汪 婷，何亞伯，常秀峰

（武漢大學(xué)土木建筑工程學(xué)院，武漢 430072）

洪災(zāi)是中國當(dāng)前面臨的最主要自然災(zāi)害之一［1］，造成的損失十分巨大，據(jù)統(tǒng)計中國2010年以來每年因為洪災(zāi)遭受的直接經(jīng)濟(jì)損失高達(dá)2 539億元，占GDP總量的0.45%；受災(zāi)人口每年平均高達(dá)1.137億人次，超過全國總?cè)丝诘?%，平均每年因洪災(zāi)遇難達(dá)954人，同時洪水引發(fā)的次生災(zāi)害每年亦造成數(shù)十億元的直接損失。由于洪災(zāi)具有突發(fā)性和高破壞性的特點［2］，洪災(zāi)風(fēng)險評價一直是國內(nèi)外專家學(xué)者研究的熱點。趙士鵬［3］將孕災(zāi)環(huán)境、致災(zāi)因子、承災(zāi)體3個因素作為考慮因素，根據(jù)發(fā)生學(xué)原理對山洪類型進(jìn)行區(qū)分，結(jié)合減災(zāi)服務(wù)，將全國劃分為6個山洪災(zāi)害特征一致區(qū)域。魏一鳴等［4］基于歷史災(zāi)情展開研究，從系統(tǒng)論的角度研究了洪水災(zāi)害復(fù)雜大系統(tǒng)。譚徐明等［5］將近300年以來洪災(zāi)的資料及當(dāng)前社會和自然經(jīng)濟(jì)數(shù)據(jù)作為研究的基礎(chǔ)資料，基于數(shù)據(jù)庫和GIS技術(shù)，將統(tǒng)計學(xué)和模糊聚類的方法結(jié)合起來，完成了區(qū)域洪水風(fēng)險分析及全國洪水風(fēng)險區(qū)劃圖的繪制。萬君等［6］通過分析湖北省土地覆蓋及河網(wǎng)密度，評價了其洪水災(zāi)害風(fēng)險性。賴成光等［7］為使影響因子的確定更具有科學(xué)性、合理性，基于GIS技術(shù)分別利用BP神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行計算疊加繪制出廣州市洪水災(zāi)害危險性評價圖，完成了北江流域洪災(zāi)風(fēng)險的分析評價。近年來，學(xué)者們使用較多的評價方法主要有BP神經(jīng)網(wǎng)絡(luò)評價法、模糊綜合評價、組合賦權(quán)法、粗糙集［8－10］等，這些方法多與GIS結(jié)合使用，但這些方法在指標(biāo)權(quán)重的確定上存在較大的人為干擾，不能從根本上解決洪災(zāi)風(fēng)險評價中的模糊性問題。本研究針對已發(fā)表的洪災(zāi)風(fēng)險評價，建立基于GIS技術(shù)、云模型、熵值修正的風(fēng)險評價方法，直接準(zhǔn)確地反映了關(guān)于指標(biāo)權(quán)重的主、客觀認(rèn)識，對洪災(zāi)風(fēng)險評價的模糊性和主觀性進(jìn)行了更好地處理，對神農(nóng)架林區(qū)洪災(zāi)風(fēng)險分析評估，對山區(qū)村鎮(zhèn)發(fā)展規(guī)劃和災(zāi)害防治具有科學(xué)和實踐意義。

1 神農(nóng)架林區(qū)洪災(zāi)風(fēng)險評價指標(biāo)體系

中國當(dāng)前對洪災(zāi)風(fēng)險的研究多集中在城市等人口、經(jīng)濟(jì)密集的地區(qū)，對廣大的山區(qū)村鎮(zhèn)研究較少，但中國2／3以上的面積為山地，大多數(shù)農(nóng)村位于山區(qū)地帶，城鎮(zhèn)化水平還比較低，山區(qū)較城市而言在地理環(huán)境、人口分布、設(shè)施建設(shè)等方面具有不同的屬性，由于其經(jīng)濟(jì)水平落后、自然環(huán)境更為復(fù)雜，針對山區(qū)進(jìn)行的自然災(zāi)害研究與以往城市災(zāi)害研究存在很大的不同。根據(jù)神農(nóng)架林區(qū)的特點，結(jié)合構(gòu)建的指標(biāo)體系建立科學(xué)的評價模型，將云模型和熵值運用于評價模型中，繪制出洪災(zāi)風(fēng)險圖，為林區(qū)的規(guī)劃、預(yù)警應(yīng)災(zāi)體系的完善提供幫助，具有較高的理論和實踐意義。

