2018E

How does climate change influence regional instability?

包括增加的干旱频轿，冰川萎縮，動(dòng)植物種類變化以及海平面上升在內(nèi)的氣候變化的影響已經(jīng)在實(shí)現(xiàn)，并且因地區(qū)而異童本。政府間氣候變化專門委員會(huì)認(rèn)為朗鸠，氣候變化的凈損害成本可能很大秒拔。這些影響中的許多會(huì)改變?nèi)祟惖纳罘绞剑⒂锌赡軐?dǎo)致社會(huì)和政府結(jié)構(gòu)的弱化和崩潰粱胜。因此柄驻，不穩(wěn)定的政府可能會(huì)導(dǎo)致脆弱的國(guó)家。

脆弱的國(guó)家是州政府無法或者不愿意為人民提供基本要素的國(guó)家焙压。為了這個(gè)問題的目的鸿脓，“國(guó)家”是指一個(gè)主權(quán)國(guó)家或國(guó)家。脆弱的國(guó)家增加了一個(gè)國(guó)家人口易受諸如自然災(zāi)害涯曲，減少耕地野哭，不可預(yù)測(cè)的天氣和氣溫升高等氣候沖擊的影響。發(fā)展中國(guó)家普遍存在的不可持續(xù)的環(huán)境實(shí)踐幻件，移民和資源短缺可能進(jìn)一步加劇治理不力的國(guó)家（Schwartz and Randall拨黔，2003; Theisen，Gleditsch和Buhaug绰沥，2013）篱蝇。可以說徽曲，敘利亞和也門的干旱進(jìn)一步加劇了已經(jīng)脆弱的國(guó)家零截。環(huán)境壓力本身并不一定會(huì)引發(fā)暴力沖突，但有證據(jù)表明秃臣，當(dāng)它與治理薄弱和社會(huì)分裂相結(jié)合的時(shí)候涧衙，它就會(huì)導(dǎo)致暴力沖突。這種融合可以加劇暴力的螺旋式增長(zhǎng)奥此，典型的是潛在的種族和政治分歧（Krakowka弧哎，Heimel和Galgano）

1 Introduction

Backgroud
Literature Review
Our Work
我們的工作流程
【某流程圖】

我們?cè)?a target="_blank" rel="nofollow">脆弱國(guó)家指數(shù)網(wǎng)站上收集到近五年各個(gè)國(guó)家的fragile states index。
【某指標(biāo)圖】

Optimization model

2 Assumptions

3 Model of fragility and climate change

這里寫一段文字得院，敘述本部分包括衡量國(guó)家脆弱性基本模型與加入氣候變化影響分析模型傻铣。

3.1 衡量國(guó)家脆弱性基本模型

3.1.1 數(shù)據(jù)預(yù)處理
在處理多個(gè)特征時(shí)，其中某個(gè)特征數(shù)量級(jí)較大祥绞，其他較小時(shí)最后的分類結(jié)果會(huì)被該特征所主導(dǎo)非洲，而弱化了其他特征的影響鸭限，這是因?yàn)楦鱾€(gè)特征的量綱不同所致。解決方案：將所有的數(shù)據(jù)映射到同一尺度两踏，需要將數(shù)據(jù)進(jìn)行歸一化處理败京。
這里采用的歸一化方法是最值歸一化，即把所有的數(shù)據(jù)映射到0~1之間梦染。
公式：
$x_{scale} = \frac{x – x_{min}}{ x_{max} - x_{min}} (1)$

