基于IIM—TSDEA模型的洪災(zāi)經(jīng)濟(jì)易損性評(píng)估研究

李春華　李寧　胡愛軍　徐選華

摘要 由于極端氣候事件頻發(fā)，洪水災(zāi)害發(fā)生頻率和影響越來(lái)越大，人們對(duì)災(zāi)害的研究從關(guān)注致災(zāi)因子轉(zhuǎn)移到易損性，并認(rèn)為易損性是災(zāi)害的根本原因。作者在分析現(xiàn)有易損性研究基礎(chǔ)上，從系統(tǒng)投入產(chǎn)出角度，提出洪災(zāi)易損性的內(nèi)涵，構(gòu)建洪災(zāi)易損性的投入產(chǎn)出評(píng)價(jià)指標(biāo)體系，并建立IIMTSDEA模型。應(yīng)用該模型對(duì)我國(guó)1998年洪水災(zāi)害易損性進(jìn)行了評(píng)價(jià)，揭示洪災(zāi)直接經(jīng)濟(jì)易損性、間接經(jīng)濟(jì)易損性和總經(jīng)濟(jì)易損性的空間分布特征，并通過各省經(jīng)濟(jì)發(fā)展水平與經(jīng)濟(jì)易損性的相關(guān)分析，發(fā)現(xiàn)二者之間存在非線性關(guān)系，總的變動(dòng)趨勢(shì)呈倒U型曲線關(guān)系。這一發(fā)現(xiàn)揭示承災(zāi)體易損性和經(jīng)濟(jì)發(fā)展階段的相對(duì)水平可以作為災(zāi)害管理績(jī)效高低的評(píng)判標(biāo)準(zhǔn)，減災(zāi)活動(dòng)的目的是提高承災(zāi)體的恢復(fù)能力，使災(zāi)害易損性拐點(diǎn)出現(xiàn)在經(jīng)濟(jì)發(fā)展的較低階段。該文的理論及模型方法既能彌補(bǔ)目前洪災(zāi)易損性評(píng)估不涉及間接經(jīng)濟(jì)影響的不足，又可以克服評(píng)估中經(jīng)常使用的評(píng)估方法的主觀賦權(quán)的缺陷。

關(guān)鍵詞洪災(zāi)；經(jīng)濟(jì)易損性；IIMTSDEA模型；中國(guó)

中圖分類號(hào)X43文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2014）02-0169-08doi：10.3969/j.issn.1002-2104.2014.02.024

20世紀(jì)80年代，災(zāi)害學(xué)研究逐漸將視線從單純的致災(zāi)因子研究擴(kuò)展到承災(zāi)體的易損性研究，并將易損性研究列為可持續(xù)性科學(xué)的7個(gè)核心問題之一。

Chambers等認(rèn)為易損性涉及兩個(gè)方面：外部的風(fēng)險(xiǎn)或者不測(cè)事件對(duì)承載體影響和承載體內(nèi)部抵抗能力的缺失[1-6]。前者強(qiáng)調(diào)承災(zāi)體易于受到損害的性質(zhì)，后者強(qiáng)調(diào)人類自身抵御災(zāi)害的狀態(tài)[7-8]，在此基礎(chǔ)上，Aysan[9]根據(jù)抵御能力不同缺失狀況，把易損性分為經(jīng)濟(jì)易損性（由于缺乏資源）、社會(huì)易損性（社會(huì)結(jié)構(gòu)的分離）、組織易損性（缺乏強(qiáng)有力的國(guó)家和地方組織機(jī)構(gòu)）等類型。

最初易損性研究通常采用定性方法，定性地分析不同收入人群在災(zāi)中和災(zāi)后的反映程度[10]。但是隨著易損性的研究的深入，定性分析逐漸轉(zhuǎn)入模型化定量評(píng)估。Blaikie等提出了易損性評(píng)估的壓力釋放模型（PAR），認(rèn)為自然災(zāi)害是致災(zāi)因子與區(qū)域易損性的共同作用結(jié)果[11]。Bohle等提出了一個(gè)社會(huì)空間易損性的評(píng)估模型來(lái)揭示人類的恢復(fù)能力[12]。Turner等提出了SUST易損性研究分析框架，認(rèn)為敏感度、暴露度和恢復(fù)力導(dǎo)致一個(gè)系統(tǒng)的易損性[13-14]。楊修等利用英國(guó)Hadley中心PRECIS模型對(duì)我國(guó)未來(lái)玉米對(duì)氣候變化的易損性進(jìn)行了研究[15]。

由于易損性不是一個(gè)可以直接觀測(cè)的現(xiàn)象，因而Kally和Downing認(rèn)為這些模型化的概念框架只能通過一些指標(biāo)來(lái)計(jì)算，從而體現(xiàn)易損性的大小[16-17]。南太平洋地理科學(xué)協(xié)會(huì)選取了54個(gè)獨(dú)立變量指標(biāo)用加權(quán)求和方法來(lái)評(píng)價(jià)環(huán)境易損度。Cutter選取影響社會(huì)易損性的46個(gè)指標(biāo)，用因子分析等統(tǒng)計(jì)方法以縣域?yàn)榭臻g單元綜合計(jì)算社會(huì)易損性大小[18]。Amy等進(jìn)行部門易損性研究，建立計(jì)算農(nóng)業(yè)產(chǎn)值的易損性，提出了計(jì)算小麥產(chǎn)量的易損度與影響因素關(guān)系的定量表達(dá)式[19-20]。

蔣勇軍等人根據(jù)用加權(quán)平均得到綜合易損度的方法對(duì)重慶市進(jìn)行了區(qū)域易損性分析[21]。商彥蕊采用特爾菲法評(píng)價(jià)河北省138個(gè)縣旱災(zāi)的易損性，發(fā)現(xiàn)旱災(zāi)風(fēng)險(xiǎn)與旱災(zāi)易損性之間存在正相關(guān)關(guān)系[22]。劉蘭芳采用因素成對(duì)比較法計(jì)算權(quán)重，對(duì)湖南衡陽(yáng)農(nóng)業(yè)旱災(zāi)易損性的空間格局進(jìn)行了分析[23-25]。崔欣婷等采用層次分析法，對(duì)湖南省常德市雙橋坪鎮(zhèn)16個(gè)村的農(nóng)業(yè)旱災(zāi)的易損度進(jìn)行評(píng)價(jià)[26]。

