中国自然灾害时空变化及其社会经济效应

王佳宁，宋永永，薛东前

（陕西师范大学地理科学与旅游学院,陕西西安 710119）

20 世纪80 年代以来，日益频发的自然灾害严重影响了世界各国可持续发展及人们生活水平的提高，受到学术界及多个国际组织的广泛关注［1］。中国作为全球范围内受自然灾害影响较重的国家之一，自然灾害种类多、受灾范围广、灾害损失较严重［2］。2018 年，我国累计受灾面积2.08×107hm2，受灾人口13 553.9 万人，直接经济损失达2 644.6 亿元。自然灾害对社会、经济、生态等系统均产生了严重影响，其间接损失难以估计。因此，科学认识我国自然灾害时空规律，精准评估自然灾害产生的社会经济效应，是面向美丽中国建设需求，推进国家防灾减灾救灾工作，进而实现高质量发展的迫切需求。

目前，学术界对自然灾害的研究主要集中在孕灾环境［3］、因子分析［4-5］、时空分布特征［6］、区划研究［7］、自然灾害社会经济影响［8-9］以及防灾减灾［10］等方面，并基于省域［11］、市域［12］、县域［13］尺度对单灾种［14］和综合［15］自然灾害进行了探索。如KAPPES等［16］研究了地震、洪涝、滑坡等自然灾害致灾因子间的相互作用；史培军等［2］指出，我国自然灾害呈东高西低且以东西分异为主的格局特征，并开展了自然灾害区划研究；李炳元等［7］从多灾种及灾情角度将我国划分为3 个一级区、12 个二级区；高云等［17］基于农业单产、总产值等指标研究了自然灾害对农业生产的影响，指出农业减产与自然灾害关系密切；NOY［18］指出，自然灾害对短期内的经济有显著负向作用；胡俊峰等［19］分析了我国防灾减灾工作中存在的问题，并指出未来的发展方向。就自然灾害的社会经济影响而言，SCANLON［20］指出，自然灾害对长期经济发展既有抑制作用，又有正向促进作用；庄道元等［21］通过回归分析，表明自然灾害对农作物产量的负向效应显著且呈下降趋势；傅崇辉等［22］构建了自然灾害对人口影响的实证模型，指出应兼顾短期经济恢复与长期人口影响。现有研究为推进自然灾害的社会经济影响研究做了大量工作，但仍存在不足，首先，研究多集中在对粮食生产、经济增长等单一方面的影响，对社会经济整体影响的研究较少；其次，多以定性研究为主，在定量分析方面较薄弱；最后，对旱灾、涝灾等灾害风险性较高的单一灾种研究较多，对多灾种综合自然灾害的社会经济影响关注较少。

本文基于中国自然灾害统计数据，综合集成统计分析、空间计量模型和地理加权回归（geographical weighted regression，GWR）模型等，研究2000—2018 年中国自然灾害的时空分异，厘定自然灾害对区域社会经济发展的影响程度，揭示自然灾害的社会经济效应，研究结果可以为政府制定防灾减灾政策提供理论参考和决策依据。

1 研究方法与数据来源

1.1 变量选择

以我国31 个省（市、区）为研究对象，分别通过测度绝对灾情指数、相对灾情指数分析2000—2018 年各省绝对受灾程度和相对受灾程度，揭示自然灾害对社会经济发展的空间效应。参照文献［28-29］，选择变量如表1 所示，同时将影响省域社会经济发展的诸多因素，引入控制变量，综合分析自然灾害对经济发展、人口增长和农业生产的影响程度。

表1 模型变量描述Table 1 Description of model variables

1.2 研究方法

1.2.1 灾情指数模型

灾情指数是表征区域受灾程度的重要指标。绝对灾情指数刻画了省域自然灾害的受灾强度；相对灾情指数反映了省域自然灾害的社会经济影响程度。综合考虑基本灾情指标（受灾面积、绝收面积、受灾人口、死亡人口、紧急转移安置人口、倒塌房屋数量、损毁房屋数量、直接经济损失）构建灾情指数模型［11］，计算公式为

其中，Ci为绝对灾情指数，Pi为相对灾情指数，i为区域，j为灾情指标，k为灾情指标与社会经济指标的比值，Xij为i区域的第j个灾情指标，Qik为i区域的第k个灾情指标，aj和bk表示相应权重。

1.2.2 空间自相关模型

空间自相关模型用于检验研究区内的变量在空间上是否存在相关关系。本文采用该模型研究自然灾害灾情指数及社会经济要素的总体集聚格局，通过全局莫兰指数（global Moran'sI）衡量整体空间相关性，模型原理及公式参见文献［23］。

