基于AHP-熵權法的南昌市洪澇風險評估

程朋根　黃毅

摘要：為完善南昌市城市災害風險評估，構建了南昌市洪澇風險系數(shù)圖。通過AHP-熵權法獲取南昌市各鄉(xiāng)村的洪澇因子權重指標，并繪制了南昌市洪澇災害風險評估分布圖;利用高分衛(wèi)星影像圖提取洪澇點，檢驗研究方法的準確度和實用性。研究結果表明：南昌市洪澇風險主要分布在贛江以南的老城區(qū)以及靠近鄱陽湖地段河網(wǎng)密布的北部區(qū)域;主要原因是兩地地勢平坦、降雨量較為集中，發(fā)生洪澇災害的可能性較高，老城區(qū)人口密度集中且經(jīng)濟較為發(fā)達，洪澇災害造成的直接經(jīng)濟損失較大。

關鍵詞：洪澇災害; 風險評估; 層次分析法; 熵權法; 南昌市

中圖法分類號： TV122

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2021.10.004

0引 言

近年來，隨著城市化進程的不斷加速，城市災害問題發(fā)生愈加頻繁。南昌市作為長江中游城市群的中心城市之一，背靠常年發(fā)生江水倒灌的鄱陽湖，內(nèi)澇問題成為制約其發(fā)展的重要障礙因子[1-2]。作為洪澇災害管理的重要組成部分[3]，城市洪澇風險的科學評估，不僅是防災救災的一項重要參考依據(jù)，而且對城市災害的預防、社會生活的穩(wěn)定、國民經(jīng)濟的可持續(xù)性發(fā)展具有重要意義[4]。

目前，洪澇災害的風險評估方法主要有4種：基于歷年災情數(shù)據(jù)的數(shù)理統(tǒng)計法，基于RS和GIS構建的分析模塊，基于水文水力學的模擬法和指標體系評估法。de Moel利用荷蘭1900～2000年的歷史地理空間數(shù)據(jù)集分析城市化進程對洪澇災害所產(chǎn)生的影響[5]。Ayalew利用埃塞俄比亞下奧莫盆地的奧莫河在洪澇發(fā)生前后的衛(wèi)星圖像，在GIS中以大比例尺分析洪澇對奧莫河流域環(huán)境的影響[6]。Feyen通過模擬氣候發(fā)展狀況，評估了氣候變化對歐洲河流洪澇風險的影響[7]。殷劍敏圍繞城市內(nèi)澇形成的機理，綜合水文、氣象和地理環(huán)境等指標因素建立了南昌暴雨積澇模型[8]。曹金虎從內(nèi)澇災害的形成機制和系統(tǒng)論的角度，運用模糊綜合評價的方法對徐州市主城區(qū)內(nèi)澇災害風險進行評估，表明高程、高程相對標準差、河網(wǎng)分布和植被覆蓋對內(nèi)澇災害的敏感性有較大影響[4]。

從研究方法上看，上述方法在評定洪澇因子權重系數(shù)時，是通過層次分析法、灰色聚類法和熵權法等數(shù)學統(tǒng)計方法實現(xiàn)的。但是單一的權重系數(shù)評定方法的準確性和實用性較差，如層次分析法和灰色聚類法人為主觀性過強，所得權重指標值并不客觀;而熵權法則過于依賴數(shù)學模型，未考慮到研究區(qū)域的不確定性因素，所得權重指標的準確性不高[9]。而主客觀結合的綜合權重法能夠解決權重評定的客觀性和實用性，提高指標評估的科學性。

