基于云—GIS模型的洪灾自然环境危险性评估研究

路飞月 何亚伯 常秀峰

摘要：针对中国山区村镇的洪灾特点，从致灾因子和孕灾环境两个方面，研究了极限降雨水平、汛期降雨水平、坡度、泥石流等10余项指标对洪灾自然环境危险性的影响，建立了基于云模型的洪灾自然环境危险性综合评价模型。同时，利用GIS系统对空间指标数据和属性指标数据予以度量并进行可视化表达，建立了洪灾的自然环境危险度评估模型，为政府构建预警应灾体系提供了依据。以神农架林区为例，运用云-GIS模型进行了洪灾的自然环境危险性评估。结果表明，神农架林区木鱼镇洪灾自然环境危险性最高。阳日镇、大九湖镇南部以及松柏镇东南部危险性较高，需重点防范。其他乡镇洪灾自然环境危险度相对较低，新华乡南部、松柏镇西北部和下谷坪乡危险性最低。

关键词：云-GIS模型；洪灾；自然环境因素；评估模型

中图分类号：X915.5 文献标识码：A

文章编号：0439-8114（2019）03-0106-05

DOI：10.14088/j.cnki.issn0439-8114.2019.03.028 开放科学（资源服务）标识码（OSID）：

Abstract： According to the characteristics of flood villages in mountainous areas in China， from two aspects of the disaster causing factors and the environment of pregnancy， this paper studies the impact of the limit rainfall level， the rainfall level in the flood season， the slope， the debris flow and so on on the natural environment hazard of the flood disaster， and establishes a comprehensive evaluation model of the natural environment hazard based on the cloud model. At the same time， the GIS system is used to measure and visualize the spatial index data and attribute data， and the hazard assessment model of the natural environment of flood is established， which provides the basis for the government to construct the early warning and disaster response system.Taking Shennongjia forest region as an example， we use cloud -GIS model to evaluate the natural environment risk of flood. The analysis results show that the most dangerous natural environment of flood disaster in Shennongjia forest region is Muyu town. There is a high risk in Yangri Town， the southern part of Dajiuhu Town and the southeastern part of Songbai Town， and we need to guard against them. The risk of natural disasters in other towns is relatively low. The southern part of Xinhua Township， the northwestern part of Songbai Town and Xiaguping Township are the least dangerous.

Key words： cloud-GIS model； flood disaster； natural environmental factors； evaluation model

洪水是指由长期降雨、暴雨、风暴潮等引起的江河湖海水量迅速增加或水位短时间内迅速上升的水流现象。洪水灾害一旦发生，对人类的生命财产安全造成较大的冲击和威胁[1]。

根据2000-2017年《中国地质灾害及防治情况统计年鉴》统计数据，中国每年平均发生地质灾害约2.4万起。因地质灾害失去生命的人数每年约680人，年均经济损失45.813 2万元。

对洪灾风险的分析与规划制图一直是国内外学者关注和研究的重点[2]。美国地质调查机构[3]（CSBU）在1959年发布了第一幅堪萨斯河洪水风险图；Rhoads[4]、Okoduwa[5]等利用RS和GIS软件强大的空间分析技术，对亚利桑那州地区的洪水危险性进行了评价并制作出风险区划图。赵士鵬[6]从致灾因子、孕灾环境和承灾体3个方面进行综合考虑，将全国划分为6个洪水灾害类型一致的区域。自2000年开始，中国学者逐渐将3S技术应用到洪水灾害风险评价中[7-10]。张行南等[7]利用GIS平台制作了中国洪水灾害危险程度区划图，何报寅等[9]以湖北省1∶25万数字地形图为基础，利用ARC/INFO地理信息系统软件，制作了湖北省洪灾危险图。谭徐明等[11]以中国过去300年的水灾记载资料为基础，利用GIS技术绘制了全国洪水风险区划图。万君等[12]从湖北省的土地覆盖和河网密度两方面分析了洪水灾害的风险性因素。以上研究大多与GIS系统结合使用，但相比于城市而言，对于山区村镇洪灾的自然环境危险性研究仍然不足，在评价指标权重的确定上也有很大的人为干扰性。本研究以受灾影响较严重的神农架林区为例，建立了基于云-GIS模型的洪灾自然环境危险性综合评价模型，并运用综合云算法将专家的打分值进行拟合得到统一的权重云，较好地解决了评价指标的主观性问题，风险评估结果对中国山区村镇的防灾减灾和规划建设有重要的指导意义。

