程怡萌,田 敏,胡世亮,陈 姣,成 饶
(云南大学 资源环境与地球科学学院 云南省地理研究所,云南 昆明 650091)
高原山地农户旱灾应灾行为研究
——以云南省南涧县为例
程怡萌,田敏,胡世亮,陈姣,成饶
(云南大学 资源环境与地球科学学院 云南省地理研究所,云南 昆明 650091)
旱灾作为云南省的第一大农业气象灾害,给农业生产造成了巨大的损失。在旱灾面前,人类既是旱灾承灾体,又是减灾政策、措施以及直接抗旱减灾响应行为的具体执行者。在灾害的发生过程中,人类应灾行为对提高旱灾应对能力、减少旱灾损失有着更为实际的效果。该文以云南省南涧县为例,通过问卷调查和入户访谈获取数据,使用主成分分析和系统聚类分析方法对数据进行处理,并将收集到的11种应灾行为分为三大类进行多维尺度分析;根据175名农户对11种应灾行为的评价特点,将这些农户进行判别分析并划分为三类应灾人群,针对不同应灾人群中的典型农户分析其应灾行为特征。
旱灾;应灾行为;聚类分析;判别分析
目前国内在应灾行为方面的研究,主要强调国家和社会层面的防灾减灾行为[1-3],而对个体减灾行为的研究较少。孙雪萍等对国家、社会、个体三个层面的旱灾应灾行为进行了定性研究[4]。吴先华等学者[5]通过构建Binary Logistic回归模型,对公众应对气象灾害风险的行为及其影响因素进行实证分析。史兴民[6]进行了公众对煤矿区地质灾害的感知与适应行为研究。李华强和孙莉莉则在基于汶川地震和台风开展的公众风险感知与行为的实证研究中[7-9],对于个体进行了减灾行为的分析,采用减灾行为的类型和避灾投入对减灾行为进行测度,取得了定性和定量的研究结论。但是,目前对旱灾应灾行为的研究还是以定性研究为主,定量化研究还很少;本文以农户对旱灾的应灾行为为研究主体,尝试选用聚类分析和判别分析的方法对其进行研究。
地处高原山地的云南,农业经济较为落后、农村人口众多,加上特殊的地质构造和及其复杂的地形、气候特征,使其成为一个典型的农业自然灾害多发且危害大的省份[10]。南涧县是云南省旱灾比较严重的地区之一,由于连续6年受大旱的影响,大部分地区为重旱区。截至2014年5月28日,全县农业受灾面积达6 666.67 hm2,成灾面积达4 800 hm2,绝收面积达833.33 hm2,旱情形势极为严峻。在云南高原山地地区,各村落所处的承灾环境、农户承灾能力等差异较大,农业旱灾风险、旱灾损失的地域差异明显。同时为了加强旱灾风险防范、提高减灾工作效率,亟待加强区域农户旱灾应灾行为的研究。为此,本文以大理州南涧县为例,对云南高原山地农户旱灾的应灾行为进行了研究。
1.1数据来源
本次田野调查的对象是云南高原山地农户,分别于2014年8月和2015年1月两次到南涧县进行相关的问卷调查和现场访谈。本次研究共发放220份问卷,其中的20份为预调查,回收问卷189份,剔除无效问卷,最后得到有效问卷175份。由于考虑到各村的海拔差异及经济水平差异等因素,在选择样本农户进行问卷调查和访谈时,我们选择了云南省南涧县红星村、拥翠村和杏子山村进行抽样调查研究;其中,红星村59份,拥翠村71份,杏子山村45份(表1)。通过调查可以得到12种旱灾的应灾行为(表2),但在研究区中发现几乎没有农户采用祷告祭祀神灵这一应灾行为,所以在数据分析处理中剔除了该应灾行为。
表2 关于旱灾主要的应灾行为
1.2应灾行为有效性评价原则
为方便数据信息的搜集和统计分析,农户应灾行为测评指标主要采用态度量化方法,问卷采用李克特量表法赋值,每个应灾行为分别根据农户对其有效性的评价而赋分。本文对各类应灾行为有效性评价的原则主要依据农户家庭收入、农产品生产安全和农业可持续发展等方面来评判;具体评价原则如下:
