福建省臺風(fēng)災(zāi)害風(fēng)險(xiǎn)模糊評估

黃春枝，鄭書富

(三明學(xué)院 信息工程學(xué)院，福建 三明 365004)

1 引言

由于福建省特殊的地理特點(diǎn)，以及各地區(qū)經(jīng)濟(jì)發(fā)展情況、人口分布狀況等方面的不同，導(dǎo)致不同臺風(fēng)災(zāi)害對福建省的影響程度也不相同。每年臺風(fēng)災(zāi)害不僅影響了福建省經(jīng)濟(jì)持續(xù)發(fā)展，而且對居民生活的幸福指數(shù)也有著嚴(yán)重的影響。研究近幾年來臺風(fēng)災(zāi)害對福建省的影響情況，了解各項(xiàng)指標(biāo)對福建省經(jīng)濟(jì)、人口的關(guān)系，將有利于福建省臺風(fēng)災(zāi)害風(fēng)險(xiǎn)的災(zāi)前預(yù)估和災(zāi)后重建工作的開展，有利于有關(guān)部門更好的應(yīng)對臺風(fēng)災(zāi)害風(fēng)險(xiǎn)，減少臺風(fēng)災(zāi)害損失。

洪奕豐等采用層次分析法和加權(quán)綜合評價(jià)法，對浙東熱帶氣旋的災(zāi)害風(fēng)險(xiǎn)進(jìn)行研究[2]；張永恒等采用模糊數(shù)學(xué)法、數(shù)理統(tǒng)計(jì)法構(gòu)建了評估模型，分別計(jì)算出臺風(fēng)綜合評價(jià)指數(shù)、災(zāi)級指數(shù)，對浙江省的20個(gè)臺風(fēng)分別進(jìn)行評價(jià)對比[3]；馬清云等采用加權(quán)平均法確定臺風(fēng)災(zāi)害影響因子的權(quán)重，采用模糊綜合評價(jià)法得到評價(jià)系數(shù)，并對實(shí)際災(zāi)情進(jìn)行分級評價(jià)[4]。本文采用層次分析法與模糊綜合評價(jià)法結(jié)合，對近幾年10個(gè)對影響福建省臺風(fēng)災(zāi)害的整體情況進(jìn)行研究，建立臺風(fēng)災(zāi)害指標(biāo)體系，利用模糊綜合評價(jià)法對臺風(fēng)的災(zāi)情進(jìn)行定量分析，并采用回歸分析法對災(zāi)情進(jìn)行定性分析，得出各指標(biāo)間的相互關(guān)系，使得相關(guān)部門可以根據(jù)臺風(fēng)的預(yù)測值及本地區(qū)自身的經(jīng)濟(jì)、環(huán)境、人口情況提前采取措施，為做好臺風(fēng)的防災(zāi)減災(zāi)工作提供科學(xué)依據(jù)。

2 數(shù)據(jù)的來源和影響因子選取

本文選取近幾年共10個(gè)對福建省影響較大且資料較完善的臺風(fēng)。數(shù)據(jù)主要來源于福建省臺風(fēng)災(zāi)害資料、省防汛辦公布的數(shù)據(jù)[12]、福建省氣象臺、福建天氣網(wǎng)、閩南網(wǎng)以及福建省統(tǒng)計(jì)年鑒[5]的資料。

根據(jù)以往研究成果，本文對臺風(fēng)災(zāi)害影響因子采用分4個(gè)一級指標(biāo)和13個(gè)二級指標(biāo)如下，A11(24 h最大降水量)、A12(過程最大降水量)、A13(臺風(fēng)最大風(fēng)速)以及A14(臺風(fēng)最低氣壓)等指標(biāo)表示A1(災(zāi)害的危險(xiǎn)性因子)；A21(因?yàn)?zāi)死亡人數(shù))、A22(經(jīng)濟(jì)損失，單位：億元)、A23(災(zāi)害持續(xù)時(shí)間)等指標(biāo)表示A2(災(zāi)害脆弱性因子)，A31(經(jīng)濟(jì)密度)、A32(人口密度)等指標(biāo)表示A3(承災(zāi)體的易損性因子)；A41(人均GDP)、A42(醫(yī)療能力)、A43(道路狀況)、A44(應(yīng)急疏散能力)等指標(biāo)表示A4(防災(zāi)減災(zāi)因子)。

3 模糊綜合評價(jià)模型的建立

建立模糊綜合評價(jià)模型的步驟如下。

(1)應(yīng)用層次分析(AHP)法[6]確定臺風(fēng)災(zāi)害影響因子的13個(gè)二級評價(jià)指標(biāo)按一級指標(biāo)分類進(jìn)行重要性評判，建立判斷矩陣A，計(jì)算判斷矩陣A的特征值與特征向量，并利用特征值進(jìn)行一致性檢驗(yàn)，檢驗(yàn)特征向量作為相應(yīng)災(zāi)害影響因子的權(quán)重向量的有效性。