綜上可見，目前學(xué)者對(duì)災(zāi)害易損性性質(zhì)，易損性概念和易損性測(cè)量等方面進(jìn)行了深入的研究，但是，這些研究忽視了災(zāi)害損失的一個(gè)重要特點(diǎn)。即，災(zāi)害損失影響不僅在災(zāi)害發(fā)生地，而且也可超越災(zāi)害發(fā)生地，波及到其它地區(qū)，不僅涉及直接作用的對(duì)象，而且可以傳播到間接作用的部門，所以間接經(jīng)濟(jì)易損性評(píng)估不能缺失。此外，目前易損性評(píng)估的方法主觀性較強(qiáng)，通常采用多指標(biāo)體系加權(quán)求和評(píng)價(jià)方法，雖然這種方法具有簡(jiǎn)明，直觀易于理解的優(yōu)點(diǎn)，但是在指標(biāo)賦權(quán)方面，主觀性太強(qiáng)，在一定程度上削弱了分析結(jié)果的說服力，需要采用一些較客觀的數(shù)學(xué)方法加以改進(jìn)。

因此，作者基于洪水災(zāi)害系統(tǒng)投入產(chǎn)出特征，提出區(qū)域洪水災(zāi)害易損性概念，用依賴系數(shù)投入產(chǎn)出方法評(píng)估洪災(zāi)的直接和間接經(jīng)濟(jì)損失，建立了包括致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體屬性的洪水災(zāi)害易損性評(píng)價(jià)指標(biāo)體系，用數(shù)據(jù)包絡(luò)分析方法對(duì)區(qū)域洪水災(zāi)害相對(duì)易損性進(jìn)行評(píng)價(jià)，這種評(píng)估方法既涉及災(zāi)害的直接經(jīng)濟(jì)損失，又涉及災(zāi)害的間接經(jīng)濟(jì)損失，綜合考慮災(zāi)害的產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)和災(zāi)害損失的空間擴(kuò)散機(jī)制。

李春華等：基于IIMTSDEA模型的洪災(zāi)經(jīng)濟(jì)易損性評(píng)估研究中國(guó)人口·資源與環(huán)境2014年第2期1洪水災(zāi)害系統(tǒng)分析

洪水災(zāi)害系統(tǒng)由四個(gè)要素組成：致災(zāi)因子、承災(zāi)體、孕災(zāi)環(huán)境和災(zāi)情，四個(gè)要素之間相互作用（見圖1）。孕災(zāi)環(huán)境形成致災(zāi)因子，致災(zāi)因子改變?cè)袨?zāi)環(huán)境；孕災(zāi)環(huán)境影響人類財(cái)產(chǎn)的分布，人類活動(dòng)也影響著孕災(zāi)環(huán)境；致災(zāi)因子降低人類的抗災(zāi)能力，承災(zāi)體誘發(fā)致災(zāi)強(qiáng)度，不合理的人類活動(dòng)使區(qū)域社會(huì)經(jīng)濟(jì)系統(tǒng)易損性增加，是導(dǎo)致災(zāi)害發(fā)生的重要因素。災(zāi)害系統(tǒng)相互作用的結(jié)果表現(xiàn)為災(zāi)情，它可以用經(jīng)濟(jì)損失，人口傷亡、環(huán)境破壞等來(lái)計(jì)量。

洪災(zāi)系統(tǒng)可以看做是一種投入產(chǎn)出系統(tǒng)，系統(tǒng)的投入是致災(zāi)因子、承災(zāi)體和孕災(zāi)環(huán)境要素，系統(tǒng)的產(chǎn)出是災(zāi)情。

圖1洪災(zāi)系統(tǒng)要素及相互關(guān)系

Fig.1The elements and mutual relationship of flood system

2二階段數(shù)據(jù)包絡(luò)模型法

本文按照Golany歸納的DEA模型應(yīng)用的四大步驟進(jìn)行研究[27]，即，選取決策單位，選取投入產(chǎn)出指標(biāo)，選取DEA模式，分析評(píng)估結(jié)果。

2.1評(píng)價(jià)單元選擇

按照數(shù)據(jù)包絡(luò)分析思路，選擇決定單元的過程就是選擇參考集，決定單元的個(gè)數(shù)應(yīng)該大于投入與產(chǎn)出個(gè)數(shù)的兩倍。本文研究有3個(gè)投入，1個(gè)產(chǎn)出，所以，決策單元的個(gè)數(shù)應(yīng)該至少為8個(gè)以上，考慮到洪災(zāi)管理的行政區(qū)域性特性，去掉海南省、上海市和西藏自治區(qū)3個(gè)沒有數(shù)據(jù)的地區(qū)，我們選擇我國(guó)28個(gè)省區(qū)為評(píng)價(jià)單元。

2.2投入產(chǎn)出指標(biāo)及數(shù)據(jù)來(lái)源

2.2.1投入產(chǎn)出指標(biāo)選取

就投入產(chǎn)出指標(biāo)總數(shù)而言，DEA方法在處理多項(xiàng)投入多項(xiàng)產(chǎn)出時(shí)雖有其優(yōu)越性，但其所能處理之投入產(chǎn)出項(xiàng)個(gè)數(shù)并非毫無(wú)限制，因?yàn)槊吭黾右豁?xiàng)投入或產(chǎn)出指標(biāo)，則會(huì)新增數(shù)個(gè)投入產(chǎn)出比率，導(dǎo)致DEA模式之鑒別力（Discriminating Power）降低，所以，選擇合適的投入產(chǎn)出指標(biāo)個(gè)數(shù)是評(píng)價(jià)的關(guān)鍵之一。

投入產(chǎn)出指標(biāo)的選擇有定量和定性的分析方法。本研究的投入產(chǎn)出指標(biāo)采用主成分分析和因子分析相結(jié)合方法確定。在進(jìn)行定量化計(jì)算經(jīng)濟(jì)易損性時(shí)候，致災(zāi)因子、承災(zāi)體和孕災(zāi)環(huán)境分別用降水量（夏日最大降水）、GDP和地形指標(biāo)（地形起伏度）表示，災(zāi)情因子用直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失評(píng)估值表示（見圖1）。

2.2.2洪災(zāi)間接經(jīng)濟(jì)損失評(píng)估

洪災(zāi)經(jīng)濟(jì)易損性評(píng)估中的直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失的計(jì)算過程如圖2。

