特困地区自然灾害脆弱性及其致贫效应的调查分析*

颜廷武，张童朝，张俊飚



特困地区自然灾害脆弱性及其致贫效应的调查分析*

颜廷武，张童朝，张俊飚

（华中农业大学经济管理学院，武汉 430070）

为揭示市场化反贫困进程中农户的自然灾害脆弱性及其致贫效应，厘清精准扶贫工作优先序，本文采用滇桂黔石漠化地区和秦巴山区连片特困地区的农户调查数据，对农户灾害风险的感知情况进行分析，并通过熵值法和Probit模型评估农户的自然灾害脆弱性和市场风险脆弱性。通过对二者致贫效应进行对比研究后发现，相较于市场风险，自然灾害尤其旱涝等气象灾害是农户面临的主要威胁。农户自然灾害脆弱性程度更高，说明与市场风险相比，自然灾害对其造成损失的可能性更大。自然灾害脆弱性程度提高会显著增加农户陷入贫困的可能性，其致贫效应强于市场风险脆弱性，但两者致贫效应存在着统计意义上的此消彼长关系。可见，自然灾害致贫问题仍然不容忽视，应将提高特困地区农村抗灾减灾能力摆在首要位置，并促进小农户与大市场的有效对接，惟此方可实现特困地区农户精准脱贫和稳定发展。

农户；贫困；Probit；气象灾害；市场风险

中国地处亚欧大陆东岸，面向太平洋，在最大陆地与最大大洋的共同作用下，季风性气候特征极其显著，旱涝灾害频发[1]，加之地形复杂多样，部分地区地壳运动活跃，暴雨集中季节山体滑坡、泥石流等灾害时有发生[2]，使中国成为世界上受自然灾害影响最为严重的地区之一[3]。自然灾害主要可分为气象水文灾害、海洋灾害、地质地震灾害等[4]，有研究表明，仅2015年中国就因各类自然灾害造成直接经济损失2700多亿元[5]。农业是高度依赖资源条件并受自然环境影响的产业[6]，自然灾害给农业带来严重损失[7]，使农民生活遭受巨大冲击[8-9]。研究发现，自然灾害可能使贫困地区农户变得更加脆弱，导致农村贫困率上升，返贫现象严重[10]，反过来，基础设施落后等原因使贫困地区抗灾能力不足[11-12]，一旦受灾，则损失巨大。可见，自然灾害是贫困发生的重要诱因，而贫困的存在将放大自然灾害损失效应。

事实上，自然灾害并不必然导致严重损失和贫困，这主要取决于受灾群体的自然灾害脆弱性程度。脆弱性原意为“受到伤害的可能性”，在学术研究的不同领域有着不同理解与应用。贫困脆弱性是指陷入贫困的可能性大小[13]，社会脆弱性则关注群体或个人在气候环境和社会经济制度变化下的暴露敏感性和适应性[14]。对于气候脆弱性，2007年IPCC第四次评估报告的关键词为暴露敏感性和适应能力，对脆弱性的定义增加了暴露的内容[15]。自然灾害造成的损失风险问题一直被广泛关注[16]，诸多学者就灾害脆弱性进行了研究，如Wilhelmi等[17]建立起农业旱灾脆弱性框架体系，帅红等[18]定量分析了农户的洪涝灾害脆弱性，谢盼等[19]对城市高温热浪灾害脆弱性进行了评价。

借鉴相关研究，本文定义自然灾害脆弱性为农户受到自然灾害伤害的可能性大小。一般而言，贫困地区自然灾害脆弱性往往较高，由此使得人口贫困与灾害频发相伴而生的问题在连片特困地区农村尤为严重。由《滇桂黔石漠化片区区域发展与扶贫攻坚规划（2011-2020年）》和《秦巴山片区区域发展与扶贫攻坚规划（2011-2020年）》可知，这一特征在滇桂黔石漠化区和秦巴山区两个连片特困地区得到了集中体现。滇桂黔石漠化地区是全国14个片区中扶贫对象最多、少数民族人口最多、所辖县数最多、民族自治县最多的片区。其国土总面积为22.8万km2，属典型的高原山地构造地形，碳酸盐类岩石分布广，石漠化面积大，是中国石漠化问题最严重的地区，其生态脆弱，土地贫瘠，加之基础设施条件差，干旱洪涝等灾害频发，贫困问题严重且致贫原因复杂。秦巴山区以山地丘陵为主，间有盆地，是中国六大泥石流高发区之一，因灾致贫返贫现象严重。片区气候类型多样，垂直变化显著，季风气候特征显著，年均降水量450～1300mm，加之地形复杂，相对封闭，洪涝、干旱、山体滑坡等自然灾害易发多发。两地虽分别位于西南和西北地区，自然环境有别，前者主要表现为石漠化引起的生态脆弱，后者则体现为泥石流等地质灾害多发，但二者均表现出自然灾害高发，农户生计脆弱，贫困面广且程度深的特点，扶贫开发工作任务异常艰巨。

