《Progress in Disaster Science》：Assessing climate vulnerability across districts of Odisha, India: A multidimensional index-based approach
编辑推荐：
摘要翻译：气候变化引起的环境退化要求进行适应性和可持续的资源利用规划。然而，发展不均衡、社会经济不平等以及日益加剧的气候变率已在全球范围内加剧了脆弱性。为应对这些挑战，本研究基于政府间气候变化专门委员会（IPCC）框架构建了复合脆弱性指数（CVI），整合了暴露
摘要翻译：气候变化引起的环境退化要求进行适应性和可持续的资源利用规划。然而，发展不均衡、社会经济不平等以及日益加剧的气候变率已在全球范围内加剧了脆弱性。为应对这些挑战，本研究基于政府间气候变化专门委员会（IPCC）框架构建了复合脆弱性指数（CVI），整合了暴露度、敏感性和适应能力，涵盖社会、经济、物理和环境四个领域。该分析覆盖了印度东部易受灾的奥迪沙邦的30个地区，使用了37项精心筛选的指标。研究人员采用主成分分析（PCA）来确定指标权重，以生成各领域分项指数，随后将其汇总为综合CVI。利用QGIS绘制了脆弱性的空间格局，并通过替代权重技术和空间统计验证评估了其稳健性。结果显示存在显著的区域差异，其中马尤尔布汉杰（Mayurbhanj）、科拉普特（Koraput）和巴兰吉尔（Balangir）地区表现出高脆弱性（CVI 0.92–1.00），其驱动因素包括医疗保健可及性差、住房不足、土地退化、森林覆盖率低、地下水枯竭以及高社会经济敏感性。相比之下，贾尔苏古达（Jharsuguda）、科尔达（Khordha）和安古尔（Angul）地区表现出相对较低的脆弱性（CVI 0.16–0.29），这反映出其通过更好的基础设施、灌溉覆盖率、连通性、更高的地区收入以及改善的人类发展成果而具备更强的适应能力。空间自相关分析证实了各地区脆弱性存在显著聚集，凸显了区域脆弱性热点的存在。环境与物理维度成为整体脆弱性的主要贡献因素，突显了针对生态恢复和基础设施加固的有针对性的适应需求的必要性。
论文解读文章
**研究背景与问题的提出**
气候变化是21世纪全球面临的最严峻挑战之一，对人类社会和自然环境产生了深远影响。极端气候事件如洪水、热浪、干旱和热带气旋已从罕见现象转变为新常态，其发生频率和强度不断上升。2000年至2022年间，全球共发生9416起重大自然灾害，影响超过43亿人，造成138万人死亡，经济损失超过3.5万亿美元。然而，灾害的影响并非均匀分布，而是因各国和各地区的暴露度、敏感性和适应能力不同而存在显著差异。理解这些异质性的脆弱性格局，能够为识别风险区域和制定基于证据的政策响应提供科学基础。
南亚国家在自然灾害中遭受的人员和财产损失位居全球最高之列，其中印度排名居首。根据2025年气候风险指数，印度在191个国家中灾害风险排名第5位。印度多元的社会经济和气候特征、对气候敏感部门的高度依赖、稠密的人口以及环境退化，加剧了其对自然灾害的脆弱性。在此背景下，跨空间尺度评估脆弱性对于制定有效的国家和国家以下各级适应与减缓战略至关重要。
脆弱性概念本身具有内在的复杂性、多维性和跨学科性。IPCC框架将脆弱性定义为暴露度、敏感性和适应能力的函数，这一综合社会经济与生物物理方法在气候变化研究中被广泛采用。基于指标的方法已日益成为评估各尺度脆弱性的公认途径。在印度，已有研究覆盖了沿海半岛地区、印度-恒河平原、卡纳塔克邦沿海、北方邦、比哈尔邦北部、泰米尔纳德邦干旱区和喜马拉雅地区等不同地理区域。
奥迪沙邦是印度气候暴露与社会经济脆弱性交织的典型代表。该邦在印度各邦脆弱性排名中位列第3，常被称为印度的“灾害之都”。奥迪沙邦面临频繁的气候极端事件，加之高贫困率、人口压力、粮食不安全和气候敏感型农业的依赖，使其脆弱性进一步加剧。尽管已有诸如“气候变化行动计划”和“灾害防备行动计划”等进步性举措，但在将这些框架转化为有效的本地干预措施方面仍存在挑战。现有的地区级脆弱性评估往往缺乏系统性整合，未能在统一框架内纳入社会、经济、物理和环境四个领域，忽略了对脆弱性结构性驱动因素的深入识别，难以为有效的本地化适应战略提供充分信息。
