经济暴露度与洪涝灾害损失关系分析

仲夏，石少宏，李宁

(1.内蒙古气象台，内蒙古 呼和浩特 010051；2.北京师范大学地理科学学部民政部/教育部减灾与应急管理研究院, 北京 100875；3.内蒙古气象科学研究所，内蒙古 呼和浩特 010051)

引言

在众多类型的气候灾害中，暴雨洪涝灾害是发生频率较多、影响较大的一类[1]。暴雨洪涝灾害的发生是由暴雨、长期降水所致，积水的囤积会给低洼地区带来严重的损失。此外，暴雨洪涝灾害还会为人类带来许多其他方面的损害，如对人类的心理损伤、对生态环境的影响以及其他直接或间接、即时或潜伏的综合影响等[2]。

暴雨洪涝灾害是我国出现频率最高、影响范围最广、造成损失最严重的几种自然灾害之一[3-4]，每年因暴雨洪涝灾害而损坏农田多达7×104hm2，经济损失过亿。生命安全和财产安全这两个基本条件无法得到保障会在一定程度上阻碍我国的经济发展，限制我国生产力的进一步提高[5]。我国国土面积辽阔，空间跨度广，且海陆兼备，导致暴雨洪涝灾害的分布和特征受不同地域、季节变化等因素的影响。在夏季，我国大部分地区都会直接或间接地遭遇暴雨洪涝灾害。

很多学者注意到经济暴露度对于暴雨洪涝灾害所带来的损失有着影响。SREX报告指出，灾害的影响是极端事件本身以及承灾体的暴露度和脆弱性共同作用的结果[6]，因此，在灾害风险管理和气候变化适应的研究工作中，最为关键的就是减少承灾体的暴露度和脆弱性[7]。暴雨洪涝灾害造成经济损失不断增加的原因有很多，其中特别重要的一点就是受灾地区的经济暴露度在不断增加。因此，加大加深对中国经济暴露度对暴雨洪涝灾害损失的影响评估的研究，具有重要意义。根据经济暴露度对暴雨洪涝灾害损失进行影响评估分析的结果，建设针对性的防御设施，最大限度地减少损失。同时，通过对暴雨洪涝灾害进行风险评价，能够较为准确地对其发生的时间、可能性大小进行客观评估。

随着经济发展水平的不断提高，经济暴露度在不同情况下对暴雨洪涝灾害损失的影响。本文为了更加细致地分析，以全国各县为研究对象，采用聚类分析、相关分析、回归分析、曲线拟合等方法，综合考虑不同条件加，经济暴露度对暴雨洪涝灾害损失的影响。

1 资料和方法

1.1 资料说明

本文所使用的数据主要包括2015—2018年全国相关气象数据、暴雨洪涝灾情数据、人口数据、GDP数据以及其他方面的数据。

1.1.1 灾情数据

2015—2018年全国各县域的暴雨洪涝灾情数据，包括过程最大降水量、灾情起止时间、直接经济损失、农业经济损失、受灾人口情况、倒塌房屋数量、农业受灾与承灾面积、灾害影响描述等。统计的灾情及影响数据资料来源于各级气象部门通过灾情直报系统上报的数据。

1.1.2 气象数据

全国降水观测实况数据来自中国综合气象信息共享平台（China integrated meteorological information service system，CIMISS），CIMISS是覆盖国家级和31 个省中心，集数据收集与分发，质量控制与产品生成、存储管理、共享服务、业务监控于一体的数据管理和共享平台。

1.1.3 社会经济统计数据

本研究所用到的社会经济方面的数据和资料，都是由中国国家统计局 （http://data.stats.gov.cn）以及各省、市、区县统计部门的官方网站所提供的《国民经济和社会发展统计公报》。数据资料的主要内容包括：全国和各省、市的行政面积、户籍人数、男女人数及比例、GDP状况统计等。

