基于改進(jìn)權(quán)重AHP法的內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)
——以汕頭市濠江區(qū)為例

周佳麒，林凱榮,2,3*，解 雪，陳海燕，高 鑫

(1.中山大學(xué)土木工程學(xué)院，廣東 珠海 519082；2.廣東省海洋土木工程重點(diǎn)實(shí)驗(yàn)室，廣東 珠海 519082；3.廣東省華南地區(qū)水安全調(diào)控工程技術(shù)研究中心，廣東 珠海 519082)

近年來(lái)在以全球變暖為主要特征的氣候變化環(huán)境下，極端天氣和自然災(zāi)害發(fā)生的頻率不斷增加，洪澇災(zāi)害作為一種極易發(fā)生且破壞性大的自然災(zāi)害廣泛的存在于全國(guó)各地。城市內(nèi)澇是指由于強(qiáng)降水或連續(xù)性降水超過(guò)城市排水能力致使城市內(nèi)產(chǎn)生積水災(zāi)害的現(xiàn)象。城市內(nèi)澇在中國(guó)比較普遍，從發(fā)生的區(qū)域來(lái)看，以前主要發(fā)生在一些沿海地勢(shì)比較低的地區(qū)，現(xiàn)在內(nèi)陸城市也經(jīng)常發(fā)生[1]。新中國(guó)成立以后，珠江及韓江流域均發(fā)生多次洪水，尤其是臺(tái)風(fēng)過(guò)境時(shí)極易引發(fā)洪澇災(zāi)害，給區(qū)域的經(jīng)濟(jì)人口都造成了巨大損失。近年來(lái)，許多研究者運(yùn)用多種方法進(jìn)行了各地內(nèi)澇風(fēng)險(xiǎn)的評(píng)估，對(duì)洪澇災(zāi)害的預(yù)警發(fā)布和防洪指揮調(diào)度提供了幫助。

吳舒祺等[2]運(yùn)用自然災(zāi)害風(fēng)險(xiǎn)評(píng)估理論和方法，以氣象數(shù)據(jù)、地理信息數(shù)據(jù)和社會(huì)經(jīng)濟(jì)數(shù)據(jù)為基礎(chǔ)，建立了浙江省洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。鄧運(yùn)超等[3]通過(guò)層次分析法和專家打分法等方法確定洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)及其各因子相應(yīng)的權(quán)重系數(shù)，開(kāi)展了萊西市洪澇災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃研究。劉恒[4]將神經(jīng)網(wǎng)絡(luò)運(yùn)用到洪澇災(zāi)害的研究中，主要用于多因子的洪水分類(lèi)。申海燕等[5]通過(guò)城市內(nèi)澇巨災(zāi)理論和場(chǎng)景進(jìn)行風(fēng)險(xiǎn)識(shí)別，建立了多層次的洪澇災(zāi)害風(fēng)險(xiǎn)指標(biāo)體系，并采用了層次分析-模糊綜合評(píng)價(jià)法建立完整的洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估體系，估計(jì)出風(fēng)險(xiǎn)概率和風(fēng)險(xiǎn)損失結(jié)果。林蓉璇等[6]從暴雨洪澇災(zāi)害的致災(zāi)因子、孕災(zāi)因子、承災(zāi)因子和防災(zāi)減災(zāi)能力4個(gè)角度選取評(píng)價(jià)指標(biāo)構(gòu)建洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估體系，利用ArcGIS軟件對(duì)廣東省暴雨洪澇災(zāi)害進(jìn)行風(fēng)險(xiǎn)區(qū)劃。成陸等[7]加入了對(duì)遙感的考慮，利用RS技術(shù)對(duì)洪澇災(zāi)害進(jìn)行監(jiān)測(cè)和范圍驗(yàn)證，得出武安市洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果。李尤等[8]利用InfoWorks ICM軟件分別構(gòu)建降雨-產(chǎn)流、管網(wǎng)匯流、河道匯流與地表漫流模型，耦合形成精細(xì)化綜合洪澇模型，判斷內(nèi)澇點(diǎn)的集中位置。戴晶晶等[9]以蘇州市城市中心區(qū)為例，采用數(shù)值模擬的手段評(píng)估識(shí)別內(nèi)澇風(fēng)險(xiǎn)，運(yùn)用InfoWorksICM軟件建立集防洪、除澇、排水于一體的蘇州市城市中心區(qū)排水防澇數(shù)學(xué)模型。上述研究中，基于RS的研究方法，能夠更加精確地對(duì)相關(guān)地理信息數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行綜合處理；運(yùn)用InfoWorks ICM的研究方法，則更側(cè)重于產(chǎn)匯流模型的構(gòu)建和對(duì)管網(wǎng)的考慮；運(yùn)用ArcGIS和層次分析法的研究，則基于多影響因子的考量，進(jìn)行指標(biāo)體系的構(gòu)建，其優(yōu)勢(shì)在于綜合性和易操作性，是研究者們最常用的評(píng)估方法。傳統(tǒng)層次分析法確定各指標(biāo)權(quán)重的方法構(gòu)建兩兩判斷矩陣時(shí)，常因矩陣構(gòu)建者的不同而出現(xiàn)差異，帶有一定的主觀性，使分析結(jié)果趨于不穩(wěn)定[10]，其重要性量化評(píng)估也受到整數(shù)閾的限制，本文對(duì)此進(jìn)行了一定的改良，運(yùn)用神經(jīng)網(wǎng)絡(luò)改進(jìn)了層次分析法的權(quán)重確定方式，將傳統(tǒng)九分法的中間變量拓展到小數(shù)點(diǎn)后三位，并由機(jī)器打分確定權(quán)重以一定程度上減小主觀性，最終構(gòu)建了汕頭市濠江區(qū)內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)體系。

