程怡萌,田 敏,胡世亮,陳 姣,成 饒
(云南大學 資源環境與地球科學學院 云南省地理研究所,云南 昆明 650091)
?
高原山地農戶旱災應災行為研究
——以云南省南澗縣為例
程怡萌,田敏,胡世亮,陳姣,成饒
(云南大學 資源環境與地球科學學院 云南省地理研究所,云南 昆明 650091)
旱災作為云南省的第一大農業氣象災害,給農業生產造成了巨大的損失。在旱災面前,人類既是旱災承災體,又是減災政策、措施以及直接抗旱減災響應行為的具體執行者。在災害的發生過程中,人類應災行為對提高旱災應對能力、減少旱災損失有著更為實際的效果。該文以云南省南澗縣為例,通過問卷調查和入戶訪談獲取數據,使用主成分分析和系統聚類分析方法對數據進行處理,并將收集到的11種應災行為分為三大類進行多維尺度分析;根據175名農戶對11種應災行為的評價特點,將這些農戶進行判別分析并劃分為三類應災人群,針對不同應災人群中的典型農戶分析其應災行為特征。
旱災;應災行為;聚類分析;判別分析
目前國內在應災行為方面的研究,主要強調國家和社會層面的防災減災行為[1-3],而對個體減災行為的研究較少。孫雪萍等對國家、社會、個體三個層面的旱災應災行為進行了定性研究[4]。吳先華等學者[5]通過構建Binary Logistic回歸模型,對公眾應對氣象災害風險的行為及其影響因素進行實證分析。史興民[6]進行了公眾對煤礦區地質災害的感知與適應行為研究。李華強和孫莉莉則在基于汶川地震和臺風開展的公眾風險感知與行為的實證研究中[7-9],對于個體進行了減災行為的分析,采用減災行為的類型和避災投入對減災行為進行測度,取得了定性和定量的研究結論。但是,目前對旱災應災行為的研究還是以定性研究為主,定量化研究還很少;本文以農戶對旱災的應災行為為研究主體,嘗試選用聚類分析和判別分析的方法對其進行研究。
地處高原山地的云南,農業經濟較為落后、農村人口眾多,加上特殊的地質構造和及其復雜的地形、氣候特征,使其成為一個典型的農業自然災害多發且危害大的省份[10]。南澗縣是云南省旱災比較嚴重的地區之一,由于連續6年受大旱的影響,大部分地區為重旱區。截至2014年5月28日,全縣農業受災面積達6 666.67 hm2,成災面積達4 800 hm2,絕收面積達833.33 hm2,旱情形勢極為嚴峻。在云南高原山地地區,各村落所處的承災環境、農戶承災能力等差異較大,農業旱災風險、旱災損失的地域差異明顯。同時為了加強旱災風險防范、提高減災工作效率,亟待加強區域農戶旱災應災行為的研究。為此,本文以大理州南澗縣為例,對云南高原山地農戶旱災的應災行為進行了研究。
1.1數據來源
本次田野調查的對象是云南高原山地農戶,分別于2014年8月和2015年1月兩次到南澗縣進行相關的問卷調查和現場訪談。本次研究共發放220份問卷,其中的20份為預調查,回收問卷189份,剔除無效問卷,最后得到有效問卷175份。由于考慮到各村的海拔差異及經濟水平差異等因素,在選擇樣本農戶進行問卷調查和訪談時,我們選擇了云南省南澗縣紅星村、擁翠村和杏子山村進行抽樣調查研究;其中,紅星村59份,擁翠村71份,杏子山村45份(表1)。通過調查可以得到12種旱災的應災行為(表2),但在研究區中發現幾乎沒有農戶采用禱告祭祀神靈這一應災行為,所以在數據分析處理中剔除了該應災行為。

