基于格網(wǎng)數(shù)據(jù)和博弈論組合賦權(quán)的中巴經(jīng)濟(jì)走廊洪災(zāi)風(fēng)險(xiǎn)評價(jià)

吳瑞英，孫懷衛(wèi)※，嚴(yán) 冬，陶 輝，廖衛(wèi)紅，陳皓銳，桂東偉

（1.華中科技大學(xué)土木與水利工程學(xué)院，武漢 430074；2.中國科學(xué)院新疆生態(tài)與地理研究所，烏魯木齊 830011；3.中國水利水電科學(xué)研究院，北京 100038）

0 引 言

洪水災(zāi)害是當(dāng)前影響范圍最為廣泛、發(fā)生次數(shù)最多且損失最為嚴(yán)重的自然災(zāi)害之一[1]。在防汛抗洪、搶險(xiǎn)救災(zāi)等決策過程中開展合理的洪水風(fēng)險(xiǎn)評估對于減少洪災(zāi)所造成的生命財(cái)產(chǎn)損失、指導(dǎo)洪水威脅區(qū)土地開發(fā)利用具有重要作用[2]。風(fēng)險(xiǎn)評價(jià)方法日漸成熟，已被運(yùn)用到洪災(zāi)評價(jià)中，如楊樂嬋等[3]利用粗糙集約簡的BP神經(jīng)網(wǎng)絡(luò)算法來快速獲取洪災(zāi)風(fēng)險(xiǎn)、基于地理信息系統(tǒng)（GIS）空間處理能力的集成系統(tǒng)已經(jīng)逐漸成為了洪災(zāi)風(fēng)險(xiǎn)評價(jià)強(qiáng)有力的工具[4-5]。通過探索，將GIS工具與洪災(zāi)評估方法等相結(jié)合應(yīng)用于洪災(zāi)風(fēng)險(xiǎn)評估，劉家福等[6]基于層次分析法（Analytic Hierarchy Process，GIS-AHP）集成給出了淮河流域的洪水危險(xiǎn)性評價(jià)和易損性評價(jià)，傅春等[7]建立了基于 GIS空間信息單元格的區(qū)域洪災(zāi)損失快速評估模型并驗(yàn)證其精度可信。一些學(xué)者從洪水災(zāi)害系統(tǒng)的高維性、復(fù)雜性、不確定性等特征出發(fā)，建議采用考慮不確定性的方法，如任玉峰等[8]結(jié)合了基于證據(jù)理論和可變模糊集來處理洪災(zāi)風(fēng)險(xiǎn)評估中的不確定性問題，金菊良等[9]建議綜合考慮主客觀不確定問題并推薦了基于廣義熵智能分析的洪水災(zāi)害風(fēng)險(xiǎn)管理方法，鄒強(qiáng)等[10-11]進(jìn)一步研究了基于最大熵原理和屬性區(qū)間識別理論的洪水災(zāi)害風(fēng)險(xiǎn)分析方法。為克服洪災(zāi)風(fēng)險(xiǎn)評估中主客觀權(quán)重不確定性的問題，引入考慮多個(gè)決策主體相互影響和決策均衡的博弈論原理[12-13]，能夠較好地兼顧決策者的經(jīng)驗(yàn)判斷從而獲得更加合理的洪災(zāi)風(fēng)險(xiǎn)評估結(jié)果。

中巴經(jīng)濟(jì)走廊的建設(shè)可能會(huì)影響區(qū)域生態(tài)環(huán)境的脆弱性，也可能會(huì)使該地區(qū)面臨極大的自然災(zāi)害風(fēng)險(xiǎn)。資料統(tǒng)計(jì)，印度河干支流發(fā)生過多次洪水，造成了嚴(yán)重的人口經(jīng)濟(jì)損失[14]。對洪水過程的分析也表明，俾路支省、信德省等面臨著較大的洪水風(fēng)險(xiǎn)[15]。洪澇災(zāi)害的形成是一個(gè)多因素綜合作用的結(jié)果，有研究給出了洪澇災(zāi)害風(fēng)險(xiǎn)評的指標(biāo)體系，針對不同的下墊面情況有不同的指標(biāo)結(jié)合[16]。尤其是對于易損性的評估，需要綜合社會(huì)、經(jīng)濟(jì)、生態(tài)等多維度進(jìn)行綜合評估。確定各評價(jià)指標(biāo)的權(quán)重是該項(xiàng)研究的難點(diǎn)，許多研究中的指標(biāo)權(quán)重是通過專家打分，利用層次分析法來確定，主觀性較重。對中巴經(jīng)濟(jì)走廊開展可靠的洪災(zāi)風(fēng)險(xiǎn)評估，對于保障“一帶一路”戰(zhàn)略具有重要的意義。博弈論作為多因素競爭下的決策方法已得到較好應(yīng)用[17]，本文嘗試克服洪災(zāi)風(fēng)險(xiǎn)評估中主客觀權(quán)重不確定性的問題，通過引入考慮多個(gè)決策主體相互影響和決策均衡的博弈論原理對原有博弈論優(yōu)化，使其能夠較好兼顧決策者的經(jīng)驗(yàn)判斷，從而獲得更加合理的洪災(zāi)風(fēng)險(xiǎn)評估結(jié)果。

