基于熵權(quán)法的陜西省農(nóng)業(yè)干旱脆弱性評(píng)價(jià)及影響因子識(shí)別

徐　晗

(1.長安大學(xué)環(huán)境科學(xué)與工程學(xué)院， 陜西 西安 710054；2.陜西學(xué)前師范學(xué)院環(huán)境與資源管理系， 陜西 西安 710100)

?

基于熵權(quán)法的陜西省農(nóng)業(yè)干旱脆弱性評(píng)價(jià)及影響因子識(shí)別

徐晗1,2

(1.長安大學(xué)環(huán)境科學(xué)與工程學(xué)院， 陜西 西安 710054；2.陜西學(xué)前師范學(xué)院環(huán)境與資源管理系， 陜西 西安 710100)

摘要：以陜西省10個(gè)城市為研究對象，從農(nóng)業(yè)干旱的敏感性和恢復(fù)力2個(gè)角度選取14個(gè)指標(biāo)，對全省的農(nóng)業(yè)干旱脆弱性進(jìn)行評(píng)價(jià)。利用熵權(quán)法和貢獻(xiàn)度模型，根據(jù)陜西省2014年水資源、氣象與社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，對10個(gè)城市的農(nóng)業(yè)干旱脆弱性及主要貢獻(xiàn)因子進(jìn)行分析。結(jié)果表明：(1) 陜南的3個(gè)城市安康、商洛和漢中的農(nóng)業(yè)干旱脆弱性水平較高，分別為0.7128、0.7110和0.5897，關(guān)中和陜北的7個(gè)城市農(nóng)業(yè)干旱脆弱性處于中等水平；(2) 陜西省農(nóng)業(yè)干旱脆弱性的空間差異與城市社會(huì)經(jīng)濟(jì)發(fā)展水平和氣候條件不完全一致，陜南地區(qū)敏感性總體較高，其中最高為安康(0.4238)，關(guān)中和陜北地區(qū)敏感性總體較低，其中最低為寶雞(0.2123)；陜南地區(qū)三個(gè)城市的恢復(fù)力水平最低，關(guān)中和陜北對于干旱的恢復(fù)能力差異不大，其中咸陽(0.0992)、渭南(0.1301)、榆林(0.1554)3市的恢復(fù)力最強(qiáng)。(3) 從影響因子來看，西安、咸陽和渭南的主要影響因子為人口密度，貢獻(xiàn)度分別為27.11%，15.11%和14.18%；安康、漢中和商洛的主要影響因子為旱地面積比重，貢獻(xiàn)度分別為29.36%，17.20%和18.38%；延安和榆林的主要影響因子為旱地面積比重和耕地灌溉率，前者貢獻(xiàn)度分別為32.18%和29.36%，后者貢獻(xiàn)度均為17.24%；銅川的主要影響因子為耕地灌溉率，貢獻(xiàn)度為16.49%；寶雞的主要影響因子為水庫調(diào)蓄率，貢獻(xiàn)度為10.76%。最后，根據(jù)評(píng)價(jià)結(jié)果提出不同城市控制農(nóng)業(yè)干旱脆弱性的相應(yīng)措施。

關(guān)鍵詞：農(nóng)業(yè)干旱；脆弱性；空間差異；貢獻(xiàn)度；陜西省

干旱已成為一個(gè)嚴(yán)重威脅人類生存的環(huán)境問題。隨著人口增加和經(jīng)濟(jì)發(fā)展，旱災(zāi)所造成的損失也越來越嚴(yán)重[1-2]。近年來全球氣候變暖加快，引起農(nóng)業(yè)自然災(zāi)害頻發(fā)，干旱不僅直接導(dǎo)致農(nóng)業(yè)減產(chǎn)、食物短缺、病蟲害高發(fā)、作物生產(chǎn)力降低等，其持續(xù)累積還會(huì)引起土地資源退化、水資源耗竭和生態(tài)環(huán)境破壞，從而制約農(nóng)業(yè)的可持續(xù)發(fā)展[3-4]。因此已有很多學(xué)者對于農(nóng)業(yè)干旱評(píng)價(jià)、農(nóng)業(yè)干旱風(fēng)險(xiǎn)評(píng)價(jià)、農(nóng)業(yè)干旱預(yù)警、農(nóng)業(yè)干旱分區(qū)等方面進(jìn)行研究，但僅對干旱進(jìn)行判斷和監(jiān)測對于預(yù)防和抗減農(nóng)業(yè)干旱問題還是遠(yuǎn)遠(yuǎn)不夠的，我們需要對于農(nóng)業(yè)生產(chǎn)系統(tǒng)對干旱的適應(yīng)、反應(yīng)和應(yīng)對能力進(jìn)行研究。近年來，對于農(nóng)業(yè)干旱脆弱性評(píng)價(jià)方面的相關(guān)研究開始涌現(xiàn)，如胡穎穎等[3]的“新疆2001—2010年農(nóng)業(yè)氣候干旱脆弱性分析”，倪深海等[1]的“中國農(nóng)業(yè)干旱脆弱性分區(qū)研究”，商彥蕊[5]的“干旱、農(nóng)業(yè)旱災(zāi)與農(nóng)戶旱災(zāi)脆弱性分析”等。農(nóng)業(yè)干旱脆弱性是指農(nóng)業(yè)生產(chǎn)系統(tǒng)易于遭受干旱威脅與損失的性質(zhì)和狀態(tài)，反映了整個(gè)農(nóng)業(yè)系統(tǒng)對干旱的適應(yīng)、反應(yīng)和應(yīng)對能力[3]。它主要受兩個(gè)因素的影響：一是敏感性(加劇農(nóng)業(yè)旱災(zāi)危害的各種因素總和)，它是從負(fù)面影響農(nóng)業(yè)旱災(zāi)脆弱性，即農(nóng)業(yè)系統(tǒng)的敏感性越強(qiáng)，農(nóng)業(yè)系統(tǒng)的旱災(zāi)脆弱性越大；二是恢復(fù)性(減輕農(nóng)業(yè)旱災(zāi)危害的各種有利因素總和)，是從正面影響農(nóng)業(yè)旱災(zāi)脆弱性，即農(nóng)業(yè)系統(tǒng)的恢復(fù)性越強(qiáng)，農(nóng)業(yè)系統(tǒng)的旱災(zāi)脆弱性越弱[6]。干旱脆弱性越強(qiáng)說明發(fā)生旱災(zāi)的風(fēng)險(xiǎn)越高，災(zāi)情可能越嚴(yán)重。因此，進(jìn)行農(nóng)業(yè)氣候干旱脆弱性評(píng)價(jià)和預(yù)警對預(yù)防與抗減旱災(zāi)有重要意義[7]。

