基于云模型和GIS的神农架林区洪灾风险评价

汪 婷，何亚伯，常秀峰

（武汉大学土木建筑工程学院，武汉 430072）

洪灾是中国当前面临的最主要自然灾害之一［1］，造成的损失十分巨大，据统计中国2010年以来每年因为洪灾遭受的直接经济损失高达2 539亿元，占GDP总量的0.45%；受灾人口每年平均高达1.137亿人次，超过全国总人口的8%，平均每年因洪灾遇难达954人，同时洪水引发的次生灾害每年亦造成数十亿元的直接损失。由于洪灾具有突发性和高破坏性的特点［2］，洪灾风险评价一直是国内外专家学者研究的热点。赵士鹏［3］将孕灾环境、致灾因子、承灾体3个因素作为考虑因素，根据发生学原理对山洪类型进行区分，结合减灾服务，将全国划分为6个山洪灾害特征一致区域。魏一鸣等［4］基于历史灾情展开研究，从系统论的角度研究了洪水灾害复杂大系统。谭徐明等［5］将近300年以来洪灾的资料及当前社会和自然经济数据作为研究的基础资料，基于数据库和GIS技术，将统计学和模糊聚类的方法结合起来，完成了区域洪水风险分析及全国洪水风险区划图的绘制。万君等［6］通过分析湖北省土地覆盖及河网密度，评价了其洪水灾害风险性。赖成光等［7］为使影响因子的确定更具有科学性、合理性，基于GIS技术分别利用BP神经网络等方法进行计算叠加绘制出广州市洪水灾害危险性评价图，完成了北江流域洪灾风险的分析评价。近年来，学者们使用较多的评价方法主要有BP神经网络评价法、模糊综合评价、组合赋权法、粗糙集［8－10］等，这些方法多与GIS结合使用，但这些方法在指标权重的确定上存在较大的人为干扰，不能从根本上解决洪灾风险评价中的模糊性问题。本研究针对已发表的洪灾风险评价，建立基于GIS技术、云模型、熵值修正的风险评价方法，直接准确地反映了关于指标权重的主、客观认识，对洪灾风险评价的模糊性和主观性进行了更好地处理，对神农架林区洪灾风险分析评估，对山区村镇发展规划和灾害防治具有科学和实践意义。

1 神农架林区洪灾风险评价指标体系

中国当前对洪灾风险的研究多集中在城市等人口、经济密集的地区，对广大的山区村镇研究较少，但中国2／3以上的面积为山地，大多数农村位于山区地带，城镇化水平还比较低，山区较城市而言在地理环境、人口分布、设施建设等方面具有不同的属性，由于其经济水平落后、自然环境更为复杂，针对山区进行的自然灾害研究与以往城市灾害研究存在很大的不同。根据神农架林区的特点，结合构建的指标体系建立科学的评价模型，将云模型和熵值运用于评价模型中，绘制出洪灾风险图，为林区的规划、预警应灾体系的完善提供帮助，具有较高的理论和实践意义。

1.1 研究区域概况与数据来源

神农架林区地处湖北省西部，西连重庆、东接宜昌、北邻十堰，南毗邻恩施，总面积3 314 km2，约91%为林地。林区下辖6镇2乡，位于中国第二阶梯与第三阶梯交界处，平均海拔1 700 m，相对高差2 707 m，山体高峻、地势复杂，山体坡度集中在 20°～50°，河流水资源丰富，林区主山脉两侧分别属于长江流域和汉江流域，由于林区整体地形特点，造成的气候分布也具有一定区域差异，而人口大部分居住在低谷处，处于天然的洪灾隐患区。特殊的地质背景、地理位置和气候条件使得神农架林区成为山洪灾害频发地段。据统计，神农架林区山洪、滑坡、泥石流等灾害点多达220处，而最近几年发生的严重山洪已有8次，累计受灾人数接近林区农业人口的总和，直接经济损失3 000余万元。

神农架林区洪灾风险研究所使用的数据包括通过实地调研采集的不同精度下数字高程模型数据、遥感影像数据、地理地形基础数据、CAD数据、《神农架林区统计年鉴》《山洪报告》、当地的历史灾情统计、山洪防灾预案等统计类数据和国家防洪标准规范数据。

