李宇星,姚凱文,張 丹
(華北電力大學(xué)水利與水電工程學(xué)院,北京 102206)
長(zhǎng)期補(bǔ)償安置,是一種將靜態(tài)的一次性補(bǔ)償轉(zhuǎn)變?yōu)閯?dòng)態(tài)的長(zhǎng)期逐年補(bǔ)償?shù)陌仓梅绞剑?]。相較于大農(nóng)業(yè)安置方式,該模式適應(yīng)于農(nóng)村目前存在的土地流轉(zhuǎn)、農(nóng)村勞動(dòng)力務(wù)工為主的生產(chǎn)模式,逐步在我國(guó)的水庫移民中得到了實(shí)踐,但由于實(shí)施的時(shí)間較短,其風(fēng)險(xiǎn)機(jī)制尚不明確。為保障移民搬遷后“不低于或超過原有生活水平”目標(biāo)的實(shí)現(xiàn),降低移民安置的規(guī)劃與實(shí)施風(fēng)險(xiǎn),有必要對(duì)其可能存在的風(fēng)險(xiǎn)進(jìn)行識(shí)別分析、總結(jié)經(jīng)驗(yàn),并在實(shí)踐基礎(chǔ)上推進(jìn)其進(jìn)一步完善[2]。
水庫移民風(fēng)險(xiǎn)評(píng)價(jià)常用的評(píng)價(jià)方法,例如基于AHP的模糊綜合評(píng)價(jià)法、突變級(jí)數(shù)法等[3,4],在不同評(píng)價(jià)問題中具備各自的優(yōu)勢(shì),但均是默認(rèn)指標(biāo)等級(jí)具有確定性,忽略了指標(biāo)相鄰等級(jí)的模糊性。集對(duì)分析(SPA)的理論中采用了建立聯(lián)系度的概念,從而可以更精確地分析系統(tǒng)的同異反特征;多元聯(lián)系度的拓展可以解決標(biāo)準(zhǔn)集對(duì)分析理論中同異反評(píng)語的細(xì)化問題[5];區(qū)間三角模糊數(shù)(ITFN)的引入可以有效解決差異度系數(shù)的量化問題[6]。SPA-ITFN模型將區(qū)間三角模糊數(shù)引入集對(duì)分析法,較好地解決了指標(biāo)等級(jí)的同異反聯(lián)系問題。
因此,本文引入距離函數(shù)進(jìn)行組合賦權(quán),利用綜合熵值法與超標(biāo)倍數(shù)的優(yōu)點(diǎn),進(jìn)而構(gòu)建基于組合賦權(quán)的SPA-ITFN 模型來進(jìn)行水庫移民長(zhǎng)期補(bǔ)償安置方式的風(fēng)險(xiǎn)評(píng)價(jià),使評(píng)價(jià)結(jié)果更能反映實(shí)際情況,并以廣東省高陂水庫為例進(jìn)行了實(shí)證研究。
遵循全面性、層次性、客觀性的原則,在對(duì)長(zhǎng)期補(bǔ)償安置方式進(jìn)行風(fēng)險(xiǎn)識(shí)別的基礎(chǔ)上[7],從社會(huì)、經(jīng)濟(jì)、政策和環(huán)境等四個(gè)風(fēng)險(xiǎn)維度構(gòu)建長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系[8],其中指標(biāo)D6、D7、D8、D12為越小越優(yōu)型,其余指標(biāo)均為越大越優(yōu)型,指標(biāo)體系見表1。
表1 長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系Tab.1 Long-term compensation and resettlement method risk evaluation index system
集對(duì)分析的基本原理是將評(píng)價(jià)指標(biāo)實(shí)測(cè)值{Xij|i=1,2,…,m;j= 1,2,…,n}與評(píng)價(jià)標(biāo)準(zhǔn){Yij|i= 1,2,…,p;j=1,2,…,n}兩個(gè)集合視為一組集對(duì),對(duì)其進(jìn)行同異反的系統(tǒng)剖析[9],并計(jì)算聯(lián)系度:
式中:a為同一度;b為差異度;c為對(duì)立度,且a+b+c= 1。i,j分別為差異度系數(shù)和對(duì)立度系數(shù),取值范圍為i∈[ - 1,1],j= 1。
根據(jù)風(fēng)險(xiǎn)評(píng)價(jià)問題實(shí)際要求將三元聯(lián)系度拓展至五元,以改進(jìn)同異反評(píng)語的細(xì)化問題[10],建立的五元聯(lián)系度表達(dá)式為:
式 中:a+b1+b2+b3+c= 1,b1,b2,b3為差異度;i1,i2,均為差異度系數(shù)。
