基于DPSIR和随机森林模型的皖江地区洪涝灾害脆弱性时空变化研究

孙忠保， 程先富

(安徽师范大学 地理与旅游学院，安徽 芜湖 241002)

引言

“脆弱性”指承灾体“被伤害或面对攻击而无力防御”[1]，被破坏后恢复力不足。国际组织和学者们对脆弱性的定义[2-4]，概括起来主要有四个特征：(1)脆弱性是承灾体本身固有的属性，无论环境怎样改变，它是客观存在的；(2)脆弱性在系统遭到外部干扰后，干扰超过一定阈值后才能表现出来；(3)一种综合后果；(4)脆弱性越高，风险越大；脆弱性越低，风险越小。

“风险-灾害”模型、区域模型[5]、“压力-释放”模型[6]、人-环境耦合模型[7]是典型的脆弱性评价模型，其中“风险-灾害”模型没有考虑自然灾害放大或缩小的作用，只注重工程措施而忽视了非工程措施；“压力-释放”模型注重物理因素，忽视自然生态因素；区域模型和人-环境耦合模型相对较为完善，考虑了自然、社会等因素，而DPSIR模型不仅包含了区域模型和人-环境耦合模型所包含的诸多因素，而且各因素之间界定清晰，又相互作用，综合且全面。

学者们运用不同方法，对不同地区或城市进行了洪涝灾害脆弱性研究。黄晶等评价长三角城市群脆弱性[8]。高超等对淮河流域脆弱性进行评价[9]。汪朝辉等用了7个指标，评价湖南省水灾脆弱性[10]。曾六福选择19个物理和社会性指标，评估上海市水灾[11]等等。黄晓梅[12]、路明浩[13]等评价安徽沿江地区，结果是洪灾高风险区较大。基于土地利用类型，王雪微等发现皖江地区耕地、林地下降[14]，巢湖流域脆弱性增加[15]。对巢湖流域，孙鸿鹄从恢复力着手分析洪灾，发现经济可促进恢复力提升[16]，王诗晨认为GDP、人口密度可促使脆弱性下降[17]。可见，虽然脆弱性在不同省份、流域、区域研究较多，但对皖江地区洪涝灾害脆弱性研究目前还没有。而且对巢湖流域、沿江地区洪涝的研究，多集中在风险方面，指标少，覆盖面不广。本文选择了包括自然、社会、人文等众多因素在内的指标，根据DPSIR模型，建立洪涝灾害脆弱性评价指标体系，随机森林赋权，用GIS多空间分析技术和洪涝风险指数法，分析皖江地区洪涝灾害脆弱性。

此研究有利于构建集自然要素和人文要素于一体的区域洪涝灾害脆弱性指标体系，同时检验DPSIR和随机森林模型在洪涝灾害脆弱性评价中的实用性。研究发现皖江地区洪涝灾害脆弱性的时空变化特征、驱动机理和演化规律，可为制订皖江地区洪涝灾害脆弱性调控措施奠定良好基础。得出皖江地区洪涝灾害脆弱性评价结果，划分脆弱性区域等级，可为城市布局、工农业发展提供决策依据，促进可持续发展。

1 研究区与数据源

1.1 研究区概况

皖江地区[18]是长江流域位于安徽省境内一段区域，包含合肥市等9个地级市(图1)，总面积约7.64×104km2，人口约3100万。皖江地区是中国中东部地区经济、社会过渡带，地理环境优势明显，对安徽及中国东部经济、社会发展具有举足轻重的作用。皖江地区属于长三角，“长三角一体化”为国家级战略，为安徽经济发展带来重大战略机遇。同时，安徽为产业承接转移确立了“一轴双核两翼”经济带布局，涵盖了皖江地区。从历史上看，皖江地区的季风气候、特殊的地形地势、广布的水系加大了洪涝灾害的风险；极端降水增多，主要河流径流量不断增大，洪涝灾害多发，洪涝灾害脆弱性不断改变，生命财产历来均受到不同程度威胁。

图1 皖江地区地图

1.2 数据来源

土地利用、植被、降水数据分别来自中国科学院(http://www.resdc.cn)、GIMMS-NDVI(https://ecocast.arc.nasa.gov/data/pub/gimms/3g.v1/)、国家气象局(htpp://www.noaa.gov)。经济社会数据从国家、省、市的统计年鉴获得，其中经济数据折合成2016年的价格。

