港口船舶污染海洋环境风险分级评估研究

崔 萍，刘桂云*，陈周滨，唐连生

(1.宁波大学 海运学院，宁波 315832；2.宁波大学东海战略研究院海洋经济研究中心，宁波 315211；3.宁波工程学院 经济与管理学院，宁波 315211)

近年来，随着我国航运需求持续旺盛，市场规模不断扩大，带来巨大经济利益，但是船舶航行和作业过程中可能发生的污染事故却使人类赖以生存的海洋环境资源面临风险。港口船舶污染海洋环境主要分为两种类型，第一种是日常营运过程中产生的船舶废弃物污染即操作性污染，第二种是装卸作业过程中发生事故而产生的污染即事故性污染[1]。污染事故一旦发生，可能会在短时间内向局部水域排入大量污染物，对周边生态环境产生重大破坏。船舶污染的主要特点有不确定性、复杂性、可传递性等[2]，因此，从环境保护和经济效益等方面来看，只有对船舶污染海洋环境风险进行评价，才能对风险进行有效控制。鉴于此，国内外学者对船舶污染海洋环境风险评估进行了相关研究。AMIR-HEIDARI等[3]提出了一种对于溢油事故风险的空间分布和不确定性进行评估的最新模型，在波罗的海入口区域的Kattegat进行了实例研究。GUO 等[4]提出的统计模型考虑了溢油事故的再发频率及海洋区域和海岸线暴露在溢油下的时间，模拟了渤海20个油田的各种溢油情景，并绘制了渤海溢油风险图。ZHOU等[5]提出的溢油事故环境风险评估方法综合考虑了溢油事故污染范围，程度以及环境敏感资源的影响，对不同种类的溢油进行了轨迹模拟，提高了风险管理水平。DEVANNEY等[6]用贝叶斯分析对溢油统计数据进行了溢油事故发生次数、发生规模等概率特征的初步研究。MOKHTARI K等[7]釆用蝴蝶结风险管理研究方法，对港口和近海装卸站的污染风险因素进行了研究。何进朝等[8]通过对危险源和环境因素两个方面分别进行河流突发性污染事故风险评价，得到新的危险源评价方法和环境因素定性评价方法。李青云[9]根据长江航道整治工程特性建立风险分析指标体系，引入层次分析法将数据量化，根据量化的综合分析结果制定有针对性的预防及应急措施，并通过实例对指标体系及分析方法的实用性进行探讨。朱家毅等[10]运用云制造服务可信评价模型，构建了科学合理的应急能力评价指标体系，为船舶污染事故应急能力评价和建设奠定基础。苗佳静[11]利用层次分析法，运用三级模糊综合评价数学模型对秦皇岛海域进行了溢油风险区划。周鸿铸等[12]对目前船舶污染海洋环境风险评价技术进行了分析探讨，结合水上污染事故风险的特点，提出了利用FN曲线来确定水上污染事故可接受标准的方法，并选择合适ALARP边界的确定方法。王慈云等[13]基于船舶污染事故应急特征，构建了业务要素、保障协同要素、基础要素与应急联动效益之间关系的结构方程模型，从影响作用大小和关联度大小分别对其进行排序。目前在对船舶污染风险研究中，分级研究较缺乏，一些成果主要是对生产安全风险分级。罗云[14]教授提出了以风险理论作为基本理论，对企业的设备风险进行分类分级管理。刘占乾[15]利用可靠性原理、事故树分析等对天津港石化码头的设备设施进行了研究，对隐患划分了等级。王阳[16]对金属矿山作业场所职业危害风险进行分级研究。

总体而言，尽管国内外对船舶污染问题非常重视，船舶污染海洋环境风险问题依旧存在。目前对船舶污染海洋环境风险评估的研究较多，而对风险分级细化的评估研究较少。对船舶污染海洋环境风险进行有效评估分级，根据细化风险等级确定风险管控的优先顺序和措施，进而提高污染风险防控能力和效率。本文在综合分析的基础上，构建了船舶污染海洋环境风险评价体系和等级评估模型，根据评估结果可以细化风险防范措施，并进一步提高污染事故的应急能力。

