嚴寒地區村鎮災害影響普遍性關系分析

冷 紅，馬彥紅

（哈爾濱工業大學建筑學院，150001哈爾濱）

嚴寒地區村鎮災害影響普遍性關系分析

冷 紅，馬彥紅

（哈爾濱工業大學建筑學院，150001哈爾濱）

為給村鎮的防災減災資源分配提供建議，研究面向與村鎮居民生產生活息息相關的災害表現形式，基于村鎮災害數據的調查收集與統計，以各災害類型受災戶數比表征各災害類型影響普遍性特征，在確定嚴寒地區村鎮的主要災害類型基礎上，以政府、村民兩個防災減災主體在抵御不同類型災害時潛在的投入關系為前提，同時以冬季災害為例，利用多元線性回歸的方法建構嚴寒地區村鎮災害影響普遍性關系模型，以此為基礎提出了相應的嚴寒地區村鎮防災減災方法與策略.

防災減災；嚴寒地區村鎮；受災戶數比；災害類型；影響普遍性

中國村鎮地區抵御自然災害的能力較弱，受災害影響狀況超過城市［1］.當前，國內外對于災害風險分析注重災害歷史數據的有效統計，并從中發掘能夠指導未來防災減災相關實踐的規律或啟示［2-3］.作為全國村鎮體系的重要組成部分，一方面中國嚴寒地區村鎮災害歷史數據統計缺失狀況比較嚴重，另一方面其多發災害類型、災害作用形式與非嚴寒地區具有很大差異性［4］.災害結果的嚴重性（造成生命財產損失程度）與災害影響的普遍性（受災戶數比例情況）是防災減災規劃相關實踐中需要著重關注的兩個方面.研究依托“十二五”國家科技支撐計劃課題，面向嚴寒地區村鎮災害影響的普遍性問題，對與村鎮居民生產生活息息相關的災害歷史數據進行調查統計，將每類型災害影響的普遍性特征用受災戶數比來表征，一方面分析確定主要災害的類型與數量，另一方面依托政府、村民兩個防災減災主體在抵御不同類型災害時潛在的投入關系建立初步的災害影響普遍性關系模型，以期為嚴寒地區村鎮的防災減災資源分配及相關政策制定提供參考和依據.

1 嚴寒地區村鎮主要災害類型調查

1.1 調查范圍確定與調查對象選取

基于區域和氣候背景的一致性，以典型區域東北嚴寒地區為研究范圍，包括黑龍江省、吉林省以及建筑氣候區劃圖中劃分的嚴寒地區覆蓋的遼寧省部分（丹東-錦州-朝陽以北地區）（圖1），針對各季節災害進行客觀而詳實的了解.為確保調查結果的全面性與準確性，村鎮調查對象的選取具備以下5個條件：1）地理分布的均衡性：所選村鎮均勻的分布在所選研究范圍內，從北至南按照嚴寒地區ΙD區、ΙC區、ΙB區、ΙA區逐次選取；2）關注群體的專一性：研究面向農村農民生產生活中經受的災害，所以調查對象選取中僅包括村、集鎮，不包括建制鎮；3）經濟發展水平的代表性：選取村鎮的經濟發展條件能夠代表區域村鎮的發展水平；4）調查范圍的系統性：一個地區的調查采用一個鎮（鄉）區與此鎮（鄉）所轄范圍內的兩個村莊進行配套；5）選點數量的科學性：調查村鎮數量要適當，數量過少會導致調查的不準確性與反應情況的局限性，數量過多導致基礎資料冗余，且浪費過多的財力、物力與人力.本著政府推薦與課題組實地調查甄選相結合的原則，確定東北三省嚴寒地區村鎮調查對象選取目錄見表1.

圖1 研究范圍

表1 調查對象情況匯總

1.2 調查數據分析與主要災害類型確定

村鎮災害歷史數據記錄與統計缺失情形比較嚴重，不同村鎮差異性明顯.課題以隨機入戶、面對面訪談的方式進行實際調查，按照“十二五”課題“飽和”調查需求，以每個鎮區回收120份、每個村莊回收60份有效問卷為定額，共計入戶2 134次，有效問卷收回1 920份，問卷有效率為89.97%.

