当前世界环境

介绍

脆弱性是指增加个人或社区对任何灾害影响的易感性的条件。由于其地理位置、脆弱的经济实力和高人口密度，孟加拉国被认为是最容易受到自然灾害影响的国家。^1、2几乎每年，这个国家都会经历各种自然灾害，如飓风、风暴潮、海岸侵蚀、洪水、山体滑坡和干旱。^3.孟加拉国的地理位置和地貌条件使该国容易受到自然灾害的影响。^{2, 4 - 5}虽然这个国家很小，但对灾害的脆弱性在空间上是不同的。孟加拉国南部是最容易遭受飓风灾害的地区。孟加拉国沿海地区约有4600万人生活在高度易受飓风影响的地区。统计数据显示，2009年和2014年，巴里萨尔省(主要是沿海地区)约78.31%的家庭受到了飓风的影响。⁶每隔三年，一场严重的气旋就会影响孟加拉国的沿海地区^{7 - 8}夺去了数千人的生命，其中一半以上是女性。⁹

孟加拉国政府与非政府组织和国际发展伙伴一道采取了若干措施，以减少旋风造成的破坏。这些举措包括改善气旋预警系统、建造气旋避难所和沿海堤防、沿海岸线植树(主动防风林)以及组织致力于气旋预警传播和救援行动的志愿者团体。¹⁰文献报道了这些活动在减少气旋破坏方面的成功。^{10 - 15}许多文章还报道了这些活动在灾后救援行动和长期重建过程中的无效。由于政府自上而下的方式、不对称的优先顺序、在选择救济对象和建设飓风避难所等基础设施方面的政治干预，减灾措施的好处并不是平等地惠及所有社会成员。^{3、11、16日至18日举行}

一些文学作品^{2,在18到22岁}有文件表明，由于身体、社会、经济和环境等因素，女性在飓风中比男性更容易受到伤害。例如，1991年孟加拉国的飓风造成13.8万人死亡，其中许多是40岁以上的妇女。¹⁸由于社会建构的性别角色和权力关系，女性的脆弱性与男性有很多倍的不同。²²由于妇女几乎占孟加拉国人口的一半，因此有必要了解她们的脆弱性程度以及影响她们脆弱性的因素。

在全球范围内，对飓风脆弱性进行了许多研究，包括经济状况、^{第23 - 25}住房条件和聚落格局;²⁶其他生计选择²⁶几乎没有其他因素可以决定脆弱性的程度。一些研究^16日,27日将灾害脆弱性与气候变化联系起来。大量研究^{5、13 28-31}研究了气旋易损性的潜在因素。此外，一些研究^3、16重点关注社区应对和缓解措施。^26日,28日大量的研究^{2、尺码17日}利用卫星图像和建模工具识别灾害热点地区。同样的，一些研究^26日,35采用脆弱性指数来解释空间脆弱性程度。虽然这些研究是关于飓风、社区和区域减轻脆弱性措施的，但对弱势群体的性别或社区特定识别非常有限。

现有的脆弱性文献对脆弱性的评估方法和指标比较多样化，扩展范围有限。此外，这些文献大多缺乏综合方法，往往只考虑几个重要指标。由于评估者的部门或客观偏见以及没有考虑脆弱性指标之间的相互关系，这些脆弱性评估过程可能产生有偏见的结果。例如，根据传统评估，来自经济和住房条件较差地区的妇女可能被认为极易受到旋风灾害的影响。然而，如果妇女住在离避风处较近的地方;由于邻近因素，漏洞得分可能会更低。相比之下，经济实力较强、住房条件较好的妇女如果住在远离市场、医疗设施的地方，就容易受到飓风的影响³⁶或者是风暴潮时的避难所。^26日,28日这些因素在现有的脆弱性评估方法中没有得到很好的处理。此外，还有一些因素，尤其是与女性有关的因素，比如身体状况，^36-38的年龄,¹⁸培养个人和团队理解预测的意识和能力的教育水平;^39-40儿童在灾难发生时的年龄、使用紧急设施的机会、其父母的地位(富有或活跃的父母可能在紧急情况或灾后恢复时提供帮助)、在家庭中的角色(照顾无法搬到更安全地方的老年家庭成员);⁴⁰社会规范(女性穿着shaes——一种传统服饰，当她们试图在潮汐中游泳时，这种服饰会阻碍她们的行动)可能是气旋易损性的关键决定因素。^41-43此外，还有其他几个因素对妇女户主家庭的灾后恢复产生不利影响。由于男性外移，女性户主家庭的数量增加，也增加了妇女在自然灾害期间的责任和脆弱性。灾难发生后，妇女通常没有足够的设施来满足其家庭需要或寻找住所。减灾办法未能充分满足妇女的生殖健康需要，反过来，妇女的健康受到不成比例的损害。