表2 關于旱災主要的應災行為
1.2應災行為有效性評價原則
為方便數據信息的搜集和統計分析,農戶應災行為測評指標主要采用態度量化方法,問卷采用李克特量表法賦值,每個應災行為分別根據農戶對其有效性的評價而賦分。本文對各類應災行為有效性評價的原則主要依據農戶家庭收入、農產品生產安全和農業可持續發展等方面來評判;具體評價原則如下:
一是農戶采取的應災行為有利于農戶家庭收入的穩定或在旱災年份收入基本保持不變;二是農戶采取的應災行為有利于農產品生產安全和農業的可持續發展。農戶采取的應災行為越有利于以上幾個方面,則其重要程度越高。
1.3研究思路
本文以云南省南澗縣為例,通過問卷調查和入戶訪談獲取數據,使用主成分分析和系統聚類分析方法將收集到來的11種應災行為分為三大類,并對分類后的結果進行多維尺度分析;其次,根據175名農戶對11種應災行為的評價特點將其劃分為三大應災人群并進行判別分析,最終選取不同應災人群中的典型農戶進行案例分析。具體分析過程如圖1所示。

圖1 研究思路
2.1主成分分析
通過主成分提取的方法,經過方差最大化旋轉,依照因子提取中特征值大于1的原則,對11個指標因素提取公共因子,共提取出3個公共因子。這3個公共因子的累計解釋方差達到73.77%,即3個公共因子解釋了總變量的 73.77%,包含了整個評價指標體系的大部分信息,具有較好的說服力(圖2)。也就是說11個應災行為可以從屬于云南高原山地農戶應災行為研究的3個不同的大類。

圖2 解釋的總方差

應災行為成分1成分2成分3X1打井修水窖0.713-0.4290.161X2澆灌設施準備0.713-0.4960.247X3購買儲水物品0.705-0.5530.014X4買水0.0720.7280.127X5多樣化種植0.5900.3240.180X6種植耐旱或節水農作物0.3640.3660.628X7地膜覆蓋0.609-0.0100.589X8育苗等田間管理行為0.5760.6940.165X9購買農作物保險0.8030.059-0.512X10從事多種收入活動0.5810.391-0.659X11棄耕并外出務工0.7060.005-0.432
由表3可看出:應災行為X9、X1、X2、X11和X3在第一主成分上有較高載荷,說明第一主成分基本反映了這些指標的信息,根據其特征命名為“其他非耕作行為”;應災行為X4和X8在第二主成分上有較高載荷,說明第二主成分基本反映了這些指標的信息,根據其特征命名為“耕作生產條件改良行為”;應災行為X6、X7和X10在第三主成分上有較高載荷,說明第三主成分基本反映了這些指標的信息,根據其特征命名為“耕作行為”。

圖3 各指標相關系數矩陣
由圖3可以看出,應災行為X1、X2和X3三者之間顯著相關,X9、X10和X11三者之間顯著相關,其余各個應災行為之間的相關性較低,獨立性較強。以上所有的分析結果,可為后面的聚類分析和多維尺度分析提供分類依據。
2.2聚類分析
利用SPSSl9.0軟件中系統聚類法對農戶的應災行為進行聚類,方法選用Wards算法,度量標準選擇“計數”中的斐方(Phi square measure),轉換值標準化選擇Z得分。最后得到聚類樹狀結構圖,通過這個樹狀圖可以初步判斷各應災行為之間的親疏關系,結合前面的主成分分析結果,農戶的應災行為聚類樹狀結構圖可以確定為3個大類(圖4)[11]。其中,第一類主要是以耕作行為為主的應災行為,該類中的買水和地膜覆蓋理論上應該劃分為第二類以耕作生產條件改良行為為主,但被劃分進第一類以耕作行為為主;其余各類劃分較為準確。

圖4 聚類樹狀結構圖
2.3多維尺度分析
多維尺度分析其過程是通過將觀測量定位到概念空間(通常情況下是二維或三維的空間)中的一個特定的位置,使得空間中觀測量的距離相似性越近越好[12-13]。以前面的相關矩陣為基礎利用SPSSl9.0軟件進行多維尺度分析,結合主成分分析和聚類分析的結果,繪制了具有3個類團的多維尺度分析圖(圖5)。這3個類團分別代表的主題是:Ⅰ以耕作行為為主的應災行為;Ⅱ以耕作生產條件改良行為為主的應災行為;Ⅲ以其他非耕作行為為主的應災行為。

