我國(guó)典型區(qū)因旱飲水困難人口快速評(píng)估模型研究*

潘東華，袁 藝，賈慧聰，徐 璨，王丹丹

（1.民政部國(guó)家減災(zāi)中心，北京100124；2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所中科院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京100101）

我國(guó)典型區(qū)因旱飲水困難人口快速評(píng)估模型研究*

潘東華1，袁 藝1，賈慧聰2，徐 璨1，王丹丹1

（1.民政部國(guó)家減災(zāi)中心，北京100124；2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所中科院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京100101）

估算因旱飲水困難人口是我國(guó)政府實(shí)施旱災(zāi)救助物資、資金發(fā)放的重要基礎(chǔ)性工作。目前我國(guó)因旱飲水困難人口的判斷主要依據(jù)地方民政部門災(zāi)情數(shù)據(jù)的上報(bào)，還未有對(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(cè)并評(píng)估因旱飲水困難人口的發(fā)生發(fā)展，并采取適當(dāng)?shù)娘L(fēng)險(xiǎn)防范措施就顯得十分重要。在收集并處理全國(guó)基礎(chǔ)地理信息、氣象、社會(huì)經(jīng)濟(jì)、旱災(zāi)災(zāi)情等數(shù)據(jù)的基礎(chǔ)上，將全國(guó)劃分為7個(gè)典型區(qū)，利用2009－2012年典型歷史旱災(zāi)案例災(zāi)情數(shù)據(jù)為樣本，基于BP人工神經(jīng)網(wǎng)絡(luò)構(gòu)建因旱飲水困難人口快速評(píng)估模型，以地形高程、月均降水量、水系密度、年末總?cè)丝?、路網(wǎng)密度和GDP為網(wǎng)絡(luò)輸入，以因旱飲水困難人口數(shù)量為網(wǎng)絡(luò)輸出，確定收斂誤差0.01，經(jīng)試算不斷優(yōu)化模型參數(shù)，得到東北、華北、華東、華中、華南、西南、西北7個(gè)典型區(qū)的模擬值與實(shí)際值的線性擬合結(jié)果：華東、華南、華中地區(qū)的模型精度較高，R2分別達(dá)到0.94、0.83、0.81；東北、西北、華北地區(qū)的模型精度居中，R2分別達(dá)到0.79、0.71、0.70；模型精度最低的是西南地區(qū)，R2為0.46。結(jié)果表明該模型操作簡(jiǎn)便，精度較高，實(shí)現(xiàn)了我國(guó)基于區(qū)域差異的旱災(zāi)主要災(zāi)情指標(biāo)的快速評(píng)估，能夠?yàn)榈湫蛥^(qū)因旱飲水困難人口的快速評(píng)估和災(zāi)情的核查提供科學(xué)依據(jù)。

BP人工神經(jīng)網(wǎng)絡(luò)；旱災(zāi)飲水困難；人口；快速評(píng)估；典型區(qū)；中國(guó)

估算旱災(zāi)飲水困難人口是政府實(shí)施旱災(zāi)救助物資、資金發(fā)放的重要基礎(chǔ)性工作，雖然過去幾十年政府在旱災(zāi)災(zāi)情統(tǒng)計(jì)、救助標(biāo)準(zhǔn)制定等方面取得了長(zhǎng)足發(fā)展，但依然有許多重要問題未被解決。核心問題之一是如何確定受旱范圍內(nèi)的因旱飲水困難人口數(shù)量，特別是對(duì)地方上報(bào)災(zāi)情數(shù)據(jù)的校核。長(zhǎng)期以來(lái)，由于因旱困難人口統(tǒng)計(jì)一直依賴于地方上報(bào)，其客觀性和準(zhǔn)確性備受外界關(guān)注。因此，對(duì)實(shí)際因旱飲水困難人口的科學(xué)估算，一方面是民政部門發(fā)展災(zāi)情科學(xué)評(píng)估的重要方向，另一方面也是財(cái)政部門核定救助物資與資金的重要依據(jù)。

