洪澇災(zāi)害經(jīng)濟易損性模糊評價＊
——以安徽沿長江地區(qū)為例

張海玉,程先富,馬 武

(安徽師范大學(xué)國土資源與旅游學(xué)院,安徽蕪湖 241003)

洪澇災(zāi)害經(jīng)濟易損性模糊評價＊
——以安徽沿長江地區(qū)為例

張海玉,程先富,馬 武

(安徽師范大學(xué)國土資源與旅游學(xué)院,安徽蕪湖 241003)

洪水災(zāi)害是洪水危險性對承災(zāi)體易損性綜合作用的結(jié)果,由于降水量、人口密度、產(chǎn)值等因子在洪水易損性中的作用具有模糊性,因此運用模糊模型進行評價有一定意義。以安徽沿長江地區(qū)為例,在GIS和模糊數(shù)學(xué)法的支持下,建立了基于GIS的模糊綜合評價模型,對洪水災(zāi)害經(jīng)濟易損性風(fēng)險進行了評價與分析,將安徽沿長江地區(qū)洪澇的易損性程度劃分為5個等級:高度易損性、較高度易損性、中度易損性、較低度易損性、低度易損性。研究結(jié)果表明:沿江洪水災(zāi)害易損性總體水平較高,特別是在馬鞍山、蕪湖市、銅陵市等經(jīng)濟發(fā)達、人口密集、耕地面積廣闊的濱江下游平原區(qū)。這些地區(qū)應(yīng)積極興修水利,大力發(fā)展避洪產(chǎn)業(yè)。

洪澇災(zāi)害;經(jīng)濟易損性;GIS;模糊評價;安徽沿長江地區(qū)

0 引言

洪水災(zāi)害是一種突發(fā)性強、發(fā)生頻率高、危害嚴重的災(zāi)害。全球每年都因洪水災(zāi)害而造成巨大損失,我國一直是受洪水危害最嚴重的國家之一[1]。目前有許多學(xué)者采用不同的方法開展了洪澇災(zāi)害評估研究,周成虎提出基于地理信息系統(tǒng)的災(zāi)害風(fēng)險區(qū)劃指標模型,得出遼河流域洪災(zāi)風(fēng)險綜合區(qū)劃[2];張婧等人將洪澇災(zāi)害風(fēng)險分析方法與GIS技術(shù)相結(jié)合,采用洪澇災(zāi)害風(fēng)險指數(shù)(FDR I),得出河北省縣級洪澇災(zāi)害風(fēng)險區(qū)劃圖[3];付意成等人對區(qū)域洪災(zāi)風(fēng)險評價體系進行了研究[4];杜曉燕等人利用信息擴散理論的評估模型對天津不同程度旱澇危害性進行評估[5];此外國內(nèi)外許多學(xué)者利用模糊數(shù)學(xué)方法來開展災(zāi)害預(yù)報、風(fēng)險評價等方面研究[6-10]。本文綜合國內(nèi)外研究成果,利用模糊數(shù)學(xué)中的模糊綜合評價方法結(jié)合GIS的空間分析技術(shù)和建模技術(shù),建立了基于GIS的模糊綜合評價模型,以安徽省沿長江地區(qū)為例探討了洪澇災(zāi)害經(jīng)濟易損性風(fēng)險。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

安徽沿長江地區(qū)由蕪湖、馬鞍山、銅陵、安慶、巢湖、池州六市組成,共轄26個縣(含縣級市),總面積45 760 km2,占全省總面積的27.12%,人口2 785.1萬人,占全省總?cè)丝诘?8.50%(圖1)。該區(qū)是安徽省的產(chǎn)業(yè)重心、長江經(jīng)濟帶及全國生產(chǎn)力分布的重要地區(qū)之一。氣候?qū)贃|亞顯著季風(fēng)氣候區(qū)、暖溫帶與亞熱帶的過渡地帶,又處夏秋臺風(fēng)途徑之邊緣,冷暖氣團活動極為頻繁,天氣多變,降水量變化大,年內(nèi)分配不均,經(jīng)常發(fā)生以洪澇、干旱為主的災(zāi)害性天氣。常年平均氣溫16～17.3℃。常年無霜期達220～250 d;年平均降水量770～1 700 mm之間,降水的季節(jié)分布不均勻,降水多集中在6-8月,容易出現(xiàn)早浸害。區(qū)內(nèi)地形多樣,地貌復(fù)雜。長江自江西湖口進入安徽省境內(nèi)至和縣烏江后流入江蘇境內(nèi),由西南向東北斜貫安徽南部,在安徽省境內(nèi)屬長江下游,全長416 km,流域面積為6.6萬km2。境內(nèi)長江河段支流眾多,湖泊密布,洪澇災(zāi)害頻發(fā)。而洪水災(zāi)害易損性分析與評價是洪水災(zāi)害風(fēng)險管理的基礎(chǔ)性工作,是制定各項防洪減災(zāi)措施,尤其是非工程防洪減災(zāi)措施的重要依據(jù)[10]。因此,對該區(qū)洪澇災(zāi)害經(jīng)濟易損性評估有利于防洪減災(zāi)工作的開展和區(qū)域的可持續(xù)發(fā)展,意義深遠。