连片特困地区的致贫原因复杂多样，除了面临自然灾害的冲击，农户生产经营同时要应对市场风险的威胁。尽管已有学者研究发现，市场化有助于培育并提升农户自我发展能力，在推动反贫困问题上作用显著[20-21]，但自然灾害依然是农业生产中不可忽视的约束条件[22]，特别是自然条件恶劣，基础设施落后的连片特困地区农村。随着农业市场化进程的深入推进，与农户面临的市场风险威胁相比，自然灾害冲击对连片特困地区农户的致贫效应究竟如何值得关注。这对厘清反贫困工作重点的优先序，制定科学合理的减贫政策，全面推进连片特困地区的精准扶贫至关重要。为此，本文拟利用连片特困地区的实地调研数据，分析农户所面临的灾害风险状况，评估其在自然灾害与市场风险面前的脆弱性程度，并基于与市场风险的对比，探究自然灾害脆弱性的致贫效应，以期为连片特困地区的扶贫攻坚工作提供有益参考借鉴。

1 资料与方法

1.1 数据来源

数据来自于课题组对滇桂黔石漠化地区和秦巴山区开展的农户调查，调查区域涉及广西和陕西两省（区）六县，分两次进行：2013年9月赴广西开展第一次调研，2014年7月赴陕西开展第二次调研。两次调研均采用县级单位下选取乡镇，并按照随机抽样的原则选取行政村进行入户抽样调查，通过面对面访谈形式展开，所使用问卷完全一致，总计收回问卷433份，剔除关键信息漏答等无效问卷，共获取有效问卷419份，问卷有效率96.77%。样本农户分布情况如表1所示。

表1 调研样本分布情况

1.2 方法与指标设定

1.2.1 脆弱性评估方法

本文中的自然灾害包括旱涝、病虫害、滑坡泥石流等各类可能带来农业生产损失的气象、水文、地质等灾害，综合前人研究，其脆弱性程度将从农户面对自然灾害的暴露性、敏感性和适应性三方面予以评估，据此设定具体的指标，为了展开对比研究，同时给出市场风险脆弱性的指标设定，如表2。

指标赋权是对农户自然灾害脆弱性进行评估的关键环节，为避免主观因素所带来的偏误，本文采用客观赋权法中的熵值法对农户的自然灾害脆弱性各指标进行赋权，进而通过加权平均的方法求得农户自然灾害脆弱性的评估值。熵值法是一种根据各指标所含信息有序程度来确定权重的一种方法。信息熵描述了样本数据变化的相对速率，系数越接近1，距目标越近；系数越接近0，距目标越远。信息熵越小，指标权重就越大。其具体步骤为[23]

（1）构建基础矩阵Y=（yij），yij代表第i个农户第j个指标的观测值，i=1，2，…，m。本文共有419个样本农户，故m最大值为419，j=1，2，3（本研究共3个指标）。

（2）利用上述矩阵生成新的矩阵Z=（zij），该矩阵中的元素与上述矩阵元素的对应关系为

（3）求出第j个指标的信息熵Ej和信息效用评价值Dj，即

（2）

式中，常数K=1/ln(m)，本研究m=419，故K=1/ln419。

（4）基于步骤（3），计算指标权重wj和综合评价值vi，即

（5）

式中，vi即为第i个农户的脆弱性评价值，即，农户脆弱性为暴露性、敏感性和适应性3个指标观测值的加权平均数。

1.2.2 计量模型

农户是否陷入贫困是典型的二元选择变量，本文选取Probit模型进行考察。该模型的简化形式可以表达为

式中，P代表农户陷入贫困（Ci=1）的概率，i是第i个农民，C表示农民是否陷入贫困的虚拟变量，本文按照2011年中国农村居民年人均纯收入2300元不变价的贫困标准来定义农户是否贫困，0表示农户年人均纯收入高于2300元，未陷入贫困，1则表示农户年人均纯收入低于2300元，陷入贫困。α、β、γ表示待估计的参数，ε是扰动项。F表示本文所关注的关键变量，即农户自然灾害脆弱性、市场风险脆弱性及二者交互项。X则表示一系列控制变量，即其它可能对农户是否贫困有影响的因素，Xij即为第i个农户在第j个控制变量的观测值。结合相关研究和数据可得性，本文从农民个体特征、家庭特征和地区特征3个层面设定了性别、年龄等12个相应的变量。

表2 自然灾害与市场风险脆弱性指标设定

注：表中关于自然灾害与市场风险暴露性的测度问项为多选题，共提供了13个选项（具体见图1），其中有6项为自然灾害，7项为市场风险，受访者的选项中包含自然灾害与市场风险的任何一项，即被定义为在自然灾害/市场风险方面具有暴露性。

Note：It is a multiple-choice question about the exposure measure of natural disaster and market risk in the table, with a total of 13 options (details are shown in Figure 1) consisting of 6 kinds of natural disasters, 7 kinds of market risk. The interviewee who chooses any kind of natural disaster/market risk is defined as being exposed in natural disasters/market risk.

