基于主成分分析的中国南方干旱脆弱性评价

王莺，王静，姚玉璧,2，王劲松

基于主成分分析的中国南方干旱脆弱性评价

王莺1，王静1，姚玉璧1,2，王劲松1

1. 中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃 兰州 730020；2. 甘肃省定西市气象局，甘肃 定西 743003

干旱脆弱性是干旱灾害形成的根本原因。遵循全面性、系统性和可操作性原则，选取水资源脆弱性、经济脆弱性、社会脆弱性、农业脆弱性和防旱抗旱能力脆弱性5个准则层，共32个指标，建立了中国南方农业干旱脆弱性评价指标体系，运用主成分分析的理论方法确定评价指标权重，建立中国南方地区的干旱脆弱性评价模型，得到不同省市的干旱脆弱性指数、分级阈值和区划，以期为南方地区防旱减灾工作提供基础数据和理论支持。得出以下结论，（1）通过主成分分析法得到四个主成分，第一主成分方差贡献率为54.90%，主要反映农业脆弱性和社会脆弱性；第二主成分方差贡献率为23.64%，主要反映水资源脆弱性和经济脆弱性；第三主成分和第四主成分所占比重较小，主要反映防旱抗旱能力脆弱性。（2）以4个主成分的方差贡献率为系数建立南方干旱脆弱性评价模型，得到中国南方干旱脆弱性综合评价得分及其排名，其中水资源脆弱性由高到低依次为云南、广西、贵州、四川、重庆和广东；经济脆弱性由高到低依次为广西、云南、贵州、四川、重庆和广东；社会脆弱性由高到低依次为贵州、云南、广西、重庆、四川和广东；农业脆弱性从高到低依次为贵州、云南、广西、重庆、四川和广东；防旱抗旱能力脆弱性由高到低分别为云南、贵州、四川、广西、重庆和广东；干旱脆弱性综合评价由高到低依次为云南、贵州、广西、四川、重庆和广东。（3）对干旱脆弱性指数进行正态分布性检验，发现该指数基本服从正态分布。根据正态分布原理，得到干旱脆弱性分级阈值，将干旱脆弱性指数小于0.3842定义为低风险，大于1.0758定义为高风险，介于两者之间的定义为中等风险，获得干旱脆弱性分级区划图。广东省位于干旱的低脆弱区，四川和重庆位于干旱的中等脆弱区，云南、贵州和广西位于干旱的高脆弱区。

主成分分析；干旱；脆弱性；指标权重；中国南方

灾害形成机制的研究理论众多，主要有致灾因子论、孕灾环境论和区域灾害系统论。随着对灾害研究的深入，从80年代开始国际灾害学界就开始重视脆弱性在灾害形成过程中的作用（史培军，1996）。政府间气候变化专业委员会对脆弱性的定义是指系统容易遭受和有没有能力对付气候变化（包括气候变率和极端气候事件）的不利影响的程度（IPCC，2013）。自然灾害领域对脆弱性的定义是承灾体面对潜在的灾害危险时，在自然、经济、社会、环境等因素共同作用下所表现出的暴露性、敏感性和防抗风险的能力（葛全胜等，2008）。灾害学理论认为致灾因子是灾害形成的直接原因，而脆弱性是灾害形成的根本原因。也就是说灾害的破坏性程度不仅取决于灾害发生的强度，更取决于社会环境在灾害面前表现出的脆弱性大小（刘铁民，2010）。因此防灾减灾工作要从减小致灾因子风险性和降低灾害脆弱性两方面入手。但是目前的科学发展水平还不能改变致灾因子的发生过程，无法完全规避其风险，所以降低干旱脆弱性就成了防灾减灾工作的主要途径（史培军，1996）。

干旱是天然降水异常引起的水分短缺现象，所以湿润地区和干旱地区都有可能发生干旱（Ashok和Vijay，2010；张强等，2011）。干旱灾害则是由降水减少导致水分供应短缺而对生活、生产和生态造成危害的事件，具有自然和社会的双重属性，是制约社会可持续发展的一个重要因素（亚行支援中国干旱管理战略研究课题组，2011）。中国地处亚洲季风气候区，是一个干旱灾害频发的国家（涂长

