基于地理因子的因旱飲水困難人口快速評(píng)估模型*——以云南省2012年大旱為例

賈慧聰，袁藝，曹春香，潘東華，周洪建，馬玉玲

(1.中國科學(xué)院遙感應(yīng)用研究所遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，北京100101;2.民政部國家減災(zāi)中心，北京100022)

0 引言

從2010年開始，云南遭遇3年連旱。特別是2011年12月以來，云南省大部分地區(qū)降水量僅為20～50 mm，中北部不足20 mm，較常年同期偏少50%～80%，滇東、滇中北以及滇西部分地區(qū)氣象干旱發(fā)展迅速。全省綜合氣象干旱重現(xiàn)期為80年以上一遇，其中滇中、滇東、滇西東部的大部地區(qū)為100年以上一遇［1］。據(jù)云南省民政廳統(tǒng)計(jì)，截至2012年2月16日，持續(xù)干旱已造成云南曲靖、楚雄、文山、昭通、大理、臨滄等13州市91個(gè)縣(市、區(qū))631.83萬人受災(zāi)，已有242.76萬人、155.45萬頭大牲畜出現(xiàn)不同程度飲水困難;因干旱造成大春農(nóng)作物受災(zāi)65.108萬hm2，成災(zāi)37.617萬hm2、絕收6.248萬hm2;因?yàn)?zāi)造成全省需救助人口231.38萬人;全省直接經(jīng)濟(jì)損失23.42億元［2］。嚴(yán)重旱災(zāi)導(dǎo)致人畜飲水困難問題突出，重災(zāi)區(qū)主要分布在海拔較高且河網(wǎng)相對(duì)稀疏的滇北山地丘陵地區(qū)(圖1);小春作物生產(chǎn)和大春作物耕種受到嚴(yán)重影響;災(zāi)區(qū)部分群眾口糧，城鎮(zhèn)、工業(yè)用水受到一定影響;森林火災(zāi)風(fēng)險(xiǎn)較高。

目前我國因旱飲水困難人口的判斷主要依據(jù)地方災(zāi)情的上報(bào)，未有對(duì)該數(shù)據(jù)的質(zhì)量控制和快速評(píng)估系統(tǒng)。因此，準(zhǔn)確地預(yù)測因旱飲水困難人口的發(fā)生發(fā)展，并采取適當(dāng)?shù)臏p災(zāi)措施就顯得十分重要，這將很大程度地降低經(jīng)濟(jì)損失與人員傷害。造成因旱飲水困難發(fā)生的影響因素很多，而各因素之間存在非線性、不確定關(guān)系。本文根據(jù)收集的氣象、基礎(chǔ)地理信息、社會(huì)經(jīng)濟(jì)、災(zāi)情等資料，利用BP(Back Propagatin)人工神經(jīng)網(wǎng)絡(luò)對(duì)引起因旱飲水困難人口的各因素進(jìn)行了初步研究，構(gòu)建了因旱飲水困難快速評(píng)估模型，發(fā)現(xiàn)該網(wǎng)絡(luò)能有效預(yù)測因旱飲水困難人口情況，可為政府和地方部門進(jìn)行災(zāi)情核查、制定因旱飲水困難人口的預(yù)警防范措施提供科學(xué)依據(jù)。

圖1 云南省飲水困難人口分布(截至2012年2月16日)

1 BP神經(jīng)網(wǎng)絡(luò)的基本原理

1.1 BP神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)

人工神經(jīng)網(wǎng)絡(luò)(Artifical Neural Network，ANN)具有很強(qiáng)的自學(xué)習(xí)、自組織和自適應(yīng)能力，能夠充分地利用給定的輸入因子信息，建立起輸入與輸出之間復(fù)雜的非線性對(duì)應(yīng)關(guān)系［3］。其中BP人工神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的一類，該網(wǎng)絡(luò)在具有人工神經(jīng)網(wǎng)絡(luò)各特點(diǎn)的同時(shí)，還具有構(gòu)建簡單、訓(xùn)練算法豐富、映射能力強(qiáng)等優(yōu)點(diǎn)。而且網(wǎng)絡(luò)中的大量參數(shù)均由學(xué)習(xí)所得，而不是由人為給定，避免了人為因素的影響［4］。

