杨林
, 韩科技
YANG Lin, HAN Ke-ji
中图分类号: F129.9
文献标识码: A
文章编号: 1000-0690（2015）08-0969-07
收稿日期: 2014-01-20
修回日期: 2014-07-25
网络出版日期: 2015-08-20
版权声明: 2015 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：杨林（1969-）,女,山东烟台人,博士,教授,主要从事海洋经济研究。E-mail:yanglin2128@126.com
展开
摘要
随着海洋开发利用的纵深发展,海洋灾害成为影响中国海洋经济持续健康发展的因素。通过构建海洋灾害损失指数,评估1989~2011年中国沿海地区海洋灾害损失情况,利用格兰杰因果检验与VAR模型分析海洋灾害损失与沿海地区经济增长的动态关系。实证分析结果表明,海洋灾害虽然对沿海地区的发展带来直接的经济损失,但并不是影响沿海地区经济增长的主要因素;而沿海地区经济增长是导致海洋灾害损失的格兰杰原因,且具有持久性影响。鉴于此,沿海地区在提高海洋灾害应急管理能力的同时,科学发展海洋经济成为降低海洋灾害损失的正确选择。
关键词：
Abstract
Marine disaster is a big obstacle to the social and economic development in coastal areas. China is one of the countries seriously affected by marine disasters. In the marine disaster control, loss evaluation is the core content of disaster grade division and risk prevention of marine disasters, and is also the key to study the relationship between marine disasters and economic.Theoretically, the marine disaster will disrupt the normal order of production, reduce economic efficiency, and affect the marine economy. But from a dynamic point of view, investment and consumption caused by marine disasters may also make the marine disasters have positive effects on the development of marine economy.Inaddition, the development of marine economy will increase the marine disaster losses. Therefore, the question that whether there is a correlation between the marine disaster losses and marine economic growth, is it positive or negative, is worth in-depth study. With the ocean development and exploitation in depth and breadth, marine disasters have become an important factor affecting the sustainable and healthy development of our marine economy. Evaluates the loss of marine disasters in the coastal areas of China from 1989 to 2011 by constructing the marine disaster loss index, and then analyzes the dynamic relationship between economic growth in coastal areas and marine disaster losses with Granger causality test and VAR model. The empirical analysis shows thatcoastal economic growth rate and the marine disaster losses show synergistic fluctuation trend; marine disaster brings direct economic losses to the development of the coastal area, but is not the main factor; yet the economic growth in coastal areas Granger causes the marine disaster losses, and has a durability effect. There are two main reasons: first, economic growth increased coastal economic density, the disaster bearing bodies are more susceptible to marine disasters; second, over exploitation and utilization of marine resources will damage the ecological environment of the sea, the frequent occurrence of red tide disaster is a good example.The "Eighteen report" clearly pointed out the macro goal that "improve the marine resources development ability, develop the marine economy, protect the marine ecological environment, and resolutely safeguard the national marine rights and interests", in view of this, improving the marine disaster emergency management ability and at the same time scientific development the marine economy is the correct selections of coastal areas for reducing the marine disaster loss.
