經濟暴露度與洪澇災害損失關系分析

仲夏，石少宏，李寧

(1.內蒙古氣象臺，內蒙古 呼和浩特 010051；2.北京師范大學地理科學學部民政部/教育部減災與應急管理研究院, 北京 100875；3.內蒙古氣象科學研究所，內蒙古 呼和浩特 010051)

引言

在眾多類型的氣候災害中，暴雨洪澇災害是發生頻率較多、影響較大的一類[1]。暴雨洪澇災害的發生是由暴雨、長期降水所致，積水的囤積會給低洼地區帶來嚴重的損失。此外，暴雨洪澇災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、對生態環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]。

暴雨洪澇災害是我國出現頻率最高、影響范圍最廣、造成損失最嚴重的幾種自然災害之一[3-4]，每年因暴雨洪澇災害而損壞農田多達7×104hm2，經濟損失過億。生命安全和財產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濟發展，限制我國生產力的進一步提高[5]。我國國土面積遼闊，空間跨度廣，且海陸兼備，導致暴雨洪澇災害的分布和特征受不同地域、季節變化等因素的影響。在夏季，我國大部分地區都會直接或間接地遭遇暴雨洪澇災害。

很多學者注意到經濟暴露度對于暴雨洪澇災害所帶來的損失有著影響。SREX報告指出，災害的影響是極端事件本身以及承災體的暴露度和脆弱性共同作用的結果[6]，因此，在災害風險管理和氣候變化適應的研究工作中，最為關鍵的就是減少承災體的暴露度和脆弱性[7]。暴雨洪澇災害造成經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地區的經濟暴露度在不斷增加。因此，加大加深對中國經濟暴露度對暴雨洪澇災害損失的影響評估的研究，具有重要意義。根據經濟暴露度對暴雨洪澇災害損失進行影響評估分析的結果，建設針對性的防御設施，最大限度地減少損失。同時，通過對暴雨洪澇災害進行風險評價，能夠較為準確地對其發生的時間、可能性大小進行客觀評估。

隨著經濟發展水平的不斷提高，經濟暴露度在不同情況下對暴雨洪澇災害損失的影響。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、相關分析、回歸分析、曲線擬合等方法，綜合考慮不同條件加，經濟暴露度對暴雨洪澇災害損失的影響。

1 資料和方法

1.1 資料說明

本文所使用的數據主要包括2015—2018年全國相關氣象數據、暴雨洪澇災情數據、人口數據、GDP數據以及其他方面的數據。

1.1.1 災情數據

2015—2018年全國各縣域的暴雨洪澇災情數據，包括過程最大降水量、災情起止時間、直接經濟損失、農業經濟損失、受災人口情況、倒塌房屋數量、農業受災與承災面積、災害影響描述等。統計的災情及影響數據資料來源于各級氣象部門通過災情直報系統上報的數據。

1.1.2 氣象數據

全國降水觀測實況數據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，集數據收集與分發，質量控制與產品生成、存儲管理、共享服務、業務監控于一體的數據管理和共享平臺。

1.1.3 社會經濟統計數據

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

1.2 技術方法

1.2.1 相關分析法

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

1.2.2 回歸分析

回歸分析（Regression Analysis）是運用數理統計的方法，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函數的方法。本文主要采用多元回歸分析方法，以直接經濟損失為因變量，以降水量、地區生產總值作為自變量，構建多元回歸模型，并采用逐步回歸方法對模型進行優化。

1.2.3 主成分分析

主成分分析法是一種統計學分析方法，其原理是把多個變量劃為少數綜合指標，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、第一產業增加值、第二產業增加值、地區生產總值、公共財政支出、公共財政收入等經濟發展水平指標形成表征經濟發展水平的綜合指標。

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。本文運用聚類分析方法通過把災害過程總降水量這一沒有標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

在眾多實驗數據處理的問題中，絕大多數自變量和因變量之間的函數關系較為復雜，不易通過理論推導得出其準確的關系式，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）是用連續不間斷的曲線近似地代替坐標上離散點之間函數關系的一種擬合方法。