MATLAB實(shí)現(xiàn)

clear;
clc;
%*********數(shù)據(jù)歸一化赡麦，采用min-max法對(duì)數(shù)據(jù)進(jìn)行最大最小歸一化。*******
%cz_wt=xlsread('樣本數(shù)據(jù)Sudan.xlsx');  %讀入樣本數(shù)據(jù)
cz_wt=xlsread('樣本數(shù)據(jù)Cuba.xlsx');  %讀入樣本數(shù)據(jù)
mx_czwt=max(cz_wt);      %計(jì)算每列的最大值
mn_czwt=min(cz_wt);      %計(jì)算每列的最小值
%張成與old一樣大小,主要對(duì)行進(jìn)行復(fù)制帕识，列不用變  
m=size(cz_wt,1);  
maxnew=repmat(mx_czwt,m,1);  
minnew=repmat(mn_czwt,m,1);  
gy_data=(cz_wt-minnew)./(maxnew-minnew);   % 將歸一化的數(shù)據(jù)賦值給gy_data
gy_data
% xlswrite('歸一化處理后數(shù)據(jù)Cuba.xlsx',gy_data);  % 將歸一化的數(shù)據(jù)gy_data賦值給歸一化的數(shù)據(jù)表格
%*************************************************************************

經(jīng)過歸一化處理泛粹，我們可以篩選出經(jīng)濟(jì)、資源肮疗、社會(huì)這些因素晶姊，是會(huì)對(duì)國(guó)家的脆弱性造成影響的。

3.1.2 幾個(gè)主要指標(biāo)及其次級(jí)指標(biāo)

脆弱性指標(biāo)主要受以下三個(gè)主要指標(biāo)影響伪货。三個(gè)主要指標(biāo)又是由幾個(gè)次級(jí)指標(biāo)所組成的们衙。

1、經(jīng)濟(jì)（GDP碱呼，PPP蒙挑，CPI）

經(jīng)濟(jì)是一個(gè)國(guó)家的國(guó)力象征，同時(shí)代表著國(guó)內(nèi)可用資金愚臀、生產(chǎn)力忆蚀、消費(fèi)水平、國(guó)際影響力等等姑裂，一個(gè)國(guó)家在受到重大影響時(shí)是否有足夠的恢復(fù)力由經(jīng)濟(jì)所決定蜓谋。當(dāng)一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展過于緩慢，其面對(duì)災(zāi)害時(shí)的應(yīng)對(duì)能力也會(huì)有所下降炭分。因此經(jīng)濟(jì)在脆弱性模型中是一個(gè)關(guān)鍵指標(biāo)。經(jīng)濟(jì)受到許多方面的影響剑肯，我們選用的次級(jí)指標(biāo)為國(guó)內(nèi)生產(chǎn)總值捧毛、購(gòu)買力平價(jià)與消費(fèi)價(jià)格指數(shù)。

國(guó)內(nèi)生產(chǎn)總值(GDP)：反映了這個(gè)國(guó)家或這個(gè)區(qū)域經(jīng)濟(jì)活動(dòng)的價(jià)值让网，包括了在經(jīng)濟(jì)活動(dòng)中生產(chǎn)并在市場(chǎng)上合法出售的所有東西呀忧，因此能夠直觀的顯示出一個(gè)國(guó)家或一個(gè)區(qū)域經(jīng)濟(jì)發(fā)展水平。
生產(chǎn)價(jià)格指數(shù)（PPI）：是站在生產(chǎn)者角度的重要宏觀經(jīng)濟(jì)指標(biāo)溃睹，用于衡量工業(yè)企業(yè)產(chǎn)品出廠價(jià)格變動(dòng)趨勢(shì)和變動(dòng)程度而账。
消費(fèi)價(jià)格指數(shù)（CPI）：是站在消費(fèi)者角度的重要宏觀經(jīng)濟(jì)指標(biāo)，用于反映與居民生活有關(guān)的消費(fèi)品及服務(wù)價(jià)格水平的變動(dòng)情況因篇。CPI的高低直接影響著國(guó)家宏觀調(diào)劑措施的出臺(tái)與力度泞辐。

2笔横、資源（水，食物咐吼，土地）
國(guó)家資源是應(yīng)對(duì)災(zāi)害與重大事件時(shí)不可或缺的吹缔，資源越多也就意味著國(guó)家由更多應(yīng)對(duì)突發(fā)事件的資本和實(shí)力。一個(gè)缺乏資源的國(guó)家往往更容易成為一個(gè)脆弱的國(guó)家锯茄。