圖1 安徽沿長江地區(qū)圖

1.2 研究方法

本文采用基于GIS的模糊綜合評價模型對安徽沿長江區(qū)洪澇災(zāi)害易損性進行評價。模糊綜合評價是模糊數(shù)學(xué)中的一種綜合分析方法,它以模糊變換理論為基礎(chǔ),以模糊推理為主,將定性和定量相結(jié)合、精確與非精確相統(tǒng)一。模糊綜合評價方法是目前多指標綜合評價實踐中應(yīng)用最廣的方法之一,已經(jīng)在環(huán)境、自然災(zāi)害、土地資源、地質(zhì)等眾多領(lǐng)域得到大量應(yīng)用。模糊綜合評價的技術(shù)流程包括7個部分:原始指標集、評語等級集、隸屬函數(shù)、隸屬關(guān)系矩陣、權(quán)重向量、加權(quán)合成、結(jié)果向量處理。具體步驟如下:設(shè)評價指標個數(shù)為i,每個指標為GIS的柵格數(shù)據(jù)層,原始指標集[11]

設(shè)評語等級數(shù)為j,評語等級集

利用分級函數(shù)法確定每一個指標的隸屬函數(shù)F,每一級的子隸屬函數(shù)fj

根據(jù)隸屬函數(shù),計算出U中的各指標相對評語集V各等級的隸屬度,構(gòu)成i×j階隸屬關(guān)系矩陣R。

根據(jù)U中各指標的重要性,確定權(quán)重向量A。本文采用層次分析法確定權(quán)重向量。

將模糊權(quán)重向量A與模糊關(guān)系矩陣R進行某種合成運算。本文采用相乘算法,得到模糊綜合評價結(jié)果向量B。

對結(jié)果向量B取最大值gridmax,則gridmax隸屬于評判等級V中的某個等級,就得到所需要模糊價值分類,即洪水災(zāi)害風(fēng)險等級。用“1,2,…, j”表示連續(xù)化等級的序,然后將向量B所對應(yīng)等級的序加權(quán)求平均,得到被評價事物的相對位置gridmean,即洪水災(zāi)害風(fēng)險指數(shù)

這個模糊綜合評價模型可以在ArcGIS和ERDAS等地理信息系統(tǒng)及遙感圖像處理軟件平臺中實現(xiàn)。過程較簡單明了,易于實現(xiàn)。

2 洪水災(zāi)害經(jīng)濟易損性風(fēng)險評價過程

本文選擇安徽沿江地區(qū)26個縣作為研究區(qū)域。該區(qū)域位于安徽中南部,是洪水災(zāi)害泛濫的主要地區(qū)。選擇多年降雨量、森林覆蓋度(取倒數(shù))、人口密度、耕地百分比、人均GDP、水庫密度(取倒數(shù))等6個要素作為洪水災(zāi)害經(jīng)濟易損性風(fēng)險評價指標U。每個指標都是GIS柵格數(shù)據(jù)層,柵格大小為100 m×100 m,數(shù)據(jù)類型為浮點型,數(shù)值都是連續(xù)的,而且數(shù)值大小與洪水災(zāi)害風(fēng)險呈正相關(guān)關(guān)系。將洪水災(zāi)害風(fēng)險劃分為5個評語等級:低易損區(qū)、較低易損區(qū)、中等易損區(qū)、較高易損區(qū)、高易損區(qū)。通過統(tǒng)計各柵格數(shù)據(jù)層的標準差與均值,來確定等級劃分間隔值[12],取標準差與均值的最小值作為柵格數(shù)據(jù)模糊子集分級的間隔值Δ,各專題柵格數(shù)據(jù)都按照相同的間隔值進行等間隔劃分,每個柵格數(shù)據(jù)都有5個間隔點D1,D2,D3, D4,D5(表1)。根據(jù)模糊數(shù)學(xué)的分段線性函數(shù)(降、升半梯形和三角形)來確定各等級的隸屬函數(shù),對評價指標進行模糊子集劃分,建立了統(tǒng)一的線性隸屬函數(shù)ui1(gj),ui2(gj),ui3(gj), ui4(gj),ui5(gj)。采用層次分析法計算得到6個指標的權(quán)重(A),它們分別為0.312 3,0.070 1, 0.273 1,0.132 2,0.181 3,0.041。采用A＊R的合成運算,根據(jù)基于GIS的模糊綜合評價模型構(gòu)建原理,利用ArcGIS 9.0中的ModelBuilder建立了洪水災(zāi)害風(fēng)險模糊評價模型。

