潘東華，袁 藝，賈慧聰，徐 璨，王丹丹

（1.民政部國家減災(zāi)中心，北京100124；2.中國科學(xué)院遙感與數(shù)字地球研究所中科院數(shù)字地球重點實驗室，北京100101）

我國典型區(qū)因旱飲水困難人口快速評估模型研究*

潘東華1，袁 藝1，賈慧聰2，徐 璨1，王丹丹1

（1.民政部國家減災(zāi)中心，北京100124；2.中國科學(xué)院遙感與數(shù)字地球研究所中科院數(shù)字地球重點實驗室，北京100101）

估算因旱飲水困難人口是我國政府實施旱災(zāi)救助物資、資金發(fā)放的重要基礎(chǔ)性工作。目前我國因旱飲水困難人口的判斷主要依據(jù)地方民政部門災(zāi)情數(shù)據(jù)的上報，還未有對該數(shù)據(jù)的質(zhì)量控制和快速評估系統(tǒng)。因此，準確地預(yù)測并評估因旱飲水困難人口的發(fā)生發(fā)展，并采取適當?shù)娘L險防范措施就顯得十分重要。在收集并處理全國基礎(chǔ)地理信息、氣象、社會經(jīng)濟、旱災(zāi)災(zāi)情等數(shù)據(jù)的基礎(chǔ)上，將全國劃分為7個典型區(qū)，利用2009－2012年典型歷史旱災(zāi)案例災(zāi)情數(shù)據(jù)為樣本，基于BP人工神經(jīng)網(wǎng)絡(luò)構(gòu)建因旱飲水困難人口快速評估模型，以地形高程、月均降水量、水系密度、年末總?cè)丝?、路網(wǎng)密度和GDP為網(wǎng)絡(luò)輸入，以因旱飲水困難人口數(shù)量為網(wǎng)絡(luò)輸出，確定收斂誤差0.01，經(jīng)試算不斷優(yōu)化模型參數(shù)，得到東北、華北、華東、華中、華南、西南、西北7個典型區(qū)的模擬值與實際值的線性擬合結(jié)果：華東、華南、華中地區(qū)的模型精度較高，R2分別達到0.94、0.83、0.81；東北、西北、華北地區(qū)的模型精度居中，R2分別達到0.79、0.71、0.70；模型精度最低的是西南地區(qū)，R2為0.46。結(jié)果表明該模型操作簡便，精度較高，實現(xiàn)了我國基于區(qū)域差異的旱災(zāi)主要災(zāi)情指標的快速評估，能夠為典型區(qū)因旱飲水困難人口的快速評估和災(zāi)情的核查提供科學(xué)依據(jù)。

BP人工神經(jīng)網(wǎng)絡(luò)；旱災(zāi)飲水困難；人口；快速評估；典型區(qū)；中國

估算旱災(zāi)飲水困難人口是政府實施旱災(zāi)救助物資、資金發(fā)放的重要基礎(chǔ)性工作，雖然過去幾十年政府在旱災(zāi)災(zāi)情統(tǒng)計、救助標準制定等方面取得了長足發(fā)展，但依然有許多重要問題未被解決。核心問題之一是如何確定受旱范圍內(nèi)的因旱飲水困難人口數(shù)量，特別是對地方上報災(zāi)情數(shù)據(jù)的校核。長期以來，由于因旱困難人口統(tǒng)計一直依賴于地方上報，其客觀性和準確性備受外界關(guān)注。因此，對實際因旱飲水困難人口的科學(xué)估算，一方面是民政部門發(fā)展災(zāi)情科學(xué)評估的重要方向，另一方面也是財政部門核定救助物資與資金的重要依據(jù)。

