基于因子分析的沿海地區(qū)海洋災(zāi)害損失評價——以風(fēng)暴潮為例

孫瑞杰，趙昕

（1. 國家海洋信息中心 天津 300171；2. 中國海洋大學(xué)經(jīng)濟(jì)學(xué)院 山東 青島 266100）

基于因子分析的沿海地區(qū)海洋災(zāi)害損失評價
——以風(fēng)暴潮為例

孫瑞杰1，趙昕2

（1. 國家海洋信息中心 天津 300171；2. 中國海洋大學(xué)經(jīng)濟(jì)學(xué)院 山東 青島 266100）

近年來，海洋災(zāi)害不斷發(fā)生，使得沿海地區(qū)經(jīng)濟(jì)與社會的持續(xù)發(fā)展遭受嚴(yán)峻的挑戰(zhàn)。在總結(jié)有關(guān)海洋災(zāi)害研究成果的基礎(chǔ)上，首先說明了構(gòu)建災(zāi)害損失評價指標(biāo)體系的基本原則，并選取了評價指標(biāo)體系；其次，用因子分析法對十個沿海省份2000年到2007年所遭受的風(fēng)暴潮災(zāi)害損失進(jìn)行了評價；最后根據(jù)綜合得分找出了遭受風(fēng)暴潮災(zāi)害損失嚴(yán)重的地區(qū)和主要的損失因子，從而為防災(zāi)減災(zāi)提供了依據(jù)。

海洋災(zāi)害；損失評價；因子分析

中國屬于典型的海洋大國，豐富的海洋資源與優(yōu)越的海上運(yùn)輸條件為中國經(jīng)濟(jì)發(fā)展創(chuàng)造了契機(jī)。然而，沿海區(qū)域相應(yīng)的也是受到海洋災(zāi)害影響的高風(fēng)險區(qū)域，風(fēng)暴潮、災(zāi)害性海浪、赤潮、溢油、海冰、海霧、海平面上升、海岸侵蝕等各種海洋災(zāi)害經(jīng)常發(fā)生，嚴(yán)重影響了沿海地區(qū)的經(jīng)濟(jì)發(fā)展和城市建設(shè)，給沿海經(jīng)濟(jì)發(fā)展、人民生命財產(chǎn)安全及生態(tài)環(huán)境帶來巨大威脅。鑒于海洋災(zāi)害問題的嚴(yán)重性與普遍性，在我國，人們已經(jīng)開始對海洋災(zāi)害問題進(jìn)行研究。

盧文芳[1]( 1995 ) 將搜集到的 1949—1990 年影響上海地區(qū)的熱帶氣旋災(zāi)情資料，用數(shù)理統(tǒng)計方法進(jìn)行加工處理，再結(jié)合致災(zāi)成因分析，建立熱帶氣旋災(zāi)情指數(shù)序列，并在此基礎(chǔ)上用 5 個災(zāi)情等級評估災(zāi)情輕重的程度。許啟望[2]( 1998 ) 采用直接經(jīng)濟(jì)損失和強(qiáng)度二個綜合性因子對風(fēng)暴潮災(zāi)害所造成的損失進(jìn)行研究。趙領(lǐng)娣[3]( 2003 ) 以深刻剖析災(zāi)害管理內(nèi)涵為切入點(diǎn)，全面闡述了災(zāi)害管理系統(tǒng)、災(zāi)害損失評估以及系統(tǒng)科學(xué)原理與方法在災(zāi)害管理實(shí)踐中的應(yīng)用，在深入分析減災(zāi)與經(jīng)濟(jì)效益、災(zāi)害損失與經(jīng)濟(jì)補(bǔ)償、巨災(zāi)風(fēng)險分散化的基礎(chǔ)上，全面探討了中國沿海的風(fēng)暴潮災(zāi)害及其防御對策，并最終構(gòu)建了中國風(fēng)暴潮災(zāi)害的綜合管理機(jī)制。葉濤[4]( 2005 ) 從海洋災(zāi)害發(fā)生的頻率、直接經(jīng)濟(jì)損失和傷亡人數(shù)發(fā)展趨勢等方面，分析了1990 年以來中國海洋災(zāi)害系統(tǒng)的風(fēng)險特征。李春梅，羅曉玲[5]( 2006 ) 將層次分析法和專家打分法應(yīng)用于廣東省熱帶氣旋災(zāi)害影響評估模式中，通過建立“熱帶氣旋綜合影響指數(shù)”對熱帶氣旋災(zāi)害的影響程度進(jìn)行分級評判，定量地估算出熱帶氣旋的可能直接經(jīng)濟(jì)損失。 佟蒙蒙[6]( 2006 ) 對我國的赤潮災(zāi)害進(jìn)行了分型分級，并提出了災(zāi)害損失評估的理論模型。鄭惠[7]( 2009 ) 以數(shù)量級為災(zāi)害損失定級標(biāo)準(zhǔn)，建立了風(fēng)暴潮災(zāi)害模糊災(zāi)度 5 級分類表，并利用模糊數(shù)學(xué)原理對風(fēng)暴潮災(zāi)害損失進(jìn)行定級分類，給出了實(shí)用性較強(qiáng)的災(zāi)害損失等級模糊定級測度法。

