基于AHP-熵权法的南昌市洪涝风险评估

程朋根　黄毅

摘要：为完善南昌市城市灾害风险评估，构建了南昌市洪涝风险系数图。通过AHP-熵权法获取南昌市各乡村的洪涝因子权重指标，并绘制了南昌市洪涝灾害风险评估分布图;利用高分卫星影像图提取洪涝点，检验研究方法的准确度和实用性。研究结果表明：南昌市洪涝风险主要分布在赣江以南的老城区以及靠近鄱阳湖地段河网密布的北部区域;主要原因是两地地势平坦、降雨量较为集中，发生洪涝灾害的可能性较高，老城区人口密度集中且经济较为发达，洪涝灾害造成的直接经济损失较大。

关键词：洪涝灾害; 风险评估; 层次分析法; 熵权法; 南昌市

中图法分类号： TV122

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.10.004

0引 言

近年来，随着城市化进程的不断加速，城市灾害问题发生愈加频繁。南昌市作为长江中游城市群的中心城市之一，背靠常年发生江水倒灌的鄱阳湖，内涝问题成为制约其发展的重要障碍因子[1-2]。作为洪涝灾害管理的重要组成部分[3]，城市洪涝风险的科学评估，不仅是防灾救灾的一项重要参考依据，而且对城市灾害的预防、社会生活的稳定、国民经济的可持续性发展具有重要意义[4]。

目前，洪涝灾害的风险评估方法主要有4种：基于历年灾情数据的数理统计法，基于RS和GIS构建的分析模块，基于水文水力学的模拟法和指标体系评估法。de Moel利用荷兰1900～2000年的历史地理空间数据集分析城市化进程对洪涝灾害所产生的影响[5]。Ayalew利用埃塞俄比亚下奥莫盆地的奥莫河在洪涝发生前后的卫星图像，在GIS中以大比例尺分析洪涝对奥莫河流域环境的影响[6]。Feyen通过模拟气候发展状况，评估了气候变化对欧洲河流洪涝风险的影响[7]。殷剑敏围绕城市内涝形成的机理，综合水文、气象和地理环境等指标因素建立了南昌暴雨积涝模型[8]。曹金虎从内涝灾害的形成机制和系统论的角度，运用模糊综合评价的方法对徐州市主城区内涝灾害风险进行评估，表明高程、高程相对标准差、河网分布和植被覆盖对内涝灾害的敏感性有较大影响[4]。

从研究方法上看，上述方法在评定洪涝因子权重系数时，是通过层次分析法、灰色聚类法和熵权法等数学统计方法实现的。但是单一的权重系数评定方法的准确性和实用性较差，如层次分析法和灰色聚类法人为主观性过强，所得权重指标值并不客观;而熵权法则过于依赖数学模型，未考虑到研究区域的不确定性因素，所得权重指标的准确性不高[9]。而主客观结合的综合权重法能够解决权重评定的客观性和实用性，提高指标评估的科学性。

从结果验证上看，上述研究成果中更多的是通过历史洪涝点数据，对洪涝风险评估进行验证，并不能全面、客观地展现实际洪涝灾害的具体情况。

为填补南昌市洪涝灾害风险评估方面的空白，本文以指标体系评估法为基础，对研究区域的气象、地理环境和经济人口等方面进行统计分析，通过融合AHP和熵权法评估法的优劣性，计算洪涝因子间的权重，将研究区域的相关数据输入模型中，最终得到南昌市的洪涝风险分布图，并利用高分卫星提取洪涝时期的具体洪涝点，对研究结果进行检验。

1研究区概况及数据来源

1.1研究区概况

南昌市位于华东平原地区，市域湖泊众多，自古有“襟三江而带五湖”之称，也是中国唯一一个毗邻长江三角洲、珠江三角洲和海峡西岸经济区的省会中心城市，南昌市水系分布如图1所示。南昌市城镇面积达到350 km2，常住人口达到554.55万人，年均降雨量为1 650 mm，降雨日约为150 d，汛期雨量约占全年降水量的50%，属于洪涝灾害的高发地区[10]。

