当前世界环境

介绍

由于气候变化和人为干预，全球人口面临频繁和严重的灾害，即飓风、干旱、洪水、热浪、冰川融化和海平面上升。在所有灾害中，气旋是世界范围内最常见和最主要的自然灾害之一，造成大量人员伤亡。这个国家独特的地理环境，加上气候、地形和人口，增加了它遭受飓风和洪水等灾害的风险和脆弱性，这些灾害是无法完全预防的。¹根据IMD²在美国，北印度洋(孟加拉湾和阿拉伯海)每年形成5-6个热带气旋，仅占全球热带气旋的7%，但气旋的严重程度在穿越大陆时最具破坏性。大部分在BoB上空形成的热带气旋(tc)在11月袭击了奥里萨邦-西孟加拉邦海岸和安得拉邦海岸。根据能源、环境和水资源委员会的报告，^3.奥里萨邦获得10票^th与印度气候脆弱邦相关的排名，总体脆弱指数得分为0.368。该州约76%的人口从事农业活动，这是他们的主要和次要职业。⁴根据2015-16年农业普查，该邦的总种植面积为874.6万公顷，其中总经营面积为461.9万公顷。⁵2013年菲林飓风期间损失了65.1万公顷的作物，随后是2018年蒂特利飓风损失了30.4万公顷，布尔飓风损失了16.9万公顷，2019年法尼飓风损失了14.6万公顷。⁶几乎每年，由于农业和相关部门的飓风，国家经济都会遭受巨大损失。在众多原因中，农民因歉收而自杀或退耕的贫困热点地区也发生了自然灾害。⁷在本研究中，确定了许多限制，即农民认为应对沿海奥里萨邦的气旋变幻莫测。

约束分析在研究学科中无处不在。约束是不允许事件顺利完成的约束或限制。它也被称为阻碍或阻碍，限制系统达到其目标。⁸研究人员使用不同的方法对最关键的约束进行排序。Goyalet al。⁹运用加勒特排名法对哈里亚纳邦兽医感知到的社会约束、沟通约束、管理约束、技术约束和基础设施约束等五大约束进行了研究。拉尔et al。¹⁰使用弗里德曼排名分析¹¹以区分受比哈尔邦国家灾难影响的奶农中最重要的障碍。拉尔et al。¹²采用探索性因素分析(EFA)，确定了环境约束、金钱约束、政策约束和杂项约束等4类广泛障碍，并采用加勒特排名技术进行排名。辛哈也进行了类似的深入研究et al。¹³, Popoola等。¹⁴, Bandhavya等。⁸，拉尔等人。¹⁵回顾上述研究，本文揭示了奥里萨邦受气旋影响地区农民所感受到的各种障碍。

材料与方法

研究地点的背景

奥里萨邦有着悠久的气候事件历史，比如飓风和洪水。但是官方数据库是在1975年印度气象局(IMD)成立之后准备的。然而，在此之前，描述性数据库是由英国东印度公司提供的，时间为1804年至1875年。对数据库的深入研究表明，在19世纪^th和20^th几个世纪以来，奥里萨邦经历了128次与热带气旋(tc)和季风低气压(MD)有关的洪水事件，影响最大的是巴拉索尔地区，其次是普里和甘贾姆地区。¹⁶对IMD数据的分析表明，在2010年，东海岸有295个气旋，262个登陆^th而在21世纪的前20年，有8个气旋登陆。¹⁷随着人口和沿海基础设施的增加，飓风和风暴潮的严重程度也在增加。

研究地点和抽样计划的选择

这项研究于2021年至2022年在奥里萨邦进行。该州有30个区;其中6个地区位于孟加拉湾附近。在沿海地区中，Puri和Gnajam被有意选择，因为这些地区见证了最多的气旋。为避免偏倚，采用基于计算机的随机化研究技术，从每个区随机抽取2个受影响的街区和每个街区随机抽取2个村庄。最后，从8个村庄抽取20名受访者，最终确定了160名受访者。采用“事后研究设计”来确定广泛的障碍，即社会、经济、环境和其他障碍(图1)。

图1:农民感知到的广泛约束。 点击此处查看图

用于分析数据的统计工具

为了从收集到的数据中获得准确的结果，我们通过MS Excel (version 2007)和IBM SPSS (version 26)软件，采用了Garrett’s ranking method和Kendall’s coefficient of concordance approach等统计工具。

