尚志海, 梁立鋒, 陳寶怡, 曹泳茵, 王小花, 戴鑫儒, 董錫豪

基于物元可拓模型的珠江三角洲霧霾災(zāi)害風(fēng)險評價

尚志海, 梁立鋒*, 陳寶怡, 曹泳茵, 王小花, 戴鑫儒, 董錫豪

嶺南師范學(xué)院地理科學(xué)學(xué)院, 湛江 524048

基于區(qū)域災(zāi)害系統(tǒng)理論, 選擇致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體等11個指標(biāo)構(gòu)建霧霾災(zāi)害風(fēng)險評價指標(biāo)體系, 指標(biāo)權(quán)重采用灰色關(guān)聯(lián)分析法來確定, 并通過物元可拓模型評估珠江三角洲9個城市霧霾災(zāi)害風(fēng)險等級, 最后通過多指標(biāo)綜合評價方法檢驗結(jié)果的準(zhǔn)確性。結(jié)果表明: 珠江三角洲9個城市民用汽車擁有量和公路密度兩個指標(biāo)的關(guān)聯(lián)系數(shù)整體偏高, 廣州市、深圳市、佛山市、東莞市民用汽車擁有量的風(fēng)險等級均為Ⅳ級, 多數(shù)城市公路密度的風(fēng)險等級達(dá)到了Ⅲ級, 其中東莞市最高; 珠江三角洲城市霧霾災(zāi)害綜合風(fēng)險等級大多數(shù)都處于Ⅰ級, 總體上較低, 其中東莞市霧霾綜合風(fēng)險等級最高為Ⅱ級, 珠江三角洲城市霧霾災(zāi)害風(fēng)險主要是受孕災(zāi)環(huán)境和承災(zāi)體影響, 致災(zāi)因子風(fēng)險等級均為Ⅰ級; 基于多指標(biāo)綜合評價法的珠江三角洲霧霾災(zāi)害風(fēng)險評價結(jié)果與物元可拓方法基本一致, 風(fēng)險最低城市為中山市, 風(fēng)險最高城市為東莞市, 兩者風(fēng)險排序有些差別, 但是基于物元可拓模型的評價結(jié)果更符合實際, 可信度更高。

霧霾災(zāi)害; 風(fēng)險評價; 珠江三角洲; 物元可拓模型

0 前言

2014年1月4日, 國家減災(zāi)辦、民政部通報2013年自然災(zāi)情, 首次將霧霾天氣納入。關(guān)于霧霾是否屬于一種災(zāi)害, 有很大爭論。在災(zāi)害類型研究中, 史培軍提出, 基于致災(zāi)因子的成因, 災(zāi)害可分為自然災(zāi)害、人為災(zāi)害和環(huán)境災(zāi)害[1]。國內(nèi)外學(xué)者大多數(shù)認(rèn)為, 環(huán)境災(zāi)害主要是指由于人類活動引起環(huán)境惡化所導(dǎo)致的災(zāi)害[2]。霧霾對人群健康的危害是毀滅性的, 并且高度契合災(zāi)害的內(nèi)涵[3]。因此, 本文將霧霾作為環(huán)境災(zāi)害的一種, 強調(diào)霧霾對人類生命健康及社會生活的影響。目前中國不少地區(qū)將霧霾作為災(zāi)害性天氣現(xiàn)象進行預(yù)警預(yù)報, 但是霧霾不是中國特有的天氣現(xiàn)象, 美國從20世紀(jì)90年代就開始對霧霾進行評價研究[4], 并認(rèn)為城鎮(zhèn)化會影響城市空氣質(zhì)量[5], Pant等研究認(rèn)為交通廢氣排放對印度新德里的霧霾貢獻(xiàn)率在17%左右[6]。國內(nèi)霧霾研究主要集中在霧霾天氣特征、霧霾危害、霧霾成因、霧霾治理等方面[7–8]。在霧霾風(fēng)險研究上, 謝志祥等認(rèn)為, 霧霾災(zāi)害風(fēng)險是霧霾脅迫、人口暴露和適應(yīng)能力三者共同作用的結(jié)果[3]。在風(fēng)險評價方法上, 層次分析法多被用在霧霾災(zāi)害風(fēng)險研究中[9–10]; 雖然盛小星等運用集對分析法對長三角霧霾風(fēng)險進行了等級評估[11],朱穎芳等對湖南省霧霾災(zāi)害風(fēng)險評價時增加了防災(zāi)能力作為指標(biāo)[12], 但是其評價指標(biāo)權(quán)重的確定依然是層次分析法?？偨Y(jié)發(fā)現(xiàn), 學(xué)者們主要是從致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體三個方面建立評價指標(biāo), 主觀性強的層次分析法較為常用, 霧霾災(zāi)害風(fēng)險評價指標(biāo)及方法的深入探討較少, 且現(xiàn)有研究對象主要集中在長江及其以北地區(qū)[13]。本文以珠江三角洲為例, 基于區(qū)域災(zāi)害系統(tǒng)理論建立風(fēng)險評價指標(biāo)體系, 并通過物元可拓模型對珠江三角洲霧霾災(zāi)害進行風(fēng)險評價, 并利用灰色關(guān)聯(lián)分析法計算權(quán)重, 通過Microsoft Excel軟件對數(shù)據(jù)進行計算分析, 以期使霧霾災(zāi)害風(fēng)險評價更客觀。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