水和食物是人類生存的必需品厢塘，因此與一個(gè)國(guó)家的脆弱性有著不可分割的聯(lián)系。一個(gè)缺乏水和食物的國(guó)家同時(shí)也是一個(gè)缺乏秩序的社會(huì)肌幽。人們?cè)谌狈Y源的情況下必然會(huì)爭(zhēng)搶資源晚碾，從而導(dǎo)致國(guó)家更加混亂，安全性下降喂急。代表水資源的次級(jí)指標(biāo)為可用淡水資源人均占比格嘁、水污染率。代表食物的次級(jí)指標(biāo)為糧食產(chǎn)量煮岁、糧食出口量讥蔽、食物價(jià)格。

同時(shí)土地資源也是社會(huì)生活中重要的資源画机，其次級(jí)指標(biāo)為農(nóng)業(yè)用地冶伞。森林占比。住房用地占比步氏。一個(gè)國(guó)家土地資源稀缺容易導(dǎo)致人才流失响禽，居民生活水平下降，人力資源外流荚醒。

3芋类、社會(huì)（安全，人口界阁，公共服務(wù)侯繁，移民）

社會(huì)因素包括了安全、人口泡躯、公共管理三個(gè)方面贮竟。國(guó)家的安全與否可看出這個(gè)國(guó)家的治理能力高低，也間接反映出其穩(wěn)定性高低较剃，可用犯罪率咕别、恐怖襲擊年均次數(shù)、軍事實(shí)力這些指標(biāo)來衡量写穴。

同時(shí)居民人口與文化水平也間接影響著國(guó)家的脆弱性惰拱，人口數(shù)量的不平衡將會(huì)對(duì)國(guó)家造成一定的消極影響。與人文相關(guān)的指標(biāo)有出生率啊送、年齡結(jié)構(gòu)偿短、教育水平欣孤、移民率等等。

公共管理是維護(hù)社會(huì)秩序的重要因素翔冀，主要包括公共服務(wù)导街、政府干預(yù)、政策支持等等纤子。

3.1.3 脆弱性指數(shù)等級(jí)劃分
得到區(qū)域脆弱度指數(shù)后搬瑰，還需要對(duì)所有的脆弱度指數(shù)進(jìn)行等級(jí)劃分，以綜合反映區(qū)域內(nèi)脆弱性的分布情況控硼。聚類分析泽论，利用脆弱性得分的相似性，采用聚類分析法將計(jì)算得到的脆弱性得分進(jìn)行分類卡乾，以反映不同等級(jí)的脆弱性翼悴。按照國(guó)家的評(píng)價(jià)標(biāo)磚，評(píng)價(jià)因素一般分為五個(gè)等級(jí)：A幔妨，B鹦赎，C，D误堡，E古话，將其合理量化就需要用到模糊數(shù)學(xué)理論分級(jí)，即構(gòu)造模糊隸屬函數(shù)進(jìn)行量化锁施。
我們將五個(gè)評(píng)價(jià)等級(jí)映射到相應(yīng)的數(shù)值標(biāo)準(zhǔn)：
$\{A, B, C, D, E\} \Rightarrow \{1, 2, 3, 4, 5\} \Rightarrow \{很好陪踩，好，較好悉抵，不太好肩狂，很不好\}$
為了方便后續(xù)計(jì)算我們這里的量化取連續(xù)的整數(shù)，選用偏大型柯西分布和對(duì)數(shù)函數(shù)作為隸屬函數(shù)進(jìn)行計(jì)算分析：
$f(x) = \begin{cases} [1+\alpha(x - \beta)^{-2}]^{-1}, (1 \leqslant x \leqslant 3) \\ alnx + b, (3 \leqslant x \leqslant 5) \end{cases}$
其中 $\alpha, \beta, a, b$ 為待定系數(shù)姥饰。
case A: score = 1, means $f(1) = 1$ ;
case C: score = 0.8, means $f(3) = 0.8$ ;
case E: score = 0.01, means $f(5) = 0.01$ ;
計(jì)算得到
$\alpha = 1.1086, \beta = 0.8942, a = 0.3915, b = 0.3699$
那么就有
$\begin{cases} [1+1.1086(x - 0.8942)^{-2}]^{-1}, (1 \leqslant x \leqslant 3) \\ 0.3915lnx + 0.3699, (3 \leqslant x \leqslant 5) \end{cases}$

