基于信息擴散理論的氣象災(zāi)害風險分析方法研究

鐘平暉 余斌 陳金鑫 伍昕 王也 陳水明

（1.五凌電力有限公司，湖南長沙 410004；2.湖南五凌電力科技有限公司，湖南長沙 410004；3.上海遠景科創(chuàng)智能科技有限公司，上海 200000）

1 引言

氣象災(zāi)害作為自然災(zāi)害的一種，對農(nóng)作物、動物、植物等具有較高的危害，常見的氣象災(zāi)害有洪澇、干旱等，從全球范圍來看，根據(jù)某組織對氣象災(zāi)害數(shù)據(jù)統(tǒng)計，在2010—2015 年間全世界共發(fā)生了5 642 次氣象災(zāi)害，造成的直接經(jīng)濟損失達到2.65萬億元，人員傷亡數(shù)量高達251 萬人次，其中人員死亡數(shù)量為148 萬人次［1］。氣象災(zāi)害造成的直接經(jīng)濟損失占國民生產(chǎn)總值的0.25%，對于低收入國家而言，這個比例還會更高。受全球氣候變暖影響，在未來氣象災(zāi)害發(fā)生概率和頻次還會有所增加，與此同時也會帶來極大的風險。為了制定有效的方案和采取相應(yīng)的管理措施，需要對氣象災(zāi)害風險進行高精度分析，以此控制氣象災(zāi)害風險，降低氣象災(zāi)害帶來的損失。氣象災(zāi)害風險的分析需要大量的歷史災(zāi)情信息，而歷史災(zāi)情信息存在嚴重的不足，導(dǎo)致對其分析具有較高的難度。國內(nèi)已有相關(guān)專業(yè)的研究人員開始針對氣象災(zāi)害風險加以分析。劉志萍等人采用模糊綜合評價法，針對氣象災(zāi)害危險性特征進行分析和風險區(qū)劃，對氣象災(zāi)害按照權(quán)重進行排序，分析致災(zāi)因子危險性，為作物種植提供技術(shù)支持［2］。在實際應(yīng)用過程中，雖然能夠有效地對氣象災(zāi)害危險性特征進行分析，但是該方法分析樣本數(shù)據(jù)體積較小，導(dǎo)致分析結(jié)果與實際情況的相關(guān)系數(shù)比較低，降低了分析結(jié)果的可信度，難以對實際區(qū)域的氣象災(zāi)害進行詳細、具體的分析，無法滿足實際需求。

信息擴散理論是為了彌補信息不足而出現(xiàn)的一種模糊數(shù)學處理方法，把模糊問題轉(zhuǎn)換為確定性問題，主要是針對樣本模糊信息中的樣本進行集值優(yōu)化，可將信息擴散理論應(yīng)用到高溫熱害、旱災(zāi)、洪水、霜凍、風等風險的分析中。因此，本文基于信息擴散理論，設(shè)計一種氣象災(zāi)害風險分析方法。

2 氣象災(zāi)害風險分析方法

2.1 氣象災(zāi)害風險因子篩選

氣象災(zāi)害風險主要來源于致災(zāi)危險性、承災(zāi)體脆弱性、承災(zāi)體暴露性以及區(qū)域防災(zāi)抗災(zāi)能力4 個方面，因此選取這4 個因素作為氣象災(zāi)害風險因子。其中，致災(zāi)危險性的大小與氣象災(zāi)害發(fā)生頻次和致災(zāi)因子強度有關(guān)，其計算公式為：

式中，R 表示致災(zāi)危險性；F 表示致災(zāi)因子強度，即近5 年或者近10 年發(fā)生的氣象災(zāi)害的最高強度；P 表示區(qū)域氣象災(zāi)害發(fā)生的頻率。

根據(jù)該區(qū)域氣象站點記錄的歷史氣象數(shù)據(jù)，可計算出其氣象災(zāi)害發(fā)生頻率，其計算公式為：

式中，n 表示該區(qū)域發(fā)生氣象災(zāi)害的年數(shù)；N 表示氣象站點有可用氣象數(shù)據(jù)的總年數(shù)。

氣象災(zāi)害雖然具有一定的危險，但是其產(chǎn)生的風險與承災(zāi)體的脆弱性和暴露性有直接關(guān)系，承載體越脆弱，暴露面積越大，氣象災(zāi)害風險越高［3］。

承災(zāi)體的脆弱性可以用區(qū)域產(chǎn)量變異長度來表示，其公式為：

式中，V 表示承災(zāi)體脆弱性指數(shù)；Ymax表示氣象災(zāi)害風險分析區(qū)域多年單產(chǎn)最大值；Y 表示該區(qū)域某年的單產(chǎn)量；m 表示區(qū)域單產(chǎn)資料總年份數(shù)［4］。

