关中西部地区地震灾害人口脆弱性评估

宋海龙，万红莲*，朱婵婵，张　咪，王　静，刘东玥

(1.宝鸡文理学院灾害监测与机理模拟陕西省重点实验室，陕西 宝鸡　721013；2.湖州师范学院文学院，浙江 湖州　313000；3.宝鸡文理学院地理与环境学院，陕西 宝鸡　721013)

关中西部地区地震灾害人口脆弱性评估

宋海龙1,3，万红莲1,3*，朱婵婵1,3，张咪1,3，王静1,3，刘东玥2

(1.宝鸡文理学院灾害监测与机理模拟陕西省重点实验室，陕西 宝鸡721013；2.湖州师范学院文学院，浙江 湖州313000；3.宝鸡文理学院地理与环境学院，陕西 宝鸡721013)

摘要：利用层次分析法，以关中西部的宝鸡市为例，选取11项主要人口指标作为研究对象，对其进行计算和分析。结果表明：人口总数是影响宝鸡地区地震灾害人口脆弱性的主要因素；人口结构决定了区域对地震灾害反应的敏感程度；区域的社会经济发展水平在一定程度上制约着当地的应灾恢复能力；人口脆弱性在空间分布上具有明显的差异性。通过对人口脆弱性进行分析评价，可以有效地为关中西部地区开展防震减灾活动提供定量化依据。

关键词：宝鸡；地震灾害；人口脆弱性；层次分析法；ArcGIS

0引言

地震灾害是指由于地震所引发的，造成生命、财产及人类生存环境等发生恶化的一系列灾难事件，它是一种随机的突发性自然灾害。地震灾害的发生给人类的生存、发展带来了极大的挑战，1976年7月28日唐山7.8级地震造成24万余人死亡，16万余人受伤，成为20世纪世界上人员伤亡最大的一次地震；2008年春季中国遭遇特大冰雪灾害，致使南方数省遭遇了几十年不遇的特大冰雪灾害，之后的5·12四川汶川大地震，造成了443 207人死亡，直接和间接经济损失不计其数；2010年青海玉树发生7.1级地震，使2 700人多死亡。为了减轻地震灾害给人类带来的损失，1988年10月“国际减灾十年”委员会成立，自20世纪90年代以来，实施了一系列的防灾减灾战略，如“国际战略减灾计划(ISDR)”、“国科联综合风险研究计划(ICSU—IRDR)”，在四川汶川大地震后的2009年3月2日，经中华人民共和国国务院批准成立“全国防灾减灾日”，以及2011年11月26日国务院印发的《国家综合防灾减灾规划(2011—2015年)》等[1]，这都足以说明人类对地震灾害的发生及危害越来越重视。目前，国内外学者对脆弱性的研究取得了一定的进展。如陈磊等[2]基于投影寻踪聚类模型，对上海市进行了自然灾害的社会脆弱性评估的尝试；张国培等[3]以云南禄劝县为例，对自然灾害与农户贫困脆弱性进行因子分析，得出抵御旱情风险、缓解贫困的有效措施是保持水土、增加绿化面积和提高低保户的比重；商彦蕊[4]综述了自然灾害的脆弱性，并讨论了从灾害孕育发生的各个环节降低脆弱性；Hewitt[5]认为灾害是社会易损性的实现，是一种或多种致灾因子对社会环境脆弱性打击的结果，而且后果超过了当地社会的应对能力。这些脆弱性的研究，为人类在自然灾害面前得以利用有效的方法措施来减轻其对人类所带来的灾难性损失。本文采用系统和整体的理念，分析了关中西部地区地震灾害人口脆弱性的发展变化，可以有效地为关中西部地区开展防震减灾活动提供定量化依据。

