摘要：為了降低洪澇災害對北京市承災體的損害，制定了一個同時考慮暴露度、敏感性和適應能力的承災體脆弱性評估框架，運用熵權(quán)-TOPSIS算法對承災體指標數(shù)據(jù)客觀賦權(quán)并得到標準化后的脆弱性指數(shù)，將初始權(quán)重和脆弱性指數(shù)分別作為輸入和輸出數(shù)據(jù)集代入BP神經(jīng)網(wǎng)絡進行訓練進而得到優(yōu)化權(quán)重；進一步結(jié)合ArcGIS技術(shù)對洪澇災害承災體脆弱性進行評估，并利用自然斷點法將洪澇災害承災體脆弱性劃分為4個等級。結(jié)果表明：① 人口密度、經(jīng)濟密度、城市POI密度、植被覆蓋率和排水管網(wǎng)等指標對北京市洪澇災害承災體脆弱性影響顯著；② 北京市洪澇災害承災體脆弱性在空間上呈現(xiàn)東南向西北逐漸降低的趨勢，城市中心區(qū)脆弱性等級高，邊緣地區(qū)脆弱性低。研究成果對于降低北京市洪澇災害承災體脆弱性具有一定指導意義，權(quán)重優(yōu)化模型及脆弱性評估模型也可應用到其他城市。

關(guān) 鍵 詞：洪澇災害； 承災體脆弱性； 熵權(quán)法； TOPSIS； BP神經(jīng)網(wǎng)絡； ArcGIS； 北京市

中圖法分類號： TV87;P426.616 文獻標志碼： A DOI：10.16232/j.cnki.1001-4179.2024.02.004

0 引 言

洪澇災害已經(jīng)成為影響和威脅人類生活和社會發(fā)展的主要因素之一。在全球氣候變化加劇與城鎮(zhèn)化進程加速的背景下，洪澇災害的發(fā)生頻率不斷提高，給人類帶來巨大的經(jīng)濟財產(chǎn)損失［1］。洪澇災害承災體脆弱性是一個城市內(nèi)外部承災體系統(tǒng)暴露于洪澇災害區(qū)域而遭受的破壞程度，是自然地理環(huán)境和社會人文特征驅(qū)動下暴露度、敏感性與適應能力的綜合表征［2］。暴露度是由承災體的空間地理位置決定的，承災體的暴露度越高，受到洪澇災害破壞的可能性就越大。敏感性是指承災體本身的特性，決定了其容易受到洪澇災害的程度。對于同樣程度的洪澇災害，敏感性越高的承災體遭受的破壞就越嚴重，例如老人、兒童的敏感性要高于其他群體［3］。反之，敏感性越低的承災體遭受的破壞越小。洪澇災害造成的損失程度取決于承災體的暴露度和敏感性水平，這兩個因素共同構(gòu)成了脆弱性的被動部分。隨著暴露度和敏感性水平的提高，脆弱性程度也會相應增加?？梢酝ㄟ^調(diào)整承災體的適應能力來降低脆弱性并增強應對洪澇災害風險的能力［4］。

目前，對洪澇災害承災體脆弱性的研究多集中于災前模擬和預測研究，以及災后的評估研究等方面［5］。在研究方法上，張乾柱等利用層次分析法（AHP）對重慶市山洪災害進行了易損性評估［6］。梁翔等綜合考慮多個因素的權(quán)重和相互關(guān)系，并結(jié)合模糊評價的思想，以更全面、準確地評估蓄滯洪區(qū)的可持續(xù)性［7］。Dubey等基于數(shù)據(jù)包絡分析法（DEA）為納爾默達河流域地區(qū)建立了洪澇災害脆弱性評估框架，并對其進行了脆弱性評估［8］。吳浩然等則是基于TOPSIS法對南寧市洪澇災害承災體脆弱性進行了多指標綜合風險評估［9］。Xu等將熵權(quán)法和層次分析法相結(jié)合，采用改進的熵權(quán)評估方法對?？诘貐^(qū)進行洪澇災害風險評估［10］。Dung等基于主成分分析法（PCA）和層次分析法（AHP）相結(jié)合的方法對越南湄公河地區(qū)開展了洪水空間脆弱性評估［11］。然而層次分析法、模糊綜合評價法和TOPSIS方法主觀性較強，在進行層次結(jié)構(gòu)分析或構(gòu)建判斷矩陣時，人的主觀判斷、選擇和偏好會對結(jié)果產(chǎn)生重大影響。由于存在判斷偏差，評估結(jié)果可能會出現(xiàn)誤差，從而影響評估的準確性。而DEA法和熵權(quán)法又對樣本數(shù)據(jù)依賴性較大。

