薛斯文,周 旗,李明洁,毛雨唯
(宝鸡文理学院地理与环境学院/陕西省灾害监测与机理模拟重点实验室,陕西 宝鸡 721013)
气候变化风险暴露度感知可预测未来风险的严重性,与气候变化风险同等重要,是地理学人地关系研究的重要维度[1]。在工业革命之后,人类快速扩张的活动范围和对自然界资源的快速利用与破坏,已经对气候产生了巨大的影响,之后意味着人类进入了“人类世”(Anthropocene)的新纪元[2,3]。政府间气候变化专门委员会(IPCC)在第五次报告中(AR5)指出,相比于第四次报告(AR4),气候变化严重程度更甚于之前的认知水平,并且人类活动对于气候变暖贡献占主导地位,如果对人类活动的碳排放不加以遏制,将会引发频率更高、强度更大的极端气候事件发生。由于全球气候变化、城市化速度不断加快,全球人口持续增加,人类居住愈加聚集,造成人类在气候变化所造成的自然灾害下的暴露度逐渐增强[4]。中国处在气候变化的敏感区和脆弱区,也是极端气候天气发生最为频繁的国家之一。陕西省所处的地理位置正是中国气候变化敏感区,各种因气候变化引起的灾害发生频率增加,强度增强[5],对于极端气候天气增多,人们难以在短期时间内进行干预,因此,提高公众的气候变化风险预防意识至关重要。
气候变化风险以各种形式影响着每个人的生活与工作,但由于气候变化是一个长时间大尺度的变化过程,民众对气候变化的认识过程也成为一个复杂的系统,民众通过直接了解、间接了解、第三方传播这3种途径获取气候变化信息,从而形成气候变化风险感知。IPCCWGIIAR5气候变化灾害风险评估知识框架体系中指出脆弱性感知、危险性感知及暴露度感知三方面为气候变化风险感知的主要内涵。其中暴露度感知则从民众与气象灾害事件的心理距离来测量,主要包括假设距离、时间距离、社会距离和空间距离[6]。其中,假设距离表征民众真实气候变化风险感知水平与未来气候变化风险感知水平之间的差距[7];时间距离表征民众当前气候变化风险感知水平与不同时间段气候变化风险感知水平的差距[8];社会距离表征民众自身气候变化风险感知水平与其对亲密社会关系所在地的气候变化风险感知水平的差距[9];空间距离表征民众所在地气候变化风险感知水平与其他地区民众气候变化风险感知水平的差距[9]。而民众的气候变化风险暴露度感知会随心理距离发生系统改变,从而影响民众对气候变化风险的反应[9]。据相关学者研究表明,心理距离与解释水平理论是双向相关的,而个人的解释水平会随其智慧和经验的变化而变化[10]。不同民众年龄不同,会影响其智慧和经验的获得,进而表征不同的气候变化风险暴露度感知水平[10]。
本研究主要对陕西省气候变化风险暴露度感知规律进行探究,以期发现陕西省气候变化风险暴露度感知水平随年龄的变化规律。因西安市为暖温带大陆性季风气候,多极端高温、暴雨和洪涝灾害[11];汉中市暴雨、干旱、连阴雨灾害频发,为气候变化较为敏感区[12];榆林市地处黄土高原北部,易发滑坡雨、泥石流、沙尘暴、暴雨和干旱灾害[13]。因此,结合样本数据的数量、可靠度以及相应地区的地理环境,筛选出汉中、西安和榆林3市分别作为陕南、关中和陕北地区的代表性城市以开展气候变化风险暴露度感知规律的研究,旨在为决策者气候变化风险管理提供参考,拟解问题有以下3点:①3市气候变化风险暴露度感知水平随年龄的变化趋势;②3市气候变化风险暴露度感知随年龄的变化周期;③以上研究能为决策者风险管理提供哪些参考。