望和黄士松，1944）。IPCC第五次评估报告指出，北半球1983─2012年可能是最近1400 a来气温最高的30 a（IPCC，2013）。在这个背景下，中国的降水年际年内变异增大，干旱发生频率升高，不同地域、不同季节发生严重及特大干旱灾害的年份增多，甚至有可能出现连季和连年性的极端干旱气候事件（IPCC，2012；黄小燕等，2014）。更需要注意的是，近年来在我国北方干旱形式依然严峻的情况下，南方干旱出现明显的增加和加重趋势（姚玉璧等，2014a，2014b；王莺等，2014；尹晗和李耀辉，2013；段海霞等，2014）。1951─1990年中国南方出现的重大干旱事件占全国总事件数的37.5%，1991─2000年的数据为60%，而2001─2012年这一数据就达到了100%。由此可见，中国南方地区防旱抗旱工作面临的形式非常严峻。

国外学者在干旱脆弱性方面做了大量研究，主要分为基于农户的微观视角和基于区域的宏观视角两个方面。Slegers（2008）从农户角度分析了旱灾脆弱性，认为其脆弱性程度由土壤类型、土地管理和农民类型等因素决定。Wilhelmi等（2002）根据农业旱灾的生物物理和社会因素，以地理信息系统为工具，通过数值加权分类表来获得每个因素的干旱潜力。Naumann等（2014）建立了一个综合的干旱脆弱性指标（DVI），从可再生自然资本、经济能力、人口资源和基础设施4个方面反映非洲的干旱脆弱性。Zornitsa等（2012）通过WINISAREG模型以及SPI2指数获得了保加利亚的农业旱灾脆弱性。Antwi-Agyei等（2012）从暴露性、敏感性和适应性方面开发了多尺度方法来评估加纳地区农业干旱的脆弱性。中国对农业干旱脆弱性研究主要采用定性与定量相结合的方法，例如情景模拟和产量分析等（孙芳和杨修，2005；段兴武等，2008）。对指标权重的确定主要采用德尔菲法、层次分析法、熵值法等（倪深海等，2005；武玉艳等，2009；阮本清等，2005）。但德尔菲法和层次分析法的主观性较强，熵值法虽客观，但不能将相关指标有效分开。随着多元统计方法的普及和应用，主成分分析法作为一种较新的评估方法被应用在脆弱性评价工作中（凌子燕和刘锐，2010；马细霞等，2011；Abson等，2012）。该方法的本质是对高维变量系统做最佳综合和简化，同时客观确定各指标的权重，避免主观随意性。鉴于此，本研究以中国南方地区的干旱脆弱性为研究目标，应用主成分分析法来确定各评价指标的权重，建立适宜于该区域的干旱脆弱性评价指标体系和评价模型，发现干旱脆弱性的影响因素，以期为南方地区干旱风险的主动防控工作提供基础数据和理论支持。

1 研究方法

1.1研究区简介

中国南方地区位于中国东部季风区南部，主要指秦岭-淮河线以南、青藏高原以东地区。该区域是中国主要的粮油产区，主要粮食作物是水稻，主要经济作物是甘蔗、油菜、棉花、茶叶和烤烟。选择华南（广东、广西省）和西南（贵州、云南和四川省以及重庆直辖市）为案例区来评价气候变暖背景下南方农业干旱脆弱性。从地形看，案例区自东南向西北逐渐增高。分省来看，广东省自北向南分别为中亚热带、南亚热带和热带气候区，年平均温度19～24 ℃，年平均降水量1300～2500 mm；广西省岩溶地貌较为发育，年平均温度16.5～23.1 ℃，年平均降水量1500～2000 mm；贵州省属亚热带湿润季风气候区，位于中国西南部高原山地，立体农业特征明显，年平均温度14～18 ℃，年平均降水量1100～1300 mm；云南省兼有低纬气候、季风气候和山原气候的特点，年平均温度5～24 ℃，年平均降水量1100 mm左右；四川省以山地为主，气候区域差异显著，川西南年平均气温12～20 ℃，年平均降水量900～1200 mm，川西北年平均温度4～12 ℃，年平均降水量500～900 mm；重庆市以丘陵和山地为主，立体气候显著，年平均气温16～18 ℃，年平均降水量1000～1350 mm。

