1978—2020年云南自然災(zāi)害損失程度評估

張方浩 張原碩 和仕芳 徐俊祖 曹彥波 杜浩國 鄧樹榮

摘要：引入客觀賦權(quán)的熵權(quán)法和幾何平均模型，對綜合災(zāi)情指數(shù)法的評估過程進(jìn)行改進(jìn)?；诟倪M(jìn)的綜合災(zāi)情指數(shù)法，利用1978—2020年云南省9種主要自然災(zāi)害災(zāi)情數(shù)據(jù)，以及社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)，選取人員受災(zāi)、農(nóng)作物受災(zāi)、房屋倒損、經(jīng)濟(jì)損失4個因子7個具體指標(biāo)構(gòu)建綜合災(zāi)情的絕對和相對指數(shù)，對災(zāi)害損失程度進(jìn)行分級評估。結(jié)果表明：從災(zāi)害損失總量來看，損失較重的區(qū)域分布在滇東的昭通—曲靖—文山一帶，以及滇西的大理—楚雄—普洱地區(qū)。從社會經(jīng)濟(jì)受影響的程度來看，損失較重的區(qū)域分布在滇西的迪慶—怒江—麗江—楚雄—普洱一帶，以及滇東的昭通、文山地區(qū)。改進(jìn)的綜合災(zāi)情指數(shù)在指標(biāo)權(quán)重確定、指數(shù)計算和損失程度分級過程中避免了人為的主觀任意性，評估結(jié)果與區(qū)域?qū)嶋H情況相符，表明該方法具有較好的實用性和有效性。

關(guān)鍵詞：自然災(zāi)害；綜合災(zāi)情指數(shù)；災(zāi)害損失；熵權(quán)；幾何平均；云南省

中圖分類號：P315.94文獻(xiàn)標(biāo)識碼：A文章編號：1000-0666（2023）03-0376-09

doi：10.20015/j.cnki.ISSN1000-0666.2023.0041

0引言

云南自然災(zāi)害種類多、發(fā)生頻率高、分布地域廣、造成損失重，地震、干旱、洪澇、地質(zhì)災(zāi)害、風(fēng)雹、雪災(zāi)、低溫冷凍等自然災(zāi)害往往以突發(fā)、群發(fā)等形式導(dǎo)致重大自然災(zāi)害事件。這些事件如果發(fā)生在人類活動的地區(qū)，就不可避免會造成損失，隨著區(qū)域人口的增長、社會經(jīng)濟(jì)的快速發(fā)展，以及人類活動區(qū)域的不斷增大，自然災(zāi)害造成的社會損失也呈加重趨勢（張星，2009）。自然災(zāi)害造成的損失嚴(yán)重程度與災(zāi)害的孕災(zāi)環(huán)境、致災(zāi)因子和承災(zāi)體密切相關(guān)，是多種因素耦合的結(jié)果。自然災(zāi)害造成的損失主要通過承災(zāi)體的損失來表征，如人員傷亡、農(nóng)作物破壞、房屋倒塌、經(jīng)濟(jì)損失等。災(zāi)情作為承災(zāi)體損失的統(tǒng)計信息，是多指標(biāo)構(gòu)成的多元統(tǒng)計數(shù)據(jù)集（張鵬等，2015）。在開展某個區(qū)域自然災(zāi)害風(fēng)險評估及制定自然災(zāi)害風(fēng)險防控準(zhǔn)備措施時，需要對歷史自然災(zāi)害損失程度進(jìn)行量化評估，以便從整體上把握災(zāi)害損失狀況，判斷受災(zāi)程度。為了客觀、全面地評估自然災(zāi)害，需要綜合考慮各種災(zāi)害造成的各類損失情況，最終才能得到自然災(zāi)害的總體損失評估結(jié)果（程立海等，2011）。若只針對某一種災(zāi)害或僅依賴于某一類災(zāi)情數(shù)據(jù)很難對區(qū)域自然災(zāi)害損失程度進(jìn)行全面描述和評價，這就需要探索一定方法把多元災(zāi)情數(shù)據(jù)歸一化為無量綱的評價指標(biāo)，進(jìn)而擬合成能夠全面、客觀反映自然災(zāi)害造成承災(zāi)體各方面損失的綜合指數(shù)。

