基于空间网格和AHP熵值法的武汉内涝风险评估

唐海吉，李英冰，张岩

(1.武汉大学测绘学院，湖北 武汉 430079； 2.武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079)

1 引 言

本文基于自然灾害风险理论，从暴雨内涝灾害的致灾因子、孕灾环境、承灾体和城市防灾减灾能力出发，选取对短期暴雨内涝灾害具有重要影响的指标因子，运用GIS空间分析方法对其进行网格化处理，并结合AHP熵值法确定各因子的影响权重，提出了针对短期暴雨内涝灾害的风险分析过程和方法，构建风险评估模型，以武汉市中心城区2016年7月6日暴雨内涝灾害为例进行验证。本文的主要研究目的是建立短期暴雨内涝灾害风险评估指标体系与模型，为城市暴雨内涝灾害预警、灾情评估和城市减灾提供参考依据。

2 研究区域与数据来源

武汉市中心城区整体地势较低，地形起伏平缓，平原与丘陵交错(图1)；长江和汉江在此交汇，水系发达，湖泊数量众多；武汉市属于亚热带季风气候区，夏季降水相对集中，尤其以6月～8月为多[6]。由于夏季降水多半属于突发性暴雨天气，因此武汉市极易形成内涝灾害，是一个内涝多发城市，地势较为低洼的居民区等经常被淹，车辆浸泡受损，城市道路交通受到严重的影响。

本文采用了地面数字高程模型(Digital Elevation Model，DEM)、夜间灯光、地均GDP、人口密度和归一化植被指数(Normalized Differential Vegetation Index，NDVI)等栅格数据。其中DEM数据采用 30 m分辨率地球电子地形数据ASTER GDEMV2数据；河湖水系数据提取自国家基础地理中心发布的GlobalLand30地表覆盖产品(http：//www.globallandcover.com)，时间为2010年；NDVI数据来源于中国季度植被指数(NDVI)空间分布数据集(http：//www.resdc.cn/DOI)，2018.DOI：10.12078/2018060603)，选用2016年夏季的数据，分辨率为1km×1km。而夜间灯光数据则采用2018年的珞珈一号夜间遥感卫星影像数据(http：//www.hbeos.org.cn/)，其分辨率约为 130 m×130 m，GDP数据来自2015年的中国GDP空间分布公里网格数据集(http：//www.resdc.cn/DOI)，2017.DOI：10.12078/2017121102)，人口密度数据采用2015年中国人口空间分布公里网格数据集(http：//www.resdc.cn/DOI)，2017.DOI：10.12078/2017121101)。

采用了降雨、排水泵站、兴趣点(Point of Interest，POI)等矢量数据。其中所用的降雨数据来自国家气象中心的中国地面气象资料日值数据集，选取武汉市及周边的21个气象站的观测数据，时间范围为2016年6月30日～7月6日。武汉市排水泵站参数(图2)和汇水区域资料来自武汉市规划研究院与《武汉市中心城区排水防涝专项规划》。消防站点POI与应急避难场所POI来自高德地图，处于中心城区的分别有83个和146个(图1)。

图1 武汉市中心城区地形高程、消防站与避难场所分布图

图2 2016年武汉市排水区域汇水面积与泵站规模

3 基于空间网格和AHP熵值法的内涝风险评估模型

自然灾害风险是指一定区域和给定时间段内，由于某一自然灾害而引起的人们生命财产和经济活动的期望损失值[7]。自然灾害风险指数法(Natural Disaster Risk Index，NDRI)[8]认为灾害风险是致灾因子危险性(H)、孕灾环境敏感性(E)、承灾体脆弱性(V)和防灾减灾能力(R)四个方面综合作用的结果，基于此，本文技术路线如图3所示，选取若干能代表暴雨内涝致灾因子危险性、孕灾环境敏感性、承灾体脆弱性等因子的评价指标，采用GIS空间分析方法对指标进行网格化处理，由于指标量纲不一致，需进行归一化，将各指标处理为0～1的数值以表示其影响程度，后基于AHP熵值法得到各指标的权重，加权综合得到H、E、V和R的值，综合得到风险评估结果，最后以实际积水点进行验证。