BP人工神經(jīng)網(wǎng)絡(luò)是具有非線性變換函數(shù)、運(yùn)用誤差反向算法的多層感知器形成的前饋網(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成。其學(xué)習(xí)過程包括兩個(gè)部分，即信號(hào)的正向傳播和誤差的反向傳播。正向傳播是指輸入信號(hào)通過輸入層經(jīng)隱含層傳向輸出層;誤差反向傳播則指當(dāng)輸出信號(hào)與期望輸出的信號(hào)不符時(shí)，輸出誤差將朝著誤差減小的方向通過隱含層向輸入層傳遞，修正輸入層與隱含層和隱含層與輸出層之間的權(quán)重值和閾值，這樣反復(fù)訓(xùn)練，使誤差減?。?］。

1.2 BP神經(jīng)網(wǎng)絡(luò)模型

BP算法模型如圖2所示，算法步驟如下:

(1)初始化數(shù)據(jù)。為使所有輸入?yún)?shù)具有同等重要性和避免神經(jīng)元進(jìn)入飽和狀態(tài)，用式1對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，使輸入數(shù)據(jù)落在［0，1］之間。

圖2 BP算法流程圖

(2)訓(xùn)練操作。假設(shè)初始化的輸入值分別為x1，x2，x3……xn，輸入節(jié)點(diǎn)與隱含層節(jié)點(diǎn)之間的權(quán)值為wji，隱含層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的權(quán)值為v1j，隱層中的閥值為θj，輸出層中的閥值為θl，如式2、3計(jì)算節(jié)點(diǎn)的輸入輸出。

(3)判斷是否滿足要求。已知期望值為t，根據(jù)輸出節(jié)點(diǎn)的誤差公式4，計(jì)算誤差。若滿足要求，即完成樣本的訓(xùn)練;否則，根據(jù)減少誤差的原則，先調(diào)整v1j、θl，緊接著調(diào)整wji、θj，并利用修正之后的值進(jìn)行訓(xùn)練直至滿足要求。

(4)當(dāng)樣本完成訓(xùn)練后，輸入初始化后的預(yù)測樣本進(jìn)行訓(xùn)練，即可得到預(yù)測值。

2 因旱飲水困難人口影響因素分析

2.1 因旱飲水困難人口影響因素的選取

按水利部1984年確定的農(nóng)村飲水困難標(biāo)準(zhǔn)綜合分析(取水的水平距離1 km以上，垂直高差100 m，水中含氟量超過1.1 mg/L)［6］，參考目前因旱飲水困難人口評(píng)價(jià)所選取指標(biāo)內(nèi)容［7－14］，并結(jié)合受災(zāi)區(qū)環(huán)境和成災(zāi)特點(diǎn)，本研究所選取的因旱飲水困難人口影響因素主要考慮研究區(qū)的降水、地形、水系、人口、道路和經(jīng)濟(jì)共6個(gè)因子。所利用的數(shù)據(jù)來源于:云南省30 m分辨率的DEM數(shù)據(jù);云南省行政區(qū)矢量圖;云南省1∶100萬鐵路、國道和省道數(shù)據(jù);云南省1∶100萬河流分布圖;從中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc．cma．gov．cn/)下載的云南省32個(gè)站點(diǎn)2000－2012年的日降水量數(shù)據(jù);2009－2011年《中國統(tǒng)計(jì)年鑒》;民政部國家減災(zāi)中心提供的2012年云南省各縣因旱飲水困難人口統(tǒng)計(jì)數(shù)據(jù)。

