我国典型区因旱饮水困难人口快速评估模型研究*

潘东华，袁 艺，贾慧聪，徐 璨，王丹丹

（1.民政部国家减灾中心，北京100124；2.中国科学院遥感与数字地球研究所中科院数字地球重点实验室，北京100101）

我国典型区因旱饮水困难人口快速评估模型研究*

潘东华1，袁 艺1，贾慧聪2，徐 璨1，王丹丹1

（1.民政部国家减灾中心，北京100124；2.中国科学院遥感与数字地球研究所中科院数字地球重点实验室，北京100101）

估算因旱饮水困难人口是我国政府实施旱灾救助物资、资金发放的重要基础性工作。目前我国因旱饮水困难人口的判断主要依据地方民政部门灾情数据的上报，还未有对该数据的质量控制和快速评估系统。因此，准确地预测并评估因旱饮水困难人口的发生发展，并采取适当的风险防范措施就显得十分重要。在收集并处理全国基础地理信息、气象、社会经济、旱灾灾情等数据的基础上，将全国划分为7个典型区，利用2009－2012年典型历史旱灾案例灾情数据为样本，基于BP人工神经网络构建因旱饮水困难人口快速评估模型，以地形高程、月均降水量、水系密度、年末总人口、路网密度和GDP为网络输入，以因旱饮水困难人口数量为网络输出，确定收敛误差0.01，经试算不断优化模型参数，得到东北、华北、华东、华中、华南、西南、西北7个典型区的模拟值与实际值的线性拟合结果：华东、华南、华中地区的模型精度较高，R2分别达到0.94、0.83、0.81；东北、西北、华北地区的模型精度居中，R2分别达到0.79、0.71、0.70；模型精度最低的是西南地区，R2为0.46。结果表明该模型操作简便，精度较高，实现了我国基于区域差异的旱灾主要灾情指标的快速评估，能够为典型区因旱饮水困难人口的快速评估和灾情的核查提供科学依据。

BP人工神经网络；旱灾饮水困难；人口；快速评估；典型区；中国

估算旱灾饮水困难人口是政府实施旱灾救助物资、资金发放的重要基础性工作，虽然过去几十年政府在旱灾灾情统计、救助标准制定等方面取得了长足发展，但依然有许多重要问题未被解决。核心问题之一是如何确定受旱范围内的因旱饮水困难人口数量，特别是对地方上报灾情数据的校核。长期以来，由于因旱困难人口统计一直依赖于地方上报，其客观性和准确性备受外界关注。因此，对实际因旱饮水困难人口的科学估算，一方面是民政部门发展灾情科学评估的重要方向，另一方面也是财政部门核定救助物资与资金的重要依据。

我国因地理位置和气候条件的影响，干旱灾害频繁发生，有学者采用灰色关联分析方法，计算旱灾与总灾害的关联度，得出气象灾害对农民生产生活的影响权重为干旱＞冻害＞风雹灾＞水灾［1］；还有学者对中国贫困县分布及干旱分布进行了研究，其结果显示中国贫困县的分布和旱灾的分布基本一致［2－3］，因此，开展因旱饮水困难人口的估算研究对减轻旱灾损失，提高贫困地区旱灾救助标准等具有重要现实意义。近年来我国旱灾有逐渐加重的趋势，据民政部统计，2012年旱灾共造成全国628个县（市、区）7 863万人次受灾，饮水困难1 465.0万人，需救助人口939.7万人［4］。特别是我国西南地区遭受了2009－2010年秋冬春初夏连旱、2011年的夏秋连旱、2011－2012年冬春连旱以及2012－2013年冬春连旱等4年连旱，旱灾对当地居民生活影响累积效应明显［5］。

本文在我国七大典型分区的基础上，利用2009－2012年典型历史旱灾案例灾情数据为样本，构建基于BP人工神经网络模型的因旱饮水困难人口快速评估模型；模型以地形高程、月均降水量、水系密度、年末总人口、路网密度和GDP等6个主要地理因子作为输入，因旱饮水困难人口作为模型输出，初步实现基于区域差异的旱灾主要灾情指标快速评估。