嚴寒地區災害與非嚴寒地區災害的最大差異性在于嚴寒地區冬季嚴寒氣候背景下因大雪及持續低溫導致的特殊災害表現形式.所以，按照引發各災害表現形式的同源性，研究將調查中出現的“大雪道路封堵、大雪交通事故、房屋設施凍害、牲畜凍死凍傷、雪融糧食發霉”五種因大雪及持續低溫導致的災害表現形式統一定義為嚴寒地區村鎮“冬季災害”.同理，將“農作物倒伏、牲畜棚坍塌、溫室坍塌、供電及通訊設施斷路、房屋風損壞”五種因大風導致的災害表現形式統一定義為“風災”；將“農作物被淹、房屋進水、溫室被淹、牲畜棚被淹、設施洪水斷路”五種因洪水導致的災害表現形式統一定義為“洪災”.此外，調查中反饋的另外兩種災害類型為蟲災與旱災.依照各類型災害表現因子出現的頻率，得到冬季災害、風災、洪災、蟲災、旱災是嚴寒地區村鎮的主要災害類型，2000年—2013年間，其平均受災戶數比例分別為67.8%、57.9%、47.0%、28.9%、15.6%，見圖2.

圖2 嚴寒地區村鎮2000—2013年農民人均純收入、主要災害類型平均受災戶數比例

2 嚴寒地區村鎮災害影響普遍性關系模型的擬合

一方面，主要災害類型的確定顯示了各類型災害對村民的影響普遍性或波及程度.另一方面，課題組通過與政府相關工作人員和村民的訪談并結合實際調查發現，政府與村民作為村鎮應對災害的兩個主體：政府層面，政府資金短缺造成防災減災設施建設顧此失彼［5-6］，如黑龍江省海林縣新安鎮2010年防災減災專項建設資金的幫扶重點是全鎮范圍內的溫室大棚抗風加固升級工程，此年份內大棚抗風損壞能力得到加強，大棚收益較往年得到提升，但村村通公路由于資金短缺造成路面升級改造工程滯后，致使雨洪、大雪、融雪背景下道路通行條件差的情況并無改觀；村民層面，盡管我國村鎮居民人均可支配收入偏低，但除卻基本的日常生活必需品開銷，村民也相應會把一部分資金投入到自家的防災減災設施建設中，且投入資金的多少和受災害影響程度往往與村民收入成正比、反比［7-8］.即當前社會經濟發展水平條件下，社會與村民自身能夠在防災減災方面投入的總體資源是一定的、不足的，在某一類型災害方面的投入會明顯或潛在的影響到在其它災害方面的投入，如在抗擊冬季災害方面投入過多的背景下很可能造成冬季災害受災戶數比例明顯下降而風災受災戶數比例、洪災受災戶數比例等不下降或下降少的情況.所以，主要災害類型的確定同時反映了社會防災減災資源的潛在分配格局情況，其相應地也成為了災害影響普遍性關系探究過程中的基礎性數據.

2.1 數學模型的選擇與解釋

多元回歸分析是研究兩個或多個變量與一個因變量間的變動、因果關系.綜上解釋，政府關于災害治理的努力能夠直觀的反映在災害年度受災戶數比例的降低中，而農戶應對災害的直接投資又可直接反映在農民的年份農民人均純收入中，預設某類型災害造成影響的普遍性程度往往是包括其他災害類型在內的多因素共同作用的結果.研究以“冬季災害受災戶數比例”表征嚴寒地區村鎮冬季災害影響的普遍性特征，相應以“風災受災戶數比例”、“洪災受災戶數比例”、“蟲災受災戶數比例”、“干旱受災戶數比例”分別表征嚴寒地區村鎮風災、洪災、蟲災、旱災的災害影響普遍性特征.即以冬季災害為例的嚴寒地區災害類型影響普遍性關系探究是以“冬季災害受災戶數比例”為因變量（響應變量Dependent Variable），以“調查區農民年份平均人均純收入”及其他主要類型災害相應的同特征量“風災受災戶數比例”、“洪災受災戶數比例”、“蟲災受災戶數比例”、“干旱受災戶數比例”為自變量（解釋變量Explanatory Variable）.假設因變量y與n個自變量x1，x2，…，xn之間存在多重線性關系，設有p例觀察對象，第i例（i=1，2，……，p）的一組觀察值為（yi1，xi2，…，xin）則可以用多重線性回歸模型來刻畫它們之間的關系：

式中：yt由兩部分構成，第一部分為其實測值＾y，即給定各自變量取值時，因變量y的取值，能由自變量決定的部分；ei為殘差，是因變量實測值y與＾y之間的差值，表示不由自變量決定的部分，為了方程可估計，往往假定ei服從正態分布N（0，σ2）；b0為常數項，表示所有自變量取值均為0時，因變量的估計值；bi為偏回歸系數，表示當其它自變量取值固定時，自變量xi每改變一個單位時，＾y的變化量［9-10］．

2.2 數據與模型的匹配性分析

2.2.1 各變量間線性關系分析

因變量“冬季災害受災戶數比例”與各自變量“農民人均純收入”、“干旱受災戶數比例”、“風災受災戶數比例”、“洪災受災戶數比例”、“蟲災受災戶數比例”形成的散點圖具有鮮明的線性相關特征，而且其線性擬合回歸線的決定系數r2分別達到0.936、0.944、0.990、0.983、0.846，通常認為｜r2｜≥0．75時，變量間具有很強的線性關系，見圖3．

2.2.2 有效變量的篩選

變量的手工預篩：建立因變量與各自變量間的一一對應線性回歸擬合關系，并一一考察p（sig．）值來進行變量間的顯著性檢驗，確保在進行變量的逐步回歸預篩前納入模型的都是具有統計學意義的變量，從而盡量保證模型的準確性.