2 研究方法和路线

2.1 DPSIR模型

DPSIR包含驱动力(drive force)、压力(pressure)、状态(state)、影响(impact)、响应(response)5个子系统(图2)，简称DPSIR模型[19-21]。DPSIR模型包含众多因素[22-24]，优点明显[25-26]。用DPSIR模型评价洪涝灾害脆弱性，具有以下优点：(1)提供了脆弱性指标体系分类原则；(2)包含的指标更加全面；(3)体现要素的相互作用；(4)易于操作、理解、分析。

图2 DPSIR 理论模型

2.2 随机森林(Random forest,RF)

王奕森等认为RF在处理低、中维数据上表现最好[27]。赖成光等用RF评价洪灾风险，结果更合理[28]。随机森林赋权方法不受人为主观因素干扰，能提升赋权的客观性。

2.2.1 随机森林原理 随机森林是以决策树为基本单元的一种集成学习算法，集成学习算法通常可分为Bagging(并行)和Boosting(串行)这两种方式，RF是Bagging方法中一个重要算法。Bagging算法也称为装袋算法，在RF模型(图3)的构建过程中，从总体样本中被随机抽取出来的称为袋中样本(In-of-Bag,IOB)，未被抽取出来的称为袋外样本(Out-of-Bag,OOB)，IOB、OOB分别称为训练样本和测试样本[29]。RF采用多棵决策树并行的方式，对OOB分类或者回归，将每一棵决策树的分类或预测结果进行统计，分别通过投票和回归的方式得到最后的结果。

2.2.2 变量重要性评价 对已构建的RF模型中的解释变量进行重要性评价，通常使用矩阵随机置换的残差均方减小量来衡量，具体计算过程如下：

(1)用Bootstrap抽样方式为每棵回归树随机抽样产生一组训练集，分别建立回归树模型，并使用该模型对OOB进行预测，得到z个OOB的残差均方，记为MSE1,MSE2,…,MSEz。

(2)变量Xi在z个OOB样本中的随机置换，使用过程(1)中的方法形成新的OOB测试样本，然后用已建立的RF对新的OOB进行预测，得到随机置换后的OOB残差均方矩阵：

(1)

(3)MSE1,MSE2,…,MSEz与(1)对应的第i行向量相减后，求均值，再除以标准误差，最后得到Xi的评分[30]。

(2)

假设权重为W，则有

(3)

2.3 指标筛选与赋权

2.3.1 指标筛选 基于DPSIR模型，借鉴其他学者指标筛选经验[31-35]，初选52个指标。数据通过了KMO检验和Bartlett检验。经相关性分析[36]，保留相关性较弱的指标48个。主成分分析[37]时，累积方差达到0.85[38]时，共计有14个主成分，这说明14个主成分对应的相关指标能够代表全部指标信息。主成分公式中，变量系数大于0.6[39]的值对应的最具代表性洪涝灾害指标有37个，由它们共同构成评价指标体系(表1)。

2.3.2 指标标准化 正、负向指标标准化公式分别为(4)、(5)。

Yj=(Xj-minXj)/(maxXj-minXj)

(4)

Yj=(maxXj-Xj)/(maxXj-minXj)

(5)

2.3.3 指标赋权 用RF算出指标得分。经多次训练，当回归树的数目ntree=150时，误差趋于稳定，即误差变化趋势趋于平行X轴，波动很小，表现较为稳定(图3)。此时，拟合效果最佳(图4)。当ntree等于其它数值时误差的变化趋势图由于篇幅限制不在此列举。各指标重要性得分用“火柴棒”表示，“火柴棒”的长度越长，其对应的指标越重要，计算得分就越高，反之指标计算得分越低(图5)，根据指标得分计算出指标权重(表1)。熵权法为客观赋权方法，在指标赋权方面的准确性已经得到了其他研究者的验证[40-42]，为验证RF的可行性，本文再用商权法为指标赋权，与RF赋权的结果进行对比(表1)，两种赋权结果相关性达到0.909(0.01水平)，高度相关，所以森林树法赋权是客观可行的。

表1 洪涝灾害脆弱性评价指标体系

图3 森林树节点稳定性的示意图

图4 洪水灾害的拟合效果

图5 指标重要性得分

2.4 研究路线

基于统计年鉴、国家气象资料、NDVI值、GIS提取数据等，根据DPSIR模型，采用主成分分析法，最终选出37个最具代表性的指标，构建了皖江地区脆弱性评价指标体系。用BF给指标赋权。根据洪涝灾害风险指数法[43]，借助ArcGIS10.3分析技术，将脆弱性分5级：高([0.819,0.775))、较高([0.775,0.331))、中等([0.331,0.287))、较低([0.287,0.243))和低脆弱性([0.243,0.199))，路线如图6。

