基于物元可拓模型的珠江三角洲雾霾灾害风险评价

尚志海, 梁立锋, 陈宝怡, 曹泳茵, 王小花, 戴鑫儒, 董锡豪

基于物元可拓模型的珠江三角洲雾霾灾害风险评价

尚志海, 梁立锋*, 陈宝怡, 曹泳茵, 王小花, 戴鑫儒, 董锡豪

岭南师范学院地理科学学院, 湛江 524048

基于区域灾害系统理论, 选择致灾因子、孕灾环境、承灾体等11个指标构建雾霾灾害风险评价指标体系, 指标权重采用灰色关联分析法来确定, 并通过物元可拓模型评估珠江三角洲9个城市雾霾灾害风险等级, 最后通过多指标综合评价方法检验结果的准确性。结果表明: 珠江三角洲9个城市民用汽车拥有量和公路密度两个指标的关联系数整体偏高, 广州市、深圳市、佛山市、东莞市民用汽车拥有量的风险等级均为Ⅳ级, 多数城市公路密度的风险等级达到了Ⅲ级, 其中东莞市最高; 珠江三角洲城市雾霾灾害综合风险等级大多数都处于Ⅰ级, 总体上较低, 其中东莞市雾霾综合风险等级最高为Ⅱ级, 珠江三角洲城市雾霾灾害风险主要是受孕灾环境和承灾体影响, 致灾因子风险等级均为Ⅰ级; 基于多指标综合评价法的珠江三角洲雾霾灾害风险评价结果与物元可拓方法基本一致, 风险最低城市为中山市, 风险最高城市为东莞市, 两者风险排序有些差别, 但是基于物元可拓模型的评价结果更符合实际, 可信度更高。

雾霾灾害; 风险评价; 珠江三角洲; 物元可拓模型

0 前言

2014年1月4日, 国家减灾办、民政部通报2013年自然灾情, 首次将雾霾天气纳入。关于雾霾是否属于一种灾害, 有很大争论。在灾害类型研究中, 史培军提出, 基于致灾因子的成因, 灾害可分为自然灾害、人为灾害和环境灾害[1]。国内外学者大多数认为, 环境灾害主要是指由于人类活动引起环境恶化所导致的灾害[2]。雾霾对人群健康的危害是毁灭性的, 并且高度契合灾害的内涵[3]。因此, 本文将雾霾作为环境灾害的一种, 强调雾霾对人类生命健康及社会生活的影响。目前中国不少地区将雾霾作为灾害性天气现象进行预警预报, 但是雾霾不是中国特有的天气现象, 美国从20世纪90年代就开始对雾霾进行评价研究[4], 并认为城镇化会影响城市空气质量[5], Pant等研究认为交通废气排放对印度新德里的雾霾贡献率在17%左右[6]。国内雾霾研究主要集中在雾霾天气特征、雾霾危害、雾霾成因、雾霾治理等方面[7–8]。在雾霾风险研究上, 谢志祥等认为, 雾霾灾害风险是雾霾胁迫、人口暴露和适应能力三者共同作用的结果[3]。在风险评价方法上, 层次分析法多被用在雾霾灾害风险研究中[9–10]; 虽然盛小星等运用集对分析法对长三角雾霾风险进行了等级评估[11],朱颖芳等对湖南省雾霾灾害风险评价时增加了防灾能力作为指标[12], 但是其评价指标权重的确定依然是层次分析法。总结发现, 学者们主要是从致灾因子、孕灾环境、承灾体三个方面建立评价指标, 主观性强的层次分析法较为常用, 雾霾灾害风险评价指标及方法的深入探讨较少, 且现有研究对象主要集中在长江及其以北地区[13]。本文以珠江三角洲为例, 基于区域灾害系统理论建立风险评价指标体系, 并通过物元可拓模型对珠江三角洲雾霾灾害进行风险评价, 并利用灰色关联分析法计算权重, 通过Microsoft Excel软件对数据进行计算分析, 以期使雾霾灾害风险评价更客观。

