郭 成

安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，淮南,232001

基于TOPSIS法的城市自然災(zāi)害社會(huì)脆弱性評(píng)價(jià)—以江西省為例

郭 成

安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，淮南,232001

研究社會(huì)脆弱性旨在提升城市災(zāi)前準(zhǔn)備和風(fēng)險(xiǎn)管理能力。基于2014年數(shù)據(jù)，在人口規(guī)模、經(jīng)濟(jì)條件、社會(huì)環(huán)境和建筑設(shè)施四個(gè)方面選了28個(gè)評(píng)價(jià)指標(biāo)，利用SPSS軟件皮爾遜相關(guān)分析篩選出19個(gè)指標(biāo)作為最終的評(píng)價(jià)指標(biāo)。運(yùn)用TOPSIS方法建模、變異系數(shù)法賦予每個(gè)最終指標(biāo)相應(yīng)的權(quán)重，經(jīng)過(guò)計(jì)算得到了江西省11個(gè)地級(jí)市自然災(zāi)害社會(huì)脆弱性的貼近度大小，依據(jù)貼近度將其劃分為四個(gè)等級(jí)：自然災(zāi)害社會(huì)脆弱性最高的是南昌市和鷹潭市，較高的是吉安市、新余市、景德鎮(zhèn)市和撫州市，較低的是萍鄉(xiāng)市、九江市和上饒市，最低的是宜春市和贛州市。

自然災(zāi)害；社會(huì)脆弱性； 江西??； TOPSIS方法； 變異系數(shù)法

1 相關(guān)研究與問(wèn)題提出

社會(huì)脆弱性是識(shí)別敏感人群不太可能應(yīng)對(duì)自然災(zāi)害并且從中恢復(fù)的、在空間和時(shí)間上變化的復(fù)雜的、動(dòng)態(tài)的社會(huì)特征[1]。Flanagan提出社會(huì)脆弱性是影響社會(huì)適應(yīng)力的經(jīng)濟(jì)和人口因素[2]。由于經(jīng)濟(jì)和社會(huì)的發(fā)展?fàn)顩r不同，國(guó)外比中國(guó)更早地接觸到了社會(huì)脆弱性，而且不同學(xué)者基于不同的角度得到了相應(yīng)的研究成果。Cutter從人口規(guī)模、發(fā)展模式、經(jīng)濟(jì)條件、建筑環(huán)境四個(gè)方面評(píng)估了美國(guó)從1960-2008年縣級(jí)區(qū)域的社會(huì)脆弱性分布變化[1]。Schmidtlein以縣級(jí)市為基本單位得到了美國(guó)社會(huì)脆弱性的地理分布格局[3]。Kesavan基于一些災(zāi)害頻發(fā)的區(qū)域，分析了影響社會(huì)脆弱性的主要因素，并且使用相應(yīng)的方法為其改善[4]。

隨著我國(guó)綜合國(guó)力日益提升，國(guó)家開(kāi)始重視公共安全管理，社會(huì)脆弱性逐漸成為國(guó)內(nèi)學(xué)者研究的熱點(diǎn)，各研究者根據(jù)自身研究的方向得出了一些成果。葛怡等基于中國(guó)洪澇災(zāi)害頻發(fā)的實(shí)際情況，以長(zhǎng)沙市為例，評(píng)估了水災(zāi)社會(huì)脆弱性，為今后國(guó)家防災(zāi)減災(zāi)和風(fēng)險(xiǎn)管理提供參考依據(jù)[5-6]。游溫嬌等從微觀、宏觀兩方面選取社會(huì)脆弱性評(píng)價(jià)指標(biāo)，從不同層面分析社會(huì)脆弱性的影響因子[7-8]。王鶯等評(píng)估了中國(guó)南方干旱脆弱性，得到了地理等級(jí)區(qū)劃圖[9]。李暢等對(duì)湖北荊州市水災(zāi)社會(huì)脆弱性進(jìn)行了時(shí)間序列和空間分布分析[10-11]。賀山峰等運(yùn)用專家調(diào)查法和層次分析法評(píng)估了河南省17個(gè)地級(jí)市的社會(huì)脆弱性[12]。徐選華等用改進(jìn)的突變級(jí)數(shù)法評(píng)估了四川省自然災(zāi)害社會(huì)脆弱性，并提出相應(yīng)的災(zāi)前準(zhǔn)備應(yīng)對(duì)措施[13]。薛晨浩等評(píng)估了寧夏生態(tài)移民社區(qū)，得出了南高北低的地理分布態(tài)勢(shì)以及影響自然災(zāi)害社會(huì)脆弱性的評(píng)價(jià)指標(biāo)因子[14]。本文基于國(guó)內(nèi)外學(xué)者的研究基礎(chǔ)，以江西省11個(gè)地級(jí)市為研究對(duì)象，構(gòu)建自然災(zāi)害社會(huì)脆弱性評(píng)價(jià)體系，運(yùn)用TOPSIS方法計(jì)算各個(gè)評(píng)價(jià)對(duì)象的貼近度，用貼近度的大小來(lái)反映自然災(zāi)害社會(huì)脆弱性的強(qiáng)弱，研究結(jié)果可以為江西省應(yīng)急管理人員進(jìn)行區(qū)域?yàn)?zāi)前準(zhǔn)備和風(fēng)險(xiǎn)管理提供科學(xué)依據(jù)。