图6 皖江地区洪涝灾害脆弱性路线图

3 讨论与结论

3.1 洪涝灾害分布特征

2001年，中东部脆弱性最高，其它地区脆弱性多在中等及以下(图7a)。岳西、太湖和舒城最低，这些地区以山区为主，森林生态系统保护较好，森林作为“有水能吸，无水能吐”的雨水调节“水库”，能防止水土流失，保护耕地，使脆弱性降低。庐江县、无为县、繁昌县、芜湖市、芜湖县、当涂县、宣城市、郎溪县脆弱性最高，这与宣城、芜湖地区极端降水较多有关。2001年芜湖、宣城地区极端降水频繁，降水量增加，压力指数较其它地区高出0.08，另外这些区域森林覆盖率相对于大别山区和皖南山区较低，而人口密度、规模以上企业数量较高，河流影响度较高。

2006年，研究区北部脆弱性最高，南部脆弱性最低，总体脆弱性由北向南逐渐减小(图7b)。脆弱性高的区域压力指标增加，其中PRCPTOT、RX5day、R99P、R95P增幅较大；影响指标中，人均林地面积、草地面积均在减少，木材采伐量增加；响应指标中除涝面积、防洪耕地面积有所减小，这些变化导致该区域洪涝灾害脆弱性增加；南部和西南部脆弱性最低，原因是驱动力指标均有所增加，状态指标中NDVI增加，影响指标人均林地面积、草地面积均增加，增加指标值最高达到0.09。

2011年，大部分区域处于中等以下脆弱性，中东部地区脆弱性较高(图7c)，压力指标值最高达到0.36。

2016年，高脆弱性地区在研究期内达到面积最大，以长江为轴心，向长江两侧逐渐降低，基本上与长江流向保持一致并呈带状分布(图7d)。长江两岸压力指标值最大，最高达0.47，其中R95P、PRCPTOT增幅最大，分别增加为102mm和326mm。另外，2016年长江上游降水较往年增加，导致长江径流量增加，也一定程度上增加了洪涝灾害脆弱性。

3.2 洪涝灾害变化特征

由表2a可知，高脆弱区2016年最大，占25.95%，2001年最小，占7.95%；2016年比2011年增加18.01%，增幅最大，比2011年增加了16.92%，比2006年增加了11.61%，而2011年比2006年降低了5.31%。高脆弱区2016年较以往任何年份均增加(图8)。由于极端降水增加，安庆、六安、池州大部分区域转为高脆弱区(图7)，高脆弱区总体上升(图9a)。

图7 皖江地区洪涝灾害时空变化特征

图8 皖江地区五种脆弱性区域占比

较高脆弱区2016年和2006年分别为22.94%、22.40%(表2b)，面积相对较大。因为沿长江附近区域脆弱性较低的区域转化为了脆弱性较高区域，所以较高脆弱区总体呈上升趋势，但增幅不明显(图9b)。

中等脆弱区2011年最大，占31.33%；2016年较过去任何年份均有下降，下降最大值为11.31%(图8，表2c)。中等脆弱区研究期内总体下降(图9c)。由图8可知，减少的中等脆弱区，大部分转为高脆弱区。

较低脆弱区2001年、2011年均在30%以上，最高值为2001年的36.14%(表2d)；2016年相对2001年降低最多，降幅达21.41%，仅2011年比2006年增加9.98%(表2d)。较低脆弱区总体呈下降趋势(图9d))，这是皖江地区南部、安庆西部脆弱性较低的区域向脆弱性较高区域转化的结果(图7)。

低脆弱区历年占比在11%-16%之间，仅2011年比2006年减少1.39%，其余年份均相对增加。主要原因是皖江地区北部低脆弱区的增加大于西部和南部低脆弱性区的减少。

高脆弱区、较高脆弱区研究期内呈“上升-下降-上升”规律，但是总体变化趋势均上升(图9a、9b)，高脆弱区从7.95%上升到25.95%，较高脆弱区从17.94%上升到22.94%，可见脆弱性增加。较低脆弱区下降(图9d)，从36.14%下降到14.72%，说明脆弱性增加。低脆弱区面积由11.64%上升到16.35%，增幅不大(表2e)。在各类型脆弱区相互转化的过程中，北部的滁州地区脆弱性变化较为明显。

图9 皖江地区洪涝灾害脆弱性区域变化趋势分析

(a)高脆弱性面积转移率(%)