近年來，隨機森林、遺傳算法、神經(jīng)網(wǎng)絡等機器學習方法在洪澇災害承災體脆弱性評估中得到廣泛應用［12］。在以往多指標評估的基礎(chǔ)上，應用機器學習中的BP神經(jīng)網(wǎng)絡模型和ArcGIS相結(jié)合進行評估的方法得到廣泛應用［13］。程先富等基于BP神經(jīng)網(wǎng)絡模型，通過指標數(shù)據(jù)進行訓練和檢驗，對杭埠河流域進行洪澇災害風險評估［14］。BP神經(jīng)網(wǎng)絡具有良好的擬合能力，運用三層BP神經(jīng)網(wǎng)絡可以實現(xiàn)任意函數(shù)的逼近［15］，但是由于研究數(shù)據(jù)量少，BP神經(jīng)網(wǎng)絡收斂速度慢，容易出現(xiàn)局部最優(yōu)解、過擬合等情況。為了解決上述問題，本文利用熵權(quán)-TOPSIS算法對指標數(shù)據(jù)進行客觀賦權(quán)及預處理，以提高BP神經(jīng)網(wǎng)絡的收斂速度，減少訓練時出現(xiàn)的過擬合和局部最優(yōu)解的情況，保證初始評估結(jié)果的客觀性和可信度［16］。將初始權(quán)重和脆弱性指數(shù)分別作為輸入和輸出數(shù)據(jù)集對BP神經(jīng)網(wǎng)絡進行訓練得到優(yōu)化權(quán)重后，再結(jié)合ArcGIS軟件進行洪澇災害承災體脆弱性評估，并根據(jù)自然斷點法劃分洪澇災害承災體脆弱性等級。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)域概況

北京市共有16個市轄區(qū)，全市總面積為16 410.54 km2。北京市位于華北平原的西北部，平原面積占比38%，山區(qū)面積占比62%，西北部地區(qū)群山圍繞，東南部地區(qū)為平原，形成了西北高、東南低的獨特地形（見圖1）。該地形容易導致暴雨的增幅，還可能觸發(fā)強對流天氣，使得暴雨的高值區(qū)域沿山體前部分布［17］。

根據(jù)中國氣象局降水強度等級劃分標準（以20：00 為日界）即日降水量≥50 mm為暴雨，≥100 mm為大暴雨，≥250 mm為特大暴雨，進一步統(tǒng)計1981～2022年北京市暴雨、大暴雨、特大暴雨發(fā)生次數(shù)得到空間分布圖（見圖2）。就各級暴雨空間分布圖來看，暴雨發(fā)生次數(shù)高的地區(qū)主要集中在北京市東部平原地區(qū)，總體分布規(guī)律為東高西低；大暴雨發(fā)生頻次較高的地區(qū)主要位于密云、順義、平谷、昌平和門頭溝的東南部；特大暴雨發(fā)生頻次較高的地區(qū)主要集中在北京市西南部地區(qū)，總體分布規(guī)律為由西南向東北遞減。受暴雨影響，北京市各市轄區(qū)洪澇災害事件也呈現(xiàn)增加趨勢，對北京市各市轄區(qū)居民的正常生活和城市安全威脅較大。

1.2 數(shù)據(jù)來源

北京市洪澇災害承災體脆弱性評估所使用的數(shù)據(jù)主要分為4種，包括氣象數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)、遙感影像數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)等，數(shù)據(jù)來源如表1所列。

2 洪澇災害承災體脆弱性指標體系的構(gòu)建

根據(jù)國內(nèi)外洪澇災害承災體脆弱性研究中廣泛采用的指標，遵循可代表性指標選取原則，參考以往的研究成果以及結(jié)合北京市自身的承災體脆弱性特征選取了具有代表性的16種洪澇災害承災體脆弱性評估指標［17］，選取人口密度（人口數(shù)量占各區(qū)面積的比例）、經(jīng)濟密度（地區(qū)生產(chǎn)總值占各區(qū)面積的比例）、耕地面積比重、路網(wǎng)密度、文物保護單位個數(shù)作為暴露度指標；選取第三產(chǎn)業(yè)GDP、社會活力（各區(qū)社會發(fā)展的活力指數(shù)）、POI密度（各區(qū)生活服務、購物消費、交通設(shè)施、公司企業(yè)的分布密度）、土地利用率（土地利用面積占各區(qū)面積的比例）、老少人口比例作為敏感性指標；選取居民人均可支配收入、衛(wèi)生機構(gòu)數(shù)量、植被覆蓋率、排水管網(wǎng)密度、基本醫(yī)療保險投保人數(shù)及水利、環(huán)境和公共設(shè)施管理從業(yè)人數(shù)作為適應能力指標。構(gòu)建包含暴露度、敏感性和適應能力的北京市洪澇災害承災體脆弱性評估指標體系，如表2所列。

