导 师: 史培军
授予学位: 博士
作 者: ;
机构地区: 北京师范大学
摘 要: 人类活动引起的环境快速变化,已经严重冲击到地球的生物、物理及化学系统,此现象不仅呈现在地球总体的变化中,如平均气温升高和平均海平面上升等;而且,也使得地球上的每个子区域或子系统面临着不同程度的灾害冲击和威胁。红十字会与红新月会国际联合会(ifrc)证实,除死亡人口有所下降外,全球因自然灾害导致的经济损失和受灾人口都在逐步增加。事实证明,人类系统在面对自然灾害时的脆弱性正在不断增加。因此,开展承灾体的脆弱性研究对区域减灾、减灾投资以及灾害的综合风险管理等有着极为重要的意义。目前,已有不少世界灾害管理组织以及政府部门把减灾的重心转移到综合风险和脆弱性的分析管理方面。自然灾害的损失现状要求研究者加强对脆弱性的关注,而目前全球水灾的严峻形势则进一步告诫我们:重视和研究水灾脆弱性更是迫在眉睫。鉴于上述背景,本论文的研究目标是针对脆弱性研究的现状,以水灾为例,改进目前社会脆弱性评估研究的理论与方法,以期为国家和社会治理洪水灾害提供较为准确的理论依据。本论文得到的相关研究结论如下:(一)针对社会脆弱性定量评估中的主要问题,结合演绎法和归纳法两种模式,提出dpsr(disaster-process-and-social-response)概念模型,即“灾害过程与社会响应”模型。模型通过对时间维的引入,从人类系统对致灾因子打击的响应过程角度理解脆弱性,从而将脆弱性分为两类,分别是灾中时刻的脆弱性(显性)和正常时期(包括灾前和灾后两个阶段)的脆弱性(隐性),并且认为致灾因子对承灾体作用的瞬间,只有脆弱性的表现形式发生改变,脆弱性量值未变。dpsr模型利用脆弱性这一特点,构建了隐性社会脆弱性评估的客观准则。这一创新使社会脆弱性评估有了客观、统一的评估准则可以参考,从一定程度上解决了现有社会脆弱性评估中存在的根本问题。 (二)根据dpsr概念模型的思想,利用主成分分析和多元线性回归分析结合的统计方法实现了长沙地区的区域社会脆弱性评估建模。通过建模挖掘出1980~2003年间真正决定长沙地区社会脆弱性变化的影响因子,分别是就业和土地利用因子。运用所建的区域评估模型,本文模拟了长沙地区24年的社会脆弱性变化过程,并估算了2003年长沙5区4县的社会脆弱性分布状况。结果表明,长沙地区的社会脆弱性整体处于下降趋势,但是自1998年后,社会脆弱性指数(sovi)又出现局部的明显增长,尤其是2003年增长迅速。2003年,在长沙5区4县中,社会脆弱性最大的是天心区,其次是岳麓区,而芙蓉区的社会脆弱性最低,这与笔者近两年在长沙地区开展野外调查所获得的结果是基本符合的。 (三)根据dpsr概念模型的指导,本论文在matlab7.0的软件环境下,运用广义回归神经网络方法,实现了对长沙地区投保企业的水灾社会脆弱性建模。利用该网络模型,保险公司能够根据其业务数据库,预测企业通过签发保单的途径可能转移给己方的水灾社会脆弱性,从而进一步判断其风险性,这为保险公司的承保决策提供了直观且科学的依据,并且有利于保险公司内部风险管理的良性循环。经过对模型参数的多次调试比较,确定光滑因子为0.08时构建的广义回归神经网络综合性能最佳。利用该网络模型,本文预测了投保企业出险前的社会脆弱性。结果表明,在湖南省人民保险公司目前承保的业务中,雨花区的投保企业给公司带来的水灾社会脆弱性整体水平最高,该区的社会脆弱性均值为3.67;其次是芙蓉区,社会脆弱性均值为2.04;开福区的社会脆弱性均值为1.64;宁乡县的社会脆弱性均值为1.37;浏阳市的社会脆弱性均值为1.24;天心区的社会脆弱性均值为1.01;望城县的社会脆弱性均值为0.61;长沙县的社会脆弱性均值为0.23;最低的是岳麓区,社会脆弱性均值为0.18。 (四)根据dpsr概念模型,利用决策树学习方法对家户调查数据库(长沙地区)中有受灾情况记录的178户家户进行决策树分类器的构建,经过see5系统对建模参数的反复调整和多次运行,确定在剪枝精确值为24%,且boost=9的条件下,构建的决策树最为理想。利用生成的boost分类器对所有家户(500个家户案例)的水灾社会脆弱性进行高、中、低类别的预测。获得的最终结果为:在长沙市区的5个区内,高脆弱性家户最多的是天心区,有18户;其次为岳麓区,有17户高脆弱性家户;开福区有10户;芙蓉区有7户;最少的是雨花区,只有4户高脆弱性家户。而就社区而言,高脆弱性家户最多的是裕南街街道(10户)和桔子洲街道(6户)。该分类结果对社区间社会脆弱性差别的反映,可以作为确定受援地区、受援人群及开展援助活动的依据,从而在一定程度上促进政府救助工作的有效实施。
关 键 词: 洪水灾害 自然脆弱性 社会脆弱性评估 风险管理 模型 决策树学习
分 类 号: [TV122 P426.616]