基于IIM—TSDEA模型的洪灾经济易损性评估研究

2014-02-28李春华李宁胡爱军徐选华

中国人口·资源与环境 2014年2期

李春华　李宁　胡爱军　徐选华

摘要由于极端气候事件频发，洪水灾害发生频率和影响越来越大，人们对灾害的研究从关注致灾因子转移到易损性，并认为易损性是灾害的根本原因。作者在分析现有易损性研究基础上，从系统投入产出角度，提出洪灾易损性的内涵，构建洪灾易损性的投入产出评价指标体系，并建立IIMTSDEA模型。应用该模型对我国1998年洪水灾害易损性进行了评价，揭示洪灾直接经济易损性、间接经济易损性和总经济易损性的空间分布特征，并通过各省经济发展水平与经济易损性的相关分析，发现二者之间存在非线性关系，总的变动趋势呈倒U型曲线关系。这一发现揭示承灾体易损性和经济发展阶段的相对水平可以作为灾害管理绩效高低的评判标准，减灾活动的目的是提高承灾体的恢复能力，使灾害易损性拐点出现在经济发展的较低阶段。该文的理论及模型方法既能弥补目前洪灾易损性评估不涉及间接经济影响的不足，又可以克服评估中经常使用的评估方法的主观赋权的缺陷。

关键词洪灾；经济易损性；IIMTSDEA模型；中国

中图分类号X43文献标识码A文章编号1002-2104（2014）02-0169-08doi：10.3969/j.issn.1002-2104.2014.02.024

20世纪80年代，灾害学研究逐渐将视线从单纯的致灾因子研究扩展到承灾体的易损性研究，并将易损性研究列为可持续性科学的7个核心问题之一。

Chambers等认为易损性涉及两个方面：外部的风险或者不测事件对承载体影响和承载体内部抵抗能力的缺失[1-6]。前者强调承灾体易于受到损害的性质，后者强调人类自身抵御灾害的状态[7-8]，在此基础上，Aysan[9]根据抵御能力不同缺失状况，把易损性分为经济易损性（由于缺乏资源）、社会易损性（社会结构的分离）、组织易损性（缺乏强有力的国家和地方组织机构）等类型。

最初易损性研究通常采用定性方法，定性地分析不同收入人群在灾中和灾后的反映程度[10]。但是随着易损性的研究的深入，定性分析逐渐转入模型化定量评估。Blaikie等提出了易损性评估的压力释放模型（PAR），认为自然灾害是致灾因子与区域易损性的共同作用结果[11]。Bohle等提出了一个社会空间易损性的评估模型来揭示人类的恢复能力[12]。Turner等提出了SUST易损性研究分析框架，认为敏感度、暴露度和恢复力导致一个系统的易损性[13-14]。杨修等利用英国Hadley中心PRECIS模型对我国未来玉米对气候变化的易损性进行了研究[15]。

由于易损性不是一个可以直接观测的现象，因而Kally和Downing认为这些模型化的概念框架只能通过一些指标来计算，从而体现易损性的大小[16-17]。南太平洋地理科学协会选取了54个独立变量指标用加权求和方法来评价环境易损度。Cutter选取影响社会易损性的46个指标，用因子分析等统计方法以县域为空间单元综合计算社会易损性大小[18]。Amy等进行部门易损性研究，建立计算农业产值的易损性，提出了计算小麦产量的易损度与影响因素关系的定量表达式[19-20]。

蒋勇军等人根据用加权平均得到综合易损度的方法对重庆市进行了区域易损性分析[21]。商彦蕊采用特尔菲法评价河北省138个县旱灾的易损性，发现旱灾风险与旱灾易损性之间存在正相关关系[22]。刘兰芳采用因素成对比较法计算权重，对湖南衡阳农业旱灾易损性的空间格局进行了分析[23-25]。崔欣婷等采用层次分析法，对湖南省常德市双桥坪镇16个村的农业旱灾的易损度进行评价[26]。

综上可见，目前学者对灾害易损性性质，易损性概念和易损性测量等方面进行了深入的研究，但是，这些研究忽视了灾害损失的一个重要特点。即，灾害损失影响不仅在灾害发生地，而且也可超越灾害发生地，波及到其它地区，不仅涉及直接作用的对象，而且可以传播到间接作用的部门，所以间接经济易损性评估不能缺失。此外，目前易损性评估的方法主观性较强，通常采用多指标体系加权求和评价方法，虽然这种方法具有简明，直观易于理解的优点，但是在指标赋权方面，主观性太强，在一定程度上削弱了分析结果的说服力，需要采用一些较客观的数学方法加以改进。