一是农户采取的应灾行为有利于农户家庭收入的稳定或在旱灾年份收入基本保持不变;二是农户采取的应灾行为有利于农产品生产安全和农业的可持续发展。农户采取的应灾行为越有利于以上几个方面,则其重要程度越高。
1.3研究思路
本文以云南省南涧县为例,通过问卷调查和入户访谈获取数据,使用主成分分析和系统聚类分析方法将收集到来的11种应灾行为分为三大类,并对分类后的结果进行多维尺度分析;其次,根据175名农户对11种应灾行为的评价特点将其划分为三大应灾人群并进行判别分析,最终选取不同应灾人群中的典型农户进行案例分析。具体分析过程如图1所示。
图1 研究思路
2.1主成分分析
通过主成分提取的方法,经过方差最大化旋转,依照因子提取中特征值大于1的原则,对11个指标因素提取公共因子,共提取出3个公共因子。这3个公共因子的累计解释方差达到73.77%,即3个公共因子解释了总变量的 73.77%,包含了整个评价指标体系的大部分信息,具有较好的说服力(图2)。也就是说11个应灾行为可以从属于云南高原山地农户应灾行为研究的3个不同的大类。
图2 解释的总方差
应灾行为成分1成分2成分3X1打井修水窖0.713-0.4290.161X2浇灌设施准备0.713-0.4960.247X3购买储水物品0.705-0.5530.014X4买水0.0720.7280.127X5多样化种植0.5900.3240.180X6种植耐旱或节水农作物0.3640.3660.628X7地膜覆盖0.609-0.0100.589X8育苗等田间管理行为0.5760.6940.165X9购买农作物保险0.8030.059-0.512X10从事多种收入活动0.5810.391-0.659X11弃耕并外出务工0.7060.005-0.432
由表3可看出:应灾行为X9、X1、X2、X11和X3在第一主成分上有较高载荷,说明第一主成分基本反映了这些指标的信息,根据其特征命名为“其他非耕作行为”;应灾行为X4和X8在第二主成分上有较高载荷,说明第二主成分基本反映了这些指标的信息,根据其特征命名为“耕作生产条件改良行为”;应灾行为X6、X7和X10在第三主成分上有较高载荷,说明第三主成分基本反映了这些指标的信息,根据其特征命名为“耕作行为”。
图3 各指标相关系数矩阵
由图3可以看出,应灾行为X1、X2和X3三者之间显著相关,X9、X10和X11三者之间显著相关,其余各个应灾行为之间的相关性较低,独立性较强。以上所有的分析结果,可为后面的聚类分析和多维尺度分析提供分类依据。
2.2聚类分析
利用SPSSl9.0软件中系统聚类法对农户的应灾行为进行聚类,方法选用Wards算法,度量标准选择“计数”中的斐方(Phi square measure),转换值标准化选择Z得分。最后得到聚类树状结构图,通过这个树状图可以初步判断各应灾行为之间的亲疏关系,结合前面的主成分分析结果,农户的应灾行为聚类树状结构图可以确定为3个大类(图4)[11]。其中,第一类主要是以耕作行为为主的应灾行为,该类中的买水和地膜覆盖理论上应该划分为第二类以耕作生产条件改良行为为主,但被划分进第一类以耕作行为为主;其余各类划分较为准确。
图4 聚类树状结构图
2.3多维尺度分析
多维尺度分析其过程是通过将观测量定位到概念空间(通常情况下是二维或三维的空间)中的一个特定的位置,使得空间中观测量的距离相似性越近越好[12-13]。以前面的相关矩阵为基础利用SPSSl9.0软件进行多维尺度分析,结合主成分分析和聚类分析的结果,绘制了具有3个类团的多维尺度分析图(图5)。这3个类团分别代表的主题是:Ⅰ以耕作行为为主的应灾行为;Ⅱ以耕作生产条件改良行为为主的应灾行为;Ⅲ以其他非耕作行为为主的应灾行为。
