智慧城市內澇災害評估體系構建

劉 妍,司海燕，楊澤運，黨夢鑫，趙志彪

(1.黑龍江工程學院 測繪工程學院，哈爾濱 150050；2.自然資源部第一地形測量隊，西安 710000；3.中交綜合規劃設計院有限公司，北京 100020)

隨著智慧城市發展，越來越多的城市進入發展快車道，城市面積也不斷擴大，但“城市病”造成的不滲水面積也逐年增大，加劇了城市面對極端暴雨天氣的窘狀。圖1顯示近幾年全國降水量一直都高于歷史均值[1-2]；圖2中2020年合肥市各市區降雨量明顯比2019年增加。城市內澇災害評估被越來越多智慧政務部門重視。

圖2 合肥市各區(縣)2019—2020年降水量對比分析圖

目前，內澇災害風險評估方法主要有歷史災情法、情景模擬法和指標體系法[3]。文中顧及合肥市DEM地形、地理現狀、經濟人口現狀及既有降雨量數據等復雜因子的影響，基于有效DEM數據進行條件函數模擬分析，采用加權疊加指標體系法構建城市內澇災害評估體系，進而實現利用層次分析法確定評估指標權值、驗證一致性。

1 數據源準備

合肥市地處華北平原安徽省中部地區，雨水豐沛、河流密布，適宜以其為例構建城市內澇災害評估體系。需獲取行政區劃、DEM、土地利用、水系分布、土地利用、人口分布和GDP分布等合肥市相關時空數據(圖3)，以及2011—2015年平均降水量等統計數據。

圖3 合肥市相關時空數據準備

2 無源淹沒城市積水區分布模擬

利用有限的條件函數即可實現城市內澇積水區域的初步評估與模擬，文中采取無源淹沒分析進行積水模擬，即是僅考慮水位超過地區高程值來判斷是否為積水淹沒區的分析方法，主要考慮降水量對積水區的影響，忽略次要條件河流的流通以及地下管網等的影響。具體流程如圖4所示，根據年平均降水量統計數據，利用條件函數Con(合肥市DEM≤年平均降水量最小值,1,0)和Con(合肥市DEM≤年平均降水量最大值,1,0)，判斷得出合肥市最小降水量和最大降水量時積水分布模擬。

圖4 基于條件函數的無源淹沒分析流程圖

3 指標體系構建

影響城市內澇災害評估的指標要遵循科學性、客觀性、廣泛性、代表性、系統性和可獲得性。為了使選取的指標能夠合理的對內澇風險進行評估，還需對不同的指標賦予不同的權重，在賦值時通常用到的方法為特爾菲法、因素成對比較法和熵權法三種，文中采用熵權法從致災因子危險性、孕災環境敏感性和承災體脆弱性三方面確定評估指標[4]。

3.1 致災因子危險性指標

合肥市地處華北平原安徽省中部地區，每年降雨量巨大，并且境內河流眾多，據合肥市水文水資源局統計發現，2020年合肥市降雨量較常年同時期多了8成，其中最為嚴重的為廬江縣多了9成。降雨總量也比往年同時期多了2.8倍，達到了歷史水位的第二位，因此，足以證明合肥市存在較大的內澇災害致災風險[5]。致災因子是城市內澇產生的主要誘導因素和先決條件，主要包括降雨量和積水區域面積，文中將合肥市2011—2015年平均降雨量(P1)和內澇空間分布范圍(P2)作為致災因子危險性(S1)的評價指標。

3.2 孕災環境敏感性指標

孕災環境敏感性是準確預警的重要依據。孕災區域多數發生在河網緩沖區附近，或受坡度和起伏度影響而形成匯水區域，暴雨后極易形成地表徑流，存在潛在城市內澇風險，其主要分為自然地理孕災環境和人為孕災環境。[6]自然孕災地理環境主要表現在地形上，研究發現坡度越小，起伏度越小，越容易形成積水區。[7]人為孕災環境主要指道路、河流、植被等地表的社會人文環境，最突出的風險是距離河流越近，越容易產生地表徑流，越容易產生內澇風險。因此，文中將河流緩沖區距離(P3)、坡度(P4)、起伏度(P5)作為孕災環境敏感性(S2)的評價指標。

