基于熵權TOPSIS法的城市抗澇韌性評估

中圖分類號：TV213.4 文獻標志碼：A

0 引言

近年來，在氣候變化和快速城鎮化的雙重驅動下，我國城市內澇災害呈現頻發態勢，構建具有強韌性的城市防洪體系，實現城市不被淹、不怕淹的目標是當前城市雨洪內澇治理的核心任務。

為應對城鄉防災減災挑戰，我國自2017年起在國家層面系統推進韌性城市建設。2020年，《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》首次將海綿城市與韌性城市納入國家發展戰略[1]。2022年，黨的二十大進一步提出“提高城市規劃、建設、治理水平，打造宜居、韌性、智慧城市”的戰略部署。2024年11月，《關于推進新型城市基礎設施建設打造韌性城市的意見》（中辦發（2024）27號）明確要求通過數字化、網絡化、智能化新型城市基礎設施建設，全面提升城市承災韌性，并具體制定了11項重點任務[2]。

當前，城市抗澇韌性研究主要遵循“現狀評估-障礙識別－提升策略”的技術路線。抗澇韌性水平的現狀評估是開展韌性城市建設的基礎，而綜合評價方法是一種系統整合多維度評價指標，并運用科學計算方法得出量化評估結果的技術手段。這一方法能夠綜合考慮各個指標的重要性及指標之間的關聯性，為決策者提供一個全面的決策依據。郭霜霜等[3基于“熵值賦權法 + 加權平均法”得到韌性綜合指數。李曉玉等[4基于“CRITIC 賦權法 + 加權平均法”得到韌性綜合指數。李正兆等[5]基于“AHP賦權法 + 加權平均法”得到韌性綜合指數。尹萌萌等[基于“熵值賦權法 + 逼近理想解（TOPSIS）法”得到反映城市內澇災害韌性綜合水平的貼近度指標。陳述等[基于“序關系和熵值組合賦權法 + 逼近理想解（TOPSIS）法”得到貼近度指標。尹志國等[8]基于“OWA算子和改進CRITIC組合賦權法 + 后悔理論”得到了反映當前城市內澇災害韌性綜合水平的目標綜合評價值。劉明陽等[基于可變模糊集理論得到城市內澇韌性的特征值。

現有研究尚存在如下問題： ① 指標未考慮空間尺寸，對于兩個面積差異懸殊區域，總體的城市基礎設施建設數據不存在可比性，如A城比B城區域面積大，盡管A城較B城有更長的排水管網長度，但無法得出A城排水能力強的結論。對此，應盡可能選取占比、率、密度類指標。 ② 指標未考慮年際變化，如排水設施建設投資在各個年份變化顯著，某一年的數據不具備代表性。對此，應盡可能取一個經濟規劃周期（5a左右）內數據的平均值。 ③ 選取的評價指標存在一定相關性，但部分研究并未對此進行有效處理。

本研究以長三角地區27個城市為研究對象，運用熵權TOPSIS法對各城市抗澇韌性水平進行量化評估與等級劃分，旨在為城市防洪減災工作提供科學參考。

1指標選取及數據預處理

1.1 指標選取

城市韌性建設的核心內涵應體現“承災能力強、恢復速率快”的雙重特征。在抗澇韌性維度，這一要求具體表現為：當遭遇設計標準內暴雨事件時，城市應具備“積水深度可控、積水速率緩慢、退水時間短、災害損失輕”的綜合抗災性能。基于此，本研究從系統性、可量化原則出發，初步遴選了18個與上述性能特征直接關聯且可量化表征的評價指標（見表1），各指標均滿足： ① 物理意義明確，與抗澇韌性具有直接因果關系； ② 數據可獲得性強，具備客觀量化基礎； ③ 時空可比性好，可支持跨區域、跨時段對比分析。

1.2 數據來源及年際平均化

原始數據源自2016—2022年《中國城市統計年鑒》，研究范圍涵蓋長三角地區27個城市，包括：① 上海市； ② 江蘇省9市：南京、無錫、常州、蘇州、南通、揚州、鎮江、鹽城、泰州； ③ 浙江省9市：杭州、寧波、溫州、湖州、嘉興、紹興、金華、舟山、臺州；④ 安徽省8市：合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城。

