王佳寧，宋永永，薛東前

（陜西師范大學地理科學與旅游學院,陜西西安 710119）

20 世紀80 年代以來，日益頻發(fā)的自然災害嚴重影響了世界各國可持續(xù)發(fā)展及人們生活水平的提高，受到學術界及多個國際組織的廣泛關注［1］。中國作為全球范圍內(nèi)受自然災害影響較重的國家之一，自然災害種類多、受災范圍廣、災害損失較嚴重［2］。2018 年，我國累計受災面積2.08×107hm2，受災人口13 553.9 萬人，直接經(jīng)濟損失達2 644.6 億元。自然災害對社會、經(jīng)濟、生態(tài)等系統(tǒng)均產(chǎn)生了嚴重影響，其間接損失難以估計。因此，科學認識我國自然災害時空規(guī)律，精準評估自然災害產(chǎn)生的社會經(jīng)濟效應，是面向美麗中國建設需求，推進國家防災減災救災工作，進而實現(xiàn)高質(zhì)量發(fā)展的迫切需求。

目前，學術界對自然災害的研究主要集中在孕災環(huán)境［3］、因子分析［4-5］、時空分布特征［6］、區(qū)劃研究［7］、自然災害社會經(jīng)濟影響［8-9］以及防災減災［10］等方面，并基于省域［11］、市域［12］、縣域［13］尺度對單災種［14］和綜合［15］自然災害進行了探索。如KAPPES等［16］研究了地震、洪澇、滑坡等自然災害致災因子間的相互作用；史培軍等［2］指出，我國自然災害呈東高西低且以東西分異為主的格局特征，并開展了自然災害區(qū)劃研究；李炳元等［7］從多災種及災情角度將我國劃分為3 個一級區(qū)、12 個二級區(qū)；高云等［17］基于農(nóng)業(yè)單產(chǎn)、總產(chǎn)值等指標研究了自然災害對農(nóng)業(yè)生產(chǎn)的影響，指出農(nóng)業(yè)減產(chǎn)與自然災害關系密切；NOY［18］指出，自然災害對短期內(nèi)的經(jīng)濟有顯著負向作用；胡俊峰等［19］分析了我國防災減災工作中存在的問題，并指出未來的發(fā)展方向。就自然災害的社會經(jīng)濟影響而言，SCANLON［20］指出，自然災害對長期經(jīng)濟發(fā)展既有抑制作用，又有正向促進作用；莊道元等［21］通過回歸分析，表明自然災害對農(nóng)作物產(chǎn)量的負向效應顯著且呈下降趨勢；傅崇輝等［22］構建了自然災害對人口影響的實證模型，指出應兼顧短期經(jīng)濟恢復與長期人口影響。現(xiàn)有研究為推進自然災害的社會經(jīng)濟影響研究做了大量工作，但仍存在不足，首先，研究多集中在對糧食生產(chǎn)、經(jīng)濟增長等單一方面的影響，對社會經(jīng)濟整體影響的研究較少；其次，多以定性研究為主，在定量分析方面較薄弱；最后，對旱災、澇災等災害風險性較高的單一災種研究較多，對多災種綜合自然災害的社會經(jīng)濟影響關注較少。

本文基于中國自然災害統(tǒng)計數(shù)據(jù)，綜合集成統(tǒng)計分析、空間計量模型和地理加權回歸（geographical weighted regression，GWR）模型等，研究2000—2018 年中國自然災害的時空分異，厘定自然災害對區(qū)域社會經(jīng)濟發(fā)展的影響程度，揭示自然災害的社會經(jīng)濟效應，研究結(jié)果可以為政府制定防災減災政策提供理論參考和決策依據(jù)。

1 研究方法與數(shù)據(jù)來源

1.1 變量選擇

以我國31 個?。ㄊ?、區(qū)）為研究對象，分別通過測度絕對災情指數(shù)、相對災情指數(shù)分析2000—2018 年各省絕對受災程度和相對受災程度，揭示自然災害對社會經(jīng)濟發(fā)展的空間效應。參照文獻［28-29］，選擇變量如表1 所示，同時將影響省域社會經(jīng)濟發(fā)展的諸多因素，引入控制變量，綜合分析自然災害對經(jīng)濟發(fā)展、人口增長和農(nóng)業(yè)生產(chǎn)的影響程度。

