基于省域的气候变化脆弱性指数及影响因素研究

刘 勇， 赵梦梦

(天津大学经济与管理学部， 天津 300072)

2016年达沃斯世界经济论坛的一份报告指出：“气候变化减缓和适应措施不力被视为可能会比大规模杀伤性武器扩散、水资源危机、大规模非自愿移民和能源价格剧烈波动带来更大的影响”。这是在《全球风险报告》发布11年来，环境问题第一次出现在风险排行的首位[1]。近年来，全球出现的各种极端天气也证实了气候变化是影响人类生存安全的头号威胁。统计数据显示，自1995年以来，全球气候灾害占所有灾害的90%以上，共造成60.6万人死亡，受伤、流离失所或需要援助的人数高达41亿[2]。有鉴于此，研究气候变化问题尤为重要。1990年，作为专门评估气候变化影响的权威机构，政府间气候变化专门委员会(IPCC)首次对气候变化的脆弱性进行了论述，并于2001年第三次评估报告中对气候变化脆弱性进行了较为成熟的定义。该报告将脆弱性定义为一个自然或社会的系统容易遭受来自气候变化，包括气候变率和极端气候事件的持续危害的范围或程度，是系统内的气候变率特征、幅度和变化速率及其敏感性和适应能力的函数[3]。目前，该定义在气候变化研究领域中已被广泛接纳和采用。此外，Dowing 和Patwardhan[4]在总结了有关脆弱性问题研究成果的基础上，得出了有关脆弱性的更为直观的理解，他们认为脆弱性应该包括3个方面：首先，脆弱性是一种结果，而不是一种原因；其次，脆弱性针对其他不敏感因子而言，影响是负面的；最后，脆弱性是一个相对概念，而不是一个绝对的损害程度的度量单位。我国地域辽阔，各地气候差异较大，各地所面临的气候变化脆弱性也有所不同，为了有效制定针对性的管理政策，以省域为尺度研究气候变化的脆弱性，并探索其中主要的影响因子，进而奠定管理政策的基础，增强我国的气候变化适应能力。

一、 文献综述

气候变化导致的脆弱性研究是当今国内外研究的重大课题，其中对脆弱性归因的探索则是脆弱性研究的突出内容之一。Moss等[5]在国家层面上从3个维度对气候变化脆弱性的影响因素进行了划分：自然环境维度，指区域气候条件，气候变化的生物物理影响等；社会经济维度，指区域从极端气候事件中的恢复能力和长期变化的适应能力；外部援助维度，指来自联盟、合作伙伴和国际组织救助的程度。Adger[6]在权利缺失的基础上，从个体和群体两个角度探讨社会脆弱性产生的原因。个体脆弱性由资源的获取、收入来源的多样性以及个体的社会地位决定。群体的脆弱性由收入、经济资产的不平等以及正式或非正式的体制安排决定。其中不平等性直接影响资源获取，从而导致脆弱性，它与贫困有间接联系，并且间接导致脆弱性。Dossou[7]在气候变化对城市和农村的脆弱性研究中指出，城市化的快速发展导致城市地区脆弱性的增加，而城镇化、工业化的发展加剧了农村地区的脆弱性。IPCC[8]在对非洲科托努市的气候变化脆弱性进行分析时指出，脆弱性会由于社会经济因素和政治限制因素而增加，特别是人口的快速增长和城市发展导致的资源不足。我国的学者也对气候变化脆弱性的影响因素进行了颇有价值的研究。如谭灵芝和王国友[9-10]在探讨气候变化适应资金分配机制的研究中，进一步强调了气候变化脆弱性的适应机制。同时研究了以农业生产为主要经济来源的家庭比例等社会经济因素和空间相邻关系。李柏山[11]在分析汉江中下游典型城市的气候变化脆弱性时，认为地理位置、经济发展程度以及极端气候影响是影响这些城市气候变化脆弱性的主要原因。别乾龙[12]则在对贫困山区的气候变化评估过程中，指出自然资源、贫困状况、农村基础设施、极端气候事件的频率和危害程度以及劳动力是影响贫困山区脆弱性的主要因素。

基于以上的文献分析可以看出，既有的研究是从定性角度出发或针对某一方面的气候变化脆弱性的影响因子进行定量研究，针对气候变化脆弱性的综合评价和影响因素的分析非常缺乏。鉴于此，本文在既有文献研究的成果基础上，结合省域的具体情况，探讨影响省域气候变化脆弱性的主要影响因素，并在此基础上提出针对性的管理对策，以增强气候变化的适应能力。