1 数据来源与研究方法

1.1 数据来源

珠江三角洲位于广东省中南部地区, 临近香港、澳门地区, 范围主要包括广州、深圳、佛山、东莞、惠州、中山、珠海、江门、肇庆等9个城市, 是我国开放程度最高、经济活力最强的城市群之一。在珠三角经济高速发展同时, 该地区也出现了雾霾天气。吴兑等首先对霾的定义、广州和深圳灰霾天气特征进行了初探[14], 近年来学者们对珠三角雾霾的研究热度下降了, 但是珠三角雾霾灾害风险不容忽视, 尤其是在粤港澳大湾区建设的背景下。本文数据来源于广东省及9个地级市2018年统计年鉴、各市气象局数据。

1.2 评价指标

区域灾害系统理论认为, 灾害是致灾因子、孕灾环境和承灾体等共同作用的复杂系统[19]。指标体系方法是目前灾害风险评价中使用最多、最广泛的方法, 这一方法的理论基础都是区域灾害系统理论, 指标体系方法的一级指标基本相似, 各种评价实践的区别主要是二级指标的选取和计算方法的应用。因此, 本文从区域灾害系统理论出发, 提出雾霾灾害风险评价体系(见表1), 其中一级指标为致灾因子危险性、孕灾环境敏感性与承灾体脆弱性, 各一级指标下划分多个二级指标, 共11个评价指标构成评价指标体系。

具体来说, 致灾因子指标包括PM2.5、PM10、SO2、NO2, 因为雾霾构成物质主要是可吸入颗粒物和SO2、NO[20], 污染物排放是雾霾灾害风险大小的决定性因素。孕灾环境指标包括民用汽车拥有量、建筑企业总产值、森林覆盖率、冬季月平均温度、年降水量[10–13], 雾霾的发生与汽车尾气、建筑扬尘等密切相关, 并且受气象因素和生态环境的影响。珠江三角洲的雾霾主要发生在干季, 尤其是冬季, 冬季气温越低, 气团越稳定, 空气越干燥, 灰霾日数越多, 因此冬季月平均气温和年降水量是雾霾发生的重要孕灾背景条件。承灾体指标包括人口密度、公路密度[12], 因为雾霾的危害主要可归纳为两种: 一是对人体健康产生的危害, 二是对交通安全产生的危害, 人口密度和公路密度越大, 同等雾霾条件下对人体健康造成的危害越大, 可能产生的交通安全问题越多。根据上述评价指标, 收集9个城市雾霾灾害风险评价指标的原始数值, 通过灰色关联分析方法确定各个指标的权重, 如表1所示。

1.3 物元可拓模型与指标权重确定方法

1.3.1 物元可拓模型

物元可拓模型的基本思想是: 首先划定待评估对象的类别, 并根据相关研究成果划定不同类别的边界领域, 然后代入研究对象的各属性参数, 计算研究对象的关联系数, 依据关联系数大小来判断研究对象的所属类别[15–16]。计算过程具体步骤包括:

表1 雾霾灾害风险评价指标

(1)雾霾灾害风险, 风险特征和特征值, 共同组成风险物元, 记做, 若有个特征12…, A, 则表示为:

(2)确定雾霾灾害风险等级领域边界, 风险的经典域集合R定义如下:

式中,H为划分的个风险等级;123…A为评价指标; (a, b)为代表评价指标A处于第个风险等级区间范围。

雾霾灾害风险节域集合R定义如下:

式中,H表示由雾霾不同类别风险组成的总体; (a, b)表示节域物元与评价指标A匹配的值域集合。

(3)计算评价指标关联系数, 关联函数为:

式中,K(V)代表第项指标对于第级综合风险等级的关联系数。

(4)计算综合关联系数并确定风险评价等级

综合关联系数表示研究对象总体属性值与风险类别的隶属度, 定义如下:

其中,K(H)为研究对象对应风险等级的关联系数;ω为个评价指标的权重;k(V)为评价指标对应等级的指标关联系数。若K(H)｛K(H), 则研究对象第指标属于综合风险评价等级。关联系数K(H)的数值代表了研究对象属于某风险等级类别的符合程度, 当K(H)>0, 则研究对象属性符合第等级区间要求, 数值大小表明了从属该区间范围的程度; 当–1＜K(H)＜0, 则评价指标不匹配风险等级, 而具有符合该等级区间的潜力, 数值大小代表可能性的大小; 当K(H)＜–1, 则评价属性不匹配第等级区间的范围, 而且没有可能符合该风险等级。