3.2 加入氣候變化影響分析模型

3.2.1 氣候特征影響綜述

全球氣候變化給人類社會(huì)的經(jīng)濟(jì)傻谁、農(nóng)業(yè)、工業(yè)列粪、科技等領(lǐng)域都帶來了重大而深刻的影響栅螟，由此也引發(fā)人類進(jìn)行了不同程度的變革。氣候變化將加重當(dāng)代社會(huì)的人口增長(zhǎng)篱竭、經(jīng)濟(jì)變革和城市化對(duì)于水資源所造成的壓力。

3.2.2 直接影響

根據(jù)美國(guó)宇航局戈達(dá)德空間研究所（GISS）科學(xué)家正在進(jìn)行的溫度分析步绸，自1880年以來掺逼，地球上的平均全球氣溫上升了約0.8攝氏度（1.4華氏度）。根據(jù)數(shù)據(jù)表明瓤介，在過去的幾十年里吕喘，這四個(gè)數(shù)據(jù)都顯示出迅速升溫赘那，并且所有這些都表明過去十年是最溫暖的。

image

氣候變暖導(dǎo)致海平面上升氯质，降水重新分布募舟，改變了當(dāng)前的世界氣候格局。近百年來全球海平面已上升了10-20厘米闻察，IPCC在2007年的報(bào)告中預(yù)測(cè)到2100年全球海平面將上升18-59厘米拱礁。

全球氣候變暖使大陸地區(qū)，尤其是中高緯度地區(qū)降水增加辕漂，非洲等一些地區(qū)降水減少呢灶。極端天氣事件（厄爾尼諾、干旱钉嘹、洪澇鸯乃、雷暴、冰雹跋涣、風(fēng)暴缨睡、高溫天氣和沙塵暴等）出現(xiàn)的頻率與強(qiáng)度增加。

3.2.3 復(fù)合影響

降水量的不平衡在人類社會(huì)中造成了一系列間接影響陈辱，例如農(nóng)作物減產(chǎn)與耕地面積的減少奖年，進(jìn)而導(dǎo)致國(guó)家經(jīng)濟(jì)損失，人口遷移性置，人力物力資源外流拾并。

全球氣溫變化直接影響全球的水循環(huán)，使某些地區(qū)出現(xiàn)反常的旱災(zāi)或洪災(zāi)現(xiàn)象鹏浅，導(dǎo)致農(nóng)作物減產(chǎn)嗅义，且溫度過高也不利于種子生長(zhǎng)。

氣候變化將加重當(dāng)代社會(huì)的人口增長(zhǎng)隐砸、經(jīng)濟(jì)變革和城市化對(duì)于水資源所造成的壓力之碗。山地積雪、冰川和小冰帽對(duì)于區(qū)域可用淡水起到關(guān)鍵作用季希。冰川物質(zhì)損失和積雪減少導(dǎo)致可用淡水總量減少褪那。氣候變暖造成地區(qū)之間徑流和可利用水量的進(jìn)一步失衡，而暴雨式塌、洪水博敬、干旱等災(zāi)難事件將更為頻繁和嚴(yán)重，進(jìn)一步威脅人類的生存峰尝。