1.2 技术方法

1.2.1 相关分析法

相关分析法（Correlation analysis）是研究具有依存关系的两种或多种现象之间的相关性和相关程度的一种统计学方法。本文利用相关分析法对经济暴露度指标和致灾因子指标与直接经济损失之间的相关性进行初步分析。由于县域地区生产总值、人均GDP、降水量以及直接经济损失等变量的分布情况不确定，各个自变量之间的关系是线性的还是非线性的也不明确，因此采用Spearman相关系数，来描述各个变量之间的关联程度。

1.2.2 回归分析

回归分析（Regression Analysis）是运用数理统计的方法，针对两种或两种以上互相之间存在一定影响的变量，求其自变量与因变量之间相关函数的方法。本文主要采用多元回归分析方法，以直接经济损失为因变量，以降水量、地区生产总值作为自变量，构建多元回归模型，并采用逐步回归方法对模型进行优化。

1.2.3 主成分分析

主成分分析法是一种统计学分析方法，其原理是把多个变量划为少数综合指标，可以看作是一种降维处理。本文主要采用主成分分析法，将人均 GDP、GDP 密度、第一产业增加值、第二产业增加值、地区生产总值、公共财政支出、公共财政收入等经济发展水平指标形成表征经济发展水平的综合指标。

1.2.4 K-means聚类分析

K-means聚类分析算法（K-means clustering）的主要目的，是把n个点平均分k个聚类，让每一个点都处在离聚类中心，最近的均值所在的聚类内。本文运用聚类分析方法通过把灾害过程总降水量这一没有标记的样本集按相似性划分为若干类，将相似的样本尽可能地归为一类 , 不相似的样本尽量划分到不同的类中，类内样本距离尽量小，而不同类之间的距离尽可能大。

1.2.5 曲线拟合方法

在众多实验数据处理的问题中，绝大多数自变量和因变量之间的函数关系较为复杂，不易通过理论推导得出其准确的关系式，曲线拟合的方法在这个时候就会起到非常重要的作用，其效果也很显著。曲线拟合（Curve Fitting）是用连续不间断的曲线近似地代替坐标上离散点之间函数关系的一种拟合方法。

2 结果分析

2.1 洪涝灾害损失分析

2.1.1 洪涝灾害损失分布特征

根据气象灾害评估分级标准，按照人员伤亡、经济损失的大小，将2015—2018年县域的暴雨洪涝灾害损失进行灾害分级，分析灾害损失的空间分布情况。从灾害损失的分布情况来看，灾害损失主要集中在我国西南地区东部和南部、华南、江南、江淮、黄淮和华北一带，受灾最为严重的是我国低纬度地区；暴雨洪涝灾害损失多以小型和中型为主，大型和特大型气象灾害出现的相对较少。从县域尺度的暴雨洪涝灾害损失等级分布可以看出（图1），2015—2018年，每年都会有暴雨洪涝灾害发生，但是并没有造成经济损失或者人员伤亡。从空间分布上看，暴雨洪涝灾害在空间分布上广，局部地区灾害损失较为严重（图略）。

2.1.2 暴雨洪涝灾害损失影响因素的相关性分析

在全球气候逐渐变暖的影响之下，我国自然灾害发生的概率和频率及强度逐年上升，涉及范围也在不断加大。强降雨造成的积水淹没了低洼地区，对人们的生活和经济损失造成了一定的影响，暴雨洪涝灾害频繁发生，导致大多数区域的人员受到伤害，经济损失惨重，阻碍了社会发展，给人民生命安全带来威胁。气象灾害损失的形成是自然变异因素与社会经济因素交互作用的结果[8]。直接经济损失指的是因事故造成的人员伤亡费用，灾情的严重程度通过绝对值和相对值表示。因此本文以直接经济损失作为因变量，分析社会经济发展和致灾因子对直接经济损失的影响。根据区域灾害系统论[9-10]，灾情（害）是孕灾环境、致灾因子和承灾体互相作用的产物。强降水是引发洪涝灾害的直接原因，本文选取该致灾因子和承灾体在暴雨洪涝灾害损失灾情中进行相关性研究，对灾害造成的损失进行分析。