表1 基础数据库列表

1 数据来源

根据构建的基于BP人工神经网络模型的因旱饮水困难人口快速评估模型的需要，本文收集和整理了一系列的基础数据库进行研究（表1）。所利用的数据来源于：全国省域行政区划矢量图；全国30 m分辨率的DEM数据；全国1：100万铁路、国道和省道数据；全国1：100万河流分布图；从中国气象科学数据共享服务网（http：／／cdc.cma.gov.cn／）下载的全国752个站点2000－2012年的日降水量数据［6］；2009－2012年《中国统计年鉴》［7］；民政部国家减灾中心提供的2009－2012年全国典型历史旱灾案例因旱饮水困难人口统计数据。称中间层）和输出层三层构成。信息由输入层进入网络后，传到隐含层单元，经过响应传递函数（一般取Sigmoid函数），再传到输出层并计算输出值。之后网络将应有的输出与实际输出进行比较，通过反向传播误差，修正与基本单元相连接的各输入量的权重，并重新计算输出、进行比较。通过信息传递、输出、比较、反馈的连续反复训练，使模拟误差逐步降低直至低于规定要求［10－11］。BP算法模型如图1所示。

图1 BP算法流程图

2 研究方法

2.1 BP人工神经网络的基本原理

传统的评估定级方法容易受人为主观因素的影响，导致评价结果的不准确，而人工神经网络（Artificial Neural Network，ANN）的评价方法具有自学习、自组织、自适应性的特点，能够充分利用给定的输入因子信息，建立起输入与输出之间复杂的非线性对应关系，正好可以解决此问题［8］。其中反向传播学习算法人工神经网络（BP人工神经网络）是目前应用最广泛的一类，该网络在具有人工神经网络特点的同时，还具有构建简单、训练算法丰富、映射能力强等优点。而且网络中的大量参数均由学习所得，而不是由人为给定，避免了人为因素的影响［9］。

BP人工神经网络一般由输入层、隐含层（或

2.2 典型历史旱灾案例选取

我国政府实施旱灾救助物资、资金发放的基本单元是以行政区划为单位的，因此本文采用中国地图出版社发布的经济区划将全国划分为七大区域［12］。本研究分别选取了2009－2012年间，我国东北、华北、华中、西北、西南、华南、华东等7个典型区的旱灾历史案例，每个典型区选取一个省份作为模型训练的样本数据（表2），并以模型达到一定误差要求的BP－Nets作为该典型区的旱灾快速评估模型。

2009年6月21日至8月10日，辽宁省平均降水量为150.1 mm，为历史同期最少。辽宁省气象局于8月11日发布了干旱最严重级别的“红色预警”。辽宁省气象局对辽西北旱情进行调查发现，朝阳县、北票市、建平县、义县、凌海市降水偏少五成以上，为新中国成立以来罕见，已造成667 khm2农田受旱，440多万人受到缺水影响［13］。

2011年我国干旱发生区域广，影响程度重，北方冬麦区出现了严重秋冬连旱。由于降水持续偏少，河南全省已有1 393 khm2冬小麦受旱，其中重旱143 khm2，山丘区还有13万人因旱出现饮水困难［14］。

2011年我国长江中下游旱灾是自1959至1961年的旱灾后50年来最严重的一次。干旱使长江中下游地区的农业遭受重创，渔业也大幅度减产，受灾人口达3 400万，大量牲畜饮水困难，直接经济损失149亿元人民币［15］。干旱使洞庭湖水位创1968年以来的最低纪录。湖南全省747.2万人受灾，156.6万人和48.7万头大牲畜出现饮水困难，需救助人口122.6万人，农作物受灾697 khm2，其中绝收52 khm2，直接经济损失27.4亿元人民币。截至2011年5月26日，安徽省全省平均降雨量189 mm，较常年同期偏少6成，全省有近1 333 khm2在地农作物和水田缺水受旱［16］。

2011年7月以来的高温少雨天气致使广西西北部部分地区出现中到重度气象干旱。广西壮族自治区民政厅截至2011年8月23日的统计数据显示，广西20个县（市、区）旱情严重，直接经济损失2.51亿元人民币［17］。

截至2012年2月27日，云南省民政厅统计有273条中小河流断流，413座小型水库干涸，库塘蓄水总量仅为43亿m3；严重旱情已造成云南省319万人、158万头大牲畜不同程度存在饮水困难［18］。