1 研究區(qū)概況與資料

1.1 研究區(qū)概況

濠江區(qū)位于汕頭東南部，汕頭海灣南岸，東南瀕臨南海，西與潮陽(yáng)區(qū)接壤，北隔海灣與金平區(qū)、龍湖區(qū)相望，位于東經(jīng)116°61′～116°82′，北緯23°20′～23°34′，面積179 km2(含灘涂、水域面積)，下轄7個(gè)街道，分別是：玉新街道、濱海街道、馬滘街道、河浦街道、廣澳街道、礐石街道和達(dá)濠街道。濠江區(qū)屬南亞熱帶海洋性季風(fēng)氣候，氣候溫和、濕潤(rùn)，雨量充沛、光照充足，四季常青，多風(fēng)易旱。年平均降水量1 593 mm，歷年4—9月汛期降水量平均1 228 mm，占全年降水量的80%以上。低山丘陵年平均降水量1 701 mm。濠江區(qū)行政區(qū)劃、地勢(shì)分布、水系分布見(jiàn)圖1a、1b、1c。

a)行政區(qū)劃

1.2 數(shù)據(jù)來(lái)源

為客觀反映濠江區(qū)各街道內(nèi)澇災(zāi)害風(fēng)險(xiǎn)，前期工作中針對(duì)濠江區(qū)自然環(huán)境和社會(huì)經(jīng)濟(jì)條件展開(kāi)調(diào)查，搜集了大量的基礎(chǔ)資料。其中遙感影像數(shù)據(jù)來(lái)自中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，氣象水文數(shù)據(jù)來(lái)源于廣東省氣象局，社會(huì)經(jīng)濟(jì)數(shù)據(jù)來(lái)源于濠江區(qū)2018年1—12月經(jīng)濟(jì)運(yùn)行簡(jiǎn)況，歷史洪澇災(zāi)害點(diǎn)分布數(shù)據(jù)來(lái)源于2017廣東省易澇點(diǎn)統(tǒng)計(jì)以及廣東省水利電力勘測(cè)設(shè)計(jì)研究院的外業(yè)調(diào)查報(bào)告，河網(wǎng)水系、交通路網(wǎng)及水利設(shè)施分布源于廣東省水利電力勘測(cè)設(shè)計(jì)研究院。