3.3 承災體脆弱性指標

城市內澇損失主要體現在承災體上，災害相同承災體不同，其影響也不盡相同。顯然在經濟發達、人口密集的地區會受到更為嚴重的影響；對于不同利用類型土地的承災能力不盡相同，建筑物密集的主城區、城鄉結合部的耕地區域可能導致的人員傷亡、房屋倒塌和農作物減產等內澇損失也有較大差別[8]。文中將人口分布(P6)、土地利用狀況(P7)、GDP分布(P8)作為承災體脆弱性(S3)的3個 重要評價指標。

4 評估指標的權重

層次分析法是一種分析決策法，該分析法思路清晰、結構嚴謹。它是通過各個指標層之間的關系進行深度分析，將每一層指標進行相互對比，達到橫向縱向的科學對比分析[9]。按照致災因子危險性、孕災環境敏感性、承載體脆弱性3個方面進行評估指標的選擇，并將各指標進行分組，一般分為目標層、準則層、指標層。

4.1 判斷矩陣的構建

將處于同一層的指標兩兩進行比較，得出兩指標之間的重要程度gij,其取值范圍見表1。通過兩兩指標間比較，得到每一層的判斷矩陣見式(1)[10]。

表1 判斷矩陣取值及其含義

(1)

4.2 計算相應指標的權重

求矩陣P的最大特征值λmax，得對應的最大特征向量，即為各評估指標g對應的權重[11]。記為ω=(ω1，ω2…ωn)，使用求和法計算特征值。先對矩陣同一列元素進行歸一化得到矩陣R=(rij)n×n，算式為：

(2)

對R的同行元素求和的向量M=(M1，M2，…，Mn)T，算式如下：

(3)

對向量M進行歸一化得到ω=(ω1，ω2，…，ωn)T，算式如下：

(4)

4.3 矩陣一致性檢驗

矩陣構建后，由于二階矩陣只有兩個元素，彼此不會出現矛盾，不需進行一致性檢驗。但對于三階及以上的就要檢驗指標元素之間是否存在不合理的邏輯。其檢驗算式如下：

(5)

(6)

式中：CI表示一致性指標，CR為隨機一致性比率，n表示元素個數，RI為平均隨機一致性指標，取值如表2。

表2 RI的取值

表中N為矩陣的階數。當CR小于0.1時，說明該判斷矩陣一致性良好，等于0.1時說明一致性較好，大于0.1時，矩陣不符合要求，需重確定。

5 評估因子的權重計算

5.1 城市內澇指標評價體系的判斷矩陣

文中采用層次分析法分別給不同的指標進行賦權，對3個準則層構建矩陣計算城市內澇積水影響評估的判斷矩陣結果見表3[12]。

表3 城市內澇積水指標權重賦值

CR=0.04<0.1，一致性檢驗正確。

5.2 評價指標體系的總體權重

通過上文計算出的指標層中的每個因素在該準則層中所占的比例。致災因子判斷矩陣為二階矩陣，不需驗證；孕災環境判斷矩陣CR=0.04<0.1，承災體判斷矩陣CR=0.05 <0.1，一致性檢驗均正確，每個指標在整個評價體系中所占的權重見表4。

表4 加權疊加評價指標體系及權重

6 合肥市內澇評估指標數據處理

6.1 合肥市平均年降雨量分析

根據資源環境科學與數據中心的權威發布下載2011—2015年全國年降雨量空間插值數據集，與合肥市行政區劃疊加裁剪生成如圖5所示2011—2015年年降雨量圖(單位為0.1 mm)，顯然合肥市降雨量存在自北向南逐漸增加的趨勢。使用柵格計算器將2011—2015年的年降雨量求平均，得圖5(f)歷史年平均降雨量分布圖，得最大值為1.428 01 m,最小值為0.919 989 m，進行積水的淹沒范圍分析。

利用Con條件函數進行淹沒分析表達式為：

Con(合肥市DEM≤0.919 989,1,0)，

(7)

Con(合肥市DEM≤1.428 01,1,0).