Keywords：
长期以来,海洋灾害一直是困扰着海域及海岸带社会经济发展的一大障碍。中国是深受海洋灾害影响的国家之一[1],其严重危害海上或海岸的社会、经济和生命财产。根据国家海洋局公布的历年《中国海洋灾害公报》(www.coi.gov.cn)显示,1997年中国各类海洋灾害（含海冰、绿潮等）造成直接经济损失最大,达到了220亿元,2012年直接经济损失为155.25亿元,2013年提高到163.48亿元。但海洋灾害带来的死亡（含失踪）人口呈下降趋势,1994年死亡（含失踪）人口达到1 248人,为历史最高,2012年死亡（含失踪）68人,2013年死亡（含失踪）121人。各类海洋灾害中,造成直接经济损失最严重的是风暴潮灾害,如2012年风暴潮灾害造成的损失占全部直接经济损失的81%,2013年这一比重达到94%。
海洋灾害治理中,损失的评价是灾害等级划分与风险防范的核心内容,也是研究海洋灾害对经济影响的关键。1995年,美洲国家联合开展了加勒比海减灾项目,开发了TAOS系统（热带风暴灾害分析系统）。国内外学者从不同角度、运用多种研究方法对海洋灾害程度及其损失进行了评价。国外相关学者构建涉及到环境、社会和经济的一系列指标,运用数理统计方法,对海岸带和湿地等特定区域的海洋灾害损失进行评估[2~4]。国内学者评估风暴潮灾害等级,运用模糊综合评价方法、层次分析法、加法模型等测算中国沿海各省区风暴潮灾害造成的经济损失[5~11]。但对海洋灾害损失与海洋经济发展之间关系缺乏科学、深入的实证研究。理论上,海洋灾害破坏了正常的生产秩序,降低了经济效益,对海洋经济增长产生负面影响[12~16]。但动态来看,海洋灾害的检视效应、海洋灾害对于技术创新的促进、灾后复兴引致的投资需求与消费需求等也可能使海洋灾害对海洋经济发展产生正向影响[17]。另外,如果在海洋经济发展的同时,没有注意从源头上防范海洋灾害,也会增加海洋灾害的损失程度。因此,海洋灾害损失与海洋经济增长两者之间是否存在相关性,是正相关还是负相关,值得深入研究。鉴于此,本文通过构建科学合理的指标体系对海洋灾害损失进行定量评估,并在此基础之上采用动态计量分析方法研究海洋灾害损失与沿海地区经济增长的关系,发现海洋灾害与海洋经济发展之间的内在逻辑关系,以期抛砖引玉,为在发展海洋经济的同时实现海洋生态文明,减少海洋灾害的消极影响,建设海洋强国,提供决策参考。
目前学术界对海洋灾害损失的评价指标体系尚未达成共识。笔者根据海洋灾害的特征,综合考虑指标选取的系统性、代表性和可操作性等原则,构建海洋灾害损失的评价指标体系,具体内容见表1。
表1 海洋灾害损失指标体系
Table 1 Marine disaster losses index system
| 一级指标 | 二级指标 |
|---|---|
| 海洋灾害损失 | 直接经济损失 |
| 死亡失踪人数 | |
| 海水养殖受灾面积 | |
| 农作物受灾面积 | |
| 海水养殖单位面积总产量 | |
| 海水滩涂养殖单位面积产量 | |
| 海水陆基养殖单位面积产量 |
本文主要选择可以方便观测到变动的历史灾情数据来测度区域海洋灾害损失情况,历史灾情指标为正向指标,指标值越大说明海洋灾害损失越严重。海洋灾害历史灾情指标主要包括海洋灾害造成的直接经济损失、死亡失踪人数、海水养殖受灾面积、农作物受灾面积、倒塌房屋数、损失船只与损毁海岸工程等[18]。在选取指标时,考虑数据的计算口径是否一致、统计是否全面、数据是否精确等因素,本文选择历史灾情指标中海洋灾害造成的直接经济损失、死亡失踪人数、海水养殖受灾面积、农作物受灾面积作为分析指标。其中倒塌房屋数、损毁船只数2项指标2000年之前的统计数据不够全面、准确,损毁海岸工程各年数据的统计口径不一致;而且现有的海洋灾害直接经济损失统计内含了这些指标造成的损失,各指标之间存在很强的相关性,笔者利用2000~2011年包含这2项指标的数据进行了处理,发现对研究结论没有影响。因此,最终的分析结果选择剔除这2项指标。同时,考虑到指标的全面性,借鉴熊文[19],王启尧[20]处理自然灾害的做法,本文选择海水养殖单位面积总产量、海水滩涂养殖单位面积产量与海水陆基养殖单位面积产量3个负向指标,指标值越大说明海洋灾害脆弱性越小。
相关数据整理自1989~2011年的《中国海洋灾害公报》[21],海水养殖单位面积产量整理自1990~2012年的《中国渔业统计年鉴》[22],下文分析所使用的沿海地区生产总值由1989~2012年的《中国统计年鉴》[23]中各沿海省市生产总值加总而得。
对于环境损失的测度方法,常见的有层次分析法、专家咨询法、模糊综合评判、主成分分析法等多种分析方法。主成分分析法可在力保原始数据信息丢失最小情况下,对高维变量空间进行降维处理,即在保证原始数据信息损失最小前提下,经过线性变换和舍弃部分信息,以少数的综合变量取代原有的多维变量,并消除变量之间的多重共线性,因此本文选择主成分分析方法来确定指标的权重,进而测度海洋灾害损失。在分析之前对数据进行标准化处理。
正向指标处理公式为：指标值=（当期值-各期最小值）/（各期最大值-各期最小值）
负向指标处理公式为：指标值=（各期最大值-当期值）/（各期最大值-各期最小值）
在进行主成分分析之前要进行适合性检验。理论上,KMO与Bartlett检验通过验证各指标之间的相关性判断各指标之间是否相互包含重合信息,以此来确定所选指标是否适合采用主成分分析方法进行测度。本文所选指标的KOM值大于0.5,同时Bartlett的特征值为0,各变量之间存在较强相关性,适合采用主成分分析。相关性检验也印证了前文选择海水养殖单位面积总产量、海水滩涂养殖单位面积产量与海水陆基养殖单位面积产量3个指标的合理性。按照特征值为1左右,累积贡献度大于80%的原则选择了3个主成分。将特征值作为3个主成分的权重,主成分方差贡献率作为权重计算综合得分,最终得到综合得分的计算公式,得到损失指数结果（见表2）：