1研究区的区域背景

宝鸡地处关中西部，东西长156.6 km，南北宽160.6 km。东与咸阳、南与汉中相连，西北与甘肃天水、平凉接壤，是国家规划建设的关中—天水经济区副中心城市，也是陕西省第二大城市。目前辖3区9县总面积18 200 km2，常住人口3 727 000人。宝鸡区位置优势明显，陇海线、宝成线、宝中线在此交汇，是新欧亚大陆桥上通向我国西北、西南和东西方向的重要交通枢纽。宝鸡工业基础雄厚，是西部工业重镇，是国家重点建设的老工业基地。宝鸡地质构造复杂，南、西、北三面环山，山、川、原兼备，以山地、丘陵为主，呈“六山一水三分田”格局。特定的地理位置和地理环境决定了宝鸡成为地震灾害多发区之一。由于宝鸡的社会经济发展相对落后，抵御地震灾害风险的能力也较弱，频繁的地震灾害是制约宝鸡地区经济社会发展的重要因素之一。

2人口脆弱性与指标的选取

2.1人口脆弱性的内涵

脆弱性主要是指影响个人或群体在受到灾害时的抵抗能力及灾后的应对和恢复能力[6-7]，它反映自然要素和社会要素之间的相互承载能力，但主要侧重于社会经济、政治、文化背景下人类这一承灾体对自然灾害的抵抗能力。就灾害脆弱性而言，承灾体人群的年龄、性别、职业、身体状况及受教育程度等都是影响脆弱性的因素，也决定着灾害发生时受灾程度的大小。目前，国内外学者对脆弱性研究并无成熟的体系，但主要观点是承灾体与致灾因子之间的相互关系及承灾体对致灾因子具有一定的选择性[8]。众多学者将灾害风险的暴露性要素归结到脆弱性内部，认为脆弱性就是暴露性、敏感性及恢复能力的组合[9-15]；也有学者认为，暴露性是暴露于灾害风险下的这一承灾体，它是致灾因子与承灾体相互作用下的结果，灾害风险应该从暴露性和脆弱性2个方面考虑，因此对灾害风险的分析也应该从致灾因子、暴露性要素及脆弱性3方面进行分析[16]。

将一个区域的人口系统作为地震灾害的承灾体，并且依据人口系统内部自身不同的属性，对人口的综合指标进行划分，同时通过人口系统的这一承载体对致灾因子的选择性，将脆弱性划分为敏感性或弹性和恢复能力。根据以上对脆弱性概念的陈述，可以归纳为，人口脆弱性是指在特定的社会条件下，个人、群体或国家所能够承受的风险程度及灾后的恢复能力[17]，它受自身属性、社会、经济等多方面因素的影响。由此认为，一个区域的地震灾害人口脆弱性应主要考虑该区域的人口暴露性、对致灾因子的敏感性及灾后的恢复能力。人口暴露性是指人类在面临灾害的打击时，暴露于灾害风险下人口数量的多少，包括人口总量和人口密度；人口敏感性则强调人口自身的属性，指不同的人口结构面对灾害打击的敏感程度不同，如年龄、性别及职业等，它在灾害发生前就已存在；恢复能力是灾害发生以后，人口承载体表现出来的脆弱性属性，但此时更侧重于自我恢复能力的大小。对一定的区域而言，人口脆弱性的强弱很大程度上与社会的发展程度相关，社会越是发达，其抵御和应对风险的能力就越强，人口脆弱性就越小；反之，人口脆弱性就越大。

2.2指标数据的选取

从地震灾害发生过程的机理出发，一般认为，影响区域地震灾害人口脆弱性的因素包括区域人口的暴露性、敏感性及应灾恢复能力3个方面。结合宝鸡市的实际情况，选取了宝鸡市3区9县的地震灾害人口脆弱性评估指标及数据。

2.2.1人口暴露性指标

根据上述对人口脆弱性内涵的陈述，一般认为，人口暴露性是指在一定区域范围内，无论灾害发生与否，暴露于灾害风险下的人口数量。根据《2010年第六次全国人口普查主要数据》及《宝鸡年鉴(2011)》中的数据，通过选取并计算出总人口数及人口密度(人口密度=区域总人口/区域土地面积)2项指标作为人口暴露性指标。从选取的指标来看，总人口数越多，人口密度越大，区域人口的暴露性越大，地震灾害人口脆弱性越大。