承災(zāi)體的暴露性是指承受氣象災(zāi)害的主體暴露于孕災(zāi)環(huán)境的程度，其暴露程度越大，氣象災(zāi)害損失也就越大，氣象災(zāi)害風險越高［5］。受氣象災(zāi)害影響最大的主要為農(nóng)作物，根據(jù)區(qū)域農(nóng)作物種植面積以及區(qū)域總面積，計算出承災(zāi)體的暴露性，其計算公式為：

式中，E 表示承災(zāi)體的暴露性指數(shù)；B 表示區(qū)域農(nóng)作物種植面積；S 表示區(qū)域總地理面積。

正常情況下，為了抵抗氣象災(zāi)害，區(qū)域會采取一些預(yù)防措施和減災(zāi)措施，以此提升自身的防災(zāi)減災(zāi)能力，該能力越高，氣象災(zāi)害風險越低，因此區(qū)域防災(zāi)減災(zāi)能力與氣象災(zāi)害風險也有著十分密切的關(guān)系。區(qū)域防災(zāi)減災(zāi)能力主要受人為因素影響，人為因素包括農(nóng)民人均可支配收入、人均非家庭經(jīng)營收入占比、農(nóng)業(yè)從業(yè)人員占比、單位種植面積農(nóng)業(yè)機械總動力、耕地有效灌溉面積比例以及單位面積化肥施用量。利用以上6 個指標評價區(qū)域防災(zāi)減災(zāi)能力，其用公式表示為：

式中，X 表示區(qū)域防災(zāi)減災(zāi)能力；n 表示區(qū)域防災(zāi)減災(zāi)能力評價指標數(shù)量；w 表示歸一化系數(shù)；x 表示農(nóng)民人均可支配收入；e 表示人均非家庭經(jīng)營收入占比；s 表示農(nóng)業(yè)從業(yè)人員占比；a 表示單位種植面積農(nóng)業(yè)機械總動力；c 表示耕地有效灌溉面積比例；q表示單位面積化肥施用量。

2.2 基于信息擴散理論的樣本數(shù)據(jù)集值化處理

選取區(qū)域所有氣象站記錄的歷史氣象災(zāi)害數(shù)據(jù)作為數(shù)據(jù)樣本，考慮到氣象災(zāi)害數(shù)據(jù)量并不豐富，樣本容量比較小，因此以信息擴散理論作為理論依據(jù)，對樣本數(shù)據(jù)進行擴散處理，將樣本數(shù)據(jù)轉(zhuǎn)換為一個模糊集，通過對模糊集非正態(tài)擴散，擴大樣本數(shù)據(jù)量，將樣本信息擴散到整個氣象災(zāi)害風險指標論域中所有點上，增加樣本數(shù)據(jù)容量，擴大樣本數(shù)據(jù)體積，為氣象災(zāi)害風險分析提供豐富的數(shù)據(jù)基礎(chǔ)。

按照上文篩選的氣象災(zāi)害風險因子建立風險因素指標序列，假設(shè)YN為第N 年發(fā)生氣象災(zāi)害的觀測樣本，構(gòu)建氣象災(zāi)害觀測樣本集合：

式中，Z 表示氣象災(zāi)害觀測樣本集合［6］；YN為第N年發(fā)生氣象災(zāi)害的觀測樣本；N 為年數(shù)。

信息擴散過程遵守信息量守恒的原則，氣象災(zāi)害觀測樣本集合中任意一個觀測樣本Y 都要落在擴散區(qū)間內(nèi)，假設(shè)擴散區(qū)間為［a1，am］，氣象災(zāi)害風險因子指標論域為U，其用公式表示為：

將攜帶的信息擴散到氣象災(zāi)害風險因子指標論域U 中的所有點，其用公式表示為：

式中，f 表示信息擴散后的氣象災(zāi)害數(shù)據(jù)集；h 表示信息擴散系數(shù)。

根據(jù)區(qū)域氣象災(zāi)害年發(fā)生次數(shù)的最大值和最小值計算該系數(shù)h，其計算公式為：

式中，b 表示區(qū)域氣象災(zāi)害年發(fā)生次數(shù)的最大值；a表示區(qū)域氣象災(zāi)害年發(fā)生次數(shù)的最小值；k 表示氣象災(zāi)害樣本數(shù)量。

按照上述流程對選取的樣本數(shù)據(jù)進行擴散，將信息點擴散到氣象災(zāi)害風險因子指標論域上。

2.3 氣象災(zāi)害風險定性分析

考慮到每個氣象災(zāi)害風險因子對氣象災(zāi)害風險影響程度不同［7］，因此在上文基礎(chǔ)上，利用層次分析法計算出各個氣象災(zāi)害風險因子權(quán)重，風險因子權(quán)重計算公式為：