另一方面，个人或地区的脆弱性状况往往以定性的形式表达，即高度脆弱、中等脆弱等。^{37岁的44-45}这限制了脆弱性在个人或地区之间排名的可能性。在资源紧张的情况下，对弱势群体进行排名是非常必要的。政府、非政府组织、捐助机构、企业以及志愿团体在任何灾难发生后都提供捐款/救济。弱势群体通常得到定期社会安全方案的支持，即孟加拉国的弱势群体供餐方案，作为长期康复过程的一部分。在大多数情况下，自愿基金或救济受援者不是在系统程序中选出的，这种程序经常因个人或政治影响而受到批评。一个系统的预先定义/评估的弱势群体排名可以解决在设定或选择援助接受者方面的许多问题。一些研究^{26岁,35岁,39岁}采用基于指数的沿海行政单位排名，从而根据脆弱性程度对某些地区进行划分。然而，确定最脆弱或最不脆弱的地区并不一定能解决整个问题。尽管如此，我们仍然需要确定极端到最不脆弱的人群，以便制定优先事项或系统计划，这可以被视为提前一步。此外，这些研究的结果不具有广泛的适用性，更适合于一个地区，难以与另一个地区进行比较。这些指标对整体脆弱性的重要性和程度可能在空间上有所不同。与此同时，重要性和大小可能存在空间差异。因此，一个地区的脆弱性估计很难与其他地区进行比较。因此，必须使脆弱性的结果标准化，使一定程度的脆弱性在整个区域或国家具有相同的含义。

为了克服这些限制，本研究提出并证明了一个复合框架，以确定妇女的整体脆弱性。与传统的脆弱性研究相比，基于分数的脆弱性评估方法具有许多优点。首先，它不仅包括传统的脆弱性指标，还纳入了在总体脆弱性得分中权重不同的性别指标。其次，用整数值表示脆弱性得分，易于理解，具有较宽的空间可比性，便于在脆弱社区之间进行排序。第三，将区域信息和标准化相结合，使不同地区脆弱社区之间的空间比较成为可能。具有一定脆弱性的个体无论在哪个地区都会传达相同的含义，这使得可以根据居民的脆弱性对地区进行排名。

研究区域

本研究对来自孟加拉国四个沿海地区(Patuakhali、Bagerhat、Khulna和Satkhira)的十个村庄的140名随机选择的受飓风影响的妇女进行了脆弱性框架测试，图1显示了研究地点。所研究村庄的社会人口特征载于表1。

图1:研究区域位置图 点击此处查看图

表1:所研究村庄的社会人口特征。

区	Satkhira	战争怎样惊人地扩大	Bagerhat	Patuakhali
Upazila	Shyamnagar	Dacope	Rampal	Kalapara
村庄(s)研究	Datinakhali, Burigoalini, Chokbara	Pankhali, Hoglabone, Katabonia	Hurka	Kachimkhali Newapara Nishanbaria
区(公里2）6	1968.23	991.56	335.45	491.89
人口(万)6	0.32	0.15	0.16	0.24
男女比例6	93	One hundred.	112	103
总户数(千)在upazila6	72.28	36.60	38.17	57.53
研究家庭数(本研究)	45	30.	30.	35
主要土地用途	农业	农业	农业	农业
平均住户人数(人/户)6	4.39	4.13	4.04	4.10
家庭平均收入(美元/年)6	2218.75	2739.22	1722.38	2073.64
整体识字率(%)6	49	56	58	52
女性识字率(%)6	17.4	39.8	56.4	51.5
避风塘数目	8	15	9	116
医院和诊所的数目6	22	11	10	10
市场/集市的数目	45	13	23	27
离海距离(公里)	83	60	75	20.
平均高程(m)	5	5	7	6
占海岸堤防保护总面积的%46	45.0	65.0	10.43	70.34
2009年和2014年飓风造成的经济损失(百万美元)6	37.74	26.01	26.63	20.93
2009年和2014年飓风造成的死亡人数(人)6	59	7	3.	97

方法

漏洞指标和状态

代表适应能力、易感性和暴露程度的18个指标被用来定义个人的脆弱性。根据脆弱性指标的状态确定脆弱性程度。每个指标的状态都被赋予一个基于漏洞潜力的整数值或漏洞评分。指示器状态值的取值范围为1 ~ 5,1表示脆弱性较小，5表示脆弱性较大。本研究考虑的脆弱性指标及其状态说明如表2所示。

数据收集

数据是从孟加拉国西南地区四个沿海行政单位的10个村庄收集的。研究的村庄是根据地理位置、社会环境条件和现有文献中解释的脆弱性因素有目的地选择的。Shyamnagar和Dacope Upazila村受到强大的孙德尔本斯山脉的保护，相对远离海岸，其特点是土地利用区以高盐水产养殖为主。相反，Kalapara Upazila的村庄相对靠近海岸，在海洋和村庄之间没有森林屏障，其特点是土地利用区以低盐农业为主。Rampal Upazila唯一的村庄代表了其他村庄的中等特征。共有140名已婚妇女接受了预先测试的结构化问卷调查。在没有遵循任何统计程序的情况下，从各个村庄选择了所研究的妇女人数。然而，在选择研究家庭时，采用了系统的随机抽样程序。数据收集于2016年7月至2018年12月期间完成。所研究村庄的样本分布和社会人口特征见表1。