我國(guó)因地理位置和氣候條件的影響，干旱災(zāi)害頻繁發(fā)生，有學(xué)者采用灰色關(guān)聯(lián)分析方法，計(jì)算旱災(zāi)與總災(zāi)害的關(guān)聯(lián)度，得出氣象災(zāi)害對(duì)農(nóng)民生產(chǎn)生活的影響權(quán)重為干旱＞凍害＞風(fēng)雹災(zāi)＞水災(zāi)［1］；還有學(xué)者對(duì)中國(guó)貧困縣分布及干旱分布進(jìn)行了研究，其結(jié)果顯示中國(guó)貧困縣的分布和旱災(zāi)的分布基本一致［2－3］，因此，開展因旱飲水困難人口的估算研究對(duì)減輕旱災(zāi)損失，提高貧困地區(qū)旱災(zāi)救助標(biāo)準(zhǔn)等具有重要現(xiàn)實(shí)意義。近年來(lái)我國(guó)旱災(zāi)有逐漸加重的趨勢(shì)，據(jù)民政部統(tǒng)計(jì)，2012年旱災(zāi)共造成全國(guó)628個(gè)縣（市、區(qū)）7 863萬(wàn)人次受災(zāi)，飲水困難1 465.0萬(wàn)人，需救助人口939.7萬(wàn)人［4］。特別是我國(guó)西南地區(qū)遭受了2009－2010年秋冬春初夏連旱、2011年的夏秋連旱、2011－2012年冬春連旱以及2012－2013年冬春連旱等4年連旱，旱災(zāi)對(duì)當(dāng)?shù)鼐用裆钣绊懤鄯e效應(yīng)明顯［5］。

本文在我國(guó)七大典型分區(qū)的基礎(chǔ)上，利用2009－2012年典型歷史旱災(zāi)案例災(zāi)情數(shù)據(jù)為樣本，構(gòu)建基于BP人工神經(jīng)網(wǎng)絡(luò)模型的因旱飲水困難人口快速評(píng)估模型；模型以地形高程、月均降水量、水系密度、年末總?cè)丝?、路網(wǎng)密度和GDP等6個(gè)主要地理因子作為輸入，因旱飲水困難人口作為模型輸出，初步實(shí)現(xiàn)基于區(qū)域差異的旱災(zāi)主要災(zāi)情指標(biāo)快速評(píng)估。

表1 基礎(chǔ)數(shù)據(jù)庫(kù)列表

1 數(shù)據(jù)來(lái)源

根據(jù)構(gòu)建的基于BP人工神經(jīng)網(wǎng)絡(luò)模型的因旱飲水困難人口快速評(píng)估模型的需要，本文收集和整理了一系列的基礎(chǔ)數(shù)據(jù)庫(kù)進(jìn)行研究（表1）。所利用的數(shù)據(jù)來(lái)源于：全國(guó)省域行政區(qū)劃矢量圖；全國(guó)30 m分辨率的DEM數(shù)據(jù)；全國(guó)1：100萬(wàn)鐵路、國(guó)道和省道數(shù)據(jù)；全國(guó)1：100萬(wàn)河流分布圖；從中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：／／cdc.cma.gov.cn／）下載的全國(guó)752個(gè)站點(diǎn)2000－2012年的日降水量數(shù)據(jù)［6］；2009－2012年《中國(guó)統(tǒng)計(jì)年鑒》［7］；民政部國(guó)家減災(zāi)中心提供的2009－2012年全國(guó)典型歷史旱災(zāi)案例因旱飲水困難人口統(tǒng)計(jì)數(shù)據(jù)。稱中間層）和輸出層三層構(gòu)成。信息由輸入層進(jìn)入網(wǎng)絡(luò)后，傳到隱含層單元，經(jīng)過響應(yīng)傳遞函數(shù)（一般取Sigmoid函數(shù)），再傳到輸出層并計(jì)算輸出值。之后網(wǎng)絡(luò)將應(yīng)有的輸出與實(shí)際輸出進(jìn)行比較，通過反向傳播誤差，修正與基本單元相連接的各輸入量的權(quán)重，并重新計(jì)算輸出、進(jìn)行比較。通過信息傳遞、輸出、比較、反饋的連續(xù)反復(fù)訓(xùn)練，使模擬誤差逐步降低直至低于規(guī)定要求［10－11］。BP算法模型如圖1所示。

