CN113191644B - 一种基于自发-引发风险评价模型城市内涝风险评价方法 - Google Patents

Abstract

本发明涉及一种基于自发‑引发风险评价模型城市内涝风险评价方法，属于洪灾风险评价技术领域，包括以下步骤：获取研究区域基础资料；划分研究区域内涝风险为自发风险和引发风险，构建城市内涝风险评价指标体系；建立自发风险和引发风险量化评价方法和耦合评价模型；采用组合赋权法计算各评价指标权重；采用灰色模糊综合评价法计算各子区域风险值；利用自然断点法划分风险等级；该发明所提供的方法，综合考虑了由区域自身致灾因子、孕灾环境等带来的自发风险和由区域道路被淹对其他各区域产生的影响所带来的引发风险，结构简单、评估内容全面、可操作性强，能直观反映区域内涝风险的两个主要来源，为城市内涝防治提供科学可靠的决策支持。

Description

一种基于自发-引发风险评价模型城市内涝风险评价方法

技术领域

本发明涉及洪灾风险评价技术领域，特别是涉及一种基于自发-引发风险评价模型城市内涝风险评价方法。

背景技术

受强降雨、快速城市化、排水系统承载能力不足三重因素影响，城市内涝灾害发生频率增加，灾害损失加大。内涝风险评价作为城市内涝管理和风险减轻的重要工具，对于城市内涝灾害管理、预警及规划整治具有重要意义。

城市道路网络作为城市重要的基础设施，是城市经济发展的关键要素，但极易受到洪水影响。道路淹没将阻碍与之相连的其他区域的交通出行，导致灾防人力和设施无法按时到达、正常通行和就医等事情受阻等。严重情况下，将打断正常的社会经济生活，造成人员伤亡，极大地增加了淹没道路所在区域的潜在内涝风险。目前城市内涝风险评价方法的相关研究主要聚焦于各区域由致灾因子、孕灾环境等导致的自身内涝风险，未考虑由区域道路淹没造成的交通拥堵等引发的区域潜在系统灾害风险。

发明内容

针对上述问题，本发明旨在提供一种基于自发-引发风险评价模型城市内涝风险评价方法，综合考虑由区域致灾因子、社会经济暴露性带来的自发风险和由区域道路淹没对其他区域的不利影响产生的引发风险。

本发明的目的采用以下技术方案来实现：

提供了一种基于自发-引发风险评价模型城市内涝风险评价方法，包括以下步骤：

步骤一，获取待研究区域内涝风险评价所需的基础资料，包括构建城市内涝模拟模型所需基础数据(数字高程数据、河流数据、排水数据和降雨数据)、历史洪水事件资料、内涝风险评估指标所需数据；

步骤二，划分研究区域内涝风险为自发风险和引发风险，构建城市内涝风险评价指标体系；

步骤三，分别建立自发风险和引发风险量化评价方法，并提出区域内涝风险耦合评价模型；

步骤四，采用主客观权重相结合的组合赋权法计算各评价指标权重；

步骤五，采用灰色模糊综合评价法计算各子区域风险值；

步骤六，利用自然断点法划分各子区域风险等级。

进一步，自发风险和引发风险分别为：

所述自发风险SR是指区域致灾因子和自身社会经济暴露性相互作用导致的内涝风险，所述自发风险的指标体系包括平均最大淹没深度MD、最大淹没面积占比RA、平均最大淹没流速MV、人口密度DPP、POI密度DPOI、建筑物密度DB；

所述引发风险TR是指被评价区域道路被淹后对其他区域造成的不利影响所引发的潜在风险，所述引发风险的指标体系包括道路平均最大淹没深度RMD和道路中心性RBC，

其中，RMD是指道路内所有淹没网格最大淹没深度的平均值，计算如下：

式中，MD_g为道路淹没网格g的最大淹没深度；n为被评价道路所包含的淹没网格总数，其中，道路淹没网格的最大淹没深度通过将道路网络图层与内涝模型模拟结果叠加后提取得到，RMD直接影响居民出行和交通运行状况，其值越高，道路淹没情况越严重，更易导致道路中断；