我國因地理位置和氣候條件的影響，干旱災(zāi)害頻繁發(fā)生，有學(xué)者采用灰色關(guān)聯(lián)分析方法，計算旱災(zāi)與總災(zāi)害的關(guān)聯(lián)度，得出氣象災(zāi)害對農(nóng)民生產(chǎn)生活的影響權(quán)重為干旱＞凍害＞風雹災(zāi)＞水災(zāi)［1］；還有學(xué)者對中國貧困縣分布及干旱分布進行了研究，其結(jié)果顯示中國貧困縣的分布和旱災(zāi)的分布基本一致［2－3］，因此，開展因旱飲水困難人口的估算研究對減輕旱災(zāi)損失，提高貧困地區(qū)旱災(zāi)救助標準等具有重要現(xiàn)實意義。近年來我國旱災(zāi)有逐漸加重的趨勢，據(jù)民政部統(tǒng)計，2012年旱災(zāi)共造成全國628個縣（市、區(qū)）7 863萬人次受災(zāi)，飲水困難1 465.0萬人，需救助人口939.7萬人［4］。特別是我國西南地區(qū)遭受了2009－2010年秋冬春初夏連旱、2011年的夏秋連旱、2011－2012年冬春連旱以及2012－2013年冬春連旱等4年連旱，旱災(zāi)對當?shù)鼐用裆钣绊懤鄯e效應(yīng)明顯［5］。

本文在我國七大典型分區(qū)的基礎(chǔ)上，利用2009－2012年典型歷史旱災(zāi)案例災(zāi)情數(shù)據(jù)為樣本，構(gòu)建基于BP人工神經(jīng)網(wǎng)絡(luò)模型的因旱飲水困難人口快速評估模型；模型以地形高程、月均降水量、水系密度、年末總?cè)丝?、路網(wǎng)密度和GDP等6個主要地理因子作為輸入，因旱飲水困難人口作為模型輸出，初步實現(xiàn)基于區(qū)域差異的旱災(zāi)主要災(zāi)情指標快速評估。

表1 基礎(chǔ)數(shù)據(jù)庫列表

1 數(shù)據(jù)來源

根據(jù)構(gòu)建的基于BP人工神經(jīng)網(wǎng)絡(luò)模型的因旱飲水困難人口快速評估模型的需要，本文收集和整理了一系列的基礎(chǔ)數(shù)據(jù)庫進行研究（表1）。所利用的數(shù)據(jù)來源于：全國省域行政區(qū)劃矢量圖；全國30 m分辨率的DEM數(shù)據(jù)；全國1：100萬鐵路、國道和省道數(shù)據(jù)；全國1：100萬河流分布圖；從中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：／／cdc.cma.gov.cn／）下載的全國752個站點2000－2012年的日降水量數(shù)據(jù)［6］；2009－2012年《中國統(tǒng)計年鑒》［7］；民政部國家減災(zāi)中心提供的2009－2012年全國典型歷史旱災(zāi)案例因旱飲水困難人口統(tǒng)計數(shù)據(jù)。稱中間層）和輸出層三層構(gòu)成。信息由輸入層進入網(wǎng)絡(luò)后，傳到隱含層單元，經(jīng)過響應(yīng)傳遞函數(shù)（一般取Sigmoid函數(shù)），再傳到輸出層并計算輸出值。之后網(wǎng)絡(luò)將應(yīng)有的輸出與實際輸出進行比較，通過反向傳播誤差，修正與基本單元相連接的各輸入量的權(quán)重，并重新計算輸出、進行比較。通過信息傳遞、輸出、比較、反饋的連續(xù)反復(fù)訓(xùn)練，使模擬誤差逐步降低直至低于規(guī)定要求［10－11］。BP算法模型如圖1所示。

