西南喀斯特地区农业旱灾脆弱性评价研究

王永超，焦树林，黄福卫

(贵州师范大学 地理与环境科学学院，贵州 贵阳　550001)



西南喀斯特地区农业旱灾脆弱性评价研究

王永超，焦树林*，黄福卫

(贵州师范大学 地理与环境科学学院，贵州 贵阳550001)

摘要：基于SPSS19.0软件的主成分分析法，通过选取影响西南喀斯特地区农业旱灾脆弱性评价的3个主要影响因子，即承灾体因子、孕灾环境因子和致灾因子，采用加权综合评分方式，对农业旱灾脆弱性进行评价。结果表明：西南喀斯特地区农业旱灾脆弱性排序为：云南>贵州>广西>四川>重庆。同时，聚类分析研究表明西南喀斯特地区农业旱灾脆弱性具有显著的梯度差异，其中云南和贵州归为同一类，广西和四川为同一类，重庆单独为一类；而且受灾严重的地区多具有山地面积大，地形结构复杂，喀斯特地貌广布，地下多溶洞、暗河等特征，导致这些地区的地表水难以储存，且工程性缺水严重。

关键词：农业旱灾；脆弱性；主成分分析法；喀斯特地区

0引言

我国是世界上发生自然灾害种类较多的国家之一。其中，旱灾在我国的影响范围最广，持续时间最长，对农业生产造成的损失也最大[1]。农业具有天然的弱质性和高风险性，自身抵御自然灾害的能力十分有限[2]。农业旱灾是指偶然气候异常引致旱情发生后，由于水源、生产能力或经济条件的限制，未能及时采取有效措施，以致造成农作物减产或绝收的灾情[3]。脆弱性(Vulnerability)是一个相对的概念，虽然概念至今尚未形成统一，但其内涵却得到不断丰富[4-9]。农业旱灾脆弱性是特指农业生产系统各要素在实现其功能的动态过程中，易受到干旱影响并引致损失的特性，是致灾因子、孕灾环境、承灾体三者脆弱性相互叠加的结果[10]。何艳芬等[11]对农业干旱和旱灾进行了系统性分析，从致灾因子、孕灾环境以及承灾体或灾损角度对农业旱灾指标进行系统分类。农业旱灾的脆弱性评价是旱灾风险防范的重要基础，农业系统脆弱性程度决定了形成旱灾的强度，已成为制约农业可持续发展的障碍因素[12]。开展脆弱性评价对旱灾形成机理及防旱抗旱具有非常重要的意义[13]。研究旱灾的脆弱性产生的方法模型及评价方法也颇多，主要有层次分析法[14，15]、熵值法[16]、灰色关联度法[17]、数据包络分析法[18]、模糊分析模型[19]等。针对2010年西南五省市(区)发生的严重干旱情况，通过对各地区的农业旱灾脆弱性进行评价研究，揭示地区农业旱灾脆弱性的演变规律和驱动机制，旨在客观认识该地区的农业干旱的脆弱性，为开展防旱抗旱工作提供参考。

1研究区基本概况及其研究方法

1.1研究区基本概况

西南喀斯特地区以山地为主，地形结构非常复杂。这一区域中部和北部以长江流域的河流侵蚀为主。与地形区域相对应，该区域有亚热带季风气候和一些热带雨林季风气候区，干湿季分明。2010年西南地区发生严重的干旱，共5 104.9万人受灾。其中，饮水困难人口达1 609万人，牲畜达1 105.5万头；农作物受灾面积4 348.6×103ha，其中绝收面积940.2×103ha；因灾直接经济损失190.2亿元。

1.2研究方法

主成分分析法，是将初始数据变量线性组合，使研究对象的影响因子特征更为集中和更为典型，来表示原来变量的主要信息。其主要目的是集中数据，更好地分析研究，对西南喀斯特农业旱灾脆弱性进行评价。借助SPSS19.0统计分析软件，选取能够反映绝大部分信息的前n个主因子，进行加权计算出各个省区的综合评价结果。其步骤如下：

1)由于原始数据中不同评价指标间存在量纲不同与数量级差距，以消除该影响，即对原始数据进行归一化处理：

(1)

γij表示第i个评价对象在第j个评价指标下所对应的经过归一化处理后的指标值。

2)运用SPSS统计分析软件进行分析得出相关系数矩阵、主成分的特征值和贡献率、旋转后的因子载荷矩阵以及主成分得分矩阵。

3)计算各省市区农业旱灾脆弱性。

(2)

W表示每个省份的农业旱灾脆弱性，si表示第i主成分的得分，rj表示第j主成分方差的贡献率。

2影响因子选取和数据归一化处理

依据《中国统计年鉴2011》和《中国水灾旱灾公报2010》统计，选取9项指标作为影响西南各省区农业旱灾脆弱性综合评价指标：农村居民人均纯收入(元)-X1、人口密度(人/km2)-X2、旱地面积比(%)-X3、旱灾成灾面积(103ha)-X4、农作物播种面积(103ha)-X5、作物绝收面积(103ha)-X6、因旱饮水困难人口(104人)-X7、水库总库容量(108m3)-X8、森林覆盖率(%)-X9。由公式(1)将原始数据标准化(表1)。