图1 研究区位置图fig. 1 Location of the study area

1.2资料及其来源

（1）水资源数据来源于《中国环境统计年鉴2013》；

（2）社会经济数据来源于《中国统计年鉴2013》和《中国区域经济统计年鉴2013》；

（3）农业和农村数据来源于《中国农村统计年鉴2013》和《中国民政统计年鉴（中国社会服务统计资料）2013》。

1.3评价指标的选择

通过对案例区干旱情况的调查和综合分析，遵循全面性、系统性和可操作性原则，选取水资源脆弱性、经济脆弱性、社会脆弱性、农业脆弱性和防旱抗旱能力脆弱性5个准则层，共32个指标，建立了案例区农业干旱脆弱性评价指标体系（表1）。

1.4评价指标的标准化

在干旱脆弱性评价过程中，不同指标间的量纲可显著影响主成分分析的结果，因此在分析前有必要对所选指标做标准化无量纲处理（舒晓惠和刘建平，2004）。因为有的指标对干旱脆弱性呈正效应，另一些指标呈负效应，所以在处理过程中要区别对待。

正效应的指标处理方法为：

负效应的指标处理方法为：

式中Xij为标准化数据；xij为第i个评价对象的第j项评价指标；maxxij和minxij分别为第j项评价指标的最大值和最小值。经处理后的Xij为∈[0,1]，Xij越趋于1，说明其对干旱脆弱性的贡献越大；反之，则越小。

表1 研究区干旱脆弱性评价指标Table 1 Drought vulnerability evaluation criteria

1.5主成分分析法

主成分分析（Principal Component Analysis, PCA）最早由Pearson于1901年发明，主要通过对协方差矩阵进行特征分析，达到在减少数据维数的同时保持数据集对方差贡献最大的目的（Pearson，1901）。也就是在数据信息损失最小的情况下，通过降维把原来的多个指标转化为一个或几个综合指标，即主成分。各主成分间互不相关。具体计算过程为：

（1）求出标准化数据指标的矩阵。设干旱脆弱性评价指标个数为n，地区个数为m，数据矩阵为X，xij表示第i个地区的第j个数值，则：

（2）求相关系数矩阵：

式中rij为标准化数据的第i个指标与第j个指标间的相关系数。可得相关系数矩阵R。

（3）求相关系数矩阵的特征值和特征向量，以及特征值对应的方差贡献率和累计贡献率。取特征值大于1且累计方差贡献率大于85%的前q个主成分综合原始数据信息，记其方差贡献率为：

（4）取对应的q个特征向量，将其标准化：

式中e是特征向量，f∈[1,q]。

（5）各指标对总体的贡献率为：

（6）对P做归一化得：

式中wj为第j个指标的权重。

1.6干旱脆弱性评价模型

选用综合评价法模型计算中国南方地区干旱脆弱性指数Y，指数越大说明风险越大，反之则越小。

2 结果与分析

2.1主成分特征分析

为了判断提取的主成分与原始变量间的关系，用SPSS16.0软件计算各变量间的共同度。从计算结果可以看出，所有影响因素变量与原始变量之间的依赖度均在85%以上，且绝大多数变量之间的依赖程度在95%以上，因此可以说明即将提取的主成分与原始变量间相关程度强，提取出的主成分具有代表性。

对表1中的数据进行标准化处理，并在SPSS16.0软件中求出其相关矩阵的特征值和各主成分贡献率，见表2。一般选取特征根大于1且累计方差贡献率大于85%的q个主成分，即使信息利用率达85%以上。从表2中可知，前4个主成分的特征根大于1，且累计贡献率达到97.69%，仅丢失2.31%的信息，基本可以反映原指标的大部分信息。因此用4个主成分来代替原来的32个原始变量，降低原始数据的复杂性，达到降维的目的。

因子载荷矩阵反映了原始变量与主成分间的相关系数。从本研究中因子载荷矩阵结果可以看出，4个主成分对原始数据信息的反映不清晰，无侧重性，使各主成分无明显的实际意义，因此选用最大方差法对因子进行旋转，得到因子旋转矩阵。从因子旋转矩阵可以看出，第一主成分主要包括生态环境补水、夏收粮食单位面积产量、农村居民消费支出、节水灌溉机械、地表水资源、旱涝保收面积、旱田面积、机电排灌面积、降水量等，其方差贡献率为54.90%，主要反映了干旱脆弱性中的农业脆弱性和社会脆弱性；第二主成分主要包括生活用水、人均水资源量、农业用水、农林牧渔业总产值、节水灌溉面积、工业用水和第一产业增加值占地区生产总值的比重，其方差贡献率为23.64%，主要反映了干旱脆弱性中的水资源脆弱性和经济脆弱性；第三主成分和第四主成分所占比重较小，主要反映了干旱脆弱性中的防旱抗旱能力脆弱性。