2 研究區(qū)概況

江西省簡(jiǎn)稱贛，總面積為16.69萬(wàn)km2，下轄11個(gè)地級(jí)市，省會(huì)為南昌市，屬于華東地區(qū)。2014年年末，GDP為15 754.03億元，常駐人口為4 542.2萬(wàn)人。江西省的地形以丘陵和山地為主，氣候?qū)僦衼啛釒嘏瘽駶?rùn)季風(fēng)氣候，全年降水量較大，且降水時(shí)間和區(qū)域分布不均，因此江西省的洪澇災(zāi)害很嚴(yán)重；加上江西省產(chǎn)業(yè)發(fā)展不均衡以及城鎮(zhèn)化迅速推進(jìn)，導(dǎo)致大量人口涌入城市，使該省自然災(zāi)害的社會(huì)脆弱性大大增加。

3 數(shù)據(jù)來(lái)源與研究方法

3.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)自2015年《江西省統(tǒng)計(jì)年鑒》《江西省2015年人口普查資料》和江西省11個(gè)地級(jí)市2015年統(tǒng)計(jì)年鑒，鑒于統(tǒng)計(jì)年鑒中數(shù)據(jù)非常豐富，本文從中篩選影響自然災(zāi)害社會(huì)脆弱性的各項(xiàng)指標(biāo)原始數(shù)據(jù)。

3.2 研究方法

本文采用TOPSIS法。

3.2.1 原始數(shù)據(jù)矩陣的構(gòu)建

根據(jù)對(duì)評(píng)價(jià)地區(qū)的分析，確定評(píng)價(jià)指標(biāo)，則可以構(gòu)成原始數(shù)據(jù)矩陣：

(1)

式中,m表示評(píng)價(jià)對(duì)象,n表示評(píng)價(jià)指標(biāo)。

3.2.2 原始數(shù)據(jù)的標(biāo)準(zhǔn)化

由于各評(píng)價(jià)指標(biāo)的屬性和單位不統(tǒng)一，所以需要作規(guī)范化處理。

屬性為正的評(píng)價(jià)指標(biāo)，采用如下方法進(jìn)行規(guī)范：

(2)

式中，i=1,2,3,…,n；j=1,2,3,…,m。

屬性為負(fù)的評(píng)價(jià)指標(biāo)，采用如下方法進(jìn)行規(guī)范：

(3)

式中，i=1,2,3,…,n；j=1,2,3,…,m。

經(jīng)過(guò)公式(2)和(3)規(guī)范化處理后得到矩陣:

(4)

3.2.3 各層次指標(biāo)權(quán)重的確立

為了使評(píng)價(jià)結(jié)果客觀可信，加上原始數(shù)據(jù)已作規(guī)范化處理，用變異系數(shù)法來(lái)賦權(quán)，得到的指標(biāo)權(quán)重為Wi(i=1,2,3,…,n)，計(jì)算步驟如下：