表1　原始数据标准化

3主因子的选取

应用SPSS19.0软件进行主成分分析，可得出西南喀斯特地区农业旱灾脆弱性综合评价影响因子的标准化指标的相关系数矩阵(表2)、主成分特征值及贡献率(表3)、旋转后的因子载荷矩阵(表4)以及影响西南喀斯特地区农业旱灾脆弱性综合评价3大主成分的得分矩阵(表5)。

表2　标准化指标的相关系数矩阵

表3　主成分的特征值和贡献率

由表3可知，前3个主成分的旋转累计贡献率达88.948%(通常大于85%即可)，说明这3个主成分包含的信息量占总体信息量很大，且前3个特征值对应的特征向量变化也明显。所以选取前3个公共因子作为主成分(分别用Z1、Z2、Z3表示)进行分析，即可充分表示西南喀斯特地区农业旱灾脆弱性状况。

表4　转后的因子载荷矩阵

通过对表4中的数据分析可得：1)第Z1主成分与旱地面积比、旱灾成灾面积、作物绝收面积及因旱饮水困难成明显正相关，而与农村居民人均纯收入成明显的负相关。承灾体在宏观上表现为作物受旱面积、因灾损失的产量、受灾频次等[9]。农业遭受旱灾后，则农作物成为主要承灾体遭受的损失对象，这说明第Z1主成分因子代表了农业干旱的承灾体；2)第Z2主成分因子与农作物播种面积成明显的正相关，与人口密度成明显的负相关。农作物的种植面积越大，则需要土壤环境水分越多，形成农业旱灾的可能性就越高，导致发生的损失也就越大，这说明第Z2主成分代表了孕灾害环境因子；3)第Z3主成分与水库总库容成明显的正相关。降水量的多少是影响农业旱灾形成最直接的因素，也是形成农业旱灾的重要原因[9]。农业旱灾被认为是一种气象灾害，因为给农作物供水的主要来源是通过降水方式，这说明第Z3主成分代表了致灾因子。

4西南喀斯特地区农业旱灾脆弱性综合评价结果及分析

由表5主成分得分和旋转后的方差贡献率代入公式(2)加权求得出“综合得分”，得出基于主成分分析法的综合评价结果(表6)

表5　主成分得分矩阵

表6　综合评价结果

表7　基于TOPSIS法的西南地区农业旱灾脆弱性综合评价结果[10]

由表6可知，基于综合评价西南喀斯特地区农业旱灾脆弱性强度，在2010年中排序情况为：云南>贵州>广西>四川>重庆，排序位居前两位省份的为云南和贵州，这种结果与文献[10]基于TOPSIS法评价的结果(见表7)一致。这可能是由于云贵高原山地面积大，喀斯特地貌广布，地下多溶洞和暗河，加之该高原区易发地质灾害，断层多等因素，不利于建造大型水库存储水，所以水资源开发和储备不足，工程性缺水严重，导致这些区域成为2010年农业旱灾中的重灾区。四川和广西两省(区)喀斯特地貌分布也较广，通常四川地区有一部分靠青藏高原积雪来补给水，但由于2010年积雪补给比往年少，加之降水少等其它自然因素影响，导致这些地区发生较严重的干旱；而广西的西部地区，由于地表土层较薄、石灰岩分布，易造成地表水渗漏，水难以留存，致使发生较严重的农业干旱。重庆市与四川和广西两省(区)相比干旱性强度较弱，重庆市地势西北部和中部以丘陵、低山为主，也是此次受灾最为严重的地区；重庆市在中国属高湿区，年平均相对湿度大；长江干流自西向东横贯全境，有著名的瞿塘峡、巫峡，三峡水库的蓄水功能也减轻了此次旱灾的程度。最后，还通过采用主成分分析法来评价脆弱性的综合得分。脆弱性得分越高，适应性越差，反之适应性越好。由该法评价脆弱性的综合得分，可知，西南喀斯特地区干旱的适应性排序为：重庆>四川>广西>贵州>云南。根据SPSS19.0系统软件对系统类聚分类分析，并使用平均联结(组间)的树状图表示(如图1)，结果表明西南喀斯特地区农业旱灾脆弱性具有显著的梯度差异，其中云南和贵州属于一类，广西和四川为同一类，而重庆单独为一类。

图1　平均联结(组间)的树状图Fig.1　Used the average coupling (between groups) tree

5结论

研究采用主成分分析法，从9个指标中选取影响西南喀斯特地区农业旱灾脆弱性评价的3大主成分(承灾体因子、孕灾害环境因子和致灾因子)，采用加权综合评分方式，对农业旱灾脆弱性进行评价。研究区的农业旱灾脆弱性的排序为：云南>贵州>广西>四川>重庆，可以看出受灾最严重的地貌特征属于喀斯特高原和山地区等。研究结果表明西南喀斯特地区的农业旱灾脆弱性排序和适应性排序都具有显著的梯度差异。通过与汪霞[10]基于TOPSIS法对西南省区农业旱灾综合评价进行对比分析，二者结果一致，但主成分分析法中，以主成分得分具体量化为依据，采用综合评价方式，结果直观，应用在该研究中可能有一定的优势。客观地评价了西南喀斯特地区农业旱灾脆弱性的演变规律，望下一步为开展防旱抗旱工作提供一些理论依据。

参考文献：

[1] 张慧慧,赵景波,孟万忠.鄂尔多斯高原西南部清代旱灾研究[J].干旱区资源与环境,2014,28(8):132-137.