1.1 研究區(qū)域概況與數(shù)據(jù)來源

神農(nóng)架林區(qū)地處湖北省西部，西連重慶、東接宜昌、北鄰十堰，南毗鄰恩施，總面積3 314 km2，約91%為林地。林區(qū)下轄6鎮(zhèn)2鄉(xiāng)，位于中國第二階梯與第三階梯交界處，平均海拔1 700 m，相對高差2 707 m，山體高峻、地勢復(fù)雜，山體坡度集中在 20°～50°，河流水資源豐富，林區(qū)主山脈兩側(cè)分別屬于長江流域和漢江流域，由于林區(qū)整體地形特點，造成的氣候分布也具有一定區(qū)域差異，而人口大部分居住在低谷處，處于天然的洪災(zāi)隱患區(qū)。特殊的地質(zhì)背景、地理位置和氣候條件使得神農(nóng)架林區(qū)成為山洪災(zāi)害頻發(fā)地段。據(jù)統(tǒng)計，神農(nóng)架林區(qū)山洪、滑坡、泥石流等災(zāi)害點多達(dá)220處，而最近幾年發(fā)生的嚴(yán)重山洪已有8次，累計受災(zāi)人數(shù)接近林區(qū)農(nóng)業(yè)人口的總和，直接經(jīng)濟(jì)損失3 000余萬元。

神農(nóng)架林區(qū)洪災(zāi)風(fēng)險研究所使用的數(shù)據(jù)包括通過實地調(diào)研采集的不同精度下數(shù)字高程模型數(shù)據(jù)、遙感影像數(shù)據(jù)、地理地形基礎(chǔ)數(shù)據(jù)、CAD數(shù)據(jù)、《神農(nóng)架林區(qū)統(tǒng)計年鑒》《山洪報告》、當(dāng)?shù)氐臍v史災(zāi)情統(tǒng)計、山洪防災(zāi)預(yù)案等統(tǒng)計類數(shù)據(jù)和國家防洪標(biāo)準(zhǔn)規(guī)范數(shù)據(jù)。

1.2 神農(nóng)架林區(qū)洪災(zāi)風(fēng)險評價指標(biāo)體系

洪水災(zāi)害是由致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體間的相互作用形成的復(fù)雜產(chǎn)物，其風(fēng)險水平取決于致災(zāi)因子和孕災(zāi)環(huán)境形成的洪災(zāi)自然環(huán)境的危險程度和承災(zāi)體在災(zāi)害范圍內(nèi)的暴露性、易損性以及人類防御活動的應(yīng)對效果形成的區(qū)域承災(zāi)能力［11］。要進(jìn)行洪災(zāi)風(fēng)險評價，首先必須選取合適的指標(biāo)構(gòu)建合理的評價指標(biāo)體系。以往洪災(zāi)風(fēng)險分析的研究中，對風(fēng)險概念的量化表達(dá)有損失值的期望，風(fēng)險的超越概率，采用指標(biāo)體系評估獲得的對風(fēng)險等級的隸屬度等［12］。在基于指標(biāo)體系的風(fēng)險評估中，很多研究將洪災(zāi)危險性、脆弱性或易損性的評價結(jié)果相加或相乘得到風(fēng)險大小的代表值，本研究采用的方法是洪災(zāi)自然環(huán)境危險性評價結(jié)果代表值減去研究對象承災(zāi)能力代表值，得到風(fēng)險結(jié)果的量化表達(dá)。通過實地調(diào)研，綜合考慮神農(nóng)架林區(qū)的自然環(huán)境特點和歷史災(zāi)情，構(gòu)建指標(biāo)體系（圖1）。