圖2經(jīng)濟(jì)損失計(jì)算過程

Fig.2Calculation procedure of economic loss

計(jì)算所用數(shù)據(jù)主要是投入產(chǎn)出表、統(tǒng)計(jì)年鑒和自然災(zāi)害年報(bào)。其中，投入產(chǎn)出表采用國(guó)家統(tǒng)計(jì)局公布的1997年全國(guó)相關(guān)省市的投入產(chǎn)出流量表，災(zāi)害損失數(shù)據(jù)參考國(guó)家防汛抗旱指揮部辦公室關(guān)于1998年洪澇災(zāi)情報(bào)告以1998年中國(guó)自然災(zāi)害年報(bào)，同時(shí)農(nóng)業(yè)災(zāi)害損失面積數(shù)據(jù)參考1998年中國(guó)農(nóng)業(yè)統(tǒng)計(jì)年鑒。

（1）直接經(jīng)濟(jì)損失計(jì)算。由于每年自然災(zāi)害所造成的農(nóng)業(yè)總產(chǎn)值的減少缺乏準(zhǔn)確的數(shù)據(jù)，我們必須對(duì)農(nóng)業(yè)總產(chǎn)值損失進(jìn)行估計(jì)。根據(jù)統(tǒng)計(jì)年鑒的定義，成災(zāi)面積是糧食產(chǎn)量低于正常年份產(chǎn)量30%以上的土地面積，我們就以每年成災(zāi)面積占糧食總播種面積的比例乘以30%作為當(dāng)年糧食產(chǎn)量的損失比例（顯然，這樣的計(jì)算的結(jié)果應(yīng)該低于實(shí)際的糧食損失比例），然后，我們?cè)僖該p失比例乘以每年的農(nóng)業(yè)總產(chǎn)值，從而求出農(nóng)業(yè)總產(chǎn)值的損失[28]。

（2）間接經(jīng)濟(jì)損失計(jì)算。間接經(jīng)濟(jì)損失的計(jì)算采用基于需求的損失率投入產(chǎn)出模型（Inoperability Input Output Model，IIM）來(lái)計(jì)算[29]，由于這種IIM模型是需求驅(qū)動(dòng)模型，模型的輸入應(yīng)是需求的變化，然后計(jì)算輸出的變化。因此，損失（減少產(chǎn)出水平）應(yīng)該轉(zhuǎn)換為各部門的最終需求變化，我們借鑒Okuyama采用的方法[30]。

該方法分為兩步：第一步，用各部門直接經(jīng)濟(jì)損失乘以依賴系數(shù)矩陣的對(duì)角項(xiàng)，其中的依賴系數(shù)矩陣依據(jù)列昂惕夫直接消耗系數(shù)計(jì)算而來(lái)，計(jì)算公式為：

A*=[（diag（））-1A（diag（））].

diag（）=diag1

2

n=1505…50

05255

5550

05…505n.（1）

A*定義為部門依賴矩陣，A為根據(jù)投入產(chǎn)出表計(jì)算的列昂惕夫直接消耗系數(shù)矩陣，正常的產(chǎn)出量，其值為投入產(chǎn)出中部門流量值。第二步，將所得到的最終需求損失乘以依賴系數(shù)矩陣對(duì)角項(xiàng)，計(jì)算各部門的間接經(jīng)濟(jì)損失。經(jīng)過以上步驟計(jì)算所得直接和間接經(jīng)濟(jì)損失值如表1。

2.3二階段數(shù)據(jù)包絡(luò)模型

我們用致災(zāi)因子、承災(zāi)體、孕災(zāi)環(huán)境三類指標(biāo)表示投入，用災(zāi)情指標(biāo)表示產(chǎn)出（見圖1和圖3）。DEA分析的投入指標(biāo)用地均GDP、地貌指數(shù)和夏日最大降水指標(biāo)表示，地均GDP可以用來(lái)計(jì)量一個(gè)地區(qū)的經(jīng)濟(jì)密度，地貌指數(shù)表示流域的地表高程分布，可以從地表高程模型（DEM）中提取得到，夏日最大降水量表示降水的集中程度，是洪澇災(zāi)害發(fā)生的主要?dú)庀笠?。DEA分析的產(chǎn)出指標(biāo)用地

表1各省（市、區(qū)）直接經(jīng)濟(jì)損失與間接經(jīng)濟(jì)損失

Tab.1The direct and indirect economic losses

in provinces （cities， districts） 億元

省市

Province（municipality）5直接經(jīng)濟(jì)損失

Direct economic

loss 5間接經(jīng)濟(jì)損失

Indirect economic

loss北京51.9050.655天津51.4053.24河北521.40516.47山西59.1052.19內(nèi)蒙古5159.005134.53遼寧56.0058.13吉林5140.00580.25黑龍江5218.00596.03江蘇526.70527.40浙江546.00519.39安徽5130.505153.97福建587.90528.62江西5408.205185.06山東556.30522.02河南540.30537.08湖北5357.005156.77湖南5422.805167.31廣東576.10523.68廣西5114.90558.36重慶555.50542.80四川574.70559.00貴州510.20510.76云南523.10510.36陜西543.00514.39青海50.7051.07甘肅52.8051.66寧夏53.2051.65新疆58.4056.56

均直接經(jīng)濟(jì)損失和地均間接經(jīng)濟(jì)損失表示，他們均表示地域經(jīng)濟(jì)損失密度。

不同于一般災(zāi)害易損性評(píng)估的是，我們區(qū)分災(zāi)害直接災(zāi)情和間接災(zāi)情，以此為標(biāo)準(zhǔn)計(jì)算的災(zāi)害易損性被定義為直接經(jīng)濟(jì)易損性、間接經(jīng)濟(jì)易損性和總經(jīng)濟(jì)易損性。直接和間接災(zāi)害易損性模型結(jié)構(gòu)如圖3。

圖3不同類型洪災(zāi)易損性評(píng)估要素

Fig.3Various factors in flood disaster vulnerability

assessment

各種災(zāi)害易損性采用二階段數(shù)據(jù)包絡(luò)模型（Two Stage Data Envelopment Analysis， TSDEA）進(jìn)行計(jì)算，TSDEA有幾種不同的形式，本文參考Wang和Chen開發(fā)的模型進(jìn)行求解[31-32]。