式中，ω 表示氣象災(zāi)害風險因子權(quán)重值；n 表示氣象災(zāi)害風險因子數(shù)量；εn表示第n 個氣象災(zāi)害風險因子對氣象災(zāi)害風險的貢獻度；κn表示第n 個氣象災(zāi)害風險因子的標度值。

氣象災(zāi)害風險因子標度值評價規(guī)則為：如果兩個風險因子相比，前者比后者強烈重要，則風險因子標度取值為1；如果兩個風險因子相比，前者比后者極其重要，則風險因子標度取值為3；如果兩個風險因子相比，前者比后者一般重要，則風險因子標度取值為5；如果兩個風險因子相比，前者與后者同等重要，則風險因子標度取值為7［8］。按照該規(guī)則確定各個風險因子標度值，將其代入公式（10）中，得到風險因子權(quán)重值。利用評價函數(shù)計算出氣象災(zāi)害風險指數(shù)：

式中，K 表示氣象災(zāi)害風險指數(shù)；ωr表示致災(zāi)危險性權(quán)重值；ωv表示承災(zāi)體脆弱性權(quán)重值；ωe表示承災(zāi)體暴露性權(quán)重值；ωx表示區(qū)域防災(zāi)減災(zāi)能力權(quán)重值。

將信息擴散后的數(shù)據(jù)代入公式（11）中，計算出區(qū)域氣象災(zāi)害風險指數(shù)［9］。根據(jù)氣象災(zāi)害風險分析實際需求，此次設(shè)計了5 個風險等級［10］。氣象災(zāi)害風險指數(shù)取值范圍為0～1，如果公式（11）計算結(jié)果小于0.2，則表示該區(qū)域氣象災(zāi)害風險等級為一級，風險程度為低風險，區(qū)域防災(zāi)減災(zāi)能力強、災(zāi)害危險性低；如果公式（11）計算結(jié)果大于0.2、小于0.4，則表示該區(qū)域氣象災(zāi)害風險等級為二級，風險程度為較低風險，區(qū)域防災(zāi)減災(zāi)能力較強、災(zāi)害危險性較低；如果公式（11）計算結(jié)果大于0.4、小于0.6，則表示該區(qū)域氣象災(zāi)害風險等級為三級，風險程度為中度風險，區(qū)域防災(zāi)減災(zāi)能力一般、災(zāi)害危險性一般，需要完善和修改氣象災(zāi)害預(yù)防方案，提升氣象災(zāi)害防御能力，降低氣象災(zāi)害風險；如果公式（11）計算結(jié)果大于0.6、小于0.8，則表示該區(qū)域氣象災(zāi)害風險等級為四級，風險程度為較高風險，區(qū)域防災(zāi)減災(zāi)能力比較弱、災(zāi)害危險性比較高，需要采取有效的措施，控制氣象災(zāi)害風險；如果公式（11）計算結(jié)果大于0.8，則表示該區(qū)域氣象災(zāi)害風險等級為五級，風險程度為高風險，區(qū)域防災(zāi)減災(zāi)能力非常弱、災(zāi)害危險性非常高，需要加大自身防御能力，作出正確決策，加大氣象災(zāi)害抵抗力度。根據(jù)以上評價標準，對氣象災(zāi)害風險進行定性分析，確定氣象災(zāi)害等級，以此實現(xiàn)基于信息擴散理論的氣象災(zāi)害風險分析。

3 實驗論證

為了驗證本文提出的氣象災(zāi)害風險分析思路的可行性與可靠性，設(shè)置對比實驗對設(shè)計方法進行了測試。

3.1 實驗設(shè)置

以某地區(qū)作為實驗對象，以大風天氣為例，選取該地區(qū)2011—2021 年氣象數(shù)據(jù)作為數(shù)據(jù)樣本，共1.26 GB；根據(jù)該區(qū)域統(tǒng)計信息網(wǎng)2011—2021 年的農(nóng)業(yè)數(shù)據(jù)，得到該區(qū)域播種面積及總產(chǎn)量數(shù)據(jù)，共1.36 GB。該區(qū)域平均大風日數(shù)年變化趨勢如圖1 所示。

圖1 2011—2021 年某地區(qū)平均大風日數(shù)年變化趨勢

2011—2021 年某地區(qū)播種面積及總產(chǎn)量數(shù)據(jù)見表1。

表1 播種面積及總產(chǎn)量數(shù)據(jù)