2.2.2人口敏感性指标

人口敏感性是指区域的人口结构对灾害打击表现出的敏感程度，主要强调人口自身的属性，包括年龄、性别、职业及受教育程度等。根据统计资料及年鉴，选取了农业人口比例、女性人口比重、儿童人口比重、老年人口比例、文盲人口及本科以上人数6项指标作为敏感性的因素，其中前5项指标与灾害脆弱性呈正相关，这些指标值越大，人口脆弱性越大；后面1项则与敏感性呈负相关，受教育程度越高，人数越多，防震避灾的意识越高，人口脆弱性就越低。

2.2.3应灾恢复能力指标

恢复能力是指灾害发生后，区域人口对于灾后的区域经济和社会做出的应灾恢复能力，主要表现为区域的经济社会发展水平，故根据《宝鸡年鉴(2011)》中的数据，指标选取为人均GDP(人均GDP=区域生产总值/总人口)、农民人均纯收入及地方财政收入3个方面。这3项指标与灾害脆弱性呈负相关趋势，人均GDP、农民人均纯收入及地方财政收入越高，说明社会经济越是发达，其应灾恢复能力就越强，脆弱性越低；反之则脆弱性越大。

3评估方法与过程

3.1数据指标归一化

在数据处理过程中，需要对各数据指标进行无纲量处理，以消除原始数据在单位上的不同。根据分析的需要，采用极值标准化方法对数据进行标准化处理[16]。由于受指标性质的影响，对正负向指标分别处理。其具体方法如下：

(1)

(2)

式中：Xi为标准化后的数据；xi为原始数据;xmax为该指标的最大值；xmin为指标的最小值。

3.2指标权重的确定

运用层次分析法对各项指标的权重进行确定。在确定权重时，需要参照各项指标与自然灾害脆弱性之间的相互关联程度及专家问卷调查的结果进行相对重要性判断，以确定单一指标的权重值大小。任意2项指标之间相对重要性的判断，需采用九分位的标度对各指标的相对重要程度进行打分，其后根据打分结果构建判断矩阵并进行指标权重的计算。各项指标权重值[18-19]的计算如下：

(3)

其中:i为要素的第i项指标，wi为各项指标的权重，Mi为第i行元素的几何平均值,n为判断矩阵的维数。

3.3脆弱性评价指标及综合评价指标的计算

根据脆弱性评价指标的计算公式[18,20-22]，对归一化后的各数据指标与确定的各指标权重值进行计算，即可确定其脆弱性的评价指标值，

(4)

其中，R为脆弱性评价指标值，Xi为数据指标归一化后的值，wi为第i个指标的权重。综合评价指标是在脆弱性评价指标数的基础上，利用上一层指标的权重与脆弱性评价指标之积，求出脆弱性的综合评价指标[18]。

(5)

其中，T表示为综合评价指标，Wj为第j个准则层指标的权重，Ri为第i个准则层综合指标得分。

4宝鸡地区地震灾害人口脆弱性评估与分析

4.1数据指标归一化

在资料获取过程中，由于各原始数据变量在数量级和量纲上的不同，需要对原始数据进行标准化处理。其中，在所选的11项指标中，人口总数、人口密度、农业人口比例、女性人口比重、儿童人口比重、老年人口比例、文盲人口比例7项指标与地震灾害人口脆弱性呈正相关，其余包括大学本科以上人数、人均GDP、农民人均纯收入及地方财政收入的4项指标呈负相关，所以在计算时需要将这4项指标进行负向计算，使之与其他指标同化。经过计算得到的11项指标数据标准化的结果如表1。

表1　标准化处理后的数据

4.2判断矩阵与一致性检验

对于各种灾害数据指标所占的权重，在邀请专家对层次指标打分的基础上，通过构建判断矩阵，计算各项数据指标所占权重[22]。由于AHP法是人们主观判断的一种表达和处理形式，为使各种指标尽可能的转变为客观性描述，需要检验判断矩阵的一致性。在检验之前，首先计算判断矩阵的最大特征根λmax[18-19]。

1)一致性指标的计算公式[18-22]：

(6)