P1=0.508Z1+0.574Z2+0.552Z3-0.122Z4+0.212Z5-0.092Z6+0.196Z7 （1）
P2=-0.115Z1-0.002Z2+0.063Z3+0.604Z4+0.319Z5+0.575Z6+0.430Z7（2）
P3=-0.210Z1+0.011Z2+0.068Z3+0.227Z4+ 0.739Z5-0.323Z6-0.501Z7 （3）
海洋灾害脆弱性指数
P=0.410P1+0.269P2+0.143P3 （4）
其中：P1,P2,P3为计算所得的3个主成分,Zi中的i=1…7,为各指标标准化后的值。
从表2与图1海洋灾害损失指数年度变化情况来看,中国海洋灾害损失指数整体呈现先上升后下降的趋势：1989~1994年在波动中上升,由1989年的0.813波动升高至1994年的最高点0.961;之后整体表现为波动下降,2002年出现新低点（0.213）后出现小幅波动上升,2005年出现阶段性高点（0.560）之后,呈现明显的下降趋势,2011年下降到0.128。从指数得分变化和排名来看,最近几年中国海洋灾害损失程度有所下降,但这种下降的原因何在,给海洋经济发展带来的怎样的影响,影响程度如何,需要进一步分析。
表2 1989~2011年中国海洋灾害损失指数
Table 2 Marine disaster losses index of China in 1989-2011
| 年份 | 中国海洋灾害损失指数 | 排名 |
|---|---|---|
| 1989 | 0.813 | 2 |
| 1990 | 0.722 | 5 |
| 1991 | 0.625 | 8 |
| 1992 | 0.772 | 3 |
| 1993 | 0.634 | 7 |
| 1994 | 0.961 | 1 |
| 1995 | 0.648 | 6 |
| 1996 | 0.757 | 4 |
| 1997 | 0.481 | 10 |
| 1998 | 0.300 | 16 |
| 1999 | 0.415 | 11 |
| 2000 | 0.315 | 15 |
| 2001 | 0.346 | 13 |
| 2002 | 0.231 | 18 |
| 2003 | 0.293 | 17 |
| 2004 | 0.340 | 14 |
| 2005 | 0.560 | 9 |
| 2006 | 0.402 | 12 |
| 2007 | 0.068 | 23 |
| 2008 | 0.202 | 20 |
| 2009 | 0.216 | 19 |
| 2010 | 0.192 | 21 |
| 2011 | 0.128 | 22 |
比较图2中海洋灾害损失指数与沿海地区GDP增长率的变动情况,可以发现两者具有大体相同的波动趋势,即沿海经济增长率和海洋灾害损失程度呈现协同波动的特征。两者具体的因果关系如何?沿海经济增长放缓是否能够减轻海洋灾害的损失程度?损失的升高是否是导致沿海经济增长放缓的直接诱因?这些问题均需要进一步的计量分析,才能够得到答案。
图1 1989~2011年中国海洋灾害损失指数与沿海地区GDP增长率
Fig.1 Marine disaster losses index and the GDP growth rate in coastal of China in 1989-2011
在上文得到海洋灾害损失综合指数的基础上,利用Granger因果检验与VAR模型检验分析海洋灾害损失指数（P）与沿海地区经济增长（DLNGDP）之间的因果关系与动态影响。沿海地区经济增长用GDP增长率衡量,即用GDP的自然对数的当年值减去上一年的自然对数值,其计算公式为DLNGDP=LNGDPt-LNGDPt-1。
如果随机变量是非平稳序列时,进行格兰杰因果检验将出现伪回归的现象,因此需要对变量进行格兰杰因果检验。经过ADF检验发现海洋灾害损失指数（P）在不含截距项和时间趋势情况下平稳,在含截距项但不含时间趋势或含截距项和时间趋势的情况下均不平稳,因此笔者认为海洋灾害损失指数（P）是平稳时间序列;沿海地区经济增长（DLNGDP）在不含截距项和时间趋势与含截距项和时间趋势的情况下均不平稳,但是在含截距项但不含时间趋势情况下显示平稳,因此笔者认为沿海地区经济增长（DLNGDP）为平稳时间序列。可以对P与DLNGDP直接进行格兰杰因果检验与VAR分析。
VAR模型可用来检验一个变量与另一个变量是否存在因果关系。VAR模型中以yt为被解释变量的方程式为：
yt=
式中,yt-i为被解释变量的前i期值,xt-i为解释变量的前i期值,u1t为误差项。则检验xt对yt存在格兰杰非因果性的零假设是H0：b1=b2= …= bk= 0。显然如果式中xt的滞后变量的回归参数估计值全部不存在显著性,则上述假设不能被拒绝。换句话说,如果xt的任何一个滞后变量的回归参数的估计值存在显著性,则结论应是xt对yt存在格兰杰因果关系。上述检验可用F统计量完成：
F =
式中,SSEr表示施加约束（零假设成立）后的残差平方和。SSEu表示不施加约束条件下的残差平方和。k表示最大滞后期。N表示VAR模型中所含当期变量个数,本文中N = 2,T表示样本容量。在零假设成立条件下,F统计量近似服从标准的F分布。用样本计算的F值如果落在临界值以内,接受原假设,即xt对yt不存在格兰杰因果关系;反之,则存在因果关系。由于海洋灾害损失指数（P）与沿海地区经济增长（DLNGDP）都是平稳时间序列,可以直接使用此方法进行格兰杰因果关系检验。
表3的结果显示,滞后期数选择2、3、4的时候均拒绝原假设,其他情况则接受原假设,说明沿海地区经济增长（DLNGDP）是海洋灾害损失指数（P）的格兰杰原因。但是滞后期无论如何选择,海洋灾害损失指数（P）都不是沿海地区经济增长（DLNGDP）的格兰杰原因。
表3 沿海地区经济增长与海洋灾害损失的格兰杰因果检验结果
Table 3 The Granger causality test of economic growth in coastal and marine disaster losses
| 因果关系假定 | 滞后期数 | F值 | P值 | 结论 |
