基于集对分析的社区洪涝灾害脆弱性评价研究

2023-12-05王兴鹏教授韩晓雨

安全 2023年11期

王兴鹏教授韩晓雨

(石家庄铁道大学管理学院,河北石家庄 050043)

0 引言

近几年,城市洪涝灾害频繁发生,造成严重的人员伤亡和财产损失。例如,2012年的北京特大暴雨,造成160.2万人受灾、经济损失116.44亿元;2021年郑州暴雨导致1478.6万人受灾,直接经济损失1200.6亿元等。社区作为城市风险治理的基本单元[1],对社区洪涝灾害进行科学评价是做好社区洪涝灾害防治工作的前提和基础,可利用衡量城市自然灾害的重要指标——脆弱性来实现。

脆弱性起源于自然系统领域,其本意是指灾害发生时系统所需要承受和应对风险事件的能力[2]。近年来,关于洪涝灾害脆弱性的研究受到很多学者的关注,从空间上来看,主要涉及区域(流域)、省(市)、城市、区县等多个层次[3-7];从评价方法来看,主要采用超效率数据包络分析模型(data envelopment analysis,DEA)[3]、灰色关联法和曲线拟合法[4]、改进区域脆弱模型(hazard of place model,HOP)[5]、模糊综合评价法[6]、修正后的径流曲线模型(soil conservation service,SCS)[7]等模型与方法。从现有社区洪涝灾害相关文献看,主要从社区韧性、风险管控和灾害治理等方面进行研究[3-5],对社区层面的洪涝灾害脆弱性研究较少,对社区洪涝灾害脆弱性评价的指标体系还不够全面和系统,使用的评价方法和模型对于评价过程的不确定性分析具有一定局限性。因此,本文拟采用能够将评价系统中的确定性与不确定性因素均能很好度量的集对分析方法对城市社区洪涝灾害脆弱性进行研究。

1 社区洪涝灾害脆弱性影响因子分析

灾害脆弱性主要由突发事件作用于承灾体而显现,承灾体是灾害发生过程中受影响的客体,一般指人及其社会资源与环境。在社区层面,洪涝灾害的承灾体主要包括居民、建筑、经济、基础设施等[8]。关于灾害脆弱性的内涵,很多学者从不同角度进行阐释,主要涉及洪涝灾害的物理、社会、经济、基础设施、制度、风险感知等维度的测度[9]。根据已有成果,本文结合社区洪涝灾害发生过程中承灾体的特点和防控重点,认为社区洪涝灾害脆弱性由暴露度、敏感度、适应度3个维度构成。

暴露度指承灾体暴露于灾害风险中的程度;敏感度指承灾体由于自身内部属性的差异而遭受不同灾害的损伤程度;适应度指承灾体从遭受灾害打击的后果中恢复的速度和程度。其中,暴露度和敏感度属于消极部分,即值越大,脆弱性越大;适应度为积极部分,脆弱性随适应度的增加而减小。在实际研究中,需将承灾体与构成脆弱性的3因素进行综合分析,构建社区洪涝灾害脆弱性影响因子矩阵示意图[10],如图1。

图1 社区洪涝灾害脆弱性影响因子矩阵Fig.1 The influence factor matrix of the community vulnerability to the flood disaster

1.1 暴露度影响因子分析

在社区发生洪涝灾害时,承灾体暴露于风险之中,其密度可作为暴露度评价指标,计算道路密度、建筑物密度、经济密度和居民密度公式如下:

(1)道路密度。

(1)

式中:

Rd—道路密度,km2/km2;

Rs—社区内道路总面积,km2;

Ts—社区区域总面积,km2。

(2)建筑物密度。

(2)

式中:

Bd—建筑密度,km2/km2;

Bs—社区内建筑物总面积,km2。

(3)经济密度。

(3)

式中:

Ed—经济密度,万元/km2;

GDP—社区内经济总量,万元。

(4)人口密度。

(4)

式中:

Pd—人口密度,万人/km2;

P—社区内人口总数,万人。

1.2 敏感度影响因子分析

道路的敏感度主要表现为路基和路面抵抗各种外部冲击力、抗冰冻等的能力[11];使用年限不同的建筑物对于灾害的承受能力也不同,建筑物越老旧,敏感度越大[12];对于遭受灾害的人群来说,贫困人口与弱势群体的敏感度更高,抵抗能力更弱,因此均可作为敏感度评价指标。

(1) 道路敏感指数。

(5)

式中:

Rvul—道路敏感指数;

Llow—社区内被评估为低等级道路的长度,km;