考慮年際變化，取各指標6年數據的平均值，需要說明的是并非取6年平均值的計算值，如南京市的城市排水管道密度指標計算，最終結果為2.373kmkm² ，而并非 10365.65/4386.03=2.363km/km² 見表2。同理，可得其余各個城市各指標的評價指標數據。

由于銅陵市2021年的園林綠化設施建設固定資產投資數據缺失，紹興市2022年的城市市政公用設施建設固定資產投資完成額數據缺失，對這兩個城市該指標取其余5個年份的算術平均值。

1.3數據標準化處理

數據來源不同時，其量綱、量級往往存在明顯差異。為提高數據間的可比性，通過標準化處理來消除這些差異。指標標準化方法分為線性標準化和非線性標準化，非線性標準化方法要對評價對象有較為深刻的理解和認識，確定轉折點或臨界點難度較大，應用不很廣泛。各類線性標準化方法差異[10]見表3。

表1初選抗澇韌性評估指標

注：一表示數據直接來源于年鑒。

表2原始指標數據計算示例（南京市）

表3線性標準化方法及其性質

由表3可知，比重法（又稱比例法）通過計算各評價對象某指標值與所有評價對象某指標值總和之比，將絕對數值轉化為相對比例，消除量綱和數量級的影響。相較其他方法，僅不滿足平移無關性。因此，本文采用比重法對選取的原始指標進行標準化處理。以城市排水管道密度為例，其標準化前后結果如表4所示。

表4城市排水管道密度數據標準化計算

1.4指標共線性及指標優化篩選

本文選取的18個抗澇韌性指標相互間存在一定相關性，如綠化覆蓋率及綠地率。Pearson相關系數是衡量兩個指標線性關系強弱的指標，其絕對值越接近1，共線性越強。18個抗澇韌性指標的Pearson相關系數熱力圖見圖1。由圖1可知，18個抗澇韌性指標中，X3（城市建成區綠化覆蓋率）、X8（城市人口密度）、X11（城市建成區排水管道密度）、X16（城市道路交通設施用地占比），兩兩之間的共線性較弱，故下文選取這4個指標進行抗澇韌性水平的評估。

2長三角地區城市抗澇韌性水平評估

2.1 熵值賦權

在評價同類事物的表現時，需要度量各影響因子所起的作用，即具體評價模型中評價指標的權重。熵權法是目前最為常用的客觀賦權法，其源于信息熵的概念，在信息論中熵被用來量度隨機變量的不確定性，信息熵獲得等價于信息的丟失，即信息和熵是互補的，信息即負熵[11]。

熵值賦權共分兩步：計算每個指標的熵值 H_i? 得到每個指標的熵權 ω_i 0

熵值計算式為

式中： x_ij 為第 j 個城市的第 i 項指標對應的標準化后數值。熵值越大，說明該指標提供的有效信息量越小，其權重越小；反之，熵值越小，說明該指標提供的

有效信息量越大，其權重越大。

熵權的計算式為

熵權法完全基于數據本身的離散程度來確定權重，避免了主觀因素的干擾，具有較強的客觀性和科學性，但仍存在一定局限性，例如對極端值較為敏感，會受到數據質量與樣本數量的影響。

長三角地區27個城市的X3（城市建成區綠化覆蓋率）、X8（城市人口密度）、X11（城市建成區排水管道密度）、X16（城市道路交通設施用地占比）指標熵值及熵權見表5。

表54項指標的熵值與熵權計算結果

2.2 正負理想解

評價指標標準化處理數據乘以各自評價指標熵權得到加權評估數據 ?x_ij^′ ，計算式為

x_ij^′=ω_ix_ij

評價指標X3（城市建成區綠化覆蓋率）、X8（城市人口密度）、X11（城市建成區排水管道密度）、X16（城市道路交通設施用地占比）與抗澇韌性存在正向、逆向兩種關系，故最優解（又稱正理想解）及最劣解（又稱負理想解）需經過詳細分析來確定。