遙感影像地圖學(xué)在風(fēng)險(xiǎn)評價(jià)當(dāng)中發(fā)揮了越來越大的作用，用高分辨率區(qū)域格網(wǎng)數(shù)據(jù)能便捷地得到可靠的區(qū)域風(fēng)險(xiǎn)評價(jià)結(jié)果[18]。本文在中巴經(jīng)濟(jì)走廊開展洪災(zāi)風(fēng)險(xiǎn)評估使用中巴經(jīng)濟(jì)走廊0.25°×0.25°格點(diǎn)數(shù)據(jù)集（V1）中的日降水?dāng)?shù)據(jù)集，基于博弈論原理耦合主觀權(quán)重和客觀權(quán)重，考慮區(qū)域現(xiàn)狀特點(diǎn)和災(zāi)害系統(tǒng)理論構(gòu)建評價(jià)指標(biāo)體系，并對中巴經(jīng)濟(jì)走廊內(nèi)不同年代洪災(zāi)風(fēng)險(xiǎn)進(jìn)行評估，以期為該重點(diǎn)地區(qū)可持續(xù)發(fā)展和基礎(chǔ)設(shè)施建設(shè)等方面提供理論參考與決策支持。

1 材料與方法

1.1 研究區(qū)概況

中巴經(jīng)濟(jì)走廊（China-Pakistan Economic Corridor，CPEC，圖1）從巴基斯坦的瓜爾達(dá)港延伸至中國喀什[19]，其范圍主要涵蓋巴基斯坦全境、中國新疆喀什及其周邊地區(qū)，全長約3 000 km，總面積約為93.2萬km2。研究區(qū)位于南亞次大陸的西北部，氣溫降水量的年際差別明顯，每年的 7—9月受西南季風(fēng)的影響，區(qū)域性極端降水事件增多、洪水頻發(fā)。CPEC南部受印度洋季風(fēng)氣候影響明顯，北部屬于亞洲的內(nèi)陸區(qū)域，青藏高原在此分布，區(qū)內(nèi)約有60%為山區(qū)和丘陵。印度河是一條貫穿巴基斯坦全境的國際性河流，其自旁遮普（Punjab）平原以后也逐漸寬闊，在平原區(qū)水流流速變小、水流挾沙力變小，導(dǎo)致所帶泥沙落淤、河床不斷抬高，極易發(fā)生洪水災(zāi)害，引起大片地區(qū)被淹，由此也造成了嚴(yán)重的人員傷亡和社會(huì)經(jīng)濟(jì)損失[14]。近年來，該區(qū)年平均氣溫以0.415 ℃/10a的速率上升，進(jìn)入21世紀(jì)以來，氣溫上升速率更快；在1961—2013年間，中巴經(jīng)濟(jì)走廊地區(qū)年降水量呈現(xiàn)波動(dòng)上升趨勢，20世紀(jì)90年代以來，降水量明顯上升，極端氣候事件顯著，洪災(zāi)事件頻發(fā)。據(jù)統(tǒng)計(jì)，過去的 70年期間，中巴經(jīng)濟(jì)走廊地區(qū)共發(fā)生了25場主要洪水事件，幾乎每隔3 a就要發(fā)生一次，洪澇災(zāi)害累計(jì)在巴基斯坦造成了超過300億美元的損失，大約有25 502人喪生，共197 273個(gè)村莊遭到破壞，影響的土地面積達(dá)616 598 km2，洪澇災(zāi)害已經(jīng)成為影響當(dāng)?shù)亟?jīng)濟(jì)社會(huì)發(fā)展的最主要挑戰(zhàn)之一。

1.2 中巴經(jīng)濟(jì)走廊區(qū)域降水?dāng)?shù)據(jù)集

為獲得該區(qū)域精確可靠的洪災(zāi)風(fēng)險(xiǎn)評價(jià)結(jié)果，本文基于1961—2013年該區(qū)氣溫和降水0.25°×0.25°格點(diǎn)數(shù)據(jù)集（V1）開展工作，該數(shù)據(jù)集利用專業(yè)氣象插值軟件Anusplin結(jié)合三維地理空間信息進(jìn)行空間插值得來，并通過廣義交叉驗(yàn)證和誤差分析評判插值模型效果（已由中國科學(xué)院新疆生態(tài)和地理研究所發(fā)布）。具體的插值過程如下：

1）降水?dāng)?shù)據(jù)預(yù)處理：格點(diǎn)化所用資料包括該區(qū)內(nèi)50個(gè)氣象站逐日資料以及經(jīng)過重采樣的數(shù)字高程模型數(shù)據(jù)（DEM，分辨率為0.25°×0.25°）。插值前對站點(diǎn)數(shù)據(jù)進(jìn)行預(yù)處理，過濾掉完整度不滿足插值的站點(diǎn)，并在滿足設(shè)定完整度的基礎(chǔ)上利用反距離加權(quán)插值法（Inverse Distance Weighted，IDW）對缺測值進(jìn)行逐日逐站點(diǎn)填補(bǔ)。格點(diǎn)化所用資料包括該區(qū)范圍內(nèi)氣象站逐日資料，站點(diǎn)在30°N以南分布較均勻，在30°～35°N分布相對集中，而在研究區(qū)35°N以北地區(qū)受地形和氣流影響全年降水極其稀疏，故予以忽略，由此在站點(diǎn)的選擇上具有較好合理性。

2）Anusplin空間插值：采用二次局部薄盤樣條法對降水?dāng)?shù)據(jù)進(jìn)行空間插值，其中經(jīng)緯度為自變量，高程為協(xié)變量。由于研究區(qū)站點(diǎn)小于2 000個(gè)，因此只執(zhí)行Splina（薄盤光滑樣條函數(shù)）和Lapgrd等相關(guān)主程序模塊，其中Lapgrd用來對局部薄盤光滑樣條表面估值并計(jì)算貝葉斯標(biāo)準(zhǔn)誤差。

