基于因子分析的沿海地區海洋災害損失評價——以風暴潮為例

孫瑞杰，趙昕

（1. 國家海洋信息中心 天津 300171；2. 中國海洋大學經濟學院 山東 青島 266100）

基于因子分析的沿海地區海洋災害損失評價
——以風暴潮為例

孫瑞杰1，趙昕2

（1. 國家海洋信息中心 天津 300171；2. 中國海洋大學經濟學院 山東 青島 266100）

近年來，海洋災害不斷發生，使得沿海地區經濟與社會的持續發展遭受嚴峻的挑戰。在總結有關海洋災害研究成果的基礎上，首先說明了構建災害損失評價指標體系的基本原則，并選取了評價指標體系；其次，用因子分析法對十個沿海省份2000年到2007年所遭受的風暴潮災害損失進行了評價；最后根據綜合得分找出了遭受風暴潮災害損失嚴重的地區和主要的損失因子，從而為防災減災提供了依據。

海洋災害；損失評價；因子分析

中國屬于典型的海洋大國，豐富的海洋資源與優越的海上運輸條件為中國經濟發展創造了契機。然而，沿海區域相應的也是受到海洋災害影響的高風險區域，風暴潮、災害性海浪、赤潮、溢油、海冰、海霧、海平面上升、海岸侵蝕等各種海洋災害經常發生，嚴重影響了沿海地區的經濟發展和城市建設，給沿海經濟發展、人民生命財產安全及生態環境帶來巨大威脅。鑒于海洋災害問題的嚴重性與普遍性，在我國，人們已經開始對海洋災害問題進行研究。

盧文芳[1]( 1995 ) 將搜集到的 1949—1990 年影響上海地區的熱帶氣旋災情資料，用數理統計方法進行加工處理，再結合致災成因分析，建立熱帶氣旋災情指數序列，并在此基礎上用 5 個災情等級評估災情輕重的程度。許啟望[2]( 1998 ) 采用直接經濟損失和強度二個綜合性因子對風暴潮災害所造成的損失進行研究。趙領娣[3]( 2003 ) 以深刻剖析災害管理內涵為切入點，全面闡述了災害管理系統、災害損失評估以及系統科學原理與方法在災害管理實踐中的應用，在深入分析減災與經濟效益、災害損失與經濟補償、巨災風險分散化的基礎上，全面探討了中國沿海的風暴潮災害及其防御對策，并最終構建了中國風暴潮災害的綜合管理機制。葉濤[4]( 2005 ) 從海洋災害發生的頻率、直接經濟損失和傷亡人數發展趨勢等方面，分析了1990 年以來中國海洋災害系統的風險特征。李春梅，羅曉玲[5]( 2006 ) 將層次分析法和專家打分法應用于廣東省熱帶氣旋災害影響評估模式中，通過建立“熱帶氣旋綜合影響指數”對熱帶氣旋災害的影響程度進行分級評判，定量地估算出熱帶氣旋的可能直接經濟損失。 佟蒙蒙[6]( 2006 ) 對我國的赤潮災害進行了分型分級，并提出了災害損失評估的理論模型。鄭惠[7]( 2009 ) 以數量級為災害損失定級標準，建立了風暴潮災害模糊災度 5 級分類表，并利用模糊數學原理對風暴潮災害損失進行定級分類，給出了實用性較強的災害損失等級模糊定級測度法。

盡管對海洋災害的研究比較多，但大都是對災害損失進行定性分析，進行定量評價的不多。本文運用因子分析的方法，從人員傷亡和直接經濟損失兩個方面對風暴潮災害所造成的損失進行定量的評價，找出災害損失嚴重的地區和主要的損失因子，以便更有針對性的進行防災減災。

1 評價指標體系的選取

所謂災害損失評價指標體系就是指用來評價海洋災害對經濟社會和環境所造成的損失程度而采用的標準和尺度。在指標體系建立過程中，要求：(1) 指標體系的邏輯結構應與現今固有的、公認的客觀結構相吻合；(2) 指標體系的邏輯結構應具有最大的兼容性，可囊括海洋災害系統研究的所有內容；(3) 指標體系的邏輯結構的表現形式，必須便于描述和組織，并且各項指標必須具有明確含義。

因為海洋災害是一個綜合、復雜的災害現象，根據以上的要求，同時結合災害損失的特點和評價的目標以及數據的可得性，把整個指標體系分為：人口傷亡、直接經濟損失兩部分，每部分又有多項分指標組成，各分指標之間相互聯系、相互作用，構成綜合指標體系。總體指標體系如下：

