基于粒子群算法研究氣候變化對國家脆弱程度的影響

摘要：理解氣候變化對國家脆弱性的影響對于國家規劃與國家發展具有重大意義。本文的研究分成兩部分：首先，本文用溫度與降水的變化來表示氣候變化。利用相關性分析，確定了溫度，降水與國家脆弱程度的相關關系。其次，以蘇丹為分析對象。本文利用非線性回歸擬合了溫度及降水與5個相關指標的函數，繪制了在溫度與降水變化下的脆弱性空間分布曲面，通過粒子群算法計算出其脆弱性最低點，并進行敏感性分析。

關鍵詞：氣候變化；國家脆弱程度；非線性回歸；粒子群算法

1 問題背景

在“聯合國氣候變化框架公約”（UNFCCC）中，氣候變化被定義為“經過相當一段時間的觀察，在自然氣候變化之外由人類活動直接或間接地改變全球大氣組成所導致的氣候改變?！北M管還存在某些不確定因素，但大多數科學家仍認為及時采取預防措施是必需的。

脆弱的國家是州政府無法或不選擇向其人民提供基本要素的國家，一個脆弱的國家，其國家權威，基本服務供給和合法性等方面處在失效狀態或面臨失效風險。

氣候變化給人們帶來的損失是難以估量的，在脆弱國家尤為突出。這些國家由于其地理位置和自然條件的原因面臨著更大的氣候風險，他們國家內的暴力，貧困和薄弱的治理也削弱甚至破壞了他們應對氣候風險的復原能力。隨著氣候變化頻率和幅度的增加，氣候變化也對脆弱國家向和平與穩定發展提出了巨大的挑戰。

1.1 前人研究成果

氣候變化已經成為一個被廣泛關注與研究的全球性環境問題。許多研究也聚焦于氣候變化對國家脆弱性的影響。

例如：Geoff Dabelko認為脆弱性需要在更寬闊的社會和環境層面去理解，氣候變化是國家能力與發展的威脅因素與壓力來源.IISD報道了脆弱國家及其人口對氣候變化的敏感性遠比其他國家強，其復原能力也很差；IPCC在2007年報告指出，發展中國家在面對氣候變化帶來的社會經濟影響時顯得尤為脆弱。

縱觀前人對氣候變化與國家脆弱性的研究，多數側重于定性分析，定性分析的較少，而本文的目標就是將氣候變化與國家脆弱性之間的關系量化。

1.2 問題分析

為了更好地理解氣候變化對國家脆弱性的影響，以及量化出氣候變化對國家脆弱性所起到的作用，本文的工作主要分成以下幾步：

按照一定的原則建立用于評估國家脆弱性的指標體系，利用主成分分析構建模型，劃分脆弱與穩定的分界線。通過相關性分析明晰氣候變化與脆弱性指標的相關關系。

以蘇丹為研究對象，利用非線性回歸分析擬合其溫度與降水和相關指標的曲線，并繪制出在溫度和降水影響下，蘇丹的脆弱性空間分布圖，通過粒子群算法找出其脆弱性最小值點。然后在剔除溫度與降水影響的5個指標后，對剩余的12個指標進行敏感性分析。？

2 氣候變化的影響方式

氣候變化是指長時間氣候狀態的改變，本文用不同時期溫度和降水的變化來表示。

2.1 以阿根廷為例

本文采用的國家脆弱性指標分為兩級：一級指標分為農業，經濟與技術，人口與資源，生活水平四個維度；每個維度繼續細分，劃分為二級指標，共17個具體指標。

（1）農業包含：農業雇員（占女性人口的百分比）；農業雇員（男性人口的百分比）；農業雇員（占總人口的百分比）。

（2）經濟技術包含：人均GDP（美元購買力平價）；GNI（總計，PPP）；農村人口；債務償還（%GNI，在十進制期間平均）；內部難民；科學家和工程師每百萬人口的研發；研發投資（%GNP）。

