CN115809800A - 洪涝灾害风险评估方法 - Google Patents

Abstract

本发明公开一种洪涝灾害风险评估方法。所述的方法包括：S1)收集基础数据；S2)确定承灾体并整理承灾体数据，包括：人口密度、建筑用地占比、农业用地占比、工矿用地占比、路网密度；S3)确定淹没水深为致灾因子；S4)以致灾因子和承灾体数据作为评估指标，形成因素集；S5)确定每个评估指标的隶属度；S6)确定评估指标权重；S7)利用确定的指标权重与各指标的等级隶属度计算总隶属度。经实际测试，本发明的方法中，高风险地区和实际受灾范围大体上保持一致。其中主要街道和城镇位于高风险地区，实际受灾情况也比较严重，其风险等级分布结果可较好为抗灾救灾工作提供参考依据，为当地有针对性地进行防灾减灾工作提供有价值的信息。

Description

洪涝灾害风险评估方法

技术领域

本发明公开一种洪涝灾害风险评估方法。

背景技术

洪涝灾害是一种突发性强、发生频率高、危害严重的自然灾害。洪涝灾害风险评估是利用降雨数据，结合“降雨-径流”过程模拟，获取不同时刻流域内各子流域的流量，进而模拟灾害发生不同时段各子流域径流的动态变化过程，进行洪涝灾害风险评估.目前，洪涝灾害风险评估虽然尚处于探索阶段，但已经越来越引起人们的关注，它将会是今后开展洪涝灾害风险估工作的一个趋势,同时也是我们现阶段亟需解决的问题。

发明内容

为克服上述缺陷，本发明提供一种洪涝灾害风险评估方法。

为达到上述目的，本发明的一种洪涝灾害风险评估方法，所述的方法包括：

S1)收集基础数据；

S2)确定承灾体并整理承灾体数据，包括：人口密度、建筑用地占比、农业用地占比、工矿用地占比、路网密度；

S3)确定淹没水深为致灾因子；

S4)以致灾因子和承灾体数据作为评估指标，形成因素集；

S5)确定每个评估指标的隶属度；

S6)确定评估指标权重；

S7)利用确定的指标权重与各指标的等级隶属度计算总隶属度。

进一步的，所述的S5)确定每个评估指标的隶属度的具体步骤为：

S51)建立评语集；将洪涝灾害风险划分成5个评语级：(1)低度风险、(2)较低风险、(3)中等风险、(4)较高风险、(5)高度风险；

S52)利用隶属函数确定各风险等级的隶属度。

进一步的，所述的S6)确定评估指标权重的具体步骤为：

S61)构建层次分析结构；将暴雨洪涝灾害风险指标从上而下分为目标层、准则层、指标层三个层级，构建层次分析模型；

S62)构造判断矩阵；从层次结构的第2层开始，通过每一层次各因素的两两相比较结合1-9标度法构造判断矩阵；

S63)对构造判断矩阵进行层次单排序并检验其一致性；

S64)层次总排序与其一致性检验。

进一步的，所述的S63)对构造判断矩阵进行层次单排序并检验其一致性的具体步骤为：

S631)计算判断矩阵每列元素和，对矩阵中每列元素进行归一化处理；

S632)对归一化的矩阵再按行求和，得到特征向量；

S633)对每个特征向量进行归一化处理得到权值向量；

S634)利用权值向量计算判断矩阵的最大特征根；

S635)利用最大特征根和一致性指标CI进行一致性检验。

经实际测试，本发明的方法中，高风险地区和实际受灾范围大体上保持一致。其中主要街道和城镇位于高风险地区，实际受灾情况也比较严重，其风险等级分布结果可较好为抗灾救灾工作提供参考依据，为当地有针对性地进行防灾减灾工作提供有价值的信息。

附图说明

图1为本发明洪涝灾害风险评估技术流程图；

图2为本发明实施例中的人口密度分布图；

图3为本发明实施例中的路网密度分布图；

图4为本发明实施例中的建筑占地占比图；

图5为本发明实施例中的农业用地占比图；

图6为本发明实施例中的工矿用地占比图；

图7为本发明实施例中的隶属函数示意图；

图8为本发明实施例中各风险等级隶属函数；

图9为本发明实施例中的洪涝灾害风险评估层次分析模型；

图10为本发明实施例中的“暴雨-洪涝”灾害动态风险等级分布图；

图11为本发明实施例中的“暴雨-洪涝”灾害风险等级分布与实际受灾范围对比图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。