2.4研究結(jié)果及分析

用TSDEA模型計(jì)算的洪災(zāi)直接經(jīng)濟(jì)易損性、間接經(jīng)濟(jì)易損性和總的經(jīng)濟(jì)易損性評(píng)估值的區(qū)間范圍在0-1之間，為了區(qū)別不同程度的易損性，作者用GIS軟件的自然分類技術(shù)（Natural Breaks），采用Jenks Optimization 方法實(shí)現(xiàn)自動(dòng)優(yōu)化。每一種等級(jí)分為5類，分別用高、較高、中、較低和低表示。因?yàn)橛脭?shù)據(jù)包絡(luò)分析方法計(jì)算的是洪災(zāi)易損性的相對(duì)值，所以不同類型易損性的劃分等級(jí)區(qū)間范圍不盡相同，都為各個(gè)類型易損性大小所決定。各種易損性計(jì)算結(jié)果如圖4和表2所示。

2.4.1經(jīng)濟(jì)易損性與經(jīng)濟(jì)發(fā)展階段關(guān)系

為了分析各類經(jīng)濟(jì)易損性與人均GDP關(guān)系，作者按照各省市區(qū)人均GDP值從高到低排序（X坐標(biāo)從左往右逐漸增大），以此作為橫坐標(biāo)，并以經(jīng)濟(jì)易損性大小為縱坐標(biāo)，顯示直接經(jīng)濟(jì)易損性、間接經(jīng)濟(jì)易損性和總經(jīng)濟(jì)易損性與經(jīng)濟(jì)發(fā)展階段的關(guān)系，結(jié)果如圖4所示。

圖4顯示，就經(jīng)濟(jì)易損性大小而言，江西、安徽、湖南、湖北和黑龍江省最高，甘肅、寧夏、云南等省以及北京、天津、廣東和浙江等省較小。采用kmeans 快速聚類方法，把不同地域經(jīng)濟(jì)發(fā)展分成三個(gè)階段。即，低發(fā)達(dá)區(qū)（貴州—云南）、中等發(fā)達(dá)區(qū)（青?！|寧）、發(fā)達(dá)區(qū)（江蘇—北京）。結(jié)果發(fā)現(xiàn)，中等發(fā)達(dá)區(qū)經(jīng)濟(jì)易損性高、低發(fā)達(dá)區(qū)和發(fā)達(dá)地域易損性低，出現(xiàn)“中間高兩頭低”的形狀。據(jù)此說明，盡管不同地域不同類型洪災(zāi)經(jīng)濟(jì)易損性大小存在波動(dòng)性，但是，不同經(jīng)濟(jì)易損性與經(jīng)濟(jì)發(fā)展水平之間均存在一個(gè)倒U型曲線變化關(guān)系。直接易損性、間接易損性和總易損性變化趨勢(shì)方程分別用y直接，y間接和y總表示，其均為開口向下的拋物線。

之所以存在這種變化趨勢(shì)，是因?yàn)橐粋€(gè)經(jīng)濟(jì)體受到的自然災(zāi)害影響因素是復(fù)雜的，除了受到地域經(jīng)濟(jì)結(jié)構(gòu)，發(fā)展階段，當(dāng)時(shí)的經(jīng)濟(jì)條件和政策環(huán)境等因素影響外，易損性還受到經(jīng)濟(jì)快速增長(zhǎng)或者衰退的影響，此外，自然災(zāi)害經(jīng)濟(jì)易損性的降低可以由于災(zāi)后適當(dāng)?shù)慕?jīng)濟(jì)投資和良好的經(jīng)濟(jì)結(jié)構(gòu)調(diào)整而實(shí)現(xiàn)。

2.4.2洪災(zāi)經(jīng)濟(jì)易損性的空間差異分析

洪災(zāi)易損性狀況是由洪災(zāi)系統(tǒng)決定的，即，洪災(zāi)系統(tǒng)的致災(zāi)因子、承災(zāi)體、孕災(zāi)環(huán)境和災(zāi)情。系統(tǒng)要素空間分圖4人均GDP 與不同經(jīng)濟(jì)易損性關(guān)系

Fig.4The relationship between per capita GDP and various economic vulnerabilities

表2不同等級(jí)洪災(zāi)經(jīng)濟(jì)易損性的空間分布特征

Tab.2Spatial distribution of various kinds of floods economic vulnerability

類型

Category5等級(jí)

Rank5等級(jí)尺度

Scale5地域分布

Spatial distribution直接易損性5高50.428 671-1.000 0005安徽、湖北、江西、湖南、黑龍江、吉林和內(nèi)蒙古5較高50.265 861-0.428 6705山東、江蘇5中50.067 431-0.265 8605浙江、福建、河南、廣東、廣西、重慶、四川、陜西較低50.037 951-0.265 8605天津、河北、寧夏、貴州、云南低50.000 001-0.037 9515遼寧、廣東、云南、北京、天津、河北、山西、陜西、寧夏、甘肅、青海、新疆間接易損性5高50.681 021-1.000 0005江西、安徽、黑龍江和內(nèi)蒙古較高50.266 491-0.681 0205湖南、湖北、江蘇和吉林中50.176 171-0.266 4905河南、重慶和廣西較低50.094 141-0.176 1705山東、福建、四川和貴州低50.000 001-0.094 1405遼寧、廣東、云南、北京、天津、河北、山西、陜西、寧夏、甘肅、青海、新疆總易損性5高50.540 951-1.000 0005湖南、湖北、江西、安徽、黑龍江、吉林和內(nèi)蒙古較高50.352 311-0.540 9505江蘇省中50.214 091-0.352 3105山東、重慶和廣西較低50.106 831-0.214 0905陜西、河南、四川及沿海的浙江、福建和廣東低50.000 001-0.106 8305遼寧、貴州、北京、河北、甘肅、寧夏和新疆

布決定了易損性的地域特征，例如，地貌、降水等自然因子和地區(qū)產(chǎn)業(yè)結(jié)構(gòu)，人口分布等社會(huì)因子，在地域空間具有明顯的分異規(guī)律，這使得易損性分布具有地區(qū)差異，更重要的是由于不同地區(qū)的防災(zāi)減災(zāi)能力和災(zāi)害意識(shí)不同，導(dǎo)致不同地域?yàn)?zāi)害損失存在差異，這些使得易損性地域分異更加突出。為了揭示洪水災(zāi)害易損性的地域特點(diǎn)，作者利用IIMTSDEA 模型分別計(jì)算洪災(zāi)直接經(jīng)濟(jì)易損性、間接經(jīng)濟(jì)易損性和總經(jīng)濟(jì)易損性，并用GIS自動(dòng)分類方法對(duì)易損性等級(jí)進(jìn)行分類，其結(jié)果列入表2。