3）數(shù)據(jù)評估：選用廣義交叉驗(yàn)證的平方根（Square Root of Generalized Cross Validation，RTGCV；由觀測值誤差和估算值誤差組成，用來評估插值模型優(yōu)劣）的方法進(jìn)行模型插值結(jié)果和觀測值的對比分析，并結(jié)合均方根誤差（RMSE）作為評估插值效果指標(biāo)。經(jīng)驗(yàn)證，降水RMSE整體上表現(xiàn)出從1961年至2013年逐漸增大的趨勢；RTGCV的波動(dòng)具有較為明顯的周期性規(guī)律，夏季較大，秋冬較少，并沒有顯著的年際變化特征；插值格點(diǎn)年平均 RMSE為0.9 mm，表明降水格點(diǎn)數(shù)據(jù)具有較好的精度和插值效果。

1.3 典型洪水選擇

據(jù)巴基斯坦水電規(guī)劃署所發(fā)布的防洪標(biāo)準(zhǔn)，印度河干流灌溉所用攔河閘防洪設(shè)計(jì)標(biāo)準(zhǔn)重現(xiàn)期為20—40 a，沿河提防一般能夠抵御二十年一遇洪水過程。經(jīng)近年來建設(shè)，印度河流域的防洪標(biāo)準(zhǔn)重現(xiàn)期提升至100 a。

據(jù)已有歷史洪水徑流資料，選擇接近防洪標(biāo)準(zhǔn)的典型洪水過程。據(jù)典型站點(diǎn)洪峰洪量、持續(xù)時(shí)間、損失情況等，模擬高、低兩個(gè)典型洪水事件場景，選擇2010年7—8月發(fā)生在西北部山區(qū)并蔓延到整個(gè)印度河流域的洪水過程（近似百年一遇[19]）作為高情景；選擇2011年7 月發(fā)生在吉爾吉特山谷并下泄到中部平原區(qū)洪水過程（近似二十年一遇）為低情景，數(shù)據(jù)來源于OCHA（Office for the Coordination of Humanitarian Affairs）。見表1。

表1 典型洪水信息Table 1 Typical flood information

1.4 改進(jìn)博弈論組合賦權(quán)的洪災(zāi)風(fēng)險(xiǎn)評價(jià)

1.4.1 風(fēng)險(xiǎn)評價(jià)指標(biāo)體系

考慮致災(zāi)因子、孕災(zāi)環(huán)境的危險(xiǎn)性以及承載體的易損性等開展洪災(zāi)風(fēng)險(xiǎn)評價(jià)分析，結(jié)合中巴經(jīng)濟(jì)走廊的具體氣象、地理和歷史洪災(zāi)關(guān)鍵影響因素建立洪災(zāi)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系[20]，見圖2。

在致災(zāi)因子選取過程中，針對降雨量進(jìn)行分析發(fā)現(xiàn)，該區(qū)內(nèi)強(qiáng)降雨大多發(fā)生在 3 d之內(nèi)且在不同時(shí)長降雨中最大三日降雨的雨強(qiáng)和影響面積相關(guān)性最好，因此選用研究區(qū)季風(fēng)期洪水頻發(fā)時(shí)期最具破壞性的累積降雨量和最大三日降雨量為指標(biāo)因子。

地形是影響地表徑流的主要因素，高程與坡度是地形的兩個(gè)主要指標(biāo)，因而會(huì)選取地形因素作為孕災(zāi)環(huán)境的一個(gè)重要組成部分。孕災(zāi)環(huán)境因子中也包括河流，河網(wǎng)密度是描述河流分布疏密的直接指數(shù)（用單位流域的河長和流域面積的比值來表示），其在很大程度上決定了研究區(qū)遭受洪水侵害的難易程度。對于研究區(qū)，河網(wǎng)分布較為密集，印度河流域附近五水匯集，成為導(dǎo)致洪水泛濫的重要因素。土地利用影響下墊面地表徑流過程，其中土地利用類型（文中簡稱土地利用）和植被覆蓋指數(shù)（NDVI）是土地利用的重要指標(biāo)。

基本的社會(huì)經(jīng)濟(jì)指標(biāo)因子選取路網(wǎng)、建筑密度以及人口指標(biāo)，并結(jié)合當(dāng)?shù)馗胤秶鷱V的因素選取耕地面積比指標(biāo)。

對應(yīng)各指標(biāo)進(jìn)行要素收集后統(tǒng)一開展預(yù)處理、柵格化、歸一化等數(shù)據(jù)計(jì)算，隨后采用基于博弈論的組合賦權(quán)法結(jié)合GIS空間分析給出洪災(zāi)風(fēng)險(xiǎn)評價(jià)。

1.4.2 直覺模糊層次分析計(jì)算主觀權(quán)重

直覺模糊層次分析（Intuitionistic Fuzzy Analytic Hierarchy Process，IFAHP）是基于層次分析（AHP）改進(jìn)的主觀賦權(quán)方法[21]，主要計(jì)算步驟如下：

1）構(gòu)造直覺模糊判斷矩陣

在直覺模糊層次分析中，兩兩比較一二級指標(biāo)之間重要程度得到直覺模糊判斷矩陣W=（wij）n×n，它在層次分析判斷判斷矩陣的基礎(chǔ)上增加了猶豫度。其中，wij=(μij,νij)，μij表示隸屬度，即第i個(gè)指標(biāo)比第j個(gè)指標(biāo)相對重要的程度；νij表示非隸屬度，即第j個(gè)指標(biāo)比第i個(gè)指標(biāo)相對重要的程度；wij為直覺模糊數(shù)；i、j分別代表判斷矩陣中的行和列。

2）一致性檢驗(yàn)與直覺模糊一致性判斷矩陣

對收集到的專家偏好（直覺模糊判斷矩陣）進(jìn)行邏輯檢驗(yàn)。在使用直覺模糊層次分析法時(shí)，可利用迭代公式，通過設(shè)置參數(shù)進(jìn)行迭代，從而避免再次打分。

