基于主成分分析的洪災(zāi)損失影響因子評(píng)估

朱永飛

(河海大學(xué) 公共管理學(xué)院， 南京 210000)

基于主成分分析的洪災(zāi)損失影響因子評(píng)估

朱永飛

(河海大學(xué) 公共管理學(xué)院， 南京 210000)

為了評(píng)估洪災(zāi)損失，有針對(duì)性地采取相應(yīng)的防災(zāi)減災(zāi)措施，選取淮河流域發(fā)生洪水災(zāi)害較頻繁的安徽省幾個(gè)典型城市作為研究區(qū)域，以2007年洪災(zāi)為例，在洪水災(zāi)害理論的基礎(chǔ)上，從致災(zāi)因子、孕災(zāi)環(huán)境、承載體易損性3個(gè)方面，選取了7個(gè)洪災(zāi)損失影響因子，建立評(píng)價(jià)指標(biāo)，運(yùn)用主成分分析法對(duì)該區(qū)域洪災(zāi)損失影響因子進(jìn)行綜合評(píng)價(jià)。結(jié)果表明：降雨量、經(jīng)濟(jì)發(fā)展水平、人口結(jié)構(gòu)、防洪標(biāo)準(zhǔn)對(duì)洪災(zāi)損失的影響較大。

主成分分析; 洪災(zāi)損失; 影響因子；防災(zāi)減災(zāi)；洪災(zāi)風(fēng)險(xiǎn)評(píng)估

1 研究背景

洪水災(zāi)害是世界上危害最嚴(yán)重的自然災(zāi)害之一，在全球所有自然災(zāi)害造成的損失中占40% ，并且往往分布在人口稠密、農(nóng)業(yè)墾殖度高、江河湖泊集中、降雨充沛的地方，如北半球暖溫帶、亞熱帶。中國(guó)、孟加拉國(guó)是世界上洪水災(zāi)害最頻繁的地方[1]。而且，隨著全球氣候變暖，年際降水變率的不穩(wěn)定，洪水災(zāi)害的發(fā)生越來(lái)越頻繁，對(duì)人類社會(huì)的影響和生態(tài)環(huán)境的破壞越來(lái)越大，造成的經(jīng)濟(jì)損失也越來(lái)越嚴(yán)重。

因洪水災(zāi)害造成的損失在自然災(zāi)害中占有很大的比重，也是制約國(guó)民經(jīng)濟(jì)可持續(xù)發(fā)展的重要因素，對(duì)人民的生命財(cái)產(chǎn)、家庭、城鄉(xiāng)建筑物及區(qū)域經(jīng)濟(jì)造成巨大的損失，嚴(yán)重影響了國(guó)家或地區(qū)的經(jīng)濟(jì)和社會(huì)發(fā)展。隨著經(jīng)濟(jì)的發(fā)展、人口的增多，國(guó)內(nèi)因洪災(zāi)造成的損失呈不斷增長(zhǎng)的態(tài)勢(shì)，面對(duì)這一問題，分析洪災(zāi)損失影響因子是進(jìn)行洪災(zāi)風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)，也是防洪減災(zāi)的需要。

2 研究區(qū)域與原始數(shù)據(jù)

2.1 研究區(qū)域

安徽省位于中國(guó)東部，位于東經(jīng)114°54′～119°37′和北緯29°31′～34°38′之間，緊靠以上海為中心的長(zhǎng)江三角洲經(jīng)濟(jì)區(qū)，是臨江近海的內(nèi)陸省份,地處江淮沿線，長(zhǎng)江流經(jīng)安徽中南部，境內(nèi)全長(zhǎng)416 km，淮河流經(jīng)安徽北部，境內(nèi)全長(zhǎng)430 km。地貌以平原、丘陵和低山為主。安徽省淮河以北為暖溫帶季風(fēng)性濕潤(rùn)氣候，淮河以南為亞熱帶季風(fēng)性濕潤(rùn)氣候。