数据分析

加勒特的排序法被用来对障碍进行排序。在确定限制条件之前，受访者被问及开放式问题。根据面试日程中的社会、经济、环境和各种障碍，对陈述进行了分类。受访者根据对其生计的重要性对障碍进行了排序。由于每个被调查者的回答都不一样，所以加勒特提出了不完全评价顺序的积分法。

主要的制约因素由受访者根据其重要性进行排序。

根据以下公式，将受访者的职级换算成百分比:

R_ij=给i的秩^thj的约束^th个人。

N_j=按j排序的障碍物总数^th个人。

通过% position获得的排名被转换成分数，然后是加勒特提出的表格。¹⁸

在计算每个约束的平均得分后，分配适当的等级。此外，通过Kendall’s coefficient of concordance approach (Kendall and Smith .)的公式对具体研究中使用的各种广义约束进行了比较¹⁹;肯德尔^20.;勒让德²¹）.

由于本研究中法官之间的职级是挂钩的，下面的公式适合用来衡量挂钩职级之间的修正因子

在那里,

n=对象的总数

米=个体总数

Ri = E^米_{i = 1}r_ij是I的排位的和吗^th项

T=并列等级的修正因子

肯德尔和谐系数(Kendall's coefficient of concordance，简称Kendall's W)用于评价不同法官或被调查者对某些事物的一致或一致性，取值范围为0 ~ 1。式中，0表示裁判之间根本不存在一致意见，1表示完全一致意见。

结果与讨论

农民所感受到的社会约束

从表1的分析可以明显看出，“对住宅及其他基础设施的破坏”是社会制约因素中最重要的，其平均值为62.38。由此可以得出结论，拥有库式和半库式房屋的人更容易受到天气事件的影响。在飓风期间对住宅和牲畜棚的破坏可能导致人和动物财产的死亡。“缺乏应对气旋的培训和知识”被认为是第二重要的制约因素，平均值为56.63。答复者不熟练操作摩托艇、攀爬建筑物、使用救生衣、安全带、绳索和在气旋期间或气旋后使用的应急灯。在以下约束条件的顺序中，“关于气旋的及时信息无法获得”的平均得分(50.53)是重要的。受访者不知道有关气旋的及时和正确信息。一些受访者甚至在消息在社区广播后仍无视紧急警报。第四个严重制约因素“政府提供的救济物资不足”的平均得分为42.97分。在遭受了巨大的破坏和洪水之后，受访者敦促政府或私人组织迅速提供外部援助，提供熟食、清洁饮用水、临时住所、急救和医疗服务。

最后但并非最不重要的是，“缺乏社区凝聚力来应对这种情况”被认为是第五个平均价值的社会约束(36.69)。社区的参与和凝聚力对于在困难中相互帮助很重要。缺乏它会在社区中造成一个孤立的环境。

克服社会约束的建议解决方案包括使用pucca和半pucca房屋，如暴雨期间的庇护所，学校建筑和飓风期间的风。大众媒体和官员帮助传播有关气旋的及时和正确的信息，因此定期联系是必要的。联合国儿童基金会²²启动了以儿童为中心的减少灾害风险方案，以加强教育、健康、营养、水和卫生部门，以提高印度2018- 2022年的复原力。向所有受灾人口提供足够的救济物资以及在飓风后社区的参与也有助于克服这些限制。

经济约束

经济限制影响了受访者的生计。“栽培作物损失巨大”以62.72分的平均分排名第一。季风后气旋以高风速和连续降雨破坏了直立作物，随后发生了洪水。11月，稻谷处于成熟期;由于旋风，它不能从地里收集稻谷。其次，“台风造成的农产品市场价值下降”(57.69)很重要，因为受损、患病、腐烂、过早的农产品市场价值非常低，受访者接受低售价和巨大的经济损失。“无法获得种子、肥料等农业投入物”的平均值(50.94)被列为第三个严重制约因素。由于失去了以前储存的种子和市场上对新种子和化肥的迫切需求，这是无法供应的原因。结果与拉尔相反等。¹²谁报告的“农业投入品表里不一，即种子、肥料等”排名第三^{理查德·道金斯}平均得分58.97分。受访者将“降低椰子生产的质量和数量”(46.65)列为第四个制约因素。在沿海地区，椰子是农业的另一个收入来源，但频繁的飓风破坏了大多数椰子园，而煤烟霉病在大小和味道方面破坏了水果的质量。“对畜牧业的损害导致粮食不安全”(43.09)是第五个重要制约因素。以牲畜为主要收入来源的答复者每年都容易受到飓风的影响。他们的棚舍、农场和牲畜单位的死亡造成了巨大的经济损失。受访者认为“缺乏对农作物保险及其损失后恢复的了解”(39.33分)排在第六位。合作社在研究地区没有正常运作。因此，受访者不知道农作物保险计划及其福利。

