基于物元可拓模型的珠江三角洲霧霾災害風險評價

尚志海, 梁立鋒, 陳寶怡, 曹泳茵, 王小花, 戴鑫儒, 董錫豪

基于物元可拓模型的珠江三角洲霧霾災害風險評價

尚志海, 梁立鋒*, 陳寶怡, 曹泳茵, 王小花, 戴鑫儒, 董錫豪

嶺南師范學院地理科學學院, 湛江 524048

基于區域災害系統理論, 選擇致災因子、孕災環境、承災體等11個指標構建霧霾災害風險評價指標體系, 指標權重采用灰色關聯分析法來確定, 并通過物元可拓模型評估珠江三角洲9個城市霧霾災害風險等級, 最后通過多指標綜合評價方法檢驗結果的準確性。結果表明: 珠江三角洲9個城市民用汽車擁有量和公路密度兩個指標的關聯系數整體偏高, 廣州市、深圳市、佛山市、東莞市民用汽車擁有量的風險等級均為Ⅳ級, 多數城市公路密度的風險等級達到了Ⅲ級, 其中東莞市最高; 珠江三角洲城市霧霾災害綜合風險等級大多數都處于Ⅰ級, 總體上較低, 其中東莞市霧霾綜合風險等級最高為Ⅱ級, 珠江三角洲城市霧霾災害風險主要是受孕災環境和承災體影響, 致災因子風險等級均為Ⅰ級; 基于多指標綜合評價法的珠江三角洲霧霾災害風險評價結果與物元可拓方法基本一致, 風險最低城市為中山市, 風險最高城市為東莞市, 兩者風險排序有些差別, 但是基于物元可拓模型的評價結果更符合實際, 可信度更高。

霧霾災害; 風險評價; 珠江三角洲; 物元可拓模型

0 前言

2014年1月4日, 國家減災辦、民政部通報2013年自然災情, 首次將霧霾天氣納入。關于霧霾是否屬于一種災害, 有很大爭論。在災害類型研究中, 史培軍提出, 基于致災因子的成因, 災害可分為自然災害、人為災害和環境災害[1]。國內外學者大多數認為, 環境災害主要是指由于人類活動引起環境惡化所導致的災害[2]。霧霾對人群健康的危害是毀滅性的, 并且高度契合災害的內涵[3]。因此, 本文將霧霾作為環境災害的一種, 強調霧霾對人類生命健康及社會生活的影響。目前中國不少地區將霧霾作為災害性天氣現象進行預警預報, 但是霧霾不是中國特有的天氣現象, 美國從20世紀90年代就開始對霧霾進行評價研究[4], 并認為城鎮化會影響城市空氣質量[5], Pant等研究認為交通廢氣排放對印度新德里的霧霾貢獻率在17%左右[6]。國內霧霾研究主要集中在霧霾天氣特征、霧霾危害、霧霾成因、霧霾治理等方面[7–8]。在霧霾風險研究上, 謝志祥等認為, 霧霾災害風險是霧霾脅迫、人口暴露和適應能力三者共同作用的結果[3]。在風險評價方法上, 層次分析法多被用在霧霾災害風險研究中[9–10]; 雖然盛小星等運用集對分析法對長三角霧霾風險進行了等級評估[11],朱穎芳等對湖南省霧霾災害風險評價時增加了防災能力作為指標[12], 但是其評價指標權重的確定依然是層次分析法。總結發現, 學者們主要是從致災因子、孕災環境、承災體三個方面建立評價指標, 主觀性強的層次分析法較為常用, 霧霾災害風險評價指標及方法的深入探討較少, 且現有研究對象主要集中在長江及其以北地區[13]。本文以珠江三角洲為例, 基于區域災害系統理論建立風險評價指標體系, 并通過物元可拓模型對珠江三角洲霧霾災害進行風險評價, 并利用灰色關聯分析法計算權重, 通過Microsoft Excel軟件對數據進行計算分析, 以期使霧霾災害風險評價更客觀。