國內(nèi)學(xué)者就如何形成災(zāi)害損失程度劃分的量化指標(biāo)，已開展大量研究，并提出了多種方法。如馬宗晉和李閔峰（1990）提出災(zāi)度的概念及劃分方法，以人口直接死亡數(shù)和社會財產(chǎn)損失值作為判別因子，將自然災(zāi)害的災(zāi)情分為巨、大、中、小、微5個災(zāi)度。趙阿興和馬宗晉（1993）在絕對值度量指標(biāo)災(zāi)度的基礎(chǔ)上，提出相對量指標(biāo)災(zāi)損率的概念，建立了災(zāi)損率的等級劃分標(biāo)準(zhǔn)。邱玉珺等（2003）認(rèn)為災(zāi)害發(fā)生的次數(shù)和災(zāi)害種類與災(zāi)情強(qiáng)度密切相關(guān)，提出基于災(zāi)次和災(zāi)種兩個數(shù)量化的災(zāi)情強(qiáng)度指數(shù)，用于開展多區(qū)域、多災(zāi)種的災(zāi)情強(qiáng)度評價模型。程立海等（2011）提出了基于綜合災(zāi)情指數(shù)自然災(zāi)害強(qiáng)度的評估方法，通過對一系列災(zāi)情評價因子進(jìn)行歸一化、加權(quán)求和，得到定量化的災(zāi)害評估指數(shù)，開發(fā)了綜合災(zāi)情指數(shù)工具。袁藝（2011）選取了8個基本災(zāi)情指標(biāo)，利用災(zāi)情綜合指數(shù)法構(gòu)建了災(zāi)情指數(shù)，包括絕對指數(shù)和相對指數(shù)。張星（2009）將客觀賦權(quán)的熵權(quán)法與綜合評價法有機(jī)結(jié)合，提出了一種自然災(zāi)害災(zāi)情的熵權(quán)綜合評價方法。廖永豐等（2013）基于2000—2011年自然災(zāi)害災(zāi)情統(tǒng)計數(shù)據(jù)，構(gòu)建了絕對和相對兩種災(zāi)情指數(shù)，對旱災(zāi)、洪澇、臺風(fēng)、風(fēng)雹4種災(zāi)害災(zāi)情進(jìn)行了分級。張鵬等（2015）提出了一種基于幾何平均的綜合災(zāi)情指數(shù)計算方法，在時間和空間兩個維度對給定區(qū)域的災(zāi)害損失進(jìn)行定量化評價。鄭美霞和劉玲（2022）利用2011—2020年江西省自然災(zāi)害災(zāi)情統(tǒng)計數(shù)據(jù)，構(gòu)建災(zāi)情絕對指數(shù)，并對江西省自然災(zāi)害損失和時空分布情況進(jìn)行了研究分析。

綜合災(zāi)情指數(shù)是目前應(yīng)用較為廣泛的災(zāi)害損失程度評估方法，利用此方法可對多種典型自然災(zāi)害損失程度、分異規(guī)律和時空特征開展了研究分析（曾玲艷等，2018；李祚泳等，2004；朱浩等，2015；唐麗麗，2011；張方浩等，2018；劉軍等，2015；王鵬，2018；陳家寧等，2020；張柳紅等，2021）。針對綜合災(zāi)情指數(shù)法中災(zāi)情指標(biāo)分層級的特點，考慮到對各層級量化指標(biāo)進(jìn)行客觀賦權(quán)的問題，本文引入客觀賦權(quán)的熵權(quán)法和幾何平均模型對綜合災(zāi)情指數(shù)法的評估過程進(jìn)行改進(jìn)，并將其應(yīng)用于1978—2020年云南省9種主要自然災(zāi)害損失程度評估。綜合分析云南自然災(zāi)害災(zāi)情的時空分布格局及特點，承災(zāi)體損失情況及16個州（市）的災(zāi)害損失程度，為云南省開展區(qū)域自然災(zāi)害風(fēng)險評估，防范重大災(zāi)害風(fēng)險工作提供重要科學(xué)依據(jù)。

1數(shù)據(jù)選取及研究方法

本文采用的數(shù)據(jù)資料包括：①云南省年度自然災(zāi)害災(zāi)情數(shù)據(jù)，包括人口員受災(zāi)、農(nóng)作物受災(zāi)、房屋倒損、經(jīng)濟(jì)損失情況等，數(shù)據(jù)來源于1978—2020年云南省減災(zāi)年鑒；②云南省年度社會經(jīng)濟(jì)數(shù)據(jù)，包括年末總?cè)丝?、農(nóng)作物播種面積、地區(qū)生產(chǎn)總值等，來源于1978—2020年云南省統(tǒng)計年鑒。這些數(shù)據(jù)均由應(yīng)急管理部門統(tǒng)計核定并通過專家評審，數(shù)據(jù)較為準(zhǔn)確可靠。

綜合災(zāi)情指數(shù)是對一系列災(zāi)情評價因子進(jìn)行歸一化和加權(quán)處理，以便定量化地反映受災(zāi)的嚴(yán)重程度，它是給定時間范圍內(nèi)一個區(qū)域受災(zāi)情況的總體衡量尺度（張鵬等，2015；程立海等，2011）。綜合災(zāi)情指數(shù)包括絕對災(zāi)情指數(shù)和相對災(zāi)情指數(shù)，絕對災(zāi)情指數(shù)用于表征區(qū)域災(zāi)害損失大小，相對災(zāi)情指數(shù)用于表征區(qū)域社會經(jīng)濟(jì)受影響的程度（袁藝，2011；廖永豐等，2013）。本文選取兩種災(zāi)情指數(shù)作為定量評估指標(biāo)，利用綜合災(zāi)情指數(shù)開展區(qū)域自然災(zāi)害損失程度評估方法。