圖1 BP算法流程圖

2 研究方法

2.1 BP人工神經(jīng)網(wǎng)絡(luò)的基本原理

傳統(tǒng)的評估定級方法容易受人為主觀因素的影響，導(dǎo)致評價結(jié)果的不準確，而人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的評價方法具有自學(xué)習(xí)、自組織、自適應(yīng)性的特點，能夠充分利用給定的輸入因子信息，建立起輸入與輸出之間復(fù)雜的非線性對應(yīng)關(guān)系，正好可以解決此問題［8］。其中反向傳播學(xué)習(xí)算法人工神經(jīng)網(wǎng)絡(luò)（BP人工神經(jīng)網(wǎng)絡(luò)）是目前應(yīng)用最廣泛的一類，該網(wǎng)絡(luò)在具有人工神經(jīng)網(wǎng)絡(luò)特點的同時，還具有構(gòu)建簡單、訓(xùn)練算法豐富、映射能力強等優(yōu)點。而且網(wǎng)絡(luò)中的大量參數(shù)均由學(xué)習(xí)所得，而不是由人為給定，避免了人為因素的影響［9］。

BP人工神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱含層（或

2.2 典型歷史旱災(zāi)案例選取

我國政府實施旱災(zāi)救助物資、資金發(fā)放的基本單元是以行政區(qū)劃為單位的，因此本文采用中國地圖出版社發(fā)布的經(jīng)濟區(qū)劃將全國劃分為七大區(qū)域［12］。本研究分別選取了2009－2012年間，我國東北、華北、華中、西北、西南、華南、華東等7個典型區(qū)的旱災(zāi)歷史案例，每個典型區(qū)選取一個省份作為模型訓(xùn)練的樣本數(shù)據(jù)（表2），并以模型達到一定誤差要求的BP－Nets作為該典型區(qū)的旱災(zāi)快速評估模型。

2009年6月21日至8月10日，遼寧省平均降水量為150.1 mm，為歷史同期最少。遼寧省氣象局于8月11日發(fā)布了干旱最嚴重級別的“紅色預(yù)警”。遼寧省氣象局對遼西北旱情進行調(diào)查發(fā)現(xiàn)，朝陽縣、北票市、建平縣、義縣、凌海市降水偏少五成以上，為新中國成立以來罕見，已造成667 khm2農(nóng)田受旱，440多萬人受到缺水影響［13］。

2011年我國干旱發(fā)生區(qū)域廣，影響程度重，北方冬麥區(qū)出現(xiàn)了嚴重秋冬連旱。由于降水持續(xù)偏少，河南全省已有1 393 khm2冬小麥受旱，其中重旱143 khm2，山丘區(qū)還有13萬人因旱出現(xiàn)飲水困難［14］。

2011年我國長江中下游旱災(zāi)是自1959至1961年的旱災(zāi)后50年來最嚴重的一次。干旱使長江中下游地區(qū)的農(nóng)業(yè)遭受重創(chuàng)，漁業(yè)也大幅度減產(chǎn)，受災(zāi)人口達3 400萬，大量牲畜飲水困難，直接經(jīng)濟損失149億元人民幣［15］。干旱使洞庭湖水位創(chuàng)1968年以來的最低紀錄。湖南全省747.2萬人受災(zāi)，156.6萬人和48.7萬頭大牲畜出現(xiàn)飲水困難，需救助人口122.6萬人，農(nóng)作物受災(zāi)697 khm2，其中絕收52 khm2，直接經(jīng)濟損失27.4億元人民幣。截至2011年5月26日，安徽省全省平均降雨量189 mm，較常年同期偏少6成，全省有近1 333 khm2在地農(nóng)作物和水田缺水受旱［16］。

2011年7月以來的高溫少雨天氣致使廣西西北部部分地區(qū)出現(xiàn)中到重度氣象干旱。廣西壯族自治區(qū)民政廳截至2011年8月23日的統(tǒng)計數(shù)據(jù)顯示，廣西20個縣（市、區(qū)）旱情嚴重，直接經(jīng)濟損失2.51億元人民幣［17］。

截至2012年2月27日，云南省民政廳統(tǒng)計有273條中小河流斷流，413座小型水庫干涸，庫塘蓄水總量僅為43億m3；嚴重旱情已造成云南省319萬人、158萬頭大牲畜不同程度存在飲水困難［18］。