**研究目标与核心问题**
针对上述知识空白，本研究基于IPCC和Balica等人的框架，提出以下研究问题：（1）如何利用综合框架量化奥迪沙邦地区级气候致灾脆弱性？（2）地区级脆弱性的空间格局和领域特定驱动因素是什么，以指导本地化干预？研究旨在开发一个综合复合指数以实证评估奥迪沙邦所有地区的脆弱性，并通过空间制图识别脆弱性热点。研究采用多维框架，整合演绎与归纳方法，基于主成分分析（PCA）的权重方法，为评估次国家级气候脆弱性提供了一个可复制的框架。
**研究方法与技术路线**
本研究的数据来源包括印度人口普查、地区统计手册、奥迪沙邦农业统计、水资源信息系统、年度自然灾害报告等公开数据源。研究采用以下关键技术方法：（1）指标筛选：初始确定55项指标，利用域内成对Pearson相关矩阵（阈值>0.70）剔除冗余指标，最终保留37项指标；（2）归一化处理：采用修正的线性最小-最大缩放技术将指标转化为0.1至1的范围内，以避免零值对后续聚合的影响；（3）PCA权重确定：分别在四个领域内应用PCA，基于特征值大于1的主成分和因子载荷计算指标权重；（4）指数构建：基于IPCC框架分别计算领域脆弱性指数（VI = 暴露度×敏感性/适应能力），并用几何平均聚合四个分项指数得到综合脆弱性指数（CVI=?√(VI社会·VI经济·VI物理·VI环境)）；（5）敏感性分析与不确定性评估：通过等权重方法比较、不同归一化下限（0.01、0.05、0.20）检验、替代加性公式检验、自助法和蒙特卡洛模拟评估结果稳健性；（6）空间统计分析：使用全局Moran's I和局部空间关联指标（LISA）验证空间聚集模式；（7）外部有效性验证：将CVI排名与历史灾害后果记录进行比较。
**主要研究发现**
**一、领域分项脆弱性空间分布**
**社会领域：** 研究表明社会脆弱性呈现显著空间差异。马尔坎吉里、纳巴朗格普尔、努阿帕达和拉亚加达地区因高婴儿死亡率（51-61‰，邦平均36‰）、低HDI（低至0.447）、高农村贫困率（平均76.47% vs 邦平均67.1%）和卫生设施短缺（88%家庭无厕所）而高度脆弱。这些地区通信设施覆盖率极低（6.6%-7.7%），直接制约信息流通和备灾机制。相比之下，科尔达（Khordha）和克塔克（Cuttack）因较高通信覆盖率（33.8%和23.5%）和较高HDI（0.809-0.853）而处于最低脆弱性类别。研究指出，人类发展和基础设施显著降低了社会脆弱性。
**经济领域：** 经济脆弱性分析显示出清晰的空间格局，西部和南部地区（科拉普特、巴兰吉尔、德奥加尔）经济脆弱性最高。科拉普特地区高净播种面积（263,000公顷）、高抚养比（43%）和低人均DGDP（约125,000卢比）表明其严重依赖农业且适应能力薄弱。巴兰吉尔地区（经济脆弱性排名第2）和科拉普特（排名第1）的农业劳动力占比高达38-50%，其经济结构单一性严重削弱了应对气候冲击的能力。相比之下，贾尔苏古达、安古尔、克塔克和科尔达依托产业多元化（煤炭和电力部门）和较高人均GDP成为经济上最不脆弱的地区。
**物理领域：** 马尤尔布汉杰和肯奥杰尔地区因基础设施限制和环境压力表现出高物理脆弱性。城市建成区扩张缺乏充足排水系统和绿色覆盖加剧了城市洪涝风险。这些地区房屋质量堪忧（马尤尔布汉杰15.8%、肯奥杰尔18.5%为土房或茅草屋顶），缺乏抵御极端气候事件的结构强度。高比例家庭（81.4%和84.9%）缺乏私人卫生间设施。相反，贾尔苏古达、加贾帕蒂、布德和德奥加尔等地区因低城市建成区和较好住房条件而物理脆弱性最低。
**环境领域：** 巴拉索尔和孙达尔加尔地区环境脆弱性最高。