表2 相关系数矩阵的特征值Table 2 Eigenvalues of the correlation matrix

2.2干旱脆弱性评价

以4个主成分的方差贡献率为系数建立南方干旱脆弱性评价模型：

由于32个原始指标量纲不同，会对评价结果带来较大影响，所以需要在做干旱脆弱性评价前对原始指标做标准化处理，将标准化之后的数据代入式（10），得到中国南方干旱脆弱性综合评价得分及其排名（表3）。

表3 中国南方干旱脆弱性综合评价及排名Table 3 Drought vulnerability evaluation and ranking in the south of China

从水资源脆弱性来看，云南的脆弱性最高，以下依次为广西、贵州、四川、重庆和广东。由主成

分分析法获取的指标权重可知，单位面积地表水资源量的权重系数最大，说明该指标对这6个地区水资源脆弱性影响最大。据《中国环境统计年鉴2013》统计，云南省单位面积地表水资源量仅为0.0043×108m3·km-2，为6个地区中最低，而农业用水所占比重又较高，占用水总量的68.38%，单位面积地下水资源量和单位面积年降水量均不高，因此水资源脆弱性最高。广西省虽然人均水资源量在6个地区中排名第一，但是人均用水量和农业用水比例也在6个地区中排名第一，因此水资源脆弱性较高。贵州省主要存在的问题是水资源压力较大，单位面积地表水资源量、地下水资源量和降水量在6个地区中均排在中间。四川省的单位面积降水量最低，农业用水所占比例较高，但是它的地下水资源丰富，人均用水量较低，因此水资源脆弱性较低。重庆市水资源比较丰富，单位面积地下水资源量和人均水资源量在6个地区中排名第一，人均用水量少，农业用水所占比例最低，虽然工业用水和生活用水所占比例较大，但是由于权重较低，所以对结果的影响较小。广东省水资源丰富，单位面积地表水（0.0112×108m3·km-2）、地下水（0.0027×108m3·km-2）和降水量（0.0195×108m3·km-2）均为6个地区中最高，其主要的水资源问题是人口众多带来的人均水资源量较低、生活用水和生态环境补水所占比例较高，以及经济快速发展下的工业用水所占比例较高等问题。

从经济脆弱性来看，广西的脆弱性最高，以下依次为云南、贵州、四川、重庆和广东。对比指标权重可知，农村居民家庭人均纯收入和人均生产总值权重较高，说明这两种指标对经济脆弱性的影响较大。一般来说，农村居民人均纯收入和人均生产总值越高，说明居民抵御干旱风险的能力越强，干旱脆弱性就越低；第一产业增加值占地区生产总值比重和农林牧渔业生产总值占地区生产总值比重越高，说明该地区对农业的依赖度越大，在同样的干旱等级下，干旱带来的影响越严重，干旱脆弱性程度越高。从统计数据可知，广西省农村居民家庭人均纯收入为6007.5元·人-1，人均生产总值较低（2.5亿元·万人-1），而农林牧渔业生产总值和第一产业增加值占地区生产总值的比重都很高，分别为25.8%和16.7%，说明广西的经济非常依赖于农业发展。云南省的经济脆弱性指标与广西近似，也是一个对农业依赖度很高的省份，其经济脆弱性程度较高。贵州省经济欠发达，农村居民人均纯收入（4753.0元·人-1）和人均生产总值（2.0亿元·万人-1）均为6个地区中最低，说明该省对干旱的经济抵御能力较弱。四川省和重庆市的经济水平在西南地区排名第一，但重庆的农业依赖性低于四川，因此四川的经济脆弱性比重庆市高。广东省是中国的经济发达省份，农村居民人均纯收入（10542.8元·人-1）和人均生产总值（5.8亿元·万人-1）均位于前列，而农林牧渔业生产总值和第一产业增加值占地区生产总值的比重却非常低，分别为7.0%和5.0%，因此其经济脆弱性非常低。