珠江三角洲位于廣東省中南部地區(qū), 臨近香港、澳門地區(qū), 范圍主要包括廣州、深圳、佛山、東莞、惠州、中山、珠海、江門、肇慶等9個城市, 是我國開放程度最高、經(jīng)濟活力最強的城市群之一。在珠三角經(jīng)濟高速發(fā)展同時, 該地區(qū)也出現(xiàn)了霧霾天氣。吳兌等首先對霾的定義、廣州和深圳灰霾天氣特征進行了初探[14], 近年來學(xué)者們對珠三角霧霾的研究熱度下降了, 但是珠三角霧霾災(zāi)害風(fēng)險不容忽視, 尤其是在粵港澳大灣區(qū)建設(shè)的背景下。本文數(shù)據(jù)來源于廣東省及9個地級市2018年統(tǒng)計年鑒、各市氣象局?jǐn)?shù)據(jù)。

1.2 評價指標(biāo)

區(qū)域災(zāi)害系統(tǒng)理論認(rèn)為, 災(zāi)害是致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體等共同作用的復(fù)雜系統(tǒng)[19]。指標(biāo)體系方法是目前災(zāi)害風(fēng)險評價中使用最多、最廣泛的方法, 這一方法的理論基礎(chǔ)都是區(qū)域災(zāi)害系統(tǒng)理論, 指標(biāo)體系方法的一級指標(biāo)基本相似, 各種評價實踐的區(qū)別主要是二級指標(biāo)的選取和計算方法的應(yīng)用。因此, 本文從區(qū)域災(zāi)害系統(tǒng)理論出發(fā), 提出霧霾災(zāi)害風(fēng)險評價體系(見表1), 其中一級指標(biāo)為致災(zāi)因子危險性、孕災(zāi)環(huán)境敏感性與承災(zāi)體脆弱性, 各一級指標(biāo)下劃分多個二級指標(biāo), 共11個評價指標(biāo)構(gòu)成評價指標(biāo)體系。

具體來說, 致災(zāi)因子指標(biāo)包括PM2.5、PM10、SO2、NO2, 因為霧霾構(gòu)成物質(zhì)主要是可吸入顆粒物和SO2、NO[20], 污染物排放是霧霾災(zāi)害風(fēng)險大小的決定性因素。孕災(zāi)環(huán)境指標(biāo)包括民用汽車擁有量、建筑企業(yè)總產(chǎn)值、森林覆蓋率、冬季月平均溫度、年降水量[10–13], 霧霾的發(fā)生與汽車尾氣、建筑揚塵等密切相關(guān), 并且受氣象因素和生態(tài)環(huán)境的影響。珠江三角洲的霧霾主要發(fā)生在干季, 尤其是冬季, 冬季氣溫越低, 氣團越穩(wěn)定, 空氣越干燥, 灰霾日數(shù)越多, 因此冬季月平均氣溫和年降水量是霧霾發(fā)生的重要孕災(zāi)背景條件。承災(zāi)體指標(biāo)包括人口密度、公路密度[12], 因為霧霾的危害主要可歸納為兩種: 一是對人體健康產(chǎn)生的危害, 二是對交通安全產(chǎn)生的危害, 人口密度和公路密度越大, 同等霧霾條件下對人體健康造成的危害越大, 可能產(chǎn)生的交通安全問題越多。根據(jù)上述評價指標(biāo), 收集9個城市霧霾災(zāi)害風(fēng)險評價指標(biāo)的原始數(shù)值, 通過灰色關(guān)聯(lián)分析方法確定各個指標(biāo)的權(quán)重, 如表1所示。

