基于主成分分析的洪灾损失影响因子评估

朱永飞

(河海大学 公共管理学院， 南京 210000)

基于主成分分析的洪灾损失影响因子评估

朱永飞

(河海大学 公共管理学院， 南京 210000)

为了评估洪灾损失，有针对性地采取相应的防灾减灾措施，选取淮河流域发生洪水灾害较频繁的安徽省几个典型城市作为研究区域，以2007年洪灾为例，在洪水灾害理论的基础上，从致灾因子、孕灾环境、承载体易损性3个方面，选取了7个洪灾损失影响因子，建立评价指标，运用主成分分析法对该区域洪灾损失影响因子进行综合评价。结果表明：降雨量、经济发展水平、人口结构、防洪标准对洪灾损失的影响较大。

主成分分析; 洪灾损失; 影响因子；防灾减灾；洪灾风险评估

1 研究背景

洪水灾害是世界上危害最严重的自然灾害之一，在全球所有自然灾害造成的损失中占40% ，并且往往分布在人口稠密、农业垦殖度高、江河湖泊集中、降雨充沛的地方，如北半球暖温带、亚热带。中国、孟加拉国是世界上洪水灾害最频繁的地方[1]。而且，随着全球气候变暖，年际降水变率的不稳定，洪水灾害的发生越来越频繁，对人类社会的影响和生态环境的破坏越来越大，造成的经济损失也越来越严重。

因洪水灾害造成的损失在自然灾害中占有很大的比重，也是制约国民经济可持续发展的重要因素，对人民的生命财产、家庭、城乡建筑物及区域经济造成巨大的损失，严重影响了国家或地区的经济和社会发展。随着经济的发展、人口的增多，国内因洪灾造成的损失呈不断增长的态势，面对这一问题，分析洪灾损失影响因子是进行洪灾风险评估的基础，也是防洪减灾的需要。

2 研究区域与原始数据

2.1 研究区域

安徽省位于中国东部，位于东经114°54′～119°37′和北纬29°31′～34°38′之间，紧靠以上海为中心的长江三角洲经济区，是临江近海的内陆省份,地处江淮沿线，长江流经安徽中南部，境内全长416 km，淮河流经安徽北部，境内全长430 km。地貌以平原、丘陵和低山为主。安徽省淮河以北为暖温带季风性湿润气候，淮河以南为亚热带季风性湿润气候。

全省有大小河流200多条，湖泊500多个，水库5 000多座。这些河流湖泊在给人带来自然美景的同时，也易在雨水多时漫堤致灾。近年来，由于气候不稳定，降水年变率大等原因，安徽省成为洪水灾害发生频繁的省份之一，相比较江苏、浙江等省份而言，安徽的经济较落后，灾前投资防洪不足，灾后投资恢复力较弱，洪灾损失更为严重。2007年的洪灾对安徽造成巨大的损失，根据2007年全国各地汛情的报道，安徽因洪水造成43人死亡，1 650万人受灾，直接经济损失115亿元。因此，选取洪灾多发省份安徽2007年的洪灾数据进行洪灾损失影响因子评价，并因地制宜地制定防洪减灾措施，提高防灾抗灾能力，减少经济损失,具有实际的研究价值。

2.2 原始数据

为了能较准确地分析安徽省洪灾损失影响因子，原始数据选自《2008年安徽统计年鉴》、《淮河流域防洪规划概要》、安徽省水利志网站和《基于减灾能力评价的洪涝灾害综合风险研究》[2]等资料。同时要对原始数据进行标准化处理，以消除因不同指标数据间单位和量纲的不同而产生的对最终结果准确性和可靠性的影响。数据标准化处理的常用方法有标准差标准化、极大值标准化、极差标准化等。本文选用标准差标准化方法，公式如下：

(1)

3 指标选取与评价方法

3.1 指标选取

从致灾因子、孕灾环境、承载体易损性这几个方面考虑，影响洪灾损失大小的因子很多，若将所有的影响因子都列入到洪灾损失评估指标体系，将会得到庞大的数据体系，而且有些因子之间的相关性较高，容易导致评价结果的不准确性。考虑到评估指标的代表性、综合性、可操作性以及数据的可得性[3]，笔者选取受灾人口和直接经济损失2个指标反映各市灾情，从降雨、经济、人口结构、防洪标准等几个方面选取了7个指标作为洪灾损失影响因子：x1为7月降水量、x2为65岁以上人口比例、x3为森林覆盖率、x4为耕地面积、x5为农作物总播种面积、x6为工业总产值、x7为防洪标准，对安徽省7个市洪灾损失影响因子进行分析，具体参数见表1。

表1 2007年安徽省部分市洪灾损失影响因子

3.2 基本研究方法

主成分分析法是把原来的多个变量划分为少数几个综合指标的一种统计分析方法，和其他评价方法相比，避免了评价过程中权重确定的主观性和随意性，评价结果比较符合实际情况；同时，主成分分量表现为原变量的线性组合，至少可以保留85%以上的变差信息，使评价结果真实可靠[4]。