|---|---|---|---|---|
| P 不是DLNGDP的格兰杰原因 | 1 | 0.28 | 0.604 | 接受 |
| DLNGDP不是P的格兰杰原因 | 1 | 4.22 | 0.054 | 接受 |
| P不是DLNGDP的格兰杰原因 | 2 | 2.10 | 0.155 | 接受 |
| DLNGDP不是P的格兰杰原因 | 2 | 6.20 | 0.010 | 拒绝 |
| P 不是DLNGDP的格兰杰原因 | 3 | 0.70 | 0.567 | 接受 |
| DLNGDP不是P的格兰杰原因 | 3 | 4.29 | 0.026 | 拒绝 |
| P 不是DLNGDP的格兰杰原因 | 4 | 0.42 | 0.792 | 接受 |
| DLNGDP不是P的格兰杰原因 | 4 | 5.22 | 0.016 | 拒绝 |
| P不是DLNGDP的格兰杰原因 | 5 | 0.10 | 0.989 | 接受 |
| DLNGDP不是P的格兰杰原因 | 5 | 3.77 | 0.056 | 接受 |
2.3.1 方法说明与模型检验
向量自回归模型是Sims（vector autoregressive model）[24]在1980年提出的。这种模型采用多方程联立的形式,它不以经济理论为基础。在模型的每一个方程中,内生变量对模型的全部内生变量的滞后值进行回归,从而估计全部内生变量的动态关系。沿海地区经济增长（DLNGDP）是海洋灾害损失指数（P）的格兰杰原因,需要进一步用脉冲响应分析二者之间的动态关系。脉冲响应函数是在向量自回归（VAR）模型中,根据变量之间的动态联系,在扰动项上加一个标准差大小的冲击,分析其对变量的当前值和未来值所产生的影响,即脉冲响应函数将描述系统对某一变量扰动的一个冲击（或新生）所做出的动态反应,并从动态反应中判断变量间的时滞关系。
首先根据FPE,AIC,HQIC,SBIC等原则选择VAR模型的最优滞后阶数,表4中所有检验结果都显示应当选择4阶滞后。之后对VAR模型进行稳定性检验,结果如图2,显示VAR模型是稳定的。
2.3.2脉冲响应分析
利用Eviews 7.1可以对沿海地区经济增长（DLNGDP）与海洋灾害损失指数（P）进行脉冲响应分析。图3为脉冲响应结果,图3a、图3b、图3c、图3d分别为P对P的冲击、DGDP对P的冲击、P对DGDP的冲击和DGDP对DGDP的冲击。着重分析图3b、图3c两图,可以发现,沿海地区经济增长对海洋灾害损失影响的时滞性在第二期才呈现出来,产生了0.066的正向冲击,之后逐渐波动降低,最后趋于平稳。而海洋灾害损失对沿海地区经济增长的影响却是十分微弱,且呈现波动特征,这也印证了前文格兰杰因果检验的结果,说明海洋灾害对海洋经济的破坏并没有产生长远的影响,而且在当期的影响也比较微弱。再结合格兰杰因果检验进行分析,海洋灾害虽然造成了一定的经济损失,但对于沿海地区的经济发展影响甚微,并不是影响沿海地区经济增长的主要因素;而沿海地区经济增长却增加海洋灾害损失,究其原因主要有两方面：一是快速的经济增长加剧了沿海地区的经济密度,使得海水养殖场、海岸工程、海上运输等海域资源开发利用密度、频率增加,加大了沿海地区海洋灾害损失程度,使承灾体更多地暴露于海洋灾害之下,更加容易受到海洋灾害的侵袭;二是由于沿海地区对于海洋资源过度开发与利用,对海洋生态环境造成一定程度的破坏,也增加海洋灾害发生的可能性与损失程度,赤潮灾害的频繁出现就是很好的例证。
表4 沿海地区经济增长与海洋灾害损失的VAR模型滞后阶选择检验
Table 4 The VAR lag order selection test of economic growth in coastal and marine disaster losses
| LL | LR | FPE | AIC | HQIC | SBIC | |
|---|---|---|---|---|---|---|
| 0 | 27.16943 | 0.000242 | -2.64941 | -2.63259 | -2.55 | |
| 1 | 41.68801 | 24.45234* | 0.0000805 | -3.75663 | -3.70616 | -3.458389* |
| 2 | 45.51969 | 5.646683 | 0.0000836 | -3.73891 | -3.65479 | -3.24184 |
| 3 | 50.82356 | 6.699633 | 0.0000764 | -3.87616 | -3.75839 | -3.18026 |
| 4 | 56.51739 | 5.993505 | 0.0000701* | -4.054462* | -3.903038* | -3.15973 |
图2 沿海地区经济增长与海洋灾害损失的VAR模型稳定性检验
Fig.2 VAR stability test of economic growth in coastal and marine disaster losses
图3 沿海地区经济增长与海洋灾害损失的脉冲响应分析
Fig.3 Pulse response analysis of economic growth in coastal and marine disaster losses
综上所述,通过构建海洋灾害损失指数,发现自1989年以来,中国海洋灾害损失呈现较大波动,但2007年以来海洋灾害损失有所下降。通过格兰杰因果检验与VAR模型分析,发现沿海地区经济增长是导致海洋灾害损失加重的原因之一,并且具有较持久的影响;而海洋灾害损失对沿海地区经济增长具有较小的冲击影响,但没有持久影响。
沿海地区经济增长加重了海洋灾害损失程度,这亟需引起注意。党的十八大报告在提出“大力推进生态文明建设”的同时,明确指出“提高海洋资源开发能力,发展海洋经济,保护海洋生态环境,坚决维护国家海洋权益,建设海洋强国”的宏观目标。因此,沿海地区在发展海洋经济的过程中,重视海洋经济发展规划的科学引领作用[25],在对水动力、环境容量、化学环境、生物生态、海洋资源和社会经济综合预测评估的基础上[26~29],进行海洋资源开发与海洋工程建设。同时,重视海洋灾害防御方案和技术手段的储备,提高应对海洋灾害的应变能力,也是加强海洋生态环境保护,减少乃至消除人为的海洋灾害的重要内容。
The authors have declared that no competing interests exist.