2 基于云模型和熵值修正的洪災(zāi)風(fēng)險評價模型

云模型［13］是一種實現(xiàn)定性定量相互轉(zhuǎn)化的模型，能從模糊的數(shù)據(jù)描述中挖掘出數(shù)值狀態(tài)，也能把精確數(shù)值抽象為恰當(dāng)?shù)亩ㄐ悦枋觯虼丝梢暂^好地處理指標(biāo)權(quán)重獲取與指標(biāo)評價過程中的模糊性和不確定性問題。本研究構(gòu)建了基于逆向云算法、條件云算法、綜合云算法，結(jié)合模糊數(shù)學(xué)、熵權(quán)法思想的評價模型，其主要步驟包括確定評價指標(biāo)權(quán)重、確定各單元評價值以及綜合評價結(jié)果的計算與分析。

2.1 基于綜合云的指標(biāo)權(quán)重初步確定

圖1 神農(nóng)架林區(qū)洪災(zāi)風(fēng)險評價體系

根據(jù)風(fēng)險考慮到對象及災(zāi)情特點，確定的指標(biāo)權(quán)重既要體現(xiàn)出指標(biāo)間的相對重要性又要體現(xiàn)出其各自對洪災(zāi)危險性、承災(zāi)體承災(zāi)能力的絕對貢獻(xiàn)。在評價過程中每個指標(biāo)對評價結(jié)果的影響存在1個客觀的作用效果，這個作用效果的絕對值和相對大小可以量化，每位專家對該指標(biāo)權(quán)重的賦值是其客觀效果的1次定量的實現(xiàn)；使用逆向云發(fā)生器［14］處理專家賦值來獲得該指標(biāo)客觀作用效果的數(shù)值期望，將這一數(shù)值期望作為評價過程中相應(yīng)指標(biāo)的權(quán)重；同時考慮到專家個體認(rèn)知的模糊性和不確定性，本研究針對專家打分區(qū)間和最可能值構(gòu)建了基于綜合云的權(quán)重確定方法［15］，具體操作步驟如下。

1）專家咨詢。假定評價對象的指標(biāo)論域U中有m 個指標(biāo)，表示為 U=｛u1，u2，u3，…，um｝，各指標(biāo)對應(yīng)的權(quán)重為 W=｛w1，w2，w3，…，wm｝。請 L 位專家對每個指標(biāo)的權(quán)重在［0，100］內(nèi)賦值（其中分值0表示絕對不重要，分值100表示絕對重要，重要程度隨數(shù)值線性增加），賦值內(nèi)容包括wi的最大值、最小值以及最可能值，每位專家相應(yīng)的賦值分別記為lwimax，lwimin和 lwip，其中 l=1，2，3，…，L，i=1，2，3，…，m。依據(jù)問卷設(shè)計的要求，完成問卷設(shè)計。

2）運用逆向云發(fā)生器處理專家打分得到權(quán)重云。將第l位專家對全部指標(biāo)權(quán)重的賦值lwimax、lwimin、lwip，對應(yīng)地分為最大值組、最小值組、最可能值組3組，分別對各組進(jìn)行標(biāo)準(zhǔn)化處理，得到使用數(shù)據(jù)lwimax′3、lwimin′、lwip′，i=1，2，3，…，m，l=1，2，3，…，L；然后，將第 i個指標(biāo)對應(yīng)的數(shù)據(jù) lwimax′、lwimin′、lwip′， 對應(yīng)地分為最大值組、最小值組、最可能值組；運用1種改進(jìn)的無確定度逆向云發(fā)生器得到最可能值組的權(quán)重云Cip｛Exip，Enip，Heip｝；再運用 1 種含有確定度的逆向云發(fā)生器算法處理最大值組、最小值組數(shù)據(jù)，此處將這些數(shù)據(jù)的確定度設(shè)為 0.5，得到權(quán)重云 Cim｛Exim，Enim，Heim｝。根據(jù)得到的各個云的數(shù)字特征，使用正向云發(fā)生器生成云圖，凝聚性較差的云表示專家在認(rèn)識上存在較大的分歧，將這些指標(biāo)反饋給專家，重復(fù)上面的工作，直至獲得專家認(rèn)識較為統(tǒng)一的云。