1.2 神农架林区洪灾风险评价指标体系

洪水灾害是由致灾因子、孕灾环境和承灾体间的相互作用形成的复杂产物，其风险水平取决于致灾因子和孕灾环境形成的洪灾自然环境的危险程度和承灾体在灾害范围内的暴露性、易损性以及人类防御活动的应对效果形成的区域承灾能力［11］。要进行洪灾风险评价，首先必须选取合适的指标构建合理的评价指标体系。以往洪灾风险分析的研究中，对风险概念的量化表达有损失值的期望，风险的超越概率，采用指标体系评估获得的对风险等级的隶属度等［12］。在基于指标体系的风险评估中，很多研究将洪灾危险性、脆弱性或易损性的评价结果相加或相乘得到风险大小的代表值，本研究采用的方法是洪灾自然环境危险性评价结果代表值减去研究对象承灾能力代表值，得到风险结果的量化表达。通过实地调研，综合考虑神农架林区的自然环境特点和历史灾情，构建指标体系（图1）。

2 基于云模型和熵值修正的洪灾风险评价模型

云模型［13］是一种实现定性定量相互转化的模型，能从模糊的数据描述中挖掘出数值状态，也能把精确数值抽象为恰当的定性描述，因此可以较好地处理指标权重获取与指标评价过程中的模糊性和不确定性问题。本研究构建了基于逆向云算法、条件云算法、综合云算法，结合模糊数学、熵权法思想的评价模型，其主要步骤包括确定评价指标权重、确定各单元评价值以及综合评价结果的计算与分析。

2.1 基于综合云的指标权重初步确定

图1 神农架林区洪灾风险评价体系

根据风险考虑到对象及灾情特点，确定的指标权重既要体现出指标间的相对重要性又要体现出其各自对洪灾危险性、承灾体承灾能力的绝对贡献。在评价过程中每个指标对评价结果的影响存在1个客观的作用效果，这个作用效果的绝对值和相对大小可以量化，每位专家对该指标权重的赋值是其客观效果的1次定量的实现；使用逆向云发生器［14］处理专家赋值来获得该指标客观作用效果的数值期望，将这一数值期望作为评价过程中相应指标的权重；同时考虑到专家个体认知的模糊性和不确定性，本研究针对专家打分区间和最可能值构建了基于综合云的权重确定方法［15］，具体操作步骤如下。

1）专家咨询。假定评价对象的指标论域U中有m 个指标，表示为 U=｛u1，u2，u3，…，um｝，各指标对应的权重为 W=｛w1，w2，w3，…，wm｝。请 L 位专家对每个指标的权重在［0，100］内赋值（其中分值0表示绝对不重要，分值100表示绝对重要，重要程度随数值线性增加），赋值内容包括wi的最大值、最小值以及最可能值，每位专家相应的赋值分别记为lwimax，lwimin和 lwip，其中 l=1，2，3，…，L，i=1，2，3，…，m。依据问卷设计的要求，完成问卷设计。

2）运用逆向云发生器处理专家打分得到权重云。将第l位专家对全部指标权重的赋值lwimax、lwimin、lwip，对应地分为最大值组、最小值组、最可能值组3组，分别对各组进行标准化处理，得到使用数据lwimax′3、lwimin′、lwip′，i=1，2，3，…，m，l=1，2，3，…，L；然后，将第 i个指标对应的数据 lwimax′、lwimin′、lwip′， 对应地分为最大值组、最小值组、最可能值组；运用1种改进的无确定度逆向云发生器得到最可能值组的权重云Cip｛Exip，Enip，Heip｝；再运用 1 种含有确定度的逆向云发生器算法处理最大值组、最小值组数据，此处将这些数据的确定度设为 0.5，得到权重云 Cim｛Exim，Enim，Heim｝。根据得到的各个云的数字特征，使用正向云发生器生成云图，凝聚性较差的云表示专家在认识上存在较大的分歧，将这些指标反馈给专家，重复上面的工作，直至获得专家认识较为统一的云。