1.2.3 空间计量模型

空间计量模型可揭示地理事物的空间关联性，包括空间滞后模型（space lag model，SLM）和空间误差模型（space error model，SEM），定量分析中国自然灾害对社会经济要素的影响效应。空间杜宾模型（space Dubin model，SDM）是SLM 和SEM 的延伸，同时考虑自变量和因变量的自相关性，将时间效应和空间效应引入普通面板数据模型，以增强参数估计的有效性［24-25］。SDM 设定如下：

其中，yit为第t年i区域的被解释变量观测值，xjt为第t年j区域的解释变量观测值，wij为空间权重矩阵，ρ为被解释变量的空间滞后系数，ϕ为解释变量的回归系数，μi和λi分别为空间效应和时间效应，εit为误差项。

1.2.4 地理加权回归（GWR）模型

GWR 模型将地理空间位置信息引入回归参数，能够更好地反映研究变量的空间异质性［26-27］。本文采用GWR 模型构建中国自然灾害的社会经济效应空间差异回归模型，揭示自然灾害对省域社会经济发展的影响程度。

1.3 数据来源

文中行政区划矢量数据来源于国家基础地理信息中心（http：//ngcc.sbsm.gov.cn）1∶100 全国基础地理数据库；自然灾害基础数据包括省域受灾面积、绝收面积、受灾人口等，来源于2001—2019 年《中国统计年鉴》和《中国民政统计年鉴》；社会经济数据来源于2001—2019 年《中国统计年鉴》、各省统计年鉴以及国民经济和社会发展统计公报。

2 中国自然灾害时空变化特征

基于2000—2018 年我国31 个省（市、区）的受灾数据，通过计算灾情指数均值等得到灾情指数描述性统计结果（表2）。根据相关研究成果［11］，将绝对灾情指数划分为低（0.00～0.20）、较低（0.21～0.30）、中等（0.31～0.40）、较高（0.41～0.55）和高（0.56～1.00）5 个等级，同时通过柱状图表征相对灾情指数（图1）。

21 世纪以来，中国灾情指数总体呈下降趋势，省域间不平衡性显著。由表2 可知，2000 年省域绝对灾情指数和相对灾情指数均值分别为0.28 和0.27，到2018 年分别降至0.25 和0.19，分别下降了10.71%和29.63%，19 a 间，绝对灾情指数的省域差距趋缓，而相对灾情指数的省域差距呈扩大趋势。在快速工业化、城镇化过程中，我国应对自然灾害的能力增强，但省域间防灾减灾水平仍存在显著差异。

表2 2000—2018 年中国灾情指数描述性统计Table 2 Descriptive statistics of disaster index in China from 2000 to 2018

由图1 可知，2000—2018 年中国省域灾情指数具有显著的时空差异，绝对灾情指数和相对灾情指数均呈下降趋势，由以较低受灾程度为主转变为以低受灾程度为主，灾情空间格局呈南高北低的格局特征，其中，高受灾中心呈西南—东南—西南的变化特征。从绝对灾情指数看，高受灾区域主要分布在云贵高原、四川盆地及黄土高原东南部地区，区域自然灾害频发，多旱涝、冻害、泥石流等，受灾面积大，经济损失严重；低受灾区域主要分布在东北平原、华北平原和西北地区，其中上海市、北京市、西藏自治区受灾程度最低，这与灾害发生频次和省域面积密切相关。从相对灾情指数看，海南省、福建省、云南省居于较高水平，受灾人口比、经济损失比和房屋倒损比均较大；西部地区自然灾害发生频次低，相对受灾程度处于较低水平。

图1 2000—2018 年中国省域绝对受灾程度及相对受灾程度变化Fig.1 Absolute and relative degree of disaster in Chinese provinces from 2000 to 2018

2000 年，灾情指数总体处于较低水平。2005 年，除东南沿海地区绝对灾情指数增幅显著外，大多数省份绝对灾情指数略有下降，浙江省、安徽省等受台风影响转变为高受灾区域。2010 年，受灾中心由东南沿海向西北方向转移，青海省、四川省等滑坡泥石流等灾害频发，转变为较高、高受灾区域。2015 年，灾情指数总体有所下降，绝对灾情指数、相对灾情指数均值分别降至0.25 和0.14。西藏自治区相对灾情指数上升显著，受灾人口比、房屋倒损比及经济损失比均较高。2018 年，高受灾区域大幅缩小，形成了以低灾情指数为主的空间格局。西藏自治区、青海省、广西壮族自治区等15 个省（区、市）为低受灾区域，这与自然灾害发生频率及强度较低、省域防灾减灾能力增强密切相关。

