，社會、經(jīng)濟發(fā)展的各項指標(biāo)都遠遠落后于中東部各個省市地區(qū)［10］。陜西省地處青藏高原東北側(cè)，呈南北向帶狀，以北山和秦嶺山脈為界，北部為干旱和半干旱的黃土高原，中部為濕潤和半濕潤的關(guān)中盆地，南部為濕潤的秦巴山地。由于特定的地理環(huán)境和西風(fēng)帶環(huán)流的共同作用，使得該地區(qū)成為中國各類自然災(zāi)害頻繁發(fā)生的地區(qū)之一。氣象災(zāi)害、洪水災(zāi)害、地震災(zāi)害、地質(zhì)災(zāi)害、森林火災(zāi)等均時常發(fā)生，而且給人民和社會造成了慘重的人員傷亡和經(jīng)濟損失［11－13］。由于經(jīng)濟社會發(fā)展相對落后，社會承災(zāi)能力較弱，頻繁發(fā)生的各類自然災(zāi)害嚴重制約了陜西省經(jīng)濟社會可持續(xù)發(fā)展。

2 陜西省自然災(zāi)害社會易損性分析

2.1 自然災(zāi)害社會易損性的內(nèi)涵和易損性指標(biāo)

從廣義來看，易損性是指事物容易受到傷害或損傷的程度，主要反映人類社會對自然災(zāi)害風(fēng)險的承受能力［4－5，8－9，14］。從社會學(xué)方面看，易損性是人類及其社會結(jié)構(gòu)的薄弱環(huán)節(jié)的體現(xiàn)，所以人們可以從社會分異或社會系統(tǒng)組成的不利條件作為切入點來識別社會的易損性。社會易損性就是反映人類社會在自然災(zāi)害條件下的潛在損失，它涉及到人們的生命財產(chǎn)、健康狀況、生存條件以及社會物質(zhì)財富、社會生產(chǎn)能力、社會結(jié)構(gòu)和秩序、資源和生態(tài)環(huán)境等方面的損失。這種損失既是社會個體的損失，也是社會整體的損失，它是自然過程和社會過程的相互作用的結(jié)果［8］。近年來，國際社會科學(xué)界在認識影響社會易損性主要因素問題上，逐漸取得了共識，認為下列因素是決定社會易損性的主要組成:資源、信息、知識和技術(shù)的缺乏，政治權(quán)力和代表性的有限性，社會資本的不足，信仰和生活習(xí)慣，住房狀況，易損的和行動不便的人群，基礎(chǔ)設(shè)施和生命線的類型和密度等［4－5，8］。

社會易損性的問題涉及到區(qū)域人口、社會結(jié)構(gòu)和社會文化等方面的問題，是一個復(fù)雜的多種因素相互影響的整體。參考已有的研究成果，并結(jié)合地理學(xué)家Cutter以縣為單元構(gòu)建的美國社會易損性的評價指標(biāo)體系［9，15－17］，本文以《陜西省統(tǒng)計年鑒(2011)》［10］、《中國民政統(tǒng)計年鑒(2011)》［18］資料為基礎(chǔ)，選取農(nóng)業(yè)人口比例、女性人口比重、產(chǎn)值密度、人均社會保障補助支出、衛(wèi)生機構(gòu)床位數(shù)密度、城鎮(zhèn)社區(qū)服務(wù)設(shè)施率、建筑密度、人口密度、公路密度、最低生活保障人數(shù)比重這10個指標(biāo)對陜西省的社會易損性進行評價。

2．2 自然災(zāi)害社會易損性分析

主成分分析法(Principal Component，PC)是把原來多個變量化為少數(shù)幾個綜合指標(biāo)的一種統(tǒng)計分析方法，是多元統(tǒng)計分析技術(shù)中應(yīng)用廣泛的一種方法。該方法將原始多個變量線性組合為少數(shù)幾個彼此獨立，但包含原始多個變量絕大部分信息的新的綜合變量，即主成分，從而既可實現(xiàn)對原始多變量反映信息的概括和簡化，同時又能更集中、更典型地揭示研究對象的總體特征［15，19－20］。

主成分表達式為:

式中:x1，x2，…，xp為原變量，p為原變量個數(shù);yi(i=1，2，…，m)為主成分，m為選定的主成分個數(shù)，且m≤p;li1，li2，…，lip為線性組合系數(shù)。