1 船舶污染海洋环境风险评价指标体系

1.1 构建原则

要使构建的评价指标体系合理科学，必须遵循一定的原则。系统性原则是指能够运用系统工程的相关或关联性理论分析，并且上下层能够保持一致性和整体性；可操作性原则要求设计指标时概念清晰，能够考虑结合目前的科技和现状收集意见和采集数据；为了科学合理地对事物进行预测和评价，需要遵循定性与定量相结合的原则，在定性基础上进行量化处理。对港口船舶污染海洋环境风险进行评价不是片面的工作，既要考虑到水文气象因素、码头、航道、安全因素、人员及管理因素，又要对船舶的船况、船龄以及运载货物的种类、数量和性质等进行考量。所以，必须建立一个多层次、多因素、且层级之间紧密衔接的评价指标体系，才能对港口船舶污染海洋环境风险进行科学有效评价。

1.2 初始评价指标体系

根据船舶污染事故的产生原因及风险特征，基于以上原则，建立了船舶污染海洋环境风险评价初始指标体系。评价初始指标体系框架共包含一个总目标层、5个准则层、15个评价方向，如图1所示。其中：框架第一层为目标层，明确了该评价指标体系的总评价目标；框架第二层为准则层，涉及船舶污染海洋环境风险的人员、技术工程、环境、管理、应急5个维度；框架第三层为子准则层即评价方向，反映了船舶污染风险的重点评价方向。每个评价方向下又有若干指标层，由于篇幅有限，这里对指标层进行省略。

图1 船舶污染海洋环境风险评价初始指标体系Fig.1 Initial evaluation index system of marine environment pollution risk from ships

1.3 指标筛选

为了确保评价指标的典型性、有效性，本文采用进化法与德尔菲专家咨询法相结合对指标进行筛选，该方法通过计算专家专业度、信息熵数据的有效度，综合得出指标重要度,进而筛选出关键指标。该方法中增加了对专家集合理性的思考和指标有效性的确定。此方法共包括四个阶段，具体实施步骤如下。

(1)获取专家意见。

初步建立指标库，设计指标筛选问卷邀请专家填写问卷并对专家的评语进行量化。

(1)

式中：n为指标个数；m为专家个数；bfg表示专家g对指标f量化的评价值，且每个指标评价值均在[0，1]，f∈(1～n)，g∈(1～m)。

(2)基于欧氏距离的专家可信度计算。

由于专家的专业知识、行业背景存在差异性，因此评价可能存在一定差异。用专家评价值和期望值之间的欧氏距离作为评价专家专业程度标准。专家评价期望值yf见式(2)。

(2)

定义专家间的各评价指标评价值与期望值之间的欧氏距离df为

(3)

定义专家的专业度μg为

(4)

将专家的专业度作为专家在指标评价中的权重，即ωg=μg。通过设置一个专家专业临界值，对低于临界值的专家进行删减，得到筛选后的专家集。

(3)基于信息熵评价指标有效度计算。

得到的信息熵越大，说明该指标的可信程度越高。因此，可用其来反映指标的离散程度，指标f评价数据的信息熵Hf为

(5)

对Hf进行归一化处理，对指标专家评价有效度系数εf进行计算

(6)

式(5)～(6)中：Xfg为对评价数据集每个指标的评价值进行规范化处理。Xfg越接近相等，则熵值越大；当Hmax=lnm时，代表熵值最大的取值满足0≤εf≤1。因此，专家集对指标的评价越接近，指标评价有效度越大。

(4)基于综合考量的指标重要度系数计算。

把经过筛选后的专家数据与指标的有效度系数相结合，对每个指标的重要度进行评价，见式(7)。

(7)

式中：l为筛选后的专家数；σf为每个指标的综合评价值，设置指标选取临界值λ，如果σf<λ，则表示专家对该指标认同性较差，可以对该指标进行删减。对约减后指标集，进行下一轮评价，循环步骤，直到所有指标都满足重要度要求，即得到相对较专业的指标集。

本文通过以上方式对评价初始指标进行筛选，将所得数据进行有效处理，最终得到船舶污染海洋环境风险评价指标体系，最终的指标体系由5个准则层、15个子准则层、37个指标层构成，具体指标见表5的准则层和子准则层内容。