盡管對海洋災(zāi)害的研究比較多，但大都是對災(zāi)害損失進(jìn)行定性分析，進(jìn)行定量評價的不多。本文運(yùn)用因子分析的方法，從人員傷亡和直接經(jīng)濟(jì)損失兩個方面對風(fēng)暴潮災(zāi)害所造成的損失進(jìn)行定量的評價，找出災(zāi)害損失嚴(yán)重的地區(qū)和主要的損失因子，以便更有針對性的進(jìn)行防災(zāi)減災(zāi)。

1 評價指標(biāo)體系的選取

所謂災(zāi)害損失評價指標(biāo)體系就是指用來評價海洋災(zāi)害對經(jīng)濟(jì)社會和環(huán)境所造成的損失程度而采用的標(biāo)準(zhǔn)和尺度。在指標(biāo)體系建立過程中，要求：(1) 指標(biāo)體系的邏輯結(jié)構(gòu)應(yīng)與現(xiàn)今固有的、公認(rèn)的客觀結(jié)構(gòu)相吻合；(2) 指標(biāo)體系的邏輯結(jié)構(gòu)應(yīng)具有最大的兼容性，可囊括海洋災(zāi)害系統(tǒng)研究的所有內(nèi)容；(3) 指標(biāo)體系的邏輯結(jié)構(gòu)的表現(xiàn)形式，必須便于描述和組織，并且各項指標(biāo)必須具有明確含義。

因?yàn)楹Ｑ鬄?zāi)害是一個綜合、復(fù)雜的災(zāi)害現(xiàn)象，根據(jù)以上的要求，同時結(jié)合災(zāi)害損失的特點(diǎn)和評價的目標(biāo)以及數(shù)據(jù)的可得性，把整個指標(biāo)體系分為：人口傷亡、直接經(jīng)濟(jì)損失兩部分，每部分又有多項分指標(biāo)組成，各分指標(biāo)之間相互聯(lián)系、相互作用，構(gòu)成綜合指標(biāo)體系?？傮w指標(biāo)體系如下：

圖 1 海洋災(zāi)害損失評價指標(biāo)體系Fig. 1 Index system of loss appraisal of ocean disaster

通過上圖可以看出，評價指標(biāo)體系是從人口傷亡、直接經(jīng)濟(jì)損失三個方面進(jìn)行構(gòu)建的。人口傷亡旨在評價海洋災(zāi)害對人類所造成的災(zāi)害情況，文中選取了受災(zāi)人口和傷亡人口兩個指標(biāo)；直接經(jīng)濟(jì)損失旨在評價海洋災(zāi)害對農(nóng)業(yè)、海洋水產(chǎn)業(yè)及基礎(chǔ)設(shè)施的破壞情況，文中選取了農(nóng)作物受災(zāi)面積、水產(chǎn)養(yǎng)殖受災(zāi)面積、房屋損毀間數(shù)、損毀海洋工程長度、沉沒損毀船只數(shù)這5個指標(biāo)來反映。