据内蒙古、甘肃、宁夏等3省（自治区）民政厅报告，截至2011年6月23日统计，3月份以来，持续干旱共造成3省1 167万人受灾，439万人因旱灾造成生活困难需政府救助，饮水困难大小牲畜362万头（只），农作物受灾面积2 395 khm2，绝收300 khm2［19］。

表2 我国七大典型区历史旱灾案例选取

3 因旱饮水困难人口快速评估模型的建立

3.1 因旱饮水困难人口快速评估指标的选取

1984年，我国制定了农村人畜饮水困难标准（取水的水平距离1 km以上，垂直高差100 m，水中含氟量超过1.1 mg／L），水利电力部《关于农村人畜饮水工作的暂行规定》也规定了干旱期间饮水的标准［20］。农村饮水不安全标准主要依据是国家水利部、卫生部联合颁发的《农村饮用水安全卫生评价指标体系》标准，水质不符合《农村实施〈生活饮用水卫生标准〉准则》［21］要求的为不安全；每人每天可获得的水量低于20～40 L为不安全；人力取水往返时间超过20 min为不安全；供水保证率低于90%为不安全。水文、地理、水资源状况等自然因素导致的水资源匮乏或用水条件恶劣是导致农村饮水困难的根本原因。目前因旱饮水困难人口评价所选取指标内容主要有降水量时空分布不均、水源匮乏、地形、地貌的影响、气候变化的影响这四个方面［22－27］，结合我国的孕灾环境和成灾特点以及资料的可获取性，最终确定因旱饮水困难人口评估指标包括地形高程、月均降水量、河网密度、路网密度、GDP、年末总人口6个主要地理因子。

3.2 七大典型区饮水困难人口快速评估模型及

精度

利用MATLAB软件将经过标准化处理后的6个影响因子作为样本的输入值，首先将学习样本进行网络训练，经试算不断优化模型参数，并进行网络隐含层神经元数的调整，直到达到期望误差范围为止。完成样本的学习后，将测试样本输入训练好的网络中，以学习好的网络参数，计算得出输出预测与检验值。最终确定BP网络模型的相关参数组合如下：①网络结构：6－13－1；②网络层数：3；③期望误差：根据测试，设置为S＝0.01；④显示步长：5；⑤最大训练步长：1 000；⑥学习率：0.01；⑦隐含层转移函数：对数S型函数（Logsig）；⑧输出层的转移函数：线性函数（purelin）。

利用已训练好的神经网络对因旱饮水困难人口的测试样本进行预测，其模拟值与预测值的线性拟合结果R2结果如图2～图8所示。基于BP人工神经网络构建的典型区快速评估模型的精度排序为：华东（R2＝0.94）＞华南（R2＝0.83）＞华中（R2＝0.81）＞东北（R2＝0.79）＞西北（R2＝0.71）＞华北（R2＝0.70）＞西南（R2＝0.46）。由此可见神经网络方法预测不同区域的因旱饮水困难人口是可行的，网络训练速度较快，并且较准确方便。该方法能有效地减少评价过程中的人为因素影响，使评价结果更有效、更客观。一旦人工神经网络的结构和算法确定后，数学模型的准确程度与输入的训练样本的数量有着密切关系。西南地区的评估模型精度较低，可能与输入模型的学习样本的数量和质量有关。

图2 东北地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

图3 华北地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

图4 华东地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

图5 华中地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

图6 华南地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

图7 西南地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

图8 西北地区实际与模拟因旱饮水困难人口序列连线对比及拟合结果

4 结论与讨论

目前在全国尺度下，针对因旱饮水困难人口灾情上报数据的质量控制和快速评估系统研究还比较欠缺，迫切需要加强。本文在收集并处理全国基础地理信息、气象、社会经济、旱灾灾情等数据的基础上，将全国划分为7个典型区，利用2009－2012年典型历史旱灾案例灾情数据为样本，基于BP人工神经网络构建了因旱饮水困难人口快速评估模型。结果表明：

（1）以地形高程、月均降水量、水系密度、年末总人口、路网密度和GDP等6个主要地理因子作为输入，因旱饮水困难人口作为模型输出，初步实现了基于区域差异的旱灾主要灾情指标快速评估。

