构建社区抗灾韧性与制定地方韧性定量指标 | 社区应对气候变化

《构建社区抗灾韧性》系列之三：制定地方韧性定量指标

文献：Deeming, H., Fordham, M., Kuhlicke, C., Pedoth, L., Schneiderbauer, S., & Shreve, C. (Eds.). (2019). Framing community disaster resilience. John Wiley & Sons.

不同维度和时间尺度的韧性规划和建设是社区有效应对气候变化与其他风险最强有力的工具。本书《构建社区抗灾韧性》从资源和能力、学习和行动三个视角切入，探讨建设社区抗灾韧性的emBRACE方法框架、案例和社区韧性指标制定与测量的混合方法。

第八章  制定衡量地方一级韧性的定量指标

‍

Sebastian Jülich

Regional Economics and Development, Economics and Social Sciences, Swiss Federal Institute for Forest Snow and Landscape Research, Birmensdorf, Switzerland

1. 引言

开发用于韧性分析的定量指标目前逐渐成为自然灾害韧性研究中的趋势，定量指标有助于决策者针对最不具韧性的群体优先考虑预防行动。本章探讨了在地方一级量化自然灾害抗灾韧性的可能性和制约因素。虽然国家或地方一级的指标大多采用从人口普查等途径获得的二次来源数据，但在大多数情况下，地方一级有必要收集新数据。本章的主要目的是研究如何在地方一级制定具有不同运作阶段的韧性指标。

在社会科学自然灾害研究中，“风险”和“脆弱性”是十年前的主要术语。然而，作为一个集合性的概念，“韧性”一词越来越重要（Alexander 2013），本章对其进行了说明，并包含在“emBRACE 社区抗灾韧性框架”（见第6章）中。在灾害风险和脆弱性研究中，其中一个研究领域是量化（Birkmann 2006）。因此，在抗灾韧性研究中，其中一个环节就是通过指标对抗灾韧性进行量化。

指标是从一系列观察到的事实中得出的定量或定性的度量，这些事实揭示了分析单元在给定区域中的相对位置。指标有助于确定趋势和提请注意特定问题。它们还有助于确定政策优先事项，利于制定基准或监测绩效。当单个指标根据基础理论模型或框架汇编成一个指数时，就形成了一个综合指数。理想情况下，综合指数应衡量单个指标无法捕捉的多维概念。通过这种方式，综合指数可以总结复杂的多维现实以支持决策者（OECD 2008; Tate 2012）。

韧性的测量对于监测韧性降低的状况及比较韧性提升的收益和相关成本至关重要。换言之，韧性指标有助于确定提高韧性的优先需求。除此之外，韧性指标是建立基准值或参考点的基础，从中可以衡量韧性的变化。

单指标制定过程中的第一步是通过定性研究阐明应实施哪些措施，并调查可观察特征与由此产生的韧性之间的因果关系。这些联系和特征因地点、语境和灾害而异。这种定性研究是发展定量指标的基础。定量指标有助于决策者优先考虑预防行动，以提高韧性。但所谓指标的范围很广，通常没有明确说明。因此，下一节中以东印度的抗旱能力为例，提出了指标运作不同阶段的示意图。之所以选择这个实证性深度研究的例子，是因为它对于阐明量化的差异非常有用。在接下来的章节中，使用此操作示意图来说明定量指标开发中的可能性和约束。这借鉴了在瑞士Grisons州的emBRACE阿尔卑斯山案例所进行的实证研究。

适用于国家或区域层面的韧性指标大多采用现有统计数据（Cutter et al. 2008; Burton 2015）。国家一级的指标允许在国家之间进行比较，省级或县级指标允许根据数据可用性对国家以下地区进行比较。在更高的分辨率下，地方一级的韧性评估面临的挑战是在现有的二次来源数据下，通常无法生成市政内不同家庭或地区的比较报表。当它可用时，由于隐私关系通常受限。因此，在地方一级进行韧性评估时，通常需要收集新数据。如果个体防灾是一个指标的重点，那么家庭可能是最合适的分析单位。家庭（household）可以定义为组织和开展经济生产、消费、继承、育儿和庇护所的基本居住单元，它可能与家庭（family）同义或不同义（Haviland 2003）。当涉及到捕捉地方层面的组织问题时，例如灾害响应能力，那么市政当局可能是最合适的分析单位。如果通过基于地点的分析进行韧性测量，则地图上的栅格可以作为分析单位。

