張 強,陳志明,2,張 雪(.河海大學商學院,南京 20098;2.河海大學水文水資源與水利工程科學國家重點實驗室, 南京 20098)
旱災是世界上最嚴重的自然災害之一,它在持續(xù)時間、影響范圍、災害影響等方面位列自然災害之首[1]。2010-2012 年中國西南地區(qū)連續(xù)三年特大春旱等都預示著未來的干旱威脅將更大[2]。隨著中國經(jīng)濟不斷發(fā)展,生態(tài)環(huán)境的易損性和脆弱性增大,導致干旱成災率和旱災損失呈明顯增加的趨勢。
干旱的風險評價已成為國內(nèi)外學者們研究的熱點問題。Tsakiris[3]等在區(qū)域干旱評價中采用了一種全新的偵查指數(shù),它包含了除降水外其他的氣象參數(shù)、潛在蒸散等因素,更適用不斷變化的環(huán)境。李文亮[4]等采用信息擴散理論對黑龍江省氣象干旱災害進行了風險評估與區(qū)劃研究分析。陳曉楠[5]等建立了神經(jīng)網(wǎng)絡(luò)模型對農(nóng)業(yè)干旱程度進行量化計算,詳細地研究了農(nóng)業(yè)干旱的概率分布,并以河南省濮陽市渠村灌區(qū)作為實例,計算出該區(qū)域的農(nóng)業(yè)干旱程度概率分布。陳家金[6]等利用正態(tài) 信息擴散的計算方法,結(jié)合東南沿海三省歷年的作物干旱受災面積和成災面積資料,對該區(qū)域進行農(nóng)業(yè)干旱風險評估。楊奇勇[7]等基于干旱風險管理的穩(wěn)定性、脆弱性和恢復性,同時考慮到區(qū)域的應急抗旱水平,以湖南省的14個地州市為研究對象,利用灰色關(guān)聯(lián)聚類法、層次分析法等方法建立評價模型,對湖南農(nóng)業(yè)干旱風險進行了分析。張星[8]等以農(nóng)業(yè)氣象自然災害為研究對象,采用灰色分析方法對其進行評估,根據(jù)關(guān)聯(lián)度對災害輕重程度進行排序,運用GM模型預測了災害嚴重年份。
國內(nèi)外關(guān)于干旱風險評估已經(jīng)取得了非常豐富的研究成果,考慮到干旱災害的不確定性和隨機性,以及小樣本和模糊性問題,引入模糊數(shù)學領(lǐng)域的信息擴散和可變模糊集理論建立干旱災害風險評價模型,該模型具有可操作性強、數(shù)據(jù)需求小等特點。通過對云南省石林縣的調(diào)研實際情況,從干旱災害的危險性、敏感性和受損性3個方面出發(fā),選取相應的農(nóng)業(yè)干旱災害風險評價指標,建立指標體系,將可變模糊評價與信息擴散相結(jié)合的模型運用到石林縣旱災風險評估中,為該縣應對農(nóng)業(yè)干旱災害提供了決策依據(jù)。
本文以云南省石林縣的農(nóng)業(yè)旱災為研究對象,時間跨度為2000-2010年共11年。2008 年以來,石林縣出現(xiàn)了自有氣象記錄以來最嚴重的干旱災害,旱災發(fā)生范圍之廣、干旱程度之重、持續(xù)時間之長、損失之重都是歷史罕見的。對農(nóng)業(yè)生產(chǎn)造成了很大的危害,嚴重制約了農(nóng)業(yè)生產(chǎn)和社會經(jīng)濟的發(fā)展,造成全縣5.1 萬人、2.6 萬頭大牲畜飲水困難,農(nóng)作物受災面積13 717.9 hm2,成災面積7 282.9 hm2,絕收面積2 560 hm2。
在進行干旱災害風險評價時,指標體系的選取尤為重要。一般來說,合理的干旱評價指標不僅應能準確地描述干旱的程度、范圍和起止時間,而且應包含明確的物理機制,充分考慮到降水、蒸發(fā)、土壤等因素的影響。根據(jù)自然災害系統(tǒng)理論,干旱災害風險取決于致災因子的危險性、孕災環(huán)境的敏感性和承災體的受損性。本文從這三方面出發(fā),選取相應的干旱風險評價指標,如圖1所示。
圖1 農(nóng)業(yè)干旱災害風險評價指標體系Fig.1 Agricultural drought disaster risk evaluation system