图5 多维尺度分析图
2.4判别分析
2.4.1判别图
首先,以175个样本为判别基础数据进行分析,其中第一类有64个样本农户,第二类有59个样本农户,第三类有52个样本农户。从图6中很明显看到三个组的中心也就是不同类型的应灾人群,以及围绕着组中心的样本;模块1与模块3分类较好,而模块2与模块1及模块3略有一点交叉;三个组的区分还是比较明显的,说明直观上分组判别式是可以接受的[14]。
2.4.2分析个案综合统计量
图7主要为不同类型的应灾人群和总人群的均值和标准差。由均值可以看出,相对于其他两种类型,类型1中大部分农户认为X1打井修水窖减灾更为有效;类型2中大部分农户认为X3购买储水物品减灾效果并不明显;类型3中大部分农户认为X6种植耐旱或节水作物减灾效果一般。由标准差可以看出,类型1中大部分农户对X1打井修水窖和X6种植耐旱或节水农作物减灾是否有效的意见趋于一致,对其他的应灾行为的评价还存在一定的差异;类型2中大部分农户对X1打井修水窖减灾是否有效的意见趋于一致;类型3中大部分农户对X11弃耕并外出务工减灾是否有效的意见趋于一致。
图6 不同类型应灾人群的样本分布图
图7 组的统计量
表4是对各组均值是否相等的检验,由该表可以看出,在0.01的显著性水平上我们不能拒绝对X4和X9的假设,即三组均值相等的假设;也就是认为除了变量X4和X9外,其余9个变量在三组的均值是有显著差异的。应灾行为X4买水是减轻旱情最直接有效的措施之一,所以农户对其有效性评价差异不大。应灾行为X9购买农作物保险是降低农业生产风险的有效措施之一,能够在灾后迅速恢复农业生产,保护农业经营者的权益,提高农业预防和应急能力;并且购买个别农作物保险属于农业政策的规定,一旦受灾后会获得赔偿,所以农户对其有效性评价差异也不大。
表4 组均值的均等性的检验
2.4.3典型判别式函数摘要
从表5中可看到,分析中使用了2个判别函数,其中第一判别函数解释了数据的80%,第二判别函数解释了20%;两个判别函数解释了100%;当然,两个判别函数直接具有显著的差异和判别力。
表5 特征值
注:分析中使用了前2个典型判别式函数。
标准化的典型判别式函数系数可以看出预测变量在组成判别函数时的相对贡献,由图8可知,在标准化的典型判别式函数1中打井修水窖、地膜覆盖和种植耐旱或节水作物是比较有效的应灾行为;在标准化的典型判别式函数2中多样化种植、育苗等田间管理行为是比较有效的应灾行为。结构矩阵系数即预测变量与典型判别函数的联合组内相关系数。由图9可知,在结构矩阵函数1中打井修水窖和种植耐旱或节水作物等判别变量与其相关性较大;在结构矩阵函数2中多样化种植和育苗等田间管理行为等判别变量与其相关性较大。值得注意的是,结构矩阵函数系数和标准化的典型判别函数系数不一样,虽然它们的分布趋势一致,但一个可以直接写成标准化的判别函数,而另一个只是表征彼此间的相关性而已。
图8 标准化的典型判别式函数系数
图9 结构矩阵函数系数
应灾行为类型123X1打井修水窖37.93431.58627.436X2浇灌设施准备5.7704.6563.558X3购买储水物品1.774-0.0020.735X4买水14.30813.56412.544X5多样化种植-0.1311.037-0.743X6种植耐旱或节水农作物8.0753.5806.582X7地膜覆盖12.32510.3289.515X8育苗等田间管理行为0.8693.7651.346X9购买农作物保险0.425-0.1500.626X10从事多种收入活动4.3033.4303.010X11弃耕并外出务工13.07612.36010.134(常量)-175.919-128.709-102.764