2.2 各因素對(duì)因旱飲水困難人口的影響

2.2.1 降水因子

水資源匱乏或用水條件惡劣是導(dǎo)致農(nóng)村飲水困難的根本原因［9］。云南是多種季風(fēng)(東亞季風(fēng)、南亞季風(fēng)、高原季風(fēng))環(huán)流影響的過渡交叉地帶，是我國典型的季風(fēng)氣候區(qū)，干濕季節(jié)分明。季風(fēng)氣候造成了云南干旱災(zāi)害發(fā)生的必然性，不穩(wěn)定的季風(fēng)活動(dòng)又造成了云南干旱災(zāi)害發(fā)生的隨機(jī)性。

2012年1月15 日至2月7日，全省平均累計(jì)降水量1.5 mm，有107站降水＜1 mm，其中96站無降水(圖3)。2011年6月至9月，全省降水持續(xù)偏少，東北部7月降水量不足100 mm，較常年同期偏少50%～80%，部分地區(qū)不足50 mm，偏少80%以上。旱災(zāi)災(zāi)情較嚴(yán)重區(qū)域集中分布在滇東地區(qū)及滇西北地區(qū)，與較低月均降水量分布是吻合。2009年9月至2010年5月，云南全省平均降水量292 mm，比常年同期偏少140 mm，為歷史同期次少值，尤其是云南東部降水同期偏少50%～80%。連續(xù)3年的云南干旱少雨天氣造成水庫、壩塘蓄水量偏少，地下水位持續(xù)下降，人畜基本飲水難以保障。

圖3 云南省月均降水量圖(2011年11月－2012年2月)

2.2.2 地形因子

云南省地處低緯高原，地形極為復(fù)雜。大體上，西北部是高山深谷的橫斷山區(qū)，東部和南部是云貴高原(圖4)。整個(gè)云南西北高、東南低，有84%多的面積是山地，高原、丘陵占10%，僅有不到6%是壩子、湖泊之類［15］。從地形高程與飲水困難人口的空間分布關(guān)系來看，此次旱災(zāi)重災(zāi)區(qū)(飲水困難人口＞5萬人)主要分布滇北的山地丘陵地區(qū)，重災(zāi)區(qū)的平均海拔在2 000 m以上，山地焚風(fēng)效應(yīng)進(jìn)一步加劇了旱情。通過分析受災(zāi)區(qū)地形高程與飲水困難人口數(shù)量的關(guān)系，可以看出，飲水困難人口數(shù)量與地形高程呈正相關(guān)關(guān)系。此外，山地丘陵區(qū)距離水源較遠(yuǎn)，取水相對(duì)困難，取水成本也隨之增高。

圖4 云南省地形高程圖(空間分辨率1KM)

2.2.3 水系分布

對(duì)比且分析兩組社區(qū)糖尿病患治療效果——將臨床判斷標(biāo)準(zhǔn)分為顯效、有效和無效,顯效:患者實(shí)施治療后,空腹血糖在6.1mmol/L內(nèi)、餐后2h血糖在7.2mmol/L內(nèi);有效:患者實(shí)施治療后,空腹血糖<6.1mmol/L、餐后2h血糖<10.0mmol/L;無效:患者經(jīng)治療后,均未達(dá)到上述指標(biāo)。

云南是水資源大省，水資源總量排名全國第3位，但由于其特殊的地形環(huán)境和氣候條件，水資源空間分布不平衡現(xiàn)象十分突出(圖5)。云南省地跨6大水系，河流眾多，年徑流量達(dá)到200 km3。但云南省各大水系都集中在西部、北部地區(qū)，且多為各大水系的上游，灘多、流急、落差大，不便于發(fā)展航運(yùn)［15］。云南省水資源與人口、耕地等經(jīng)濟(jì)發(fā)展要素極不匹配，占全省土地面積6%的壩區(qū)集中了2/3的人口和1/3的耕地，但水資源量只有全省的5%［16］。從飲水困難人口分布與河網(wǎng)水系密度空間關(guān)系來看，此次旱災(zāi)重災(zāi)區(qū)(飲水困難人口＞5萬人)主要分布在河網(wǎng)密度相對(duì)稀疏的滇東北及滇西北的部分山地丘陵區(qū)。

