經(jīng)濟暴露度與洪澇災(zāi)害損失關(guān)系分析

仲夏，石少宏，李寧

(1.內(nèi)蒙古氣象臺，內(nèi)蒙古 呼和浩特 010051；2.北京師范大學(xué)地理科學(xué)學(xué)部民政部/教育部減災(zāi)與應(yīng)急管理研究院, 北京 100875；3.內(nèi)蒙古氣象科學(xué)研究所，內(nèi)蒙古 呼和浩特 010051)

引言

在眾多類型的氣候災(zāi)害中，暴雨洪澇災(zāi)害是發(fā)生頻率較多、影響較大的一類[1]。暴雨洪澇災(zāi)害的發(fā)生是由暴雨、長期降水所致，積水的囤積會給低洼地區(qū)帶來嚴(yán)重的損失。此外，暴雨洪澇災(zāi)害還會為人類帶來許多其他方面的損害，如對人類的心理損傷、對生態(tài)環(huán)境的影響以及其他直接或間接、即時或潛伏的綜合影響等[2]。

暴雨洪澇災(zāi)害是我國出現(xiàn)頻率最高、影響范圍最廣、造成損失最嚴(yán)重的幾種自然災(zāi)害之一[3-4]，每年因暴雨洪澇災(zāi)害而損壞農(nóng)田多達7×104hm2，經(jīng)濟損失過億。生命安全和財產(chǎn)安全這兩個基本條件無法得到保障會在一定程度上阻礙我國的經(jīng)濟發(fā)展，限制我國生產(chǎn)力的進一步提高[5]。我國國土面積遼闊，空間跨度廣，且海陸兼?zhèn)洌瑢?dǎo)致暴雨洪澇災(zāi)害的分布和特征受不同地域、季節(jié)變化等因素的影響。在夏季，我國大部分地區(qū)都會直接或間接地遭遇暴雨洪澇災(zāi)害。

很多學(xué)者注意到經(jīng)濟暴露度對于暴雨洪澇災(zāi)害所帶來的損失有著影響。SREX報告指出，災(zāi)害的影響是極端事件本身以及承災(zāi)體的暴露度和脆弱性共同作用的結(jié)果[6]，因此，在災(zāi)害風(fēng)險管理和氣候變化適應(yīng)的研究工作中，最為關(guān)鍵的就是減少承災(zāi)體的暴露度和脆弱性[7]。暴雨洪澇災(zāi)害造成經(jīng)濟損失不斷增加的原因有很多，其中特別重要的一點就是受災(zāi)地區(qū)的經(jīng)濟暴露度在不斷增加。因此，加大加深對中國經(jīng)濟暴露度對暴雨洪澇災(zāi)害損失的影響評估的研究，具有重要意義。根據(jù)經(jīng)濟暴露度對暴雨洪澇災(zāi)害損失進行影響評估分析的結(jié)果，建設(shè)針對性的防御設(shè)施，最大限度地減少損失。同時，通過對暴雨洪澇災(zāi)害進行風(fēng)險評價，能夠較為準(zhǔn)確地對其發(fā)生的時間、可能性大小進行客觀評估。

隨著經(jīng)濟發(fā)展水平的不斷提高，經(jīng)濟暴露度在不同情況下對暴雨洪澇災(zāi)害損失的影響。本文為了更加細致地分析，以全國各縣為研究對象，采用聚類分析、相關(guān)分析、回歸分析、曲線擬合等方法，綜合考慮不同條件加，經(jīng)濟暴露度對暴雨洪澇災(zāi)害損失的影響。

1 資料和方法

1.1 資料說明

本文所使用的數(shù)據(jù)主要包括2015—2018年全國相關(guān)氣象數(shù)據(jù)、暴雨洪澇災(zāi)情數(shù)據(jù)、人口數(shù)據(jù)、GDP數(shù)據(jù)以及其他方面的數(shù)據(jù)。

1.1.1 災(zāi)情數(shù)據(jù)

2015—2018年全國各縣域的暴雨洪澇災(zāi)情數(shù)據(jù)，包括過程最大降水量、災(zāi)情起止時間、直接經(jīng)濟損失、農(nóng)業(yè)經(jīng)濟損失、受災(zāi)人口情況、倒塌房屋數(shù)量、農(nóng)業(yè)受災(zāi)與承災(zāi)面積、災(zāi)害影響描述等。統(tǒng)計的災(zāi)情及影響數(shù)據(jù)資料來源于各級氣象部門通過災(zāi)情直報系統(tǒng)上報的數(shù)據(jù)。

1.1.2 氣象數(shù)據(jù)