因此，作者基于洪水灾害系统投入产出特征，提出区域洪水灾害易损性概念，用依赖系数投入产出方法评估洪灾的直接和间接经济损失，建立了包括致灾因子、孕灾环境、承灾体属性的洪水灾害易损性评价指标体系，用数据包络分析方法对区域洪水灾害相对易损性进行评价，这种评估方法既涉及灾害的直接经济损失，又涉及灾害的间接经济损失，综合考虑灾害的产业关联效应和灾害损失的空间扩散机制。

李春华等：基于IIMTSDEA模型的洪灾经济易损性评估研究中国人口·资源与环境2014年第2期1洪水灾害系统分析

洪水灾害系统由四个要素组成：致灾因子、承灾体、孕灾环境和灾情，四个要素之间相互作用（见图1）。孕灾环境形成致灾因子，致灾因子改变孕灾环境；孕灾环境影响人类财产的分布，人类活动也影响着孕灾环境；致灾因子降低人类的抗灾能力，承灾体诱发致灾强度，不合理的人类活动使区域社会经济系统易损性增加，是导致灾害发生的重要因素。灾害系统相互作用的结果表现为灾情，它可以用经济损失，人口伤亡、环境破坏等来计量。

洪灾系统可以看做是一种投入产出系统，系统的投入是致灾因子、承灾体和孕灾环境要素，系统的产出是灾情。

图1洪灾系统要素及相互关系

Fig.1The elements and mutual relationship of flood system

2二阶段数据包络模型法

本文按照Golany归纳的DEA模型应用的四大步骤进行研究[27]，即，选取决策单位，选取投入产出指标，选取DEA模式，分析评估结果。

2.1评价单元选择

按照数据包络分析思路，选择决定单元的过程就是选择参考集，决定单元的个数应该大于投入与产出个数的两倍。本文研究有3个投入，1个产出，所以，决策单元的个数应该至少为8个以上，考虑到洪灾管理的行政区域性特性，去掉海南省、上海市和西藏自治区3个没有数据的地区，我们选择我国28个省区为评价单元。

2.2投入产出指标及数据来源

2.2.1投入产出指标选取

就投入产出指标总数而言，DEA方法在处理多项投入多项产出时虽有其优越性，但其所能处理之投入产出项个数并非毫无限制，因为每增加一项投入或产出指标，则会新增数个投入产出比率，导致DEA模式之鉴别力（Discriminating Power）降低，所以，选择合适的投入产出指标个数是评价的关键之一。

投入产出指标的选择有定量和定性的分析方法。本研究的投入产出指标采用主成分分析和因子分析相结合方法确定。在进行定量化计算经济易损性时候，致灾因子、承灾体和孕灾环境分别用降水量（夏日最大降水）、GDP和地形指标（地形起伏度）表示，灾情因子用直接经济损失和间接经济损失评估值表示（见图1）。

2.2.2洪灾间接经济损失评估

洪灾经济易损性评估中的直接经济损失和间接经济损失的计算过程如图2。

图2经济损失计算过程

Fig.2Calculation procedure of economic loss

计算所用数据主要是投入产出表、统计年鉴和自然灾害年报。其中，投入产出表采用国家统计局公布的1997年全国相关省市的投入产出流量表，灾害损失数据参考国家防汛抗旱指挥部办公室关于1998年洪涝灾情报告以1998年中国自然灾害年报，同时农业灾害损失面积数据参考1998年中国农业统计年鉴。

（1）直接经济损失计算。由于每年自然灾害所造成的农业总产值的减少缺乏准确的数据，我们必须对农业总产值损失进行估计。根据统计年鉴的定义，成灾面积是粮食产量低于正常年份产量30%以上的土地面积，我们就以每年成灾面积占粮食总播种面积的比例乘以30%作为当年粮食产量的损失比例（显然，这样的计算的结果应该低于实际的粮食损失比例），然后，我们再以损失比例乘以每年的农业总产值，从而求出农业总产值的损失[28]。

（2）间接经济损失计算。间接经济损失的计算采用基于需求的损失率投入产出模型（Inoperability Input Output Model，IIM）来计算[29]，由于这种IIM模型是需求驱动模型，模型的输入应是需求的变化，然后计算输出的变化。因此，损失（减少产出水平）应该转换为各部门的最终需求变化，我们借鉴Okuyama采用的方法[30]。

