基于云模型的安康市洪水灾害风险评价

石晓静，查小春

(陕西师范大学 旅游与环境学院，陕西 西安 710062)

基于云模型的安康市洪水灾害风险评价

石晓静，查小春*

(陕西师范大学 旅游与环境学院，陕西 西安 710062)

选取基于云模型的洪水灾害风险评价模型，以安康市地形高程、高程标准差、河网密度以及2010年的汛期降水、人口密度、GDP密度、地均财政收入、耕地比重、农民人均纯收入、单位面积粮食产量10个指标，构建了安康市洪水灾害风险评价指标体系，并采用熵权法确定各指标的权重，通过云模型定量地评价了安康市2010年各县区的洪水灾害风险等级。研究结果表明：安康市汉滨区和汉阴县处于高风险等级，石泉、紫阳、旬阳、白河等县处于较高风险，岚皋、平利2县处于中等风险，宁陕、镇坪2县处于较低风险。

安康市；洪水灾害；风险评价；云模型；熵权法

洪水灾害已成为全球性的自然灾害，尤其在我国，洪水灾害已经成为发生最频繁、造成损失最大、最难以控制的自然灾害之一[1-2]。而且，随着全球气候系统的异常多变，以及人类活动影响程度的增强，洪水灾害给人类社会造成的生命和财产损失日益增加[3]，因此加强洪水灾害风险评价对于防洪减灾和水资源合理规划利用具有重要意义。目前，国内外学者主要采用模糊综合评判法、水文水动力学模型方法、历史灾情和古洪水统计分析法、GIS技术与数理方法结合等综合方法进行洪水风险评价等[4-7]。然而，洪水灾害系统是由致灾因子、孕灾环境以及承载体等自然因素和人为因素相互作用构成的整体，这些因素具有不确定性，且在不同区域表现有较强的空间差异性，使得评价指标体系比较复杂，各种评价方法的评价结果存在不确定性[8-10]。而基于云模型的洪水灾害风险评价方法，能够实现客观世界中某个现象和事物定性与定量的不确定性转换，克服常规方法在风险评价中存在的模糊性与随机性问题，使评价结果更符合实际[11-12]。因此，本文将云模型引入洪水灾害风险评价中，选择位于汉江上游洪灾多发的安康市为研究区域，以安康市2010年的致灾因子、孕灾环境和承载体指标，选取相应的洪水灾害指标，构建了基于云模型和熵权法的综合评价模型，评价了安康市2010年洪水灾害风险等级，并与安康市2010年洪灾情况对比验证，以期为安康市科学制定防洪减灾规划、减轻洪灾损失以及促进安康城市建设和经济可持续发展，提供重要的借鉴意义。

1 研究区概况

安康市位于陕西省最南部，下辖汉滨区、旬阳、石泉、平利、紫阳、岚皋、宁陕、镇坪、汉阴、白河10个县区(图1)。它南依大巴山北坡，北靠秦岭主脊，地形以山地、丘陵为主，海拔170～2964.4 m，地势起伏较大。汉江上游横贯东西，地势由中部向南北方向逐渐升高。受地形和季风影响，安康市属于亚热带大陆性季风气候，且处于南北气候的交融地带。降水主要集中在夏季，雨量充沛且多暴雨。而且安康市境内河网密布，水系发达。复杂的地理地形条件、大气环流状况及网状水系，使安康市孕灾环境和致灾因子危险性比较高，极易出现暴雨洪灾。

据统计[13-14]，1950～2015年安康洪峰流量大于15000 m3的洪灾有26次，平均每2.5年发生1次，属于洪灾频发区。典型的暴雨洪水如1983年的“7.31”汉江安康大洪水[15]，使全省48个县受灾，受灾农田117.5万hm2，受灾人口764.3万人，倒塌房屋283490间，全年经济损失达151278万元。而且，近年来，安康市相继在2005、2010、2011和2012年出现暴雨洪水。因此，在全球气候异常多变以及极端降水事件明显增多的情况下，对安康市进行洪水灾害风险评价，对加强洪水灾害预防和管理，保护人们的生命财产安全以及促进社会的稳定发展具有重要的指导意义。

图1 研究区域位置

2 数据来源和研究方法

2.1 数据来源

高程和高程标准差数据取自SRTM-3 DEM，安康市2010年的汛期降水通过中国气象数据共享服务平台获得，安康市2010年人口密度、GDP密度、地均财政收入、耕地比重、农民人均纯收入、单位面积粮食产量等数据来自《2011年安康市年统计年鉴》[16]。

2.2 研究方法

2.2.1 正态云模型 云模型是由李德毅[9，11,17-20]提出的实现客观世界中某个现象和事物的定性与定量相互发生不确定性转换的数学模型。该模型能够克服常规评价方法在风险评价中存在的模糊性与不确定性的问题[11,21-22]，能对评价对象进行比较客观有效的评价。

