基于多源數(shù)據(jù)的城市洪澇災(zāi)害風(fēng)險評估*

程朋根，黃 毅，郭福生，周萬蓬,吳 靜

(1.東華理工大學(xué) 測繪工程學(xué)院，江西 南昌 330000；2.自然資源部環(huán)鄱陽湖區(qū)域礦山環(huán)境監(jiān)測與治理重點實驗室，江西 南昌 330000；3.東華理工大學(xué) 地球科學(xué)學(xué)院，江西 南昌 330013)

近年來，隨著城市的高速發(fā)展和全球氣候變化的不斷加劇，也使得城市災(zāi)害變得更加頻繁[1-2]。其中，據(jù)統(tǒng)計城市洪澇災(zāi)害占比城市災(zāi)害約為40%，城市洪澇災(zāi)害成為城市災(zāi)害的主要來源[3-4]。因此，提高城市的抗洪澇災(zāi)害風(fēng)險能力，是實現(xiàn)城市可持續(xù)發(fā)展的重要保障，而掌握城市內(nèi)產(chǎn)生洪澇災(zāi)害的風(fēng)險程度和面對洪澇災(zāi)害產(chǎn)生時的抵抗能力是其重要基礎(chǔ)[5]。

城市洪澇災(zāi)害風(fēng)險評估是指由孕災(zāi)因子、致災(zāi)因子、承災(zāi)因子和洪澇災(zāi)情共同組合成的復(fù)雜地球表層異變系統(tǒng)[6]。目前，對于城市洪澇災(zāi)害風(fēng)險的研究評估，國內(nèi)外許多專家學(xué)者已經(jīng)有了較多的研究和評估方法[7]。通過梳理總結(jié)，前人的主要的方法有四種[8]：一是基于歷史災(zāi)情數(shù)據(jù)的數(shù)理統(tǒng)計法，如方建等[9]通過統(tǒng)計全球范圍內(nèi)的降水、數(shù)字高程、土地利用、城市人口經(jīng)濟(jì)以及利用歷史城市洪澇損失等數(shù)據(jù)對全球城市洪澇災(zāi)害風(fēng)險進(jìn)行評估；二是基于RS和GIS構(gòu)建分析模塊，朱靜[10]基于遙感和GIS方法的應(yīng)用,將數(shù)字高程模型同山洪水位和洪峰流量相結(jié)合進(jìn)行淹沒分析，并模擬分析洪澇淹沒范圍和淹沒水深；三是基于水文水利學(xué)的模擬法，葉陳雷等[11]基于InfoWorks ICM建立水文水動力耦合模型，對沿海城市福州市主城區(qū)白馬河片區(qū)進(jìn)行城市洪澇模擬和風(fēng)險評估，實現(xiàn)了對片區(qū)洪澇危險性的量化計算和空間分析；四是指標(biāo)體系評估法，如劉媛媛等[12]通過收集孟印緬地區(qū)的土地利用、河網(wǎng)、數(shù)字高程以及雨季降水等10個指標(biāo)，基于AHP和熵權(quán)法對孟印緬地區(qū)的洪澇災(zāi)害進(jìn)行風(fēng)險評估。CAI Shunyao等[13]基于三角模糊數(shù)的層次分析法確定了在山區(qū)城市中與洪澇災(zāi)害相關(guān)的11個指標(biāo)的權(quán)重，探測評估了動態(tài)變化的洪澇災(zāi)害風(fēng)險地區(qū)。

不同的洪澇評估模型適應(yīng)于不同的評估環(huán)境，但收集研究區(qū)域內(nèi)歷史洪澇災(zāi)害數(shù)據(jù)和城市氣候與城市地形等數(shù)據(jù)，是保證城市洪澇評估有效性的關(guān)鍵。而城市數(shù)據(jù)的收集往往成為制約城市洪澇評估關(guān)鍵因素；同時，應(yīng)用較廣普適性較好的指標(biāo)體系評估法，對于市級單位的評估結(jié)果效果較好，但在傳統(tǒng)的指標(biāo)權(quán)重參數(shù)設(shè)置方面，因不同城市、學(xué)者所采用的指標(biāo)不同，權(quán)重設(shè)置較難固定。為探究一種可供復(fù)現(xiàn)的可靠城市洪澇評估方法，本文通過收集整理城市開源數(shù)據(jù)以及互聯(lián)網(wǎng)城市數(shù)據(jù)，并從中提取洪澇因子，結(jié)合隨機(jī)森林回歸分析和AHP和熵權(quán)法構(gòu)建洪澇災(zāi)害風(fēng)險評估模型，以南昌市為例，評估市級城市的洪澇災(zāi)害風(fēng)險。