2 研究方法

2.1 層次分析法

層次分析法(Analytic Hierarchy Process，簡(jiǎn)稱AHP法)是由美國(guó)運(yùn)籌學(xué)家Saaty于20世紀(jì)70年代提出，1982年被介紹到中國(guó)的一種基于圖論和線性代數(shù)理論的決策分析方法。AHP法能夠?qū)⒍ㄐ苑治雠c定量分析相結(jié)合，有基本的客觀性、系統(tǒng)性以及靈活性，由于其思路清晰，操作簡(jiǎn)便，一經(jīng)推出便在中國(guó)得到廣泛運(yùn)用[11]。梁翔等[12]基于(-1，0，1)的三標(biāo)度法對(duì)傳統(tǒng)方法進(jìn)行了改進(jìn)，構(gòu)建了3個(gè)層次、18個(gè)指標(biāo)的評(píng)價(jià)體系，以期對(duì)蓄滯洪區(qū)可持續(xù)發(fā)展?fàn)顩r進(jìn)行綜合評(píng)價(jià)。其原理為對(duì)每一個(gè)所選指標(biāo)進(jìn)行重要性賦值，構(gòu)建權(quán)重判斷矩陣，計(jì)算判斷矩陣每行所有元素的幾何平均值，經(jīng)過(guò)歸一化得到各指標(biāo)相對(duì)權(quán)重并檢驗(yàn)其一致性，最后通過(guò)組合權(quán)重計(jì)算得到目標(biāo)層指標(biāo)的相對(duì)權(quán)重，對(duì)目標(biāo)層做出決策[13]。

2.2 神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣的一種神經(jīng)網(wǎng)絡(luò)，其算法的實(shí)質(zhì)是求解誤差函數(shù)的最小值問(wèn)題，正向傳遞的輸入信號(hào)X通過(guò)隱含層節(jié)點(diǎn)作用于輸出節(jié)點(diǎn)，每個(gè)神經(jīng)元的輸入包括輸入向量和期望輸出向量，通過(guò)輸出結(jié)果與預(yù)測(cè)結(jié)果求解偏差，若偏差向量不滿足期望，通過(guò)反向傳遞調(diào)整輸入節(jié)點(diǎn)與隱含層節(jié)點(diǎn)的連接權(quán)值和閾值等來(lái)指導(dǎo)每一層權(quán)值的更新和優(yōu)化[14]。神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜性，不斷地自動(dòng)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間的互聯(lián)關(guān)系，具備自學(xué)習(xí)和自適應(yīng)的能力，具有強(qiáng)大的信息處理能力。由于BP神經(jīng)網(wǎng)絡(luò)具有非線性、非局限性、非常定性的特點(diǎn)，在一定程度上可以解決AHP法的矩陣構(gòu)建中存在的主觀性問(wèn)題。

2.3 基于神經(jīng)網(wǎng)絡(luò)的改進(jìn)權(quán)重確定

在傳統(tǒng)的AHP法中，各個(gè)層次之間的權(quán)重確定，往往是通過(guò)將各層次因子的重要性兩兩進(jìn)行比較，采用九分法進(jìn)行標(biāo)度，然后根據(jù)標(biāo)度的結(jié)果建立判斷矩陣，進(jìn)而計(jì)算出相對(duì)權(quán)重運(yùn)用到AHP中。事實(shí)上，這個(gè)過(guò)程存在2個(gè)有待改進(jìn)之處。第一是使用九分法進(jìn)行標(biāo)度時(shí)，在表征各因子兩兩間的重要程度時(shí)，實(shí)質(zhì)上是將“重要性”這一概念進(jìn)行了量化，并根據(jù)專家打分經(jīng)驗(yàn)和使用者的判斷對(duì)此量化值進(jìn)行評(píng)估和比較。而九分法為了簡(jiǎn)便和通用，僅僅存在1—9的整數(shù)標(biāo)度，中間值也僅有偶數(shù)2、4、6、8，這使得判斷矩陣的構(gòu)建過(guò)程中，重要性的衡量受到整數(shù)的局限，其量化值并不連續(xù)，見(jiàn)表1。第二，九分法的標(biāo)度是由專家打分或者技術(shù)人員打分得出的，具有一定的主觀性，而在AHP法的運(yùn)用中，這種主觀性難以完全消除，但是可以通過(guò)機(jī)器學(xué)習(xí)的方式進(jìn)行一定的改進(jìn)。機(jī)器學(xué)習(xí)算法在自然災(zāi)害評(píng)估中越來(lái)越受歡迎，雖然該技術(shù)已經(jīng)在多個(gè)流域進(jìn)行了洪水易感性分析，但基于機(jī)器學(xué)習(xí)方法的洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估研究較少[15]，本文首次將神經(jīng)網(wǎng)絡(luò)運(yùn)用到AHP法的權(quán)重確定環(huán)節(jié)中，在一定程度上可消除AHP法的主觀性，進(jìn)而更科學(xué)地評(píng)估洪澇災(zāi)害風(fēng)險(xiǎn)。

