安徽省淮河流域农业旱灾风险正态云模型评估

董涛，陈志鹏，金菊良*，周玉良，蒋尚明

（1.合肥工业大学土木与水利工程学院，合肥 230009；2.合肥工业大学水资源与环境系统工程研究所，合肥 230009；3.安徽省·水利部淮河水利委员会水利科学研究院，安徽省水利水资源重点实验室，合肥 233088）

安徽省淮河流域农业旱灾风险正态云模型评估

董涛1,2，陈志鹏1,2，金菊良1,2*，周玉良1,2，蒋尚明3

（1.合肥工业大学土木与水利工程学院，合肥 230009；2.合肥工业大学水资源与环境系统工程研究所，合肥 230009；3.安徽省·水利部淮河水利委员会水利科学研究院，安徽省水利水资源重点实验室，合肥 233088）

为合理评估农业旱灾风险，文章从危险性、暴露性、灾损敏感性、抗旱能力四个方面分析安徽省各地区农业旱灾风险等级，建立正态云评估模型。结果表明，淮北、亳州、宿州、蚌埠、阜阳农业旱灾风险为中险；淮南、合肥淮河流域、滁州淮河流域、六安淮河流域为轻险。评估模型可实现评语与评估指标值间不确定映射，体现旱灾评估随机性，为安徽省淮河流域农业旱灾防控提供科学决策参考。

农业旱灾；风险评估；正态云模型；不确定性；淮河流域

干旱是持续时间长、发生范围广、灾害损失重的自然灾害之一，对农业有重要影响[1-2]。目前干旱风险（旱灾）发生频率和灾损程度呈增加趋势，近年来我国旱灾不断加剧，旱灾防控研究发展迅速[2-3]。旱灾风险评估，可为抵抗干旱、减少灾害提供决策依据[4]。

目前农业旱灾评估中不确定性与评价结合研究鲜见。秦越等提出以层次分析和模糊评判为基础的区域农业旱灾风险评估方法[5]，黄崇福等引入信息扩散模糊数学方法研究灾情数据风险评估[6]，刘宪锋等从灾害形成机理角度出发，构建农业旱灾风险评估框架并应用[7]。本文在前期研究基础上[8]，引入正态云模型，利用云模型实现评语与评估指标间不确定映射，实现定性与定量转换，建立基于正态云模型的安徽省淮河流域农业旱灾风险评估模型。

1 正态云模型理论

1.1 云模型基本概念及数字特征

1.1.1 基本概念

云模型（Cloud model）主要用于处理定性概念中随机性和模糊性问题[9]。经发展完善，正态云模型理论普适性得到验证[10-11]，可应用于数据挖掘、风险评估等领域[12-13]。

云和云滴：设U是一个精确数值量表示的论域，C是论域U中模糊集合，对U中任意元素x，均有一个稳定倾向随机数μ(x)∈（0,1），称之为x对C可确定度，x在U论域上分布称为云（Cloud），每一个点(x，μ(x))均是一个云滴[9]。

1.1.2 数字特征

正态云以期望Ex、熵En和超熵He表征定性概念及定量特征：期望Ex表示云滴在U上分布期望，代表定性概念点；熵En是定性概念不确定性度量，既可表示定性云概念离散程度，也反映论域空间中可被定性概念接受取值范围；超熵He是对熵En不确定性衡量，即熵的熵，反映云滴凝聚程度。

1.2 正向正态云发生器算法

根据已知3个云数字特征（Ex，En，He）产生正态云模型二维点（xi，μi），此时云发生器称为正向云发生器[9]。正向正态云发生器通过输入3个数字特征值满足条件云滴，将1个定性概念通过不确定性转换模型定量表达，具体算法为：由熵En和超熵He，随机生成一个以En为期望、He为标准差正态分布数En'～N(En,He2)，并与x和期望值Ex一起代入式（1），求可确定度