1 城市洪澇災(zāi)害風(fēng)險評估指標(biāo)體系構(gòu)建

基于城市洪澇災(zāi)害的相關(guān)理論，城市洪澇災(zāi)害的產(chǎn)生有三個階段：①地區(qū)在短時間內(nèi)產(chǎn)生足夠多的降雨量，導(dǎo)致降雨地區(qū)環(huán)境在短時間內(nèi)無法將雨水迅速排出；②形成洪澇積水；③地區(qū)內(nèi)的洪澇積水對當(dāng)?shù)禺a(chǎn)生了破壞性影響。因此，本文從洪澇災(zāi)害產(chǎn)生的機(jī)理條件出發(fā)，對引發(fā)洪澇災(zāi)害的三大階段分別梳理，構(gòu)造出城市洪澇災(zāi)害的致澇危險性(產(chǎn)生洪澇災(zāi)害的致澇因子)、孕澇敏感性(形成洪澇積水的地理環(huán)境的孕澇因子)和承澇脆弱性(城市的經(jīng)濟(jì)發(fā)展程度與防洪減災(zāi)救災(zāi)能力的承澇因子)。因此洪澇災(zāi)害風(fēng)險結(jié)構(gòu)可以表示為如下形式。

致澇因子:

(1)

孕澇因子:

(2)

承澇因子:

(3)

洪澇災(zāi)害風(fēng)險系數(shù):

R(X)=WMM(X)+WBB(X)+WSS(X)。

(4)

式中：Mji(X)、Bji(X)和Sji(X)是各指標(biāo)標(biāo)準(zhǔn)歸一化后的值；M(X)、B(X)和S(X)的值分別表示洪澇災(zāi)害風(fēng)險系數(shù)中的致澇因子危險度、孕澇因子敏感度和承澇因子脆弱性；WM、WB、WS是相應(yīng)度評估因子的權(quán)重，R(X)表示該區(qū)域洪澇災(zāi)害風(fēng)險系數(shù)值。

指標(biāo)選取原則：基于洪澇災(zāi)害的形成機(jī)理，綜合城市的實際情況，依據(jù)洪澇災(zāi)害發(fā)展的各個階段，選取出具有普適性和代表性的洪澇指標(biāo)因素。最終通過參考城市洪澇災(zāi)害風(fēng)險評估指標(biāo)體系法的相關(guān)研究[12-15]和查閱城市建設(shè)相關(guān)標(biāo)準(zhǔn)等[16]，構(gòu)建城市洪澇災(zāi)害風(fēng)險評價指標(biāo)體系表(表1)。評估流程圖如圖1所示。

表1 南昌市洪澇災(zāi)害風(fēng)險評價指標(biāo)體系

圖1 實驗流程圖

2 研究區(qū)域及數(shù)據(jù)來源

2.1 研究區(qū)域

南昌市作為江西省省會，地理位置較為優(yōu)越，水資源豐富(圖2)。東北部緊靠我國最大的淡水湖鄱陽湖，是中國唯一一個毗鄰珠江三角洲、珠江長江三角洲和閩南金三角的省會中心城市。全市以平原為主，南北長約112.1 km、東西寬約107.6 km，全市面積約為7 194.61 km2，截止2019年，南昌市人口已達(dá)到536萬人。

圖2 南昌市水系分布情況(審圖號：GS(2021)6026號，底圖無修改，下同)