災(zāi)害脆弱性領(lǐng)域較為成熟的評(píng)價(jià)方法主要有：綜合指數(shù)法、圖層疊置法、脆弱性函數(shù)模型評(píng)價(jià)法、模糊物元評(píng)價(jià)法和危險(xiǎn)度分析法等[8]。因基于區(qū)域的綜合脆弱性評(píng)價(jià)模型強(qiáng)調(diào)以區(qū)域?yàn)閱挝?，從社?huì)、經(jīng)濟(jì)、環(huán)境等方面綜合衡量系統(tǒng)脆弱性，能夠兼顧承災(zāi)系統(tǒng)的要素復(fù)雜性，適用性較強(qiáng)[9]，而熵權(quán)法確定權(quán)重可以消除賦權(quán)的主觀性影響，使賦權(quán)結(jié)果更加科學(xué)合理，因此，本文利用熵權(quán)法和貢獻(xiàn)度模型，在基于區(qū)域的綜合脆弱性評(píng)價(jià)框架下，以陜西省為研究區(qū)，從空間尺度對農(nóng)業(yè)干旱脆弱性進(jìn)行綜合評(píng)價(jià)，并對影響農(nóng)業(yè)干旱脆弱性的主要因素進(jìn)行識(shí)別，以期為制定干旱管理策略、降低農(nóng)業(yè)干旱脆弱性、減少農(nóng)業(yè)損失提供科學(xué)依據(jù)。

1研究區(qū)概況與研究方法

1.1研究區(qū)概況

陜西省位于我國中部，地理坐標(biāo)為東經(jīng)105°29′～111°15′，北緯31°42′～39°35′，總面積20.56×104km2，轄西安、銅川、寶雞、咸陽、渭南、榆林、延安、漢中、安康、商洛10個(gè)地(市)，共設(shè)107個(gè)縣(市、區(qū))。2013年總?cè)丝? 764萬人，其中農(nóng)業(yè)人口1 833萬人，非農(nóng)業(yè)人口1 931萬人。全省地勢南北高，中間低，西部高，東部低，構(gòu)成境內(nèi)地形地貌繁雜多樣，全省地貌為北部陜北黃土高原、中部為關(guān)中盆地、南部為秦巴山地。陜西地處內(nèi)陸，屬典型的大陸性氣候，降水量分配不均，主要集中在6—9月，全省多年平均降水量為666.9 mm，秦巴山區(qū)是陜西省降水量最多的地區(qū)，年降水量達(dá)900～1 600 mm，陜北長城沿線年降水量只有340～450 mm，是全省降水最少的地區(qū)；多年平均氣溫5.9℃～15.7℃，自南向北遞減。全省水面蒸發(fā)量因氣候、地勢、植被等條件的影響，各地有明顯差異，陜北黃土高原為1 000～1 200 mm，關(guān)中為900～1 200 mm，陜南為700～900 mm，其中冬季水面蒸發(fā)量最小，6月份最大。全省耕地主要分布于陜北北部的沙漠草原、黃土臺(tái)塬、關(guān)中盆地及陜南秦巴山區(qū)的山間盆地，總面積3.98×104km2。

根據(jù)歷史資料統(tǒng)計(jì)分析，近幾十年陜西農(nóng)業(yè)受旱面積呈增加趨勢[10]，農(nóng)業(yè)旱災(zāi)發(fā)生的季節(jié)性和區(qū)域性特征明顯。陜西以夏旱居多，占各類季節(jié)性干旱頻次的31.25%，陜北以夏旱和春旱居多，主要干旱時(shí)段集中在3—6月，關(guān)中夏旱和冬春連旱居多，主要時(shí)段集中在6、7、8月，陜南夏伏旱占多數(shù)，其中關(guān)中發(fā)生干旱頻次最多。