为了减轻经济限制，必须在受灾地区满足早品种作物和蔬菜的种子、农产品储存和农业投入需求。KVK的农业和园艺科学家应该对农民进行培训和示范。要形成新的合作社，旧社会要照顾农作物保险对损失农民的易付。农民应该成立农民生产者组织(FPO)和“Mandis”来销售他们的农产品。

表1:农民通过加勒特平均值感知到的障碍排名

环境约束

在环境限制方面，受访者认为最严重的是“气旋过后的暴雨导致水浸”(64.53分)。在气旋登陆期间，风速从62公里/小时到220公里/小时不等，有时甚至超过极限。基础设施、森林、农业和交通运输在这场灾难中受到的影响最大。强降雨导致内陆洪水泛滥，对农业部门的破坏最为严重。洪水持续了5到6天，摧毁了受灾村庄的庄稼、道路和库特查房屋。“作为安全墙的沙丘的侵蚀”(56.37)是受访者的第二个严峻约束。沿海沙丘在气旋期间受到高风速和风暴潮的侵蚀。“盐碱化导致土地不肥沃”(53.44)排在第三位。由于涨潮和山洪暴发，盐碱水在很长一段时间内无法从农田排出，导致土壤含盐量增加。盐浓度(估计可溶盐) ECe) ranged from 6.94 to 16.86 dS m¹沿海甘贾姆和奇利卡湖区。²³受访者将“强风造成的森林覆盖损失”(47.13分)列为第四个重要的制约因素。在特大气旋风暴期间，风速高达168-221公里/小时，破坏了森林生态系统，而森林生态系统是农村生计的重要组成部分。“农用地砂型铸造”(42.06)是第五大制约因素。从长远来看，由于砂型铸造，农业用地变得贫瘠。“山体滑坡和海洋侵蚀的风险”(35.95分)排在第六位，因为它们会长期影响受访者。

克服环境限制的建议是在低地地区建立永久性排水系统，将多余的水或洪水排入最近的河流或水体。重新造林和种植耐盐树木，即:木麻黄(Jhaun),anacardium occidentale(腰果)种植园沿海岸防风，防止高风速。红树林的种植必须在社区和林业部门的帮助下进行，以减少土壤侵蚀。洪水过后，立即清理农田上的砂型铸件，将有助于下一茬作物的种植。在海边修筑不受侵蚀的石墙也是保护道路不受侵蚀的一种措施。这一发现与Chittibabu的观点一致et al。¹⁶，他还建议在主要支流地区之间修建一些堤坝或堤防，以防止洪水(图3和图4)。

各种各样的约束

“无法获得食物和干净的饮用水”(61.52分)是受访者认为的最大限制因素。飓风过后，人们在避难所缺乏食物和饮用水设施。由于井水泛滥，饮用水不适合饮用。“人类和牲畜之间爆发疾病”(50.24)是第二个严重制约因素。飓风过后，各种疾病在人类和动物之间的传播最为常见。蚊子、蛇、老鼠等有害动物的出现也对应答者造成了伤害。“长时间停电”(38.36分)是第三项严重限制。由于没有电力供应，受访者面临各种日常问题。在没有电力供应的情况下，移动通信服务受到了一个多月的影响。

为了改善各种限制，建议受访者收集和烹饪食物和清洁饮用水。饮用水加氯可以杀死寄生虫、细菌和病毒，因此建议使用加氯水。政府应该为病人提供急救药品。电池供电的手电筒和收音机在飓风过后很有用。