RBC基于通过一条道路的最短路径数量计算得到，是道路结构重要性参数，由下式定义：

式中，σ_od为从子区域o到子区域d的最短路径数；σ_od(r)为从子区域o到子区域d所有最短路径中经过道路r的数量；N为子区域总数；各子区域间的最短路径通过路径分析功能得到；RBC体现了路段在网络中的连通性，具有较高RBC值的道路使用率较高，具有更高的交通流量，若高RBC路段因淹没中断，则更易将路网分割成簇，导致交通瘫痪，对其他区域产生不利影响，即评价区域具有更高的引发风险。

进一步，自发风险和引发风险量化评价方法与区域内涝风险耦合评价模型具体如下：

所述自发风险量化评价方法如下：

式中，R_SR为SR风险值；ω_s为SR指标s所分配的权重；P_s为SR指标s的得分；m为指标总数；

所述引发风险量化评价方法如下：

式中，R_TR为TR风险值；l_r为子区域内道路r的长度；L为子区域内所有道路长度之和，

t为子区域周边路段总数；R_Road-r为道路r的道路内涝风险值，计算如下：

R_Road-r＝ω₁·RMD+ω₂·RBC

式中，R_Road-r为道路r的内涝风险值；ω₁、ω₂分别为TR指标RMD、RBC所分配的权重；

所述区域内涝风险耦合评价模型如下：

耦合自发风险值R_SR和引发风险值R_TR，得到各子区域内涝总风险FR值：

R_FR＝α·R_SR+β·R_TR

式中，R_FR、R_SR、R_TR分别为FR、SR、TR的风险值；α、β分别为各项对应的权重。

进一步，采用主客观权重相结合的组合赋权法计算各评价指标权重：

主观权重确定采用层次分析法，包括层次结构模型建立、判断矩阵构造、各层权重计算与一致性检验四个步骤；

客观权重确定采用改进熵权法，以克服传统熵权法当各指标熵值趋近于1时，熵值间的微小差距会引起熵权成倍变化的缺陷，计算公式如下：

式中，

为改进熵权法权重；H_j为第j项指标的熵值；

为所有不为1的熵值的平均值；ω_0j为传统熵权法权重；q为指标个数；

基于层次分析法和改进熵权法计算得到的各评价指标权重，线性加权得到组合权重：

式中，ω_j、ω_j'、

分别为组合权重，层次分析法确定的权重，改进熵权法确定的权重；α为改进熵权法权重在组合赋权中的比例；

为减小主观因素的影响，依据变异系数法计算α，计算公式如下：

式中，ω'₁、ω'₂、……、ω'_q为层次分析法权重值由小到大的排列；q为指标个数。

进一步，采用灰色模糊综合评价法计算各子区域风险值，包括下列步骤：

(1)对于m个被评价对象，n个评价指标，构造初始数据矩阵F：

式中：f_ij为第i个评价对象的第j个评价指标值；

(2)指标无量纲处理，并确定最优指标集：

假定第i个指标的最大值与最小值分别为

对f_ij无量纲处理得到D_ij：

确定最优指标集D^*，记为

通常，在所有被评价对象中，第j个指标的最优值被确定为

(3)灰色关联系数计算：

以最优指标集D^*作为参照序列，以任一评价对象的指标值D_i＝(D_i1,D_i2,···,D_in)作为被比较序列，求解D_ij与最优指标

的关联系数r_ij，即隶属度，得到隶属度矩阵R＝(r_ij)_m×n：

式中：ρ∈[0,1]，一般取0.5，称为分辨系数；

(4)内涝风险值计算

将权重向量W＝(ω₁,ω₂,···,ω_n)与隶属度矩阵R^T进行合成运算，本发明采用相乘算子，得到各评价对象的内涝风险值：

有益效果

与现有方法相比，本发明的优点和有益效果为：

本发明提供了一种基于自发-引发风险评价模型城市内涝风险评价方法，综合考虑由区域致灾因子、社会经济暴露性带来的自发风险和由区域道路淹没对其他区域的不利影响产生的引发风险。该方法能直观地反映城市内涝风险的两个主要来源，结构简单，评估内容全面，可操作性强，可为城市内涝防治提供科学可靠的决策支持。