圖5 云南省河網(wǎng)密度圖

2.2.4 人口因子

云南省人口分布的最大特征是東密西疏(圖6)。云南省以哀牢山為界劃分為東西兩部。由于東西兩部自然環(huán)境、社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r以及人們生活習(xí)慣的不同，使人口在其分布上也有著截然的不同，東部地區(qū)人口的數(shù)量、群體規(guī)模和密度都遠(yuǎn)遠(yuǎn)超過西部。中部緯向帶密集，南部、北部稀疏;壩區(qū)密集，山區(qū)、半山區(qū)稀疏［16］。近年來隨著人口密度的增加和城鎮(zhèn)化的發(fā)展，人民生活生產(chǎn)用水量逐步增加，加上糧食需求增加，墾草種糧、陡坡開荒等，導(dǎo)致近年來同等降水量表現(xiàn)出的飲水困難旱情更為嚴(yán)重。

圖6 云南省人口分布圖(2010年)

2.2.5 道路因子

公路是云南最重要的交通樞紐，隨著城鎮(zhèn)、鐵路、公路、水庫建設(shè)用地增加，部分地勢(shì)較高的土地作為原來地勢(shì)相對(duì)較低土地的補(bǔ)償，土壤持水能力下降，導(dǎo)致當(dāng)?shù)乜购的芰ο陆?圖7)。

圖7 云南省路網(wǎng)密度圖

2.2.6 經(jīng)濟(jì)因子

云南省的區(qū)域經(jīng)濟(jì)差異比較明顯，2010年GDP超過100億元的縣(市、區(qū))集中在昆明、曲靖、個(gè)舊、玉溪、大理、昭通、楚雄等7個(gè)經(jīng)濟(jì)較發(fā)達(dá)地區(qū)(圖8)。云南三年連旱災(zāi)區(qū)60%以上的縣(市、區(qū))連續(xù)重復(fù)受災(zāi)，80%的受災(zāi)縣屬于國家級(jí)貧困縣。要促進(jìn)區(qū)域經(jīng)濟(jì)和水資源利用的協(xié)調(diào)發(fā)展，以保證農(nóng)村飲水解困、飲水安全為前提，合理制定農(nóng)村經(jīng)濟(jì)發(fā)展綜合規(guī)劃、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)農(nóng)村經(jīng)濟(jì)與水資源可持續(xù)利用的協(xié)調(diào)發(fā)展。

圖8 云南省GDP分布圖(2010年)

3 因旱飲水困難人口快速評(píng)估模型的建立

3.1 樣本數(shù)據(jù)的選取及數(shù)據(jù)預(yù)處理

根據(jù)對(duì)BP人工神經(jīng)網(wǎng)絡(luò)的分析，飲水困難人口預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖9所示。由模型結(jié)構(gòu)圖可以看出，模型由三層神經(jīng)元組成:輸入層、隱含層和輸出層。其中輸入層神經(jīng)元是經(jīng)過標(biāo)準(zhǔn)化處理后的以云南省縣域?yàn)榻y(tǒng)計(jì)單元的6個(gè)評(píng)價(jià)指標(biāo):月均降水量、地形高程、水系密度、總?cè)丝?、路網(wǎng)密度和GDP為網(wǎng)絡(luò)輸入;輸出層神經(jīng)元是因旱飲水困難人口評(píng)價(jià)的結(jié)果;而隱含層神經(jīng)元數(shù)目的多少則是對(duì)整個(gè)網(wǎng)絡(luò)能否正常工作具有重要意義，所以科學(xué)地、自動(dòng)地確定隱含層節(jié)點(diǎn)數(shù)目是極其重要的。