（3）生活標準包含：人均衛生支出；公共衛生支出；獲得衛生設施的人口。

（4）人口和資源包含：人口密度；森林覆蓋；糧食生產指數；人均水資源。

本文收集了阿根廷17個原始指標10年（1991-2000）的數據，發現每個指標值在10年內有規律的變化但是存在波動。

具體分析如下：1991-2000年阿根廷人均水資源大致呈下降趨勢但是存在波動，當降水量在600毫米附近波動時，X的值也在0附近波動，且波動方向大致一致。

因此，本文認為，降水并不是與人均水資源自身指標值相關，而是與其差值有關。

相關性分析用于衡量變量間的相關密切程度。于是，本文用阿根廷的溫度與降水這兩個參數分別與17個指標差值進行相關性分析，結論如下：

溫度與糧食生產指數，GDP，內部難民變動幅度相關；

降水與農業從業人員（占女性人口的百分比），人均水資源的差值及變動幅度相關，符合實際。

結論：氣候變化通過溫度和降水影響食品生產指數，GDP，內部難民，農業雇員（占女性人口的百分比），人均水資源，進而間接影響國家的脆弱性。

3 氣候變化與脆弱性之間的關系

（1）溫度與食品生產指數，GDP，內部難民相關；

（2）降水與農業雇員（占女性人口的百分比），人均水資源相關。

為了具體了解氣候變化與脆弱性之間的相關關系，采用回歸分析的方法。

回歸分析是確定變量間相互依賴的定量關系的一種統計分析方法，通過非線性回歸分析去擬合他們之間的關系。

3.1 溫度與食品生產指數的函數

以食品生產指數為被解釋變量，溫度T為解釋變量。通過直觀觀察，本文用二次曲線來進行擬合。

設X1=AX2+BX+C

以蘇丹為研究對象，對其Xi與T分別進行10次采樣，得到10個樣本點，利用非線性最小二乘法通過最小化誤差的平方和來計算a，b，c的值。利用MATLAB進行求解，得到回歸曲線為：X7=-2.776+109T2+1.562×1011T-2.19×1012

計算的R2為0.3045，0.3005，0.37010，0.3259，0.4112，表明擬合效果較好。

體現極端天氣如極熱，強降水和干旱的影響。

4 蘇丹脆弱性的分析

4.1 脆弱性的分布

以溫度為橫坐標，降水為縱坐標，脆弱性得分值為豎坐標，建立空間三維坐標系。其中，溫度取值區間為[0，40]，每0.1取值一次，共401個值。降水取值區間為[0800]，每20取值一次，共401個值。

對2000年的蘇丹進行分析。根據蘇丹不受氣候變化影響的12個指標值，利用控制變量的原理，計算出在溫度或降水變化時對應的脆弱性值F，共401*401=160801個F值。

于是，本文可得到160801個空間點。利用插值得到蘇丹脆弱性空間分布，蘇丹的脆弱性值分布在一個凹面上，在某一位置，將取到其最小值，即最不脆弱的狀態。

4.2 由粒子群算法計算最低脆弱度

粒子群算法是一種通過迭代尋求最優解的進化算法，本文采用PSO計算出4.1中凹面最低點坐標。

在二維的搜索空間中，設定每30個粒子組成一個群體。每個粒子的位置是一個潛在解，根據計算出來的脆弱性值判斷其優劣。粒子經歷過的最好位置記為F*，整個群體的所有粒子經歷過的最好位置記為F**通過不斷迭代，對粒子所在的位置不斷進行更新。最終得到的最低點位置坐標為（27.9，472，15.19）從這一最低點出發，其溫度降低或升高及降水增加或減少直至發生極端天氣，脆弱性提高。

參考文獻：

[1]L. C. Sieghart and D. Rogers， “Addressing climate change in fragile states，” 2013.

[2] Z. Li， “Double balanced construction for climate change – from the perspective of cost-benefit analysis，” International outlook， no. 4， pp. 42–56， 2013.

[3] T. Liu and T. Wu， “Evaluation criteria for vulnerable countries，” Leadership Science Forum， no. 13， pp. 17–26， 2016.

作者簡介：

牛靜怡（1997.4.20-）女，漢族，河南省南陽市，身份證號：411321199704200024，本科生，研究方向：水文與水資源工程