根据综合风险的预警需要, 将雾霾灾害风险分为４个等级, 状态为微度、轻度、中度、重度, 用Ⅰ、Ⅱ、Ⅲ、Ⅳ级表示。本文参考杨晓艳等人研究和环保部最新的《环境空气质量标准(GB3098–2012)》确定致灾因子的经典域集合和节域集合[17]; 依据全国平均水平、珠江三角洲城市数据确定孕灾环境和承灾体的经典域集合和节域集合。

1.3.2 指标权重确定方法

在物元可拓模型中, 评价指标权重的确定方法多样, 本文采用灰色关联分析法确定指标权重[18], 具体步骤如下:

(1)初始化处理

记理想决策方案0对指标V的属性值为Y, 且满足: 当指标V为效益型指标时,0j=(1j,2j,…,Y); 当指标V为成本型指标时,0j=(1j,2j, …,Y) , 则称矩阵

(2)灰色关联度计算

(3)权重确定

就反映了第个指标在整个指标空间中所占的比重。

因此可将计算结果作为指标的权重:

1.4 风险评价结果检验方法

为了检验物元可拓模型在珠江三角洲雾霾灾害风险评价中的准确性, 本文通过使用多指标综合评价法对珠三角雾霾灾害综合风险进行了评价。多指标综合评价法是将被评价事物的多个不同量纲的评价指标[21], 通过无量纲处理后得出相对评价值, 再对这些评价值进行综合处理, 最后计算出评价指数的方法[22]。

其评价基本过程如下:

(1)对指标进行标准化处理

升型指标的标准化处理公式:

降型指标的标准化处理公式:

式中,P为第(1, 2, ……,)评价对象的第个评价指标的标准化值,v为第个评价对象的第个评价指标量值,为第个评价指标的平均值,sd为第个指标量值的标准偏差。其中, 升型指标是指数值越大, 安全性越高, 即风险越低的指标; 降型指标是指数值越大, 安全性越低, 即风险越高的指标。

(2)计算综合评价指数

式中,IPI为第个评价对象的综合评价指数, 综合指数越大, 安全性越高, 风险越低。

2 结果与分析

2.1 评价指标关联系数

雾霾灾害风险评价指标关联系数计算结果见表2, 关联系数大小与评估等级的符合程度成正比关系。以广州市为例, 民用汽车拥有量四个风险等级的关联系数分别为–0.045、–0.030、–0.015、0.015, 由此可以判定该市民用汽车拥有量风险指标等级属于Ⅳ级。同理, 可以得出其它指标的关联系数等级。在物元可拓模型中, 各种评估对象与评估指标的关联系数等级能够表现出一定差异, 有利于各个城市确定雾霾灾害风险的关键控制点, 针对雾霾风险控制点, 提出有效的应对方案。

由表2可知, 珠江三角洲9个城市民用汽车拥有量和公路密度整体偏高, 超过一半的地区为Ⅲ级或者Ⅳ级, 说明珠三角地区雾霾综合风险主要体现在孕灾环境风险和承灾体风险上。9个城市致灾因子风险指标除了PM10为Ⅱ级外, 其他三个指标均为Ⅰ级。孕灾环境指标中, 民用汽车拥有量和建筑企业总产值风险等级较其它指标严重, 广州、深圳、佛山、东莞的民用汽车拥有量风险等级均为Ⅳ级, 广州和深圳的建筑企业总产值风险等级为Ⅳ级, 佛山的森林覆盖率风险等级为Ⅲ级, 这一点与其他城市不同, 所以珠三角城市在预防雾霾风险时, 应优先考虑汽车尾气及建筑扬尘带来的影响, 并继续改善生态环境。承灾体指标中, 人口密度风险等级最高的是深圳为Ⅳ级, 其次是东莞为Ⅲ级; 公路密度最高的为东莞为Ⅳ级, 广州、佛山、惠州、中山、江门为Ⅲ级, 上述指标提高了相应城市的雾霾灾害风险。

