开放科学(资源服务)标识码(OSID): 
0 引言
目前主流的洪水风险分析评估有3种方法:机理模型法、知识驱动法及数据驱动法[3]。机理模型法有水文模型法、水动力模型法及水文水动力耦合模型3种方法[4]。虽然机理模型法[5⇓-7]具有严格的物理机制,但是,一方面大多数水文模型有复杂的计算过程,需要很长的计算时间,无法给突发洪水情况提供预警[8];另一方面是水文模型的输入依赖于高度精确的数据,对于资料匮乏地区,水文数据成为一个难题[9]。数据驱动法可以分为统计法和机器学习法[3]。统计法[10-11]基于足够的历史洪水数据,可以预测较长预见期洪水,适用于历史洪水数据丰富的区域。但对于自然和社会环境快速变化的区域,该方法预测洪水显得不够灵活[12]。机器学习方法通过自动建立洪水影响因子和相应的标签的历史洪水或非洪水地点之间的关系,根据其影响因子预测无标签地点的洪水易感性。但机器学习法[13⇓-15]目前并没有真正融入洪水形成的物理机制,且机器学习法的预测精度一般不高,70%左右[8]。知识驱动法[16⇓⇓-19]主要根据领域专家的理论和经验知识选择洪水风险影响分子以及相应影响因子赋予权重,建立指标评价体系,进而分析地区洪水风险。因其建模思想简单易懂,数据要求相对较低,计算量小,可为缺资料地区的风险评估提供可行方案。
以往的研究通常使用单一的权重,如层次分析法(Analytic Hierarchy Process,AHP)、Delphi法和专家打分法等主观权重,或单一使用熵权法、CRITIC(Criteria Importance Though Intercrieria Correlation)法等客观权重。主观赋权法依赖专家的知识和经验,受主观影响大,而客观赋权法则根据数据自身特征确定权重,得出的结果可能与实际情况不符。另外,传统的组合赋权法通过在权重集成中引入偏好系数,计算主客观权重的加权平均值。然而,这种方法在组合赋权的过程中会人为地缩小或放大某种赋权方法的影响,从而导致权重偏好问题。如周依希等[20]在对电网脆弱节点评估中,随着偏好系数取值的不同,某些评价指标波动明显,使得加权赋权的方法稳定性较差。而博弈论是一种各方协调一致去寻找最大化共同利益的方法,采用博弈论结合主客观权重,以期得到更贴合实际情况的结果。
本文以长江上游典型流域嘉陵江流域为研究区域,流域面积大,水系众多,若采用传统的机理模型法,数据需求量大,模型构建较为复杂,普通计算机算力有限,计算困难。因此,本文选取知识驱动法中的多标准决策分析法,即主观赋权法和客观赋权法2种方法计算指标权重,再根据博弈论分别确定这2种方法的权重,组合赋权确定指标权重,从嘉陵江发生洪灾的致灾因子、孕灾环境以及承灾体3个方面确定评价因子,构建风险指标体系,确定嘉陵江流域的山洪风险空间分布范围及程度,为嘉陵江流域地区洪水风险管理提供参考依据。
1 研究区概况、数据及方法
1.1 研究区概况
嘉陵江流域是长江上游左岸的主要支流,如图1所示。流域的总面积约16.5万km2,跨越四川、重庆、甘肃、陕西4个省市,流域地势复杂,地貌多样,包括高原、山地、丘陵和盆地等地形。主要河流嘉陵江发源于青藏高原东南部,穿行于四川盆地,最终注入长江。嘉陵江流域地处中国西南经济发达地区,拥有丰富的自然资源和人文资源。四川、重庆等地是中国的工业基地和农业生产区,具有发达的制造业和现代服务业。这一地区对西部大开发和区域经济一体化具有重要推动作用,对中国西部地区的经济发展起到了重要支撑作用。然而,根据文献及碑刻考证,嘉陵江流域曾多次发生大洪水甚至特大洪水,平均约每38 a发生一次,造成了严重的人员伤亡和财产损失,给当地经济和社会带来了极大的影响。