圖5 多維尺度分析圖
2.4判別分析
2.4.1判別圖
首先,以175個樣本為判別基礎數據進行分析,其中第一類有64個樣本農戶,第二類有59個樣本農戶,第三類有52個樣本農戶。從圖6中很明顯看到三個組的中心也就是不同類型的應災人群,以及圍繞著組中心的樣本;模塊1與模塊3分類較好,而模塊2與模塊1及模塊3略有一點交叉;三個組的區分還是比較明顯的,說明直觀上分組判別式是可以接受的[14]。
2.4.2分析個案綜合統計量
圖7主要為不同類型的應災人群和總人群的均值和標準差。由均值可以看出,相對于其他兩種類型,類型1中大部分農戶認為X1打井修水窖減災更為有效;類型2中大部分農戶認為X3購買儲水物品減災效果并不明顯;類型3中大部分農戶認為X6種植耐旱或節水作物減災效果一般。由標準差可以看出,類型1中大部分農戶對X1打井修水窖和X6種植耐旱或節水農作物減災是否有效的意見趨于一致,對其他的應災行為的評價還存在一定的差異;類型2中大部分農戶對X1打井修水窖減災是否有效的意見趨于一致;類型3中大部分農戶對X11棄耕并外出務工減災是否有效的意見趨于一致。

圖6 不同類型應災人群的樣本分布圖

圖7 組的統計量
表4是對各組均值是否相等的檢驗,由該表可以看出,在0.01的顯著性水平上我們不能拒絕對X4和X9的假設,即三組均值相等的假設;也就是認為除了變量X4和X9外,其余9個變量在三組的均值是有顯著差異的。應災行為X4買水是減輕旱情最直接有效的措施之一,所以農戶對其有效性評價差異不大。應災行為X9購買農作物保險是降低農業生產風險的有效措施之一,能夠在災后迅速恢復農業生產,保護農業經營者的權益,提高農業預防和應急能力;并且購買個別農作物保險屬于農業政策的規定,一旦受災后會獲得賠償,所以農戶對其有效性評價差異也不大。

表4 組均值的均等性的檢驗
2.4.3典型判別式函數摘要
從表5中可看到,分析中使用了2個判別函數,其中第一判別函數解釋了數據的80%,第二判別函數解釋了20%;兩個判別函數解釋了100%;當然,兩個判別函數直接具有顯著的差異和判別力。

表5 特征值
注:分析中使用了前2個典型判別式函數。
標準化的典型判別式函數系數可以看出預測變量在組成判別函數時的相對貢獻,由圖8可知,在標準化的典型判別式函數1中打井修水窖、地膜覆蓋和種植耐旱或節水作物是比較有效的應災行為;在標準化的典型判別式函數2中多樣化種植、育苗等田間管理行為是比較有效的應災行為。結構矩陣系數即預測變量與典型判別函數的聯合組內相關系數。由圖9可知,在結構矩陣函數1中打井修水窖和種植耐旱或節水作物等判別變量與其相關性較大;在結構矩陣函數2中多樣化種植和育苗等田間管理行為等判別變量與其相關性較大。值得注意的是,結構矩陣函數系數和標準化的典型判別函數系數不一樣,雖然它們的分布趨勢一致,但一個可以直接寫成標準化的判別函數,而另一個只是表征彼此間的相關性而已。