1.3 物元可拓模型與指標(biāo)權(quán)重確定方法

1.3.1 物元可拓模型

物元可拓模型的基本思想是: 首先劃定待評估對象的類別, 并根據(jù)相關(guān)研究成果劃定不同類別的邊界領(lǐng)域, 然后代入研究對象的各屬性參數(shù), 計算研究對象的關(guān)聯(lián)系數(shù), 依據(jù)關(guān)聯(lián)系數(shù)大小來判斷研究對象的所屬類別[15–16]。計算過程具體步驟包括:

表1 霧霾災(zāi)害風(fēng)險評價指標(biāo)

(1)霧霾災(zāi)害風(fēng)險, 風(fēng)險特征和特征值, 共同組成風(fēng)險物元, 記做, 若有個特征12…, A, 則表示為:

(2)確定霧霾災(zāi)害風(fēng)險等級領(lǐng)域邊界, 風(fēng)險的經(jīng)典域集合R定義如下:

式中,H為劃分的個風(fēng)險等級;123…A為評價指標(biāo); (a, b)為代表評價指標(biāo)A處于第個風(fēng)險等級區(qū)間范圍。

霧霾災(zāi)害風(fēng)險節(jié)域集合R定義如下:

式中,H表示由霧霾不同類別風(fēng)險組成的總體; (a, b)表示節(jié)域物元與評價指標(biāo)A匹配的值域集合。

(3)計算評價指標(biāo)關(guān)聯(lián)系數(shù), 關(guān)聯(lián)函數(shù)為:

式中,K(V)代表第項指標(biāo)對于第級綜合風(fēng)險等級的關(guān)聯(lián)系數(shù)。

(4)計算綜合關(guān)聯(lián)系數(shù)并確定風(fēng)險評價等級

綜合關(guān)聯(lián)系數(shù)表示研究對象總體屬性值與風(fēng)險類別的隸屬度, 定義如下:

其中,K(H)為研究對象對應(yīng)風(fēng)險等級的關(guān)聯(lián)系數(shù);ω為個評價指標(biāo)的權(quán)重;k(V)為評價指標(biāo)對應(yīng)等級的指標(biāo)關(guān)聯(lián)系數(shù)。若K(H)｛K(H), 則研究對象第指標(biāo)屬于綜合風(fēng)險評價等級。關(guān)聯(lián)系數(shù)K(H)的數(shù)值代表了研究對象屬于某風(fēng)險等級類別的符合程度, 當(dāng)K(H)>0, 則研究對象屬性符合第等級區(qū)間要求, 數(shù)值大小表明了從屬該區(qū)間范圍的程度; 當(dāng)–1＜K(H)＜0, 則評價指標(biāo)不匹配風(fēng)險等級, 而具有符合該等級區(qū)間的潛力, 數(shù)值大小代表可能性的大小; 當(dāng)K(H)＜–1, 則評價屬性不匹配第等級區(qū)間的范圍, 而且沒有可能符合該風(fēng)險等級。

根據(jù)綜合風(fēng)險的預(yù)警需要, 將霧霾災(zāi)害風(fēng)險分為４個等級, 狀態(tài)為微度、輕度、中度、重度, 用Ⅰ、Ⅱ、Ⅲ、Ⅳ級表示。本文參考楊曉艷等人研究和環(huán)保部最新的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)(GB3098–2012)》確定致災(zāi)因子的經(jīng)典域集合和節(jié)域集合[17]; 依據(jù)全國平均水平、珠江三角洲城市數(shù)據(jù)確定孕災(zāi)環(huán)境和承災(zāi)體的經(jīng)典域集合和節(jié)域集合。

1.3.2 指標(biāo)權(quán)重確定方法

在物元可拓模型中, 評價指標(biāo)權(quán)重的確定方法多樣, 本文采用灰色關(guān)聯(lián)分析法確定指標(biāo)權(quán)重[18], 具體步驟如下:

(1)初始化處理

記理想決策方案0對指標(biāo)V的屬性值為Y, 且滿足: 當(dāng)指標(biāo)V為效益型指標(biāo)時,0j=(1j,2j,…,Y); 當(dāng)指標(biāo)V為成本型指標(biāo)時,0j=(1j,2j, …,Y) , 則稱矩陣

(2)灰色關(guān)聯(lián)度計算

(3)權(quán)重確定

就反映了第個指標(biāo)在整個指標(biāo)空間中所占的比重。

因此可將計算結(jié)果作為指標(biāo)的權(quán)重:

1.4 風(fēng)險評價結(jié)果檢驗方法

為了檢驗物元可拓模型在珠江三角洲霧霾災(zāi)害風(fēng)險評價中的準(zhǔn)確性, 本文通過使用多指標(biāo)綜合評價法對珠三角霧霾災(zāi)害綜合風(fēng)險進行了評價。多指標(biāo)綜合評價法是將被評價事物的多個不同量綱的評價指標(biāo)[21], 通過無量綱處理后得出相對評價值, 再對這些評價值進行綜合處理, 最后計算出評價指數(shù)的方法[22]。

其評價基本過程如下:

(1)對指標(biāo)進行標(biāo)準(zhǔn)化處理

升型指標(biāo)的標(biāo)準(zhǔn)化處理公式:

降型指標(biāo)的標(biāo)準(zhǔn)化處理公式:

式中,P為第(1, 2, ……,)評價對象的第個評價指標(biāo)的標(biāo)準(zhǔn)化值,v為第個評價對象的第個評價指標(biāo)量值,為第個評價指標(biāo)的平均值,sd為第個指標(biāo)量值的標(biāo)準(zhǔn)偏差。其中, 升型指標(biāo)是指數(shù)值越大, 安全性越高, 即風(fēng)險越低的指標(biāo); 降型指標(biāo)是指數(shù)值越大, 安全性越低, 即風(fēng)險越高的指標(biāo)。

(2)計算綜合評價指數(shù)

式中,IPI為第個評價對象的綜合評價指數(shù), 綜合指數(shù)越大, 安全性越高, 風(fēng)險越低。

2 結(jié)果與分析

2.1 評價指標(biāo)關(guān)聯(lián)系數(shù)

霧霾災(zāi)害風(fēng)險評價指標(biāo)關(guān)聯(lián)系數(shù)計算結(jié)果見表2, 關(guān)聯(lián)系數(shù)大小與評估等級的符合程度成正比關(guān)系。以廣州市為例, 民用汽車擁有量四個風(fēng)險等級的關(guān)聯(lián)系數(shù)分別為–0.045、–0.030、–0.015、0.015, 由此可以判定該市民用汽車擁有量風(fēng)險指標(biāo)等級屬于Ⅳ級。同理, 可以得出其它指標(biāo)的關(guān)聯(lián)系數(shù)等級。在物元可拓模型中, 各種評估對象與評估指標(biāo)的關(guān)聯(lián)系數(shù)等級能夠表現(xiàn)出一定差異, 有利于各個城市確定霧霾災(zāi)害風(fēng)險的關(guān)鍵控制點, 針對霧霾風(fēng)險控制點, 提出有效的應(yīng)對方案。

由表2可知, 珠江三角洲9個城市民用汽車擁有量和公路密度整體偏高, 超過一半的地區(qū)為Ⅲ級或者Ⅳ級, 說明珠三角地區(qū)霧霾綜合風(fēng)險主要體現(xiàn)在孕災(zāi)環(huán)境風(fēng)險和承災(zāi)體風(fēng)險上。9個城市致災(zāi)因子風(fēng)險指標(biāo)除了PM10為Ⅱ級外, 其他三個指標(biāo)均為Ⅰ級。孕災(zāi)環(huán)境指標(biāo)中, 民用汽車擁有量和建筑企業(yè)總產(chǎn)值風(fēng)險等級較其它指標(biāo)嚴(yán)重, 廣州、深圳、佛山、東莞的民用汽車擁有量風(fēng)險等級均為Ⅳ級, 廣州和深圳的建筑企業(yè)總產(chǎn)值風(fēng)險等級為Ⅳ級, 佛山的森林覆蓋率風(fēng)險等級為Ⅲ級, 這一點與其他城市不同, 所以珠三角城市在預(yù)防霧霾風(fēng)險時, 應(yīng)優(yōu)先考慮汽車尾氣及建筑揚塵帶來的影響, 并繼續(xù)改善生態(tài)環(huán)境。承災(zāi)體指標(biāo)中, 人口密度風(fēng)險等級最高的是深圳為Ⅳ級, 其次是東莞為Ⅲ級; 公路密度最高的為東莞為Ⅳ級, 廣州、佛山、惠州、中山、江門為Ⅲ級, 上述指標(biāo)提高了相應(yīng)城市的霧霾災(zāi)害風(fēng)險。