3）依据综合云算法计算权重。将求得Cim与最可能值云 Cip｛Exip，Enip，Heip｝的综合云 Ci｛Exi，Eni，Hei｝，综合云Ci的期望Exi即为指标i权重的期望。将各指标的权重值期望 Exi（i=1，2，3，…，m）归一化计算得到后续步骤中使用的权重，即W=｛w1，w2，…，wm｝。本研究中3个云较为接近且均存在部分交点，根据云模型的几何特征， 以 C1｛Ex1，En1，He1｝、C2｛Ex2，En2，He2｝为例，获得两者综合云 C｛Ex，En，He｝的算法如下：

当求取多个云的综合云时，可以按要求顺序，重复使用上述规则求取综合云的数值特征。

2.2 基于熵值的权重修正

上一部分指标权重计算的基础数据来自于专家打分，数据本身除反映其代表的指标重要性的实际意义外，还可以提供专家间认识的差异性、数据提供信息量的大小等。熵可以测量数据信息的含量，从而作为不确定性的度量。本研究使用熵值［16］对初步权重进行修正。在应用中，针对指标最可能值数据构建“专家－指标”矩阵 LWP：

对矩阵进行归一化处理，得到：

其中，

指标打分值越大，对于评价结果越重要，看作收益性指标来处理，则第i个指标的熵值为

其中，

当 fil=0 时，fillnfil=0。

修正过程使用的数据为指标的混乱度代表值vi。

计算结果混乱度代表值小的表明对应指标专家认识差异较小，专家意见较为统一，混乱度代表值大的表明专家们对该指标的认识存在相对较大的差异［17］，这时对该指标加以重视并进一步做如下处理：

1）观察打分情况判断该计算结果是否为个别数据偏差造成，若是，剔除后重新计算，否则进入下一步；

2）结合指标权重值wi，初步判断该指标的重要性；

3）咨询专家意见，依据灾害原理并结合指标实际数据搜集情况，对该指标权重按照公式（5）或（6）进行放大、缩小或维持原值等修正。

式中，a值依据计算结果经过专家咨询确定。根据指标的实际情况结合专家经验选择使用（5）或（6）。

对修正后的全部qi′归一化得到最终所使用的指标权重 Q=｛q1，q2，…，qm｝。

2.3 模型的求解

模型的求解包含以下3个步骤：

1）各指标评价值pij（即评价对象 j的指标 i的评价代表值，其中 j=1，2，…，n）计算，包含两类：第一，对研究单元为单位数据的指标，采用统计法、增量法、典型函数法、择优比较法等评价值确定方法计算每个单元的值。第二，对非研究单元为单位数据的指标，针对数据的采集单元构建云模型、运用X条件云发生器获得该指标对应评价水平云的评价值，为提高准确性和可信度重复运行条件云发生器多次，计算得到评价值的均值作为处理结果。所有对象、指标的评价值计算结果记为P：

2）运用前述方法确定指标权重Q=｛q1，q2，…，qm｝。

3）权重集Q与评价值矩阵P相乘得到各对象的评价值：

4）划分评价论域水平区间。针对自然环境危险性、承灾体承灾能力以及二者相减得到的风险的计算结果， 分别划定 “低”、“较低”、“中等”、“较高”、“高”等评价的水平区间，对结果进行分析，利于清晰表达；直接的划分方法有等区间法、频数法、自然断点法等，也可依据经验确定。

3 神农架林区洪灾风险评价

以村为单位收集数据，通过不同的数学方法将数据反映在10 m×10 m大小的栅格单元中，以神农架全区8个乡镇为对象进行评价。

湖北省水利厅及神农架林区防洪相关部门工程师及专家对指标体系中的每个指标的重要性在［0，100］之间赋值。下面以汛期降雨水平为例代表说明计算过程，专家打分数据如表1所示。

表1 专家打分情况

通过改进的无确定度逆向云发生器计算得出汛期降雨水平的 3 个权重云分别为 Cimin｛41.28，2.66，1.6｝、Cimax｛46.75，3.44，0.2｝、Cip｛43.96，3.12，0.9｝。 利用综合云算法根据式（1）求取综合云的数值特征如表2所示，其中Ex=44.3为权重的期望值，归一化处理后得到指标权重0.207 6，使用正向云发生器生成云图，其中最值和最可能值云为图2，是两个重合度较高的云，Ex、En和He为综合云的特征值，其分布如图3所示。