2 船舶污染海洋环境风险分级模型

2.1 指标权重计算

本文在权重计算上采用云模型改进的层次分析法。云模型是李德毅院士于20世纪90年代提出的一种定性与定量相互转换模型[17]。云模型理论经过数十年的发展，已经逐渐成熟化，并且在多个研究领域应用较好。通过云模型对层次分析法进行改进，来计算指标权重，不仅能体现专家的模糊性，使判断结果更接近客观实际，还能快速综合多位专家的判断决策进行整体决策。

本算法中用云模型标度分别代替传统AHP比较矩阵中1～9的标度。设云模型的论域U为[1,9]，各云模型的期望值为：Ex1=1，Ex2=2，…Ex9=9，通过黄金分割法，来计算各个云模型的En和He。其中，各云模型的熵为：En1=En3=En5=En7=En9=0.382，En2=En4=En6=En8=0.618；各云模型的超熵为He1=He3=He5=He7=He9=0.038 2，He2=He4=He6=He8=0.061 8。用云模型标度替换原有整数标度，形成新的云模型标度表，见表1、表2。

表1 层次分析法的云模型标度Tab.1 Cloud model scaling in analytic hierarchy process

表2 倒数对应的云模型标度Tab.2 Reciprocal cloud model scale

(8)

式中：aij的值表示两两重要度判断比较中指标i比指标j重要的程度。相反，aji的值则表示指标j比指标i重要的程度，两者互为倒数。

aij=C(Exij，Enij，Heij)

(9)

(10)

邀请10位专家根据影响船舶污染海洋环境因素和后果等进行指标重要性判断，为了方便计算，假设10位专家具有相同的权重。将判断结果用云模型综合算法合并为云模型综合判断矩阵EallCloud(A-B)，此处的A-B表示B层指标相对于A层指标两两重要度比较。表2是通过式(8)、式(9)、式(10)计算得到的倒数对应云标度。

式(11)是构造云模型综合判断矩阵所用到的云模型标度两两重要度判断矩阵。

(11)

(12)

(13)

(14)

(15)

将计算出来的重要度向量按式(15)进行归一化得到标准的重要度向量Wi，并根据式(16)、式(17)对云模型的期望进行一致性检验，也可用此方法对熵和超熵进行一致性检验，但一般对熵和超熵不做检验要求

(16)

(17)

(18)

(19)

(20)

表3 人员因素综合云模型权重向量Tab.3 Human factor integrated cloud model weight vector

通过此方法，计算得到各个指标要素在整个风险体系中综合的云模型权重向量。表3、表4是准则层中人员因素和技术工程因素的综合云模型权重向量，表格中的A表示目标层，Bi表示准则层指标，Ci表示子准则层指标，Dij表示指标层。

确定了云模型的期望、熵和超熵这3个数字特征后，其相应的隶属云模型也就确定了[18]。此中，期望是中心值的量化评价，表示风险因素预期重要度，熵表示隶属度相对于重要度的离散程度，超熵表示隶属度的真实情况偏离预期程度。对En和He计算，是将评价语言的随机性和模糊性也进行计算，增强评价客观性。当指标期望值相同时，可对其熵和超熵值进行比较，熵和超熵越小，表示离散程度和偏离预期的程度越小，即评价结果越集中。因此，本文将权重向量云的期望值作为船舶污染风险评价体系各元素的权重值，准则层其余因素的综合云模型权重向量计算省略，具体结果见表5。

表4 技术工程因素综合云模型权重向量Tab.4 Technical engineering factors integrated cloud model weight vector

表5 船舶污染海洋环境风险评价指标体系权重Tab.5 Weight of risk assessment index system for marine environment pollution by ships

2.2 云模型风险等级评估

表6 风险等级划分Tab.6 Risk grade division

将风险值赋予100分，并平均划分为5级，用云模型描述每个评估指标的评语集，对每个评语集用一维正态云描述，见表6。将评语集取值区间划分为5个子区间，对应的评语集为(轻微、低、中等、较高、高)，每个评价指标云模型的数字特征SC(Exi，Eni，Hei)(i=1，2，…5)可以根据式(21)、式(22)、式(23)，由每个区间的上下限值计算，边界参数用升、降半正态云描述。

(21)

(22)

Hei=k

(23)