1.2研究方法

1.2.1指標(biāo)體系的建立農(nóng)業(yè)干旱脆弱性評(píng)估，一般先需確定脆弱性分析的基本內(nèi)容和評(píng)價(jià)指標(biāo)，然后對各指標(biāo)進(jìn)行賦權(quán)。考慮到陜西省農(nóng)業(yè)旱災(zāi)是區(qū)域自然環(huán)境系統(tǒng)與社會(huì)經(jīng)濟(jì)系統(tǒng)共同作用的結(jié)果，在科學(xué)性、定量性、完整性及數(shù)據(jù)可獲取的原則指導(dǎo)下[8]，從陜西農(nóng)業(yè)干旱的敏感性和恢復(fù)力兩個(gè)方面，選取14個(gè)指標(biāo)對陜西的10個(gè)城市和地區(qū)在市域范圍內(nèi)構(gòu)建陜西省農(nóng)業(yè)干旱脆弱性評(píng)價(jià)指標(biāo)體系(表1)。

1.2.2數(shù)據(jù)來源與數(shù)據(jù)標(biāo)準(zhǔn)化本文中各市或地區(qū)的指標(biāo)數(shù)據(jù)來源于《陜西統(tǒng)計(jì)年鑒(2014)》、《中國農(nóng)村統(tǒng)計(jì)年鑒(2014)》、《中國水利統(tǒng)計(jì)年鑒》以及各個(gè)城市的統(tǒng)計(jì)年鑒，其中降雨量、溫度等采用1994—2013年數(shù)據(jù)。

由于指標(biāo)數(shù)據(jù)的量綱不統(tǒng)一，沒有可比性，因此進(jìn)行農(nóng)業(yè)干旱脆弱性評(píng)價(jià)，首先要對數(shù)據(jù)進(jìn)行去量綱的標(biāo)準(zhǔn)化處理[9]。在農(nóng)業(yè)干旱脆弱性評(píng)價(jià)中，正向指標(biāo)和負(fù)向指標(biāo)對評(píng)價(jià)結(jié)果的影響是不同的，因此在處理時(shí)應(yīng)該區(qū)別對待。假設(shè)共有n個(gè)評(píng)價(jià)對象，m個(gè)評(píng)價(jià)指標(biāo)；m代表評(píng)價(jià)對象，j代表評(píng)價(jià)指標(biāo)，則xij表示第i個(gè)評(píng)價(jià)對象的第j個(gè)指標(biāo)值。 用Sij表示處理后的標(biāo)準(zhǔn)化值，Max(Xj)表示第j項(xiàng)指標(biāo)中的最大值，Min(Xj)表示第j項(xiàng)指標(biāo)中的最小值，則對正向指標(biāo)處理為：

(1)

(i=1,2,…,n; j=1,2,…,m)

對于負(fù)向指標(biāo)的處理為：

(2)

(i=1,2,…,n; j=1,2,…,m)

式中，Sij的取值在0到1之間，Sij越趨0對脆弱性值貢獻(xiàn)越小，Sij越趨于1對脆弱性值貢獻(xiàn)越大。

1.2.3熵權(quán)法確定指標(biāo)權(quán)重目前對于指標(biāo)權(quán)重的確定主要有主觀賦權(quán)和客觀賦權(quán)兩種方式，主觀賦權(quán)法主要有AHP法、德爾菲法等，隨意性較大，客觀賦權(quán)法主要有熵值法、變異系數(shù)法等，可消除主觀賦權(quán)法的主觀隨意性，其中熵值法由于其既能反映指標(biāo)信息的效應(yīng)價(jià)值，又能克服指標(biāo)間的信息重疊， 被各個(gè)研究領(lǐng)域廣泛應(yīng)用[6]。因此，本研究采取熵值法確定農(nóng)業(yè)干旱脆弱性評(píng)價(jià)指標(biāo)的權(quán)重，計(jì)算步驟如下：

基于標(biāo)準(zhǔn)化數(shù)據(jù)Sij，計(jì)算第i個(gè)評(píng)價(jià)對象在第j項(xiàng)評(píng)價(jià)指標(biāo)下的Sij在Sj中的比重，從而構(gòu)建矩陣{Pij}n×m,計(jì)算權(quán)重的過程為：

(3)

② 計(jì)算指標(biāo)信息熵ej

(4)

③ 求取指標(biāo)差異性系數(shù)gj

gj=1-ej

(5)

④ 確定指標(biāo)權(quán)重wj

(6)

1.2.4脆弱性評(píng)價(jià)模型本研究在前述指標(biāo)體系以及確定熵權(quán)的基礎(chǔ)上，采用加權(quán)綜合評(píng)分法，構(gòu)建農(nóng)業(yè)干旱脆弱性評(píng)估模型，農(nóng)業(yè)干旱脆弱性的程度簡稱脆弱度，用脆弱性指數(shù)來表示，本文采用的脆弱性評(píng)價(jià)模型為：

(7)

(i=1,2,…,10; j=1,2,…,14)

式中，Vi代表脆弱性指數(shù)，即農(nóng)業(yè)對干旱的脆弱性程度；wj代表第j項(xiàng)指標(biāo)的權(quán)重；Sij代表第i個(gè)城市第j項(xiàng)指標(biāo)的標(biāo)準(zhǔn)化值。

