基于空間網格和AHP熵值法的武漢內澇風險評估

唐海吉，李英冰，張巖

(1.武漢大學測繪學院，湖北 武漢 430079； 2.武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

1 引 言

本文基于自然災害風險理論，從暴雨內澇災害的致災因子、孕災環境、承災體和城市防災減災能力出發，選取對短期暴雨內澇災害具有重要影響的指標因子，運用GIS空間分析方法對其進行網格化處理，并結合AHP熵值法確定各因子的影響權重，提出了針對短期暴雨內澇災害的風險分析過程和方法，構建風險評估模型，以武漢市中心城區2016年7月6日暴雨內澇災害為例進行驗證。本文的主要研究目的是建立短期暴雨內澇災害風險評估指標體系與模型，為城市暴雨內澇災害預警、災情評估和城市減災提供參考依據。

2 研究區域與數據來源

武漢市中心城區整體地勢較低，地形起伏平緩，平原與丘陵交錯(圖1)；長江和漢江在此交匯，水系發達，湖泊數量眾多；武漢市屬于亞熱帶季風氣候區，夏季降水相對集中，尤其以6月～8月為多[6]。由于夏季降水多半屬于突發性暴雨天氣，因此武漢市極易形成內澇災害，是一個內澇多發城市，地勢較為低洼的居民區等經常被淹，車輛浸泡受損，城市道路交通受到嚴重的影響。

本文采用了地面數字高程模型(Digital Elevation Model，DEM)、夜間燈光、地均GDP、人口密度和歸一化植被指數(Normalized Differential Vegetation Index，NDVI)等柵格數據。其中DEM數據采用 30 m分辨率地球電子地形數據ASTER GDEMV2數據；河湖水系數據提取自國家基礎地理中心發布的GlobalLand30地表覆蓋產品(http：//www.globallandcover.com)，時間為2010年；NDVI數據來源于中國季度植被指數(NDVI)空間分布數據集(http：//www.resdc.cn/DOI)，2018.DOI：10.12078/2018060603)，選用2016年夏季的數據，分辨率為1km×1km。而夜間燈光數據則采用2018年的珞珈一號夜間遙感衛星影像數據(http：//www.hbeos.org.cn/)，其分辨率約為 130 m×130 m，GDP數據來自2015年的中國GDP空間分布公里網格數據集(http：//www.resdc.cn/DOI)，2017.DOI：10.12078/2017121102)，人口密度數據采用2015年中國人口空間分布公里網格數據集(http：//www.resdc.cn/DOI)，2017.DOI：10.12078/2017121101)。

采用了降雨、排水泵站、興趣點(Point of Interest，POI)等矢量數據。其中所用的降雨數據來自國家氣象中心的中國地面氣象資料日值數據集，選取武漢市及周邊的21個氣象站的觀測數據，時間范圍為2016年6月30日～7月6日。武漢市排水泵站參數(圖2)和匯水區域資料來自武漢市規劃研究院與《武漢市中心城區排水防澇專項規劃》。消防站點POI與應急避難場所POI來自高德地圖，處于中心城區的分別有83個和146個(圖1)。

圖1 武漢市中心城區地形高程、消防站與避難場所分布圖

圖2 2016年武漢市排水區域匯水面積與泵站規模

3 基于空間網格和AHP熵值法的內澇風險評估模型

自然災害風險是指一定區域和給定時間段內，由于某一自然災害而引起的人們生命財產和經濟活動的期望損失值[7]。自然災害風險指數法(Natural Disaster Risk Index，NDRI)[8]認為災害風險是致災因子危險性(H)、孕災環境敏感性(E)、承災體脆弱性(V)和防災減災能力(R)四個方面綜合作用的結果，基于此，本文技術路線如圖3所示，選取若干能代表暴雨內澇致災因子危險性、孕災環境敏感性、承災體脆弱性等因子的評價指標，采用GIS空間分析方法對指標進行網格化處理，由于指標量綱不一致，需進行歸一化，將各指標處理為0～1的數值以表示其影響程度，后基于AHP熵值法得到各指標的權重，加權綜合得到H、E、V和R的值，綜合得到風險評估結果，最后以實際積水點進行驗證。