3 研究方法

圖3為北京市洪澇災害承災體脆弱性評估流程。評估過程包括3個主要階段。第1階段為確定BP神經(jīng)網(wǎng)絡的輸入和輸出數(shù)據(jù)，將標準化處理后的指標數(shù)據(jù)和TOPSIS算法得到的目標指數(shù)作為輸入和輸出數(shù)據(jù)集。第2階段是BP神經(jīng)網(wǎng)絡修正權(quán)重，利用BP神經(jīng)網(wǎng)絡對承災體脆弱性指標數(shù)據(jù)進行訓練和驗證，得到指標的優(yōu)化權(quán)重。第3階段是進行洪澇災害承災體脆弱性評估，分別對北京市洪澇災害承災體的暴露度、敏感性和適應能力進行評估，進而得到北京市洪澇災害承災體脆弱性等級區(qū)劃。

3.1 熵權(quán)法確定初始權(quán)重

熵權(quán)法是通過各個指數(shù)的變化程度來反映指標的重要性，是一種科學、客觀地確定權(quán)重的方法。指數(shù)的信息熵越低，其權(quán)重也就越大。反之，則指標的權(quán)重越?。?8］。使用熵權(quán)法確定北京市各市轄區(qū)洪澇災害承災體脆弱性指標權(quán)重，可以合理規(guī)避人工判斷所造成的主觀性，削弱承災體脆弱性指標異常值的影響，使洪澇災害承災體脆弱性評估結(jié)果更加準確合理［19］。計算步驟如下：

3.3 BP神經(jīng)網(wǎng)絡優(yōu)化權(quán)重

3.3.1 BP神經(jīng)網(wǎng)絡模型構(gòu)建

以評估指標的標準化數(shù)據(jù)和熵權(quán)-TOPSIS算法計算得到的洪澇災害承災體脆弱性指數(shù)作為輸入和輸出數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡學習機制，反向計算輸出層和隱含層各節(jié)點的節(jié)點值以及節(jié)點權(quán)值的改正量［21］;利用神經(jīng)網(wǎng)絡對指標間未知聯(lián)系進行辨識和正向知識推理，對熵權(quán)法得到權(quán)重進行修正，降低基于純粹的信息混亂度得到的權(quán)重的偏差，使權(quán)重更加接近實際情況［22］。具體流程見圖4，步驟如下：

（1） 網(wǎng)絡層數(shù)確定。研究表明，在不限制隱含層節(jié)點數(shù)的情況下，使用三層BP神經(jīng)網(wǎng)絡結(jié)構(gòu)可以實現(xiàn)任意非線性映射。因此，本文選擇經(jīng)典的三層BP神經(jīng)網(wǎng)絡模型［23］。

（2） 輸入、輸出節(jié)點設(shè)計。輸入層節(jié)點數(shù)即北京市洪澇災害承災體脆弱性評估指標數(shù)目，等于16。輸出層節(jié)點數(shù)即評估結(jié)果，等于1。

（3） 隱含層節(jié)點數(shù)設(shè)計。對于如何確定隱含層節(jié)點數(shù)，目前還沒有一個確定的解決方案，一般根據(jù)前人設(shè)計經(jīng)驗及實驗來進行確定。本文參考以下經(jīng)驗公式［24］：q=α+β+μ（13）式中：α、q、β分別指的是輸入層、隱含層、輸出層的節(jié)點個數(shù)，μ取1～10之間的任意常數(shù)。根據(jù)經(jīng)驗，本文隱含層節(jié)點數(shù)q在5～15之間［25-26］。

（4） 傳遞函數(shù)的確定。在BP神經(jīng)網(wǎng)絡算法中一般選用S型函數(shù)保證激活函數(shù)處處可導。由于本文的訓練樣本輸出值為介于0～1之間的權(quán)重值。與一般線性函數(shù)相比，Logistic函數(shù)可保證所有值都處于［0，1］區(qū)間，因此非常適合用做本文計算權(quán)重所需要的激活函數(shù)。