表2:脆弱性指标、指标状态及对应的指标值。

因素	指示器	解释	指示器状态	对应的状态值
适应能力	家庭收入 (美元/年)47	家庭收入高的人更有可能避免/应对任何自然灾害。富人通常拥有很好的房子，可以抵抗任何损坏，即使损坏也能很快恢复。	> 3000	1
			2400 - 3000	2
			1200 - 2400	3.
			600 - 1200	4
			< 600	5
	家庭收入来源48	有可靠收入来源的人不太容易受到伤害(即服务)。在飓风期间，水产养殖和农业更容易受到破坏。在灾难期间和之后，日工的需求和报酬增加，因此灾后恢复损失的可能性更高。	服务/汇款	1
			业务	2
			一天劳动	3.
			农业	4
			水产养殖	5
	教育36岁,49	与受教育程度较低的人相比，受教育程度较高的人能够更好地理解预测并提前做好准备，因此不太容易受到影响。	大专及以上学历	1
			直到高中	2
			不识字的	3.
	家庭人数(人/户)50	人口较多的家庭通常经济实力较差，往往难以撤离，损失的可能性也较高。	< 5	1
			5 - 8	2
			> 8	3.
	资产所有权(以美元计算)51-52	拥有流动资产或固定资产增加了复苏的机会/能力。	> 10000	1
			5000 - 10000	2
			2000 - 5000	3.
			＜2000	4
			没有资产	5
	户主每年不在家的时间	男性户主可以更迅速、更安全地应对灾难。男性户主缺席的时间越长，家庭应对/恢复灾难的能力就越差。	N/A	1
			1 - 2月	2
			3 - 5月	3.
			> 5月	4
	婚姻状况53	离婚和寡妇比已婚妇女更容易受到伤害。	结婚了	1
			离婚了	2
			寡妇	3.
	前往最近的医疗机构或市场的交通工具36	灾后，生活在交通不便地区的人很难获得医疗服务或生活必需品。	机动私家车	1
			机动公共/租用车辆	2
			非机动私家车	3.
			非机动出租车辆	4
			步行	5
磁化率	年龄49岁,54	生理年龄往往决定了人的应对能力。老年妇女更容易受到旋风的影响。	< 25年	1
			批准年度	2
			40-55年	3.
			> 55年	4
	健康状况36岁,38岁,49	残疾人比健康人更容易受到伤害。	健康的	1
			部分残疾人	2
			禁用	3.
曝光	住房条件26日,49	一个好的稳定的房子减少了飓风的脆弱性。	混凝土屋顶	1
			铝板/锡屋顶	2
			本地瓦片/茅草屋顶	3.
	距离安全饮用水源4	由于盐碱化问题，沿海地区安全饮用水源稀缺。因此，易访问性降低了脆弱性。	< 100米	1
			100 - 300米	2
			300 - 500米	3.
			> 500	4
	获取气旋预报26	拥有通讯设备可以增加获得气旋预报的机会。	电视+广播+移动+互联网	1
			电视+手机	2
			仅限手机或无线电	3.
			N/A	4
	最近的避风塘情况26日,28日	条件差或不能容纳气旋的避难所使人们没有动力搬到那里。	宽松的	1
			Non-accommodative	2
	离最近的避风处的距离26日,28岁,55	住在飓风避难所附近的人更有可能在飓风灾害期间搬到那里，因为那里很方便。	< 0.5公里	1
			0.5 - 2公里	2
			2 - 4公里	3.
			4 - 6公里	4
			> 6公里	5
	距离最近的医疗机构的距离38	离医疗机构较远的距离减少了在飓风中受伤后接受治疗的机会。	< 2公里	1
			2 - 4公里	2
			> 5公里	3.
	从空中到大海的距离56	靠近海洋的地区更容易受到飓风和风暴潮的影响。	> 80公里	1
			50 - 80公里	2
			20 - 50公里	3.
			< 20公里	4
	在大海和被访者的房子之间存在自然风57	森林等天然防风林的存在可能会吸收冲击，减少伤亡。	茂密森林(>50公里)	1

共进行了7次焦点小组讨论(Focus Group discussion, FGD)来验证脆弱性评分的结果。在Dacope、Shyamnagar和Kalapara Upazilas进行了两次烟气脱硫，而在Rampal只进行了烟气脱硫。在fgs期间，共有123人出席，包括农民(56人)、商人(27人)、家庭主妇(14人)、教师(9人)、社区代表(7人)、社区保健工作者(6人)和非政府组织工作人员(4人)。FGDS在2018年10月至2019年4月期间进行。

指标值规范化

如表2所示，脆弱性指标处于不同的状态(不同的单位和尺度)和对应的值，需要对其进行归一化。指标值按照开发计划署的规定归一化⁵⁸(Eq. 1)。18个指标归一化后的指标值均在0 ~ 1之间。1代表最大漏洞，0代表最小漏洞。

指标权重估算

由于所有脆弱性指标的权重与整体脆弱性的权重不相等，因此在Iyengar和Sudarshan之后对每个指标的权重进行估计。⁵⁹利用入户调查结果，通过Eq. 2估算脆弱性指标的权重。指标权重取值范围为0 ~ 1。0表示无权重，1表示最大权重。

加权漏洞评分的计算

通过式4，最终计算出每个女性的加权脆弱性评分(WVS)。WVS介于0和1之间。1代表最大漏洞，0代表最小漏洞。

脆弱类

根据表3对估计的wvs进行分类。

表3:漏洞类

脆弱类	“全球价值调查”主要根据范围
极度脆弱	> 0.70
脆弱的	0.50 - 0.70
中度脆弱	0.30 - -0.50
最小或非易损性	< 0.30

统计分析与数据处理“，

采用主成分分析(PCA)和正交旋转(Kaiser归一化的方差旋转)来了解脆弱性指标在脆弱性评分中的贡献。采用Kaiser-Meyer-Olkin抽样充分性检验和Bartlett球性检验来评价因子分析的适宜性。特征值> 1.0，筛选测试是提取成分的依据。使用IBM SPSS Statistics 16 (IBM Corp.， Armonk, NY, USA)进行分析。