據(jù)內(nèi)蒙古、甘肅、寧夏等3省（自治區(qū)）民政廳報告，截至2011年6月23日統(tǒng)計，3月份以來，持續(xù)干旱共造成3省1 167萬人受災(zāi)，439萬人因旱災(zāi)造成生活困難需政府救助，飲水困難大小牲畜362萬頭（只），農(nóng)作物受災(zāi)面積2 395 khm2，絕收300 khm2［19］。

表2 我國七大典型區(qū)歷史旱災(zāi)案例選取

3 因旱飲水困難人口快速評估模型的建立

3.1 因旱飲水困難人口快速評估指標的選取

1984年，我國制定了農(nóng)村人畜飲水困難標準（取水的水平距離1 km以上，垂直高差100 m，水中含氟量超過1.1 mg／L），水利電力部《關(guān)于農(nóng)村人畜飲水工作的暫行規(guī)定》也規(guī)定了干旱期間飲水的標準［20］。農(nóng)村飲水不安全標準主要依據(jù)是國家水利部、衛(wèi)生部聯(lián)合頒發(fā)的《農(nóng)村飲用水安全衛(wèi)生評價指標體系》標準，水質(zhì)不符合《農(nóng)村實施〈生活飲用水衛(wèi)生標準〉準則》［21］要求的為不安全；每人每天可獲得的水量低于20～40 L為不安全；人力取水往返時間超過20 min為不安全；供水保證率低于90%為不安全。水文、地理、水資源狀況等自然因素導(dǎo)致的水資源匱乏或用水條件惡劣是導(dǎo)致農(nóng)村飲水困難的根本原因。目前因旱飲水困難人口評價所選取指標內(nèi)容主要有降水量時空分布不均、水源匱乏、地形、地貌的影響、氣候變化的影響這四個方面［22－27］，結(jié)合我國的孕災(zāi)環(huán)境和成災(zāi)特點以及資料的可獲取性，最終確定因旱飲水困難人口評估指標包括地形高程、月均降水量、河網(wǎng)密度、路網(wǎng)密度、GDP、年末總?cè)丝?個主要地理因子。

3.2 七大典型區(qū)飲水困難人口快速評估模型及

精度

利用MATLAB軟件將經(jīng)過標準化處理后的6個影響因子作為樣本的輸入值，首先將學(xué)習(xí)樣本進行網(wǎng)絡(luò)訓(xùn)練，經(jīng)試算不斷優(yōu)化模型參數(shù)，并進行網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)的調(diào)整，直到達到期望誤差范圍為止。完成樣本的學(xué)習(xí)后，將測試樣本輸入訓(xùn)練好的網(wǎng)絡(luò)中，以學(xué)習(xí)好的網(wǎng)絡(luò)參數(shù)，計算得出輸出預(yù)測與檢驗值。最終確定BP網(wǎng)絡(luò)模型的相關(guān)參數(shù)組合如下：①網(wǎng)絡(luò)結(jié)構(gòu)：6－13－1；②網(wǎng)絡(luò)層數(shù)：3；③期望誤差：根據(jù)測試，設(shè)置為S＝0.01；④顯示步長：5；⑤最大訓(xùn)練步長：1 000；⑥學(xué)習(xí)率：0.01；⑦隱含層轉(zhuǎn)移函數(shù)：對數(shù)S型函數(shù)（Logsig）；⑧輸出層的轉(zhuǎn)移函數(shù)：線性函數(shù)（purelin）。