圖3 技術流程圖

3.1 指標因子網格化

網格化的數據相比于傳統的行政區劃，能較為精細地表示各個指標因子的空間分布情況，因此本文采用GIS空間分析技術，將各指標因子落實到 90 m×90 m的網格中(圖3)。對于降雨數據，利用空間插值得到 90 m×90 m的柵格數據；對于DEM、NDVI數據和夜間燈光影像等柵格數據，若其像元大小不是 90 m×90 m，將其重采樣為 90 m×90 m。對于避難場所和消防站點等POI數據，則采用GIS核密度分析得到 90 m×90 m的柵格數據。

(1)致災因子指標：暴雨是內澇災害的直接致災因子，其危險性體現在降雨強度上，當天降雨量對內澇災害有著決定性的影響；另外一方面，前期降雨量對內澇災害也有影響，有資料表明，一次性持續暴雨為3天～4天[9]。因此選擇當天的降雨量和前3d的降雨量作為評估內澇致災因子危險性的指標。二者歸一化公式分別如式(1)和式(2)所示。

(1)

(2)

式(1)中，P為當天降雨量，式(2)中，P為前3天累計降雨量。

(2)孕災環境指標：內澇災害的孕災環境主要指地形狀況、河湖水系、植被覆蓋等組成的自然-社會環境，本文選取地形高程、地形起伏、河湖水系和植被覆蓋作為評估指標。地形高程可用DEM數據表示，而地形起伏一般是通過地形標準差來衡量[10]，通過ArcGIS中的鄰域分析對DEM數據進行計算得到。以公式(3)和(4)分別對高程和地形標準差進行歸一化處理。

(3)

(4)

式(3)中，H為高程，Hmax為最大高程；式(4)中，S為地形標準差。

武漢市中心城區城市內澇通常發生在雨季、汛期，此時河流和湖泊水位較高，流量較大距離河網水系越近，發生積澇的可能性就越高。根據文獻調研，綜合前人經驗[11，12]，建立河湖緩沖區標準(表1)，使用ArcGIS的多環緩沖區分析對河湖水系進行處理，并對不同緩沖區按照一級緩沖區為0.8、二級緩沖區為0.6、非緩沖區為0.2賦值，之后使用ArcGIS柵格化工具處理為柵格數據。

河湖緩沖區等級和寬度設置 表1

植被對降雨有削減作用，同時也具有較強的水土保持作用。植被覆蓋率越高的區域，洪澇災害的孕災環境敏感性越低，而NDVI被認為是植被生長狀態和植被覆蓋度的最佳指示因子[13]，將NDVI數據重采樣為 90 m×90 m，之后采用極差法公式(5)對NDVI數據進行歸一化。

(5)

式(5)中，NDVI是圖像歸一化植被指數，NDVImax為區域內最大歸一化植被指數，NDVImin為最小指數。

(3)承災體指標：暴雨內澇的承災體指的是受到暴雨內澇災害的對象，本文采用人口密度、地均GDP、夜間燈光作為評估承災體脆弱性的指標。人口密度能反映出人口的集聚程度，地均GDP很大程度上能直接反映區域的經濟發展情況，兩者越高，內澇造成的危害越高，采用極差法公式對二者進行歸一化；夜間燈光數據能夠反映出人類活動、經濟活動的空間格局[14]，而珞珈一號夜間燈光影像數據相較于其他夜間燈光數據在人類空間活動上表現出更高的相關性[15]，經過輻亮度處理和數據拉伸，取65為閾值，采用公式(6)對其進行歸一化。

(6)