（2）BP人工神经网络模型具有高维非线性识别映射处理能力，所以在参数较多及影响权值未知的情况下构建全国分区因旱饮水困难人口快速评估模型具有合理性和可行性，且模型精度较高，6个区域的R2在0.70以上。

（3）本文提出的典型区因旱饮水困难人口快速评估模型也存在一些缺点和不足：首先输入指标体系的合理性和完整性还需要进一步证明，力求各子指标数据具有较好的可测性，各子指标之间互相独立，具有较好的内部一致性。其次BP神经网络模型要求有一定的学习样本，学习样本的数量和质量在很大程度上影响着神经网络模型的学习性能。下一阶段应选取合适的典型区历史旱灾案例及学习样本来提高人工神经网络的预测精度。

［1］ 张星，郑有飞，周乐照.农业气象灾害灾情等级划分与年景评估［J］.生态学杂志，2007，26（3）：111－115.

［2］ 宋连春，邓振镛，董安祥，等.干旱［M］.北京：气象出版社，2003：54－55.

［3］ 周扬，李宁，吴吉东.内蒙古地区近30年干旱特征及其成灾原因［J］.灾害学，2013，28（4）：67－73.

［4］ 天气网.我国2012年干旱受灾面积6010万亩［EB／OL］.（2013－03－25）［2013－07－08］.http：／／www.tianqi.com／news／12825.html.

［5］ 孙雪萍，房艺，苏筠.基于旱情演变的社会应灾过程分析——以2009－2010年云南旱灾为例［J］.灾害学，2013，28（2）：90－94，106.

［6］ 中国气象科学数据共享服务网.中国地面气候资料日值数据集［EB／OL］.（2012－08－04）［2013－07－08］. http：／／cdc.cma.gov.cn／.

［7］ 国家统计局.中国统计年鉴［M］.北京：中国统计出版社，2009－2012.

［8］ 王一峰，王心亚.基于人工神经网络的倒水河洪水预报模型［J］.水资源研究，2011，32（2）：43－48.

［9］ 张德丰.MATLAB神经网络应用设计［M］.北京：机械工业出版社，2009：92－98.

［10］朱红梅，周子英.BP人工神经网络在城市土地集约利用评价中的应用——以长沙市为例［J］.经济地理，2009，29（5）：836－839.

［11］郭秋霞，邓祥明，欧阳江.基于BP人工神经网络的价值链风险的评价［J］.物流技术，2011，30（7）：120－122.

［12］浅谈中国地理区域的划分［M］.北京：中国地图出版社，2009.

［13］新华网.辽宁发布干旱最严重预警［EB／OL］.（2009－08－12）［2013－07－08］.http：／／news.xinhuanet.com／politics／2009－08／12／content－11868468.html.

［14］人民网.我国北方冬麦区持续干旱河北可能出现冬春连旱［EB／OL］.（2011－02－07）［2013－07－08］.http：／／www.022net.com／2011／2－7／424456172323772－2.html.

［15］国际在线.长江中下游地区旱情严重遭遇50年来少见的极端气候［EB／OL］.（2011－05－25）［2013－07－08］.http：／／gb.cri.cn／27824／2011／05／25／5311s3258775.htm.

［16］中国新闻网.长江中下游地区旱情持续 须防“旱涝急转”［EB／OL］.（2011－05－30）［2013－07－08］.http：／／www.chinanews.com／gn／2011／05－30／3074808.shtml.

［17］中国新闻网.广西遭遇严重旱灾［EB／OL］.（2011－08－23）［2013－07－08］.http：／／www.chinanews.com／df／2011／08－23／3278732.shtml.

［18］中国天气网.云南连续四年受干旱困扰［EB／OL］.（2012－02－23）［2013－07－08］.http：／／www.weather.com.cn／zt／tqzt／780922.shtml.

［19］民政部网站.两部门对蒙甘宁旱情启动4级救灾应急响应［EB／OL］.（2011－06－27）［2013－07－08］.http：／／nyqx.xn121.com／nqxw／lb／1378613.shtml.

［20］人民日报.水利电力部关于农村人畜饮水工作的暂行规定［EB／OL］.（1984－08－13）［2013－07－08］http：／／www.people.com.cn／item／flfgk／gwyfg／1984／112403198404.html.