利用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對因旱飲水困難人口的測試樣本進行預(yù)測，其模擬值與預(yù)測值的線性擬合結(jié)果R2結(jié)果如圖2～圖8所示。基于BP人工神經(jīng)網(wǎng)絡(luò)構(gòu)建的典型區(qū)快速評估模型的精度排序為：華東（R2＝0.94）＞華南（R2＝0.83）＞華中（R2＝0.81）＞東北（R2＝0.79）＞西北（R2＝0.71）＞華北（R2＝0.70）＞西南（R2＝0.46）。由此可見神經(jīng)網(wǎng)絡(luò)方法預(yù)測不同區(qū)域的因旱飲水困難人口是可行的，網(wǎng)絡(luò)訓(xùn)練速度較快，并且較準確方便。該方法能有效地減少評價過程中的人為因素影響，使評價結(jié)果更有效、更客觀。一旦人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法確定后，數(shù)學(xué)模型的準確程度與輸入的訓(xùn)練樣本的數(shù)量有著密切關(guān)系。西南地區(qū)的評估模型精度較低，可能與輸入模型的學(xué)習(xí)樣本的數(shù)量和質(zhì)量有關(guān)。

圖2 東北地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

圖3 華北地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

圖4 華東地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

圖5 華中地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

圖6 華南地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

圖7 西南地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

圖8 西北地區(qū)實際與模擬因旱飲水困難人口序列連線對比及擬合結(jié)果

4 結(jié)論與討論

目前在全國尺度下，針對因旱飲水困難人口災(zāi)情上報數(shù)據(jù)的質(zhì)量控制和快速評估系統(tǒng)研究還比較欠缺，迫切需要加強。本文在收集并處理全國基礎(chǔ)地理信息、氣象、社會經(jīng)濟、旱災(zāi)災(zāi)情等數(shù)據(jù)的基礎(chǔ)上，將全國劃分為7個典型區(qū)，利用2009－2012年典型歷史旱災(zāi)案例災(zāi)情數(shù)據(jù)為樣本，基于BP人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了因旱飲水困難人口快速評估模型。結(jié)果表明：

（1）以地形高程、月均降水量、水系密度、年末總?cè)丝凇⒙肪W(wǎng)密度和GDP等6個主要地理因子作為輸入，因旱飲水困難人口作為模型輸出，初步實現(xiàn)了基于區(qū)域差異的旱災(zāi)主要災(zāi)情指標快速評估。

（2）BP人工神經(jīng)網(wǎng)絡(luò)模型具有高維非線性識別映射處理能力，所以在參數(shù)較多及影響權(quán)值未知的情況下構(gòu)建全國分區(qū)因旱飲水困難人口快速評估模型具有合理性和可行性，且模型精度較高，6個區(qū)域的R2在0.70以上。

（3）本文提出的典型區(qū)因旱飲水困難人口快速評估模型也存在一些缺點和不足：首先輸入指標體系的合理性和完整性還需要進一步證明，力求各子指標數(shù)據(jù)具有較好的可測性，各子指標之間互相獨立，具有較好的內(nèi)部一致性。其次BP神經(jīng)網(wǎng)絡(luò)模型要求有一定的學(xué)習(xí)樣本，學(xué)習(xí)樣本的數(shù)量和質(zhì)量在很大程度上影響著神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)性能。下一階段應(yīng)選取合適的典型區(qū)歷史旱災(zāi)案例及學(xué)習(xí)樣本來提高人工神經(jīng)網(wǎng)絡(luò)的預(yù)測精度。

［1］ 張星，鄭有飛，周樂照.農(nóng)業(yè)氣象災(zāi)害災(zāi)情等級劃分與年景評估［J］.生態(tài)學(xué)雜志，2007，26（3）：111－115.

［2］ 宋連春，鄧振鏞，董安祥，等.干旱［M］.北京：氣象出版社，2003：54－55.

［3］ 周揚，李寧，吳吉東.內(nèi)蒙古地區(qū)近30年干旱特征及其成災(zāi)原因［J］.災(zāi)害學(xué)，2013，28（4）：67－73.

［4］ 天氣網(wǎng).我國2012年干旱受災(zāi)面積6010萬畝［EB／OL］.（2013－03－25）［2013－07－08］.http：／／www.tianqi.com／news／12825.html.

［5］ 孫雪萍，房藝，蘇筠.基于旱情演變的社會應(yīng)災(zāi)過程分析——以2009－2010年云南旱災(zāi)為例［J］.災(zāi)害學(xué)，2013，28（2）：90－94，106.