3）依據(jù)綜合云算法計算權(quán)重。將求得Cim與最可能值云 Cip｛Exip，Enip，Heip｝的綜合云 Ci｛Exi，Eni，Hei｝，綜合云Ci的期望Exi即為指標(biāo)i權(quán)重的期望。將各指標(biāo)的權(quán)重值期望 Exi（i=1，2，3，…，m）歸一化計算得到后續(xù)步驟中使用的權(quán)重，即W=｛w1，w2，…，wm｝。本研究中3個云較為接近且均存在部分交點，根據(jù)云模型的幾何特征， 以 C1｛Ex1，En1，He1｝、C2｛Ex2，En2，He2｝為例，獲得兩者綜合云 C｛Ex，En，He｝的算法如下：

當(dāng)求取多個云的綜合云時，可以按要求順序，重復(fù)使用上述規(guī)則求取綜合云的數(shù)值特征。

2.2 基于熵值的權(quán)重修正

上一部分指標(biāo)權(quán)重計算的基礎(chǔ)數(shù)據(jù)來自于專家打分，數(shù)據(jù)本身除反映其代表的指標(biāo)重要性的實際意義外，還可以提供專家間認(rèn)識的差異性、數(shù)據(jù)提供信息量的大小等。熵可以測量數(shù)據(jù)信息的含量，從而作為不確定性的度量。本研究使用熵值［16］對初步權(quán)重進(jìn)行修正。在應(yīng)用中，針對指標(biāo)最可能值數(shù)據(jù)構(gòu)建“專家－指標(biāo)”矩陣 LWP：

對矩陣進(jìn)行歸一化處理，得到：

其中，

指標(biāo)打分值越大，對于評價結(jié)果越重要，看作收益性指標(biāo)來處理，則第i個指標(biāo)的熵值為

其中，

當(dāng) fil=0 時，fillnfil=0。

修正過程使用的數(shù)據(jù)為指標(biāo)的混亂度代表值vi。

計算結(jié)果混亂度代表值小的表明對應(yīng)指標(biāo)專家認(rèn)識差異較小，專家意見較為統(tǒng)一，混亂度代表值大的表明專家們對該指標(biāo)的認(rèn)識存在相對較大的差異［17］，這時對該指標(biāo)加以重視并進(jìn)一步做如下處理：

1）觀察打分情況判斷該計算結(jié)果是否為個別數(shù)據(jù)偏差造成，若是，剔除后重新計算，否則進(jìn)入下一步；

2）結(jié)合指標(biāo)權(quán)重值wi，初步判斷該指標(biāo)的重要性；

3）咨詢專家意見，依據(jù)災(zāi)害原理并結(jié)合指標(biāo)實際數(shù)據(jù)搜集情況，對該指標(biāo)權(quán)重按照公式（5）或（6）進(jìn)行放大、縮小或維持原值等修正。

式中，a值依據(jù)計算結(jié)果經(jīng)過專家咨詢確定。根據(jù)指標(biāo)的實際情況結(jié)合專家經(jīng)驗選擇使用（5）或（6）。

對修正后的全部qi′歸一化得到最終所使用的指標(biāo)權(quán)重 Q=｛q1，q2，…，qm｝。

2.3 模型的求解

模型的求解包含以下3個步驟：

1）各指標(biāo)評價值pij（即評價對象 j的指標(biāo) i的評價代表值，其中 j=1，2，…，n）計算，包含兩類：第一，對研究單元為單位數(shù)據(jù)的指標(biāo)，采用統(tǒng)計法、增量法、典型函數(shù)法、擇優(yōu)比較法等評價值確定方法計算每個單元的值。第二，對非研究單元為單位數(shù)據(jù)的指標(biāo)，針對數(shù)據(jù)的采集單元構(gòu)建云模型、運用X條件云發(fā)生器獲得該指標(biāo)對應(yīng)評價水平云的評價值，為提高準(zhǔn)確性和可信度重復(fù)運行條件云發(fā)生器多次，計算得到評價值的均值作為處理結(jié)果。所有對象、指標(biāo)的評價值計算結(jié)果記為P：