指標(biāo)權(quán)重的計(jì)算
我們選用熵值法對(duì)數(shù)據(jù)進(jìn)行處理偏窝。信息熵越小，指標(biāo)變異程度越大，提供的信息量越多祭往，在綜合評(píng)價(jià)中所起的作用越大伦意，權(quán)重也越大。
（1）選取n個(gè)國(guó)家m個(gè)指標(biāo)硼补，則x_{ij}為第i個(gè)國(guó)家的第i個(gè)指標(biāo)的數(shù)值(i=1,2…,n驮肉，j=1,2,…,m)；
（2）指標(biāo)的歸一化處理
而且已骇，由于正向指標(biāo)和負(fù)向指標(biāo)數(shù)值代表的含義不同（正向指標(biāo)數(shù)值越高越好离钝，負(fù)向指標(biāo)數(shù)值越低越好），因此疾捍，對(duì)于高低指標(biāo)我們用不同的算法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理奈辰。
正向指標(biāo)
$x_{ij} '= \frac{x_{ij} – min\{x_{ij}, ..., x_{nj}\}}{ max\{x_{1j}, ..., x_{nj}\}-min\{x_{1j}, ..., x_{nj}\}}$
負(fù)向指標(biāo)
$x_{ij} '= \frac{max\{x_{1j}, ..., x_{nj}\} - x_{ij}}{ max\{x_{1j}, ..., x_{nj}\}-min\{x_{1j}, ..., x_{nj}\}}$
這里 $x_{ij}'$ 為第i個(gè)國(guó)家的第j個(gè)指標(biāo)的數(shù)值（i=1, 2..., n; j = 1, 2, ..., m）
為了符號(hào)的統(tǒng)一，歸一化后的數(shù)據(jù)仍記為 $x_{ij}$
（3）計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)國(guó)家占該指標(biāo)的比重：
[ p_{ij}=\frac{x_{ij}}{\sum\limits_{i=1}^n x_{ij}},i=1,\cdots,n,j=1,\cdots,m. ]

（4）計(jì)算第j項(xiàng)指標(biāo)的熵值：
[ e_j=-k\sum\limits_{i=1}^n p_{ij} ln(p_{ij}). ]
其中 $k=1/ln(n)$ .滿足 $e_j\geq 0$ ,

（5）計(jì)算信息熵冗余度：
[ d_j=1-e_j. ]

（6）計(jì)算各項(xiàng)指標(biāo)的權(quán)值：
[ w_{ij}=\frac{d_j}{\sum\limits_{j=1}^m d_j}. ]

（7）計(jì)算各國(guó)家的綜合得分：
[ s_i=\sum\limits_{j=1}^m w_j\times\ p_{ij}. ]
注意：（4）中的k系數(shù)是使得 $e_j\in (0,1)$ , (5)中的冗余度和熵值是負(fù)相關(guān)的.

可以用 $E_j$ 來表示所有方案對(duì)屬性 $X_j$ 的貢獻(xiàn)總量：
[E_j=-K\sum\limits_{i=1}^m P_{ij} ln(P_{ij}).]
其中乱豆，常數(shù) $K=1/ln(m)$ ,這樣奖恰，就能保證 $0\leq E_j\leq1$ ,即 $E_j$ 最大為1.

[d_j=1-E_j.]
當(dāng) $d_j=0$ 時(shí)，第j屬性可以剔除宛裕，其權(quán)重等于0.