2.本发明采取了主客观相结合的权重确定方法，在充分利用专家知识经验的同时，发掘数据内在规律，降低随机性，极大地提高了权重确定结果的合理性和可靠度。

3.以往常用的模糊综合评价法存在隶属度函数不明确、阈值人为确定的缺陷，本发明提出灰色模糊综合评价法，引入灰色评价思想，通过求解指标值与最优值的距离代替隶属度，避免了模糊评价主观性强的缺点。

4.为避免人为设定各风险等级阈值，本发明采用自然断点法进行内涝风险等级划分，在保证每一组内部相似性最大，外部组与组之间相异性最大的同时，兼顾每一组之间要素的范围和个数尽量相近。

附图说明

图1为本发明提供的一种基于自发-引发风险评价模型城市内涝风险评价方法整体流程示意图；

图2为基于自发-引发风险评价模型的城市内涝风险评价指标体系图；

图3为以海南省海口市海甸岛区域为例绘制的自发风险指标分布图；

图4为以海南省海口市海甸岛区域为例绘制的引发风险指标分布图；

图5为以海南省海口市海甸岛区域为例绘制的内涝风险区划图。

具体实施方式

下面结合附图对本发明作出详细说明：

以下将结合实施例附图对本发明的具体实施方式进行详细说明。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例结合海口市海甸岛区域，根据海甸岛区域内涝的特点，从自发风险和引发风险的角度出发，建立了一种基于自发-引发风险评价模型城市内涝风险评价方法，其整体流程示意图如图1所示，具体包括以下步骤：

步骤一，获取待研究区域内涝风险评价所需的基础资料，包括构建城市内涝模拟模型所需基础数据(数字高程数据、河流数据、排水数据和降雨数据)、历史洪水事件资料、内涝风险评估指标所需数据，具体如下：

(1)数字高程模型(DEM，m)：DEM反映研究区域的地形条件，是城市内涝模拟模型的基本数据；

(2)河道数据和排水系统数据：这些是城市内涝模拟模型的基本数据。河道数据主要包括河道横截面形状以及它们之间的距离，排水数据包括管道和检查井的位置、检查井深度和管道尺寸；

(3)降雨数据：指每小时的降雨数据，是城市内涝模拟模型的输入数据；

(4)历史洪水事件数据：用于校准城市内涝模拟模型，包括淹没深度和降雨量；

(5)POI密度(DPOI，个/万m²)：各子区域内POI总数与子区域面积之比。本实施例POI包括餐饮、住宿、购物、商务、教育和医疗；

(6)建筑物密度(DB，m²/万m²)：各子区域建筑物面积与子区域面积之比。建筑物面积通过可视化图像环境(ENVI)软件从卫星遥感图像中提取；

(7)人口密度(DPP，/万m²)：各子区域内总人口数与子区域面积之比。其中各子区域人口数量估算方法如下：

F_b＝H_b÷H_F

式中，N_p为子区域总人口数；A_b、H_b分别为建筑物面积和建筑物高度，基于ENVI软件从卫星遥感影像中提取得到；F_b为建筑物层数；

为海口市人均住房面积；H_F为建筑物层高； h为子区域内建筑总数；

(8)平均最大淹没深度(MD，m)、最大淹没面积占比(RA，％)、平均最大淹没流速(MV，m/s)：平均最大淹没深度是指子区域内最大淹没水量与淹没面积之比；最大淹没面积占比是指子区域内最大淹没面积与子区域面积之比；平均最大淹没流速是指子区域内所有淹没网格最大流速的平均值。由内涝模拟模型得出；