圖8 標準化的典型判別式函數系數

圖9 結構矩陣函數系數

應災行為類型123X1打井修水窖37.93431.58627.436X2澆灌設施準備5.7704.6563.558X3購買儲水物品1.774-0.0020.735X4買水14.30813.56412.544X5多樣化種植-0.1311.037-0.743X6種植耐旱或節水農作物8.0753.5806.582X7地膜覆蓋12.32510.3289.515X8育苗等田間管理行為0.8693.7651.346X9購買農作物保險0.425-0.1500.626X10從事多種收入活動4.3033.4303.010X11棄耕并外出務工13.07612.36010.134(常量)-175.919-128.709-102.764
2.4.4分類統計量
Fisher線性判別分析的基本思想是使樣本的類內距離盡量小,類間距離盡量大[15]。在此我們主要用其來構建判別方程,理論上說:如果我們知道某個農戶對11種不同應災行為的評價值,我們就可以估計出該農戶應該是哪種類型的。表6為分類系數函數。
2.4.5判別檢驗
判別變量是數量型測量尺度變量,分析樣本個數至少比判別變量多兩個,我們為了得到判別函數,經常需要把樣本隨機分成訓練樣本和檢驗樣本等工作,如本文最后20個(序號156-175)個體就可作為檢驗樣本,也成待判樣本。
由表6可知Fisher判別方程:
G1=-175.919+37.934X1+5.77X2+1.774X3+14.308X4-0.131X5+8.075X6+12.325X7+0.869X8+0.425X9+4.303X10+13.076X11;
(1)
G2=-128.709+31.586X1+4.656X2-0.002X3+13.564X4+1.037X5+3.58X6+10.328X7+3.765X8-0.15X9+3.43X10+12.36X11;
(2)
G3=-102.764+27.436X1+3.558X2+0.735X3+12.544X4-0.743X5+6.582X6+9.515X7+1.346X8+0.626X9+3.01X10+10.134X11。
(3)
判別規則為:

(4)
從表7中可看出,通過判別函數預測,有156個觀測是分類正確的,其中y=1組的64個觀測中有60個觀測被判對,y=2組的59個觀測中有49個觀測被判對,y=3組的52個觀測中有47個觀測被判對。從而有89.1%的原始觀測被判對。在交叉驗證中,其中y=1組的64個觀測中有58個觀測被判對,y=2組的59個觀測中有49個觀測被判對,y=3組的52個觀測中有46個觀測被判對,從而交叉驗證有87.4%的原始觀測被判對。

表7 分類結果
根據以上判別分析結果,對進行問卷調查的各個村落不同應災類型的人數情況進行統計(表8),并抽取典型案例進行分析。通過分析可以看出三種應災類型在三個村落都有分布,其中應災類型Ⅱ的農戶最多;擁翠村應災行為Ⅰ的農戶最多,杏子山村應災行為Ⅱ的農戶最多,紅星村應災類型Ⅲ的農戶最多。

表8 各村落三種應災類型的分布情況
3.1應災類型案例分析
(1)應災類型Ⅰ:本次訪談的農戶為擁翠村李家,戶主為男性,彝族,普通群眾,小學文化程度,其妻子是社長,一個孩子初中在讀,家庭條件非常好。該戶茶園種植面積有一定規模,主要從事茶葉的種植和收購,在該村的經濟條件比較好。通過對戶主的旱災風險行為進行測量,該戶屬于學生數少、負擔輕的家庭,且耕地面積較大,農產品類型以經濟作物為主(表9)。

表9 應災類型Ⅰ典型農戶案例分析
(2)應災類型Ⅱ:本次訪談的農戶為杏子山村楊家,戶主為男性,漢族,小學文化程度,普通群眾,戶主除了在家務農,還在鄰村打工,家庭經濟條件在該村中算中等水平。該農戶種植的農作物為耐旱作物,農作物種類也較多(表10)。
(3)應災類型Ⅲ:本次訪談的農戶為紅星村李家,戶主為女性,彝族,初中文化程度,普通群眾,戶主基本在村中務農,種植的農作物為傳統農作物,主要為玉米和小麥,農作物品種比較單一。該戶家中有兩個孩子上學,還有一位老人需要照顧,家庭收入以農業收入為主,經濟條件在該村中處于比較貧困的水平(表11)。