熵值法最大的特點(diǎn)是直接利用決策矩陣所給出的信息計(jì)算權(quán)重瑟啃，而沒有引入決策者的主觀判斷。

3.2.4 極端天氣的影響情況
極端天氣氣候事件是指天氣（氣候）的狀態(tài)嚴(yán)重偏離其平均態(tài)揩尸，在統(tǒng)計(jì)意義上屬于不易發(fā)生的事件蛹屿。通俗地講，極端天氣氣候事件指的是50年一遇或100年一遇的小概率事件岩榆。隨著全球氣候變暖错负，極端天氣氣候事件的出現(xiàn)頻率發(fā)生變化，呈現(xiàn)出增多增強(qiáng)的趨勢(shì)勇边。在我們的模型里犹撒，選擇二項(xiàng)分布的泊松擬合。泊松（Poisson）分布在個(gè)領(lǐng)域都有廣泛的應(yīng)用粒褒，是一種經(jīng)典的描述稀有事件的概率模式识颊。泊松分布是當(dāng)p→0，n→∞即
$p = \frac{\lambda}{n}$
式中的 $\lambda$ 為正的常數(shù)奕坟。于是可得到以下極限：
$\lim_{n\to ∞} p(x) = \lim_{n\to ∞} \frac{n(n-1)...(n-x+1)}{x!}(\frac{\lambda}{n})^x(1-\frac{\lambda}{n})^{n-x} = \frac{\lambda^x}{x!}exp(-\lambda)$
上式即為泊松分布祥款。可以證明月杉，該分布僅有一個(gè)參數(shù) $\lambda$ （恒為正數(shù)）刃跛。對(duì)于稀有事件x的各種取值x=0, 1, 2, ...我們有
$P(X ≥ 0) = \sum_{x = 0}^∞ \frac{\lambda^x}{x!}exp(-\lambda) =1$
由此可求得可能發(fā)生各種稀有性事件的概率是
$P(X ≥ r) = \sum_{x = r}^∞ \frac{\lambda^x}{x!}exp(-\lambda)$
$P(X ≤ r) = \sum_{x = 0}^r \frac{\lambda^x}{x!}exp(-\lambda)$
根據(jù)概率論及其相關(guān)理論可以知道，泊松分布的期望和方差都是常數(shù) $\lambda$ 苛萎。
要驗(yàn)證分布的正確性奠伪，這里我們采用分布的 $\chi^2$ 擬合優(yōu)度檢驗(yàn)
假設(shè)總體X為離散分布跌帐，檢驗(yàn)假設(shè) $H_0$ ：極端天氣氣候事件分布服從泊松分布 $P(\lambda)$ 。
估計(jì)參數(shù) $\lambda$ 绊率，由最大似然估計(jì)法可以得到
$\hat \lambda = \hat x$
其中
$\hat \lambda = \frac{1}{n} \sum_{k=1}^n x_i = \frac{\sum_{k=0}^m kn_k}{\sum_{k=0}^m n_k}$
計(jì)算泊松分布的概率估計(jì)值
$\hat P_k = \frac{\hat \lambda_k}{k!} e^{-\hat \lambda}, (k=0, 1, 2, ...)$
檢驗(yàn)統(tǒng)計(jì)量
$\chi^2 = \sum_{i=1}^m \frac{(n_i-n\hat p_i)^2}{n\hat p_i}$
這里取 $\alpha=0.05$ ，自由度為m究履，我們可以通過下面的公式得到臨界值 $t$
$t = \chi_{0.95}^2 (m-2)$
這時(shí)候的拒絕域就是 $W = \{ \chi^2 \geqslant t\}$

4 對(duì)蘇丹和古巴進(jìn)行脆弱性分析

4.1 脆弱性分析
4.2 敏感度分析

1997 年政府間氣候變化專門委員會(huì)( IntergovernmentalPanel on Climate Change滤否， IPCC) 發(fā)布的《氣候變化的區(qū)域影響: 脆弱性評(píng)估》 專門報(bào)告第 3 次評(píng)估報(bào)告( The Third Assessment Report，TAR) 中將脆弱性定義為: 氣候變化最仑， 包括氣候變率和極端事件對(duì)該系統(tǒng)造成的不利影響的程度藐俺， 是系統(tǒng)內(nèi)的氣候變率特征、 幅度和變化速率及其敏感性和適應(yīng)能力的函數(shù)泥彤。
按照 IPCC 對(duì)脆弱性的定義欲芹， 氣候變化的健康脆弱性評(píng)估至少涉及 3 個(gè)方面的內(nèi)容， 即暴露吟吝、敏感性和適應(yīng)能力菱父。
- 暴露是系統(tǒng)暴露于顯著氣候變異下的特征和程度。
- 敏感性是指系統(tǒng)受到與氣候有關(guān)的刺激因素影響的程度剑逃， 包括不利和有利影響浙宜，其中與氣候有關(guān)的因素是指所有的氣候變化特征，即平均氣候狀態(tài)蛹磺，氣候變異和極端事件的頻率和強(qiáng)度粟瞬， 這些影響可以是直接的或間接的。
- 適應(yīng)性是系統(tǒng)的活動(dòng)萤捆、 過程或結(jié)構(gòu)本身對(duì)氣候變化的適應(yīng)裙品、 減少潛在損失或應(yīng)付氣候變化后果的能力。包括自然界俗或、 系統(tǒng)本身和認(rèn)為的作用市怎， 特別是與系統(tǒng)自身調(diào)節(jié)、 恢復(fù)的能力蕴侣、 社會(huì)經(jīng)濟(jì)基礎(chǔ)以及認(rèn)為影響干預(yù)有關(guān)焰轻。