1 數據來源與研究方法

1.1 數據來源

珠江三角洲位于廣東省中南部地區, 臨近香港、澳門地區, 范圍主要包括廣州、深圳、佛山、東莞、惠州、中山、珠海、江門、肇慶等9個城市, 是我國開放程度最高、經濟活力最強的城市群之一。在珠三角經濟高速發展同時, 該地區也出現了霧霾天氣。吳兌等首先對霾的定義、廣州和深圳灰霾天氣特征進行了初探[14], 近年來學者們對珠三角霧霾的研究熱度下降了, 但是珠三角霧霾災害風險不容忽視, 尤其是在粵港澳大灣區建設的背景下。本文數據來源于廣東省及9個地級市2018年統計年鑒、各市氣象局數據。

1.2 評價指標

區域災害系統理論認為, 災害是致災因子、孕災環境和承災體等共同作用的復雜系統[19]。指標體系方法是目前災害風險評價中使用最多、最廣泛的方法, 這一方法的理論基礎都是區域災害系統理論, 指標體系方法的一級指標基本相似, 各種評價實踐的區別主要是二級指標的選取和計算方法的應用。因此, 本文從區域災害系統理論出發, 提出霧霾災害風險評價體系(見表1), 其中一級指標為致災因子危險性、孕災環境敏感性與承災體脆弱性, 各一級指標下劃分多個二級指標, 共11個評價指標構成評價指標體系。

具體來說, 致災因子指標包括PM2.5、PM10、SO2、NO2, 因為霧霾構成物質主要是可吸入顆粒物和SO2、NO[20], 污染物排放是霧霾災害風險大小的決定性因素。孕災環境指標包括民用汽車擁有量、建筑企業總產值、森林覆蓋率、冬季月平均溫度、年降水量[10–13], 霧霾的發生與汽車尾氣、建筑揚塵等密切相關, 并且受氣象因素和生態環境的影響。珠江三角洲的霧霾主要發生在干季, 尤其是冬季, 冬季氣溫越低, 氣團越穩定, 空氣越干燥, 灰霾日數越多, 因此冬季月平均氣溫和年降水量是霧霾發生的重要孕災背景條件。承災體指標包括人口密度、公路密度[12], 因為霧霾的危害主要可歸納為兩種: 一是對人體健康產生的危害, 二是對交通安全產生的危害, 人口密度和公路密度越大, 同等霧霾條件下對人體健康造成的危害越大, 可能產生的交通安全問題越多。根據上述評價指標, 收集9個城市霧霾災害風險評價指標的原始數值, 通過灰色關聯分析方法確定各個指標的權重, 如表1所示。

1.3 物元可拓模型與指標權重確定方法

1.3.1 物元可拓模型

物元可拓模型的基本思想是: 首先劃定待評估對象的類別, 并根據相關研究成果劃定不同類別的邊界領域, 然后代入研究對象的各屬性參數, 計算研究對象的關聯系數, 依據關聯系數大小來判斷研究對象的所屬類別[15–16]。計算過程具體步驟包括:

表1 霧霾災害風險評價指標

(1)霧霾災害風險, 風險特征和特征值, 共同組成風險物元, 記做, 若有個特征12…, A, 則表示為:

(2)確定霧霾災害風險等級領域邊界, 風險的經典域集合R定義如下:

式中,H為劃分的個風險等級;123…A為評價指標; (a, b)為代表評價指標A處于第個風險等級區間范圍。

霧霾災害風險節域集合R定義如下:

式中,H表示由霧霾不同類別風險組成的總體; (a, b)表示節域物元與評價指標A匹配的值域集合。

(3)計算評價指標關聯系數, 關聯函數為:

式中,K(V)代表第項指標對于第級綜合風險等級的關聯系數。

(4)計算綜合關聯系數并確定風險評價等級

綜合關聯系數表示研究對象總體屬性值與風險類別的隸屬度, 定義如下:

其中,K(H)為研究對象對應風險等級的關聯系數;ω為個評價指標的權重;k(V)為評價指標對應等級的指標關聯系數。若K(H)｛K(H), 則研究對象第指標屬于綜合風險評價等級。關聯系數K(H)的數值代表了研究對象屬于某風險等級類別的符合程度, 當K(H)>0, 則研究對象屬性符合第等級區間要求, 數值大小表明了從屬該區間范圍的程度; 當–1＜K(H)＜0, 則評價指標不匹配風險等級, 而具有符合該等級區間的潛力, 數值大小代表可能性的大小; 當K(H)＜–1, 則評價屬性不匹配第等級區間的范圍, 而且沒有可能符合該風險等級。

