基于云模型的地下铁矿区生态风险模糊综合评价

陈　勇,甘　勇,苗作华,黄冉冉,曾向阳,刘艳中

(1. 武汉科技大学资源与环境工程学院，湖北 武汉，430081；2. 武汉科技大学冶金矿产资源高效利用与造块湖北省重点实验室，湖北 武汉，430081)



基于云模型的地下铁矿区生态风险模糊综合评价

陈勇1,2,甘勇1,苗作华1,2,黄冉冉1,曾向阳1,刘艳中1

(1. 武汉科技大学资源与环境工程学院，湖北 武汉，430081；2. 武汉科技大学冶金矿产资源高效利用与造块湖北省重点实验室，湖北 武汉，430081)

针对铁矿开采带来的生态环境问题，从固有危险性、现状水平和控制状况三个方面建立地下铁矿区生态风险综合评价指标体系。该指标体系能从宏观上反映矿区生态风险的主要矛盾，利于矿区间进行比较。针对评价过程中的模糊性和随机性，构建了基于云模型的模糊综合评价方法，利用云模型改进模糊评价的评语集和隶属度函数，有效体现了评价过程中模糊性和随机性的统一，同时引入模糊熵概念进一步表征风险评价结果的模糊性和所评矿区生态问题的复杂度。程潮铁矿实证表明，评价结果能较好地反映矿区实际情况。本文所提出的方法为矿区生态风险综合评价提供了一种新的分析框架。

地下铁矿；生态风险评价；云模型；正态云；模糊评价；信息熵

矿区属于典型的人类扰动型生态脆弱区域，矿区的环境质量、生态系统稳定性和脆弱性、生态文明和生态安全等问题一直是研究人员关注的热点。矿区生态风险评价经历了从专项评价到综合评价的发展过程[1-4]，人们从矿区景观[5-6]、土地破坏程度[7]、生态梯度[8]、生态承载力[9]等不同的研究视角出发对矿区生态风险问题进行认知，产生了丰富的评价手段和方法。然而，目前矿区生态风险评价仍面临一些问题，主要表现在：①综合评价与专项评价的关系问题。矿床开采过程中风险源多，且存在一损多源和一源多损、隐蔽性和滞后性、交互作用和互馈效应等特征，在单一风险源的专项生态风险评价尚不成熟的条件下，将多风险源的专项风险评价结果收敛于矿区综合生态风险还存在很多理论和技术上的难题，矿区综合生态风险评价难免陷入单一风险源专项评价结果的简单“堆砌”，或干脆仿照一般区域生态风险的评价方法而忽视矿区生产过程中风险源的特殊性。②评价过程中不确定性表征问题。矿区生态环境问题形成机理复杂，导致矿区生态风险评价过程中往往存在模糊性和随机性，如评价等级归属的模糊性、专家评价过程的随机性等。③评价结果的可比性问题。不同类型矿山资源禀赋、生产工艺、技术特点和社会经济背景不同，面临的主要生态环境问题存在较大差异，而现有研究中评价指标和评价标准的选择往往具有地方性和主观性，致使评价结果可比性不足。

笔者认为，矿区生态风险评价的目的是为矿区生态环境风险管控提供决策依据，从管理的层次性出发，矿区生态风险评价也应该具有层次性。可把矿区生态风险评价划分为“等”和“级”两个层次体系：“风险等”的评价针对一定行政区域内同类型矿区之间进行风险比较，反映同类型矿区之间生态风险程度的差异性，为政府管理决策提供依据；“风险级”的评价针对矿区内部各地块生态风险的差异性，反映矿区内部生态风险的空间异质性，其结果可为矿山企业风险源管控和生态恢复治理提供依据。这里，把“风险等”的评价称为矿区生态风险综合评价，把“风险级”的评价称为矿区生态风险空间异质性评价，本文主要以地下铁矿山为例探讨矿区生态风险综合评价。矿区生态风险评价“等-级”体系的建立有助于解决上述问题①和问题③。同时，为了解决问题②，本文尝试一种基于云模型的矿区生态风险模糊综合评价模型，以解决评价过程中的模糊性和随机性问题。