1.2 评价指标数据
多标准决策分析法建模过程中,评价指标的选取是决定评估结果好坏的关键之一。史培军[21]根据系统论提出灾害理论,认为自然灾害的发生是致灾因子、孕灾环境及承灾体相互作用的结果。
根据可能造成嘉陵江流域洪水的因素,嘉陵江流域处于暴雨区,洪水皆由降水,特别是暴雨或连续性降水导致,因此在致灾因子中考虑降水量的影响十分必要;而径流深大的地区,洪水发生形成灾害的可能性越大,故选定降水量、径流深2个致灾因子。洪水的产生还与径流降雨滞留、汇流速度息息相关,因此选定高程、坡度、地形起伏度、河网密度、地形湿度指数(Topographic Wetness Index,TWI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI),这6个表征下垫面的指标。国内生产总值(Gross Domestic Product,GDP)、人口(Population,POP)、路网密度是区域经济发展的表现,因此选择GDP、人口、路网密度3个承灾体因子,共11个评价指标。其数据和来源如图2和图3所示。在这11个评价指标中,年平均降雨、径流深、河网密度、地形湿度指数(TWI)、人口、GDP和路网密度为正向指标,数值越大,风险越高。而归一化植被指数(NDVI)、高程、坡度及地形起伏度为负向指标,数值越大,风险越低。
1.3 评估方法
在多标准决策分析法建模过程中,各指标权重的确定是另一关键步骤。主观赋权法和客观赋权法是计算权重的常用的方法。它们各有特点,适用于不同的场景和需求。
主观赋权法侧重于专家经验和主观判断,其中层次分析法是其常用的一种方法。在层次分析法中,专家根据对问题的理解和经验,将问题层次化,逐级进行比较和权重判断,最终确定各项指标的权重。这种方法对于主观性较强、难以量化的问题具有一定的适用性,能够充分利用专家的知识和经验,提高决策的准确性和可信度。而客观赋权法则更加注重于数学模型和数据分析,常用的方法包括熵权法、主成分分析法、CRITIC权重法以及独立性权重法等。这些方法通过对数据的统计分析和建模,自动计算各指标的权重,减少了主观因素的干扰,提高了评价的客观性和科学性。熵权法基于信息熵的概念,通过计算指标的信息熵和权重,综合考虑各指标之间的关联性,从而确定权重。主成分分析法则是一种多变量统计方法,通过提取主成分来确定权重,可以减少指标间的冗余信息,提高评价的精度和有效性。CRITIC权重法主要是通过专家判断和决策者的意见,确定各指标之间的相对重要性。独立性权重基于数据分析,通过分析各指标之间的相互独立性,来确定权重。
主观赋权法和客观赋权法各有优劣,在评估洪灾影响时,这2种方法都能提供宝贵的信息,但在实际应用中往往存在一定的局限性,容易受到数据离散极值或主观认知偏差的影响。而一些组合赋权法如加法合成法、乘法合成法等存在放大或者缩小组合赋权中某一赋权方法对最终结果的影响,因此利用博弈论的思想,将主观赋权法和客观赋权法组合,而组合的过程可以被视为各方之间的合作与协商过程,旨在找到一种权重分配方案,使得整体利益最大化,各方的利益得到最大程度的满足,即采用博弈论组合赋权的方法使各方法的基本权重与理想权重的偏差最小化,因此组合权重求解过程如下所示。对11个评价指标采用主观和客观赋权法,得到一个权重集w={w1,w2},其中{w1}、{w2}分别为主观权重和客观权重。则以组合后的权重向量与{w1}、{w2}的离差和最小化为目标函数(由式(1)),由式(2)对组合系数进行优化得到最终的组合权重向量。
展开得
式中{ 为主观权重以及客观权重博弈后的组合权重。
2 结果分析与讨论