（1）个体特征。性别对于贫困的影响源自于工作方面的性别歧视[24]，而这种性别方面的差异在以农业生产等体力劳动为主的农村地区尤为明显。主观上，农村家庭依然保留着一定程度“男外女内”思想，而客观上，许多农业生产活动男性更有优势，即使外出务工，亦是如此。由此，不仅使得女性在农业生产方面处于劣势，也使其非农就业机会远远小于男性。年龄与文化程度主要体现了农户人力资本质量的差异[25]，随着年龄的增长，其综合身体素质一般会下降，思想也偏于保守与固化，同时，文化程度低的农户，搜寻、获取与应用信息的能力也较低，这种人力资本质量偏低的农户往往更易陷入贫困。

（2）家庭特征。人口数量对于贫困的影响体现为两个方面，一方面人口数量代表着农户家庭的人力资本存量，人口越多，越能够增加家庭总体收入，利于脱贫致富；但另一方面，人口的增加意味着家庭总消费的增加，显然不利于农户家庭脱贫致富，为了将这两种效应剥离开来，获得更为稳健的结果，本文同时引入了家庭总人口和劳动力数量两个变量。信息化水平方面，现代社会中信息的作用日益重要，信息的获取无疑利于农户做出正确的家庭经营决策，利于脱贫致富[26]。耕地规模方面，较大的耕地规模一方面可以在单产不变的情况下带来农业总收入的增加，另一方面规模经济的存在有利于降低成本，提高农业经营效益[27]，从而利于农户增收致富。农业收入占比反映了农户对农业的依赖度，由于现阶段农业相对于其它产业的比较收益偏低[28]，且易受自然灾害等影响，因此，农业收入占比较高的农户可能会因收入偏低以及不稳定而陷入贫困。

（3）地区特征。河流水库是当地农田水利设施情况的反映，对于提高当地农业灌溉水平和效率[29]，蓄水排洪以抵抗旱涝灾害等十分重要，因此有利于增加和稳定农户收入。交通建设对地区经济发展存在着显著的正向促进作用[30]，“要想富，先修路”，因此，交通设施水平提升将有利于当地农户脱贫。农业合作社可以提升所在地区农业发展的组织化水平，通过提供信息、管理、组织等服务降低农户参与市场的交易成本[31]，提高其农业生产效益。此外，考虑到广西和陕西两地在自然状况、社会经济等方面的诸多差异，本文还通过虚拟变量对两地区进行了控制，以使结果更加稳健。变量的具体设定见表3。

2 结果与分析

2.1 农户对灾害风险感知情况

对农户在农业生产经营中遇到或其认为易遭受的主要风险进行统计，选择某一风险的农户占总样本的比例越高，表明样本农户对该类风险的感知度越高。其中，自然灾害主要包括洪涝灾害、干旱灾害、病虫灾害、风雹灾害、地质灾害和畜禽疫病6项，市场风险主要包括价格异常、物价上涨、假冒伪劣、政策变动、土地征用、家庭变故和社会动乱7项，结果如图1，由于该题项为多选题，故各类风险比例之和大于1。由图1可知，农户对于各类灾害与风险的感知度可分为高、中、低3个层次，高感知度层次中，气象灾害居首，农户感知度最高的为干旱灾害，比例为76.85%，其次是洪涝灾害，占比66.83%，病虫灾害紧随其后，比例为64.92%，三者均高于60%；中感知度层次中，价格异常比例最高，为30.31%，其次是畜禽疫病和风雹灾害，分别为25.06%和24.58%；低感知度层次中，最高的是地质灾害，占比15.27%，其次是物价上涨，占比13.60%，其它均不足10%，家庭变故最低，仅为1.67%。由此可见，农户对于旱涝等自然灾害的感知远远高于价格变动等市场风险，而农业自然灾害中，以旱涝等气象灾害和病虫害为主，这与上文所提及的研究区域概况相一致。