3.3.2 評估指標權(quán)重優(yōu)化

從實驗數(shù)據(jù)中選取16個數(shù)據(jù)作為樣本數(shù)據(jù)，其中前12個作為訓練樣本，后4個用于測試，利用MATLAB R2016b平臺建立神經(jīng)網(wǎng)絡權(quán)重修正模型并進行神經(jīng)網(wǎng)絡仿真實驗。設(shè)定目標最小誤差為0.001，學習速率為0.01，允許最大訓練步數(shù)為1 000步，對選取樣本初步訓練，尋找最佳隱含層神經(jīng)元節(jié)點數(shù)。本次訓練的最佳隱含層神經(jīng)元節(jié)點數(shù)為5。

BP神經(jīng)網(wǎng)絡訓練結(jié)果如圖5、圖6所示，可以看出預測值和實際值的誤差小，擬合效果好。均方誤差MSE=0.003 214 3、平均絕對誤差MAE=0.012 857、平均絕對百分比誤差MAPE=2.636%，總體優(yōu)化R值均達到較好的優(yōu)度，為0.986 36。因此該訓練模型可以用來優(yōu)化指標權(quán)重。

由BP神經(jīng)網(wǎng)絡訓練結(jié)果可知，北京市洪澇災害承災體脆弱性指標權(quán)重訓練誤差Error遠小于設(shè)定的目標誤差0.001，訓練結(jié)果較好。

通過計算可以得到BP神經(jīng)網(wǎng)絡優(yōu)化后的權(quán)重，與熵權(quán)初始權(quán)重進行對比，結(jié)果如圖7所示。

由圖7可知，人口密度、經(jīng)濟密度、POI密度和耕地面積比重在所有指標中所占的權(quán)重降低，老少人口比例、衛(wèi)生機構(gòu)數(shù)量、排水管網(wǎng)密度及水利、環(huán)境和公共設(shè)施管理從業(yè)人數(shù)的指標權(quán)重增大，其他指標所占權(quán)重基本持平。與熵權(quán)法相比，經(jīng)濟密度依舊是暴露度中所占權(quán)重最高的指標。在敏感性中，POI密度還是占比最多的指標，而經(jīng)過BP神經(jīng)網(wǎng)絡優(yōu)化的老少人口比例指標成為敏感性中第二重要的指標。權(quán)重優(yōu)化前，居民人均可支配收入是適應能力中最重要的指標，經(jīng)過BP神經(jīng)網(wǎng)絡優(yōu)化后，排水管網(wǎng)密度成為適應能力中最重要的指標。可以看出，經(jīng)過BP神經(jīng)網(wǎng)絡優(yōu)化模型修正后的指標權(quán)重既保留了熵權(quán)法的原始意義，也使得指標權(quán)重更加客觀，因此，基于BP神經(jīng)網(wǎng)絡權(quán)重優(yōu)化模型適用于北京市洪澇災害承災體脆弱性評估。

4 評估結(jié)果與分析

在ArcGIS中，將BP神經(jīng)網(wǎng)絡優(yōu)化模型所得到的權(quán)重和標準化處理后的指標數(shù)據(jù)代入公式（15）進行加權(quán)綜合計算。Hj=ni=1wixij（15）式中：Hj為指標評估指數(shù)；wi為指標權(quán)重值；xij為指標標準化處理后的數(shù)據(jù)。

為了方便觀察，根據(jù)國內(nèi)外承災體脆弱性評估領(lǐng)域分級標準，通過ArcGIS工具中的自然斷點法將洪澇災害承災體暴露度、敏感性、適應能力和脆弱性分為4個等級。