1.2数据来源

本文研究数据分為4类。① 气象水文数据：中国长、短历时暴雨雨量特征数据集（1961～2015年）。② 基础地理数据：南昌市18 m/DEM数据，南昌市乡镇行政规划图，南昌市道路路网矢量数据集，南昌市建筑物矢量图（百度地图版）和南昌市2017年10 m土地覆盖数据集。③ 遥感数据：南昌市2019年9月Landsat 8 遥感影像数据和鄱阳湖区2020年7月8日高分三号卫星影像原始数据。④ 社会经济数据：中国单位公里GDP数据集，中国单位公里人口数据集。

2评估模型

南昌市洪涝风险系数评估是通过以下步骤实现：① 根据城市灾害危险系数，建立洪水风险系数评估指标体系;② 对各个洪涝因子进行标准化归一处理，并用AHP-熵权混合评估法确定每个洪涝因子的权重;③ 分析评估南昌市的致涝指数、孕涝指数和承涝指数的空间分布;④ 综合评估指标制作南昌市洪涝风险分布图。

巫丽芸等[11]认为灾害风险评估等于地区灾害加上地区易损性，而史培军[12]认为广义的灾害风险评估应从致灾性、孕灾性和承灾性3个方面进行系统分析。综合考量后，本文从灾害分析（致涝因子）、自然地理环境因子（孕涝因子）和社会经济因子（承涝因子）3方面进行洪涝风险评估。

3.1.1致涝因子

暴雨，是洪涝产生的主要因素。根据中国气象局中央气象台对日暴雨的定义（日降雨量≥50 mm），本文将暴雨持续1 d、持续2 d及以上作为划分短、长历时暴雨标准。选取南昌市及南昌市周围共11个气象台站的长、短历时暴雨占比作为基础数据集[13]，并通过克里金插值法求得南昌市各个乡镇的雨量特征均值，将其作为致灾因子指标[14]。其中雨量特征指标越大，发生洪涝灾害的可能性就越大。

3.1.2孕涝因子

从洪涝灾害形成的自然地理环境看，研究区的地理环境差异对洪涝灾害的形成有不同程度的影响。本文将平均高程、平均坡度、不透水层面积占比、河网占比以及植被覆盖率作为孕涝因素指标。其中，平均高程越低、平均坡度越缓，积水越不易排走，城市越容易发生内涝[15];不透水层则会影响积水下渗入地面，与能够吸水和储水方面的植被相反[15-16];在排水方面，由于城市降水最终都是通过河网排出，当降雨量大于河网传输量时，河网越密集的地段越河水越容易溢出，形成城市内涝[4，17]。

3.1.3承涝因子

考虑到社会经济的影响，虽然经济较发达地段的人们防灾意识更高，但是在遭遇同样等级的洪涝灾害的时候，人口越多、经济越发达的地段，洪涝灾害造成的损失就越大[18-19]。本文在社会经济方面选择各个乡镇的人口[20]、地均GDP[21]和道路密度作为承涝因子，指标越高，洪涝风险越大。

3.1.4数据标准化

由于所参考的数据类型过多，而不同的数据类型的含义和量纲各有不同，每个洪涝因子之间不具有可比性。故为了统一数据，对洪涝数据进行标准化处理[22-23]。由于正负向指标的处理不同，所以根据上述对各指标的描述分析，对各个指标先进行划分，结果如表1所列。

3.2指标定权

3.2.1AHP层次分析法

AHP（Analytic Hierarchy Process）层次分析法是A L Saaty于20世纪70年代提出来的一种权重分析方法。用AHP可得到各洪涝风险指标的权重[24]，本文通过咨询相关专家和参照相关研究[4，8-9，16，25]，对同一指标层的洪涝因子进行两两对比，以洪涝因子重要性越高，对城市洪涝灾害的危险就越大为标准，并由此构建出各层次中洪涝因子的判断矩阵[26]，计算出洪涝因子的指标权重，如表2所示。在指标权重计算完之后，还需对判断矩阵的一致性进行检验，若一致性检验不合理，则需要重新构造洪涝因子的判断矩阵[27]。