2.2 综合风险等级评价

根据公式(5)计算珠三角地区的致灾因子风险、孕灾环境风险、承灾体风险, 结果如表3所示。以广州市为例, 致灾因子风险关联系数为0.072、–0.050、–0.219、–0.280, 由此可判断其致灾因子风险等级为Ⅰ级, 其他风险等级以此类推。珠三角9个城市中, 致灾因子风险等级均为Ⅰ级, 这与珠三角的雾霾发生情况一致。比较而言, 珠三角雾霾发生频次远远少于其他城市群, 如京津冀地区和长江三角洲地区。孕灾环境风险等级有1/3为Ⅱ级, 承灾体风险等级Ⅱ级以上的占8/9, 说明珠三角地区雾霾灾害综合风险主要体现在孕灾环境和承灾体风险两个方面。

各市的综合风险关联系数计算结果和相应评估等级见表4, 广州、深圳、佛山、惠州、中山、珠海、江门、肇庆向Ⅰ级转化的潜力很大, 等级判定为Ⅰ级。东莞的综合风险关联系数最大为–0.084, 处于Ⅰ级和Ⅱ级之间, 向Ⅱ级转化的潜力很大, 等级判定为Ⅱ级。由此可知, 珠三角地区的雾霾灾害风险等级差别不大, 除了东莞为Ⅱ级, 其余城市都为Ⅰ级, 但每个城市的雾霾风险程度又有着不同程度的差别。综合关联系数大小排序由大到小为: 中山、惠州、珠海、肇庆、江门、广州、佛山、深圳、东莞。

表2 雾霾灾害风险评价指标关联系数

表3 各类风险评价结果

表4 珠三角雾霾灾害综合风险评价结果

2.3 评价结果检验

根据公式(10)、(11)、(12)计算出珠江三角洲城市雾霾灾害风险的综合评价指数。多指标综合评价法的计算结果如图1所示。从图1可知, 中山、惠州、珠海、深圳综合评价指数分别为0.662、0.555、0.553、0.117, 雾霾灾害风险综合评价指数评价较高, 风险较低; 同时, 基于物元可拓模型的雾霾灾害风险等级, 四个城市都为Ⅰ级, 风险较低。此外, 东莞综合评价指数为–0.880, 风险最高; 东莞雾霾灾害风险等级为Ⅱ级, 风险等级最高, 两种方法结果一致。雾霾灾害风险综合评价指数排序为中山、惠州、珠海、深圳、江门、肇庆、广州、佛山和东莞。由此可知, 多指标综合评价法对珠三角地区雾霾灾害风险判断与物元可拓模型基本相似, 风险最高和最低的城市分别为东莞市和中山市, 从而验证了物元可拓模型在雾霾灾害风险评价中的可行性。但两者也有不同之处, 主要表现为雾霾风险等级相同的城市之间综合指数数值大小排序不同, 具体情况是: 江门市和肇庆市的风险排序有变化; 深圳市在多指标综合评价法中风险排序靠前, 风险等级偏低, 但是综合考虑深圳市的雾霾发生情况, 基于物元可拓模型的评价结果更符合实际, 进一步说明本文提出的物元可拓模型结合灰色关联分析的评价方法可信度更高。总之, 两种评价方法评价结果有所差别, 其主要原因可能是两种方法的着重点不同, 物元可拓模型的结果来源于经典域、节域和被评价事物数据的综合拟合信息, 而多指标综合指数的计算却全部取决于被评价事物数据本身的信息。

图1 珠三角雾霾灾害综合评价指数

Figure 1 Comprehensive risk index of haze disaster in Pearl River Delta

3 讨论

随着经济发展、人口增长, 尤其是在粤港澳大湾区和深圳先行示范区的建设背景下, 珠江三角洲面临着雾霾危害增大的风险。文献[23]通过对152个城市PM2.5浓度进行了社会经济因素分析发现: 经济产出和人口是主要贡献者[23]。同理, 经济越发达地区雾霾灾害孕灾环境和承灾体风险越大, 这一结论和本文研究结果相似。在珠江三角洲城市雾霾灾害风险评价中, 风险等级主要受孕灾环境和承灾体影响, 且个别风险指标的关联等级较高, 例如: 民用汽车拥有量的风险等级在广州市、深圳市、东莞市和佛山市等城市都处于Ⅲ级或Ⅳ级, 属于高风险关联指标, 主要原因是私有汽车拥有率上升; 多数城市公路密度风险等级达到了Ⅲ级, 东莞市甚至处于Ⅳ级阶段, 这两个指标共同指向了同为孕灾环境和承灾体的公路交通。尤其是深圳市11个指标中3个指标甚至处于Ⅳ级阶段。因此, 为了实现先行示范区建设成“可持续发展先锋”的战略定位, 深圳市在大力发展经济的同时, 也应更重视环境保护建设, 进一步降低雾霾灾害风险。