從結果驗證上看，上述研究成果中更多的是通過歷史洪澇點數(shù)據(jù)，對洪澇風險評估進行驗證，并不能全面、客觀地展現(xiàn)實際洪澇災害的具體情況。

為填補南昌市洪澇災害風險評估方面的空白，本文以指標體系評估法為基礎，對研究區(qū)域的氣象、地理環(huán)境和經(jīng)濟人口等方面進行統(tǒng)計分析，通過融合AHP和熵權法評估法的優(yōu)劣性，計算洪澇因子間的權重，將研究區(qū)域的相關數(shù)據(jù)輸入模型中，最終得到南昌市的洪澇風險分布圖，并利用高分衛(wèi)星提取洪澇時期的具體洪澇點，對研究結果進行檢驗。

1研究區(qū)概況及數(shù)據(jù)來源

1.1研究區(qū)概況

南昌市位于華東平原地區(qū)，市域湖泊眾多，自古有“襟三江而帶五湖”之稱，也是中國唯一一個毗鄰長江三角洲、珠江三角洲和海峽西岸經(jīng)濟區(qū)的省會中心城市，南昌市水系分布如圖1所示。南昌市城鎮(zhèn)面積達到350 km2，常住人口達到554.55萬人，年均降雨量為1 650 mm，降雨日約為150 d，汛期雨量約占全年降水量的50%，屬于洪澇災害的高發(fā)地區(qū)[10]。

1.2數(shù)據(jù)來源

本文研究數(shù)據(jù)分為4類。① 氣象水文數(shù)據(jù)：中國長、短歷時暴雨雨量特征數(shù)據(jù)集（1961～2015年）。② 基礎地理數(shù)據(jù)：南昌市18 m/DEM數(shù)據(jù)，南昌市鄉(xiāng)鎮(zhèn)行政規(guī)劃圖，南昌市道路路網(wǎng)矢量數(shù)據(jù)集，南昌市建筑物矢量圖（百度地圖版）和南昌市2017年10 m土地覆蓋數(shù)據(jù)集。③ 遙感數(shù)據(jù)：南昌市2019年9月Landsat 8 遙感影像數(shù)據(jù)和鄱陽湖區(qū)2020年7月8日高分三號衛(wèi)星影像原始數(shù)據(jù)。④ 社會經(jīng)濟數(shù)據(jù)：中國單位公里GDP數(shù)據(jù)集，中國單位公里人口數(shù)據(jù)集。

2評估模型

南昌市洪澇風險系數(shù)評估是通過以下步驟實現(xiàn)：① 根據(jù)城市災害危險系數(shù)，建立洪水風險系數(shù)評估指標體系;② 對各個洪澇因子進行標準化歸一處理，并用AHP-熵權混合評估法確定每個洪澇因子的權重;③ 分析評估南昌市的致澇指數(shù)、孕澇指數(shù)和承澇指數(shù)的空間分布;④ 綜合評估指標制作南昌市洪澇風險分布圖。

巫麗蕓等[11]認為災害風險評估等于地區(qū)災害加上地區(qū)易損性，而史培軍[12]認為廣義的災害風險評估應從致災性、孕災性和承災性3個方面進行系統(tǒng)分析。綜合考量后，本文從災害分析（致澇因子）、自然地理環(huán)境因子（孕澇因子）和社會經(jīng)濟因子（承澇因子）3方面進行洪澇風險評估。

3.1.1致澇因子

暴雨，是洪澇產(chǎn)生的主要因素。根據(jù)中國氣象局中央氣象臺對日暴雨的定義（日降雨量≥50 mm），本文將暴雨持續(xù)1 d、持續(xù)2 d及以上作為劃分短、長歷時暴雨標準。選取南昌市及南昌市周圍共11個氣象臺站的長、短歷時暴雨占比作為基礎數(shù)據(jù)集[13]，并通過克里金插值法求得南昌市各個鄉(xiāng)鎮(zhèn)的雨量特征均值，將其作為致災因子指標[14]。其中雨量特征指標越大，發(fā)生洪澇災害的可能性就越大。