该方法分为两步：第一步，用各部门直接经济损失乘以依赖系数矩阵的对角项，其中的依赖系数矩阵依据列昂惕夫直接消耗系数计算而来，计算公式为：

A*=[（diag（））-1A（diag（））].

diag（）=diag1

n=1505…50

05255

5550

05…505n.（1）

A*定义为部门依赖矩阵，A为根据投入产出表计算的列昂惕夫直接消耗系数矩阵，正常的产出量，其值为投入产出中部门流量值。第二步，将所得到的最终需求损失乘以依赖系数矩阵对角项，计算各部门的间接经济损失。经过以上步骤计算所得直接和间接经济损失值如表1。

2.3二阶段数据包络模型

我们用致灾因子、承灾体、孕灾环境三类指标表示投入，用灾情指标表示产出（见图1和图3）。DEA分析的投入指标用地均GDP、地貌指数和夏日最大降水指标表示，地均GDP可以用来计量一个地区的经济密度，地貌指数表示流域的地表高程分布，可以从地表高程模型（DEM）中提取得到，夏日最大降水量表示降水的集中程度，是洪涝灾害发生的主要气象要素。DEA分析的产出指标用地

表1各省（市、区）直接经济损失与间接经济损失

Tab.1The direct and indirect economic losses

in provinces （cities， districts）亿元

省市

Province（municipality）5直接经济损失

Direct economic

loss 5间接经济损失

Indirect economic

loss北京51.9050.655天津51.4053.24河北521.40516.47山西59.1052.19内蒙古5159.005134.53辽宁56.0058.13吉林5140.00580.25黑龙江5218.00596.03江苏526.70527.40浙江546.00519.39安徽5130.505153.97福建587.90528.62江西5408.205185.06山东556.30522.02河南540.30537.08湖北5357.005156.77湖南5422.805167.31广东576.10523.68广西5114.90558.36重庆555.50542.80四川574.70559.00贵州510.20510.76云南523.10510.36陕西543.00514.39青海50.7051.07甘肃52.8051.66宁夏53.2051.65新疆58.4056.56

均直接经济损失和地均间接经济损失表示，他们均表示地域经济损失密度。

不同于一般灾害易损性评估的是，我们区分灾害直接灾情和间接灾情，以此为标准计算的灾害易损性被定义为直接经济易损性、间接经济易损性和总经济易损性。直接和间接灾害易损性模型结构如图3。

图3不同类型洪灾易损性评估要素

Fig.3Various factors in flood disaster vulnerability

assessment

各种灾害易损性采用二阶段数据包络模型（Two Stage Data Envelopment Analysis， TSDEA）进行计算，TSDEA有几种不同的形式，本文参考Wang和Chen开发的模型进行求解[31-32]。

2.4研究结果及分析

用TSDEA模型计算的洪灾直接经济易损性、间接经济易损性和总的经济易损性评估值的区间范围在0-1之间，为了区别不同程度的易损性，作者用GIS软件的自然分类技术（Natural Breaks），采用Jenks Optimization 方法实现自动优化。每一种等级分为5类，分别用高、较高、中、较低和低表示。因为用数据包络分析方法计算的是洪灾易损性的相对值，所以不同类型易损性的划分等级区间范围不尽相同，都为各个类型易损性大小所决定。各种易损性计算结果如图4和表2所示。

2.4.1经济易损性与经济发展阶段关系

为了分析各类经济易损性与人均GDP关系，作者按照各省市区人均GDP值从高到低排序（X坐标从左往右逐渐增大），以此作为横坐标，并以经济易损性大小为纵坐标，显示直接经济易损性、间接经济易损性和总经济易损性与经济发展阶段的关系，结果如图4所示。

图4显示，就经济易损性大小而言，江西、安徽、湖南、湖北和黑龙江省最高，甘肃、宁夏、云南等省以及北京、天津、广东和浙江等省较小。采用kmeans 快速聚类方法，把不同地域经济发展分成三个阶段。即，低发达区（贵州—云南）、中等发达区（青海—辽宁）、发达区（江苏—北京）。结果发现，中等发达区经济易损性高、低发达区和发达地域易损性低，出现“中间高两头低”的形状。据此说明，尽管不同地域不同类型洪灾经济易损性大小存在波动性，但是，不同经济易损性与经济发展水平之间均存在一个倒U型曲线变化关系。直接易损性、间接易损性和总易损性变化趋势方程分别用y直接，y间接和y总表示，其均为开口向下的抛物线。