表1 模型變量描述Table 1 Description of model variables

1.2 研究方法

1.2.1 災情指數(shù)模型

災情指數(shù)是表征區(qū)域受災程度的重要指標。絕對災情指數(shù)刻畫了省域自然災害的受災強度；相對災情指數(shù)反映了省域自然災害的社會經(jīng)濟影響程度。綜合考慮基本災情指標（受災面積、絕收面積、受災人口、死亡人口、緊急轉(zhuǎn)移安置人口、倒塌房屋數(shù)量、損毀房屋數(shù)量、直接經(jīng)濟損失）構建災情指數(shù)模型［11］，計算公式為

其中，Ci為絕對災情指數(shù)，Pi為相對災情指數(shù)，i為區(qū)域，j為災情指標，k為災情指標與社會經(jīng)濟指標的比值，Xij為i區(qū)域的第j個災情指標，Qik為i區(qū)域的第k個災情指標，aj和bk表示相應權重。

1.2.2 空間自相關模型

空間自相關模型用于檢驗研究區(qū)內(nèi)的變量在空間上是否存在相關關系。本文采用該模型研究自然災害災情指數(shù)及社會經(jīng)濟要素的總體集聚格局，通過全局莫蘭指數(shù)（global Moran'sI）衡量整體空間相關性，模型原理及公式參見文獻［23］。

1.2.3 空間計量模型

空間計量模型可揭示地理事物的空間關聯(lián)性，包括空間滯后模型（space lag model，SLM）和空間誤差模型（space error model，SEM），定量分析中國自然災害對社會經(jīng)濟要素的影響效應?？臻g杜賓模型（space Dubin model，SDM）是SLM 和SEM 的延伸，同時考慮自變量和因變量的自相關性，將時間效應和空間效應引入普通面板數(shù)據(jù)模型，以增強參數(shù)估計的有效性［24-25］。SDM 設定如下：

其中，yit為第t年i區(qū)域的被解釋變量觀測值，xjt為第t年j區(qū)域的解釋變量觀測值，wij為空間權重矩陣，ρ為被解釋變量的空間滯后系數(shù)，?為解釋變量的回歸系數(shù)，μi和λi分別為空間效應和時間效應，εit為誤差項。

1.2.4 地理加權回歸（GWR）模型

GWR 模型將地理空間位置信息引入回歸參數(shù)，能夠更好地反映研究變量的空間異質(zhì)性［26-27］。本文采用GWR 模型構建中國自然災害的社會經(jīng)濟效應空間差異回歸模型，揭示自然災害對省域社會經(jīng)濟發(fā)展的影響程度。

1.3 數(shù)據(jù)來源

文中行政區(qū)劃矢量數(shù)據(jù)來源于國家基礎地理信息中心（http：//ngcc.sbsm.gov.cn）1∶100 全國基礎地理數(shù)據(jù)庫；自然災害基礎數(shù)據(jù)包括省域受災面積、絕收面積、受災人口等，來源于2001—2019 年《中國統(tǒng)計年鑒》和《中國民政統(tǒng)計年鑒》；社會經(jīng)濟數(shù)據(jù)來源于2001—2019 年《中國統(tǒng)計年鑒》、各省統(tǒng)計年鑒以及國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。

2 中國自然災害時空變化特征

基于2000—2018 年我國31 個?。ㄊ?、區(qū)）的受災數(shù)據(jù)，通過計算災情指數(shù)均值等得到災情指數(shù)描述性統(tǒng)計結(jié)果（表2）。根據(jù)相關研究成果［11］，將絕對災情指數(shù)劃分為低（0.00～0.20）、較低（0.21～0.30）、中等（0.31～0.40）、較高（0.41～0.55）和高（0.56～1.00）5 個等級，同時通過柱狀圖表征相對災情指數(shù)（圖1）。

