基于GIS的神农架林区多灾种耦合综合风险评估

王望珍，张可欣，陈 瑶

自古以来灾害的频发给各地区的社会经济和人员安全带来不同程度的威胁，阻碍了区域社会经济的发展。山区、林地的自然环境特殊，地形地质和气候条件直接影响了自然灾害的发生频率，而社会经济发展的限制和基础设施建设的不足也造成了救灾抢险的力量薄弱，使得自然灾害给山区和林地带来更多损失。自然灾害风险区划［1］可以帮助区分不同区域的风险等级，得到区域的自然灾害风险分布，变被动抢险为主动避灾，是目前为止应用较为广泛的一项防灾减灾非工程措施。

中国山区的自然灾害种类繁多，且常常出现多种灾害并发的情况，传统的单灾种风险评估方法虽然已经比较成熟，但无法反映出多种灾害之间的相互关系，不能适应区域多灾种综合风险评估的实际要求［2－5］。充分考虑自然灾害间的相互作用和影响，选取合适的多灾种综合风险评价模型，评估得到区域的多种自然灾害综合风险分布，对防灾减灾工作具有现实的指导意义。本研究选取神农架林区为研究区，将多灾种耦合修正后的危险性与承灾体易损性相结合后形成综合风险等级评价，并对综合风险进行了评估深化，为神农架林区综合灾害风险防范提供参考依据，对区域规划具有一定的指导意义。

1　研究区域与数据来源

神农架位于湖北省西北部，位于第二第三级阶梯交界处，由大巴山脉东延的余脉组成中高山地貌，区内山峰多在1 500 m以上，在雨季极易发生滑坡、泥石流等地质灾害，威胁着人民的生命财产安全。神农架占地面积大，农业人口占总人口比重较大，民众整体受教育程度不高，农村剩余劳动力较多，村镇交通不便，房屋结构薄弱都使林区在面对自然灾害时相对脆弱。

本研究中山洪灾害的资料主要参考自 《神农架地区统计年鉴》和《山洪报告》以及实地调研，并对数据资料采用统一统计标准，以保证数据资料能真实反映灾害情况，确保评价模型的可信度。

2　多灾种耦合的危险性评估模型

2.1　单灾种危险性评价

2.1.1危险性评价指标分级 通过对已有洪水、地质灾害的历史和现状分析，考虑到影响因素繁多且资料收集难度较大，在指标选取上放弃了1 h最大降雨量、24 h最大降雨量等不易收集齐全的指标，以及土壤属性、地质岩层、植被覆盖率等可对比性不大的指标，最后选取了如下指标：洪水灾害危险性指标为最大月降雨量，地质灾害危险性指标为灾害点规模和灾害点稳定性。

指标分级统计有多种方法，如等间距分级、分位数分级、标准差分级、自然断点法等，本研究中数据分级采取自然断点法。根据科学性、适用性和美观性原则，利用自然断点法将选取的危险性指标分为5个等级，每个等级的数值范围及含义如表1所示。

表1　神农架林区单灾种危险性指标分级方案

2.1.2确定各灾害的初始危险性等级 各风险源的单灾种危险程度用初始危险性指数来表示。研究区内共涉及洪水、泥石流、滑坡、崩塌等4类灾害，对于每一村级评价单元，各灾种的初始危险性指数计算见式（1）：

式中，Hi表示灾害i的初始危险性指数；n表示灾害i的指标个数；Hij表示灾害i的第j个指标对应的危险性等级；Wij表示灾害i的第j个指标对应的权重，且=1。具体权重确定见表1，各灾害危险性指标的权重选取参考相关文献［6－8］。将初始危险性指数转化为等级，当0＜Hi≤1时，危险性等级非常低， 类似地 1＜Hi≤2，2＜Hi≤3，3＜Hi≤4，4＜Hi≤5分别对应低、中等、高、非常高。