采用肯德尔协调系数法对障碍的4个大维度进行排序。

表2:肯德尔一致性系数检验(肯德尔W）

通过对表2的分析可知，Kendall的一致性系数值为0.588。由于数值范围在0-1之间，得分0.588表示受访者在广泛的障碍组中更接近一致。渐近显著性为0.000,p<0.01，卡方检验值为282.192,3df。表2清楚地表明，蒙特卡罗值在99% CI下具有显著性。因此，可以清楚地表明，沿海奥里萨邦农民面临的4种不同类型的障碍之间存在显著差异。

图2:通过Kendall的W均值对各种障碍进行比较排名。 点击此处查看图

从图2中可以清楚地看出，四种主要障碍都是通过Kendall’s coefficient of concordance方法来计算的，其中环境障碍的平均值(3.53)是所有障碍中最高的。在水文灾害中，环境起着至关重要的作用。因此，环境因素制约了农民应对飓风的能力。经济障碍的平均值为2.85，排在第二位，因为经济困难的农民很难恢复正常的生活。社会障碍排名第三，平均值为2.40，缺乏意识、培训、社会凝聚力等因素是社会约束下的主要障碍。最后但并非最不重要的是，平均值(1.22)的杂项障碍在主要限制因素中排名第四。

图3:红树林减少水土流失。 点击此处查看图

结论

确定限制因素的优先顺序并提出缓解措施在受飓风影响的地区起着关键作用。已努力查明障碍，因为这20项发言已最后定稿，并分为四大类:社会、经济、环境和杂项。受访者被要求对每个限制进行评分。最后，采用加勒特排序法对语句进行排序，并采用肯德尔协调系数法对四种广义障碍进行分类。在社会约束条件下，“对住宅和其他基础设施的破坏”是最重要的约束条件。“农作物损失巨大”是受访者在经济约束下感受到的最严重约束。在环境约束下，“暴雨导致飓风后洪水”的说法更为贴切。“无法获得食物和干净的饮用水”是受访者最大的限制因素。在广义约束条件中，“环境障碍”最为严重，从蒙特卡洛显著性可以看出，四种广义约束条件之间存在显著性差异。从基层调查中提取的建议如下:及时参加气旋培训和宣传活动，建设防风防雨的防风房，种植早熟水稻作物和蔬菜，建设永久性排水系统，重新造林和种植耐盐红树林， chlorination of drinking water after the cyclone and use of battery operated gadgets to save life post cyclones.

致谢

作者对所有自愿参与研究的受访者表示诚挚的感谢。

利益冲突

作者声明无利益冲突。

资金来源

第一作者获得印度农业研究委员会新德里ICAR-PG奖学金资助。F.字母编号;2015年1月25日-考试小组助理主任(HRD)日期:2021年2月4日开展并完成研究工作