根據綜合風險的預警需要, 將霧霾災害風險分為４個等級, 狀態為微度、輕度、中度、重度, 用Ⅰ、Ⅱ、Ⅲ、Ⅳ級表示。本文參考楊曉艷等人研究和環保部最新的《環境空氣質量標準(GB3098–2012)》確定致災因子的經典域集合和節域集合[17]; 依據全國平均水平、珠江三角洲城市數據確定孕災環境和承災體的經典域集合和節域集合。

1.3.2 指標權重確定方法

在物元可拓模型中, 評價指標權重的確定方法多樣, 本文采用灰色關聯分析法確定指標權重[18], 具體步驟如下:

(1)初始化處理

記理想決策方案0對指標V的屬性值為Y, 且滿足: 當指標V為效益型指標時,0j=(1j,2j,…,Y); 當指標V為成本型指標時,0j=(1j,2j, …,Y) , 則稱矩陣

(2)灰色關聯度計算

(3)權重確定

就反映了第個指標在整個指標空間中所占的比重。

因此可將計算結果作為指標的權重:

1.4 風險評價結果檢驗方法

為了檢驗物元可拓模型在珠江三角洲霧霾災害風險評價中的準確性, 本文通過使用多指標綜合評價法對珠三角霧霾災害綜合風險進行了評價。多指標綜合評價法是將被評價事物的多個不同量綱的評價指標[21], 通過無量綱處理后得出相對評價值, 再對這些評價值進行綜合處理, 最后計算出評價指數的方法[22]。

其評價基本過程如下:

(1)對指標進行標準化處理

升型指標的標準化處理公式:

降型指標的標準化處理公式:

式中,P為第(1, 2, ……,)評價對象的第個評價指標的標準化值,v為第個評價對象的第個評價指標量值,為第個評價指標的平均值,sd為第個指標量值的標準偏差。其中, 升型指標是指數值越大, 安全性越高, 即風險越低的指標; 降型指標是指數值越大, 安全性越低, 即風險越高的指標。

(2)計算綜合評價指數

式中,IPI為第個評價對象的綜合評價指數, 綜合指數越大, 安全性越高, 風險越低。

2 結果與分析

2.1 評價指標關聯系數

霧霾災害風險評價指標關聯系數計算結果見表2, 關聯系數大小與評估等級的符合程度成正比關系。以廣州市為例, 民用汽車擁有量四個風險等級的關聯系數分別為–0.045、–0.030、–0.015、0.015, 由此可以判定該市民用汽車擁有量風險指標等級屬于Ⅳ級。同理, 可以得出其它指標的關聯系數等級。在物元可拓模型中, 各種評估對象與評估指標的關聯系數等級能夠表現出一定差異, 有利于各個城市確定霧霾災害風險的關鍵控制點, 針對霧霾風險控制點, 提出有效的應對方案。

由表2可知, 珠江三角洲9個城市民用汽車擁有量和公路密度整體偏高, 超過一半的地區為Ⅲ級或者Ⅳ級, 說明珠三角地區霧霾綜合風險主要體現在孕災環境風險和承災體風險上。9個城市致災因子風險指標除了PM10為Ⅱ級外, 其他三個指標均為Ⅰ級。孕災環境指標中, 民用汽車擁有量和建筑企業總產值風險等級較其它指標嚴重, 廣州、深圳、佛山、東莞的民用汽車擁有量風險等級均為Ⅳ級, 廣州和深圳的建筑企業總產值風險等級為Ⅳ級, 佛山的森林覆蓋率風險等級為Ⅲ級, 這一點與其他城市不同, 所以珠三角城市在預防霧霾風險時, 應優先考慮汽車尾氣及建筑揚塵帶來的影響, 并繼續改善生態環境。承災體指標中, 人口密度風險等級最高的是深圳為Ⅳ級, 其次是東莞為Ⅲ級; 公路密度最高的為東莞為Ⅳ級, 廣州、佛山、惠州、中山、江門為Ⅲ級, 上述指標提高了相應城市的霧霾災害風險。