在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本发明的一实施例，包括下述步骤：

洪涝灾害风险评估流程

利用降雨数据，结合“降雨-径流”过程模拟，获取不同时刻流域内各子流域的流量，进而模拟灾害发生不同时段各子流域径流的动态变化过程，进行洪涝灾害风险评估，图1是灾害风险评估技术流程图。

评估数据的收集和处理

致灾因子导致的物理结构或者社会经济等受到破坏或损害的可能性称为承灾体易损性，反映了承灾体对灾害的承受能力。社会经济发达、人口密度大、工业化水准高的地区发生灾害时造成的人员伤亡和经济损失大，因此承灾体易损性大。洪涝灾害的承灾体主要包括人口、农作物、工矿企业、交通状况等。这里选取人口密度、建筑用地占比、农业用地占比、工矿用地占比、路网密度作为承灾体易损性指标。

人口密度

洪涝灾害对人类社会损害最为严重的是造成人员的伤亡。人口密度可以反映人口分布的情况，是评估洪涝灾害风险程度的重要因素。人口密度越大，人口越聚集，受到洪涝灾害损害的可能性越大。这里收集了空间分辨率为100m的2015年全国人口密度栅格数据，对数据进行重采样、预处理，形成空间分辨率为90m的灵江流域人口密度分布图，如图2所示。

路网密度

路网密度是区域内所有道路总长度与区域面积之比，在一定程度上反映了区域发展规模与经济状况。路网密度越大，区域经济越发达，在洪涝灾害发生时损失也更大。对收集的矢量路网分布数据进行分区统计，计算每个栅格内的道路总长度，再求解该长度与单个栅格面积之比，得到空间分辨率为90m的灵江流域路网密度分布数据，如图3所示。

建筑用地占比

暴雨洪涝灾害往往对建筑物有很大的损害，在洪泛区，城镇旧房、空斗墙房屋的墙体薄弱且结构性能差，会因抵抗不住洪水的冲击而损坏甚至倒塌。建筑用地占比反映了区域建筑分布的密集程度，在洪涝灾害发生时，建筑用地占比越高则损失越大。本文利用土地利用数据提取出城镇居民用地以及农村居民用地作为建筑用地，经过预处理形成空间分辨率为90m的研究区建筑用地占比数据，如图4所示。

农业用地占比

当洪涝灾害发生时，容易造成土地被淹没，大范围的农业生产在一定的时间内会严重受损，并且农业生产周期往往与洪涝灾害周期重叠，这也加重了农业的损失。农业用地占比越大，受到的损失也越大。利用土地利用数据提取出耕地数据，经过预处理形成空间分辨率为90m的研究区农业用地占比数据，如图5所示。

工矿用地占比洪涝灾害发生时，对工业经济也具有一定影响。工矿用地占比越高，工业经济损失越大。利用土地利用数据提取出工矿用地数据，经过预处理形成空间分辨率为90m的研究区工矿用地占比数据，如图6所示。

指标隶属度计算

用于模糊综合评估的评估指标体系为因素集O。基于洪涝灾害风险评估指标体系，选取致灾因子危险性、承灾体易损性作为模糊数学评估的指标，形成因素集，如下表所示。每个指标都是GIS栅格数据层，栅格大小为90m×90m，数值连续且与洪涝灾害风险成正比，表示为公式(1)：

O＝{o₁,o₂,…,o_i},i＝1,2,…n (1)

式中，o_i为第i个评估指标。

表1模糊评估因素集(O)

o1

o2

o3

o4

o5

o6

评估指标

淹没水深

人口密度

路网密度

建筑用地占比

农业用地占比

工矿用地占比

评语集R为模糊综合评估等级划分的集合。本文考虑洪涝灾害风险程度的高低，将洪涝灾害风险划分成5个评语级：(1)低度风险、(2)较低风险、(3)中等风险、(4)较高风险、(5)高度风险，如表2所示。采用自然断点法或者等间距法来确定等级划分的阈值，如表3所示。

表2模糊评估评语集(R)

	r1	r2	r3	r4	r5
						评估指标	低度风险	较低风险	中等风险	较高风险	高度风险

表3指标等级划分阈值

	D1	D2	D3	D4	D5
						淹没水深(m)	0.5	1.5	2.5	3.5	4.5
人口密度(人/104m2)	2.3	7.1	17.5	40.6	69.8
						路网密度(m/m2)	0.003	0.009	0.016	0.025	0.04
建筑用地占比	0.167	0.333	0.5	0.667	0.833
						农业用地占比	0.167	0.333	0.5	0.667	0.833
工矿用地占比	0.167	0.333	0.5	0.667	0.833