表2可見，間接經(jīng)濟(jì)易損性地域范圍不同于直接經(jīng)濟(jì)易損性空間分布，不同等級(jí)的洪災(zāi)直接經(jīng)濟(jì)易損性和間接經(jīng)濟(jì)易損性具有不同特點(diǎn)，例如，在高等級(jí)的易損性中，直接經(jīng)濟(jì)易損性最高區(qū)域是安徽、湖北、江西、湖南、黑龍江、吉林和內(nèi)蒙古等省區(qū)，但是，間接經(jīng)濟(jì)易損性最高區(qū)域?yàn)榻鳌不?、黑龍江和?nèi)蒙古等省區(qū)，其它類型的易損性等級(jí)分布也不完全存在對(duì)應(yīng)性，也就是說，同一地域就不同的易損性類型而言，可能處在不同等級(jí)，例如，1998年洪災(zāi)最嚴(yán)重的地域是湖南和湖北，其直接經(jīng)濟(jì)易損性處于最高等級(jí)，而間接經(jīng)濟(jì)易損性處于較高等級(jí)，類似情況也出現(xiàn)在其它省區(qū)。

造成這種易損性空間地域差異主要有兩個(gè)原因：第一，災(zāi)害易損性主要受災(zāi)害損失的影響。對(duì)照表1發(fā)現(xiàn)，經(jīng)濟(jì)易損性分布和經(jīng)濟(jì)損失分布相對(duì)應(yīng)。直接經(jīng)濟(jì)損失高的地區(qū)，其相應(yīng)的直接經(jīng)濟(jì)易損性就高，二者的相關(guān)系數(shù)達(dá)0.850 232；間接經(jīng)濟(jì)損失與間接經(jīng)濟(jì)易損性相關(guān)系數(shù)是0.88 853，直接經(jīng)濟(jì)損失與間接經(jīng)濟(jì)易損性的相關(guān)系數(shù)為0.722 83。說明間接經(jīng)濟(jì)損失越大，間接易損性也越大；總的經(jīng)濟(jì)易損性與直接和間接經(jīng)濟(jì)損失密切相關(guān)，總的經(jīng)濟(jì)易損性與直接經(jīng)濟(jì)損失的相關(guān)系數(shù)為-0.303 23，與間接經(jīng)濟(jì)損失相關(guān)系數(shù)為：-0.156 6。第二、地域?yàn)?zāi)害間接經(jīng)濟(jì)損失主要受地域產(chǎn)業(yè)部門關(guān)聯(lián)的影響。產(chǎn)業(yè)關(guān)聯(lián)損失主要作用機(jī)制是產(chǎn)業(yè)之間的前向關(guān)聯(lián)效應(yīng)和后向關(guān)聯(lián)效應(yīng)，其作用過程如圖5所示。若產(chǎn)業(yè)部門B因?yàn)?zāi)害遭到破壞，則可能引起部門A的后向關(guān)聯(lián)損失、部門C的前向關(guān)聯(lián)損失，并影響最終需求和消費(fèi)，造成市場(chǎng)供需不平衡，引起物價(jià)、勞動(dòng)力就業(yè)與失業(yè)、國(guó)民收入、儲(chǔ)蓄和投資水平等的變化，進(jìn)而影響國(guó)民經(jīng)濟(jì)總值和經(jīng)濟(jì)增長(zhǎng)速度[33]。間接經(jīng)濟(jì)損失的差異直接影響間接經(jīng)濟(jì)易損性的空間分布地域特征。

圖5產(chǎn)業(yè)關(guān)聯(lián)損失傳導(dǎo)路徑

Fig.5Industrial linkage loss propagation path

3結(jié)論和討論

通過IIM 模型計(jì)算了1998年洪災(zāi)引起的各個(gè)地區(qū)的間接經(jīng)濟(jì)損失，結(jié)合TSDEA模型評(píng)價(jià)了此次洪災(zāi)的直接經(jīng)濟(jì)易損性、間接經(jīng)濟(jì)易損性和總經(jīng)濟(jì)易損性。研究發(fā)現(xiàn)：

（1）洪災(zāi)直接易損性和間接易損性具有不同的空間分布規(guī)律。因?yàn)椴煌貐^(qū)有不同的產(chǎn)業(yè)結(jié)構(gòu)，隨著經(jīng)濟(jì)的發(fā)展，經(jīng)濟(jì)體在部門上和地理空間上連成一個(gè)整體，不同部門存在不同的前向和后向產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)，一個(gè)特定的部門或地區(qū)的災(zāi)害損失通過宏觀經(jīng)濟(jì)乘數(shù)產(chǎn)生放大效應(yīng)，導(dǎo)致直接經(jīng)濟(jì)易損性規(guī)律不同于間接經(jīng)濟(jì)易損性。這種現(xiàn)象意味著在減輕災(zāi)害易損性的管理實(shí)踐中，綜合考慮直接和間接經(jīng)濟(jì)易損性兩個(gè)要素，更有利于災(zāi)害的恢復(fù)。

（2）經(jīng)濟(jì)發(fā)展水平與洪災(zāi)易損性程度之間存在倒U 型關(guān)系。因?yàn)橹械劝l(fā)達(dá)經(jīng)濟(jì)體通常有更發(fā)達(dá)的抗災(zāi)和救災(zāi)設(shè)備和資金，具備小規(guī)模私人儲(chǔ)蓄和財(cái)政救災(zāi)能力。在較高的發(fā)展水平，災(zāi)害損失是巨大的，但災(zāi)害的經(jīng)濟(jì)影響的比例較少。一方面是由于發(fā)達(dá)經(jīng)濟(jì)體在減緩和增加投資防備措施和改善環(huán)境管理上，能獲得更多的金融資源，另一方面，很多部門的經(jīng)濟(jì)資產(chǎn)通過保險(xiǎn)和再保險(xiǎn)途徑解決。這提醒我們?cè)跒?zāi)害管理實(shí)踐中，對(duì)所有類型的災(zāi)害，減少災(zāi)害風(fēng)險(xiǎn)和發(fā)展經(jīng)濟(jì)的目標(biāo)的同時(shí)實(shí)現(xiàn)不能被認(rèn)為是互補(bǔ)的，風(fēng)險(xiǎn)厭惡的災(zāi)害管理者在不同的收入水平下會(huì)做出不同的風(fēng)險(xiǎn)收益權(quán)衡的選擇。