二、 脆弱性指数

1. 脆弱性评价模型

气候变化所导致的极端天气和气候能否对人类社会造成伤害，在很大程度上取决于脆弱性和暴露度水平[13-14]。其中暴露度是指人员、环境服务和各种资源、基础设施，以及经济、社会或文化资产处在有可能受到不利影响的程度[13-14]85，主要取决于特定区域暴露在危险事件中的概率[15]。在暴露的条件下，不利影响的程度和类型又取决于脆弱性，强调了脆弱性的社会内涵，应用于自然方面同样如此，暴露度是脆弱性的必要条件，但不是充分条件。有些情况有可能暴露性高，但并不脆弱。如容易发生洪涝的平原虽暴露度高，但如果通过技术或方法改进建筑物结构并减缓潜在损失，那么其脆弱性就相对较低。因此，天气和气候事件、暴露度和脆弱性是灾害或灾害风险的3个构成要素[14]81，本研究将这4者之间的关系用公式表示为

R=f(C,E,V)

(1)

式中：R代表气候灾害或灾害风险；C代表天气和气候事件；E代表暴露度；V代表脆弱性。

IPCC特别报告《管理极端事件和灾害风险，推进气候变化适应》(SREX)中指出，气候自然变率或人为气候变化对天气及气候事件产生影响[16]。同时，自然气候变率和人为气候变化也对人类社会和自然生态系统的脆弱性和暴露度产生影响[14]83。然而，极端天气也并不总是与灾害相联系，这种联系取决于特定的地理和社会条件[13-14]80。在某些条件下，非极端天气也会造成伤害。综上所述，是否形成灾害或出现灾害风险，在很大程度上仍取决于脆弱性和暴露性水平。因此式(1)也可以表示为

R=EV

(2)

V=R/E

(3)

在式(3)中， 基于张月鸿[17]对气候变化风险的研究成果，结合中国已发生的自然灾害以及可能的气候变化风险并依据数据的可获得性，用水资源、森林和草原、海岸带、生存环境、人类健康和重要基础设施以及其他自然灾害7个方面表征中国的气候灾害或灾害风险(见表1)。基于田亚平[15]55-63的研究成果，用自然灾害频率等7个指标表征暴露度(见表2)。所有数据均来自于《中国统计年鉴》、《中国环境统计年鉴》以及《中国农村统计年鉴》。

2. 脆弱性指数

为了消除指标间量纲的影响，在数据计算之前需对指标进行标准化，采用极差标准化将所有指标数据控制在0到1之间。将不同维度下的指标数据导入到SPSS 19中，运用主成分分析方法检验指标的效度[18]，然后采用主成分分析法和最大旋转法对因子进行选取和旋转，结果显示所有指标的共同性结果均大于0.3，表明指标的效度可以进行因子分析[19]。基于Feroze和Chauhan[20]运用主成分分析方法设定权重的理论，对指标的权重进行设定，最后计算出脆弱性指数(见图1)。

表1 自然灾害和灾害风险

依据脆弱性指数值的差距，将气候变化的脆弱性分为极度脆弱、重度脆弱、中度脆弱、低度脆弱和微度脆弱。结合脆弱性等级划分表(见表3)，整体上看，中国西部比东部在应对气候变化时表现出更高的脆弱性。极度脆弱区主要分布在中国的西北部，包括甘肃、青海、宁夏以及东北的吉林省。华北地区除北京和天津表现出微度脆弱外，河北、山西和内蒙古均表现为极度脆弱特征。东北一带呈现出中度及以上脆弱特征。华东地区除安徽省外，情况较好，呈现出中度及以下脆弱特征，上海、福建、浙江3个地区只表现出微度脆弱。华南地区除广东省呈现微度脆弱外，广西和海南省均表现为中度脆弱。西南地区大部分呈现极度脆弱，如贵州、云南和西藏。