3）一致性檢驗(yàn)公式

式中n為指標(biāo)個(gè)數(shù)；R為直覺模糊判斷矩陣；為直覺模糊一致性判斷矩陣；πij代表猶豫度；分別為μij和vij的線性表達(dá)，

4）權(quán)重計(jì)算

在得到直覺模糊一致性判斷矩陣之后，計(jì)算各指標(biāo)權(quán)重，同層指標(biāo)相對上一層指標(biāo)的權(quán)重wi計(jì)算公式為

本評價(jià)體系共有3個(gè)一級指標(biāo)，11個(gè)二級指標(biāo)。設(shè)一級指標(biāo)的權(quán)重為wk(k= 1 ,2,3;l= 1 ,2,3,...,n)，二級指標(biāo)相對于一級指標(biāo)的權(quán)重為wkl(k= 1 ,2,3)，二級指標(biāo)相對于預(yù)案總評分的綜合權(quán)重為Wkl。由于wk和wkl都為直覺模糊數(shù)，因此綜合權(quán)重計(jì)算需利用直覺模糊數(shù)的運(yùn)算法則（?為直覺模糊數(shù)運(yùn)算符），公式如下：

根據(jù)綜合權(quán)重計(jì)算各指標(biāo)的得分權(quán)重，即最終權(quán)重結(jié)果Hkl和歸一化計(jì)算得綜合權(quán)重結(jié)果。

式中μkl和νkl分別代表二級指標(biāo)相對于一級指標(biāo)的隸屬度和非隸屬度。

1.4.3 CRITIC計(jì)算客觀權(quán)重

CRITIC（Criteria Importance Though Intercrieria Correlation）法是由Diakoulaki提出的一種客觀賦權(quán)方法[22]，綜合運(yùn)用指標(biāo)間的差異性和沖突性計(jì)算權(quán)重是 CRITIC法的基本思想，差異性以標(biāo)準(zhǔn)差σ形式展現(xiàn)，其計(jì)算公式如下：

式中Xk為同一指標(biāo)的第k個(gè)取值；為指標(biāo)取值的平均值。

不同指標(biāo)間的沖突性以相關(guān)系數(shù)ρXY計(jì)算

式中Yk分別為指標(biāo)Y的第k個(gè)取值；X、分別為指標(biāo)X、Y的平均值；N為指標(biāo)選取個(gè)數(shù)。

第l個(gè)指標(biāo)所包含的信息量El為

1.4.4 改進(jìn)博弈論組合賦權(quán)

改進(jìn)博弈論組合賦權(quán)（Improved Combination Weighting Method of Game Theory，ICWGT）通過引入運(yùn)籌學(xué)領(lǐng)域中的博弈論來分析決策行為博弈論相互影響時(shí)的理性及其決策均衡問題，其組合賦權(quán)的思想是在不同賦權(quán)方法當(dāng)中尋找一種一致或者妥協(xié)的賦權(quán)方法，通過使各個(gè)指標(biāo)權(quán)重與最優(yōu)線性組合指標(biāo)權(quán)重之間的離差極小化而達(dá)到平衡的尋優(yōu)方式[23]，從而篩選最優(yōu)組合權(quán)重?；诓┺恼摰慕M合賦權(quán)可表達(dá)為

式中l(wèi)α為線性組合系數(shù)，lα＞0；w為組合權(quán)重向量；wl為各賦權(quán)方法得到的權(quán)重。以組合權(quán)重向量w與所有wl的偏差最小為目標(biāo)，對上式的L個(gè)線性組合系數(shù)進(jìn)行優(yōu)化，即可得到w的最優(yōu)解w*，由此得到的對策模型為

第p個(gè)權(quán)重方法的基本權(quán)重集為wp。其相應(yīng)的最優(yōu)化條件[24]為

通過求解得到線性組合 (α1,α2,… ,αL) ，對其進(jìn)行歸一化處理后得α*，那么組合權(quán)重就可以表示為

從上述的計(jì)算過程可以看出，組合權(quán)重的計(jì)算結(jié)果過分依賴于線性組合系數(shù)，而通過式（12）可以看出線性組合系數(shù) (α1,α2,… ,αL) 的計(jì)算結(jié)果并不能保證為正，若其為負(fù)則與假設(shè)相悖。因此，需要對博弈論模型進(jìn)行改進(jìn)。據(jù)矩陣微分的性質(zhì)，為保證線性組合系數(shù)為正，優(yōu)化對策模型[25]可得

該式與式（11）是同一模型的不同變形式，因線性組合系數(shù) (α1,α2,… ,αL) 一般符合，故借鑒離差最大化客觀賦權(quán)的思想，以上式為目標(biāo)函數(shù)的約束條件[26]，得到如下最優(yōu)化模型：

為求解該模型，構(gòu)建拉格朗日函數(shù)以及求偏導(dǎo)得到最終組合系數(shù)解，并對其進(jìn)行歸一化處理，得改進(jìn)博弈論模型求組合權(quán)重系數(shù)如下：

按照IFAHP的方式得到主觀賦權(quán)的指標(biāo)權(quán)重，并按照CRITIC方法得到客觀賦權(quán)的指標(biāo)權(quán)重，在這兩者的基礎(chǔ)上通過改進(jìn)的博弈論組合賦權(quán)計(jì)算組合系數(shù)并歸一化得到最終帶組合賦權(quán)的指標(biāo)權(quán)重。