（3）這種結(jié)論也可以推廣到不同經(jīng)濟(jì)發(fā)展水平的國(guó)家和不同災(zāi)害類型。Okuyama[30]利用EMDAT和慕尼黑 Res NatCat 數(shù)據(jù)庫(kù)對(duì)1960-2007年間184個(gè)災(zāi)害事情進(jìn)行研究，發(fā)現(xiàn)災(zāi)害經(jīng)濟(jì)損失與不同國(guó)家經(jīng)濟(jì)發(fā)展水平之間也存在倒U型曲線關(guān)系（圖6-a），除了經(jīng)濟(jì)易損性與經(jīng)濟(jì)發(fā)展水平之間存在非線性關(guān)系之外，人口易損性與經(jīng)濟(jì)發(fā)展水平之間也存在這種關(guān)系， Kellenberg[34]研究發(fā)現(xiàn)，不同類型災(zāi)害（如洪水，滑坡，風(fēng)暴）的死亡人數(shù)與人均收入之間存在一個(gè)非線性關(guān)系。雖然各國(guó)的國(guó)內(nèi)生產(chǎn)總值人均水平大約低于$4 500-$5 500，災(zāi)害死亡人數(shù)增加，但是此后就開始下降?；聻?zāi)害死亡人數(shù)與經(jīng)濟(jì)發(fā)展水平的拐點(diǎn)是出現(xiàn)在人均GDP為3 360美元階段，風(fēng)暴災(zāi)害死亡人數(shù)與經(jīng)濟(jì)水平拐點(diǎn)出現(xiàn)在人均GDP為4 688美元階段，洪災(zāi)災(zāi)害死亡人數(shù)與經(jīng)濟(jì)發(fā)展水平的拐點(diǎn)出現(xiàn)在人均GDP為5 044美元階段（圖6-b）。圖6經(jīng)濟(jì)水平和災(zāi)害損失倒U型曲線

Fig.6An inverted Ushaped curve between economic level and disaster losses

最后需要指出，雖然基于IIMTSDEA模型評(píng)價(jià)洪災(zāi)易損性方法既考慮了洪災(zāi)給關(guān)聯(lián)經(jīng)濟(jì)部門及地區(qū)造成的間接經(jīng)濟(jì)影響，又具有客觀性評(píng)價(jià)的優(yōu)點(diǎn)，但是也不能忽視該模型在災(zāi)害易損性評(píng)價(jià)指標(biāo)選取方面存在的缺陷。例如，抗災(zāi)救災(zāi)系統(tǒng)指標(biāo)考慮較少，各省抗洪堤壩長(zhǎng)度、災(zāi)害保險(xiǎn)水平等，這使得省域的洪災(zāi)恢復(fù)力指數(shù)未考慮進(jìn)來(lái)，可能導(dǎo)致結(jié)果的偏差。

（編輯：常勇）

參考文獻(xiàn)（References）

[1]Mitchell J， Devine N， Jagger K. A Contextual Model of Natural Hazards [J].Geographical Review， 1989， 79（4）：391-409.

[2]Chambers R. Vulnerability，Coping and Policy [J].Institute of Developmental Studies Bulletin 1989，20（2）：1-7.

[3]IPCC（Intergovernmental Panel on Climate Change）.Climate Change 2001：The Scientific Basic[M]. Cambridge：Cambridge University Press，2001：672-681.

[4]IPCC（Intergovernmental Panel on Climate Change）.Climate Change 2001：Overview of Impacts， Adaptation，and Vulnerability to Climate Change[M]. Cambridge： Cambridge University Press， 2001：150-156.

[5]Kelly P M，Adger W N.Theory and Practice in Assessing Vulnerability to Climate Change and Facilitating Adaptation[J]. Climate Change， 2000， 47（2）：325-352.

[6]Wisner B，Blaikie P， Cannon T， et al. At Risk： Natural Hazards， People's Vulnerability and Disasters [J].The Geographical Journal， 2007，173（2）： 189-190.

[7]Alexander D E.Natural Disasters [M].London：UCL Press， 1993：589-694.

[8]Birkmann J. Measuring Vulnerability to Natural Hazards： Towards Disaster Resilient Societies [J].Journal of Risk and Insurance， 2010， 77（4）：959-961.

[9]Aysan Y F. Vulnerability Assessment [G]//Merriman and C. W. A. Browitt （eds）. Natural Disasters： Protecting Vulnerable Community. London： Thomas Telford， 1993：1-14.

[10]Pelling M. What Determines Vulnerability to Floods： a Case Study in Georgetown， Guyana[J].Environment and Urbanization，1997，9（1）：203-226.

[11]Blaikie P， Cannon T， Wisner B. At Risk： Natural Hazards， Peoples Vulnerability and Disasters [M]. London：Routledge. 1994：34-56.

[12]Bohle H G， Downing T E，Watts M J. Climate Change and Social Vulnerability： Toward a Sociology and Geography of Food Insecurity[J].Global Environment Change，1994，（4）：37-38.

[13]Turner II B L，Matson P，McCarthy J J， et al. A Framework for Vulnerability Analysis in Sustainability Science [J].Proceedings of the National Academy of Science of Science， 2003， （100）：8074-8079.

[14]Turner II B L， Matson P， McCarthy J J， et al. Illustrating the Coupled HumanEnvironment System for Vulnerability Analysis： Three Case Studies[J].Proceedings of the National Academy of Science，2003，（100）：8080-8085.

[15]楊修，孫芳，林而達(dá)，等.我國(guó)玉米對(duì)氣候變化的敏感性和脆弱性研究[J].地域研究與開發(fā)，2005，24（4）：54-57.[Yang Xiu， Sun Fang， Lin Erda， et al. Study on the Sensitivity and Vulnerability of Maize to Climate Change in China [J].Areal Research and Development， 2005， 24（4）：54-57.]

[16]Kally A. Framework for Managing Environmental Vulnerability in Small Island Developing States [J].Development Bulletin， 2002，8（12）：54-76.

[17]Downing T E， Butterfield R， Cohen S， et al. Climate Change Vulnerability： Linking Impacts and Adaptation [M].Oxford： University of Oxford， 2001：126-137.

[18]Cutter S L. Social Vulnerability to Environmental Hazards[J]. Social Science Quarterly. 2003，84（2）： 242-261.

[19]Amy LL，David B L，Leonard S S， et al. A Method for Quantifying Vulnerability， Applied to the Agricultural System of the Yaqui Valley， Mexico[J]. Global Environmental Change， 2003， 13：255-267.