表2 汛期降雨水平云模型特征分析

图2 汛期降雨水平最值和最可能值云图

图3 汛期降雨水平综合云

根据式（3）、（4）计算求得混乱度代表值为Vi=0.001 1，依据计算结果，经过专家咨询确定vi的阀值 a为 0.005，Vi＜a维持原值，无需进行放大或缩小，汛期降雨水平指标权重即为0.207 6。同理求得神农架自然危险性、承灾能力2个指标体系的所有底层指标权重如表3、表4所示。由于房屋建筑物、道路、农林牧渔等相关产业数据均表示已损失的资产价值，单位相同，在处理过程中将同一研究单元的易损失资产总额加和，不再使用打分所得的指标权重；同时相对于其他量纲的数据要描述相对重要性，因此将三者打分所得权重作为一个整体。

表3 神农架林区洪灾自然环境危险性底层指标情况

表4 神农架林区洪灾承灾能力底层指标权重

由于基础数据是以村镇为单位收集获取的，通过克里金插值、线密度分析、Arcgis转换工具、云模型等方法将数据进行处理，获取10 m×10 m栅格单元的评价值矩阵P，通过式（7）分别得到神农架全区自然危险性水平、承灾能力水平，二者相减获得神农架全区洪灾综合风险。洪水灾害的强度等级与成灾范围、受灾情况等有直接关系，对于风险评价十分重要，因此本研究在分析过程中使用了间接反映洪水等级的1个数据，即水位上升高度来表达灾害强度。选取水位上升高度为5 m的洪灾强度下进行综合风险评价，将计算结果使用自然断点划分为10个危险度，神农架林区洪灾综合风险如图4所示。

图4 水位上升5 m时全区洪灾综合风险

表5 神农架林区洪灾综合风险各危险度区域面积分布情况

结合表4的结果以及综合风险分布 （图4），整体而言林区风险水平较高，约9/10的面积为风险度5度的区域，主要因为全区自然环境危险度较高，而大部分地区经济发展落后、灾害防御工事缺失或不健全；木鱼镇和九湖镇的自然危险性最高，基本完全处于危险度7度以上，其中木鱼镇约1/3的面积为危险度10的区域；松柏镇大部分地区、宋洛乡南部和红坪镇中部降雨水平也较高，基本处于6～7度；木鱼镇、九湖镇大部分地区洪灾自然环境危险性最高，松柏镇南部、阳日镇北部以及宋洛乡东部和南部危险性较高，其他地区相对较低，下谷坪乡、新华镇和松柏镇西北部危险性最低。具体到更精细的范围内，除木鱼镇和九湖镇外，其他地区高危险区域相对分散，大多沿河流主干道下游分布。

源 结论

为加强神农架林区洪灾风险管理工作，构建了基于云模型、熵值和GIS技术的综合评价模型。通过逆向云发生器拟合专家打分的区间值和最可能值获得初步权重，结合熵值反映的数据信息量修正权重，不仅考虑到专家个体认知的模糊性和不确定性，同时通过熵值准确度量认知差异不确定性的大小，能够更准确地确定指标权重。模型评价方面，对指标数据使用云模型和分段函数计算获得尽可能连续的评价水平表达。结合GIS构建神农架洪灾数据库，在空间尺度上进一步细化，采用了10 m×10 m的研究精度，对林区的自然环境、人口、资产分布、历史灾情、洪灾防御工事、应急预案等信息在空间位置上录入并栅格化表达。对于承灾体的空间位置、高程、暴露价值、易损程度等信息量化处理，为风险管理、灾害预测等工作的展开奠定基础。通过计算分析，林区的灾害危险区域分布广泛，带有一定的集中度，结合自然环境危险性、孕灾环境危险性和承灾体性质的评价结果，未来措施的展开应重点考虑7度及以上区域，风险的综合评价结果是对现状的一个定性划分，在讨论灾害防治措施时需要从更细的角度予以考虑。