Ls—社区内道路总长度, km。其中,路面等级根据国家标准GB/T 920—2023《公路路面等级与面层类型代码》确定。

(2) 老旧建筑物所占比重。

(6)

式中:

Prob—老旧建筑物所占比重;

Nold—社区内老旧建筑物数量,个;

Nt—社区内建筑物总数,个。其中,老旧建筑物的评价准则为使用年限为20年以上的建筑。

(3) 贫困人口所占比重。

(7)

式中:

Prop—贫困人口所占比重。国家通常将年人均纯收入低于1205元的家庭人口定义为贫困人口。

Pold—社区内贫困人口数量,人;

Pt—社区内人口总数,人。

(4) 弱势群体所占比重。

(8)

式中:

Prow—弱势群体所占比重。弱势群体指65岁以上的老人和0～14岁的儿童。

Pweak—社区内弱势群体数量,人。

1.3 适应度影响因子分析

适应度影响因子主要包括:道路排涝能力、基础设施防洪能力、应急物资储备能力及管控人员应急指挥能力。其中,社区道路的排涝能力指排水管网的密度及排涝水平,其密度与排涝能力反映了社区抵御洪涝灾害的难易程度,道路的排涝能力越强,则社区发生洪水蓄积的概率越小;基础设施承灾能力指社区内的公共设施在遭受洪涝灾害时是否会被损坏,其承灾能力越强,对居民的生活影响越小;应急物资储备能力是社区应对灾害的重要保障,其能力越强,居民在发生洪涝灾害时的保障水平越高;管控人员应急指挥能力指社区的管理人员应对灾害风险的知识储备水平以及面对紧急情况的应急处置能力,其能力越高,居民的生命越有保障。

2 构建社区洪涝灾害脆弱性评价模型

2.1 集对分析法

集对分析是由我国学者赵克勤[13]提出的一种利用联系度处理不确定性问题的新型系统分析方法。其核心思想是将评价系统中的确定性联系与不确定性联系均作为不确定性联系来进行分析处理,该方法能够从同一度、对立度、差异度3个方面进行分析。集对分析理论是在一定的背景下,对集对中有一定关联的2个集合的相互作用进行系统性的数学分析,可用来处理由随机性、模糊性、不完整性等不确定因素引起的不确定系统,且可从中发现其暗含的知识,并揭示内在的规律。

采用集对分析进行脆弱性评价时,将评价对象的脆弱性与评价标准组成一个集对H(X,Y),通过对两者的同一度、对立度、差异度进行分析计算,对脆弱性进行量化评价。其中设评价指标的集合为X={x1,x2,…,x12},脆弱性评价标准有Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ5个等级,其集合为Y={y1,y2,…,y5}。

根据同、异、反三者之间的关系,同、异、反联系度表达式为:

μ(X,Y)=a+bi+cj

(9)

a+b+c=1

(10)

式中:

a—两集合的同一度;

b—两集合的差异度;

c—两集合的对立度;

i—差异性系数,可根据具体情况在(-1,1)区间取值;

j—对立性系数。

由于实际问题的复杂性,可得多元联系度μ,若记bi=b1i1+b2i2+…+beie,则可以写为μ(X,Y)=a+b1i1+b2i2+…+beie+cj称为e元联系度方程,e为差异度分量数,b1,b2,…,be为差异度分量,i1,i2,…,ie为差异度分量系数。

2.2 构建社区洪涝灾害脆弱性评价模型

2.2.1 构建社区洪涝灾害脆弱性评价指标体系

根据上文对影响因子的分析,构建社区洪涝灾害脆弱性评价指标体系(见表1),并将评价指标体系分为:目标层、准则层及指标层。其中,脆弱性等级的评价标准包括低、较低、中等、较高、高5个等级,不同指标的等级阈值参考GB/T 33680—2017《暴雨灾害等级》并综合专家意见设定。

表1 社区洪涝灾害脆弱性评价指标体系Tab.1 The evaluation index system of the community vulnerability to the flood disaster

表1中,方向为“+”的指标为效益型指标,其取值越大越好;方向为“-”的指标为成本型指标,其取值越小越好。其中,暴露度指标和敏感度指标是客观指标,其取值根据社区基本情况数据计算获得,适应度指标是主观指标,其取值由专家打分获得。

2.2.2 确定指标权重

同时邀请专家对评价指标的重要度进行排序以及权重打分,主观权重采用G1赋权法[14]进行计算,其步骤如下:

(2)确定相邻指标的重要程度。设ωk为第k项指标的主观权重,则专家对于相邻的评价指标xk-1与xk的重要程度之比ωk-1/ωk的理性判断为:

(11)

式中:

k—n个排序指标中的第k个指标;

rk—相邻评价指标的重要程度之比,由专家独自判定后取平均值。

(12)

可进一步计算其他指标的权重,第k-1个指标的权重为:

ωk-1=ωkrk(k=n,n-1,…,2)

(13)

2.2.3 计算联系度

第一步,计算指标层联系度。

(1)效益型指标。

(14)

式中:

S1,S2,S3,S4,S5—评价指标的脆弱性等级阈值;

xl—第l个评价指标的实际取值;

μl—第l个评价指标的联系度。

(2)成本型指标。

(15)

第二步,计算准则层联系度。

(16)

式中:

μm—第m个准则层联系度,m=1,2,3;

ωl—该准则层中第l个评价指标的权重,l=1,2,3,4;

μl—该准则层中第l个评价指标的联系度;

al—该准则层中第l个评价指标的同一度;

b1l,b2l,b3l—该准则层中第l个评价指标的第1,2,3个差异度分量;

cl—该准则层中第l个评价指标的对立度。

第三步,计算目标层联系度。

(17)

式中:

μ—目标层联系度;

ωm—准则层指标权重。

2.2.4 计算脆弱性指数并确定等级

(18)

式中:

dg—社区洪涝灾害脆弱性第g个等级的阈值,见表2。

表2 社区洪涝灾害脆弱性等级划分标准Tab.2 The grade criteria for the community vulnerability to the flood disaster

将计算所得的脆弱性指数H与社区洪涝灾害脆弱性等级划分标准[15]进行比较,确定社区洪涝灾害脆弱性等级,划分标准,见表2。

3 实例应用

本文选取河南省某市A社区,应用上述模型对其洪涝灾害脆弱性进行评价。该社区总面积为0.17km2,建筑物总面积为0.1066km2,道路总面积为0.0527km2;社区总人口为7500人,贫困人口占4.3%,弱势群体占37.7%。

3.1 确定指标取值和主观权重

邀请5位专家为指标进行排序以及主观指标的权重打分。给每位专家介绍社区基本情况和指标含义,收集专家意见以及对指标取值和权重的打分情况,对专家意见进行统计、处理、分析和归纳,综合专家经验与主观判断得到计算结果,见表3。

表3 社区洪涝灾害脆弱性指标权重分析Tab.3 The weight analyses on the community vulnerability to the flood disaster

3.2 确定联系度

利用式(14)、(15)计算各指标层联系度,得到脆弱性评价指标体系的指标层联系度结果,见表4。其中,a为两集合的同一度,b1,b2,b3为两集合的差异度分量,c为两集合的对立度。

表4 评价指标体系指标层联系度计算结果Tab.4 The calculation results of the correlation degree of the index layer in the evaluation index system

基于主观权重和指标层联系度进行耦合计算,依据式(16)计算准则层联系度,计算结果,见表5。

表5 评价指标体系准则层联系度计算结果Tab.5 The calculation results of the correlation degree of the criterion layer in the evaluation index system

将准则层的权重与联系度进行耦合计算,依据式(17)计算目标层联系度,得到目标层联系度为:μ=0.026+0.054i1+0.133i2+0.12i3+0.036j。

3.3 脆弱性指数计算并确定等级

利用社区洪涝灾害脆弱性等级划分标准和式(18)计算脆弱性指数,则得到该社区的脆弱性指数为:H=0.026×1+0.054×0.6+0.133×0.2+0.12×(-0.2)+0.036×(-0.6)=0.039。与表2对照可知,该社区的洪涝灾害脆弱性等级为Ⅲ级,属于中等水平。各指标层与准则层脆弱性指数与评价等级,见表6。

表6 脆弱性等级汇总Tab.6 The summary of the vulnerability grade

3.4 结果分析

从上面模型计算结果(表6)可知,该社区的洪涝灾害总体脆弱性以及其暴露度、敏感度、适应度均处于中等水平;从具体指标来看,道路密度处于较高等级,道路敏感指数、老旧建筑物占比、贫困人口占比、弱势群体占比均处于较高及以上等级,其余指标均处于中等及以下等级。因此,该社区在下一步治理计划中,应致力于加快完善基础设施、扩建道路并完善道路排涝能力、加快社区建筑的改造升级、提高社区经济水平和活力、吸引年轻人落户居住、不断优化社区居民结构、从而全面提高社区洪涝灾害防御能力。综合来看,模型评价结果与该社区的实际状况相吻合,表明该模型具有较好适用性。