EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 8: 1421 - 1431

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.628

生态与灾害

甘肃省自然灾害社会脆弱性评价与综合区划

  • 余瀚 , 1, 2 ,
  • 孟志华 3 ,
  • 王静爱 2
展开
  • 1.兰州财经大学农林经济管理学院，甘肃 兰州 730101
  • 2.北京师范大学地理科学学部，北京 100875
  • 3.兰州财经大学会计学院，甘肃 兰州 730101

余瀚（1983-），男，博士，副教授，主要从事综合自然灾害风险评估研究. E-mail:

收稿日期: 2024-10-17

  修回日期: 2024-12-24

  网络出版日期: 2026-03-11

基金资助

国家自然科学基金(42201087)

甘肃省哲学社会科学规划项目(2021YB078)

甘肃省教育科技创新基金项目(2022A-084)

收起

Comprehensive assessment and regionalization of social vulnerability for natural disasters in Gansu Province

  • Han YU , 1, 2 ,
  • Zhihua MENG 3 ,
  • Jing’ai WANG 2
Expand
  • 1. School of Agriculture and Forestry Economics and Management, Lanzhou University of Finance and Economics, Lanzhou 730101, Gansu, China
  • 2. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
  • 3. School of Accountancy, Lanzhou University of Finance and Economics, Lanzhou 730101, Gansu, China

Received date: 2024-10-17

  Revised date: 2024-12-24

  Online published: 2026-03-11

Fold

摘要

降低社会脆弱性对于自然灾害风险防范具有重要意义。在县区单元尺度上，选取人口、经济与种植业3种承灾体，构建适合本区域的社会脆弱性评估指标体系，评价了甘肃省区域自然灾害社会脆弱性，包括暴露度、敏感度、适应度和综合社会脆弱性。然后基于自然地理区划范式，系统编制了甘肃省县区单元自然灾害社会脆弱性综合区划方案。结果表明：（1）甘肃省综合社会脆弱性指数基本呈现东高西低、南高北低的宏观格局。高脆弱性地区主要集中于陇东、陇中以及陇南区域，在城市及附近县区等承灾体密集区域呈现聚集特征。（2）综合区划方案包含两级：一级区为4个主导自然灾害类型分区，包括河西走廊西段沙尘暴主导灾害区、兰州旱灾主导灾害区、陇南暴雨洪水滑坡/泥石流主导灾害区、河西走廊及陇东-陇中-甘南多灾种灾害区。二级区为14个不同结构的综合脆弱性等级分区。该方案系统表达了区域主导自然灾害类型下，社会脆弱性结构的宏观空间分异规律，可服务于降低自然灾害社会脆弱性的多样化区域差异与需求。

关键词： 社会脆弱性; 自然灾害; 综合区划; 干旱地区; 甘肃省

本文引用格式

余瀚 , 孟志华 , 王静爱 . 甘肃省自然灾害社会脆弱性评价与综合区划[J]. 干旱区地理, 2025 , 48(8) : 1421 -1431 . DOI: 10.12118/j.issn.1000-6060.2024.628

Abstract

It is very important to reduce regional social vulnerability to natural disasters and integrated risk governance. At the county and district unit scale, a social vulnerability assessment index system was constructed for three disaster-bearing bodies that would be suitable for Gansu Province: Population, economy and agriculture. The social vulnerability of natural disasters in Gansu Province was evaluated, including exposure, sensitivity, and adaptability. Then, based on the paradigm of natural geographic regionalization, a comprehensive social vulnerability regionalization was developed. The results show the following: (1) The comprehensive social vulnerability index in Gansu Province is generally high in the east, low in the west, high in the south, and low in the north. High-vulnerability areas are mainly concentrated in the eastern, central, and southern regions of Gansu, and they cluster in densely populated disaster-prone areas, such as cities and nearby counties. (2) Comprehensive regionalization includes two levels: The first level is divided into four leading natural disaster types, including sandstorm-leading disaster areas in the western section of the Hexi Corridor, the Lanzhou drought-leading disaster area, the southern Gansu rainstorm flood landslide/debris flow-leading disaster area, the central-eastern Hexi Corridor, and east, central, and southern Gansu multihazard disaster areas. Secondary-level zones include 14 comprehensive vulnerability level zones with different structures. The regionalization scheme systematiclly expresses macrospatial differentiation in social vulnerability structures under regionally dominant natural disaster types that can serve diverse regional differences and help reduce social vulnerability to natural disasters.

Key words： social vulnerability; natural disaster; comprehensive regionalization; arid region; Gansu Province

