| 评价方法 | 基本原理 | 优点和不足 | | 综合指数法 | 对选取的指标数据进行标准化处理,并利用主成分分析、综合加权求和、熵权系数、层次分析等方法确定指标权重,进而综合评价社会脆弱性程度。 | 计算过程相对简单,且容易操作;但在指标选取与权重确定过程中存在一定的主观性,且忽视了社会脆弱性构成要素之间的关系。 | | 函数模型法 | 根据对社会脆弱性的不同理解,构建相应的社会脆弱性函数模型,一般多由暴露度、敏感性、应对或适应能力、恢复力等所构成。 | 较好地明确了社会脆弱性的组成要素及其相互作用关系;由于对社会脆弱性构成要素的理解不同,导致该模型表现形式差异较大。 | | BP人工神经网络模型法 | 划分指标数据区间和评价标准,构建BP神经网络输入输出层和网络拓扑结构,将数据导入训练好的网络模型,得出社会脆弱性评价结果。 | 具有较强的非线性映射功能,能够很好地反映社会脆弱性特征、程度及其影响因素;网络结构的选择尚无统一的理论指导,大多靠经验选定。 | | 决策树分析法 | 根据数据资料生成决策树分类器,通过参数调整与运算,确定理想的决策树,并利用决策树分类器对社会脆弱性进行评价分类。 | 有利于明确社会脆弱性评价指标之间的关系;各单元的社会脆弱性评价结果被划分为高、中、低几个类别,不够精确。 | | 面向对象分析法 | 利用高分辨率遥感影像和GIS数据从物质空间中提取能够反映社会脆弱性的替代性变量,进而实现社会脆弱性评价。 | 提供了一组新的社会脆弱性评价的数据源,有利于完善社会脆弱性评价指标体系;代理变量的界定尚未完全实现,仍需结合统计和社会调查数据。 | | 空间多准则评估法 | 将GIS和多准则评估相结合,通过输入空间和非空间条件,并经过问题树分析、标准化、确定权重和地图化等过程,最后形成输出结果。 | 空间条件的输入有利于识别脆弱性区域,提供有效的空间管理对策;但输入标准的选择主要取决于研究者的认知和偏好,存在一定的主观性。 | | 图层叠置法 | 根据社会脆弱性的构成要素分别制图,并将其进行空间叠置,典型的如区域生物物理脆弱性和社会脆弱性的图层叠置,形成地方整体脆弱性。 | 实现了社会脆弱性评价结果的地图可视化和直观表达;但评价结果难以反映不同要素对整体社会脆弱性的影响程度。 |
|