本章的主要目的是研究如何制定地方一级的韧性指标，重点将放在方法问题和指标操作的不同阶段。

2. 指标操作阶段

在指标的操作过程中，定义模糊的指标和完全量化的指标之间存在着广泛的差异，而这往往没有得到解决。为了解决这一差距，提出了不同指标操作阶段的分类。为了阐明这些不同的阶段或指标运作的程度，引入了信贷可得性作为东印度农村地区抗旱能力的示例（Jülich 2013、2015）。该设置用于说明指标量化的七个阶段。表8.1说明了指标操作的七个顺序阶段，从第一阶段到第七阶段，量化程度不断增加。

在东印度，家庭获得信贷是提高韧性的一个重要因素，因为对于许多家庭来说，在干旱期及干旱期过后借钱是一项主要的应对策略。除了家庭可以提供的安全保障外，家庭可以获得信贷条件的决定因素是其在村庄社区内的社会网络和声誉。在正规机构范围里，来自印度国家银行的信贷，对于拥有土地并以土地所有权形式证明这一点的自给农民，如果土地作为信贷担保，则年利率（pa）为12%。如果家庭拥有足够的土地作为担保，他们就有可能获得这种形式的信贷。土地的质量和肥力必须达到抵押要求，并且需要正式的土地产权。

如果正规的信贷筹集失败，家庭将依赖于从非正规机构借款。一些家庭可以向村外的亲戚借钱，通常不用支付利息。其他非正规领域由当地贸易商主导，他们的利率远高于正规放债人。如果家庭可以提供一定数量的黄金作为抵押，主要是女性佩戴的穿孔珠宝，则利率为每月3%（pm），如果每月定期支付利息，则产生36%的pa。如果只有农具或动物可以作为安全保障，家庭的情况会更糟。在这种情况下，必须支付5% pm/60% pa的利率。然而，特别是在干旱期间，一些家庭无法提供任何安全保障，如黄金、器皿或动物，因为他们已经被卖去买食物了。如果没有提供担保，信用关系是基于信任的，交易人必须知道借款人。在这种情况下，利率为10%pm/120%pa。依赖此类信贷被视为社会韧性较低的标志。

从短期来看，这些信贷可能有助于应对干旱，但研究（Jülich 2015）表明，从长期来看，它们往往导致过度负债。这种过度负债会耗尽未来的发展选择，因此，获得信贷的机会决定了伴随某些信贷条件而来的过度负债风险，这些信贷条件也会影响韧性能力。与该地区现有的替代方案相比，拥有3%pm利息和亲属信贷的贸易商承担相对较低的过度负债风险。

对抗旱能力和信贷之间因果关系的定性研究是开发指标的基础，该指标将信贷作为抗旱能力的一个维度。

表8.1抗旱性示例的指标运作阶段

序号	指标操作阶段	印度东部抗旱能力指标示例
1	仅指标标准	信用起着一定的作用
2	指标标准与指定分析单元的链接	获得信贷起着重要作用
3	定义的韧性连结方向 （正相关或负相关）	获得信贷可提高韧性
4	指定的指标标准	以合理利率获得信贷可提高韧性
5	定义的分析单位	获得合理利率的信贷可以提高家庭的韧性
6	所有指标标准均已实施	获得年利率低于12%的信贷可以提高家庭的韧性
7	完全量化指标	家庭在干旱时可获得的利率低于12%pa的信贷来源数量除以3是一个从0到1的韧性衡量标准（允许与反映其他抗旱能力维度的其他单一指标相结合）

3. 定量指标开发

emBRACE阿尔卑斯山（瑞士地区）案例研究的定量指标开发以一般假设为指导：抵御自然灾害的能力在地方一级有所不同，可以通过指示抗灾程度的可衡量特征来体现。根据这一假设，我们得出了一个中心研究问题：在地方一级，韧性是否存在可测量的差异？为了回答这个问题，出现了以下次要问题：哪些社会经济或人口特征可以用来衡量地方一级人口的抗灾韧性？如何利用这些特征来指示抗灾韧性？由于抗灾韧性是一个具有多个维度的复杂现象，无法用单个指标来衡量。需要几个局部指标来反映抗灾韧性的多层面性质。