21 世紀以來，中國災情指數(shù)總體呈下降趨勢，省域間不平衡性顯著。由表2 可知，2000 年省域絕對災情指數(shù)和相對災情指數(shù)均值分別為0.28 和0.27，到2018 年分別降至0.25 和0.19，分別下降了10.71%和29.63%，19 a 間，絕對災情指數(shù)的省域差距趨緩，而相對災情指數(shù)的省域差距呈擴大趨勢。在快速工業(yè)化、城鎮(zhèn)化過程中，我國應對自然災害的能力增強，但省域間防災減災水平仍存在顯著差異。

表2 2000—2018 年中國災情指數(shù)描述性統(tǒng)計Table 2 Descriptive statistics of disaster index in China from 2000 to 2018

由圖1 可知，2000—2018 年中國省域災情指數(shù)具有顯著的時空差異，絕對災情指數(shù)和相對災情指數(shù)均呈下降趨勢，由以較低受災程度為主轉(zhuǎn)變?yōu)橐缘褪転某潭葹橹?，災情空間格局呈南高北低的格局特征，其中，高受災中心呈西南—東南—西南的變化特征。從絕對災情指數(shù)看，高受災區(qū)域主要分布在云貴高原、四川盆地及黃土高原東南部地區(qū)，區(qū)域自然災害頻發(fā)，多旱澇、凍害、泥石流等，受災面積大，經(jīng)濟損失嚴重；低受災區(qū)域主要分布在東北平原、華北平原和西北地區(qū)，其中上海市、北京市、西藏自治區(qū)受災程度最低，這與災害發(fā)生頻次和省域面積密切相關。從相對災情指數(shù)看，海南省、福建省、云南省居于較高水平，受災人口比、經(jīng)濟損失比和房屋倒損比均較大；西部地區(qū)自然災害發(fā)生頻次低，相對受災程度處于較低水平。

圖1 2000—2018 年中國省域絕對受災程度及相對受災程度變化Fig.1 Absolute and relative degree of disaster in Chinese provinces from 2000 to 2018

2000 年，災情指數(shù)總體處于較低水平。2005 年，除東南沿海地區(qū)絕對災情指數(shù)增幅顯著外，大多數(shù)省份絕對災情指數(shù)略有下降，浙江省、安徽省等受臺風影響轉(zhuǎn)變?yōu)楦呤転膮^(qū)域。2010 年，受災中心由東南沿海向西北方向轉(zhuǎn)移，青海省、四川省等滑坡泥石流等災害頻發(fā)，轉(zhuǎn)變?yōu)檩^高、高受災區(qū)域。2015 年，災情指數(shù)總體有所下降，絕對災情指數(shù)、相對災情指數(shù)均值分別降至0.25 和0.14。西藏自治區(qū)相對災情指數(shù)上升顯著，受災人口比、房屋倒損比及經(jīng)濟損失比均較高。2018 年，高受災區(qū)域大幅縮小，形成了以低災情指數(shù)為主的空間格局。西藏自治區(qū)、青海省、廣西壯族自治區(qū)等15 個?。▍^(qū)、市）為低受災區(qū)域，這與自然災害發(fā)生頻率及強度較低、省域防災減災能力增強密切相關。

3 中國自然災害災情的社會經(jīng)濟效應

3.1 災情社會經(jīng)濟效應的全局空間關聯(lián)

通過GeoDa 軟件計算省域GDP 增長率（GGR）、人口自然增長率（POP）、農(nóng)業(yè)單位面積產(chǎn)量（APY）3 個社會經(jīng)濟要素的單變量Moran'sI值及其顯著性（表3），探索其分布集聚特征。結(jié)果表明，2000—2018 年，GDP 增長率、人口自然增長率和農(nóng)業(yè)單位面積產(chǎn)量的Moran'sI值均為正，省域社會經(jīng)濟發(fā)展存在顯著空間自相關性。