3 海洋災(zāi)害損失評價

3.1 方法的選擇

評價災(zāi)害損失需通過由多層次的、多方面的、各類型的指標(biāo)構(gòu)成的災(zāi)害損失指標(biāo)體系來進(jìn)行，而這些指標(biāo)對災(zāi)害狀況說明的程度各不相同，彼此間又難免有一定的相關(guān)性，使它們在信息上發(fā)生重疊，從而導(dǎo)致評估結(jié)果不清，甚至發(fā)生矛盾。因子分析方法是根據(jù)相關(guān)性大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，但不同組的變量相關(guān)性較低。每組變量代表一個基本結(jié)構(gòu)，這個基本結(jié)構(gòu)成為公共因子。對于所研究的問題就可試圖用最少個數(shù)的不可測的所謂公共因子的線性函數(shù)與特殊因子之和描述原來觀測的每一分量[8]。所以，應(yīng)用因子分析法能夠較理想地評估海洋災(zāi)害損失情況。

因子分析數(shù)學(xué)模型如下：

3.2 樣本和數(shù)據(jù)的選取

本文以遼寧、河北、山東、江蘇、浙江、福建、廣東、海南、廣西、天津十個沿海省份為研究對象，對 2000—2007 年所遭受的風(fēng)暴潮災(zāi)害損失進(jìn)行評價。

設(shè)x1代表受災(zāi)人口（萬人），x2代表農(nóng)作物受災(zāi)面積（×104hm2），x3代表海洋水產(chǎn)養(yǎng)殖受災(zāi)面積（×104hm2），x4代表損毀房屋（萬間），x5代表損毀海洋工程長度（km），x6代表沉沒損毀船只數(shù)（艘），x7代表死亡失蹤人數(shù)。數(shù)據(jù)見下表：

表 1 2000—2007年沿海省份損失數(shù)據(jù)（風(fēng)暴潮）Tab. 1 Loss data of coastal area from 2000 to 2007 (storm surges)

3.3 因子分析適用性檢驗(yàn)

首先，將原始數(shù)據(jù)標(biāo)準(zhǔn)化，并用 MATLAB7.0軟件計算出變量間的相關(guān)系數(shù)矩陣，結(jié)果顯示絕大部分相關(guān)系數(shù)都大于 0.2，符合因子分析的要求；接著再對這組數(shù)據(jù)用Bartlett球度和KMO取樣適當(dāng)性做進(jìn)一步的檢驗(yàn)，從檢驗(yàn)結(jié)果來看，KMO取樣適當(dāng)性檢驗(yàn)的統(tǒng)計量為 0.609，雖然沒有達(dá)到極好的效果，但也能符合適用因子分析大于 0.5 的要求；而Bartlett球度檢驗(yàn)在 0.000 的顯著性水平上拒絕了相關(guān)系數(shù)矩陣為單位陣的假設(shè)，即說明各個變量間存在著相關(guān)，故可以肯定，這組數(shù)據(jù)適合進(jìn)行因子分析。

3.4 構(gòu)造因子變量

構(gòu)造因子變量也是因子提取的過程，運(yùn)用SPSSV13.0 軟件，輸入數(shù)據(jù)進(jìn)行運(yùn)算，即可得到結(jié)果。為了主因子的提取結(jié)果更加理想，本文還做了最大方差法正交旋轉(zhuǎn)，最后選取了2 個主因子，其累計方差貢獻(xiàn)率達(dá)到 90.298 %，下表即為得到的計算結(jié)果：