从社会脆弱性来看，贵州省的社会脆弱性最高，以下依次为云南、广西、重庆、四川和广东。分析指标权重可知，农村居民消费支出、城乡居民收入水平对比和乡村人口数占总人口数比重的权重较高。一般来说，农村居民消费支出越多，说明其可支配收入越多，对干旱风险的抵御能力越强；农村居民食品支出所占比例越多，说明其家庭收入越少，生活水平越低，脆弱性程度越高；城乡居民收入水平和消费水平之比反应了城乡收入差距，该比例越高，说明城乡收入差距越小，农村经济发展水平越高，脆弱性程度越低；乡村人口数比重越高，说明该地区城镇化水平越低，对农业依赖度越高，脆弱性程度越高；文盲人数越多，政策落实和技术推广的难度越大，脆弱性程度越高；粮食人均占有量越高，说明社会对干旱灾害的抵御能力越强，脆弱性越低。具体来看，贵州省主要存在的社会问题是城乡居民收入水平和消费水平之比高，分别为3.9和3.5，农村居民消费支出低（3901.7元·人-1），农村人口数所占比例高（63.6%），农村居民中文盲和半文盲人数所占比例高（10.4%），因此社会脆弱性非常高。云南省的情况与贵州省相似，农村人口所占比例达60.7%，农村居民食品支出为45.6%，说明其农村居民生活水平低，社会脆弱性高。广西省的问题主要存在于农村人口数所占比例高（56.5%），城乡居民消费水平比较高（3.3），说明城镇化水平较低。重庆市也存在着城镇化水平较低的问题。四川省虽然农村人口所占比重较大，但城镇化水平较高，粮食人均占有量高（411.1 千克·人-1），因此社会脆弱性较低。广东省的城镇化水平非常高，农村居民消费支出很高（7458.6元·人-1），农村人口和文盲半文盲人数所占比重很低，分别为32.6%和2.8%，因此社会脆弱性很低。

从农业脆弱性来看，从高到低依次为贵州、云南、广西、重庆、四川和广东。分析权重值可知，旱田面积百分比和单位面积大牲畜年末存栏量的权重值较高。贵州省单位面积年末大牲畜存栏量（头）在6个省市中最高，为31/km2，旱田所占比例为67.7%，而旱涝保收面积占播种面积的比例较低（12.3%）。云南省旱田所占比例最高（73.4%），旱涝保收面积占播种面积的比例较低（13.6%）。广西

省旱田所占比例为48.2%，单位面积大牲畜年末存栏量（头）为21/km2。重庆市农业脆弱性主要体现在旱涝保收面积比例低（10.2%），农作物播种面积比例高（40.5%）。四川省农业脆弱性主要体现在秋收粮食单位面积产量高（5858.7 kg·hm-2），一旦发生干旱，粮食产量的损失远高于其他地区。广东省夏收粮食单位面积产量高（4652.1 kg·hm-2），旱涝保收面积比例高（29.8%），旱田比例低（26%），说明该地区农业生产抵御干旱的能力强，农业脆弱性低。

从防旱抗旱能力脆弱性来看，由高到低分别为云南、贵州、四川、广西、重庆和广东。从权重值可知，机电排灌面积、有效灌溉面积和单位播种面积节水灌溉机械对防旱抗旱能力脆弱性的影响较大。云南省在防旱抗旱方面主要存在的问题是单位面积水库库容量低，仅为3.6万m3·km-2，机电排灌面积和有效灌溉面积占播种面积比例较低，分别为2.6%和24.3%，单位播种面积上节水灌溉机械数很低，为1.6套·千hm-2。贵州省的机电排灌面积和有效灌溉面积占播种面积比例也比较低，分别为1.4%和23.4%，但其单位面积水库库容量比较高（20万m3·km-2）。四川省单位面积水库库容量小，为4.5万m3·km-2，但其节水灌溉面积占有效灌溉面积比例高（53.2%）。广西省有效灌溉面积占播种面积的比重较低，为25.3%，但单位播种面积上节水灌溉机械数较高，为10.1套·千hm-2。重庆市有效灌溉面积占播种面积的比重是6个地区中最低的，仅为20.2%，但每千农业人口中村卫生室人员最多，为1.48人。广东省水资源丰富，单位面积水库库容量（24×104m3·km-2）、有效灌溉面积占播种面积比例（40.1%）、机电排灌面积占播种面积比例（13.6%）和单位播种面积节水灌溉机械（22.5套）均为最高，其防旱抗旱脆弱性能力最低。

