基于TOPSIS法的城市自然災害社會脆弱性評價—以江西省為例

郭 成

安徽理工大學經濟與管理學院，淮南,232001

基于TOPSIS法的城市自然災害社會脆弱性評價—以江西省為例

郭 成

安徽理工大學經濟與管理學院，淮南,232001

研究社會脆弱性旨在提升城市災前準備和風險管理能力?；?014年數據，在人口規模、經濟條件、社會環境和建筑設施四個方面選了28個評價指標，利用SPSS軟件皮爾遜相關分析篩選出19個指標作為最終的評價指標。運用TOPSIS方法建模、變異系數法賦予每個最終指標相應的權重，經過計算得到了江西省11個地級市自然災害社會脆弱性的貼近度大小，依據貼近度將其劃分為四個等級：自然災害社會脆弱性最高的是南昌市和鷹潭市，較高的是吉安市、新余市、景德鎮市和撫州市，較低的是萍鄉市、九江市和上饒市，最低的是宜春市和贛州市。

自然災害；社會脆弱性； 江西??； TOPSIS方法； 變異系數法

1 相關研究與問題提出

社會脆弱性是識別敏感人群不太可能應對自然災害并且從中恢復的、在空間和時間上變化的復雜的、動態的社會特征[1]。Flanagan提出社會脆弱性是影響社會適應力的經濟和人口因素[2]。由于經濟和社會的發展狀況不同，國外比中國更早地接觸到了社會脆弱性，而且不同學者基于不同的角度得到了相應的研究成果。Cutter從人口規模、發展模式、經濟條件、建筑環境四個方面評估了美國從1960-2008年縣級區域的社會脆弱性分布變化[1]。Schmidtlein以縣級市為基本單位得到了美國社會脆弱性的地理分布格局[3]。Kesavan基于一些災害頻發的區域，分析了影響社會脆弱性的主要因素，并且使用相應的方法為其改善[4]。

隨著我國綜合國力日益提升，國家開始重視公共安全管理，社會脆弱性逐漸成為國內學者研究的熱點，各研究者根據自身研究的方向得出了一些成果。葛怡等基于中國洪澇災害頻發的實際情況，以長沙市為例，評估了水災社會脆弱性，為今后國家防災減災和風險管理提供參考依據[5-6]。游溫嬌等從微觀、宏觀兩方面選取社會脆弱性評價指標，從不同層面分析社會脆弱性的影響因子[7-8]。王鶯等評估了中國南方干旱脆弱性，得到了地理等級區劃圖[9]。李暢等對湖北荊州市水災社會脆弱性進行了時間序列和空間分布分析[10-11]。賀山峰等運用專家調查法和層次分析法評估了河南省17個地級市的社會脆弱性[12]。徐選華等用改進的突變級數法評估了四川省自然災害社會脆弱性，并提出相應的災前準備應對措施[13]。薛晨浩等評估了寧夏生態移民社區，得出了南高北低的地理分布態勢以及影響自然災害社會脆弱性的評價指標因子[14]。本文基于國內外學者的研究基礎，以江西省11個地級市為研究對象，構建自然災害社會脆弱性評價體系，運用TOPSIS方法計算各個評價對象的貼近度，用貼近度的大小來反映自然災害社會脆弱性的強弱，研究結果可以為江西省應急管理人員進行區域災前準備和風險管理提供科學依據。

2 研究區概況

江西省簡稱贛，總面積為16.69萬km2，下轄11個地級市，省會為南昌市，屬于華東地區。2014年年末，GDP為15 754.03億元，常駐人口為4 542.2萬人。江西省的地形以丘陵和山地為主，氣候屬中亞熱帶溫暖濕潤季風氣候，全年降水量較大，且降水時間和區域分布不均，因此江西省的洪澇災害很嚴重；加上江西省產業發展不均衡以及城鎮化迅速推進，導致大量人口涌入城市，使該省自然災害的社會脆弱性大大增加。

3 數據來源與研究方法

3.1 數據來源

本文數據來自2015年《江西省統計年鑒》《江西省2015年人口普查資料》和江西省11個地級市2015年統計年鑒，鑒于統計年鑒中數據非常豐富，本文從中篩選影響自然災害社會脆弱性的各項指標原始數據。

3.2 研究方法

本文采用TOPSIS法。

3.2.1 原始數據矩陣的構建

根據對評價地區的分析，確定評價指標，則可以構成原始數據矩陣：

(1)

式中,m表示評價對象,n表示評價指標。

3.2.2 原始數據的標準化

由于各評價指標的屬性和單位不統一，所以需要作規范化處理。

屬性為正的評價指標，采用如下方法進行規范：

(2)

式中，i=1,2,3,…,n；j=1,2,3,…,m。

屬性為負的評價指標，采用如下方法進行規范：

(3)

式中，i=1,2,3,…,n；j=1,2,3,…,m。

經過公式(2)和(3)規范化處理后得到矩陣:

(4)

3.2.3 各層次指標權重的確立

為了使評價結果客觀可信，加上原始數據已作規范化處理，用變異系數法來賦權，得到的指標權重為Wi(i=1,2,3,…,n)，計算步驟如下：

(1)分別求出各個指標的平均值和標準差。

(5)

(6)

式中,i=1,2,3,…,n。

(2)計算各指標對應的變異系數。

(7)

式中,i=1,2,3,…,n。

(3)計算各評價指標的權重。

(8)

式中,i=1,2,3,…,n。

3.2.4 構成加權規范化矩陣

Zij=rijWi

(9)