主成分分析法的计算步骤[5]：

(1) 计算相关系数矩阵R。

(2)

式中rij(i,j=1,2,…,p)为原变量xi与xj的相关系数，rij=rji，其计算公式为

(3)

(2) 计算特征值与特征向量。

(4)

(3) 计算主成分贡献率及累计贡献率。

第i个主成分的贡献率为

(5)

累计贡献率为

(6)

一般取累计贡献率达85%～95%的特征值，λ1,λ2,…,λm所对应的第1，第2，…，第m(m≤p)个主成分来确定主成分的个数。

(4) 计算主成分荷载及各主成分的得分。

主成分荷载的计算公式为

(7)

得到各主成分的载荷后，进一步计算得到主成分得分，即

(8)

4 实例及结果分析

利用安徽省洪灾较严重的2007年统计数据，将7个指标进行标准化处理，利用SPSS软件计算得到主成分特征值及贡献率。根据主成分分析法主成分的确定原则，得到3个主成分(表2)及3个主成分的载荷系数(表3)。

表2 主成分特征值及贡献率

表3 主成分载荷系数

由表2可知，前3个主成分贡献率依次为47.642%,30.683%和15.142%，其累计贡献率为93.467% > 85%。说明前3个主成分基本包含了全部指标所具有的信息，完全符合分析要求。

由表3可知,x6(工业总产值)、x7(防洪标准)在第1主成分上有较大的载荷系数，且都与洪灾损失呈负相关。工业总产值是衡量当地工业发展水平和速度的指标，从长期来看，工业发达的地区人们生活水平较高，当洪水来临时，当地居民有能力雇用车辆和人力帮其搬离灾害区，保证撤退的及时性，减少财产遭受洪水淹没冲毁的可能性；另外，工业发达地区承灾能力相对较强，在不完全依赖国家灾后恢复补贴的情况下，能保证足够的灾害恢复投资资金，保证工业恢复正常生产运营可能性较大，能有效减轻洪灾损失。防洪标准是指防洪保护对象达到防御洪水的水平和能力。防洪标准越高，说明防洪保护对象达到防御洪水的能力越大，保证洪灾损失越小。由于年际降雨量的变化，7月份是洪灾频繁的时间段，在第2主成分中x1的主成分载荷系数为0.921，说明洪灾损失与降雨量高度正相关，这与实际情况相符，降雨是发生洪灾的首要因素，大规模的降雨是发生洪水灾害的必要前提。在第3主成分中x2指标，即65岁以上人口比例的载荷系数为0.985，表明人口结构与洪灾损失高度正相关。年龄偏大的老年人身体抵抗力差，行动不便，加上他们有浓重的恋乡情节以及较差的适应新环境的能力。在不能得到政府或邻里足够帮助的情况下，人员和财产转移困难，受灾情况较年轻人更为严重。结果表明：经济发展水平、防洪标准、降雨量、人口结构4类因子对洪灾损失影响较大。

5 结 论

(1) 主成分分析法是基于降维的思想，在排除多个指标间相关性的基础上，将多个指标转换为少数几个互不相关的指标，从而使进一步研究变得更加简单。本文采用该方法，将影响洪灾损失大小的7个影响因子指标转换为降雨强度、经济发展水平、人口结构、防洪标准4个方面的指标使结果简单化。

(2) 结合分析结果，降雨量属自然情况不可人为控制，但可以从提高防洪工程标准、增强防洪能力、加强洪水预报预测、加强洪水管理等方面来做好防灾减灾对策：①政府应该组织专门的工作小组，在发生灾害时帮助老幼或行动不便者及时、安全撤退，减轻人员的伤亡；②提高防洪工程标准；③政府应制定补偿机制,确定合理的补偿标准,减少居民在洪灾中的损失，提高居民恢复正常生产生活的能力；④增大洪灾宣传力度，提高公众防灾意识；⑤加强灾前预警工作，完善通讯设施。

[1] 陈 颙，史培军．自然灾害[M]．北京：北京师范大学出版社，2007：271．(CHEN Yong，SHI Pei-jun． Natural Disaster[M]．Beijing：Beijing Normal University Press，2007：271．(in Chinese))

[2] 胡俊锋，杨月巧，杨佩国．基于减灾能力评价的洪涝灾害综合风险研究[J]．资源科学，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] 唐风德，蔡天革，陈中林，等.辽宁省生态环境脆弱性评价与分析[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庆市县域经济综合评价[J].重庆工商大学学报(自然科学版)，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，张译丹，等．基于主成分分析法的西安市地下水资源承载力评价[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))

(编辑：陈绍选)

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

水利部公益性行业科研专项经费项目(201301065)

朱永飞(1989-)，女，安徽安庆人，硕士研究生，主要从事土地利用规划与管理方面研究，(电话)15298372695(电子信箱)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