通過實地調(diào)研及查閱《云南統(tǒng)計年鑒》、《云南省水利統(tǒng)計年鑒》、《云南省水資源公報》、《云南省旱情簡報》、《抗旱規(guī)劃初稿》等資料,獲得了2000-2010年11年間石林縣的評價指標特征值。由于篇幅所限,表1只列出部分指標數(shù)據(jù)。
表1 云南省石林縣2000-2010年的農(nóng)業(yè)旱災風險評價指標特征值Tab.1 Agricultural drought risk assessment eigenvalues of Yunnan Shilin County during 2000-2010 years
基于干旱災害風險評價隨機性和不確定性等特點,引入模糊信息處理中的信息擴散方法[9](Information Diffusion Method)和模糊數(shù)學領(lǐng)域的可變模糊集理論[10](Variable Fuzzy Sets,VFS)建立基于信息擴散-可變模糊(IDM-VFS)耦合的干旱災害風險評價模型,有效解決風險評價中的小樣本、信息不足和模糊性等問題,其建模主要過程如下。
信息擴散是一種通過適當?shù)臄U散模型將樣本集值化的模糊數(shù)學處理方法,它能夠優(yōu)化利用樣本的模糊信息。本文選用正態(tài)擴散模型,其基本計算步驟如下:
設(shè)某一評價指標的離散點為X={x1,x2,…,xn},xi(i=1,2,…,n)為樣本點的觀測值,其論域U為U={u1,u2,…,um},uj(j=1,2,…,m)為論域內(nèi)的某個取值。
通過正態(tài)擴散函數(shù)fi,將樣本點xi所攜帶的信息擴散給論域U中的每一個取值uj:
(1)
(i=1,2,…,n,j=1,2,…,m)
式中h為擴散系數(shù),計算公式如下:
(2)
式中:a、b分別為樣本中的最小值、最大值。
為了使每個集值樣本地位相同,對擴散函數(shù)fi(uj)進行歸一化處理,令:
(3)
則歸一化后的擴散函數(shù)gi為:
(4)
在所有樣本都經(jīng)過以上處理后,計算經(jīng)信息擴散后推斷出的觀測值為uj的樣本個數(shù)q(uj)和各uj上的樣本總數(shù)Q:
(6)
則樣本落在uj處的頻率為:p(ui)=q(uj)/Q,也就是災情為uj的概率,而指標值超過uj的超越概率為:
(7)
計算出各評價指標xi在其論域內(nèi)的取值uj出的超越概率P(uj),按照旱情等級的超越概率分級標準,求出各評價指標對應旱情等級的臨界值,得到旱情等級劃分標準。
基于可變模糊集理論的模糊可變評價法通過模型并變化其參數(shù)組合,科學地計算出干旱評價等級,提高干旱風險評價結(jié)果的可信度。模糊可變評價法主要包括以下幾個步驟:
(1)生成指標特征值矩陣。設(shè)有n個自然災害樣本組成的樣本集,X=(x1,x2,…,xi,…,xn),依據(jù)r個指標特征值對樣本進行識別。第i個樣本的特征用r個指標特征值表示:xi=(x1i,x2i,…,xsi,…,xri)T,則樣本集可以用r×n階指標特征值矩陣表示:X=(xsi)r×n,其中:xsi為第i個樣本的第s個指標特征值,s=1,2,…,r,i=1,2,…,n。
(2)建立指標標準特征值矩陣。樣本集根據(jù)r個指標按c個級別的指標標準特征值進行識別,則有r×c階指標標準特征值矩陣:Y=(ysh)r×c,ysh為級別h關(guān)于指標s的標準特征值,h=1,2,…,c。
(3)確定吸引域、范圍域及點值矩陣。參照指標標準值矩陣和待評價地區(qū)的實際情況確定干旱災害可變集合的吸引域矩陣與范圍域矩陣,Iab=([ash,bsh])和Icd=([csh,dsh])。根據(jù)干旱災害風險度分為c個級別的實際情況確定吸引域[ash,bsh]中DA(xsi)h=1的點值Msh的矩陣M=(Msh)。
(4)計算指標分級相對隸屬度矩陣。判斷樣本特征值xsi在Msh點的左側(cè)還是右側(cè),根據(jù)如下公式計算差異度DA(xsi)h:
x落入M點左側(cè)時的相對差異函數(shù)模型為:
(8)
x落入M點右側(cè)時的相對差異函數(shù)模型為:
(9)
D(u)=-1x?[c,d]
(10)
(5)確定各指標權(quán)重。
ω=(ω1,ω2,…,ωr)
(6)計算綜合相對隸屬度。
(11)
式中:iu′h為非歸一化的綜合相對隸屬度;α為模型優(yōu)化準則參數(shù);ωs為指標權(quán)重;r為識別指標數(shù);p為距離參數(shù),p=1為海明距離,p=2為歐氏距離。
α與p可采用不同的組合參數(shù),即α=1,p=1;α=1,p=2;α=2,p=1;α=2,p=2 4種取值。
(7)計算級別特征值進行分級評價。根據(jù)模糊概念在分級條件下最大隸屬度原則的不適應性,計算級別特征值對樣本進行級別評價,如下式。
H=(1,2,…,c)·U
(12)
將建立的IDM-VFS模型運用到云南省石林縣的農(nóng)業(yè)干旱災害風險評價中。首先利用信息擴散模型確定各風險評價指標的分級標準。以干旱評估通用的分級方法,將干旱等級劃分為五個等級,分別是無旱、輕旱、中旱、重旱和特旱。各評價指標等級劃分標準確定后,采用可變模糊評價法對云南省石林縣進行農(nóng)業(yè)干旱災害風險評價。石林縣農(nóng)業(yè)干旱風險評價指標等級劃分標準見表2。
目前,確定指標權(quán)重的方法主要包括客觀賦權(quán)法和主觀賦權(quán)法兩大類??陀^賦權(quán)法根據(jù)實際問題的樣本數(shù)據(jù),采用一定方法對指標權(quán)重進行計算;而主觀賦權(quán)法主要取決于決策人的主觀判斷,評判者根據(jù)自身經(jīng)驗確定各指標的重要程度。兩類方法各有利弊,因此,文章將兩種方法結(jié)合起來確定各評價指標的權(quán)重,首先采用熵權(quán)法計算出各指標的數(shù)學權(quán)重,然后利用網(wǎng)絡(luò)分析法(ANP)確定指標的經(jīng)驗權(quán)重,最終將兩套權(quán)重進行加權(quán)組合,從而求得每個指標的權(quán)重值。計算求出的農(nóng)業(yè)干旱災害評價各指標權(quán)重值如表3所示。
表2 干旱風險評價指標等級劃分標準Tab.2 Drought risk assessment classification standard
表3 基于熵權(quán)法和ANP法的云南省石林縣農(nóng)業(yè)旱災風險評價指標權(quán)重Tab.3 The agricultural drought risk assessment index weight of Yunnan Shilin County based on entropy and ANP method
根據(jù)表2建立石林縣可變集合的吸引域矩陣Iab與范圍域矩陣Icd以及點值Msh的矩陣。判斷樣本值與點值的位置關(guān)系,計算相對差異度D(xsi)h、指標對風險等級的相對隸屬度μA(xsi)h。采用第3節(jié)確定的各指標權(quán)重,根據(jù)公式采用不同的參數(shù)組合,可以計算得到非歸一化的綜合相對隸屬度向量iu′h,歸一化后得到綜合相對隸屬度矩陣U。石林縣各風險子系統(tǒng)評價指標相對隸屬度矩陣如表4所示。
最后通過變換參數(shù)α、p的取值,進行級別特征值的計算,可得各區(qū)縣干旱風險危險性、敏感性和受損性3個子系統(tǒng)的平均級別特征值。石林縣各年的農(nóng)業(yè)干旱風險值如表5所示。
由表5可見,石林縣2009年干旱災害的危險性最高,其次為2010年、2005年。2009年以來,南盤江流域部分地區(qū)降雨較正常水平嚴重偏少,且氣溫持續(xù)偏高,土壤和植被含水量低,水庫塘壩蓄水得不到有效補充,從而導致干旱難以緩解。干旱災害的脆弱性總體為逐漸減弱的趨勢,這是由于農(nóng)民收入、農(nóng)業(yè)灌溉設(shè)施、抗旱投入水平以及應對旱災能力均逐漸增強,從而降低了干旱災害的脆弱性。2010年的易損性最高,石林縣的作物受旱率達到35.19%,因旱成災率達31.74%,是11年中最為嚴重的一年;其次是2002年,作物受旱率達到34.21%,因旱成災率達29.28%。2000-2011年平均來看,石林縣的危險性風險值為2.19,敏感性為3.42,受損性為3.04。