1.1指標(biāo)構(gòu)建

自然災(zāi)害災(zāi)情包括多方面統(tǒng)計指標(biāo)，目的是客觀揭示災(zāi)害造成某個區(qū)域的總體損失和影響，因此開展災(zāi)害損失程度評估時應(yīng)選擇有代表性的指標(biāo)構(gòu)建災(zāi)情指數(shù)。本文采用德爾菲法，利用通信咨詢方式邀請了10位自然災(zāi)害應(yīng)急管理、災(zāi)害損失評估、災(zāi)害風(fēng)險評估方面的專家對區(qū)域自然災(zāi)害損失評估指標(biāo)進(jìn)行函詢。德爾菲法是由調(diào)查者擬定調(diào)查表，以函件的方式分別向相關(guān)領(lǐng)域?qū)＜医M成員進(jìn)行征詢，專家組成員以匿名的方式提交意見。經(jīng)過反復(fù)征詢和反饋，專家組成員的意見逐步趨于集中，最后獲得具有很高準(zhǔn)確率的集體判斷結(jié)果。專家們對指標(biāo)的選取、指標(biāo)的意義、指標(biāo)值的表達(dá)方式等方面提出了大量的建議和意見，根據(jù)專家意見對指標(biāo)進(jìn)行梳理和調(diào)整，得到了綜合災(zāi)情指數(shù)，并得到區(qū)域自然災(zāi)害損失程度評估指標(biāo)體系（圖1）。

從圖1可見，區(qū)域自然災(zāi)害損失程度評估綜合災(zāi)情指數(shù)（A）為目標(biāo)層，影響目標(biāo)層的4個因子分別表征人口受災(zāi)程度、農(nóng)作物損失程度、房屋損失程度和經(jīng)濟(jì)損失程度。其中前3個因子，每個因子包含2個具體指標(biāo)，經(jīng)濟(jì)損失只包含1個具體指標(biāo)。這7項是災(zāi)后損失評估和應(yīng)急救災(zāi)工作中最受關(guān)注的指標(biāo)，能夠綜合反映自然災(zāi)害對一個區(qū)域經(jīng)濟(jì)社會造成的影響和損失程度，特別是死亡失蹤人口指標(biāo)，是災(zāi)害應(yīng)急管理的核心指標(biāo)，決定著自然災(zāi)害應(yīng)急響應(yīng)的級別和應(yīng)急救災(zāi)的規(guī)模。

選取適當(dāng)?shù)脑u估指標(biāo)是做好區(qū)域自然災(zāi)害損失程度評估的基礎(chǔ)。由于評估指標(biāo)的數(shù)值大小會受到統(tǒng)計區(qū)域承災(zāi)體總量的影響，因此在選取上述具體評估指標(biāo)的基礎(chǔ)上，選擇評估區(qū)總?cè)丝?、農(nóng)作物播種總面積、民房總數(shù)量和國內(nèi)生產(chǎn)總值參與相對指標(biāo)的構(gòu)建，并利用相對數(shù)值進(jìn)行損失程度評估和區(qū)域比較，就能充分反映區(qū)域自然災(zāi)害損失的強(qiáng)度和災(zāi)害對區(qū)域社會經(jīng)濟(jì)的影響程度（袁藝等，2011）。

1.2數(shù)據(jù)預(yù)處理

隨著社會經(jīng)濟(jì)的發(fā)展，地區(qū)生產(chǎn)總值和物價水平不斷提高，歷史自然災(zāi)害的直接經(jīng)濟(jì)損失不能用當(dāng)時的價格數(shù)據(jù)去衡量，為進(jìn)行科學(xué)合理的統(tǒng)計比較，需將歷史自然災(zāi)害的直接經(jīng)濟(jì)損失按多年可比的直接經(jīng)濟(jì)損失進(jìn)行折算。以2020年價格水平為基準(zhǔn)進(jìn)行折算，采用1978—2020年云南各州（市）的GDP增長率將各年份的損失統(tǒng)一換算為2020年可比價（張方浩等，2020）。2020年可比價格直接經(jīng)濟(jì)損失計算公式為：

式中：L2020-i為2020年相對于第i年的直接經(jīng)濟(jì)損失；Li為第i年的直接經(jīng)濟(jì)損失；C2020-i為2020年相對于第i年的地區(qū)生產(chǎn)總值增長率。

1.3指標(biāo)歸一化

由于災(zāi)情數(shù)據(jù)為多元統(tǒng)計量，各評價指標(biāo)的量綱不同，為了便于后續(xù)計算，需要將評價指標(biāo)的量值進(jìn)行歸一化處理。本文采用極差變換法（李美娟等，2004）對自然災(zāi)害評價指標(biāo)進(jìn)行歸一化處理。本文選取的指標(biāo)均為正向指標(biāo)，指標(biāo)值越大表示受災(zāi)或損失程度越重，正向評價指標(biāo)歸一化公式為：

