基于粒子群算法研究气候变化对国家脆弱程度的影响

摘要：理解气候变化对国家脆弱性的影响对于国家规划与国家发展具有重大意义。本文的研究分成两部分：首先，本文用温度与降水的变化来表示气候变化。利用相关性分析，确定了温度，降水与国家脆弱程度的相关关系。其次，以苏丹为分析对象。本文利用非线性回归拟合了温度及降水与5个相关指标的函数，绘制了在温度与降水变化下的脆弱性空间分布曲面，通过粒子群算法计算出其脆弱性最低点，并进行敏感性分析。

关键词：气候变化；国家脆弱程度；非线性回归；粒子群算法

1 问题背景

在“联合国气候变化框架公约”（UNFCCC）中，气候变化被定义为“经过相当一段时间的观察，在自然气候变化之外由人类活动直接或间接地改变全球大气组成所导致的气候改变。”尽管还存在某些不确定因素，但大多数科学家仍认为及时采取预防措施是必需的。

脆弱的国家是州政府无法或不选择向其人民提供基本要素的国家，一个脆弱的国家，其国家权威，基本服务供给和合法性等方面处在失效状态或面临失效风险。

气候变化给人们带来的损失是难以估量的，在脆弱国家尤为突出。这些国家由于其地理位置和自然条件的原因面临着更大的气候风险，他们国家内的暴力，贫困和薄弱的治理也削弱甚至破坏了他们应对气候风险的复原能力。随着气候变化频率和幅度的增加，气候变化也对脆弱国家向和平与稳定发展提出了巨大的挑战。

1.1 前人研究成果

气候变化已经成为一个被广泛关注与研究的全球性環境问题。许多研究也聚焦于气候变化对国家脆弱性的影响。

例如：Geoff Dabelko认为脆弱性需要在更宽阔的社会和环境层面去理解，气候变化是国家能力与发展的威胁因素与压力来源.IISD报道了脆弱国家及其人口对气候变化的敏感性远比其他国家强，其复原能力也很差；IPCC在2007年报告指出，发展中国家在面对气候变化带来的社会经济影响时显得尤为脆弱。

纵观前人对气候变化与国家脆弱性的研究，多数侧重于定性分析，定性分析的较少，而本文的目标就是将气候变化与国家脆弱性之间的关系量化。

1.2 问题分析

为了更好地理解气候变化对国家脆弱性的影响，以及量化出气候变化对国家脆弱性所起到的作用，本文的工作主要分成以下几步：

按照一定的原则建立用于评估国家脆弱性的指标体系，利用主成分分析构建模型，划分脆弱与稳定的分界线。通过相关性分析明晰气候变化与脆弱性指标的相关关系。

以苏丹为研究对象，利用非线性回归分析拟合其温度与降水和相关指标的曲线，并绘制出在温度和降水影响下，苏丹的脆弱性空间分布图，通过粒子群算法找出其脆弱性最小值点。然后在剔除温度与降水影响的5个指标后，对剩余的12个指标进行敏感性分析。？

2 气候变化的影响方式

气候变化是指长时间气候状态的改变，本文用不同时期温度和降水的变化来表示。

2.1 以阿根廷为例

本文采用的国家脆弱性指标分为两级：一级指标分为农业，经济与技术，人口与资源，生活水平四个维度；每个维度继续细分，划分为二级指标，共17个具体指标。

（1）农业包含：农业雇员（占女性人口的百分比）；农业雇员（男性人口的百分比）；农业雇员（占总人口的百分比）。

（2）经济技术包含：人均GDP（美元购买力平价）；GNI（总计，PPP）；农村人口；债务偿还（%GNI，在十进制期间平均）；内部难民；科学家和工程师每百万人口的研发；研发投资（%GNP）。