2 結果分析

2.1 洪澇災害損失分析

2.1.1 洪澇災害損失分布特征

根據氣象災害評估分級標準，按照人員傷亡、經濟損失的大小，將2015—2018年縣域的暴雨洪澇災害損失進行災害分級，分析災害損失的空間分布情況。從災害損失的分布情況來看，災害損失主要集中在我國西南地區東部和南部、華南、江南、江淮、黃淮和華北一帶，受災最為嚴重的是我國低緯度地區；暴雨洪澇災害損失多以小型和中型為主，大型和特大型氣象災害出現的相對較少。從縣域尺度的暴雨洪澇災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害發生，但是并沒有造成經濟損失或者人員傷亡。從空間分布上看，暴雨洪澇災害在空間分布上廣，局部地區災害損失較為嚴重（圖略）。

2.1.2 暴雨洪澇災害損失影響因素的相關性分析

在全球氣候逐漸變暖的影響之下，我國自然災害發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，對人們的生活和經濟損失造成了一定的影響，暴雨洪澇災害頻繁發生，導致大多數區域的人員受到傷害，經濟損失慘重，阻礙了社會發展，給人民生命安全帶來威脅。氣象災害損失的形成是自然變異因素與社會經濟因素交互作用的結果[8]。直接經濟損失指的是因事故造成的人員傷亡費用，災情的嚴重程度通過絕對值和相對值表示。因此本文以直接經濟損失作為因變量，分析社會經濟發展和致災因子對直接經濟損失的影響。根據區域災害系統論[9-10]，災情（害）是孕災環境、致災因子和承災體互相作用的產物。強降水是引發洪澇災害的直接原因，本文選取該致災因子和承災體在暴雨洪澇災害損失災情中進行相關性研究，對災害造成的損失進行分析。

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

計算暴雨洪澇災害直接經濟損失與經度、緯度、總降水量、1~7 d降水量、持續時間、人均GDP、地區生產總值的相關性，從相關系數計算結果（圖1）可以看出，直接經濟損失與經度、緯度、總降水量、1~7 d降水量、持續時間、人均GDP、地區生產總值、地區生產總值的相關系數均為正相關。各因子與直接經濟損失的相關系數和置信度表明（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。分析致災因子強度因子與直接經濟損失的相關系數，總降水量、7 d降水量、6 d降水量、5 d降水量和持續時間與直接經濟損失的相關系數是所有因子中排名較高的，且為正相關，說明降水量越大、持續時間越長，災害造成的直接經濟損失也越高。地區生產總值這兩個常被用于經濟暴露度特征指標的量與直接經濟損失也為正相關，相關系數為0.13，具有較弱的相關性。

表1 各因子與直接經濟損失的相關系數和置信度

圖1 直接經濟損失與致災因子和承載體暴露度各因子的相關性分析熱力圖

2.2 致災因子強度與暴雨洪澇災害損失的關系

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

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

圖2 經濟暴露度低值區總降水量與直接經濟損失最優曲線擬合結果

2.2.3 經濟暴露度中值區降水量與直接經濟損失關系

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

圖3 經濟暴露度中值區總降水量與直接經濟損失最優曲線擬合結果

2.2.4 經濟暴露度較高值區降水量與直接經濟損失關系

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

圖4 經濟暴露度較高區總降水量與直接經濟損失最優曲線擬合結果

2.2.5 經濟暴露度高值區降水量與直接經濟損失關系

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

圖5 經濟暴露度高值區總降水量與直接經濟損失最優曲線擬合結果

3 結論

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

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

（3）對于災害損失為小型、中型的地區，該地區的致災因子強度越大，暴雨洪澇災害造成的直接經濟損失占比越大，同時地區生產總值越、經濟發展水平越高的縣，損失占比越小；對于災害損失為大型、特大型的地區，暴雨洪澇災害致災因子強度和災害損失占比之間的關系并不顯著，而當地的經濟暴露度與損失占比呈現較為顯著的關系，地區生產總值越高的地區，其經濟暴露度越高，損失占比越小。