1 林区自然环境危险性评价指标体系

中国学者对洪水灾害风险研究主要集中在经济和人口比较密集的城市地区。但相比于城市而言，山区村镇在地形分布、降雨水平和次生灾害等自然环境方面具有不同的属性。本研究以神农架林区为例，建立中国山区村镇洪灾自然环境危险性综合评价指标体系，进一步丰富和完善了自然灾害风险管理的理论研究。

1.1 概况与数据来源

神农架地处湖北省西北部，全区国土面积

3 253 km2，下辖6镇2乡和3个正县级单位以及2个副县级单位，是中国重要的风景名胜区和自然保护区。神农架林区平均海拔高达1 700 m，山脉东西延伸，整体海拔由南向北逐渐降低。林区内山峰众多，山势复杂，坡度陡峭，山脉相对高差达到2 700 m，坡度集中在20°～50°。在气候方面，神农架林区内夏季湿润多雨，冬季温和少雨，年降雨量在800～2 500 mm，河流资源丰富，是湖北省长江和汉江的分水岭，境内有大小河流317条。由于人口大部分居住在低谷处和山壑间，在当地气候条件下极易引发山洪，并伴随山体滑坡和泥石流等自然灾害。

神农架林区洪灾自然环境危险性评价研究的数据主要通过实地调研进行采集。包括不同精度下的神农架林区原始DEM数据、土地利用类型数据、房屋建筑类信息和道路交通信息等数据，部分数据来源于政府统计年鉴和人口普查资料。

1.2 林区村镇洪灾自然环境危险性评价指标体系

自然环境危险性主要包括致灾因子的强度、概率以及孕灾环境等因素[13]，具体到神农架林区村镇洪灾应该考虑洪水的等级和环境因素。在评价指标体系构建方面，致灾因子危险性主要指极限降雨强度、汛期降雨强度和高程与降雨量分布的关系。孕灾环境危险性主要从淹没损害、冲刷损害和泥石流、滑坡损害3个方面进行考虑，其中，淹没损害与河流水系面、沟道密度和相对高程有直接关联；冲刷损失与地形坡度、相对高程和植被对降水的拦截作用有重要关联作用，而滑坡和泥石流主要与不稳定土体有关。因此，神农架林区洪灾的孕灾环境危险性指标包括沿河流洪泛危险区、相对高程、沟道密度、土地类型、坡度、滑坡和泥石流共7个分项评价指标。最后通过实地调研，建立了图1所示的风险评价指标体系。

2 基于云模型的洪灾自然环境风险评价模型

云模型[14]既可以从模糊的定性描述中挖掘出确定的数值状态，又能将抽象的数值转化为合适的定性描述，是一种实现定性定量相互转化的数学模型。针对山区村镇洪灾自然环境危险性特点，采用区间数和云模型相结合的评价方法，较好地解决了危险性评价的主观性和模糊性问题。同时更好地将专家的主客观认识反映到指标权重上，对风险评价水平的离散性有了更清晰的认识。并基于综合云算法、模糊数学思想，构建了神农架林区洪灾自然环境风险评价模型。

2.1 基于综合云的指标权重确定

根据洪灾的自然环境危险性特点，确定的指标权重不仅要体现出各自对于洪灾风险的绝对贡献，同时还要体现出各评价指标的相对重要性。本研究认为，在进行评价时，每项指标对最终结果都有一个客观的作用效果，而且这个作用效果是可以进行量化处理的。所以在进行调查问卷时，每位专家对各项指标的权重赋值就是一次量化体现，运用云模型[15-17]将其转化为客观的数值期望，并作为相应指标的权重值。为避免专家个体认知的模糊性和不确定性，对专家打分区间和最可能值采用综合云权重确定方法[18]。