圖1 BP算法流程圖

2 研究方法

2.1 BP人工神經(jīng)網(wǎng)絡(luò)的基本原理

傳統(tǒng)的評(píng)估定級(jí)方法容易受人為主觀因素的影響，導(dǎo)致評(píng)價(jià)結(jié)果的不準(zhǔn)確，而人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的評(píng)價(jià)方法具有自學(xué)習(xí)、自組織、自適應(yīng)性的特點(diǎn)，能夠充分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，正好可以解決此問題［8］。其中反向傳播學(xué)習(xí)算法人工神經(jīng)網(wǎng)絡(luò)（BP人工神經(jīng)網(wǎng)絡(luò)）是目前應(yīng)用最廣泛的一類，該網(wǎng)絡(luò)在具有人工神經(jīng)網(wǎng)絡(luò)特點(diǎn)的同時(shí)，還具有構(gòu)建簡(jiǎn)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［9］。

BP人工神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱含層（或

2.2 典型歷史旱災(zāi)案例選取

我國(guó)政府實(shí)施旱災(zāi)救助物資、資金發(fā)放的基本單元是以行政區(qū)劃為單位的，因此本文采用中國(guó)地圖出版社發(fā)布的經(jīng)濟(jì)區(qū)劃將全國(guó)劃分為七大區(qū)域［12］。本研究分別選取了2009－2012年間，我國(guó)東北、華北、華中、西北、西南、華南、華東等7個(gè)典型區(qū)的旱災(zāi)歷史案例，每個(gè)典型區(qū)選取一個(gè)省份作為模型訓(xùn)練的樣本數(shù)據(jù)（表2），并以模型達(dá)到一定誤差要求的BP－Nets作為該典型區(qū)的旱災(zāi)快速評(píng)估模型。

2009年6月21日至8月10日，遼寧省平均降水量為150.1 mm，為歷史同期最少。遼寧省氣象局于8月11日發(fā)布了干旱最嚴(yán)重級(jí)別的“紅色預(yù)警”。遼寧省氣象局對(duì)遼西北旱情進(jìn)行調(diào)查發(fā)現(xiàn)，朝陽(yáng)縣、北票市、建平縣、義縣、凌海市降水偏少五成以上，為新中國(guó)成立以來(lái)罕見，已造成667 khm2農(nóng)田受旱，440多萬(wàn)人受到缺水影響［13］。

2011年我國(guó)干旱發(fā)生區(qū)域廣，影響程度重，北方冬麥區(qū)出現(xiàn)了嚴(yán)重秋冬連旱。由于降水持續(xù)偏少，河南全省已有1 393 khm2冬小麥?zhǔn)芎?，其中重?43 khm2，山丘區(qū)還有13萬(wàn)人因旱出現(xiàn)飲水困難［14］。

2011年我國(guó)長(zhǎng)江中下游旱災(zāi)是自1959至1961年的旱災(zāi)后50年來(lái)最嚴(yán)重的一次。干旱使長(zhǎng)江中下游地區(qū)的農(nóng)業(yè)遭受重創(chuàng)，漁業(yè)也大幅度減產(chǎn)，受災(zāi)人口達(dá)3 400萬(wàn)，大量牲畜飲水困難，直接經(jīng)濟(jì)損失149億元人民幣［15］。干旱使洞庭湖水位創(chuàng)1968年以來(lái)的最低紀(jì)錄。湖南全省747.2萬(wàn)人受災(zāi)，156.6萬(wàn)人和48.7萬(wàn)頭大牲畜出現(xiàn)飲水困難，需救助人口122.6萬(wàn)人，農(nóng)作物受災(zāi)697 khm2，其中絕收52 khm2，直接經(jīng)濟(jì)損失27.4億元人民幣。截至2011年5月26日，安徽省全省平均降雨量189 mm，較常年同期偏少6成，全省有近1 333 khm2在地農(nóng)作物和水田缺水受旱［16］。