圖 1 海洋災害損失評價指標體系Fig. 1 Index system of loss appraisal of ocean disaster

通過上圖可以看出，評價指標體系是從人口傷亡、直接經濟損失三個方面進行構建的。人口傷亡旨在評價海洋災害對人類所造成的災害情況，文中選取了受災人口和傷亡人口兩個指標；直接經濟損失旨在評價海洋災害對農業、海洋水產業及基礎設施的破壞情況，文中選取了農作物受災面積、水產養殖受災面積、房屋損毀間數、損毀海洋工程長度、沉沒損毀船只數這5個指標來反映。

3 海洋災害損失評價

3.1 方法的選擇

評價災害損失需通過由多層次的、多方面的、各類型的指標構成的災害損失指標體系來進行，而這些指標對災害狀況說明的程度各不相同，彼此間又難免有一定的相關性，使它們在信息上發生重疊，從而導致評估結果不清，甚至發生矛盾。因子分析方法是根據相關性大小把變量分組，使得同組內的變量之間相關性較高，但不同組的變量相關性較低。每組變量代表一個基本結構，這個基本結構成為公共因子。對于所研究的問題就可試圖用最少個數的不可測的所謂公共因子的線性函數與特殊因子之和描述原來觀測的每一分量[8]。所以，應用因子分析法能夠較理想地評估海洋災害損失情況。

因子分析數學模型如下：

3.2 樣本和數據的選取

本文以遼寧、河北、山東、江蘇、浙江、福建、廣東、海南、廣西、天津十個沿海省份為研究對象，對 2000—2007 年所遭受的風暴潮災害損失進行評價。

設x1代表受災人口（萬人），x2代表農作物受災面積（×104hm2），x3代表海洋水產養殖受災面積（×104hm2），x4代表損毀房屋（萬間），x5代表損毀海洋工程長度（km），x6代表沉沒損毀船只數（艘），x7代表死亡失蹤人數。數據見下表：

表 1 2000—2007年沿海省份損失數據（風暴潮）Tab. 1 Loss data of coastal area from 2000 to 2007 (storm surges)

3.3 因子分析適用性檢驗

首先，將原始數據標準化，并用 MATLAB7.0軟件計算出變量間的相關系數矩陣，結果顯示絕大部分相關系數都大于 0.2，符合因子分析的要求；接著再對這組數據用Bartlett球度和KMO取樣適當性做進一步的檢驗，從檢驗結果來看，KMO取樣適當性檢驗的統計量為 0.609，雖然沒有達到極好的效果，但也能符合適用因子分析大于 0.5 的要求；而Bartlett球度檢驗在 0.000 的顯著性水平上拒絕了相關系數矩陣為單位陣的假設，即說明各個變量間存在著相關，故可以肯定，這組數據適合進行因子分析。

3.4 構造因子變量

構造因子變量也是因子提取的過程，運用SPSSV13.0 軟件，輸入數據進行運算，即可得到結果。為了主因子的提取結果更加理想，本文還做了最大方差法正交旋轉，最后選取了2 個主因子，其累計方差貢獻率達到 90.298 %，下表即為得到的計算結果：

3.5 因子變量的命名與解釋

在進行因子解釋時，絕對值大于 0.75 的載荷才認為是顯著的。根據表 2，在選取了顯著性載荷后得到以下結論：

第一因子（F1）主要由水產養殖受災面積、損毀海洋工程、沉沒損毀船只數決定，這三個指標在因子1F上的載荷都在 0.85 以上，集中反映了風暴潮災害對水產養殖業、船只和海洋工程的破壞情況。由于所遭受的災害都發生著在海上，因此，這個因子可以命名為“海域損失因子”。

表 2 特征值、因子載荷陣和共同度表Tab. 2 Table of eigenvalue, factor loading matrix and joint degree

第二因子（F2）主要由農作物受災面積、損毀房屋數和死亡失蹤人數決定，這三個指標在因子F2上的載荷都在 0.85 以上，集中反映了風暴潮災害對陸地上的農業、房屋和沿海居民的破壞情況。因此，這個主因子可以命名為“陸域損失因子”。

