基于云模型和GIS的神農架林區洪災風險評價

汪 婷，何亞伯，常秀峰

（武漢大學土木建筑工程學院，武漢 430072）

洪災是中國當前面臨的最主要自然災害之一［1］，造成的損失十分巨大，據統計中國2010年以來每年因為洪災遭受的直接經濟損失高達2 539億元，占GDP總量的0.45%；受災人口每年平均高達1.137億人次，超過全國總人口的8%，平均每年因洪災遇難達954人，同時洪水引發的次生災害每年亦造成數十億元的直接損失。由于洪災具有突發性和高破壞性的特點［2］，洪災風險評價一直是國內外專家學者研究的熱點。趙士鵬［3］將孕災環境、致災因子、承災體3個因素作為考慮因素，根據發生學原理對山洪類型進行區分，結合減災服務，將全國劃分為6個山洪災害特征一致區域。魏一鳴等［4］基于歷史災情展開研究，從系統論的角度研究了洪水災害復雜大系統。譚徐明等［5］將近300年以來洪災的資料及當前社會和自然經濟數據作為研究的基礎資料，基于數據庫和GIS技術，將統計學和模糊聚類的方法結合起來，完成了區域洪水風險分析及全國洪水風險區劃圖的繪制。萬君等［6］通過分析湖北省土地覆蓋及河網密度，評價了其洪水災害風險性。賴成光等［7］為使影響因子的確定更具有科學性、合理性，基于GIS技術分別利用BP神經網絡等方法進行計算疊加繪制出廣州市洪水災害危險性評價圖，完成了北江流域洪災風險的分析評價。近年來，學者們使用較多的評價方法主要有BP神經網絡評價法、模糊綜合評價、組合賦權法、粗糙集［8－10］等，這些方法多與GIS結合使用，但這些方法在指標權重的確定上存在較大的人為干擾，不能從根本上解決洪災風險評價中的模糊性問題。本研究針對已發表的洪災風險評價，建立基于GIS技術、云模型、熵值修正的風險評價方法，直接準確地反映了關于指標權重的主、客觀認識，對洪災風險評價的模糊性和主觀性進行了更好地處理，對神農架林區洪災風險分析評估，對山區村鎮發展規劃和災害防治具有科學和實踐意義。

1 神農架林區洪災風險評價指標體系

中國當前對洪災風險的研究多集中在城市等人口、經濟密集的地區，對廣大的山區村鎮研究較少，但中國2／3以上的面積為山地，大多數農村位于山區地帶，城鎮化水平還比較低，山區較城市而言在地理環境、人口分布、設施建設等方面具有不同的屬性，由于其經濟水平落后、自然環境更為復雜，針對山區進行的自然災害研究與以往城市災害研究存在很大的不同。根據神農架林區的特點，結合構建的指標體系建立科學的評價模型，將云模型和熵值運用于評價模型中，繪制出洪災風險圖，為林區的規劃、預警應災體系的完善提供幫助，具有較高的理論和實踐意義。

1.1 研究區域概況與數據來源

神農架林區地處湖北省西部，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。林區下轄6鎮2鄉，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、地勢復雜，山體坡度集中在 20°～50°，河流水資源豐富，林區主山脈兩側分別屬于長江流域和漢江流域，由于林區整體地形特點，造成的氣候分布也具有一定區域差異，而人口大部分居住在低谷處，處于天然的洪災隱患區。特殊的地質背景、地理位置和氣候條件使得神農架林區成為山洪災害頻發地段。據統計，神農架林區山洪、滑坡、泥石流等災害點多達220處，而最近幾年發生的嚴重山洪已有8次，累計受災人數接近林區農業人口的總和，直接經濟損失3 000余萬元。

神農架林區洪災風險研究所使用的數據包括通過實地調研采集的不同精度下數字高程模型數據、遙感影像數據、地理地形基礎數據、CAD數據、《神農架林區統計年鑒》《山洪報告》、當地的歷史災情統計、山洪防災預案等統計類數據和國家防洪標準規范數據。

1.2 神農架林區洪災風險評價指標體系

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

2 基于云模型和熵值修正的洪災風險評價模型

云模型［13］是一種實現定性定量相互轉化的模型，能從模糊的數據描述中挖掘出數值狀態，也能把精確數值抽象為恰當的定性描述，因此可以較好地處理指標權重獲取與指標評價過程中的模糊性和不確定性問題。本研究構建了基于逆向云算法、條件云算法、綜合云算法，結合模糊數學、熵權法思想的評價模型，其主要步驟包括確定評價指標權重、確定各單元評價值以及綜合評價結果的計算與分析。