2.2 綜合風(fēng)險等級評價

根據(jù)公式(5)計算珠三角地區(qū)的致災(zāi)因子風(fēng)險、孕災(zāi)環(huán)境風(fēng)險、承災(zāi)體風(fēng)險, 結(jié)果如表3所示。以廣州市為例, 致災(zāi)因子風(fēng)險關(guān)聯(lián)系數(shù)為0.072、–0.050、–0.219、–0.280, 由此可判斷其致災(zāi)因子風(fēng)險等級為Ⅰ級, 其他風(fēng)險等級以此類推。珠三角9個城市中, 致災(zāi)因子風(fēng)險等級均為Ⅰ級, 這與珠三角的霧霾發(fā)生情況一致。比較而言, 珠三角霧霾發(fā)生頻次遠(yuǎn)遠(yuǎn)少于其他城市群, 如京津冀地區(qū)和長江三角洲地區(qū)。孕災(zāi)環(huán)境風(fēng)險等級有1/3為Ⅱ級, 承災(zāi)體風(fēng)險等級Ⅱ級以上的占8/9, 說明珠三角地區(qū)霧霾災(zāi)害綜合風(fēng)險主要體現(xiàn)在孕災(zāi)環(huán)境和承災(zāi)體風(fēng)險兩個方面。

各市的綜合風(fēng)險關(guān)聯(lián)系數(shù)計算結(jié)果和相應(yīng)評估等級見表4, 廣州、深圳、佛山、惠州、中山、珠海、江門、肇慶向Ⅰ級轉(zhuǎn)化的潛力很大, 等級判定為Ⅰ級。東莞的綜合風(fēng)險關(guān)聯(lián)系數(shù)最大為–0.084, 處于Ⅰ級和Ⅱ級之間, 向Ⅱ級轉(zhuǎn)化的潛力很大, 等級判定為Ⅱ級。由此可知, 珠三角地區(qū)的霧霾災(zāi)害風(fēng)險等級差別不大, 除了東莞為Ⅱ級, 其余城市都為Ⅰ級, 但每個城市的霧霾風(fēng)險程度又有著不同程度的差別。綜合關(guān)聯(lián)系數(shù)大小排序由大到小為: 中山、惠州、珠海、肇慶、江門、廣州、佛山、深圳、東莞。

表2 霧霾災(zāi)害風(fēng)險評價指標(biāo)關(guān)聯(lián)系數(shù)

表3 各類風(fēng)險評價結(jié)果

表4 珠三角霧霾災(zāi)害綜合風(fēng)險評價結(jié)果

2.3 評價結(jié)果檢驗

根據(jù)公式(10)、(11)、(12)計算出珠江三角洲城市霧霾災(zāi)害風(fēng)險的綜合評價指數(shù)。多指標(biāo)綜合評價法的計算結(jié)果如圖1所示。從圖1可知, 中山、惠州、珠海、深圳綜合評價指數(shù)分別為0.662、0.555、0.553、0.117, 霧霾災(zāi)害風(fēng)險綜合評價指數(shù)評價較高, 風(fēng)險較低; 同時, 基于物元可拓模型的霧霾災(zāi)害風(fēng)險等級, 四個城市都為Ⅰ級, 風(fēng)險較低。此外, 東莞綜合評價指數(shù)為–0.880, 風(fēng)險最高; 東莞霧霾災(zāi)害風(fēng)險等級為Ⅱ級, 風(fēng)險等級最高, 兩種方法結(jié)果一致。霧霾災(zāi)害風(fēng)險綜合評價指數(shù)排序為中山、惠州、珠海、深圳、江門、肇慶、廣州、佛山和東莞。由此可知, 多指標(biāo)綜合評價法對珠三角地區(qū)霧霾災(zāi)害風(fēng)險判斷與物元可拓模型基本相似, 風(fēng)險最高和最低的城市分別為東莞市和中山市, 從而驗證了物元可拓模型在霧霾災(zāi)害風(fēng)險評價中的可行性。但兩者也有不同之處, 主要表現(xiàn)為霧霾風(fēng)險等級相同的城市之間綜合指數(shù)數(shù)值大小排序不同, 具體情況是: 江門市和肇慶市的風(fēng)險排序有變化; 深圳市在多指標(biāo)綜合評價法中風(fēng)險排序靠前, 風(fēng)險等級偏低, 但是綜合考慮深圳市的霧霾發(fā)生情況, 基于物元可拓模型的評價結(jié)果更符合實際, 進一步說明本文提出的物元可拓模型結(jié)合灰色關(guān)聯(lián)分析的評價方法可信度更高?？傊? 兩種評價方法評價結(jié)果有所差別, 其主要原因可能是兩種方法的著重點不同, 物元可拓模型的結(jié)果來源于經(jīng)典域、節(jié)域和被評價事物數(shù)據(jù)的綜合擬合信息, 而多指標(biāo)綜合指數(shù)的計算卻全部取決于被評價事物數(shù)據(jù)本身的信息。

