為進(jìn)一步研究自然災(zāi)害間接損失模型中受災(zāi)勞動(dòng)力參數(shù)問(wèn)題,調(diào)查了"山竹"臺(tái)風(fēng)嚴(yán)重影響的廣州市和深圳市的勞動(dòng)力受災(zāi)情況.基于實(shí)地調(diào)研的845份問(wèn)卷調(diào)查數(shù)據(jù),分析了受災(zāi)勞動(dòng)力部門(mén)分布、影響時(shí)長(zhǎng)以及恢復(fù)路徑的實(shí)際情況,并與災(zāi)害間接損失前沿評(píng)估模型（AMIL模型）中的理論假設(shè)參數(shù)進(jìn)行對(duì)比.研究結(jié)果表明:（1）從受災(zāi)勞動(dòng)力所屬部門(mén)來(lái)看,信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)、制造業(yè)、金融業(yè)、建筑業(yè)、批發(fā)零售業(yè)5個(gè)部門(mén)的實(shí)際受災(zāi)勞動(dòng)力較多,而AMIL模型假設(shè)低估了信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)、金融業(yè)、建筑業(yè)等14個(gè)部門(mén)的勞動(dòng)力受災(zāi)情況;（2）從恢復(fù)時(shí)間來(lái)看,所有勞動(dòng)力實(shí)際恢復(fù)工作的時(shí)間是臺(tái)風(fēng)過(guò)后的第4天,遠(yuǎn)少于AMIL模型設(shè)置的時(shí)間;（3）從恢復(fù)路徑來(lái)看,綜合勞動(dòng)力恢復(fù)路徑呈先快后慢的趨勢(shì),冪函數(shù)對(duì)該路徑的擬合效果較好,與AMIL模型假設(shè)的雙曲正切函數(shù)曲線不符;（4）廣州市勞動(dòng)力受臺(tái)風(fēng)影響情況比深圳市的更加嚴(yán)重,且恢復(fù)速度較慢.研究表明:AMIL模型中對(duì)勞動(dòng)力所屬部門(mén)假設(shè)和勞動(dòng)力災(zāi)后動(dòng)態(tài)恢復(fù)路徑的函數(shù)設(shè)置與選擇方面存在進(jìn)一步調(diào)整修正的空間. 

【文章來(lái)源】：華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,52(06)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

受災(zāi)勞動(dòng)力的部門(mén)分布比例

調(diào)查顯示:臺(tái)風(fēng)造成多條主要道路兩旁綠化樹(shù)木倒伏，道路堵塞，勞動(dòng)力因道路無(wú)法通行而出現(xiàn)上班延誤．由圖2、圖3可知:(1)上班路上延誤小于1 h的人數(shù)占受災(zāi)總?cè)藬?shù)的29.12%;延誤2～4 h的人數(shù)占比較小，共占受災(zāi)總?cè)藬?shù)的3.34%.(2)災(zāi)后第0.5天和第2天的勞動(dòng)力恢復(fù)人數(shù)的比例較高，分別為41.29%和33.89%，災(zāi)后第4天的勞動(dòng)力恢復(fù)人數(shù)的比例最低(僅為3.10%).(3)所有受災(zāi)勞動(dòng)力在災(zāi)后第4天均恢復(fù)工作．圖3 災(zāi)后勞動(dòng)力恢復(fù)情況

圖2 不同誤工時(shí)長(zhǎng)的受災(zāi)勞動(dòng)力占比AMIL模型假設(shè)勞動(dòng)力恢復(fù)到穩(wěn)定階段需30天，完全恢復(fù)需90天，遠(yuǎn)遠(yuǎn)大于實(shí)際勞動(dòng)力恢復(fù)工作的時(shí)間，究其原因?yàn)?AMIL模型中所設(shè)置的勞動(dòng)力恢復(fù)時(shí)間參數(shù)偏大而導(dǎo)致間接損失評(píng)估偏大．另外，AMIL模型假設(shè)中恢復(fù)時(shí)間以“天”為單位，而實(shí)際調(diào)查中，勞動(dòng)力工作延誤1 h以內(nèi)的人數(shù)的占比位居第二．因此，在災(zāi)害間接損失評(píng)估模型的受災(zāi)勞動(dòng)力恢復(fù)模塊中，勞動(dòng)力延誤時(shí)間的單位設(shè)置應(yīng)精確到小時(shí)．

【參考文獻(xiàn)】：
期刊論文
[1]自然災(zāi)害損失分類及評(píng)估研究評(píng)述[J]. 吳吉東,何鑫,王菜林,葉夢(mèng)琪.  災(zāi)害學(xué). 2018(04)
[2]從重建資金與效率角度定量評(píng)估災(zāi)后經(jīng)濟(jì)恢復(fù)力的變化——以武漢市“2016.07.06”暴雨洪澇災(zāi)害為例[J]. 張正濤,李寧,馮介玲,陳曦,劉麗,白扣.  災(zāi)害學(xué). 2018(04)
[3]論自然災(zāi)害經(jīng)濟(jì)損失評(píng)估研究的重要性[J]. 李寧,張正濤,陳曦,馮介玲.  地理科學(xué)進(jìn)展. 2017(02)
[4]臺(tái)風(fēng)災(zāi)害的關(guān)聯(lián)經(jīng)濟(jì)損失評(píng)估——以江蘇省為例[J]. 吳先華,徐中兵,袁迎蕾,郭際.  災(zāi)害學(xué). 2014(02)
[5]自然災(zāi)害基本定義的探討[J]. 黃崇福.  自然災(zāi)害學(xué)報(bào). 2009(05)
[6]論馬克思關(guān)于生產(chǎn)勞動(dòng)和非生產(chǎn)勞動(dòng)的理論[J]. 劉詩(shī)白.  社會(huì)科學(xué)戰(zhàn)線. 1982(03)

碩士論文
[1]深圳市氣象災(zāi)害預(yù)警機(jī)制研究[D]. 陳申鵬.哈爾濱工業(yè)大學(xué) 2019



本文編號(hào)：3522408