| [1] |
1990年以来中国海洋灾害系统风险特征分析及其综合风险管理 [J].https://doi.org/10.3969/j.issn.1004-4574.2005.06.012 URL [本文引用: 1] 摘要
长期以来,海洋灾害一直是困扰着海域及海岸带社会经济发展的一大障碍.中国是深受海洋灾害影 响的国家之一.为此,从灾害系统论的角度,分析了1990年以来中国海洋灾害系统的风险特征.研究表明,中国在过去的15年中,工程性防灾减灾措施已经使 海洋灾害灾情得到了一定的控制,但由于中国海域海事活动不断增多、海岸带经济密度快速提高,大大增加了海域及海岸带承灾体对海洋灾害风险的暴露,又由于海 岸带及近海海域污染加重,海洋生物灾害发生的可能性增大,使中国海域面临的灾害风险趋于上升.此外,还讨论了中国海洋灾害综合风险管理的体系,提出从海洋 灾害系统角度,加强海洋灾害综合风险管理能力的建设,以促进海洋及海岸带地区由政府、企业、社区共同组成的综合减灾范式的建立.
|
| [2] |
Hoozemans F M J, MarchandM.Increasing flood risk and wetland losses due to global sea-level rise:regional and global analyses [J].https://doi.org/10.1016/S0959-3780(99)00019-9 URL [本文引用: 1] 摘要
To develop improved estimates of (1)02flooding due to storm surges, and (2)02wetland losses due to accelerated sea-level rise, the work of Hoozemans et al. (1993) is extended to a dynamic analysis. It considers the effects of several simultaneously changing factors, including: (1)02global sea-level rise and subsidence; (2)02increasing coastal population; and (3)02improving standards of flood defence (using GNP/capita as an “ability-to-pay” parameter). The global sea-level rise scenarios are derived from two General Circulation Model (GCM) experiments of the Hadley Centre: (1)02the HadCM2 greenhouse gas only ensemble experiment and (2)02the more recent HadCM3 greenhouse gas only experiment. In all cases there is a global rise in sea level of about 3802cm from 1990 to the 2080s. No other climate change is considered. Relative to an evolving reference scenario without sea-level rise, this analysis suggests that the number of people flooded by storm surge in a typical year will be more than five times higher due to sea-level rise by the 2080s. Many of these people will experience annual or more frequent flooding, suggesting that the increase in flood frequency will be more than nuisance level and some response (increased protection, migration, etc.) will be required. In absolute terms, the areas most vulnerable to flooding are the southern Mediterranean, Africa, and most particularly, South and South-east Asia where there is a concentration of low-lying populated deltas. However, the Caribbean, the Indian Ocean islands and the Pacific Ocean small islands may experience the largest relative increase in flood risk. By the 2080s, sea-level rise could cause the loss of up to 22% of the world's coastal wetlands. When combined with other losses due to direct human action, up to 70% of the world's coastal wetlands could be lost by the 2080s, although there is considerable uncertainty. Therefore, sea-level rise would reinforce other adverse trends of wetland loss. The largest losses due to sea-level rise will be around the Mediterranean and Baltic and to a lesser extent on the Atlantic coast of Central and North America and the smaller islands of the Caribbean. Collectively, these results show that a relatively small global rise in sea level could have significant adverse impacts if there is no adaptive response. Given the “commitment to sea-level rise” irrespective of any realistic future emissions policy, there is a need to start strategic planning of appropriate responses now. Given that coastal flooding and wetland loss are already important problems, such planning could have immediate benefits.
|
| [3] |
|
| [4] |
Coastal flood protection:what perspective in a changing climate? [J]. |
| [5] |
上海地区热带气旋灾情的评估和灾年预测 [J].