参考文献

1. Prasad B, Rao P. B, Mohanarao P. R, Sarathkumar S。基于地理空间技术的洪水灾害脆弱性评估:安得拉邦Krishna & Guntur地区。当前世界环境。2022;17(2): 498 - 506。doi: http://dx.doi.org/10.12944/CWE.17.2.20
   CrossRef
2. 洛桑国际管理发展学院。印度气旋警告:标准操作程序，印度气象部门。地球科学部。印度政府，2013。URL:https://rsmcnewdelhi.imd.gov.in/images/pdf/sop.pdf
3. Mohanty A, Wadhawan s。绘制印度气候脆弱性——地区层面的评估。新德里:能源、环境和水理事会。2021。URL:https://www.ceew.in/publications/mapping-climate-change-vulnerability-index-of-india-a-district-level-assessment
4. 镍钛Aayog。自然农业。奥里萨邦农业和粮食生产局，2021年。URL:https://naturalfarming.niti.gov.in/odisha/
5. 经济和统计局。农业人口普查。奥里萨邦政府规划与融合部，2015。URL:http://www.desorissa.nic.in/agril_census.html
6. 奥里萨邦政府特别救济专员。关于超强气旋风暴“BULBUL”的备忘录。2019.URL: https://srcodisha.nic.in/calamity/emorandum%20OF%20Bulbul.pdf
7. Lal S. P, Kadian K. S, Jha S. K, Singh S. R. K, Goyal J, Kumar R. S.印度国家灾害灾区农民自杀倾向的弹性量表。当前世界环境。2014; 9(3): 1001 - 1007。doi: http://dx.doi.org/10.12944/CWE.9.3.55
   CrossRef
8. Bandhavya M, Singh A. K, Lal S. P.安得拉邦Guntur Mandi的利益相关者在电子nam系统中面临的程序障碍。印度推广教育研究杂志。2022;22(4): 106 - 111。URL: https://seea.org.in/archivecontents/25/volume - 22 -不- 4 - 2022年10月- 12月
   CrossRef
9. Goyal J, Singh K, Tiwari M, Datt R, Lal S. P.哈里亚纳邦兽医感知到的约束。交互。2014;32(3): 92 - 96。URL: https://www.indianjournals.com/ijor.aspx?target=ijor jcs1&volume = 32个问题= 3文章= 020
10. 刘绍平，刘建军，刘建军，刘建军。基于弗里德曼的印度受国家灾难影响的奶农感知约束分析。印度J.乳业科学。2016;69(6): 725 - 727。URL: https://krishi.icar.gov.in/jspui/bitstream/123456789/1389/1/SUDHANAND%20IJDS.pdf
11. 修正:使用秩来避免方差分析中隐含的正态性假设。j·阿。中央集权。协会。1939;34:109。https://www.tandfonline.com/doi/abs/10.1080/01621459.1937.10503522
    CrossRef
12. 刘绍平，李建军，李建军，刘建军。环境因素对贫困农民的影响最大吗?——印度国家灾害重灾区约束与改善策略的探索性因素分析。当前世界环境。2016; 11(3): 859 - 868。doi: http://dx.doi.org/10.12944/CWE.11.3.22
    CrossRef
13. Sinha S, Sankhala G. Lal S. P.印度国家首都地区城市和城郊地区奶农使用的概况特征及制约因素分析移动Android应用程序“生态乳品”。Int。j .咕咕叫。Microbiol。应用科学。2018年,7(03): 2335 - 2342。doi: https://doi.org/10.20546/ijcmas.2018.703.274
    CrossRef
14. 波波拉O.O，尤素福S. F. G，南非东开普省阿马托尔区市小农适应气候变化的信息来源和制约因素。可持续性。2020; 12(14): 5846。doi:https://doi.org/10.3390/su12145846
    CrossRef
15. Lal S. P, Shukla G, Jha R. K.农民面对的感知障碍-à-vis印度恒河平原采用零耕机:基于PCA的结构验证。亚洲的农业机械化。2022;53(6): 7909 - 7918。URL: https://www.shin-norinco.com/search-article?page=53
16. Chittibabu P, Dube S. K, Macnabb J. B, Murty T. S, Rao A. D, Mohanty U. C, Sinha P. C.印度奥里萨邦洪水和气旋灾害的缓解。自然灾害。2004; 31(2): 455 - 485。doi:https://doi.org/10.1023/B:NHAZ.0000023362.26409.22
    CrossRef
17. 印度气象部门。印度气旋警告标准操作程序。印度政府地球科学部。2021;(3月出版)。
18. 心理学和教育学中的统计学。第六版，Vakils, Feffer和Simons有限公司，孟买，印度，1979。URL: https://psycnet.apa.org/record/1937 - 03956 - 000
19. 肯德尔M. G .史密斯B. B. m-排名问题。安。数学统计。1939; 10(3): 275 - 287。doi: https://doi.org/10.1214%2Faoms%2F1177732186
    CrossRef
20. Kendall M. G.秩相关方法。Griffin & C，伦敦，1962。URL: https://psycnet.apa.org/record/1948 - 15040 - 000
21. 物种关联:重新考察肯德尔一致性系数。农业、生物与环境统计杂志。2005; 10(2): 226 - 245。URL: https://pdodds.w3.uvm.edu/files/papers/others/2005/legendre2005a.pdf
    CrossRef
22. 联合国儿童基金会。减少灾害风险。文章于2022年在线发表。URL: https://www.unicef.org/india/what-we-do/disaster-risk-reduction
23. Srinivasan R, Singh S. K, Nayak D. C, Dharumarajan S.沿海奥里萨邦土壤和水的盐度和碱度评估-案例研究。土壤盐分与水质学报。2018; 10(1): 5。URL:http://krishi.icar.gov.in/jspui/handle/123456789/35972