式中：Y為歸一化指標(biāo)；Xi為指標(biāo)的原始值；max（Xi）和min（Xi）表示該指標(biāo)在1978—2020年間的最大值和最小值。

1.4指標(biāo)權(quán)重確定

評價指標(biāo)的權(quán)重大小代表著評價指標(biāo)對評價結(jié)果的影響程度，綜合評價中常用的指標(biāo)權(quán)重系數(shù)的確定方法有專家經(jīng)驗法和層次分析法（劉自遠(yuǎn)，劉成福，2006；鄧樹榮等，2017；習(xí)聰望等，2016；張雙鳳等，2011），但是這兩種方法中專家的主觀意愿比重較大，不同專家給出的結(jié)果可能大相徑庭，不能保證結(jié)果的客觀性（張方浩等，2018）。在信息論中常用信息熵評價所獲信息的有序度及其效用從而盡量避免各評價指標(biāo)權(quán)重的人為因素干擾，使評價結(jié)果更符合實際（張星，2009）。因此，本文采用熵權(quán)法來確定評價指標(biāo)權(quán)重。由于熵權(quán)法的信息均來自于客觀數(shù)據(jù)，故能夠很好地保證結(jié)果的客觀性和準(zhǔn)確性（方成杰等，2016）。

假定有ｍ個評價對象，每個對象有ｎ個評價指標(biāo)，將評價指標(biāo)數(shù)據(jù)構(gòu)建標(biāo)準(zhǔn)化矩陣為：

1.5綜合災(zāi)情指數(shù)計算

算術(shù)平均值易受極端數(shù)據(jù)的影響，這是因為平均值反應(yīng)靈敏，任何單一指標(biāo)數(shù)值的極端變化都會影響到最終評價結(jié)果（羅良清，魏和清，2011）。相比算術(shù)平均值，幾何平均值對單一指標(biāo)明顯偏大的數(shù)據(jù)不敏感，不易出現(xiàn)均值向偏倚分布數(shù)據(jù)大幅傾斜的情況。因此本文基于幾何平均模型計算綜合災(zāi)情指數(shù)，要求用于計算的多元數(shù)據(jù)各項指標(biāo)非零，因此需將所有歸一化后具體指標(biāo)數(shù)據(jù)中的0值替換為一個小值0.01。

使用幾何平均模型計算綜合災(zāi)情指數(shù)，即各歸一化具體指標(biāo)值的幾何加權(quán)平均值，計算公式如下：

式中：A為某個區(qū)域綜合絕對災(zāi)情指數(shù)；Cij為第i個因子下第j個具體指標(biāo)歸一化后的值；Wij為第i個因子下第j個具體指標(biāo)的權(quán)重，由式（3）～（6）計算得到。

1.6災(zāi)害損失程度分級

基于綜合災(zāi)情指數(shù)，采用自然斷點法對云南省各州（市）的總體災(zāi)害損失程度進(jìn)行分級。這是一種根據(jù)數(shù)值統(tǒng)計分布規(guī)律分級和分類的統(tǒng)計方法，能使類與類之間的不同最大化。這種分級方法不受人為知識的干擾，完全基于數(shù)據(jù)本身（白仙富等，2022）。本文采用自然斷點法，根據(jù)區(qū)域綜合災(zāi)情指數(shù)的值進(jìn)行分類，在設(shè)定分為5個等級的情況下，通過聚類分析將相似性最大的數(shù)值分在同一個等級，差異最大的數(shù)值分在不同的等級，可以較好地保持?jǐn)?shù)值的統(tǒng)計特征，更客觀準(zhǔn)確地揭示各評估區(qū)的受災(zāi)情況和災(zāi)害損失程度的空間分布格局。

2實例應(yīng)用

基于上述改進(jìn)的綜合災(zāi)情指數(shù)法，以1978—2020年云南省干旱災(zāi)害、洪澇災(zāi)害、地震災(zāi)害、地質(zhì)災(zāi)害、臺風(fēng)災(zāi)害、風(fēng)雹災(zāi)害、低溫冷凍災(zāi)害、雪災(zāi)以及森林草原火災(zāi)等9種自然災(zāi)害災(zāi)情數(shù)據(jù)為例，對災(zāi)害損失程度進(jìn)行分級評估，并檢驗實用性和有效性。本文收集整理了1978—2020年改進(jìn)方法的云南省各州（市）9種自然災(zāi)害累積損失的絕對指標(biāo)值，包括受災(zāi)人次（VDn）、死亡失蹤人口（DMn）、農(nóng)作物受災(zāi)面積（CDia）、農(nóng)作物絕收面積（CDea）、倒塌房屋間數(shù)（BCn）、損壞房屋間數(shù)（HDn）、直接經(jīng)濟(jì)損失（DEl）共7項，相對指標(biāo)值包括年均每十萬受災(zāi)人口（Aa-VDn）、年均每十萬人死亡失蹤人口（Aa-DMn）、年均農(nóng)作物受災(zāi)面積占播種面積比重（Ap-CDia）、年均農(nóng)作物絕收面積占播種面積比重（Ap-CDea）、年均每十萬間倒塌房屋數(shù)（Aa-BCn）、年均每十萬間損壞房屋數(shù)（Aa-HDn）、年均直接經(jīng)濟(jì)損失占GDP比重（Ap-DEl）共7項，進(jìn)行歸一化處理，并做0值替換為0.01處理，結(jié)果見表1。