从6个地区的干旱脆弱性综合评价来看，云南的干旱脆弱性最高，具体体现在水资源和防旱抗旱脆弱性指数都比较高。接下来是贵州和广西，其中贵州的社会和农业脆弱性指数相对偏高，而广西是经济和水资源脆弱性较高。干旱脆弱性风险较低的是四川和重庆，因为它们的水资源、经济、社会和农业脆弱性都比较低，只有四川的防旱抗旱脆弱性稍高。广东省由于水资源丰富、经济发达和城镇化水平高，使得其干旱脆弱性低。

2.3干旱脆弱性分级

对6个地区的干旱脆弱性指数进行正态分布性检验，发现该指数基本服从正态分布，估计值落在95%的置信区间内。样本均值μ为0.73，标准差σ为0.786。根据正态分布原理，将中国南方地区干旱脆弱性等级按照干旱脆弱性指数小于（μ-0.44σ）定义为低风险，大于（μ+0.44σ）定义为高风险，介于两者之间的定义为中等风险。根据以上原则得到中国南方地区干旱脆弱性分级阈值（表4），并得到干旱脆弱性分级的空间分布图（图2）。从图中可以看出广东省位于干旱的低脆弱区，四川和重庆位于干旱的中等脆弱区，云南、贵州和广西位于干旱的高脆弱区。总体来说，西南地区的干旱脆弱性大于华南地区。

表4 干旱脆弱性分级Table 4 The classes of drought vulnerability

图2 干旱脆弱性分级Fig. 2 The classes of drought vulnerability

3 结论与讨论

3.1结论

基于主成分分析的理论方法，综合考虑水资源、经济、社会、农业和防旱抗旱能力等方面内容，建立了中国南方地区干旱脆弱性评价模型，得到不同省市的干旱脆弱性指标和分级区划。得到以下结论：

（1）通过主成分特征分析，将32个原始指标降维简化，得到4个主成分。第一主成分主要反映农业脆弱性和社会脆弱性；第二主成分主要反映水资源脆弱性和经济脆弱性；第三主成分和第四主成分所占比重较小，主要反映防旱抗旱能力脆弱性。

（2）以4个主成分的方差贡献率为系数建立南方干旱脆弱性评价模型，得到中国南方干旱脆弱性综合评价得分及其排名。水资源脆弱性由高到低依次为云南、广西、贵州、四川、重庆和广东；经济脆弱性由高到低依次为广西、云南、贵州、四川、重庆和广东；社会脆弱性由高到低依次为贵州、云南、广西、重庆、四川和广东；农业脆弱性从高到

低依次为贵州、云南、广西、重庆、四川和广东；防旱抗旱能力脆弱性由高到低分别为云南、贵州、四川、广西、重庆和广东；干旱脆弱性综合评价由高到低依次为云南、贵州、广西、四川、重庆和广东。

（3）建立干旱脆弱性分级阈值，得到干旱脆弱性分级区划图。广东省位于干旱的低脆弱区，四川和重庆位于干旱的中等脆弱区，云南、贵州和广西位于干旱的高脆弱区。

3.2讨论

从方法来说，用主成分分析法确定区域干旱脆弱性指标权重，可以从各指标所代表的信息量大小和系统效应来确定，避免了德尔菲法和层次分析法的人为因素干扰，使量化管理简单易行。从指标选择来说，由于影响干旱脆弱性的因素众多，且各因素间关系复杂，因此很难完整描述干旱的实际发生情况。本文在指标选择中侧重于社会经济因素，较少考虑自然环境背景，而这个背景也是影响干旱脆弱性的重要因素，今后需要加强这方面的研究。虽然本研究存在一些不足，但是由主成分分析法得到的中国南方地区干旱脆弱性评价及等级区划结果在实际工作中仍具有积极意义。由于各地区干旱脆弱性的原因各异，各部门在应对干旱风险时应有针对性的制定决策方案，提高防旱抗旱效率。

ABSON D J, DOUGILL A J, STRINGER L C. 2012. Using principal component analysis for information-rich socio-ecological vulnerability mapping in Southern Africa[J]. Applied Geography, 35(1): 515-524.