在全球变化背景下，自然灾害给人类社会带来的损失风险呈增加趋势[1-2]。脆弱性是联系致灾因子危险性与灾情和风险的重要桥梁[3-5]。自然灾害的损失和风险不仅取决于自然灾害冲击下承灾体结构方面损失的定量响应关系，也受到区域内的环境、人口、社会结构、产业等要素相互关联的影响。社会脆弱性从社会经济角度分析脆弱性，认为社会系统内部结构的差异会导致系统脆弱性不同，单靠结构性措施不能完全减轻灾害的脆弱性[6-8]。科学理解并定量评估区域内承灾体的社会影响因素，揭示其空间分异的宏观格局，有助于降低自然灾害风险、适应未来气候变化、在宏观层面进行自然灾害救助资源分配等[9]。
目前自然灾害社会脆弱性研究主要采用指标体系综合的方法。指标体系构建思路的差异较大，可分为两类：一类利用统计学，自下而上的归并形成评估指标体系。该方法需要大量的数据，易受到数据完备性的限制。典型研究如地方社会脆弱性模型，该模型通过社区尺度上多个指标的综合发现了社会脆弱性在不同社会群体和地区间分布不均匀等[10-12]。另一类是基于影响因子的理论演绎，自上而下构建评估指标体系。目前关于中国区域尺度上自然灾害社会脆弱性研究多采用该方法[13-16]。此外，从韧性角度出发的研究可视为从反向角度开展的社会脆弱性研究，它评估了在受到外界干扰后，系统仍保持主要特征、结构和关键功能的能力[17-21]。中国西北干旱半干旱区域的生态环境脆弱，人口、经济等要素分布有高度特殊性，从社会脆弱性格局到驱动因子等也受到高度关注[22-27]。
对脆弱性评估结果进行简单的等级划分不能满足降低脆弱性的实际需求。基于自然地理综合区划思想，进行区域尺度自然灾害社会脆弱性宏观分异规律的系统性总结，是提高综合风险防范效果的实际需要[9,28-31]。一方面，研究实践表明即使区域尺度上自然灾害社会脆弱性综合评价的等级相同，降低脆弱性措施的重点会随区域有所不同，需要因地制宜[22-24]；另一方面，构成区域自然灾害社会脆弱性的暴露性、敏感性、适应性维度存在显著的区域不平衡与差异[9]。我国在自然灾害设防水平上的巨大差异，形成了广大农村牧区较高的脆弱性，快速景观城市化形成高脆弱性的城镇连片分布区等[9,28]，均使得自然灾害社会脆弱性形成复杂的空间分异规律。
目前，关于西北干旱半干旱区以及甘肃省社会脆弱性的相关研究中，主要面向乡村地域系统、自然-社会系统、社会-生态系统展开[22-25]，针对自然灾害的脆弱性研究主要是农业旱灾[23]，这些评估分析的结果均表达为脆弱性等级高低的空间分异，而对于综合脆弱性背后的系统性结构的区域差异性等分析相对较少，不能满足降低脆弱性的实际应用需求。因此，本文构建了适应于县区尺度上的甘肃省自然灾害社会脆弱性评价指标体系，选取2020年数据，综合评估了面向自然灾害的社会脆弱性。然后利用自然地理区划范式，系统开展了本区自然灾害社会脆弱性宏观分异规律的区划研究，不仅表达了脆弱性等级高低，也表达了脆弱性高低形成的要素结构特征的区域分异。区划结果可服务于灾害救助—增强灾害适应性—降低灾害社会脆弱性的多样化区域差异与需求。

1 数据与方法

1.1 研究区概况

甘肃省地处中国陆地版图的地理中心，呈现西北—东南走向（32°11′~42°57′N，92°13′~108°46′E），东西延伸1655 km，南北平均宽约530 km。甘肃省是青藏高原、黄土高原以及内蒙古高原的交汇地带，分属长江、黄河、内陆河三大水系，横跨东部季风区、西北干旱半干旱区和青藏高寒区三大气候区。自然环境的多样性与复杂性突出，使得本区自然灾害系统的孕灾环境、致灾因子以及承灾体要素种类繁多，且时空分异显著。截至2020年末，甘肃全省人口总量约为2.465×107人，省域面积为4.258×105 km2，属于典型的地广人稀区域，人口分布东南多、西北少，而且省内西北部区域人口、经济等要素集中于绿洲等地，分布严重不均衡[32]。这些因素共同作用，使得甘肃省自然灾害脆弱性区域分异显著，开展综合社会脆弱性区划可为系统认识其分异规律与模式，为宏观战略层面因地制宜的降低社会脆弱性提供科学依据。
综合考虑甘肃省自然灾害系统复杂多样，灾害链现象显著的特征[33-34]，本文将甘肃省多种自然灾害按照灾害链类型归类。基于《中国自然灾害报刊数据库》，1949—2014年甘肃省成灾次数共为1604次，其中发生次数较多且损失较大的实际成灾记录中，将干旱、旱灾统一归并为旱灾；本区内滑坡/泥石流大部分是由于暴雨引发，因此统一归入暴雨-洪水。最终参与区划的有地震、旱灾、暴雨-洪水-滑坡/泥石流、沙尘暴4种灾害（链），其发生记录数分别为76、323、519次和182次，共占总成灾次数约69%。由此本文承灾体选取为受这些种类灾害影响最大的人口、经济和农业中的种植业。

1.2 数据来源

基本研究单元为甘肃省的86个区县。人口数据来源于第七次人口普查公报[35]。经济、种植业相关数据主要来源于甘肃省统计年鉴、中国县域统计年鉴，部分缺失数据由各地市州统计年鉴、各区县政府公报数据等作为补充，因为2020年受疫情冲击数据波动较大，所以采用2019年数据进行替代。区域灾害数据来源于北京师范大学区域地理实验室提供的《中国省级报刊灾害数据库》，该数据库通过查阅全国33种省级报刊资料，读取灾害相关的新闻报道信息后分类、汇总建立。数据内容主要包括灾害起止时间、类型、程度等，共涉及9大类57种自然灾害。该数据库是实际成灾的灾害记录，可反映区域自然灾害暴露程度。土地利用数据来自于自然资源部发布的GlobeLand30全球地表覆盖数据（表1）。
表1 研究数据

Tab. 1 Research data

类别 数据名称 数据内容 时空精度
人口承灾体 第七次人口普查分县资料 人口数量、年龄结构、学历结构、住房设施 2020年/矢量/县区单元
人口适应-医疗设施 医疗床位数 2019年/矢量/县区单元
经济承灾体 经济承灾体相关指标 GDP、三次产业产值、人均可支配收入、一般公共预算收入 2019年/矢量/县区单元
经济适应-财政负债 地方政府财政负债率 2019年/矢量/县区单元
种植业承灾体 种植业承灾体相关指标 播种面积、种植业产值、农林牧渔总产值、农业机械总动力、灌溉面积 2019年/矢量/县区单元
区域灾害数据 中国省级报刊灾害数据库 成灾灾害种类、起止时间、灾情 1949—2014年/矢量/县区单元
辅助数据 GlobalLand30全球地表覆盖 2020年甘肃省地表覆盖类型 2020年/栅格/30 m×30 m
甘肃省基础地理信息数据 甘肃省市、县行政区划 矢量