本文用数理统计方法，计算了１９４９￣１９９０年影响上海地区的热带气旋造成的人员伤亡、农田受淹、房屋倒损三方面的灾情指数。在此基础上划分了灾情等级，最后用灰色预测模型预测出在１９９７年上海将会发生一次中等（含３级）以上热带气旋灾情。
|
| [6] |
风暴潮灾害经济损失评估方法研究 [J].URL 摘要
本文分析了风暴潮强度与直接经济损失或灾度的关系,建立了评估风暴潮灾害损失的近似模式。
|
| [7] |
海洋灾害经济损失的模糊测定——以风暴潮为例 [J].URL 摘要
本文以海洋经济学、灾害经济学为理论依据，基于风暴潮灾害损失的构成要 素，构建了风暴潮灾害损失评价指标体系；按照数量级建立风暴潮灾害模糊灾度5级分类表，简化了现有的损失单一因子模糊灾度计算公式，并利用模糊数学原理对 风暴潮灾害损失进行定级分类，给出了实用性较强的风暴潮灾害损失等级模糊评价法。
|
| [8] |
基于因子分析的沿海地区海洋灾害损失评价——以风暴潮为例 [J].https://doi.org/10.3969/j.issn.1001-6392.2010.06.018 URL 摘要
近年来,海洋灾害不断发生,使得沿海地区经济与社会的持续发展遭受严峻的挑战。在总结有关海 洋灾害研究成果的基础上,首先说明了构建灾害损失评价指标体系的基本原则,并选取了评价指标体系;其次,用因子分析法对十个沿海省份2000年到2007 年所遭受的风暴潮灾害损失进行了评价;最后根据综合得分找出了遭受风暴潮灾害损失严重的地区和主要的损失因子,从而为防灾减灾提供了依据。
|
| [9] |
广东省台风暴潮灾害社会经济系统脆弱性分析——模糊数学方法 [J].URL 摘要
给出了台风暴潮灾害社会经济系统脆弱性的定义，应用模糊综合评价方法提供了计算台风暴潮灾害社会经济系统脆弱性的评估模式，进而探讨了脆弱性的空间分布状况，并将其应用于广东省台风暴潮灾害的脆弱性评估，所提方法可以较好地综合多种社会经济因素对台风暴潮灾害的影响。
|
| [10] |
基于PSR模型的红树林生态系统健康评价体系——以广东省为例 [J].https://doi.org/10.3969/j.issn.1008-8873.2010.03.007 URL Magsci 摘要
主要阐述了 PSR(pressure-sate-response)模型的概念及内容,基于PSR模型并结合层次分析法(AHP 法,analyticalhierarchy process),建立了红树林生态系统健康评价体系,依据综合健康指数(CHI)值将各红树林湿地健康状况划分为很健康、健康以及亚健康三个等级;基于 VB实现了评价体系的可视化,结合实际调查,对可视化评价体系进行验证。结果表明,广东省廉江市高桥镇红树林为80.54(CHI),广东省珠海市淇澳岛 红树林为60.35(CHI),广东省湛江市特呈岛红树林为53.87(CHI),所得结果与实际调查情况一致;该可视化体系科学、快速、实用,可满足红 树林生态系统健康评价的工作需要。
|
| [11] |
近20年来沿海地区风暴潮灾害脆弱性评价 [J].
采用1990～2009年风暴 潮灾害损失数据,选择中国东部沿海地区11个省市为研究对象,借鉴沿海脆弱性指数(Coastal Vulnerability Index,CVI)方法的评估思路,构建风暴潮灾害脆弱性指数SSVI(Storm Surge Vulnerabil-ity Index,SSVI),采用加法模型评价中国沿海省区风暴潮灾害的物理脆弱性。结果表明:沿海地区风暴潮脆弱性存在较大年际变化;高和很高脆弱性等级主 要分布于东南沿海各省区,低和很低脆弱性等级主要分别于北部沿海各省区,而中等脆弱性等级空间分布则变化较大。
|
| [12] |
自然灾害的社会经济因素影响分析 [J].https://doi.org/10.3969/j.issn.1002-2104.2010.11.024 URL [本文引用: 1] 摘要
根据我国民政部和国家统计局的 相关统计资料,我国最近30年来由自然灾害所导致的经济损失无疑存在着不断扩大的趋势。然而,自然灾害损失是由自然变异因素和社会经济的易损性共同决定 的,同样的灾害事件在不同的经济与社会环境条件下发生,其后果与影响显然不会相同。为此,本文对我国自然灾害损失的社会经济因素进行了时间序列建模与分 析,探究了我国自然灾害损失的演变与经济增长、人口、教育以及医疗等因素的发展变化之间的关系。经一系列的实证检验我们发现,我国自然灾害损失的变化与发 展,在相当程度上是可以由一系列社会经济因素来加以解释的。具体来说,经济总量与规模的扩大、人口受教育水平的提高、政府对灾害投入的增加以及医疗卫生条 件的改善等,是与我国自然灾害损失的减少相对应的,而人口增长则应是防灾减灾能力建设的不利因素。
|
| [13] |
自然灾害损失的社会经济影响因素及对策——以江西省为例 [J].URL 摘要
江西省自然灾害因灾损失呈现出周期性变化并逐渐增加的趋势。影响江西省自然灾害因灾损失的社会经济因素包括，地区GDP、人口增加、农民人均纯收入、农村教育水平、卫生医疗机构数量以及救灾支出等，影响程度各有差异，根据分析结果，减轻自然灾害损失的政策应当包括防灾减灾工作，它是一项长期艰巨的任务，政府需要持续关注。
|
| [14] |
自然灾害对经济增长的影响——基于跨国数据的实证分析 [J].URL 摘要
本文基于1982～2006年 全球94个国家的跨国数据,利用系统GMM估计方法,从中长期角度考察自然灾害对经济增长的影响。对所有国家样本的研究表明,自然灾害对经济增长的影响系 数较小且不显著。对发展中国家样本的研究表明,旱灾对发展中国家经济增长的影响尤为明显。洪灾在一定程度上有利于农业生产增长。地震带来了工业部门的经济 增长。政府应科学评估不同自然灾害对不同经济部门的影响差异,以制订有效的防灾、减灾策略。
|
| [15] |
熵视角下的中国海洋生态系统可持续发展能力分析 [J].