3 中国自然灾害灾情的社会经济效应

3.1 灾情社会经济效应的全局空间关联

通过GeoDa 软件计算省域GDP 增长率（GGR）、人口自然增长率（POP）、农业单位面积产量（APY）3 个社会经济要素的单变量Moran'sI值及其显著性（表3），探索其分布集聚特征。结果表明，2000—2018 年，GDP 增长率、人口自然增长率和农业单位面积产量的Moran'sI值均为正，省域社会经济发展存在显著空间自相关性。

表3 社会经济要素Moran's I 值Table 3 Moran's I value of socio-economic factors

3.2 灾情社会经济效应的空间计量模型检验

3.2.1 空间计量模型估计与识别

中国自然灾害社会经济效应的空间计量模型检验结果如表4 所示。结果表明，SLM 的拉格朗日乘数（LM）、稳健拉格朗日乘数（Robust LM）在10%水平上显著，空间关联性主要以滞后项的形式存在。SLM 和SEM 的瓦尔德（Wald）检验、似然比（LR）检验均通过了显著性检验，SDM 不可简化为SLM 或SEM。同时，通过Hausman 检验得到P值小于0.5，明确空间固定效应的SDM 即为最优模型。

表4 空间计量模型检验结果Table 4 Test results of spatial econometric model

3.2.2 全局社会经济效应

将空间效应分解为直接效应和溢出效应，揭示灾情指标、控制变量对本省和邻近省域社会经济发展的影响，如表5 所示。

表5 自然灾害社会经济效应分解结果Table 5 Decomposition results of social-economic effects of natural disasters

从直接效应看，受灾面积对经济发展的直接效应为负，受突发性和不可控性的影响，受灾面积扩大会抑制本地区经济增长；而倒塌房屋数量和直接经济损失每增加1%，GDP 增长率分别增加0.12%和0.03%，短期内实物资本的减少能够刺激并带动经济发展。受灾面积对人口增长的直接效应为负，在受灾面积扩大的影响下，人口自然增长率有所下降；受灾人口每增加1%，本地区人口自然增长率增加0.11%，具有正向效应。受灾面积、受灾人口和直接经济损失对农业生产均存在显著负向效应。受自然灾害影响，农业生产投入力度减弱，农业单位面积产量有所下降。

从溢出效应来看，受灾面积、直接经济损失对经济发展、人口增长、农业生产三方面均具有显著的负向溢出效应，本地区受灾面积的增加、直接经济损失的加重使得邻近省域GDP 增长率、人口自然增长率、农业单位面积产量有所下降。受灾人口对人口增长的溢出效应为正，本地区受灾人口的增加推动人口向邻近地区转移。倒塌房屋数量对经济发展及农业生产均存在正向溢出效应，表明实物资本的减少也会对邻近省域产生带动作用。

各控制变量对社会经济发展的影响程度各异。自然灾害对经济发展的影响程度低于第二产业产值占比、固定资产投资占比、城市化率等控制变量。在经济发展方面，第二产业产值占比是首要促进因素，直接效应、溢出效应均居于首位，进出口总额占比、城市化率仅对本地经济发展具有正向作用，科技创新投入则发挥极化带动作用，推动本地区及邻近地区的经济发展。在人口增长方面，人口老龄化程度是重要的影响因子，其溢出效应显著为负，第一产业就业人数占比、高等教育人口占比对本地区人口增长具有抑制作用，而灾情指标对人口增长的影响程度相对较低。在农业生产方面，化肥施用量是首要影响因素，农业人口、机械化水平、耕地面积对农业单产具有负向影响。灾情指标对农业生产的影响程度高于控制变量，是影响农业生产的重要因素，因此提高防灾减灾能力对于农业生产尤为重要。

总体而言，自然灾害对农业生产的影响程度显著高于经济发展、人口增长。受灾面积对经济发展、人口增长和农业生产具有显著的负向效应；倒塌房屋数量对经济发展的正向效应较强。

3.3 自然灾害社会经济效应程度及变化

自然灾害对全局社会经济发展的空间效应显著，为进一步分析省域自然灾害的社会经济效应，采用GWR 模型探索省域自然灾害社会经济效应的差异程度。

3.3.1 模型对比与参数检验

以受灾面积、受灾人口、倒塌房屋数量和直接经济损失为自变量，分别选取GDP 增长率、人口自然增长率和农业单位面积产量为因变量构建GWR 模型，分析自然灾害对省域经济发展、人口增长和农业生产的影响程度，由校正R2可知，GWR 模型具有较强的解释力（表6）。