全省有大小河流200多條，湖泊500多個(gè)，水庫(kù)5 000多座。這些河流湖泊在給人帶來(lái)自然美景的同時(shí)，也易在雨水多時(shí)漫堤致災(zāi)。近年來(lái)，由于氣候不穩(wěn)定，降水年變率大等原因，安徽省成為洪水災(zāi)害發(fā)生頻繁的省份之一，相比較江蘇、浙江等省份而言，安徽的經(jīng)濟(jì)較落后，災(zāi)前投資防洪不足，災(zāi)后投資恢復(fù)力較弱，洪災(zāi)損失更為嚴(yán)重。2007年的洪災(zāi)對(duì)安徽造成巨大的損失，根據(jù)2007年全國(guó)各地汛情的報(bào)道，安徽因洪水造成43人死亡，1 650萬(wàn)人受災(zāi)，直接經(jīng)濟(jì)損失115億元。因此，選取洪災(zāi)多發(fā)省份安徽2007年的洪災(zāi)數(shù)據(jù)進(jìn)行洪災(zāi)損失影響因子評(píng)價(jià)，并因地制宜地制定防洪減災(zāi)措施，提高防災(zāi)抗災(zāi)能力，減少經(jīng)濟(jì)損失,具有實(shí)際的研究?jī)r(jià)值。

2.2 原始數(shù)據(jù)

為了能較準(zhǔn)確地分析安徽省洪災(zāi)損失影響因子，原始數(shù)據(jù)選自《2008年安徽統(tǒng)計(jì)年鑒》、《淮河流域防洪規(guī)劃概要》、安徽省水利志網(wǎng)站和《基于減災(zāi)能力評(píng)價(jià)的洪澇災(zāi)害綜合風(fēng)險(xiǎn)研究》[2]等資料。同時(shí)要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除因不同指標(biāo)數(shù)據(jù)間單位和量綱的不同而產(chǎn)生的對(duì)最終結(jié)果準(zhǔn)確性和可靠性的影響。數(shù)據(jù)標(biāo)準(zhǔn)化處理的常用方法有標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化、極大值標(biāo)準(zhǔn)化、極差標(biāo)準(zhǔn)化等。本文選用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化方法，公式如下：

(1)

3 指標(biāo)選取與評(píng)價(jià)方法

3.1 指標(biāo)選取

從致災(zāi)因子、孕災(zāi)環(huán)境、承載體易損性這幾個(gè)方面考慮，影響洪災(zāi)損失大小的因子很多，若將所有的影響因子都列入到洪災(zāi)損失評(píng)估指標(biāo)體系，將會(huì)得到龐大的數(shù)據(jù)體系，而且有些因子之間的相關(guān)性較高，容易導(dǎo)致評(píng)價(jià)結(jié)果的不準(zhǔn)確性?？紤]到評(píng)估指標(biāo)的代表性、綜合性、可操作性以及數(shù)據(jù)的可得性[3]，筆者選取受災(zāi)人口和直接經(jīng)濟(jì)損失2個(gè)指標(biāo)反映各市災(zāi)情，從降雨、經(jīng)濟(jì)、人口結(jié)構(gòu)、防洪標(biāo)準(zhǔn)等幾個(gè)方面選取了7個(gè)指標(biāo)作為洪災(zāi)損失影響因子：x1為7月降水量、x2為65歲以上人口比例、x3為森林覆蓋率、x4為耕地面積、x5為農(nóng)作物總播種面積、x6為工業(yè)總產(chǎn)值、x7為防洪標(biāo)準(zhǔn)，對(duì)安徽省7個(gè)市洪災(zāi)損失影響因子進(jìn)行分析，具體參數(shù)見表1。

表1 2007年安徽省部分市洪災(zāi)損失影響因子

3.2 基本研究方法

主成分分析法是把原來(lái)的多個(gè)變量劃分為少數(shù)幾個(gè)綜合指標(biāo)的一種統(tǒng)計(jì)分析方法，和其他評(píng)價(jià)方法相比，避免了評(píng)價(jià)過(guò)程中權(quán)重確定的主觀性和隨意性，評(píng)價(jià)結(jié)果比較符合實(shí)際情況；同時(shí)，主成分分量表現(xiàn)為原變量的線性組合，至少可以保留85%以上的變差信息，使評(píng)價(jià)結(jié)果真實(shí)可靠[4]。

主成分分析法的計(jì)算步驟[5]：

(1) 計(jì)算相關(guān)系數(shù)矩陣R。

(2)

式中rij(i,j=1,2,…,p)為原變量xi與xj的相關(guān)系數(shù)，rij=rji，其計(jì)算公式為

(3)

(2) 計(jì)算特征值與特征向量。

(4)

(3) 計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率。

第i個(gè)主成分的貢獻(xiàn)率為

(5)

累計(jì)貢獻(xiàn)率為

(6)

一般取累計(jì)貢獻(xiàn)率達(dá)85%～95%的特征值，λ1,λ2,…,λm所對(duì)應(yīng)的第1，第2，…，第m(m≤p)個(gè)主成分來(lái)確定主成分的個(gè)數(shù)。

