調適力(A)
第一節 地區人口需求特性分析
人口規模與密度，為推估防救災設施需求規模與人員傷亡之基礎。而進行防救 災設施與傷亡估計所需的基本分析，包含：(1)人口分布與密度估計；(2)人口分布與 土地使用類別之對應關係；(3)各種災損狀況之機率。其中人口分布為估計天然災害 造成之人員傷亡與防救災設施資源需求之基礎，然人口分布實際上為一動態過程，
欲估計其分布並非易事。以下可將人口密度與空間分布研究概況說明如下：
壹、人口特性
人口總數與人口結構為二個重要的災害脆弱度指標，人口總數通常代表脆弱度 概念中，災害暴露量(exposure)與敏感度(sensitivity)的次概念(Cutter, 2003; Adger et al., 2004; 殷杰等, 2009)，亦即當空間尺度夠精細、人口總數愈多，代表災害暴露量 越大。人口結構至主要指向敏感度(sensitivity)的次概念，與人口結構相關的災害敏 感度多指老幼比率，尤其是高齡者的比例(李香潔等，2011)。
貳、人口預測
目前國內於夜間人口分布估計，除可依戶籍資料粗略推估外，另根據內政部營 建署「都市發展總量管制之研究」中總量人口引力模式之校估結果，配合行政院經 濟建設委員會，亦可應用世代生存法進行台灣地區人口總量推估，進行總量人口數 分派。惟經建會的估計成果乃針對全台，在分派到各縣市與各鄉鎮市時，可能產生 誤差（詹士樑、洪鴻智，2007）；在日間人口分布之估計，相關研究較少。其中馮正 民、林偵家（2001）為補足日間人口估計模式的不足，乃以百貨公司、車站、郵局、
餐飲、KTV、醫院及銀行八個行業為例，討論日間人口之估計方式，研究成果對於 估計日間人口傷亡推估參數之修正與本土化有重要意義。陳建忠、林峰田（2001）
則更進一步延伸上述估計模式，以台北市士林區為例，估計災害發生瞬間的地區滯 留人口，即估計地區避難人口與庇護所的需求。
級產業人口 ；日本日間人口為 ：
日間人口 = 該區長期居住人口－從該區到該區以外的通勤通學者＋跨區來的 通勤通學者 (4-1)
日夜間人口比率= (該區日間人口/該區長期居住人口)×100% (4-2) 可延伸研究之人口調查法，以確實掌握每人一天的交通行為，項目如下：(1)停 留人口依土地使用分區劃分(住、商、工等)；(2)移動中人口依交通手段、時刻與地 區區別。可模擬不同地域或不同分區別的滯留人口與總移動人口量，及不同地域別 各時段使用任何交通手段(如鐵路)之移動人口量，透過上述數據的掌握，可有效研 擬災時交通計畫，並檢討防災對策15。
另外，亦可依日本 NTT (Nippon Telegraph and Telephone Corporation) DoCoMo 可視化的移動空間人口統計，藉由可攜式電話網路的基地台回報，災前可進行人口 變動調查與制定防災計畫之返家困難數估計；災時可即時掌握各地區人口分佈、人 口結構(年齡組成、性別)、移動人口等推估16。
國內關於人口密度估計方法，相關研究非常多，但應用在防救災上仍極少。例 如，林峰田、林士弘（2003)，曾運用宮格自動機理論，結合地理資訊系統及統計迴 歸技術，提出「都市發展模擬宮格自動機」(RUDSSCA)方法，以台北縣市與基隆市 為研究範圍，探討不同空間發展政策下，對於都市人口之可能轉移量及未來人口空 間結構的可能影響。此外，該模型中亦加入防災考量，以淹水潛勢資料、土石流資 料與地震斷層帶資料則為則部因子，用以限制人口之成長，使模型中可以考量不同 之情境規則。透過不同情境之設定與模擬，可對未來人口區位與數量進行政策性評
13 從統計意義上說，居住地和工作地之人口統計不同。依人口普查登記規定，以居住所在地為空間 範圍，故為居住地人口資料。而基本單位普查，則是針對法人之調查，可視為法人所在地，即工 作場所，故可視為工作地之就業人口資料。結合人口普查與基本單位普查資料，可全面了解城市 的人口活動和分佈情況。通常地區晝夜人口比大於 1，可視該地主要作為工作地使用，稱為功能區、
其中，晝夜人口比值最大的地方，可視為該地中心地；晝夜人口比小於 1，視為居住地使用，稱為 居住區、晝夜人口比等於 1，則視該地為混合區 (國家統計局普查中心，
http://www.stats.gov.cn/tjfx/ztfx/decjbdwpc/t20030909_107245.htm)。
14 日夜人口超過 100 的時候，需註明流入的超過量；若低於 100 時，需註明出流出的超過量(總務省 統計局，http://www.stat.go.jp/info/guide/asu/2008/pdf/1213.pdf)。
15 分析テーマ防災・災害：1）被害想定の分析・予測，
http://www.mlit.go.jp/crd/tosiko/case/pdf/data_14.pdf。
16 NTT DoCoMo 移動空間統計信息，
http://www.nttdocomo.co.jp/corporate/disclosure/mobile_spatial_statistics/。
網格層級之人口迴歸預測，如式(4-3)。林峰田、林士弘（2003) 以 80 年至 90 年之資料，以迴歸模型估計出 80 年鄰近人口密度平均值(P )、鄰近網格距高速公80
路平均值( Hw )、鄰近網格距縣道平均值( Rd )、鄰近網格農業用地面積平均值 (
Agr
)、鄰近網格工業用地面積平均值(Ind )、鄰近網格住宅區用地面積平均值( Hou ) 與鄰近網格商業用地面積平均值( Bis )等變項之參數值。再利用此迴歸之係數值 mj (j= 1, 2, …,7)，以 80 年為基年，推算未來年之人口密度值。其迴歸模型可歸納如下：
m P m Hw m Rd m Agr m Ind m Hou m BisP80n 1 80 2 3 4 5 6 7 (4-3) 另中谷友樹 (2006) 亦運用美國 NOAA (National Oceanic and Atmospheric Administration)之 DMSP (Defense Meteorological Satellite Program) / OLS (Operational Linescan System)衛星偵測夜間地面光，可於任何特定時間與空間，進行多尺度監測 市區活動強度，以光量評估人口與經濟指標，分析經濟發展、都市化與經濟危機。
其中 SLI (Stable Light Image)技術，可掌握該地區都市化程度及其進程分析 (特別適用 於發展中國家)。