式中：k为常数，可以根据评语集模糊程度调整，本文中设k为0.5。根据式(21)、式(22)、式(23)计算得出对应于每个评估等级云模型的数字特征是：RC轻微(0，6.67，0.5)；RC低(30，3.33，0.5)；RC中等(50，3.33，0.5)；RC较高(70，3.33，0.5)；RC高(100，6.67，0.5)，由此生成的云图为标准云图。通常称下级指标的云模型为其上级指标的基云，上级指标可以由其基云综合而成[19]。用式(24)所示的浮动云算法和式(25)的综合云算法对准则层和子准则层指标进行综合，最终可得基于目标层综合评估结果。式(24)、式(25)中，wi为每个单项因素的权重，n为单项因素的个数。通过将各评价指标的实际云图与相应的标准云图进行比较，得到最终评价结果。

(24)

(25)

3 案例分析

为了验证此风险分级方法的适用性，本文选取M码头作为实例分析，对其进行风险分级评估。据调查分析，该码头处于亚热带海洋性气候，四季分明、气候温和湿润、雨量充沛、冬季风速较大，夏季风速较小。码头水域潮流以往复流为主，码头附近岛屿众多，受岛屿屏障保护作用，波浪较小，对船舶航行影响不大。码头海域敏感资源有渔业资源、省级海洋生态保护区、养殖区和多个国家级AAAA、AA风景旅游区。码头进港航道复杂，沿线通航密度大、大型船舶多、船舶会遇敏感点多，再加上该航道有航路随机的渔船，一定程度上船舶碰撞风险较大。码头附近有多座锚地，地形平坦，水域开阔且避风条件好。码头靠泊船型主要是集装箱船和滚装船，事故污染主要是燃油泄漏。进出码头的船舶燃油大多数属于持久性油类，不易发挥，如果泄漏到码头水域较难清除，会造成较严重的后果。码头企业管理制度、操作规程健全，防污染管理体系有针对性，并且不同层级间工作人员进行了相关的专业培训，效果较好。码头已建立应急队伍，应急演练安排较多，相应的应急设施配备较全，应急体系机制也比较完善。设施设备等全部设置在码头附近，事故发生后，设备调用时间短，反应迅速，能控制在5 min内。

图2 M码头风险等级评估与标准云对比Fig.2 Comparison between M terminal risk level assessment and standard cloud

根据该码头的实际情况进行分析，得到评估云模型，通过式(24)、式(25)计算，最终得到该码头的目标层云模型数字特征为(28.98，19.62，0.5)，将结果与标准云图对比，运用Matlab仿真出该码头的风险等级云图，见图2。据图2可以看出，M码头风险等级评估结果：落在低风险区域的云滴最多，其次是轻微风险区域。因此，可知该码头船舶污染海洋环境风险等级为低风险等级，且程度略偏向轻微风险。经过分析得知，造成M码头风险事故最重要因素是码头前沿和航道存在碰撞风险，建议重点管控，例如：通过加强船舶靠离泊操作管理，保障船舶安全。其次，附近敏感资源众多，码头前沿和航道附近发生事故时，在自然因素影响下会受到一定污染，建议不断提高应急能力来应对风险，例如：完善应急预案、加强应急队伍演练、定期检查和维护管理。

4 结论

对船舶污染海洋环境风险进行科学的分级，能够为后续船舶污染海洋环境风险分级管控体系建设提供依据，通过构建动态、闭环、持续改进的船舶污染风险管理体系，科学有效地遏制污染事故发生。本文所构建的船舶污染海洋环境风险评价指标体系能为评价船舶污染风险提供重要参考。利用云模型和层次分析法相结合来计算各指标权重并建立风险分级评估模型，通过Matlab绘制风险等级云图，可以分辨出不同风险因素的风险性大小。根据M码头实例分析得知：该码头总体风险等级较低，其中航道和码头前沿风险性较大，其次是周边敏感资源易受影响。因此，要想合理控制风险，要先对风险性大的因素进行重点防控管理。通过实现风险有效快速分级及风险控制顺序的可视化，可以让相关人员清楚地了解污染风险的危害性及危害源所在，明确防控管理的重点，提高船舶污染风险管控针对性和风险防控能力。