云的定义为：设U为论域,C是论域U上的定性概念，若定量值x∈U,x对C的隶属函数u(x)∈[0,1]是具有稳定倾向的随机数(U∈[0,1],x∈U,x→u(x))，且论域U中的某一个定量值x对C的隶属度的映射是一对多的，x是定性概念C的一次随机实现。若满足:x～N(Ex,En′2)，En′～N(En，He2),且对C的隶属度满足：

(1)

则称x在论域U上的分布成为正态云。每一个x称为一个云滴，表示一次定性到定量的转化，n个云滴形成正态云模型，可以完整地表示定性概念向定量数值的转化。

正态云模型用期望值Ex，熵值En，超熵值He3个数值来表示。其中，期望值Ex是定性语言概念论域空间分布上的中心值，最能代表这个定性概念的值；熵值En是定性概念模糊度的度量，反映了在论域中可被定性概念所接受的数值范围，由概念的随机性和模糊性共同决定；超熵值He是熵值En的熵，是对期望值En的不确定性度量，由熵的随机性和模糊性共同决定，反映了云滴的离散程度。由以上3个数值确定n个云滴，把一个定性概念通过正态云不确定性转换模型定量地表示出来(图2)。Ex、En、He的值分别通过以下公式计算：

(2)

(3)

He=k

(4)

(Ex=180，En=8，He=1)

2.2.2 熵权法确定权重 权重的大小反映了该评价指标的重要程度。利用层次分析法确定权重带有较强的主观性，容易造成指标赋权的不确定性[23]。与此相比，熵权法[24]通过评价指标数据值构成的判断矩阵确定指标权重，能够比较客观实际地反映指标权重的大小。计算方法如下：

(1)假设有m个评价对象，每个评价对象有n个评价指标，运用极差法将指标数据归一化到[0,1]范围内。

(2)计算各指标的熵值：

(5)

(3)计算第j个评价指标的熵权：

(6)

3 基于云模型的安康市2010年洪水灾害风险评价

3.1 安康市洪水灾害风险评价指标的选取

洪水灾害风险评价涉及多方面因素，主要包括致灾因子、孕灾环境和承载体3个方面。本文遵循客观性、可行性以及资料的可获取性原则，在实地考察的基础上，选取了安康市的地形高程、高程标准差、河网密度以及安康市2010年的汛期降水、人口密度、GDP密度、地均财政收入、耕地比重、农民人均纯收入、单位面积粮食产量10个指标，建立了安康市洪水灾害风险评价指标体系(表1)。由于这些评价指标存在明显的模糊性和随机性，因此，采用正态云模型方法对安康市各县区2010年洪水进行综合风险评价能够比较客观地反映实际情况。

表1 安康市2010年洪水灾害风险评价指标体系

表2 安康市2010年洪水灾害风险评价指标体系标准

表3 安康市2010年洪水灾害风险评价指标正态云标准

3.2 熵权法计算权重

采用熵权法中公式(5)～(6)计算的各评价指标的权重W分别为：W高程为0.1083、W高程标准差为0.1084、W河网密度为0.0875、W汛期降水为0.1026、W人口密度为0.0966、WGDP密度为0.0999、W地均财政收入为0.1260、W耕地比重为0.0791、W农民人均纯收入为0.0849、W单位面积粮食产量为0.0979。

3.3 基于云模型的安康市2010年洪水灾害风险评价结果

以致灾因子U4为例，并根据云模型的定义，利用公式(1)和云矩阵R(表3)，并根据特定的程序在Matlab软件中进行重复计算1000次，建立评价指标U4的正态云隶属度函数(图3)。图3中，从左到右依次为低风险、较低风险、中等风险、较高风险、高风险。可以看出，该图较好地反映了隶属度函数中的正态分布函数特征。

图3 致灾因子U4的正态云隶属度

以安康市汉滨区为例，将指标量化数值代入正态云模型，在matlab软件中重复运行1000次，得到各评价指标的隶属度矩阵(表4)。依次步骤，得到其他县区各指标的隶属度。

表4 安康市汉滨区隶属度

将权重集W与隶属度矩阵(表4)进行模糊转换得到评价集上的模糊子集B。最后依据最大隶属度原则，选择最大的隶属度所对应的等级即为安康市汉滨区的洪灾风险评价结果。依此步骤，可得安康市其他各县的洪水灾害风险等级(表5)。