综上所述，高、较高脆弱性区域总体面积扩大，中等、较低脆弱区域面积缩小，低脆弱区虽有所增加，但十分有限，研究区脆弱性的降低不足以抵消脆弱性的增加。所以，研究区脆弱性总体增加(图8)。

3.3 讨论

脆弱性是综合后果。极端降水是导致洪灾的重要原因[44]，皖江地区气候进入5月，极端降水由南向北开始逐渐增强，意味着洪涝灾害脆弱性由南向北逐渐增加，8月达到降水量最大，洪涝灾害脆弱性达到最高，随后由北向南开始减弱。长江自西南向东北流经皖江地区，每年汛期，长江过境水位和流量均不相同，径流的顶托作用也影响该区域的脆弱性分布，长江径流量大，水位高时，脆弱性增加，反之，则脆弱性减小。皖江地区2001—2016年极端降水增加[18]，间接导致脆弱性增加。

经济发展不平衡，芜湖、合肥、马鞍山发展快，总量大，其它地方发展慢，总量小[45-46]，经济不发达，有碍于降低脆弱性。经济发展不平衡，导致财政收入、人口结构、医疗卫生服务、固定资产投资等出现区域差异性，影响脆弱性变化。但是另一方面，随经济发展，企业数量、基础设施投资等也增加，灾害来临时，承载体数量也增加，一定程度增加了区域脆弱性。皖江地区GDP 2001—2016年增长指数为479.3，总投资增长指数为13022。

总体而言，城市的脆弱性大于农村地区；水田和旱地大于交通用地；工业和农村土地及村庄脆弱性容易受到外部因素的干扰[15]。固定资产投资和城市人口的增加促进了土地利用面积的扩张和土地利用类型的变化。耕地、住宅用地和工矿用地2001—2016年一直在减少。园林和林地2001—2011年有所减少，但2011—2016年有所增加。牧草地和交通用地2001—2006年有所增加，但2006—2016年有所减少。水域用地2001—2011年有所增加，但2011—2016年有所下降。脆弱性也相应变化。

1995—2015年，丘陵地区、平原的生态风险增加，而且合肥等经济发达地区风险增加明显[47]，脆弱性随之增加。进入21世纪，随着皖江地区社会、经济的发展，资源利用和生态环境之间的矛盾仍然存在，天然森林遭到破坏，湿地面积逐渐萎缩、生态功能紊乱甚至高度退化，一些地方出现生态赤字，加剧了洪涝灾害的脆弱性。2007、2011年大别山西部地区水土流失严重[48-49]，加大了该区域脆弱性。大别山区多贫困[50]，生态服务价值不高[51]，该区域生态保护、水土流失治理、生态系统功能优化应得到进一步提升，以降低大别山区的洪涝灾害脆弱性。2008—2015年，公路利用效率不高[52]，高等级公路有待提升。

另外，不断完善防洪抗灾法律体系、优化洪涝灾害应急预案、发展洪涝灾害保险业、提高洪涝灾害管理部门工作效率、提高广大人民群众防洪减灾意识，能够一定程度降低洪涝灾害脆弱性。综上所述，皖江地区在经济、社会、生态、环境、人文等综合因素作用下，洪涝灾害脆弱性有所增加。

3.4 结论

在气候变化背景下，洪涝灾害潜在风险区与社会经济发展地区往往高度叠加，科学有效地评估皖江地区洪涝灾害脆弱性具有重要理论价值和现实意义。借鉴DPSIR模型构建的洪涝灾害脆弱性评价指标体系，基于随机森林建模为脆弱性指标客观赋权，以皖江地区为典型案例区，分析了该地区2001—2016年洪涝灾害脆弱性的时空演变特征，得出以下结论：在方法模型方面，基于DPSIR模型构建的洪涝灾害脆弱性评价体系，可解释性更全面，更加科学完整；随机森林是一种客观赋权法。皖江地区洪涝灾害脆弱性在空间分布上，2001与2011年分布格局类似，由南至向北呈“低-高-低”间隔分布规律。2006年，研究区北部脆弱性最高，南部脆弱性最低，总体脆弱性由北向南逐渐减小；2016年，高脆弱性地区在研究期内达到面积最大，以长江为轴心，向长江两侧逐渐降低，基本上与长江流向保持一致并呈带状分布。在时间序列上，2001—2016年，高脆弱性区域、较高脆弱性区域、较低脆弱性区域面积均呈扩大趋势，中等脆弱性区域面积呈减少趋势，较低脆弱性区域也下降，虽然如此，但是仍然不能抵消脆弱性的增加。滁州地区脆弱性波动明显，皖江地区洪涝灾脆弱性整体呈上升趋势。