敏感性與恢復(fù)力是農(nóng)業(yè)干旱脆弱性評(píng)價(jià)的兩個(gè)重要變量，為了更好地揭示陜西省農(nóng)業(yè)干旱脆弱性的分布特征，針對敏感性和恢復(fù)力兩個(gè)方面開展分指數(shù)加權(quán)綜合評(píng)分，其計(jì)算原理及步驟與上述干旱脆弱度指數(shù)一樣，只是敏感性指數(shù)與恢復(fù)力指數(shù)的指標(biāo)集與脆弱性指數(shù)的指標(biāo)集不同。

1.2.5因子貢獻(xiàn)度計(jì)算模型對于農(nóng)業(yè)干旱脆弱性的研究，不僅要對不同地區(qū)的干旱脆弱性水平進(jìn)行評(píng)價(jià)分區(qū)，更重要的在于厘清影響農(nóng)業(yè)干旱脆弱性的因子以及影響程度，以便對預(yù)防和應(yīng)對干旱的行為和政策進(jìn)行調(diào)整。由于脆弱性是越低越好，本研究依據(jù)貢獻(xiàn)度與障礙度[11-12]的邏輯關(guān)系，將已有的因子障礙度模型改造為因子貢獻(xiàn)度模型，用于分析負(fù)向目標(biāo)(脆弱性)的主要貢獻(xiàn)因子。

(8)

Ur=∑Cij

(9)

式中，Cij表示第j項(xiàng)指標(biāo)因素對第i個(gè)評(píng)價(jià)對象脆弱性的貢獻(xiàn)度； Ur表示兩個(gè)一級(jí)指標(biāo)層對脆弱性的貢獻(xiàn)度；Fj為單項(xiàng)指標(biāo)因素對總目標(biāo)的權(quán)重；Iij為指標(biāo)隸屬度(單因子指標(biāo)占脆弱性結(jié)果的比例，由于在障礙度模型中指標(biāo)偏離度是單項(xiàng)指標(biāo)因素評(píng)估值與100%之差，因此在貢獻(xiàn)度模型中因素隸屬度即為單項(xiàng)指標(biāo)因素評(píng)估值比100%)[13-14]。

2結(jié)果及分析

2.1陜西省農(nóng)業(yè)干旱的脆弱性

2.1.1脆弱性分析利用式(1)、式(2)進(jìn)行標(biāo)準(zhǔn)化處理后的矩陣Sij如下：

根據(jù)式(3)，計(jì)算得出矩陣Pij如下：

然后根據(jù)式(4)、式(5)計(jì)算各指標(biāo)的熵值ej及差異性系數(shù)gj分別為：

ej=(0.7977,0.8687,0.8578,0.8207,0.7288,0.8945,0.9206,0.9101,0.8548,0.9647,0.8933,0.9336,0.9419,0.9315)

gj=(0.2023,0.1313,0.1422,0.1793,0.2712,0.1055,0.0794,0.0899,0.1452,0.0352,0.1067,0.0664,0.058,0.0685)

最后根據(jù)式(6)計(jì)算得出各個(gè)指標(biāo)的熵權(quán)wj分別為：

wj=(0.1203,0.0781,0.0846,0.1066,0.1613,0.0628,0.0472,0.0535,0.0864,0.0210,0.0635,0.0395,0.0345,0.0408)

根據(jù)式(7)計(jì)算敏感性指數(shù)、恢復(fù)力指數(shù)和農(nóng)業(yè)干旱脆弱性指數(shù)。最終計(jì)算得出陜西省10個(gè)地(市)的農(nóng)業(yè)干旱脆弱性指數(shù)、敏感性指數(shù)及恢復(fù)力指數(shù)(見表2、圖1)。

目前，在農(nóng)業(yè)干旱脆弱性的等級(jí)劃分上尚未有明確標(biāo)準(zhǔn)，本文借鑒相關(guān)脆弱性研究成果，將農(nóng)業(yè)干旱脆弱性指數(shù)(ADVI)在(0，1)范圍劃分為高(0.67≤ADVI<1)、中(0.33≤ADVI<0.67)、低(0

圖1陜西農(nóng)業(yè)干旱脆弱性指數(shù)及結(jié)構(gòu)的空間分異

Fig.1The agriculture drought vulnerability index and

its structural spatial difference in Shaanxi

總體來看，陜西省農(nóng)業(yè)干旱脆弱性呈現(xiàn)明顯的地區(qū)差異，陜南秦巴山區(qū)的3市總體干旱脆弱性高，其次為陜北黃土高原地區(qū)的2市，關(guān)中渭河平原5市普遍脆弱性較低。該結(jié)果表明，雖然氣候干旱是農(nóng)業(yè)干旱脆弱性評(píng)價(jià)的基礎(chǔ)與前提，但農(nóng)業(yè)干旱脆弱性的地域差異與其并完全不一致；另外，由表2可見，脆弱性指數(shù)大小差異也比較大，最高的0.7128，最低的0.3733。

陜西省農(nóng)業(yè)干旱脆弱性最高的城市為安康，脆弱性最低的城市為渭南，在關(guān)中地區(qū)5個(gè)城市里脆弱性最高的為銅川，其次為省會(huì)城市西安。從氣候條件相似的關(guān)中地區(qū)農(nóng)業(yè)干旱脆弱性對比結(jié)果來看，脆弱性的地域差異不僅與氣候干旱不一致，其與城市經(jīng)濟(jì)發(fā)展水平也不完全一致。