表1 九分法的重要性量化程度賦值及意義

本文通過(guò)60組技術(shù)人員打出的合理專家打分?jǐn)?shù)據(jù)，并基于前期研究中已經(jīng)采用并通過(guò)合理性檢驗(yàn)的濠江區(qū)專家打分初始數(shù)據(jù)，在初始數(shù)據(jù)上對(duì)每一組專家打分?jǐn)?shù)進(jìn)行浮動(dòng)，浮動(dòng)范圍為(-1,1)，通過(guò)機(jī)器算法再進(jìn)行擴(kuò)展至1 000組，這些打分?jǐn)?shù)組均與初始數(shù)據(jù)相似且同樣具有合理性，供神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，模擬專家打分法的邏輯，通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行專家打分(圖2)。由于學(xué)習(xí)所使用的數(shù)據(jù)量相較于直接應(yīng)用一組專家打分?jǐn)?shù)據(jù)而言較大，更具有代表性，且神經(jīng)網(wǎng)絡(luò)生成的權(quán)重基于人腦的模擬，而非直接人為打分，在一定程度上減少了打分過(guò)程中造成的主觀性；其次，對(duì)九分法的標(biāo)度進(jìn)行了擴(kuò)展，神經(jīng)網(wǎng)絡(luò)根據(jù)學(xué)習(xí)和訓(xùn)練的專家打分邏輯，加入了浮點(diǎn)型打分?jǐn)?shù)據(jù)，而不限于整數(shù)，這使得每一個(gè)因子的重要性標(biāo)度精確性更高，因子兩兩之間可以產(chǎn)生更精確的中間值，計(jì)算出更加精準(zhǔn)的權(quán)重值，提高了指標(biāo)體系構(gòu)建的精度。

圖2 神經(jīng)網(wǎng)絡(luò)示意

3 評(píng)價(jià)體系構(gòu)建

3.1 指標(biāo)選取

根據(jù)聯(lián)合國(guó)開(kāi)發(fā)計(jì)劃署對(duì)災(zāi)害風(fēng)險(xiǎn)的定義[16]，風(fēng)險(xiǎn)是在一定區(qū)域和給定時(shí)段內(nèi)，由于特定的自然災(zāi)害而引起的人民生命財(cái)產(chǎn)和經(jīng)濟(jì)生活的期望損失值。本文采用“風(fēng)險(xiǎn)度(R)=危險(xiǎn)度(H)+易損度(V)+防災(zāi)減災(zāi)能力(F)”的表達(dá)式，借鑒廣東地區(qū)臨近區(qū)域[17]的風(fēng)險(xiǎn)區(qū)劃前人研究成果[13]，綜合考慮沿海地區(qū)的氣候特征以及研究區(qū)域的基本情況，選取了11個(gè)指標(biāo)?；贏rcgis以DEM數(shù)據(jù)為基礎(chǔ)進(jìn)行評(píng)價(jià)體系構(gòu)建[18]。危險(xiǎn)性指標(biāo)主要依據(jù)評(píng)價(jià)區(qū)域內(nèi)的自然環(huán)境、水文氣候條件，統(tǒng)計(jì)資料和遙感數(shù)據(jù)，描述區(qū)域內(nèi)發(fā)生內(nèi)澇災(zāi)害的可能和危險(xiǎn)程度。在內(nèi)澇災(zāi)害發(fā)生的危險(xiǎn)性因子中，降雨是引發(fā)內(nèi)澇災(zāi)害的主導(dǎo)因素，其影響力最大，高程、坡度、地表不透水率等下墊面條件又為內(nèi)澇災(zāi)害的發(fā)生提供了孕災(zāi)環(huán)境，但影響力較降雨??；在內(nèi)澇災(zāi)害易損性分析的各指標(biāo)中，人口是內(nèi)澇災(zāi)害中最重要的保護(hù)對(duì)象，地均GDP反映了資產(chǎn)暴露狀況和下墊面土壤持水能力影響防洪能力，因此人口和地均GDP對(duì)內(nèi)澇災(zāi)害易損性評(píng)價(jià)有重大影響。此外，人均GDP、水利設(shè)施密度、醫(yī)療救助點(diǎn)密度和河網(wǎng)密度反映對(duì)內(nèi)澇災(zāi)害的抵抗能力和受災(zāi)時(shí)候的恢復(fù)能力，對(duì)內(nèi)澇災(zāi)害的防災(zāi)減災(zāi)能力有重要影響。