2.2 农户自然灾害与市场风险脆弱性评估结果

农户的自然灾害脆弱性指标权重与评估结果如表4所示，为便于比较分析，本文同时列出市场风险脆弱性的相关评估结果，并给出广西和陕西两地的子样本评估结果。为消除量纲差异，本文采用Min-max方法，即新数据=（原数据-最小值）/（最大值-最小值），对评估结果进行数据标准化。根据表4可知，自然灾害脆弱性和市场风险脆弱性差异较大。就指标权重来看，农户自然灾害脆弱性的三个指标按权重排序依次为：适应性（0.43）>敏感性（0.30）>暴露性（0.27），而市场风险脆弱性的3个指标则差距明显，其中暴露性权重高达0.73，其次为敏感性（0.12），适应性权重仅为0.14；均值方面，农户自然灾害脆弱性均值为0.76，而市场风险脆弱性均值仅为0.52，说明相对于市场风险，农户在自然灾害面前的脆弱性更高。广西和陕西子样本的评估结果与总样本基本一致，即农户自然灾害脆弱性远高于市场风险，其中，陕西样本农户的自然灾害与市场风险脆弱性均略高于广西样本农户。

表3 模型变量设定与说明

表4 样本农户自然灾害脆弱性评估结果

2.3 自然灾害脆弱性致贫效应的计量模型检验

2.3.1 Probit模型回归

先对交互项进行去中心化处理，借助Stata14.0软件，本文采取如下策略进行回归，首先将农户自然灾害脆弱性和市场风险脆弱性及农户个体特征等控制变量纳入方程进行回归，得到模型1，进而引入自然灾害脆弱性与市场风险脆弱性交互项并求出各变量的边际致贫效应得到模型2，最后采取与模型2相同的设定分别对广西和陕西两地的子样本进行分别回归得到模型3和模型4。具体结果如表5所示。

表5 Probit模型回归结果

注：*、**、***分别表示在10%、5%和1%的置信水平上显著。

Note：*、**、***indicate being significant at 10%, 5% and 1% of the confidence level.

由表5可见，当引入自然灾害脆弱性与市场风险脆弱性交互项后，模型的整体拟合优度判定指标Pseudo R2得到了一定程度的提升，且在模型2中，交互项通过了显著性检验，可认为引入交互项是有意义的。

2.3.2 自然灾害脆弱性的致贫效应

模型2中，自然灾害脆弱性通过了5%水平上的显著性检验，且系数为正，边际效应为0.062，说明在其它条件不变的条件下，自然灾害脆弱性提高意味着农户陷入贫困的可能性增加，其平均边际致贫效应为0.062。相应地，市场风险脆弱性系数为正，且通过了10%水平上显著性检验，边际效应为0.042，无论其显著性还是边际效应都略低于自然灾害脆弱性，说明就样本总体来看，市场风险脆弱性对农户的致贫效应低于自然灾害脆弱性。

而在两个子样本的回归，即模型3和模型4中，通过对比可以发现，广西地区的样本农户呈现出与总样本相一致的结果，即自然灾害脆弱性带来的农户陷入贫困的可能性大于市场风险脆弱性；陕西地区的样本农户与总体样本和广西地区的样本农户有所差异，主要表现在自然灾害脆弱性并未通过显著性检验，边际效应为负且绝对值非常小，为-0.023，但市场风险脆弱性通过了5%水平上的显著性检验，系数为正，边际效应为0.038，说明市场风险脆弱性对陕西地区农户存在显著的致贫效应。

自然灾害脆弱性和市场风险脆弱性的交互项在模型2、模型3和模型4中均通过了显著性检验，说明自然灾害脆弱性对农户的致贫效应受到了市场风险脆弱性程度的影响，或者说二者是相互影响的。不同的是，模型2与模型4中，交互项的系数均为负（-1.133和-3.437），相应的边际效应也为负（-0.174和-0.452），说明随着市场风险脆弱性程度的提高，自然灾害脆弱性对农户致贫效应减小，或者说两者的致贫效应存在统计上的此消彼长关系，其原因可能是当市场风险脆弱性达到一定程度时，农户受到了较强程度的市场风险威胁，可能会相对弱化其对于自然灾害及其危害的感知；模型3中，交互项系数为正，说明对于广西地区样本农户而言，自然灾害脆弱性的致贫效应在叠加市场风险脆弱性后会进一步强化，但这一增强趋势的边际效应较微弱，仅为0.007。

2.3.3 其它控制变量的致贫效应

模型2中，文化程度（X3）、总人口（X4）、劳动力数量（X5）、信息化水平（X6）、耕地规模（X7）、农业收入占比（X8）及其地区虚拟变量（X12）通过了显著性检验，其中，文化程度、劳动力数量、信息化水平和耕地规模系数为负，边际效应分别为-0.033、-0.032、-0.169和-0.098，说明在保持其它条件不变的情况下，家庭人力资本的提升，即文化程度的提高和劳动力数量的增加，有助于降低农户陷入贫困的风险；信息化水平的提高可以使农户获取更多信息以及时正确调整生产经营策略，提高风险应对能力与生产经营效益；而耕地规模增加意味着同等条件下更多的生产总量，加之规模经济效应的存在，相应地会带来更多的农业收入，有助于农户摆脱贫困；地区虚拟变量系数为负且通过了显著性检验，说明广西地区样本农户的贫困率显著高于陕西地区，这与表4的数据统计结果一致。