4南昌洪涝灾害与洪涝因子相关分析

4.1数据处理

致涝因子包括长、短历时暴雨所占比例。图3为1961～2015年南昌长历时暴雨频率、南昌短历时暴雨频率及其综合评估后的洪涝致涝危险性的分布情况。

从图3中可以看出，靠近鄱阳湖地区的暴雨量高于其他地段，整体致涝危险性呈现出北高南低的状态。

4.2孕涝因子敏感度分析

孕涝因子代表了地区对自然灾害的敏感度，图4显示了平均高程、平均坡度、不透水层、河网密度、植被覆盖率和综合评估后整体的孕涝敏感度（f）的分布情况。

从图4可以看出：南昌市的平均高程和平均坡度呈现出西高东低的状态，不透水层占比是以中部主城区为主向外逐渐降低，植被指数则正好相反，河网面积占比则是中部略高于东部，西部最小的状态。整体而言，南昌市的孕涝风险敏感度呈现出中部地区较高，东部次之，西部最低状态。

4.3承涝因子脆弱性分析

洪涝脆弱性是指发生洪涝灾害后，洪涝灾害对不同地区间的经济损失的影响程度[28-29]。不同的承涝因子的脆弱性不同，本文中承涝指标包括人口密度、地均GDP和道路密度等，具体分布情况如图5所示。

从图5中可以看出，相较于其他地段，以城区为主的中部地区，在人口密度、地均GDP和道路密度上，都处于绝对优势。从承涝脆弱性上可以看出，整个南昌市的社会经济呈现出以中部为主体向外扩散的分布状况。

4.4南昌洪涝综合风险评估

将上述洪涝指标系数根据AHP-熵权组合法定权后的权重输入到洪涝风险评估模型中，最终得到南昌市的洪涝风险指数图。用ArcGIS根据自然分段法得出9个洪涝风险等级，如图6所示。

从图6可以看出：以青山湖区为主的中部市区是重点洪涝风险地段，靠近鄱阳湖区的东北部的新建区洪涝风险系数为中等，而山林较多的西部地段洪涝风险最低。从面积上看，南昌市中具有高危洪涝风险的地区约占11%，主要集中在中部市区地段，这部分区域不透水面较多、河网密布，地势较为平坦且植被覆盖率较低，孕涝危险性较高。另外，此部分地区人口较为密集，经济较为发达，发生洪涝时所造成的损失也较大，承涝脆弱性也较高，虽然暴雨量不及东北部，但是洪涝风险指数最高。而以东北部靠近鄱阳湖为主的洪涝风险中等偏高的地区约占24%，虽然暴雨量占比较高，河网密集，但是这部分区域经济人口不及中部主城区，且承涝脆弱性较低，在相同程度的洪涝灾害下，所造成的直接经济损失远低于中部主城区。而以西部为主的洪涝较低风险地区约占36%，这些地带人口稀少、植被覆盖率较高且河网密度较低，不易发生洪涝灾害，且洪涝灾害所能造成的经济损失较低。

5模型检验

由于数据有限，本文根据2020年夏季中国洪涝灾害数据所公开的数据，利用2020年7月8日鄱阳湖区的高分三号5 m分辨率的遥感影像数据，提取出当日南昌市中部以北包含主城区及临近鄱阳湖地区的水域区域，并在所提取出的水域分割矢量图中剔除晴朗时段的水域部分，从而得出南昌洪涝季度发生洪涝灾害的洪涝区域，结果如图7所示。