ANTWI-AGYEI P, FRASER ED, DOUGILL A J, et al. 2012. Mapping the vulnerability of crop production to drought in Ghana using rainfall, yield and socioeconomic data[J]. Applied Geography, 32(2): 324-334.

ASHOK K M，VIJAY P S. 2010. A review of drought concepts[J]. Journal of Hydrology, 391(1-2): 202-216.

IPCC. 2012. Summary for Policymakers. In: Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of Working GroupsI and II of the Intergovernmental Panel on Climate Change[M]. Cambridge University Press, Cambridge, UK, and New York, NY, USA: 1-19.

IPCC. 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovern-mental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA: 159-255.

NAUMANN G, BARBOSA P, GARROTE L, et al. 2014. Exploring drought vulnerability in Africa: an indicator based analysis to be used in early warning systems[J]. Hydrology and Earth System Sciences, 18(5): 1591-1604.

PEARSON K. 1901. Principal components analysis[J]. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 6(2): 559.

SLEGERS M F W. 2008. “If only it would rain”: Farmersʼ perceptions of rainfall and drought in semi-arid central Tanzania[J]. Journal if Arid Environments, 72(11): 2106-2123.

WILHELMI O V, WILHITE D A. 2002. Assessing vulnerability to agricultural drought: a Nebraska case study[J]. Natural Hazards, 25(1): 37-58.

ZORNITSA P, MARIA I, LUIS S P, et al. 2012. Assessing drought vulnerability of bulgarian agriculture through model simulations[J]. Journal of Environmental Science and Engineering B 1: 1017-1036.

段海霞, 王素萍, 冯建英. 2014. 2013年全国干旱状况及其影响与成因[J].干旱气象, 32(2): 310-316.

段兴武, 谢云, 刘刚, 等. 2008. 黑龙江省粮食生产对气候变化影响的脆弱性分析[J]. 中国农业气象, 29(1): 6-11.

葛全胜, 邹铭, 郑景云, 等. 2008. 中国自然灾害风险综合评估初步研究[M]. 北京: 科学出版社: 23-206.

黄小燕, 王小平, 王劲松, 等. 2014. 中国大陆1960-2012年持续干旱日数的时空变化特征[J]. 干旱气象, 32(3): 326-333.

凌子燕, 刘锐. 2010. 基于主成分分析的广东省区域水资源紧缺风险评价[J]. 资源科学, 32(12): 2324-2328.

刘铁民. 2010. 脆弱性——突发事件形成与发展的本质原因[J]. 中国应急管理, (10):32-35.

马细霞, 李艳, 刘磊. 2011. 基于主成分分析的农业旱灾等级区划研究[J]. 郑州大学学报:工学版, 32(1): 125-128.

倪深海, 顾颖, 王会容. 2005. 中国农业干旱脆弱性分区研究[J]. 水科学进展, 16(5): 705-709.

阮本清, 彭宇平, 王浩, 等. 2005. 水资源短缺风险的模糊综合评价[J].水利学报, 36(8): 906-912.

史培军. 1996. 再论灾害研究的理论与实践[J]. 自然灾害学报, 5(4): 6-17.

舒晓惠, 刘建平. 2004. 利用主成分回归法处理多重共线性的若干问题[J]. 统计与决策, (10): 25-26.

孙芳, 杨修. 2005. 农业气候变化脆弱性评估研究进展[J]. 中国农业气象, 26(3): 170-173.

涂长望, 黄士松. 1944. 中国夏季风之进退[J]. 气象学报, 18: 1-20.

王莺, 王劲松, 姚玉璧, 等. 2014. 中国华南地区持续干期日数时空变化特征[J]. 生态环境学报, 23(1): 86-94.

武玉艳, 葛兆帅, 蒲英磊, 等. 2009. 基于熵值法的农业洪涝灾害脆弱性评价──以江苏省盐城市为例[J]. 安徽农业科学, 37(4): 1681-1682.

亚行技援中国干旱管理战略研究课题组. 2011. 中国干旱灾害风险管理战略研究[M]. 中国水利水电出版社: 1-3.

姚玉璧, 王劲松, 尚军林, 等. 2014a. 基于相对湿润度指数的西南春季干旱10年际演变特征[J]. 生态环境学报, 23(4): 547-554.

姚玉璧, 张强, 王劲松, 等. 2014b. 中国西南干旱对气候变暖的响应特征[J]. 生态环境学报, 23(9): 1409-1417.