2.2 綜合風險等級評價

根據公式(5)計算珠三角地區的致災因子風險、孕災環境風險、承災體風險, 結果如表3所示。以廣州市為例, 致災因子風險關聯系數為0.072、–0.050、–0.219、–0.280, 由此可判斷其致災因子風險等級為Ⅰ級, 其他風險等級以此類推。珠三角9個城市中, 致災因子風險等級均為Ⅰ級, 這與珠三角的霧霾發生情況一致。比較而言, 珠三角霧霾發生頻次遠遠少于其他城市群, 如京津冀地區和長江三角洲地區。孕災環境風險等級有1/3為Ⅱ級, 承災體風險等級Ⅱ級以上的占8/9, 說明珠三角地區霧霾災害綜合風險主要體現在孕災環境和承災體風險兩個方面。

各市的綜合風險關聯系數計算結果和相應評估等級見表4, 廣州、深圳、佛山、惠州、中山、珠海、江門、肇慶向Ⅰ級轉化的潛力很大, 等級判定為Ⅰ級。東莞的綜合風險關聯系數最大為–0.084, 處于Ⅰ級和Ⅱ級之間, 向Ⅱ級轉化的潛力很大, 等級判定為Ⅱ級。由此可知, 珠三角地區的霧霾災害風險等級差別不大, 除了東莞為Ⅱ級, 其余城市都為Ⅰ級, 但每個城市的霧霾風險程度又有著不同程度的差別。綜合關聯系數大小排序由大到小為: 中山、惠州、珠海、肇慶、江門、廣州、佛山、深圳、東莞。

表2 霧霾災害風險評價指標關聯系數

表3 各類風險評價結果

表4 珠三角霧霾災害綜合風險評價結果

2.3 評價結果檢驗

根據公式(10)、(11)、(12)計算出珠江三角洲城市霧霾災害風險的綜合評價指數。多指標綜合評價法的計算結果如圖1所示。從圖1可知, 中山、惠州、珠海、深圳綜合評價指數分別為0.662、0.555、0.553、0.117, 霧霾災害風險綜合評價指數評價較高, 風險較低; 同時, 基于物元可拓模型的霧霾災害風險等級, 四個城市都為Ⅰ級, 風險較低。此外, 東莞綜合評價指數為–0.880, 風險最高; 東莞霧霾災害風險等級為Ⅱ級, 風險等級最高, 兩種方法結果一致。霧霾災害風險綜合評價指數排序為中山、惠州、珠海、深圳、江門、肇慶、廣州、佛山和東莞。由此可知, 多指標綜合評價法對珠三角地區霧霾災害風險判斷與物元可拓模型基本相似, 風險最高和最低的城市分別為東莞市和中山市, 從而驗證了物元可拓模型在霧霾災害風險評價中的可行性。但兩者也有不同之處, 主要表現為霧霾風險等級相同的城市之間綜合指數數值大小排序不同, 具體情況是: 江門市和肇慶市的風險排序有變化; 深圳市在多指標綜合評價法中風險排序靠前, 風險等級偏低, 但是綜合考慮深圳市的霧霾發生情況, 基于物元可拓模型的評價結果更符合實際, 進一步說明本文提出的物元可拓模型結合灰色關聯分析的評價方法可信度更高。總之, 兩種評價方法評價結果有所差別, 其主要原因可能是兩種方法的著重點不同, 物元可拓模型的結果來源于經典域、節域和被評價事物數據的綜合擬合信息, 而多指標綜合指數的計算卻全部取決于被評價事物數據本身的信息。

圖1 珠三角霧霾災害綜合評價指數

Figure 1 Comprehensive risk index of haze disaster in Pearl River Delta

3 討論

隨著經濟發展、人口增長, 尤其是在粵港澳大灣區和深圳先行示范區的建設背景下, 珠江三角洲面臨著霧霾危害增大的風險。文獻[23]通過對152個城市PM2.5濃度進行了社會經濟因素分析發現: 經濟產出和人口是主要貢獻者[23]。同理, 經濟越發達地區霧霾災害孕災環境和承災體風險越大, 這一結論和本文研究結果相似。在珠江三角洲城市霧霾災害風險評價中, 風險等級主要受孕災環境和承災體影響, 且個別風險指標的關聯等級較高, 例如: 民用汽車擁有量的風險等級在廣州市、深圳市、東莞市和佛山市等城市都處于Ⅲ級或Ⅳ級, 屬于高風險關聯指標, 主要原因是私有汽車擁有率上升; 多數城市公路密度風險等級達到了Ⅲ級, 東莞市甚至處于Ⅳ級階段, 這兩個指標共同指向了同為孕災環境和承災體的公路交通。尤其是深圳市11個指標中3個指標甚至處于Ⅳ級階段。因此, 為了實現先行示范區建設成“可持續發展先鋒”的戰略定位, 深圳市在大力發展經濟的同時, 也應更重視環境保護建設, 進一步降低霧霾災害風險。