1.3 研究方法

1.3.1 自然灾害社会脆弱性评价

（1）指标体系构建。参考已有研究成果和数据的完备性[5-8,10-27]，以暴露性、敏感性和适应性3个核心维度，建立甘肃省区县尺度上的自然灾害社会脆弱性评价指标体系（表2）。暴露度可分为人口暴露度、经济暴露度、种植业暴露度以及自然灾害的历史实际暴露度，敏感度与适应度分为人口、经济、种植业3个子项。
表2 区域自然灾害社会脆弱性评价指标体系

Tab. 2 Evaluation index system for social vulnerability to regional natural disasters

标准层 要素层 指标层 影响方向 指标释义 指标权重
暴露度 人口暴露度 常住人口 正向 潜在暴露于区域自然灾害人口规模 0.0648
经济暴露度 GDP总量 正向 潜在暴露于区域自然灾害经济规模 0.0545
种植业暴露度 播种面积 正向 潜在暴露于自然灾害农业承灾体规模 0.0612
成灾暴露度 灾次 正向 实际暴露于自然灾害的次数 0.0562
灾种多样性指数 正向 实际暴露于自然灾害的复杂程度 0.0121
敏感度 人口敏感度 人口密度 正向 空间上人口对于区域自然灾害敏感程度 0.0465
人口负担系数 正向 儿童与老年人口作为敏感人群的比重 0.0573
经济敏感度 GDP密度 正向 空间上经济对于区域自然灾害敏感程度 0.0447
第一产业增加值占二产增加值比重 正向 一产易受自然灾害（旱灾）影响，对二产占比反映区域内经济相对敏感度 0.0580
种植业敏感性 种植业产值密度 正向 种植业在空间上易受损的可能性参数 0.0658
种植业占农林牧渔产值比重 正向 种植业对于区域农业的重要程度 0.0286
适应度 人口适应度 初中以上学历人口比例 负向 人口灾害认知与应对水平的替代指标 0.0643
居民家庭人均可支配收入 负向 家庭应对灾害设施及其数量的替代指标 0.0587
洗澡设施户数比例 负向 家庭经济状况替代指标 0.0527
万人医疗床位数 负向 应对灾害健康保障水平的替代指标 0.0623
经济适应度 产业产值多样化指数 负向 应对灾害经济的潜在恢复能力 0.0279
地方政府财政负债率 正向 救灾投入潜在资源限制的替代指标 0.0110
人均一般公共预算收入 负向 救灾投入潜在资源的替代指标 0.0561
种植业适应度 作物种植面积多样性指数 负向 应对灾害种植业的潜在恢复能力 0.0066
农业机械总动力密度 负向 农业应对灾害设施及数量的替代指标 0.0575
灌溉面积占耕地比例 负向 农业应对灾害设施及数量的替代指标 0.0523
甘肃省地域狭长，东西与南北跨度极大。中西部地广人稀，存在大量不适宜人类居住的区域，人口、经济、种植业等承灾体主要分布在绿洲范围内。为避免大面积未利用地带来的平均效应影响，本文计算地均密度指标时，没有直接应用县域面积作为基准，人口与经济采用耕地与居民地面积作为基准，种植业产值密度以耕地面积为基准。
（2）权重计算。本文采用熵值法计算指标权重。熵值法是客观赋权法，以数据包含的信息熵作为权重大小的评价标准，可以消除评价者的主观性。其一般步骤为：首先是数据标准化处理，消除原始数据不同计量单位与量纲尺度的差异（正向指标应用公式1，负向指标应用公式2）；其次分别计算每个指标下单个县区指标值的比重（公式3）、每项指标的信息熵值（公式4）；最后分别计算每项指标的权重（公式5）。
Y i j = x i j - x m i n x m a x - x m i n
Y i j = x m a x - x i j x m a x - x m i n
P i j = Y i j / ∑ i = 1 n Y i j
E j = - ∑ i = 1 n P i j l n P i j l n n ， D j = 1 - E j
W j = D j / ∑ j = 1 m D j
式中： Y i j为原始数据经过标准化处理后的数值； x i j为指标的实际值； x m i n、 x m a x分别为每个指标列的最小值与最大值； P i j为第j项指标下第i个县区指标值占该项指标的百分比； E j为第j项指标的信息熵值； W j为第j项指标的权重； D j为第j项指标的信息熵冗余度；n为记录数，即甘肃省内县区总数；m为指标数。
（3）综合脆弱性计算模型。基于前述评估框架，本文采用公式6、7分别计算甘肃省县区尺度自然灾害社会脆弱性及各个维度的值[5]：
S o V I = E I + S I - A I = ∑ j = 1 m W j Y i j
E I = ∑ j = 1 k W j Y i j , S I = ∑ j = 1 l W j Y i j , A I = - ∑ j = 1 s W j Y i j , m = k + l + s
式中：SoVI为县区尺度自然灾害综合社会脆弱度指数；EI、SI、AI分别为暴露度指数、敏感度指数和适应度指数；m为指标体系中总指标个数；k、l、s分别为暴露度、敏感度和适应度各自的指标个数；EI同SI一起表达了可能的社会脆弱性，AI对于社会脆弱性具有抵消作用，三者综合构成了县区单元尺度上的区域自然灾害社会脆弱性指数。计算适应度指数AI的指标在归一化时均被处理为负向指标，单独表达适应度时应取对应负值。