3.5 因子變量的命名與解釋

在進(jìn)行因子解釋時，絕對值大于 0.75 的載荷才認(rèn)為是顯著的。根據(jù)表 2，在選取了顯著性載荷后得到以下結(jié)論：

第一因子（F1）主要由水產(chǎn)養(yǎng)殖受災(zāi)面積、損毀海洋工程、沉沒損毀船只數(shù)決定，這三個指標(biāo)在因子1F上的載荷都在 0.85 以上，集中反映了風(fēng)暴潮災(zāi)害對水產(chǎn)養(yǎng)殖業(yè)、船只和海洋工程的破壞情況。由于所遭受的災(zāi)害都發(fā)生著在海上，因此，這個因子可以命名為“海域損失因子”。

表 2 特征值、因子載荷陣和共同度表Tab. 2 Table of eigenvalue, factor loading matrix and joint degree

第二因子（F2）主要由農(nóng)作物受災(zāi)面積、損毀房屋數(shù)和死亡失蹤人數(shù)決定，這三個指標(biāo)在因子F2上的載荷都在 0.85 以上，集中反映了風(fēng)暴潮災(zāi)害對陸地上的農(nóng)業(yè)、房屋和沿海居民的破壞情況。因此，這個主因子可以命名為“陸域損失因子”。

可見，“海域損失因子”和“陸域損失因子”這兩個因子共同組成了風(fēng)暴潮災(zāi)害對沿海地區(qū)社會經(jīng)濟(jì)發(fā)展所造成影響的主要因子。

3.6 計算綜合得分

由回歸法估計出因子得分，再以各因子的方差貢獻(xiàn)率占前兩個因子方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)匯總，得出各省份的綜合得分，并排出先后順序，結(jié)果如下：

表 3 綜合得分表Tab. 3 Table of comprehensive scores

最后，以公因子F1、F2作為坐標(biāo)軸，繪制出各城市的因子得分圖，如下：

圖 2 沿海地區(qū)因子得分圖Fig. 2 Factor scores of coastal regions

4 結(jié)果分析

根據(jù)綜合得分表，對沿海地區(qū)的受災(zāi)情況進(jìn)行綜合分析和評價。綜合得分排在前三位的是浙江、福建、廣東，四到六位的是海南、江蘇、山東，最后四位是廣西、遼寧、河北和天津。因此，按照風(fēng)暴潮災(zāi)害所造成的損失程度可以將十個沿海地區(qū)分為三個區(qū)域：第一個區(qū)域由浙江、福建、廣東組成，這三個省份都處于珠江三角洲地區(qū)，風(fēng)暴潮頻發(fā)，而且往往都是在這兒首先登陸，破壞力巨大，所以給以上三個省份造成巨大的損失；第二個區(qū)域由海南、江蘇、山東組成，這三個地區(qū)分別位于珠江三角洲南北兩側(cè)，遭受的災(zāi)害損失較輕；第三個區(qū)域由廣西、遼寧、河北和天津組成，這個區(qū)域的四個省份所遭受的損失最輕。

沿海地區(qū)因子得分圖顯示：浙江、廣東、山東三個省份“海域損失因子”得分高于“陸域損失因子”得分，說明這三個省份在水產(chǎn)養(yǎng)殖受災(zāi)面積、損毀海洋工程、沉沒損毀船只數(shù)三個方面的損失更為嚴(yán)重；而福建、海南、江蘇三個省份“陸域損失因子”得分高于“海域損失因子”得分，說明這三個省份在農(nóng)作物受災(zāi)面積、損毀房屋數(shù)和死亡失蹤人數(shù)損失較嚴(yán)重；廣西、遼寧、河北和天津四個地區(qū)第一因子和第二因子的得分都比較低。

5 防災(zāi)減災(zāi)對策

第一，要建立和發(fā)展海洋災(zāi)害監(jiān)測網(wǎng)，擴(kuò)充海洋災(zāi)害警報數(shù)據(jù)庫，建立和發(fā)展災(zāi)害分析和預(yù)報系統(tǒng)，早期災(zāi)害警報系統(tǒng)和災(zāi)情評估技術(shù)，以及開展上述科技系統(tǒng)的建立和發(fā)展有關(guān)的，涉及計算機(jī)科學(xué)、電子及信息科學(xué)、海洋氣象科學(xué)領(lǐng)域廣泛的科學(xué)技術(shù)研究項目，做好防御工作。