可見，“海域損失因子”和“陸域損失因子”這兩個因子共同組成了風暴潮災害對沿海地區社會經濟發展所造成影響的主要因子。

3.6 計算綜合得分

由回歸法估計出因子得分，再以各因子的方差貢獻率占前兩個因子方差貢獻率的比重作為權重進行加權匯總，得出各省份的綜合得分，并排出先后順序，結果如下：

表 3 綜合得分表Tab. 3 Table of comprehensive scores

最后，以公因子F1、F2作為坐標軸，繪制出各城市的因子得分圖，如下：

圖 2 沿海地區因子得分圖Fig. 2 Factor scores of coastal regions

4 結果分析

根據綜合得分表，對沿海地區的受災情況進行綜合分析和評價。綜合得分排在前三位的是浙江、福建、廣東，四到六位的是海南、江蘇、山東，最后四位是廣西、遼寧、河北和天津。因此，按照風暴潮災害所造成的損失程度可以將十個沿海地區分為三個區域：第一個區域由浙江、福建、廣東組成，這三個省份都處于珠江三角洲地區，風暴潮頻發，而且往往都是在這兒首先登陸，破壞力巨大，所以給以上三個省份造成巨大的損失；第二個區域由海南、江蘇、山東組成，這三個地區分別位于珠江三角洲南北兩側，遭受的災害損失較輕；第三個區域由廣西、遼寧、河北和天津組成，這個區域的四個省份所遭受的損失最輕。

沿海地區因子得分圖顯示：浙江、廣東、山東三個省份“海域損失因子”得分高于“陸域損失因子”得分，說明這三個省份在水產養殖受災面積、損毀海洋工程、沉沒損毀船只數三個方面的損失更為嚴重；而福建、海南、江蘇三個省份“陸域損失因子”得分高于“海域損失因子”得分，說明這三個省份在農作物受災面積、損毀房屋數和死亡失蹤人數損失較嚴重；廣西、遼寧、河北和天津四個地區第一因子和第二因子的得分都比較低。

5 防災減災對策

第一，要建立和發展海洋災害監測網，擴充海洋災害警報數據庫，建立和發展災害分析和預報系統，早期災害警報系統和災情評估技術，以及開展上述科技系統的建立和發展有關的，涉及計算機科學、電子及信息科學、海洋氣象科學領域廣泛的科學技術研究項目，做好防御工作。

第二，對“海域損失因子”得分高的浙江省、廣東省和山東省，首先要加固海洋工程建設，依據海洋災害的長期預測，修建防潮海堤、海塘、護岸工程、分洪分潮工程等，對易受災地區岸段做工程防護，以避免風暴潮發生時沖回堤壩，造成洪水泛濫；其次，提高淡水養殖和深海養殖技術，以減輕風暴潮對水產養殖的影響，減少漁民的損失。

第三，對“陸域損失因子”得分高的福建省、海南省和江蘇省要加強防風林、防護林的種植和保護，以減輕風暴潮發生時臺風的破壞力，避免大面積農作物、大量房屋被吹倒和人員死亡失蹤現象。

[1] 盧文芳. 上海地區熱帶氣旋災情的評估和災年預測 [J]. 自然災害學報, 1995(8): 40-45.

[2] 許啟望, 譚樹東. 風暴潮災害經濟損失評估方法研究 [J]. 海洋災害通報, 1998(2): 1-11.

[3] 趙領娣. 中國災害綜合管理機制研究 [M]. 中國海洋大學, 2003.

[4] 葉濤. 1990年以來中國海洋災害系統風險特征分析及其綜合風險管理 [J]. 自然災害學報, 2005(6): 65-70.

[5] 李春梅, 羅曉玲. 層次分析法在熱帶氣旋災害影響評估模式中的應用 [J]. 熱帶氣象學報, 2006(6): 223-229.

[6] 佟蒙蒙. 我國赤潮的分型分級及赤潮災害評估體系 [M]. 暨南大學, 2006.

[7] 鄭惠, 趙昕. 海洋災害經濟損失的模糊測定——以風暴潮為例[J]. 中國漁業經濟, 2009(4): 105-110.

[8] 何曉群. 現代統計分析方法與應用 [M]. 中國人民大學出版社,1998.

Appraisal of ocean disaster losses of coastal area based on the factor analysis—— A case study of storm surge disaster

SUN Rui-jie1, ZHAO Xin2

( 1. National Marine Data & Information Service，Tianjin 300171, China; 2. Ocean University of China, Economy College, Qingdao, 266100 )

In recent years, the ocean disaster happens unceasingly, and the sustained development of economy and society of coastal area suffers austere challenge. Firstly, based on ocean disaster research results, this paper explains the basic principle of building index system, and chooses the proper index. Secondly, it appraises losses of ten coastal provinces caused by ocean disasters from 1999-2007 by using the factor analysis. Finally, the paper finds out the area suffering grave loss and main loss facter , and put forward proposals for disaster prevention and disaster reduction.

ocean disaster; loss appraisal; factor analysis

X43

A

1001-6932(2010)06-0697-05

2009-12-31；收修改稿日期：2010-03-31

孫瑞杰（1984—），男，碩士研究生，電子郵箱：sunruijie0714@163.com。