结果与讨论

漏洞指标和状态

脆弱性指标的估计权重和指标状态频率如表4所示。避风塘状态权重最大(0.0982)，到安全饮用水的距离权重最小(0.0024)。在Rampal、Dacope和Shyamnagar，大多数家庭的收入来自于做临时工。另一方面，在卡拉帕拉，农业是家庭的主要收入来源。研究女性的平均年龄为40.3岁(STDEV±13.9)。来自Shyamnagar的研究女性相对年轻(平均38.2岁)，最年长的来自Kalapara(平均43.4岁)。研究女性的家庭规模变化不大，平均值为4.6，标准差为±0.6。研究妇女的平均家庭收入估计为2176美元/年(STDEV±1241)。数据显示，Dacope的家庭收入最高，而Rampal的收入最低。离最近的医疗设施和气旋避难所的平均距离分别为2.8 (STDEV±1.1)公里和1.3 (STDEV±0.6)公里。

脆弱性指标之间的相关性

7个脆弱性指标的相关矩阵如表5所示。Blanden和Gregg的分析显示，家庭收入与学年有统计学显著的正相关(P < 0.0001)⁶⁰与风暴站的距离(P < 0.001)。

表4脆弱性指标权重及指标状态频次。

Sl。N。	指示器	指示器状态	指标权重(w)j）	频率
				R	D	年代	K
1	家庭收入	> 3000	0.0617	0	0	0	3.
		2400 - 3000		1	2	4	6
		1200 - 2400		19	9	20.	8
		600 - 1200		7	12	18	11
		< 600		3.	7	3.	7
2	家庭收入来源	服务/汇款	0.0648	3.	1	0	3.
		业务		6	5	8	7
		一天劳动		10	18	24	6
		农业		4	6	11	17
		水产养殖		7	0	2	2
3.	教育	大专及以上学历	0.0786	4	5	0	5
		直到高中		13	17	29	11
		不识字的		13	8	16	19
4	家庭规模	< 5	0.0658	18	8	14	8
		5月8		11	20.	26	21
		> 8		1	2	5	6
5	资产所有权(以美元计算)	> 10000	0.0512	0	0	0	4
		5000 - 10000		2	4	11	6
		2000 - 5000		12	6	21	4
		＜2000		15	17	6	12
		N/A		1	3.	7	9
6	户主每年不在家的时间	N/A	0.0532	19	23	33	18
		1 - 2月		3.	4	10	5
		3 - 5月		5	2	2	3.
		> 5月		3.	1	0	9
7	婚姻状况	结婚了	0.0392	25	23	40	31
		离婚了		0	0	0	0
		寡妇		5	7	5	4
8	前往最近的医疗机构或市场的交通工具	机动私家车	0.0583	3.	1	0	8
		机动公共/租用车辆		18	19	36	13
		非机动私家车		2	8	1	2
		非机动出租车辆		7	2	8	10
		步行		0	0	0	2
9	年龄	< 25年	0.0399	0	2	3.	4
		批准年度		12	16	18	23
		40-55年		12	8	20.	6
		> 55年		6	4	4	2
10	健康状况	健康的	0.0495	25	18	26	31
		部分残疾人		5	9	13	4
		禁用		0	3.	6	0
11	住房条件	混凝土屋顶	0.0464	1	2	1	6
		铝板/锡屋顶		5	15	17	18
		本地瓦片/茅草屋顶		24	13	27	11
12	距离安全饮用水源	< 100米	0.0024	0	9	2	19
		100 - 300米		2	4	1	13
		300 - 500米		6	6	9	3.
		> 500		22	11	33	0
13	获取气旋预报	电视+广播+移动+互联网	0.0485	0	0	0	2
		电视+手机		3.	4	1	8
		仅限手机或无线电		22	24	36	16
		N/A		5	2	8	9
14	最近的避风塘情况	宽松的	0.0982	23	21	18	3.
		Non-accommodative		17	9	12	32
15	离最近的避风处的距离	< 0.5公里	0.0533	13	8	15	10
		0.5 - 2公里		14	21	25	12
		2 - 4公里		1	1	5	5
		4 - 6公里		2	0	0	1
		> 6公里		0	0	0	2
16	距离最近的医疗机构的距离	< 2公里	0.0515	5	10	15	12
		2 - 4公里		24	18	26	16
		> 5公里		1	2	4	7
17	从空中到大海的距离	> 80公里	0.0496	30.	0	0	0
		50 - 80公里		0	30.	45	0
		20 - 50公里		0	0	0	0
		< 20公里		0	0	0	35
18	在大海和被访者的房子之间存在自然风	茂密森林(>50公里)	0.0405	0	0	45	0
		茂密森林(10-50公里)		30.	30.	0	0
		森林/人工林(<10公里)		0	0	0	0
		缺席		0	0	0	35

受过教育的人收入更高，对飓风引发的灾害风险更有意识，并考虑搬到一个避难所，即使是在更远的地方。家庭收入与家庭规模呈显著负相关(P < 0.01)。⁶¹通常情况下，越贫困家庭子女越多，家庭规模越大，家庭规模与受教育年限呈负相关(P < 0.05)。受教育程度越低，家庭规模越大，家庭收入越少。

表5脆弱性指标相关矩阵。

家庭规模	到最近医院的距离	离避风塘的距离	距离安全饮用水源的距离	年龄	家庭收入	学校一年
1	0.06	0.19*	0．25**	-0.09	-0.25**	-0.20*
0.06	1	0.03	0.32* * *	-0.11	-0.04	0.06
0.19*	0.03	1	-0.28**	0．02	0.33* * *	0.28**
0．25**	0.32* * *	-0.28**	1	-0.11	-0.05	-0.05
-0.09	-0.11	0．02	-0.11	1	0.12	0.07
-0.25**	-0.04	0.33* * *	-0.05	0.12	1	0.39* * * *
-0.20*	0.06	0.28**	-0.05	0.07	0.39* * * *	1