全國降水觀測實況數(shù)據(jù)來自中國綜合氣象信息共享平臺（China integrated meteorological information service system，CIMISS），CIMISS是覆蓋國家級和31 個省中心，集數(shù)據(jù)收集與分發(fā)，質(zhì)量控制與產(chǎn)品生成、存儲管理、共享服務(wù)、業(yè)務(wù)監(jiān)控于一體的數(shù)據(jù)管理和共享平臺。

1.1.3 社會經(jīng)濟統(tǒng)計數(shù)據(jù)

本研究所用到的社會經(jīng)濟方面的數(shù)據(jù)和資料，都是由中國國家統(tǒng)計局 （http://data.stats.gov.cn）以及各省、市、區(qū)縣統(tǒng)計部門的官方網(wǎng)站所提供的《國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》。數(shù)據(jù)資料的主要內(nèi)容包括：全國和各省、市的行政面積、戶籍人數(shù)、男女人數(shù)及比例、GDP狀況統(tǒng)計等。

1.2 技術(shù)方法

1.2.1 相關(guān)分析法

相關(guān)分析法（Correlation analysis）是研究具有依存關(guān)系的兩種或多種現(xiàn)象之間的相關(guān)性和相關(guān)程度的一種統(tǒng)計學(xué)方法。本文利用相關(guān)分析法對經(jīng)濟暴露度指標(biāo)和致災(zāi)因子指標(biāo)與直接經(jīng)濟損失之間的相關(guān)性進行初步分析。由于縣域地區(qū)生產(chǎn)總值、人均GDP、降水量以及直接經(jīng)濟損失等變量的分布情況不確定，各個自變量之間的關(guān)系是線性的還是非線性的也不明確，因此采用Spearman相關(guān)系數(shù)，來描述各個變量之間的關(guān)聯(lián)程度。

1.2.2 回歸分析

回歸分析（Regression Analysis）是運用數(shù)理統(tǒng)計的方法，針對兩種或兩種以上互相之間存在一定影響的變量，求其自變量與因變量之間相關(guān)函數(shù)的方法。本文主要采用多元回歸分析方法，以直接經(jīng)濟損失為因變量，以降水量、地區(qū)生產(chǎn)總值作為自變量，構(gòu)建多元回歸模型，并采用逐步回歸方法對模型進行優(yōu)化。

1.2.3 主成分分析

主成分分析法是一種統(tǒng)計學(xué)分析方法，其原理是把多個變量劃為少數(shù)綜合指標(biāo)，可以看作是一種降維處理。本文主要采用主成分分析法，將人均 GDP、GDP 密度、第一產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、地區(qū)生產(chǎn)總值、公共財政支出、公共財政收入等經(jīng)濟發(fā)展水平指標(biāo)形成表征經(jīng)濟發(fā)展水平的綜合指標(biāo)。

1.2.4 K-means聚類分析

K-means聚類分析算法（K-means clustering）的主要目的，是把n個點平均分k個聚類，讓每一個點都處在離聚類中心，最近的均值所在的聚類內(nèi)。本文運用聚類分析方法通過把災(zāi)害過程總降水量這一沒有標(biāo)記的樣本集按相似性劃分為若干類，將相似的樣本盡可能地歸為一類 , 不相似的樣本盡量劃分到不同的類中，類內(nèi)樣本距離盡量小，而不同類之間的距離盡可能大。

1.2.5 曲線擬合方法

在眾多實驗數(shù)據(jù)處理的問題中，絕大多數(shù)自變量和因變量之間的函數(shù)關(guān)系較為復(fù)雜，不易通過理論推導(dǎo)得出其準(zhǔn)確的關(guān)系式，曲線擬合的方法在這個時候就會起到非常重要的作用，其效果也很顯著。曲線擬合（Curve Fitting）是用連續(xù)不間斷的曲線近似地代替坐標(biāo)上離散點之間函數(shù)關(guān)系的一種擬合方法。

2 結(jié)果分析

2.1 洪澇災(zāi)害損失分析

2.1.1 洪澇災(zāi)害損失分布特征

根據(jù)氣象災(zāi)害評估分級標(biāo)準(zhǔn)，按照人員傷亡、經(jīng)濟損失的大小，將2015—2018年縣域的暴雨洪澇災(zāi)害損失進行災(zāi)害分級，分析災(zāi)害損失的空間分布情況。從災(zāi)害損失的分布情況來看，災(zāi)害損失主要集中在我國西南地區(qū)東部和南部、華南、江南、江淮、黃淮和華北一帶，受災(zāi)最為嚴(yán)重的是我國低緯度地區(qū)；暴雨洪澇災(zāi)害損失多以小型和中型為主，大型和特大型氣象災(zāi)害出現(xiàn)的相對較少。從縣域尺度的暴雨洪澇災(zāi)害損失等級分布可以看出（圖1），2015—2018年，每年都會有暴雨洪澇災(zāi)害發(fā)生，但是并沒有造成經(jīng)濟損失或者人員傷亡。從空間分布上看，暴雨洪澇災(zāi)害在空間分布上廣，局部地區(qū)災(zāi)害損失較為嚴(yán)重（圖略）。

