基于格網數據和博弈論組合賦權的中巴經濟走廊洪災風險評價

吳瑞英，孫懷衛※，嚴 冬，陶 輝，廖衛紅，陳皓銳，桂東偉

（1.華中科技大學土木與水利工程學院，武漢 430074；2.中國科學院新疆生態與地理研究所，烏魯木齊 830011；3.中國水利水電科學研究院，北京 100038）

0 引 言

洪水災害是當前影響范圍最為廣泛、發生次數最多且損失最為嚴重的自然災害之一[1]。在防汛抗洪、搶險救災等決策過程中開展合理的洪水風險評估對于減少洪災所造成的生命財產損失、指導洪水威脅區土地開發利用具有重要作用[2]。風險評價方法日漸成熟，已被運用到洪災評價中，如楊樂嬋等[3]利用粗糙集約簡的BP神經網絡算法來快速獲取洪災風險、基于地理信息系統（GIS）空間處理能力的集成系統已經逐漸成為了洪災風險評價強有力的工具[4-5]。通過探索，將GIS工具與洪災評估方法等相結合應用于洪災風險評估，劉家福等[6]基于層次分析法（Analytic Hierarchy Process，GIS-AHP）集成給出了淮河流域的洪水危險性評價和易損性評價，傅春等[7]建立了基于 GIS空間信息單元格的區域洪災損失快速評估模型并驗證其精度可信。一些學者從洪水災害系統的高維性、復雜性、不確定性等特征出發，建議采用考慮不確定性的方法，如任玉峰等[8]結合了基于證據理論和可變模糊集來處理洪災風險評估中的不確定性問題，金菊良等[9]建議綜合考慮主客觀不確定問題并推薦了基于廣義熵智能分析的洪水災害風險管理方法，鄒強等[10-11]進一步研究了基于最大熵原理和屬性區間識別理論的洪水災害風險分析方法。為克服洪災風險評估中主客觀權重不確定性的問題，引入考慮多個決策主體相互影響和決策均衡的博弈論原理[12-13]，能夠較好地兼顧決策者的經驗判斷從而獲得更加合理的洪災風險評估結果。

中巴經濟走廊的建設可能會影響區域生態環境的脆弱性，也可能會使該地區面臨極大的自然災害風險。資料統計，印度河干支流發生過多次洪水，造成了嚴重的人口經濟損失[14]。對洪水過程的分析也表明，俾路支省、信德省等面臨著較大的洪水風險[15]。洪澇災害的形成是一個多因素綜合作用的結果，有研究給出了洪澇災害風險評的指標體系，針對不同的下墊面情況有不同的指標結合[16]。尤其是對于易損性的評估，需要綜合社會、經濟、生態等多維度進行綜合評估。確定各評價指標的權重是該項研究的難點，許多研究中的指標權重是通過專家打分，利用層次分析法來確定，主觀性較重。對中巴經濟走廊開展可靠的洪災風險評估，對于保障“一帶一路”戰略具有重要的意義。博弈論作為多因素競爭下的決策方法已得到較好應用[17]，本文嘗試克服洪災風險評估中主客觀權重不確定性的問題，通過引入考慮多個決策主體相互影響和決策均衡的博弈論原理對原有博弈論優化，使其能夠較好兼顧決策者的經驗判斷，從而獲得更加合理的洪災風險評估結果。

遙感影像地圖學在風險評價當中發揮了越來越大的作用，用高分辨率區域格網數據能便捷地得到可靠的區域風險評價結果[18]。本文在中巴經濟走廊開展洪災風險評估使用中巴經濟走廊0.25°×0.25°格點數據集（V1）中的日降水數據集，基于博弈論原理耦合主觀權重和客觀權重，考慮區域現狀特點和災害系統理論構建評價指標體系，并對中巴經濟走廊內不同年代洪災風險進行評估，以期為該重點地區可持續發展和基礎設施建設等方面提供理論參考與決策支持。