1）专家咨询。假定评价对象的指标域U中有m个指标，为U={u1，u2，u3，…，um}，各指标对应的权重为W={w1，w2，w3，…，wm}。请L位专家对每个指标按照从低到高的重要程度在[0，100]内进行权重赋值，包括wi的最大值、最小值以及最可能值，并相应地记为lwimax，lwimin和lwip，其中l=1，2，3，…，L，i=1，2，3，…，m。本研究根据问卷设计要求采集调查数据。

2）运用云模型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、最小值组和最可能值组，标准化处理后得到相应数据，lwimax′，lwimin′，lwip′，（i=1，2，3，…，m，l=1，2，3，…，L）；然后，将上面最可能值组的数据运用逆向云发生器得到对应的权重云Cip{Exip，Enip，Heip}；再采用相同方法，按照确定度为0.5的逆向云发生器处理最大值组和最小值组数据，得到对应的权重云Cim{Exim，Enim，Heim}。对上述权重云进行处理得到云图。其中，较为分散的云图代表专家对该指标的认识有很大的分歧，可以将结果反馈给专家进行修正。

4）划分评价域的水平区间。针对自然环境危险性的致灾因子危险性指标和孕灾环境危险性指标得到风险最终结果，按照高、较高、中、较低、低共5个等级划定水平评价区间，也可以按照危险度1～10的数值进行评价，有利于风险评价结果的清晰表达。

3 林区洪灾的自然环境危险性评价

以山区村镇为基本单位进行数据收集工作，对神农架林区内8个乡镇的自然环境危险性分项指标进行评价，然后通过数学方法将收集的数据反映在10 m×10 m的栅格单元中。合理设计调查问卷后，中国高校中相关领域的学者对每个分项指标进行[0，100]之間的赋值，以汛期降雨水平为例展示其具体云图情况，数据如表1所示。将每位高校相关领域学者的评分数值进行归一化处理，然后运用一种逆向云发生器计算出3个权重云Cimin{41.56，2.46，1.7}，Cimax{47.25，3.53，0.2}，Cip{44.21，3.25，0.9}。并运用综合云算法公式（1）求得汛期降雨水平综合云模型的特征值，如表2所示。对神农架林区洪灾自然环境危险性指标权重进行归一化处理后为0.133 4，根据得到的各个云的数字特征使用正向云发生器可以生成云图。其中汛期降雨水平最值和最可能值的云模型见图2，两者整体重合度较高。图3是汛期降雨水平综合云模型，Ex、En和He为综合云的特征值。对调查所得评分数据根据公式（1）计算求出神农架林区洪灾自然环境危险性指标权重，如表3所示，运用逆向云发生器和综合云算法得到每个分项指标的权重云，采用正态云模型等数据处理方法将量纲不同的指标转化为0～1的无量纲数值进行计算，主要反映致灾因子和孕灾环境两个维度的危险性内容。

基础数据调研收集后，通过云模型、线密度分析等方法对数据进行处理，可以得到10 m×10 m的栅格单元评价矩阵P。根据公式（2）和公式（3）可以得到神农架林区洪灾自然环境中致灾因子危险性和孕灾环境危险性的评价值，采用自然断点法、等区间法、频数法等方法划分出高、中、低危险性等级或者危险度为1～10的评价水平区间。神农架林区洪灾自然环境危险度区域评价是由致灾因子和孕灾环境两方面危险性评价的数据结果叠加而成的，如表4所示。

根据洪水灾害发生时的自然环境危险度情况来衡量不同地区的自然环境危险性，其中强度为5时的情况最能体现神农架林区的分析结果。从危险性的分布面积来看，神农架林区洪灾自然环境位于高危险性的区域面积为282.1 km2，占比8.7%，中危险度的区域面积为1 778.4 km2，占比55.0%，低危险性的区域面积为1 170.5 km2，占比36.2%。总体而言神农架林区木鱼镇洪灾自然环境危险性最高，阳日镇、大九湖镇南部以及松柏镇东南部危险性较高，需重点防范。其他乡镇洪灾自然环境危险度相对较低，新华乡南部、松柏镇西北部和下谷坪乡危险性最低。具體到精确位置，除阳日镇、大九湖镇和木鱼镇外，其他乡镇洪灾自然环境高危险区域相对较分散，大多分布在河流主干道的下游地区（图4）。