1.3.2 自然灾害社会脆弱性综合区划

（1）区划目的与原则。本区划主要目的是通过系统性综合划分，揭示甘肃省县区单元尺度自然灾害社会脆弱性的宏观区域分异规律，为相关部门开展自然灾害风险防范管理工作、相关保险业务市场地理空间布局、定价、风险控制等决策提供科学依据。
依据自然灾害区划研究实践[9,28-31,36-37]，结合社会脆弱性区域分异机理，设定如下区划原则：
①凸显区域自然灾害社会脆弱性的多维度特征。区划不仅表达综合脆弱性指数的高低等级分异，同时表达构成社会脆弱性的多维度要素的区域分异规律。
②保证县区级行政单元完整，遵循区域共轭原则，便于区划结果在同一行政区内应用的统一性。
③区划方法以自下而上的合并为主，结合自上而下划分。在高分辨率空间数据支持下，综合运用多种方法构建G-Bu-Bz（Grid-Basic unit-Basic zone）区划综合定量模型，提高区划界线的定量程度[37]。
④飞地和零散斑块调整与合并，以空间近邻性、地域单元自然相似性、凸显高级别区域为导向。
（2）区划等级与指标体系。综合考虑甘肃省自然灾害系统的时空尺度、要素动态性、区域特征、区划指标数据和区划结果表达，本文采用二级区划等级系统：一级区为主导自然灾害类型分区。区划指标为历史自然灾害发生次数，反映甘肃省县区单元自然灾害成灾具体灾种类型的宏观空间分异规律。二级区为综合社会脆弱性等级分区。区划指标为综合社会脆弱性指数构成要素，包括暴露度、敏感度、适应度，分区反映具体主导灾害种类背景下，区域自然灾害社会脆弱性结构差异的宏观空间分异规律。
（3）区划流程与方法。首先是分区依据具体化，针对区域和数据特点进行区划总原则的具体化；其次是确定初步分区方案，采用分区分级、多指标k-means聚类方法进行“自下而上”的合并，得到较为合理的初步分区数量与范围；最后是确定综合分区界线，将一级区和二级区进行叠加，辅助以“自上而下”的系统性空间划分，依据区划原则及地域相似性，参照区域地理特征进行细部综合调整，主要包括飞地斑块、零碎斑块归并，进行分区命名和特征参数分区统计，得到最终区划方案。

2 结果与分析

2.1 社会脆弱性指数分异格局

对甘肃省86个区县单元分别计算暴露度、敏感度、适应度和区域综合脆弱性指数，采用自然断点法分为5级，评价结果如图1所示。
图1 区域自然灾害暴露度、敏感度、适应度与综合社会脆弱性指数分异

注：基于自然资源部标准地图服务网站审图号为GS(2024)0650号的标准地图制作，底图边界无修改。下同。

Fig. 1 Regional natural disaster exposure, sensitivity, fitness and comprehensive social vulnerability index differentiation

2.1.1 分异格局

暴露度指数基本呈现东高西低、南高北低的宏观分异格局：暴露度最高的区域主要集中在甘肃省内地市州的城区，次高区域集中于城市区域的周边县区。这是由于西北干旱半干旱区域内，人口、经济、种植业等承灾体集中分布于城市及城市周边自然条件较好的区域；中等暴露度区域主要集中于城市周边县区，河西走廊沿线县区。甘肃省中西部虽然地广人稀，但承灾体集中于绿洲等区域，因此暴露度处于中等级别；低等级暴露区域集中于柴达木盆地北缘、甘南高原西部，主要是该区域人口、经济、种植业等体量均较小所致。
敏感度指数也基本呈现东高西低、南高北低的宏观分异格局：高敏感区域主要集中天水市北部，该区域为甘肃省人口数量最多、种植业占比较大的区域；次高区域在陇南市呈连片状分布，在陇中以及河西走廊呈分散分布。这是由于陇南市自然条件较好，人口、种植业占比相对较大，河西走廊区域部分区县以农业为主，人口、种植业主要集中于绿洲等自然条件较好处；中等敏感区域分布在河西走廊沿线以及陇中、陇东区域，与此处人口、种植业占比在全省处于中等的位置直接相关；低敏感度区域主要分布在河西走廊沿祁连山一线，以及甘南高原区域，此处人口、经济、种植业规模都相对较小。
适应度指数整体呈现西高东低，北高南低的宏观分异格局：高值区集中于河西走廊中西段，以及兰州市-白银市城区。河西走廊中西段是由于该区人口、农业、经济规模相较其他区域小很多，提高适应度的相关资源人均投入量等级最高。兰州市-白银市城区的城市化水平较高，在强省会发展模式下提高适应度相关资源投入量更大；中等级适应度区域集中于定西市、天水市南部以及陇南市区域，该区域人口经济规模较大，农业以种植业为主，人均适应度资源相较高等级区域少；低适应度区域主要分布于甘南藏族自治州、定西市东部以及庆阳市北部，人口以及经济发展相对落后，人均适应度资源投入较小。
综合脆弱性指数基本呈现东高西低、南高北低的格局：高脆弱性地区，主要集中于陇东、陇中以及陇南区域，且围绕城市等承灾体密集区呈现聚集特征，这是由于此区域有较高的暴露度、敏感度，但由于人口经济规模大，人均适应度资源较少造成其综合脆弱性最高；中等脆弱地区主要集中于河西走廊沿线县区，以及临夏回族自治州、兰州市北部等地，与该区的中等暴露度、中高适应度直接相关；低脆弱性区域集中分布于祁连山地沿线、甘南高原区域，该区域人口、经济、种植业承灾体体量较小，暴露度、敏感度等级相对较低，而适应度相对较高。

2.1.2 区域分异特征

甘肃省区域自然灾害社会脆弱性存在明显的区域分异特征，表现为2个方面：
一是甘肃西部地广人稀的县区人口经济规模小，且相对集中的分布模式与中、东部有明显的区域差异。分别统计不同等级暴露度、敏感度、适应度以及综合脆弱性指数县区面积占全省面积比重（表3），可发现西部县区使得低暴露度、低敏感度、高适应度以及低脆弱度占比均较大，结合其分布图（图1）表明对于甘肃省西部地广人稀的县区，不宜直接采用县区面积进行地均指标计算。
表3 综合社会脆弱性要素不同等级面积占比

Tab. 3 Area proportion of different levels of comprehensive social vulnerability foctors /%