1　矿区生态风险综合评价指标体系

矿区生态风险综合评价需要反映同类型矿区之间生态风险程度的差异性，因此评价指标体系应能代表同类型矿区生产工艺、技术特点和生态环境问题的主要矛盾。

地下铁矿区生态环境问题产生的源动力是矿业生产活动，包括采矿、排岩、选矿和尾矿处理4个主要生产程序。采矿过程中的开拓、采准、切割、回采和通风，排岩过程中的运输和废石场堆放，选矿过程中的破碎、磨矿和分选，以及尾矿堆放和处理等各个环节均会对生态环境产生影响，直接或间接作用于生态环境的各个构成要素，且随着生态环境构成要素间复杂的相互联系、相互影响和相互作用而迁移和扩散，最终导致次生地质灾害、水资源破坏、景观和生态破坏、土壤占用和破坏等生态环境效应。在此过程中，矿山自然环境背景条件和人类管控起着影响、制约和控制作用，共同决定了铁矿山生态风险的态势和走向。

目前矿区生态风险评价大体遵循“风险源-风险受体-暴露途径-生态终点”的分析框架，这对于单一风险源的专项生态风险评价较为有效，而矿区生态风险综合评价涉及多风险源、多受体和多类型生态终点，且它们之间存在较强的交互作用，加上相关数据尚未纳入政府或企业的专项统计中，基础数据的缺乏也导致研究者很难厘清矿区各风险源与生态终点之间的确切关系。基于以上分析，本文从固有危险性、现状水平和控制状况三个方面构建评价指标体系来反映矿区综合生态风险程度大小，服务于政府决策管理，如表1所示。其中，固有危险性指矿区自然环境背景条件中固有的危险性和矿山开采工艺及技术特点所决定的固有危险性大小；现状水平反映矿区地质灾害、水资源破坏、景观和生态破坏、土壤占用和破坏等生态终点现状水平；控制状况表示技术手段和制度政策对矿区生态风险的控制情况。具体指标选取时遵循科学性、系统性、主导性和可获性等原则，并使指标具有地下铁矿山的普适性，能体现不同地下铁矿山的差异。

表1　矿区生态风险综合评价指标体系

2　矿区生态风险综合评价方法

矿区生态环境影响因素众多，且各种影响因素在矿区生态环境演变过程中所发挥的作用大小及其机理尚未完全被揭示，因此，把各种影响因素描述为确定状态是不合适的，应该考虑到其模糊性和随机性，而定量数据的缺乏更加重了评价过程中的模糊性和随机性。模糊综合评价模型能较好地反映评价过程中的模糊性，但难以表现其随机性，为此，本文建立了基于云模型改进的矿区生态风险模糊综合评价模型。

2.1模糊综合评价模型

对于本文所涉及的三级指标体系，可采用多级模糊综合评价模型进行评价，其一般表达式为：

v1v2…vj

(1)

式中：{u1,u2,…,ui}为评价因素集；{v1,v2,…,vj}为评语集；P为关系矩阵；pij为参评因素ui对评语vj的隶属度；Y为模糊综合评价结果；⊕(循环加)、⊗(循环乘)为模糊算子；ωi为参评因素i的权重。

隶属度函数是模糊评价的基础，能否构造合理的隶属度函数是进行模糊评价的关键环节。现有方法多采用主观取值或经验公式给出隶属度，而隶属度函数一旦确定，模糊问题就又被精确数学问题所替代，无法表达随机性。

2.2云模型改进模糊综合评价流程

云模型是在传统模糊数学和统计学基础上建立的一种定性概念与其定量表达之间的不确定性转换模型，是对经典模糊数学的扬弃[10]。云模型已大量用于时间序列预测、空间数据挖掘和风险评估等领域，被证明具有应用的普适性[11-12]。

云模型包括3个数字特征：期望Ex(expectedvalue)、熵En(entropy)和超熵He(hyperentropy)。其中，Ex指论域中最能够代表某一概念的点，是这个概念量化的最典型样本点；En用来度量定性概念的模糊度及其概率，反映定性概念的不确定性；He表示熵的不确定性，即熵的熵，反映数域中代表数值所有不确定度的凝聚度，超熵的大小表现为云的离散度及厚度。因此，云模型能综合反映事物的模糊性和随机性。