图3 技术流程图

3.1 指标因子网格化

网格化的数据相比于传统的行政区划，能较为精细地表示各个指标因子的空间分布情况，因此本文采用GIS空间分析技术，将各指标因子落实到 90 m×90 m的网格中(图3)。对于降雨数据，利用空间插值得到 90 m×90 m的栅格数据；对于DEM、NDVI数据和夜间灯光影像等栅格数据，若其像元大小不是 90 m×90 m，将其重采样为 90 m×90 m。对于避难场所和消防站点等POI数据，则采用GIS核密度分析得到 90 m×90 m的栅格数据。

(1)致灾因子指标：暴雨是内涝灾害的直接致灾因子，其危险性体现在降雨强度上，当天降雨量对内涝灾害有着决定性的影响；另外一方面，前期降雨量对内涝灾害也有影响，有资料表明，一次性持续暴雨为3天～4天[9]。因此选择当天的降雨量和前3d的降雨量作为评估内涝致灾因子危险性的指标。二者归一化公式分别如式(1)和式(2)所示。

(1)

(2)

式(1)中，P为当天降雨量，式(2)中，P为前3天累计降雨量。

(2)孕灾环境指标：内涝灾害的孕灾环境主要指地形状况、河湖水系、植被覆盖等组成的自然-社会环境，本文选取地形高程、地形起伏、河湖水系和植被覆盖作为评估指标。地形高程可用DEM数据表示，而地形起伏一般是通过地形标准差来衡量[10]，通过ArcGIS中的邻域分析对DEM数据进行计算得到。以公式(3)和(4)分别对高程和地形标准差进行归一化处理。

(3)

(4)

式(3)中，H为高程，Hmax为最大高程；式(4)中，S为地形标准差。

武汉市中心城区城市内涝通常发生在雨季、汛期，此时河流和湖泊水位较高，流量较大距离河网水系越近，发生积涝的可能性就越高。根据文献调研，综合前人经验[11，12]，建立河湖缓冲区标准(表1)，使用ArcGIS的多环缓冲区分析对河湖水系进行处理，并对不同缓冲区按照一级缓冲区为0.8、二级缓冲区为0.6、非缓冲区为0.2赋值，之后使用ArcGIS栅格化工具处理为栅格数据。

河湖缓冲区等级和宽度设置 表1

植被对降雨有削减作用，同时也具有较强的水土保持作用。植被覆盖率越高的区域，洪涝灾害的孕灾环境敏感性越低，而NDVI被认为是植被生长状态和植被覆盖度的最佳指示因子[13]，将NDVI数据重采样为 90 m×90 m，之后采用极差法公式(5)对NDVI数据进行归一化。

(5)

式(5)中，NDVI是图像归一化植被指数，NDVImax为区域内最大归一化植被指数，NDVImin为最小指数。

(3)承灾体指标：暴雨内涝的承灾体指的是受到暴雨内涝灾害的对象，本文采用人口密度、地均GDP、夜间灯光作为评估承灾体脆弱性的指标。人口密度能反映出人口的集聚程度，地均GDP很大程度上能直接反映区域的经济发展情况，两者越高，内涝造成的危害越高，采用极差法公式对二者进行归一化；夜间灯光数据能够反映出人类活动、经济活动的空间格局[14]，而珞珈一号夜间灯光影像数据相较于其他夜间灯光数据在人类空间活动上表现出更高的相关性[15]，经过辐亮度处理和数据拉伸，取65为阈值，采用公式(6)对其进行归一化。

(6)