等级 暴露度 敏感度 适应度 综合脆弱性
高 8.0 3.4 44.0 6.5
较高 11.7 23.1 15.4 20.5
中 38.1 29.7 4.3 29.9
较低 17.2 10.6 16.7 17.8
低 25.0 33.2 19.6 25.3
二是综合脆弱性等级形成的结构差异，也即暴露度、敏感度与适应度的高低特征有明显的区域分异。图1表明甘肃省综合脆弱性要素构成差异大致可分为4个不同的区域：河西走廊呈现中-低暴露度和高适应度；陇中黄土高原呈现高暴露度和高敏感度；甘南高原呈现低等级的暴露度、敏感度和适应度；东南山地区域为高暴露度、高敏感度以及低适应度。

2.2 综合区划方案

2.2.1 一级分区方案

一级分区为主导自然灾害类型分区。分县区统计自然灾害发生次数，对4种灾害发生次数利用k-means聚类方法进行空间聚类分析，依照前期调研结果，设定聚类数目为4。得到初步聚类结果后，参照区划原则、灾害种类多样性指数等，综合调整细碎斑块得到一级分区（图2）。
图2 一级分区

注：A为河西走廊西段沙尘暴主导灾害区；B为兰州市旱灾主导灾害区；C为陇南市暴雨洪水滑坡/泥石流主导灾害区；D为河西走廊及陇东-陇中-甘南藏族自治州多灾种灾害区。下同。

Fig. 2 First level zoning

河西走廊西段沙尘暴主导灾害区（A），面积占甘肃省总面积的40.98%，本区深入内陆，沙漠、戈壁遍布，受沙尘暴灾害冲击次数远大于地震、暴雨洪水滑坡/泥石流和旱灾。
兰州市旱灾主导灾害区（B），面积占比为3.04%，本区人口、经济、种植业等承灾体高度集中，受多种灾害影响均有较多记录，其中受旱灾成灾影响相对较高。
陇南市暴雨洪水滑坡/泥石流主导灾害区（C），面积占比为7.54%，本区属于长江流域，受东南季风以及山地为主的地形影响，暴雨洪水，及次生的滑坡/泥石流灾害成灾次数显著高于其他种类自然灾害。
河西走廊及陇东-陇中-甘南藏族自治州多灾种灾害区（D），面积占比为48.43%，本区内受到多种自然灾害影响，地震、沙尘暴、旱灾，以及暴雨洪水和次生的滑坡/泥石流灾害成灾次数多样化，主导性不突出，因面积较大缘故，地震成灾次数稍高于其他区域地震灾次。

2.2.2 二级分区方案

二级分区为社会脆弱性等级分区。首先在县区单元上，为区划结果应用便利性和分区数量合理性，将综合脆弱性指数按自然断点法分为高、中、低3种等级大类；然后以暴露度、敏感度、适应度指数作为指标进行空间聚类分析，得到初步分区；最后在脆弱性等级约束下进行细微调整，形成不同结构类型下的高-中-低等级分区。
二级分区经调整后可大致分为9个区域（图3）：4个高脆弱度小区，包括兰州市（城区）、武威市、庆阳市以及定西市到陇南市区域；3个中脆弱度小区，主要有河西走廊-陇中、平凉市、陇南市东部区域；2个低脆弱度小区，包括祁连山地西段、甘南藏族自治州区域。
图3 二级分区

Fig. 3 Second level zoning

2.2.3 综合区划方案

将一级区和二级区叠加，依据区划原则及地域相似性，参照区域综合地理特征进行细部综合调整，包括飞地、零碎斑块归并等，最终得到脆弱性综合区划方案（图4）。分区命名原则：一级分区以地名（县区、地域单元）+主导自然灾害类型命名；二级分区以地名（县区、地域单元）+高/低等级脆弱性维度+脆弱性等级高低命名；分区代码采用一级分区类型（分A、B、C、D）+二级分区综合脆弱性等级（1、2、3分别为低、中、高）+顺序编号的结构（表4）。各原始关键数据从县区单元或栅格单元，按新的分区单元统计平均值，形成分区特征参数表。
图4 综合区划方案

注：图中分区代码含义见表4。下同。

Fig. 4 Comprehensive regionalization plan

表4 分区代码与命名

Tab. 4 Code and naming of regionalization

分区代码及命名 分区代码及命名
A河西走廊西段沙尘暴主导灾害区
A1-1柴达木北缘极高适应低脆弱区
A2-1北山山地高适应中脆弱区
B兰州市旱灾主导灾害区
B2-1兰州市郊县高适应中脆弱区
B3-1兰州市城区高适应高脆弱区
C陇南市暴雨洪水滑坡/泥石流主导灾害区
C2-1南秦岭山地中脆弱区
C3-1北秦岭-南部山地高脆弱区		 D河西走廊及陇东-陇中-甘南藏族自治州多灾种灾害区
D1-1肃南县祁连山地高适应低脆弱区
D1-2甘南州高原低适应低脆弱区
D2-1六关山山地中脆弱区
D2-2河西走廊中东段高适应中脆弱区
D2-3陇中黄土高原西部中脆弱区
D3-1凉州区-古浪县高适应高脆弱区
D3-2陇东黄土高原北-东部高脆弱区
D3-3陇中黄土高原中-东部高脆弱区
为本文区划结果应用于指导实际降低社会脆弱性的便利性，将分区中各县区单元社会脆弱性及要素综合为平均值，利用柱状图表达三者结构特征，可直观展示甘肃省自然灾害社会脆弱性的系统性要素分异规律（图5）。区划方案不仅表达了社会脆弱性综合等级的高低，也系统表达了构成要素结构的差异，揭示了分区降低社会脆弱性的侧重点应有所区别，可为分区制定降低脆弱性对策提供科学依据。
图5 分区社会脆弱性结构特征