(9)道路网络图层：是量化与道路相关指标的基础数据。

步骤二，划分研究区域内涝风险为自发风险和引发风险，构建城市内涝风险评价指标体系，如图2所示。

所述自发风险SR是指区域致灾因子和自身社会经济暴露性相互作用导致的内涝风险，所述自发风险的指标体系包括平均最大淹没深度MD、最大淹没面积占比RA、平均最大淹没流速MV、人口密度DPP、POI密度DPOI、建筑物密度DB，自发风险各指标分布如图3所示；

所述引发风险TR是指被评价区域道路被淹后对其他区域造成的不利影响所引发的潜在风险，所述引发风险的指标体系包括道路平均最大淹没深度RMD和道路中心性RBC，

其中，RMD是指道路内所有淹没网格最大淹没深度的平均值，计算如下：

式中，MD_g为道路淹没网格g的最大淹没深度；n为被评价道路所包含的淹没网格总数，其中，道路淹没网格的最大淹没深度通过将道路网络图层与内涝模型模拟结果叠加后提取得到，RMD直接影响居民出行和交通运行状况，其值越高，道路淹没情况越严重，更易导致道路中断；

RBC基于通过一条道路的最短路径数量计算得到，是道路结构重要性参数，由下式定义：

式中，σ_od为从子区域o到子区域d的最短路径数；σ_od(r)为从子区域o到子区域d所有最短路径中经过道路r的数量；N为子区域总数；各子区域间的最短路径通过路径分析功能得到；RBC体现了路段在网络中的连通性，具有较高RBC值的道路使用率较高，具有更高的交通流量，若高RBC路段因淹没中断，则更易将路网分割成簇，导致交通瘫痪，对其他区域产生不利影响，即评价区域具有更高的引发风险，引发风险各指标分布如图4所示。