在霧霾災害風險評價方法的使用中, 本文嘗試將物元可拓模型與灰色關聯分析方法結合起來, 與以往的層次分析方法相比, 灰色關聯分析方法可以有效地減少評價指標權重計算的主觀性, 物元可拓模型評價結果更客觀, 更符合實際情況, 其在類似綜合評價研究中也得到了較好地應用。今后, 在評價指標的選取和評價案例的補充, 以及評價物元經典域和節域的確定上, 仍然可以進一步完善。

4 結論

本文依據災害系統理論中致災因子、孕災環境和承災體的理論框架, 構建珠江三角洲霧霾災害風險評價體系, 然后利用灰色關聯分析法計算出指標權重, 運用物元可拓模型分析出不同指標關聯系數及綜合風險關聯系數, 根據綜合風險關聯系數來評價出珠三角各城市的霧霾災害綜合風險等級, 最后通過多指標綜合評價法驗證物元可拓模型的準確性。得出以下結論:

(1)從珠江三角洲9個城市霧霾災害風險評價結果來看, 9個城市霧霾綜合風險等級低, 除了東莞市之外, 其余城市均為Ⅰ級, 且霧霾災害風險主要受孕災環境和承災體風險影響。

(2)采用物元可拓模型評價的霧霾災害風險評價結果與多指標綜合評價方法計算結果基本一致, 風險最高和最低城市沒有差別, 大部分城市風險排序不變。但是綜合考慮各個城市霧霾發生情況, 基于物元可拓模型的評價結果更符合實際。

[1] 史培軍. 三論災害研究的理論與實踐[J]. 自然災害學報, 2002, 11(3): 1–9.

[2] 尚志海, 劉希林. 試論環境災害的基本概念與主要類型[J]. 災害學, 2009, 24(3): 11–15.

[3] 謝志祥, 秦耀辰, 李亞男, 等. 基于PM2.5的中國霧霾災害風險評價[J]. 環境科學學報, 2017, 37(12): 4503–4510.

[4] CHU Shaohang, PAISIE J W. An evaluation of current PM2.5conditions in the US[J]. Atmospheric Environment, 2006, 40(S2): 206–211.

[5] CLIFTON K, EWING R, KNAAP G J, et al. Quantitative analysis of urban form: a multidisciplinary review[J]. Journal of Urbanism, 2003, 1(1): 17–45.

[6] PANT P, SHUKLA A, KOHL S D, et al．Characterization of ambient PM2.5 at a pollution hotspot in New Delhi, India and inference of sources [J]. Atmospheric Environment, 2015, 109(7): 178–189.

[7] 閆培生, 袁永久. 基于科學知識圖譜的中國霧霾研究可視化分析[J]. 科技導報, 2016, 34(18): 137–143.

[8] 韓瑞波. 基于文獻計量的霧霾治理研究現狀與路徑解讀——以WOS和CNKI文獻(2013—2017年)為樣本[J]. 大連海事大學學報(社會科學版), 2018, 17(4): 62–69.

[9] 田心如, 陳廣昌, 武艷, 等. 江蘇霾災害風險與地區差異研究[J]. 長江流域資源與環境, 2014, 23(12): 1767–1774.

[10] 卿清濤, 徐金霞, 馬振峰, 等. 四川盆地區霧霾災害風險區劃初探[J]. 西南大學學報(自然科學版), 2017, 39(9): 145–152.

[11] 盛小星, 葉春明. 基于集對分析法的長三角霧霾風險評估[J]. 資源開發與市場, 2017, 33(3): 334–337.

[12] 朱穎芳, 高俊, 陳亞龍, 等. 湖南省霧霾、灰霾災害風險區劃[J]. 自然災害學報, 2018, 27(5): 126–137.

[13] 劉蘭芳, 譚秉霖, 楊麗青. 城市霧霾災害風險模糊評價指標體系研究——以湘南城市為例[J]. 災害學, 2020, 35(1): 156–160.