为了调查韧性的这些方面，在瑞士Grisons对自然灾害预防、灾害应对和信息平台领域的各种利益相关者进行了专家访谈，基于此开发了一个矩阵，在一个轴上显示研究区域内可能发生的所有自然灾害（暴雨和降雪、雪崩、风暴、风、冰雹、洪水、泥石流、岩崩、落石、滑坡、地震、干旱），在另一个轴上显示以下指导性问题：谁在过去的灾害中特别受到影响，谁没有受到影响？哪些措施有助于应对灾难？谁对灾难非常知情、了解并做好准备，而谁不是？谁能从灾难中恢复得最好，谁会在恢复中苦苦挣扎？谁会从灾难中获得正外部性？谁拥有比其他人更多的人力、社会或金融资本？谁是有韧性的，谁不是？这些指导性问题的目的是追踪可测量的特征，这些特征可作为衡量抗灾韧性差异的指标。

在形成矩阵后，向灾害专家询问了该地区可能发生的各种灾害组合，并提出了上述指导性问题。引导性问题被用作面试开场白，以确定主题指标复合体（例如当地防灾知识）。一旦确定了这样一个主题综合体，就对其所有相关方面进行了深入调查（例如，家庭在村庄的居住时间），这是定量指标制定的定性基础。然后，将矩阵访谈产生的三个主题指标复合体作为开发定量指标的示例输出。这些综合体——停留时间、过去的灾害和警报系统，将在接下来的三节中进行阐述和讨论。所有三个指标均已完全量化，但提供了部分较低量化阶段，以讨论不同量化阶段的可能性和约束。

4. 停留时间作为部分韧性指标

所有接受调查的灾害专家都证实，家庭在实际地点的停留时间与自然灾害意识之间存在正相关关系。在这种形式下，指标已在第四或第五阶段投入使用（见表8.1），具体取决于分析单元的确定。

为了进一步量化，采用了为Buchecker等人（2016）研究收集的未发表实证数据。本研究探讨了能够积极影响当地人口对综合风险管理态度的因素。研究者在两年前发生灾难性洪水事件的两个瑞士阿尔卑斯山谷进行了家庭调查（Demeritt et al. 2013）。调查向勒琴山谷的所有家庭和坎德尔山谷较大面积地区的家庭随机抽样发送了2100份标准化问卷。有效率为30%。按受访者在村庄的居住时间细分，表8.2显示了关于居民防灾知识的两个问题的结果。

表8.2居民对其防灾知识和在山谷中停留时间的评估

_	勒琴山谷多年居民	坎德尔山谷多年居民
我对自然灾害预防措施非常了解	不同意	43	27
相当不同意	40	38
相当同意	43	35
同意	45	42
我知道村里哪些地方有危险	不同意	30	35
相当不同意	36	33
相当同意	42	35
同意	45	39

一般来说，所有受访者在两个山谷的停留时间相对较长。在坎德尔山谷，停留时间的增加与受访者有效评估其防灾信息水平的情况相关。在勒琴山谷，居住时间与对村庄风险地点的了解之间存在明显的相关性。这一数据表明，对于生活在同一山谷的人来说，预防知识最多可以增加40年。灾难专家证实，在一个地方居住的前10年内，学习曲线非常陡峭。在量化方面，这表明了0年的最小目标成本、40年的最大目标成本和曲线的对数运行。一级方程式涵盖了这三个特征。分析单位是一个家庭，唯一的输入参数是该家庭在村庄内的居住时间。

公式1创建的值介于（包括）0（最低韧性）和（包括）1（最高韧性）之间。该最小化函数不允许大于1.0的值。因此，采用了Goalposts的概念（OECD 2008, p. 85; UNDP 2007, p. 356）。高于40年停留时间的值不会产生进一步的影响，也会导致指标值为1.0。根据表8.1中提出的指标运作阶段分类，指标公式1在第七阶段完全量化。图8.1显示了计算曲线的运行，在横轴上显示输入参数，在纵轴上显示根据韧性指标公式1得出的韧性水平。