之所以存在这种变化趋势，是因为一个经济体受到的自然灾害影响因素是复杂的，除了受到地域经济结构，发展阶段，当时的经济条件和政策环境等因素影响外，易损性还受到经济快速增长或者衰退的影响，此外，自然灾害经济易损性的降低可以由于灾后适当的经济投资和良好的经济结构调整而实现。

2.4.2洪灾经济易损性的空间差异分析

洪灾易损性状况是由洪灾系统决定的，即，洪灾系统的致灾因子、承灾体、孕灾环境和灾情。系统要素空间分图4人均GDP 与不同经济易损性关系

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

表2不同等级洪灾经济易损性的空间分布特征

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

类型

Category5等级

Rank5等级尺度

Scale5地域分布

Spatial distribution直接易损性5高50.428 671-1.000 0005安徽、湖北、江西、湖南、黑龙江、吉林和内蒙古5较高50.265 861-0.428 6705山东、江苏5中50.067 431-0.265 8605浙江、福建、河南、广东、广西、重庆、四川、陕西较低50.037 951-0.265 8605天津、河北、宁夏、贵州、云南低50.000 001-0.037 9515辽宁、广东、云南、北京、天津、河北、山西、陕西、宁夏、甘肃、青海、新疆间接易损性5高50.681 021-1.000 0005江西、安徽、黑龙江和内蒙古较高50.266 491-0.681 0205湖南、湖北、江苏和吉林中50.176 171-0.266 4905河南、重庆和广西较低50.094 141-0.176 1705山东、福建、四川和贵州低50.000 001-0.094 1405辽宁、广东、云南、北京、天津、河北、山西、陕西、宁夏、甘肃、青海、新疆总易损性5高50.540 951-1.000 0005湖南、湖北、江西、安徽、黑龙江、吉林和内蒙古较高50.352 311-0.540 9505江苏省中50.214 091-0.352 3105山东、重庆和广西较低50.106 831-0.214 0905陕西、河南、四川及沿海的浙江、福建和广东低50.000 001-0.106 8305辽宁、贵州、北京、河北、甘肃、宁夏和新疆

布决定了易损性的地域特征，例如，地貌、降水等自然因子和地区产业结构，人口分布等社会因子，在地域空间具有明显的分异规律，这使得易损性分布具有地区差异，更重要的是由于不同地区的防灾减灾能力和灾害意识不同，导致不同地域灾害损失存在差异，这些使得易损性地域分异更加突出。为了揭示洪水灾害易损性的地域特点，作者利用IIMTSDEA 模型分别计算洪灾直接经济易损性、间接经济易损性和总经济易损性，并用GIS自动分类方法对易损性等级进行分类，其结果列入表2。

表2可见，间接经济易损性地域范围不同于直接经济易损性空间分布，不同等级的洪灾直接经济易损性和间接经济易损性具有不同特点，例如，在高等级的易损性中，直接经济易损性最高区域是安徽、湖北、江西、湖南、黑龙江、吉林和内蒙古等省区，但是，间接经济易损性最高区域为江西、安徽、黑龙江和内蒙古等省区，其它类型的易损性等级分布也不完全存在对应性，也就是说，同一地域就不同的易损性类型而言，可能处在不同等级，例如，1998年洪灾最严重的地域是湖南和湖北，其直接经济易损性处于最高等级，而间接经济易损性处于较高等级，类似情况也出现在其它省区。

造成这种易损性空间地域差异主要有两个原因：第一，灾害易损性主要受灾害损失的影响。对照表1发现，经济易损性分布和经济损失分布相对应。直接经济损失高的地区，其相应的直接经济易损性就高，二者的相关系数达0.850 232；间接经济损失与间接经济易损性相关系数是0.88 853，直接经济损失与间接经济易损性的相关系数为0.722 83。说明间接经济损失越大，间接易损性也越大；总的经济易损性与直接和间接经济损失密切相关，总的经济易损性与直接经济损失的相关系数为-0.303 23，与间接经济损失相关系数为：-0.156 6。第二、地域灾害间接经济损失主要受地域产业部门关联的影响。产业关联损失主要作用机制是产业之间的前向关联效应和后向关联效应，其作用过程如图5所示。若产业部门B因灾害遭到破坏，则可能引起部门A的后向关联损失、部门C的前向关联损失，并影响最终需求和消费，造成市场供需不平衡，引起物价、劳动力就业与失业、国民收入、储蓄和投资水平等的变化，进而影响国民经济总值和经济增长速度[33]。间接经济损失的差异直接影响间接经济易损性的空间分布地域特征。