Fig. 5 Structural features of the different vulnerability regions

河西走廊西部区域整体脆弱性不高，结构中适应度较高，暴露度较低，因此脆弱性高低取决于敏感度。因此本区降低脆弱性的关键在于有效降低敏感度。
河西走廊中东部、兰州市周边区域主要处于中等脆弱区域，结构特征是敏感度较高，而暴露度、适应度中等，又因本区域受到多种自然灾害影响，因此本区降低脆弱性的关键在于以降低敏感度为主，同时应降低面对多种自然灾害冲击时的暴露以及提高适应。
陇东黄土高原区域和陇南市区域整体的脆弱性较高，结构特征表现为敏感度较高，而适应度偏低，因此陇东区域面对多种自然灾害，陇南市区域面对暴雨、洪水以及滑坡/泥石流这些主导灾害时，应当进一步投入防灾救灾资源，以提升本区域适应能力为主，同时降低敏感度。

3 讨论

（1）地均指标处理可能存在区域适应的不合理性。本研究中对于部分地均指标使用了耕地、人工用地作为基准，是为了规避甘肃省西部地广人稀区域中没有承灾体区域面积带来的误差。但对于甘肃省东部承灾体密集区，人口、经济等承灾体的分布并不仅局限在耕地、人工用地上，因而本文中地均指标的计算方法可能会引入部分误差。未来考虑可分东、中、西部区域，根据不同区域承灾体分布特点，分别进行地均指标计算以更符合实际承灾体的分布状况。
（2）本研究中暴露度没有办法区分潜在暴露与实际暴露。暴露度可分为潜在暴露和实际暴露，潜在暴露主要是承灾体数量，反映可能的自然灾害冲击对象的规模。实际暴露指潜在暴露中除去不被防护措施保护，区域内真正会受到自然灾害冲击对象的规模。本文中考虑到了区域中多种自然灾害，然而自然灾害的防护措施、数量等数据难以获得，同时所用的省级报刊灾害数据库主要来源于新闻报道，因此描述具体灾情的数据不足，也难以表达去除防护措施后，真正暴露在自然灾害冲击下的承灾体系统规模，如种植业中，有灌溉的区域实际并不会在旱灾中受到较大冲击。因此本文中暴露度均为潜在暴露，后续随数据、方法的完善与进步，应当对潜在暴露中的实际暴露作进一步的区分。

4 结论

（1）甘肃省自然灾害社会脆弱性呈现东高西低、南高北低的宏观分异格局。高脆弱性地区主要集中于陇东、陇中以及陇南市区域，且围绕城市等承灾体密集区呈现聚集特征。这是由于此区域内承灾体有较高暴露度与敏感度等级，但人口、经济规模大而使得适应度相关的人均资源投入相对不足。低脆弱度等级的区域主要分布于祁连山地沿线、甘南藏族自治州的县区。这是由于此区域内承灾体规模较小，而形成了较低等级的暴露度与敏感度，而适应度相关的人均资源投入相对较高。
（2）甘肃省不同区域主导自然灾害的空间分异显著。综合区划方案的一级分区表明甘肃省可分为4个不同主导自然灾害类型分区，包括河西走廊西段沙尘暴主导灾害区、兰州市旱灾主导灾害区、陇南市暴雨洪水滑坡/泥石流主导灾害区、河西走廊及陇东-陇中-甘南藏族自治州多灾种灾害区。
（3）分区降低区域社会脆弱性，提高综合风险防范水平应有不同的侧重点。综合区划方案的14个二级分区表明了脆弱性指数高低及要素的结构分异：河西走廊西部呈现低暴露、高适应度，脆弱性主要取决于敏感度；河西走廊中东部、兰州市周边区域处于中脆弱性等级，敏感度高；陇东与陇南市区域整体处于高脆弱性等级，由高敏感度与低适应度共同形成。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中国气象局气候变化中心. 中国气候变化蓝皮书2024[M]. 北京: 科学出版社, 2024: 1-10.

[National Climate Center, China. Blue book on climate change in China 2024[M]. Beijing: Science Press, 2024: 1-10. ]

[2]
史培军. 大力提升对全球变化系统性风险防控的能力[J]. 中国减灾, 2024(1): 14-15.

[Shi Peijun. Vigorously enhance the ability to reduct the systemic risks of global change[J]. China Jounal of Disaster Reduction, 2024(1): 14-15. ]

[3]
史培军. 四论灾害系统研究的理论与实践[J]. 自然灾害学报, 2005, 14(6): 1-7.

[Shi Peijun. Theory and practice on disaster system research in a fourth time[J]. Journal of Natural Disasters, 2005, 14(6): 1-7. ]

[4]
周瑶, 王静爱. 自然灾害脆弱性曲线研究进展[J]. 地球科学进展, 2012, 27(4): 435-442.

[Zhou Yao, Wang Jing’ai. A review on development of vulnerability curve of natural disaster[J]. Advances in Earth Science, 2012, 27(4): 435-442. ]

[5]
黄晓军, 黄馨, 崔彩兰, 等. 社会脆弱性概念、分析框架与评价方法[J]. 地理科学进展, 2014, 33(11): 1512-1525.

DOI

[Huang Xiaojun, Huang Xin, Cui Cailan, et al. The concept, analytical framework and assessment method of social vulnerability[J]. Progress in Geography, 2014, 33(11): 1512-1525. ]

DOI

[6]
李迪, 何凯, 孙晶, 等. 气象灾害过程视角下社会脆弱性评估研究[J]. 内蒙古师范大学学报, 2023, 52(4): 374-381.

[Li Di, He Kai, Sun Jing, et al. Research on social vulnerability assessment from the perspective of meteorological disaster process[J]. Journal of Inner Mongolia Normal University (Natural Science Edition), 2023, 52(4): 374-381. ]

[7]
袁定欢, 罗钧悦, 郭君, 等. 脆弱性与自然灾害灾情分析——以2011—2020年广东省为例[J]. 灾害学, 2024, 39(3): 94-101.