1 材料與方法

1.1 研究區概況

中巴經濟走廊（China-Pakistan Economic Corridor，CPEC，圖1）從巴基斯坦的瓜爾達港延伸至中國喀什[19]，其范圍主要涵蓋巴基斯坦全境、中國新疆喀什及其周邊地區，全長約3 000 km，總面積約為93.2萬km2。研究區位于南亞次大陸的西北部，氣溫降水量的年際差別明顯，每年的 7—9月受西南季風的影響，區域性極端降水事件增多、洪水頻發。CPEC南部受印度洋季風氣候影響明顯，北部屬于亞洲的內陸區域，青藏高原在此分布，區內約有60%為山區和丘陵。印度河是一條貫穿巴基斯坦全境的國際性河流，其自旁遮普（Punjab）平原以后也逐漸寬闊，在平原區水流流速變小、水流挾沙力變小，導致所帶泥沙落淤、河床不斷抬高，極易發生洪水災害，引起大片地區被淹，由此也造成了嚴重的人員傷亡和社會經濟損失[14]。近年來，該區年平均氣溫以0.415 ℃/10a的速率上升，進入21世紀以來，氣溫上升速率更快；在1961—2013年間，中巴經濟走廊地區年降水量呈現波動上升趨勢，20世紀90年代以來，降水量明顯上升，極端氣候事件顯著，洪災事件頻發。據統計，過去的 70年期間，中巴經濟走廊地區共發生了25場主要洪水事件，幾乎每隔3 a就要發生一次，洪澇災害累計在巴基斯坦造成了超過300億美元的損失，大約有25 502人喪生，共197 273個村莊遭到破壞，影響的土地面積達616 598 km2，洪澇災害已經成為影響當地經濟社會發展的最主要挑戰之一。

1.2 中巴經濟走廊區域降水數據集

為獲得該區域精確可靠的洪災風險評價結果，本文基于1961—2013年該區氣溫和降水0.25°×0.25°格點數據集（V1）開展工作，該數據集利用專業氣象插值軟件Anusplin結合三維地理空間信息進行空間插值得來，并通過廣義交叉驗證和誤差分析評判插值模型效果（已由中國科學院新疆生態和地理研究所發布）。具體的插值過程如下：

1）降水數據預處理：格點化所用資料包括該區內50個氣象站逐日資料以及經過重采樣的數字高程模型數據（DEM，分辨率為0.25°×0.25°）。插值前對站點數據進行預處理，過濾掉完整度不滿足插值的站點，并在滿足設定完整度的基礎上利用反距離加權插值法（Inverse Distance Weighted，IDW）對缺測值進行逐日逐站點填補。格點化所用資料包括該區范圍內氣象站逐日資料，站點在30°N以南分布較均勻，在30°～35°N分布相對集中，而在研究區35°N以北地區受地形和氣流影響全年降水極其稀疏，故予以忽略，由此在站點的選擇上具有較好合理性。

2）Anusplin空間插值：采用二次局部薄盤樣條法對降水數據進行空間插值，其中經緯度為自變量，高程為協變量。由于研究區站點小于2 000個，因此只執行Splina（薄盤光滑樣條函數）和Lapgrd等相關主程序模塊，其中Lapgrd用來對局部薄盤光滑樣條表面估值并計算貝葉斯標準誤差。

3）數據評估：選用廣義交叉驗證的平方根（Square Root of Generalized Cross Validation，RTGCV；由觀測值誤差和估算值誤差組成，用來評估插值模型優劣）的方法進行模型插值結果和觀測值的對比分析，并結合均方根誤差（RMSE）作為評估插值效果指標。經驗證，降水RMSE整體上表現出從1961年至2013年逐漸增大的趨勢；RTGCV的波動具有較為明顯的周期性規律，夏季較大，秋冬較少，并沒有顯著的年際變化特征；插值格點年平均 RMSE為0.9 mm，表明降水格點數據具有較好的精度和插值效果。

1.3 典型洪水選擇

據巴基斯坦水電規劃署所發布的防洪標準，印度河干流灌溉所用攔河閘防洪設計標準重現期為20—40 a，沿河提防一般能夠抵御二十年一遇洪水過程。經近年來建設，印度河流域的防洪標準重現期提升至100 a。