圖1 珠三角霧霾災(zāi)害綜合評價指數(shù)

Figure 1 Comprehensive risk index of haze disaster in Pearl River Delta

3 討論

隨著經(jīng)濟發(fā)展、人口增長, 尤其是在粵港澳大灣區(qū)和深圳先行示范區(qū)的建設(shè)背景下, 珠江三角洲面臨著霧霾危害增大的風(fēng)險。文獻(xiàn)[23]通過對152個城市PM2.5濃度進行了社會經(jīng)濟因素分析發(fā)現(xiàn): 經(jīng)濟產(chǎn)出和人口是主要貢獻(xiàn)者[23]。同理, 經(jīng)濟越發(fā)達(dá)地區(qū)霧霾災(zāi)害孕災(zāi)環(huán)境和承災(zāi)體風(fēng)險越大, 這一結(jié)論和本文研究結(jié)果相似。在珠江三角洲城市霧霾災(zāi)害風(fēng)險評價中, 風(fēng)險等級主要受孕災(zāi)環(huán)境和承災(zāi)體影響, 且個別風(fēng)險指標(biāo)的關(guān)聯(lián)等級較高, 例如: 民用汽車擁有量的風(fēng)險等級在廣州市、深圳市、東莞市和佛山市等城市都處于Ⅲ級或Ⅳ級, 屬于高風(fēng)險關(guān)聯(lián)指標(biāo), 主要原因是私有汽車擁有率上升; 多數(shù)城市公路密度風(fēng)險等級達(dá)到了Ⅲ級, 東莞市甚至處于Ⅳ級階段, 這兩個指標(biāo)共同指向了同為孕災(zāi)環(huán)境和承災(zāi)體的公路交通。尤其是深圳市11個指標(biāo)中3個指標(biāo)甚至處于Ⅳ級階段。因此, 為了實現(xiàn)先行示范區(qū)建設(shè)成“可持續(xù)發(fā)展先鋒”的戰(zhàn)略定位, 深圳市在大力發(fā)展經(jīng)濟的同時, 也應(yīng)更重視環(huán)境保護建設(shè), 進一步降低霧霾災(zāi)害風(fēng)險。

在霧霾災(zāi)害風(fēng)險評價方法的使用中, 本文嘗試將物元可拓模型與灰色關(guān)聯(lián)分析方法結(jié)合起來, 與以往的層次分析方法相比, 灰色關(guān)聯(lián)分析方法可以有效地減少評價指標(biāo)權(quán)重計算的主觀性, 物元可拓模型評價結(jié)果更客觀, 更符合實際情況, 其在類似綜合評價研究中也得到了較好地應(yīng)用。今后, 在評價指標(biāo)的選取和評價案例的補充, 以及評價物元經(jīng)典域和節(jié)域的確定上, 仍然可以進一步完善。