2.1.2敏感性分析由表2和圖1可知，陜南地區(qū)敏感性總體較高，其中最高為安康市，其次分別為商洛、漢中，陜北地區(qū)的榆林和延安敏感性程度相近，與其它城市相比均處于中等水平，關(guān)中地區(qū)敏感性存在一定差異，最高的為咸陽，其后依次為西安、銅川、渭南，最低的為寶雞。分析出現(xiàn)該結(jié)果的原因?yàn)椋?/p>

(1) 陜南地區(qū)農(nóng)業(yè)產(chǎn)值比重大，漢中、安康和商洛分別為35%、26%和31%，是農(nóng)業(yè)產(chǎn)值比重最小城市(西安，0.07)的4～5倍，說明該地區(qū)對農(nóng)業(yè)生產(chǎn)的依賴性較大；陜南地區(qū)3個(gè)城市農(nóng)業(yè)人口比重均較大，其中安康的農(nóng)業(yè)人口比重高達(dá)84%，而農(nóng)民是對農(nóng)業(yè)干旱最為敏感的群體，比例越大，敏感性越高；復(fù)種指數(shù)總體偏高，說明作物生長的需水量大，對干旱也就更敏感；雖然陜南地區(qū)整體降水量最高，但是多年平均氣溫偏高，除漢中外，耕地中旱地面積比重都過高，達(dá)到80%以上，因此對于干旱的敏感性也會(huì)較高。

(2) 陜北地區(qū)雖然多年平均降雨量較低，但平均氣溫低，只有10℃左右；延安和榆林人口密度分別為60 人·km-2和77 人·km-2，不足人口密度最大城市(西安，846 人·km-2)人口密度的1/10，延安和榆林農(nóng)業(yè)產(chǎn)值比分別為14%和8%，均處于全省最低水平，說明其對農(nóng)業(yè)生產(chǎn)的依賴性較低，同時(shí)復(fù)種指數(shù)也均為最低，雖然旱地比重較高，但其種植植被和作物種類均耐旱，因此需水量較小，對干旱的敏感性不高。

(3) 在關(guān)中地區(qū)，咸陽和西安市的敏感性指數(shù)較高，其主要原因是這兩個(gè)城市的人口密度和復(fù)種指數(shù)都較大，西安的人口密度高達(dá)846 人·km-2，而咸陽的農(nóng)業(yè)產(chǎn)值和農(nóng)業(yè)人口比重在關(guān)中地區(qū)都為最大，對農(nóng)業(yè)依賴性強(qiáng)，且多年平均降水量只有497.98 mm，因此其干旱敏感性強(qiáng)。

2.1.3恢復(fù)力分析由于恢復(fù)力在農(nóng)業(yè)干旱脆弱性評(píng)價(jià)當(dāng)中是負(fù)向指標(biāo)，因此其所得分值越低，說明對干旱的恢復(fù)力越強(qiáng)。由表2和圖1可知，總體上陜南地區(qū)3個(gè)城市的恢復(fù)力水平最低，關(guān)中和陜北對于干旱的恢復(fù)能力差異不大，其中咸陽(0.0992)、渭南(0.1301)、榆林(0.1554)3市的恢復(fù)力指數(shù)較低。分析出現(xiàn)該結(jié)果的原因如下：

(1) 陜南地區(qū)整體經(jīng)濟(jì)發(fā)展水平較低，人均GDP和農(nóng)民人均純收入都很低，因此應(yīng)對干旱的資金和社會(huì)力量不足；雖然陜南水庫總體庫容不小，但地表徑流量過大，導(dǎo)致水庫調(diào)蓄率很低；人均耕地面積較小，說明人口作用于耕地上的壓力過大，也使得該地區(qū)干旱一旦發(fā)生，難以很快恢復(fù)。

(2) 關(guān)中地區(qū)的咸陽和渭南，在恢復(fù)力上的主要優(yōu)勢體現(xiàn)在水庫調(diào)蓄率和耕地灌溉率都較高 ，達(dá)到0.5以上，因此耕地的灌溉水源充足，應(yīng)對干旱的能力較強(qiáng)；而位于陜北地區(qū)的榆林市，雖然耕地灌溉率不高，但由于人口稀少，資源豐富，其人均GDP為全省最高(84 634 元·年-1)，同時(shí)人均耕地面積(0.21 hm2)和人均糧食產(chǎn)量(410.54 kg)均為全省最高，土地壓力較小，應(yīng)對干旱能力強(qiáng)。

2.2因子貢獻(xiàn)度分析

在前述整體評(píng)價(jià)的基礎(chǔ)上， 對陜西省農(nóng)業(yè)干旱脆弱性的主要貢獻(xiàn)因子進(jìn)行識(shí)別與分析，為降低各市農(nóng)業(yè)干旱脆弱性尋找有效策略[17-18]。根據(jù)式(8)、(9)，按照一級(jí)指標(biāo)層和二級(jí)指標(biāo)層分別計(jì)算各個(gè)因子貢獻(xiàn)度，結(jié)果如表3。

注：表中加框數(shù)值為主要貢獻(xiàn)因子的貢獻(xiàn)度(前五)。

Note： The value of bordered number was the contribution degree of the main contribution factors (Top five).

