基于粒子群算法研究氣候變化對(duì)國(guó)家脆弱程度的影響

摘要：理解氣候變化對(duì)國(guó)家脆弱性的影響對(duì)于國(guó)家規(guī)劃與國(guó)家發(fā)展具有重大意義。本文的研究分成兩部分：首先，本文用溫度與降水的變化來(lái)表示氣候變化。利用相關(guān)性分析，確定了溫度，降水與國(guó)家脆弱程度的相關(guān)關(guān)系。其次，以蘇丹為分析對(duì)象。本文利用非線(xiàn)性回歸擬合了溫度及降水與5個(gè)相關(guān)指標(biāo)的函數(shù)，繪制了在溫度與降水變化下的脆弱性空間分布曲面，通過(guò)粒子群算法計(jì)算出其脆弱性最低點(diǎn)，并進(jìn)行敏感性分析。

關(guān)鍵詞：氣候變化；國(guó)家脆弱程度；非線(xiàn)性回歸；粒子群算法

1 問(wèn)題背景

在“聯(lián)合國(guó)氣候變化框架公約”（UNFCCC）中，氣候變化被定義為“經(jīng)過(guò)相當(dāng)一段時(shí)間的觀察，在自然氣候變化之外由人類(lèi)活動(dòng)直接或間接地改變?nèi)虼髿饨M成所導(dǎo)致的氣候改變?！北M管還存在某些不確定因素，但大多數(shù)科學(xué)家仍認(rèn)為及時(shí)采取預(yù)防措施是必需的。

脆弱的國(guó)家是州政府無(wú)法或不選擇向其人民提供基本要素的國(guó)家，一個(gè)脆弱的國(guó)家，其國(guó)家權(quán)威，基本服務(wù)供給和合法性等方面處在失效狀態(tài)或面臨失效風(fēng)險(xiǎn)。

氣候變化給人們帶來(lái)的損失是難以估量的，在脆弱國(guó)家尤為突出。這些國(guó)家由于其地理位置和自然條件的原因面臨著更大的氣候風(fēng)險(xiǎn)，他們國(guó)家內(nèi)的暴力，貧困和薄弱的治理也削弱甚至破壞了他們應(yīng)對(duì)氣候風(fēng)險(xiǎn)的復(fù)原能力。隨著氣候變化頻率和幅度的增加，氣候變化也對(duì)脆弱國(guó)家向和平與穩(wěn)定發(fā)展提出了巨大的挑戰(zhàn)。

1.1 前人研究成果

氣候變化已經(jīng)成為一個(gè)被廣泛關(guān)注與研究的全球性環(huán)境問(wèn)題。許多研究也聚焦于氣候變化對(duì)國(guó)家脆弱性的影響。

例如：Geoff Dabelko認(rèn)為脆弱性需要在更寬闊的社會(huì)和環(huán)境層面去理解，氣候變化是國(guó)家能力與發(fā)展的威脅因素與壓力來(lái)源.IISD報(bào)道了脆弱國(guó)家及其人口對(duì)氣候變化的敏感性遠(yuǎn)比其他國(guó)家強(qiáng)，其復(fù)原能力也很差；IPCC在2007年報(bào)告指出，發(fā)展中國(guó)家在面對(duì)氣候變化帶來(lái)的社會(huì)經(jīng)濟(jì)影響時(shí)顯得尤為脆弱。

縱觀前人對(duì)氣候變化與國(guó)家脆弱性的研究，多數(shù)側(cè)重于定性分析，定性分析的較少，而本文的目標(biāo)就是將氣候變化與國(guó)家脆弱性之間的關(guān)系量化。

1.2 問(wèn)題分析

為了更好地理解氣候變化對(duì)國(guó)家脆弱性的影響，以及量化出氣候變化對(duì)國(guó)家脆弱性所起到的作用，本文的工作主要分成以下幾步：

按照一定的原則建立用于評(píng)估國(guó)家脆弱性的指標(biāo)體系，利用主成分分析構(gòu)建模型，劃分脆弱與穩(wěn)定的分界線(xiàn)。通過(guò)相關(guān)性分析明晰氣候變化與脆弱性指標(biāo)的相關(guān)關(guān)系。