2.2 數(shù)據(jù)來源

隨著評估精度要求的提升，為收集到更高精度的指標(biāo)數(shù)據(jù)，可以利用互聯(lián)網(wǎng)搜集城市數(shù)據(jù)，提取出洪澇災(zāi)害風(fēng)險指標(biāo)[17]，如城市人口分布情況(城市熱力值)等可由互聯(lián)網(wǎng)進(jìn)行收集整理，以獲取更高的數(shù)據(jù)精度。

本文所使用的研究數(shù)據(jù)共分為4類：氣象水文數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)、遙感數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)(表2)。

表2 數(shù)據(jù)來源

3 基于AHP和熵權(quán)法的洪澇災(zāi)害風(fēng)險評估模型

3.1 隨機(jī)森林回歸分析

隨機(jī)森林是一種Bagging類型的集成算法，通過組合弱評估器，構(gòu)建多個決策樹形成森林，再通過Bagging隨機(jī)采樣，使得模型結(jié)果具有較高的泛化性能。隨機(jī)森林算法的優(yōu)點在于樣本隨機(jī)和特征隨機(jī)，使得隨機(jī)森林不易于過擬合且增強(qiáng)了森林的抗噪能力；能夠判別特征的重要程度和不同特征之間的相互影響；由于是樹的組合，隨機(jī)森林可以處理非線性的高維數(shù)據(jù)，對于數(shù)據(jù)集的適應(yīng)性較強(qiáng)，且易于實現(xiàn)、訓(xùn)練速度較快、精度較高，能夠處理大規(guī)模數(shù)據(jù)，適應(yīng)于本實驗。缺點在于對于數(shù)據(jù)集的維度有一定限制，低維數(shù)據(jù)訓(xùn)練效果不如高維數(shù)據(jù)；并且在某些噪音較大的分類或回歸問題上容易出現(xiàn)過擬合[20]。

隨機(jī)森林的弱評估器使用的是CART決策樹(分類回歸樹)，當(dāng)輸入算法數(shù)據(jù)集為離散型數(shù)據(jù)時，決策樹為分類樹；當(dāng)數(shù)據(jù)集為連續(xù)性數(shù)據(jù)時，決策樹為回歸樹，并計算其均值作為回歸預(yù)測值。回歸算法的核心是通過建立一系列回歸決策樹{h(x,θt),t=1,2,…,T}，并計算其均值作為回歸結(jié)果。其中，θt表示隨機(jī)變量，x表示自變量，屬于特征向量X，T表示決策樹數(shù)量。

分類預(yù)測結(jié)果為：

(5)

回歸模型預(yù)測結(jié)果為：

(6)

3.2 AHP和熵權(quán)法

3.2.1 AHP層次分析法

AHP層次分析法的主要思想是通過將最終目標(biāo)拆分成各個因素指標(biāo)，并根據(jù)層次關(guān)系將指標(biāo)組成不同級別的層次結(jié)構(gòu)，通過重要程度指標(biāo)進(jìn)行權(quán)重評分，并以此構(gòu)建權(quán)重判斷矩陣，最終自下而上求出目標(biāo)結(jié)果。

構(gòu)建過程為：①構(gòu)建結(jié)構(gòu)層次模型；②構(gòu)建判斷矩陣；③一致性檢驗。最終利用一致性合格的判斷矩陣計算各層次中指標(biāo)的相應(yīng)權(quán)重值。AHP層次分析法是一種簡便、靈活且實用對定權(quán)方法，但是缺點在于人為對主觀性過強(qiáng)，過于依賴人為判斷。

3.2.2 熵權(quán)法

熵權(quán)法是利用數(shù)據(jù)的信息熵來描述數(shù)據(jù)指標(biāo)差異程度的概念。根據(jù)熵權(quán)法的基本理論，數(shù)據(jù)指標(biāo)的數(shù)值差異度越大，則表示該指標(biāo)離散程度較大，對綜合評價結(jié)果的影響較大，即相應(yīng)的權(quán)重值較高。

構(gòu)建過程為：①洪澇指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化；②構(gòu)建評價指標(biāo)矩陣；③計算洪澇指標(biāo)權(quán)重。過程相對簡單，普適性較強(qiáng)，缺點在于對于部分指標(biāo)無法進(jìn)行人為修正。