由于自然灾害受到损失的严重程度和导致灾害发生的因素及承受灾害带来的损失的社会主体之间有很大的关系[11]。在致灾因子方面，洪涝灾害形成的主要原因就是强降雨的频繁发生及涉及的范围较大导致的。强降雨涉及的范围比较广泛。选取暴雨洪涝开始和结束事件的总降水量、以及灾害事件结束前的1~7 d降水量、灾害持续时间作为因子的指标。在社会经济因素方面，社会经济的发展对暴雨洪涝灾害的影响主要包含两个方面：一是，人口、经济的快速增长增大了暴露度，增大了暴雨洪涝灾害的风险，经济发展与灾害损失之间的关系；二是，经济发展有利于提高设防能力和应对能力，降低脆弱性，能够削弱灾害带来的不利影响[11]。对于经济暴露度指标的选取，多数分别以人均GDP、地区生产总值作为社会经济暴露度的指标，本文通过人均GDP、地区生产总值与直接经济损失之间的相关性分析，选取相关性较强的经济暴露度指标，分析2015—2018 年经济暴露度对直接经济损失的影响。

计算暴雨洪涝灾害直接经济损失与经度、纬度、总降水量、1~7 d降水量、持续时间、人均GDP、地区生产总值的相关性，从相关系数计算结果（图1）可以看出，直接经济损失与经度、纬度、总降水量、1~7 d降水量、持续时间、人均GDP、地区生产总值、地区生产总值的相关系数均为正相关。各因子与直接经济损失的相关系数和置信度表明（表1），除1 d的累计降水量（1 d降水量）和人均GDP未通过α=0.05的显著性检验外，其他因子均能够通过显著性检验。分析致灾因子强度因子与直接经济损失的相关系数，总降水量、7 d降水量、6 d降水量、5 d降水量和持续时间与直接经济损失的相关系数是所有因子中排名较高的，且为正相关，说明降水量越大、持续时间越长，灾害造成的直接经济损失也越高。地区生产总值这两个常被用于经济暴露度特征指标的量与直接经济损失也为正相关，相关系数为0.13，具有较弱的相关性。

表1 各因子与直接经济损失的相关系数和置信度

图1 直接经济损失与致灾因子和承载体暴露度各因子的相关性分析热力图

2.2 致灾因子强度与暴雨洪涝灾害损失的关系

2.2.1 经济暴露度分组以地区生产总值作为经济暴露度指标，采用四分位方法对地区生产总值进行分类，将所有地区分成四类。将每年地区生产总值小于或等于上四分位数的县分为经济暴露度低值区，2015—2018 年位于经济暴露度低值区县共有653 个县；将每年地区生产总值位于上四分位和中位数之间的县分为经济暴露度中值区，2015—2018 年位于经济暴露度中值区的县共有293 个；将每年地区生产总值位于中位数和下四分位之间的县分为经济暴露度较高值区，2015—2018 年位于经济暴露度较高区的县共有299 个；将每年地区生产总值大于下四分位的县分为经济暴露度高值区，2015—2018 年位于经济暴露度高值区的县共有240 个。本文将不同经济暴露度水平下致灾因子强度与直接经济损失之间的关系。

2.2.2 经济暴露度低值区降水量与直接经济损失关系从经济暴露度低值降水量与直接经济损失的散点图（图略）可以看出，直接经济损失和总降水量之间的关系呈现出明显的非线性关系。对经济暴露度低值区总降水量与直接经济损失（取对数）进行多种拟合，选择拟合最好的三次多项式函数，对直接经济损失和总降水量进行拟合，拟合结果（图2）可见，从经济暴露度低值区，致灾因子与直接经济损失的关系来看，直接经济损失随着致灾因子强度的不断增大而增加。