[Yuan Dinghuan, Luo Junyue, Guo Jun, et al. Vulnerability and natural disaster loss analysis: Taking Guangdong Province from 2011 to 2020 as an example[J]. Journal of Catastrophology, 2024, 39(3): 94-101. ]

[8]
王静爱, 商彦蕊, 吴瑶瑶, 等. 区域农业旱灾综合风险防范: 从脆弱性、恢复性、适应性到凝聚力[J]. 河北师范大学学报(自然科学版), 2021, 45(4): 400-409.

[Wang Jing’ai, Shang Yanrui, Wu Yaoyao, et al. Integrated risk governance of regional agriclutural drought: From vulnerability, resilience, adaptability to consilience[J]. Jounral of Hebei Normal University (Natural Science Edition), 2021, 45(4): 400-409. ]

[9]
史培军, 王季薇, 张钢锋, 等. 透视中国自然灾害区域分异规律与区划研究[J]. 地理研究, 2017, 36(8): 1401-1414.

DOI

[Shi Peijun, Wang Jiwei, Zhang Gangfeng, et al. Research review and prospects of natural disasters regionalization in China[J]. Geographical Research, 2017, 36(8): 1401-1414. ]

[10]
Cutter S L, Mitchell J T, Scott M S. Revealing the vulnerability of people and places: A case study of Georgetown County, south Carolina[J]. Annals of the Association of American Geographers, 2000, 90(4): 713-737.

[11]
方佳毅, 陈文方, 孔锋, 等. 中国沿海地区社会脆弱性评价[J]. 北京师范大学学报(自然科学版), 2015, 51(3): 280-286.

[Fang Jiayi, Chen Wenfang, Kong feng, et al. Measuring social vulnerability to natural hazards of the coastal areas in China[J]. Jounral of Beijing Normal University (Natural Science Edition), 2015, 51(3): 280-286. ]

[12]
Zhou Y, Li N, Wu W X, et al. Assessment of provincial social vulnerability to natural disasters in China[J]. Natural Hazards, 2014, 71(3): 2165-2186.

[13]
王钧, 陈敬业, 宫清华, 等. 韧性视角下城市社会脆弱性评估及优化策略——以珠三角城市群为例[J]. 热带地理, 2023, 43(3): 474-483.

DOI

[Wang Jun, Chen Jingye, Gong Qinghua, et al. Urban social vulnerability assessment and optimization strategies from the perspective of resilience: A case study of the Pearl River Delta urban agglomeration[J]. Tropical Geography, 2023, 43(3): 474-483. ]

DOI

[14]
陈少华, 张丽, 左洪振, 等. 2018年湖南省农村自然灾害社会脆弱性测度[J]. 气象与减灾研究, 2020, 43(4): 299-306.

[Chen Shaohua, Zhang Li, Zuo Hongzhen, et al. Mearsurment of social vulnerability of rural natural disasters in Hunan Province in 2018[J]. Meteorology and Disaster Reduction Research, 2020, 43(4): 299-306. ]

[15]
阮鑫鑫, 付小林, 侯俊东, 等. 湖北省自然灾害社会脆弱性综合测度及时空演变特征[J]. 安全与环境工程, 2019, 26(2): 52-61.

[Ruan Xinxin, Fu Xiaolin, Hou Jundong, et al. Comprehensive measurement of social vulnerability to natural disasters and characteristics of space-time evolution in Hubei Province[J]. Safety and Environmental Engineering, 2019, 26(2): 52-61. ]

[16]
Zhang M, Xiang W B, Chen M L, et al. Measuring social vulnerability to flood disasters in China[J]. Sustainability, 2018, 10(8): 1-14.

[17]
赵瑞东, 方创琳, 刘海猛. 城市韧性研究进展与展望[J]. 地理科学进展, 2020, 39(10): 1717-1731.

DOI

[Zhao Ruidong, Fang Chuanglin, Liu Haimeng. Progress and prospect of urban resilience research[J]. Progress in Geography, 2020, 39(10): 1717-1731. ]

DOI

[18]
曾冰. 中国省域经济韧性发展水平评价[J]. 大连理工大学学报(社会科学版), 2023, 44(2): 28-36.

[Zeng Bing. Evaluating the evolution patterns of provincial economic resilience in China[J]. Journal of Dalian University of Technology (Social Science Edition), 2023, 44(2): 28-36. ]

[19]
宁静, 朱冉, 张馨元, 等. 内蒙古区县城市韧性评价与分析[J]. 干旱区地理, 2023, 46(7): 1217-1226.

DOI

[Ning Jing, Zhu Ran, Zhang Xinyuan, et al. Evaluation and anylysis of urban resilience of districts and counties in Inner Mongolia[J]. Arid Land Geography, 2023, 46(7): 1217-1226. ]

DOI

[20]
张振, 张以晨, 张继权, 等. 基于熵权法和TOPSIS模型的城市韧性评估——以长春市为例[J]. 灾害学, 2023, 38(1): 213-219.

[Zhang Zhen, Zhang Yichen, Zhang Jiquan, et al. Urban resilience assessment based on entropy weight method and TOPSIS model: Take Changchun City as an example[J]. Journal of Catastrophology, 2023, 38(1): 213-219. ]

[21]
白立敏, 修春亮, 冯兴华, 等. 中国城市韧性综合评估及其时空分异特征[J]. 世界地理研究, 2019, 28(6): 77-87.

DOI

[Bai Limin, Xiu Chunliang, Feng Xinghua, et al. A comprehensive assessment of urban resilience and its spatial differentiation in China[J]. World Regional Studies, 2019, 28(6): 77-87. ]

DOI

[22]
蔺明芳, 谢保鹏, 陈英, 等. 甘肃省县域乡村地域系统脆弱性时空演变格局[J]. 干旱区资源与环境, 2024, 38(2): 112-122.

[Ling Mingfang, Xie Baopeng, Chen Ying, et al. Spatial and temporal patterns of vulnerability of rural systems in Gansu Province[J]. Journal of Arid Land Resources and Environment, 2024, 38(2): 112-122. ]

[23]
李菲菲, 周霞, 周玉玺. 西北地区农业干旱脆弱性评估及时空分布特征[J]. 干旱区研究, 2023, 40(4): 663-669.