[14] 吳兌, 廖碧婷, 陳慧忠, 等. 珠江三角洲地區的灰霾天氣研究進展[J]. 氣候與環境研究, 2014, 19(2): 248–264.

[15] 廖煒, 楊芬, 吳宜進, 等．基于物元可拓模型的水土保持綜合效益評價[J]．長江流域資源與環境, 2014, 23(10): 1464–1471.

[16] 姜綿峰, 葉春明. 長三角地區省級霧霾影響綜合風險評價[J]. 數學理論與應用, 2016, 36(3): 101–111.

[17] 楊曉艷, 魯紅英. 基于模糊綜合評判的城市環境空氣質量評價[J]. 中國人口·資源與環境, 2014, 24(5): 143–146.

[18] 王樂, 田東方. 基于灰色關聯分析法的宜昌市空氣質量影響因素分析[J]. 能源環境保護, 2019, 33(5): 60–64.

[19] 史培軍. 四論災害系統研究的理論與實踐[J]. 自然災害學報, 2005, 14(6): 1–7.

[20] 韓琭. 霧霾災害風險指數的構建與測度[J]. 統計與決策, 2017, 33(2): 28–32.

[21] 余健, 房莉, 倉定幫, 等. 熵權模糊物元模型在土地生態安全評價中的應用[J]. 農業工程學報, 2012, 28(5): 260–266.

[22] 邱東. 多指標綜合評價方法[J]. 統計研究, 1990, 7(6): 43–51.

[23] ZHANG Yu, SHUAI Chenyang, BIAN Jing, et al. Socioeconomic factors of PM2.5 concentrations in 152 Chinese cities: Decomposition analysis using LMDI[J]. Journal of Cleaner Production, 2019, 218(13): 96–107.

Risk assessment of haze disaster in Pearl River Delta based on matter–element extension model

SHANG Zhihai, LIANG Lifeng*, CHEN Baoyi, CAO Yongyin, WANG Xiaohua, DAI Xinru, DONG Xihao

School of Geographical Sciences, Lingnan normal university, Zhanjiang 524048, China

Based on the theory of regional disaster system, 11 indexes of disaster causing factor, disaster pregnant environment and disaster body were selected for risk assessment of haze disaster in the Pearl River Delta, and the index weights were determined by the gray correlation analysis; the matter–element extension model was used to calculate the haze disaster risk levels of 9 cities. Finally, the accuracy of the results was tested by the multi–index comprehensive evaluation method. Results show that the correlation coefficients of civil car ownership and highway density were high overall, such as Guangzhou, Shenzhen, Foshan, Dongguan civil car ownership of risk ratings were Ⅳ level, and the risk level of highway density of most cities reached grade Ⅲ, of which the highest was Dongguan. The haze disaster risks of most cites were in the level Ⅰ, while Dongguan haze disaster comprehensive risk grade Ⅱ was the highest. The disaster risks of cites in the Pearl River Delta were mainly influenced by disaster pregnant environment and disaster body. The risk assessment results by multi–index comprehensive evaluation method was basically in accord with the results by matter–element extension model. Zhongshan was the lowest risk city, conversely, the city with the highest risk was Dongguan. There were some differences between the two methods, but the assessment resultsby matter–element extension model were more in line with the reality and had higher reliability.

haze disaster; risk assessment; Pearl River Delta; matter–element extension model

尚志海, 梁立鋒, 陳寶怡,等. 基于物元可拓模型的珠江三角洲霧霾災害風險評價[J]. 生態科學, 2022, 41(3): 149–155.

SHANG Zhihai, LIANG Lifeng, CHEN Baoyi, et al. Risk assessment of haze disaster in Pearl River Delta based onmatter–element extension model[J]. Ecological Science, 2022, 41(3): 149–155.

10.14108/j.cnki.1008-8873.2022.03.017

X513

A

1008-8873(2022)03-149-07

2020-06-29;

2020-09-05

廣東省自然科學基金項目(2018A030307031)

尚志海(1979—), 男, 河北遷安人, 博士, 副教授, 主要從事環境災害風險評價研究, E-mail: shangzhihai@126.com

梁立鋒, 男, 博士, 講師, 主要從事地理信息科學研究, E-mail: 121436068@qq.com