[20]Amy L L. The Surface of Vulnerability： an Analytical Framework for Examining Environmental Change [J].Global Environmental Change， 2005， 15：214-233.

[21]蔣勇軍，況明生，匡洪海，等.區(qū)域易損性分析、評(píng)估及易損度區(qū)劃[J].災(zāi)害學(xué)，2001，16（3）：59-64.[Jiang Yongjun， Kuang Mingsheng， Kuang Honghai，et al. Regional Vulnerability Analysis， Evaluation and Vulnerability Zoning [J].Journal of Catastrophology， 2001， 16（3）：59-64.]

[22]商彥蕊.農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)與脆弱性評(píng)估及其相關(guān)關(guān)系的建立[J].河北師范大學(xué)學(xué)報(bào)，1999，23（3）：420-424.[Shang Yanrui. Agricultural Drought Disaster Vulnerability Assessment and the Establishment of the Correlation [J].Journal of Hebei Normal University， 1999，23（3）：420-424.]

[23]劉蘭芳，關(guān)欣，唐云松.農(nóng)業(yè)災(zāi)害脆弱性評(píng)價(jià)及生態(tài)減災(zāi)研究——以湖南省衡陽(yáng)市為例[J].水土保持通報(bào)，2005，25（2）：69-73.[Liu Lanfang，Guan Xin，Tang Yunsong.Vulnerability of Agricultural and Agricultural Losses Reduction Through Implementation of Ecological Measures：A Case Study of Hengyang， Hunan Province[J].Bulletin of Soil and Water Conservation，2005，25（2）：69-73.]

[24]劉蘭芳，劉盛和，劉沛林，等.湖南省農(nóng)業(yè)旱災(zāi)脆弱性綜合分析與定量評(píng)價(jià)[J].自然災(zāi)害學(xué)報(bào)，2002，11（4）：78-83.[Liu Lanfang，Liu Shenghe，Liu Peilin，et al. Synthetic Analysis and Quantitative Estimation of the Agricultural Vulnerability to Drought Disaster in Hunan Province[J].Journal of Natural Disasters，2002，11（4）：78-83.]

[25]劉蘭芳.衡陽(yáng)盆地農(nóng)業(yè)旱災(zāi)脆弱性研究[J].熱帶地理，2002，22（1）：20-23.[Liu Lanfang. A Study on the Vulnerability of Agricultural Drought Disaster in Hengyang Basin[J].Tropical Geography，2002，22（1）：20-23.]

[26]崔欣婷，蘇筠.小空間尺度農(nóng)業(yè)旱災(zāi)承載體脆弱性評(píng)價(jià)初探——以湖南省常德市鼎城區(qū)雙橋坪鎮(zhèn)為例[J].地理與地理信息科學(xué)，2005，21（3）：80-87. [Cui Xinting， Su Yun. A Primary Study on Evaluating Disaster Bearing Bodys Vulnerability to Agricultural Droughts under Small Spatial Scale： A Case Study of Shuangqiaoping Town in Changde City [J].Geography and GeoInformation Science， 2005， 21（3）：80-87.]

[27]Golany B， Roll Y. An Application Procedure for DEA [J]. Omega. 1989， 17（3）：237-250.

[28]路琮，魏一鳴.災(zāi)害對(duì)國(guó)民經(jīng)濟(jì)影響的定量分析模型及其應(yīng)用[J].自然災(zāi)害學(xué)報(bào)，2002，11（3）：15-20.[Lu Cong， Wei Yiming. Quantitatively Analytic Model for the Impact of Natural Disaster on National Economy [J].Journal of Natural Disasters， 2002， 11（3）：15-20.]

[29]Haimes Y Y， Horowitz B M， Lambert J H， et al. Inoperability InputOutput Model （IIM） for Interdependent Infrastructure Sectors： Theory and Methodology [J]. Journal of Infrastructure Systems， 2005， （11）：67-79.

[30]Okuyama Y. Economic Impacts of Natural Disasters： Development Issues and Applications [J/OL].Tokyo： International University， （2004-08-25）〔2012-12-16〕. http：//nexusidrim.net/idrim09/Kyoto/Okuyama.pdf.

[31]Wang， C H， Gopal， R D， Zionts S. Use of Data Envelopment Analysis in Assessing Information Technology Impact on Firm Performance [J]. Annals of Operations Research， 1997，（73）：191-213.

[32]Chen Y， Zhu J. Measuring Information Technologys Indirect Impact on Firm Performance[C].Proceedings of the 6th INFORMS Conference on Information System & Technology，2004，（5）：9-22.

[33]Cochrane H C. Economic Impacts of a Midwestern Earthquake[J]. The Quarterly Publication of NCEER （National Center for Earthquake Engineering Research）， 1997， 11（1）： 1-5.

[34]Kellenberg D K， Mobarak A M. Does Rising Income Increase or Decrease Damage Risk from Natural Disasters？ [J].Journal of Urban Economics， 2008， （63）：788-802.

[23]劉蘭芳，關(guān)欣，唐云松.農(nóng)業(yè)災(zāi)害脆弱性評(píng)價(jià)及生態(tài)減災(zāi)研究——以湖南省衡陽(yáng)市為例[J].水土保持通報(bào)，2005，25（2）：69-73.[Liu Lanfang，Guan Xin，Tang Yunsong.Vulnerability of Agricultural and Agricultural Losses Reduction Through Implementation of Ecological Measures：A Case Study of Hengyang， Hunan Province[J].Bulletin of Soil and Water Conservation，2005，25（2）：69-73.]

[24]劉蘭芳，劉盛和，劉沛林，等.湖南省農(nóng)業(yè)旱災(zāi)脆弱性綜合分析與定量評(píng)價(jià)[J].自然災(zāi)害學(xué)報(bào)，2002，11（4）：78-83.[Liu Lanfang，Liu Shenghe，Liu Peilin，et al. Synthetic Analysis and Quantitative Estimation of the Agricultural Vulnerability to Drought Disaster in Hunan Province[J].Journal of Natural Disasters，2002，11（4）：78-83.]

[25]劉蘭芳.衡陽(yáng)盆地農(nóng)業(yè)旱災(zāi)脆弱性研究[J].熱帶地理，2002，22（1）：20-23.[Liu Lanfang. A Study on the Vulnerability of Agricultural Drought Disaster in Hengyang Basin[J].Tropical Geography，2002，22（1）：20-23.]