表3 社會經(jīng)濟要素Moran's I 值Table 3 Moran's I value of socio-economic factors

3.2 災情社會經(jīng)濟效應的空間計量模型檢驗

3.2.1 空間計量模型估計與識別

中國自然災害社會經(jīng)濟效應的空間計量模型檢驗結(jié)果如表4 所示。結(jié)果表明，SLM 的拉格朗日乘數(shù)（LM）、穩(wěn)健拉格朗日乘數(shù)（Robust LM）在10%水平上顯著，空間關聯(lián)性主要以滯后項的形式存在。SLM 和SEM 的瓦爾德（Wald）檢驗、似然比（LR）檢驗均通過了顯著性檢驗，SDM 不可簡化為SLM 或SEM。同時，通過Hausman 檢驗得到P值小于0.5，明確空間固定效應的SDM 即為最優(yōu)模型。

表4 空間計量模型檢驗結(jié)果Table 4 Test results of spatial econometric model

3.2.2 全局社會經(jīng)濟效應

將空間效應分解為直接效應和溢出效應，揭示災情指標、控制變量對本省和鄰近省域社會經(jīng)濟發(fā)展的影響，如表5 所示。

表5 自然災害社會經(jīng)濟效應分解結(jié)果Table 5 Decomposition results of social-economic effects of natural disasters

從直接效應看，受災面積對經(jīng)濟發(fā)展的直接效應為負，受突發(fā)性和不可控性的影響，受災面積擴大會抑制本地區(qū)經(jīng)濟增長；而倒塌房屋數(shù)量和直接經(jīng)濟損失每增加1%，GDP 增長率分別增加0.12%和0.03%，短期內(nèi)實物資本的減少能夠刺激并帶動經(jīng)濟發(fā)展。受災面積對人口增長的直接效應為負，在受災面積擴大的影響下，人口自然增長率有所下降；受災人口每增加1%，本地區(qū)人口自然增長率增加0.11%，具有正向效應。受災面積、受災人口和直接經(jīng)濟損失對農(nóng)業(yè)生產(chǎn)均存在顯著負向效應。受自然災害影響，農(nóng)業(yè)生產(chǎn)投入力度減弱，農(nóng)業(yè)單位面積產(chǎn)量有所下降。

從溢出效應來看，受災面積、直接經(jīng)濟損失對經(jīng)濟發(fā)展、人口增長、農(nóng)業(yè)生產(chǎn)三方面均具有顯著的負向溢出效應，本地區(qū)受災面積的增加、直接經(jīng)濟損失的加重使得鄰近省域GDP 增長率、人口自然增長率、農(nóng)業(yè)單位面積產(chǎn)量有所下降。受災人口對人口增長的溢出效應為正，本地區(qū)受災人口的增加推動人口向鄰近地區(qū)轉(zhuǎn)移。倒塌房屋數(shù)量對經(jīng)濟發(fā)展及農(nóng)業(yè)生產(chǎn)均存在正向溢出效應，表明實物資本的減少也會對鄰近省域產(chǎn)生帶動作用。

各控制變量對社會經(jīng)濟發(fā)展的影響程度各異。自然災害對經(jīng)濟發(fā)展的影響程度低于第二產(chǎn)業(yè)產(chǎn)值占比、固定資產(chǎn)投資占比、城市化率等控制變量。在經(jīng)濟發(fā)展方面，第二產(chǎn)業(yè)產(chǎn)值占比是首要促進因素，直接效應、溢出效應均居于首位，進出口總額占比、城市化率僅對本地經(jīng)濟發(fā)展具有正向作用，科技創(chuàng)新投入則發(fā)揮極化帶動作用，推動本地區(qū)及鄰近地區(qū)的經(jīng)濟發(fā)展。在人口增長方面，人口老齡化程度是重要的影響因子，其溢出效應顯著為負，第一產(chǎn)業(yè)就業(yè)人數(shù)占比、高等教育人口占比對本地區(qū)人口增長具有抑制作用，而災情指標對人口增長的影響程度相對較低。在農(nóng)業(yè)生產(chǎn)方面，化肥施用量是首要影響因素，農(nóng)業(yè)人口、機械化水平、耕地面積對農(nóng)業(yè)單產(chǎn)具有負向影響。災情指標對農(nóng)業(yè)生產(chǎn)的影響程度高于控制變量，是影響農(nóng)業(yè)生產(chǎn)的重要因素，因此提高防災減災能力對于農(nóng)業(yè)生產(chǎn)尤為重要。