从洪涝数据中可以看出，除去城市建筑物的影响，以中部为主的南昌主城区有较为密集和零碎的积水点，其他地段的积水点主要分布在河网区域附近，其中靠近鄱阳湖区的北部区域在发生长期暴雨时，河水外溢现象最为明显。根据图7可以看出，在南昌2020年夏季灾情期间，中部主城区中有众多零碎的小区域积水点，造成大面积的城市交通瘫痪，所造成的实際洪涝损失较为明显。而靠近鄱阳湖的西北部地区，虽然有大面积的水体增加，但大多数是集中在远离乡镇建筑的河流网附近的湿地地段，且考虑到河道宽度，实际河水外溢的程度有限，所能造成的实际洪涝损失偏小，与实际情况较符。

将洪涝分布图与洪涝因子分布情况进行对比亦可看出，洪涝致涝危险性分布较高的北部区域的洪涝面积较多，而在孕涝敏感度和承涝脆弱性分布图中敏感度高、脆弱性较差的中部主城区也拥有大量密集的零碎洪涝点，与实际灾情相符。因此，本文利用AHP-熵权赋权法对洪涝因子的权重进行取值的结果较为合理。

通过人工视检对比南昌市高分辨率洪涝点分布图，结果表明，本文洪涝风险评估结果与南昌市实际洪涝受灾情况基本符合，融合AHP与熵权法的洪涝风险评估方法的准确性和可信度较好。

6结 论

本文通过融合AHP层次分析法和熵权法对南昌市的洪涝灾害风险进行评估，用50 a的降雨量等高精度数据作为评估支撑，获取南昌市洪涝风险等级分布图。结果表明：地处三江交汇的中部主城区为高洪涝风险地区，西部乡镇为低风险地段，东部乡镇为较高风险区域。

本文提出了一种用高分卫星影像数据作为洪涝灾情实时验证的可行方法。通过提取洪涝水系区域，对比晴朗时段的水系区域，从而得出灾情期间的洪涝积水点。此方法相较于历时判别法，可以更为直观地分析出城市洪涝灾害的具体状况。

从结果来看，本文从洪涝灾害的诱发因子出发，通过融合AHP和熵权法评估法的优劣性，计算出洪涝因子的权重系数，很大程度降低了人为因素的干扰，弥补了实地因素的不确定性。并利用高分辨率的遥感影像数据，为验证洪涝风险评估结果提供现实可靠的解决途径。最后通过人工视检灾情矢量数据，可以看出本文洪涝风险评估结果的可信度及准确性较好，洪涝因子权重赋值较为合理，能够为城市灾害评估提供一定的研究思路，具有一定的参考价值。

参考文献：

[1]王志寰，朱立俊，王建中，等.长江倒灌鄱阳湖原因及发生条件的量化指标[J].水科学进展，2020，31（2）：203-213.

[2]曹玮.洪涝灾害的经济影响与防灾减灾能力评估研究[D].長沙：湖南大学，2013.

[3]李琼.洪水灾害风险分析与评价方法的研究及改进[D].武汉：华中科技大学，2012.

[4]曹金虎.徐州市主城区内涝灾害风险评价研究[D].北京：中国矿业大学，2018.

[5]DE MOEL H，AERTS J C J H，KOOMEN E.Development of flood exposure in the Netherlands during the 20th and 21st century [J].Global Environmental Change，2011，21（2）：620-627.

[6]AYALEW L.Analyzing the effects of historical and recent floods on channel pattern and the environment in the Lower Omo basin of Ethiopia using satellite images and GIS [J].Environmental Geology，2009，58（8）：1713-1726.

[7]FEYEN L，DANKERS R，BóDIS K，et al.Fluvial flood risk in Europe in present and future climates [J].Climatic Change，2012，112（1）：47-62.

[8]殷剑敏.南昌市暴雨积涝模拟及气候风险评估研究[D].南京：南京信息工程大学，2013.

[9]刘媛媛，王绍强，王小博，等.基于AHP_熵权法的孟印缅地区洪水灾害风险评估[J].地理研究，2020，39（8）：1892-1906.