城市開發過程中，當原有的農田、綠地、水系（池塘、河道、湖泊）等透水、蓄水性強的“天然調蓄池”被占用、填平，進而被不透水的“硬底化”水泥地面所取代時，將會造成雨水的下滲量下降，徑流系數增加，從而改變地面的水文物理性質和產匯流格局。交通道路建設水平越低，城市抗澇韌性水平越高。“硬底化”程度越弱，城市抗澇韌性水平越高。

下墊面吸收能力越強，城市抗澇韌性水平越高。因此，城市建成區綠化覆蓋率越高，抗澇韌性越好；城市道路交通設施用地占比越低，抗澇韌性越好。

城區人口越多，雨澇災害造成的損失越大，故抗澇韌性水平越低。城市建成區排水管道密度直接反映排水能力，排水管道密度越大，城市抗澇韌性水平越高。

經計算，所有評價對象里指標X3（城市建成區綠化覆蓋率）的最優解 Z₃⁺ 取 max{x_3j^′}=0.000 226. 最劣解 Z₃^- 取 ；X8（城市人口密度）的最優解 Z₈⁺ 取 ，最劣解 Z₈^- 取 ；X11（城市建成區排水管道密度）的最優解 Z₁₁⁺ 取 ，最劣解 Z₁₁^- 取 ；X16（城市道路交通設施用地占比）的最優解 Z₁₆⁺ 取 min{x_16j^′}=0.004 42 ，最劣解Z₁₆^- 取 max{x_16j^′}=0.0288. 0

2.3 貼近度計算

TOPSIS法依據有限個評價對象與理想化目標的接近程度進行排序，從而實現相對優劣的評價。

基于2.2節得到的27個城市在4個評估指標方面的最優解及最劣解，可得第 j 個城市距離正、負理想解的距離 D_j⁺ ， D_j^- ，計算式為

D_j⁺ 越大，距離最優解越遠，抗澇韌性水平越低;D_j^- 越大，距離最劣解越遠，抗澇韌性水平越高。為便于理解，采用貼近度比較優劣。貼近度 E_j 在[0，1]范圍，計算式為

貼近度 E_j 越大，越接近理想狀態。計算得到長三角地區27個城市抗澇韌性水平的貼近度，詳見表6。

表6各城市防韌性貼近度計算結果

由表6可知，抗澇韌性貼近度低于0.3的城市包括南通、馬鞍山、嘉興、宣城。在面對一場同樣強度的暴雨時，這些城市對內澇災害抵抗能力與恢復能力相對薄弱，有待加強。

2.4低抗澇韌性城市短板及對策分析

對比南通、馬鞍山、嘉興、宣城4個城市指標數據可知，4個城市的共性在于城市建成區面積占比、城市人口密度、城市居住建設用地占比、城市工業建設用地占比、城市道路交通設施用地占比、城市道路面積占比、城市人行道面積占比較大，除人口密度外，其余6個指標均為土地利用面積與城區面積之比。

土地是基礎性生產要素，其利用效率始終是國土空間規劃的重要指標。城區建設用地的大規模擴張導致城區局部土地資源處于超載乃至嚴重超載狀態，在面對如雨洪內澇等自然災害時，展現出低韌性特點，如抵抗力低下、短期內會造成大量損失、恢復緩慢且恢復成本高等。

基于韌性城市理論，建議采取以下空間規劃策略：

（1）多中心疏散策略。推動居住、工業等功能向鄉鎮轉移，構建“城區-組團-鄉村\"三級疏散體系。

（2）彈性空間預留。保持 10%～15% 的閑置用地，確保 8% 以上的水域用地，維持 12% 以上的公園綠地。

（3）強度管控措施：設定建設用地開發強度閥值（建議強度閾值 ?60% ），建立動態調整機制（每5a評估一次）。

3 結束語

基于2017一2022年城市統計年鑒數據，采用熵權TOPSIS法對長三角地區27個城市抗澇韌性水平進行排序。結果表明，南通、馬鞍山、嘉興、宣城抗澇韌性水平較差，亟需提升城市抗澇韌性水平。