2 基于正态云模型的安徽省淮河流域农业旱灾风险评估模型

基于正态云模型的安徽省淮河流域农业旱灾风险评估模型建立步骤如下：

步骤1分别建立评估对象因素论域U={u1, u2,…,un}和评语论域V={v1,v2,…,vn}。

步骤2计算安徽省淮河流域农业旱灾风险评估指标权重W={w1,w2,…,wn}。

步骤3构建因素论域U={u1,u2,…,un}与评语论域V={v1,v2,…,vn}上模糊矩阵R。因素U={u1, u2,…,un}中因素ui属于评语V={v1,v2,…,vm}中等级vj程度，即隶属度，用R中元素rij表示。已知因素i (i=1,2,…,n)对应等级j(j=1,2,…,m)上、下边界值分别为x1ij，x2ij，则可用正态云模型表达因素i对应等级j这一定性概念，其中：

由于边界值从一个等级过渡到另一个等级值，含有模糊成分，应同时属于对应两种等级，即两种等级隶属度相等[14]，则有：

超熵Heij表征不确定度凝聚程度，表示熵En不确定性数值。

步骤4将收集农业旱灾风险指标值代入正向云发生器，得出各风险评估指标对应每个风险等级隶属度矩阵。为使评价结果合理可信，反复运行正向云发生器N次，计算平均评价值：

式中，h为最终评判等级，置信度λ可在[0.50，0.70]内取值，本文λ取0.5。

3 安徽省淮河流域农业旱灾风险评估

3.1 安徽省淮河流域农业旱灾风险评估指标体系

指标体系建立是农业旱灾风险评估关键环节，与评价结果可信度相关。为准确反映区域农业旱灾风险本质特征，本文借鉴前期研究[8]，遵循指标选取可获得性、系统性、代表性等原则，从危险性、暴露性、灾损敏感性和抗旱能力4个子系统选择指标建立安徽省淮河流域农业旱灾风险评估指标体系，根据指标值确定评估指标标准（见表1）。

3.2 农业旱灾风险计算

根据安徽省淮河流域农业旱灾风险评估指标体系，根据式（2）～（4）用正态云模型表示各指标对应等级标准（见表2）。

以降雨距平百分率指标为例，根据确定度计算式（1）和云矩阵（见表2）建立评估指标标准正态云隶属度函数（见图1）。

本文云点数目取N=100，由指标值和正向云发生器计算隶属度矩阵，以淮北市为例，将淮北市指标数值代入正向云发生器，根据步骤4计算平均隶属度值（见表3）。

根据安徽省淮河流域评估指标量化数据及文献[8]采用遗传模糊层次分析法计算各子系统及其指标权重，其所有评估指标权重结果为W={0.0692，0.0572，0.0493，0.0569，0.0442，0.0522，0.0468，0.0555，0.0426，0.0461，0.0598，0.0678，0.0616，0.0518，0.0305，0.0533，0.0381，0.0457，0.0278，0.0250，0.0187}。根据步骤5，得到安徽省淮河流域农业旱灾风险评估最终结果，并将其与集对分析法[8]对比（见表4）。同理，可得危险性、暴露性、灾损敏感性、抗旱能力子系统和旱灾风险评估系统评估结果（见图2～6）。

表1 农业旱灾风险评估指标标准Table 1Indicator standards for agricultural drought disaster risk assessment

表2 农业旱灾风险评估指标正态云标准Table 2Normal cloud standards for agricultural drought disaster risk assessment

图1 降雨距平百分率指标标准正态云隶属度函数Fig.1Normal cloud membership of rainfall anomaly

表3 淮北市正态云平均隶属度值Table 3Average membership degree of the normal cloud in Huaibei city

图2 安徽省淮河流域农业旱灾危险性分布Fig.2Hazard distribution of agricultural drought disaster in Huai River Basin of Anhui Province

图3 安徽省淮河流域农业旱灾暴露性分布Fig.3Exposure distribution of agricultural drought disaster in Huai River Basin of Anhui Province

图4 安徽省淮河流域农业旱灾灾损敏感性分布Fig.4Vulnerability distribution of agricultural drought disaster damage in Huai River Basin of Anhui Province