2)引入随机一致性指标RI值[18-19,23](表2)：

表2　随机一致性指标RI的数值

3)计算一致性比例，其计算公式[18-21]为：

(7)

如果CR<0.1，表明判断矩阵的一致性符合要求；如果CR>0.1，则需要重新调整判断矩阵并进行一致性检验，使其具有满意的一致性[19-20]。一致性检验通过之后，其计算的指标权重结果有效。从计算的结果看，准则层指标即脆弱性指标CR=CI/RI=0.026 8/0.52=0.051 6；在指标层指标中，暴露性指标CR=CI/RI=0，敏感性指标CR=CI/RI=0.032 4/1.26=0.025 7；应灾恢复能力CR=CI/RI=0.026 8/0.52=0.051 6。4项指标的一致性检验CR<0.1，通过一致性检验。表3为地震灾害人口脆弱性指标权重的计算结果。

表3　地震灾害人口脆弱性指标权重

4.3综合指标结果

根据上述对各级单项指标权重的计算及数据指标归一化的结果，运用公式(4)～(5)计算，就可以得到二级指标的脆弱性指标值及地震灾害人口脆弱性的综合指标。计算结果如表4及图1～图4。

表4　宝鸡地区地震灾害人口脆弱性综合指标

图1　宝鸡市人口暴露性指数

图2　宝鸡市人口敏感性指数

图3　宝鸡市应灾恢复能力指数

图4　宝鸡市地震灾害人口脆弱性综合评价指标

4.4讨论

综合评价指标分值的大小直接影响着宝鸡市地震灾害人口脆弱性的大小。从综合评价指标计算的结果与图1～图4的分布情况来看，对宝鸡市地震灾害人口脆弱性的人口暴露性指数、人口敏感性指数、应灾恢复能力指数及综合评价指标的分析如下：

1)宝鸡市各区县人口暴露性指数主要集中分布在金台区和陈仓区。此外，岐山县、凤翔县、渭滨区及扶风县也是人口易暴露的主要地区。对于一个地区来讲，人口暴露性主要表现为区域总人口数量的多少和人口密度的大小2个方面，而人口数量越多、人口密度越大的区域，其人口暴露性越大，地震灾害发生时暴露于灾害风险下的人数就越多，该区域的地震灾害人口脆弱性就越大。结合宝鸡市地震灾害发生时受灾区域的范围来看，金台区、陈仓区、岐山县及凤翔县等区域是地震灾害的易发且多发区域。

2)从各区县的人口敏感性指数来看，宝鸡地区南北两侧各区县的人口敏感性指数明显高于中间渭河盆地地带。人口敏感性通常表现为职业、性别、年龄及受教育程度等方面的差异。一般来说，特定的职业决定了人口在灾害面前的感知及预防能力，灾害发生时，由于职业方面的差异，导致其对灾害的敏感程度不同；而女性人口和老幼人口则受其自身属性的限制，灾害发生时，在避灾过程中因其行动缓慢及避灾方法不当所导致的敏感性程度不同；受教育程度的高低直接影响着区域范围内人口的防震减灾意识及避灾措施的正确性，文化水平越高，其防震减灾意识越强，同时避灾方法越科学，受灾害的影响就越小，反之则越高。如在市辖区范围内，由于其农业人口、儿童人口及文盲人口较少，本科学历以上的人数较多，其在避灾过程中行动较为迅速，避灾方法较为得当，其地震灾害人口脆弱性较低。

3)由于应灾恢复能力指数下的各项数据均为负向指标，故其应灾恢复能力指数越高，灾后的恢复能力越低，反之则越高。应灾恢复能力主要表现为地震灾害发生后，区域的灾后恢复工作，其又与区域的人均GDP、地方财政收入、居民(包括城市居民及农民)的人均收入等经济因素相关。从图3中可以看出，渭滨区、金台区和凤翔县的应灾恢复能力最强，究其原因，主要是其人均GDP较高，且地方财政收入也较高，灾后有充足的资金可以用于重建工作；而千阳县、麟游县及太白县由于其所处区域较为偏僻，经济欠发达，人均GDP较低，地方财政收入及农民人均纯收入也较低，其应灾恢复能力较弱。