2.1.2 暴雨洪澇災(zāi)害損失影響因素的相關(guān)性分析

在全球氣候逐漸變暖的影響之下，我國自然災(zāi)害發(fā)生的概率和頻率及強度逐年上升，涉及范圍也在不斷加大。強降雨造成的積水淹沒了低洼地區(qū)，對人們的生活和經(jīng)濟損失造成了一定的影響，暴雨洪澇災(zāi)害頻繁發(fā)生，導(dǎo)致大多數(shù)區(qū)域的人員受到傷害，經(jīng)濟損失慘重，阻礙了社會發(fā)展，給人民生命安全帶來威脅。氣象災(zāi)害損失的形成是自然變異因素與社會經(jīng)濟因素交互作用的結(jié)果[8]。直接經(jīng)濟損失指的是因事故造成的人員傷亡費用，災(zāi)情的嚴(yán)重程度通過絕對值和相對值表示。因此本文以直接經(jīng)濟損失作為因變量，分析社會經(jīng)濟發(fā)展和致災(zāi)因子對直接經(jīng)濟損失的影響。根據(jù)區(qū)域災(zāi)害系統(tǒng)論[9-10]，災(zāi)情（害）是孕災(zāi)環(huán)境、致災(zāi)因子和承災(zāi)體互相作用的產(chǎn)物。強降水是引發(fā)洪澇災(zāi)害的直接原因，本文選取該致災(zāi)因子和承災(zāi)體在暴雨洪澇災(zāi)害損失災(zāi)情中進行相關(guān)性研究，對災(zāi)害造成的損失進行分析。

由于自然災(zāi)害受到損失的嚴(yán)重程度和導(dǎo)致災(zāi)害發(fā)生的因素及承受災(zāi)害帶來的損失的社會主體之間有很大的關(guān)系[11]。在致災(zāi)因子方面，洪澇災(zāi)害形成的主要原因就是強降雨的頻繁發(fā)生及涉及的范圍較大導(dǎo)致的。強降雨涉及的范圍比較廣泛。選取暴雨洪澇開始和結(jié)束事件的總降水量、以及災(zāi)害事件結(jié)束前的1~7 d降水量、災(zāi)害持續(xù)時間作為因子的指標(biāo)。在社會經(jīng)濟因素方面，社會經(jīng)濟的發(fā)展對暴雨洪澇災(zāi)害的影響主要包含兩個方面：一是，人口、經(jīng)濟的快速增長增大了暴露度，增大了暴雨洪澇災(zāi)害的風(fēng)險，經(jīng)濟發(fā)展與災(zāi)害損失之間的關(guān)系；二是，經(jīng)濟發(fā)展有利于提高設(shè)防能力和應(yīng)對能力，降低脆弱性，能夠削弱災(zāi)害帶來的不利影響[11]。對于經(jīng)濟暴露度指標(biāo)的選取，多數(shù)分別以人均GDP、地區(qū)生產(chǎn)總值作為社會經(jīng)濟暴露度的指標(biāo)，本文通過人均GDP、地區(qū)生產(chǎn)總值與直接經(jīng)濟損失之間的相關(guān)性分析，選取相關(guān)性較強的經(jīng)濟暴露度指標(biāo)，分析2015—2018 年經(jīng)濟暴露度對直接經(jīng)濟損失的影響。

計算暴雨洪澇災(zāi)害直接經(jīng)濟損失與經(jīng)度、緯度、總降水量、1~7 d降水量、持續(xù)時間、人均GDP、地區(qū)生產(chǎn)總值的相關(guān)性，從相關(guān)系數(shù)計算結(jié)果（圖1）可以看出，直接經(jīng)濟損失與經(jīng)度、緯度、總降水量、1~7 d降水量、持續(xù)時間、人均GDP、地區(qū)生產(chǎn)總值、地區(qū)生產(chǎn)總值的相關(guān)系數(shù)均為正相關(guān)。各因子與直接經(jīng)濟損失的相關(guān)系數(shù)和置信度表明（表1），除1 d的累計降水量（1 d降水量）和人均GDP未通過α=0.05的顯著性檢驗外，其他因子均能夠通過顯著性檢驗。分析致災(zāi)因子強度因子與直接經(jīng)濟損失的相關(guān)系數(shù)，總降水量、7 d降水量、6 d降水量、5 d降水量和持續(xù)時間與直接經(jīng)濟損失的相關(guān)系數(shù)是所有因子中排名較高的，且為正相關(guān)，說明降水量越大、持續(xù)時間越長，災(zāi)害造成的直接經(jīng)濟損失也越高。地區(qū)生產(chǎn)總值這兩個常被用于經(jīng)濟暴露度特征指標(biāo)的量與直接經(jīng)濟損失也為正相關(guān)，相關(guān)系數(shù)為0.13，具有較弱的相關(guān)性。