汉中市位于陕西省西南部,东经105°30′30″—108°24′37″、北纬32°15′15″—33°56′37″。汉中市平均气温分布为南北山区低于平坝和丘陵,秦岭南坡高于巴山北坡。平坝和丘陵温度在14.4~14.7℃,秦岭南坡低于12℃,巴山北坡低于14℃。其中,留坝最低为11.6℃,汉台最高为14.7℃。区内气候具有明显的季风气候特点,四季较热带地区明显,大体上春秋略短,冬夏稍长[14]。
西安市位于渭河流域中部关中盆地,东经107°24′—109°29′和北纬33°25′—34°27′,北临渭河和黄土高原,南邻秦岭。整体气候特征表现为冬季寒冷少雨雪,春季温度升降幅度大,多风,夏季炎热多雨,秋季凉爽,秋淋现象明显。主要气象灾害是多暴雨洪涝、干旱和极端高温事件[15]。
榆林市位于陕西省最北部,北纬36°57′—39°35′,东经107°28′—111°15′,长城从东北向西南斜贯其中。该市东隔黄河与山西省相望,北邻内蒙古自治区,西连宁夏回族自治区和甘肃省,南接延安市[16]。地貌大体以长城为界分为两部分,北部为风沙草滩区,占总面积的42%;南部为黄土丘陵沟壑区,占58%。该市属暖温带和温带半干旱大陆性季风气候,四季分明。年均气温10℃,年均降水量约400 mm[13]。
在2018年7月至2019年10月,基于国家自然科学基金项目社会调查,多次组织调查活动,依次对陕西省各县区民众进行走访调查,主要是在城区人流量较大区域和农村农户家中进行实地调查,以随机调查的方式对被访者进行面对面访谈,在访谈期间不对受访者做引导性的回答,面对年龄较大或学历较低的受访者时,在充分解释题目的情况下进行访问。这样的调查方式也保证了数据的真实性和可靠性,为后续研究奠定了基础。其中,汉中市、西安市和榆林市分别发放并回收问卷600、697、690份,总计发放问卷1 987份,有效率均在74%以上[17]。问卷主要由37项问题组成,每个题项都有相应的分题项构成。
样本统计结果如表1所示,由于气候变化是一个较长时间尺度的过程,所以大多数受访者年龄在30岁以上,年龄结构与各市30岁以上总人口结构相近;受访者男女人数相近,性别比例与总人口一致;个体特征与总人口结构相近[18],样本具有较强的代表性。
表1 样本统计结果
问卷内容主要由4部分构成:首先是被调查对象的基本人口统计学特征,包括性别、年龄、居住、受教育程度、职业等,主要用于了解被调查对象的基本情况,便于以后对人口统计学特征与各种潜在变量的关系进行探索;其次是考察民众自身应对全球气候变化引发风险的适应能力及经济条件,包括民众个人经济开支收入水平、家庭收入支出水平及其他收入支出来源、家庭成员经济收入状况、个人和其他家庭成员基本医疗保险费用及总开支收入来源等;再者是民众对全球气候变化造成风险的主观感知,具体内容包括环境危险性的感知、暴露程度的感知及脆弱性的感知。其中风险暴露度的感知主要采用在地理学中最新一次提出的预测心理距离方式进行测量,具体方式包括时间距离、空间距离、社会距离和概率距离进行深度测量[17]。最后是民众对气候变化风险的态度和对自然环境状态特征感知水平调查。至于气候变化风险,本问卷主要涉及暴雨、洪涝、干旱、冰雹、农作物病虫害、雷电、沙尘暴、传染病、高温以及雾霾等多项调查,比较契合3市的气候环境且调查内容充实。
以上4个部分共同构成了气候变化风险感知问卷,为调查研究提供了数据来源和支持。所有的问卷选项都是李克特的五级量化设计选项表(有些问题分别为四级和七级),可以统一分配索引选项,同时也确保了问卷的简单性。
本研究在选取样本时遵循年龄最小为15岁,每5年或10年取一平均值来代替相应年龄段的年龄,每个年龄段最少有60个样本。其中,气候变化风险暴露度感知的时间距离选2017年7月陕西全省多地持续高温感知度作为调查题项;空间距离选用南极冰架融化海平面上升感知度来表征;社会距离选用远在他乡的至亲好友受到同样的威胁感知度来表征;假设距离选用现在的住区可能受到极端天气影响感知度来表征。每项都是李克特的五级量化选项表,主要包括影响小、较小、一般、较大和大5个选项,依次用1~5分来代替。