2.4.4分类统计量
Fisher线性判别分析的基本思想是使样本的类内距离尽量小,类间距离尽量大[15]。在此我们主要用其来构建判别方程,理论上说:如果我们知道某个农户对11种不同应灾行为的评价值,我们就可以估计出该农户应该是哪种类型的。表6为分类系数函数。
2.4.5判别检验
判别变量是数量型测量尺度变量,分析样本个数至少比判别变量多两个,我们为了得到判别函数,经常需要把样本随机分成训练样本和检验样本等工作,如本文最后20个(序号156-175)个体就可作为检验样本,也成待判样本。
由表6可知Fisher判别方程:
G1=-175.919+37.934X1+5.77X2+1.774X3+14.308X4-0.131X5+8.075X6+12.325X7+0.869X8+0.425X9+4.303X10+13.076X11;
(1)
G2=-128.709+31.586X1+4.656X2-0.002X3+13.564X4+1.037X5+3.58X6+10.328X7+3.765X8-0.15X9+3.43X10+12.36X11;
(2)
G3=-102.764+27.436X1+3.558X2+0.735X3+12.544X4-0.743X5+6.582X6+9.515X7+1.346X8+0.626X9+3.01X10+10.134X11。
(3)
判别规则为:
(4)
从表7中可看出,通过判别函数预测,有156个观测是分类正确的,其中y=1组的64个观测中有60个观测被判对,y=2组的59个观测中有49个观测被判对,y=3组的52个观测中有47个观测被判对。从而有89.1%的原始观测被判对。在交叉验证中,其中y=1组的64个观测中有58个观测被判对,y=2组的59个观测中有49个观测被判对,y=3组的52个观测中有46个观测被判对,从而交叉验证有87.4%的原始观测被判对。
表7 分类结果
根据以上判别分析结果,对进行问卷调查的各个村落不同应灾类型的人数情况进行统计(表8),并抽取典型案例进行分析。通过分析可以看出三种应灾类型在三个村落都有分布,其中应灾类型Ⅱ的农户最多;拥翠村应灾行为Ⅰ的农户最多,杏子山村应灾行为Ⅱ的农户最多,红星村应灾类型Ⅲ的农户最多。
表8 各村落三种应灾类型的分布情况
3.1应灾类型案例分析
(1)应灾类型Ⅰ:本次访谈的农户为拥翠村李家,户主为男性,彝族,普通群众,小学文化程度,其妻子是社长,一个孩子初中在读,家庭条件非常好。该户茶园种植面积有一定规模,主要从事茶叶的种植和收购,在该村的经济条件比较好。通过对户主的旱灾风险行为进行测量,该户属于学生数少、负担轻的家庭,且耕地面积较大,农产品类型以经济作物为主(表9)。
表9 应灾类型Ⅰ典型农户案例分析
(2)应灾类型Ⅱ:本次访谈的农户为杏子山村杨家,户主为男性,汉族,小学文化程度,普通群众,户主除了在家务农,还在邻村打工,家庭经济条件在该村中算中等水平。该农户种植的农作物为耐旱作物,农作物种类也较多(表10)。
(3)应灾类型Ⅲ:本次访谈的农户为红星村李家,户主为女性,彝族,初中文化程度,普通群众,户主基本在村中务农,种植的农作物为传统农作物,主要为玉米和小麦,农作物品种比较单一。该户家中有两个孩子上学,还有一位老人需要照顾,家庭收入以农业收入为主,经济条件在该村中处于比较贫困的水平(表11)。
表10 应灾类型Ⅱ典型农户案例分析
表11 应灾类型Ⅲ典型农户案例分析
3.2应灾行为影响因素分析
通过以上对采取不同类型应灾行为的典型人群分析,可以初步总结出农户的应灾类型受多种因素的影响,主要与灾害发生的概率、当地的气候、农户的经济水平、农户的文化程度、农业收入的比重和耕地面积等因素有关[16];具体分析过程如下所示。