2.1 客观赋权法结果对比
由图4可知,4种方法危险性分布总体相似。嘉陵江流域洪水风险程度整体上自西北向东南递增,高危险性的地区主要分布在流域的东南部、南部、西南部地区;除熵权法外,较高风险性区域分布面积最多;中等危险性主要分布在流域中部的狭长区域;低危险和较低危险性地区主要分布在北部山区。而图5表明不同方法的风险等级分布面积占比略有差异,熵权法中高危险性和较高危险性分布面积占比最低,洪水风险评价结果更偏向于安全,CRITIC权重法识别更多的高危险性区域,计算得到的嘉陵江流域危险性整体最高。在缺乏历史洪水灾害点资料的情况下,从最不利条件或防御角度考虑,识别出更多的高危险性区域对于研究区整体的洪水风险评估是倾向于安全且具有余地的。因此,选择CRITIC权重法可以确保即使在缺乏具体历史数据的情况下,研究区内潜在的洪水风险也可得到了充分评估,从而为防灾减灾工作提供更加可靠的依据。
2.2 基于博弈论的组合赋权法结果分析
结合1—9标度法,对11个评价指标进行两两比较判断,得到致灾因子、孕灾环境及承灾体的判断矩阵R1、R2、R3。因此,可计算三者的一致性指标,均<0.1,即均通过一致性检验。因此,主观赋权法权重即为相应判断矩阵最大特征值对应的特征向量归一化后的值,得到如图7(a)所示的主观赋权法即层次分析法评估的嘉陵江流域洪水分布。高危险性的地区主要分布在流域的东南部、南部、西南部地区。
以Nash均衡为协调目标,将层次分析法计算得到的权重与2.1节中选择的CRITIC权重法得到的权重寻求一个均衡点,使得每个权重之间的偏差最小,达到最优,则所得到的权重即为组合权重,如表1所示。对山洪风险产生影响的因子中,贡献最大的是年平均降雨、径流深等致灾因素,其次是人口密度及GDP等社会经济因素,坡度、地形起伏度等这类下垫面条件因素的影响贡献最为微弱。分析其主要原因有以下几点:首先,嘉陵江流域北部有米仓山和大巴山,南部为四川盆地。地势总体上为北高南低,北部植被覆盖程度高,植被截流和径流调蓄能力强,在理论上,北部地区保水能力强,然而地势高,坡度大,使洪水更容易汇流。与北部地区相反的是,南部盆地城市化水平高,下垫面蓄水能力不强,但汇流不易,洪水容易滞留,发生洪灾的概率大大增加。因此,地形条件对于嘉陵江流域洪水形成的贡献不大。其次,年平均降雨等致灾因子高危险分布于GDP、人口密度分布密集的区域,加大洪水风险危害性。
表1 各方法指标权重结果Table 1 Weighting results by different methods |
| 指标 | 影响因子 | 权重 | 基于博弈论的 组合权重 | |
|---|---|---|---|---|
| CRITIC 权重法 | 层次分 析法 | |||
| 致灾因子 | 年平均降雨 | 0.145 | 0.200 | 0.181 |
| 径流深 | 0.153 | 0.133 | 0.140 | |
| 孕灾环境 | 高程 | 0.105 | 0.123 | 0.116 |
| 坡度 | 0.111 | 0.061 | 0.078 | |
| 地形起伏度 | 0.096 | 0.063 | 0.074 | |
| 河网密度 | 0.116 | 0.041 | 0.066 | |
| 地形湿度指数 | 0.082 | 0.029 | 0.047 | |
| 归一化植被指数 | 0.088 | 0.018 | 0.041 | |
| 承灾体 | GDP | 0.037 | 0.143 | 0.108 |
| POP | 0.029 | 0.143 | 0.105 | |
| 路网密度 | 0.038 | 0.048 | 0.044 | |