表2、表3、表4为各市单样本t检验结果,发现各市样本都具有一定的代表性,题项差异较为明显,适合进行下一步的分析。
表2 榆林市单样本t检验分析结果
表3 汉中市单样本t检验分析结果
表4 西安市单样本t检验分析结果
本研究主要将正向标准化后的数据运用熵值法计算暴露度感知各指标权重,其次加权求和分别得到汉中、西安和榆林3市每个调查对象的气候变化风险暴露度感知强度,并将各市年龄从15岁及以上算起(小学生的感知时间尺度较小,不计入),每隔10年取一平均值来代替相应年龄段的年龄和暴露度感知强度。之后以暴露度感知强度为纵坐标,年龄为横坐标进行多项式拟合,以期发现3市暴露度感知强度随年龄变化的规律。最后,由于调查对象的年龄为连续数据,且多项式拟合结果具有一定的周期性[18],因此运用MORLET小波分析确定各市气候变化风险暴露度感知强度随年龄变化的周期[18]。其中,小波分析运用的数据为各市每个调查对象的年龄和相应暴露度感知强度。
数据预处理主要包括熵值法计算暴露度各指标权重和加权求和的暴露度感知强度与年龄取平均值的结果。
表5至表7为各市气候变化风险暴露度感知相应指标权重,代入运用加权求和法可求得各市每位调查者气候变化风险暴露度感知强度,接下来以10年为单位计算相应年龄段的各市民众气候变化风险暴露度感知强度,见表8至表10。
表5 汉中市熵值法计算权重结果
表6 西安市熵值法计算权重结果
表7 榆林市熵值法计算权重结果
表8 汉中市各年龄段平均年龄和暴露度感知强度
表9 西安市各年龄段平均年龄和暴露度感知强度
表10 榆林市各年龄段平均年龄和暴露度感知强度
2.2.1 多项式拟合结果 由多项式拟合结果可知,汉中、西安和榆林3市气候变化风险暴露度感知强度随年龄的变化规律各不相同,分别代表了陕南、关中和陕北三大地区的气候变化风险暴露度感知规律。
汉中市民众的气候变化风险感知强度在22岁时达到高峰,为2.05,43岁时暴露度感知强度最低,为1.89。总体上,汉中市气候变化风险暴露度感知强度随年龄的变化规律为:18~22岁上升;22~43岁下降;43岁之后一直呈上升趋势;其中,43~61岁上升幅度较缓,61岁以后急速上升(图1)。
图1 汉中市年龄-气候变化风险暴露度感知强度拟合曲线
西安市民众气候变化风险暴露度感知强度的变化趋势呈现4个阶段:18~31岁上升,31岁达最大值2.22;31~42岁下降,42岁为低谷,仅有2.03;42~64岁上升;64岁以后呈下降趋势(图2)。
图2 西安市年龄-气候变化风险暴露度感知强度拟合曲线
榆林市气候变化风险暴露度感知强度总共有3个谷值和3个峰值。其中,23、35和65岁分别为第1、2和3个谷值,气候变化风险暴露度感知强度分别为2.17、2.08和1.83;28、45岁为第1、2个峰值,气候变化风险暴露度感知强度分别为2.22、2.19。气候变化风险暴露度感知强度总体变化趋势为降-升-降-升(图3)。
图3 榆林市年龄-气候变化风险暴露度感知强度拟合曲线
总之,汉中、西安和榆林3市的年龄-气候变化风险暴露度感知拟合曲线均为4次多项式,拟合优度均在0.8以上。