其基本原理是通過原變量的協(xié)方差矩陣或相關(guān)系數(shù)矩陣的特征值(λi)及其對應(yīng)的特征向量來確定各個主成分。其中，第1主成分y1的方差最大，且方差值為原變量協(xié)方差陣或相關(guān)系數(shù)陣的最大特征值λ1，第2主成分y2的方差次大，方差值等于次大特征值λ2，等等;而式(1)中的組合系數(shù)li1，li2，…，lip就是這些特征值對應(yīng)的特征向量。各主成分的方差占原多變量總方差的百分比稱為主成分的方差貢獻，某主成分的方差貢獻越大說明該主成分解釋的有關(guān)研究對象的信息越多，因此越重要;前幾個主成分的方差之和占總方差的百分比稱為累積方差貢獻率;通常用累積方差貢獻率來決定選用幾個主成分來討論問題。選取已有的災(zāi)害易損性研究成果中的社會(含經(jīng)濟易損性)易損方面指標(biāo)進行主成分分析(表1)。

表1 自然災(zāi)害社會易損性主要指標(biāo)

具體步驟如下。

(1)因為原始數(shù)據(jù)的量綱不同，所以首先對原始的基礎(chǔ)數(shù)據(jù)矩陣進行標(biāo)準化處理。在所選標(biāo)準中農(nóng)業(yè)人口比重、女性人口比重、人口密度和最低生活保障人數(shù)比重等4個指標(biāo)對自然災(zāi)害的社會易損性正向影響(即同增大同減小)，而其余6個指標(biāo)對自然災(zāi)害易損性成反向影響(即一方增大則另一方減小)，所以在計算過程中這6個指標(biāo)取負值［15－16］，使得各個指標(biāo)均與易損性同向變化。利用Excel辦公軟件錄入基礎(chǔ)數(shù)據(jù)，再利用DPS軟件對基礎(chǔ)數(shù)據(jù)進行標(biāo)準化處理，然后對上述5個指標(biāo)取負值及標(biāo)準化處理后的數(shù)據(jù)(表2)。

表2 標(biāo)準化處理后的數(shù)據(jù)

(2)計算相關(guān)系數(shù)矩陣?；?1)步處理得到的數(shù)據(jù)矩陣，利用DPS軟件進行計算得到各指標(biāo)之間的相關(guān)系數(shù)(表3)，相關(guān)矩陣中的各元素反映了各指標(biāo)間相關(guān)程度的大小。

表3 各指標(biāo)之間的相關(guān)系數(shù)矩陣

2.3 相關(guān)矩陣的特征值和特征向量

總共有11個待評區(qū)域，每個區(qū)域有10個評價指標(biāo)，則原始數(shù)據(jù)矩陣表為:X=(xij)11×10，i=1，2，…，11;j=1，2，…，10。利用表2計算出來的相關(guān)矩陣R求10個特征值:λ1，λ2，…，λ10＞0，以及對應(yīng)的特征向量ei=(e1j，e2j，…，e10j)，j=1，2，…，10。特征值表示第m個主成分在綜合評價中所起作用的大?。?5，19－20］。利用DPS軟件得出指標(biāo)的特征值和貢獻率(表4)。

表4 指標(biāo)的特征值和貢獻率

通過表4我們可以看出，變量相關(guān)矩陣中最大的三個特征根為5.165 6、2.247 9、1.260 4，都大于1，三個指標(biāo)的累積貢獻率為86.738 6%，后面7個指標(biāo)的累積貢獻率為13.261 4%。則可以看出前三個主成分已能基本包含原始數(shù)據(jù)的全部信息，故取前三個為主成分而進行進一步的分析。再利用DPS軟件計算出三個主成分的各個指標(biāo)符合的(ei)，得出陜西省地級市自然災(zāi)害的社會易損性主成分負荷(表5)。

表5 陜西省自然災(zāi)害社會易損性主成分負荷

綜上分析，我們首先從表3中看出，第一主成分對災(zāi)害易損性貢獻最大，而表4中看出，在第一主成分中，X3、X4、X7、X9、X10的負荷值比例最大，分別是產(chǎn)值密度、社會保障補助支出、人口密度、最低生活保障人數(shù)比重和建筑密度，說明這5個指標(biāo)對陜西省的自然災(zāi)害的社會易損性影響相對其他指標(biāo)較大。產(chǎn)值密度反映一個地區(qū)的經(jīng)濟密度，它反映了一個地區(qū)社會經(jīng)濟的發(fā)展水平和發(fā)展階段;社會保障補助支出反映區(qū)域?qū)o急事件的重視程度，是區(qū)域人群特別是弱勢群體災(zāi)后自我救助和自我恢復(fù)的基本保證;人口密度反映了區(qū)域城市化和人口發(fā)展水平及承災(zāi)體人群暴露于自然災(zāi)害風(fēng)險的程度;最低生活保障人數(shù)比重反映了區(qū)域人群災(zāi)后整體生存能力的大小;建筑密度可以衡量一個地區(qū)土地利用的程度，是衡量一個區(qū)域開發(fā)和建設(shè)成果的重要指標(biāo)，它體現(xiàn)了人們的社會經(jīng)濟活動的強度和社會財富的數(shù)量［8，14－15，19］。這些指標(biāo)總體反映了區(qū)域社會經(jīng)濟發(fā)展水平。社會經(jīng)濟發(fā)展水平愈高，物質(zhì)財富愈豐富，社會的基礎(chǔ)設(shè)施建設(shè)愈完善，社會對自然災(zāi)害的抵御能力就愈強，人類的社會經(jīng)濟活動使社會易損性減弱。