3.2.3 AHP和熵權(quán)法

AHP層次分析法是由專家經(jīng)驗對目標(biāo)進(jìn)行比較判出指標(biāo)權(quán)重，熵權(quán)法則由客觀數(shù)據(jù)判出指標(biāo)權(quán)重，由于AHP層次分析法和熵權(quán)法都是通過先獲取指標(biāo)權(quán)重，再對權(quán)重目標(biāo)進(jìn)行評估計算，因此可以將兩種權(quán)重評估方法進(jìn)行集成[21]。

本文所用的AHP和熵權(quán)賦權(quán)法的原理是根據(jù)不同洪澇指標(biāo)在兩種定權(quán)方法間的差異度，采用“距離函數(shù)的組合評價法”[22]，將AHP層次分析法所得到的m個洪澇因子的權(quán)重值WAHP和由熵權(quán)法所計算出的m個洪澇因子的權(quán)重值WEWM當(dāng)作兩組m維的向量，再從兩組向量Wm×1間找出一組向量，使其到WAHP和WEWM的距離和最小，此時可以將Wm×1當(dāng)作AHP與熵權(quán)法的組合權(quán)重。構(gòu)造公式如下：

(7)

式中：α與β分別為AHP與熵權(quán)法的分配系數(shù)，其值與WAHP和WEWM的差異度相同。而WAHP和WEWM的差異度可有距離函數(shù)D(α,β)2求得：

(8)

由此可以求出組合權(quán)，由于組合權(quán)之和∑Wm×1不等于1，故還需對其進(jìn)行歸一化處理，最終得到歸一化處理過后的指標(biāo)數(shù)據(jù)矩陣W。

4 洪澇災(zāi)害風(fēng)險評估

依據(jù)洪澇災(zāi)害風(fēng)險評價指標(biāo)體系，將采集到的多源數(shù)據(jù)按照指標(biāo)屬性的正負(fù)性，做歸一化指標(biāo)處理劃分入柵格網(wǎng)中，數(shù)據(jù)的投影坐標(biāo)系為WGS84-UTM，各柵格圖層單元大小為200 m×200 m，共計181 643個柵格單元。

4.1 隨機(jī)森林回歸分析

隨機(jī)森林能夠?qū)μ卣饕蜃舆M(jìn)行評分，揭示特征因子對結(jié)果影響程度，本文根據(jù)隨機(jī)森林回歸分析，對洪澇災(zāi)害風(fēng)險因子與城市洪澇對相關(guān)性進(jìn)行研究，對洪澇災(zāi)害風(fēng)險因子間的重要性進(jìn)行對比分析，為指標(biāo)權(quán)重設(shè)置提供參考依據(jù)[23]。

本文將洪澇因子作為特征向量(X)，將洪澇積水點作為目標(biāo)向量(Y)，對南昌市洪澇危險性指標(biāo)和洪澇脆弱性指標(biāo)與南昌市洪澇積水點(由2020年夏季南昌市洪澇災(zāi)情數(shù)據(jù)提取)進(jìn)行隨機(jī)森林回歸分析。在200 m的格網(wǎng)尺度下，通過將洪澇災(zāi)害風(fēng)險區(qū)域以70%和30%的比例劃分為訓(xùn)練集和測試集，并在訓(xùn)練集上利用sklearn中的GridSearchCV(格網(wǎng)搜索和交叉驗證)工具，從所有參數(shù)中找出找到訓(xùn)練集上精度最高的參數(shù)。

實驗結(jié)果如圖3所示，在南昌市洪澇災(zāi)害風(fēng)險指標(biāo)中，暴雨占比的重要性最高，達(dá)到0.22；其次暴雨變化趨勢、短歷時暴雨占比以及歸一化植被指數(shù)也具有較強(qiáng)的洪澇相關(guān)性；相對而言，河路密度在南昌市城市洪澇影響中重要性最小，說明在洪澇災(zāi)害中，城市的河網(wǎng)中的河水外溢的概率較小，與城市道路密度和洼地深度等相比，對城市洪澇災(zāi)害的影響較小。