［6］ 中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng).中國地面氣候資料日值數(shù)據(jù)集［EB／OL］.（2012－08－04）［2013－07－08］. http：／／cdc.cma.gov.cn／.

［7］ 國家統(tǒng)計局.中國統(tǒng)計年鑒［M］.北京：中國統(tǒng)計出版社，2009－2012.

［8］ 王一峰，王心亞.基于人工神經(jīng)網(wǎng)絡(luò)的倒水河洪水預(yù)報模型［J］.水資源研究，2011，32（2）：43－48.

［9］ 張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計［M］.北京：機械工業(yè)出版社，2009：92－98.

［10］朱紅梅，周子英.BP人工神經(jīng)網(wǎng)絡(luò)在城市土地集約利用評價中的應(yīng)用——以長沙市為例［J］.經(jīng)濟地理，2009，29（5）：836－839.

［11］郭秋霞，鄧祥明，歐陽江.基于BP人工神經(jīng)網(wǎng)絡(luò)的價值鏈風險的評價［J］.物流技術(shù)，2011，30（7）：120－122.

［12］淺談中國地理區(qū)域的劃分［M］.北京：中國地圖出版社，2009.

［13］新華網(wǎng).遼寧發(fā)布干旱最嚴重預(yù)警［EB／OL］.（2009－08－12）［2013－07－08］.http：／／news.xinhuanet.com／politics／2009－08／12／content－11868468.html.

［14］人民網(wǎng).我國北方冬麥區(qū)持續(xù)干旱河北可能出現(xiàn)冬春連旱［EB／OL］.（2011－02－07）［2013－07－08］.http：／／www.022net.com／2011／2－7／424456172323772－2.html.

［15］國際在線.長江中下游地區(qū)旱情嚴重遭遇50年來少見的極端氣候［EB／OL］.（2011－05－25）［2013－07－08］.http：／／gb.cri.cn／27824／2011／05／25／5311s3258775.htm.

［16］中國新聞網(wǎng).長江中下游地區(qū)旱情持續(xù) 須防“旱澇急轉(zhuǎn)”［EB／OL］.（2011－05－30）［2013－07－08］.http：／／www.chinanews.com／gn／2011／05－30／3074808.shtml.

［17］中國新聞網(wǎng).廣西遭遇嚴重旱災(zāi)［EB／OL］.（2011－08－23）［2013－07－08］.http：／／www.chinanews.com／df／2011／08－23／3278732.shtml.

［18］中國天氣網(wǎng).云南連續(xù)四年受干旱困擾［EB／OL］.（2012－02－23）［2013－07－08］.http：／／www.weather.com.cn／zt／tqzt／780922.shtml.

［19］民政部網(wǎng)站.兩部門對蒙甘寧旱情啟動4級救災(zāi)應(yīng)急響應(yīng)［EB／OL］.（2011－06－27）［2013－07－08］.http：／／nyqx.xn121.com／nqxw／lb／1378613.shtml.

［20］人民日報.水利電力部關(guān)于農(nóng)村人畜飲水工作的暫行規(guī)定［EB／OL］.（1984－08－13）［2013－07－08］http：／／www.people.com.cn／item／flfgk／gwyfg／1984／112403198404.html.

［21］王婷婷，陳菁.我國農(nóng)村飲水困難的分類及其對策分析［J］.水利經(jīng)濟，2005，23（1）：42－43.

［22］潘東華，王靜愛，王瑛，等.基于圖層約束的自然災(zāi)害風險制圖綜合初探——以西北干旱區(qū)為例［J］.干旱區(qū)研究，2010，27（1）：13－19.

［23］賈慧聰，王靜愛，岳耀杰，等.冬小麥旱災(zāi)風險評價的指標體系構(gòu)建及應(yīng)用——基于2009年北方春旱野外實地考察的認識［J］.災(zāi)害學(xué)，2009，24（4）：20－25.