由表5可知，2010年安康市洪水灾害风险等级整体上处于中等风险以上等级。例如汉滨区和汉阴县洪水风险等级最高，其原因是这两个地方地势较低，河网密度大，汛期降水量多，如汉滨区2010年汛期降水量高达1041.4 mm，因此孕灾环境和致灾因子危险性高；而且汉滨区和汉阴县经济相对发达，城镇密集，人口密度大，因此承载体的脆弱性高；尤其是汉滨区位于汉江及其支流恒河、月河、黄洋河的交汇处，汛期河水流量大，水位升高，容易淹没周围的农田、建筑、水利设施等，加剧了洪水灾害的风险性。石泉、紫阳2县洪水灾害风险级别较高，主要原因在于河网密度较大，汛期降水量多，例如紫阳2010年降水量多达1103.8 mm。旬阳、白河2县洪水灾害风险等级也处于较高风险级别，其原因主要是这2县位于汉江河谷地带，海拔低，在汛期降水多的情况下容易被淹没成灾。岚皋、平利2县洪水风险等级处于中等风险，主要原因是地势较高，人口密度、GDP密度、耕地比重较小。而宁陕、镇坪由于山地多，地势高且起伏大，经济发展比较落后，洪灾风险等级较低,但并不表示洪灾损失低。由于经济发展落后，水利设施不健全，遇到汛期暴雨时节，极易引发山洪、泥石流等次生地质灾害，造成严重的人口伤亡和社会秩序的混乱。

表5 安康市2010年洪水灾害风险综合评价结果

3.4 安康市2010年洪水风险评价结果验证

安康市历来是洪灾频发区，且造成的损失十分严重。据文献记载[25]，2010年7月汉江上游发生的高强度降水，引发了汉江上游严重的洪水灾害事件。这次暴雨造成汉江干流发生了50年一遇的洪水，并诱发了严重的山洪、泥石流等地质灾害。安康市汉滨区及旬阳、白河、平利等县城进水，受灾人口65.31万人，倒塌房屋2773户，农作物受灾面积2.181万hm2。受灾情况与表5中汉滨区高风险，旬阳、白河较高风险，平利县中等风险的评价结果较符合。岚皋县受灾8.2万人，倒塌房屋325间，泥石流造成19人失踪。受灾情况与其所处的中等风险等级有较大的一致性。镇坪县移动、联通信号中断，山洪泥石流冲毁水利基础设施234处。根据洪水灾害风险评价结果，镇坪县处于较低风险，这主要是由于镇坪县境内山地多，地势起伏大，洪灾危险性小，但汛期暴雨容易引发山洪泥石流等地质灾害。因此，洪灾评价结果属于可接受范围内。初步测算本次洪水灾害直接经济损失67.11亿元，是安康市自1983年洪灾之后最严重的一次特大洪灾。对比评价结果(表5)，基于云模型和熵权法的洪水灾害风险评价方法与安康市2010年的实际洪水灾害情况有75%以上的吻合度，表明这种方法是客观可行的。因此，对于受灾比较严重的汉滨区、汉阴县、旬阳县、白河县等，政府要及时调整洪水灾害预警体系和防洪预案，同时要提高人们防御抵御风险的意识，最大限度地降低洪灾损失，保障社会秩序的正常进行。而对于宁陕、镇坪等县应加强暴雨引发的山洪、泥石流等地质灾害的预防和管理。

4 结论

云模型因能克服洪水风险评价中存在的模糊性与不确定性的问题，使评价结果更符合实际，从而能够客观科学反映评价对象的风险等级。本文将正态云模型引入洪水灾害风险评价的研究中，对安康市2010年10个县区的洪水灾害风险程度进行了评价。研究结果表明：安康市汉滨区和汉阴县洪水灾害风险隶属度分别为0.5514和0.5348，处于高风险等级，且汉滨区隶属度比汉阴县大0.0166，说明前者洪灾更为严重；石泉、紫阳、旬阳、白河等县隶属度分别为0.5674、0.6021、0.6472、0.6278，处于较高风险等级；岚皋、平利2县隶属度分别为0.5553、0.5800，处于中等风险等级；而宁陕、镇坪2县隶属度分别为0.6067、0.4955，处于较低风险等级。研究结果基本符合安康2010年洪水灾害情况，说明基于云模型的洪水灾害风险评价是客观可行的。其研究结果对安康市加强洪灾管理，制定合理的防洪减灾规划和加强防洪工程建设，最大限度地减轻洪灾损失，促进城市建设及经济可持续发展，具有重要的实用价值和借鉴意义。

[1] 刘家福，张柏.暴雨洪灾风险评估研究进展[J].地理科学，2015，35(3)：346-351.

[2] 许有鹏，李立国，蔡国民，等.GIS支持下中小流域洪水风险图系统研究[J].地理科学，2004，24(4)：452-457.

[3] 高庆华，马宗晋，张业成，等.自然灾害评估[M].北京:气象出版社，2007.