图5 安徽省淮河流域农业旱灾抗旱能力分布Fig.5Drought resistance distribution of agricultural drought disaster in Huai River Basin of Anhui Province

图6 安徽省淮河流域农业旱灾风险等级分布Fig.6Risk level distribution of agricultural drought disaster in Huai River Basin of Anhui Province

通过正态云模型与集对分析法确定风险等级对比（见表4）可知，两者结果大致相同，用集对分析法确定蚌埠、六安淮河流域风险等级略偏低，而宿州风险等级偏高。这与云模型随机评价有关，云模型评估过程体现旱灾风险评估不确定性，考虑评估指标模糊性和随机性。属性数学理论解决多个模糊属性问题评估应用良好，其中置信度准则考虑评价集有序性，正态云模型与属性识别方法结合评估结果更可靠。

农业旱灾各子系统风险评估结果见图2～5，可见，安徽省淮河流域农业旱灾风险属中等偏上等级；从危险性风险等级看，淮北、亳州、宿州、阜阳风险较高，为中险（3级），蚌埠、淮南、六安淮河流域、合肥淮河流域、滁州淮河流域风险等级为轻险（2级）；从暴露性风险等级来看，亳州、阜阳等级很高，为重险（4级），淮北、宿州、蚌埠、合肥淮河流域风险等级较高，为中险（3级），淮南、滁州淮河流域风险等级为轻险（2级），六安淮河流域风险等级较低，为微险（1级）；从灾损敏感性风险等级来看，六安淮河流域、合肥淮河流域、滁州淮河流域风险等级很高，为重险（4级），蚌埠为中险（3级），淮北、亳州、阜阳、淮南为轻险（2级），宿州为微险（1级）；从抗旱能力风险等级来看，亳州、宿州、阜阳风险等级较高，为重险（4级），淮北、蚌埠、合肥淮河流域等级为中险（3级），淮南、六安淮河流域、滁州淮河流域风险等级较低，为轻险（2级）。

表4 农业旱灾风险评估结果Table 4Assessment results of agricultural drought disaster risk

4 结论

a.农业旱灾是渐发性自然灾害，影响因素较多。致灾因子不确定性和孕灾环境复杂性使农业旱灾风险系统具有不确定性。本文考虑评估指标模糊性和随机性，将定性定量间转换正态云模型应用于农业旱灾风险评估。

b.根据正态云模型正向云发生器算法，计算安徽省淮河流域农业旱灾风险云模型特征值和隶属度，结果表明，淮北、亳州、宿州、蚌埠、阜阳旱灾风险较高，为中险，而淮南、六安淮河流域、合肥淮河流域、滁州淮河流域相对较低，为轻险。中险区域多集中在淮北平原，原因是淮北平原属半湿润带，处于南北气候过渡带、降水变率大，土壤主要是沙姜黑土，不宜耕作，易旱涝。轻险区域则要为江淮丘陵区和皖南山区，原因是区域降水量和地表水资源量较大，属丰水湿润区，土壤主要是棕壤土和水稻土，节水灌溉力度大，抗旱能力强。根据云模型评估结果和相应分析，建议降雨丰富山区加强蓄水措施，保持水土；降水较少丘陵区应提高节水意识、发挥水利设施功能，提高水利用效率。评估结果符合实际，评估模型具有可行性，可为安徽省淮河流域农业旱灾风险防控决策提供参考。

c.云模型广泛应用于系统评价、智能控制等多领域，干旱研究应用较少，本文亦可为农业旱灾风险评估研究扩展思路。

[1]金菊良,杨齐祺,周玉良,等.干旱分析技术研究进展[J].华北水利水电大学学报:自然科学版,2016,37(2):1-15.

[2]赵秀兰.近50年中国东北地区气候变化对农业影响[J].东北农业大学学报:自然科学版,2010,41(9):144-149.

[3]金菊良,宋占智,崔毅,等.旱灾风险评估与调控关键技术研究进展[J].水利学报,2016,47(3):398-412.

[4]Wilhite D A,Hayes M J,Knutson C,et al.Planning for drought: Moving from crisis to risk management[J].Jawra Journal of the American Water Resources Association,2000,36(4):697-710.