(2)在經(jīng)典的戒下型函數(shù)的分布，可以表示臺風(fēng)災(zāi)害輕重程度，當(dāng)因子u大于某一界值c(因子u歷年統(tǒng)計(jì)的最小值)時(shí)，認(rèn)為可以成災(zāi)，否則不成災(zāi)。如果直接應(yīng)用經(jīng)典戒下型函數(shù)[7]，必然導(dǎo)致臺風(fēng)災(zāi)害因子的損失。令u歷年統(tǒng)計(jì)的最大值，所對應(yīng)的隸屬函數(shù)的值為0.99，更新經(jīng)典戒下型函數(shù)為

(1)

其中f(u)為經(jīng)典的戒下型函數(shù).

防災(zāi)減災(zāi)能力越強(qiáng)，臺風(fēng)災(zāi)害就應(yīng)該會越小，故防災(zāi)減災(zāi)因子的隸屬函數(shù)中f(u)用1-f(u)替代，計(jì)算災(zāi)減災(zāi)因子的隸屬值。

(3)由臺風(fēng)災(zāi)害因子的隸屬值建立模糊評判矩陣[16]，計(jì)算二級模糊評價(jià)：

(2)

第j個(gè)臺風(fēng)模糊評價(jià)矩陣為:

bj=W1(b1j,b2j,b3j,b4j)T

(3)

其中W1為一級指標(biāo)的權(quán)重。

(4) 建立線性回歸模型。

上述對福建省臺風(fēng)災(zāi)后建立了評估模型，但依舊存在主觀性因素且不能及時(shí)在災(zāi)前對臺風(fēng)災(zāi)害進(jìn)行預(yù)測分析，在進(jìn)行分析前先判斷影響臺風(fēng)其他各項(xiàng)指標(biāo)與經(jīng)濟(jì)損失、因?yàn)?zāi)死亡人數(shù)、農(nóng)作物受災(zāi)面積的相關(guān)性，有助于了解哪些指標(biāo)對福建省臺風(fēng)災(zāi)害的具體情況影響程度最大。根據(jù)相關(guān)分析系數(shù)得出關(guān)鍵指標(biāo)分別建立各指標(biāo)與因?yàn)?zāi)死亡人數(shù)、經(jīng)濟(jì)損失的回歸方程，并對所得到回歸方程進(jìn)行顯著性檢驗(yàn)。

4 臺風(fēng)災(zāi)害風(fēng)險(xiǎn)實(shí)例分析

應(yīng)用層次分析(AHP)法對表1各相關(guān)指標(biāo)進(jìn)行重要性評判，建立判斷矩陣計(jì)算各災(zāi)害因子的權(quán)重，并通過一致性檢驗(yàn)判斷災(zāi)害因子的權(quán)重的有效性(表2)。

利用更新后的經(jīng)典戒下型函數(shù)，計(jì)算表1各災(zāi)害因子的隸屬值(表3)。

利用(2)式和(3)式計(jì)算得到表1臺風(fēng)災(zāi)害模糊評價(jià)表。

表1 近幾年10個(gè)對福建省影響較大臺風(fēng)災(zāi)害情況

表2 臺風(fēng)災(zāi)害因子的權(quán)重

表3 臺風(fēng)災(zāi)害情況隸屬度

為了更加客觀的對臺風(fēng)災(zāi)害的破壞程度進(jìn)行評級，根據(jù)不同的評價(jià)指數(shù)制定一個(gè)統(tǒng)一的等級標(biāo)準(zhǔn)，得到各臺風(fēng)災(zāi)害的損失程度。再結(jié)合因臺風(fēng)災(zāi)害福建省所受經(jīng)濟(jì)損失、因?yàn)?zāi)死亡人數(shù)以及農(nóng)作物受災(zāi)面積，客觀反應(yīng)受災(zāi)情況。其中各分級情況如表4所示。

根據(jù)(2)式與(3)式的計(jì)算結(jié)果，表1近幾年10個(gè)臺風(fēng)進(jìn)行模糊綜合評價(jià)，結(jié)果如表5所示。

表4 評價(jià)等級

通過對10個(gè)臺風(fēng)進(jìn)行模糊綜合評價(jià)，并且依據(jù)臺風(fēng)評價(jià)等級表，且對照損失經(jīng)濟(jì)而言，評判結(jié)果基本符合實(shí)際情況。針對上述情況，福建省應(yīng)提前做好預(yù)判，防止災(zāi)害對福建省的嚴(yán)重影響。以1513蘇迪羅為例，該臺風(fēng)在死亡率、經(jīng)濟(jì)損失以及農(nóng)作物受災(zāi)面積等方面都較其他編號的臺風(fēng)會更高，因此，最后評級為特別嚴(yán)重符合實(shí)際情況；1312潭美臺風(fēng)雖然在經(jīng)濟(jì)損失方面較高，但是防御措施得力，在災(zāi)害的危險(xiǎn)性因子很高的情況下，死亡率和農(nóng)作物受災(zāi)面積等方面較低。