以蘇丹為研究對(duì)象，利用非線(xiàn)性回歸分析擬合其溫度與降水和相關(guān)指標(biāo)的曲線(xiàn)，并繪制出在溫度和降水影響下，蘇丹的脆弱性空間分布圖，通過(guò)粒子群算法找出其脆弱性最小值點(diǎn)。然后在剔除溫度與降水影響的5個(gè)指標(biāo)后，對(duì)剩余的12個(gè)指標(biāo)進(jìn)行敏感性分析。？

2 氣候變化的影響方式

氣候變化是指長(zhǎng)時(shí)間氣候狀態(tài)的改變，本文用不同時(shí)期溫度和降水的變化來(lái)表示。

2.1 以阿根廷為例

本文采用的國(guó)家脆弱性指標(biāo)分為兩級(jí)：一級(jí)指標(biāo)分為農(nóng)業(yè)，經(jīng)濟(jì)與技術(shù)，人口與資源，生活水平四個(gè)維度；每個(gè)維度繼續(xù)細(xì)分，劃分為二級(jí)指標(biāo)，共17個(gè)具體指標(biāo)。

（1）農(nóng)業(yè)包含：農(nóng)業(yè)雇員（占女性人口的百分比）；農(nóng)業(yè)雇員（男性人口的百分比）；農(nóng)業(yè)雇員（占總?cè)丝诘陌俜直龋?/p>

（2）經(jīng)濟(jì)技術(shù)包含：人均GDP（美元購(gòu)買(mǎi)力平價(jià)）；GNI（總計(jì)，PPP）；農(nóng)村人口；債務(wù)償還（%GNI，在十進(jìn)制期間平均）；內(nèi)部難民；科學(xué)家和工程師每百萬(wàn)人口的研發(fā)；研發(fā)投資（%GNP）。

（3）生活標(biāo)準(zhǔn)包含：人均衛(wèi)生支出；公共衛(wèi)生支出；獲得衛(wèi)生設(shè)施的人口。

（4）人口和資源包含：人口密度；森林覆蓋；糧食生產(chǎn)指數(shù)；人均水資源。

本文收集了阿根廷17個(gè)原始指標(biāo)10年（1991-2000）的數(shù)據(jù)，發(fā)現(xiàn)每個(gè)指標(biāo)值在10年內(nèi)有規(guī)律的變化但是存在波動(dòng)。

具體分析如下：1991-2000年阿根廷人均水資源大致呈下降趨勢(shì)但是存在波動(dòng)，當(dāng)降水量在600毫米附近波動(dòng)時(shí)，X的值也在0附近波動(dòng)，且波動(dòng)方向大致一致。

因此，本文認(rèn)為，降水并不是與人均水資源自身指標(biāo)值相關(guān)，而是與其差值有關(guān)。

相關(guān)性分析用于衡量變量間的相關(guān)密切程度。于是，本文用阿根廷的溫度與降水這兩個(gè)參數(shù)分別與17個(gè)指標(biāo)差值進(jìn)行相關(guān)性分析，結(jié)論如下：

溫度與糧食生產(chǎn)指數(shù)，GDP，內(nèi)部難民變動(dòng)幅度相關(guān)；

降水與農(nóng)業(yè)從業(yè)人員（占女性人口的百分比），人均水資源的差值及變動(dòng)幅度相關(guān)，符合實(shí)際。

結(jié)論：氣候變化通過(guò)溫度和降水影響食品生產(chǎn)指數(shù)，GDP，內(nèi)部難民，農(nóng)業(yè)雇員（占女性人口的百分比），人均水資源，進(jìn)而間接影響國(guó)家的脆弱性。