［24］賈慧聰，袁藝，曹春香，等.基于地理因子的因旱飲水困難人口快速評估模型——以云南省2012年大旱為例［J］.災(zāi)害學(xué)，2013，28（1）：92－97.

［25］賈慧聰，王靜愛.國內(nèi)外不同尺度的旱災(zāi)風險評價研究進展［J］.自然災(zāi)害學(xué)報，2011，20（2）：138－145.

［26］賈慧聰，王靜愛，潘東華，等.基于作物EPIC模型的玉米旱災(zāi)風險評價——以黃淮海夏播玉米區(qū)為例［J］.地理學(xué)報，2011，66（5）：643－652.

［27］Jia Huicong，Wang Jingai，Cao Chunxiang，et al.Maize drought disaster risk assessmentof China based on EPICmodel［J］.International Journal of Digital Earth，2011，5（6），488－515.

Rapid Assessment M odel of Population in Drinking Water Access Difficulties Because of Drought in Different Regions of China

Pan Donghua1，Yuan Yi1，Jia Huicong2，Xu Can1and Wang Dandan1
（1．National Disaster Reduction Center of China，Ministry of Civil Affairs of the People′s Republic of China，Beijing 100124，China；2．Key Laboratory of Digital Earth Science Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100101，China）

The estimation of population in drinkingwater access difficulties because of drought is an important basis work for drought relief supplies and disbursing funds of our government.At present，the judgment of population in drinking water access difficulties because of drought in China ismainly based on disaster reporting of local government，not the control and rapid assessment system of the data quality.Therefore，to accurately predict the occurrence and development of population in drinking water access difficulties because of drought，and take appropriatemitigation measures is very important，itwill greatlyminimize the economic loss and personal injury.On the basis of collecting the basic geographic information，meteorological，socio-economic data，and disaster effect data of China，dividing China into seven regions，taking historic 2009－2012 drought disaster cases as the sample data，a rapid assessmentmodel based on BP neural network was constructed.The six factors were the input of network，which were the average monthly precipitation，DEM，river density，the total population，road density and GDP. The population in drinking water access difficulties because of droughtwas the output of network.Through optimizing themodel parameters，the fitting results of R2 between the analog value and the true value of different regions were got.A very high fitting resultwas in East China，South China and Central China；R2 was 0.94，0.83，and 0.81 respectively.A middle high fitting resultwas in Northeast China，Northwest China and North China；R2 was 0.79，0.71，and 0.70 respectively.The lowest fitting resultwas in Southwest China；R2 was 0.46.It shows that the BP artificial neural network method can effectively predict the population in drinking water access difficulties because of drought in different regions of China.The method may provide an effective reference for rapid assessment and disaster verification of the population in drinking water access difficulties because of drought in China.

BP neural network；population in drinkingwater access difficulties because of drought；rapid assessment；sub-regions；China

S423；X43

A

1000－811X（2014）03－0034－06

10.3969／j.issn.1000－811X.2014.03.007

潘東華，袁藝，賈慧聰，等.我國典型區(qū)因旱飲水困難人口快速評估模型研究［J］.災(zāi)害學(xué)，2014，29（3）：34－39.［Pan Donghua，Yuan Yi，Jia Huicong，et al.Rapid Assessment Model of Population in Drinking Water Access Difficulties Because of Drought in Different Regions of China［J］.Journal of Catastrophology，2014，29（3）：34－39.］*

2013－11－06 修回日期：2014－01－01

國家自然科學(xué)基金項目（41301593）；國家重大科學(xué)研究計劃項目（2012CB955402）

潘東華（1981－），男，江蘇丹陽人，博士，主要從事GIS＆RS在自然災(zāi)害風險分析中的應(yīng)用研究.

E－mail：pandonghua＠ndrcc.gov.cn

袁藝（1976－），女，江蘇江都人，博士，研究員，主要從事災(zāi)害評估與風險防范研究與管理研究.

E－mail：yuanyi＠ndrcc.gov.cn