第二，對“海域損失因子”得分高的浙江省、廣東省和山東省，首先要加固海洋工程建設(shè)，依據(jù)海洋災(zāi)害的長期預(yù)測，修建防潮海堤、海塘、護(hù)岸工程、分洪分潮工程等，對易受災(zāi)地區(qū)岸段做工程防護(hù)，以避免風(fēng)暴潮發(fā)生時沖回堤壩，造成洪水泛濫；其次，提高淡水養(yǎng)殖和深海養(yǎng)殖技術(shù)，以減輕風(fēng)暴潮對水產(chǎn)養(yǎng)殖的影響，減少漁民的損失。

第三，對“陸域損失因子”得分高的福建省、海南省和江蘇省要加強(qiáng)防風(fēng)林、防護(hù)林的種植和保護(hù)，以減輕風(fēng)暴潮發(fā)生時臺風(fēng)的破壞力，避免大面積農(nóng)作物、大量房屋被吹倒和人員死亡失蹤現(xiàn)象。

[1] 盧文芳. 上海地區(qū)熱帶氣旋災(zāi)情的評估和災(zāi)年預(yù)測 [J]. 自然災(zāi)害學(xué)報, 1995(8): 40-45.

[2] 許啟望, 譚樹東. 風(fēng)暴潮災(zāi)害經(jīng)濟(jì)損失評估方法研究 [J]. 海洋災(zāi)害通報, 1998(2): 1-11.

[3] 趙領(lǐng)娣. 中國災(zāi)害綜合管理機(jī)制研究 [M]. 中國海洋大學(xué), 2003.

[4] 葉濤. 1990年以來中國海洋災(zāi)害系統(tǒng)風(fēng)險特征分析及其綜合風(fēng)險管理 [J]. 自然災(zāi)害學(xué)報, 2005(6): 65-70.

[5] 李春梅, 羅曉玲. 層次分析法在熱帶氣旋災(zāi)害影響評估模式中的應(yīng)用 [J]. 熱帶氣象學(xué)報, 2006(6): 223-229.

[6] 佟蒙蒙. 我國赤潮的分型分級及赤潮災(zāi)害評估體系 [M]. 暨南大學(xué), 2006.

[7] 鄭惠, 趙昕. 海洋災(zāi)害經(jīng)濟(jì)損失的模糊測定——以風(fēng)暴潮為例[J]. 中國漁業(yè)經(jīng)濟(jì), 2009(4): 105-110.

[8] 何曉群. 現(xiàn)代統(tǒng)計分析方法與應(yīng)用 [M]. 中國人民大學(xué)出版社,1998.

Appraisal of ocean disaster losses of coastal area based on the factor analysis—— A case study of storm surge disaster

SUN Rui-jie1, ZHAO Xin2

( 1. National Marine Data & Information Service，Tianjin 300171, China; 2. Ocean University of China, Economy College, Qingdao, 266100 )

In recent years, the ocean disaster happens unceasingly, and the sustained development of economy and society of coastal area suffers austere challenge. Firstly, based on ocean disaster research results, this paper explains the basic principle of building index system, and chooses the proper index. Secondly, it appraises losses of ten coastal provinces caused by ocean disasters from 1999-2007 by using the factor analysis. Finally, the paper finds out the area suffering grave loss and main loss facter , and put forward proposals for disaster prevention and disaster reduction.

ocean disaster; loss appraisal; factor analysis

X43

A

1001-6932(2010)06-0697-05

2009-12-31；收修改稿日期：2010-03-31

孫瑞杰（1984—），男，碩士研究生，電子郵箱：sunruijie0714@163.com。