社會(huì)結(jié)構(gòu)論框架 ( Social Constructivist Framework) 則將脆弱性定義為系統(tǒng)的先天條件，受社會(huì)經(jīng)濟(jì)及政治因素影響昆雀。在氣候變化的脆弱性評(píng)估領(lǐng)域辱志， 最常見的是 IPCC 所定義的脆弱性概念框架， 即脆弱性是暴露狞膘、 敏感性和適應(yīng)性的函數(shù): 
$$ VI = f( EI揩懒，SI，AI) $$
其中挽封，$VI$已球、$EI$、$SI$和$AI$分別為脆弱性指數(shù)、暴露指數(shù)智亮、敏感性指數(shù)忆某、適應(yīng)性指數(shù)。建立概念性框架阔蛉，可以在此基礎(chǔ)上弃舒，選擇適當(dāng)?shù)闹笜?biāo)，構(gòu)建脆弱性評(píng)估的指標(biāo)體系状原。<sup> [1]</sup>

對(duì)于敏感性和適應(yīng)性界限的確定及劃分標(biāo)準(zhǔn)并未統(tǒng)一聋呢，同一指標(biāo)在不同的研究中可能被劃入不同范疇。因此颠区， 有些研究采用主成分分析方法削锰， 將指標(biāo)組合成幾個(gè)主成分，從而避免陷入硬性劃分敏感性和適應(yīng)性的困境毕莱。各指標(biāo)對(duì)于脆弱性的貢獻(xiàn)大小可以通過對(duì)指標(biāo)賦予不同權(quán)重來實(shí)現(xiàn)器贩。但由于不同區(qū)域間經(jīng)濟(jì)、 社會(huì)央串、 環(huán)境等情況的差異磨澡，使得同一指標(biāo)對(duì)不同區(qū)域的脆弱性貢獻(xiàn)大小不一定相同，即權(quán)重大小不同质和。若不同區(qū)域使用不同的權(quán)重稳摄， 又使得不同區(qū)域間脆弱性無法直接比較。所以進(jìn)行區(qū)域間脆弱性比較時(shí)饲宿，應(yīng)注意區(qū)域范圍的選取及權(quán)重確定的合理性等問題厦酬。
為了消除各指標(biāo)量綱不一致的影響，使得各指標(biāo)可以進(jìn)行加合瘫想，應(yīng)對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理仗阅。常用的方法是極差標(biāo)準(zhǔn)化:
$$ 
\begin{cases}
  對(duì)于越大越優(yōu)型：b_{ij} = \frac{b_{ij} - b_j^{min}}{b_j^{max} - b_j^{min}}   (i = 1,2,...,m; j = 1,2,...,n)\\
  對(duì)于越小越優(yōu)型：b_{ij} = \frac{b_j^{max} - b_{ij}}{b_j^{max} - b_j^{min}}   (i = 1,2,...,m; j = 1,2,...,n) 
\end{cases}
$$
由于各個(gè)指標(biāo)對(duì)模型的影響不同，對(duì)國(guó)家的脆弱性也會(huì)有不同的影響国夜。因此我們對(duì)各指標(biāo)進(jìn)行加權(quán)分析减噪，這里采用主成分分析法。
主成分分析法通過對(duì)原指標(biāo)體系進(jìn)行主成分分析车吹，將各主成分的方差貢獻(xiàn)率作為成分權(quán)重筹裕， 再使用因子載荷矩陣計(jì)算因子得分，最后將各指標(biāo)因子得分以各成分方差貢獻(xiàn)率占總貢獻(xiàn)率的比重作為權(quán)重求平均值窄驹， 就得到各指標(biāo)的權(quán)重朝卒，然后構(gòu)建綜合評(píng)估模型。

參考文獻(xiàn)