根據(jù)表1數(shù)據(jù)建立矩陣，根據(jù)式（4）進(jìn)行各指標(biāo)信息熵Ｈｊ的計算，將各指標(biāo)的Ｈｊ代入式（6）得到各指標(biāo)的熵權(quán)Wj，各評價指標(biāo)權(quán)重見表2。

基于各指標(biāo)權(quán)重系數(shù)，根據(jù)式（7）計算得到評估單元綜合災(zāi)情指數(shù)，采用自然斷點法將各評估單元綜合災(zāi)情指數(shù)從小到大劃分為5類，分別代表評估單元自然災(zāi)害綜合損失微度、輕度、中度、重度、特重５個等級，得到1978—2020年云南省16個州（市）自然災(zāi)害綜合絕對和相對損失程度分布圖（圖2）。

由圖2a可見，1978—2020年云南省自然災(zāi)害綜合絕對損失程度分為5個等級，特重?fù)p失地區(qū)是昭通市；重度損失地區(qū)是楚雄州、普洱市、大理州、曲靖市、文山州；中度損失地區(qū)是麗江市、保山市、臨滄市、昆明市、紅河州；輕度損失地區(qū)是玉溪市、德宏州；微度損失地區(qū)是怒江州、迪慶州、西雙版納州。由圖2b可見，1978—2020年云南省自然災(zāi)害綜合相對損失程度亦分為5個等級，特重?fù)p失地區(qū)是麗江市；重度損失地區(qū)是昭通市、普洱市、楚雄州、文山州、怒江州、迪慶州；中度損失地區(qū)是大理州、臨滄市、保山市；輕度損失地區(qū)是曲靖市、玉溪市、紅河州、西雙版納州；微度損失地區(qū)是昆明市、德宏州。

綜上，從災(zāi)害損失總量來看，損失較重的區(qū)域分布在滇東的昭通—曲靖—文山一帶，以及滇西的大理—楚雄—普洱地區(qū)。從社會經(jīng)濟(jì)受影響的程度來看，損失較重的區(qū)域分布在滇西的迪慶—怒江—麗江—楚雄—普洱一帶，以及滇東的昭通、文山地區(qū)。

3分析與討論

3.1各州（市）損失程度對比

按照災(zāi)情綜合絕對和綜合相對指數(shù)來劃分1978—2020年云南省自然災(zāi)害絕對損失程度，部分州（市）的結(jié)果差異較大，這主要是由2個指數(shù)的表征不同所造成。為此，需要綜合兩個指數(shù)將災(zāi)害損失程度分為4類：災(zāi)害損失總量較大且對本地產(chǎn)生較大影響（Ⅰ類）、災(zāi)害損失總量較大但對本地影響較小（Ⅱ類）、災(zāi)害損失總量較小但對本地影響較大（Ⅲ類）、災(zāi)害損失總量較小且對本地影響較小（Ⅳ類）（袁藝等，2011）。按照上述分類方法，分別計算云南省各州（市）綜合絕對和相對災(zāi)情指數(shù)的算術(shù)平均值，將2個指數(shù)都大于算術(shù)平均值的州（市）劃分為Ⅰ類地區(qū)，將綜合絕對指數(shù)大于算術(shù)平均值而綜合相對指數(shù)小于算術(shù)平均值的州（市）劃分為Ⅱ類地區(qū)，將綜合絕對指數(shù)小于算術(shù)平均值而綜合相對指數(shù)大于算術(shù)平均值的州（市）劃分為Ⅲ類地區(qū)，將2個指數(shù)都小于算術(shù)平均值的州（市）劃分為Ⅳ類地區(qū)，結(jié)果見表3。

Ⅰ類區(qū)域包含昭通市、普洱市、楚雄州、文山州。滇東北的昭通市人口總量全省排名第3位，人口密度排名第2位，人均GDP排名倒數(shù)第1位，但災(zāi)情綜合絕對指數(shù)居全省之首；滇南的普洱市是全省國土面積最大的地區(qū)；滇中的楚雄州人口數(shù)量和國土面積均處于全省排名中上位置，也是全省最易發(fā)生干旱的區(qū)域；滇東南的文山州國土面積全省排名第3，人口總量排名第6，人均GDP排名倒數(shù)第2。這類區(qū)域的特點是人口數(shù)量和國土面積全省排名偏上或最高，經(jīng)濟(jì)實力全省排名偏下或最低，承災(zāi)體總量大，經(jīng)濟(jì)欠發(fā)達(dá)，承災(zāi)體易損性高，災(zāi)害損失總量較大且對本地產(chǎn)生較大影響。