2.2　基于多灾种耦合的危险性评估

2.2.1基于多灾种耦合的危险性系数修正 考虑到神农架汛期是泥石流、崩塌、滑坡等突发性地质灾害易发期这一特点，不难发现洪水与地质灾害在时间和地点上的相关性。洪水是诱发地质灾害最活跃的灾害因素，主要通过改变土体的水动力条件和稳定性，或是提供汇水面积和水源等诱发泥石流灾害［9－11］。

当灾害系统中，致灾因子、承灾体、孕灾环境之间及其内部风险因子间存在相互作用，从而改变其风险大小和风险性质的现象，称为灾害耦合效应；将复杂的多灾种风险系统活动中不同风险或风险因子间相互依赖和相互影响的关系和程度，定义为耦合风险［12］。洪水灾害的发生改变了地质灾害的孕灾因素和致灾因素，而这种改变一旦突破该因素防御系统的阈值，将会逐步耦合达到全局的最大阈值，进而触发次生灾害的发生，通过改变次生灾害的发生频率和强度，影响该灾种的实际危险性，所以被触发灾害的初始危险性指数H2、H3、H4不足以反映其实际危险性，需要依据触发关系来进行调整。当触发灾害的初始危险性等级为非常低和低时，认为被触发灾害的危险性指数增量为0。当触发灾害的初始危险性等级为中等、高和非常高时，认为被触发灾害的危险性指数增量分为 0.3、0.6 和 1.0。

经过耦合分析调整后得到灾害危险性指数Hi′的等级划分与初始危险性的等级对应规则相同。需要提出的是，修正后的危险性指数可能存在其值超出5的情况，此时仍认为其危险性等级高，记为Hi′＝5。

2.2.2耦合后的多灾种危险性综合评估 为确定神农架地区洪水、泥石流、滑坡、崩塌等灾种的权重，本研究采用层次分析法，通过湖北省水利厅10位专家的问卷打分，构造判断矩阵，经计算和检验得出这4种灾害对于多灾种综合危险性的权重依次为W1=0.36，W2=0.31，W3=0.15，W4=0.18。

采取赋权法对多灾种危险性进行综合评价，按上述方法得出的林区多灾种耦合危险性评价图如图1所示，其中，危险性等级非常低的有3个村，占总数量的4%；危险性等级低的有23个村，占总数量的35%；危险性等级中等的有23个村，占总数量的35%；危险性等级高的有16个村，占总数量的24%；危险性等级非常高的有1个村，占总数量的2%。超过一半的村镇危险等级在中高以上，在地理位置分布上主要侧重于神农架的东北部地区。

图1　神农架林区多灾种耦合危险性评价

3　神农架林区灾害易损性评估

以村级行政区为评价单元，利用层次分析法，建立区域易损性的评价指标体系，从相关管理部门取得各类承灾体的统计资料，在此基础上，结合各类承灾体的权重，获得综合易损性评价等级。

洪水和泥石流等地质灾害较其他自然灾害不同，承灾体涵盖范围较为广泛。鉴于数据的可获取性和可对比性，考虑人口、房屋、农田、道路、自然环境5类承灾体的易损性，分别选取人口密度、房屋数量、耕地面积、公路长度、林地面积5个指标来表示。

易损性指标分级同样使用自然间断点法分成5级，经计算，5类指标的具体分级方法见表2。按此分级标准可在ArcMap中得到各类承灾体的易损性评价结果（图2）。使用层次分析法，通过对比出各承灾体对区域易损性影响的重要程度，计算出相应易损性指标的权重。经计算，人口密度、建筑物数量、公路长度、林地面积的权重分别为W1=0.33，W2=0.24，W3=0.11，W4=0.24，W5=0.11。 每一评价单元的易损性计算见式（2）：

计算得出66个村的易损程度V，转化为等级，当0＜V≤1时，易损性等级为非常低，类似地1＜V≤2，2＜V≤3，3＜V≤4，4＜V≤5，分别对应低、中等、高、非常高。