圖9 飲水困難人口快速評(píng)估模型的三層BP網(wǎng)絡(luò)

從原理上說，一個(gè)在輸入層上具有m個(gè)神經(jīng)元，隱含層具有(2m+1)個(gè)神經(jīng)元，輸出層具有n個(gè)神經(jīng)元的三層網(wǎng)絡(luò)，可以精確地實(shí)現(xiàn)任意給定的連續(xù)的映射。因此，每當(dāng)創(chuàng)建一個(gè)新的人工神經(jīng)網(wǎng)絡(luò)模型時(shí)，可以從這(2m+1)個(gè)隱層節(jié)點(diǎn)入手進(jìn)行篩選，根據(jù)前人經(jīng)驗(yàn)［16－18］可以依據(jù)以下公式進(jìn)行設(shè)計(jì):

式中:m為隱層節(jié)點(diǎn)數(shù);n為輸入層節(jié)點(diǎn)數(shù);w為輸出層節(jié)點(diǎn)數(shù);R(10)為1～10之間的常數(shù)。

3.2 因旱飲水困難人口快速評(píng)估網(wǎng)絡(luò)的訓(xùn)練和檢驗(yàn)

利用MATLAB軟件將經(jīng)過標(biāo)準(zhǔn)化處理后的6個(gè)影響因子作為樣本的輸入值，利用30個(gè)受災(zāi)縣樣本進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，經(jīng)試算不斷優(yōu)化模型參數(shù)，并進(jìn)行網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)的調(diào)整，確定模型隱含層轉(zhuǎn)移函數(shù)為對(duì)數(shù)S型函數(shù)(Logsig);輸出層的轉(zhuǎn)移函數(shù)選線性函數(shù)(purelin);隱含層節(jié)點(diǎn)取13個(gè);偏差目標(biāo)為0.01的參數(shù)組合。即網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)定為6－13－1。當(dāng)訓(xùn)練次數(shù)達(dá)25次時(shí)網(wǎng)絡(luò)收斂，其MSE為0.003 6(圖10)，可見本模型的網(wǎng)絡(luò)收斂速度是相當(dāng)快的。

利用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)剩余55個(gè)受災(zāi)縣的因旱飲水困難人口進(jìn)行預(yù)測，其模擬值與預(yù)測值的線性擬合結(jié)果R2為0.67，結(jié)果如圖11所示。由此可見神經(jīng)網(wǎng)絡(luò)方法預(yù)測因旱飲水困難人口是可行的，并且較準(zhǔn)確方便。

圖10 實(shí)際與神經(jīng)網(wǎng)絡(luò)模擬飲水困難人口序列連線對(duì)比

圖11 飲水困難人口神經(jīng)網(wǎng)絡(luò)模擬值與實(shí)際值線性擬合結(jié)果

4 結(jié)論與討論

針對(duì)目前我國因旱飲水困難人口的判斷主要依據(jù)地方災(zāi)情的上報(bào)，未有對(duì)該數(shù)據(jù)的質(zhì)量控制和快速評(píng)估系統(tǒng)的現(xiàn)狀，本文以2012年云南大旱為例，基于地理因子構(gòu)建了因旱飲水困難人口快速評(píng)估模型，為因旱飲水困難人口的快速評(píng)估和災(zāi)情的核查提供了科學(xué)支撐。結(jié)果表明:

(1)選取月均降水量、地形高程、水系密度、總?cè)丝?、路網(wǎng)密度和GDP作為輸入評(píng)價(jià)因子能夠較為準(zhǔn)確的反映因旱飲水困難人口的空間分布特征。