表10 應災類型Ⅱ典型農戶案例分析

表11 應災類型Ⅲ典型農戶案例分析
3.2應災行為影響因素分析
通過以上對采取不同類型應災行為的典型人群分析,可以初步總結出農戶的應災類型受多種因素的影響,主要與災害發生的概率、當地的氣候、農戶的經濟水平、農戶的文化程度、農業收入的比重和耕地面積等因素有關[16];具體分析過程如下所示。
(1)旱災發生的概率。該變量意在考察農戶對以往旱災發生規律有無總結,并在此基礎上對今后旱災的發生趨勢做出預測。對今后旱災發生頻率有預期的農戶說明其應災能力較高,而沒有預期的農戶其應災能力則較低。
(2)當地的氣候狀況。一個地區的氣候狀況是決定其干旱發生強度的重要影響因素,而面對不同程度的旱災農戶所采取的應災行為也會有所區別。
(3)農戶的經濟水平。農戶的經濟水平決定了其可以采取不同等級應災設備的能力,從而直接關系著應災行為的選取以及應災能力的高低。
(4)戶主的文化程度。羅小鋒等學者[17]指出受教育水平高的戶主會更容易意識到自然災害的風險,對減災措施的需求越強烈。文化程度較高的農戶具有較高的災害風險意識,其減災意識也會相對較強。
綜上研究,可得結論如下:
(1)通過聚類分析可將農戶應對旱災的行為響應分為三大類。第一類以耕作行為為主,包括X4買水、X5多樣化種植、X6種植耐旱或節水作物、X7地膜覆蓋和X8育苗等田間管理行為;第二類以耕作生產條件改良行為為主,包括X1打井修水窖、X2澆灌設施準備和X3購買儲水物品;第三類以其它非耕作行為為主,包括X9購買農作物保險、X10從事多種收入活動和X11棄耕并外出務工。
(2)大部分的農戶在旱災來臨時會采取多種應災行為。農戶對應災行為X4買水和X9購買農作物保險的有效性評價差異不大,對其余應災行為有效性的評價有較大差異。在判別函數1中打井修水窖、地膜覆蓋和種植耐旱或節水作物是比較有效的應災行為;在判別函數2中多樣化種植和育苗等田間管理行為是比較有效的應災行為。
(3)根據對175名農戶的判別分析可將農戶分為三大類。相對于其他兩種類型,類型1的大部分農戶認為X1打井修水窖減災更為有效;類型2的大部分農戶認為X3購買儲水物品減災效果并不明顯;類型3的大部分農戶認為X6種植耐旱或節水作物減災效果一般。三種應災類型的人群在三個村落都有分布,其中應災類型Ⅱ的農戶最多。擁翠村中應災行為Ⅰ的農戶最多,杏子山村中應災行為Ⅱ的農戶最多,紅星村中應災類型Ⅲ的農戶最多。
(4)農戶的應災行為受多種因素的影響,主要與災害發生的概率、當地的氣候、農戶的經濟水平、農戶的文化程度、農業收入的比重和耕地面積等因素有關。
研究不足之處主要有:①在問卷調查過程中由于農戶的文化程度和理解能力不高,導致獲取數據的質量、分析和統計等工作受到影響,從而使得到的結果會和實際情況有一些出入;②由于研究時間、調查村落和調查樣本數量的有限性,本文最終所劃分的應災行為的類型和應災農戶的分類結果還需要經過長期實踐不斷檢驗和完善。
[1]蘇菊香.發揮政府助手作用做好備災救災工作[J].自然災害學報,2007,16(S1):55-57.
[2]謝永剛,周長生,黨鵬.中國水旱災害特點及水利減災措施效果排序研究[J].自然災害學報,2012,21(4):62-66.
[3]徐長青,曹鐵華,蔣春姬,等.吉林省旱災對糧食產量的影響及抗旱減災對策[J].安徽農業科學,2011,39(9) :5265-5266,5333.
[4]孫雪萍,房藝,蘇筠.基于旱災演變的社會應災過程分析——以2009-2010年云南旱災為例[J].災害學,2013,28(2):90-94.
[5]吳先華,劉華斌,郭際,等.公眾應對氣象災害風險的行為特征及其影響因素研究——基于深圳市3109份調查問卷的實證[J].災害學,2014,29(1):103-108.
[6]史興民.公眾對煤礦區地質災害的感知與適應行為研究[J].災害學,2015,30(1):157-160,166.
[7]孫莉莉,陳愛蓮,張紅莉,等.臺風災害避災行為及影響因素的信效度分析[J].自然災害學報,2009,18(5):127-130.
[8]李華強,范春梅,賈建民,等.突發性災害中的公眾風險感知與應急管理——以“5·12”汶川地震為例[J].管理世界,2009(6):52-60,187-188.
[9]孫莉莉,陳愛蓮,王祥明,等.山區臺風災害避災行為的影響因素分析[J].自然災害學報,2010,19(6):165-170.
[10] 周桂華,楊子漢.2012年云南自然災害綜述與減災措施探討[J].災害學,2013,28(4):132-138.
[11] 劉貴玉,賈麗君.我國移動圖書館研究熱點分析——基于共詞分析視角[J].現代情報,2014(7):40-44,49.
[12] 甘資先,周方俊,肖奕.多維尺度分析中的算法研究[J].清華大學學報(自然科學版),1991(6):20-27.
[13] 儲節旺,閆士濤.知識管理學科體系研究(下)——聚類分析和多維尺度分析[J].情報理論與實踐,2012(3):5-9.