由于相鄰評(píng)價(jià)等級(jí)之間的差異度系數(shù)i具備較強(qiáng)的模糊性,同一等級(jí)的i也不盡相同,因此i的量化是需要解決的首要問題。三角模糊數(shù)在處理不確定性問題上具有一定的優(yōu)越性,根據(jù)風(fēng)險(xiǎn)評(píng)價(jià)問題的實(shí)際需要,本文引入?yún)^(qū)間三角模糊數(shù)來實(shí)現(xiàn)差異度系數(shù)i的量化。
設(shè)R為實(shí)數(shù)域 ,A為R的模糊數(shù) ,μA(x):R→[0,1] (x∈R),若隸屬度函數(shù)可以用式(3)表示,那么A即為區(qū)間三角模糊數(shù),A=(a1,b1c1,a2,b2c2)[6],A的分布如圖1所示。
圖1 區(qū)間三角模糊數(shù)Fig.1 Interval triangular fuzzy number
2.3.1 熵值法
將第i個(gè)樣本的第j個(gè)實(shí)測(cè)指標(biāo)值{Xij|i= 1,2,…,m;j=1,2,…,n}按式(4)處理:
求解其歸一化矩陣:
計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)下第i評(píng)價(jià)樣本指標(biāo)特征值比重:
計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的熵:
由于當(dāng)pij= 0時(shí),lnpij無意義,因此對(duì)式(6)修正[10],將其定義為:
計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的權(quán)重:
2.3.2 超標(biāo)倍數(shù)法
由超標(biāo)倍數(shù)法計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的權(quán)重[11]:
2.3.3 綜合權(quán)重
利用線性加權(quán)求得綜合權(quán)重:
式中,α,β為兩種方法權(quán)重的分配系數(shù),且α+β= 1。
為了求解α,β,引入函數(shù)d(ω′,ω′′)來建立二者之間的關(guān)系式:
式中:函數(shù)d(ω′,ω′′)為兩種方法計(jì)算所得權(quán)重的差異程度。
根據(jù)標(biāo)準(zhǔn)SPA 理論,將長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中各指標(biāo)的實(shí)測(cè)值與評(píng)價(jià)標(biāo)準(zhǔn)兩個(gè)集合視為一組集對(duì),將聯(lián)系度表達(dá)式拓展至五元,結(jié)合ITFN 理論對(duì)差異度系數(shù)進(jìn)行量化,以實(shí)現(xiàn)聯(lián)系度定量表示的目標(biāo);再利用熵值法與超標(biāo)倍數(shù)法相結(jié)合的組合賦權(quán)法對(duì)各項(xiàng)指標(biāo)進(jìn)行綜合賦權(quán),進(jìn)而實(shí)現(xiàn)長(zhǎng)期補(bǔ)償安置方式的風(fēng)險(xiǎn)評(píng)價(jià)。下面以越大越優(yōu)型指標(biāo)聯(lián)系度表達(dá)式為例,越小越優(yōu)型指標(biāo)同理可得,具體步驟如下:
步驟1:將長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)評(píng)價(jià)中各項(xiàng)指標(biāo)實(shí)測(cè)值與評(píng)價(jià)標(biāo)準(zhǔn)的五元聯(lián)系度表達(dá)式寫成如下形式:式中:μij指第i個(gè)評(píng)價(jià)樣本中第j項(xiàng)評(píng)價(jià)指標(biāo)的聯(lián)系度;x指某項(xiàng)指標(biāo)的實(shí)測(cè)值;y1~y4分別表示Ⅰ到Ⅴ級(jí)評(píng)價(jià)等級(jí)的界限值。式(14)對(duì)應(yīng)越大越優(yōu)型指標(biāo)。
步驟2:引入ITFN 理論來量化i,將評(píng)價(jià)等級(jí)Ⅱ到Ⅳ級(jí)中心點(diǎn)處的i分別取i1= -0.5,i2= 0,i3= 0.5[12],兩等級(jí)界限之間的i如圖2所示。
圖2 差異度系數(shù)的量化Fig.2 Quantification of the coefficient of difference
越大越優(yōu)型指標(biāo)的差異度系數(shù)按下式計(jì)算:
將式(15)~(17)與式(14)聯(lián)立,得出越大越優(yōu)型指標(biāo)的聯(lián)系度表達(dá)式為:
同理,可得越小越優(yōu)型指標(biāo)的聯(lián)系度表達(dá)式為:
步驟3:利用式(11)計(jì)算各指標(biāo)綜合權(quán)重,再結(jié)合各個(gè)單項(xiàng)指標(biāo)聯(lián)系度μij,可得總體聯(lián)系度μj:
式中:ωi為各指標(biāo)綜合權(quán)重。
長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)等級(jí)按如下劃分:μj∈[0.6,1]時(shí)為Ⅰ級(jí);μj∈[0.2,0.6]時(shí)為Ⅱ級(jí);μj∈[ - 0.2,0.2]時(shí)為Ⅲ級(jí);μj∈[ - 0.6,- 0.2]時(shí)為Ⅳ級(jí);μj∈[ - 1,- 0.6]時(shí)為Ⅴ級(jí)。
以廣東省高陂水庫為例,其主要采取長(zhǎng)期補(bǔ)償安置方式[13]。選取大麻鎮(zhèn)恭下村、北埔村、社區(qū)以及高陂鎮(zhèn)黨溪村、九龍村、渡頭村等六個(gè)村為移民樣本村進(jìn)行基于組合賦權(quán)的SPA-ITFN 模型風(fēng)險(xiǎn)評(píng)價(jià)。以上樣本村風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中各項(xiàng)指標(biāo)的實(shí)測(cè)值如表2 所示,原始數(shù)據(jù)由2020年現(xiàn)場(chǎng)抽樣調(diào)查所得。
表2 樣本村風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)實(shí)測(cè)值統(tǒng)計(jì)表Tab.2 Statistical table of measured values of risk evaluation indexes in sample villages
通過查閱相關(guān)文獻(xiàn)、資料,最終確定六個(gè)樣本村風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)如表3 所示,在該標(biāo)準(zhǔn)中各項(xiàng)指標(biāo)等級(jí)越低代表風(fēng)險(xiǎn)越小。
表3 評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)Tab.3 Evaluation index grading standard
步驟1:用公式(14)計(jì)算6 個(gè)樣本村的D1~D5、D9~D11八項(xiàng)越大越優(yōu)型指標(biāo)的聯(lián)系度;同理用計(jì)算6個(gè)樣本村的D6、D7、D8、D12四項(xiàng)越小越優(yōu)型指標(biāo)的聯(lián)系度。
步驟2:利用公式(4)~(9)、公式(10)~(13)分別計(jì)算各指標(biāo)單一方法下的權(quán)重,再根據(jù)分配系數(shù)計(jì)算各指標(biāo)綜合權(quán)重。
步驟3:結(jié)合各指標(biāo)綜合權(quán)重計(jì)算樣本村的社會(huì)風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)指標(biāo)聯(lián)系度,最終求和得出總體聯(lián)系度。
步驟4:根據(jù)總體聯(lián)系度等級(jí)劃分,得出各樣本村風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)結(jié)果。
計(jì)算結(jié)果見表4。
表4 計(jì)算結(jié)果表明,6 個(gè)樣本村的長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)由小到大依次為:黨溪村、社區(qū)、九龍村、北埔村、恭下村、渡頭村。其中,渡頭村風(fēng)險(xiǎn)相對(duì)較高,風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)為Ⅲ級(jí),主要因?yàn)槠浣煌ǖ缆窏l件較差、勞動(dòng)力就業(yè)水平較低、移民家庭醫(yī)療與生活支出負(fù)擔(dān)較重、自然災(zāi)害發(fā)生次數(shù)較高等原因?qū)е麓蟛糠种笜?biāo)聯(lián)系度處于較低水平。北埔村、恭下村風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)為Ⅱ級(jí),各方面雖無較大風(fēng)險(xiǎn),但居住條件、飲水條件等方面仍需加強(qiáng)改善。社區(qū)、九龍村、黨溪村風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)為Ⅰ級(jí),社會(huì)、經(jīng)濟(jì)、政策、環(huán)境等方面風(fēng)險(xiǎn)較低,移民生活條件良好,社會(huì)經(jīng)濟(jì)發(fā)展壓力較小。