(2)人工神經(jīng)網(wǎng)絡(luò)具有非線性動(dòng)態(tài)處理數(shù)據(jù)、綜合考慮多種參數(shù)影響的能力，所以在參數(shù)較多及影響權(quán)值未知的情況下構(gòu)建因旱飲水困難人口快速評(píng)估模型具有可行性。模擬值與預(yù)測值的線性擬合結(jié)果R2為0.67，取得了較為理想的效果。

(3)下一階段應(yīng)盡可能增加樣本的涵蓋面、在輸入中盡可能地包含影響輸出的主要因子、確定適當(dāng)?shù)氖諗空`差等等方式都可再提高人工神經(jīng)網(wǎng)絡(luò)的預(yù)測精度。

［1］中國新聞網(wǎng)．云南旱情加劇啟動(dòng)國家四級(jí)救災(zāi)應(yīng)急響應(yīng)［EB/OL］．［2012－02－17］．http://www．chinanews．com/df/2012/02－17/3677219.shtml．

［2］云南信息港．目前旱災(zāi)已造成云南省13個(gè)州市的631.83萬人受災(zāi)［EB/OL］．［2012－02－16］．http://news．yninfo．com/yn/shxw/201202/t20120216_1756486.htm．

［3］朱紅梅，周子英．BP人工神經(jīng)網(wǎng)絡(luò)在城市土地集約利用評(píng)價(jià)中的應(yīng)用—以長沙市為例［J］．經(jīng)濟(jì)地理，2009，29(5):836－839．

［4］王一峰，王心亞．基于人工神經(jīng)網(wǎng)絡(luò)的倒水河洪水預(yù)報(bào)模型［J］．水資源研究，2011，32(119):43－48．

［5］張德豐．MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)［M］．北京:機(jī)械工業(yè)出版社，2009:92－98．

［6］水利電力部關(guān)于農(nóng)村人畜飲水工作的暫行規(guī)定［EB/OL］．(1984－08－13)［2012－02－16］．http://www．people．com．cn/item/flfgk/gwyfg/1984/112403198404.html．

［7］王永勝，李培紅．我國農(nóng)村人畜飲水困難成因分析及對(duì)策研究［J］．給水排水，2001，27(7):23－25．

［8］王婷婷，陳菁．我國農(nóng)村飲水困難的分類及其對(duì)策分析［J］．水利經(jīng)濟(jì)，2005，23(1):42－43．

［9］于振東．中西部地區(qū)農(nóng)村飲水困難成因分析及對(duì)策研究［J］．現(xiàn)代農(nóng)業(yè)，2008(3):121．

［10］王韶生，劉昆鵬，劉群昌．我國農(nóng)村供水指標(biāo)體系研究［J］．北京工業(yè)大學(xué)學(xué)報(bào)，2006，32(9):836－840．

［11］賈慧聰，王靜愛，岳耀杰，等．冬小麥旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系構(gòu)建及應(yīng)用——基于2009年北方春旱野外實(shí)地考察的認(rèn)識(shí)［J］．災(zāi)害學(xué)，2009，24(4):20－25．

［12］賈慧聰，王靜愛．國內(nèi)外不同尺度的旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)研究進(jìn)展［J］．自然災(zāi)害學(xué)報(bào)，2011，20(2):138－145．

［13］賈慧聰，王靜愛，潘東華，等．基于EPIC模型的黃淮海夏玉米旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)［J］．地理學(xué)報(bào)，2011，66(5):643－652．

［14］Huicong Jia，Jingai Wang，Chunxiang Cao，et al．Maize drought disaster risk assessment of China based on EPIC model［J］．International Journal of Digital Earth，2011，DOI:10.1080/17538947.2011.590535．

［15］王聲躍．云南地理［M］．昆明:云南民族出版社，2002．

［16］周開利，康耀紅．神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)［M］．北京:清華大學(xué)出版社，2005．

［17］聞新，周露，王丹力，等．MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)［M］．北京:科學(xué)出版社，2002．

［18］聞新，周露，李翔，等．MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用

［M］．北京:科學(xué)出版社，2003．