1.5 區(qū)域地理數(shù)據(jù)處理

本研究綜合考慮多種數(shù)據(jù)源構(gòu)建 CPEC區(qū)域地理數(shù)據(jù)集，采用重采樣方法解決多種數(shù)據(jù)源空間數(shù)據(jù)分辨率差異。選用30 m分辨率的DEM數(shù)據(jù)（下載自地理空間數(shù)據(jù)云），對原始DEM進(jìn)行填洼處理、水流方向提取、洼地提取、洼地深度計(jì)算以及洼地填充等，得到無洼DEM以及坡度數(shù)據(jù)。經(jīng)驗(yàn)證，經(jīng)過處理后的地形和高程數(shù)據(jù)能夠很好地表征實(shí)際地形特征，并能夠較好地適應(yīng)后續(xù)指標(biāo)權(quán)重的計(jì)算需求。

將原有土地利用劃分為 10類（分類中考慮植被和水利設(shè)施等因子影響），采用GlobeLand30（30 m全球地表覆蓋數(shù)據(jù)，自全國地理信息資源目錄服務(wù)系統(tǒng)中下載）按照影響程度排序，在GIS中進(jìn)行波段融合拼接裁剪等工作生成研究區(qū)內(nèi)的地表覆蓋圖，并獲取耕地部分面積指標(biāo)。由Landsat8衛(wèi)星數(shù)據(jù)經(jīng)過影像處理和波段運(yùn)算等得到分析所需的NDVI指標(biāo)；進(jìn)一步選取Gridded Population of the World（GPW）V4人口密度數(shù)據(jù)集（格網(wǎng)0.25°、30 km分辨率）獲取了研究區(qū)內(nèi)的人口密度數(shù)據(jù)，通過收集來的人口數(shù)據(jù)在GIS中進(jìn)行拼接融合去噪歸一化處理；為獲取建筑物密度，本研究采用以中巴經(jīng)濟(jì)走廊2010年Quickbird正射影像為主要數(shù)據(jù)源，通過空間計(jì)算最終求得建筑物密度，借助RS技術(shù)提取建筑物，采用GIS技術(shù)進(jìn)行格網(wǎng)化處理、定量計(jì)算和可視化表達(dá)，分析研究區(qū)建筑面積比的空間分布。基于路網(wǎng)數(shù)據(jù)（來源于 OpenStreetMap）經(jīng)上述類似處理繪制了路網(wǎng)密度圖。

需要指出，在小區(qū)域內(nèi)經(jīng)常由河道水位與住戶地坪高程的對比關(guān)系可判斷是否成災(zāi)，但對于缺乏實(shí)測數(shù)據(jù)的較大區(qū)域并不太適用。參考陳華麗等[27]在基于 GIS的區(qū)域洪水災(zāi)害評價(jià)當(dāng)中采用的綜合風(fēng)險(xiǎn)評價(jià)指標(biāo)體系的方式在宏觀上進(jìn)行區(qū)域風(fēng)險(xiǎn)圖的劃分，并未進(jìn)行河道水位與住戶地坪高程的對比也得到了精準(zhǔn)的分區(qū)統(tǒng)計(jì)效果。對于整個(gè) CPEC而言區(qū)域較大，相應(yīng)數(shù)據(jù)不好獲得或者精準(zhǔn)度不足，故本文DEM精度仍選為30 m分辨率。

2 結(jié)果與分析

2.1 危險(xiǎn)性與易損性指標(biāo)分析

按照所收集和處理后的中巴經(jīng)濟(jì)走廊的數(shù)據(jù)，對研究區(qū)內(nèi)的危險(xiǎn)性與易損性指標(biāo)進(jìn)行分析，所有數(shù)據(jù)均經(jīng)過歸一化處理，結(jié)果見圖3和圖4。

降雨是洪水災(zāi)害當(dāng)中最為重要的致災(zāi)因子。此次研究選用了2010年的百年一遇降水資料，對其造成的特大洪水進(jìn)行風(fēng)險(xiǎn)劃分；同時(shí)采用了1990和2000年的降水資料進(jìn)行危險(xiǎn)性評價(jià)等級區(qū)劃的對比；選用2010年7月27日—8月12日的格點(diǎn)降雨數(shù)據(jù)，通過雨量疊加等方法得到相應(yīng)的累積降雨量以及最大三日降雨量，如圖3a和圖3b所示。考慮河網(wǎng)和土地利用數(shù)據(jù)對洪災(zāi)的重要影響[28-29]，分析得到研究區(qū)河網(wǎng)密度數(shù)據(jù)（圖3c）和土地利用數(shù)據(jù)（圖3d）；數(shù)據(jù)處理后得到的無洼DEM數(shù)據(jù)以及坡度數(shù)據(jù)分別如圖3f和圖3g所示。

由圖3a和圖3b可見，累積降雨量在北部山區(qū)、旁遮普與信德省交界的南部地帶較大，總體呈現(xiàn)西部少、東部多的趨勢，這一現(xiàn)象主要出現(xiàn)在季風(fēng)季節(jié)，可能是由于巴基斯坦季風(fēng)性強(qiáng)降雨引起的?？傮w來說，最大三日降雨與累積降雨量分布基本一致，降雨致災(zāi)危險(xiǎn)性呈現(xiàn)出東部地區(qū)高于西部地區(qū)的特點(diǎn)。由圖3c可以看到河網(wǎng)密度呈現(xiàn)中部東部南部大、西部少的趨勢，這也與前述區(qū)域特性基本相符。由圖3d可以看出耕地及人工地表主要分布在沿河平原，洪災(zāi)危險(xiǎn)性在該地區(qū)突出。圖3e中植被主要分布在中部平原區(qū)和印度河兩岸，植被越豐富，相比較而言根系涵水能力越強(qiáng)，則發(fā)生洪災(zāi)的可能性越小。根據(jù)圖3f和圖3g，中巴經(jīng)濟(jì)走廊海拔較高和地形變化較大的地區(qū)主要集中在西北部，東南部海拔較低、地形變化較小，地勢較為平坦?？傮w上地形致災(zāi)危險(xiǎn)性呈現(xiàn)出東南部地區(qū)高于西北部地區(qū)的特點(diǎn)。