[2] 汪霞,汪磊.西南喀斯特地区农业旱灾脆弱性演化分析——以贵州省为例[J].广东农业科学,2014,41(20):165-169.

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

[4] TIMMERMAN P.Vulnerability,resilience and the collapse of society:a review of models and possible climatic applications,environmental monograph No.1 [D/OL].Toronto,Canada:Institute for Environmental Studies, University of Toronto,1981:396[2015-11-20]http://www.ilankelman.org/miscellany/Timmerman1981.pdf.

[5] CUTTER S.Living with risk: the geography of technological hazards [M].London:Edward Arnold,1993:1-214.[2015-12-05]https://www.researchgate.net/publication/40934074_Living_With_Risk_The_Geography_of_Technological_Hazards.

[6] TURNER B L,KASPERSON R E,MATSON P A,et al.A framework vulnerability analysis in sustainability science [J].Proceedings of the National Academy of Sciences,2003,100(14):8074-8079.

[7] ADGER W N.Vulnerability [J].Global Environmental Change,2006,16(3):268-281.

[8] 刘燕华.李秀彬.脆弱性生态环境与可持续发展[M].北京:商务印书馆,2007:187.

[9] 李鹤,张平宇,程叶青.脆弱性的概念及其评价方法[J].地理科学进展,2010,27(2):18-25.

[10]汪霞.西南省区农业旱灾脆弱性综合评价:以2010年西南旱灾为例[J].贵州大学学报:社会科学版,2012,30(5):26-30.

[11]何艳芬,张柏,刘志明.农业旱灾及其指标系统研究[J].干旱地区农业研究,2008,26(5):239-244.

[12]纪朝荣.河南省农业旱灾脆弱性评价研究[D/OL].开封:河南大学,2013:18-22.(2014-01-22)[2015-12-20]http://www.docin.com/p-757983109.html.

[13]程静,王群.农业旱灾脆弱性的特殊生成机制与化解路径[J].改革与战略,2012,28(1):99-101.

[14]苏筠,周洪建,崔欣婷,等.湖南鼎城农业旱灾脆弱性的变化及分析[J].长江流域资源与环境,2005,14(4):522-527.

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

[16]武玉艳,葛兆帅,蒲英磊,等.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,2009,37(4):1681-1682.

[17]杜晓燕,黄岁樑.天津地区农业旱灾脆弱性综合评价及区划研究[J].自然灾害学报,2010,19(5):138-145.

[18]裴欢,王晓妍,房世峰.基于DEA的中国农业旱灾脆弱性评价及时空演变分析[J].灾害学,2015,30(2):64-69.

[19]邱林,王文川,陈守煜.农业旱灾脆弱性定量评估的可变模糊分析法[J].农业工程学报,2011,27(14):61-65.

文章编号：1004—5570(2016)03-0013-05

收稿日期：2015-12-29

基金项目：国家自然科学基金项目(41263011)

作者简介：王永超(1989-)，男，硕士研究生，研究方向：岩溶水资源与GIS应用，E-mail:341222a03w5.cdb@sina.cn. *通讯作者：焦树林(1969-)，男，博士，教授，研究方向：流域水文水资源及地表过程与环境变化，E-mail:jiaoshulin@gznu.edu.cn.

中图分类号：X43；S165.25

文献标识码：A

Evaluation researches on agricultural drought vulnerability in Karst areas in southwest China

WANG Yongchao,JIAO Shulin*,HUANG Fuwei

(Guizhou Normal University, School of Geography and Environmental Science, Guiyang, Guizhou 550001, China)

Abstract:Based on SPSS 19.0 software, principal component analysis method was selected three main factors to study the impact assessment of agricultural drought disaster vulnerability in the southwest Karst areas, i. e., supporting body, pregnancy hazards caused by environmental factors and factors. We also used SPSS software together with the weighted composite score, agricultural drought disaster vulnerability was evaluated. Results showed that agricultural drought disaster vulnerability of these provinces in Southwest Karst areas ranked to Yunnan>Guizhou>Guangxi>Sichuan>Chongqing. Cluster analysis showed that Southwest gradient of agricultural drought disaster vulnerability in Karst areas with prominent differences. It displayed Yunnan and Guizhou provinces are of the same category, while Guangxi and Sichuan are of another same category, together with Chongqing city is of another category. In addition, results also showed that the disaster areas extremely possessed features of belonging to mountainous areas, the complex terrain structures, widespread Karst geomorphology, underground caves and rivers and so on. These areas were so hard to store surface water that it resulted in engineering water shortage seriously.

Key words:agricultural drought; vulnerability; principal component analysis method; Karst area