2）運用前述方法確定指標(biāo)權(quán)重Q=｛q1，q2，…，qm｝。

3）權(quán)重集Q與評價值矩陣P相乘得到各對象的評價值：

4）劃分評價論域水平區(qū)間。針對自然環(huán)境危險性、承災(zāi)體承災(zāi)能力以及二者相減得到的風(fēng)險的計算結(jié)果， 分別劃定 “低”、“較低”、“中等”、“較高”、“高”等評價的水平區(qū)間，對結(jié)果進(jìn)行分析，利于清晰表達(dá)；直接的劃分方法有等區(qū)間法、頻數(shù)法、自然斷點法等，也可依據(jù)經(jīng)驗確定。

3 神農(nóng)架林區(qū)洪災(zāi)風(fēng)險評價

以村為單位收集數(shù)據(jù)，通過不同的數(shù)學(xué)方法將數(shù)據(jù)反映在10 m×10 m大小的柵格單元中，以神農(nóng)架全區(qū)8個鄉(xiāng)鎮(zhèn)為對象進(jìn)行評價。

湖北省水利廳及神農(nóng)架林區(qū)防洪相關(guān)部門工程師及專家對指標(biāo)體系中的每個指標(biāo)的重要性在［0，100］之間賦值。下面以汛期降雨水平為例代表說明計算過程，專家打分?jǐn)?shù)據(jù)如表1所示。

表1 專家打分情況

通過改進(jìn)的無確定度逆向云發(fā)生器計算得出汛期降雨水平的 3 個權(quán)重云分別為 Cimin｛41.28，2.66，1.6｝、Cimax｛46.75，3.44，0.2｝、Cip｛43.96，3.12，0.9｝。 利用綜合云算法根據(jù)式（1）求取綜合云的數(shù)值特征如表2所示，其中Ex=44.3為權(quán)重的期望值，歸一化處理后得到指標(biāo)權(quán)重0.207 6，使用正向云發(fā)生器生成云圖，其中最值和最可能值云為圖2，是兩個重合度較高的云，Ex、En和He為綜合云的特征值，其分布如圖3所示。

表2 汛期降雨水平云模型特征分析

圖2 汛期降雨水平最值和最可能值云圖

圖3 汛期降雨水平綜合云

根據(jù)式（3）、（4）計算求得混亂度代表值為Vi=0.001 1，依據(jù)計算結(jié)果，經(jīng)過專家咨詢確定vi的閥值 a為 0.005，Vi＜a維持原值，無需進(jìn)行放大或縮小，汛期降雨水平指標(biāo)權(quán)重即為0.207 6。同理求得神農(nóng)架自然危險性、承災(zāi)能力2個指標(biāo)體系的所有底層指標(biāo)權(quán)重如表3、表4所示。由于房屋建筑物、道路、農(nóng)林牧漁等相關(guān)產(chǎn)業(yè)數(shù)據(jù)均表示已損失的資產(chǎn)價值，單位相同，在處理過程中將同一研究單元的易損失資產(chǎn)總額加和，不再使用打分所得的指標(biāo)權(quán)重；同時相對于其他量綱的數(shù)據(jù)要描述相對重要性，因此將三者打分所得權(quán)重作為一個整體。

表3 神農(nóng)架林區(qū)洪災(zāi)自然環(huán)境危險性底層指標(biāo)情況

表4 神農(nóng)架林區(qū)洪災(zāi)承災(zāi)能力底層指標(biāo)權(quán)重

由于基礎(chǔ)數(shù)據(jù)是以村鎮(zhèn)為單位收集獲取的，通過克里金插值、線密度分析、Arcgis轉(zhuǎn)換工具、云模型等方法將數(shù)據(jù)進(jìn)行處理，獲取10 m×10 m柵格單元的評價值矩陣P，通過式（7）分別得到神農(nóng)架全區(qū)自然危險性水平、承災(zāi)能力水平，二者相減獲得神農(nóng)架全區(qū)洪災(zāi)綜合風(fēng)險。洪水災(zāi)害的強(qiáng)度等級與成災(zāi)范圍、受災(zāi)情況等有直接關(guān)系，對于風(fēng)險評價十分重要，因此本研究在分析過程中使用了間接反映洪水等級的1個數(shù)據(jù)，即水位上升高度來表達(dá)災(zāi)害強(qiáng)度。選取水位上升高度為5 m的洪災(zāi)強(qiáng)度下進(jìn)行綜合風(fēng)險評價，將計算結(jié)果使用自然斷點劃分為10個危險度，神農(nóng)架林區(qū)洪災(zāi)綜合風(fēng)險如圖4所示。