第二主成分中，X5、X6、X8的負荷值為最大，分別是衛(wèi)生機構(gòu)床位數(shù)密度、城鎮(zhèn)社區(qū)服務(wù)設(shè)施率及公路密度等3個指標(biāo)。衛(wèi)生機構(gòu)床位數(shù)密度可以衡量區(qū)域災(zāi)時救助能力的大小，是減少人員傷亡的重要防災(zāi)措施;城鎮(zhèn)社區(qū)設(shè)施服務(wù)率則可以衡量區(qū)域災(zāi)時社區(qū)服務(wù)條件，是居民災(zāi)后生存的重要保障;公路密度反映發(fā)生災(zāi)害時的救災(zāi)和避災(zāi)能力［8，14－15，19］。這三個指標(biāo)反映了區(qū)域防災(zāi)減災(zāi)綜合能力，健全完善的社會服務(wù)設(shè)施及道路交通等基礎(chǔ)設(shè)施，可在減災(zāi)救災(zāi)、災(zāi)后恢復(fù)重建、穩(wěn)定社會秩序等方面發(fā)揮重要作用，使災(zāi)害社會易損性減弱。

第三主成分中，X1、X2的負荷值為最大，分別是農(nóng)業(yè)人口比重、女性人口比重。農(nóng)業(yè)人口是人類抵抗自然災(zāi)害最弱的一個群體，所以農(nóng)業(yè)人口是造成社會易損的一個重要方面;女性人口由于身體素質(zhì)、受教育程度及社會地位等因素的影響，防災(zāi)抗災(zāi)能力較弱，屬于災(zāi)害易損人群［8，14－15，19］。這兩個指標(biāo)屬于區(qū)域人口易損性指標(biāo)，反映了區(qū)域弱勢群體所占比重。其指標(biāo)數(shù)值越高，則區(qū)域人群遭受自然災(zāi)害傷害的風(fēng)險越大，抵御自然災(zāi)害、災(zāi)后獨立生存與恢復(fù)的能力越弱。

2.4 各個主成分的得分及排名

上述三個主成分可以基本包含原始數(shù)據(jù)的全部信息。利用DPS軟件可以計算出每個地區(qū)的主成分得分與排名(表6)。表6中的數(shù)值代表各個主成分的得分值，正值越大說明災(zāi)害的易損性越大。從3個主成分的各自得分來看:

(1)第一主成分中排名在前面的是銅川、榆林、商洛、延安。這些地市的產(chǎn)值密度、社會保障補助支出、建筑密度等指標(biāo)相對較低，反映出其社會經(jīng)濟發(fā)展相對落后，物質(zhì)財富積累、社會基礎(chǔ)設(shè)施等程度較低，社會對自然災(zāi)害抵御能力不強。而楊凌、西安、咸陽等地市雖然人口密度較大，暴露于自然災(zāi)害風(fēng)險較高，但其相對發(fā)達的社會經(jīng)濟水平有效降低自然災(zāi)害的社會脆弱性。

表6 各地區(qū)主成分得分與排名

(2)第二主成分中排名在前的城市是渭南、商洛、漢中和咸陽。這些地市的衛(wèi)生機構(gòu)床位數(shù)密度、城鎮(zhèn)社區(qū)服務(wù)設(shè)施率及公路密度相對較低，反映出其災(zāi)時救助能力及社區(qū)服務(wù)條件較差，公共應(yīng)急救災(zāi)服務(wù)工作存在不足，道路交通等基礎(chǔ)設(shè)施相對落后，不能很好地滿足區(qū)域防災(zāi)救災(zāi)的社會需要。