總體而言，自然災害對農(nóng)業(yè)生產(chǎn)的影響程度顯著高于經(jīng)濟發(fā)展、人口增長。受災面積對經(jīng)濟發(fā)展、人口增長和農(nóng)業(yè)生產(chǎn)具有顯著的負向效應；倒塌房屋數(shù)量對經(jīng)濟發(fā)展的正向效應較強。

3.3 自然災害社會經(jīng)濟效應程度及變化

自然災害對全局社會經(jīng)濟發(fā)展的空間效應顯著，為進一步分析省域自然災害的社會經(jīng)濟效應，采用GWR 模型探索省域自然災害社會經(jīng)濟效應的差異程度。

3.3.1 模型對比與參數(shù)檢驗

以受災面積、受災人口、倒塌房屋數(shù)量和直接經(jīng)濟損失為自變量，分別選取GDP 增長率、人口自然增長率和農(nóng)業(yè)單位面積產(chǎn)量為因變量構建GWR 模型，分析自然災害對省域經(jīng)濟發(fā)展、人口增長和農(nóng)業(yè)生產(chǎn)的影響程度，由校正R2可知，GWR 模型具有較強的解釋力（表6）。

表6 GWR 模型的整體估計結(jié)果Table 6 Overall estimated results of the GWR model

3.3.2 自然災害社會經(jīng)濟效應程度的演化特征

基于GWR 模型回歸系數(shù)的分析結(jié)果，借助ArcGIS10.2 得到全國省域自然災害的社會經(jīng)濟效應格局（圖2～圖4）。

（1）經(jīng)濟發(fā)展效應空間演化特征。由圖2 可知，自然災害的經(jīng)濟發(fā)展效應具有顯著的空間分異性，受災面積、倒塌房屋數(shù)量對經(jīng)濟發(fā)展的影響自東向西遞減。西部地區(qū)經(jīng)濟發(fā)展脆弱性高，經(jīng)濟發(fā)展受自然災害的破壞嚴重；東部地區(qū)受災面積對經(jīng)濟發(fā)展的抑制作用較小，同時受倒塌房屋數(shù)量的影響，大量實物資本投入，GDP 增長率有所提升。受災人口、直接經(jīng)濟損失對經(jīng)濟發(fā)展具有正向作用，且自東向西遞增，東部地區(qū)人口、經(jīng)濟發(fā)展密度較高，災害損失較重，對經(jīng)濟的刺激作用有限；而西部地區(qū)的正向經(jīng)濟發(fā)展效應更為顯著。

圖2 中國自然災害經(jīng)濟發(fā)展效應格局Fig.2 The economic development effect of natural disasters in China

（2）人口增長效應空間演化特征。由圖3 可知，受災面積、直接經(jīng)濟損失與人口自然增長率呈負相關關系，而受災人口、倒塌房屋數(shù)量對人口增長具有正向作用。回歸系數(shù)均呈自東向西遞減的特征，受災面積、受災人口和倒塌房屋數(shù)量回歸系數(shù)高值區(qū)位于東北三省，直接經(jīng)濟損失高值區(qū)則在福建省、廣東省等東南沿海地區(qū)，低值區(qū)均在青海省、西藏自治區(qū)、新疆維吾爾自治區(qū)。西部地區(qū)社會脆弱性高，自然災害具有負向人口增長效應，東北及東南沿海地區(qū)受災面積的負向人口增長效應較弱，受災人口、倒塌房屋數(shù)量和直接經(jīng)濟損失的人口增長效應為正且較為顯著。

圖3 中國自然災害人口增長效應格局Fig.3 The population growth effect of natural disasters in China

（3）農(nóng)業(yè)生產(chǎn)效應空間演化特征。由圖4 可知，自然災害的農(nóng)業(yè)生產(chǎn)效應具有較強的復雜性。受災面積、倒塌房屋數(shù)量和直接經(jīng)濟損失總體呈自東向西遞增趨勢；受災人口則呈北低南高的特征。東部旱澇頻發(fā)，受災面積、倒塌房屋數(shù)量及直接經(jīng)濟損失對農(nóng)業(yè)生產(chǎn)的負向效應顯著；西北、西南地區(qū)旱澇災害相對較少，三者的農(nóng)業(yè)生產(chǎn)效應為正。受災人口的農(nóng)業(yè)生產(chǎn)效應則顯著為負。

