基于因子分析的沿海地区海洋灾害损失评价——以风暴潮为例

孙瑞杰，赵昕

（1. 国家海洋信息中心 天津 300171；2. 中国海洋大学经济学院 山东 青岛 266100）

基于因子分析的沿海地区海洋灾害损失评价
——以风暴潮为例

孙瑞杰1，赵昕2

（1. 国家海洋信息中心 天津 300171；2. 中国海洋大学经济学院 山东 青岛 266100）

近年来，海洋灾害不断发生，使得沿海地区经济与社会的持续发展遭受严峻的挑战。在总结有关海洋灾害研究成果的基础上，首先说明了构建灾害损失评价指标体系的基本原则，并选取了评价指标体系；其次，用因子分析法对十个沿海省份2000年到2007年所遭受的风暴潮灾害损失进行了评价；最后根据综合得分找出了遭受风暴潮灾害损失严重的地区和主要的损失因子，从而为防灾减灾提供了依据。

海洋灾害；损失评价；因子分析

中国属于典型的海洋大国，丰富的海洋资源与优越的海上运输条件为中国经济发展创造了契机。然而，沿海区域相应的也是受到海洋灾害影响的高风险区域，风暴潮、灾害性海浪、赤潮、溢油、海冰、海雾、海平面上升、海岸侵蚀等各种海洋灾害经常发生，严重影响了沿海地区的经济发展和城市建设，给沿海经济发展、人民生命财产安全及生态环境带来巨大威胁。鉴于海洋灾害问题的严重性与普遍性，在我国，人们已经开始对海洋灾害问题进行研究。

卢文芳[1]( 1995 ) 将搜集到的 1949—1990 年影响上海地区的热带气旋灾情资料，用数理统计方法进行加工处理，再结合致灾成因分析，建立热带气旋灾情指数序列，并在此基础上用 5 个灾情等级评估灾情轻重的程度。许启望[2]( 1998 ) 采用直接经济损失和强度二个综合性因子对风暴潮灾害所造成的损失进行研究。赵领娣[3]( 2003 ) 以深刻剖析灾害管理内涵为切入点，全面阐述了灾害管理系统、灾害损失评估以及系统科学原理与方法在灾害管理实践中的应用，在深入分析减灾与经济效益、灾害损失与经济补偿、巨灾风险分散化的基础上，全面探讨了中国沿海的风暴潮灾害及其防御对策，并最终构建了中国风暴潮灾害的综合管理机制。叶涛[4]( 2005 ) 从海洋灾害发生的频率、直接经济损失和伤亡人数发展趋势等方面，分析了1990 年以来中国海洋灾害系统的风险特征。李春梅，罗晓玲[5]( 2006 ) 将层次分析法和专家打分法应用于广东省热带气旋灾害影响评估模式中，通过建立“热带气旋综合影响指数”对热带气旋灾害的影响程度进行分级评判，定量地估算出热带气旋的可能直接经济损失。 佟蒙蒙[6]( 2006 ) 对我国的赤潮灾害进行了分型分级，并提出了灾害损失评估的理论模型。郑惠[7]( 2009 ) 以数量级为灾害损失定级标准，建立了风暴潮灾害模糊灾度 5 级分类表，并利用模糊数学原理对风暴潮灾害损失进行定级分类，给出了实用性较强的灾害损失等级模糊定级测度法。

尽管对海洋灾害的研究比较多，但大都是对灾害损失进行定性分析，进行定量评价的不多。本文运用因子分析的方法，从人员伤亡和直接经济损失两个方面对风暴潮灾害所造成的损失进行定量的评价，找出灾害损失严重的地区和主要的损失因子，以便更有针对性的进行防灾减灾。

1 评价指标体系的选取

所谓灾害损失评价指标体系就是指用来评价海洋灾害对经济社会和环境所造成的损失程度而采用的标准和尺度。在指标体系建立过程中，要求：(1) 指标体系的逻辑结构应与现今固有的、公认的客观结构相吻合；(2) 指标体系的逻辑结构应具有最大的兼容性，可囊括海洋灾害系统研究的所有内容；(3) 指标体系的逻辑结构的表现形式，必须便于描述和组织，并且各项指标必须具有明确含义。

因为海洋灾害是一个综合、复杂的灾害现象，根据以上的要求，同时结合灾害损失的特点和评价的目标以及数据的可得性，把整个指标体系分为：人口伤亡、直接经济损失两部分，每部分又有多项分指标组成，各分指标之间相互联系、相互作用，构成综合指标体系。总体指标体系如下：