表1 各因子與直接經(jīng)濟損失的相關(guān)系數(shù)和置信度

圖1 直接經(jīng)濟損失與致災(zāi)因子和承載體暴露度各因子的相關(guān)性分析熱力圖

2.2 致災(zāi)因子強度與暴雨洪澇災(zāi)害損失的關(guān)系

2.2.1 經(jīng)濟暴露度分組以地區(qū)生產(chǎn)總值作為經(jīng)濟暴露度指標(biāo)，采用四分位方法對地區(qū)生產(chǎn)總值進行分類，將所有地區(qū)分成四類。將每年地區(qū)生產(chǎn)總值小于或等于上四分位數(shù)的縣分為經(jīng)濟暴露度低值區(qū)，2015—2018 年位于經(jīng)濟暴露度低值區(qū)縣共有653 個縣；將每年地區(qū)生產(chǎn)總值位于上四分位和中位數(shù)之間的縣分為經(jīng)濟暴露度中值區(qū)，2015—2018 年位于經(jīng)濟暴露度中值區(qū)的縣共有293 個；將每年地區(qū)生產(chǎn)總值位于中位數(shù)和下四分位之間的縣分為經(jīng)濟暴露度較高值區(qū)，2015—2018 年位于經(jīng)濟暴露度較高區(qū)的縣共有299 個；將每年地區(qū)生產(chǎn)總值大于下四分位的縣分為經(jīng)濟暴露度高值區(qū)，2015—2018 年位于經(jīng)濟暴露度高值區(qū)的縣共有240 個。本文將不同經(jīng)濟暴露度水平下致災(zāi)因子強度與直接經(jīng)濟損失之間的關(guān)系。

2.2.2 經(jīng)濟暴露度低值區(qū)降水量與直接經(jīng)濟損失關(guān)系從經(jīng)濟暴露度低值降水量與直接經(jīng)濟損失的散點圖（圖略）可以看出，直接經(jīng)濟損失和總降水量之間的關(guān)系呈現(xiàn)出明顯的非線性關(guān)系。對經(jīng)濟暴露度低值區(qū)總降水量與直接經(jīng)濟損失（取對數(shù)）進行多種擬合，選擇擬合最好的三次多項式函數(shù)，對直接經(jīng)濟損失和總降水量進行擬合，擬合結(jié)果（圖2）可見，從經(jīng)濟暴露度低值區(qū)，致災(zāi)因子與直接經(jīng)濟損失的關(guān)系來看，直接經(jīng)濟損失隨著致災(zāi)因子強度的不斷增大而增加。

圖2 經(jīng)濟暴露度低值區(qū)總降水量與直接經(jīng)濟損失最優(yōu)曲線擬合結(jié)果

2.2.3 經(jīng)濟暴露度中值區(qū)降水量與直接經(jīng)濟損失關(guān)系

從經(jīng)濟暴露度中值區(qū)降水量與直接經(jīng)濟損失的散點圖（圖略）可以看出，直接經(jīng)濟損失和總降水量之間的關(guān)系呈現(xiàn)出明顯的非線性關(guān)系。對經(jīng)濟暴露度中值區(qū)總降水量與直接經(jīng)濟損失最優(yōu)曲線進行多種擬合，選擇擬合最好的三次多項式函數(shù)，對直接經(jīng)濟損失和總降水量進行擬合，擬合結(jié)果（圖3）可見，從經(jīng)濟暴露度中值區(qū)，致災(zāi)因子與直接經(jīng)濟損失的關(guān)系來看，直接經(jīng)濟損失隨著降水量的不斷增大而增加。當(dāng)達到臨界值后，隨著降水強度的增強，直接經(jīng)濟損失開始逐漸下降。