(4) 計(jì)算主成分荷載及各主成分的得分。

主成分荷載的計(jì)算公式為

(7)

得到各主成分的載荷后，進(jìn)一步計(jì)算得到主成分得分，即

(8)

4 實(shí)例及結(jié)果分析

利用安徽省洪災(zāi)較嚴(yán)重的2007年統(tǒng)計(jì)數(shù)據(jù)，將7個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，利用SPSS軟件計(jì)算得到主成分特征值及貢獻(xiàn)率。根據(jù)主成分分析法主成分的確定原則，得到3個(gè)主成分(表2)及3個(gè)主成分的載荷系數(shù)(表3)。

表2 主成分特征值及貢獻(xiàn)率

表3 主成分載荷系數(shù)

由表2可知，前3個(gè)主成分貢獻(xiàn)率依次為47.642%,30.683%和15.142%，其累計(jì)貢獻(xiàn)率為93.467% > 85%。說(shuō)明前3個(gè)主成分基本包含了全部指標(biāo)所具有的信息，完全符合分析要求。

由表3可知,x6(工業(yè)總產(chǎn)值)、x7(防洪標(biāo)準(zhǔn))在第1主成分上有較大的載荷系數(shù)，且都與洪災(zāi)損失呈負(fù)相關(guān)。工業(yè)總產(chǎn)值是衡量當(dāng)?shù)毓I(yè)發(fā)展水平和速度的指標(biāo)，從長(zhǎng)期來(lái)看，工業(yè)發(fā)達(dá)的地區(qū)人們生活水平較高，當(dāng)洪水來(lái)臨時(shí)，當(dāng)?shù)鼐用裼心芰陀密囕v和人力幫其搬離災(zāi)害區(qū)，保證撤退的及時(shí)性，減少財(cái)產(chǎn)遭受洪水淹沒沖毀的可能性；另外，工業(yè)發(fā)達(dá)地區(qū)承災(zāi)能力相對(duì)較強(qiáng)，在不完全依賴國(guó)家災(zāi)后恢復(fù)補(bǔ)貼的情況下，能保證足夠的災(zāi)害恢復(fù)投資資金，保證工業(yè)恢復(fù)正常生產(chǎn)運(yùn)營(yíng)可能性較大，能有效減輕洪災(zāi)損失。防洪標(biāo)準(zhǔn)是指防洪保護(hù)對(duì)象達(dá)到防御洪水的水平和能力。防洪標(biāo)準(zhǔn)越高，說(shuō)明防洪保護(hù)對(duì)象達(dá)到防御洪水的能力越大，保證洪災(zāi)損失越小。由于年際降雨量的變化，7月份是洪災(zāi)頻繁的時(shí)間段，在第2主成分中x1的主成分載荷系數(shù)為0.921，說(shuō)明洪災(zāi)損失與降雨量高度正相關(guān)，這與實(shí)際情況相符，降雨是發(fā)生洪災(zāi)的首要因素，大規(guī)模的降雨是發(fā)生洪水災(zāi)害的必要前提。在第3主成分中x2指標(biāo)，即65歲以上人口比例的載荷系數(shù)為0.985，表明人口結(jié)構(gòu)與洪災(zāi)損失高度正相關(guān)。年齡偏大的老年人身體抵抗力差，行動(dòng)不便，加上他們有濃重的戀鄉(xiāng)情節(jié)以及較差的適應(yīng)新環(huán)境的能力。在不能得到政府或鄰里足夠幫助的情況下，人員和財(cái)產(chǎn)轉(zhuǎn)移困難，受災(zāi)情況較年輕人更為嚴(yán)重。結(jié)果表明：經(jīng)濟(jì)發(fā)展水平、防洪標(biāo)準(zhǔn)、降雨量、人口結(jié)構(gòu)4類因子對(duì)洪災(zāi)損失影響較大。

5 結(jié) 論

(1) 主成分分析法是基于降維的思想，在排除多個(gè)指標(biāo)間相關(guān)性的基礎(chǔ)上，將多個(gè)指標(biāo)轉(zhuǎn)換為少數(shù)幾個(gè)互不相關(guān)的指標(biāo)，從而使進(jìn)一步研究變得更加簡(jiǎn)單。本文采用該方法，將影響洪災(zāi)損失大小的7個(gè)影響因子指標(biāo)轉(zhuǎn)換為降雨強(qiáng)度、經(jīng)濟(jì)發(fā)展水平、人口結(jié)構(gòu)、防洪標(biāo)準(zhǔn)4個(gè)方面的指標(biāo)使結(jié)果簡(jiǎn)單化。