通过对海洋生态系统特征的分 析,构建了海洋生态系统可持续发展能力评价指标体系;运用信息熵构建了海洋生态系统可持续发展能力评价模型,分析各个指标对海洋生态系统可持续发展能力的 影响,从而提出提高海洋生态系统可持续发展能力的相关性的措施。研究结果显示:2004~2011年,人类对海洋自然生态系统的需求日益加大;在国家和政 府的重视下,海洋污染问题得到了改善,海洋生态系统内部朝着有序健康方向发展,自然生态系统的支撑能力不断提高,中国海洋生态系统可持续发展能力总体呈上 升趋势。
|
| [16] |
环渤海地区海域承载力测度与时空分异分析 [J].
采用韦伯-费希纳定律确定指标评价标准,通过D-S证据合成理论将主客观权重相结合确定综合权重,应用信息扩散技术确定小样本情况下样本指标值在指标评价域上的信息分配,进而确定隶属度,在此基础上利用模糊综合评判方法对环渤海17个沿海城市的海域承载力进行评价,并运用自然断裂法进行空间表达。研究结果表明,2000-2011年,环渤海地区海域承载力虽有波动,但总体上呈上升趋势,各地海域承载力不断提高,但级别特征值都在1.8-4.0之间,整体水平不高;区域空间分异明显,空间峰值效应显著。
|
| [17] |
海洋灾害与海洋经济发展的脉冲响应分析 [J].
在测度我国1996～2012年海洋经济发展综合指数的基础上,采用基于VAR模型的广义脉冲响应函数分析方法,探索海洋灾害的发生对我国海洋经济发展综合指数的影响机理及其在时序维度上的动态特征。结果表明：一方面海洋灾害对海洋经济发展的影响总体呈现负效应,另一方面海洋经济发展对海洋灾害的发生也有一定影响。此外,适当滞后期后,海洋灾害和海洋经济发展对于海洋经济发展的单位冲击呈现相一致的反应。
|
| [18] |
海洋灾害脆弱性综合评价指标体系的设计 [J].
灾害脆弱性的评价呈现多维度发展。其研究领域从自然科学延伸到社会科学，评价内涵从内部风险发展到系统分析．评价指标从外部环境扩展到社会经济等多个方面。海洋灾害脆弱性作为脆弱性研究的新兴角度，在进行评价指标体系设计时也应从自然、社会、经济、政治和制度等多个方面，系统构建脆弱性综合评价体系。基于因素分析法“由表及里”的逻辑思路．从显性因素到内部因素两个方面分析了海洋灾害脆弱性的损失特征和应对能力，从人身财产、海岸环境、城市建设、社会保障和灾后恢复能力5个方面尝试建立了海洋灾害脆弱性评价指标体系。
|
| [19] |
中国经济增长与环境脆弱性的因果及冲击响应分析 [J].https://doi.org/10.3321/j.issn:1007-7588.2006.05.003 URL Magsci [本文引用: 1] 摘要
随着我国经济建设的不断深入，环境问题越来越严重。我们也越来越需要以科学的手段，运用统计 推断的方法，从实际观测数据中对经济与环境的关系特别是因果关系做出客观判断。本文采用主成分分析方法对我国环境脆弱性进行了测度，运用格兰杰因果与脉冲 响应函数分析中国经济增长与环境脆弱性之间的关系。结果显示：中国经济增长与环境脆弱性之间存在着互为因果的关系，但是经济增长与环境脆弱性之间是否存在 格兰杰因果关系在很大程度上受到了其滞后期数的影响，而且这两者对对方的影响还存在着明显的差异。经济增长对环境脆弱性的影响具有明显的时滞性，是一种长 期的、渐进的影响；而环境脆弱性对经济增长的影响的时滞却较短，是一种短期的、非渐进的影响。
|
| [20] |
海域承载力评价与经济临海布局优化理论与实证研究[D] . |
| [21] |
|
| [22] |
|
| [23] |
|
| [24] |
Macroeconomics and reality [J].https://doi.org/10.2307/1912017 URL [本文引用: 1] 摘要
CiteSeerX - Scientific documents that cite the following paper: MACROECONOMICS AND REALITY
|
| [25] |
我国海洋灾害应急管理实现机制研究 [J].