(1)分別求出各個(gè)指標(biāo)的平均值和標(biāo)準(zhǔn)差。

(5)

(6)

式中,i=1,2,3,…,n。

(2)計(jì)算各指標(biāo)對(duì)應(yīng)的變異系數(shù)。

(7)

式中,i=1,2,3,…,n。

(3)計(jì)算各評(píng)價(jià)指標(biāo)的權(quán)重。

(8)

式中,i=1,2,3,…,n。

3.2.4 構(gòu)成加權(quán)規(guī)范化矩陣

Zij=rijWi

(9)

式中,i=1,2,3,…,n，j=1,2,3,…,m；Wi是第i個(gè)評(píng)價(jià)指標(biāo)的權(quán)重。

3.2.5 確定最優(yōu)解和最劣解向量

由公式(9)得到矩陣Z，這樣就可以確定各評(píng)價(jià)指標(biāo)的最優(yōu)解和最劣解。

(10)

(11)

3.2.6 計(jì)算各待評(píng)地區(qū)到最優(yōu)解和最劣解的歐式距離

對(duì)于第i個(gè)評(píng)價(jià)對(duì)象到最優(yōu)解、最劣解的歐式距離分別用下式計(jì)算：

(12)

(13)

式中,i=1,2,3,…,m。

3.2.7 計(jì)算評(píng)價(jià)區(qū)域內(nèi)各評(píng)價(jià)對(duì)象的貼近度

(14)

評(píng)價(jià)區(qū)域內(nèi)評(píng)價(jià)對(duì)象的社會(huì)脆弱性的高低對(duì)應(yīng)貼近度的大小，貼近度越大,表明該評(píng)價(jià)對(duì)象的社會(huì)脆弱性越高;貼近度越小,表明該評(píng)價(jià)對(duì)象的社會(huì)脆弱性越低。

4 方法運(yùn)用與計(jì)算

4.1 評(píng)價(jià)指標(biāo)的確定

由于挑選的各評(píng)價(jià)指標(biāo)的屬性和單位不統(tǒng)一(表1)，需要對(duì)指標(biāo)進(jìn)行規(guī)范化處理,然后根據(jù)皮爾遜相關(guān)分析篩選相關(guān)性較強(qiáng)的評(píng)價(jià)指標(biāo)。篩選時(shí)要遵循以下原則：(1)在α=0.05時(shí)，被刪指標(biāo)與其他較多指標(biāo)的相關(guān)性系數(shù)的絕對(duì)值在0.5以上；(2)相對(duì)同層其他指標(biāo)，它的影響相對(duì)要小[15]。

經(jīng)過(guò)分析與比較，可以確定篩選的指標(biāo)有B12、B14、B15、B21、B31、B51、B52、C31、C32共9個(gè)指標(biāo)；篩選后的評(píng)價(jià)指標(biāo)個(gè)數(shù)變?yōu)?9個(gè)，如表2。

表1 自然災(zāi)害社會(huì)脆弱性初始評(píng)價(jià)指標(biāo)

注：“+”表示指標(biāo)值越大，社會(huì)脆弱性越高；“-”表示指標(biāo)值越大,社會(huì)脆弱性越低。

表2 江西省自然災(zāi)害社會(huì)脆弱性最終評(píng)價(jià)指標(biāo)

注：“+”表示指標(biāo)值越大，社會(huì)脆弱性越高；“-”表示指標(biāo)值越大,社會(huì)脆弱性越低。

4.2 計(jì)算結(jié)果

將篩選后的評(píng)價(jià)指標(biāo)構(gòu)成矩陣：

(15)

式中，m=1,2,3,…,11；n=1,2,3,…,19。

對(duì)初始評(píng)價(jià)指標(biāo)進(jìn)行規(guī)范化處理后組成矩陣R，經(jīng)過(guò)篩選得到最終矩陣A，根據(jù)公式(5)～(9)計(jì)算出各指標(biāo)相應(yīng)的權(quán)重，然后重組加權(quán)規(guī)范化矩陣Z。根據(jù)公式(10)和(11)得到指標(biāo)最優(yōu)解和最劣解的解向量：最優(yōu)解Z+={0.001、0.001、0.142、0.071、0.074、0.078、0.010、0.064、0.081 、0.067、0.028、0.014、0.033、0.045、0.027、0.119、0.105、0.027、0.014}，最劣解Z-={zi/zi=0,i=1,2,3,…,19}。根據(jù)公式(12)和(13)計(jì)算研究地區(qū)到最優(yōu)解和最劣解的歐式距離，并根據(jù)公式(14)計(jì)算各個(gè)研究地區(qū)的貼近度(表3)。