利用本文設(shè)計方法與文獻［2］提出的基于模糊綜合評價方法對該地區(qū)氣象災(zāi)害風險進行分析。

3.2 實驗過程

按照上述流程對收集的樣本數(shù)據(jù)擴散處理，經(jīng)信息擴散后得到數(shù)據(jù)12.64 GB。利用公式（10）對各個氣象風險因子權(quán)重進行計算，其中對氣象災(zāi)害風險影響程度最高的風險因子為致災(zāi)危險性，其權(quán)重值為0.56，承災(zāi)體暴露性和脆弱性次之，其權(quán)重值分別為0.46 和0.31，區(qū)域防災(zāi)減災(zāi)能力對氣象災(zāi)害風險影響程度最小，為0.24。

3.3 實驗結(jié)果與分析

根據(jù)對該區(qū)域大風與農(nóng)業(yè)數(shù)據(jù)的分析，通過本文設(shè)計方法可分析出大風天氣的頻繁程度對糧食總產(chǎn)量具有一定的影響。大風天氣數(shù)量較多的年份，該區(qū)域的年糧食總產(chǎn)量會出現(xiàn)不同程度的下降。雖然糧食總產(chǎn)量與播種面積有一定關(guān)系，但是同樣也容易受到惡劣天氣的影響，導(dǎo)致該年糧食總產(chǎn)量出現(xiàn)一定程度的降低。

為了驗證本文設(shè)計方法分析的有效性，與傳統(tǒng)方法進行對比，計算氣象災(zāi)害風險分析結(jié)果與實際情況的相關(guān)系數(shù)。實驗共分為8 組，利用MATLAB軟件計算出兩種方法分析結(jié)果與實際情況相關(guān)系數(shù)，相關(guān)系數(shù)越大表示氣象災(zāi)害風險分析精度越高，將其作為兩種方法評價指標，使用電子表格對實驗數(shù)據(jù)進行記錄，具體數(shù)據(jù)見表2。

表2 兩種方法分析結(jié)果相關(guān)系數(shù)對比

從表2 中數(shù)據(jù)分析可以得出以下結(jié)論：設(shè)計方法分析結(jié)果與實際情況相關(guān)系數(shù)較高，平均相關(guān)系數(shù)為0.97，最小相關(guān)系數(shù)為0.96，最高相關(guān)系數(shù)可以達到0.99，數(shù)值接近1，說明設(shè)計方法分析結(jié)果與實際氣象災(zāi)害風險情況基本一致；而傳統(tǒng)方法分析結(jié)果與實際情況相關(guān)系數(shù)比較低，平均相關(guān)系數(shù)僅為0.49，最大相關(guān)系數(shù)為0.56，最小相關(guān)系數(shù)為0.36，遠遠低于設(shè)計方法。因此實驗結(jié)果證明，在精度方面，設(shè)計方法優(yōu)于傳統(tǒng)方法，其相比較傳統(tǒng)方法更適用于氣象災(zāi)害風險分析，分析結(jié)果具有較高的可信度，在氣象災(zāi)害風險分析方面具有良好的應(yīng)用前景，能夠為氣象災(zāi)害風險分析提供有力的理論支撐。

這是由于本文設(shè)計方法以信息擴散理論作為理論依據(jù)，對樣本數(shù)據(jù)進行擴散處理，將樣本數(shù)據(jù)轉(zhuǎn)換為一個模糊集，通過對模糊集非正態(tài)擴散，擴大樣本數(shù)據(jù)量，將樣本信息擴散到整個氣象災(zāi)害風險指標論域中所有點上，增加樣本數(shù)據(jù)容量，擴大樣本數(shù)據(jù)體積，提高了分析結(jié)果與實際情況相關(guān)系數(shù)，為氣象災(zāi)害風險分析提供了豐富的數(shù)據(jù)基礎(chǔ)。

4 結(jié)論

本文針對傳統(tǒng)方法存在的不足，將信息擴散理論應(yīng)用到氣象災(zāi)害風險分析中，提出了一個新的氣象災(zāi)害風險分析思路。

（1）篩選氣象災(zāi)害風險因子，并對因子數(shù)據(jù)信息進行集值化處理，通過層次分析法評價氣象災(zāi)害風險因子權(quán)重，確定氣象災(zāi)害等級。

（2）通過實驗證明，設(shè)計方法分析結(jié)果與實際情況相關(guān)系數(shù)平均值為0.97，具有較高的可信度，有助于提高應(yīng)對氣象災(zāi)害的響應(yīng)時間，在一定程度上減少氣象災(zāi)害帶來的經(jīng)濟損失。

（3）由于研究時間的限制，本文提出的方法尚未在實際中進行大量應(yīng)用和實踐操作，因此在未來的研究中，可將本文設(shè)計方法投入實際氣象災(zāi)害風險分析項目中進行長期的實驗，并在實驗中不斷完善設(shè)計方法，以期為氣象災(zāi)害風險分析提供有力的理論支撐。