图 1 海洋灾害损失评价指标体系Fig. 1 Index system of loss appraisal of ocean disaster

通过上图可以看出，评价指标体系是从人口伤亡、直接经济损失三个方面进行构建的。人口伤亡旨在评价海洋灾害对人类所造成的灾害情况，文中选取了受灾人口和伤亡人口两个指标；直接经济损失旨在评价海洋灾害对农业、海洋水产业及基础设施的破坏情况，文中选取了农作物受灾面积、水产养殖受灾面积、房屋损毁间数、损毁海洋工程长度、沉没损毁船只数这5个指标来反映。

3 海洋灾害损失评价

3.1 方法的选择

评价灾害损失需通过由多层次的、多方面的、各类型的指标构成的灾害损失指标体系来进行，而这些指标对灾害状况说明的程度各不相同，彼此间又难免有一定的相关性，使它们在信息上发生重叠，从而导致评估结果不清，甚至发生矛盾。因子分析方法是根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。每组变量代表一个基本结构，这个基本结构成为公共因子。对于所研究的问题就可试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和描述原来观测的每一分量[8]。所以，应用因子分析法能够较理想地评估海洋灾害损失情况。

因子分析数学模型如下：

3.2 样本和数据的选取

本文以辽宁、河北、山东、江苏、浙江、福建、广东、海南、广西、天津十个沿海省份为研究对象，对 2000—2007 年所遭受的风暴潮灾害损失进行评价。

设x1代表受灾人口（万人），x2代表农作物受灾面积（×104hm2），x3代表海洋水产养殖受灾面积（×104hm2），x4代表损毁房屋（万间），x5代表损毁海洋工程长度（km），x6代表沉没损毁船只数（艘），x7代表死亡失踪人数。数据见下表：

表 1 2000—2007年沿海省份损失数据（风暴潮）Tab. 1 Loss data of coastal area from 2000 to 2007 (storm surges)

3.3 因子分析适用性检验

首先，将原始数据标准化，并用 MATLAB7.0软件计算出变量间的相关系数矩阵，结果显示绝大部分相关系数都大于 0.2，符合因子分析的要求；接着再对这组数据用Bartlett球度和KMO取样适当性做进一步的检验，从检验结果来看，KMO取样适当性检验的统计量为 0.609，虽然没有达到极好的效果，但也能符合适用因子分析大于 0.5 的要求；而Bartlett球度检验在 0.000 的显著性水平上拒绝了相关系数矩阵为单位阵的假设，即说明各个变量间存在着相关，故可以肯定，这组数据适合进行因子分析。

3.4 构造因子变量

构造因子变量也是因子提取的过程，运用SPSSV13.0 软件，输入数据进行运算，即可得到结果。为了主因子的提取结果更加理想，本文还做了最大方差法正交旋转，最后选取了2 个主因子，其累计方差贡献率达到 90.298 %，下表即为得到的计算结果：

3.5 因子变量的命名与解释

在进行因子解释时，绝对值大于 0.75 的载荷才认为是显著的。根据表 2，在选取了显著性载荷后得到以下结论：

第一因子（F1）主要由水产养殖受灾面积、损毁海洋工程、沉没损毁船只数决定，这三个指标在因子1F上的载荷都在 0.85 以上，集中反映了风暴潮灾害对水产养殖业、船只和海洋工程的破坏情况。由于所遭受的灾害都发生着在海上，因此，这个因子可以命名为“海域损失因子”。

表 2 特征值、因子载荷阵和共同度表Tab. 2 Table of eigenvalue, factor loading matrix and joint degree

第二因子（F2）主要由农作物受灾面积、损毁房屋数和死亡失踪人数决定，这三个指标在因子F2上的载荷都在 0.85 以上，集中反映了风暴潮灾害对陆地上的农业、房屋和沿海居民的破坏情况。因此，这个主因子可以命名为“陆域损失因子”。