洪水災(zāi)害的易損性評價(jià)是據(jù)場次洪水對承災(zāi)體所造成的損失來估量的，選用了人口密度、路網(wǎng)密度、耕地面積比和建筑物面積比為易損性的主要評價(jià)指標(biāo)。由圖4可知，人口主要集中在印度河流域和旁遮普平原附近，這也是洪水發(fā)生的主要區(qū)域以及會(huì)造成嚴(yán)重人口傷亡的原因之一；建筑在整個(gè)區(qū)域內(nèi)顯示不明顯，但在巴基斯坦的首都伊斯蘭堡零星分布；路網(wǎng)主要分布在研究區(qū)的的東部平原、東南部地區(qū)，該分布情況與人口分布狀態(tài)大致吻合；從土地利用數(shù)據(jù)中提取耕地部分的數(shù)據(jù)并經(jīng)過柵格疊加計(jì)算得到耕地面積比，耕地主要分布在旁遮普平原即五水匯流的地區(qū)和人口密度大的地區(qū)。

2.2 指標(biāo)權(quán)重

累積降雨量、最大三日降雨量、河網(wǎng)、高程、坡度、土地利用等6個(gè)危險(xiǎn)性評價(jià)指標(biāo)的權(quán)重見表2。

表2 不同賦權(quán)法下的指標(biāo)權(quán)重對比Table 2 Comparison of index weights under different weighting methods

在利用改進(jìn)博弈論計(jì)算的權(quán)重指標(biāo)當(dāng)中，累積降雨量和最大三日降雨量二者權(quán)重總占比0.338，占據(jù)較大比例；在歷史洪水調(diào)查中，降水指標(biāo)作為致災(zāi)因子對于洪水起到了決定性作用，另據(jù)風(fēng)險(xiǎn)圖統(tǒng)計(jì)也可見降雨指標(biāo)在洪災(zāi)風(fēng)險(xiǎn)圖里表現(xiàn)明顯；地形因素高程（DEM）和坡度的影響是形成徑流的產(chǎn)流條件，二者總權(quán)重占比0.314；與此類似，河網(wǎng)密度指標(biāo)也占據(jù)較大比例，這指標(biāo)權(quán)重都體現(xiàn)了其合理性?？偟膩碚f，改進(jìn)博弈論法中充分考慮了主觀權(quán)重和客觀權(quán)重的差異，如其累積降雨量、最大三日降雨量等權(quán)重表現(xiàn)了IFAHP和CRITIC兩者權(quán)重兼顧的特征。改進(jìn)后的權(quán)重使得指標(biāo)主觀賦值適當(dāng)削減，客觀信息量賦值相應(yīng)增加，即改進(jìn)的博弈論組合賦權(quán)在主客觀賦值趨于平衡點(diǎn)而達(dá)到最優(yōu)賦權(quán)目的。

2.3 評價(jià)結(jié)果驗(yàn)證

為對最嚴(yán)重情況下的洪災(zāi)風(fēng)險(xiǎn)進(jìn)行評價(jià)，利用自然間斷的分類標(biāo)準(zhǔn)對百年一遇情況下的研究區(qū)的風(fēng)險(xiǎn)等級大小進(jìn)行了相應(yīng)劃分。以IFAHP方法為參照，與改進(jìn)博弈論方法得到的評價(jià)結(jié)果進(jìn)行對比（圖5）。在改進(jìn)博弈論法的結(jié)果中，低風(fēng)險(xiǎn)和中低風(fēng)險(xiǎn)以及高風(fēng)險(xiǎn)區(qū)的面積有些許上升，極端風(fēng)險(xiǎn)區(qū)有擴(kuò)大趨勢，更符合百年一遇洪災(zāi)風(fēng)險(xiǎn)分區(qū)特點(diǎn)，顯示了該法對洪災(zāi)風(fēng)險(xiǎn)有更為準(zhǔn)確的描述。從圖5a和圖5b的比較中可見，旁遮普平原區(qū)（人口分布集中且是著名的糧食產(chǎn)區(qū)）的風(fēng)險(xiǎn)劃分更為精細(xì)和具體，顯示了更多的風(fēng)險(xiǎn)等級，因此能提供更多防災(zāi)減災(zāi)信息。統(tǒng)計(jì)得到各個(gè)等級風(fēng)險(xiǎn)分區(qū)的面積（表3），給出了在百年一遇情況下可能遭受不同等級洪水風(fēng)險(xiǎn)的具體面積大小，中高和高風(fēng)險(xiǎn)區(qū)累積面積占比為28.5%。

表3 各風(fēng)險(xiǎn)等級分區(qū)面積比較Table 3 Comparison of zoning areas of each risk level

為進(jìn)一步驗(yàn)證改進(jìn)博弈論法的評價(jià)結(jié)果，將洪水危險(xiǎn)性評價(jià)結(jié)果與2010年巴基斯坦洪水實(shí)際受災(zāi)調(diào)查情況進(jìn)行對比（表4），該數(shù)據(jù)來源于OCHA統(tǒng)計(jì)的2010年8月份實(shí)際洪災(zāi)影響范圍及損失數(shù)據(jù)。

表4 洪水評價(jià)結(jié)果與實(shí)際洪水面積比較Table 4 Comparison between flood assessment results and actual flood areas