4 結(jié)論

本文依據(jù)災(zāi)害系統(tǒng)理論中致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體的理論框架, 構(gòu)建珠江三角洲霧霾災(zāi)害風(fēng)險評價體系, 然后利用灰色關(guān)聯(lián)分析法計算出指標(biāo)權(quán)重, 運用物元可拓模型分析出不同指標(biāo)關(guān)聯(lián)系數(shù)及綜合風(fēng)險關(guān)聯(lián)系數(shù), 根據(jù)綜合風(fēng)險關(guān)聯(lián)系數(shù)來評價出珠三角各城市的霧霾災(zāi)害綜合風(fēng)險等級, 最后通過多指標(biāo)綜合評價法驗證物元可拓模型的準(zhǔn)確性。得出以下結(jié)論:

(1)從珠江三角洲9個城市霧霾災(zāi)害風(fēng)險評價結(jié)果來看, 9個城市霧霾綜合風(fēng)險等級低, 除了東莞市之外, 其余城市均為Ⅰ級, 且霧霾災(zāi)害風(fēng)險主要受孕災(zāi)環(huán)境和承災(zāi)體風(fēng)險影響。

(2)采用物元可拓模型評價的霧霾災(zāi)害風(fēng)險評價結(jié)果與多指標(biāo)綜合評價方法計算結(jié)果基本一致, 風(fēng)險最高和最低城市沒有差別, 大部分城市風(fēng)險排序不變。但是綜合考慮各個城市霧霾發(fā)生情況, 基于物元可拓模型的評價結(jié)果更符合實際。

[1] 史培軍. 三論災(zāi)害研究的理論與實踐[J]. 自然災(zāi)害學(xué)報, 2002, 11(3): 1–9.

[2] 尚志海, 劉希林. 試論環(huán)境災(zāi)害的基本概念與主要類型[J]. 災(zāi)害學(xué), 2009, 24(3): 11–15.

[3] 謝志祥, 秦耀辰, 李亞男, 等. 基于PM2.5的中國霧霾災(zāi)害風(fēng)險評價[J]. 環(huán)境科學(xué)學(xué)報, 2017, 37(12): 4503–4510.

[4] CHU Shaohang, PAISIE J W. An evaluation of current PM2.5conditions in the US[J]. Atmospheric Environment, 2006, 40(S2): 206–211.

[5] CLIFTON K, EWING R, KNAAP G J, et al. Quantitative analysis of urban form: a multidisciplinary review[J]. Journal of Urbanism, 2003, 1(1): 17–45.

[6] PANT P, SHUKLA A, KOHL S D, et al．Characterization of ambient PM2.5 at a pollution hotspot in New Delhi, India and inference of sources [J]. Atmospheric Environment, 2015, 109(7): 178–189.

[7] 閆培生, 袁永久. 基于科學(xué)知識圖譜的中國霧霾研究可視化分析[J]. 科技導(dǎo)報, 2016, 34(18): 137–143.

[8] 韓瑞波. 基于文獻(xiàn)計量的霧霾治理研究現(xiàn)狀與路徑解讀——以WOS和CNKI文獻(xiàn)(2013—2017年)為樣本[J]. 大連海事大學(xué)學(xué)報(社會科學(xué)版), 2018, 17(4): 62–69.

[9] 田心如, 陳廣昌, 武艷, 等. 江蘇霾災(zāi)害風(fēng)險與地區(qū)差異研究[J]. 長江流域資源與環(huán)境, 2014, 23(12): 1767–1774.

[10] 卿清濤, 徐金霞, 馬振峰, 等. 四川盆地區(qū)霧霾災(zāi)害風(fēng)險區(qū)劃初探[J]. 西南大學(xué)學(xué)報(自然科學(xué)版), 2017, 39(9): 145–152.

[11] 盛小星, 葉春明. 基于集對分析法的長三角霧霾風(fēng)險評估[J]. 資源開發(fā)與市場, 2017, 33(3): 334–337.

[12] 朱穎芳, 高俊, 陳亞龍, 等. 湖南省霧霾、灰霾災(zāi)害風(fēng)險區(qū)劃[J]. 自然災(zāi)害學(xué)報, 2018, 27(5): 126–137.

[13] 劉蘭芳, 譚秉霖, 楊麗青. 城市霧霾災(zāi)害風(fēng)險模糊評價指標(biāo)體系研究——以湘南城市為例[J]. 災(zāi)害學(xué), 2020, 35(1): 156–160.

[14] 吳兌, 廖碧婷, 陳慧忠, 等. 珠江三角洲地區(qū)的灰霾天氣研究進展[J]. 氣候與環(huán)境研究, 2014, 19(2): 248–264.