圖8為暴露度等級區(qū)劃圖，北京市洪澇災害承災體暴露度等級整體上呈現(xiàn)東南高、西北低的趨勢。從洪澇災害承災體暴露度指標所占的權(quán)重來看，北京市面對洪澇災害主要的承災體暴露指標為人口密度、經(jīng)濟密度和路網(wǎng)密度。東城區(qū)、西城區(qū)作為北京市城市中心，人口密度高，經(jīng)濟發(fā)達，市區(qū)內(nèi)路網(wǎng)密度高，靠近城市中心的朝陽區(qū)、海淀區(qū)、豐臺區(qū)、石景山區(qū)和通州、順義、大興大部分地區(qū)，經(jīng)濟發(fā)展速度快，居住人口集中，地形較為平坦，路網(wǎng)密度高，這些地區(qū)洪澇災害承災體暴露度高；位于中心城區(qū)周邊的地區(qū)，如昌平和懷柔的東南地區(qū)，密云和平谷的西南地區(qū)，房山和通州的東北地區(qū)，在中心城區(qū)發(fā)展的帶動下，許多新興住宅區(qū)和商業(yè)區(qū)得以建設(shè)，人口、經(jīng)濟、道路持續(xù)增加，其洪澇災害承災體暴露度較高；而位于邊緣地區(qū)的門頭溝區(qū)、懷柔區(qū)、房山區(qū)西南山區(qū)、延慶和昌平北部山區(qū)以及密云和平谷的東北地區(qū)，由于人口稀少，經(jīng)濟發(fā)展緩慢，地形崎嶇，路網(wǎng)密度低，其洪澇災害承災體暴露度低。

受北京市社會活力、POI密度和老少人口比例承災體敏感性指標的影響，北京市洪澇災害承災體敏感性等級區(qū)劃整體上呈現(xiàn)東部平原地區(qū)高，西部山區(qū)低的趨勢，如圖9所示。東部地區(qū)多位于平原地區(qū)，土地利用率高，作為北京市中心的城六區(qū)（東城區(qū)、西城區(qū)、朝陽區(qū)、海淀區(qū)、豐臺區(qū)、石景山區(qū)），擁有眾多的商業(yè)區(qū)、工業(yè)區(qū)和科技高新區(qū)，POI主要以商業(yè)、服務業(yè)、科技文化為主，其居住人口老年人口比例高，面對洪澇災害承災體敏感性等級高；而靠近城六區(qū)的昌平東南部、順義區(qū)、通州西北部、大興區(qū)和房山東北部地區(qū)地勢較為平坦，社會發(fā)展較快，多為中年人口集中區(qū)域，老少人口比例相對城六區(qū)較低，面對洪澇災害的承災體敏感性等級較高；相對于北京市中心城區(qū)，延慶區(qū)、昌平西北部和密云山區(qū)的社會活力和POI密度相對較低，第三產(chǎn)業(yè)發(fā)展水平較低，城市化程度不高，建設(shè)用地相對較少，而且老少人口比例相對平衡，沒有像城市中心區(qū)域那樣老齡化的問題，這些因素都減少了洪澇災害發(fā)生的可能性，因此，洪澇災害承災體敏感性等級較低；而位于太行山脈余支的門頭溝區(qū)和房山區(qū)以及山峰較多、地形崎嶇的懷柔區(qū)不易建設(shè)開發(fā)，發(fā)展緩慢，POI密度低，住宅區(qū)少，老少人口占比低，其洪澇災害承災體敏感性等級低。

從洪澇災害承災體適應能力評估指標所占權(quán)重來看，對適應洪澇災害、減少損失貢獻最多的3個指標為排水管網(wǎng)密度、植被覆蓋率和衛(wèi)生機構(gòu)數(shù)量。受這3個主要指標的影響，北京市洪澇災害承災體適應能力等級區(qū)劃的空間分布特征具有明顯的差異性，大體呈現(xiàn)南高北低的趨勢，如圖10所示。市區(qū)內(nèi)的東城區(qū)、西城區(qū)、海淀區(qū)等中心城區(qū)相對于其他區(qū)域而言，排水管網(wǎng)較為完善，相應的排水設(shè)施也比較齊全，因此在面對洪澇災害時，這些區(qū)域的排水能力相對較強，而且市區(qū)中心區(qū)域相對較為密集，衛(wèi)生機構(gòu)數(shù)量相對較多，因此在面對洪澇災害時，這些區(qū)域的醫(yī)療救援和衛(wèi)生保障能力相對較強，適應能力高；而房山區(qū)、昌平區(qū)、懷柔區(qū)南部山區(qū)和郊區(qū)相對于市區(qū)中心區(qū)域而言，植被覆蓋率較高，植被的根系能夠防止土壤侵蝕，保持土壤的穩(wěn)定性，減少水土流失和土石流等災害的發(fā)生，因此這些區(qū)域的洪澇災害承災體適應能力相對較高；門頭溝、懷柔區(qū)、密云區(qū)部分地區(qū)排水管網(wǎng)相對薄弱，植被覆蓋不理想，洪澇災害承災體適應能力較低；延慶區(qū)、平谷區(qū)位于山區(qū)和丘陵地帶，供水能力不足，由于人類活動頻繁，土地裸露，而且相對于北京市中心城區(qū)和其他發(fā)達城區(qū)，延慶區(qū)、平谷區(qū)的衛(wèi)生機構(gòu)數(shù)量較少，因此，其洪澇災害承災體適應能力低。