在雾霾灾害风险评价方法的使用中, 本文尝试将物元可拓模型与灰色关联分析方法结合起来, 与以往的层次分析方法相比, 灰色关联分析方法可以有效地减少评价指标权重计算的主观性, 物元可拓模型评价结果更客观, 更符合实际情况, 其在类似综合评价研究中也得到了较好地应用。今后, 在评价指标的选取和评价案例的补充, 以及评价物元经典域和节域的确定上, 仍然可以进一步完善。

4 结论

本文依据灾害系统理论中致灾因子、孕灾环境和承灾体的理论框架, 构建珠江三角洲雾霾灾害风险评价体系, 然后利用灰色关联分析法计算出指标权重, 运用物元可拓模型分析出不同指标关联系数及综合风险关联系数, 根据综合风险关联系数来评价出珠三角各城市的雾霾灾害综合风险等级, 最后通过多指标综合评价法验证物元可拓模型的准确性。得出以下结论:

(1)从珠江三角洲9个城市雾霾灾害风险评价结果来看, 9个城市雾霾综合风险等级低, 除了东莞市之外, 其余城市均为Ⅰ级, 且雾霾灾害风险主要受孕灾环境和承灾体风险影响。

(2)采用物元可拓模型评价的雾霾灾害风险评价结果与多指标综合评价方法计算结果基本一致, 风险最高和最低城市没有差别, 大部分城市风险排序不变。但是综合考虑各个城市雾霾发生情况, 基于物元可拓模型的评价结果更符合实际。

[1] 史培军. 三论灾害研究的理论与实践[J]. 自然灾害学报, 2002, 11(3): 1–9.

[2] 尚志海, 刘希林. 试论环境灾害的基本概念与主要类型[J]. 灾害学, 2009, 24(3): 11–15.

[3] 谢志祥, 秦耀辰, 李亚男, 等. 基于PM2.5的中国雾霾灾害风险评价[J]. 环境科学学报, 2017, 37(12): 4503–4510.

[4] CHU Shaohang, PAISIE J W. An evaluation of current PM2.5conditions in the US[J]. Atmospheric Environment, 2006, 40(S2): 206–211.

[5] CLIFTON K, EWING R, KNAAP G J, et al. Quantitative analysis of urban form: a multidisciplinary review[J]. Journal of Urbanism, 2003, 1(1): 17–45.

[6] PANT P, SHUKLA A, KOHL S D, et al．Characterization of ambient PM2.5 at a pollution hotspot in New Delhi, India and inference of sources [J]. Atmospheric Environment, 2015, 109(7): 178–189.

[7] 闫培生, 袁永久. 基于科学知识图谱的中国雾霾研究可视化分析[J]. 科技导报, 2016, 34(18): 137–143.

[8] 韩瑞波. 基于文献计量的雾霾治理研究现状与路径解读——以WOS和CNKI文献(2013—2017年)为样本[J]. 大连海事大学学报(社会科学版), 2018, 17(4): 62–69.

[9] 田心如, 陈广昌, 武艳, 等. 江苏霾灾害风险与地区差异研究[J]. 长江流域资源与环境, 2014, 23(12): 1767–1774.

[10] 卿清涛, 徐金霞, 马振峰, 等. 四川盆地区雾霾灾害风险区划初探[J]. 西南大学学报(自然科学版), 2017, 39(9): 145–152.

[11] 盛小星, 叶春明. 基于集对分析法的长三角雾霾风险评估[J]. 资源开发与市场, 2017, 33(3): 334–337.

[12] 朱颖芳, 高俊, 陈亚龙, 等. 湖南省雾霾、灰霾灾害风险区划[J]. 自然灾害学报, 2018, 27(5): 126–137.

[13] 刘兰芳, 谭秉霖, 杨丽青. 城市雾霾灾害风险模糊评价指标体系研究——以湘南城市为例[J]. 灾害学, 2020, 35(1): 156–160.