步骤三，提出自发风险和引发风险量化评价方法，并构建区域内涝风险耦合评价模型：

所述自发风险量化评价方法如下：

式中，R_SR为SR风险值；ω_s为SR指标s所分配的权重；P_s为SR指标s的得分；m为指标总数；

所述引发风险量化评价方法如下：

式中，R_TR为TR风险值；l_r为子区域内道路r的长度；L为子区域内所有道路长度之和，

t为子区域周边路段总数；R_Road-r为道路r的道路内涝风险值，计算如下：

R_Road-r＝ω₁·RMD+ω₂·RBC

式中，R_Road-r为道路r的内涝风险值；ω₁、ω₂分别为TR指标RMD、RBC所分配的权重；

所述区域内涝风险耦合评价模型如下：

耦合自发风险值R_SR和引发风险值R_TR，得到各子区域内涝总风险FR值：

R_FR＝α·R_SR+β·R_TR

式中，R_FR、R_SR、R_TR分别为FR、SR、TR的风险值；α、β分别为各项对应的权重。

步骤四，采用主客观权重相结合的组合赋权法计算各评价指标权重：

主观权重确定采用层次分析法，包括层次结构模型建立、判断矩阵构造、各层权重计算与一致性检验四个步骤。本发明中自发风险指标和引发风险指标判断矩阵分别见表1和表2。

表1自发风险指标判断矩阵

表2引发风险指标判断矩阵

客观权重确定采用改进熵权法，以克服传统熵权法当各指标熵值趋近于1时，熵值间的微小差距会引起熵权成倍变化的缺陷，计算公式如下：

式中，

为改进熵权法权重；H_j为第j项指标的熵值；

为所有不为1的熵值的平均值；ω_0j为传统熵权法权重；q为指标个数；

基于层次分析法和改进熵权法计算得到的各评价指标权重，线性加权得到组合权重：

式中，ω_j、ω_j'、

分别为组合权重，层次分析法确定的权重，改进熵权法确定的权重；α为改进熵权法权重在组合赋权中的比例；

为减小主观因素的影响，依据变异系数法计算α，计算公式如下：

式中，ω'₁、ω'₂、……、ω'_q为层次分析法权重值由小到大的排列；q为指标个数。

自发风险、引发风险各指标权重如表3和表4所示

表3自发风险指标权重

表4引发风险指标权重

步骤五，采用灰色模糊综合评价法计算各子区域风险值，包括下列步骤：

(1)对于m个被评价对象，n个评价指标，构造初始数据矩阵F：

式中：f_ij为第i个评价对象的第j个评价指标值；

(2)指标无量纲处理，并确定最优指标集：

假定第i个指标的最大值与最小值分别为

对f_ij无量纲处理得到D_ij：

确定最优指标集D^*，记为

通常，在所有被评价对象中，第j个指标的最优值被确定为

(3)灰色关联系数计算：

以最优指标集D^*作为参照序列，以任一评价对象的指标值D_i＝(D_i1,D_i2,···,D_in)作为被比较序列，求解D_ij与最优指标

的关联系数r_ij，即隶属度，得到隶属度矩阵R＝(r_ij)_m×n：

式中：ρ∈[0,1]，一般取0.5，称为分辨系数；

(4)内涝风险值计算

将权重向量W＝(ω₁,ω₂,···,ω_n)与隶属度矩阵R^T进行合成运算，本发明采用相乘算子，得到各评价对象的内涝风险值：

步骤六，利用自然断点法划分各子区域风险等级。区域内涝FR、SR以及TR风险等级空间分布图，如图5所示。

从上述计算结果可知，FR极高风险区主要分布于海甸岛主干道周边的商业人口密集、地势平坦的区域。这些区域社会经济暴露性高，且积水形成后不易排出，淹没情况严重，同时其周边主干道一旦被淹将严重阻碍其他区域的正常交通。整体来看，高风险区集中于研究区域中心，东南部地区的内涝风险高于西北部地区。

与单一考虑SR相比，考虑TR后，部分距离研究区域主干道较远的区域FR风险等级降低，而主干道尤其是主干道交叉口周边区域FR风险等级提高。经统计，有48个区域FR等级低于SR等级，大多位于研究区域较外环的远离主干道的区域。而有19个区域FR等级高于SR等级，大多数位于海甸五路与人民大道两个主干道交叉口周边。

本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (3)

1.一种基于自发-引发风险评价模型城市内涝风险评价方法，其特征在于，包括以下步骤：

步骤一，获取待研究区域内涝风险评价所需的基础资料，包括构建城市内涝模拟模型所需基础数据、历史洪水事件资料、内涝风险评估指标所需数据；

步骤二，划分研究区域内涝风险为自发风险和引发风险，构建城市内涝风险评价指标体系；所述自发风险和引发风险分别为：

所述自发风险SR是指区域致灾因子和自身社会经济暴露性相互作用导致的内涝风险，所述自发风险的指标体系包括平均最大淹没深度MD、最大淹没面积占比RA、平均最大淹没流速MV、人口密度DPP、POI密度DPOI、建筑物密度DB；

所述引发风险TR是指被评价区域道路被淹后对其他区域造成的不利影响所引发的潜在风险，所述引发风险的指标体系包括道路平均最大淹没深度RMD和道路中心性RBC，

其中，RMD是指道路内所有淹没网格最大淹没深度的平均值，计算如下：

式中，MD_g为道路淹没网格g的最大淹没深度；n为被评价道路所包含的淹没网格总数，

RBC基于通过一条道路的最短路径数量计算得到，是道路结构重要性参数，由下式定义：

式中，σ_od为从子区域o到子区域d的最短路径数；σ_od(r)为从子区域o到子区域d所有最短路径中经过道路r的数量；N为子区域总数；各子区域间的最短路径通过路径分析功能得到；