3.1.2孕澇因子

從洪澇災害形成的自然地理環(huán)境看，研究區(qū)的地理環(huán)境差異對洪澇災害的形成有不同程度的影響。本文將平均高程、平均坡度、不透水層面積占比、河網(wǎng)占比以及植被覆蓋率作為孕澇因素指標。其中，平均高程越低、平均坡度越緩，積水越不易排走，城市越容易發(fā)生內(nèi)澇[15];不透水層則會影響積水下滲入地面，與能夠吸水和儲水方面的植被相反[15-16];在排水方面，由于城市降水最終都是通過河網(wǎng)排出，當降雨量大于河網(wǎng)傳輸量時，河網(wǎng)越密集的地段越河水越容易溢出，形成城市內(nèi)澇[4，17]。

3.1.3承澇因子

考慮到社會經(jīng)濟的影響，雖然經(jīng)濟較發(fā)達地段的人們防災意識更高，但是在遭遇同樣等級的洪澇災害的時候，人口越多、經(jīng)濟越發(fā)達的地段，洪澇災害造成的損失就越大[18-19]。本文在社會經(jīng)濟方面選擇各個鄉(xiāng)鎮(zhèn)的人口[20]、地均GDP[21]和道路密度作為承澇因子，指標越高，洪澇風險越大。

3.1.4數(shù)據(jù)標準化

由于所參考的數(shù)據(jù)類型過多，而不同的數(shù)據(jù)類型的含義和量綱各有不同，每個洪澇因子之間不具有可比性。故為了統(tǒng)一數(shù)據(jù)，對洪澇數(shù)據(jù)進行標準化處理[22-23]。由于正負向指標的處理不同，所以根據(jù)上述對各指標的描述分析，對各個指標先進行劃分，結果如表1所列。

3.2指標定權

3.2.1AHP層次分析法

AHP（Analytic Hierarchy Process）層次分析法是A L Saaty于20世紀70年代提出來的一種權重分析方法。用AHP可得到各洪澇風險指標的權重[24]，本文通過咨詢相關專家和參照相關研究[4，8-9，16，25]，對同一指標層的洪澇因子進行兩兩對比，以洪澇因子重要性越高，對城市洪澇災害的危險就越大為標準，并由此構建出各層次中洪澇因子的判斷矩陣[26]，計算出洪澇因子的指標權重，如表2所示。在指標權重計算完之后，還需對判斷矩陣的一致性進行檢驗，若一致性檢驗不合理，則需要重新構造洪澇因子的判斷矩陣[27]。

4南昌洪澇災害與洪澇因子相關分析

4.1數(shù)據(jù)處理

致澇因子包括長、短歷時暴雨所占比例。圖3為1961～2015年南昌長歷時暴雨頻率、南昌短歷時暴雨頻率及其綜合評估后的洪澇致澇危險性的分布情況。

從圖3中可以看出，靠近鄱陽湖地區(qū)的暴雨量高于其他地段，整體致澇危險性呈現(xiàn)出北高南低的狀態(tài)。

4.2孕澇因子敏感度分析

孕澇因子代表了地區(qū)對自然災害的敏感度，圖4顯示了平均高程、平均坡度、不透水層、河網(wǎng)密度、植被覆蓋率和綜合評估后整體的孕澇敏感度（f）的分布情況。

從圖4可以看出：南昌市的平均高程和平均坡度呈現(xiàn)出西高東低的狀態(tài)，不透水層占比是以中部主城區(qū)為主向外逐漸降低，植被指數(shù)則正好相反，河網(wǎng)面積占比則是中部略高于東部，西部最小的狀態(tài)。整體而言，南昌市的孕澇風險敏感度呈現(xiàn)出中部地區(qū)較高，東部次之，西部最低狀態(tài)。

4.3承澇因子脆弱性分析

洪澇脆弱性是指發(fā)生洪澇災害后，洪澇災害對不同地區(qū)間的經(jīng)濟損失的影響程度[28-29]。不同的承澇因子的脆弱性不同，本文中承澇指標包括人口密度、地均GDP和道路密度等，具體分布情況如圖5所示。