據已有歷史洪水徑流資料，選擇接近防洪標準的典型洪水過程。據典型站點洪峰洪量、持續時間、損失情況等，模擬高、低兩個典型洪水事件場景，選擇2010年7—8月發生在西北部山區并蔓延到整個印度河流域的洪水過程（近似百年一遇[19]）作為高情景；選擇2011年7 月發生在吉爾吉特山谷并下泄到中部平原區洪水過程（近似二十年一遇）為低情景，數據來源于OCHA（Office for the Coordination of Humanitarian Affairs）。見表1。

表1 典型洪水信息Table 1 Typical flood information

1.4 改進博弈論組合賦權的洪災風險評價

1.4.1 風險評價指標體系

考慮致災因子、孕災環境的危險性以及承載體的易損性等開展洪災風險評價分析，結合中巴經濟走廊的具體氣象、地理和歷史洪災關鍵影響因素建立洪災風險評價指標體系[20]，見圖2。

在致災因子選取過程中，針對降雨量進行分析發現，該區內強降雨大多發生在 3 d之內且在不同時長降雨中最大三日降雨的雨強和影響面積相關性最好，因此選用研究區季風期洪水頻發時期最具破壞性的累積降雨量和最大三日降雨量為指標因子。

地形是影響地表徑流的主要因素，高程與坡度是地形的兩個主要指標，因而會選取地形因素作為孕災環境的一個重要組成部分。孕災環境因子中也包括河流，河網密度是描述河流分布疏密的直接指數（用單位流域的河長和流域面積的比值來表示），其在很大程度上決定了研究區遭受洪水侵害的難易程度。對于研究區，河網分布較為密集，印度河流域附近五水匯集，成為導致洪水泛濫的重要因素。土地利用影響下墊面地表徑流過程，其中土地利用類型（文中簡稱土地利用）和植被覆蓋指數（NDVI）是土地利用的重要指標。

基本的社會經濟指標因子選取路網、建筑密度以及人口指標，并結合當地耕地范圍廣的因素選取耕地面積比指標。

對應各指標進行要素收集后統一開展預處理、柵格化、歸一化等數據計算，隨后采用基于博弈論的組合賦權法結合GIS空間分析給出洪災風險評價。

1.4.2 直覺模糊層次分析計算主觀權重

直覺模糊層次分析（Intuitionistic Fuzzy Analytic Hierarchy Process，IFAHP）是基于層次分析（AHP）改進的主觀賦權方法[21]，主要計算步驟如下：

1）構造直覺模糊判斷矩陣

在直覺模糊層次分析中，兩兩比較一二級指標之間重要程度得到直覺模糊判斷矩陣W=（wij）n×n，它在層次分析判斷判斷矩陣的基礎上增加了猶豫度。其中，wij=(μij,νij)，μij表示隸屬度，即第i個指標比第j個指標相對重要的程度；νij表示非隸屬度，即第j個指標比第i個指標相對重要的程度；wij為直覺模糊數；i、j分別代表判斷矩陣中的行和列。

2）一致性檢驗與直覺模糊一致性判斷矩陣

對收集到的專家偏好（直覺模糊判斷矩陣）進行邏輯檢驗。在使用直覺模糊層次分析法時，可利用迭代公式，通過設置參數進行迭代，從而避免再次打分。

3）一致性檢驗公式

式中n為指標個數；R為直覺模糊判斷矩陣；為直覺模糊一致性判斷矩陣；πij代表猶豫度；分別為μij和vij的線性表達，

4）權重計算

在得到直覺模糊一致性判斷矩陣之后，計算各指標權重，同層指標相對上一層指標的權重wi計算公式為

本評價體系共有3個一級指標，11個二級指標。設一級指標的權重為wk(k= 1 ,2,3;l= 1 ,2,3,...,n)，二級指標相對于一級指標的權重為wkl(k= 1 ,2,3)，二級指標相對于預案總評分的綜合權重為Wkl。由于wk和wkl都為直覺模糊數，因此綜合權重計算需利用直覺模糊數的運算法則（?為直覺模糊數運算符），公式如下：

