共查询到20条相似文献,搜索用时 46 毫秒
1.
1976年松潘地震,震级大,波及面宽,造成的社会经济问题突出,作为震例分析有其曲型意义。本文全面收集、调查和分析了与松潘地震有关的资料,系统地首次给出了松潘地震直接损失资料和经济损失值,包括该次震灾对震中区,外围地区(龙门山中段及附近地区)和波及区(成都市)工业生产的干扰时段和影响程序分析。 相似文献
2.
3.
4.
5.
城市灾害相对承载力分析与模型的建立 总被引:1,自引:0,他引:1
如何评价城市系统综合承灾能力,这一直足被普遍关注也是较难解决的问题.在综合型可持续发展度评价模型的基础上建立的城市系统灾害相对承载力评价模型,为解决上述问题提供了新的思路.通过对城市复杂功能系统中社会子系统、经济子系统和环境子系统的划分及其相互影响分析,找出各子系统中对承灾能力的重要影响因素,进行加权整合后分别得出社会安全指数、经济"软"指数、环境指数和基础设施指数,应用这些承灾能力指数建立了灾害相对承载力模型.建模计算过程中发现因素量化方式的选取和权重的确定是比较重要的,会影响灾害相对承载力的合理取值,因此以经济"软"指数为例,提出了用协调度系数乘积代替原计算式值以使其取值范围在合理区间内的解决方式. 相似文献
6.
城乡承灾体差异对地震灾情的影响——以包头地震和姚安地震为例 总被引:2,自引:4,他引:2
通过内蒙包头和云南姚安2次典型城乡地震案例的灾情对比,分析了自然灾害系统中承灾体的脆弱性对于灾情的放大缩小影响.由于城乡承灾体的差异,虽然致灾因子强度--地震震级大致相当,两次地震的灾情存在较大差异;农村地震的经济损失绝对值小于城市地震,但是地震灾害对农村居民的影响要大于城市居民;地震灾害造成的居民住房损失占经济损失比例最大,城乡都在50%以上;农村地震造成的无家可归人口、死亡人口少,但受伤人数较多,城市地震则相反,受伤人数少,无家可归人口、死亡人口多.因此,农村地震、城市地震的救援工作以及抗震减灾措施都应有所不同. 相似文献
7.
自然灾害对经济增长的影响综述 总被引:1,自引:0,他引:1
自然灾害对经济增长会造成怎样的影响?在灾害频发的今天,又如何保证经济的可持续增长?梳理了国内外的研究成果与主要观点,结果表明:灾害对经济增长的积极效应和消极效应均存在,而灾区的社会环境、经济环境及公共政策等决定了灾后经济的增长性.最后分析了今后的研究方向,提出了目前亟待解决的问题. 相似文献
8.
9.
10.
11.
通过收集整理我国大陆显著地震灾害事件与社会经济发展的相关资料,分析讨论不同经济体制下地震灾害对经济社会发展、产业结构调整等方面的影响,并对地震灾后恢复重建提出对策建议。 相似文献
12.
地震救援能力的一项指标--地震灾害发布时间的研究 总被引:5,自引:0,他引:5
地震救援能力一般很难给定.本文提出利用地震死亡人数的报出时间作为衡量指标来评价地震的救援能力.首先,需要指出,地震发生后存在"黑箱"时间,即地震发生至灾情报出时间;其次,报出灾情后救灾进入"灰箱"状态,而地震死亡人数报出时间长度与总死亡人数有关;再次,死亡人数基本报出时间的长短,反映了救援能力的强弱. 相似文献
13.
基于问卷调查的四川民众地震灾害响应能力分区评价 总被引:1,自引:0,他引:1
基于前期对四川省德阳市民众地震灾害认知与响应特点与规律的问卷调查数据及分析结果,构建了以性别、年龄和受教育程度为核心评价参数的县市社会民众地震灾害响应能力的综合评价模型;然后将该评价模型应用于四川省,实现了对四川省社会民众地震灾害响应能力大小的分县市计算与评价。结果表明,四川省东部县市民众的地震灾害响应能力普遍比西部县市民众大,省会成都市周围的区、县(市)居民的地震灾害响应能力普遍较强,西部三个自治州民众的响应能力普遍较差,其中,成都市青羊区民众的响应能力最强,凉山彝族自治州金阳县民众的能力最弱,全省呈现出以成都市各区县(市)为中心向周围地区递减的总体趋势。 相似文献
14.
16.
17.
18.
19.
通过对柳州市洪灾特点的分析,探讨了洪灾对柳州市经济、社会可持续发展的制约作用,提出洪灾的治理必须走可发展的道路,采用工程措施和非工程措施相结合的对策。 相似文献
20.
Social, not physical, infrastructure: the critical role of civil society after the 1923 Tokyo earthquake 总被引:1,自引:0,他引:1
Aldrich DP 《Disasters》2012,36(3):398-419
Despite the tremendous destruction wrought by catastrophes, social science holds few quantitative assessments of explanations for the rate of recovery. This article illuminates four factors-damage, population density, human capital, and economic capital-that are thought to explain the variation in the pace of population recovery following disaster; it also explores the popular but relatively untested factor of social capital. Using time-series, cross-sectional models and propensity score matching, it tests these approaches using new data from the rebuilding of 39 neighbourhoods in Tokyo after its 1923 earthquake. Social capital, more than earthquake damage, population density, human capital, or economic capital, best predicts population recovery in post-earthquake Tokyo. These findings suggest new approaches for research on social capital and disasters as well as public policy avenues for handling catastrophes. 相似文献