按上述方法综合各类承灾体的易损性，在ArcMap中进行叠加计算，得出林区村级易损性等级评价图如图2所示，易损性等级非常低的村有1个，占总数量的2%；易损性等级低的村有17个，占总数量的26%；易损性等级中等的村有35个，占总数量的52%；易损性等级高的村有12个，占总数量的18%；易损性等级非常高的村有1个，占总数量的2%。从图2中可以看出，易损性等级分布总体呈现成片连区的模式，相同易损性等级的村镇呈聚集状，这也符合区域社会经济的发展特征。

表2　各类承灾体易损性指标分级方案

图2　神农架林区易损性村级评价

4　多灾种耦合综合风险评估

4.1　多灾种综合风险初步评估

风险矩阵法是将自然灾害风险的两大要素，即多灾种危险性和承灾体易损性按照各自的特性，采取一定的规则划分成若干等级，分别作为横纵轴，形成风险评价矩阵，在矩阵中完成综合风险等级的区分。

本次区域多灾种综合风险分级参考澳大利亚和新西兰风险管理标准 （Risk Management，AS／NZS 4 360∶1 999），将风险分为低、中、高、非常高 4 个等级，分别表示为Ⅰ、Ⅱ、Ⅲ、Ⅳ，具体标准见表3。该标准在风险分级时对危险性和易损性的合并略有不同，所得出的风险矩阵大体是对称矩阵，值得注意的是当危险性等级为非常高、易损性等级为低时，风险等级为高；相反当灾害危险性等级低而承灾体易损性非常高时，风险为非常高，较前者提高了一个级别。当易损性和危险性为中或高时，也会出现不同的风险等级结果。当出现易损性较高的情况下，认为危险性不太显著的地方风险也会很高。

表3　综合灾害风险分级标准

Ⅰ区表示风险等级低，自然灾害对此地造成的影响和破坏不大（无人员伤亡，轻微的房屋破坏，小幅度道路损毁，少量的农作物减产，几乎没有环境影响），不需要进一步的风险管理措施。

Ⅱ区表示风险等级为中等，自然灾害对此地存在一定的影响和破坏（几乎无人员伤亡，中度的房屋破坏，一定幅度的道路损毁，一定量的农作物减产，对环境有一定影响），需要采取一般措施来恢复到灾前状态，平时应考虑一定的风险管理措施减少损失的发生。

Ⅲ区表示风险等级高，自然灾害对此地造成的影响和破坏较大（存在人员伤亡，较大的房屋破坏，大面积道路损毁，大量的农作物减产，对自然环境构成威胁），必须采取风险管理对策避免人员伤亡和财产损失扩大。

Ⅳ区表示风险等级非常高，自然灾害对此地造成的影响和破坏非常大（严重的人员伤亡，重大的房屋破坏，道路损毁严重，灾难性的农作物减产或绝收，明显的环境破坏严重），需要采取很大难度的处理措施来恢复到灾前状态，必须采取严格的风险把控和监测机制，对灾害积极防范、降低风险。

根据上述风险矩阵的分级标准，将神农架林区多灾种耦合危险性和易损性评价在ArcMap中进行叠加运算，得到神农架地区的自然灾害综合风险评价结果，如图3所示。

图3　神农架林区灾害综合风险评价结果

4.2　多灾种综合风险的评估深化

4.2.1Borda序值法对风险矩阵法的改进 确定风险矩阵后，66个村的综合风险评价结果有了一组等级输出值，下一步工作是确定在风险达到一定程度的地方如何进行资源的合理分配。表3只给出了低、中、高、非常高4种较直观、简洁的风险等级，导致一部分风险结的出现。风险结是指在同一风险等级中，属性基本相同，但还能进行细分的风险模块。为有效处理风险结的问题，有学者将投票理论用于风险矩阵方法中，形成Borda序值法，并在工程系统中加以应用［13－15］。