[10]李准，杨慧民，林春.南昌地区雷电灾害易损性分析及区划[J].气象研究与应用，2013，34（3）：78-82.

[11]巫丽芸，何东进，洪伟，等.自然灾害风险评估与灾害易损性研究进展[J].灾害学，2014，29（4）：129-135.

[12]史培军.再论灾害研究的理论与实践[J].自然灾害学报，1996，（4）：8-19.

[13]孔锋，方建，吕丽莉，等.中国短历时和长历时暴雨对总暴雨贡献的空间差异性研究（1961-2015）[J].干旱区地理，2017，40（2）：293-303.

[14]李俊晓，李朝奎，殷智慧.基于ArcGIS的克里金插值方法及其应用[J].测绘通报，2013（9）：87-90，7.

[15]徐艺扬，李昆，谢玉静，等.基于GIS的城市内涝影响因素及多元回归模型研究：以上海为例[J].复旦学报（自然科学版），2018，57（2）：182-198.

[16]要志鑫，孟庆岩，孙震辉，等.不透水面与地表径流时空相关性研究：以杭州市主城区为例[J].遥感学报，2020，24（2）：182-198.

[17]林芸.平原河网地区水文计算及洪水影响评价方法的探讨[D].南京：河海大学，2005.

[18]逄任竹.面向暴雨灾害的青岛市社会经济系统脆弱性分析[D].上海：华东政法大学，2019.

[19]葛怡，史培军，刘婧，等.中国水灾社会脆弱性评估方法的改进与应用：以长沙地区为例[J].自然灾害学报，2005（6）：54-58.

[20]付晶莹，江东，黄耀欢.中国公里网格人口分布数据集[J].地理学报，2014，69（增）：41-44.

[21]黄耀欢，江东，付晶莹.中国公里网格GDP分布数据集[J].地理，2014，69（增），45-48.

[22]高长波，陈新庚，韦朝海，等.熵权模糊综合评价法在城市生态安全评价中的应用[J].应用生态学报，2006（10）：1923-1927.

[23]李光，吴祈宗.基于结论一致的综合评价数据标准化研究[J].数学的实践与认识，2011，41（3）：72-77.

[24]DYER J S.Remarks on the Analytic Hierarchy Process[J].Management Science，1990，36（3）：249-258.

[25]张冬冬，严登华，王义成，等.城市内涝灾害风险评估及综合应对研究进展[J].灾害学，2014，29（1）：144-149.

[26]邓雪，李家铭，曾浩健，等.层次分析法权重计算方法分析及其应用研究[J].数学的实践与认识，2012，42（7）：93-100.

[27]刘刚.基于层次分析法的社区灾害风险脆弱性评价[J].兰州大学学报（社会科学版），2013，41（4）：102-108.

[28]陈轶，陳睿山，葛怡，等.南京城市住区居民洪涝脆弱性特征及影响因素研究[J].灾害学，2019，34（1）：56-61.

[29]马定国，刘影，陈洁，等.鄱阳湖区洪灾风险与农户脆弱性分析 [J].地理学报，2007（3）：321-332.

（编辑：黄文晋）

Abstract：To improve the urban disaster risk assessment of Nanchang City，a flood risk coefficient map of Nanchang City was constructed.The AHP analytic hierarchy process and the entropy weight method were used to obtain flood factor weight indicators of the villages in Nanchang，and draw a flood disaster risk assessment distribution map in Nanchang.Using high-resolution satellite imagery to extract flood points，the accuracy and practicability of the research method were tested.The results show that Nanchang flood risk is mainly distributed in the old city，south of the Ganjiang River and the northern area with a dense river network near Poyang Lake.The main reasons are that these areas are flat，rainfall is relatively concentrated，and the possibility of flooding is relatively high.The population density of the old city is concentrated and the economy is relatively developed，so the direct economic loss caused by floods is relatively large.

Key words：flood disaster;risk assessment;hierarchical analysis;entropy method;Nanchang City