式(6)中，DN为处理后的辐亮度值。

(4)防灾减灾能力指标：防灾减灾能力是人类社会用来应对气象灾害所采取的方针、政策和行动的总称，表示人们应对灾害的积极程度[16]。本文选取了排水泵站、应急避难场所和消防站作为评估暴雨内涝抗灾能力的指标(图4)。城市排水泵站建设是城市抵抗内涝的重要工程性指标，对防涝减灾有着极其重要的作用，通过泵站的汇流面积与泵站规模，计算得到不同汇流区域的单位排水能力，将排水能力分为五个级别，即强、较强、中等、较弱、弱，将其影响因子分别赋值为0.9、0.8、0.6、0.4、0.2，之后利用ArcGIS栅格化工具转为 90 m×90 m像元的栅格数据；避难场地和消防站点是城市抗灾的重要设施，每一个避难场所和消防站POI都可以看作为一个功能单元，那么其密度越高，则表示该地区功能越集中，对其采用GIS核密度分析得到点数据在空间上连续的密度变化图层[17]，之后采用极差法进行归一化。

图4 网格化指标因子

3.2 内涝风险评估模型的建立

对指标因子进行网格化处理后，采用一种主客观结合的指标赋权法，即AHP熵值法[18，19]来确定各个指标的权重，该方法能够减弱主观因素对层次分析法赋权的干扰和弱化熵值法赋权产生偏差的问题，得到更为客观合理的指标权重。该方法首先利用层次分析法计算出反映专家主观意志的主观权重，保证重要性指标所占的权重较大，再利用熵值法得到的熵权和主观权重综合加权，得到优化权重，其计算公式：

(7)

之后根据各指标的归一化值和AHP熵值法确定的权重，采用加权综合法计算致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力指数值。

(8)

其中T是评价因子的值，i指影响评价因子的各个指标，n是指标的数量，Qi是指标i的影响因子，Wi是指标i的权重。

对于暴雨洪涝灾害风险评估来说，致灾因子危险性、孕灾环境敏感性、承灾体脆弱性以及防灾减灾能力之间的定量关系是乘积关系，因为一个因子对另一个因子的影像呈现一种放大效应，而不是无量纲的权重相加方法[20]。对风险评价因子采用AHP熵值法赋予权重建立暴雨内涝灾害风险指数模型：

D=HWH·EWE·VWV·(1-R)WR

(9)

上面公式中，H、E、V、R分别代表致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力指数，WH、WE、WV、WR分别为致灾因子、孕灾环境、承灾体和防灾减灾能力的权重。本文所得权重如表2所示。

暴雨内涝灾害指标权重 表2

4 武汉中心城区内涝风险计算

以武汉市中心城区作为研究区域，按照上述指标体系和方法对武汉市2016年7月6日的暴雨内涝事件进行风险评估，采用表2的权重并运用ArcGIS的栅格计算器工具进行叠加运算得到风险因子与评估结果图，并采用当天的实际积水点进行结果验证。

4.1 暴雨内涝风险因子分析

采用评估模型评估当日武汉市中心城区的暴雨内涝危险性、敏感性、脆弱性和防灾减灾能力，得到 90 m×90 m分辨率的网格化数据，并采用GIS自然断点法将结果分为低、较低、中等、较高和高五个等级。

如图5(a)所示，7月6日这天，武汉市中心城区的致灾因子危险性整体都很高，当天部分地区降雨量超 200 mm，而且6月30日～7月5日暴雨不断，尤其是7月1日、2日和4日。如图5(b)所示，武汉市中心城区孕灾环境高敏感性地区和较高敏感性的地区基本处于湖泊和河流沿岸，大部分地区敏感性处于中等，而洪山区东部部分地区的敏感性较低，这是由于武汉市中心城区整体地势低平，起伏不大，多河流湖泊，而洪山区东部地势相对较高，起伏较大，且植被覆盖率高。如图5(c)所示，江汉区，硚口区和江岸区的脆弱性最高，武昌区和汉阳区次之，洪山区和青山区最低。江汉区、武昌区和汉阳区发展较早，人口密度高，经济繁荣，GDP位居武汉前列，发展程度高于洪山区和青山区。如图5(d)所示，江汉、硚口和江岸区的防灾减灾能力最高，武昌区和青山区次之，汉阳区稍差，而洪山区绝大部分区域的防灾减灾能力都很低，对比发现，防灾减灾能力和脆弱性具有很高的空间相似性。