Ⅱ類區(qū)域包含曲靖市、大理州。滇東曲靖市的人口總量和GDP全省排名第2，國土面積排名第4；滇西大理州人口數(shù)量、GDP和國土面積均排名第5。這類區(qū)域的特點是人口數(shù)量、國土面積和經(jīng)濟(jì)實力均處于全省排名偏上位置（前5位）。承災(zāi)體總量大，經(jīng)濟(jì)較發(fā)達(dá)，承災(zāi)抗災(zāi)及災(zāi)后恢復(fù)能力強(qiáng)，災(zāi)害損失總量較大但對本地影響較小。

Ⅲ類區(qū)域包含麗江市、怒江州、迪慶州。這3個州（市）均位于滇西北，麗江市人口總量和農(nóng)作物播種面積全省排名倒數(shù)第4位，GDP排名倒數(shù)3位；怒江州和迪慶州人口總量、農(nóng)作物播種面積和GDP均為全省排名后2位。這類區(qū)域的特點是人口數(shù)量、農(nóng)作物播種面積和GDP均處于全省排名靠后位置（后4位）。承災(zāi)體總量小，經(jīng)濟(jì)不發(fā)達(dá)，自然環(huán)境惡劣，承災(zāi)抗災(zāi)及災(zāi)后恢復(fù)能力弱，災(zāi)害損失總量較小但對本地影響較大。

Ⅳ類區(qū)域包含臨滄市、保山市、紅河州、昆明市、玉溪市、德宏州、西雙版納州。其中昆明市、玉溪市單位經(jīng)濟(jì)總量最大，人均GDP全省排名前2位；臨滄市、德宏州、西雙版納州、保山市森林覆蓋率約為70%以上且年均降雨量在1000mm以上；德宏州、玉溪市、西雙版納州、保山市國土面積位均為全省排名后5位。這類區(qū)域的特點是單位經(jīng)濟(jì)總量大或部分地區(qū)經(jīng)濟(jì)高度發(fā)達(dá)，承災(zāi)體總量小，森林覆蓋率高、降雨量充沛、自然環(huán)境條件好，承災(zāi)抗災(zāi)及災(zāi)后恢復(fù)能力強(qiáng)，災(zāi)害損失總量較小且對本地影響較小。

3.2不同災(zāi)種損失程度對比

對1978—2020年云南省9種自然災(zāi)害災(zāi)情數(shù)據(jù)進(jìn)行統(tǒng)計分析，43年間云南省因自然災(zāi)害受災(zāi)43901.5萬人次，年均受災(zāi)1020.97萬人，死亡失蹤12875人；農(nóng)作物受災(zāi)面積4011.46萬公頃，農(nóng)作物絕收面積542.04萬公頃；共造成179.53萬間房屋倒塌，1487.07萬間房屋損壞，直接經(jīng)濟(jì)損失3651.14億元。為細(xì)化不同災(zāi)種與各災(zāi)情指標(biāo)之間的關(guān)系，選取7個指標(biāo)統(tǒng)計了1978—2020年云南省各災(zāi)情指標(biāo)損失總量中不同災(zāi)種的比例，因部分災(zāi)種損失占比太小，無法標(biāo)繪，圖中只顯示損失占比前3名的災(zāi)種（圖3）。

從圖3可見，受災(zāi)人口主要由干旱、洪澇、風(fēng)雹災(zāi)害造成，占比高達(dá)79%；死亡失蹤人口主要由洪澇、地震、地質(zhì)災(zāi)害造成，占比高達(dá)90%；農(nóng)作物受災(zāi)和絕收面積主要由干旱、洪澇、風(fēng)雹災(zāi)害造成，占比達(dá)87%和86%；房屋倒塌和損壞間數(shù)主要由洪澇、地震、風(fēng)雹災(zāi)害造成，占比達(dá)90%和95%；直接經(jīng)濟(jì)損失主要由干旱、洪澇、地震災(zāi)害造成，占比達(dá)75%，3種災(zāi)害各占三分之一。從災(zāi)種情況來看，對云南省影響較為嚴(yán)重的災(zāi)害類型主要有干旱、洪澇、地震、風(fēng)雹和地質(zhì)災(zāi)害。干旱災(zāi)害會造成大量人口受災(zāi)，大面積農(nóng)作物受災(zāi)甚至絕收，進(jìn)而造成直接經(jīng)濟(jì)損失。洪澇災(zāi)害造成人口受災(zāi)、死亡、失蹤，農(nóng)作物受災(zāi)和絕收，房屋倒塌和損壞，直接經(jīng)濟(jì)損失，7個災(zāi)情指標(biāo)所占比例均在前3位，是一種對各類承災(zāi)體影響和破壞較重的自然災(zāi)害。地震災(zāi)害主要造成大量房屋倒損和受損，人口死亡、失蹤及直接經(jīng)濟(jì)損失。風(fēng)雹災(zāi)害造成7個災(zāi)情指標(biāo)所占比例均在前4位，各災(zāi)情指標(biāo)所占比例為10%左右，所以也是一種對各類承災(zāi)體影響較重的災(zāi)害。地質(zhì)災(zāi)害主要造成較嚴(yán)重的人口死亡、失蹤及一定的房屋倒塌和直接經(jīng)濟(jì)損失。