(1)旱灾发生的概率。该变量意在考察农户对以往旱灾发生规律有无总结,并在此基础上对今后旱灾的发生趋势做出预测。对今后旱灾发生频率有预期的农户说明其应灾能力较高,而没有预期的农户其应灾能力则较低。
(2)当地的气候状况。一个地区的气候状况是决定其干旱发生强度的重要影响因素,而面对不同程度的旱灾农户所采取的应灾行为也会有所区别。
(3)农户的经济水平。农户的经济水平决定了其可以采取不同等级应灾设备的能力,从而直接关系着应灾行为的选取以及应灾能力的高低。
(4)户主的文化程度。罗小锋等学者[17]指出受教育水平高的户主会更容易意识到自然灾害的风险,对减灾措施的需求越强烈。文化程度较高的农户具有较高的灾害风险意识,其减灾意识也会相对较强。
综上研究,可得结论如下:
(1)通过聚类分析可将农户应对旱灾的行为响应分为三大类。第一类以耕作行为为主,包括X4买水、X5多样化种植、X6种植耐旱或节水作物、X7地膜覆盖和X8育苗等田间管理行为;第二类以耕作生产条件改良行为为主,包括X1打井修水窖、X2浇灌设施准备和X3购买储水物品;第三类以其它非耕作行为为主,包括X9购买农作物保险、X10从事多种收入活动和X11弃耕并外出务工。
(2)大部分的农户在旱灾来临时会采取多种应灾行为。农户对应灾行为X4买水和X9购买农作物保险的有效性评价差异不大,对其余应灾行为有效性的评价有较大差异。在判别函数1中打井修水窖、地膜覆盖和种植耐旱或节水作物是比较有效的应灾行为;在判别函数2中多样化种植和育苗等田间管理行为是比较有效的应灾行为。
(3)根据对175名农户的判别分析可将农户分为三大类。相对于其他两种类型,类型1的大部分农户认为X1打井修水窖减灾更为有效;类型2的大部分农户认为X3购买储水物品减灾效果并不明显;类型3的大部分农户认为X6种植耐旱或节水作物减灾效果一般。三种应灾类型的人群在三个村落都有分布,其中应灾类型Ⅱ的农户最多。拥翠村中应灾行为Ⅰ的农户最多,杏子山村中应灾行为Ⅱ的农户最多,红星村中应灾类型Ⅲ的农户最多。
(4)农户的应灾行为受多种因素的影响,主要与灾害发生的概率、当地的气候、农户的经济水平、农户的文化程度、农业收入的比重和耕地面积等因素有关。
研究不足之处主要有:①在问卷调查过程中由于农户的文化程度和理解能力不高,导致获取数据的质量、分析和统计等工作受到影响,从而使得到的结果会和实际情况有一些出入;②由于研究时间、调查村落和调查样本数量的有限性,本文最终所划分的应灾行为的类型和应灾农户的分类结果还需要经过长期实践不断检验和完善。
[1]苏菊香.发挥政府助手作用做好备灾救灾工作[J].自然灾害学报,2007,16(S1):55-57.
[2]谢永刚,周长生,党鹏.中国水旱灾害特点及水利减灾措施效果排序研究[J].自然灾害学报,2012,21(4):62-66.
[3]徐长青,曹铁华,蒋春姬,等.吉林省旱灾对粮食产量的影响及抗旱减灾对策[J].安徽农业科学,2011,39(9) :5265-5266,5333.
[4]孙雪萍,房艺,苏筠.基于旱灾演变的社会应灾过程分析——以2009-2010年云南旱灾为例[J].灾害学,2013,28(2):90-94.
[5]吴先华,刘华斌,郭际,等.公众应对气象灾害风险的行为特征及其影响因素研究——基于深圳市3109份调查问卷的实证[J].灾害学,2014,29(1):103-108.
[6]史兴民.公众对煤矿区地质灾害的感知与适应行为研究[J].灾害学,2015,30(1):157-160,166.
[7]孙莉莉,陈爱莲,张红莉,等.台风灾害避灾行为及影响因素的信效度分析[J].自然灾害学报,2009,18(5):127-130.