表1 評價指標數(shù)據(jù)層的間隔點設(shè)置

所建立的分段函數(shù)如下:

運用洪水災(zāi)害經(jīng)濟易損性風(fēng)險模糊評價模型,得到所有過程的柵格圖像,通過屬性查詢可以得到所有模糊綜合評價結(jié)果(表2),并采取最大隸屬度法和加權(quán)平均法,可確定每個柵格所代表的洪水災(zāi)害經(jīng)濟易損性風(fēng)險等級和風(fēng)險指數(shù),利用ArcGIS制作洪水災(zāi)害經(jīng)濟易損性等級和風(fēng)險指數(shù)圖(圖2、圖3)。在經(jīng)濟易損性等級分布圖中顏色越淺等級越高,易損性越高。在風(fēng)險指數(shù)圖中,風(fēng)險指數(shù)越高,表示遭受洪水影響的風(fēng)險可能性越高。評價數(shù)據(jù)是以縣域數(shù)據(jù)為對象,如果有更為詳細單元的數(shù)據(jù),通過此方法均可以很快得出評價結(jié)果。

表2 研究區(qū)模糊評價結(jié)果

從表2中可以看出,高度易損性區(qū)域包括馬鞍山市、當(dāng)涂縣、蕪湖市、無為縣、銅陵市、池州市、安慶市。這些地區(qū)人口密集,耕地面積廣布,經(jīng)濟易損性大,風(fēng)險指數(shù)也較大。與之對應(yīng)的低度易損性包括岳西縣、太湖縣、東至縣、石臺縣、和縣這些經(jīng)濟欠發(fā)達的地區(qū)。研究區(qū)多年平均降雨在1 039～1 619 mm之間,降雨這一重要自然因素相差并不多,本文評價洪災(zāi)經(jīng)濟易損性考慮經(jīng)濟人文因素較多,評價結(jié)果與事實基本相符。總體看來安徽沿江區(qū)域洪澇災(zāi)害的經(jīng)濟易損性較高,應(yīng)該采取一些措施有效地防治洪澇災(zāi)害發(fā)生。

圖2 洪水易損性風(fēng)險指數(shù)圖

圖3 洪水災(zāi)害易損性等級圖

3 結(jié)論

(1)安徽省沿長江地區(qū)洪澇易損性程度總體水平高。在26個縣、市中,3級(中度易損性)以上縣、市就有17個,占65.38%;其中5級(高度易損性)縣、市8個,占30.08%;而1級(低度易損性)僅有5個縣、市,占總數(shù)的18.08%。因此要加大該區(qū)域的洪澇災(zāi)害防洪減災(zāi)能力。

(2)區(qū)域洪澇易損性程度等級與經(jīng)濟發(fā)展水平密切相關(guān),由易損性分布圖可以看出,高度易損性分布在馬鞍山市、蕪湖市、銅陵市,這一地區(qū)經(jīng)濟發(fā)達,人口密集,耕地面積廣布。而經(jīng)濟易損性低的地區(qū)分布在經(jīng)濟欠發(fā)達的地區(qū)。理論上講經(jīng)濟水平高防洪能力強,經(jīng)濟易損性不應(yīng)該與經(jīng)濟發(fā)展成正相關(guān)。主要因為這些地區(qū)沒有發(fā)揮它們的優(yōu)勢,采取相應(yīng)的防洪工程措施。

(3)由于評價因子對評價目標(洪澇易損性)的影響程度具有模糊性的特點,因此,采用模糊綜合評判法進行評定是合適的,在評價的過程中指標的選取是重要的環(huán)節(jié),而在整個模型應(yīng)用過程中,最重要的是確定柵格數(shù)據(jù)層模糊子集分級的間隔值和構(gòu)建模糊隸屬函數(shù),這將直接影響評價結(jié)果[13]。

[1] 陳華麗,陳剛,丁國平.基于GIS的區(qū)域洪水災(zāi)害風(fēng)險評價[J].人民長江,2003(6):49-51.