圖3 洪澇災(zāi)害因子比值重要性對比

4.2 AHP和熵權(quán)法評估分析

本文基于AHP層次分析法的基本思想，利用隨機(jī)森林所得重要性，構(gòu)建判斷矩陣。由于洪澇災(zāi)害的發(fā)生只與災(zāi)害發(fā)生前的環(huán)境因素相關(guān)，對于災(zāi)害發(fā)生后，洪澇災(zāi)害并不能反映出不同區(qū)域間的救災(zāi)能力，因此本文根據(jù)實際情況只對洪澇危險性以及洪澇敏感性進(jìn)行隨機(jī)森林回歸分析，利用隨機(jī)森林重要性結(jié)果作為南昌市洪澇危險性以及洪澇敏感性判斷矩陣的構(gòu)造依據(jù)，對于城市經(jīng)濟(jì)能力和抗洪救災(zāi)指標(biāo)的洪澇脆弱性，則參考前文以及相關(guān)文獻(xiàn)中的洪澇因子對比結(jié)果以及咨詢相關(guān)專家后，完成洪澇脆弱性因子的對比分析，進(jìn)而構(gòu)建相應(yīng)的洪澇脆弱性判斷矩陣[12]。將所構(gòu)建的判斷矩陣，做一致性檢驗，在檢驗通過后，由判斷矩陣可求出各層洪澇指標(biāo)的主觀權(quán)重值；同時利用熵權(quán)法對數(shù)據(jù)進(jìn)行客觀評價，并將結(jié)果與AHP層次分析法所得結(jié)果相融合，最終計算出洪澇災(zāi)害風(fēng)險評估的指標(biāo)權(quán)重值，組合權(quán)重結(jié)果如表3所示。

4.3 洪澇災(zāi)害風(fēng)險評估結(jié)果

依據(jù)組合權(quán)的計算結(jié)果，分別將洪澇因子權(quán)重與洪澇柵格單元數(shù)據(jù)相結(jié)合，可得南昌市的洪澇災(zāi)害風(fēng)險評價結(jié)果。

表3 指標(biāo)權(quán)重

4.3.1 洪澇危險性

洪澇危險性是反映洪澇災(zāi)害程度的因素之一，根據(jù)指標(biāo)權(quán)重可計算出各柵格區(qū)域內(nèi)的洪澇危險性，最后利用自然斷點法將洪澇危險性評價結(jié)果分為高度風(fēng)險、較高風(fēng)險、中等風(fēng)險、較低風(fēng)險和低風(fēng)險。評價結(jié)果如圖4所示。從圖4中可以看出，南昌市的洪澇降雨風(fēng)險呈現(xiàn)出中部點狀較高，并向外下降，從縱向看則呈現(xiàn)出由北向南梯度下降的趨勢。中部西湖區(qū)東南部與青云譜區(qū)南部為高風(fēng)險地區(qū)，由于“城市雨島效應(yīng)”的影響，該地段的降雨量更多，短歷時暴雨占比占據(jù)了總暴雨雨量的80%以上，致澇危險性系數(shù)較高；其次，除去“城市雨島效應(yīng)”的影響，從整體上來看，南昌以北的新建區(qū)也有較高的致澇風(fēng)險，原因在于新建區(qū)地帶暴雨頻率逐年呈快速上升趨勢，且暴雨雨量占比大，因此也有較高的洪澇危險性。