4結(jié)論

本文采用德爾菲法，選擇基本災(zāi)情指標(biāo)以及相關(guān)的社會經(jīng)濟(jì)指標(biāo)，構(gòu)建自然災(zāi)害損失程度評估指標(biāo)體系，再引入客觀賦權(quán)的熵權(quán)法和幾何平均模型，對綜合災(zāi)情指數(shù)法的評估過程進(jìn)行改進(jìn)，然后利用改進(jìn)的綜合災(zāi)情指數(shù)法評估了1978—2020年云南省各州（市）9種主要自然災(zāi)害損失程度，并對云南省自然災(zāi)害總體損失、各州（市）和不同災(zāi)種情況、空間分布特征進(jìn)行了研究，得出以下結(jié)論：

（1）從災(zāi)害損失總量來看，損失較重的區(qū)域分布在滇東的昭通—曲靖—文山一帶，以及滇西的大理—楚雄—普洱地區(qū)。從社會經(jīng)濟(jì)受影響的程度來看，損失較重的區(qū)域分布在滇西的迪慶—怒江—麗江—楚雄—普洱一帶，以及滇東的昭通、文山地區(qū)。

（2）根據(jù)災(zāi)情綜合絕對指數(shù)和綜合相對指數(shù)，將云南省16個州（市）災(zāi)害損失程度分成4種類型，即損失總量較大且對本地產(chǎn)生較大影響（包括昭通市、普洱市、楚雄州、文山州）、災(zāi)害損失總量較大但對本地影響較?。òㄇ甘?、大理州）、災(zāi)害損失總量較小但對本地影響較大（包括麗江市、怒江州、迪慶州）、災(zāi)害損失總量較小且對本地影響較?。òㄅR滄市、保山市、紅河州、昆明市、玉溪市、德宏州、西雙版納州）。評估結(jié)果與各州（市）的實際情況相符，說明本文所給出的改進(jìn)綜合災(zāi)情指數(shù)法是評估區(qū)域災(zāi)害損失程度較為實用的方法。

（3）對云南省影響較為嚴(yán)重的自然災(zāi)害類型主要是干旱、洪澇、地震、風(fēng)雹和地質(zhì)災(zāi)害。干旱災(zāi)害主要是造成大量人口受災(zāi)，大面積農(nóng)作物受災(zāi)甚至絕收，進(jìn)而造成直接經(jīng)濟(jì)損失，洪澇和風(fēng)雹災(zāi)害對各類承災(zāi)體影響和破壞均較重，地震災(zāi)害主要造成大量房屋倒損和受損，人口死亡、失蹤及直接經(jīng)濟(jì)損失，地質(zhì)災(zāi)害主要造成較嚴(yán)重的人口死亡、失蹤及一定的房屋倒塌和直接經(jīng)濟(jì)損失。

（4）為使評估結(jié)果盡可能客觀，本文引入客觀賦權(quán)的熵權(quán)法確定評估指標(biāo)權(quán)重，采用幾何平均法計算綜合災(zāi)情指數(shù)，利用自然斷點法劃分災(zāi)害損失程度，這3種方法都是基于數(shù)據(jù)本身的客觀方法。相較現(xiàn)有方法，本文提出的改進(jìn)綜合災(zāi)情指數(shù)法，在評估指標(biāo)權(quán)重確定時不受專家經(jīng)驗和偏好影響，對具體災(zāi)情指標(biāo)分布偏差較大的數(shù)據(jù)也不敏感，災(zāi)害損失程度的分級能客觀準(zhǔn)確地揭示各評估區(qū)的受災(zāi)情況。使用本文改進(jìn)方法對1978—2020年云南省各州（市）9種主要自然災(zāi)害損失程度進(jìn)行實例應(yīng)用，驗證了本文提出的方法的適用性。

參考文獻(xiàn)：

白仙富，戴雨芡，葉燎原，等.2022.基于GIS和專家知識的滇西南地區(qū)滑坡敏感性模糊邏輯推理方法［J］.地震研究，45（1）：118-131.

陳家寧，孫懷衛(wèi)，王建鵬，等.2020.綜合氣象干旱指數(shù)改進(jìn)及其適用性分析［J］.農(nóng)業(yè)工程學(xué)報，36（16）：7.

程立海，唐宏，周廷剛，等.2011.自然災(zāi)害強(qiáng)度的評估方法及應(yīng)用——基于綜合災(zāi)情指數(shù)的研究［J］.自然災(zāi)害學(xué)報，20（1）：46-50.