式(6)中，DN為處理后的輻亮度值。

(4)防災減災能力指標：防災減災能力是人類社會用來應對氣象災害所采取的方針、政策和行動的總稱，表示人們應對災害的積極程度[16]。本文選取了排水泵站、應急避難場所和消防站作為評估暴雨內澇抗災能力的指標(圖4)。城市排水泵站建設是城市抵抗內澇的重要工程性指標，對防澇減災有著極其重要的作用，通過泵站的匯流面積與泵站規模，計算得到不同匯流區域的單位排水能力，將排水能力分為五個級別，即強、較強、中等、較弱、弱，將其影響因子分別賦值為0.9、0.8、0.6、0.4、0.2，之后利用ArcGIS柵格化工具轉為 90 m×90 m像元的柵格數據；避難場地和消防站點是城市抗災的重要設施，每一個避難場所和消防站POI都可以看作為一個功能單元，那么其密度越高，則表示該地區功能越集中，對其采用GIS核密度分析得到點數據在空間上連續的密度變化圖層[17]，之后采用極差法進行歸一化。

圖4 網格化指標因子

3.2 內澇風險評估模型的建立

對指標因子進行網格化處理后，采用一種主客觀結合的指標賦權法，即AHP熵值法[18，19]來確定各個指標的權重，該方法能夠減弱主觀因素對層次分析法賦權的干擾和弱化熵值法賦權產生偏差的問題，得到更為客觀合理的指標權重。該方法首先利用層次分析法計算出反映專家主觀意志的主觀權重，保證重要性指標所占的權重較大，再利用熵值法得到的熵權和主觀權重綜合加權，得到優化權重，其計算公式：

(7)

之后根據各指標的歸一化值和AHP熵值法確定的權重，采用加權綜合法計算致災因子危險性、孕災環境敏感性、承災體脆弱性和防災減災能力指數值。

(8)

其中T是評價因子的值，i指影響評價因子的各個指標，n是指標的數量，Qi是指標i的影響因子，Wi是指標i的權重。

對于暴雨洪澇災害風險評估來說，致災因子危險性、孕災環境敏感性、承災體脆弱性以及防災減災能力之間的定量關系是乘積關系，因為一個因子對另一個因子的影像呈現一種放大效應，而不是無量綱的權重相加方法[20]。對風險評價因子采用AHP熵值法賦予權重建立暴雨內澇災害風險指數模型：

D=HWH·EWE·VWV·(1-R)WR

(9)

上面公式中，H、E、V、R分別代表致災因子危險性、孕災環境敏感性、承災體脆弱性和防災減災能力指數，WH、WE、WV、WR分別為致災因子、孕災環境、承災體和防災減災能力的權重。本文所得權重如表2所示。

暴雨內澇災害指標權重 表2

4 武漢中心城區內澇風險計算

以武漢市中心城區作為研究區域，按照上述指標體系和方法對武漢市2016年7月6日的暴雨內澇事件進行風險評估，采用表2的權重并運用ArcGIS的柵格計算器工具進行疊加運算得到風險因子與評估結果圖，并采用當天的實際積水點進行結果驗證。

4.1 暴雨內澇風險因子分析

采用評估模型評估當日武漢市中心城區的暴雨內澇危險性、敏感性、脆弱性和防災減災能力，得到 90 m×90 m分辨率的網格化數據，并采用GIS自然斷點法將結果分為低、較低、中等、較高和高五個等級。

如圖5(a)所示，7月6日這天，武漢市中心城區的致災因子危險性整體都很高，當天部分地區降雨量超 200 mm，而且6月30日～7月5日暴雨不斷，尤其是7月1日、2日和4日。如圖5(b)所示，武漢市中心城區孕災環境高敏感性地區和較高敏感性的地區基本處于湖泊和河流沿岸，大部分地區敏感性處于中等，而洪山區東部部分地區的敏感性較低，這是由于武漢市中心城區整體地勢低平，起伏不大，多河流湖泊，而洪山區東部地勢相對較高，起伏較大，且植被覆蓋率高。如圖5(c)所示，江漢區，硚口區和江岸區的脆弱性最高，武昌區和漢陽區次之，洪山區和青山區最低。江漢區、武昌區和漢陽區發展較早，人口密度高，經濟繁榮，GDP位居武漢前列，發展程度高于洪山區和青山區。如圖5(d)所示，江漢、硚口和江岸區的防災減災能力最高，武昌區和青山區次之，漢陽區稍差，而洪山區絕大部分區域的防災減災能力都很低，對比發現，防災減災能力和脆弱性具有很高的空間相似性。

