城市灾害脆弱性评估研究—以北京市为例*

2015-12-05刘严萍赖迪辉

安全 2015年10期

刘严萍赖迪辉

天津城建大学经济与管理学院

以北京市为研究对象，基于层次分析法和模糊综合评价，开展城市灾害脆弱性评估模型研究。

1 脆弱性评估内涵的界定

国内外学者对脆弱性内涵的理解上存在分歧[1-5]。综合国内外文献脆弱性评估的内涵如下：脆弱性在很大程度上取决于承灾体所处的社会、经济、政治状况，基于财富和教育水平、残疾和健康状况，以及性别、年龄、阶层等其他社会和文化特点表征出的不平等性，从而暴露性、敏感性和应对能力各不相同。承灾体暴露性是指暴露在致灾因子影响范围之内的承灾体(如人口、房屋、道路、室内财产等)数量或者价值，以社会和物质生活的地理分布以及人们集中活动的地点来描述的。承灾体敏感性是指承灾体在一定强度的灾害打击后受到损失的难易程度。应对能力是指自然灾害发生时，设施防备的应对能力和人的心理承受能力。

2 方法选择及分析过程

鉴于各因子对脆弱性的影响程度具有模糊性的特点，且灾害机理具有不确定性，承灾体脆弱性分析只能做不确定性分析，用模糊关系表达[6-7]。本文选择模糊综合评价法为基础，构建城市灾害脆弱性评估模型，模糊综合评价过程中的指标权重以层次分析法完成。

2.1 脆弱性指标选取

基于科学性、全面性、针对性、可行性和简明性原则，考虑到城市尺度的脆弱性分析其相关数据资料的可得性、可更新性、详尽程度，选取以下脆弱性指标形成指标体系：

（1）人口密度。

式中：

Pd—区域人口密度指数，Pd越高，承灾体风险水平越高，可以作为暴露性指标；

P—区域人口总数；

S—区域总面积。

（2）经济密度指数。

式中：

GDP—区域经济总量；

S—区域总面积。Ed越高，说明暴露在区域中的建筑物、工业设施、生产能力和居民区量越多，区域越容易受到灾害影响，承灾体脆弱性就越高，可以作为暴露性指标。

（3）建筑物密度。

式中：

M—区域内建筑物总面积；

S—区域总面积（平方公里）。建筑密度指数越高，其暴露性越高。

（4）弱势群体比重（65岁老人和0～14岁人群数量之和）。

式中：

Po—区域内弱势群体的密度；

O—65岁老人和0～14岁人群总数；

P—区域总面积（平方公里）。弱势群体人口越密集，该区域敏感性就越高。

（5）人均GDP。

式中：

GDP—区域经济总量；

P—该行政区人口总数。

2.2 权重的确定

选取人口密度、弱势群体比重、建筑密度、经济密度、人均GDP构成层次分析模型。为保证权重赋值的科学性，本论文采用主客观赋权结合的方法，选择层次分析法(AHP)和特尔菲法相结合，构造两两比较判断矩阵见式（6）。

该矩阵通过一致性检验，最终确定各指标的权重，并建立权重集A={0.510，0.264，0.033，0.130，0.064 }。2.3 评价集的确定

y={K1，K2，K3，K4，K5}={低度脆弱性，较低度脆弱性，中度脆弱性，较高度脆弱性，高度脆弱性}={1，2，3，4，5}。

3 结果与讨论

由北京统计信息网的北京统计年鉴（http://www.bjstats.gov.cn/sjfb/bssj/tjnj/）选取2012年北京市各行政区人口、行政区面积、GDP、65岁老人数、0～14岁人数、行政区内总人数、建筑面积总数等统计值，按照公式（1）-（5）计算从而获得各行政区脆弱性指标数据，见表1。

表1 2012年北京市各行政区脆弱性指标数据

计算各评价指标的标准差与均值，取标准差与均值的最小值作为评价数据模糊子集分级的间隔值Δ，进而对各评价指标数据均按相同的间隔值进行等间隔划分，获得评价指标间隔点D1、D2、D3、D4、D5。各评价指标数据集的间隔值及等间隔划分，见表2。

表2 评价数据模糊子集分级的间隔值Δ及评价指标数据等间隔划分

根据模糊数学的分段线性函数对评价指标进行模糊子集划分，建立了统一的线性隶属函数，获得隶属关系矩阵R，将权重向量A与关系矩阵R相乘，获得模糊综合评价结果B。对向量B取最大值girdmax，得到风险等级。将向量所对应风险等级进行加权平均，获得风险指数girdmax。风险等级与风险指数的计算公式见式（7）和（8）。

根据最大隶属度原则，确定各行政区风险等级和风险指数，见表3。

表3 北京市行政区综合评价结果、风险等级与风险指数

由表3可见，东城区和西城区的风险等级最高，达到5级；朝阳区、丰台区、石景山区、海淀区的风险等级次之，为2级，以上四个区的经济等指标值相对于东城区、西城区来说，具有较大的差距；而远离城市中心的房山区、通州区等行政区的脆弱性等级最低，为1级。在同为2级的4个行政区中，朝阳区的风险指数最高，达到了2.39。