4 结论

在风险评价过程中，通过专家给出的评价区间和最可能值，既表征了专家主观认知的模糊性，又考虑到基于个人经验的相对准确性。重点运用云模型和GIS两个评价方法，云模型应用的关键点在于将模糊、不全面的数据认识反映为较为直观的表现形式；GIS运用的关键点在于充分结合自然、人文地理数据，较为细致地评价和展现。将二者的优势结合，尝试解决评价过程中的不足，为云模型用于山区村镇自然灾害评价拓展了一种思路。

为了加强山区村镇的洪灾风险管理工作，以神农架林区为例，运用云-GIS模型进行了洪灾的自然环境危险性评估。总体而言神农架林区木鱼镇洪灾自然环境危险性最高。阳日镇、大九湖镇南部以及松柏镇东南部危险性较高，需重点防范。其他乡镇洪灾自然环境危险度相对较低，新华乡南部、松柏镇西北部和下谷坪乡危险性最低。对林区内自然环境危险性较高的地区，政府应当提前防范，做好预警应灾体系的构建和完善。

参考文献：

[1] ISLAM M M， SADO K.Development of flood hazard maps of Bangla-desk using NOAA-AVHRR images with GIS[J].Hydrological Sciences Journal，2000，45（3）：337-355.

[2] 程先富，戴梦琴，郝丹丹.区域洪淀灾害风险评价研究进展[J].安徽师范大学学报（自然科学版），2015（1）：74-79.

[3] FEDERAL EMERGENCY MANAGEMENT AGENCY （FEMA）. Guidelines and Specifications for Flood Hazard Mapping Partners[M].Washington：Federal Emergency Management Agency，2003.

[4] RHOADS B L. Flood hazard assessment for land-use planning near desert mountains[J].Environmental Management，1986， 10（10）：97-106.

[5] OKODUWA A I. An Application of GIS to Flood Prediction；A Case Study of Benin City，Nigeria[D].Benin：University of Benin，1999.

[6] 赵士鹏.山洪灾情评估的系统集成方法研究[D].北京：中国科学院地理研究所，1995.

[7] 张行南，罗 健，陈 雷，等.中国洪水灾害危险程度区划[J].水利学报，2000（3）：1-7.

[8] 常秀峰.神农架林区洪灾风险评价[D].武汉：武汉大学，2017.

[9] 何报寅，张海林，张 穗，等.基于GIS的湖北省洪水灾害危险性评价[[J].自然灾害学报，2002（4）：84-89.

[10] 汪 婷，何亚伯，常秀峰.基于云模型和GIS的神农架林区洪灾风险评价[J].湖北农业科学，2018，57（13）：84-89.

[11] 谭徐明，张伟兵，马建明，等.全国区域洪水风险评价与区划图绘制研究[J].中国水利水电科学研究院学报，2004，2（1）：50-60.

[12] 万 君，周月华，王迎迎.基于GIS的湖北省区域洪涝灾害风险评估方法研究[J].暴雨灾害，2007，26（4）：328-333.

[13] 葛全胜.中国自然灾害风险综合评估初步研究[M].北京：科学出版社，2008.

[14] 李德毅，杜 鹢.不确定性人工智能[M].北京：国防工业出版社，2014.

[15] 孙鸿鹄，程先富，倪 玲，等.基于云模型和熵权法的巢湖流域防洪减灾能力评估[J].灾害学，2015，30（1）：222-227.

[16] 王望珍，张可欣，陈 瑶.基于GIS的神农架林区多灾种耦合综合风险评估[J].湖北农业科学，2018，57（5）：49-54.

[17] 王 贺，刘高峰，王慧敏.基于云模型的城市极端雨洪灾害风险评价[J].水利经济，2014，32（2）：15-18.

[18] 何亚伯，常秀峰，徐 冰.山区村镇洪灾承灾能力评估——以神农架林区为例[J].中国安全生产科学技术，2016，12（6）：94-99.