[2] 周成虎,萬慶,黃詩峰,等.基于GIS的洪水災(zāi)害風(fēng)險區(qū)劃研究[J].地理學(xué)報,2000,55(1):15-24.

[3] 張婧,郝立生,許小光.基于GIS技術(shù)的河北省洪澇災(zāi)害風(fēng)險區(qū)劃與分析[J].災(zāi)害學(xué),2009,24(2):50-56.

[4] 付意成,魏傳江,王啟猛,等.區(qū)域洪災(zāi)風(fēng)險評價體系研究[J].災(zāi)害學(xué),2009,24(3):27-32.

[5] 杜曉燕,黃歲樑,趙慶香.基于信息擴散理論的天津旱澇災(zāi)害危險性評估[J].災(zāi)害學(xué),2009,24(1):22-25.

[6] 黃波,徐冠華,閻守邕.GIS中空間模糊疊加模型的設(shè)計[J].測繪學(xué)報,1996,25(1):53-56.

[7] Nayak P C,Sudheer K P,Ramasastri K S.Fuzzy computing based rainfall-runoff model for real Hydrological[J].Processes,2005,19:955-968.

[8] Hundecha Y,BardossyA,Theisen H--W.Development of a fuzzy logic based rainfall-model[J].Hydrological Sciences Journal,2001,46(3):363-377.

[9] 劉新立,史培軍.空間不完備條件下的自然災(zāi)害風(fēng)險評估模型——理論部分[J].自然災(zāi)害學(xué)報,1999,8(4):1-8.

[10]毛德華,王立輝.湖南城市洪澇易損性診斷與評估[J].長江流域資源與環(huán)境,2002,11(1):89-93.

[11]胡繼才,萬福鈞.應(yīng)用模糊數(shù)學(xué)[M].武漢:武漢測繪科技大學(xué)出版社,1998.

[12]蔣衛(wèi)國,李京,武建軍,等.區(qū)域洪水災(zāi)害風(fēng)險評估體系——模型與應(yīng)用[J].自然災(zāi)害學(xué)報,2008,1(6):105 -109.

[13]蔣衛(wèi)國,李京,李忠武,等.洪水災(zāi)害人口風(fēng)險模糊評價[J].湖南大學(xué)學(xué)報:自然科學(xué)版,2008,35(9):85-88.

Fuzzy Asses sment of the Vulnerability Risk of Flood D isaster——Taking the Anhui Region along the Yangtze River as an Example

Zhang Haiyu,Cheng Xianfu andMa Wu

(Departm ent of Geography,Anhui N or m al University,W uhu241003,China)

Flood disaster is a comprehensive result from the effect of flood risk on vulnerability of disaster bearers.Fuzzymethod is significance for us to evaluate of vulnerability of disaster bearers because rainfall,density of population and value of output are fuzzy in flood vulnerability.Taking the Anhui region along the Yangtze River as an example,a GIS-based fuzzy comprehensive evaluation model isworked outwith the support of GIS and fuzzy mathematic method.The economic vulnerability to flood hazard is evaluated and analyzed.The vulnerability to flood hazard along the Yangtze River in Anhui is divided into five degrees,namely,high vulnerability,relatively high vulnerability,moderate vulnerability,relatively low vulnerability and low vulnerability.The results show that the general vulnerability to flood hazard along the Yangtze River is high,especially in the downriver plain areas with developed economy,dense population and vast area of far mland,such asMa'anshan,Wuhu city and Tongling city.In these regions,irrigation works should be built and flood-tolerant agriculture should be vigorously developed.

flood disaster;vulnerability to flood;GIS;fuzzy evaluation;Anhui region along the Yangtze River

P426.616;0159

A

1000-811X(2010)01-0030-05

2009-09-02

安徽省自然科學(xué)基金項目(090415212);自然災(zāi)害過程與防控研究安徽省重點實驗室建設(shè)基金資助

張海玉(1979-),女,河南焦作市人,碩士研究生,主要從事洪澇災(zāi)害風(fēng)險評估研究.E-mail:zhanghaiyu1979@163.com

程先富(1967-),男,安徽合肥人,教授,主要從事災(zāi)害監(jiān)測與評估研究.E-mail:xianfucheng@sina.com