受洪澇災害承災體暴露度和敏感性的主要影響，北京市洪澇災害承災體脆弱性在空間上呈現(xiàn)東南平原區(qū)域高西北山地區(qū)域低的特征，如圖11所示。東南平原地區(qū)包括城六區(qū)、昌平東南區(qū)域、房山東北區(qū)域、通州、大興和順義區(qū)等。這些地區(qū)地勢平坦，水系分布密集，面臨著城市化和人口密集等因素帶來的壓力，面對洪澇災害的脆弱性高。西北山區(qū)主要包括門頭溝區(qū)、懷柔區(qū)、密云區(qū)、延慶區(qū)等地。這些地區(qū)地形復雜，地勢較高，水系分布相對稀疏，由于地勢高峻，城鎮(zhèn)化建設(shè)水平落后于東南平原地區(qū)，人口分布稀疏，面對洪澇災害的脆弱性低。

為驗證洪澇災害承災體脆弱性區(qū)劃是否符合實際，選擇北京市2次典型暴雨洪澇災害案例進行分析。

（1） 2008年7月，北京市遭遇了一次特大暴雨襲擊，導致城區(qū)多地發(fā)生洪澇災害。受災最嚴重的是西城區(qū)、豐臺區(qū)、朝陽區(qū)等地。根據(jù)官方統(tǒng)計，該次洪澇災害共造成77人死亡，失蹤7人，受災人數(shù)達到118萬，直接經(jīng)濟損失達71.4億元。在西城區(qū)，西單商場地下一層被淹，造成重大財產(chǎn)損失。豐臺區(qū)，玉泉營、南四環(huán)等地區(qū)受災最為嚴重，多處道路被淹，多個小區(qū)被淹沒，居民被困。在朝陽區(qū)，雙井地區(qū)、東三環(huán)等地區(qū)也遭受了洪澇災害的襲擊。

（2） 2012年7月21～22日，北京市再次遭遇大范圍特大暴雨襲擊，多地出現(xiàn)洪澇災害。受災最嚴重的是朝陽區(qū)、海淀區(qū)、通州區(qū)等地。根據(jù)官方統(tǒng)計，該次洪澇災害共造成79人死亡，5人失蹤，受災人數(shù)超過170萬，直接經(jīng)濟損失達36.54億元。在朝陽區(qū)，多個小區(qū)被淹沒，許多車輛被淹，道路、橋梁受損，造成交通癱瘓。在海淀區(qū)，北京大學、清華大學等高校遭受洪澇災害襲擊，部分校區(qū)被淹。在通州區(qū)，多個鄉(xiāng)鎮(zhèn)和村莊受災，農(nóng)田被淹，許多農(nóng)作物受災，造成重大農(nóng)業(yè)損失。

與本文北京市洪澇災害承災體脆弱性區(qū)劃對比分析來看，這2次暴雨洪澇災害受災最嚴重的地區(qū)均位于洪澇災害承災體脆弱性程度高的區(qū)域。2次洪澇災害對北京市造成的人員傷亡、財產(chǎn)損失、商鋪破壞、道路損壞和農(nóng)田受災尤為突出，表明本文選取的承災體脆弱性指標能夠較好地反映實際情況?？偟膩砜矗u估結(jié)果與北京市各區(qū)洪澇災害實際發(fā)生及防洪防汛狀況基本吻合，說明根據(jù)本文提出的權(quán)重優(yōu)化模型進行的洪澇災害承災體脆弱性評估結(jié)果科學可信。

5 結(jié)論與建議

本文通過構(gòu)建洪澇災害承災體脆弱性評估指標體系和基于優(yōu)化BP神經(jīng)網(wǎng)絡的評估模型，對北京市16個市轄區(qū)的洪澇災害承災體脆弱性進行了評估，結(jié)論如下：

（1） 北京市洪澇災害承災體暴露度整體呈現(xiàn)東南高、西北低的趨勢，主要承災體暴露指標為人口密度、經(jīng)濟密度和路網(wǎng)密度。

（2） 北京市洪澇災害承災體敏感性等級整體上呈現(xiàn)東部平原地區(qū)高、西部山區(qū)低的趨勢，城市中心區(qū)域敏感性等級較高，而山區(qū)和人口稀少地區(qū)敏感性等級較低。