根據綜合權重計算各指標的得分權重，即最終權重結果Hkl和歸一化計算得綜合權重結果。

式中μkl和νkl分別代表二級指標相對于一級指標的隸屬度和非隸屬度。

1.4.3 CRITIC計算客觀權重

CRITIC（Criteria Importance Though Intercrieria Correlation）法是由Diakoulaki提出的一種客觀賦權方法[22]，綜合運用指標間的差異性和沖突性計算權重是 CRITIC法的基本思想，差異性以標準差σ形式展現，其計算公式如下：

式中Xk為同一指標的第k個取值；為指標取值的平均值。

不同指標間的沖突性以相關系數ρXY計算

式中Yk分別為指標Y的第k個取值；X、分別為指標X、Y的平均值；N為指標選取個數。

第l個指標所包含的信息量El為

1.4.4 改進博弈論組合賦權

改進博弈論組合賦權（Improved Combination Weighting Method of Game Theory，ICWGT）通過引入運籌學領域中的博弈論來分析決策行為博弈論相互影響時的理性及其決策均衡問題，其組合賦權的思想是在不同賦權方法當中尋找一種一致或者妥協的賦權方法，通過使各個指標權重與最優線性組合指標權重之間的離差極小化而達到平衡的尋優方式[23]，從而篩選最優組合權重。基于博弈論的組合賦權可表達為

式中lα為線性組合系數，lα＞0；w為組合權重向量；wl為各賦權方法得到的權重。以組合權重向量w與所有wl的偏差最小為目標，對上式的L個線性組合系數進行優化，即可得到w的最優解w*，由此得到的對策模型為

第p個權重方法的基本權重集為wp。其相應的最優化條件[24]為

通過求解得到線性組合 (α1,α2,… ,αL) ，對其進行歸一化處理后得α*，那么組合權重就可以表示為

從上述的計算過程可以看出，組合權重的計算結果過分依賴于線性組合系數，而通過式（12）可以看出線性組合系數 (α1,α2,… ,αL) 的計算結果并不能保證為正，若其為負則與假設相悖。因此，需要對博弈論模型進行改進。據矩陣微分的性質，為保證線性組合系數為正，優化對策模型[25]可得

該式與式（11）是同一模型的不同變形式，因線性組合系數 (α1,α2,… ,αL) 一般符合，故借鑒離差最大化客觀賦權的思想，以上式為目標函數的約束條件[26]，得到如下最優化模型：

為求解該模型，構建拉格朗日函數以及求偏導得到最終組合系數解，并對其進行歸一化處理，得改進博弈論模型求組合權重系數如下：

按照IFAHP的方式得到主觀賦權的指標權重，并按照CRITIC方法得到客觀賦權的指標權重，在這兩者的基礎上通過改進的博弈論組合賦權計算組合系數并歸一化得到最終帶組合賦權的指標權重。

1.5 區域地理數據處理

本研究綜合考慮多種數據源構建 CPEC區域地理數據集，采用重采樣方法解決多種數據源空間數據分辨率差異。選用30 m分辨率的DEM數據（下載自地理空間數據云），對原始DEM進行填洼處理、水流方向提取、洼地提取、洼地深度計算以及洼地填充等，得到無洼DEM以及坡度數據。經驗證，經過處理后的地形和高程數據能夠很好地表征實際地形特征，并能夠較好地適應后續指標權重的計算需求。

將原有土地利用劃分為 10類（分類中考慮植被和水利設施等因子影響），采用GlobeLand30（30 m全球地表覆蓋數據，自全國地理信息資源目錄服務系統中下載）按照影響程度排序，在GIS中進行波段融合拼接裁剪等工作生成研究區內的地表覆蓋圖，并獲取耕地部分面積指標。由Landsat8衛星數據經過影像處理和波段運算等得到分析所需的NDVI指標；進一步選取Gridded Population of the World（GPW）V4人口密度數據集（格網0.25°、30 km分辨率）獲取了研究區內的人口密度數據，通過收集來的人口數據在GIS中進行拼接融合去噪歸一化處理；為獲取建筑物密度，本研究采用以中巴經濟走廊2010年Quickbird正射影像為主要數據源，通過空間計算最終求得建筑物密度，借助RS技術提取建筑物，采用GIS技術進行格網化處理、定量計算和可視化表達，分析研究區建筑面積比的空間分布。基于路網數據（來源于 OpenStreetMap）經上述類似處理繪制了路網密度圖。