2011年7月以來(lái)的高溫少雨天氣致使廣西西北部部分地區(qū)出現(xiàn)中到重度氣象干旱。廣西壯族自治區(qū)民政廳截至2011年8月23日的統(tǒng)計(jì)數(shù)據(jù)顯示，廣西20個(gè)縣（市、區(qū)）旱情嚴(yán)重，直接經(jīng)濟(jì)損失2.51億元人民幣［17］。

截至2012年2月27日，云南省民政廳統(tǒng)計(jì)有273條中小河流斷流，413座小型水庫(kù)干涸，庫(kù)塘蓄水總量?jī)H為43億m3；嚴(yán)重旱情已造成云南省319萬(wàn)人、158萬(wàn)頭大牲畜不同程度存在飲水困難［18］。

據(jù)內(nèi)蒙古、甘肅、寧夏等3?。ㄗ灾螀^(qū)）民政廳報(bào)告，截至2011年6月23日統(tǒng)計(jì)，3月份以來(lái)，持續(xù)干旱共造成3省1 167萬(wàn)人受災(zāi)，439萬(wàn)人因旱災(zāi)造成生活困難需政府救助，飲水困難大小牲畜362萬(wàn)頭（只），農(nóng)作物受災(zāi)面積2 395 khm2，絕收300 khm2［19］。

表2 我國(guó)七大典型區(qū)歷史旱災(zāi)案例選取

3 因旱飲水困難人口快速評(píng)估模型的建立

3.1 因旱飲水困難人口快速評(píng)估指標(biāo)的選取

1984年，我國(guó)制定了農(nóng)村人畜飲水困難標(biāo)準(zhǔn)（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），水利電力部《關(guān)于農(nóng)村人畜飲水工作的暫行規(guī)定》也規(guī)定了干旱期間飲水的標(biāo)準(zhǔn)［20］。農(nóng)村飲水不安全標(biāo)準(zhǔn)主要依據(jù)是國(guó)家水利部、衛(wèi)生部聯(lián)合頒發(fā)的《農(nóng)村飲用水安全衛(wèi)生評(píng)價(jià)指標(biāo)體系》標(biāo)準(zhǔn)，水質(zhì)不符合《農(nóng)村實(shí)施〈生活飲用水衛(wèi)生標(biāo)準(zhǔn)〉準(zhǔn)則》［21］要求的為不安全；每人每天可獲得的水量低于20～40 L為不安全；人力取水往返時(shí)間超過20 min為不安全；供水保證率低于90%為不安全。水文、地理、水資源狀況等自然因素導(dǎo)致的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。目前因旱飲水困難人口評(píng)價(jià)所選取指標(biāo)內(nèi)容主要有降水量時(shí)空分布不均、水源匱乏、地形、地貌的影響、氣候變化的影響這四個(gè)方面［22－27］，結(jié)合我國(guó)的孕災(zāi)環(huán)境和成災(zāi)特點(diǎn)以及資料的可獲取性，最終確定因旱飲水困難人口評(píng)估指標(biāo)包括地形高程、月均降水量、河網(wǎng)密度、路網(wǎng)密度、GDP、年末總?cè)丝?個(gè)主要地理因子。

3.2 七大典型區(qū)飲水困難人口快速評(píng)估模型及

精度

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，首先將學(xué)習(xí)樣本進(jìn)行網(wǎng)絡(luò)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，直到達(dá)到期望誤差范圍為止。完成樣本的學(xué)習(xí)后，將測(cè)試樣本輸入訓(xùn)練好的網(wǎng)絡(luò)中，以學(xué)習(xí)好的網(wǎng)絡(luò)參數(shù)，計(jì)算得出輸出預(yù)測(cè)與檢驗(yàn)值。最終確定BP網(wǎng)絡(luò)模型的相關(guān)參數(shù)組合如下：①網(wǎng)絡(luò)結(jié)構(gòu)：6－13－1；②網(wǎng)絡(luò)層數(shù)：3；③期望誤差：根據(jù)測(cè)試，設(shè)置為S＝0.01；④顯示步長(zhǎng)：5；⑤最大訓(xùn)練步長(zhǎng)：1 000；⑥學(xué)習(xí)率：0.01；⑦隱含層轉(zhuǎn)移函數(shù)：對(duì)數(shù)S型函數(shù)（Logsig）；⑧輸出層的轉(zhuǎn)移函數(shù)：線性函數(shù)（purelin）。