^{* * *}显著性为0.01%;^{* * *}显著在0.1%;^**显著在1%;^*显著在5%;学习任务;N = 140

脆弱性评分

估计平均漏洞评分为0.41 (STDEV±0.09)。平均漏洞得分最高的是Kalapara(0.47)，最低的是Dacope(0.37)。漏洞分类如图2所示。根据平均漏洞评分，研究的Upazilas依次为Kalapara > Shyamnagar > Rampal > Dacope。总体脆弱性排序与早期气旋(2009年和2014年)对这些地区造成的生命损失高度一致(表1)。然而，同一气旋造成的总经济损失排序不同(表1)。本研究仅考虑了个体脆弱性，未考虑社会或物理损失。因此，它与个体损失(死亡)非常吻合。在140名被研究的女性中，只有一名来自卡拉帕拉的女性属于“极度脆弱”类别(WVS> 0.7)。此外，卡拉帕拉容纳了“弱势”阶层中最多的妇女(50%)(0.49 0.71)。另一方面，Shyamnagar代表了“最低或非弱势”阶层女性的最大数量(50%)(WVS<0.3)。所有Upazilas的大多数妇女(78%)属于“中等弱势”阶层(0.29 - 0.5)。 The high vulnerability scores of the women from the Kalapara Upazila mainly dictated by two factors: proximity to the sea and absence of the windbreak (i.e. forest).

通过fgd对WVS进行验证，证实了WVS的代表性。此外，fgd为现有的VGF卡或紧急救援计划提供了重要的见解。FGD参与者在被地方政府列为优先事项时，有裙带关系和腐败的单一报告(n = 103,84 %)。大多数受访者报告说，飓风恢复援助项目在政府(n = 123, 100%)和非政府组织(n = 76, 62%)的努力中都存在严重的平等问题。超过93% (n = 115)的受访者认为，由于管理问题和对受影响人群的认识不足，艾滋病没有到达难以到达的地区。这表明，政府的努力不一定能惠及真正的弱势群体。FGD参与者同意基于评估的排名可能会改善这种情况(n = 117,95%)。

图2:漏洞类。 点击此处查看图

脆弱性因素

漏洞得分与漏洞指标的关系如图3所示。脆弱性得分与家庭收入和教育水平呈反比关系。直观的是，教育水平对了解灾害预测和备灾工作有影响。随着教育水平的提高，脆弱性的降低与一些关注其他类型灾害后果的文献一致。比如，萨米尔⁶²报告称，尼泊尔受教育程度较高的社区遭受洪水和山体滑坡的损失较小。同样，在印度尼西亚，受过高等教育的人在海啸后恢复得更好⁶³和日本⁶⁴以及泰国地震造成的损失⁶⁵。除了对灾难的了解和准备之外，受过教育的人收入更高，因此有强大的经济实力来应对。相比之下，脆弱性得分显示与家庭规模、离飓风避难所的距离、安全饮用水来源和医疗设施呈正相关。家庭规模与家庭收入和受教育年限呈负相关(表5)。这可以在许多复杂的社会因果关系中得到理解。例如(一)家庭规模较大，保健服务较少，营养摄取较少，教育成绩较差，认识较差，脆弱性较高;(ii)高度脆弱社区收养更多儿童(缺乏节育措施或期望在谋生方面得到更多支持)受教育程度较低(设施不足，难以接触到，不知情)意识较低，知识脆弱性较高。在一个类似的研究中，Ahsan³⁵评估特定地区的脆弱性(联盟;(一个行政单位)为邻近的Koyra Upazila(一个行政单位)，并报告说，脆弱地区的教育基础设施较差，识字率较低。

主成分分析(PCA)

主成分分析显示，6个分量占观察方差的63.77%。这表明脆弱性模型可以简化为一个六分量模型。此外，主成分分析表明，18个指标中有11个与第一主成分有很强的相关性。在这些指标中，靠近大海、家庭规模、家庭资产、家庭收入、防风林(森林)的存在以及沿海地区女性居民的年龄是脆弱性的关键决定因素。

图3:漏洞评分与漏洞指标之间的关系。 点击此处查看图

结论

本研究探索并提出了一个个体尺度的定量灾害脆弱性评估框架。该框架被用于评估气旋的脆弱性，并对孟加拉国沿海妇女进行排名。选择、定义并给予18个指标可能的地位。此后，从分布在四个沿海地区的随机选择的140名妇女中收集实地数据。将收集到的信息归一化，并估计指标的权重，得出研究个体的脆弱性数值得分。

WVS估计背后的背景假设表明，从家庭访谈中获得的回答是公平和公正的。由于我们没有这样的弱势群体排名，因此研究结果无法根据任何真实列表进行验证。结果仅在fgd期间得到验证，并发现了令人印象深刻的一致性。样本量也没有统计确定。本研究的目的是建立一个框架，并向决策者提供信息，以确认VGF或灾后救援工作的公平分配。目前的WVS可能不是稳健的，并且与未来的研究不同，因为它考虑了最小值和最大值来规范家庭反应。此外，本研究也认为，指标、指标的地位、得分等由于过于简化了复杂的场景而存在争议。但是，本研究认为，可以按照这种定量评价和排名的方法，考虑到其优于现行做法的优点，制订一种商定的和全面的方法。