表3 脆弱性等级

三、 脆弱性影响因素分析

1. 脆弱性影响因子

要探讨气候变化脆弱性的影响因素，气候的自然变化是导致系统脆弱性的原因，而这并非脆弱性讨论的关键。关键在于寻求以下两方面的影响因素：一是除气候的自然变化外，导致极端天气、气候灾害的原因；二是寻求系统内部的脆弱性因素及其外部压力。本研究在前人研究的基础上，探讨影响中国省域气候变化脆弱性的主要因素。气候变化的脆弱性主要受生态环境和社会经济状况两方面影响[21]，前者决定地区的先天脆弱性，后者随着时空的动态变化影响地区的脆弱性。

(1) 自然环境因素。受自然条件的影响，生态系统具有先天的脆弱性[22]。受地域差异的影响，中国各省域具有不同的气候特征，直接影响当地的脆弱性。一般来说，温度和降水量是衡量各地区气候最直接的指标，但由于这两个指标数据在省级区域尺度上不易获得，综合对气候影响因素的考量以及根据数据的可得性、可比性原则，本文将海拔高度作为衡量自然因素中气候条件的指标。水资源、林业、草原、湿地、农业系统都对气候的变化具有较高的敏感性[23]。而且，相对于水资源、森林等其他生态系统，农业受气候变化影响最大[24]。此外，中国北方较多的沙化地带增加了生态环境的脆弱性[25]。

(2) 社会经济因素。社会因素中，人口密度、自然增长率、老人及儿童比重以及人口城镇化水平等人口因素增加了人类系统本身的压力，因人口密度过大而加剧灾害损失的案例比比皆是[26]。不公平的资源分配是影响脆弱性的潜在原因[27]，收入是获取资源能力的有效代理[6]252。因此，以城乡收入差距表示不公平的资源分配。经济因素中，气候变化的脆弱性与贫困具有极高的伴生关系[28]。地区整体经济水平的提高，可以提供应对气候变化的基础设施，居民个人收入水平的提高又可以使他们接触到更多的资源设施，以应对气候变化的影响。农村作为应对气候变化的脆弱地带，农村人口的人均可支配收入最能反映区域农村的经济状况。此外，第二、三结构产值比也是衡量区域经济发展水平重要的指标[26]115。同时，经济的发展也给生态环境造成了一定程度的压力，过度的经济活动是导致生态系统退化的重要原因[29]。

综上所述，本研究从自然环境因素和社会经济因素两个维度上共甄选了6个影响因子17个指标对中国大陆省域的气候变化脆弱性进行多元线性回归分析，结果见表4。其中，对指标权重的设定采用主成分分析法。

表4 气候变化脆弱性影响因子指标及权重

注：所有数据均来自《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》。西藏的能源消费数据在年鉴中缺失，本文以西藏地区的电力消耗量等同于能源消费总量。

2. 多元线性回归分析

以脆弱性指数作为因变量，以气候、自然资源、人口、收入差距、经济水平以及经济发展压力作为自变量，运用SPSS 19软件进行回归分析，探索影响中国气候变化脆弱性的主要影响因素，回归结果见表5。除常数项系数显著外，气候、自然资源、人口以及经济水平4个因素对脆弱性指数显著，而收入差距和经济发展压力两个因素并不显著。在整个模型显著性水平0.000<0.01下，R2=0.834,表明整个模型联合解释脆弱性的83.4%，具有统计意义。DW=2.160，接近于2，表明自变量之间没有自相关性。自变量的所有容差值均大于0.4，VIF值均小于3，证明变量间没有明显的共线性。依据系数的绝对大小，对气候变化脆弱性的影响程度从大到小依次是自然资源、经济水平、人口和气候。这表明自然资源在影响气候变化脆弱性方面起决定性作用。自然资源的系数为负，表明自然资源富足程度与脆弱性之间呈现负相关，一个地区自然资源越丰富，越能缓解该地区在应对气候变化时的脆弱性。

社会经济方面，经济水平和人口因素对中国气候变化的脆弱性同样具有重要的影响[30]。经济水平的系数为负，表明地区的经济状况对气候变化的脆弱性具有促进作用。地区的经济发展水平越高，整个区域或居民个体所拥有的各种资源的机会越高，越能够适应气候变化的影响。人口因素的系数也为负，即人口压力越大，气候变化的脆弱性反而越小。且经济水平对脆弱性的影响比人口因素的影响大。综合对理论的考量，人口增长、老龄化、城市化等人口压力增大了资源的缺乏，对改善气候变化具有消极影响，很有可能加大脆弱性。而本研究却与理论相反，这可能是由于中国的人口压力与经济的发展具有协同作用，定量分析显示人口压力与经济水平之间具有正相关，系数为0.223。表明现阶段中国的人口因素对经济的影响起到促进作用，人力资源建设在适应脆弱性方面起到了尤为重要的作用。然而，当中国的人口在资源占有或弱势群体的增加等方面达到一定限度时，人口因素可能会对经济的发展起到抑制作用，从而可能增加区域的脆弱性。