式中,i=1,2,3,…,n，j=1,2,3,…,m；Wi是第i個評價指標的權重。

3.2.5 確定最優解和最劣解向量

由公式(9)得到矩陣Z，這樣就可以確定各評價指標的最優解和最劣解。

(10)

(11)

3.2.6 計算各待評地區到最優解和最劣解的歐式距離

對于第i個評價對象到最優解、最劣解的歐式距離分別用下式計算：

(12)

(13)

式中,i=1,2,3,…,m。

3.2.7 計算評價區域內各評價對象的貼近度

(14)

評價區域內評價對象的社會脆弱性的高低對應貼近度的大小，貼近度越大,表明該評價對象的社會脆弱性越高;貼近度越小,表明該評價對象的社會脆弱性越低。

4 方法運用與計算

4.1 評價指標的確定

由于挑選的各評價指標的屬性和單位不統一(表1)，需要對指標進行規范化處理,然后根據皮爾遜相關分析篩選相關性較強的評價指標。篩選時要遵循以下原則：(1)在α=0.05時，被刪指標與其他較多指標的相關性系數的絕對值在0.5以上；(2)相對同層其他指標，它的影響相對要小[15]。

經過分析與比較，可以確定篩選的指標有B12、B14、B15、B21、B31、B51、B52、C31、C32共9個指標；篩選后的評價指標個數變為19個，如表2。

表1 自然災害社會脆弱性初始評價指標

注：“+”表示指標值越大，社會脆弱性越高；“-”表示指標值越大,社會脆弱性越低。

表2 江西省自然災害社會脆弱性最終評價指標

注：“+”表示指標值越大，社會脆弱性越高；“-”表示指標值越大,社會脆弱性越低。

4.2 計算結果

將篩選后的評價指標構成矩陣：

(15)

式中，m=1,2,3,…,11；n=1,2,3,…,19。

對初始評價指標進行規范化處理后組成矩陣R，經過篩選得到最終矩陣A，根據公式(5)～(9)計算出各指標相應的權重，然后重組加權規范化矩陣Z。根據公式(10)和(11)得到指標最優解和最劣解的解向量：最優解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}。根據公式(12)和(13)計算研究地區到最優解和最劣解的歐式距離，并根據公式(14)計算各個研究地區的貼近度(表3)。

表3 江西省11個地級市貼近度大小排序

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

5 討論與結論

5.1 討 論

社會脆弱性受當時經濟基礎、教育情況、醫療保障、基礎設施等因素的影響，而且在評估時不同評價指標對其產生的影響會截然相反，這加大了社會脆弱性評估的難度。然而，TOPSIS方法恰好有效地解決了這個難題，它可以將不同向的評價指標轉化為同向的評價指標，然后選擇恰當的方法賦予各個指標權重，最后根據貼近度的大小進行排序。

由表3可知，江西省各地區之間的自然災害社會脆弱性有很大的差別，最低的是贛州市，最高的是南昌市。從社會脆弱性角度分析，盡管南昌市的衛生醫療條件顯著高于贛州市，但是南昌市在人口、經濟、教育、基礎設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,而贛州市遠遠低于這個數值，僅為55.9戶/km2；在經濟條件方面，贛州市的財政收入為53.6億元，而南昌市僅為47.3億元，同時南昌市的人均固定資產投資為6.5萬元，而贛州市只有1.8萬元；在教育方面，南昌市萬人學校數不及贛州市；在基礎設施方面，南昌市建設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到了42.08%，南昌市只有39.93%。綜合以上有關人口、經濟、教育和基礎設施因素，南昌市的自然災害社會脆弱性高于贛州市，而且高于江西省其他地級市。

5.2 結 論

研究社會脆弱性對于提升城市災前準備和風險管理能力具有重要作用[16]。利用TOPSIS方法對江西省11個地級市的自然災害社會脆弱性進行了評價，得出自然災害社會脆弱性最高的是南昌市和鷹潭市，較高的是吉安市、新余市、景德鎮市和撫州市，較低的是萍鄉市、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.中國水災社會脆弱性評估方法的改進與應用：以長沙地區為例[J].自然災害學報,2005,14(6):54-58

[6]葛怡,劉婧,史培軍.家戶水災社會脆弱性的評估方法研究：以長沙地區為例[J].自然災害學報,2006,15(6):33-37

[7]游溫嬌,張永領.洪災社會脆弱性指標體系研究[J].災害學，2013，28(3)：215-220

[8]張永領,游溫嬌.基于TOPSIS的城市自然災害社會脆弱性評價研究：以上海市為例[J].災害學,2014,29(1):109-114

[9]王鶯,王靜,姚玉璧,等.基于主成分分析的中國南方干旱脆弱性評價[J].生態環境學報,2014, 23(12):1897-1904

[10]李暢,馮滔,石倩,等．洪災社會脆弱性熵權法評價及其時間序列分析：以2001-2012年荊州市為例[J]．災害學，2015，30(3):110-117

[11]馮滔,李暢,黃建武,等.荊州市洪災社會脆弱性評價及其空間分異研究[J].長江科學院院報,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害社會脆弱性評價[J].水土保持研究，2105，22(6):293-297

[13]徐選華,張威威．基于改進突變級數法的地震災害社會脆弱性風險評價研究：基于四川地震災害案例[J].災害學,2016,31(3):125-132

[14]薛晨浩,鄧慧麗,苗紅,等.TOPSIS 視角下西北生態移民社區自然災害社會脆弱性評價：以寧夏為例[J].開發研究,2016(2):90-94

[15]黃潤龍,管于華.數據統計分析：SPSS原理及應用[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-)，江西樟樹人，在讀碩士研究生，研究方向：災害與應急管理。