步骤三，分别建立自发风险和引发风险量化评价方法，并提出区域内涝风险耦合评价模型；其中：所述自发风险和引发风险量化评价方法与区域内涝风险耦合评价模型如下：

3.1所述自发风险量化评价方法如下：

式中，R_SR为SR风险值；ω_s为SR指标s所分配的权重；P_s为SR指标s的得分；m为指标总数；

3.2所述引发风险量化评价方法如下：

式中，R_TR为TR风险值；l_r为子区域内道路r的长度；L为子区域内所有道路长度之和，

t为子区域周边路段总数；R_Road-r为道路r的道路内涝风险值，计算如下：

R_Road-r＝ω₁·RMD+ω₂·RBC

式中，R_Road-r为道路r的内涝风险值；ω₁、ω₂分别为TR指标RMD、RBC所分配的权重；

3.3所述区域内涝风险耦合评价模型如下：

耦合自发风险值R_SR和引发风险值R_TR，得到各子区域内涝总风险FR值：

R_FR＝α·R_SR+β·R_TR

式中，R_FR、R_SR、R_TR分别为FR、SR、TR的风险值；α、β分别为各项对应的权重；

步骤四，采用主客观权重相结合的组合赋权法计算各评价指标权重；

步骤五，采用灰色模糊综合评价法计算各子区域风险值；

步骤六，利用自然断点法划分各子区域风险等级。

2.根据权利要求1所述的基于自发-引发风险评价模型城市内涝风险评价方法，其特征在于，步骤四中，采用主客观权重相结合的组合赋权法计算各评价指标权重：

4.1主观权重确定采用层次分析法，包括层次结构模型建立、判断矩阵构造、各层权重计算与一致性检验四个步骤；

4.2客观权重确定采用改进熵权法，以克服传统熵权法当各指标熵值趋近于1时，熵值间的微小差距会引起熵权成倍变化的缺陷，计算公式如下：

式中，

为改进熵权法权重；H_j为第j项指标的熵值；

为所有不为1的熵值的平均值；ω_0j为传统熵权法权重；q为指标个数；

4.3基于层次分析法和改进熵权法计算得到的各评价指标权重，线性加权得到组合权重：

式中，ω_j、ω'_j、

分别为组合权重，层次分析法确定的权重，改进熵权法确定的权重；r为改进熵权法权重在组合赋权中的比例；

为减小主观因素的影响，依据变异系数法计算α，计算公式如下：

式中，ω'₁、ω'₂、……、ω'_q为层次分析法权重值由小到大的排列；q为指标个数。

3.根据权利要求1所述的基于自发-引发风险评价模型城市内涝风险评价方法，其特征在于，步骤五中，采用灰色模糊综合评价法计算各子区域风险值，包括下列步骤：

5.1对于m个被评价对象，n个评价指标，构造初始数据矩阵F：

式中：f_ij为第i个评价对象的第j个评价指标值；

5.2指标无量纲处理，并确定最优指标集：

假定第i个指标的最大值与最小值分别为f_j ^max、f_j ^min，对f_ij无量纲处理得到D_ij：

确定最优指标集D^*，记为

通常，在所有被评价对象中，第j个指标的最优值被确定为

5.3灰色关联系数计算：

以最优指标集D^*作为参照序列，以任一评价对象的指标值D_i＝(D_i1,D_i2,···,D_in)作为被比较序列，求解D_ij与最优指标

的关联系数r_ij，即隶属度，得到隶属度矩阵R＝(r_ij)_m×n：

式中：ρ∈[0,1]，0.5称为分辨系数；

5.4内涝风险值计算

将权重向量W＝(ω₁,ω₂,···,ω_n)与隶属度矩阵R^T进行合成运算，本发明采用相乘算子，得到各评价对象的内涝风险值：

Images