3.2 權(quán)重確定

本文通過(guò)CR值對(duì)權(quán)重進(jìn)行一致性檢驗(yàn)，生成并采用的判斷矩陣見(jiàn)表2。

表2 各層次重要性量化值及檢驗(yàn)結(jié)果

根據(jù)重要性分析結(jié)果，計(jì)算得到A-B層相對(duì)權(quán)重、B-C層相對(duì)權(quán)重以及C層在整個(gè)評(píng)價(jià)體系中的相對(duì)權(quán)重(表3)，在危險(xiǎn)性層次中，如前文所說(shuō)降雨是主導(dǎo)性因子，其權(quán)重也高達(dá)0.451；其次高程影響坡度，決定水流流向，也是重要影響因子。而對(duì)于地表不透水率和河網(wǎng)密度，其影響力在危險(xiǎn)性中相對(duì)偏低，且重要性相當(dāng)，若不采用改進(jìn)的權(quán)重分析加入小數(shù)位標(biāo)度，則難以區(qū)分其相對(duì)權(quán)重。易損性中根據(jù)以人為本的原則，人口密度權(quán)重最高，其次是經(jīng)濟(jì)實(shí)力。防災(zāi)減災(zāi)層中人均GDP是最主要的衡量標(biāo)準(zhǔn)，其權(quán)重高達(dá)0.490。

表3 各層因子及其權(quán)重成果

3.3 評(píng)價(jià)模型構(gòu)建

內(nèi)澇和山洪災(zāi)害風(fēng)險(xiǎn)分析主要依照基于改進(jìn)權(quán)重層次分析法建立的指標(biāo)體系和權(quán)重對(duì)各指標(biāo)層的指標(biāo)進(jìn)行匯總，最終得出各柵格的內(nèi)澇風(fēng)險(xiǎn)值。風(fēng)險(xiǎn)值越高，意味著面臨的內(nèi)澇風(fēng)險(xiǎn)越大。利用ArcGIS柵格計(jì)算器將不同指標(biāo)圖層疊加起來(lái)，得到危險(xiǎn)性、易損性和風(fēng)險(xiǎn)性柵格分布圖。

(1)

(2)

(3)

風(fēng)險(xiǎn)性：D=f(H,V,F)=ωHH+ωVV-ωFF

(4)

hi、vi、pi為各個(gè)柵格單元經(jīng)過(guò)標(biāo)準(zhǔn)化處理后危險(xiǎn)性指標(biāo)、易損性指標(biāo)和防災(zāi)減災(zāi)能力指標(biāo)的取值。

根據(jù)表3得到的內(nèi)澇災(zāi)害風(fēng)險(xiǎn)指標(biāo)體系及權(quán)重，得到本文危險(xiǎn)性、易損性和風(fēng)險(xiǎn)性計(jì)算公式(其中防災(zāi)減災(zāi)能力會(huì)被反向歸一化加權(quán))：

危險(xiǎn)性(H)=0.451CH1+0.239CH2+0.159CH3+0.151CH4

(5)

易損性(V)=0.248CV5+0.452CV6+0.167CV7+0.133CV8

(6)

防災(zāi)減災(zāi)能力(F)=0.490CF9+0.221CF10+0.289CF11

(7)

風(fēng)險(xiǎn)性(R)=0.519H+0.333V+0.148F

(8)

式中 CH1、CH2、CH3、CH4、CV5、CV6、CV7、CV8、CF9、CF10、CF11——各柵格單元經(jīng)過(guò)歸一化處理后的暴雨綜合指標(biāo)、高程、不透水率、河網(wǎng)密度、地均GDP、人口密度、路網(wǎng)密度、土地利用、人均GDP、醫(yī)療救助點(diǎn)、水利設(shè)施分布。