该加权脆弱性评分具有易于理解、空间可比性强等优点。它包括与脆弱性相关的重要社会、自然和治理因素及其相对权重。不同区域的脆弱性得分通过归一化使区域脆弱性因素最小化，具有相同的意义。此外，它允许行政部门在弱势人群中排名，这可以促进公平分配救灾物资，减少腐败和非法政治干预的机会。此外，这个框架使我们能够确定一个地区的关键或高度敏感的脆弱性因素。最后，通过了解弱势群体的空间分布，为政策制定者应对自然灾害提供了额外的见解。可以通过在几个村庄进行试点和建立数据库来进一步检验这一框架的有效性。它可以在未来任何灾难期间和之后的传统救援工作中进行验证，更新(如果必要)和升级(如果可能)。

鸣谢

作者感谢所有焦点小组讨论参与者的贡献和努力。作者要感谢来自卡拉帕拉Kachimkhali的Zakir Hossain先生和Ashraful Hoque先生在实地数据收集期间的工作。我们也感谢两位匿名审稿人为改进本文提供的宝贵意见和建议。

资金信息

作者在研究、撰写和/或发表本文时未获得任何资金支持。

利益冲突

作者没有任何利益冲突。

参考文献

1. 阿里A.孟加拉国气候变化影响和适应评估。爬。Res。1999; 12(3): 109 - 116。doi: 10.3354 / cr012109。
   CrossRef
2. Karim M, Mimura N.气候变化和海平面上升对孟加拉国气旋风暴潮洪水的影响。全球环境。常。2008;18(3): 490 - 500。doi: 10.1016 / j.gloenvcha.2008.05.00
   CrossRef
3. Paul S. K, Routray J. K。孟加拉国沿海地区家庭对飓风和风暴潮的反应:应对策略和解释变量。Nat。危害。2011;57(2): 477 - 499。doi: 10.1007 / s11069 - 010 - 9631 - 5。
   CrossRef
4. Alam G. M. M, Alam K, Mushtaq S, Clarke M. l。孟加拉国河岸和河岸家庭对气候变化的脆弱性:对政策、生计和社会发展的影响。生态。印度语的。2017;72:23-32。doi: 10.1016 / j.ecolind.2016.06.045。
   CrossRef
5. 马利克B，艾哈迈德B，沃格特，J.孟加拉国西南沿海地区与飓风灾害风险的生活。环境。2017;4(1): 17。doi: 10.3390 / environments4010013。
   CrossRef
6. BBS。2015年孟加拉国灾害相关统计:气候变化和自然灾害前景。达卡:孟加拉国统计局;2015.
7. DDM。气旋风暴“AILA”摘要。达卡:灾害管理部;2009.
8. Dasgupta S, Huq M, Khan Z. H, Ahmed M. M. Z, Mukherjee N, Khan M. F, Pandey K.气候变化中的气旋:以孟加拉国为例，爬。Dev。2014;6(2): 96 - 110。doi: 10.1080 / 17565529.2013.868335。
   CrossRef
9. 吐唾沫。孟加拉国锡德飓风:灾害恢复和重建的损害、损失和需求评估。达卡:孟加拉国政府;2008.
10. CPP。(2018)气旋防备计划。达卡:孟加拉国政府;网站:http://www.cpp.gov.bd/Home(2018年3月27日访问)。
11. Hossain M. N, Paul S. K.孟加拉国沿海地区减灾措施的脆弱性因素和有效性。地球系统。环境。2018;2(1): 55 - 65。doi: https://doi.org/10.1007/s41748 - 018 - 0034 - 1。
    CrossRef
12. Alam E, Collins A. E.孟加拉国沿海地区的飓风灾害脆弱性和应对经验。灾害,2010;34(4): 931 - 954。doi: 10.1111 / j。1467- 7717.2010.01176.x.
    CrossRef
13. 为什么死亡人数相对较少?以孟加拉国的锡德飓风为例。Nat。危害。2009;50(2): 289 - 304。doi: https://doi.org/10.1007/s11069 - 008 - 9340 - 5。
    CrossRef
14. 李建军，李建军，李建军，李建军。沿海灾害的社会生态恢复力研究。科学。2005;309(5737): 1036 - 1039。doi: 10.1126 / science.1112122。
    CrossRef
15. Haque C. E.《东亚、南亚和太平洋岛国自然灾害的观点:社会经济相关性和需求评估》。Nat。危险。2003;29(3): 465 - 483。
    https://doi.org/10.1023/A:1024765608135
    CrossRef
16. Islam R, Walkerden G, Amati M.孟加拉沿海地区飓风灾后重建期间当地政府的家庭经验:韧性、公平与腐败。Nat。危害。2017;85(1): 361 - 378。doi: 10.1007 / s11069 - 016 - 2568 - 6。
    CrossRef
17. 李建军，李建军，李建军，等。基于gis的热带气旋灾害管理研究进展。Int。为名j .灾难。再保险风险。2017;22:345 - 354。doi: https://doi.org/10.1016/j.ijdrr.2002.008。
    CrossRef
18. 孟加拉国的性别和气候危害。新闻界。Dev。2002;10(2): 45 - 50。doi: 10.1080 / 13552070215906。
    CrossRef
19. Sutradhar L. C, Bala S. K, Islam A. K. M. S, Hasan M. A, Paul S, Rahman M. M, Pavel M. A. A, Billah M. A.孟加拉国气候变化良好适应实践综述。论文发表于:第五届水与洪水管理国际会议(ICWFM-2015);2015年3月6日至8日;达卡。
20. Patt A. G, dazeaz A, Suarez P.性别与气候变化脆弱性:问题是什么?解决方案是什么?，见露丝和伊巴拉兰主编的《气候变化和灾害的分布影响》。英国:爱德华·埃尔加出版社;2009.