根據(jù)計算出云南省石林縣的干旱災害子系統(tǒng)的風險特征值,利用各子系統(tǒng)的綜合權(quán)重值可以得到區(qū)域的農(nóng)業(yè)干旱災害綜合風險等級,即:
表4 石林縣各子系統(tǒng)評價指標的相對隸屬度矩陣Tab.4 Each relative membership degree matrix of subsystem index in Shilin County
R=W×H
(13)
式中:R為區(qū)域旱災綜合風險值;W表示各子系統(tǒng)綜合權(quán)重向量;H就是各區(qū)縣的子系統(tǒng)風險特征值向量,最終得到石林縣最終的綜合風險等級為3級。
本文綜合考慮其危險性、脆弱性和易損性3個因子,構(gòu)建了干旱災害風險評價指標體系,形成干旱災害風險評估系統(tǒng)。基于信息擴散方法,確定評價指標的風險等級劃分標準。利用可變模糊評價模型,對干旱災害進行風險評
表5 石林縣農(nóng)業(yè)旱災風險評價系統(tǒng)的干旱風險值Tab.5 The drought risk value of Shilin County about agricultural drought risk assessment system
價,建立基于信息擴散——可變模糊集理論的旱災風險評價模型。以云南省石林縣進行實證研究,采用IDM-VFS模型計算出該縣2000年-2010年的農(nóng)業(yè)干旱風險水平,分別對危險性、脆弱性和易損性進行子系統(tǒng)風險分析,最后得到綜合風險等級。
□
[1] Sam Lake P. Drought and aquatic ecosystems: effects and responses[M]. Oxford, UK: John Wiley and Sons Ltd, 2011.
[2] 吳 迪,裴源生,趙 勇,等.湄公河流域農(nóng)業(yè)干旱主要影響因素分析和預估[J]. 農(nóng)業(yè)工程學報,2012,28(8):1-10.
[3] Tsakiris G, Pangalou D, Vangelis H. Regional drought assessment based on the Reconnaissance Drought Index (RDI)[J]. Water Resources Management, 2007, 21(5): 821-833.
[4] 李文亮, 張冬有, 張麗娟. 黑龍江省氣象災害風險評估與區(qū)劃[J]. 干旱區(qū)地理, 2009,32(5):754-760.
[5] 陳曉楠,黃 強,邱 林,等.基于混沌優(yōu)化神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)干旱評估模型[J].水利學報,2006,37(2):247-252.
[6] 陳家金,王加義,林 晶,等. 基于信息擴散理論的東南沿海三省農(nóng)業(yè)干旱風險評估[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2010,28(6):248-251.
[7] 楊奇勇, 毛德華. 湖南省農(nóng)業(yè)干旱水資源風險評價[J]. 湖南師范大學自然科學學報, 2008,31(1):125-129.
[8] 張 星,陳 惠,周樂照. 福建省農(nóng)業(yè)氣象災害灰色評價與預測[J]. 災害學, 2007,22(4):43-45.
[9] 歐陽蔚,于艷青,金菊良,等. 基于信息擴散與自助法的旱災風險評估模型——以安徽為例[J].災害學, 2015,30(1):228-234.
[10] 陸志強,李吉鵬,章耕耘,等. 基于可變模糊評價模型的東山灣生態(tài)系統(tǒng)健康評價[J].生態(tài)學報, 2015,35 (14):1-17.