利用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)因旱飲水困難人口的測(cè)試樣本進(jìn)行預(yù)測(cè)，其模擬值與預(yù)測(cè)值的線性擬合結(jié)果R2結(jié)果如圖2～圖8所示?；贐P人工神經(jīng)網(wǎng)絡(luò)構(gòu)建的典型區(qū)快速評(píng)估模型的精度排序?yàn)椋喝A東（R2＝0.94）＞華南（R2＝0.83）＞華中（R2＝0.81）＞東北（R2＝0.79）＞西北（R2＝0.71）＞華北（R2＝0.70）＞西南（R2＝0.46）。由此可見神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)不同區(qū)域的因旱飲水困難人口是可行的，網(wǎng)絡(luò)訓(xùn)練速度較快，并且較準(zhǔn)確方便。該方法能有效地減少評(píng)價(jià)過程中的人為因素影響，使評(píng)價(jià)結(jié)果更有效、更客觀。一旦人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法確定后，數(shù)學(xué)模型的準(zhǔn)確程度與輸入的訓(xùn)練樣本的數(shù)量有著密切關(guān)系。西南地區(qū)的評(píng)估模型精度較低，可能與輸入模型的學(xué)習(xí)樣本的數(shù)量和質(zhì)量有關(guān)。

圖2 東北地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

圖3 華北地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

圖4 華東地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

圖5 華中地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

圖6 華南地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

圖7 西南地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

圖8 西北地區(qū)實(shí)際與模擬因旱飲水困難人口序列連線對(duì)比及擬合結(jié)果

4 結(jié)論與討論

目前在全國(guó)尺度下，針對(duì)因旱飲水困難人口災(zāi)情上報(bào)數(shù)據(jù)的質(zhì)量控制和快速評(píng)估系統(tǒng)研究還比較欠缺，迫切需要加強(qiáng)。本文在收集并處理全國(guó)基礎(chǔ)地理信息、氣象、社會(huì)經(jīng)濟(jì)、旱災(zāi)災(zāi)情等數(shù)據(jù)的基礎(chǔ)上，將全國(guó)劃分為7個(gè)典型區(qū)，利用2009－2012年典型歷史旱災(zāi)案例災(zāi)情數(shù)據(jù)為樣本，基于BP人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了因旱飲水困難人口快速評(píng)估模型。結(jié)果表明：

（1）以地形高程、月均降水量、水系密度、年末總?cè)丝?、路網(wǎng)密度和GDP等6個(gè)主要地理因子作為輸入，因旱飲水困難人口作為模型輸出，初步實(shí)現(xiàn)了基于區(qū)域差異的旱災(zāi)主要災(zāi)情指標(biāo)快速評(píng)估。

（2）BP人工神經(jīng)網(wǎng)絡(luò)模型具有高維非線性識(shí)別映射處理能力，所以在參數(shù)較多及影響權(quán)值未知的情況下構(gòu)建全國(guó)分區(qū)因旱飲水困難人口快速評(píng)估模型具有合理性和可行性，且模型精度較高，6個(gè)區(qū)域的R2在0.70以上。

（3）本文提出的典型區(qū)因旱飲水困難人口快速評(píng)估模型也存在一些缺點(diǎn)和不足：首先輸入指標(biāo)體系的合理性和完整性還需要進(jìn)一步證明，力求各子指標(biāo)數(shù)據(jù)具有較好的可測(cè)性，各子指標(biāo)之間互相獨(dú)立，具有較好的內(nèi)部一致性。其次BP神經(jīng)網(wǎng)絡(luò)模型要求有一定的學(xué)習(xí)樣本，學(xué)習(xí)樣本的數(shù)量和質(zhì)量在很大程度上影響著神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)性能。下一階段應(yīng)選取合適的典型區(qū)歷史旱災(zāi)案例及學(xué)習(xí)樣本來(lái)提高人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度。

［1］ 張星，鄭有飛，周樂照.農(nóng)業(yè)氣象災(zāi)害災(zāi)情等級(jí)劃分與年景評(píng)估［J］.生態(tài)學(xué)雜志，2007，26（3）：111－115.