自然环境方面，区域气候因素也对脆弱性产生一定的影响，其与气候变化脆弱性之间的系数为负。从本研究中表征气候因素的海拔来看，地区的海拔越高，气候条件越差，抵御气候变化的能力越差，脆弱性越高。

表5 回归分析结果

注：**、***分别表示在5%、1%水平上t检验显著。

四、 政策建议

基于以上实证分析，我们今后应在以下几方面采取措施应对气候变化带来的不利影响。

(1) 重视自然资源在调节气候方面的作用。我国应加紧对农业、森林、水资源等自然资源的保护工作。在自然资源条件恶劣的地区，倡导人工种植机制，因地种植。实施奖罚机制，改善城市环境，增强城市的气候适应力。

(2) 加强绿色经济发展。各地区尤其是农村地区，应该增加教育、医疗、交通等基础设施的投资，完善各种社会保障制度，增强公民获得资源的权利，提高适应能力。同时，在经济发展的同时，倡导绿色发展。一是要改善原有粗放型的发展方式；二是要不断创造地区发展的低碳新事物、新思维。

(3) 增强人力资源建设。政府或其他部门应加强公民对气候知识的认知，加强相关知识的宣传教育。切实提高人力资源的水平，减缓诸如人口老龄化等人口结构所带来的负面影响，提高人们对气候变化的适应能力。

(4) 加强对生态脆弱区的保护。生态脆弱区本身具有脆弱性，受外在压力的影响较大，一旦遭到破坏不容易恢复。因此，应该增强生态环境脆弱区的监管力度，加强保护工作，尽可能减少这些地区脆弱性的增加。

五、 结 语

本研究基于灾害风险、天气及气候事件、暴露度与脆弱性之间的关系所建立的模型表明，中国西部比东部在应对气候变化时呈现更高的脆弱性。中国西北地区大部分表现为重度脆弱，包括甘肃、青海、宁夏。结合对影响因素的研究，这些地区本身地势较高，气候环境差，再加上自然资源不充沛，诸如沙化土地等恶劣自然资源的比例高。又由于经济发展落后，获得资源能力较弱，当经济发展超过一定的阈值后会与环境保护产生一定的冲突。因而这些地区在应对气候变化尤其是极端天气时，会表现出较强的脆弱反应。华东和华北地区部分省域应对气候变化的能力较强，包括北京、上海、天津、福建、浙江和广东。这些地区半数属于直辖市，经济发展水平高，整个地域或地区居民拥有各种资源(自然资源和经济资源)的机会多，这些地区本身的自然环境相对较好，因此这些地区对气候变化有较强的适应能力。

本文通过多元线性回归模型分析影响中国气候变化脆弱性的主要因素，研究发现，气候、自然资源、人口和经济水平因素是最主要因素。气候因素与脆弱性指数呈正相关。自然资源、人口和经济水平与脆弱性指数呈负相关。从而再次印证了中国气候变化脆弱性是自然环境和社会经济条件相互作用的结果。相比较而言，自然资源对脆弱性的影响最大，其次是经济水平，最后是人口和气候因素。

[1] 郭久亦，于 冰. 人类面临的两大灾难:气候变化和人口过剩及其应对方法[J]. 世界环境，2016(3)： 53-56.

[2] 梁 琳. 全球气候变化将带来毁灭性灾难[J]. 生态经济，2016,32(1)：2-5.

[3] IPCC.ClimateChange2001:SynthesisReport.AContributionofWorkingGroupⅠ,ⅡandⅢtotheThirdassessmentReportoftheIntergovernmentalPanelonClimateChange[M]. Cambridge: Cambridge University Press,2001.

[4] Downing T E, Patwardhan A. Vulnerability Assessment for Dimate Adaptation[R]. New York: United Nations Development Programme, 2003.

[5] Moss R H, Brenkert A L, Malone E L.Vulnerability to climate change: A quantitative approach[J].AdvancesinScienceandResearch, 2001(1)：1-88.