不同風(fēng)險(xiǎn)區(qū)的劃分等級描述為高、中高、中等、中低、低等五類風(fēng)險(xiǎn)區(qū)，由于這種分類難以直接與面積進(jìn)行比較，為此對等級分別賦為 5、4、3、2、1以后進(jìn)行加權(quán)，統(tǒng)計(jì)得到出各地區(qū)風(fēng)險(xiǎn)等級和洪水面積（洪水面積共14.9萬km2）；對風(fēng)險(xiǎn)等級組合值與實(shí)際洪水面積值求取相關(guān)系數(shù)值為0.66，說明評價(jià)結(jié)果與實(shí)際受災(zāi)情況基本一致，也說明該評價(jià)指標(biāo)賦權(quán)具有較強(qiáng)合理性?？臻g分布結(jié)果表明，風(fēng)險(xiǎn)高的區(qū)域皆是地形變化小，降雨集中河網(wǎng)密布且人口密集區(qū)域，這也說明評價(jià)結(jié)果可靠。

2.4 洪災(zāi)風(fēng)險(xiǎn)演變

在洪水風(fēng)險(xiǎn)分析的過程當(dāng)中，降水是最為重要的驅(qū)動(dòng)因素。按照以往的研究，人們會(huì)更多地關(guān)注該區(qū)域的干旱性特征，而關(guān)于極端降水的探究較少，中巴經(jīng)濟(jì)走廊地區(qū)又是洪災(zāi)的高發(fā)區(qū)域，人口經(jīng)濟(jì)分布集中，一旦發(fā)生洪水泛濫則會(huì)造成嚴(yán)重?fù)p失，鑒于近些年來洪水發(fā)生頻率不斷攀升，本文對降雨要素進(jìn)行分析給出洪災(zāi)風(fēng)險(xiǎn)演變的定量結(jié)果。據(jù)歷史降雨數(shù)據(jù)，1990年雨季較大范圍降雨過程最長持續(xù)了13 d，2000年則為8 d。與2000年相比，1990年降雨范圍小，但強(qiáng)度大且持續(xù)時(shí)間更長，因而1990年的洪災(zāi)危險(xiǎn)更大。2010年發(fā)生特大暴雨且持續(xù)時(shí)間長引發(fā)了百年一遇洪水，為這三個(gè)年份之最。在危險(xiǎn)性評價(jià)圖（圖6a～圖6c）中也可以對比分析得到和降雨因子分布變化相同的趨勢，統(tǒng)計(jì)的分區(qū)面積（表5）可見，2010年危險(xiǎn)性高的區(qū)域范圍在擴(kuò)大，洪災(zāi)引起的危險(xiǎn)趨勢也在擴(kuò)大，并由旁遮普省北側(cè)區(qū)域不斷延伸。

表5 不同年份危險(xiǎn)性評價(jià)分區(qū)面積統(tǒng)計(jì)Table 5 Area statistics of risk assessment areas in different years /104 km2

2.5 高低情景下洪災(zāi)風(fēng)險(xiǎn)對比

為描述不同重現(xiàn)期洪水的災(zāi)害風(fēng)險(xiǎn)，依據(jù)上文提及的不同典型情景的選擇方式，從2011年8月29日—9月7日的降水過程中提取相應(yīng)的最大三日降雨和累積降雨指標(biāo)，經(jīng)過計(jì)算得到20 a重現(xiàn)期下的風(fēng)險(xiǎn)評價(jià)指標(biāo)分區(qū)（圖7a）。

兩種不同設(shè)計(jì)洪水的風(fēng)險(xiǎn)分區(qū)存在著分區(qū)面積及空間分布上的差異（圖7），但總體的分區(qū)趨勢一致。相比于2010年百年一遇洪水過程，在2011年洪災(zāi)風(fēng)險(xiǎn)分區(qū)當(dāng)中，低風(fēng)險(xiǎn)區(qū)面積增加了4.09萬km2，中低風(fēng)險(xiǎn)區(qū)面積增加了3.22萬km2，中等風(fēng)險(xiǎn)區(qū)面積增加了0.83萬km2，中高風(fēng)險(xiǎn)區(qū)面積減少了4.12萬 km2，高風(fēng)險(xiǎn)區(qū)面積減少了2.80萬km2。從空間上來看，低、中低風(fēng)險(xiǎn)區(qū)面積的增加地區(qū)主要為俾路支省西北部山區(qū)、聯(lián)邦直轄部落地區(qū)（F.A.T.A）、西北部邊境（N.W.F.P）南部地區(qū)，中等風(fēng)險(xiǎn)區(qū)面積增加較少地區(qū)大多在信德省與俾路支省南部交界地帶，2011年該地區(qū)遭遇的強(qiáng)降雨所帶來的洪水淹沒風(fēng)險(xiǎn)要大于從印度河干流下泄的洪水波所造成的洪災(zāi)風(fēng)險(xiǎn)。中高、高等洪災(zāi)風(fēng)險(xiǎn)區(qū)面積減少地區(qū)集中在西北部邊境的南部區(qū)域與旁遮普省份東部。2011年季風(fēng)期在西北部邊境、印度河主干流區(qū)未發(fā)生持續(xù)性的強(qiáng)降雨，因而風(fēng)險(xiǎn)區(qū)等級在此時(shí)發(fā)生下降。