利用隶属函数计算隶属度，常见的线性隶属函数有梯形分布、正态分布、抛物线分布以及三角形分布等。这里将降、升半梯形以及三角形分布函数进行组合构建隶属度函数(如7所示)，用于确定各风险等级的隶属度，各风险等级隶属函数计算公式如图8所示。通过隶属函数可以计算每个评估指标i不同等级的隶属度(u_ij)。

评估指标权重确定

下一步要进行的就是指标权重的计算，反映了各项指标在综合评估中的地位，在一定程度上决定了多指标评估的精度，影响评估结果。统计学中常用的确定权重的方法有层次分析法、熵值法以及网络分析法等，这里采用层次分析法进行指标权重的计算。

主要包括以下四个步骤：构建层次分析结构、构造判断矩阵、层次单排序与其一致性检验、层次总排序与其一致性检验。

①构建层次分析结构

在对实际问题进行深入的分析之后，考虑决策的目标、准则和指标等各因素之间的相互关系，形成自上而下的递阶层次模型。模型中每一层的各因素受到邻近上一层因素的控制。最上层为目标层，是决策的总目标；中间可以有若干个准则层，是各种决策方案所遵循的准则；最下层是代表具体解决方案或对象等的指标层或对象层。这里将暴雨洪涝灾害风险指标从上而下分为目标层、准则层、指标层三个层级，构建层次分析模型(如图9)。

②构造判断矩阵；

从层次结构的第2层开始，通过每一层次各因素的两两相比较结合1-9标度法构造判断矩阵。1-9标度法常常用来表示两个元素之间的重要性程度，通过采用相对尺度实现了不同性质的各种因素的定量对比。如表4所示。

表4 1-9标度法

序号	重要性等级	标度值
			1	i,j两元素同等重要	1
2	i元素比j元素稍重要	3
			3	i元素比j元素明显重要	5
4	i元素比j元素强烈重要	7
			5	i元素比j元素极端要	9
6	i元素比j元素稍不重要	1/3
			7	i元素比j元素明显不重要	1/5
8	i元素比j元素强烈不重要	1/7
			9	i元素比j元素极端不重要	1/9

注：2,4,6,8和1/2,1/4,1/6,1/8为两两判断的中间值。

判断矩阵的一般形式为：

矩阵中：(1)C_ij＞0；(2)C_ij＝1/C_ji；(3)C_ii＝1。

考虑洪涝灾害的实际影响情况，这里构建了洪涝灾害评估指标层的判断矩阵(如表5所示。)

表5指标层判断矩阵

	人口密度	路网密度(C3)	建筑用地占比	农业用地占比	工矿用地占比
						人口密度(C2)	1.00	3.00	5.00	3.00	7.00
路网密度(C3)	0.33	1.00	2.00	1.00	30
						建筑用地占比(C4)	0.20	0.50	1.00	0.50	2.00
农业用地占比(C5)	0.33	1.00	2.00	1.00	3.00
						工矿用地占比(C6)	0.14	0.33	0.50	0.33	1.00

③层次单排序与其一致性检验

构造判断矩阵后，需要进行层次单排序并检验其一致性。对上一层次因素而言，下一层次各因素的重要性程度不同，确定各因素重要性程度的过程称为单层次排序。一致性检验是指检验判断矩阵是否合理，若检验合格，将特征向量进行归一化处理，得到各指标的权重；若不合格，则判断矩阵不合理，需要重新构造。

首先通过计算判断矩阵C每列元素和，对矩阵C中每列元素进行归一化处理，如公式(2)所示：

式中，C_ij是第i行j列的元素

是归一化处理后的结果，n为行(列)数。

对归一化的矩阵再按行求和(公式(3)所示，)得到特征向量W，表示为公式(4)：

W＝(W₁,W₂,…W_n)^T (4)

对W_i进行归一化处理(公式(5)所示)，得到权值向量W＝(W₁,W₂,…W_n)。

计算判断矩阵的最大特征根λ_max，即

式中

表示向量

的第i个分量。

利用一致性指标CI(Consistency Index)进行一致性检验，计算公式为：

式中，n表示矩阵阶数。CI值越小，判断矩阵的一致性越好，CI值越大，不一致程度越严重。

当n≥3时，为了更好地进行一致性分析，引入随机一致性指标RI(RandomConsistency Index)与一致性比率CR(Consistency Ratio)。CR由CI与RI相除得到，即：