本文僅對長三角地區27個城市的總體抗澇韌性進行了初步評估。下一步，可基于地理空間數據云、OpenStreetMap公開地圖、Esri全球土地覆蓋地圖等公布的數字高程數據及矢量數據，開展區縣級別的抗澇韌性評價，詳細分析短板屬性的區縣空間分布，得出亟需優化改進的區縣及短板屬性。

參考文獻：

[1]新華社.中共中央關于制定國民經濟和社會

發展第十四個五年規劃和二〇三五年遠景目標的建議[N].人民日報，2020-11-04（1）.

[2]新華社.中共中央辦公廳國務院辦公廳關于推進新型城市基礎設施建設打造韌性城市的意見[N].人民日報，2024-12-06（1）.

[3]郭霜霜，黃海榮，張薇，等.暴雨內澇災害下城市社會系統韌性評估研究[J].中國防汛抗旱，2023，33（7）：28-33.

[4]李曉玉，朱嘉敏.城市暴雨內澇災害的韌性評估研究：以鄭州市為例[J].資源開發與市場，2024，40（11）：1647-1654.

[5]李正兆，傅大放，王君嫻，等.應對內澇災害的城市韌性評估模型及應用[J]清華大學學報（自然科學版），2022，62（2）：266-276.

[6]尹萌萌，劉夢婷，朱偉，等.城市內澇災害韌性評估及影響因子分析：以福州市為例[J].中國安

全生產科學技術，2024，20（10）：61-66.

[7]陳述，遠維康，顏克勝，等.湖北省城市雨澇災害韌性的時空演變及障礙因子[J].中國安全生產科學技術，2024，20（2）：13-20.

[8]尹志國，牛發陽，湯輝.基于博弈論和后悔理論的城市洪澇災害韌性評價：以西安市為例[J].水利水電技術（中英文），2024，55（1）：74-87.

[9]劉明陽，王群英，徐向舟，等.考慮內澇周期的鄭州市內澇韌性評估[J].水資源保護，2024，40（4）：48-55，91.

[10]劉競妍，張可，王桂華.綜合評價中數據標準化方法比較研究[J].數字技術與應用，2018，36（6）：84-85.

[11]孫向軍，王義民.基于熵權法的西安市水資源系統評價研究[J].中國防汛抗旱，2021，31（2）：34-39.

AssessmentofUrban Flood Resilience Based on Entropy Weighted TOPSISMethod

WANG Qiuyue’，SUN Xiangjun2 （1.College of Tourism，Henan Normal University，Xinxiang 453007，China；2.Collge of Civil and Transportation Engineering，Hohai University，Nanjing 21oo98，China）

Abstract： In recent years，extreme rainstorm events have shown a trend of increasing frequency，growing intensity，andexpanding scope.Toidentifydeficienciesand enhance the disaster preventionandreductioncapabilities inurbanregions，itiscrucial toassess thefoodresilience.Taking 27cities inthe YangtzeRiver Deltaregionas a casestudy，l8 quantitative indicators considering spatial sizeand interannual variation were selectedbased on the influencing factors of disturbance resistance and recoverycapabilities to flood disasters.Through analysis，four evaluation indexes with weakcollinearity were identified，and closeness degree indexreflecting floodresilience capability was thencalculated using the entropy weights of the indexes.Results show thatcities withthe closeness degree less than 0.3 include Nantong，Ma'anshan，Jiaxing and Xuancheng.Inaddition，common weaknesses of these four cities with low flood resilience were analyzed，andthe improving ideas was proposed fromthe perspective oflanduse planing.Theresearch findingsprovide insightsfor improving the floodresilience levelof the Yangtze River Delta urban agglomeration.

Key words：：flood resilience；index selection；Pearson correlation coefficient；entropy weighted TOPSIS method