(8)

判斷“合肥市DEM”中的像元值小于或等于0.919 989 m，則輸出柵格賦值為1(真)，即為最小降雨量時的城市積水區；否則像元值大于0.919 989 m，則該輸出柵格賦值為0(假)，即為非積水區。判斷“合肥市DEM”中的像元值小于或等于1.428 01 m，則輸出柵格賦值為1(真)，即為最大降雨量時的城市積水區；否則像元值大于1.428 01 m，則該輸出柵格賦值為0(假)，即為非積水區。

6.2 合肥市積水范圍估測

基于條件函數的淹沒分析來進行內澇積水范圍模擬。考慮研究范圍存在偽洼地，基于圖5(f)，因此還需對DEM數據進行洼地填充，分別進行范圍模擬得到圖6。[13]其中，圖6(a)表示年平均降雨量最小時無填洼情況下的積水范圍；圖6(b)表示年平均降雨量最大時無填洼情況下的積水范圍；圖6(c)表示年平均降雨量最小時填洼情況下的積水范圍；圖6(d)表示年平均降雨量最大時填洼情況下的積水范圍。通過對比圖6(a)和圖6(c)、圖6(b)和圖6(d)，顯然DEM填洼后模擬積水影響范圍較明顯且集中，但有所減少，結果更為準確，統計積水區面積即淹沒面積參見表5。

圖5 合肥市2011—2015年年平均降雨量及歷史年平均降雨量(單位：0.1 mm)

圖6 降雨量為0.919 989 m和1.428 01 m對應的填洼前后積水范圍

表5 模擬積水區面積統計值

7 合肥市內澇災害評估體系

7.1 致災因子危險性評估

對不同降雨量和內澇積水分布重分類，對其進行數據量化和標準化處理，積水區的標準化分積水區(1)和非積水區(0)為兩類。如圖7降雨量重分類標準為10級。根據前文5.2指標權重利用柵格計算器對致災因子進行評估(圖8)，10級對應5種風險等級。圖8中小部分地區為高風險地區，大多數地區屬于低風險和次低風險地區。且危險地區大多數集中于合肥市的南部。當發生強降雨時地面的降雨會順著地勢往較低的地方匯聚，由于合肥市地勢呈西北向東南傾斜，因此主要的危險區域分布于南部。同時通過圖8也可以看出在靠近巢湖的地區危險性相對較高，其原因主要是強降雨會使得降雨向河流處匯聚也就使得靠近河流處容易形成大量的地表徑流，這些都會導致靠近河流、湖泊的地區形成內澇積水區。綜上所述，通過近5年合肥市年降雨量和DEM數據模擬的內澇積水區當作要素，對內澇致災因子危險性進行評估而獲得的危險性評估圖，能夠較好地反映出合肥市內澇致災因子所造成的影響，與實際情況符合。

圖7 歷史平均年降水量10級重分類

圖8 合肥市致災因子危險性評估

7.2 孕災環境敏感性評估

基于孕災環境敏感性評估，結合表4中權重值建立模型，得式(9)。

Q=0.69×P3+0.22×P4+0.09×P5.

(9)

借助焦點統計工具計算合肥市地形起伏度，文中按起伏度由低到高依次賦值從10到1的10級。見圖9分析由于大別山脈余脈的影響，南部的巢湖市和廬江縣的部分地區地勢起伏度較大，不易形成積水區；其余大部分地區較為平坦，內澇積水風險較高。河流的標準化處理即距離河流遠近程度標準化。應用歐氏距離計算工具標準化處理，按河流距離由近到遠依次賦值為從10到1的10級。

圖9 合肥市起伏度圖

通過上文可得孕災環境危險性評估圖(見圖10)，可以表明合肥市孕災環境敏感度較高的地區主要為巢湖周圍和南部地區。分析其形成原因發現，由于這些地區比較靠近巢湖，在強降雨過后巢湖為地表徑流的流向地，因此在其周圍較易形成積水區。其次在南部山區由于山的原因也極易形成內澇積水區。低敏感地區主要分布在大別山脈余脈處，在這些地區地形較高，強降雨產生的地表徑流會往低洼地區匯集。

圖10 孕災環境危險性評估圖

7.3 承災體易損性評估

參考表4建立承災體易損性評估模型，見式(10)。

Q=0.16×P6+0.59×P7+0.25×P8.