[5]秦越,徐翔宇,许凯,等.农业干旱灾害风险模糊评价体系及其应用[J].农业工程学报,2013,29(10):83-91.

[6]黄崇福,刘新立,周国贤,等.以历史灾情资料为依据农业自然灾害风险评估方法[J].自然灾害学报,1998,7(2):4-12.

[7]刘宪锋,朱秀芳,潘耀忠,等.河南省农业干旱风险评价框架与应用[J].北京师范大学学报:自然科学版,2015,51(S1):8-12.

[8]杜云.淮河流域农业干旱灾害风险评价研究[D].合肥:合肥工业大学,2013.

[9]李德毅,杜鹢.不确定性人工智能[M].2版.北京:国防工业出版社,2014.

[10]Li D Y.Knowledge representation in KDD based on linguistic atoms[J].Journal of Computer Science and Technology,1997,12(6): 481-496.

[11]李德毅,刘常昱.论正态云模型普适性[J].中国工程科学, 2004,6(8):28-34.

[12]张仕斌,许春香,安宇俊.基于云模型风险评估方法研究[J].电子科技大学学报,2013,42(1):92-97,104.

[13]成琨,付强,任永泰,等.基于熵权与云模型黑龙江省水资源承载力评价[J].东北农业大学学报,2015,46(8):75-80.

[14]程乾生.属性识别理论模型及其应用[J].北京大学学报:自然科学版,1997,33(1):12-20.

Agricultural drought disaster risk normal cloud model assessment in

Anhui Province Huai River Basin

/DONG Tao1,2,CHEN Zhipeng1,2,JIN Juliang1,2,ZHOU

Yuliang1,2,JIANG Shangming3(1.School of Civil Engineering,Hefei University of Technology,Hefei 230009,China;2.Institude of Water Resources and Environmental Systems Engineering,Hefei University of Technology,Hefei 230009,China;3.Water Resources Research Institute of Anhui Province and Huai River Commission,Ministry of Water Resources,Key Laboratory of Water Conservancy and Water Resources ofAnhui Province,Hefei 233088,China)

In order to evaluate the risk of agricultural drought disaster scientifically,and to provide the basis for decision-making of agricultural drought prevention and relief in Huai River Basin of Anhui Province, the agricultural drought disaster evaluation model based on normal cloud model was established.Model considered four assessment subsystem to analysis regional risk level,namely,hazard subsystems,the exposure subsystem,vulnerability subsystem and drought resistance subsystem.The results showed that Huaibei,Bozhou,Suzhou,Bengbu,Fuyang were at middle risk,Huainan,Huai River Basin in Hefei,Huai River Basin in Chuzhou and Huai River Basin in Liu'an were at weak risk.Evaluation model achieved the uncertain mapping between the comments and the evaluation index value and reflected the randomness of drought disaster assessment.The results could provide scientific reference for the prevention and control of agricultural drought disaster in Huai River Basin ofAnhui Province.

agricultural drought disaster;risk assessment;normal cloud model;uncertainty;Huai River Basin

TV122

A

1005-9369（2017）01-0042-07

2016-11-03

国家自然科学基金项目（51579059，51579060，51409002）

董涛（1993-），男，硕士研究生，研究方向为水文学及水资源。E-mail:dtown2@126.com

*通讯作者：金菊良，男，教授，博士，研究方向为水资源系统工程。E-mail:JINJL66@126.com

时间2017-1-11 15:57:53[URL]http://www.cnki.net/kcms/detail/23.1391.S.20170111.1557.004.html

董涛,陈志鹏,金菊良,等.安徽省淮河流域农业旱灾风险正态云模型评估[J].东北农业大学学报,2017,48(1):42-48.

Dong Tao,Chen Zhipeng,Jin Juliang,et al.Agricultural drought disaster risk normal cloud mode assessment in Anhui Province Huai River Basinl[J].Journal of Northeast Agricultural University,2017,48(1):42-48.(in Chinese with English abstract)