图8.1停留时间指标曲线

5. 对过去自然灾害的认识作为部分韧性指标

灾害专家指出，灾害影响在发生时当然主要是负面的，可一旦灾难的直接影响得以承受，灾难就开始在意识建设方面发挥积极作用。因此，过去的灾害对人们的意识产生了积极影响，从而提高了他们的抗灾韧性。作为危害（hazard）的灾害（disaster）表现形式，在灾后增加了投资减缓措施的意愿（另见第11章）。研究也表明灾害对制定预防措施起到了催化剂的作用，这些措施先前已计划好，但没有政治支持来调动资金。

这导致了第三阶段的可操作指标：该地区过去发生的灾害增加了韧性。通过将其表述为特定灾害，该指标将进入第四阶段：该地区发生特定类型的灾害（洪水、泥石流、雪崩等）可提高抵御该类型灾害的能力。

为了将第四阶段的指标进一步细化为第五阶段，可以将分析单位定义为州或市。如果在第三阶段和第五阶段之间操作，则通过实证研究收集该指标的数据相对容易。然而，时间维度、过去灾害的强度及其空间维度仍然不确定。对于6级或7级指标量化，必须定义这三个子因素，下文各小节对此进行了概述。

5.1单因素时间

首先，我们研究时间问题。所有接受采访的专家都证实，人们对自然灾害的积极记忆极其短暂，但很难确定人们忘记的速度有多快。然而，一些专家指出，5年后，相当多的记忆消失了，10年或15年后，只有极少数人记得这场灾难，因为它塑造了他们的实际预防行为。Wagner（2004年，第84、88页）以高山地区的河流洪水为例，对遗忘曲线进行了研究。

他发现，半值时间约为14年。因此，14年后，只有一半的人仍然记得该地区发生了某种洪水。以美国的洪水风险感知为例，Lave和Lave（1991，第265页）将洪水保险作为洪水记忆消退的指标。他们发现，洪水事件发生后，对洪水保险的需求急剧上升，但如果没有新的重大洪水事件，每年约有15%的保单持有人会放弃其洪水保险，这导致半值期只有大约四年。我们必须区分两种情况，一种是当研究人员提出仅仅记住一场灾难的要求，如Wagner（2004年）的情况，另一种是积极回忆一场灾难，以便它仍然形成采取或维持缓解措施的意识和意愿，如Lave和Lave（1991年）的情况。对于指标操作，当然需要捕捉后者。这就是为什么在量化这一意识指标的时间因素方面，遗忘曲线有一个相当陡峭的指数下降趋势。

当灾害发生不到一年时，单因素时间的最大值为1.0，当灾害发生15年前时，最小值为0.0。如果15年前发生过灾难，则赋值将变为负数。这就是为什么选择最大化函数来消除负值。图8.2显示了自灾难以来的年数转换为产生的单因素时间。

图8.2意识指标单因素时间曲线

5.2单因子强度

Wagner（2004）的研究表明，危险事件的大小对遗忘曲线有很大影响。和专家讨论的措施指出，伤亡是对过去灾难严重程度的一种体现。大多数灾害数据库都记录了死亡人数，伤亡人数可用于所有类型的自然灾害。与其他国家相比，瑞士自然灾害造成的伤亡人数相对较低，这就是建议将死亡人数上限定为10人的原因。

图8.3显示了灾害造成的伤亡转化为由此产生的单因素伤亡

图8.3意识指标单因素伤亡曲线

在其他国家使用这一指标时，必须仔细修订这一单一因素，因为伤亡并不总是区分危险事件严重程度的最佳措施。在某些情况下，受影响人员或财产的数量可能是更合适的衡量标准。曲线非线性运行的证据太弱，这就是公式3以线性方式直接构建的原因。