圖4 中國自然災害農(nóng)業(yè)生產(chǎn)效應格局Fig.4 The agricultural production effects of natural disasters in China

總體而言，自然災害對經(jīng)濟發(fā)展、人口增長及農(nóng)業(yè)生產(chǎn)的空間效應存在區(qū)域差異。東部地區(qū)社會經(jīng)濟發(fā)展穩(wěn)定性較強，自然災害對經(jīng)濟發(fā)展和人口增長的抑制作用較弱；但受旱澇頻發(fā)的影響，自然災害對農(nóng)業(yè)生產(chǎn)的負向效應顯著。西部地區(qū)社會脆弱性較高，自然災害對經(jīng)濟發(fā)展、人口增長的負向效應顯著，對農(nóng)業(yè)生產(chǎn)的破壞程度低。

4 結(jié)論與討論

4.1 結(jié)論

（1）2000—2018 年，中國自然災害受災程度總體呈下降趨勢，由以較低災情指數(shù)為主轉(zhuǎn)為以低災情指數(shù)為主，空間分布呈南高北低的特征，高受災中心呈西南—東南—西南的變化特征。

（2）自然災害對經(jīng)濟發(fā)展、人口增長及農(nóng)業(yè)生產(chǎn)均具有顯著的空間效應，其中自然災害是影響農(nóng)業(yè)生產(chǎn)的關鍵因素。受災面積對經(jīng)濟發(fā)展、人口增長和農(nóng)業(yè)生產(chǎn)均有負向直接效應和溢出效應；而倒塌房屋數(shù)量對本省及鄰近省域的經(jīng)濟發(fā)展有一定帶動作用。

（3）自然災害社會經(jīng)濟效應的空間異質(zhì)性顯著，且農(nóng)業(yè)生產(chǎn)效應高于經(jīng)濟發(fā)展效應和人口增長效應。自然災害對經(jīng)濟發(fā)展和人口增長的負向效應自東向西增強。西部地區(qū)社會經(jīng)濟脆弱性高，自然災害的負向效應顯著；東部地區(qū)防災減災能力強，自然災害的負向效應較弱，同時倒塌房屋數(shù)量、直接經(jīng)濟損失對該地區(qū)經(jīng)濟發(fā)展和人口增長具有一定的刺激作用。自然災害的農(nóng)業(yè)生產(chǎn)效應呈西正東負的空間格局，東部地區(qū)旱澇災害頻發(fā)，對農(nóng)業(yè)生產(chǎn)的負向效應突出。

4.2 討論

（1）自然災害是人類共同面對的重要問題，本文在評估中國省域自然災害受災程度的基礎上，從全局和局部2 個層面對自然災害的社會經(jīng)濟效應進行定量分析，探究了省域自然災害社會經(jīng)濟效應的空間異質(zhì)性，豐富了災害地理學的基本理論，也為國家制定宏觀層面的防災減災救災政策提供了科學依據(jù)。

（2）自然災害對社會經(jīng)濟發(fā)展的影響具有兩面性。一方面，受自然災害不確定性、危害性的影響，受災面積、受災人口和直接經(jīng)濟損失破壞生產(chǎn)資本，對社會經(jīng)濟發(fā)展具有抑制作用，同時農(nóng)業(yè)生產(chǎn)難以規(guī)避自然災害，因此自然災害對農(nóng)業(yè)生產(chǎn)的負向效應更為顯著。另一方面，自然災害導致實物資本減少，在救災重建過程中重置人力、物力資本，刺激社會經(jīng)濟發(fā)展，從而形成“增長型災害”［30］。

（3）自然災害具有突發(fā)性和不可控性，其社會經(jīng)濟效應的復雜性尤為突出。因此，探究不同空間尺度下自然災害的空間異質(zhì)性，揭示自然災害對不同產(chǎn)業(yè)、社會經(jīng)濟結(jié)構的影響及其作用機制，提出有針對性的防災減災策略是未來重要的研究方向。