各指標(biāo)具體分布信息見(jiàn)圖3。

a)暴雨綜合指標(biāo)

4 結(jié)果分析與討論

4.1 準(zhǔn)則層評(píng)價(jià)結(jié)果

根據(jù)權(quán)重計(jì)算危險(xiǎn)性圖層，見(jiàn)圖4a，濠江區(qū)洪澇危險(xiǎn)性集中在中南部地區(qū)。按分鎮(zhèn)來(lái)看，河浦街道、玉新街道、濱海街道、馬滘街道，在不透水率因子上具有較高的危險(xiǎn)性，在坡度因子上也具有較高的危險(xiǎn)性，同時(shí)從暴雨綜合指標(biāo)上看，其危險(xiǎn)性在整個(gè)濠江區(qū)也是偏高的，這4個(gè)街道的綜合危險(xiǎn)性偏高；達(dá)濠街道由于地勢(shì)較高，高程危險(xiǎn)性較低，疊加后的危險(xiǎn)性偏低；而廣澳街道各因子的危險(xiǎn)性均不高，因此最后呈現(xiàn)較低的危險(xiǎn)性；礐石街道整體危險(xiǎn)性等級(jí)分布較為均勻，這與每一個(gè)權(quán)重因子分析得到的結(jié)果相符合。

濠江區(qū)內(nèi)澇災(zāi)害易損性區(qū)域性十分明顯，見(jiàn)圖4b，高風(fēng)險(xiǎn)區(qū)主要集中在中部的玉新街道、濱海街道、馬滘街道、達(dá)濠街道。這些地區(qū)人口密集，地均GDP也較高，路網(wǎng)密集，一旦發(fā)生洪澇災(zāi)害，容易造成巨大的經(jīng)濟(jì)損失、人員傷亡。河浦街道和廣澳街道易損性較小，這是因?yàn)檫@2個(gè)地區(qū)地廣人稀，地均GDP較小，人口密度也不高，路網(wǎng)密集程度也相對(duì)較低。

在濠江區(qū)西南部，玉新街道、濱海街道、馬滘街道附近，具有較高程度的人均GDP，且醫(yī)療救助點(diǎn)分布密集，雖然缺少水庫(kù)防災(zāi)減災(zāi)的加持，但是仍然具有高等級(jí)的防災(zāi)減災(zāi)能力，見(jiàn)圖4c。在人均GDP偏低、醫(yī)療救助點(diǎn)和水庫(kù)分布較少的東部，防災(zāi)減災(zāi)能力趨于低和微等級(jí)。