近年来,随着海洋经济的快速发展,以及海洋开发活动规模的不断扩大,海洋灾害对近岸地区的经济发展和社会稳定造成的负面影响也越来越突出,加强海洋灾害的应急管理已成为当务之急。而在整个应急管理过程中,各行为主体、各行为要素之间的关系、角色以及行为准则亟待明确。鉴于此,论文基于机制设计的视角,提出海洋灾害应急管理的实现机制由调节机制、动力机制、协调机制、保障机制等组成,分析各机制中行为主体、行为要素应对海洋灾害的行为规范。
|
| [26] |
基于K均值聚类及模糊支持向量机的海洋灾害风险预警方法 [J].
我国是世界上海洋灾害最严重、最频发的少数国家之一，本文构建基于K均值聚类及FSVM的海洋灾害风险预警方法，有效解决海洋灾害数据具有不确定性、模糊性及带有扰动信息等问题，从而大大提高海洋灾害预警的准确性，为预测和评价海洋灾害提供更科学的方法，对海洋经济可持续发展有重大意义。实验证明，本文的模型对海洋灾害风险预警具有较高的精确度。
|
| [27] |
海南岛沿岸海洋灾害特征及防御对策 [J].https://doi.org/10.3969/j.issn.1005-9857.2013.12.018 URL 摘要
海南省是我国拥有海域面积最大的海岛省，同时也是遭受各种海洋灾害影响最严重的省份之一，近年来，海南省海洋灾害造成的经济损失及受灾人口呈增长趋势，灾情主要集中在海南岛沿岸。按其成因主要分为风暴潮、灾害性海浪、海啸、海岸侵蚀、海平面上升、赤潮、海水入侵及土壤盐渍化等。文章根据海洋灾害的特点，结合历史灾害资料，综合分析各致灾因子对海南岛沿海影响的时空特征及发展规律，指出海南岛各岸段应重点防御的海洋灾害类型，提出了海南岛沿海各岸段防御海洋灾害应采取的主要对策措施。
|
| [28] |
舟山海域海洋灾害地质因素分类及其分布规律 [J].URL 摘要
舟山海域海洋灾害地质因素可划分为两大类9种类型,两大类为活动性灾害地质因素和限制性地质条件,9种类型分别包括海底活动断层、滑坡、浅层气、潮流沙脊和沙波、海岸侵蚀（属活动性灾害地质因素）和不规则起伏的浅埋藏基岩、埋藏古河道、水下陡坎、冲刷沟槽（属限制性地质条件）等。滑坡主要是由重力作用所致,多发生在通道深槽边坡、通道凹岸、通道交汇处、通道中高地边缘、通道边坡次级沟槽等部位。浅层气主要分布在自岸滩至25m水深范围内的泥质、砂质沉积区。侵蚀海岸大多分布在濒临开敞海域的基岩海岸和岛屿向海侧。潮流沙脊和沙波多见于潮流通道的口门或口外,深槽边坡也有分布。不规则浅埋藏基岩常出现在沿岸区域和岛屿附近。埋藏古河道主要分布在舟山群岛东部海域的内陆架地区,此外,在岱衢洋、舟山岛与岱山岛之间的灰鳖洋、中街山列岛东部海域也见到少量的埋藏古河道。陡坎以侵蚀成因及滑坡成因为主,发育广泛,其高度和坡度变化较大。冲刷沟槽主要分布在岛屿之间狭窄、潮流或水流较急的区域,陡峭的沟槽常伴生陡坎,易产生滑坡,部分地段有波状微地貌发育。本文认为,研究区海洋灾害地质因素的发育离不开地形地貌、底质和水动力条件,其分布具有一定的规律性。常见多种灾害地质因素相互依存,互相触发。潮流作用下海底浅部沉积物的活动性是引起研究区海洋工程设施安全隐患的主要因素。
|
| [29] |
基于可变模糊评价法的渤海海洋生态环境综合评价 [J].
在环渤海地区经济飞速发展的同 时,渤海的生态环境也不断地受到威胁,为了深入了解渤海海洋生态状况,有必要对其进行综合评价。首先建立了海洋环境评价的指标体系,并运用层次分析法确定 各指标的权重;进一步收集了渤海相关统计数据,采用了基于唯物辩证法对立统一与质量互变定理的可变模糊评价方法进行综合评价;最后渤海海洋环境的评价值计 算为3.046,表明渤海海洋环境等级介于中和良之间,并且更偏向中级。研究结果为政府管理部门在制定渤海海洋环境保护的相关政策提供了定量参考的依据。
|
/
| 〈 |
|
〉 |
