基于云模型的台风地区生态护坡植被优选研究

2020-04-29上海隧道工程有限公司上海003中南大学资源与安全工程学院湖南长沙40083

建筑科技 2020年5期

韩锋，唐宇，龚纯（. 上海隧道工程有限公司，上海 003；.中南大学资源与安全工程学院，湖南长沙 40083）

公路工程项目中存在大量的高陡边坡工程。公路工程施工形成了裸露的挖方和填方边坡，使山体植被以及岩土体的原生结构面遭到破坏，导致边坡工程水土流失、生态破坏，情况严重甚至会影响边坡稳定性。我国东部沿海地区属于台风区，台风不仅会带来强降雨，也伴随着强风荷载。处于台风地区的高陡边坡工程，既要保持岩土体的自身稳定性（受到开挖扰动后），又要满足生态恢复要求，克服雨水和强风荷载的影响，保证护坡植被能够抵抗台风的影响，达到防止边坡水土流失、改良生态的目的[1]。

生态护坡植被通过与土的相互作用，使得土层的水文状态得到改善。其中，植被根系的加筋效应、根系锚固效应可以有效提高土层的力学性能，从而有效防止土层的滑移，提高边坡的稳定性[2]。现有研究主要关注护坡植被对边坡稳定性的改良、植被根系的发育及生长情况。植被的选择及生态护坡方案的设计往往以工程经验为主，或者只考虑单因素的影响[3-5]。实际上，生态护坡的植被选择方案需要考虑的因素较多，涉及边坡的稳定性、生态的修复功能、景观美化效果以及投入成本等方面[6]，若仅仅只考虑单种因素的影响，往往难以达到较好的护坡效果。另一方面，我国东部沿海地区台风侵袭相对频繁，台风带来的强降雨和强台风对于生态护坡植被是十分巨大的挑战。目前针对台风地区的生态防护研究较少，其他地区的生态防护植被选择方案是否适用于台风地区，尚未得到验证。由于生态护坡植被选择方案受多因素的影响，护坡植被优选评价指标体系尚未统一，各指标的原始数据获取、定性或定量评价的标准也未建立。

因此，本文综合考虑台风地区气候变化特点和生态护坡的影响因素，建立了一套台风地区生态护坡植被优选综合评价指标体系，提出了基于云模型的生态护坡植被优选综合评价方法，并据此提出某高速公路边坡工程的生态护坡优选方案。

1 综合评价模型

1.1 评价指标体系

为了选取适用于台风地区的植被护坡方案，本文基于台风地区特殊的气候条件，从景观效果、护坡效果、生态适应性以及经济效益 4 个方面入手，建立台风地区生态护坡植被优选综合评价指标体系。主要依据如下。

(1) 植被护坡的景观效果是植被选择环节中的重要考虑因素。在生态护坡植被配置方案中，应遵循统一、协调、均衡、韵律等美学原则。在选择护坡植被时，不仅要考虑到植被的护坡效果也要满足美学的要求，选择绿期长、颜色搭配恰当，具有一定观赏性的植被。目前主要以景观优美度、植被观赏期作为景观效果的底层评判指标。其中，景观优美度一定程度上会影响驾驶员行车的舒适性和安全性，是边坡植被赋予观察者的美学意义上的主观满足程度[6]，采用感受记录法进行测定。

(2) 护坡效果表现为植被对边坡稳定性的影响，主要分为水文效应和力学效应[7]。本文的护坡效果选择群落垂直覆盖度和植被固土能力作为底层指标进行评判。其中，群落垂直覆盖度是植被地上部分投影在边坡上的面积和边坡面积的百分比[8]。植被固土能力主要以植被根系的抗拉强度、抗剪强度和植被根系的加筋效应、根系锚固效应来予以评判。

(3) 生态适应性是指植被对当地边坡环境的适应能力。本文研究对象为浙江省台州市某高速公路边坡。该地区为亚热带季风气候，处于台风地带，台风带来的强降雨和强台风极易使得地质构造和地质条件脆弱的地区引发崩塌、泥石流和滑坡等斜坡地质灾害。台风已成为该地区重大地质灾害的主要诱发因素。因此，该地区的边坡防护所选取的植被需要有较好的抗风和抗特大暴雨冲刷的特性。综上，生态适应性选择抗台风强度及其他综合抗性进行评判。其他综合抗性通过耐尘埃、耐干旱、耐寒性、耐热性、抗病虫害等5个方面进行评价[9]。

(4) 经济效益指标是指植被护坡的成本以及后期维护运营的费用。通过前期种植成本和后期养护成本两个指标来衡量。

综合所述，建立了一套台风地区生态护坡植被优选综合评价指标体系，如图 1 所示。

图1 台风地区生态护坡植被优选综合评价指标体系

1.2 基于云模型的综合评价方法

1.2.1 云模型理论

云模型是基于传统模糊集理论和概率论的一种理论模型，主要优势在于可以将不确定的定性指标通过云发生器转化为对应云模型数字特征的定量指标，从而实现定性概念与定量数据之间的随机转化[10]。