[1]氣候變化健康脆弱性評(píng)估乐埠，2012抗斤，朱琦

最后編輯于：2019.01.22 19:16:50

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末囚企，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子瑞眼，更是在濱河造成了極大的恐慌龙宏，老刑警劉巖，帶你破解...
沈念sama閱讀 216,402評(píng)論 6贊 499
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件伤疙，死亡現(xiàn)場(chǎng)離奇詭異掩浙，居然都是意外死亡键菱，警方通過查閱死者的電腦和手機(jī)拭抬，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 92,377評(píng)論 3贊 392
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門算凿，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人，你說我怎么就攤上這事。” “怎么了禽笑？”我有些...
開封第一講書人閱讀 162,483評(píng)論 0贊 353
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵，是天一觀的道長(zhǎng)衰猛。經(jīng)常有香客問我啡省，道長(zhǎng)结序，這世上最難降的妖魔是什么配喳？我笑而不...
開封第一講書人閱讀 58,165評(píng)論 1贊 292
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮凳干，結(jié)果婚禮上晴裹，老公的妹妹穿的比我還像新娘。我一直安慰自己救赐，他們只是感情好涧团，可當(dāng)我...
茶點(diǎn)故事閱讀 67,176評(píng)論 6贊 388
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布。她就那樣靜靜地躺著经磅，像睡著了一般泌绣。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上预厌，一...
開封第一講書人閱讀 51,146評(píng)論 1贊 297
城市分裂傳說
那天阿迈，我揣著相機(jī)與錄音，去河邊找鬼轧叽。笑死苗沧，一個(gè)胖子當(dāng)著我的面吹牛刊棕，可吹牛的內(nèi)容都是我干的。我是一名探鬼主播待逞，決...
沈念sama閱讀 40,032評(píng)論 3贊 417
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼甥角，長(zhǎng)吁一口氣：“原來是場(chǎng)噩夢(mèng)啊……” “哼！你這毒婦竟也來了识樱？” 一聲冷哼從身側(cè)響起嗤无，我...
開封第一講書人閱讀 38,896評(píng)論 0贊 274
萬榮殺人案實(shí)錄
序言：老撾萬榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎怜庸，沒想到半個(gè)月后当犯，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體，經(jīng)...
沈念sama閱讀 45,311評(píng)論 1贊 310
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡割疾，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 37,536評(píng)論 2贊 332
?白月光啟示錄
正文我和宋清朗相戀三年灶壶，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片杈曲。...
茶點(diǎn)故事閱讀 39,696評(píng)論 1贊 348
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡，死狀恐怖胸懈，靈堂內(nèi)的尸體忽然破棺而出担扑，到底是詐尸還是另有隱情，我是刑警寧澤趣钱，帶...
沈念sama閱讀 35,413評(píng)論 5贊 343
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布涌献，位于F島的核電站，受9級(jí)特大地震影響首有，放射性物質(zhì)發(fā)生泄漏燕垃。R本人自食惡果不足惜，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 41,008評(píng)論 3贊 325
男人毒藥：我在死后第九天來索命
文/蒙蒙一井联、第九天我趴在偏房一處隱蔽的房頂上張望卜壕。院中可真熱鬧，春花似錦烙常、人聲如沸轴捎。這莊子的主人今日做“春日...
開封第一講書人閱讀 31,659評(píng)論 0贊 22
一樁弒父案蚕脏，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)侦副。三九已至，卻和暖如春驼鞭，著一層夾襖步出監(jiān)牢的瞬間秦驯，已是汗流浹背。一陣腳步聲響...
開封第一講書人閱讀 32,815評(píng)論 1贊 269
情欲美人皮
我被黑心中介騙來泰國(guó)打工挣棕，沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留译隘，地道東北人亲桥。一個(gè)月前我還...
沈念sama閱讀 47,698評(píng)論 2贊 368
代替公主和親
正文我出身青樓，卻偏偏與公主長(zhǎng)得像细燎，于是被迫代替她去往敵國(guó)和親两曼。傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 44,592評(píng)論 2贊 353