1）危险度序值Ei：危险度序值是对所有评价单元的多灾种耦合危险程度进行排序的结果。以P1、P2、P3、P4、P5分别代表非常低、低、中等、高、非常高的危险度等级，相应落在该危险度等级的评价单元的个数为 M1、M2、M3、M4、M5；若某一评价单元的危险度等级为 Pi（i＝1，2，..，5），则它的危险度序值 Ei可由公式（3）计算得出：

其中，Di的值由公式（4）计算得出：

2）易损度序值：易损度序值是对所有评价单元的承灾体易损性进行排序的结果。 以 Q1、Q2、Q3、Q4、Q5依次表示非常低、低、中等、高、非常高的易损性等级，相应落在该易损性等级的评价单元的个数为N1、N2、N3、N4、N5； 若某一评价单元的易损性等级为Qj（j＝1，2，…，5），则它的易损度序值可按式（5）计算得出：

其中，Cj的值由式（6）计算得出：

3）Borda数：Borda数是对每一评价单元的综合风险程度的度量［13］，Borda 数 Bi的值越小，表明其风险程度越严重，其表达式见式（7）：

式中，Num表示评价单元的总数，本研究涵盖神农架林区66个村级行政区，故取Num＝66；E、F分别表示该评价单元的危险度序值和易损性序值。

4）Borda序值：对于任意一个评价单元，Borda序值是比其综合灾害风险程度更小的风险级别的数目。其赋值方法是，将所有评价单元的Borda数按由大到小排列，相同Borda数对应的Borda序值分别为0，1，…，n。若评价单位的Borda数排在第一位，其对应的Borda序值应为0，表明该地区的灾害综合风险相对最轻微。

根据Borda序值排列出的各评价单元综合危险性的进一步细分，就是改进的风险矩阵方法。采用改进的风险矩阵法可以有效减少风险结的个数，进一步改善各村自然灾害综合风险的排序效果，令原始风险等级的区分更为显著，但它不能彻底消除风险结。

4.2.2研究区综合风险评价结果 将经Borda序值法改进的风险矩阵法应用于神农架林区的主要自然灾害综合风险村级区划上，在原始风险矩阵的4种等级划分上，对66个自然村的综合风险进行再排序，可将其分为14级，计算结果如表4所示。

根据表4再分解的风险分级结果，最终得到的风险分区如图4所示。在与神农架地区历史洪水、地质灾害的统计对比中，高风险和极高风险区域都是历史灾害的多发地区，与实际情况大致相符。

低风险等级的村有豹儿洞村、高坪村、大岭村、高白岩村、九冲村、龙潭村、马驴场村、桃坪村、中岭村、石屋头村；经过Borda序值改良排序后，可认为在此类灾害风险上豹儿洞村＜高坪村＜大岭村＝高白岩村＝九冲村＝龙潭村＝马驴场村＝桃坪村＝中岭村＝石屋头村。

中等风险等级的有红花村、莲花村、茅胡村、三堆河村、太阳村、八角庙村、梨子坪村、麻湾村、南垭村、桃园村、万福村、温水村、武山村、兴隆寺村、长坊村、长青村；经过Borda序值改良的风险矩阵再排序后，可认为在此类灾害综合风险上红花村＝莲花村＝茅胡村＝三堆河村＝太阳村＜八角庙村＝梨子坪村＝麻湾村＝南垭村＝桃园村＝万福村＝温水村＝武山村＝兴隆寺村＝长坊村＝长青村。

表4　Borda值改进的风险矩阵评价结果

图4　神农架林区灾害综合风险Borda值评价结果

高等风险等级的有红花朵村、龙溪村、猫儿观村、塔坪村、东溪村、古水村、官封村、红河村、红花坪村、红举村、龙口村、洛阳河村、木鱼村、青树村、宋洛村、堂坊村、相思岭村、小当阳村、龙沟村、坪阡村、三股水村、太和山村、板仓村、朝阳村、后山坪村、黄柏阡村、金甲坪村、钱家湾村、青峰村、西坡村；经过Borda序值改良的风险矩阵再排序后，可认为在这类灾害综合风险上红花朵村＝龙溪村＝猫儿观村＝塔坪村＜东溪村＝古水村＝官封村＝红河村＝红花坪村＝红举村＝龙口村＝洛阳河村＝木鱼村＝青树村＝宋洛村＝堂坊村＝相思岭村＝小当阳村＜龙沟村＝坪阡村＝三股水村＝太和山村＜板仓村＝朝阳村＝后山坪村＝黄柏阡村＝金甲坪村＝钱家湾村＝青峰村＝西坡村。