（3） 排水管網(wǎng)密度、植被覆蓋率和衛(wèi)生機構(gòu)數(shù)量是適應洪澇災害、減少損失的主要指標，北京市洪澇災害承災體適應能力等級區(qū)劃空間分布呈現(xiàn)南高北低的趨勢。

（4） 北京市洪澇災害承災體脆弱性呈現(xiàn)由東南向西北逐漸降低的空間分布趨勢，城市中心區(qū)的脆弱性等級較高，而邊緣地區(qū)的脆弱性等級相對較低。

為了降低北京市洪澇災害承災體的脆弱性，提高承災體的適應能力，提出以下幾點建議：

（1） 對城六區(qū)以及周邊城鎮(zhèn)化水平高的區(qū)域優(yōu)化城市空間布局，減少城市密度，降低城市脆弱性。合理規(guī)劃城市土地利用方式，增加城市綠地、水源涵養(yǎng)和調(diào)節(jié)功能，降低地面覆蓋率，使城市更具有自然排水功能。

（2） 對于門頭溝區(qū)、懷柔區(qū)及延慶區(qū)可以加強城市防洪工程建設(shè)，增加防洪設(shè)施的數(shù)量和質(zhì)量，提高城市的防洪能力。加強對居民的防災減災教育和培訓，提高居民的防災減災意識和應急能力，增強居民的抗洪意識和能力。

（3） 加強洪澇災害監(jiān)測和預警，及時發(fā)布洪澇預警信息，提高居民應急響應能力，減少洪澇災害對人民生命財產(chǎn)安全的影響。

參考文獻：

［1］程朋根，黃毅.基于AHP-熵權(quán)法的南昌市洪澇風險評估［J］.人民長江，2021，52（10）：18-25.

［2］朱凈萱，戴強，蔡俊逸，等.基于多智能體的城市洪澇災害動態(tài)脆弱性計算模型構(gòu)建［J］.地球信息科學學報，2021，23（10）：1787-1797.

［3］姚蕊，楊群濤，張書亮.城市暴雨內(nèi)澇災害脆弱性研究綜述［J］.水資源保護，2023，39（1）：93-100.

［4］ZENG W Y，SHEN H L，WANG H，et al.Quantitative assessment of urban flood disaster vulnerability based on text data：case study in Zhengzhou［J］.Water Supply，2020，20（2）：1-16.

［5］王大洋.基于改進博弈論組合權(quán)重的云模型在城市洪澇易損性評價中的應用［J］.人民珠江，2020，41（11）：30-36.

［6］張乾柱，王彤彤，盧陽，等.基于AHP-GIS的重慶市山洪災害風險區(qū)劃研究［J］.長江流域資源與環(huán)境，2019，28（1）：91-102.

［7］梁翔，朱積軍，羅優(yōu)，等.基于改進AHP法的蓄滯洪區(qū)可持續(xù)發(fā)展模糊評價［J］.人民長江，2020，51（5）：17-21.

［8］DUBEY S P，MUKUL K，MUDIT K.Flood vulnerability assessment using data envelopment analysis-the case of Narmada river basin districts in central India［J］.Water Policy，2021，23（5）：1089-1106.

［9］吳浩然，龍健，許光達，等.基于熵權(quán)法和TOPSIS法的城市洪澇災害承災體脆弱性評價［J］.自然災害學報，2019，28（3）：163-171.

［10］XU H，MA C，LIAN J，et al.Urban flooding risk assessment based on an integrated k-means cluster algorithm and improved entropy weight method in the region of Haikou，China［J］.Journal of Hydrology，2018，563：975-986.

［11］DUNG P，SHANNON R，F(xiàn)EBI D，et al.The spatial distribution of vulnerability to the health impacts of flooding in the Mekong Delta，Vietnam.［J］.International Journal of Biometeorology，2016，60（6）：857-65.

［12］謝捷，劉瑋，徐月順，等.基于AHP-熵權(quán)法的西寧地區(qū)汛期暴雨災害風險評估［J］.自然災害學報，2022，31（3）：60-74.

［13］陳軍飛，李倩，鄧夢華，等.基于隨機森林與可變模糊集的城市洪澇脆弱性評估［J］.長江流域資源與環(huán)境，2020，29（11）：2551-2562.