圖3 經(jīng)濟暴露度中值區(qū)總降水量與直接經(jīng)濟損失最優(yōu)曲線擬合結(jié)果

2.2.4 經(jīng)濟暴露度較高值區(qū)降水量與直接經(jīng)濟損失關(guān)系

從經(jīng)濟暴露度較高值區(qū)災(zāi)害過程降水量與直接經(jīng)濟損失的散點圖（圖略）可以看出，直接經(jīng)濟損失和總降水量之間的關(guān)系呈現(xiàn)出明顯的非線性關(guān)系。對經(jīng)濟暴露度較高區(qū)總降水量與直接經(jīng)濟損失（取對數(shù)）最優(yōu)曲線進行多種擬合，選擇擬合最好的三次多項式函數(shù)，對直接經(jīng)濟損失和總降水量進行擬合，擬合結(jié)果（圖4）可見，從經(jīng)濟暴露度較高值區(qū)，致災(zāi)因子與直接經(jīng)濟損失的關(guān)系來看，直接經(jīng)濟損失隨著降水量的不斷增大而增加。當(dāng)達到臨界值400 mm后，隨著降水強度的增強，直接經(jīng)濟損失開始逐漸下降。

圖4 經(jīng)濟暴露度較高區(qū)總降水量與直接經(jīng)濟損失最優(yōu)曲線擬合結(jié)果

2.2.5 經(jīng)濟暴露度高值區(qū)降水量與直接經(jīng)濟損失關(guān)系

從經(jīng)濟暴露度高值區(qū)降水量與直接經(jīng)濟損失的散點圖（圖略）可以看出，直接經(jīng)濟損失和總降水量之間的關(guān)系呈現(xiàn)出明顯的非線性關(guān)系。對經(jīng)濟暴露度高值區(qū)總降水量與直接經(jīng)濟損失（取對數(shù)）最優(yōu)曲線進行多種擬合，選擇擬合最好的三次多項式函數(shù)，對直接經(jīng)濟損失和總降水量進行擬合，擬合結(jié)果（圖5）可見，從經(jīng)濟暴露度較高值區(qū)，致災(zāi)因子與直接經(jīng)濟損失的關(guān)系來看，直接經(jīng)濟損失隨著致災(zāi)因子強度的不斷增大而增加。

圖5 經(jīng)濟暴露度高值區(qū)總降水量與直接經(jīng)濟損失最優(yōu)曲線擬合結(jié)果

3 結(jié)論

（1）從縣域尺度暴雨洪澇災(zāi)害的空間分布特征上來看，2015—2018 年災(zāi)害損失主要集中在我國西南地區(qū)東部和南部、華南、江南、江淮、黃淮和華北一帶，從空間分布上看，暴雨洪澇災(zāi)害在空間分布上廣，暴雨洪澇災(zāi)害損失多以小型和中型為主，局部地區(qū)災(zāi)害損失較為嚴(yán)重。

（2）對于不同程度的經(jīng)濟暴露度縣來說，當(dāng)其受到暴雨洪澇災(zāi)害影響時，總降水量與暴雨洪澇災(zāi)害直接經(jīng)濟損失存在著非線性關(guān)系。對于經(jīng)濟暴露度位于低值區(qū)和中值區(qū)的縣，受到暴雨洪澇災(zāi)害影響時，直接經(jīng)濟損失隨著降水量增加而增加。對于經(jīng)濟暴露度位于較高值區(qū)和高值區(qū)的縣，受到暴雨洪澇災(zāi)害影響時，該縣的直接經(jīng)濟損失隨著降水量的增加而增加，當(dāng)降水量超過某一值后直接經(jīng)濟損失開始下降，其中對于經(jīng)濟暴露度位于較高值區(qū)的縣，當(dāng)總降水量達到400 mm的臨界值時，直接經(jīng)濟損失開始下降；對于經(jīng)濟暴露度位于較高值區(qū)的縣，當(dāng)總降水量達到600 mm的臨界值時，直接經(jīng)濟損失開始下降。

（3）對于災(zāi)害損失為小型、中型的地區(qū)，該地區(qū)的致災(zāi)因子強度越大，暴雨洪澇災(zāi)害造成的直接經(jīng)濟損失占比越大，同時地區(qū)生產(chǎn)總值越、經(jīng)濟發(fā)展水平越高的縣，損失占比越??；對于災(zāi)害損失為大型、特大型的地區(qū)，暴雨洪澇災(zāi)害致災(zāi)因子強度和災(zāi)害損失占比之間的關(guān)系并不顯著，而當(dāng)?shù)氐慕?jīng)濟暴露度與損失占比呈現(xiàn)較為顯著的關(guān)系，地區(qū)生產(chǎn)總值越高的地區(qū)，其經(jīng)濟暴露度越高，損失占比越小。