2.1 基于綜合云的指標權重初步確定

圖1 神農架林區洪災風險評價體系

根據風險考慮到對象及災情特點，確定的指標權重既要體現出指標間的相對重要性又要體現出其各自對洪災危險性、承災體承災能力的絕對貢獻。在評價過程中每個指標對評價結果的影響存在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，每位專家對該指標權重的賦值是其客觀效果的1次定量的實現；使用逆向云發生器［14］處理專家賦值來獲得該指標客觀作用效果的數值期望，將這一數值期望作為評價過程中相應指標的權重；同時考慮到專家個體認知的模糊性和不確定性，本研究針對專家打分區間和最可能值構建了基于綜合云的權重確定方法［15］，具體操作步驟如下。

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

2）運用逆向云發生器處理專家打分得到權重云。將第l位專家對全部指標權重的賦值lwimax、lwimin、lwip，對應地分為最大值組、最小值組、最可能值組3組，分別對各組進行標準化處理，得到使用數據lwimax′3、lwimin′、lwip′，i=1，2，3，…，m，l=1，2，3，…，L；然后，將第 i個指標對應的數據 lwimax′、lwimin′、lwip′， 對應地分為最大值組、最小值組、最可能值組；運用1種改進的無確定度逆向云發生器得到最可能值組的權重云Cip｛Exip，Enip，Heip｝；再運用 1 種含有確定度的逆向云發生器算法處理最大值組、最小值組數據，此處將這些數據的確定度設為 0.5，得到權重云 Cim｛Exim，Enim，Heim｝。根據得到的各個云的數字特征，使用正向云發生器生成云圖，凝聚性較差的云表示專家在認識上存在較大的分歧，將這些指標反饋給專家，重復上面的工作，直至獲得專家認識較為統一的云。

3）依據綜合云算法計算權重。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i權重的期望。將各指標的權重值期望 Exi（i=1，2，3，…，m）歸一化計算得到后續步驟中使用的權重，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：

當求取多個云的綜合云時，可以按要求順序，重復使用上述規則求取綜合云的數值特征。

2.2 基于熵值的權重修正

上一部分指標權重計算的基礎數據來自于專家打分，數據本身除反映其代表的指標重要性的實際意義外，還可以提供專家間認識的差異性、數據提供信息量的大小等。熵可以測量數據信息的含量，從而作為不確定性的度量。本研究使用熵值［16］對初步權重進行修正。在應用中，針對指標最可能值數據構建“專家－指標”矩陣 LWP：

對矩陣進行歸一化處理，得到：

其中，

指標打分值越大，對于評價結果越重要，看作收益性指標來處理，則第i個指標的熵值為

其中，

當 fil=0 時，fillnfil=0。

修正過程使用的數據為指標的混亂度代表值vi。

計算結果混亂度代表值小的表明對應指標專家認識差異較小，專家意見較為統一，混亂度代表值大的表明專家們對該指標的認識存在相對較大的差異［17］，這時對該指標加以重視并進一步做如下處理：

1）觀察打分情況判斷該計算結果是否為個別數據偏差造成，若是，剔除后重新計算，否則進入下一步；

2）結合指標權重值wi，初步判斷該指標的重要性；

3）咨詢專家意見，依據災害原理并結合指標實際數據搜集情況，對該指標權重按照公式（5）或（6）進行放大、縮小或維持原值等修正。

式中，a值依據計算結果經過專家咨詢確定。根據指標的實際情況結合專家經驗選擇使用（5）或（6）。

對修正后的全部qi′歸一化得到最終所使用的指標權重 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）各指標評價值pij（即評價對象 j的指標 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據的指標，采用統計法、增量法、典型函數法、擇優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據的指標，針對數據的采集單元構建云模型、運用X條件云發生器獲得該指標對應評價水平云的評價值，為提高準確性和可信度重復運行條件云發生器多次，計算得到評價值的均值作為處理結果。所有對象、指標的評價值計算結果記為P：

2）運用前述方法確定指標權重Q=｛q1，q2，…，qm｝。

3）權重集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間。針對自然環境危險性、承災體承災能力以及二者相減得到的風險的計算結果， 分別劃定 “低”、“較低”、“中等”、“較高”、“高”等評價的水平區間，對結果進行分析，利于清晰表達；直接的劃分方法有等區間法、頻數法、自然斷點法等，也可依據經驗確定。