(3)第三主成分中得分排在前面的地區(qū)是渭南、延安、咸陽、漢中。這些地市的農(nóng)業(yè)人口比重及女性人口比重指標(biāo)相對較高，反映出其工業(yè)化、城市化發(fā)展水平相對較低，承災(zāi)脆弱人群比例相對較高，區(qū)域整體抵御自然災(zāi)害、災(zāi)后恢復(fù)能力相對較弱。

3 結(jié)論

通過上述分析，得出如下主要結(jié)論:

(1)影響陜西省自然災(zāi)害社會易損性的各項指標(biāo)，可組合為三個主成分，分別反映區(qū)域社會經(jīng)濟發(fā)展水平、區(qū)域防災(zāi)減災(zāi)綜合能力及區(qū)域人口結(jié)構(gòu)易損性程度;

(2)銅川、榆林、商洛、延安等地市的自然災(zāi)害社會經(jīng)濟易損性較高;

(3)渭南、商洛、漢中和咸陽等地市的自然災(zāi)害社會保障易損性較高;

(4)渭南、延安、咸陽、漢中等地市的自然災(zāi)害人口結(jié)構(gòu)易損性較高。

［1］史培軍.論災(zāi)害研究的理論與實踐［J］．南京大學(xué)學(xué)報，1991(11):37－42．

［2］史培軍.再論災(zāi)害研究的理論與實踐［J］．自然災(zāi)害學(xué)報，1996，5(4):6－17．

［3］葛全勝，陳泮勤，方修琦，等.全球變化的區(qū)域適應(yīng)研究:挑戰(zhàn)與研究對策［J］．地球科學(xué)進展，2004，19(4):516－524．

［4］郭躍.自然災(zāi)害的社會學(xué)分析［J］．災(zāi)害學(xué)，2008，23(2):87－91．

［5］郭躍.災(zāi)害易損性研究的回顧與展望［J］．災(zāi)害學(xué)，2005，20(4):92－96．

［6］史培軍.三論災(zāi)害研究的理論與實踐［J］．自然災(zāi)害學(xué)報，2002，11(3):1－9．

［7］史培軍.五論災(zāi)害系統(tǒng)研究的理論與實踐［J］．自然災(zāi)害學(xué)報，2009，18(5):1－9．

［8］郭躍.自然災(zāi)害的社會易損性及其影響因素研究［J］．災(zāi)害學(xué)，2010，25(1):84－88．

［9］蔣勇軍，況明生，匡鴻海，等.區(qū)域易損性分析、評估及易損度區(qū)劃［J］．災(zāi)害學(xué)，2001，16(3):59－64．

［10］陜西省統(tǒng)計局，國家統(tǒng)計局陜西省調(diào)查總隊.陜西統(tǒng)計年鑒2011［M］．北京:中國統(tǒng)計出版社，2011．

［11］杜繼穩(wěn)，常星源，米豐收，等.陜西省自然災(zāi)害綜合預(yù)報回顧與展望［J］．自然災(zāi)害學(xué)報，2002，11(4):143－148．

［12］段桂蘭，劉瑞芳，陶建玲，等.陜西洪澇災(zāi)害與對策［J］．陜西氣象，2008(1):33－36．

［13］王雁林.陜西省地質(zhì)災(zāi)害實例分析及其致災(zāi)模式探討［J］．災(zāi)害學(xué)，2008，23(3):57－61．

［14］姜彤，許朋柱.自然災(zāi)害研究的新趨勢—社會易損性分析［J］．災(zāi)害學(xué)，1996，11(2):5－9．

［15］趙衛(wèi)權(quán)，郭躍.基于主成分分析法和GIS技術(shù)的重慶市自然災(zāi)害社會易損性分析［J］．水土保持研究，2007，14(6):305－308．

［16］郭躍，朱芳，趙衛(wèi)權(quán)，等.自然災(zāi)害社會易損性評價指標(biāo)體系框架的構(gòu)建［J］．災(zāi)害學(xué)，2010，25(4):68－72．

［17］劉蘭芳，彭蝶飛，鄒君.湖南省農(nóng)業(yè)洪澇災(zāi)害易損性分析與評價［J］．資源科學(xué)，2006，28(6):60－67．

［18］中華人民共和國民政部.中國民政統(tǒng)計年鑒2011［M］．北京:中國統(tǒng)計出版社，2011．

［19］蘇桂武，朱林，馬宗晉，等.京津唐地區(qū)地震災(zāi)害區(qū)域宏觀脆弱性變化的初步研究—空間變化［J］．地震地質(zhì)，2007，29(1):15－32．

［20］徐建華.計量地理學(xué)［M］．北京:高等教育出版社，2006.