［2］ 宋連春，鄧振鏞，董安祥，等.干旱［M］.北京：氣象出版社，2003：54－55.

［3］ 周揚(yáng)，李寧，吳吉東.內(nèi)蒙古地區(qū)近30年干旱特征及其成災(zāi)原因［J］.災(zāi)害學(xué)，2013，28（4）：67－73.

［4］ 天氣網(wǎng).我國(guó)2012年干旱受災(zāi)面積6010萬(wàn)畝［EB／OL］.（2013－03－25）［2013－07－08］.http：／／www.tianqi.com／news／12825.html.

［5］ 孫雪萍，房藝，蘇筠.基于旱情演變的社會(huì)應(yīng)災(zāi)過程分析——以2009－2010年云南旱災(zāi)為例［J］.災(zāi)害學(xué)，2013，28（2）：90－94，106.

［6］ 中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng).中國(guó)地面氣候資料日值數(shù)據(jù)集［EB／OL］.（2012－08－04）［2013－07－08］. http：／／cdc.cma.gov.cn／.

［7］ 國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒［M］.北京：中國(guó)統(tǒng)計(jì)出版社，2009－2012.

［8］ 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（2）：43－48.

［9］ 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.

［10］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(zhǎng)沙市為例［J］.經(jīng)濟(jì)地理，2009，29（5）：836－839.

［11］郭秋霞，鄧祥明，歐陽(yáng)江.基于BP人工神經(jīng)網(wǎng)絡(luò)的價(jià)值鏈風(fēng)險(xiǎn)的評(píng)價(jià)［J］.物流技術(shù)，2011，30（7）：120－122.

［12］淺談中國(guó)地理區(qū)域的劃分［M］.北京：中國(guó)地圖出版社，2009.

［13］新華網(wǎng).遼寧發(fā)布干旱最嚴(yán)重預(yù)警［EB／OL］.（2009－08－12）［2013－07－08］.http：／／news.xinhuanet.com／politics／2009－08／12／content－11868468.html.

［14］人民網(wǎng).我國(guó)北方冬麥區(qū)持續(xù)干旱河北可能出現(xiàn)冬春連旱［EB／OL］.（2011－02－07）［2013－07－08］.http：／／www.022net.com／2011／2－7／424456172323772－2.html.

［15］國(guó)際在線.長(zhǎng)江中下游地區(qū)旱情嚴(yán)重遭遇50年來(lái)少見的極端氣候［EB／OL］.（2011－05－25）［2013－07－08］.http：／／gb.cri.cn／27824／2011／05／25／5311s3258775.htm.

［16］中國(guó)新聞網(wǎng).長(zhǎng)江中下游地區(qū)旱情持續(xù) 須防“旱澇急轉(zhuǎn)”［EB／OL］.（2011－05－30）［2013－07－08］.http：／／www.chinanews.com／gn／2011／05－30／3074808.shtml.

［17］中國(guó)新聞網(wǎng).廣西遭遇嚴(yán)重旱災(zāi)［EB／OL］.（2011－08－23）［2013－07－08］.http：／／www.chinanews.com／df／2011／08－23／3278732.shtml.

［18］中國(guó)天氣網(wǎng).云南連續(xù)四年受干旱困擾［EB／OL］.（2012－02－23）［2013－07－08］.http：／／www.weather.com.cn／zt／tqzt／780922.shtml.

［19］民政部網(wǎng)站.兩部門對(duì)蒙甘寧旱情啟動(dòng)4級(jí)救災(zāi)應(yīng)急響應(yīng)［EB／OL］.（2011－06－27）［2013－07－08］.http：／／nyqx.xn121.com／nqxw／lb／1378613.shtml.

［20］人民日?qǐng)?bào).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）［2013－07－08］http：／／www.people.com.cn／item／flfgk／gwyfg／1984／112403198404.html.

［21］王婷婷，陳菁.我國(guó)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.