需要指出，在小區域內經常由河道水位與住戶地坪高程的對比關系可判斷是否成災，但對于缺乏實測數據的較大區域并不太適用。參考陳華麗等[27]在基于 GIS的區域洪水災害評價當中采用的綜合風險評價指標體系的方式在宏觀上進行區域風險圖的劃分，并未進行河道水位與住戶地坪高程的對比也得到了精準的分區統計效果。對于整個 CPEC而言區域較大，相應數據不好獲得或者精準度不足，故本文DEM精度仍選為30 m分辨率。

2 結果與分析

2.1 危險性與易損性指標分析

按照所收集和處理后的中巴經濟走廊的數據，對研究區內的危險性與易損性指標進行分析，所有數據均經過歸一化處理，結果見圖3和圖4。

降雨是洪水災害當中最為重要的致災因子。此次研究選用了2010年的百年一遇降水資料，對其造成的特大洪水進行風險劃分；同時采用了1990和2000年的降水資料進行危險性評價等級區劃的對比；選用2010年7月27日—8月12日的格點降雨數據，通過雨量疊加等方法得到相應的累積降雨量以及最大三日降雨量，如圖3a和圖3b所示。考慮河網和土地利用數據對洪災的重要影響[28-29]，分析得到研究區河網密度數據（圖3c）和土地利用數據（圖3d）；數據處理后得到的無洼DEM數據以及坡度數據分別如圖3f和圖3g所示。

由圖3a和圖3b可見，累積降雨量在北部山區、旁遮普與信德省交界的南部地帶較大，總體呈現西部少、東部多的趨勢，這一現象主要出現在季風季節，可能是由于巴基斯坦季風性強降雨引起的。總體來說，最大三日降雨與累積降雨量分布基本一致，降雨致災危險性呈現出東部地區高于西部地區的特點。由圖3c可以看到河網密度呈現中部東部南部大、西部少的趨勢，這也與前述區域特性基本相符。由圖3d可以看出耕地及人工地表主要分布在沿河平原，洪災危險性在該地區突出。圖3e中植被主要分布在中部平原區和印度河兩岸，植被越豐富，相比較而言根系涵水能力越強，則發生洪災的可能性越小。根據圖3f和圖3g，中巴經濟走廊海拔較高和地形變化較大的地區主要集中在西北部，東南部海拔較低、地形變化較小，地勢較為平坦。總體上地形致災危險性呈現出東南部地區高于西北部地區的特點。

洪水災害的易損性評價是據場次洪水對承災體所造成的損失來估量的，選用了人口密度、路網密度、耕地面積比和建筑物面積比為易損性的主要評價指標。由圖4可知，人口主要集中在印度河流域和旁遮普平原附近，這也是洪水發生的主要區域以及會造成嚴重人口傷亡的原因之一；建筑在整個區域內顯示不明顯，但在巴基斯坦的首都伊斯蘭堡零星分布；路網主要分布在研究區的的東部平原、東南部地區，該分布情況與人口分布狀態大致吻合；從土地利用數據中提取耕地部分的數據并經過柵格疊加計算得到耕地面積比，耕地主要分布在旁遮普平原即五水匯流的地區和人口密度大的地區。

2.2 指標權重

累積降雨量、最大三日降雨量、河網、高程、坡度、土地利用等6個危險性評價指標的權重見表2。

表2 不同賦權法下的指標權重對比Table 2 Comparison of index weights under different weighting methods

在利用改進博弈論計算的權重指標當中，累積降雨量和最大三日降雨量二者權重總占比0.338，占據較大比例；在歷史洪水調查中，降水指標作為致災因子對于洪水起到了決定性作用，另據風險圖統計也可見降雨指標在洪災風險圖里表現明顯；地形因素高程（DEM）和坡度的影響是形成徑流的產流條件，二者總權重占比0.314；與此類似，河網密度指標也占據較大比例，這指標權重都體現了其合理性。總的來說，改進博弈論法中充分考慮了主觀權重和客觀權重的差異，如其累積降雨量、最大三日降雨量等權重表現了IFAHP和CRITIC兩者權重兼顧的特征。改進后的權重使得指標主觀賦值適當削減，客觀信息量賦值相應增加，即改進的博弈論組合賦權在主客觀賦值趨于平衡點而達到最優賦權目的。