圖3 因變量“冬季災害受災戶數比例”與自變量間一一對應散點線性分析

表2 因變量與自變量間的一一對應單自變量回歸擬合關系

表2說明手工篩選的一一對應p（Sig．）值均＜0.05，各自變量均與因變量間存在顯著的統計學關系，可以將其納入到變量的逐步回歸篩選中.

變量的逐步回歸預篩：盡管前文已驗證因變量與各自變量間存在很強的線性關系，但各自變量對因變量組合影響的背景下，自變量間可能存在一定的線性相關關系，對一些自變量的剔除有可能提高回歸模型的精度，故需要進行變量的預篩.本文通過對偏回歸系數進行顯著性檢驗，利用逐步回歸的方法，選擇有統計學意義的自變量構成模型.

根據“p（Sig．）≤0.05納入，p（Sig．）≥0.1剔除”的原則，逐步篩選法每次都將p值最小且有統計學意義者引入模型，而將自變量組合影響下會整體降低模型擬合度的自變量剔除出模型．本研究中，模型1、2、3階段依次將自變量“風災受災戶數比例”、“洪災受災戶數比例”、“農民人均純收入”納入到計算的過程當中去，而將“干旱受災戶數比例”、“蟲害受災戶數比例”兩個自變量剔出了模型.相應地，變量篩選過程中形成的模型1、2、3的因變量-自變量相關的復相關系數R、決定系數R方、校正的決定系數-調整R方分別也經歷了0.995＜0.999= 0.999、0.990＜0.998＜0.999、0.989＜0.997＜0.999不斷提高的過程，見表3.

表3 自變量的逐步回歸篩選結果

2.3 多元線性回歸模型的擬合結果

模型3是線性回歸的最后擬合結果，根據其對應的系數結果（表4），回歸模型的常數項（常量）、風災受災戶數比例、洪災受災戶數比例、農民人均純收入相應的系數分別為-33.953、0.944、0.894、0.001，可寫出如下數學模型：

表4 系數

2.4 模型的進一步科學性檢驗

“變量的手工篩選”與“變量的逐步回歸篩選”分別對應了模型的F檢驗與t檢驗，進而完成了模型每個解釋變量（因變量）對被解釋變量（因變量）的影響是顯著的、模型的總體線性關系是顯著的驗證過程.但為了進一步檢驗線性擬合關系的科學性，需要繼續繪制標準化殘差的直方圖與標準化殘差的正態概率圖來對模型進行殘差分析.

圖4顯示模型的回歸標準化殘差值在-3～+3內，且整體上呈中間高兩邊低的頻率分布，無嚴重偏離對稱的否定性情況出現；回歸標準化殘差的標準P-P圖用來觀察模型殘差是否符合假設的理論分布，圖中直線代表理論最理想的正態殘差分布，散點代表實際數據的殘差分布，圖5顯示實際散點大致分布在理論直線的兩側，均在可接受范圍內.此外，文章進一步給出殘差與預測值的散點圖.圖6顯示，隨著標準化預測值的增加，標準化殘差的上下波動區間沒有明顯的變化，也沒有明顯的上升或下降的趨勢，其波動范圍也基本在-2～+2之間，模型的擬合結果可以接受.

圖4 標準化殘差的直方

圖5 標準化殘差的標準P-P

圖6 殘差與預測值的散點圖

3 結果與啟示

研究用受災戶數比來表征每類型災害的影響普遍性，并由此確定了嚴寒地區村鎮的主要災害類型，進一步將主要災害類型作為基礎性數據對嚴寒地區村鎮災害類型影響普遍性關系進行模型擬合分析，得到如下結果和啟示：

1）模型的擬合關系能夠為在某類型災害方面的抗災減災努力進行優先投入提供依據.如以嚴寒地區村鎮冬季災害影響普遍性關系模型為例來看，風災受災戶數比、洪災受災戶數比作為解釋變量在數學關系式中的系數分別為0.944、0.894，結合2000年—2013年間東北嚴寒地區村鎮風災、洪災的歷史平均受災戶數比分別為57.9%、47.0%，以兩者在模型中對冬季災害影響普遍性程度下降貢獻效率來說，呈現57.9%×0.944＞47.0%×0.894的關系，也就是說，假設面向的是風災影響普遍性、洪災影響普遍性同程度降低（如在原比例的基礎上均要求降低X%）的要求，一般而言，在防災減災總體資源不足的情況下如果無法達成兩種災害類型影響普遍性同時降低的目標，那么向風災方面進行優先投入是較合理的選擇.