可见，“海域损失因子”和“陆域损失因子”这两个因子共同组成了风暴潮灾害对沿海地区社会经济发展所造成影响的主要因子。

3.6 计算综合得分

由回归法估计出因子得分，再以各因子的方差贡献率占前两个因子方差贡献率的比重作为权重进行加权汇总，得出各省份的综合得分，并排出先后顺序，结果如下：

表 3 综合得分表Tab. 3 Table of comprehensive scores

最后，以公因子F1、F2作为坐标轴，绘制出各城市的因子得分图，如下：

图 2 沿海地区因子得分图Fig. 2 Factor scores of coastal regions

4 结果分析

根据综合得分表，对沿海地区的受灾情况进行综合分析和评价。综合得分排在前三位的是浙江、福建、广东，四到六位的是海南、江苏、山东，最后四位是广西、辽宁、河北和天津。因此，按照风暴潮灾害所造成的损失程度可以将十个沿海地区分为三个区域：第一个区域由浙江、福建、广东组成，这三个省份都处于珠江三角洲地区，风暴潮频发，而且往往都是在这儿首先登陆，破坏力巨大，所以给以上三个省份造成巨大的损失；第二个区域由海南、江苏、山东组成，这三个地区分别位于珠江三角洲南北两侧，遭受的灾害损失较轻；第三个区域由广西、辽宁、河北和天津组成，这个区域的四个省份所遭受的损失最轻。

沿海地区因子得分图显示：浙江、广东、山东三个省份“海域损失因子”得分高于“陆域损失因子”得分，说明这三个省份在水产养殖受灾面积、损毁海洋工程、沉没损毁船只数三个方面的损失更为严重；而福建、海南、江苏三个省份“陆域损失因子”得分高于“海域损失因子”得分，说明这三个省份在农作物受灾面积、损毁房屋数和死亡失踪人数损失较严重；广西、辽宁、河北和天津四个地区第一因子和第二因子的得分都比较低。

5 防灾减灾对策

第一，要建立和发展海洋灾害监测网，扩充海洋灾害警报数据库，建立和发展灾害分析和预报系统，早期灾害警报系统和灾情评估技术，以及开展上述科技系统的建立和发展有关的，涉及计算机科学、电子及信息科学、海洋气象科学领域广泛的科学技术研究项目，做好防御工作。

第二，对“海域损失因子”得分高的浙江省、广东省和山东省，首先要加固海洋工程建设，依据海洋灾害的长期预测，修建防潮海堤、海塘、护岸工程、分洪分潮工程等，对易受灾地区岸段做工程防护，以避免风暴潮发生时冲回堤坝，造成洪水泛滥；其次，提高淡水养殖和深海养殖技术，以减轻风暴潮对水产养殖的影响，减少渔民的损失。

第三，对“陆域损失因子”得分高的福建省、海南省和江苏省要加强防风林、防护林的种植和保护，以减轻风暴潮发生时台风的破坏力，避免大面积农作物、大量房屋被吹倒和人员死亡失踪现象。

[1] 卢文芳. 上海地区热带气旋灾情的评估和灾年预测 [J]. 自然灾害学报, 1995(8): 40-45.

[2] 许启望, 谭树东. 风暴潮灾害经济损失评估方法研究 [J]. 海洋灾害通报, 1998(2): 1-11.

[3] 赵领娣. 中国灾害综合管理机制研究 [M]. 中国海洋大学, 2003.

[4] 叶涛. 1990年以来中国海洋灾害系统风险特征分析及其综合风险管理 [J]. 自然灾害学报, 2005(6): 65-70.

[5] 李春梅, 罗晓玲. 层次分析法在热带气旋灾害影响评估模式中的应用 [J]. 热带气象学报, 2006(6): 223-229.

[6] 佟蒙蒙. 我国赤潮的分型分级及赤潮灾害评估体系 [M]. 暨南大学, 2006.

[7] 郑惠, 赵昕. 海洋灾害经济损失的模糊测定——以风暴潮为例[J]. 中国渔业经济, 2009(4): 105-110.

[8] 何晓群. 现代统计分析方法与应用 [M]. 中国人民大学出版社,1998.

Appraisal of ocean disaster losses of coastal area based on the factor analysis—— A case study of storm surge disaster

SUN Rui-jie1, ZHAO Xin2

( 1. National Marine Data & Information Service，Tianjin 300171, China; 2. Ocean University of China, Economy College, Qingdao, 266100 )

In recent years, the ocean disaster happens unceasingly, and the sustained development of economy and society of coastal area suffers austere challenge. Firstly, based on ocean disaster research results, this paper explains the basic principle of building index system, and chooses the proper index. Secondly, it appraises losses of ten coastal provinces caused by ocean disasters from 1999-2007 by using the factor analysis. Finally, the paper finds out the area suffering grave loss and main loss facter , and put forward proposals for disaster prevention and disaster reduction.

ocean disaster; loss appraisal; factor analysis

X43

A

1001-6932(2010)06-0697-05

2009-12-31；收修改稿日期：2010-03-31

孙瑞杰（1984—），男，硕士研究生，电子邮箱：sunruijie0714@163.com。