[15] 廖煒, 楊芬, 吳宜進, 等．基于物元可拓模型的水土保持綜合效益評價[J]．長江流域資源與環(huán)境, 2014, 23(10): 1464–1471.

[16] 姜綿峰, 葉春明. 長三角地區(qū)省級霧霾影響綜合風(fēng)險評價[J]. 數(shù)學(xué)理論與應(yīng)用, 2016, 36(3): 101–111.

[17] 楊曉艷, 魯紅英. 基于模糊綜合評判的城市環(huán)境空氣質(zhì)量評價[J]. 中國人口·資源與環(huán)境, 2014, 24(5): 143–146.

[18] 王樂, 田東方. 基于灰色關(guān)聯(lián)分析法的宜昌市空氣質(zhì)量影響因素分析[J]. 能源環(huán)境保護, 2019, 33(5): 60–64.

[19] 史培軍. 四論災(zāi)害系統(tǒng)研究的理論與實踐[J]. 自然災(zāi)害學(xué)報, 2005, 14(6): 1–7.

[20] 韓琭. 霧霾災(zāi)害風(fēng)險指數(shù)的構(gòu)建與測度[J]. 統(tǒng)計與決策, 2017, 33(2): 28–32.

[21] 余健, 房莉, 倉定幫, 等. 熵權(quán)模糊物元模型在土地生態(tài)安全評價中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(5): 260–266.

[22] 邱東. 多指標(biāo)綜合評價方法[J]. 統(tǒng)計研究, 1990, 7(6): 43–51.

[23] ZHANG Yu, SHUAI Chenyang, BIAN Jing, et al. Socioeconomic factors of PM2.5 concentrations in 152 Chinese cities: Decomposition analysis using LMDI[J]. Journal of Cleaner Production, 2019, 218(13): 96–107.

Risk assessment of haze disaster in Pearl River Delta based on matter–element extension model

SHANG Zhihai, LIANG Lifeng*, CHEN Baoyi, CAO Yongyin, WANG Xiaohua, DAI Xinru, DONG Xihao

School of Geographical Sciences, Lingnan normal university, Zhanjiang 524048, China

Based on the theory of regional disaster system, 11 indexes of disaster causing factor, disaster pregnant environment and disaster body were selected for risk assessment of haze disaster in the Pearl River Delta, and the index weights were determined by the gray correlation analysis; the matter–element extension model was used to calculate the haze disaster risk levels of 9 cities. Finally, the accuracy of the results was tested by the multi–index comprehensive evaluation method. Results show that the correlation coefficients of civil car ownership and highway density were high overall, such as Guangzhou, Shenzhen, Foshan, Dongguan civil car ownership of risk ratings were Ⅳ level, and the risk level of highway density of most cities reached grade Ⅲ, of which the highest was Dongguan. The haze disaster risks of most cites were in the level Ⅰ, while Dongguan haze disaster comprehensive risk grade Ⅱ was the highest. The disaster risks of cites in the Pearl River Delta were mainly influenced by disaster pregnant environment and disaster body. The risk assessment results by multi–index comprehensive evaluation method was basically in accord with the results by matter–element extension model. Zhongshan was the lowest risk city, conversely, the city with the highest risk was Dongguan. There were some differences between the two methods, but the assessment resultsby matter–element extension model were more in line with the reality and had higher reliability.

haze disaster; risk assessment; Pearl River Delta; matter–element extension model

尚志海, 梁立鋒, 陳寶怡,等. 基于物元可拓模型的珠江三角洲霧霾災(zāi)害風(fēng)險評價[J]. 生態(tài)科學(xué), 2022, 41(3): 149–155.

SHANG Zhihai, LIANG Lifeng, CHEN Baoyi, et al. Risk assessment of haze disaster in Pearl River Delta based onmatter–element extension model[J]. Ecological Science, 2022, 41(3): 149–155.

10.14108/j.cnki.1008-8873.2022.03.017

X513

A

1008-8873(2022)03-149-07

2020-06-29;

2020-09-05

廣東省自然科學(xué)基金項目(2018A030307031)

尚志海(1979—), 男, 河北遷安人, 博士, 副教授, 主要從事環(huán)境災(zāi)害風(fēng)險評價研究, E-mail: shangzhihai@126.com

梁立鋒, 男, 博士, 講師, 主要從事地理信息科學(xué)研究, E-mail: 121436068@qq.com