[14] 吴兑, 廖碧婷, 陈慧忠, 等. 珠江三角洲地区的灰霾天气研究进展[J]. 气候与环境研究, 2014, 19(2): 248–264.

[15] 廖炜, 杨芬, 吴宜进, 等．基于物元可拓模型的水土保持综合效益评价[J]．长江流域资源与环境, 2014, 23(10): 1464–1471.

[16] 姜绵峰, 叶春明. 长三角地区省级雾霾影响综合风险评价[J]. 数学理论与应用, 2016, 36(3): 101–111.

[17] 杨晓艳, 鲁红英. 基于模糊综合评判的城市环境空气质量评价[J]. 中国人口·资源与环境, 2014, 24(5): 143–146.

[18] 王乐, 田东方. 基于灰色关联分析法的宜昌市空气质量影响因素分析[J]. 能源环境保护, 2019, 33(5): 60–64.

[19] 史培军. 四论灾害系统研究的理论与实践[J]. 自然灾害学报, 2005, 14(6): 1–7.

[20] 韩琭. 雾霾灾害风险指数的构建与测度[J]. 统计与决策, 2017, 33(2): 28–32.

[21] 余健, 房莉, 仓定帮, 等. 熵权模糊物元模型在土地生态安全评价中的应用[J]. 农业工程学报, 2012, 28(5): 260–266.

[22] 邱东. 多指标综合评价方法[J]. 统计研究, 1990, 7(6): 43–51.

[23] ZHANG Yu, SHUAI Chenyang, BIAN Jing, et al. Socioeconomic factors of PM2.5 concentrations in 152 Chinese cities: Decomposition analysis using LMDI[J]. Journal of Cleaner Production, 2019, 218(13): 96–107.

Risk assessment of haze disaster in Pearl River Delta based on matter–element extension model

SHANG Zhihai, LIANG Lifeng*, CHEN Baoyi, CAO Yongyin, WANG Xiaohua, DAI Xinru, DONG Xihao

School of Geographical Sciences, Lingnan normal university, Zhanjiang 524048, China

Based on the theory of regional disaster system, 11 indexes of disaster causing factor, disaster pregnant environment and disaster body were selected for risk assessment of haze disaster in the Pearl River Delta, and the index weights were determined by the gray correlation analysis; the matter–element extension model was used to calculate the haze disaster risk levels of 9 cities. Finally, the accuracy of the results was tested by the multi–index comprehensive evaluation method. Results show that the correlation coefficients of civil car ownership and highway density were high overall, such as Guangzhou, Shenzhen, Foshan, Dongguan civil car ownership of risk ratings were Ⅳ level, and the risk level of highway density of most cities reached grade Ⅲ, of which the highest was Dongguan. The haze disaster risks of most cites were in the level Ⅰ, while Dongguan haze disaster comprehensive risk grade Ⅱ was the highest. The disaster risks of cites in the Pearl River Delta were mainly influenced by disaster pregnant environment and disaster body. The risk assessment results by multi–index comprehensive evaluation method was basically in accord with the results by matter–element extension model. Zhongshan was the lowest risk city, conversely, the city with the highest risk was Dongguan. There were some differences between the two methods, but the assessment resultsby matter–element extension model were more in line with the reality and had higher reliability.

haze disaster; risk assessment; Pearl River Delta; matter–element extension model

尚志海, 梁立锋, 陈宝怡,等. 基于物元可拓模型的珠江三角洲雾霾灾害风险评价[J]. 生态科学, 2022, 41(3): 149–155.

SHANG Zhihai, LIANG Lifeng, CHEN Baoyi, et al. Risk assessment of haze disaster in Pearl River Delta based onmatter–element extension model[J]. Ecological Science, 2022, 41(3): 149–155.

10.14108/j.cnki.1008-8873.2022.03.017

X513

A

1008-8873(2022)03-149-07

2020-06-29;

2020-09-05

广东省自然科学基金项目(2018A030307031)

尚志海(1979—), 男, 河北迁安人, 博士, 副教授, 主要从事环境灾害风险评价研究, E-mail: shangzhihai@126.com

梁立锋, 男, 博士, 讲师, 主要从事地理信息科学研究, E-mail: 121436068@qq.com