DOI

[Li Feifei, Zhou Xia, Zhou Yuxi. Vulnerability assessment and spatiotemporal distribution of agricultural drought in northwest China[J]. Arid Zone Research, 2023, 40(4): 663-669. ]

DOI

[24]
周苏娥, 张明军, 王圣杰, 等. 甘肃省河西地区自然-社会系统脆弱性评价[J]. 资源科学, 2018, 40(2): 452-462.

DOI

[Zhou Su’e, Zhang Mingjun, Wang Shengjie, et al. Assessment of vulnerability in natural-social system in Hexi, Gansu[J]. Resources Science, 2018, 40(2): 452-462. ]

DOI

[25]
李洁, 赵锐锋, 谢作轮. 甘肃省区域社会-生态系统脆弱性综合评价[J]. 经济地理, 2015, 35(12): 168-175.

[Li Jie, Zhao Ruifeng, Xie Zuolun. The comprehensive assessment of vulnerability in social-ecological system of Gansu Province[J]. Economic Geography, 2015, 35(12): 168-175. ]

[26]
叶文丽, 杨新军, 吴孔森, 等. 黄土高原社会-生态系统恢复力时空变化特征与影响因素分析[J]. 干旱区地理, 2022, 45(3): 912-924.

DOI

[Ye Wenli, Yang Xinjun, Wu Kongsen, et al. Spatio-temporal characteristics and influencing factors of social-ecological-system resilience in the Loess Plateau[J]. Arid Land Geography, 2022, 45(3): 912-924. ]

DOI

[27]
王佳宁, 薛东前, 马蓓蓓, 等. 黄土高原地区矿产资源型城市脆弱性及其人口响应[J]. 干旱区地理, 2020, 43(6): 1679-1690.

[Wang Jianing, Xue Dongqian, Ma Beibei, et al. Vulnerability and population response of mineral resource-based cities in the Loess Plateau[J]. Arid Land Geography, 2020, 43(6): 1679-1690. ]

DOI

[28]
郑度, 欧阳, 周成虎. 对自然地理区划方法的认识与思考[J]. 地理学报, 2008, 63(6): 563-573.

[Zheng Du, Ou Yang, Zhou Chenghu. Understading of and thinking over geographial regionalization methodology[J]. Acta Geographical Sinica, 2008, 63(6): 563-573. ]

[29]
史培军, 孙劭, 汪明, 等. 中国气候变化区划(1961—2010年)[J]. 中国科学: 地球科学, 2014, 44(10): 2294-2306.

[Shi Peijun, Sun Shao, Wang Ming, et al. Climate change regionalization in China (1961—2010)[J]. Science China: Earth Sciences, 2014, 44(10): 2294-2306. ]

[30]
吴绍洪, 潘韬, 刘燕华, 等. 中国综合气候变化风险区划[J]. 地理学报, 2017, 72(1): 3-17.

DOI

[Wu Shaohong, Pan Tao, Liu Yanhua, et al. Comprehensive climate change risk regionalization of China[J]. Acta Geographical Sinica, 2017, 72(1): 3-17. ]

[31]
王季薇, 王俊, 叶涛, 等. 区域种植业自然灾害保险综合区划研究——以湖南省晚稻为例[J]. 自然灾害学报, 2016, 25(3): 1-10.

[Wang Jiwei, Wang Jun, Ye Tao, et al. Integrated regionalization of crop natural disaster insurance: A case study on late rice in Hunan Province, China[J]. Journal of Natural Disasters, 2016, 25(3): 1-10. ]

[32]
王乃昂, 黄银洲, 罗丹. 中国省市区地理: 甘肃地理[M]. 北京: 北京师范大学出版社, 2020: 3-123.

[Wang Nai’ang, Huang Yinzhou, Luo Dan. Geography of provinces, cities, and districts in China: Gansu geography[M]. Beijing: Beijing Normal University Press, 2020: 3-123. ]

[33]
贾慧聪, 王静爱, 杨洋, 等. 关于西北地区的自然灾害链[J]. 灾害学, 2016, 31(1): 72-77.

[Jia Huicong, Wang Jing’ai, Yang Yang, et al. Analysis of natural disater chain in northwest China[J]. Journal of Catastrophology, 2016, 31(1): 72-77. ]

[34]
史培军, 吕丽莉, 汪明, 等. 灾害系统: 灾害群、灾害链、灾害遭遇[J]. 自然灾害学报, 2014, 23(6): 1-12.

[Shi Peijun, Lü Lili, Wang Ming, et al. Disater system: Disaster cluster, disaster chain and disaster compound[J]. Journal of Natural Disaster, 2014, 23(6): 1-12. ]

[35]
国务院第七次全国人口普查领导小组办公室. 中国人口普查分县资料—2020[M]. 北京: 中国统计出版社, 2022: 3-983.

[Office of the leading group of the State Council for the Seventh National Population Census. Tabulation on 2020 China population census by county[M]. Beijing: China Statistics Press, 2022: 3-983. ]

[36]
叶涛, 史培军, 王俊, 等. 综合风险防范: 农业自然灾害风险评价与保险区划[M]. 北京: 科学出版社, 2017: 44-80.

[Ye Tao, Shi Peijun, Wang Jun, et al. Integrated risk governance: Agricultural natural disaster risk assessment and insurance regionalization[M]. Beijing: Science Press, 2017: 44-80. ]

[37]
余瀚, 郭浩, 王静爱. 区域自然灾害风险综合区划——以广东台风灾害人口与经济风险区划为例[J]. 灾害学, 2022, 37(2): 131-137.

[Yu Han, Guo Hao, Wang Jing’ai. Comprehensive regionalization of natural disaster risk: A case study of population and economic risk caused by typhoon in Guangdong Province[J]. Journal of Catastrophology, 2022, 37(2): 131-137. ]

Options
文章导航

/

〈 〉