3 氣候變化與脆弱性之間的關(guān)系

（1）溫度與食品生產(chǎn)指數(shù)，GDP，內(nèi)部難民相關(guān)；

（2）降水與農(nóng)業(yè)雇員（占女性人口的百分比），人均水資源相關(guān)。

為了具體了解氣候變化與脆弱性之間的相關(guān)關(guān)系，采用回歸分析的方法。

回歸分析是確定變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分析方法，通過(guò)非線(xiàn)性回歸分析去擬合他們之間的關(guān)系。

3.1 溫度與食品生產(chǎn)指數(shù)的函數(shù)

以食品生產(chǎn)指數(shù)為被解釋變量，溫度T為解釋變量。通過(guò)直觀觀察，本文用二次曲線(xiàn)來(lái)進(jìn)行擬合。

設(shè)X1=AX2+BX+C

以蘇丹為研究對(duì)象，對(duì)其Xi與T分別進(jìn)行10次采樣，得到10個(gè)樣本點(diǎn)，利用非線(xiàn)性最小二乘法通過(guò)最小化誤差的平方和來(lái)計(jì)算a，b，c的值。利用MATLAB進(jìn)行求解，得到回歸曲線(xiàn)為：X7=-2.776+109T2+1.562×1011T-2.19×1012

計(jì)算的R2為0.3045，0.3005，0.37010，0.3259，0.4112，表明擬合效果較好。

體現(xiàn)極端天氣如極熱，強(qiáng)降水和干旱的影響。

4 蘇丹脆弱性的分析

4.1 脆弱性的分布

以溫度為橫坐標(biāo)，降水為縱坐標(biāo)，脆弱性得分值為豎坐標(biāo)，建立空間三維坐標(biāo)系。其中，溫度取值區(qū)間為[0，40]，每0.1取值一次，共401個(gè)值。降水取值區(qū)間為[0800]，每20取值一次，共401個(gè)值。

對(duì)2000年的蘇丹進(jìn)行分析。根據(jù)蘇丹不受氣候變化影響的12個(gè)指標(biāo)值，利用控制變量的原理，計(jì)算出在溫度或降水變化時(shí)對(duì)應(yīng)的脆弱性值F，共401*401=160801個(gè)F值。

于是，本文可得到160801個(gè)空間點(diǎn)。利用插值得到蘇丹脆弱性空間分布，蘇丹的脆弱性值分布在一個(gè)凹面上，在某一位置，將取到其最小值，即最不脆弱的狀態(tài)。

4.2 由粒子群算法計(jì)算最低脆弱度

粒子群算法是一種通過(guò)迭代尋求最優(yōu)解的進(jìn)化算法，本文采用PSO計(jì)算出4.1中凹面最低點(diǎn)坐標(biāo)。

在二維的搜索空間中，設(shè)定每30個(gè)粒子組成一個(gè)群體。每個(gè)粒子的位置是一個(gè)潛在解，根據(jù)計(jì)算出來(lái)的脆弱性值判斷其優(yōu)劣。粒子經(jīng)歷過(guò)的最好位置記為F*，整個(gè)群體的所有粒子經(jīng)歷過(guò)的最好位置記為F**通過(guò)不斷迭代，對(duì)粒子所在的位置不斷進(jìn)行更新。最終得到的最低點(diǎn)位置坐標(biāo)為（27.9，472，15.19）從這一最低點(diǎn)出發(fā)，其溫度降低或升高及降水增加或減少直至發(fā)生極端天氣，脆弱性提高。

參考文獻(xiàn)：

[1]L. C. Sieghart and D. Rogers， “Addressing climate change in fragile states，” 2013.

[2] Z. Li， “Double balanced construction for climate change – from the perspective of cost-benefit analysis，” International outlook， no. 4， pp. 42–56， 2013.

[3] T. Liu and T. Wu， “Evaluation criteria for vulnerable countries，” Leadership Science Forum， no. 13， pp. 17–26， 2016.

作者簡(jiǎn)介：

牛靜怡（1997.4.20-）女，漢族，河南省南陽(yáng)市，身份證號(hào)：411321199704200024，本科生，研究方向：水文與水資源工程