（3）生活标准包含：人均卫生支出；公共卫生支出；获得卫生设施的人口。

（4）人口和资源包含：人口密度；森林覆盖；粮食生产指数；人均水资源。

本文收集了阿根廷17个原始指标10年（1991-2000）的数据，发现每个指标值在10年内有规律的变化但是存在波动。

具体分析如下：1991-2000年阿根廷人均水资源大致呈下降趋势但是存在波动，当降水量在600毫米附近波动时，X的值也在0附近波动，且波动方向大致一致。

因此，本文认为，降水并不是与人均水资源自身指标值相关，而是与其差值有关。

相关性分析用于衡量变量间的相关密切程度。于是，本文用阿根廷的温度与降水这两个参数分别与17个指标差值进行相关性分析，结论如下：

温度与粮食生产指数，GDP，内部难民变动幅度相关；

降水与农业从业人员（占女性人口的百分比），人均水资源的差值及变动幅度相关，符合实际。

结论：气候变化通过温度和降水影响食品生产指数，GDP，内部难民，农业雇员（占女性人口的百分比），人均水资源，进而间接影响国家的脆弱性。

3 气候变化与脆弱性之间的关系

（1）温度与食品生产指数，GDP，内部难民相关；

（2）降水与农业雇员（占女性人口的百分比），人均水资源相关。

为了具体了解气候变化与脆弱性之间的相关关系，采用回归分析的方法。

回归分析是确定变量间相互依赖的定量关系的一种统计分析方法，通过非线性回归分析去拟合他们之间的关系。

3.1 温度与食品生产指数的函数

以食品生产指数为被解释变量，温度T为解释变量。通过直观观察，本文用二次曲线来进行拟合。

设X1=AX2+BX+C

以苏丹为研究对象，对其Xi与T分别进行10次采样，得到10个样本点，利用非线性最小二乘法通过最小化误差的平方和来计算a，b，c的值。利用MATLAB进行求解，得到回归曲线为：X7=-2.776+109T2+1.562×1011T-2.19×1012

计算的R2为0.3045，0.3005，0.37010，0.3259，0.4112，表明拟合效果较好。

体现极端天气如极热，强降水和干旱的影响。

4 苏丹脆弱性的分析

4.1 脆弱性的分布

以温度为横坐标，降水为纵坐标，脆弱性得分值为竖坐标，建立空间三维坐标系。其中，温度取值区间为[0，40]，每0.1取值一次，共401个值。降水取值区间为[0800]，每20取值一次，共401个值。

对2000年的苏丹进行分析。根据苏丹不受气候变化影响的12个指标值，利用控制变量的原理，计算出在温度或降水变化时对应的脆弱性值F，共401*401=160801个F值。

于是，本文可得到160801個空间点。利用插值得到苏丹脆弱性空间分布，苏丹的脆弱性值分布在一个凹面上，在某一位置，将取到其最小值，即最不脆弱的状态。

4.2 由粒子群算法计算最低脆弱度

粒子群算法是一种通过迭代寻求最优解的进化算法，本文采用PSO计算出4.1中凹面最低点坐标。

在二维的搜索空间中，设定每30个粒子组成一个群体。每个粒子的位置是一个潜在解，根据计算出来的脆弱性值判断其优劣。粒子经历过的最好位置记为F*，整个群体的所有粒子经历过的最好位置记为F**通过不断迭代，对粒子所在的位置不断进行更新。最终得到的最低点位置坐标为（27.9，472，15.19）从这一最低点出发，其温度降低或升高及降水增加或减少直至发生极端天气，脆弱性提高。

参考文献：

[1]L. C. Sieghart and D. Rogers， “Addressing climate change in fragile states，” 2013.

[2] Z. Li， “Double balanced construction for climate change – from the perspective of cost-benefit analysis，” International outlook， no. 4， pp. 42–56， 2013.

[3] T. Liu and T. Wu， “Evaluation criteria for vulnerable countries，” Leadership Science Forum， no. 13， pp. 17–26， 2016.

作者简介：

牛静怡（1997.4.20-）女，汉族，河南省南阳市，身份证号：411321199704200024，本科生，研究方向：水文与水资源工程