基于云模型改进的矿区生态风险模糊综合评价流程如下：

(1)确定评价指标体系权重

层次分析法(AHP)是一种集合系统化和层次化的综合分析方法，可以方便快捷地对复杂模糊问题进行分析和研究并给出决策，尤其对于那些完全定量化分析非常困难、需要定性/定量转化的问题比较适用，因此，这里采用AHP方法来确定评价指标体系权重。

(2)设定评语集及其基准云

本文将矿区生态风险划分为高风险、中风险、低风险和轻微风险等4个等级，其对应的评价分值分别设定为[0，2.5)、[2.5，5)、[5，7.5)和[7.5，10]，采用正态云模型分别描述4个等级的风险状态，形成评价等级基准云。

基准云参数(Ex,En,He)的选择按双边约束下的参数计算公式确定：

(2)

式中：Bmax、Bmin为某一定性概念的定量区间的上、下界限值；k为常数，根据变量本身的模糊阈度来调整确定，k=0时模型退化为隶属函数，这里令k=0.1。

(3)生成评价指标的隶属度云模型

如表2所示制定评价指标赋分依据，并建立描述语言，例如对“采空区风险”指标， “高风险”评语为：“存在采空区群，数量多且面积和体积大，地质条件不良，矿柱已严重削弱，围岩严重受损，部分采空区冒落，由于应力集中随时可能发生大规模塌陷事故，在影响范围内有重大设备和设施，会造成特大人身、设备和生态环境事故”；“中风险”评语为：“存在采空区群，数量较多，个别采空区面积和体积特大，地质条件有缺陷，围岩已有破坏且有进一步破坏的可能，在影响范围内有重大生产设备和设施，会造成重大人身、设备和生态环境事故”；“低风险”评语为：“采空区面积和体积较大，地质条件一般，矿柱布置不合理或支护不完备，围岩有轻微破坏，影响范围内无重大生产设备和设施，但对生产作业采场有一定影响，不会造成重大人身、设备和生态环境事故”；“轻微风险”评语为：“有孤立的采空区，面积和体积不大，地质状况良好，围岩完整无破坏，支护较稳定，采空区影响范围内有其它生产设施，但影响轻微”。 邀请专家并告知打分规则：分值从0到10表示风险程度越来越低，并不约束各风险等级的打分区间，使专家能根据自己的理解对各评价指标的4种描述语言分别进行赋分。

将每位专家的赋分结果作为云滴，根据逆向云发生器原理，分别生成参评指标的4个风险等级隶属度云(Ex, En, He)，联合作为各参评指标的隶属度云模型。云参数计算方法为：

表2　指标赋分依据

(3)

式中：n为参评专家人数；xj为第j个参评专家对描述语言所赋分值；S2为样本方差。利用云的期望、熵和超熵这3个数字特征，可以表达评价指标与风险等级隶属关系间的随机性。评价指标隶属度云模型建立时并不针对具体矿区，仅由评价专家对描述语言先期赋分得到，为具体矿区评价时服务。隶属度云模型建立时参评专家越多，模型精度越高。

(4)矿区生态风险综合评价

由专家针对所评矿区的实际情况，参照上述打分规则对每个评价指标赋分，将专家的赋分值带入隶属度云模型，可分别得到每个评价指标隶属于各风险等级的确定度Ce。由于每位专家对评价指标的赋分并不完全相同，故计算时Ce需要取均值。利用Ce对评价指标各风险等级下的隶属度云加权合成可得指标的云模型。

利用APH法确定的指标权重，经指标云模型加权合成计算，得到矿区生态风险综合评价结果，评价结果为一个云模型。云模型加权合成方法如下[13]：

(4)

(5)

式中：m为评价指标数量；ωi为评价指标i的权重；⊕为逻辑加，表示云的加权合成。本文构建的都是正态云模型，可将综合评价结果云与基准云的期望值进行比较，以确定矿区生态风险综合评价等级。

(5)评价结果的模糊程度表征

由于各评价指标下等级分布不一致，因此单一的等级评价结果很难反映矿区生态风险程度的细节，这里引入模糊熵E的deLuca-Trimini定义来表征云模型评价结果的模糊度：

(6)

(7)