3 討 論

本文在原有土地利用的基礎(chǔ)上加入NDVI植被指標(biāo)，可以較好地表征植被生長程度，由此得到的洪災(zāi)評價(jià)結(jié)果也表現(xiàn)較好。目前，針對高分辨率的數(shù)字高程模型進(jìn)行的洪災(zāi)風(fēng)險(xiǎn)評估越來越常見，據(jù)此可以得到更準(zhǔn)確的反映洪水災(zāi)害風(fēng)險(xiǎn)的空間分布，但對DEM的精度作用還需要進(jìn)一步探討。在本文中，研究區(qū)面積為93.2萬km2而地形坡度的衰減效應(yīng)多數(shù)出現(xiàn)在小范圍區(qū)域內(nèi)分辨率較低的情況，由此30m的分辨率符合大區(qū)域的地理數(shù)據(jù)采用準(zhǔn)則，且地形坡度衰減效應(yīng)可忽略不計(jì)；另外，洪災(zāi)評價(jià)主要是通過主客觀的賦值計(jì)算得到相應(yīng)權(quán)重，且實(shí)際高程數(shù)據(jù)經(jīng)過了填洼處理并提取了相應(yīng)的坡度數(shù)據(jù)作為評價(jià)指標(biāo)，也有效消除坡度衰減效應(yīng)。這些都有助于風(fēng)險(xiǎn)評價(jià)中得到較符合的風(fēng)險(xiǎn)等級。

需要指出的是，實(shí)際洪水面積與風(fēng)險(xiǎn)等級間并不一定存在非常好的對應(yīng)關(guān)系，故只能將二者匹配結(jié)果作為參考。同時(shí)，風(fēng)險(xiǎn)本質(zhì)上是刻畫未來損失的可能性，在現(xiàn)實(shí)中難以找到絕對的指標(biāo)對風(fēng)險(xiǎn)進(jìn)行度量與驗(yàn)證，也就無法客觀上對風(fēng)險(xiǎn)模型評估的結(jié)果進(jìn)行絕對的驗(yàn)證[2]。因此，本研究參考了李曉萌等研究[30]中對該區(qū)的洪災(zāi)危險(xiǎn)性的可視化表達(dá)予以佐證。本文所設(shè)計(jì)的主客觀權(quán)重相結(jié)合方法也具有較好的合理性，一些改進(jìn)組合賦權(quán)方法在防洪保護(hù)區(qū)的風(fēng)險(xiǎn)評價(jià)中也取得了較好結(jié)果[31]，這也說明考慮主觀、客觀權(quán)重后的結(jié)果具有可靠性；前述比較驗(yàn)證結(jié)果也表明本文研究對評價(jià)指標(biāo)的權(quán)重大小進(jìn)行的改進(jìn)能有效消除主客觀影響，不僅能獲得貼近實(shí)際洪水過程的評價(jià)等級，而且可以得到精細(xì)的風(fēng)險(xiǎn)區(qū)劃結(jié)果。

本文還突出了地形與降雨因子在風(fēng)險(xiǎn)評價(jià)當(dāng)中的重要作用，同時(shí)從組合系數(shù)的非負(fù)約束出發(fā)提出的改進(jìn)博弈論模擬方法，由此相比簡單組合賦權(quán)法更具科學(xué)性和更廣泛的應(yīng)用前景。但本文也尚未具體考慮水利工程要素影響，而僅將其歸類在土地利用分類當(dāng)中，這可能會(huì)造成相應(yīng)的誤差，例如分蓄洪工程可降低整個(gè)防洪系統(tǒng)洪災(zāi)風(fēng)險(xiǎn)。這些還有待于進(jìn)一步細(xì)化各評價(jià)因子的作用，進(jìn)行深入研究探討。

4 結(jié) 論

1）結(jié)合直覺模糊層次分析和基于指標(biāo)相關(guān)性的權(quán)重確定方法（Criteria Importance Though Intercrieria Correlation，CRITIC）通過改進(jìn)的博弈論組合賦權(quán)方法構(gòu)建了基于氣象地理和社會(huì)經(jīng)濟(jì)指標(biāo)為主體的風(fēng)險(xiǎn)評價(jià)體系，在一定程度上削減了主觀因素影響，并調(diào)整了客觀權(quán)重，實(shí)現(xiàn)了有約束下組合權(quán)重尋優(yōu)計(jì)算。

2）通過選取 2010年百年一遇洪水?dāng)?shù)據(jù)，繪制洪水災(zāi)害危險(xiǎn)性與風(fēng)險(xiǎn)評價(jià)圖，并對危險(xiǎn)性進(jìn)行分區(qū)。評價(jià)結(jié)果表明，研究區(qū)洪水風(fēng)險(xiǎn)較高的地區(qū)因該地區(qū)地勢海拔較低，河網(wǎng)密集，主要分布在旁遮普省的南部和信德省東南部。中高和高風(fēng)險(xiǎn)區(qū)累計(jì)占比28.5%，經(jīng)驗(yàn)證基本為淹沒范圍大且人口經(jīng)濟(jì)分布密區(qū)域，與實(shí)際情況相符。

3）以降雨要素分析開展的洪災(zāi)風(fēng)險(xiǎn)演變研究表明，在降雨強(qiáng)度大、面積廣以及持續(xù)時(shí)間長的情況下洪災(zāi)危險(xiǎn)分區(qū)會(huì)發(fā)生變化，其中中高、高危險(xiǎn)區(qū)范圍明顯擴(kuò)大。

本文所提出的中巴經(jīng)濟(jì)走廊洪災(zāi)風(fēng)險(xiǎn)評價(jià)方法及洪災(zāi)風(fēng)險(xiǎn)分區(qū)結(jié)果能夠?yàn)樵搮^(qū)建設(shè)提供理論參考和決策支持。此外，有必要繼續(xù)考慮如水利工程、堤防、植被等因素影響進(jìn)一步精細(xì)化風(fēng)險(xiǎn)評價(jià)。