圖5 武漢市中心城區

4.2 暴雨內澇風險評估結果分析

基于AHP熵值法，為武漢市中心城區7月6日暴雨內澇災害致災因子危險性、孕災環境敏感性、承災體脆弱性和防災減災能力賦予權重，運用地圖代數工具得到網格化的風險評估指數，根據風險指數將評估結果劃分為5個等級：高風險(>0.60)、較高風險(0.5-0.6)、中等風險(0.4-0.5)、較低風險(0.3-0.4)和低風險(≤0.3)(圖5)。

7月6日當天，武漢市中心城區的內澇風險呈現出東低西高的趨勢，高風險區域大都位于硚口區、江漢區、江岸區和漢陽區等區域，例如長豐街道、韓家墩街道，琴斷口街道和新村街道等；部分高風險區分布在武昌地區的長江沿岸和沿湖區域，比如徐家棚街道、白沙洲街道水果湖街道和黃鶴樓街道等，還有少部分高風險區域位于洪山區南湖和湯遜湖沿岸和光谷地區；武昌區大部分地區和洪山區西南部基本處于較高風險區域。這些高風險與較高風險區基本是致災因子危險性高、孕災環境敏感性和承災體脆弱性均較大的區域，雖然防災減災能力也較高；而青山區風險評價基本為中等，極少部分區域為較高風險，因為其雖然致災因子危險性較高，孕災環境敏感性不低，但是承災體脆弱性低且防災減災能力較強。洪山區最東部整體處于低風險和較低風險，主要因為其致災因子危險性和孕災環境敏感性相對較低，承災體脆弱性低。

以湖北日報報道的2016年7月6日17時的武漢市漬水點作為真實災情用于驗證實驗結果，將這些點矢量化，并疊加在武漢市中心城區7月6日的內澇災害風險區劃圖上(圖6)。采集到中心城區總共有71個積澇點，23個落在高風險區域，41個位于較高風險區域，5個積澇點落在中等風險，2個落在較低風險區域，90%落在較高風險和高風險區。

2020年7月5日～6日，武漢市普降暴雨與大暴雨，局部特大暴雨，但是中心城區的積澇點數目遠少于2016年(圖6)，主要是因為武漢市排水泵站建設使得武漢市防澇減災能力大幅提升，2016年武漢市中心排水泵站能力約為 900 m3/s，而2020年已經達到 1 960余m3/s。

圖6 武漢市中心城區2016.07.06暴雨內澇災害風險評估圖

5 結 論

本文以武漢中心城區為研究區域，結合GIS與AHP熵值法進行暴雨內澇災害風險評估，主要研究成果與創新有：

(1)基于多源數據建立城市短期暴雨內澇災害風險評估模型。考慮危險性、敏感性、脆弱性和防災減災能力等災害形成的四個方面，采用夜間燈光影像數據、排水泵站和POI等多源數據，確立風險評估指標體系，在GIS空間分析支持下進行網格化處理，利用AHP熵值法確定指標權重系數，建立短期暴雨內澇災害風險評估模型。

(2)針對2016年7月6日武漢市中心城區暴雨內澇災害，進行網格化風險評估計算。計算結果表明，武漢市中心城區敏感性總體較高，而洪山區東部地區由于地形和植被覆蓋原因，敏感性較低。江漢、江岸和硚口區脆弱性最高，青山區和洪山區大部分地區脆弱性低。防災減災能力與脆弱性呈現高相似。當天內澇災害風險呈現西高東低的趨勢，江漢、江岸、硚口、漢陽、武昌等大部分區域和洪山區西南區域處于高風險和較高風險區。而青山區風險為中等，低風險和較低風險區域集中于洪山區東部。

(3)利用漬水點信息進行試驗結果驗證。約90%的漬水點位于高風險和較高風險區，計算結果與實際數據相符。

另一方面，由于多方面原因，本文還存在有待進一步探討與改進的問題。暴雨內澇災害是一個復雜的系統，筆者僅從有限的指標出發，模型存在一定局限性。在今后研究風險評估中，應完善優化暴雨內澇致災機理，結合物理模型進行分析，建立更為完善合理的城市暴雨內澇災害風險評估模型。