2.3 評價結果驗證

為對最嚴重情況下的洪災風險進行評價，利用自然間斷的分類標準對百年一遇情況下的研究區的風險等級大小進行了相應劃分。以IFAHP方法為參照，與改進博弈論方法得到的評價結果進行對比（圖5）。在改進博弈論法的結果中，低風險和中低風險以及高風險區的面積有些許上升，極端風險區有擴大趨勢，更符合百年一遇洪災風險分區特點，顯示了該法對洪災風險有更為準確的描述。從圖5a和圖5b的比較中可見，旁遮普平原區（人口分布集中且是著名的糧食產區）的風險劃分更為精細和具體，顯示了更多的風險等級，因此能提供更多防災減災信息。統計得到各個等級風險分區的面積（表3），給出了在百年一遇情況下可能遭受不同等級洪水風險的具體面積大小，中高和高風險區累積面積占比為28.5%。

表3 各風險等級分區面積比較Table 3 Comparison of zoning areas of each risk level

為進一步驗證改進博弈論法的評價結果，將洪水危險性評價結果與2010年巴基斯坦洪水實際受災調查情況進行對比（表4），該數據來源于OCHA統計的2010年8月份實際洪災影響范圍及損失數據。

表4 洪水評價結果與實際洪水面積比較Table 4 Comparison between flood assessment results and actual flood areas

不同風險區的劃分等級描述為高、中高、中等、中低、低等五類風險區，由于這種分類難以直接與面積進行比較，為此對等級分別賦為 5、4、3、2、1以后進行加權，統計得到出各地區風險等級和洪水面積（洪水面積共14.9萬km2）；對風險等級組合值與實際洪水面積值求取相關系數值為0.66，說明評價結果與實際受災情況基本一致，也說明該評價指標賦權具有較強合理性。空間分布結果表明，風險高的區域皆是地形變化小，降雨集中河網密布且人口密集區域，這也說明評價結果可靠。

2.4 洪災風險演變

在洪水風險分析的過程當中，降水是最為重要的驅動因素。按照以往的研究，人們會更多地關注該區域的干旱性特征，而關于極端降水的探究較少，中巴經濟走廊地區又是洪災的高發區域，人口經濟分布集中，一旦發生洪水泛濫則會造成嚴重損失，鑒于近些年來洪水發生頻率不斷攀升，本文對降雨要素進行分析給出洪災風險演變的定量結果。據歷史降雨數據，1990年雨季較大范圍降雨過程最長持續了13 d，2000年則為8 d。與2000年相比，1990年降雨范圍小，但強度大且持續時間更長，因而1990年的洪災危險更大。2010年發生特大暴雨且持續時間長引發了百年一遇洪水，為這三個年份之最。在危險性評價圖（圖6a～圖6c）中也可以對比分析得到和降雨因子分布變化相同的趨勢，統計的分區面積（表5）可見，2010年危險性高的區域范圍在擴大，洪災引起的危險趨勢也在擴大，并由旁遮普省北側區域不斷延伸。

表5 不同年份危險性評價分區面積統計Table 5 Area statistics of risk assessment areas in different years /104 km2

2.5 高低情景下洪災風險對比

為描述不同重現期洪水的災害風險，依據上文提及的不同典型情景的選擇方式，從2011年8月29日—9月7日的降水過程中提取相應的最大三日降雨和累積降雨指標，經過計算得到20 a重現期下的風險評價指標分區（圖7a）。