a)危險(xiǎn)性分布

4.2 目標(biāo)層風(fēng)險(xiǎn)性驗(yàn)證

濠江區(qū)內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中，危險(xiǎn)性指標(biāo)權(quán)重取值最高，易損性次之，防災(zāi)減災(zāi)因子指標(biāo)權(quán)重最低。將4.1中的準(zhǔn)則層成果按照神經(jīng)網(wǎng)絡(luò)生成的權(quán)重疊加后，得到濠江區(qū)風(fēng)險(xiǎn)等級(jí)。同時(shí)，將濠江區(qū)歷史災(zāi)害調(diào)查得到的歷史災(zāi)害點(diǎn)在圖中標(biāo)識(shí)，進(jìn)行可行性驗(yàn)證。風(fēng)險(xiǎn)性較高的區(qū)域集中在中部的玉新街道、濱海街道、馬滘街道、達(dá)濠街道，而廣澳街道和礐石街道整體的風(fēng)險(xiǎn)性相對(duì)較低，但是也不能疏于防御。將濠江區(qū)內(nèi)澇災(zāi)害危險(xiǎn)等級(jí)分布圖與易澇點(diǎn)進(jìn)行比對(duì)，見(jiàn)圖5。結(jié)果顯示濠江區(qū)的內(nèi)澇點(diǎn)主要分布在人口密集的中南部，玉新街道、馬滘街道、濱海街道。與風(fēng)險(xiǎn)性等級(jí)的分布進(jìn)行對(duì)比，傳統(tǒng)AHP法和改進(jìn)權(quán)重的AHP法均有80%歷史洪澇災(zāi)害點(diǎn)分布在極高風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)區(qū)域，其余的大多零散分布在中風(fēng)險(xiǎn)的區(qū)域，驗(yàn)證效果良好，因此本文構(gòu)建的內(nèi)澇風(fēng)險(xiǎn)評(píng)價(jià)模型的精度較高，可較好地反映該區(qū)域的內(nèi)澇風(fēng)險(xiǎn)。在改進(jìn)權(quán)重的AHP法中，更多的歷史災(zāi)害點(diǎn)發(fā)生在了極高風(fēng)險(xiǎn)區(qū)，且在礐石街道南部的中高風(fēng)險(xiǎn)區(qū)域比其傳統(tǒng)的AHP法涵蓋了更多的歷史洪澇災(zāi)害點(diǎn)，具有更好的評(píng)價(jià)效果。此外圖5中存在少量分布于低風(fēng)險(xiǎn)區(qū)的歷史洪澇災(zāi)害點(diǎn)，這可能是由于歷史災(zāi)害統(tǒng)計(jì)的時(shí)間跨度較大，部分區(qū)域由于城市化、堤防修建等原因，已經(jīng)具有了更好的防范能力，但其在災(zāi)害發(fā)生年份風(fēng)險(xiǎn)性等級(jí)并不低。

a)傳統(tǒng)AHP法

4.3 分街道的風(fēng)險(xiǎn)值評(píng)估

洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)劃分為微風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)、極高風(fēng)險(xiǎn)共五級(jí)等級(jí)，對(duì)應(yīng)風(fēng)險(xiǎn)值為1、2、3、4、5。地區(qū)總體風(fēng)險(xiǎn)值為對(duì)應(yīng)風(fēng)險(xiǎn)等級(jí)區(qū)域面積乘以該等級(jí)風(fēng)險(xiǎn)值的加權(quán)平均結(jié)果，具體計(jì)算公式如下[19]:

risk =(1×A1+ 2×A2+3×A3+ 4×A4+ 5×A5)/(A1+A2+A3+A4+A5)

(9)

式中A1、A2、A3、A4、A5——微風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)、極高風(fēng)險(xiǎn)等級(jí)的面積。

由式(9)計(jì)算出濠江區(qū)及其各個(gè)街道總體風(fēng)險(xiǎn)值以及各個(gè)街道不同風(fēng)險(xiǎn)等級(jí)占比，見(jiàn)表4。

表4 濠江區(qū)各鎮(zhèn)街風(fēng)險(xiǎn)值及占比分布

從各風(fēng)險(xiǎn)等級(jí)的分鎮(zhèn)分布情況來(lái)看，極高風(fēng)險(xiǎn)區(qū)、高風(fēng)險(xiǎn)區(qū)、低風(fēng)險(xiǎn)區(qū)、微風(fēng)險(xiǎn)區(qū)比例最高的分別是達(dá)濠街道、馬滘街道、河浦街道、廣澳街道。整體而言，濠江區(qū)的風(fēng)險(xiǎn)等級(jí)呈現(xiàn)出東北低西南高的特點(diǎn)。此特點(diǎn)與準(zhǔn)則層三因子密切相關(guān)，如上文所提及西南部人口密集，經(jīng)濟(jì)發(fā)達(dá)，路網(wǎng)密集，當(dāng)災(zāi)害發(fā)生時(shí)，容易威脅到財(cái)產(chǎn)和人身安全，具有較高的易損性。然而，此類(lèi)經(jīng)濟(jì)發(fā)達(dá)地區(qū)受到重視，往往也會(huì)具有更強(qiáng)的防災(zāi)減災(zāi)能力，如密集的醫(yī)院和堤防，但由于防災(zāi)減災(zāi)能力在準(zhǔn)則層中權(quán)重偏低，對(duì)總體風(fēng)險(xiǎn)值的抵消能力有限，因此西南部地區(qū)綜合來(lái)說(shuō)，風(fēng)險(xiǎn)值偏高。