总人口与农业收入占比的系数为正，边际效应分别为0.044和0.169，说明其它条件不变情况下，家庭总人口数量增加和农业收入占比加大将会提高农户陷入贫困的风险。结合实际情况来看，贫困农村家庭多呈现为老人儿童较多，而具有劳动能力的家庭成员较少的特征，另一方面贫困的农村家庭多倾向于生育较多子女，仅有的少数劳动力要负担起更多的家庭成员生活成本，这意味着家庭整体的人力资本质量水平的严重下滑，其陷入贫困的可能性自然也更高；另一方面，农业收入占比高的农户，意味着其对农业生产的依赖度较高且收入来源较为单一，现阶段农业依然是比较效益较低的产业部门，加之其受自然条件影响巨大，收入存在着极大的不稳定性，以农为业的农户自然更容易陷入贫困，这一情况在自然灾害频发的滇桂黔石漠化地区和秦巴山区等连片特困地区无疑表现更为明显。

3 结论与讨论

3.1 结论

（1）相较于市场风险，自然灾害特别是旱涝等气象灾害是农户面临的主要威胁。各类灾害与风险农户最易遭受或接触的主要为：干旱灾害（76.85%）、洪涝灾害（66.83%）、病虫灾害（64.92%），其次是价格异常（30.31%）、畜禽疫病（25.06%）和风雹灾害（24.58%），最后是是地质灾害，占比15.27%，物价上涨，占比13.60%，其它均不足10%。

（2）农户自然灾害脆弱性程度更高，说明与市场风险相比，自然灾害对其带来损失的可能性更大。农户自然灾害脆弱性的3个指标相差不大，按权重排序依次为敏感性（0.30）＞暴露性（0.27）＞适应性（0.43）；农户自然灾害脆弱性均值为0.76，而市场风险脆弱性均值仅为0.52，广西和陕西子样本的评估结果与总样本基本一致，即农户自然灾害脆弱性程度远高于市场风险脆弱性，其中，陕西农户的自然灾害与市场风险脆弱性均略高于广西。

（3）自然灾害脆弱性程度提高会显著增加农户陷入贫困的可能性，其致贫效应强于市场风险脆弱性，但其效应与市场风险脆弱性表现为统计上的此消彼长关系。就样本总体来看，市场风险脆弱性对于农户的致贫效应低于自然灾害脆弱性，随着市场风险脆弱性程度的提高，自然灾害脆弱性对农户致贫效应减小，两者的致贫效应存在统计意义上的此消彼长关系，但广西样本农户的自然灾害脆弱性的致贫效应，在叠加市场风险脆弱性后会进一步强化。此外，文化程度、劳动力数量、信息化水平和耕地规模对农户脱贫具有正向促进作用，而总人口和农业收入占比的增加则会提高农户陷入贫困的风险。

3.2 讨论

精准扶贫要求针对不同区域环境、不同贫困农户状况，运用科学有效程序对扶贫对象实施精确识别，精确帮扶和精确管理。连片特困地区致贫原因复杂，制定有效扶贫政策的前提是准确识别致贫原因，正确制定反贫困工作重点的优先序。农民的生产经营往往面临着自然与市场的双重风险，二者如何相互关联，怎样权衡两者在反贫困工作中的地位和作用，对于精确识别农户致贫机理，展开精准扶贫工作至关重要。关于农户致贫问题，现有报道或着重于探讨自然灾害的冲击[32]，或单一强调市场风险的威胁[26]，本文则将二者统一纳入分析框架，对比分析了自然灾害脆弱性与市场风险脆弱性的致贫效应差异以及二者的交互作用，揭示了市场化反贫困背景下自然灾害的致贫效应，明晰了精准扶贫中因灾致贫问题的角色定位，研究视野上则聚焦于自然灾害多发、贫困问题突出的连片特困地区。就本研究结果来看，自然灾害脆弱性的致贫效应强于市场风险脆弱性，同时，由于两者存在统计意义上的此消彼长关系，在当前中国经济社会发展和农产品商品化水平不断提高的背景下，市场风险日益凸显，可能会使因灾致贫问题易被忽视。尽管随着经济技术发展，中国农业生产和抗灾能力不断增强，但在连片特困地区，自然灾害致贫的问题依然十分严重。应将如何提高贫困地区农村抗灾减灾能力摆在首要位置，以保证农户稳产高产，在此基础上，考虑如何有效促进小农户与大市场的对接，以实现稳产高产前提下的稳收增收。