[4] 廖丹霞，杨波，王慧彦，等.基于GIS的河北省滦县洪水灾害风险评价[J].自然灾害学报，2014，23(3):93-100.

[5] Anselmo V， Galeati G， Palmieri S， et al. Flood risk assessment using an integrated hydrological and hydraulic modeling approach[J]. Journal of Hydrology，1996, 175(s1/4): 533-554.

[6] Dilley M，Chen R S， Deichmann U，et al. Natural disaster hotspots: A global risk analysis[M]. Washington: The world Bank, 2005.

[7] 张会，张继权，韩俊山.基于GIS 技术的洪涝灾害风险评估与区划研究：以辽河中下游地区为例[J].自然灾害学报，2005，14(6):141-146.

[8] 史培军.四论灾害系统研究的理论与实践[J].自然灾害学报，2005，14(6):1-7.

[9] 王威，田杰，马东辉，等.基于云模型的城市防震减灾能力综合评估方法[J].北京工业大学学报，2010，36(6):764-770.

[10] 蒋卫国，李京，李忠武，等.洪水灾害人口风险模糊评价[J].湖南大学学报:自然科学版，2008，35(9):84-87.

[11] 李德毅，杜鹢.不确定性人工智能[J].北京：国防工业出版社，2005.

[12] 龚艳冰，张继国.基于正态云模型和熵权的人口发展现代化程度综合评价[J].中国人口·资源与环境，2012，22(1):138-143.

[13] 卢修富.安康市水文特性[J].水资源与水工程学报，2009，20(4):154-157.

[14] 殷淑燕，王海燕，黄春长，等.陕南汉江上游历史洪水灾害与气候变化[J].干旱区研究，2010，27(4):522-528.

[15] 孟婵，殷淑燕.清末以来陕西省汉江上游暴雨洪水灾害研究[J].干旱区资源与环境，2012，26(5):46-51.

[16] 安康市统计局.安康市统计年鉴2011[M].北京：中国统计出版社，2011.

[17] Li D Y. Knowledge representation in KDD based on linguistic atoms[J]. Journal of Computer Science and Technology, 1997, 12(6): 481-496.

[18] 李德毅，邸凯昌，李德仁.用语言云模型挖掘关联规则[J].软件学报，2000，11(2):143-158.

[19] Li D Y， Han J W， Shi X M. Knowledge representation and discovery based on linguistic atoms[J]. Knowledge-Based Systems， 1998(10): 431-440.

[20] 李德毅，刘常昱.论正态云模型的普适性[J].中国工程科学，2004，6(8).28-34.

[21] 沈进昌，杜树新，罗祎，等.基于云模型的模糊综合评价方法及应用[J].模糊系统与数学，2012，26(6):117-123.

[22] 王龙，陈军，蒲家琦，等.基于正态云模型和信息公理的设计评价方法[J].后勤工程学院学报，2014，30(2)：65-70.

[23] 叶琼，李绍稳，张友华，等.云模型及其应用综述[J].计算机工程与设计，2011，32(12):4198-4201.

[24] 王兆礼，赖成光，陈晓宏.基于熵权的洪灾风险空间模糊综合评价模型[J].水力发电学报，2012，21(5):35-40.

[25] 安康市地方志办公室.安康年鉴2011(总第十四卷)[M].西安：三秦出版社，2011.

(责任编辑：管珊红)

Risk Assessment of Flood Disaster in Ankang City Based on Cloud Model

SHI Xiao-jing, ZHA Xiao-chun*

(College of Tourism and Environmental Sciences, Shaanxi Normal University, Xi’an 710062, China)

The author used ten indexes (the terrain elevation, elevation standard deviation, and river network density, as well as the rainfall in flood season, population density, GDP density, local financial revenue, proportion of arable land, rural per capita net income, and grain yield per unit area in 2010) to build the risk assessment index system of flood disaster in Ankang city based on cloud model, computed the weights of various indexes through the entropy weight method, and quantitatively assessed the risk level of flood disaster in each county of Ankang city in 2010. The results showed that: Hanbin district and Hanyin county of Ankang city were at the highest risk level of flood disaster; Shiquan, Ziyang, Xunyang and Baihe county were at a higher risk level; Lan’gao and Pingli county were at a moderate risk level; Ningshan and Zhenping county were at a lower risk level.

Ankang city; Flood disaster; Risk assessment; Cloud model; Entropy weight method

2016-07-30

国家社会科学基金项目(14BZS070)；国家自然科学基金项目(71471071)；中央高校基本科研业务费专项资金项目(GK2 01601006)。

石晓静(1988—)，女，硕士研究生，主要从事土地资源开发与环境演变研究。*通讯作者：查小春。

S422

A

1001-8581(2017)01-0107-05