表6 GWR 模型的整体估计结果Table 6 Overall estimated results of the GWR model

3.3.2 自然灾害社会经济效应程度的演化特征

基于GWR 模型回归系数的分析结果，借助ArcGIS10.2 得到全国省域自然灾害的社会经济效应格局（图2～图4）。

（1）经济发展效应空间演化特征。由图2 可知，自然灾害的经济发展效应具有显著的空间分异性，受灾面积、倒塌房屋数量对经济发展的影响自东向西递减。西部地区经济发展脆弱性高，经济发展受自然灾害的破坏严重；东部地区受灾面积对经济发展的抑制作用较小，同时受倒塌房屋数量的影响，大量实物资本投入，GDP 增长率有所提升。受灾人口、直接经济损失对经济发展具有正向作用，且自东向西递增，东部地区人口、经济发展密度较高，灾害损失较重，对经济的刺激作用有限；而西部地区的正向经济发展效应更为显著。

图2 中国自然灾害经济发展效应格局Fig.2 The economic development effect of natural disasters in China

（2）人口增长效应空间演化特征。由图3 可知，受灾面积、直接经济损失与人口自然增长率呈负相关关系，而受灾人口、倒塌房屋数量对人口增长具有正向作用。回归系数均呈自东向西递减的特征，受灾面积、受灾人口和倒塌房屋数量回归系数高值区位于东北三省，直接经济损失高值区则在福建省、广东省等东南沿海地区，低值区均在青海省、西藏自治区、新疆维吾尔自治区。西部地区社会脆弱性高，自然灾害具有负向人口增长效应，东北及东南沿海地区受灾面积的负向人口增长效应较弱，受灾人口、倒塌房屋数量和直接经济损失的人口增长效应为正且较为显著。

图3 中国自然灾害人口增长效应格局Fig.3 The population growth effect of natural disasters in China

（3）农业生产效应空间演化特征。由图4 可知，自然灾害的农业生产效应具有较强的复杂性。受灾面积、倒塌房屋数量和直接经济损失总体呈自东向西递增趋势；受灾人口则呈北低南高的特征。东部旱涝频发，受灾面积、倒塌房屋数量及直接经济损失对农业生产的负向效应显著；西北、西南地区旱涝灾害相对较少，三者的农业生产效应为正。受灾人口的农业生产效应则显著为负。

图4 中国自然灾害农业生产效应格局Fig.4 The agricultural production effects of natural disasters in China

总体而言，自然灾害对经济发展、人口增长及农业生产的空间效应存在区域差异。东部地区社会经济发展稳定性较强，自然灾害对经济发展和人口增长的抑制作用较弱；但受旱涝频发的影响，自然灾害对农业生产的负向效应显著。西部地区社会脆弱性较高，自然灾害对经济发展、人口增长的负向效应显著，对农业生产的破坏程度低。

4 结论与讨论

4.1 结论

（1）2000—2018 年，中国自然灾害受灾程度总体呈下降趋势，由以较低灾情指数为主转为以低灾情指数为主，空间分布呈南高北低的特征，高受灾中心呈西南—东南—西南的变化特征。

（2）自然灾害对经济发展、人口增长及农业生产均具有显著的空间效应，其中自然灾害是影响农业生产的关键因素。受灾面积对经济发展、人口增长和农业生产均有负向直接效应和溢出效应；而倒塌房屋数量对本省及邻近省域的经济发展有一定带动作用。

（3）自然灾害社会经济效应的空间异质性显著，且农业生产效应高于经济发展效应和人口增长效应。自然灾害对经济发展和人口增长的负向效应自东向西增强。西部地区社会经济脆弱性高，自然灾害的负向效应显著；东部地区防灾减灾能力强，自然灾害的负向效应较弱，同时倒塌房屋数量、直接经济损失对该地区经济发展和人口增长具有一定的刺激作用。自然灾害的农业生产效应呈西正东负的空间格局，东部地区旱涝灾害频发，对农业生产的负向效应突出。

4.2 讨论

（1）自然灾害是人类共同面对的重要问题，本文在评估中国省域自然灾害受灾程度的基础上，从全局和局部2 个层面对自然灾害的社会经济效应进行定量分析，探究了省域自然灾害社会经济效应的空间异质性，丰富了灾害地理学的基本理论，也为国家制定宏观层面的防灾减灾救灾政策提供了科学依据。

（2）自然灾害对社会经济发展的影响具有两面性。一方面，受自然灾害不确定性、危害性的影响，受灾面积、受灾人口和直接经济损失破坏生产资本，对社会经济发展具有抑制作用，同时农业生产难以规避自然灾害，因此自然灾害对农业生产的负向效应更为显著。另一方面，自然灾害导致实物资本减少，在救灾重建过程中重置人力、物力资本，刺激社会经济发展，从而形成“增长型灾害”［30］。

（3）自然灾害具有突发性和不可控性，其社会经济效应的复杂性尤为突出。因此，探究不同空间尺度下自然灾害的空间异质性，揭示自然灾害对不同产业、社会经济结构的影响及其作用机制，提出有针对性的防灾减灾策略是未来重要的研究方向。