［22］潘東華，王靜愛，王瑛，等.基于圖層約束的自然災(zāi)害風(fēng)險(xiǎn)制圖綜合初探——以西北干旱區(qū)為例［J］.干旱區(qū)研究，2010，27（1）：13－19.

［23］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.

［24］賈慧聰，袁藝，曹春香，等.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［J］.災(zāi)害學(xué)，2013，28（1）：92－97.

［25］賈慧聰，王靜愛.國(guó)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.

［26］賈慧聰，王靜愛，潘東華，等.基于作物EPIC模型的玉米旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)——以黃淮海夏播玉米區(qū)為例［J］.地理學(xué)報(bào)，2011，66（5）：643－652.

［27］Jia Huicong，Wang Jingai，Cao Chunxiang，et al.Maize drought disaster risk assessmentof China based on EPICmodel［J］.International Journal of Digital Earth，2011，5（6），488－515.

Rapid Assessment M odel of Population in Drinking Water Access Difficulties Because of Drought in Different Regions of China

Pan Donghua1，Yuan Yi1，Jia Huicong2，Xu Can1and Wang Dandan1
（1．National Disaster Reduction Center of China，Ministry of Civil Affairs of the People′s Republic of China，Beijing 100124，China；2．Key Laboratory of Digital Earth Science Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100101，China）

The estimation of population in drinkingwater access difficulties because of drought is an important basis work for drought relief supplies and disbursing funds of our government.At present，the judgment of population in drinking water access difficulties because of drought in China ismainly based on disaster reporting of local government，not the control and rapid assessment system of the data quality.Therefore，to accurately predict the occurrence and development of population in drinking water access difficulties because of drought，and take appropriatemitigation measures is very important，itwill greatlyminimize the economic loss and personal injury.On the basis of collecting the basic geographic information，meteorological，socio-economic data，and disaster effect data of China，dividing China into seven regions，taking historic 2009－2012 drought disaster cases as the sample data，a rapid assessmentmodel based on BP neural network was constructed.The six factors were the input of network，which were the average monthly precipitation，DEM，river density，the total population，road density and GDP. The population in drinking water access difficulties because of droughtwas the output of network.Through optimizing themodel parameters，the fitting results of R2 between the analog value and the true value of different regions were got.A very high fitting resultwas in East China，South China and Central China；R2 was 0.94，0.83，and 0.81 respectively.A middle high fitting resultwas in Northeast China，Northwest China and North China；R2 was 0.79，0.71，and 0.70 respectively.The lowest fitting resultwas in Southwest China；R2 was 0.46.It shows that the BP artificial neural network method can effectively predict the population in drinking water access difficulties because of drought in different regions of China.The method may provide an effective reference for rapid assessment and disaster verification of the population in drinking water access difficulties because of drought in China.

BP neural network；population in drinkingwater access difficulties because of drought；rapid assessment；sub-regions；China

S423；X43

A

1000－811X（2014）03－0034－06

10.3969／j.issn.1000－811X.2014.03.007

潘東華，袁藝，賈慧聰，等.我國(guó)典型區(qū)因旱飲水困難人口快速評(píng)估模型研究［J］.災(zāi)害學(xué)，2014，29（3）：34－39.［Pan Donghua，Yuan Yi，Jia Huicong，et al.Rapid Assessment Model of Population in Drinking Water Access Difficulties Because of Drought in Different Regions of China［J］.Journal of Catastrophology，2014，29（3）：34－39.］*

2013－11－06 修回日期：2014－01－01

國(guó)家自然科學(xué)基金項(xiàng)目（41301593）；國(guó)家重大科學(xué)研究計(jì)劃項(xiàng)目（2012CB955402）

潘東華（1981－），男，江蘇丹陽(yáng)人，博士，主要從事GIS＆RS在自然災(zāi)害風(fēng)險(xiǎn)分析中的應(yīng)用研究.

E－mail：pandonghua＠ndrcc.gov.cn

袁藝（1976－），女，江蘇江都人，博士，研究員，主要從事災(zāi)害評(píng)估與風(fēng)險(xiǎn)防范研究與管理研究.

E－mail：yuanyi＠ndrcc.gov.cn