3 神農架林區洪災風險評價

以村為單位收集數據，通過不同的數學方法將數據反映在10 m×10 m大小的柵格單元中，以神農架全區8個鄉鎮為對象進行評價。

湖北省水利廳及神農架林區防洪相關部門工程師及專家對指標體系中的每個指標的重要性在［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，專家打分數據如表1所示。

表1 專家打分情況

通過改進的無確定度逆向云發生器計算得出汛期降雨水平的 3 個權重云分別為 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式（1）求取綜合云的數值特征如表2所示，其中Ex=44.3為權重的期望值，歸一化處理后得到指標權重0.207 6，使用正向云發生器生成云圖，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

根據式（3）、（4）計算求得混亂度代表值為Vi=0.001 1，依據計算結果，經過專家咨詢確定vi的閥值 a為 0.005，Vi＜a維持原值，無需進行放大或縮小，汛期降雨水平指標權重即為0.207 6。同理求得神農架自然危險性、承災能力2個指標體系的所有底層指標權重如表3、表4所示。由于房屋建筑物、道路、農林牧漁等相關產業數據均表示已損失的資產價值，單位相同，在處理過程中將同一研究單元的易損失資產總額加和，不再使用打分所得的指標權重；同時相對于其他量綱的數據要描述相對重要性，因此將三者打分所得權重作為一個整體。

表3 神農架林區洪災自然環境危險性底層指標情況

表4 神農架林區洪災承災能力底層指標權重

由于基礎數據是以村鎮為單位收集獲取的，通過克里金插值、線密度分析、Arcgis轉換工具、云模型等方法將數據進行處理，獲取10 m×10 m柵格單元的評價值矩陣P，通過式（7）分別得到神農架全區自然危險性水平、承災能力水平，二者相減獲得神農架全區洪災綜合風險。洪水災害的強度等級與成災范圍、受災情況等有直接關系，對于風險評價十分重要，因此本研究在分析過程中使用了間接反映洪水等級的1個數據，即水位上升高度來表達災害強度。選取水位上升高度為5 m的洪災強度下進行綜合風險評價，將計算結果使用自然斷點劃分為10個危險度，神農架林區洪災綜合風險如圖4所示。

圖4 水位上升5 m時全區洪災綜合風險

表5 神農架林區洪災綜合風險各危險度區域面積分布情況

結合表4的結果以及綜合風險分布 （圖4），整體而言林區風險水平較高，約9/10的面積為風險度5度的區域，主要因為全區自然環境危險度較高，而大部分地區經濟發展落后、災害防御工事缺失或不健全；木魚鎮和九湖鎮的自然危險性最高，基本完全處于危險度7度以上，其中木魚鎮約1/3的面積為危險度10的區域；松柏鎮大部分地區、宋洛鄉南部和紅坪鎮中部降雨水平也較高，基本處于6～7度；木魚鎮、九湖鎮大部分地區洪災自然環境危險性最高，松柏鎮南部、陽日鎮北部以及宋洛鄉東部和南部危險性較高，其他地區相對較低，下谷坪鄉、新華鎮和松柏鎮西北部危險性最低。具體到更精細的范圍內，除木魚鎮和九湖鎮外，其他地區高危險區域相對分散，大多沿河流主干道下游分布。

源 結論

為加強神農架林區洪災風險管理工作，構建了基于云模型、熵值和GIS技術的綜合評價模型。通過逆向云發生器擬合專家打分的區間值和最可能值獲得初步權重，結合熵值反映的數據信息量修正權重，不僅考慮到專家個體認知的模糊性和不確定性，同時通過熵值準確度量認知差異不確定性的大小，能夠更準確地確定指標權重。模型評價方面，對指標數據使用云模型和分段函數計算獲得盡可能連續的評價水平表達。結合GIS構建神農架洪災數據庫，在空間尺度上進一步細化，采用了10 m×10 m的研究精度，對林區的自然環境、人口、資產分布、歷史災情、洪災防御工事、應急預案等信息在空間位置上錄入并柵格化表達。對于承災體的空間位置、高程、暴露價值、易損程度等信息量化處理，為風險管理、災害預測等工作的展開奠定基礎。通過計算分析，林區的災害危險區域分布廣泛，帶有一定的集中度，結合自然環境危險性、孕災環境危險性和承災體性質的評價結果，未來措施的展開應重點考慮7度及以上區域，風險的綜合評價結果是對現狀的一個定性劃分，在討論災害防治措施時需要從更細的角度予以考慮。