风险等级非常高的村有阳日村、板桥河村、大九湖村、清泉村、松柏村、大坪村、盘龙村、盘水村、双建村、白莲村；经过Borda序值改良的风险矩阵再排序后，可认为在此类灾害综合风险上阳日村＜板桥河村＝大九湖村＝清泉村＝松柏村＜大坪村＝盘龙村＝盘水村＝双建村＜白莲村。

5　小结

建立基于触发关系的多灾种耦合危险性修正模型，选取相应的易损性指标进行综合赋权，通过风险矩阵以及Borda序值评价研究区的综合风险，结合ArcGIS软件进行数据处理和运算，使用图形拓扑、叠加功能得到研究区的综合风险分布结果。

神农架林区的主要自然灾害有洪水、泥石流、滑坡、崩塌4种，林区共发现地质灾害隐患点200余处；超过一半村镇属于综合风险等级高及以上，主要分布在神农架的西部绝大部分地区、中部和东北部局部地区；低风险区主要位于林区东南部。

参考文献：

［1］张 骞.基于GIS的北京地区山洪灾害风险区划研究［D］.北京：首都师范大学，2014.

［2］ 史培军.五论灾害系统研究的理论与实践［J］.自然灾害学报，2009，18（5）：1－9.

［3］李绍飞，余 萍，孙书洪.基于神经网络的蓄滞洪区洪灾风险模糊综合评价［J］.中国农村水利水电，2008（6）：60－64.

［4］万石云，李华宏，胡 娟.云南省滑坡泥石流灾害危险区划［J］.灾害学，2013（2）：60－64.

［5］ KAPPES M S，KEILER M，ELVERFELDT K，et al.Challenges of analyzing multi－hazard risk：A review［J］.Natural Hazards，2012，64（2）：1925－1958.

［6］盖程程，翁文国，袁宏永.基于GIS的多灾种耦合综合风险评估［J］.清华大学学报（自然科学版），2011（5）：627－631.

［7］ MARK F，STEFAN G，BENEDIKT S.Multi－risk assessment of spatially relevant hazards in Europe［A］//Process safety and industrial explosion protection：P roceedings of the international ESMG symposium［C］.Nurnberg，Germany：European S afety M anagement G roup Press，2005.

［8］卢 颖，郭良杰，侯云玥，等.多灾种耦合综合风险评估方法在城市用地规划中的应用［J］.浙江大学学报（工学版），2015，49（3）：538－546.

［9］黄玉华，张 睿，王佳运.陕北黄土丘陵区威胁窑洞民居的地质灾害问题——以陕西延安地区为例［J］.地质通报，2008（8）：1223－1229.

［10］匡乐红.区域暴雨泥石流预测预报方法研究［D］.长沙：中南大学，2006.

［11］陈百炼.降水诱发地质灾害的气象预警方法研究［J］.贵州气象，2002（4）：4－7.

［12］薛 晔，刘耀龙，张涛涛.耦合灾害风险的形成机理研究［J］.自然灾害学报，2013，22（2）：44－50.

［13］阮 欣，尹志逸，陈艾荣.风险矩阵评估方法研究与工程应用综述［J］.同济大学学报（自然科学版），2013，41（3）：381－385.

［14］李树清，颜 智，段 瑜.风险矩阵法在危险有害因素分级中的应用［J］.中国安全科学学报，2010，20（4）：83－87.

［15］朱启超，匡兴华，沈永平.风险矩阵方法与应用述评［J］.中国工程科学，2003（1）：89－94.