4)从图4可以看出，在宝鸡市3区9县中，人口脆弱性主要集中分布在渭河盆地，而南北部地区则是地震灾害人口脆弱性的少发区。其中，陈仓区、扶风县的综合评价指数最高，其地震灾害人口脆弱性最高，其次为金台区、岐山县及凤翔县。综合图1～图3来看，该区域的人口脆弱性主要受人口暴露性的影响，且该区域是人口密集分布的地区；其次，该区域的人口敏感性及抗灾恢复能力与人口脆弱性也有一定的关系，主要受当地人口的职业、性别、年龄、受教育程度及经济发展水平的影响。从地震灾害人口脆弱性评价的结果看，与宝鸡市3区9县的实际情况基本一致，为减轻地震灾害对宝鸡市的影响，需要从各个区县的实际情况出发，大力发展当地经济，同时要加强区域范围内人口的防震减灾意识观念教育及避灾措施宣传，在灾害发生时，确保该区域以最小的损失来换取区域内人民的生命财产安全及社会经济的可持续发展。

5结论

通过上述对宝鸡地区地震灾害人口脆弱性的分析，得出以下结论：

1)人口总数是影响宝鸡地区地震灾害人口脆弱性的主要因素，并且同农业人口、女性人口、老幼人口等因素共同影响地震灾害的人口脆弱性。

2)宝鸡市各区县的人口结构决定了其对地震灾害的敏感性。

3)区域的社会经济发展水平在一定程度上制约着宝鸡地区的应灾恢复能力。

4)宝鸡地区的地震灾害人口脆弱性具有明显的空间差异，渭河盆地的人口脆弱性明显高于南北部区域。

参考文献：

[1]江培龙, 方凤满. 自然灾害脆弱性研究进展[J]. 防灾科技学院学报, 2012, 14(4): 54-59.

[2]陈磊, 徐伟, 周忻, 等. 自然灾害社会脆弱性评估研究——以上海市为例[J]. 灾害学, 2012, 27(1): 98-100, 110.

[3]张国培, 庄天慧, 张海霞. 自然灾害对农户贫困脆弱性影响研究——以云南禄劝县旱灾为例[J]. 江西农业大学学报(社会科学版), 2010, 9(3): 10-15.

[4]商彦蕊. 自然灾害综合研究的新进展——脆弱性研究[J]. 地域研究与开发, 2000, 19(2): 73-77.

[5]Hewitt K. Regions of Risk: A Geographical Introduction to Disasters[M]. Singapore: Prentice Hall, 1997.

[6]宋海龙, 万红莲, 文彦君, 等. 宝鸡地区自然灾害人口脆弱性评估[J]. 河南科学, 2015, 33(12): 2195-2200.

[7]UNDP. Human development report 2004: cultural liberty in today’s diverse world[R]. New York:United Nations DevelopmentProgramme:2004.

[8]袁海红, 高晓路. 城市经济脆弱性评价研究——以北京海淀区为例[J]. 自然资源学报, 2014, 29(7): 1159-1172.

[9]周利敏. 社会脆弱性: 灾害社会学研究的新范式[J]. 南京师大学报(社会科学版), 2012(4): 20-28.

[10]梁恒谦, 夏保成, 刘德林. 自然灾害脆弱性研究综述[J]. 华北地震科学, 2015, 33(1): 11-18.

[11]聂承静, 杨林生, 李海蓉. 中国地震灾害宏观人口脆弱性评估[J]. 地理科学进展, 2012, 31(3): 375-382.

[12]秦越, 徐翔宇, 许凯, 等. 农业干旱灾害风险模糊评价体系及其应用[J]. 农业工程学报, 2013, 29(10): 83-91.

[13]苏桂武, 朱林, 马宗晋, 等. 京津唐地区地震灾害区域宏观脆弱性变化的初步研究——空间变化[J]. 地震地质, 2007, 29(1): 15-33.