1990年至2024年间，巴拉索尔记录了23起灾害事件，孙达尔加尔经历了16起。高降雨变率（17.8%和16.3%）、高地荒废面积、低森林覆盖（9.48%和18.35%）以及高地下水开采率（53.08%和48.78%，邦平均46.24%）加剧了生态脆弱性。布德、坎达马尔、贾尔苏古达和德奥加尔因相对较好的自然生态条件（高森林覆盖率73.06%、低土地退化）而环境脆弱性较低。
**二、综合脆弱性指数（CVI）空间格局**
综合脆弱性指数揭示了显著的区域差异。马尤尔布汉杰、科拉普特和巴兰吉尔是最脆弱的地区（CVI 0.92-1.00），其多维贫困率极高（马尤尔布汉杰44.90%，为全国平均14.95%的近三倍）。南部和西部的KBK区域（涵盖卡拉汉迪、巴拉汉吉、科拉普特等地区）表现出整体高脆弱性。相反，贾尔苏古达、科尔达和安古尔（CVI 0.16-0.29）因高人均收入、高等教育水平和工业化基础（如NALCO、NTPC、MCL等大型公营企业）而脆弱性最低。值得注意的是，没有任何地区进入“最低脆弱”或“极低脆弱”类别。
**三、空间统计验证**
全局Moran's I检验结果显示，综合脆弱性指数分布呈显著正空间自相关（Moran's I = 0.5303, p = 0.001），表明脆弱性水平相似的地区在地理上趋于聚集。社会领域聚集最强（I=0.5695），其次为物理（I=0.3305）、环境（I=0.2769）和经济（I=0.1794）。LISA分析识别出东北部（马尤尔布汉杰、巴拉索尔）和西南部（科拉普特、卡拉汉迪、纳巴朗格普尔）的高-高聚集区，以及中东部（桑巴尔普尔、克塔克、纳亚加尔、甘贾姆）的低-低聚集区。
**四、方法稳健性与外部验证**
敏感性分析表明，PCA权重与等权重的斯皮尔曼等级相关系数非常高（社会0.98、经济0.9786、物理0.9969、环境0.8171）。不同归一化下限（0.01-0.20）情景下排名相关系数保持在0.932-0.968之间。替代加性公式（VI_A = (E+S+(1-AC))/3）与原乘法公式的等级相关在0.890-0.988之间。蒙特卡洛模拟（±5%扰动）的相关系数达0.9969，自助法（500次重抽样）显示标准误仅为0.0226，95%置信区间为0.2734-0.3621。外部验证显示，5个最脆弱地区经历了更多的洪水、干旱和旋风事件，受灾害影响人口、农作物和资产损失也显著更高，而5个最不脆弱地区的灾害影响程度相对较低。
**研究结论与讨论**
研究基于IPCC（AR4）框架和Balica & Wright的领域特定方法，对奥迪沙邦各地区开展了多维脆弱性评估。研究采用演绎和归纳相结合的方法进行指标选择，确保方法严谨性和背景相关性。CVI结果揭示了鲜明的区域差异：南部和西部（马尤尔布汉杰、科拉普特、巴兰吉尔）高度脆弱，主要归因于频繁干旱和降雨不足的暴露、基础设施和社会经济敏感性以及有限的适应能力；而贾尔苏古达、科尔达和安古尔等地区依托较高人均GDP、改善的HDI、较好灌溉和基础设施处于低脆弱等级。领域分析表明物理和环境因素是总体脆弱性的主要贡献者。
研究强调，脆弱性降低工作应针对受影响最严重的领域，而非采取一刀切策略。高社会和物理脆弱性地区需重点投资于教育、医疗和韧性基础设施；生态脆弱地区应优先考虑森林恢复、可持续水资源管理和备灾工作；加强治理、制度支持和社会安全网对提升适应能力至关重要。将地区级脆弱性概况纳入灾害风险减少和气候适应计划，将促进奥迪沙邦及类似地区更具公平性、有效性和情境敏感性的韧性建设。该研究框架可复制用于评估其他经常受极端气候事件影响的发展中国家背景，为将脆弱性评估纳入国家适应和灾害风险管理框架提供实用指南。加强数据系统和跨部门协调对于维持这些努力至关重要，将多维脆弱性指标嵌入政策设计有助于将适应规划从被动危机管理转向主动韧性建设。
研究发表于《Progress in Disaster Science》。