图5产业关联损失传导路径

Fig.5Industrial linkage loss propagation path

3结论和讨论

通过IIM 模型计算了1998年洪灾引起的各个地区的间接经济损失，结合TSDEA模型评价了此次洪灾的直接经济易损性、间接经济易损性和总经济易损性。研究发现：

（1）洪灾直接易损性和间接易损性具有不同的空间分布规律。因为不同地区有不同的产业结构，随着经济的发展，经济体在部门上和地理空间上连成一个整体，不同部门存在不同的前向和后向产业关联效应，一个特定的部门或地区的灾害损失通过宏观经济乘数产生放大效应，导致直接经济易损性规律不同于间接经济易损性。这种现象意味着在减轻灾害易损性的管理实践中，综合考虑直接和间接经济易损性两个要素，更有利于灾害的恢复。

（2）经济发展水平与洪灾易损性程度之间存在倒U 型关系。因为中等发达经济体通常有更发达的抗灾和救灾设备和资金，具备小规模私人储蓄和财政救灾能力。在较高的发展水平，灾害损失是巨大的，但灾害的经济影响的比例较少。一方面是由于发达经济体在减缓和增加投资防备措施和改善环境管理上，能获得更多的金融资源，另一方面，很多部门的经济资产通过保险和再保险途径解决。这提醒我们在灾害管理实践中，对所有类型的灾害，减少灾害风险和发展经济的目标的同时实现不能被认为是互补的，风险厌恶的灾害管理者在不同的收入水平下会做出不同的风险收益权衡的选择。

（3）这种结论也可以推广到不同经济发展水平的国家和不同灾害类型。Okuyama[30]利用EMDAT和慕尼黑 Res NatCat 数据库对1960-2007年间184个灾害事情进行研究，发现灾害经济损失与不同国家经济发展水平之间也存在倒U型曲线关系（图6-a），除了经济易损性与经济发展水平之间存在非线性关系之外，人口易损性与经济发展水平之间也存在这种关系， Kellenberg[34]研究发现，不同类型灾害（如洪水，滑坡，风暴）的死亡人数与人均收入之间存在一个非线性关系。虽然各国的国内生产总值人均水平大约低于$4 500-$5 500，灾害死亡人数增加，但是此后就开始下降。滑坡灾害死亡人数与经济发展水平的拐点是出现在人均GDP为3 360美元阶段，风暴灾害死亡人数与经济水平拐点出现在人均GDP为4 688美元阶段，洪灾灾害死亡人数与经济发展水平的拐点出现在人均GDP为5 044美元阶段（图6-b）。图6经济水平和灾害损失倒U型曲线

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

最后需要指出，虽然基于IIMTSDEA模型评价洪灾易损性方法既考虑了洪灾给关联经济部门及地区造成的间接经济影响，又具有客观性评价的优点，但是也不能忽视该模型在灾害易损性评价指标选取方面存在的缺陷。例如，抗灾救灾系统指标考虑较少，各省抗洪堤坝长度、灾害保险水平等，这使得省域的洪灾恢复力指数未考虑进来，可能导致结果的偏差。

（编辑：常勇）

参考文献（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]杨修，孙芳，林而达，等.我国玉米对气候变化的敏感性和脆弱性研究[J].地域研究与开发，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]蒋勇军，况明生，匡洪海，等.区域易损性分析、评估及易损度区划[J].灾害学，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]商彦蕊.农业旱灾风险与脆弱性评估及其相关关系的建立[J].河北师范大学学报，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]刘兰芳，关欣，唐云松.农业灾害脆弱性评价及生态减灾研究——以湖南省衡阳市为例[J].水土保持通报，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]刘兰芳，刘盛和，刘沛林，等.湖南省农业旱灾脆弱性综合分析与定量评价[J].自然灾害学报，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]刘兰芳.衡阳盆地农业旱灾脆弱性研究[J].热带地理，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，苏筠.小空间尺度农业旱灾承载体脆弱性评价初探——以湖南省常德市鼎城区双桥坪镇为例[J].地理与地理信息科学，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，魏一鸣.灾害对国民经济影响的定量分析模型及其应用[J].自然灾害学报，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.