4.3.2 洪澇敏感性

洪澇危險性表現(xiàn)了在暴雨來臨時，研究區(qū)域的地形地貌、植被與河流等不同地理環(huán)境對洪澇災(zāi)害形成的敏感度。同理根據(jù)危險性權(quán)重指標(biāo)可計算出各柵格區(qū)域內(nèi)的洪澇危險性。評價結(jié)果如圖5所示。從南昌市洪澇敏感性分布情況上看，敏感性和城市發(fā)展?fàn)顩r相關(guān)度較高，高敏感區(qū)域主要分布在城市中部的主城區(qū)，主要原因在于西湖區(qū)、東湖區(qū)與青云譜區(qū)等地位處于平原，植被較少，道路密度大,不透水層的占比率較高，加大了城市洪澇的形成風(fēng)險；同時，安義縣中部向南和進(jìn)賢縣以東的城鎮(zhèn)部分區(qū)域也有較高的洪澇敏感性風(fēng)險；其次，南昌縣西部敏感性較高，東部敏感性高風(fēng)險地區(qū)呈點狀分布，原因在于南昌縣西部的植被歸一化指數(shù)較差，而東部植被指數(shù)表現(xiàn)較好，但存在較大范圍的洼地，增加了洪澇敏感性風(fēng)險；北部的新建區(qū)由于植被歸一化指數(shù)較好且地表較為平緩又復(fù)雜密集的道路和水路網(wǎng)，因此在洪澇敏感性風(fēng)險中整體表現(xiàn)最好。

4.3.3 洪澇脆弱性

洪澇脆弱性表現(xiàn)了在城市中形成洪澇災(zāi)害后，城市的救災(zāi)、抗災(zāi)的抵御災(zāi)害能力。同理利用自然斷點法將洪澇脆弱性評價結(jié)果進(jìn)行分級。評價結(jié)果如圖6所示。城市的發(fā)展規(guī)模能夠體現(xiàn)在洪澇發(fā)生時的抗洪能力，但是在大比例尺范圍內(nèi)，不同地區(qū)間在面臨相同規(guī)格的洪澇災(zāi)害時，抗風(fēng)險能力不同，較為發(fā)達(dá)地區(qū)所造成的洪澇損失更多。從圖6 e南昌市洪澇脆弱性分布圖中可以看出，東湖區(qū)南部與西湖區(qū)北部屬于脆弱性高風(fēng)險地區(qū)；其次，青山湖區(qū)與青云譜區(qū)為較高風(fēng)險地區(qū)；低風(fēng)險地帶集中在新建區(qū)北部、南昌縣東北部和進(jìn)賢縣北部地區(qū)。從整體上看，南昌市的洪澇脆弱性分布情況呈現(xiàn)中部以及西南地帶較高，北部地區(qū)脆弱性整體偏低，人口稀疏、城市建設(shè)度較低，洪澇產(chǎn)生的破壞性風(fēng)險不高。

圖4 洪澇危險性評估結(jié)果

圖5 洪澇敏感性評估結(jié)果

圖6 洪澇脆弱性評估結(jié)果

4.3.4 洪澇災(zāi)害風(fēng)險綜合評估

洪澇災(zāi)害風(fēng)險綜合評估是綜合洪澇危險性、洪澇敏感性和洪澇脆弱性，根據(jù)AHP和熵權(quán)法的所求出的組合權(quán)重將所有的洪澇因子導(dǎo)入評估模型，最終得出評估結(jié)果。最終結(jié)果如圖7所示。