[8]李华强,范春梅,贾建民,等.突发性灾害中的公众风险感知与应急管理——以“5·12”汶川地震为例[J].管理世界,2009(6):52-60,187-188.
[9]孙莉莉,陈爱莲,王祥明,等.山区台风灾害避灾行为的影响因素分析[J].自然灾害学报,2010,19(6):165-170.
[10] 周桂华,杨子汉.2012年云南自然灾害综述与减灾措施探讨[J].灾害学,2013,28(4):132-138.
[11] 刘贵玉,贾丽君.我国移动图书馆研究热点分析——基于共词分析视角[J].现代情报,2014(7):40-44,49.
[12] 甘资先,周方俊,肖奕.多维尺度分析中的算法研究[J].清华大学学报(自然科学版),1991(6):20-27.
[13] 储节旺,闫士涛.知识管理学科体系研究(下)——聚类分析和多维尺度分析[J].情报理论与实践,2012(3):5-9.
[14] 王鹏泽,刘鹏飞,来苗,等.因子、聚类及判别分析在烟叶风格特色评价中的应用[J].中国烟草科学,2015(2):20-25.
[15] 边肇祺,张学工.模式识别[M].北京:清华大学出版社,2000.
[16] 罗小锋,冷俊磊.农户减灾意识的综合判断及原因分析——基于江汉平原233户农户的调查[J].农业技术经济,2013(10):56-63.
[17] 罗小锋,李文博.农户减灾需求及影响因素分析——基于湖北省352户农户的调查[J].农业经济问题,2011(9):65-71.
The Response Behavior to Drought Disaster of Rural Households in Plateau Mountain Region ——Taking Nanjian County in Yunnan Province, China as a Case Study
CHENG Yimeng, TIAN Min, HU Shiliang, CHEN Jiao and CHENG Rao
(CollegeofResourceEnvironmentandEarthScience,YunnanInstituteofGeography,YunnanUniversity,Kunming650091,China)
TheDroughtdisasteristhemostterribleagro-meteorologicaldisastersinYunnanprovince,China.Peoplewhosufferedthedisastermakethepoliciesandmeasurestomitigatedisaster’seffections,atthesametime,executethosepoliciesandmeasures.Intheentireprocessofdisaster,people’sresponsebehaviorstodroughtdisasterareespeciallyefficienttopromotepeople’sdisaster-copingability.WetakethecountynamedNanjianinYunnanprovinceinChinaasthestudiedzone,andobtainthedatasthroughquestionnairesandhouseholdinterviews;thenprocessthedataswithPrincipalComponentsAnalysisandClusterAnalysis;classifythedisasterresponsebehaviors(11types)tothreeclassesandprocesswithmultidimensionalscalinganalysis.Accordingtothecharacteristicofassessmentof175householdstothe11disasterresponsebehavior,weclassifytheseruralhouseholdstothreetypes,andanalysetheirseparatetypicalcharacters.
drought;disasterpreparedness;clusteranalysis;discriminantanalysis
2016-04-30
2016-06-15
国家自然科学基金(41461100)
程怡萌(1992-),女,河南伊川县人,硕士研究生,主要从事灾害地理学、人文地理学研究.
E-mail:870433898@qq.com
田敏(1963-),女,贵州兴义人,副教授,研究生导师,主要从事灾害地理学、人文地理学等学科教学和研究工作.
E-mail: tianmin@ynu.edu.cn
X43;P694;S72
A
1000-811X(2016)04-0215-09
10.3969/j.issn.1000-811X.2016.04.039
程怡萌,田敏,胡世亮,等. 高原山地农户旱灾应灾行为研究——以云南省南涧县为例 [J]. 灾害学,2016,31(4):215-223. [CHENG Yimeng, TIAN Min, HU Shiliang,et al. The Response Behavior to Drought Disaster of Rural Households in Plateau Mountain Region——Taking Nanjian County in Yunnan Province, China as a Case Study[J]. Journal of Catastrophology,2016,31(4):215-223. doi: 10.3969/j.issn.1000-811X.2016.04.039.]