但各市之间也有一定的差异,汉中市和西安市的气候变化风险暴露度感知强度变化规律较为一致,均为先升后降型,区别在于汉中较西安更早达到峰值,且西安75岁以后气候变化风险暴露度感知水平一直呈下降趋势,而汉中从43岁后一直处于上升态势。由此可以大致推断陕南地区民众较关中地区民众对气候变化风险暴露度的感知更为敏感;陕南地区民众的气候变化风险暴露度感知强度总体上随年龄的增长而增大;而关中地区则相反。出现这一现象的原因可能为陕南地区气候变化较关中地区频常,降水较关中地区多,因而会对老年人影响较大,如关节炎、风湿性骨质疏松等病症多发于气候较为湿润的地区[19]。至于关中地区可能受文化程度或职业的影响较大,民众在64岁以后就疏于劳动或退休[20],对气候变化风险暴露度方面的知识了解也减少,因而总体上在18~31岁汲取知识或经验的黄金年龄段对气候变化风险暴露度的感知最为强烈,年老后逐渐变小。
至于榆林市较汉中市、西安市变化更为复杂,经历了2次先降后升,共包括4个阶段。可能与榆林市的地理环境、基础设施和贫困程度高有关[21]。榆林市位于陕西省最北部,气候较上述2个地区干旱,儿童开始受教育的年龄较晚,民众文化程度普遍不高,经济发展落后且基础设施建设较为脆弱。因而在18~23岁,榆林市民众对气候变化风险暴露度的感知呈下降趋势,23岁以后上升,55岁达到高峰,之后可能由于榆林市民众退休或丧失劳动力较早、医疗卫生条件差以及信息获取方式落后,一直呈下降趋势,而在65岁又上升,可能与当地多沙尘暴和干旱灾害有关,对老年人的影响逐渐增强。但总体上,榆林市气候变化风险暴露度感知强度呈下降趋势,且降幅较西安市大。
2.2.2 小波分析结果 由汉中市小波等值线和小波方差(图4和图5)可以发现,汉中市的小波系数在时间尺度为10年时变化最为显著,呈现以3a、8a、28a为1周期的现象,因此较好地证实了汉中市气候变化风险暴露度感知强度随年龄变化规律采用4次多项式进行趋势拟合的合理性。同理,西安市的气候变化风险暴露度感知周期有4a、10a、和24a(图6和图7);榆林市周期有4a、6a、9a和29a(图8和图9)。
图4 汉中市小波分析结果
图5 汉中市小波方差
图7 西安市小波方差
图8 榆林市小波分析结果
图9 榆林市小波方差
汉中、西安和榆林3市的气候变化风险暴露度感知随年龄变化趋势分别为3、4、4个阶段,并且具有一定的周期性,这与邓宁克鲁格心理效应得出的结论较为相似[22]。随着智慧和经验的增长,人类的自信程度呈周期性变化规律,自我认知水平越高的人,认知偏差就越小,越容易超越自我,走向开悟之坡,相反,人的认知偏差则越大[22]。由图1至图3可知,汉中市民众的年龄-气候变化风险暴露度感知强度拟合优度R2较其他两市高,61岁以后逐渐呈平稳上升趋势,可能与陕南地区地理环境较陕北和关中差别大,民众有关灾害应急方面的智慧经验比其他两地丰富有关。至于陕北地区的榆林市也在最后呈现持续平稳上升趋势,说明在气候变化风险暴露度感知水平处于谷底后能开悟,进而走了上坡路;而西安市最后没能持续平稳上升可能与关中地区气候变化较为异常有关[23],如咸阳市(图10)和宝鸡市(图11)也呈现类似趋势。通过上述分析和讨论可得出如下结论。
图10 咸阳市年龄-气候变化风险暴露度感知强度拟合曲线
图11 宝鸡市年龄-气候变化风险暴露度感知强度拟合曲线
1)汉中、西安和榆林3市的气候变化风险暴露度感知随年龄变化趋势分别为3、4、4个阶段,并且大致呈4年一周期的变化规律。
2)民众气候变化风险暴露度感知规律具有一定的地域分异规律,陕南地区民众对气候变化风险暴露度的感知转变较早,陕北次之,关中地区气候变化风险暴露度感知偏差较大。
3)决策者需要加强对关中地区老年人气候变化风险暴露度感知规律的宣传,以期减少感知偏差;至于陕北地区需要加强对青少年气候变化风险感知的管理,以期减少相应的损失;而陕南地区也需要加强气候变化风险观念的普及,以期保持相应的气候变化风险暴露度感知水平。