[26]崔欣婷，蘇筠.小空間尺度農(nóng)業(yè)旱災(zāi)承載體脆弱性評(píng)價(jià)初探——以湖南省常德市鼎城區(qū)雙橋坪鎮(zhèn)為例[J].地理與地理信息科學(xué)，2005，21（3）：80-87. [Cui Xinting， Su Yun. A Primary Study on Evaluating Disaster Bearing Bodys Vulnerability to Agricultural Droughts under Small Spatial Scale： A Case Study of Shuangqiaoping Town in Changde City [J].Geography and GeoInformation Science， 2005， 21（3）：80-87.]

[27]Golany B， Roll Y. An Application Procedure for DEA [J]. Omega. 1989， 17（3）：237-250.

[28]路琮，魏一鳴.災(zāi)害對(duì)國(guó)民經(jīng)濟(jì)影響的定量分析模型及其應(yīng)用[J].自然災(zāi)害學(xué)報(bào)，2002，11（3）：15-20.[Lu Cong， Wei Yiming. Quantitatively Analytic Model for the Impact of Natural Disaster on National Economy [J].Journal of Natural Disasters， 2002， 11（3）：15-20.]

[29]Haimes Y Y， Horowitz B M， Lambert J H， et al. Inoperability InputOutput Model （IIM） for Interdependent Infrastructure Sectors： Theory and Methodology [J]. Journal of Infrastructure Systems， 2005， （11）：67-79.

[30]Okuyama Y. Economic Impacts of Natural Disasters： Development Issues and Applications [J/OL].Tokyo： International University， （2004-08-25）〔2012-12-16〕. http：//nexusidrim.net/idrim09/Kyoto/Okuyama.pdf.

[31]Wang， C H， Gopal， R D， Zionts S. Use of Data Envelopment Analysis in Assessing Information Technology Impact on Firm Performance [J]. Annals of Operations Research， 1997，（73）：191-213.

[32]Chen Y， Zhu J. Measuring Information Technologys Indirect Impact on Firm Performance[C].Proceedings of the 6th INFORMS Conference on Information System & Technology，2004，（5）：9-22.

[33]Cochrane H C. Economic Impacts of a Midwestern Earthquake[J]. The Quarterly Publication of NCEER （National Center for Earthquake Engineering Research）， 1997， 11（1）： 1-5.

[34]Kellenberg D K， Mobarak A M. Does Rising Income Increase or Decrease Damage Risk from Natural Disasters？ [J].Journal of Urban Economics， 2008， （63）：788-802.

[23]劉蘭芳，關(guān)欣，唐云松.農(nóng)業(yè)災(zāi)害脆弱性評(píng)價(jià)及生態(tài)減災(zāi)研究——以湖南省衡陽(yáng)市為例[J].水土保持通報(bào)，2005，25（2）：69-73.[Liu Lanfang，Guan Xin，Tang Yunsong.Vulnerability of Agricultural and Agricultural Losses Reduction Through Implementation of Ecological Measures：A Case Study of Hengyang， Hunan Province[J].Bulletin of Soil and Water Conservation，2005，25（2）：69-73.]

[24]劉蘭芳，劉盛和，劉沛林，等.湖南省農(nóng)業(yè)旱災(zāi)脆弱性綜合分析與定量評(píng)價(jià)[J].自然災(zāi)害學(xué)報(bào)，2002，11（4）：78-83.[Liu Lanfang，Liu Shenghe，Liu Peilin，et al. Synthetic Analysis and Quantitative Estimation of the Agricultural Vulnerability to Drought Disaster in Hunan Province[J].Journal of Natural Disasters，2002，11（4）：78-83.]

[25]劉蘭芳.衡陽(yáng)盆地農(nóng)業(yè)旱災(zāi)脆弱性研究[J].熱帶地理，2002，22（1）：20-23.[Liu Lanfang. A Study on the Vulnerability of Agricultural Drought Disaster in Hengyang Basin[J].Tropical Geography，2002，22（1）：20-23.]

[26]崔欣婷，蘇筠.小空間尺度農(nóng)業(yè)旱災(zāi)承載體脆弱性評(píng)價(jià)初探——以湖南省常德市鼎城區(qū)雙橋坪鎮(zhèn)為例[J].地理與地理信息科學(xué)，2005，21（3）：80-87. [Cui Xinting， Su Yun. A Primary Study on Evaluating Disaster Bearing Bodys Vulnerability to Agricultural Droughts under Small Spatial Scale： A Case Study of Shuangqiaoping Town in Changde City [J].Geography and GeoInformation Science， 2005， 21（3）：80-87.]

[27]Golany B， Roll Y. An Application Procedure for DEA [J]. Omega. 1989， 17（3）：237-250.

[28]路琮，魏一鳴.災(zāi)害對(duì)國(guó)民經(jīng)濟(jì)影響的定量分析模型及其應(yīng)用[J].自然災(zāi)害學(xué)報(bào)，2002，11（3）：15-20.[Lu Cong， Wei Yiming. Quantitatively Analytic Model for the Impact of Natural Disaster on National Economy [J].Journal of Natural Disasters， 2002， 11（3）：15-20.]

[29]Haimes Y Y， Horowitz B M， Lambert J H， et al. Inoperability InputOutput Model （IIM） for Interdependent Infrastructure Sectors： Theory and Methodology [J]. Journal of Infrastructure Systems， 2005， （11）：67-79.

[30]Okuyama Y. Economic Impacts of Natural Disasters： Development Issues and Applications [J/OL].Tokyo： International University， （2004-08-25）〔2012-12-16〕. http：//nexusidrim.net/idrim09/Kyoto/Okuyama.pdf.

[31]Wang， C H， Gopal， R D， Zionts S. Use of Data Envelopment Analysis in Assessing Information Technology Impact on Firm Performance [J]. Annals of Operations Research， 1997，（73）：191-213.

[32]Chen Y， Zhu J. Measuring Information Technologys Indirect Impact on Firm Performance[C].Proceedings of the 6th INFORMS Conference on Information System & Technology，2004，（5）：9-22.

[33]Cochrane H C. Economic Impacts of a Midwestern Earthquake[J]. The Quarterly Publication of NCEER （National Center for Earthquake Engineering Research）， 1997， 11（1）： 1-5.

[34]Kellenberg D K， Mobarak A M. Does Rising Income Increase or Decrease Damage Risk from Natural Disasters？ [J].Journal of Urban Economics， 2008， （63）：788-802.