表3 江西省11個(gè)地級(jí)市貼近度大小排序

根據(jù)貼近度大小(表3)，將11個(gè)研究對(duì)象分為四大類，即高社會(huì)脆弱性(0.5～0.6)、較高社會(huì)脆弱性(0.4～0.5)、較低社會(huì)脆弱性(0.3～0.4)、低社會(huì)脆弱性(0.2～0.3)。自然災(zāi)害社會(huì)脆弱性最高的區(qū)域是南昌市，Ci值為0.583，最低的區(qū)域是贛州市，Ci是0.234。

5 討論與結(jié)論

5.1 討 論

社會(huì)脆弱性受當(dāng)時(shí)經(jīng)濟(jì)基礎(chǔ)、教育情況、醫(yī)療保障、基礎(chǔ)設(shè)施等因素的影響，而且在評(píng)估時(shí)不同評(píng)價(jià)指標(biāo)對(duì)其產(chǎn)生的影響會(huì)截然相反，這加大了社會(huì)脆弱性評(píng)估的難度。然而，TOPSIS方法恰好有效地解決了這個(gè)難題，它可以將不同向的評(píng)價(jià)指標(biāo)轉(zhuǎn)化為同向的評(píng)價(jià)指標(biāo)，然后選擇恰當(dāng)?shù)姆椒ㄙx予各個(gè)指標(biāo)權(quán)重，最后根據(jù)貼近度的大小進(jìn)行排序。

由表3可知，江西省各地區(qū)之間的自然災(zāi)害社會(huì)脆弱性有很大的差別，最低的是贛州市，最高的是南昌市。從社會(huì)脆弱性角度分析，盡管南昌市的衛(wèi)生醫(yī)療條件顯著高于贛州市，但是南昌市在人口、經(jīng)濟(jì)、教育、基礎(chǔ)設(shè)施等條件明顯弱于贛州市，所以南昌市位居第一。在人口條件方面，南昌市的家庭戶密度為189.1戶/km2,而贛州市遠(yuǎn)遠(yuǎn)低于這個(gè)數(shù)值，僅為55.9戶/km2；在經(jīng)濟(jì)條件方面，贛州市的財(cái)政收入為53.6億元，而南昌市僅為47.3億元，同時(shí)南昌市的人均固定資產(chǎn)投資為6.5萬(wàn)元，而贛州市只有1.8萬(wàn)元；在教育方面，南昌市萬(wàn)人學(xué)校數(shù)不及贛州市；在基礎(chǔ)設(shè)施方面，南昌市建設(shè)用地面積占城市總面積的28%，贛州市僅為5%，而且贛州市的城市綠地覆蓋率達(dá)到了42.08%，南昌市只有39.93%。綜合以上有關(guān)人口、經(jīng)濟(jì)、教育和基礎(chǔ)設(shè)施因素，南昌市的自然災(zāi)害社會(huì)脆弱性高于贛州市，而且高于江西省其他地級(jí)市。

5.2 結(jié) 論

研究社會(huì)脆弱性對(duì)于提升城市災(zāi)前準(zhǔn)備和風(fēng)險(xiǎn)管理能力具有重要作用[16]。利用TOPSIS方法對(duì)江西省11個(gè)地級(jí)市的自然災(zāi)害社會(huì)脆弱性進(jìn)行了評(píng)價(jià)，得出自然災(zāi)害社會(huì)脆弱性最高的是南昌市和鷹潭市，較高的是吉安市、新余市、景德鎮(zhèn)市和撫州市，較低的是萍鄉(xiāng)市、九江市和上饒市，最低的是宜春市和贛州市。