[14]郑言, 岳宗福. 我国减灾救灾立法模式选择与推进路径研究[J]. 华北地震科学, 2015, 33(2): 25-29.

[15]王桂玲, 李晋, 黄毕双. 供需关系视域下我国巨灾保险体系的试探究[J]. 华北地震科学, 2015, 33(3): 50-55.

[16]介玉新, 胡韬, 李青云, 等. 层次分析法在长江堤防安全评价系统中的应用[J]. 清华大学学报(自然科学版), 2004, 44(12): 1634-1637.

[17]尹占娥, 许世远. 城市自然灾害风险评估研究[M]. 北京: 科学出版社, 2012.

[18]曹茂林. 层次分析法确定评价指标权重及Excel计算[J]. 江苏科技信息, 2012(2): 39-40.

[19]孙成勋, 李红彦, 李润琴, 等. 层次分析法在管理水平综合评价中的应用[J]. 工业技术经济, 2013(9): 72-78.

[20]王菲, 杨乐, 马智宇. 基于综合指数评价法的土地健康评价——以湖北省枣阳市为例[J]. 农业工程, 2011, 1(3): 73-76, 108.

[21]郑伟俊. 中小民营企业竞争力评价与提升研究[D]. 广州: 广东工业大学, 2007.

[22]邹君, 杨玉蓉, 田亚平, 等. 南方丘陵区农业水资源脆弱性概念与评价[J]. 自然资源学报, 2007, 22(2): 302-310.

[23]洪志国, 李焱, 范植华, 等. 层次分析法中高阶平均随机一致性指标(RI)的计算[J]. 计算机工程与应用, 2002, 38(12): 45-47, 150.

Assessment of Seismic Population Vulnerability of Western Guanzhong

SONG Hai-long1,3, WAN Hong-lian1,3*, ZHU Chan-chan1,3, ZHANG Mi1,3,WANG Jing1,3, LIU Dong-yue2

(1.The Key Laboratory of Disaster Monitoring and Mechanism Simulation of Shaanxi Province, Baoji University of Arts and Sciences, Baoji 721013, China; 2. School of Literature of Huzhou Teachers College, Huzhou 313000, China;3. College of Geography and Environment, Baoji University of Arts and Sciences, Baoji 721013, China)

Abstract:Take Baoji as an example, we select 11 main population indexes as the research objectsto study seismic population vulnerability of western Guanzhong using the Analytic Hierarchy Process (AHP) method. The results show that the population is the main factor which has influence on the vulnerability of earthquake in Baoji region; the sensitivity degree of response to earthquake is determined by population structure; social economic development level of the region restricts the recovery ability from disasters in a certain degree; the spatial population vulnerability distribution has obvious difference. Vulnerability analysis and evaluation can provide effective quantitative basis for earthquake disasters prevention and mitigation activities of western Guanzhong.

Key words:Baoji; earthquake disasters; population vulnerability; Analytic Hierarchy Process(AHP); ArcGIS

收稿日期:2015-08-26

基金项目：国家自然科学基金(41071359)；陕西省教育厅重点实验室项目(15JS008)；陕西省教育科学“十二五”规划课题(SGH140676)；宝鸡市科技计划项目(14SFGG-2)；宝鸡文理学院自然地理学陕西省重点学科基金资助；宝鸡文理学院重点教改项目(JGZD15017)；宝鸡文理学院重点项目(ZK16031)；陕西省大学生创新创业项目(2015S2054)

作者简介：宋海龙(1989—)，男，陕西绥德人，硕士研究生，主要从事灾害学等方面的研究工作．E-mail：shlong1989@126.com *通讯作者：万红莲(1969—)，女，陕西麟游人，教授，主要从事灾害感知等方面的研究和教学工作．E-mail：hyhm2006@163.com

中图分类号:P315.9；X43

文献标志码:A

文章编号:1003-1375(2016)02-0013-06

doi:10.3969/j.issn.1003-1375.2016.02.003

宋海龙，万红莲，朱婵婵，等．关中西部地区地震灾害人口脆弱性评估[J]．华北地震科学，2016，34(2)：13-18,62.