(10)

標準化處理后對合肥市人口分布進行重分類，利用自然斷點法對其分為10級，按人口密集程度從高到低依次賦值從10到1，得人口分布標準化圖11，顯然人口密集地區受影響較大，損失較嚴重。GDP分布標準化處理和人口分布相同，不再贅述。

圖11 人口分布標準化圖

土地利用標準化處理將人工地表和城市建設用地賦值為10，農用地賦值為7，草地、水體為1；水庫、灘地賦值為5，林地為3，裸土地之類為Nodata，圖12分析河流湖泊、山區、耕地處人口較少，人口主要集中在城區范圍。從土地利用重分類上可看出城市內澇積水對人工地表的影響比較大。利用柵格計算器進行承災體脆弱性評估，承災體危險性評估圖見圖13，分析可知，若僅以承載體來進行評估，合肥市受內澇災害影響比較大的區域主要集中在合肥市主城區，其它小部分受影響區域呈零星分布，影響較低的地區主要存在于湖泊以及南部山區。分析其原因，首先主城區的經濟以及人口分布都比較密集，受內澇災害后產生經濟損失和人員傷亡較大。其次在主城區和零星分布的人工建設地區由于人工對自然環境進行改造，容易造成城市地面硬化面積的增加，不滲水區域面積增加，使得城市內的積水不易排出，對城市建筑物造成損害。

圖13 承災體危險性評估圖

7.4 各指標層評估結果對比

通過對比致災因子危險性評估結果、孕災環境危險性評估結果和承災體危險性評估結果(圖14—圖16)，發現在致災因子、孕災環境和承災體的評估中高風險地區主要都集中在巢湖流域周圍，結論一致。特別是致災因子和孕災環境主要都集中在合肥市南部以及巢湖流域。除了該區域外還有一部分集中在南部山區，究其原因主要是因為南部降雨量較多，并且有大量的山區周圍易形成低洼內澇災害比較嚴重；而承災體由于其評估指標(人口分布、GDP分布)的特殊性，其主要受災地區多為各縣(區)的主城區。

圖14 致災因子危險性評估圖

圖15 孕災環境危險性評估圖

圖16 承災體危險性評估圖

8 智慧城市內澇災害評估體系

8.1 內澇積水風險劃分

根據河流距離、坡度、起伏度、人口分布、積水分布范圍、土地利用、GDP分布等數據的重分類和標準化處理，依據加權疊加指標分析法，生成合肥市內澇積水綜合風險評估圖。為了量化城市內澇災害的風險等級，按照自然斷點法分為5段(圖17)，對應5類風險等級，即高風險區、次高風險區、中風險區、次低風險去、低風險區。[14]圖18中可見影響比較大地區主要集中在巢湖周圍及南部山區的小部分地區，其次是各縣區主要行政中心。究其原因是這些地區距離河流較近且地勢低洼，強降雨時易產生積水形成匯流；同時人口密集、經濟繁榮等人工地表也極易形成內澇積水。

圖17 降水量按自然斷點分5段

圖18 合肥市內澇積水綜合風險評估圖

8.2 智慧城市內澇災害評估體系

鑒于致災因子危險性、孕災環境敏感性、承災體脆弱性涉及的8個指標、權重及重分類標準化等級、風險等級等情況，現構建城市內澇災害評估體系，見圖19[15-16]。

圖19 智慧城市內澇災害評估體系結構

9 結 論

經上述研究與驗證，得出如下結論：可以通過構建復雜條件函數和更全面的評估指標構建通用性城市內澇災害評估體系，通過加權疊加指標法和層次分析法可以正確評估、分析出城市內澇災害危險等級，評價分析結果和實際情況相符，該智慧城市內澇災害風險評估體系具有良好的現實意義和應用價值，是智慧政務平臺和應急決策部門的理論依據和智慧支持。