從圖5中可以看出，相較于其他地段，以城區(qū)為主的中部地區(qū)，在人口密度、地均GDP和道路密度上，都處于絕對優(yōu)勢。從承澇脆弱性上可以看出，整個南昌市的社會經(jīng)濟呈現(xiàn)出以中部為主體向外擴散的分布狀況。

4.4南昌洪澇綜合風險評估

將上述洪澇指標系數(shù)根據(jù)AHP-熵權組合法定權后的權重輸入到洪澇風險評估模型中，最終得到南昌市的洪澇風險指數(shù)圖。用ArcGIS根據(jù)自然分段法得出9個洪澇風險等級，如圖6所示。

從圖6可以看出：以青山湖區(qū)為主的中部市區(qū)是重點洪澇風險地段，靠近鄱陽湖區(qū)的東北部的新建區(qū)洪澇風險系數(shù)為中等，而山林較多的西部地段洪澇風險最低。從面積上看，南昌市中具有高危洪澇風險的地區(qū)約占11%，主要集中在中部市區(qū)地段，這部分區(qū)域不透水面較多、河網(wǎng)密布，地勢較為平坦且植被覆蓋率較低，孕澇危險性較高。另外，此部分地區(qū)人口較為密集，經(jīng)濟較為發(fā)達，發(fā)生洪澇時所造成的損失也較大，承澇脆弱性也較高，雖然暴雨量不及東北部，但是洪澇風險指數(shù)最高。而以東北部靠近鄱陽湖為主的洪澇風險中等偏高的地區(qū)約占24%，雖然暴雨量占比較高，河網(wǎng)密集，但是這部分區(qū)域經(jīng)濟人口不及中部主城區(qū)，且承澇脆弱性較低，在相同程度的洪澇災害下，所造成的直接經(jīng)濟損失遠低于中部主城區(qū)。而以西部為主的洪澇較低風險地區(qū)約占36%，這些地帶人口稀少、植被覆蓋率較高且河網(wǎng)密度較低，不易發(fā)生洪澇災害，且洪澇災害所能造成的經(jīng)濟損失較低。

5模型檢驗

由于數(shù)據(jù)有限，本文根據(jù)2020年夏季中國洪澇災害數(shù)據(jù)所公開的數(shù)據(jù)，利用2020年7月8日鄱陽湖區(qū)的高分三號5 m分辨率的遙感影像數(shù)據(jù)，提取出當日南昌市中部以北包含主城區(qū)及臨近鄱陽湖地區(qū)的水域區(qū)域，并在所提取出的水域分割矢量圖中剔除晴朗時段的水域部分，從而得出南昌洪澇季度發(fā)生洪澇災害的洪澇區(qū)域，結果如圖7所示。

從洪澇數(shù)據(jù)中可以看出，除去城市建筑物的影響，以中部為主的南昌主城區(qū)有較為密集和零碎的積水點，其他地段的積水點主要分布在河網(wǎng)區(qū)域附近，其中靠近鄱陽湖區(qū)的北部區(qū)域在發(fā)生長期暴雨時，河水外溢現(xiàn)象最為明顯。根據(jù)圖7可以看出，在南昌2020年夏季災情期間，中部主城區(qū)中有眾多零碎的小區(qū)域積水點，造成大面積的城市交通癱瘓，所造成的實際洪澇損失較為明顯。而靠近鄱陽湖的西北部地區(qū)，雖然有大面積的水體增加，但大多數(shù)是集中在遠離鄉(xiāng)鎮(zhèn)建筑的河流網(wǎng)附近的濕地地段，且考慮到河道寬度，實際河水外溢的程度有限，所能造成的實際洪澇損失偏小，與實際情況較符。