2.2.1一級(jí)指標(biāo)層因子貢獻(xiàn)度分析由圖2可知，總體來說，陜西省10個(gè)城市的敏感性對農(nóng)業(yè)干旱脆弱性結(jié)果的貢獻(xiàn)度要高于恢復(fù)力，但除咸陽和榆林外，差異均不大。其中，咸陽的敏感性貢獻(xiàn)度最大，高達(dá)75.91%，其余9個(gè)城市也都在50%以上，因此，在干旱的預(yù)防和控制中，降低農(nóng)業(yè)干旱脆弱性的關(guān)鍵都在于降低敏感性。

2.2.2二級(jí)指標(biāo)層因子貢獻(xiàn)度分析本次研究取14個(gè)指標(biāo)中的前5作為主要貢獻(xiàn)因子，根據(jù)表3可知，對陜西省農(nóng)業(yè)干旱脆弱性起主要作用的貢獻(xiàn)因子主要集中在敏感性指標(biāo)上，恢復(fù)力指標(biāo)中只有耕地灌溉率和人均糧食產(chǎn)量兩個(gè)指標(biāo)比較重要。

農(nóng)民人均純收入是貢獻(xiàn)度最小的因子，主要原因是10個(gè)城市的該指標(biāo)差異不大，除西安達(dá)到10 000元以上，其它城市都在6 000～8 000元；而多年平均降水量是貢獻(xiàn)度最大的因子，除了陜南的漢中、安康和商洛，在其它7個(gè)城市的因子貢獻(xiàn)度中都排在前5，說明降雨量對于陜南秦巴山區(qū)的農(nóng)業(yè)干旱脆弱度影響不大，尤其是對漢中(0.008%)和安康(0.18%)幾乎沒有貢獻(xiàn)，因此雖然陜南降雨量為全省最高，但干旱脆弱程度卻最大。

圖2陜西省各市一級(jí)指標(biāo)因子貢獻(xiàn)度對比分析

Fig.2The contrastive analysis of the first index factor contribution degrees in cities of Shaanxi

具體來看，西安市農(nóng)業(yè)干旱脆弱性貢獻(xiàn)度最大的因子為人口密度(27.11%)，其次為復(fù)種指數(shù)(13.53%)、人均糧食產(chǎn)量(14.31%)、多年平均降水量(8.92%)和多年平均溫度(8.93%)。因此，西安市應(yīng)限制人口快速增長與集中分布，控制農(nóng)作物耕作面積，優(yōu)化種植結(jié)構(gòu)，提高農(nóng)作物的產(chǎn)出效率。銅川市脆弱性貢獻(xiàn)度最大的因子是旱地面積比重(28.79%)，其次為耕地灌溉率(16.49%)，因此，銅川市應(yīng)搞好水利建設(shè)，加強(qiáng)水利工程供水能力，同時(shí)選擇合理的節(jié)水灌溉形式，提高水分利用率，盡量增加水澆地比例。寶雞市脆弱性貢獻(xiàn)度最大的因子為旱地面積比重(18.79%)，其次為水庫調(diào)蓄率(10.76%)，因此，寶雞市應(yīng)大力加強(qiáng)水源地的保護(hù)以及水庫配套灌區(qū)的規(guī)劃建設(shè)工作，以較高的水庫調(diào)蓄率保障充足的灌溉條件。咸陽市和渭南市的脆弱性主要貢獻(xiàn)因子相似，貢獻(xiàn)度最大的為人口密度(15.77%，14.18%)和農(nóng)業(yè)產(chǎn)值比(14.18%，14.86%)，咸陽市次貢獻(xiàn)因子為農(nóng)業(yè)人口比重(12.68%)和多年平均降雨量(11.59%)，渭南市次貢獻(xiàn)因子為多年平均降雨量(10.94%)和人均GDP(10.28%)。因此，應(yīng)嚴(yán)格控制人口密度，同時(shí)應(yīng)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，大力發(fā)展第三產(chǎn)業(yè)，降低經(jīng)濟(jì)對農(nóng)業(yè)的依賴性。此外，咸陽市應(yīng)適當(dāng)控制農(nóng)業(yè)人口比例，加快城市化進(jìn)程；渭南市要大力發(fā)展社會(huì)經(jīng)濟(jì)，提高政府收入，以加強(qiáng)對旱災(zāi)的防御能力。延安市和榆林市的脆弱性貢獻(xiàn)因子基本相同，其貢獻(xiàn)度最大的因子為旱地面積比重(32.18%，29.36%)，其次為耕地灌溉率(17.24%，17.24%)、農(nóng)業(yè)人口比重(22.33%，10.85%)和多年平均降雨量(15.66%，9.27)。因此，應(yīng)當(dāng)控制農(nóng)業(yè)人口的增長，使農(nóng)業(yè)人口更多地流向城市，減少對農(nóng)業(yè)的依賴性，同時(shí)提高農(nóng)業(yè)抗旱能力，對水土流失進(jìn)行治理，種植耐旱高產(chǎn)的經(jīng)濟(jì)作物，充分利用地下水資源，提高灌溉效率。漢中市脆弱性貢獻(xiàn)最大的因子為農(nóng)業(yè)人口比重(14.64%)和農(nóng)業(yè)產(chǎn)值比(13.24%)，其次為復(fù)種指數(shù)(12.91%)和耕地灌溉率(10.11%)。因此，漢中市的農(nóng)業(yè)干旱脆弱性主要來源于其對農(nóng)業(yè)生產(chǎn)的依賴性過大，農(nóng)業(yè)產(chǎn)值比高達(dá)35%，而農(nóng)業(yè)人口比重高達(dá)77%，因此應(yīng)適當(dāng)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，讓農(nóng)業(yè)人口適當(dāng)流向城市支持第三產(chǎn)業(yè)，同時(shí)減少播種面積，提高農(nóng)作物產(chǎn)出效率，加強(qiáng)水庫利用率以保證耕地灌溉條件。安康市和商洛市的脆弱性貢獻(xiàn)因子基本相同，其貢獻(xiàn)度最大的因子為旱地面積比重(17.20%，18.38%)，其次為復(fù)種指數(shù)(11.87%，10.47%)和耕地灌溉率(9.70%,9.24%)。因此，除漢中市的所有應(yīng)對措施外，還應(yīng)當(dāng)提高農(nóng)業(yè)抗旱能力，該地區(qū)種植的農(nóng)作物需水量較大，應(yīng)注意提高水資源的利用率。