21. 池田K.自然灾害中人员损失和脆弱性的性别差异:以孟加拉国为例。印度性别研究杂志。1995;2(2): 171 - 193。doi: https://doi.org/10.1177/097152159500200202。
    CrossRef
22. 张建军，张建军，张建军。环境灾害对社会脆弱性的影响。Soc。科学。Q。2003;84(2): 242 - 261。doi: https://doi.org/10.1111/1540 - 6237.8402002。
    CrossRef
23. 伊斯兰M. R.灾害中妇女的脆弱性与应对策略——以孟加拉国沿海地区为例。艺术系期刊。2012;4:147 - 169。doi: https://doi.org/10.3329/afj.v4i0.12938
    CrossRef
24. 李建平，李建平。自然灾害对人口预期寿命影响的实证研究[j]。安。Assoc。点。Geogr。2007;97(3): 551 - 566。doi: 10.1111 / j.1467-8306.2007.00563.x。
    CrossRef
25. [3]刘建军，李建军，刘建军，等。风险:自然灾害、人类脆弱性和自然灾害。伦敦:劳特利奇;1994.
26. Hossain M. N.。基于影响物理和社会经济因素的人类对旋风和风暴潮的脆弱性分析:来自孟加拉国沿海地区的证据。Int。为名j .灾难。再保险风险。2015;13:66 - 75。doi: 10.1016 / j.ijdrr.2015.04.003。
    CrossRef
27. Islam M. A, Mitra D, Dewan A, Akhter S. H.孟加拉国恒河三角洲沿岸多灾害脆弱性评估——地理空间方法。海洋海岸。管理。2016;127:1-15。doi: 10.1016 / j.ocecoaman.2016.03.012。
    CrossRef
28. 马力克，冯格特。飓风后人口迁移及其后果:来自孟加拉国沿海地区的经验证据。Nat。危害。2014;73(2): 191 - 212。doi: https://doi.org/10.1007/s11069 - 013 - 0803 - y。
    CrossRef
29. Quader M. A, Khan A. U, Kervyn M.评估气旋对孟加拉国沿海地区人类生命和生计的风险。Int。j .包围。Res.公共卫生。2017;14日(8):831。doi: http://dx.doi.org/10.3390/ijerph14080831。
    CrossRef
30. Mohiuddin M, Latif M. B.孟加拉国沿海地区住房状况研究[j]——以考克斯巴扎库图布迪亚为例。j .包围。科学。Nat。Resour。6(1), 15 - 20。https://doi.org/10.3329/jesnr.v6i1.22034
    CrossRef
31. Ali A.热带气旋和风暴潮对孟加拉国气候变化和海平面上升的脆弱性[j]， Erda, L.等编，亚洲和太平洋地区气候变化脆弱性与适应。多德雷赫特:施普林格;1996.doi: https://doi.org/10.1007/978 - 94 - 017 - 1053 - 4 - _16。
    CrossRef
32. Hoque M. A. A. Phinn S . Roelfsema C . Childs I.基于地理空间技术的热带气旋风险模拟。Int。J.数字地球。2018;11(3): 246 - 263。doi: https://doi.org/10.1080/17538947.2017.1320595。
    CrossRef
33. 塔斯尼姆K. M, Shibayama T, Esteban M, Takagi H, Ohira K, Nakamura R.孟加拉湾过去和未来风暴潮的野外观测和数值模拟:以纳尔吉斯气旋为例。Nat。危害。2015;75(2): 1619 - 1647。doi: https://doi.org/10.1007/s11069 - 014 - 1387 - x。
    CrossRef
34. Islam T, Peterson R. E.使用蒙特卡罗模拟的孟加拉海岸热带气旋风特征。应用科学杂志。2008;8(9): 1249 - 1255。doi: 10.3923 / jas.2008.1249.1255。
    CrossRef
35. Ahsan M. N, Warner J.社会经济脆弱性指数:评估气候变化导致的风险的实用方法——以孟加拉国西南沿海地区为例。Int。为名j .灾难。再保险风险。2014;8:32-49。doi: 10.1016 / j.ijdrr.2013.12.009。
    CrossRef
36. Brooks N, Neil A. W, Mick K. P.国家层面脆弱性和适应能力的决定因素及其对适应的影响。全球环境。常。2005;15(2): 151 - 163。doi: 10.1016 / j.gloenvcha.2004.12.006。
    CrossRef
37. 卡特S，米切尔J，斯科特M.揭示人和地方的脆弱性:以南卡罗来纳州乔治城县为例。安。Assoc。点。Geogr。2000;[j] .中南大学学报(自然科学版):5608.00219。
    CrossRef
38. 林赛·j·R.灾害脆弱性的决定因素:通过人口健康实现可持续减灾。Nat。危害。2003;28(2/3): 291 - 304。doi: 10.1023 /: 1022969705867。
    CrossRef
39. Morrow B. H.识别和映射社区脆弱性。灾害。1999;23(1)，第1 - 18页。doi: 10.1111 / 1467 - 7717.00102。
    CrossRef
40. 《社会不平等、危险和灾难》，丹尼尔斯，R. J.， Kettl, D. F.和Kunreuther, H.编:《风险和灾难:从卡特里娜飓风中吸取的教训》。费城:宾夕法尼亚大学出版社;2006.doi: 10.9783/9780812205473.109。