將洪澇分布圖與洪澇因子分布情況進行對比亦可看出，洪澇致澇危險性分布較高的北部區(qū)域的洪澇面積較多，而在孕澇敏感度和承澇脆弱性分布圖中敏感度高、脆弱性較差的中部主城區(qū)也擁有大量密集的零碎洪澇點，與實際災情相符。因此，本文利用AHP-熵權賦權法對洪澇因子的權重進行取值的結果較為合理。

通過人工視檢對比南昌市高分辨率洪澇點分布圖，結果表明，本文洪澇風險評估結果與南昌市實際洪澇受災情況基本符合，融合AHP與熵權法的洪澇風險評估方法的準確性和可信度較好。

6結 論

本文通過融合AHP層次分析法和熵權法對南昌市的洪澇災害風險進行評估，用50 a的降雨量等高精度數(shù)據(jù)作為評估支撐，獲取南昌市洪澇風險等級分布圖。結果表明：地處三江交匯的中部主城區(qū)為高洪澇風險地區(qū)，西部鄉(xiāng)鎮(zhèn)為低風險地段，東部鄉(xiāng)鎮(zhèn)為較高風險區(qū)域。

本文提出了一種用高分衛(wèi)星影像數(shù)據(jù)作為洪澇災情實時驗證的可行方法。通過提取洪澇水系區(qū)域，對比晴朗時段的水系區(qū)域，從而得出災情期間的洪澇積水點。此方法相較于歷時判別法，可以更為直觀地分析出城市洪澇災害的具體狀況。

從結果來看，本文從洪澇災害的誘發(fā)因子出發(fā)，通過融合AHP和熵權法評估法的優(yōu)劣性，計算出洪澇因子的權重系數(shù)，很大程度降低了人為因素的干擾，彌補了實地因素的不確定性。并利用高分辨率的遙感影像數(shù)據(jù)，為驗證洪澇風險評估結果提供現(xiàn)實可靠的解決途徑。最后通過人工視檢災情矢量數(shù)據(jù)，可以看出本文洪澇風險評估結果的可信度及準確性較好，洪澇因子權重賦值較為合理，能夠為城市災害評估提供一定的研究思路，具有一定的參考價值。

參考文獻：

[1]王志寰，朱立俊，王建中，等.長江倒灌鄱陽湖原因及發(fā)生條件的量化指標[J].水科學進展，2020，31（2）：203-213.

[2]曹瑋.洪澇災害的經(jīng)濟影響與防災減災能力評估研究[D].長沙：湖南大學，2013.

[3]李瓊.洪水災害風險分析與評價方法的研究及改進[D].武漢：華中科技大學，2012.

[4]曹金虎.徐州市主城區(qū)內(nèi)澇災害風險評價研究[D].北京：中國礦業(yè)大學，2018.

[5]DE MOEL H，AERTS J C J H，KOOMEN E.Development of flood exposure in the Netherlands during the 20th and 21st century [J].Global Environmental Change，2011，21（2）：620-627.

[6]AYALEW L.Analyzing the effects of historical and recent floods on channel pattern and the environment in the Lower Omo basin of Ethiopia using satellite images and GIS [J].Environmental Geology，2009，58（8）：1713-1726.

[7]FEYEN L，DANKERS R，BóDIS K，et al.Fluvial flood risk in Europe in present and future climates [J].Climatic Change，2012，112（1）：47-62.

[8]殷劍敏.南昌市暴雨積澇模擬及氣候風險評估研究[D].南京：南京信息工程大學，2013.

[9]劉媛媛，王紹強，王小博，等.基于AHP_熵權法的孟印緬地區(qū)洪水災害風險評估[J].地理研究，2020，39（8）：1892-1906.

[10]李準，楊慧民，林春.南昌地區(qū)雷電災害易損性分析及區(qū)劃[J].氣象研究與應用，2013，34（3）：78-82.

[11]巫麗蕓，何東進，洪偉，等.自然災害風險評估與災害易損性研究進展[J].災害學，2014，29（4）：129-135.

[12]史培軍.再論災害研究的理論與實踐[J].自然災害學報，1996，（4）：8-19.