(2) 結(jié)合分析結(jié)果，降雨量屬自然情況不可人為控制，但可以從提高防洪工程標(biāo)準(zhǔn)、增強(qiáng)防洪能力、加強(qiáng)洪水預(yù)報(bào)預(yù)測(cè)、加強(qiáng)洪水管理等方面來(lái)做好防災(zāi)減災(zāi)對(duì)策：①政府應(yīng)該組織專門的工作小組，在發(fā)生災(zāi)害時(shí)幫助老幼或行動(dòng)不便者及時(shí)、安全撤退，減輕人員的傷亡；②提高防洪工程標(biāo)準(zhǔn)；③政府應(yīng)制定補(bǔ)償機(jī)制,確定合理的補(bǔ)償標(biāo)準(zhǔn),減少居民在洪災(zāi)中的損失，提高居民恢復(fù)正常生產(chǎn)生活的能力；④增大洪災(zāi)宣傳力度，提高公眾防災(zāi)意識(shí)；⑤加強(qiáng)災(zāi)前預(yù)警工作，完善通訊設(shè)施。

[1] 陳 颙，史培軍．自然災(zāi)害[M]．北京：北京師范大學(xué)出版社，2007：271．(CHEN Yong，SHI Pei-jun． Natural Disaster[M]．Beijing：Beijing Normal University Press，2007：271．(in Chinese))

[2] 胡俊鋒，楊月巧，楊佩國(guó)．基于減災(zāi)能力評(píng)價(jià)的洪澇災(zāi)害綜合風(fēng)險(xiǎn)研究[J]．資源科學(xué)，2014，36(1)：94-102．(HU Jun-feng，YANG Yue-qiao，YANG Pei-guo．Research of Comprehensive Risk of Flood Disaster Based on Disaster Reduction Ability[J]．Resources Science，2014，36(1)：94-102．(in Chinese))

[3] 唐風(fēng)德，蔡天革，陳中林，等.遼寧省生態(tài)環(huán)境脆弱性評(píng)價(jià)與分析[J]．水土保持研究，2008，15(6)：225-228.(TANG Feng-de， CAI Tian-ge,CHEN Zhong-lin，etal．Study on Eco-environmental Frangibility Assessment of Liaoning Province[J]．Research of Soil and Water Conservation，2008，15(6)：225-228. (in Chinese))[4] 周李磊，林孝松，左倩云,等.基于主成分分析的重慶市縣域經(jīng)濟(jì)綜合評(píng)價(jià)[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，30(1)：21-26.(ZHOU Li-lei，LIN Xiao-song，ZUO Qian-yun，etal．Assessment of County Economy in Chongqing Based on Principal Component Analysis[J]. Chongqing Technology and Business University (Natural Science Edition)，2013，30(1)：21-26. (in Chinese))[5] 邢旭光，史文娟，張譯丹，等．基于主成分分析法的西安市地下水資源承載力評(píng)價(jià)[J]．水文，2013，33(2)：36-37．(XING Xu-guang，SHI Wen-juan, ZHANG Yi-dan，etal．Assessment of Groundwater Resources Carrying Capacity in Xi’an City Based on Principal Component Analysis[J]．Journal of China Hydrology，2013，33(2)：36-37．(in Chinese))

(編輯：陳紹選)

Principal Component Analysis on Factors Affecting Flood Loss

ZHU Yong-fei

(School of Public Administration, Hohai University，Nanjing 210000, China)

In order to assess flood losses and take appropriate measures for disaster prevention and mitigation, we adopted principal component analysis to comprehensively assess the factors affecting flood loss. Several cities of Anhui Province subjected to flood disasters in Huaihe river basin are selected as typical examples and flood data in 2007 is taken as a case study. On the basis of flood disaster theory, we select seven flood loss factors from three aspects: disaster-causing factor, disaster environment factor and vulnerability factor, and establish the assessment index system. Results reveal that rainfall, economic development, population structure and flood protection standards have great impact on flood loss.

principal component analysis; flood loss; impact factor; disaster prevention and mitigation; flood risk assessment

2013-12-06；

2014-01-24

水利部公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)項(xiàng)目(201301065)

朱永飛(1989-)，女，安徽安慶人，碩士研究生，主要從事土地利用規(guī)劃與管理方面研究，(電話)15298372695(電子信箱)zhuyongfei1203@163.com。

10.3969/j.issn.1001-5485.2015.05.010

2015,32(05):53-56

X43

A

1001-5485(2015)05-0053-04