表4 樣本村長(zhǎng)期補(bǔ)償安置方式風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果Tab.4 Risk assessment results of long-term compensation and resettlement methods in sample villages
高陂水利樞紐工程農(nóng)村移民主要采取長(zhǎng)期補(bǔ)償安置方式,輔助一次性補(bǔ)償?shù)劝仓梅绞竭M(jìn)行。長(zhǎng)期補(bǔ)償安置方式主要存在以下優(yōu)點(diǎn):①長(zhǎng)期補(bǔ)償安置方式較傳統(tǒng)的有土安置而言無需調(diào)劑耕地,減輕了移民生產(chǎn)安置的壓力。②對(duì)于傳統(tǒng)的一次性補(bǔ)償?shù)臒o土安置,因農(nóng)村移民普遍理財(cái)觀念不強(qiáng),容易造成貧困風(fēng)險(xiǎn)。長(zhǎng)期補(bǔ)償安置保證了移民每年均能獲得穩(wěn)定的收入,為移民長(zhǎng)久生計(jì)提供了基本的保障。③長(zhǎng)期補(bǔ)償安置方式解除了年輕勞動(dòng)力的土地束縛,使其流向第二三產(chǎn)業(yè),有利于當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整。
長(zhǎng)期補(bǔ)償安置方式目前處于實(shí)踐探索階段,仍存在一些弊端。由于長(zhǎng)期補(bǔ)償安置方式的實(shí)行,改變了以土地為生的移民的生產(chǎn)生活習(xí)慣,不需要再?gòu)氖罗r(nóng)業(yè)勞動(dòng)便可獲得等量收入,容易使移民滋生懶惰心理。對(duì)于文化水平較低,年齡偏大的移民來說,學(xué)習(xí)職業(yè)技術(shù)再就業(yè)的意愿較低,會(huì)產(chǎn)生缺乏后續(xù)發(fā)展動(dòng)力的風(fēng)險(xiǎn)[14]。因此在實(shí)行長(zhǎng)期補(bǔ)償安置的同時(shí),政府要做好移民生產(chǎn)技能培訓(xùn)工作,提升移民勞動(dòng)力就業(yè)率,使安置區(qū)經(jīng)濟(jì)發(fā)展步入良性循環(huán),保障社會(huì)穩(wěn)定。同時(shí),加強(qiáng)移民醫(yī)療、教育、基礎(chǔ)社會(huì)建設(shè)等社會(huì)保障體系,改善人居環(huán)境,提高移民工作效率,以實(shí)現(xiàn)移民的安居樂業(yè)、長(zhǎng)治久安。
引入SPA-ITFN 模型對(duì)廣東省韓江高陂水庫的6 個(gè)樣本村長(zhǎng)期補(bǔ)償方式進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。根據(jù)水庫移民風(fēng)險(xiǎn)評(píng)價(jià)問題的需要對(duì)標(biāo)準(zhǔn)集對(duì)分析法進(jìn)行改進(jìn),將三元聯(lián)系度拓展至五元,進(jìn)而降低了風(fēng)險(xiǎn)評(píng)價(jià)問題中指標(biāo)相鄰等級(jí)的模糊性;引入?yún)^(qū)間三角模糊數(shù)實(shí)現(xiàn)了差異度系數(shù)的量化,降低了風(fēng)險(xiǎn)評(píng)價(jià)問題中的隨機(jī)性;組合賦權(quán)兼顧了標(biāo)準(zhǔn)賦權(quán)法和主因素突出賦權(quán)法的優(yōu)點(diǎn),使評(píng)價(jià)結(jié)果更加符合水庫移民實(shí)際狀況。長(zhǎng)期補(bǔ)償安置方式相對(duì)于傳統(tǒng)安置方式具有緩解人地矛盾、保障移民生活長(zhǎng)期穩(wěn)定的優(yōu)點(diǎn),目前正處于積極探索階段,該模型可對(duì)其相關(guān)風(fēng)險(xiǎn)做出合理評(píng)價(jià),為項(xiàng)目業(yè)主與移民管理機(jī)構(gòu)決策提供科學(xué)參考。