圖7 南昌市洪澇災(zāi)害風(fēng)險評估結(jié)果

由南昌市的洪澇災(zāi)害風(fēng)險評估結(jié)果可以看出，南昌市的東湖區(qū)南昌部、西湖區(qū)同青云譜區(qū)和南昌縣西部屬于洪澇高風(fēng)險地帶；其次，青山湖區(qū)與安義縣和進(jìn)賢縣南部部分地區(qū)屬于洪澇較高風(fēng)險地區(qū)；安義縣和進(jìn)賢縣洪澇災(zāi)害風(fēng)險等級整體呈中等偏高；灣里區(qū)整體的洪澇災(zāi)害風(fēng)險較低；新建區(qū)東北部與南昌縣中北部屬于低風(fēng)險地區(qū)。從分布結(jié)果上看，南昌市洪澇災(zāi)害風(fēng)險呈現(xiàn)出中間高、兩端低的包裹狀態(tài)；中部主城區(qū)地勢平坦且河流交錯，植被較少、不透水層的占比率較高屬于洪澇高風(fēng)險地區(qū)，而且人口較為密集，發(fā)生洪澇災(zāi)害時，經(jīng)濟(jì)損失較為嚴(yán)重；植被較多地勢高的灣里區(qū)屬于洪澇中低風(fēng)險區(qū)域；中部南昌縣洪澇災(zāi)害風(fēng)險地區(qū)較為分散，中部以北洼地較多，有較多零散的中高洪澇災(zāi)害風(fēng)險地區(qū)，西南與青云譜區(qū)接壤區(qū)域?qū)儆诤闈掣唢L(fēng)險地帶，該部分城市建設(shè)較為發(fā)達(dá)、人口分布較為密集、植被較少且有較大面積的不透水層，極大的增加了洪澇災(zāi)害風(fēng)險；進(jìn)賢縣外接撫河，內(nèi)有軍山湖，而湖泊水系周圍的陸地伴有較多的洼地，植被歸一化指數(shù)較差，因此湖泊水系兩岸也有較多零碎的中高洪澇災(zāi)害風(fēng)險地區(qū)；新建縣整體屬于中等洪澇災(zāi)害風(fēng)險，東部地帶雖然靠近鄱陽湖，但是城市居住人口較少，水域占比率較大，城市建設(shè)度沒有西湖區(qū)與東湖區(qū)等地高，因此，所能產(chǎn)生的洪澇損失有限，洪澇災(zāi)害風(fēng)險略低于中南部。

4.5 評估結(jié)果驗證

為更為清晰直觀的反映城市洪澇的真實狀況，本文以人工視檢法對南昌市洪澇災(zāi)害風(fēng)險評估結(jié)果進(jìn)行驗證。通過中國農(nóng)業(yè)大學(xué)和國家對地觀測科學(xué)數(shù)據(jù)中心提供的2020年7月11—30日的夏季洪澇災(zāi)情數(shù)據(jù)，以其中兩期高分辨率衛(wèi)星遙感影像提取洪澇災(zāi)情期間南昌市的水體信息，該數(shù)據(jù)空間分辨率為10 m；再經(jīng)過裁剪拼接，得到的南昌市的洪澇災(zāi)情水體分布結(jié)果；最后，從水體數(shù)據(jù)中剔除南昌市晴朗時段的湖泊、河流等水體數(shù)據(jù)，得到南昌市洪澇災(zāi)情期間的積水分布概況，并在此基礎(chǔ)上添加由百度地圖提取出的南昌市建筑輪廓分布數(shù)據(jù)。最終結(jié)果如圖8所示。

圖8 洪澇水體分布情況

圖9 南昌市鄉(xiāng)鎮(zhèn)級洪澇災(zāi)害風(fēng)險評估結(jié)果

從圖8洪澇水體分布圖中可以看出，7月20日前后南昌市江河湖泊部分的水體明顯減少，而城市居民住宅區(qū)附近零碎的洪澇水體在大幅增加，說明雖然城市暴雨雖然在持續(xù)進(jìn)行，但洪水正在消退。而新增的零散洪澇水體，為城市洪澇災(zāi)害風(fēng)險較高地域，在城市暴雨時期，更易產(chǎn)生洪澇積水。從洪澇水體整體分布上看，在南昌2020年夏季災(zāi)情期間，大塊的洪澇積水集中在新建區(qū)北部和南昌縣的南北地區(qū)，這類區(qū)域均處于贛江以及撫河兩岸，雖然對比晴朗時期的水域有所擴(kuò)展，但考慮到江河流域的實際寬度與河岸高度，并未大范圍的漫延至城市居民地帶，江河的水體外溢的程度有限，潛在洪澇災(zāi)害風(fēng)險較大；南昌市中部以東湖區(qū)、西湖區(qū)和青云譜區(qū)為中心的區(qū)域，具有較為密集的城市建筑物，通過放大洪澇水體分布圖后可以發(fā)現(xiàn)，存在部分建筑地段被洪澇水體淹沒覆蓋，且在城市道路中出現(xiàn)洪澇水體，說明在洪澇暴雨期間，南昌市主城區(qū)存在交通癱瘓和城市建筑的淹沒狀況，值得說明的是，城市城區(qū)中的城市建筑物較多，當(dāng)房屋周圍出現(xiàn)可識別性的洪澇水體時，說明城區(qū)內(nèi)已有較為嚴(yán)重的城市洪澇狀況；同時，在洪澇水體分布圖中，可以發(fā)現(xiàn)南昌縣北部，存在部分較為規(guī)整的條形洪澇水體，說明在本次洪澇災(zāi)害期間，南昌縣北部的較大范圍的農(nóng)作物被洪水淹沒，造成了農(nóng)作物的直接損失。