2）模型的擬合關系能夠對未發生災害類型的影響普遍性控制提供一定參考.仍以冬季災害為例，因為嚴寒地區村鎮某些災害類型具有鮮明的時序性，如在一個年度的季節更替背景下，在冬季災害發生之前，洪災、蟲災、旱災的影響普遍性程度及數據能夠基本明晰，那么根據政策制定、村鎮民眾訴求相關要求，如若需要把區域中的未發生災害類型如冬季災害、風災受災戶數比例（災害影響普遍性程度）控制在一定數值，那么可以參照兩個災害類型的歷史防災減災投入與災害影響普遍性程度關系，來靈活調整在兩者間的防災減災資源分配格局，從而達成既定目標.

4 結 語

本文在嚴寒氣候地域背景下村鎮主要災害類型的調查與確定、不同災害類型間潛在影響關系方面進行了初步的探索.誠然，村鎮防災減災規劃是面對不同利益相關者處理與協調各方利益沖突的復雜過程，本文研究內容僅僅關注了不同類型災害影響的普遍性問題，其他如災害影響的嚴重性、持續性等都需要引起同等的重視.此外，研究中依然存在諸多的不足，如在災害歷史數據年份跨度的局限性、調查數據的全面性、擬合模型的變量選擇準確性等方面都需要去進行不斷改善，希望后續的研究能夠更加深入.

［1］葛學禮，朱立新，于文.我國村鎮建筑防災研究綜述［J］.自然災害學報，2014，23（2）：8-14.

［2］CUSACK S.A 101 year record of windstorms in the Netherlands［J］.Climatic Change，2013，116（3）：693-704.

［3］FEUERSTEIN B，GROENEMEIJER P.Towards an improved wind speed scale and damage description adapted for Central Europe［J］.Atmospheric Research.2011，100（4）：547-564.

［4］初建宇，蘇幼坡.村鎮應急避難場所規劃技術指標的探討［J］.自然災害學報，2012，21（5）：23-27.

［5］閻俊愛，曹國昭.農村防災減災能力建設中資金投人的進化博弈分析［J］.數學的實踐與認識，2010，40（7）：90-95.

［6］華穎.中國政府防災減災投入的優化機制［J］.甘肅社會科學，2011（6）：9-13.

［7］莊天慧，劉人瑜.貧困地區村級組織防災減災能力評價及影響因素研究-基于西南地區28個村的調查［J］.干旱區資源與環境，2013，27（5）：27-32.

［8］敬志紅，史夢云.湖南省洞庭湖區的自然災害與農民收入的相關性研究-基于灰色預測糧食災損評估模型［J］.南方農村，2014（1）：27-32.

［9］姜佃高，張娟娟，葛永慧.穩健估計方法在多元線性回歸中的有效性研究［J］.統計與決策，2014（18）：77-80.

［10］官衛華.多元線性回歸模型在區域地價評估中的應用-以澳大利亞悉尼“Vermont”項目為例［J］.國際城市規劃，2011，26（8）：56-61.

（編輯苗秀芝）

Analysis on the relationship of disaster influence universality for rural areas in cold regions

LENG Hong，MA Yanhong
（School of Architecture，Harbin Institute of Technology，150001 Harbin，China）

The study aims at providing recommendations for resource allocation of disaster prevention andmitigation in rural areas.Focusing on disaster performance forms and based on disaster data collection and statistics closely linked with rural residents＇production and living，firstly themain types of disaster were determined by representing the proportion of households affected by disaster.Then，taking the potential investment relations of government and villagers，twomain bodies in responding to disasters，as a premise，and winter disaster as an example，a relational model of disaster influence universality by multiple linear regression was constructed.Last，the corresponding methods and strategies about disaster prevention and mitigation for rural areas in cold regionswere put forwards.

disaster prevention and mitigation；rural areas in severely cold regions；proportion of households affected by disaster；disaster type；influence universality

TU984

：A

：0367-6234（2015）11-0123-06

10.11918／j.issn.0367-6234.2015.11.022

2015-03-09.

“十二五”國家科技支撐計劃課題（2013BAJ12B02）.

冷 紅（1970—），女，教授，博士生導師.

冷 紅，hitlaura＠126.com.