[1]Susan L Cutter,Christina Finch.Temporal and spatial changes in social vulnerability to natural hazards[J].Proceedings of the National Academy of Sciences of the United States of America,2008,105(7):2301-2306

[2]Barry E Flanagan,Edward W Gregory,Elaine J Hallisey,etal.A Social Vulnerability Index forDisasterManagement[J].Journal of Homeland Security and EmergencyManagement,2011,8(1):1-22

[3]Schmidtlein Mathew C,Deutsch Roland C,Piegorsch Walter W,et al. A sensitivity analysis of the social vulnerability index[J].Risk Analysis,2008,28(4):1099-1114

[4]Kesavan P C,Swaminathan M S. Managing extreme natural disasters in coastal areas[J].Philosophical Transactions of the Royal Society A:Mathematical,Physical and Engineering Sciences,2006,10(5):2191-2216

[5]葛怡,史培軍,劉婧,等.中國(guó)水災(zāi)社會(huì)脆弱性評(píng)估方法的改進(jìn)與應(yīng)用：以長(zhǎng)沙地區(qū)為例[J].自然災(zāi)害學(xué)報(bào),2005,14(6):54-58

[6]葛怡,劉婧,史培軍.家戶水災(zāi)社會(huì)脆弱性的評(píng)估方法研究：以長(zhǎng)沙地區(qū)為例[J].自然災(zāi)害學(xué)報(bào),2006,15(6):33-37

[7]游溫嬌,張永領(lǐng).洪災(zāi)社會(huì)脆弱性指標(biāo)體系研究[J].災(zāi)害學(xué)，2013，28(3)：215-220

[8]張永領(lǐng),游溫嬌.基于TOPSIS的城市自然災(zāi)害社會(huì)脆弱性評(píng)價(jià)研究：以上海市為例[J].災(zāi)害學(xué),2014,29(1):109-114

[9]王鶯,王靜,姚玉璧,等.基于主成分分析的中國(guó)南方干旱脆弱性評(píng)價(jià)[J].生態(tài)環(huán)境學(xué)報(bào),2014, 23(12):1897-1904

[10]李暢,馮滔,石倩,等．洪災(zāi)社會(huì)脆弱性熵權(quán)法評(píng)價(jià)及其時(shí)間序列分析：以2001-2012年荊州市為例[J]．災(zāi)害學(xué)，2015，30(3):110-117

[11]馮滔,李暢,黃建武,等.荊州市洪災(zāi)社會(huì)脆弱性評(píng)價(jià)及其空間分異研究[J].長(zhǎng)江科學(xué)院院報(bào),2015,32(9):52-57

[12]賀山峰,杜麗萍,高秀華.河南省縣域單元自然災(zāi)害社會(huì)脆弱性評(píng)價(jià)[J].水土保持研究，2105，22(6):293-297

[13]徐選華,張威威．基于改進(jìn)突變級(jí)數(shù)法的地震災(zāi)害社會(huì)脆弱性風(fēng)險(xiǎn)評(píng)價(jià)研究：基于四川地震災(zāi)害案例[J].災(zāi)害學(xué),2016,31(3):125-132

[14]薛晨浩,鄧慧麗,苗紅,等.TOPSIS 視角下西北生態(tài)移民社區(qū)自然災(zāi)害社會(huì)脆弱性評(píng)價(jià)：以寧夏為例[J].開(kāi)發(fā)研究,2016(2):90-94

[15]黃潤(rùn)龍,管于華.數(shù)據(jù)統(tǒng)計(jì)分析：SPSS原理及應(yīng)用[M].北京：高等教育出版社,2010:129-133

[16]Ivan Frigerio,StefaniaVentura,DanieleStrigaro,et al.A GIS-based approach to identify thespatial variability of social vulnerability to seismic hazard in Italy[J].Applied Geography,2016,6(14):13-21

(責(zé)任編輯：周博)

X43

：A

：1673-2006(2017)07-0034-04

10.3969/j.issn.1673-2006.2017.07.009

2017-05-10

郭成(1993-)，江西樟樹(shù)人，在讀碩士研究生，研究方向：災(zāi)害與應(yīng)急管理。