由于嘉陵江流域洪水灾害点数据缺乏,现利用合成孔径雷达(Synthetic Aperture Radar,SAR)Sentinel-1卫星遥感数据中提取研究区淹没面积,作为本文的历史洪水资料。SAR卫星遥感影像数据提取水体的方法主要有阈值法、最大类间方差法、指数法等。为避免单一洪水造成的分布的偶然性,根据长江水文网的汛期报告确定嘉陵江流域2017—2020年洪水发生的时间。基于Sentinel-1影像和谷歌地球引擎(Google Earth Engine,GEE),利用Otsu阈值法分别提取灾前和灾后的水体,水体的变化范围视为洪水淹没范围,多次洪水淹没范围叠加结果和主、客观赋权法以及组合赋权法的结果如图7所示。
从图7可以看出,这3种赋权方法得到的风险分布类似,具有一定的一致性,但各洪水风险面积分配存在较大的差异,AHP识别高危险性区域最少,而CRITIC识别到的高危险性区域最多,说明采用不同的赋权方法的洪水风险评价存在不确定性。这主要由于:层次分析法高度依赖个人的主观判断,难免会受到主观偏差的影响。如不同专家对同一因素的重要性认知可能存在较大差异,甚至同一专家在不同时间或不同情境下的洪水风险分布判断也可能不一致,可能低估也可能高估风险。而CRITIC法以标准差来衡量对比强度,意味着如果一个特征在不同类别之间的差距较大,那么该特征的权重就会相对较高。然而,较大的标准差有时可能并不代表真实的危险性,而是由离群值或数据噪声引起的。因此,CRITIC法可能会高估这些特征的权重,从而高估其对应的风险。此外,虽然CRITIC法考虑了特征间的相关性,但假设较强的正相关意味着较低的冲突性。实际上,某些正相关特征的组合效应可能放大风险,CRITIC法未能充分考虑这种复杂性,可能导致风险高估。最后,CRITIC法主要依赖客观数据,而未考虑专家的主观判断。某些情况下,专家的经验对风险评估至关重要,忽略主观因素可能导致对某些风险的高估或低估。AHP-CRITIC法既利用专家经验,又充分发挥数据的客观性,从而获得更加合理和准确的权重分配结果。
根据图7还可知,2017—2020年洪水频繁出现的南部、西南部地区在这3种赋权法均被识别为高危险性或者较高危险性区域,所以,这3种赋权法对于嘉陵江流域洪水评估中具有一定的合理性。
又根据遥感影像提取的结果来看,流域南部、西南部频繁被淹没,与3种赋权方法识别到的高危险性区域相符。但是,遥感影响提取结果显示流域的东南部地区在2017—2020年不经常被淹没。其中原因可能为流域的东南部地区为嘉陵江流域降雨量高值区,强降雨对SAR信号的衰减作用造成该区域SAR影像地表信息缺失。
3 结论
(1)4种客观赋权法得到的山洪危险性的空间分布格局总体相似。但针对同一等级风险覆盖范围的面积占比在不同方法的结果中略有差异,熵权法洪水风险评价结果更偏向于安全,而CRITIC权重法得到的嘉陵江流域危险性整体最高。
(2)嘉陵江流域山洪风险的影响因子中,贡献最大的是年平均降雨、径流深等致灾类因子,其次是人口密度及GDP等社会经济类因子,贡献最小的是坡度、地形起伏度等下垫面条件因子。
(3)嘉陵江流域山洪风险评价结果中较高风险区域占比最大。危险性整体上自西北向东南递增,高危险性的地区主要分布在四川盆地地区及其边缘,低危险性的地区主要分布在流域西北部山丘区。
(4)从县区尺度的风险分析结果来看,安居区、安州区、船山区、达川区、涪城区、合川区、剑阁县、江油市、开江县、利州区、罗江区、渠县、三台县、沙坪坝区、通川区、铜梁区、潼南区、武胜县、宣汉县、盐亭县、渝中区、梓潼县22个县区发生洪灾风险性高,需重点完善洪水预警手段,以提前做好防御工作。