將洪澇水體分布圖與洪澇因子分布情況進(jìn)行對比可以看出，南昌市洪澇致澇危險性分布較高的中部主城區(qū)，在本次城市暴雨期間，洪澇積水點增加較快；致澇危險性較高的新建區(qū)，存在較大范圍的持續(xù)性積水區(qū)域，但洪澇水體減退較快；在南昌市的孕澇敏感性分布圖中，在除去江河湖泊與城市建筑物后，孕澇敏感性分布狀況與洪澇水體分布情況高度一致，以人口較少的進(jìn)賢縣和南昌縣北部為例，在孕澇敏感性較高的地段，洪澇水體面積更為集中、密集，在孕澇敏感性較低的地區(qū)，洪澇水體更少。與實際災(zāi)情相符。因此，本文利用AHP和熵權(quán)賦權(quán)法對洪澇因子的權(quán)重進(jìn)行取值的結(jié)果較為合理。

4.6 評估結(jié)果展示

為更為直觀的展示南昌市各區(qū)之間的洪澇災(zāi)害風(fēng)險差距，將柵格化的圖7洪澇災(zāi)害風(fēng)險評估結(jié)果以地區(qū)的平均值進(jìn)行分區(qū)統(tǒng)計匯總，以繪制出南昌市的鄉(xiāng)鎮(zhèn)級洪澇災(zāi)害風(fēng)險分布圖,結(jié)果如圖9所示。

5 結(jié)論

本文通過梳理國內(nèi)外城市洪澇災(zāi)害風(fēng)險評估的相關(guān)研究，改進(jìn)了一種指標(biāo)評估法，從歷年城市暴雨特征、城市自然地理環(huán)境與城市發(fā)展?fàn)顩r出發(fā)，建立南昌市洪澇災(zāi)害風(fēng)險的指標(biāo)體系，篩選洪澇災(zāi)害風(fēng)險因子?；陔S機(jī)森林算法分析洪澇災(zāi)害風(fēng)險因子與洪澇災(zāi)害的相關(guān)性，并計算洪澇因子間對于洪澇災(zāi)害的相關(guān)重要性。根據(jù)隨機(jī)森林計算的洪澇因子重要性，融合利用AHP層次分析法與熵權(quán)法相結(jié)合的組合方法確定各洪澇因子的最終權(quán)重，最后將柵格化預(yù)處理后的各洪澇因子數(shù)據(jù)導(dǎo)入建立的洪澇災(zāi)害風(fēng)險評估模型中，得到南昌市的洪澇災(zāi)害風(fēng)險評估結(jié)果。

其中，通過爬取開源數(shù)據(jù)以及互聯(lián)網(wǎng)城市數(shù)據(jù)，克服了傳統(tǒng)洪澇評估中數(shù)據(jù)獲取困難的短板，為城市洪澇評估數(shù)據(jù)的獲取途徑提供新的方向。結(jié)合RS與GIS手段，利用隨機(jī)森林回歸算法，能夠因地適宜的對洪澇因子的重要性進(jìn)行定量對比分析，改進(jìn)了為以層次分析法為主的洪澇評估方法中權(quán)重值對比困難的問題，有效降低人為誤判概率。為缺乏城市關(guān)鍵性數(shù)據(jù)的同類型洪澇災(zāi)害風(fēng)險評估提供參考依據(jù)，同時能夠為城市洪澇災(zāi)害風(fēng)險管理、土地利用規(guī)劃和洪澇災(zāi)害應(yīng)急避難等提供重要依據(jù)。