鄧樹榮，曹彥波，張方浩，等.2017.基于AHP方法的云南地震現(xiàn)場通信技術(shù)系統(tǒng)應(yīng)急響應(yīng)模式研究［J］.地震研究，40（2）：277-285.

方成杰，錢德玲，徐士彬，等.2016.基于可拓學(xué)和熵權(quán)的中巴公路泥石流易發(fā)性評價［J］.自然災(zāi)害學(xué)報，25（6）：18-26.

李美娟，陳國宏，陳衍泰.2004.綜合評價中指標(biāo)標(biāo)準(zhǔn)化方法研究［J］.中國管理科學(xué)，12（S1）：45-48.

李祚泳，楊懷金，燕鵬.2004.基于免疫進(jìn)化算法優(yōu)化的災(zāi)情評估指數(shù)公式及效果檢驗［J］.高原氣象，3（4）：553-557.

廖永豐，趙飛，王志強(qiáng)，等.2013.2000—2011年中國自然災(zāi)害災(zāi)情空間分布格局分析［J］.災(zāi)害學(xué)，28（4）：55-60.

劉軍，宋立軍，盧永坤，等.2015.2014年云南魯?shù)镸S6.5地震災(zāi)害區(qū)域等級劃分研究［J］.地震研究，38（3）：426-431.

劉自遠(yuǎn)，劉成福.2006.綜合評價中指標(biāo)權(quán)重系數(shù)確定方法探討［J］.中國衛(wèi)生質(zhì)量管理，13（2）：44-46.

羅良清，魏和清.2011.統(tǒng)計學(xué)［M］.北京：中國財政經(jīng)濟(jì)出版社，33-35.

馬宗晉，李閔鋒.1990.自然災(zāi)害評估、災(zāi)度和對策，中國減輕自然災(zāi)害研究［C］//全國減輕自然災(zāi)害研究討論會論文集.北京：中國科學(xué)技術(shù)出版社.

邱玉珺，王靜愛，鄒學(xué)勇.2003.區(qū)域災(zāi)情評價模型［J］.自然災(zāi)害學(xué)報，12（3）：48-53.

史培軍，王季薇，張鋼鋒，等.2017.透視中國自然災(zāi)害區(qū)域分異規(guī)律與區(qū)劃研究［J］.地理研究，36（8）：1401-1414.

唐麗麗.2011.基于GIS的臺風(fēng)災(zāi)害災(zāi)情及風(fēng)險評估研究［D］.北京：首都師范大學(xué).

王鵬.2018.基于信息擴(kuò)散理論及數(shù)據(jù)整合的貴州洪災(zāi)風(fēng)險評價研究［J］.中國農(nóng)村水利水電，（2）：109-112.

習(xí)聰望，何少林，陳文凱.2016.地震災(zāi)害人口易損性評估——以甘肅省隴南地區(qū)為例［J］.地震研究，39（2）：288-294.

袁藝.2011.2000—2007年省級區(qū)域自然災(zāi)害災(zāi)情分析［J］.自然災(zāi)害學(xué)報，20（1）：156-162.

曾玲艷，周文劍，陳庭甫，等.2018.基于綜合災(zāi)情指數(shù)方法的2012—2016年江西省自然災(zāi)害災(zāi)情分析［J］.安徽農(nóng)業(yè)科學(xué)，46（12）：64-68.

張方浩，鄧樹榮，杜浩國，等.2018.基于熵權(quán)法的云南縣域歷史地震災(zāi)害等級評價［J］.地震研究，41（2）：319-327.

張方浩，盧永坤，鄧樹榮，等.2020.云南地區(qū)區(qū)域地震災(zāi)害特征［J］.地震研究，43（1）：134-143.

張柳紅，鄭璟，伍紅雨，等.2021.廣東暴雨洪澇災(zāi)害損失定量評估［J］.暴雨災(zāi)害，40（1）：87-93.

張鵬，張云霞，孫舟，等.2015.綜合災(zāi)情指數(shù)——一種自然災(zāi)害損失的定量化評價方法［J］.災(zāi)害學(xué)，30（4）：74-78.

張雙鳳，孫佩卿，李守勇.2011.基于層次分析法的地震預(yù)警分級研究［J］.地震研究，34（3）：389-395，403.

張星.2009.自然災(zāi)害災(zāi)情的熵權(quán)綜合評價模型［J］.自然災(zāi)害學(xué)報，18（6）：189-192.

趙阿興，馬宗晉.1993.自然災(zāi)害損失評估指標(biāo)體系的研究［J］.自然災(zāi)害學(xué)報，2（3）：1-7.

鄭美霞，劉玲.2022.2011—2020年江西省自然災(zāi)害災(zāi)情時空特征分析［J］.自然災(zāi)害學(xué)報，31（2）：233-241.

朱浩，王凱，程向陽，等.2015.安徽省雷電災(zāi)害特征分析及區(qū)域災(zāi)情評估［J］.長江流域資源與環(huán)境，24（1）：162-168.