一般而言，如果CR＜0.1，则认为该判断矩阵的不一致程度满足一致性检验要求，通过一致性检验，否则需要改进判断矩阵，对C_ij进行调整。

④层次总排序与其一致性检验。

计算层次模型最底层各评估指标对决策目标的重要性程度，并按照上一步的检验方法进行组合一致性检验。若一致性检验合格，则求解出各指标的组合权重；若不合格，则需要重新构造判断矩阵或层次分析模型。

根据上一步的计算结果，求解出总CI＝0.0006，一致性检验合格，各评估指标的组合权重如表6所示。

表6各指标组合权重

风险指数与风险分级

最后利用层次分析法计算得到的指标权重与各指标不同等级隶属度进行加权求和运算，得到每个栅格不同风险等级的总隶属度，

如公式(9)所示：

式中，U_j为第j级风险的总隶属度(j＝1,2,3,4,5，分别对应低度风险、较低风险、中等风险、较高风险、高度风险)，为

各评估指标的权重，u_ij为第i个评估指标第j级隶属度。

至此，便得到了逐像元的总风险隶属度，即风险等级分级图(图10)。

如图10临海市城区靠近河流地区位于中等风险区，其他地区大部分位于较低或者低度风险等级，仅有小部分地区出现较高风险等级与高度风险等级；随着时间的推移，灵江干流、支流及附近区域的风险等级慢慢增加，到10日8时，灵江干流及附近处于高度风险等级中，其他低洼地区开始出现较高风险等级；10日14时，高风险等级区域由灵江干流继续向两岸扩散，临海市城区大片区域位于较高或者高度风险等级；10日20时，高度风险区范围进一步扩大，部分较高风险区转变为高度风险区；到11日2时，临海市多个主要街道与乡镇处于较高风险甚至是高度风险等级，其中江南街道、大洋街道、汛桥镇、古城街道洪涝灾害高度风险等级区域呈集中分布，大田街道、邵家渡街道洪涝灾害高度风险等级区域呈零散分布。

最后将“暴雨-洪涝”灾害风险等级分布与实际受灾范围进行了对比(图11，其高风险地区和实际受灾范围大体上保持一致。其中主要街道和城镇位于高风险地区，实际受灾情况也比较严重，其风险等级分布结果可较好为抗灾救灾工作提供参考依据，为当地有针对性地进行防灾减灾工作提供有价值的信息。

在本说明书的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种洪涝灾害风险评估方法，其特征在于，所述的方法包括：

S1)收集基础数据；

S2)确定承灾体并整理承灾体数据，包括：人口密度、建筑用地占比、农业用地占比、工矿用地占比、路网密度；

S3)确定淹没水深为致灾因子；

S4)以致灾因子和承灾体数据作为评估指标，形成因素集；

S5)确定每个评估指标的隶属度；

S6)确定评估指标权重；

S7)利用确定的指标权重与各指标的等级隶属度计算总隶属度。

2.如权利要求1所述的洪涝灾害风险评估方法，其特征在于，所述的S5)确定每个评估指标的隶属度的具体步骤为：

S51)建立评语集；将洪涝灾害风险划分成5个评语级：(1)低度风险、(2)较低风险、(3)中等风险、(4)较高风险、(5)高度风险；

S52)利用隶属函数确定各风险等级的隶属度。

3.如权利要求1所述的洪涝灾害风险评估方法，其特征在于，所述的S6)确定评估指标权重的具体步骤为：

S61)构建层次分析结构；将暴雨洪涝灾害风险指标从上而下分为目标层、准则层、指标层三个层级，构建层次分析模型；

S62)构造判断矩阵；从层次结构的第2层开始，通过每一层次各因素的两两相比较结合1-9标度法构造判断矩阵；

S63)对构造判断矩阵进行层次单排序并检验其一致性；

S64)层次总排序与其一致性检验。

4.如权利要求1所述的洪涝灾害风险评估方法，其特征在于，所述的S63)对构造判断矩阵进行层次单排序并检验其一致性的具体步骤为：

S631)计算判断矩阵每列元素和，对矩阵中每列元素进行归一化处理；

S632)对归一化的矩阵再按行求和，得到特征向量；

S633)对每个特征向量进行归一化处理得到权值向量；

S634)利用权值向量计算判断矩阵的最大特征根；

S635)利用最大特征根和一致性指标CI进行一致性检验。

Images