中国森林鼠害风险区域划分

应用同样的方法，对森林鼠害风险指标值进行分析处理，步骤如下。

（1）KMO和Bartlett's球形检验

对鼠害风险9个指标进行检验，得出结果如表5-22所示，可看出，KMO和Bartlett's球形检验结果均表明对鼠害风险指标进行因子分析是合理的，能够保证因子解释指标的大部分信息。

表5-22　KMO and Bartlett's球形检验
Tab.5-22 KMO and Bartlett's Test

（2）因子的确定和命名。

使用SPSS 25.0软件，当满足累计贡献率大于75%的条件时，采用方差最大正交旋转法对因子旋转后得到的载荷矩阵和方差贡献率如表5-23所示。

表5-23　旋转后的因子载荷矩阵和方差贡献率
Tab.5-23 Factor loading matrix and variance contribution by varimax rotation

根据上表中的载荷矩阵，选出与各因子相关性高的变量加以分析归类，得出如下因子命名。

第一个因子为森林鼠害发生因子，它包括发生面积S11、成灾面积S12、发生率S13三个指标。根据指标设置原则，它们从不同角度共同组成了病害的损失变量，即已经发生了的损失情况。

第二个因子在成灾率S14、易损指数S3上载荷较高。其中，成灾率S14表示森林虫害中度、重度发生面积占总发生面积的比，反映了森林资源遭受鼠害的严重程度；易损指数S3反映了森林因受鼠害而导致严重损失的可能性，故该因子可以命名为为森林鼠害损失因子。

第三个因子为鼠害防治因子，它在防治率S2和森林病虫鼠害防灾能力指数S6这两个指标上有较大载荷，且在现实意义上都代表鼠害的防治情况，因此将它命名为鼠害防治因子。

第四个因子为鼠害通用因子，分别在森林规模指数S4和森林效率指数S5两个通用指标上载荷较大。

（3）各省区诸因子得分。

SPSS 25.0的运算结果给出了各省区9项指标标准化后的值和各因子得分系数矩阵，据此进一步计算得出各省区森林鼠害3个因子的得分以及综合得分，如表5-24所示。

表5-24　各省区森林鼠害风险因子及综合值得分
Tab.5-24 Factor and comprehensive value score of each province in forest rat pest risk(www.xing528.com)

续表

（4）聚类分析。

依据上述4个因子综合得分，使用SPSS 25.0进行聚类分析，可以看出各省区森林鼠害在五类风险等级内的分布情况，列出我国森林鼠害风险等级分区，如表5-25所示。

表5-25　各省区森林鼠害风险等级分区结果
Tab.5-25 Zoning result of the forest rat pest risk rating for each province

我国森林鼠害的风险等级分区结果表明：我国森林鼠害的风险特点呈现从东南沿海向西北地区逐级递增的趋势。需要指出的是，由于中国林业统计年鉴中，北京、天津、上海、江苏、浙江、安徽、福建、江西、山东、广西、广东、海南或是缺少相应的统计资料或是无鼠害发生，导致各项参评指标数据不完善，所以本文中对这些省（区）更多依据鼠害发生对森林生态以及林业生产造成的影响程度进行风险区划，划分结果仅供参考，下面分析中也不对此类省（区）进行逐个阐述。

高风险、较高风险的省（区）形成了一条“西部——东北”相连的分布带，发生面积、成灾面积大、防治率较低，同时又是森林生态工程、防护林工程建设的重点区域，因此鼠害波及范围广、损失严重，总体风险高。中风险区与高风险区接连，分布在中部、中南、西南以及华北地区，包括河北、河南、四川、湖北、贵州、重庆、广西等省份。较低风险区和低风险区大致沿海岸线分布，包括云南、吉林、辽宁、湖南、山东、安徽、海南、广东、浙江、福建，这些省（区）极少发生森林鼠害，并且防治水平尤其以福建、浙江二省最为出色，因此这些地区鼠害风险是最低的。

综合来看，鼠害风险区划的结果并不如森林火灾、森林病害以及森林虫害理想。大体与森林鼠害的历年灾害统计数据缺失有很大关系，原始统计数据中每年至少有十个以上省市的记载为空白，必然与森林鼠害的损失认定工作的特殊性和各地对森林鼠害的重视程度有很大关系。损失统计数据的缺失将不利于对灾害风险大小进行全方面的评估，更不利于森林保险业务中以鼠害为承保责任范围的险种的市场研发和供给。

【注释】

[1]因本文仅在省级区域范围内对森林保险进行了风险区划，植被类型在各区域间可比性差，指标量化困难，故选取林地类型分布，具体细化为有林地占林地面积的比重，来反映该指标对森林火灾发生的影响程度。