圖4 水位上升5 m時全區(qū)洪災(zāi)綜合風(fēng)險

表5 神農(nóng)架林區(qū)洪災(zāi)綜合風(fēng)險各危險度區(qū)域面積分布情況

結(jié)合表4的結(jié)果以及綜合風(fēng)險分布 （圖4），整體而言林區(qū)風(fēng)險水平較高，約9/10的面積為風(fēng)險度5度的區(qū)域，主要因為全區(qū)自然環(huán)境危險度較高，而大部分地區(qū)經(jīng)濟(jì)發(fā)展落后、災(zāi)害防御工事缺失或不健全；木魚鎮(zhèn)和九湖鎮(zhèn)的自然危險性最高，基本完全處于危險度7度以上，其中木魚鎮(zhèn)約1/3的面積為危險度10的區(qū)域；松柏鎮(zhèn)大部分地區(qū)、宋洛鄉(xiāng)南部和紅坪鎮(zhèn)中部降雨水平也較高，基本處于6～7度；木魚鎮(zhèn)、九湖鎮(zhèn)大部分地區(qū)洪災(zāi)自然環(huán)境危險性最高，松柏鎮(zhèn)南部、陽日鎮(zhèn)北部以及宋洛鄉(xiāng)東部和南部危險性較高，其他地區(qū)相對較低，下谷坪鄉(xiāng)、新華鎮(zhèn)和松柏鎮(zhèn)西北部危險性最低。具體到更精細(xì)的范圍內(nèi)，除木魚鎮(zhèn)和九湖鎮(zhèn)外，其他地區(qū)高危險區(qū)域相對分散，大多沿河流主干道下游分布。

源 結(jié)論

為加強(qiáng)神農(nóng)架林區(qū)洪災(zāi)風(fēng)險管理工作，構(gòu)建了基于云模型、熵值和GIS技術(shù)的綜合評價模型。通過逆向云發(fā)生器擬合專家打分的區(qū)間值和最可能值獲得初步權(quán)重，結(jié)合熵值反映的數(shù)據(jù)信息量修正權(quán)重，不僅考慮到專家個體認(rèn)知的模糊性和不確定性，同時通過熵值準(zhǔn)確度量認(rèn)知差異不確定性的大小，能夠更準(zhǔn)確地確定指標(biāo)權(quán)重。模型評價方面，對指標(biāo)數(shù)據(jù)使用云模型和分段函數(shù)計算獲得盡可能連續(xù)的評價水平表達(dá)。結(jié)合GIS構(gòu)建神農(nóng)架洪災(zāi)數(shù)據(jù)庫，在空間尺度上進(jìn)一步細(xì)化，采用了10 m×10 m的研究精度，對林區(qū)的自然環(huán)境、人口、資產(chǎn)分布、歷史災(zāi)情、洪災(zāi)防御工事、應(yīng)急預(yù)案等信息在空間位置上錄入并柵格化表達(dá)。對于承災(zāi)體的空間位置、高程、暴露價值、易損程度等信息量化處理，為風(fēng)險管理、災(zāi)害預(yù)測等工作的展開奠定基礎(chǔ)。通過計算分析，林區(qū)的災(zāi)害危險區(qū)域分布廣泛，帶有一定的集中度，結(jié)合自然環(huán)境危險性、孕災(zāi)環(huán)境危險性和承災(zāi)體性質(zhì)的評價結(jié)果，未來措施的展開應(yīng)重點考慮7度及以上區(qū)域，風(fēng)險的綜合評價結(jié)果是對現(xiàn)狀的一個定性劃分，在討論災(zāi)害防治措施時需要從更細(xì)的角度予以考慮。