3結(jié)論與討論

3.1結(jié)論

(1) 陜西省農(nóng)業(yè)干旱脆弱性總體處于中高等水平，但脆弱性程度存在一定的空間差異，其差異與城市社會(huì)經(jīng)濟(jì)水平和降雨量等氣候因素都不完全一致。脆弱度最高的是安康市，脆弱性最低的是渭南市。

(2) 陜西省農(nóng)業(yè)干旱脆弱性總體呈現(xiàn)出“南高北低”的分布狀況，陜南高度脆弱，關(guān)中和陜北都是中度脆弱。這與前人所研究的干旱分布情況不完全一致，說明干旱脆弱性中對干旱的應(yīng)對能力也是非常重要的衡量指標(biāo)，與每個(gè)城市的經(jīng)濟(jì)發(fā)展水平、灌溉設(shè)施、管理政策、產(chǎn)業(yè)結(jié)構(gòu)以及種植作物的種類都密切相關(guān)。

(3) 陜西省農(nóng)業(yè)干旱脆弱性主要是受敏感性因子影響，尤其是農(nóng)業(yè)人口比重和旱地面積比重；而在恢復(fù)力因子中的耕地灌溉率、人均糧食產(chǎn)量和人均GDP對脆弱度也有著比較關(guān)鍵的影響。

(4) 從對陜西省的農(nóng)業(yè)干旱脆弱度貢獻(xiàn)較大的幾個(gè)因子中可以看出，降低對農(nóng)業(yè)生產(chǎn)的依賴性、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、降低人口密度、提高灌溉水平和水資源的利用效率、加強(qiáng)對地下水的開發(fā)利用以及提高水庫的調(diào)蓄能力都是日后控制農(nóng)業(yè)干旱脆弱性的有效措施。

3.2討論

本文采用了基于熵權(quán)法的區(qū)域脆弱性綜合評(píng)價(jià)模型，在權(quán)重的確定過程中，雖然消除了主觀隨意性，但又過分依賴原始數(shù)據(jù)[19-20]，在日后的研究中可嘗試結(jié)合使用層次分析法、德爾菲法的主觀賦權(quán)方法，使評(píng)價(jià)結(jié)果更加科學(xué)合理。另外，為更好地表達(dá)出影響因子間的相互耦合關(guān)系，在日后的研究中可嘗試使用集對分析法、TOPSIS法、密切值法等多目標(biāo)決策分析評(píng)價(jià)法對農(nóng)業(yè)干旱脆弱性進(jìn)行評(píng)價(jià)，使評(píng)價(jià)結(jié)果更趨于合理化。

參 考 文 獻(xiàn)：

[1]倪深海,顧穎,王會(huì)容.中國農(nóng)業(yè)干旱脆弱性分區(qū)研究[J].水科學(xué)進(jìn)展，2006,16(5)：705-709．

[2]曹永強(qiáng),馬靜,李香云,等.投影尋蹤技術(shù)在大連市農(nóng)業(yè)干旱脆弱性評(píng)價(jià)中的應(yīng)用[J].資源科學(xué),2011,33(6):1106-1110．

[3]胡穎穎，玉米提哈力克，黃婷，等.新疆2001—2010年農(nóng)業(yè)氣候干旱脆弱性分析[J].中國沙漠，2014,34(1)：254-258.

[4]Kim D H, Yoo C L, Kim T W. Application of spatial EOF and multivariate time series model for evaluating agricultural drought vulnerability in Korea[J]. Advances in Water Resources， 2011，34：340-350.

[5]商彥蕊.干旱、農(nóng)業(yè)旱災(zāi)與農(nóng)戶旱災(zāi)脆弱性分析——以邢臺(tái)縣典型農(nóng)戶為例[J].自然災(zāi)害學(xué)報(bào)，2000,9(2)：55-61.

[6]紀(jì)朝榮.河南省農(nóng)業(yè)旱災(zāi)脆弱性評(píng)價(jià)研究[D].鄭州：河南大學(xué)，2013.

[7]Wang J A, Su Y, Shang Y R, et al. Vulnerability identification and assessment of agriculture drought disaster in China[J]. Adevances in Earth Sience，2005,21(2):161-169.

[8]喻忠磊，楊新軍，石育中.關(guān)中地區(qū)城市干旱脆弱性評(píng)價(jià)[J].資源科學(xué)，2012，34(3)：581-588.

[9]雍國正，劉普幸，姚玉龍，等.河西綠洲城市干旱脆弱性評(píng)價(jià)[J].土壤,2014,46(4):749-755.