兩種不同設計洪水的風險分區存在著分區面積及空間分布上的差異（圖7），但總體的分區趨勢一致。相比于2010年百年一遇洪水過程，在2011年洪災風險分區當中，低風險區面積增加了4.09萬km2，中低風險區面積增加了3.22萬km2，中等風險區面積增加了0.83萬km2，中高風險區面積減少了4.12萬 km2，高風險區面積減少了2.80萬km2。從空間上來看，低、中低風險區面積的增加地區主要為俾路支省西北部山區、聯邦直轄部落地區（F.A.T.A）、西北部邊境（N.W.F.P）南部地區，中等風險區面積增加較少地區大多在信德省與俾路支省南部交界地帶，2011年該地區遭遇的強降雨所帶來的洪水淹沒風險要大于從印度河干流下泄的洪水波所造成的洪災風險。中高、高等洪災風險區面積減少地區集中在西北部邊境的南部區域與旁遮普省份東部。2011年季風期在西北部邊境、印度河主干流區未發生持續性的強降雨，因而風險區等級在此時發生下降。

3 討 論

本文在原有土地利用的基礎上加入NDVI植被指標，可以較好地表征植被生長程度，由此得到的洪災評價結果也表現較好。目前，針對高分辨率的數字高程模型進行的洪災風險評估越來越常見，據此可以得到更準確的反映洪水災害風險的空間分布，但對DEM的精度作用還需要進一步探討。在本文中，研究區面積為93.2萬km2而地形坡度的衰減效應多數出現在小范圍區域內分辨率較低的情況，由此30m的分辨率符合大區域的地理數據采用準則，且地形坡度衰減效應可忽略不計；另外，洪災評價主要是通過主客觀的賦值計算得到相應權重，且實際高程數據經過了填洼處理并提取了相應的坡度數據作為評價指標，也有效消除坡度衰減效應。這些都有助于風險評價中得到較符合的風險等級。

需要指出的是，實際洪水面積與風險等級間并不一定存在非常好的對應關系，故只能將二者匹配結果作為參考。同時，風險本質上是刻畫未來損失的可能性，在現實中難以找到絕對的指標對風險進行度量與驗證，也就無法客觀上對風險模型評估的結果進行絕對的驗證[2]。因此，本研究參考了李曉萌等研究[30]中對該區的洪災危險性的可視化表達予以佐證。本文所設計的主客觀權重相結合方法也具有較好的合理性，一些改進組合賦權方法在防洪保護區的風險評價中也取得了較好結果[31]，這也說明考慮主觀、客觀權重后的結果具有可靠性；前述比較驗證結果也表明本文研究對評價指標的權重大小進行的改進能有效消除主客觀影響，不僅能獲得貼近實際洪水過程的評價等級，而且可以得到精細的風險區劃結果。

本文還突出了地形與降雨因子在風險評價當中的重要作用，同時從組合系數的非負約束出發提出的改進博弈論模擬方法，由此相比簡單組合賦權法更具科學性和更廣泛的應用前景。但本文也尚未具體考慮水利工程要素影響，而僅將其歸類在土地利用分類當中，這可能會造成相應的誤差，例如分蓄洪工程可降低整個防洪系統洪災風險。這些還有待于進一步細化各評價因子的作用，進行深入研究探討。

4 結 論

1）結合直覺模糊層次分析和基于指標相關性的權重確定方法（Criteria Importance Though Intercrieria Correlation，CRITIC）通過改進的博弈論組合賦權方法構建了基于氣象地理和社會經濟指標為主體的風險評價體系，在一定程度上削減了主觀因素影響，并調整了客觀權重，實現了有約束下組合權重尋優計算。

2）通過選取 2010年百年一遇洪水數據，繪制洪水災害危險性與風險評價圖，并對危險性進行分區。評價結果表明，研究區洪水風險較高的地區因該地區地勢海拔較低，河網密集，主要分布在旁遮普省的南部和信德省東南部。中高和高風險區累計占比28.5%，經驗證基本為淹沒范圍大且人口經濟分布密區域，與實際情況相符。

3）以降雨要素分析開展的洪災風險演變研究表明，在降雨強度大、面積廣以及持續時間長的情況下洪災危險分區會發生變化，其中中高、高危險區范圍明顯擴大。

本文所提出的中巴經濟走廊洪災風險評價方法及洪災風險分區結果能夠為該區建設提供理論參考和決策支持。此外，有必要繼續考慮如水利工程、堤防、植被等因素影響進一步精細化風險評價。