图2 经济暴露度低值区总降水量与直接经济损失最优曲线拟合结果

2.2.3 经济暴露度中值区降水量与直接经济损失关系

从经济暴露度中值区降水量与直接经济损失的散点图（图略）可以看出，直接经济损失和总降水量之间的关系呈现出明显的非线性关系。对经济暴露度中值区总降水量与直接经济损失最优曲线进行多种拟合，选择拟合最好的三次多项式函数，对直接经济损失和总降水量进行拟合，拟合结果（图3）可见，从经济暴露度中值区，致灾因子与直接经济损失的关系来看，直接经济损失随着降水量的不断增大而增加。当达到临界值后，随着降水强度的增强，直接经济损失开始逐渐下降。

图3 经济暴露度中值区总降水量与直接经济损失最优曲线拟合结果

2.2.4 经济暴露度较高值区降水量与直接经济损失关系

从经济暴露度较高值区灾害过程降水量与直接经济损失的散点图（图略）可以看出，直接经济损失和总降水量之间的关系呈现出明显的非线性关系。对经济暴露度较高区总降水量与直接经济损失（取对数）最优曲线进行多种拟合，选择拟合最好的三次多项式函数，对直接经济损失和总降水量进行拟合，拟合结果（图4）可见，从经济暴露度较高值区，致灾因子与直接经济损失的关系来看，直接经济损失随着降水量的不断增大而增加。当达到临界值400 mm后，随着降水强度的增强，直接经济损失开始逐渐下降。

图4 经济暴露度较高区总降水量与直接经济损失最优曲线拟合结果

2.2.5 经济暴露度高值区降水量与直接经济损失关系

从经济暴露度高值区降水量与直接经济损失的散点图（图略）可以看出，直接经济损失和总降水量之间的关系呈现出明显的非线性关系。对经济暴露度高值区总降水量与直接经济损失（取对数）最优曲线进行多种拟合，选择拟合最好的三次多项式函数，对直接经济损失和总降水量进行拟合，拟合结果（图5）可见，从经济暴露度较高值区，致灾因子与直接经济损失的关系来看，直接经济损失随着致灾因子强度的不断增大而增加。

图5 经济暴露度高值区总降水量与直接经济损失最优曲线拟合结果

3 结论

（1）从县域尺度暴雨洪涝灾害的空间分布特征上来看，2015—2018 年灾害损失主要集中在我国西南地区东部和南部、华南、江南、江淮、黄淮和华北一带，从空间分布上看，暴雨洪涝灾害在空间分布上广，暴雨洪涝灾害损失多以小型和中型为主，局部地区灾害损失较为严重。

（2）对于不同程度的经济暴露度县来说，当其受到暴雨洪涝灾害影响时，总降水量与暴雨洪涝灾害直接经济损失存在着非线性关系。对于经济暴露度位于低值区和中值区的县，受到暴雨洪涝灾害影响时，直接经济损失随着降水量增加而增加。对于经济暴露度位于较高值区和高值区的县，受到暴雨洪涝灾害影响时，该县的直接经济损失随着降水量的增加而增加，当降水量超过某一值后直接经济损失开始下降，其中对于经济暴露度位于较高值区的县，当总降水量达到400 mm的临界值时，直接经济损失开始下降；对于经济暴露度位于较高值区的县，当总降水量达到600 mm的临界值时，直接经济损失开始下降。

（3）对于灾害损失为小型、中型的地区，该地区的致灾因子强度越大，暴雨洪涝灾害造成的直接经济损失占比越大，同时地区生产总值越、经济发展水平越高的县，损失占比越小；对于灾害损失为大型、特大型的地区，暴雨洪涝灾害致灾因子强度和灾害损失占比之间的关系并不显著，而当地的经济暴露度与损失占比呈现较为显著的关系，地区生产总值越高的地区，其经济暴露度越高，损失占比越小。