［21］王婷婷，陈菁.我国农村饮水困难的分类及其对策分析［J］.水利经济，2005，23（1）：42－43.

［22］潘东华，王静爱，王瑛，等.基于图层约束的自然灾害风险制图综合初探——以西北干旱区为例［J］.干旱区研究，2010，27（1）：13－19.

［23］贾慧聪，王静爱，岳耀杰，等.冬小麦旱灾风险评价的指标体系构建及应用——基于2009年北方春旱野外实地考察的认识［J］.灾害学，2009，24（4）：20－25.

［24］贾慧聪，袁艺，曹春香，等.基于地理因子的因旱饮水困难人口快速评估模型——以云南省2012年大旱为例［J］.灾害学，2013，28（1）：92－97.

［25］贾慧聪，王静爱.国内外不同尺度的旱灾风险评价研究进展［J］.自然灾害学报，2011，20（2）：138－145.

［26］贾慧聪，王静爱，潘东华，等.基于作物EPIC模型的玉米旱灾风险评价——以黄淮海夏播玉米区为例［J］.地理学报，2011，66（5）：643－652.

［27］Jia Huicong，Wang Jingai，Cao Chunxiang，et al.Maize drought disaster risk assessmentof China based on EPICmodel［J］.International Journal of Digital Earth，2011，5（6），488－515.

Rapid Assessment M odel of Population in Drinking Water Access Difficulties Because of Drought in Different Regions of China

Pan Donghua1，Yuan Yi1，Jia Huicong2，Xu Can1and Wang Dandan1
（1．National Disaster Reduction Center of China，Ministry of Civil Affairs of the People′s Republic of China，Beijing 100124，China；2．Key Laboratory of Digital Earth Science Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100101，China）

The estimation of population in drinkingwater access difficulties because of drought is an important basis work for drought relief supplies and disbursing funds of our government.At present，the judgment of population in drinking water access difficulties because of drought in China ismainly based on disaster reporting of local government，not the control and rapid assessment system of the data quality.Therefore，to accurately predict the occurrence and development of population in drinking water access difficulties because of drought，and take appropriatemitigation measures is very important，itwill greatlyminimize the economic loss and personal injury.On the basis of collecting the basic geographic information，meteorological，socio-economic data，and disaster effect data of China，dividing China into seven regions，taking historic 2009－2012 drought disaster cases as the sample data，a rapid assessmentmodel based on BP neural network was constructed.The six factors were the input of network，which were the average monthly precipitation，DEM，river density，the total population，road density and GDP. The population in drinking water access difficulties because of droughtwas the output of network.Through optimizing themodel parameters，the fitting results of R2 between the analog value and the true value of different regions were got.A very high fitting resultwas in East China，South China and Central China；R2 was 0.94，0.83，and 0.81 respectively.A middle high fitting resultwas in Northeast China，Northwest China and North China；R2 was 0.79，0.71，and 0.70 respectively.The lowest fitting resultwas in Southwest China；R2 was 0.46.It shows that the BP artificial neural network method can effectively predict the population in drinking water access difficulties because of drought in different regions of China.The method may provide an effective reference for rapid assessment and disaster verification of the population in drinking water access difficulties because of drought in China.

BP neural network；population in drinkingwater access difficulties because of drought；rapid assessment；sub-regions；China

S423；X43

A

1000－811X（2014）03－0034－06

10.3969／j.issn.1000－811X.2014.03.007

潘东华，袁艺，贾慧聪，等.我国典型区因旱饮水困难人口快速评估模型研究［J］.灾害学，2014，29（3）：34－39.［Pan Donghua，Yuan Yi，Jia Huicong，et al.Rapid Assessment Model of Population in Drinking Water Access Difficulties Because of Drought in Different Regions of China［J］.Journal of Catastrophology，2014，29（3）：34－39.］*

2013－11－06 修回日期：2014－01－01

国家自然科学基金项目（41301593）；国家重大科学研究计划项目（2012CB955402）

潘东华（1981－），男，江苏丹阳人，博士，主要从事GIS＆RS在自然灾害风险分析中的应用研究.

E－mail：pandonghua＠ndrcc.gov.cn

袁艺（1976－），女，江苏江都人，博士，研究员，主要从事灾害评估与风险防范研究与管理研究.

E－mail：yuanyi＠ndrcc.gov.cn