(1) 云模型定义。设U是一维或多维的定量论域，C是U上的定性概念，C的一次随机出现的定量值为x，x∈U。对C的确定度μ（x）（μ（x） ∈［0 , 1］）是具有稳定倾向的随机数。x在论域U上的分布称为云，每一个x称为一个云滴[11]。

(2) 云模型的数字特征。通常使用期望Ex（Expected value）、熵E n（Entropy）以及超熵He（Hyper entropy)这 3 个数学量来表征云模型，记作U（E x，E n，He）。期望Ex指论域中的云滴分布期望值；E n表示定性概念的随机性；超熵He表示熵的不确定度量，由熵的随机性和模糊性共同决定。根据云模型概念，评语等级及评语云参数可通过式（1）确定。

(3) 云模型的计算。在云模型中实现将定性概念与定量数据之间随机转化的两个关键算法是正向云发生器和逆向云发生器。本文采用正向云发生器（Forward Cloud Generator，FCG）将定性语言转化为变量数据区间，量化定性概念。正向云发生器如图 2 所示。

图2 正向云发生器

具体计算步骤为：① 以En为期望值、以Ee为方差生成一个正态随机数En' 。② 以Ex为期望值、以En为方差生成一个正态随机数x。③将En' 、x代入式（2）中，计算u。

1.2.2 综合评价模型

(1) 指标权重确定。本文采用层次分析法计算指标体系中各指标的权重值。为了降低权重划分的主观性，分别咨询了 4 位岩土工程专业教授、2 名现场施工人员、2 名园林设计师以及 2 名系统工程专业研究生，采用专家打分的方式获取初始判断矩阵，并运用层次分析法的计算公式得到各指标权重。评价指标权重如表 1 所示。

表1 评价指标权重

(2) 建立标准云评估模型。指标体系的主观性指标分类标准主要采用模糊词集和专家打分的方式进行评定。评价因子的等级标准如表 2 所示。

表2 评价因子的等级标准

客观性评价指标则根据规范及文献进行量化，采用专家打分法进行评定的指标均采取满分 10 分制，具体划分为优（8～10）、良（6～8）、一般（3～6）、差（0～3）4 个评语等级。定量指标等级分类标准如表 3 所示。

根据式（1），可将上述等级分类标准的区间转化为云模型数字特征，分别为：优（9.0，0.333，0.1）、良（7.0，0.333，0.1）、一般（4.5，0.500，0.1）、差（1.5，0.500，0.1）。

表3 定量指标等级分类标准

(3) 综合评估云模型确定。逆向云发生器可将专家评分的结果转变为云模型的数字特征。设有n位专家，Px为第x（1，2，……，n）位专家对某个指标的评分值，评分的特征数字Ex、En及He。En及He采用式 (3)、式(4)计算。

式中：S2—方差；

n—专家数量；

v—权重值。

首先，根据式（3）将二级指标相对应的数据通过标准化得到对应指标云模型特征数字Ex、En及He。其次，采用式（4）将各二级指标评语云转化为 4 个一级指标因素评语综合云，进而得出指标评估的综合云模型。最后，将待评价优选方案的综合云模型同标准云共同转化为云滴图，从而直观地得出方案优选结果。

2 实例分析

2.1 初步方案

本文依托台州某高速公路边坡工程。该某边坡植被景观绿化初步选择 2 种设计方案。方案 1：在坡脚处种植紫薇、红叶石楠球、阔叶麦冬，在坡面种植白三叶、杜鹃，比例为1∶3。方案 2：在坡脚处种植雷竹、小叶扶芳藤，在坡面种植白三叶、杜鹃，比例为1∶1。

2.2 指标数字特征计算

根据文献收集资料，可得到量化指标的取值。量化指标结果见表 4。定性指标通过专家打分得出，结果见表 5。

表4 量化指标结果

表5 定性指标评分结果

利用式（1）计算 2 种方案的定量指标云模型数字特征。定性指标则依据专家评分结果，使用逆向云发生器算法，求得各评估因素的云模型数字特征，2 种方案的指标数字特征分别见表 6、表 7。

表6 方案 1 指标数字特征

表7 方案 2 指标数字特征

由式（4）求得 4 个一级指标评估云模型数字特征。

方案 1：A1=(8.70,0.82,0.1)，B1=(8.21,1.02,0.1)，C1=(7.7 2,1.0 9,0.1)，D1=(6.7 9,1.5 3,0.1)。方案 2：A1=(8.38,0.75,0.1)，B1=(7.61,1.26,0.1)，C1=(7.20,1.32,0.1)，D1=(7.81,1.22,0.1)。综合 4 个一级指标影响因素的云数字特征，得出边坡植被优选综合云数字特征如下。

方案 1：V=(7.73,1.10,0.1)；方案2：V=(7.40,1.27,0.1)。