[14] 王鵬澤,劉鵬飛,來苗,等.因子、聚類及判別分析在煙葉風格特色評價中的應用[J].中國煙草科學,2015(2):20-25.
[15] 邊肇祺,張學工.模式識別[M].北京:清華大學出版社,2000.
[16] 羅小鋒,冷俊磊.農戶減災意識的綜合判斷及原因分析——基于江漢平原233戶農戶的調查[J].農業技術經濟,2013(10):56-63.
[17] 羅小鋒,李文博.農戶減災需求及影響因素分析——基于湖北省352戶農戶的調查[J].農業經濟問題,2011(9):65-71.
The Response Behavior to Drought Disaster of Rural Households in Plateau Mountain Region ——Taking Nanjian County in Yunnan Province, China as a Case Study
CHENG Yimeng, TIAN Min, HU Shiliang, CHEN Jiao and CHENG Rao
(CollegeofResourceEnvironmentandEarthScience,YunnanInstituteofGeography,YunnanUniversity,Kunming650091,China)
TheDroughtdisasteristhemostterribleagro-meteorologicaldisastersinYunnanprovince,China.Peoplewhosufferedthedisastermakethepoliciesandmeasurestomitigatedisaster’seffections,atthesametime,executethosepoliciesandmeasures.Intheentireprocessofdisaster,people’sresponsebehaviorstodroughtdisasterareespeciallyefficienttopromotepeople’sdisaster-copingability.WetakethecountynamedNanjianinYunnanprovinceinChinaasthestudiedzone,andobtainthedatasthroughquestionnairesandhouseholdinterviews;thenprocessthedataswithPrincipalComponentsAnalysisandClusterAnalysis;classifythedisasterresponsebehaviors(11types)tothreeclassesandprocesswithmultidimensionalscalinganalysis.Accordingtothecharacteristicofassessmentof175householdstothe11disasterresponsebehavior,weclassifytheseruralhouseholdstothreetypes,andanalysetheirseparatetypicalcharacters.
drought;disasterpreparedness;clusteranalysis;discriminantanalysis
2016-04-30
2016-06-15
國家自然科學基金(41461100)
程怡萌(1992-),女,河南伊川縣人,碩士研究生,主要從事災害地理學、人文地理學研究.
E-mail:870433898@qq.com
田敏(1963-),女,貴州興義人,副教授,研究生導師,主要從事災害地理學、人文地理學等學科教學和研究工作.
E-mail: tianmin@ynu.edu.cn
X43;P694;S72
A
1000-811X(2016)04-0215-09
10.3969/j.issn.1000-811X.2016.04.039
程怡萌,田敏,胡世亮,等. 高原山地農戶旱災應災行為研究——以云南省南澗縣為例 [J]. 災害學,2016,31(4):215-223. [CHENG Yimeng, TIAN Min, HU Shiliang,et al. The Response Behavior to Drought Disaster of Rural Households in Plateau Mountain Region——Taking Nanjian County in Yunnan Province, China as a Case Study[J]. Journal of Catastrophology,2016,31(4):215-223. doi: 10.3969/j.issn.1000-811X.2016.04.039.]