5 臺風(fēng)災(zāi)害因子的回歸分析

上述對福建省臺風(fēng)災(zāi)后建立了評估模型，但依舊存在主觀性因素且不能及時(shí)在災(zāi)前對臺風(fēng)災(zāi)害進(jìn)行預(yù)測分析，在進(jìn)行分析前先判斷影響臺風(fēng)其他各項(xiàng)指標(biāo)與經(jīng)濟(jì)損失、因?yàn)?zāi)死亡人數(shù)、農(nóng)作物受災(zāi)面積的相關(guān)性，有助于了解哪些指標(biāo)對福建省臺風(fēng)災(zāi)害的具體情況影響程度最大。

與因?yàn)?zāi)死亡人數(shù)相關(guān)的關(guān)鍵指標(biāo)24小時(shí)最大降雨量、人均GDP、醫(yī)療能力、經(jīng)濟(jì)密度、道路狀況，對上述數(shù)據(jù)進(jìn)行回歸分析，得到回歸模型：

y1=0.002-4.489x1+2.321x2+7.121x3-4.188x4-1.945x5

(Ⅰ)

其中：y1表示因?yàn)?zāi)死亡人數(shù)，x1表示24小時(shí)最大降雨量，x2表示人均GDP，x3表示醫(yī)療能力，x4表示經(jīng)濟(jì)密度，x5表示道路狀況。

與經(jīng)濟(jì)損失相關(guān)的關(guān)鍵指標(biāo)24小時(shí)最大降雨量、過程最大降水量、最大風(fēng)速。對上述數(shù)據(jù)進(jìn)行回歸分析，得到回歸模型：

y2=-0.001+0.662x1+2.859x2-2.524x3

(Ⅱ)

其中：y2表示經(jīng)濟(jì)損失，x1表示24小時(shí)最大降雨量，x2表示過程最大降水量，x3表示最大風(fēng)速。

因?yàn)?zāi)死亡人數(shù)與經(jīng)濟(jì)損失的回歸模型的相關(guān)系數(shù)達(dá)到0.846，且回歸方程通過顯著性水平為0.01的顯著性檢驗(yàn)，說明回歸模型在反映災(zāi)情方面具有一定的實(shí)際意義。

6 結(jié)語

依據(jù)層次分析法得到影響臺風(fēng)災(zāi)害因子的權(quán)重，采用模糊數(shù)學(xué)建立臺風(fēng)災(zāi)害模糊評估模型，對近幾年10個(gè)對福建省影響較大臺風(fēng)災(zāi)害進(jìn)行模糊評價(jià)，評估結(jié)果與臺風(fēng)實(shí)際災(zāi)害情況很接近說明該模型具有較高的準(zhǔn)確率，是一種較好的災(zāi)情評估方法。由于模型中選取的致災(zāi)因子基本上都可以在災(zāi)前得預(yù)測值，因?yàn)?zāi)死亡人數(shù)、經(jīng)濟(jì)損失兩個(gè)災(zāi)害因子可以通過回歸分析計(jì)算其預(yù)測值，因此災(zāi)前政府防災(zāi)減災(zāi)部門可以利用評估結(jié)果采取應(yīng)急措施和決策支持，將臺風(fēng)災(zāi)害損失減少到最小。

隨著研究的深入以及現(xiàn)代化技術(shù)收集臺風(fēng)數(shù)據(jù)的準(zhǔn)確性提高，未來對臺風(fēng)災(zāi)害風(fēng)險(xiǎn)評估將會有更進(jìn)一步的了解，對臺風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行評估研究的應(yīng)用前景也十分廣闊。只要進(jìn)行更深入、更具體、更系統(tǒng)的研究，使臺風(fēng)災(zāi)害風(fēng)險(xiǎn)評估系統(tǒng)不斷完善，在今后的臺風(fēng)災(zāi)害預(yù)防和災(zāi)后重建中，有十分重要的作用。

FuzzyEvaluationofTyphoonDisasterRiskinFujian

Huang Chunzhi,Zheng Shufu

(SchoolofInformationEngineering,SanmingUniversity,Saming,Fujian, 365004,China)

Abstract: In this paper, the index system of typhoon disaster in Fujian is established by selecting 10 typhoons which have great influence on Fujian in recent years, and the weight of typhoon disaster factors is obtained by AHP, and the fuzzy evaluation model of typhoon disaster is established by fuzzy mathematics. Regression analysis was used to analyze disaster indicators, and the regression equation was tested for significance. The evaluation results are close to the actual disaster situation of typhoon, which shows that the model has a high accuracy and is a better method of disaster assessment. Disaster prevention and mitigation departments can use the assessment results to take emergency measures and decision-making support before the disaster, so as to minimize typhoon disaster losses.

Keywords: typhoon disaster; AHP;fuzzy mathematics;evaluation;Fujian Province