5 結(jié)語(yǔ)與展望

本文基于改進(jìn)的AHP法構(gòu)建了汕頭市濠江區(qū)的洪澇風(fēng)險(xiǎn)評(píng)價(jià)模型并進(jìn)行聚類(lèi)分析，得到了濠江區(qū)分鎮(zhèn)的風(fēng)險(xiǎn)值以及風(fēng)險(xiǎn)分布圖，并運(yùn)用歷史災(zāi)害數(shù)據(jù)驗(yàn)證了成果的合理性。其中，在AHP法的權(quán)重獲取階段，本研究采用神經(jīng)網(wǎng)絡(luò)算法改進(jìn)了傳統(tǒng)的單一專家打分?jǐn)?shù)據(jù)，對(duì)重要性分值進(jìn)行生成，其具有2個(gè)明顯的優(yōu)勢(shì)：訓(xùn)練時(shí)綜合了更多的相關(guān)數(shù)據(jù)，并且最終結(jié)果由機(jī)器學(xué)習(xí)生成，在一定程度上減小了AHP法中的主觀性問(wèn)題；拓展了傳統(tǒng)的九分法標(biāo)度，傳統(tǒng)的九分法相關(guān)中間值僅采用偶數(shù)2、4、6、8，而神經(jīng)網(wǎng)絡(luò)生成的中間值加入了3位小數(shù)，使得其值閾更加精確，權(quán)重可信度更高。這是使用傳統(tǒng)的人工評(píng)分方式所難以達(dá)成的。

該地區(qū)相關(guān)部門(mén)根據(jù)各鎮(zhèn)街的風(fēng)險(xiǎn)分布及風(fēng)險(xiǎn)值結(jié)合實(shí)際情況開(kāi)展更有效的工作，也可以在一定的時(shí)效年限內(nèi)為洪澇災(zāi)害的預(yù)警發(fā)布提供科學(xué)指導(dǎo)。具體要點(diǎn)如下：濠江區(qū)危險(xiǎn)性分布為西南高，東北低，主要原因是西南地區(qū)高降雨和低地勢(shì)的影響，高危險(xiǎn)性的地區(qū)應(yīng)該更注重對(duì)災(zāi)害的防御；易損性區(qū)域性十分明顯，主要集中在中部的玉新街道、濱海街道、馬滘街道、達(dá)濠街道。這些地區(qū)人口密集，地均GDP也較高，路網(wǎng)密集，災(zāi)害一旦發(fā)生，損失巨大，這些地區(qū)除了增設(shè)防御性設(shè)施外，也需要更優(yōu)質(zhì)的疏散、轉(zhuǎn)移方案，保護(hù)人員和財(cái)產(chǎn)安全。從防災(zāi)減災(zāi)能力上看，在濠江區(qū)西南部，玉新街道、濱海街道、馬滘街道附近，具有較高程度的人均GDP，且醫(yī)療救助點(diǎn)分布密集，雖然缺少水庫(kù)防災(zāi)減災(zāi)的加持，但是仍然具有高等級(jí)的防災(zāi)減災(zāi)能力。根據(jù)風(fēng)險(xiǎn)性分布以及風(fēng)險(xiǎn)值計(jì)算成果，濠江區(qū)為中風(fēng)險(xiǎn)水平，總體風(fēng)險(xiǎn)值為2.801。但玉新街道、濱海街道、馬滘街道風(fēng)險(xiǎn)值均超過(guò)了4，達(dá)濠街道風(fēng)險(xiǎn)值也接近于4，這些地區(qū)具有相當(dāng)高的風(fēng)險(xiǎn)性，歷史洪澇災(zāi)害也主要集中于這些地區(qū)，需要在后續(xù)的工作中更為重視。

由于AHP法中權(quán)重存在的主觀性目前難以完全根除，所以本文對(duì)權(quán)重的改進(jìn)也只能部分減少主觀性，因?yàn)樯窠?jīng)網(wǎng)絡(luò)訓(xùn)練集的數(shù)據(jù)依舊要根據(jù)專家打分法獲取，并且人為打分會(huì)受到九分法的局限性的影響，導(dǎo)致訓(xùn)練集的數(shù)據(jù)尚不夠龐大，這些都是可以改進(jìn)的地方。未來(lái)可以在一定的規(guī)則限制下，在小數(shù)閾再進(jìn)一步擴(kuò)充訓(xùn)練集。