但是，受限于数据获取问题，本文并未对不同类型自然灾害进行区分，因此也未能对不同自然灾害致贫问题，如灾害特点与致贫效应的关系、各类自然灾害致贫效应的区别与联系以及长期效应和短期效应差异等进行深入分析，此类问题对于细化因灾致贫问题的应对策略，开展精准扶贫十分重要，今后将尝试展开进一步的深化与拓展研究。

[1]裴琳,严中伟,杨辉.400多年来中国东部旱涝型变化与太平洋年代际振荡关系[J].科学通报,2015,60(1):97-108.

Pei L,Yan Z W,Yang H.Multidecadal variability of dry/wet patterns in eastern China and their relationship with the Pacific Decadal Oscillation in the last 413 years[J].Chinese Science Bulletin,2015,60(1):97-108.(in Chinese)

[2]刘传正,刘艳辉.论地质灾害防治与地质环境利用[J].吉林大学学报(地球科学版),2012,42(5):1469-1476.

Li C Z,Liu Y H.Some Discussion on geo-hazards control and geo-environment sustainable development[J].Journal of Jilin University(Earth Science Edition),2012,42(5):1469-1476.(in Chinese)

[3]赵飞,汪洋,刘南江,等.2000-2012年我国自然灾害人口损失情况特征分析[J].灾害学,2013,28(4):139-142.

Zhao F,Wang Y,Liu N J,et al.Characteristics of life losses in natural disasters in China during 2000-2012[J].Journal of Catastrophology,2013,28(4):139-142.(in Chinese)

[4]吴吉东,傅宇,张洁,等.1949-2013年中国气象灾害灾情变化趋势分析[J].自然资源学报,2014,29(9):1520-1530.

Wu J D,Fu Y,Zhang J,et al.Meteorological disaster trend analysis in China:1949-2013[J].Journal of Natural Resources, 2014, 29(9):1520-1530.(in Chinese)

[5]季婉婧,王金平,张元芳.国际防灾减灾智库发展现状与我国新型减灾智库建设[J].世界科技研究与发展,2017, 39(1):112-116.

Ji W J,Wang J P,Zhang Y F.Development of global disaster prevention and mitigation think tanks and construction of Chinese new disaster mitigation think tanks[J].World Sci- tech R&D,2017,39(1):112-116.(in Chinese)

[6]韩长赋.毫不动摇地加快转变农业发展方式[J].求是,2010, (10):29-32.

Han C F.Speed up the transformation of agricultural development mode without a shake[J].Qiu Shi,2010,(10):29- 32.(in Chinese)

[7]何斌,刘志娟,杨晓光,等.气候变化背景下中国主要作物农业气象灾害时空分布特征(Ⅱ):西北主要粮食作物干旱[J].中国农业气象,2017,38(1):31-41.

He B,Liu Z J,Yang X G,et al.Temporal and spatial variations of agro-meteorological disasters of main crops in China in a changing climate(Ⅱ):drought of cereal crops in Northwest China[J].Chinese Journal of Agrometeorology, 2017,38(1): 31-41.(in Chinese)

[8]刘兰芳.水旱灾害对衡阳农村经济的影响及对策[J].中国农业气象,2002,23(1):54-58.

Liu L F.The influence of flood and drought on the rural economy and its protective countermeasures in Hengyang [J].Chinese Journal of Agrometeorology,2002,23(1):54-58. (in Chinese)

[9]林志宇,田贵良.气象灾害对福建粮食产量影响的灰色关联分析[J].中国农业气象,2016,37(1):77-83.

Lin Z Y,Tian G L.Grey correlation analysis of meteorological disasters affecting grain yields in Fujian province[J].Chinese Journal of Agrometeorology,2016,37(1):77-83.(in Chinese)

[10]王国敏.农业自然灾害与农村贫困问题研究[J].经济学家,2005,3(3):55-61.

Wang G M.The study about natural disasters and rural poverty [J].Economist,2005,3(3):55-61.(in Chinese)

[11]赵曦.西藏边境地区贫困调查[J].财经科学,2004,(2):73-77.

Zhao X.The investigation on poverty in Tibet border area[J]. Journal of Agrotechnical,2004,(2):73-77.(in Chinese)

[12]谢秀珍.灾荒、环境与民国山东乡村社会[D].济南:山东大学,2005:21-23.

Xie X Z.Famine,environment and rural society in Shandong [D]. Jinan:Shandong University,2005:21-23.(in Chinese)

[13]许庆,刘进,杨青.农村民间借贷的减贫效应研究:基于健康冲击视角的分析[J].中国人口科学,2016,(3):34-42.