[13]孔鋒，方建，呂麗莉，等.中國短歷時和長歷時暴雨對總暴雨貢獻的空間差異性研究（1961-2015）[J].干旱區(qū)地理，2017，40（2）：293-303.

[14]李俊曉，李朝奎，殷智慧.基于ArcGIS的克里金插值方法及其應用[J].測繪通報，2013（9）：87-90，7.

[15]徐藝揚，李昆，謝玉靜，等.基于GIS的城市內(nèi)澇影響因素及多元回歸模型研究：以上海為例[J].復旦學報（自然科學版），2018，57（2）：182-198.

[16]要志鑫，孟慶巖，孫震輝，等.不透水面與地表徑流時空相關性研究：以杭州市主城區(qū)為例[J].遙感學報，2020，24（2）：182-198.

[17]林蕓.平原河網(wǎng)地區(qū)水文計算及洪水影響評價方法的探討[D].南京：河海大學，2005.

[18]逄任竹.面向暴雨災害的青島市社會經(jīng)濟系統(tǒng)脆弱性分析[D].上海：華東政法大學，2019.

[19]葛怡，史培軍，劉婧，等.中國水災社會脆弱性評估方法的改進與應用：以長沙地區(qū)為例[J].自然災害學報，2005（6）：54-58.

[20]付晶瑩，江東，黃耀歡.中國公里網(wǎng)格人口分布數(shù)據(jù)集[J].地理學報，2014，69（增）：41-44.

[21]黃耀歡，江東，付晶瑩.中國公里網(wǎng)格GDP分布數(shù)據(jù)集[J].地理，2014，69（增），45-48.

[22]高長波，陳新庚，韋朝海，等.熵權模糊綜合評價法在城市生態(tài)安全評價中的應用[J].應用生態(tài)學報，2006（10）：1923-1927.

[23]李光，吳祈宗.基于結論一致的綜合評價數(shù)據(jù)標準化研究[J].數(shù)學的實踐與認識，2011，41（3）：72-77.

[24]DYER J S.Remarks on the Analytic Hierarchy Process[J].Management Science，1990，36（3）：249-258.

[25]張冬冬，嚴登華，王義成，等.城市內(nèi)澇災害風險評估及綜合應對研究進展[J].災害學，2014，29（1）：144-149.

[26]鄧雪，李家銘，曾浩健，等.層次分析法權重計算方法分析及其應用研究[J].數(shù)學的實踐與認識，2012，42（7）：93-100.

[27]劉剛.基于層次分析法的社區(qū)災害風險脆弱性評價[J].蘭州大學學報（社會科學版），2013，41（4）：102-108.

[28]陳軼，陳睿山，葛怡，等.南京城市住區(qū)居民洪澇脆弱性特征及影響因素研究[J].災害學，2019，34（1）：56-61.

[29]馬定國，劉影，陳潔，等.鄱陽湖區(qū)洪災風險與農(nóng)戶脆弱性分析 [J].地理學報，2007（3）：321-332.

（編輯：黃文晉）

Abstract：To improve the urban disaster risk assessment of Nanchang City，a flood risk coefficient map of Nanchang City was constructed.The AHP analytic hierarchy process and the entropy weight method were used to obtain flood factor weight indicators of the villages in Nanchang，and draw a flood disaster risk assessment distribution map in Nanchang.Using high-resolution satellite imagery to extract flood points，the accuracy and practicability of the research method were tested.The results show that Nanchang flood risk is mainly distributed in the old city，south of the Ganjiang River and the northern area with a dense river network near Poyang Lake.The main reasons are that these areas are flat，rainfall is relatively concentrated，and the possibility of flooding is relatively high.The population density of the old city is concentrated and the economy is relatively developed，so the direct economic loss caused by floods is relatively large.

Key words：flood disaster;risk assessment;hierarchical analysis;entropy method;Nanchang City