［14］程先富，匡毅，趙陽.基于BP神經(jīng)網(wǎng)絡的洪澇災害風險評價：以杭埠河流域為例［J］.皖西學院學報，2015，31（2）：1-4.

［15］單九生，徐星生，樊建勇，等.基于GIS的BP神經(jīng)網(wǎng)絡洪澇災害評估模型研究［J］.江西農(nóng)業(yè)大學學報，2009，31（4）：777-780.

［16］羅紫元，田健，丁鍶湲，等.基于熵權(quán)TOPSIS和神經(jīng)網(wǎng)絡復合方法的廈門市雨洪災害風險評估［J］.災害學，2022，37（4）：184-192.

［17］薛志春，邸蘇闖，李永坤，等.基于可變集理論的北京市城市洪澇易損性評價［J］.中國防汛抗旱，2021，31（9）：37-42，61.

［18］游溫嬌，張永領(lǐng).洪災社會脆弱性指標體系研究［J］.災害學，2013，28（3）：215-220.

［19］鄒朝望，孫媛媛，謝伯承.湖南省洪澇災害風險評估研究［J］.人民長江，2010，41（11）：63-65.

［20］WILBY R L，KEENAN R.Adapting to flood risk under climate change［J］.Progress in Physical Geography，2012，36（3）；1-14.

［21］張振，張以晨，張繼權(quán)，等.基于熵權(quán)法和TOPSIS模型的城市韌性評估：以長春市為例［J］.災害學，2023，38（1）：213-219.

［22］康維，龔雪蕾.基于熵權(quán)法和BP神經(jīng)網(wǎng)絡的道路交通安全度評價模型及應用研究［J］.洛陽理工學院學報（自然科學版），2019，29（4）：11-17，60.

［23］施夢慧.基于熵權(quán)法-BP神經(jīng)網(wǎng)絡的區(qū)域物流評價研究［D］.合肥：合肥工業(yè)大學，2020.

［24］王磊.基于熵權(quán)法-BP神經(jīng)網(wǎng)絡的城市中心區(qū)低效用地識別評價研究［D］.南京：南京師范大學，2021.

［25］王倩雯，曾堅，辛儒鴻.基于GIS多準則評價與BP神經(jīng)網(wǎng)絡的暴雨洪澇災害風險辨識：以閩三角地區(qū)為例［J］.災害學，2021，36（1）：192-200.

［26］劉瑞寧，羅征文.基于BP算法的小型水庫應急管理風險評估方法研究［J］.水利水電快報，2023，44（10）：77-81.

（編輯：郭甜甜）

Assessment on vulnerability of flood disaster bearing body based on BP neural networkYUAN Xushan，LIU Jinghui，SONG Ke

（School of Emergency Management，Institute of Disaster Prevention，Langfang 065201，China）

Abstract： To reduce the damage of flood disasters to the bearing body，Beijing City as an example，an assessment framework for vulnerability of flood disaster bearing body considering exposure，sensitivity and adaptive capacity was developed.The entropy-weighted TOPSIS algorithm was applied to objectively weight the vulnerability indicators of flood disaster bearing body and obtain the standardized vulnerability index.The initial weights and vulnerability indices were used as input and output datasets，respectively，for training a BP neural network to obtain optimized weights.Furthermore，the ArcGIS technique was combined to assess the vulnerability of flood disaster bearing body，and the natural break method was used to classify the vulnerability into 4 levels.The results showed that：①Population density，economic density，urban POI density，vegetation coverage and drainage pipe network significantly influenced the vulnerability of flood disaster bearing body in Beijing City.②The vulnerability of flood disaster bearing body in Beijing city gradually decreased from southeast to northwest in spatial distribution，with higher vulnerability levels in the central urban area and lower vulnerability levels in the peripheral areas.The research results have certain guiding significance for reducing the vulnerability of flood disaster bearing body in Beijing City，and the weight optimization model and vulnerability assessment model can also be applied to the other cities.

Key words： flood disasters；vulnerability of disaster bearing body；entropy weight method；TOPSIS；BP neural network；ArcGIS；Beijing City

收稿日期：2023-07-18；接受日期：2023-10-06

基金項目：國家自然科學基金項目（72174019）

作者簡介：袁旭山，男，碩士研究生，主要從事災害監(jiān)測與評估研究。E-mail：2505475983@qq.com

通信作者：劉京會，女，副教授，博士，主要從事災害監(jiān)測與評估、災害遙感與GIS應用研究。E-mail：liujh@cidp.edu.cn