Xu Q,Liu J,Yang Q.The effects of private lending on rural poverty:in the perspective of health incident shock[J]. Chinese Journal of Population Science, 2016,(3):34-42.(in Chinese)

[14]张倩,孟慧新.气候变化影响下的社会脆弱性与贫困:国外研究综述[J].中国农业大学学报(社会科学版),2014,31(2): 56-67.

Zhang Q,Meng H X.Social vulnerability and poverty to climate change:a summary on foreign research[J].China Agricultural University Journal of Social Sciences Edition, 2014,31(2): 56-67.(in Chinese)

[15]郑双怡,金亚男.西南喀斯特地区气候脆弱性农户识别与评估研究[J].中南民族大学学报(人文社会科学版),2017, 37(2):134-139.

Zheng S Y,Jin Y N.Identification and assessment of climate vulnerability of peasant household in karst region[J].Journal of South-Central University for Nationalities(Humanities and Social Sciences),2017,37(2):134-139.(in Chinese)

[16]杨建莹,霍治国,吴立,等.西南地区水稻洪涝灾害风险评估与区划[J].中国农业气象,2016,37(5):564-577.

Yang J Y,Huo Z G,Wu L,et al.Flood risk assessment and zoning for rice in southwest China[J].Chinese Journal of Agrometeorology, 2016,37(5):564-577.(in Chinese)

[17]Wilhelmi O V,Wilhite D A.Assessing vulnerability to agricultural drought:a Nebraska case study[J].Natural Hazards,2002,25(1):37-58.

[18]帅红,刘春平,王慧彦.洞庭湖区农户洪涝灾害脆弱性评价[J].自然灾害学报,2009,18(3):37-42.

Shuai H,Liu C P,Wang H Y.Assessment of vulnerability of peasant household in Dongting lake area to flood disaster[J].Journal of Natural Disasters,2009,18(3):37-42.(in Chinese)

[19]谢盼,王仰麟,彭建,等.基于居民健康的城市高温热浪灾害脆弱性评价:研究进展与框架[J].地理科学进展,2015, 34(2):165-174.

Xie P,Wang Y L,Peng J,et al.Health related urban heat wave vulnerability assessment:research progress and framework[J]. Progress in Geography,2015,34(2):165-174.(in Chinese)

[20]王春超,叶琴.中国农民工多维贫困的演进:基于收入与教育维度的考察[J].经济研究,2014,(12):159-174.

Wang C C,Ye Q.Evolution on the multi-dimensional poverty of Chinese rural migrant workers:based on the dimension of income and education[J].Economic Research Journal,2014, (12):159-174.(in Chinese)

[21]Chyi Y L,Hwang C S.Development of domestic markets and poverty reduction for poor developing economies[J]. Economic Modelling,2011,28:374-381.

[22]杨浩,庄天慧,蓝红星.气象灾害对贫困地区农户脆弱性影响研究:基于全国592个贫困县53271户的分析[J].农业技术经济,2016,(3):103-112.

Yang H,Zhuang T H,Lan H X.The influence of agrometeorology disaster on farmers’ vulnerability:based on the analysis of 53271 farmers in 592 poverty counties, China [J].Journal of Agrotechnical,2016,(3):103-112.(in Chinese)

[23]陈祺琪,张俊飚,蒋磊,等.基于农业环保型技术的农户生计资产评估及差异性分析:以湖北武汉、随州农业废弃物循环利用技术为例[J].资源科学,2016,38(5):888-899.

Chen Q Q,Zhang J B,Jiang L,et al.Assessment and variance analysis on the farmers’ livelihood assets based on the agricultural environmental protection technology:illustrated by the agricultural waste recycling technology in Wuhan and Suizhou of Hubei province[J].Resources Science,2016, 38(5): 888-899.(in Chinese)

[24]马红旗,王韧.对人力资本形成理论的新认识[J].经济学家,2014,(12):33-41.

Ma H Q,Wang R.New understanding of the theory of human capital formation[J].Economist,2014,(12):33-41.(in Chinese)

[25]关江华,黄朝禧,胡银根.基于Logistic回归模型的农户宅基地流转意愿研究:以微观福利为视角[J].经济地理,2013,33 (8):128-133.

Guan J H,Huang C X,Hu Y G.The affecting factors of farmers’ willingness of rural residential land circulation based on Logistic regression model under microscopic welfare perspective[J].Economic Geography,2013,33(8): 128-133.(in Chinese)

[26]张童朝,颜廷武,何可,等.基于市场参与维度的农户多维贫困测量研究:以连片特困地区为例[J].中南财经政法大学学报,2016,(3):38-45.