5.3单因子距离

最后一个单一因素是过去灾害的空间维度。研究表明，居住地与危险发生点之间的距离起着至关重要的作用。在这里，与前面的单因素一样，必须定义距离。由于地形、媒体的范围和个人的活动范围会影响对灾害的感知，因此特别难以确定最大目标和曲线的运行。在咨询灾害专家后，建议进行一次简单的直线测试，起点直线距离为50公里，这使得地理信息系统（GIS）内的实施更加简易。

图8.4展示了将灾害距离转换为结果单因子距离的转换

图8.4意识指标单因子距离曲线

5.4三个单一因素的组合

所有三个单因子产生的值都在0到1之间。这三个单因素在公式5中组合，因此仅产生0（表示低韧性）和1（表示高韧性）之间的指标值。

将三个单因子公式2、3和4插入公式5，得到公式6。

分析单位是地图上的栅格。输入参数为过去15年发生的所有有人员伤亡的灾害。灾难发生的地点必须进行地理编码。通过公式6将这些输入参数插入GIS，可以计算每个栅格的值。如果栅格受到多个灾难的影响，则会将相应的值相加。高于1.0的值应削减至1.0。

6. 警报服务作为部分韧性指标

上述两个指标产生的连续韧性值介于0和1之间。现在探索警报系统的主题复合体，以演示如何在第七阶段量化方面，将二元指标转换为这个数字维度。

研究清楚地表明，订阅研究区域现有自然灾害预警服务之一的个人和家庭（例如Meteoswis和各自的州公共建筑保险系统）比其他人更有韧性。及时收到来源可靠的警告信息可能会影响个人安全转移人员及财产的效率，例如，前往安全区、在洪水发生时将贵重物品带到楼上、在冰雹发生时将汽车停放在车库、当进入封闭山谷的唯一道路可能被雪崩或泥石流等堵塞时，处于最佳位置。

该指标被定义为全有或全无指标。因此，它只允许两个值：如果被分析的家庭或个人未订阅警告服务，则为0.0；如果订阅了至少一个自然灾害警告服务，并且始终携带激活的警告设备来确保收到警告，则为1.0。

这一部分韧性指标最合适的分析单位是个人或家庭。如果要在抗灾韧性方面比较城市的子部分，可以调查一个地区的所有家庭或随机抽取样本，然后计算平均值。

7. 结论

以瑞士Grisons州为例，本章制定了三个地方级自然灾害韧性指标。在这个过程中，定性研究是构建定量指标的基础。对于每个指标，提供了不同的量化阶段，以说明如何制定量化的可操作指标，并检查其优缺点。为此，提出了不同指标运作阶段的分类，从模糊的定性标准到完全量化的指标。

本章概述了指标运作的不同阶段，如果制定了几个完全量化的单一指标，则将输入参数转换为反映韧性水平的相同数值维度至关重要。否则，单个指标不能以复合指数的形式组合。在本研究中，选择0.0到1.0之间的值作为其指标值范围，0表示最低/无韧性，1表示最高韧性。大多数综合指数，如发展署制定的“人类发展指数”（Human Development Index），在0到1之间运行（UNDP 2007, p. 356）。该数值范围的主要优点是，与0-10或0-100等数值范围相反，所有数学运算在整个范围内具有相同效果。将高于和低于1的输入指标值与相同的等式一起使用，则在某些情况下会扭曲结果。这就是对于所有开发的单一指标，选择将输入变量转换为0.0到1.0之间的数字的原因。

更高水平的量化并不自动等同于更高的韧性评估相关性。然而，目前决策者和实践者对韧性的具体量化措施的需求越来越大。这种愿望总是需要科学来解决，目的是进行韧性评估，以确定指标运作的适当阶段。根据目前关于研究区域韧性的定性知识，定量指标可以被视为最佳的定量操作。量化指标并非涵盖所有时间和区域。当指标从一个区域或国家转移到另一个区域或国家，或从一个灾害环境转移到另一个灾害环境时，必须仔细重新验证这些指标，以确保它们实际衡量了目标概念。

本文由郝一丹和郑欢翻译编辑，郝一丹目前在读北京师范大学碳汇测算领域硕士；郑欢毕业于德国弗莱堡大学全球化研究硕士和澳洲国立大学环境研究和社会学学士，目前从事城市韧性发展和气候适应领域工作。