[10]肖軍,趙景波.陜西省54a來農(nóng)業(yè)干旱災(zāi)害特征研究[J].干旱區(qū)資源與環(huán)境，2006,20(5)：201-204.

[11]蘇飛，張平宇.基于集對分析的大慶市經(jīng)濟(jì)系統(tǒng)脆弱性評(píng)價(jià)[J].地理學(xué)報(bào)，2010,65(4)：454-464.

[12]魯春陽，文楓.基于改進(jìn)TOPSIS法的城市土地利用績效評(píng)價(jià)及障礙因子診斷——以重慶市為例[J].資源科學(xué)，2011,33(3)：535-541.

[13]Murthy C S, Laxman B, Menale V R. Sesha Sai Geospatial analysis of agricultural drought vulnerability using acomposite index based on exposure, sensitivity and adaptive capacity[J]. International Journal of Disaster Risk Reduction，2015，12(8)：163-171.

[14]Bekele S, Kindie T, Menale K. Managing vulnerability to drought and enhancing livelihood resilience in sub-Saharan Africa: Technological, institutional and policy options[J]. Weather and Climate Extremes, 2014，3(2)：67-79.

[15]趙菲菲，何斌，李小涵，等.區(qū)域農(nóng)業(yè)干旱脆弱性評(píng)價(jià)及影響因素識(shí)別——以河南、河北省為例[J].北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012,48(3)：282-286.

[16]李艷.河南省干旱承險(xiǎn)脆弱性綜合評(píng)價(jià)研究[D].鄭州：鄭州大學(xué)，2011.

[17]楊奇勇,李景保,蔡松柏.湖南農(nóng)業(yè)干旱脆弱性分區(qū)研究[J].水資源與水工程學(xué)報(bào)，2007,18(3)：46-49.

[18]陳萍，陳曉玲.鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)農(nóng)業(yè)系統(tǒng)的干旱脆弱性評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2011,27(8)：8-13.

[19]康永輝，解建倉，黃偉軍，等.農(nóng)業(yè)干旱脆弱性模糊綜合評(píng)價(jià)[J].中國水土保持科學(xué)，2014，12(2)：113-120.

[20]雷治平,劉引鴿,李錄堂.陜西農(nóng)業(yè)干旱災(zāi)害分析評(píng)估[J].陜西氣象，2006,(1)：27-30.

Assessment of agricultural drought vulnerability and identification of influencing factors based on the entropy weight method

XU Han1,2

(1.CollegeofEnvironmentalScienceandEngineering,Chang’anUniversity,Xi'an,Shaanxi710054,China;2.ShaanxiXueQianNormalUniversity,Xi’an,Shaanxi, 710100,China)

Keywords:agriculture drought; vulnerability; Shaanxi Province; spatial difference; contribution degree

Abstract：10 cities in Shaanxi were selected as the research objects to evaluate the agriculture drought vulnerability in Shaanxi by 14 indicators through two points on the drought sensibility and resilience in agriculture. Entropy-value method and contribution model were adopted to assess the agriculture drought vulnerability and main contribution factors of the 10 cities in Shaanxi according to water resource, meteorology and social economy statistical data. The results showed that the agriculture drought vulnerability levels of Hanzhong, Ankang and Shangluo in southern Shaanxi were higher than others, reaching to 0.7128, 0.7110 and 0.5897, while the agriculture drought vulnerability levels of 7 other cities in Guanzhong and northern Shaanxi were medium. In addition, the spatial difference of agriculture drought vulnerability was not based on the social economy development level and land climate conditions in Shaanxi. The sensitivity was highest in Ankang (0.4238), lower in Guanzhong and northern Shaanxi, and lowest in Baoji (0.2123). The resilience level was lowest in southern Shaanxi, and few differences were found in Guanzhong and northern Shaanxi, while highest in Xianyang (0.0992), Weinan (0.1301) and Yulin (0.1554). For the impact factors, the main impact factor of Xi’an, Xianyang and Weinan was the population density with contribution degrees of 27.11%, 15.11% and 14.18%, respectively. The main impact factor of Ankang, Hanzhong and Shangluo was the dryland area proportion with contribution degrees of 29.36%, 17.20% and 18.38%, respectively. The main impact factor of Yan’an and Yulin was the dryland area proportion (contribution degrees of 32.18% and 29.36%) and the rate of irrigation (17.24% and 17.24%). The main impact factor of Tongchuan was the rate of irrigation with a contribution degree of 16.49%，and the main impact factor of Baoji was the rate of reservoir pondage with a contribution degree of 10.76%. Finally, this paper put forward measures of agriculture drought vulnerability controls in different cities based on the evaluation results.

文章編號(hào)：1000-7601(2016)03-0198-08

doi:10.7606/j.issn.1000-7601.2016.03.32

收稿日期：2015-11-11

基金項(xiàng)目：水利部公益性行業(yè)科研專項(xiàng)“渭河中下游干旱預(yù)警與應(yīng)急水源配置(201301084)；陜西省教育廳科學(xué)研究計(jì)劃項(xiàng)目(14JK1182)

作者簡介：徐晗(1984—)，女，遼寧盤錦人，講師，在讀博士，主要從事水文水資源方面的研究。 E-mail:xuhan1225@163.com。

中圖分類號(hào)：S423

文獻(xiàn)標(biāo)志碼：A