Zhang T C,Yan T W,He K,et al.The multidimensional poverty measurement of farmers in contiguous poor areas:based on the extended AF method[J].Journal of Zhongnan University of Economics and Law,2016,(3):38-45.(in Chinese)

[27]陈飞,翟伟娟.农户行为视角下农地流转诱因及其福利效应研究[J].经济研究,2015,(10):163-177.

Chen F,Zhai W J.Incentives and welfare effects of rural land transfer from the perspective of farmers' behavior[J]. Economic Research Journal,2015,(10):163-177.(in Chinese)

[28]钟晓兰,李江涛,冯艳芬,等.农户认知视角下广东省农村土地流转意愿与流转行为研究[J].资源科学,2013,35(10): 2082-2093.

Zhong X L,Li J T,Feng Y F,et al.Farmland transfer willingness and behavior in the perspective of farm household cognition in Guangdong province[J].Resources Science,2013,35(10): 2082-2093.(in Chinese)

[29]刘彬彬,陆迁.农村社区小型水利设施合作供给意愿及其影响因素分析:以陕西省泾阳县为例[J].资源科学,2013, 35(6):1159-1166.

Liu B B,Lu Q.Farmers’ supply willingness for small-scale irrigation facilities and its influencing factors:a case study of Jingyang County in Shaanxi[J].Resources Science,2013, 35(6):1159-1166.(in Chinese)

[30]鞠晴江.道路基础设、经济增长和减贫:基于四川的实证分析[J].软科学,2006,(6):52-55.

Ju Q J.Road infrastructure,economic growth and poverty reduction:an empirical analysis based on Sichuan[J].Soft Science, 2006,(6):52-55.(in Chinese)

[31]蔡荣,韩洪云.农户参与合作社的行为决策及其影响因素分析:以山东省苹果种植户为例[J].中国农村观察,2012,(5): 32-40.

Cai R,Han H Y.Farmers’ participation in cooperative behavior decision making and its influencing factors:a case study of apple growers in Shandong Province[J].China Rural Survey, 2012,(5):32-40.(in Chinese)

[32]杨浩,陈光燕,庄天慧,等.气象灾害对中国特殊类型地区贫困的影响[J].资源科学,2016,38(4):676-689.

Yang H,Chen G Y,Zhuang T H,et al.The effects of meteorological disaster on poverty in special areas of China [J].Resources Science,2016, 38(4):676-689.(in Chinese)

Research on Natural Disaster Vulnerability and Its Poverty-Causing Effect in Contiguous Poor Rural Areas

YAN Ting-wu, ZHANG Tong-chao, ZHANG Jun-biao

(College of Economics and Management, Huazhong Agricultural University, Wuhan 430070, China )

In order to explore the natural disaster vulnerability of farmers and its poverty-causing effect in the process of marketization to find the primary point in taking targeted measures in poverty alleviation. Based on the rural survey data of contiguous poor areas in Guangxi and Shaanxi, this paper analyzed farmers’ perception about various disaster risks, evaluated farmers’ vulnerability to natural disaster and market risk. Then the article conducted a comparative study on the poverty-causing effect of natural disaster vulnerability and market risk vulnerability through the Entropy method and Probit model. The results showed that:（1）the farmers’ perception level on the natural disaster is higher than the market risk, which indicates that natural disasters, especially droughts and floods, are the main threats to farmers.（2）Farmers’ natural disaster vulnerability is higher than the market risk vulnerability, which showing that natural disasters are more likely to cause losses than market risks for farmers.（3）The raise of natural disaster vulnerability level will significantly increase the possibility of farmers’ dropping into poverty, its effect to cause poverty is stronger than the market risk vulnerability. But the effect of natural disaster vulnerability is negatively related to market risk vulnerability statistically. Therefore, the poverty caused by natural disasters cannot be ignored, and in order to lift farmers in contiguous poor areas from poverty, it is supposed to take improving the ability of rural disaster mitigation in the first place, and then to promote small farmers participating in big market effectively.

Farmers; Poverty; Probit; Meteorological disaster; Market risk

10.3969/j.issn.1000-6362.2017.08.007

2017-04-25

国家自然科学基金面上项目“作物秸秆资源化利用的减碳潜力与生态环境效应：以水稻为例”（41371520）；教育部哲学社会科学研究重大课题攻关项目“‘绿色化’的重大意义及实现途径研究”（15JZD014）

颜廷武（1978-），副教授，研究方向为农业资源与环境经济。E-mail：yantw@mail.hzau.edu.cn

颜廷武,张童朝,张俊飚.特困地区自然灾害脆弱性及其致贫效应的调查分析[J].中国农业气象,2017,38(8):526-536