尹晗, 李耀辉. 2013. 我国西南干旱研究最新进展综述[J]. 干旱气象, 31(1): 182-193.

张强, 张良, 崔县成, 等. 2011. 干旱监测与评价技术的发展及其科学挑战[J]. 地球科学进展, 26(7): 763-778.

Evaluation of Drought Vulnerability in Southern China Based on Principal Component Analysis

WANG Ying1, WANG Jing1, YAO Yubi1,2, WANG Jinsong1
1. Key Laboratory of Arid Climatic Change and Reducing Disaster of Gansu Province, Key Open Laboratory of Arid Change and Disaster Reduction of CMA, Institute of Arid Meteorology, China Meteorological Administration, Lanzhou 730020, China; 2. Meteorological Bureau of Dingxi City, Dingxi 743003, China

Drought vulnerability is the root of the formation of drought disaster. According to the principles of comprehensiveness, systematization and operability, and selecting five criterion layers, which included the vulnerability of water resources, economy, society, agriculture and the ability of drought prevention and resistance, the index evaluation system of agricultural drought vulnerability was established. By using principal component analysis to determine the weight of estimation indices, a drought vulnerability assessment model was constructed. Making use of the model, we got the drought vulnerability indices, threshold value and vulnerability zone in different provinces in southern China. These studies can provide the basic data and theoretical support for disaster prevention and reduction in South China. The results showed that: (1) through principal component analysis, we got four principal components. The first principal component mainly reflected the agricultural vulnerability and social vulnerability, and the variance contribution was 54.90%. The second principal component mainly reflected the water resources vulnerability and economical vulnerability, and the variance contribution was 23.64%. The proportions of the third and forth principal component were little, and mainly reflected the vulnerability of the ability of drought prevention and resistance. (2) The drought vulnerability evaluation model was constructed according to the variance contribution of four principal components. Then we got the comprehensive scores and ranking. The vulnerability of water resources in the sequence of descending were Yunnan, Guangxi, Guizhou, Sichuan, Chongqing and Guangdong. The vulnerability of economy from high to low were Guangxi, Yunnan, Guizhou, Sichuan, Chongqing and Guangdong. The vulnerability of society according to the order from high to low were Guizhou, Yunnan, Guangxi, Chongqing, Sichuan and Guangdong. The vulnerability of agriculture according to the order from high to low were Guizhou, Yunnan, Guangxi, Chongqing, Sichuan and Guangdong. The vulnerability of the ability of drought prevention and resistance according to the order from high to low were Yunnan, Guizhou, Sichuan, Guangxi, Chongqing and Guangdong. The comprehensive evaluation of drought vulnerability according to the order from high to low were Yunnan, Guizhou, Guangxi, Sichuan, Chongqing and Guangdong. (3) The drought vulnerability indices tallied basically the normal distribution through the test of normality. According to the principle of normal distribution, the threshold value of classification of drought vulnerability was established. The drought vulnerability index with the value less than 0.3842 was defined as low risk, and that more than 1.0758 was defined as high risk, and other values between these two figures were defined as medium risk. Then the zoning map of drought vulnerability was obtained. Guangdong was located at low fragile zone of drought, Sichuan and Chongqing were located at moderate fragile zone of drought, and Yunnan, Guizhou and Guangxi were located at high fragile zone of drought.

principal component analysis; drought; vulnerability; index weight; Southern China

S16

A

1674-5906（2014）12-1897-08

国家重点基础研究发展计划项目(2013CB430200；2013CB430206）；国家重大科学研究计划（2012CB955903）；中国清洁发展机制基金项目“面向适应的气候灾害风险评估与管理机制研究”；兰州干旱气象研究所博士科研启动项目（KYS2012BSKYO2）

王莺（1984年生），女，助理研究员，博士，主要从事气候变化对农业生态的影响研究。E-mail: wangyn924@163.com

2014-09-14

王莺，王静，姚玉璧，王劲松. 基于主成分分析的中国南方干旱脆弱性评价[J]. 生态环境学报, 2014, 23(12): 1897-1904.

WANG Ying, WANG Jing, YAO Yubi, WANG Jinsong. Evaluation of Drought Vulnerability in Southern China Based on Principal Component Analysis [J]. Ecology and Environmental Sciences, 2014, 23(12): 1897-1904.