式中：N为风险等级数量；k2为标准化系数；Cer为隶属于风险等级r的确定度，当Cer=0时，规定ln0=0。

模糊熵E与评价结果等级归属的模糊度对应关系定义为：[0，0.25)、[0.25，0.5)、[0.5，0.75)、[0.75，1]分别对应“显著”、“较显著”、“较模糊”和“模糊”。

3　实例验证

3.1研究区概况

程潮铁矿位于湖北省鄂州市，是中南地区资源最丰富、生产规模最大的地下开采铁矿，也是武汉钢铁(集团)公司重要的铁矿石生产基地，其主要采矿方法为无底柱分段崩落法。矿区地处低山丘陵，相对高差达数十至百余米。北部为花岗岩组成的构造剥蚀低山丘陵，南部为砂页岩组成的剥蚀低山，中部为大理岩、闪长岩组成的山涧洼地。矿区内地层出露较少，除燕山期岩浆岩外，还有三叠系和侏罗系下统分布于南部，其次为第四系零星分布于坡地和洼地。主要地质构造受淮阳山字形构造体系和新华夏构造体系影响，断层和节理裂隙极为发育。大理岩是矿区的主要含水体，位于花岗岩和闪长岩岩墙之间、矿体之上、第四系之下，呈带状分布。区内无大的地表水体，地下水由大气降水渗入补给。矿区属亚热带季风气候区，夏季炎热，多暴雨，年平均气温17.2 ℃，年平均降雨量1306mm。

3.2评价结果及分析

邀请10位熟悉矿区情况的相关专家，根据程潮铁矿地质报告、统计报表、环境质量监测报告和相关文献中关于程潮铁矿地质灾害、水土资源污染的研究成果，结合实地调查按评价评语集及设定的打分规则给各指标赋分，依照本文建立的基于云模型的模糊综合评价方法，采用MATLAB7.0软件进行生态风险评价，评价结果如图1所示。

从图1中可以看出，程潮铁矿生态风险程度处于“中风险”与“低风险”之间。由评价云期望值等于0.476可确定程潮铁矿生态风险状态为“中风险”。将专家对每一评价指标的赋分代入指标隶属度云模型，得到各指标下隶属于各风险等级的确定度Ce，由式(6)和式(7)得到评价结果的模糊熵为0.481，即“较显著”。

因此，程潮铁矿生态风险的最终评价结果可表述为[中风险，较显著]，表明程潮铁矿土地生态风险在各指标层面下的等级归属存在一定差异，即所确定的最终风险等级仍存在一定程度的模糊性，也说明程潮铁矿的生态环境问题具有一定的复杂性。

为进一步考查评价结果的可靠性，利用20位专家的赋分结果，采用梯形分布函数确定评语集中4个评语的隶属度来进行模糊综合评价，评价结果为(0.158，0.385，0.354，0.103)，也为“中风险”，与云模型评价结果相同。

图1　风险等级评价云图

4　结语

矿区生态环境问题形成机理的复杂性和统计数据的缺乏制约了矿区生态风险评价工作的开展。将矿区生态风险评价工作划分为矿区生态风险综合评价和矿区生态风险空间异质性评价两个层次的“等-级”体系有利于厘清评价目的，并使评价结果具有可比性和应用的普适性。基于固有危险性、现状水平和控制状况三个方面建立矿区生态风险综合评价指标体系，能从宏观上反映矿区生态风险的主要矛盾，利于矿区间进行比较。

矿区生态风险综合评价过程中存在很大程度的模糊性和随机性，云模型具有表达不确定性的天然优势，通过云模型改进模糊综合评价的评语集和隶属度函数，可实现评价过程中模糊性和随机性的统一，完成不确定性语言与定量数值之间的合理转换。同时，引入模糊熵来表征矿区生态风险综合评价结果的模糊程度，能进一步刻画评

价结果的可靠性和矿区生态环境问题的复杂性程度。程潮铁矿实证研究表明，经过云模型改进的模糊综合评价模型能较好地反映矿区生态风险的实际状况。

云模型的参数确定以及合成计算理论与方法目前仍处于不断发展的过程中，云模型的引入可表达评价过程中的模糊性和随机性，但是否会由此带来更多的不确定性尚需进一步研究。

[1]颜磊,许学工.区域生态风险评价研究进展[J].地域研究与开发,2010,29(1):113-118.