图5 武汉市中心城区

4.2 暴雨内涝风险评估结果分析

基于AHP熵值法，为武汉市中心城区7月6日暴雨内涝灾害致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力赋予权重，运用地图代数工具得到网格化的风险评估指数，根据风险指数将评估结果划分为5个等级：高风险(>0.60)、较高风险(0.5-0.6)、中等风险(0.4-0.5)、较低风险(0.3-0.4)和低风险(≤0.3)(图5)。

7月6日当天，武汉市中心城区的内涝风险呈现出东低西高的趋势，高风险区域大都位于硚口区、江汉区、江岸区和汉阳区等区域，例如长丰街道、韩家墩街道，琴断口街道和新村街道等；部分高风险区分布在武昌地区的长江沿岸和沿湖区域，比如徐家棚街道、白沙洲街道水果湖街道和黄鹤楼街道等，还有少部分高风险区域位于洪山区南湖和汤逊湖沿岸和光谷地区；武昌区大部分地区和洪山区西南部基本处于较高风险区域。这些高风险与较高风险区基本是致灾因子危险性高、孕灾环境敏感性和承灾体脆弱性均较大的区域，虽然防灾减灾能力也较高；而青山区风险评价基本为中等，极少部分区域为较高风险，因为其虽然致灾因子危险性较高，孕灾环境敏感性不低，但是承灾体脆弱性低且防灾减灾能力较强。洪山区最东部整体处于低风险和较低风险，主要因为其致灾因子危险性和孕灾环境敏感性相对较低，承灾体脆弱性低。

以湖北日报报道的2016年7月6日17时的武汉市渍水点作为真实灾情用于验证实验结果，将这些点矢量化，并叠加在武汉市中心城区7月6日的内涝灾害风险区划图上(图6)。采集到中心城区总共有71个积涝点，23个落在高风险区域，41个位于较高风险区域，5个积涝点落在中等风险，2个落在较低风险区域，90%落在较高风险和高风险区。

2020年7月5日～6日，武汉市普降暴雨与大暴雨，局部特大暴雨，但是中心城区的积涝点数目远少于2016年(图6)，主要是因为武汉市排水泵站建设使得武汉市防涝减灾能力大幅提升，2016年武汉市中心排水泵站能力约为 900 m3/s，而2020年已经达到 1 960余m3/s。

图6 武汉市中心城区2016.07.06暴雨内涝灾害风险评估图

5 结 论

本文以武汉中心城区为研究区域，结合GIS与AHP熵值法进行暴雨内涝灾害风险评估，主要研究成果与创新有：

(1)基于多源数据建立城市短期暴雨内涝灾害风险评估模型。考虑危险性、敏感性、脆弱性和防灾减灾能力等灾害形成的四个方面，采用夜间灯光影像数据、排水泵站和POI等多源数据，确立风险评估指标体系，在GIS空间分析支持下进行网格化处理，利用AHP熵值法确定指标权重系数，建立短期暴雨内涝灾害风险评估模型。

(2)针对2016年7月6日武汉市中心城区暴雨内涝灾害，进行网格化风险评估计算。计算结果表明，武汉市中心城区敏感性总体较高，而洪山区东部地区由于地形和植被覆盖原因，敏感性较低。江汉、江岸和硚口区脆弱性最高，青山区和洪山区大部分地区脆弱性低。防灾减灾能力与脆弱性呈现高相似。当天内涝灾害风险呈现西高东低的趋势，江汉、江岸、硚口、汉阳、武昌等大部分区域和洪山区西南区域处于高风险和较高风险区。而青山区风险为中等，低风险和较低风险区域集中于洪山区东部。

(3)利用渍水点信息进行试验结果验证。约90%的渍水点位于高风险和较高风险区，计算结果与实际数据相符。

另一方面，由于多方面原因，本文还存在有待进一步探讨与改进的问题。暴雨内涝灾害是一个复杂的系统，笔者仅从有限的指标出发，模型存在一定局限性。在今后研究风险评估中，应完善优化暴雨内涝致灾机理，结合物理模型进行分析，建立更为完善合理的城市暴雨内涝灾害风险评估模型。