    CrossRef
41. 护理。风暴过后:孟加拉国对飓风的反应。达卡:与世界各地的美国救援合作;1991.
42. 博爱。飓风91:纪念。明爱孟加拉国:达卡;1991.
43. Haque C. E, Blair D.热带气旋的脆弱性:1991年4月孟加拉沿海气旋的证据。灾害。1992;16(3): 217 - 229。doi: 10.1111 / j.1467-7717.1992.tb00400.x。
    CrossRef
44. Clark G. E, Moser S. C, Ratick S. J, Dow K, Meyer W. B, Emani S, Jin W, Kasperson J. X, Kasperson R. E, Schwarz H. E.沿海社区对极端风暴的脆弱性评估:以马萨诸塞州Revere为例。,美国。Mitig。适应。stratocaster电吉他。Gl。1998;3(1): 59 - 82。doi: https://doi.org/10.1023/A: 1009609710795。
    CrossRef
45. Kumar T. S, Mahendra R. S, Nayak S, Radhakrishnan K, Sahua K. C.印度东海岸奥里萨邦沿海脆弱性评估。j .海岸。Res。2010;26(3): 523 - 534。doi: https://doi.org/10.2112/09 - 1186.1。
    CrossRef
46. BWDB。年度进度报告。达卡:孟加拉国人民共和国政府孟加拉国水发展局;2017.
47. [王晓明，李晓明。美国的贫困与灾难:社会学研究进展述评。]Nat。危害。2004;32(1): 89 - 110。doi: 10.1023 / b: nhaz.0000026792。76181. d9。
    CrossRef
48. 钱伯斯。可持续农村生计:面向21世纪的实用概念。伦敦:发展研究所;1992.
49. “灾害与脆弱性科学”的社会科学视角。地球物理灾害。多德雷赫特:施普林格;2009.相当于17 - 30。doi: 10.1007 / 978 - 90 - 481 - 3236 - 2 _2。
    CrossRef
50. [赵建军，李建军，李建军，等。人口构成、迁移与不平等:人口结构变化对灾害风险和脆弱性的影响。]社会力量。2008;87(2): 1089 - 1114。doi: 10.1353 / sof.0.0141。
    CrossRef
51. 温彻斯特。P.权力、选择与脆弱性:南印度灾害管理不善的个案研究。伦敦:劳特利奇;2014.
    CrossRef
52. 世界银行。1990年世界发展报告:贫穷。华盛顿:世界银行出版物;1990.doi: 10.1596 / 978-0-1952-0851-1。
    CrossRef
53. M Flatø M, Muttarak R, Pelser A.妇女、天气和灾难:南非女性户主家庭、经济脆弱性和气候变化的三角动态。世界开发。2017;90:41 - 62。doi: 10.1016 / j.worlddev.2016.08.015。
    CrossRef
54. Alam K, Rahman H.自然灾害中的妇女:来自孟加拉国南部沿海地区的案例研究。Int。为名j .灾难。风险再保险。2014;8:68 - 82。doi: 10.1016 / j.ijdrr.2014.01.003。
    CrossRef
55. 马立军，王志强。基于脆弱性地图集的可持续减灾研究。j .海岸。区等。2015;18(3): 409 - 419。doi: 10.4172 / 2473 - 3350.1000409。
    CrossRef
56. 通过地理空间技术分析印度东海岸海平面上升和沿海脆弱性。j .地球物理学。遥感。2015;4(2):145 doi: 10.4172/2169-0049.1000145。
    CrossRef
57. [1]刘振华，刘振华。热带气旋和干旱在太平洋小岛屿发展中国家的保险机制。Jàmbá:灾害风险研究杂志。小岛屿国家联盟,2016;8(1): 288。doi: 10.4102 / jamba.v8i1.288。
    CrossRef
58. Watkins K.人类发展报告2007/8。应对气候变化:分裂世界中的人类团结。人类发展报告。纽约:联合国开发计划署;2007.
59. 艾扬格N. S, Sudarshan P. A .一种基于多变量数据的区域分类方法。经济政治周刊。1982;17(51): 2047 - 2052。可在:http://www.jstor.org/stable/i401122。
60. [3]张建平，张建平。家庭收入与教育成就:英国家庭收入与教育成就的实证研究。《牛津经济政策评论》。2004;20(2): 245 - 263。doi: 10.1093 / oxrep / grh014。
    CrossRef
61. 影响孟加拉国农村家庭规模的因素。孟加拉国医学研究理事会公报。2004;(3): 115 - 124。
62. Samir K. C.尼泊尔社区易受洪水和山体滑坡影响。生态与社会。2013;18(1): 8。http://dx.doi.org/10.5751/es - 05095 - 180108。
    CrossRef
63. E Frankenberg, Sikoki B, Sumantri C, Suriastini W, Thomas D.自然灾害后的教育、脆弱性和复原力。生态与社会。2013;18(2): 16。http:// dx.doi.org/10.5751/es - 05377 - 180216。
    CrossRef
64. 李建军，李建军，李建军，等。中国地震防灾减灾研究进展。灾难上一页。等内容。2004;13:39-49。doi: 10.1108 / 09653560410521689。
    CrossRef
65. [m]， [m]， [m] .教育在灾害准备中的作用:2012年印度洋地震在泰国安达曼海岸的案例研究。]生态与社会。2013;18(4): 51。http://dx.doi。org/10.5751/es - 06101 - 180451。
    CrossRef