[6] Adger W N. Socialvulnerability to climate change and extremes in coastal vietnam[J].WorldDevelopment, 1999, 27(2):249-269.

[7] Dossou K M R, Glehouenou D B. The vulnerability to climate change of cotonou [J].EnvironmentandUrbanization, 2007, 19(1):65-79.

[8] IPCC.ClimateChange2007:SynthesisReport:ContributionofWorkingGroupI,IIandIIItotheFourthAssessmentReportoftheIntergovernmentalPanelonClimateChange[M]. Cambridge: Cambridge University Press, 2007.

[9] 谭灵芝, 王国友. 气候变化适应性资金分配机制研究[J]. 西部论坛, 2011, 21(3):49-59.

[10] 谭灵芝, 王国友. 气候变化对干旱区家庭生计脆弱性影响的空间分析：以新疆于田绿洲为例[J]. 中国人口科学, 2012(2):67-77.

[11] 李柏山, 周培疆, 尹 珩,等. 汉江中下游典型城市发展对气候变化脆弱性分析研究[J]. 环境科学与管理, 2015, 40(1):163-167.

[12] 别乾龙, 张亚丽, 杨喜田,等. 贫困山区可持续土地管理与适应气候变化的脆弱性评估[J]. 河南水利与南水北调, 2011(3):55-58.

[13] 尹 姗, 孙 诚, 李建平. 灾害风险的决定因素及其管理[J]. 气候变化研究进展, 2012, 8(2):84-89.

[14] 郑 菲, 孙 诚, 李建平. 从气候变化的新视角理解灾害风险、暴露度、脆弱性和恢复力[J]. 气候变化研究进展, 2012, 8(2):79-83.

[15] 田亚平, 向清成, 王 鹏. 区域人地耦合系统脆弱性及其评价指标体系[J]. 地理研究, 2013, 32(1):55-63.

[16] IPCC.ManagingtheRisksofExtremeEventsandDisasterstoAdvanceClimateChangeAdaptation:ASpecialReportofWorkingGroupsIandIIoftheIntergovernmentalPanelonClimateChange[M]. New York: Cambridge University Press, 2012

[17] 张月鸿, 吴绍洪, 戴尔阜,等. 气候变化风险的新型分类[J]. 地理研究, 2008, 27(4):763-774.

[18] Ravindranath N H, Rao S, Sharma N, et al. Climate change vulnerability profiles for North East India[J].CurrentScience，2011, 101(3): 384-394.

[19] 吴明隆. 问卷统计分析实务：SPSS操作与应用[M].重庆：重庆大学出版社,2010.

[20] Feroze，Chauhan. Performance of dairy self help groups (SHGs) in India:principal component analysis (PCA) approach[J].IndianJournalofAgriculturalEconomics,2010,65(2): 308-320.

[21] 刘文泉. 黄土高原农业生产的气候脆弱性研究[D]. 北京：中国气象科学研究院, 2002.

[22] 李翠菊. 生态环境脆弱性及其测度[D]. 武汉：华中师范大学管理学院, 2007.

[23] 高 峰,孙成权,曲建升. 气候变化对自然和人类社会系统的影响：IPCC第三次气候变化评价报告[J]. 地球科学进展, 2001, 16(4):590-592.

[24] 陶生才, 许吟隆, 刘 珂,等.农业对气候变化的脆弱性[J]. 气候变化研究进展, 2011, 7(2):143-148.

[25] 关中美, 郝成元. 我国干旱半干旱地区脆弱生态系统及其退化成因[J]. 生态经济, 2013(9):158-162.

[26] 樊运晓, 罗 云, 陈庆寿. 区域承灾体脆弱性评价指标体系研究[J]. 现代地质, 2001, 15(1):113-116.

[27] Kelly P M, Adger W N. Theory and practice in assessing vulnerability to climate change and facilitating adaptation[J].ClimaticChange, 2000, 47(4):325-352.

[28] 张 倩. 牧民应对气候变化的社会脆弱性:以内蒙古荒漠草原的一个嘎查为例[J]. 社会学研究, 2011(6):171-195.

[29] 蒋文婷. 莱州湾南岸地质环境脆弱性分析与评价[D]. 北京：国家海洋局第一海洋研究所, 2008.

[30] 唐志忠，刘雪静，李 波，等.京津冀区域面碳排放的关键驱动因素[J].天津大学学报：社会科学版，2017(6)：514-519.