[2]洪强,陈勇,刘艳中，等.程潮铁矿土地生态安全的物元评价模型建立与应用[J].工业安全与环保,2015,41(11):4-8.

[3]潘雅婧,王仰麟,彭建，等.矿区生态风险评价研究述评[J].生态学报,2012,32(20):6566-6574．

[4]杨歌,周跃,贝荣塔，等.滇东南矿区河流底泥重金属污染潜在生态风险评价[J].环境科学导刊,2007,26(1):80-82．

[5]李昭阳,张楠,汤洁，等.吉林省煤矿区景观生态风险分析[J].吉林大学学报：地球科学版,2011,41(1):207-214．

[6]吴健生,乔娜,彭建，等.露天矿区景观生态风险空间分异[J].生态学报，2013,33(12):3816-3824.

[7]常青, 邱瑶, 谢苗苗，等.基于土地破坏的矿区生态风险评价:理论与方法[J].生态学报,2012,32(16):5164-5174.

[8]张思锋,张立,张一恒.基于生态梯度风险评价方法的榆林煤炭开采区生态风险评价[J].资源科学,2011, 33(10):1914-1923.

[9]贾媛, 曹玲娴.煤炭矿区生态风险评价方法研究[J]．环境科学与管理，2011,36(4):177-182.

[10]刘登峰,王栋,丁昊，等.水体富营养化评价的熵-云耦合模型[J].水利学报,2014,45(10):1214-1222.

[11]吴贤国,翟海周,张立茂,等.基于云模型的改进R=P×C风险评价法[J].土木工程与管理学报, 2014, 31(1):37-42.

[12]江迎.基于云模型和GIS/RS的坝堤溃决风险分析及灾害损失评估研究[D].武汉:华中科技大学,2012.

[13]卫波,王晋东,张恒巍，等.基于加权多属性云的服务信任评估方法[J].计算机应用,2014,34(3):678-682,689.

[责任编辑尚晶]

Fuzzycomprehensiveevaluationofecologicalrisksatundergroundironminebasedoncloudmodel

Chen Yong1,2, Gan Yong1, Miao Zuohua1,2, Huang Ranran1, Zeng Xiangyang1, Liu Yanzhong1

(1.CollegeofResourcesandEnvironmentalEngineering,WuhanUniversityofScienceandTechnology,Wuhan430081,China；2.HubeiKeyLaboratoryforEfficientUtilizationandAgglomerationofMetallurgicMineralResources,WuhanUniversityofScienceandTechnology,Wuhan430081,China)

Aimingattheecologicalandenvironmentalproblemscausedbyironmineexploitation,thispaperformulatesacomprehensiveevaluationindexsystemfortheecologicalrisksofundergroundironmineconsideringthreefactors,i.e.,inherentrisk,presentstatusandcontrolsituation.Theindexsystemreflectstheprincipalecologicalriskintheminingareaandcanbeusedforcomparisonamongdifferentironmines.Acloudmodel-basedfuzzycomprehensiveevaluationapproachisproposedtosolvetheambiguityandrandomnessduringtheevaluationprocess.Modifiedbycloudmodel,thecommentsetsandmembershipfunctionseffectivelyembodytheunificationofambiguityandrandomness.Theambiguityofriskassessmentresultsandthecomplexityofecologicalproblemsinthetargetminearefurtherrepresentedbyintroducingtheconceptoffuzzyentropy.ApracticalexampleatChenchaoIronMineshowsthattheassessmentresultscanappropriatelyreflecttheactualsituationoftheMine.Theproposedmethodprovidesanewanalyticalframeworkforthecomprehensiveevaluationofecologicalriskintheminingareas.

undergroundironmine;ecologicalriskassessment;cloudmodel;normalcloud;fuzzyassessment;informationentropy

2016-03-16

国家自然科学基金资助项目(41201600)；湖北省教育厅科研计划重点项目(D20131104).

陈勇(1968-)，男，武汉科技大学教授，博士.E-mail:yongchen1968@163.com

X826

A

1674-3644(2016)04-0289-06