于德龍 , 孫柏濤 , 閆培雷

(1.哈爾濱工程大學 航天與建筑工程學院 黑龍江 哈爾濱 150001； 2.中國地震局工程力學研究所 中國地震局地震工程與工程震動重點實驗室, 黑龍江 哈爾濱 150080)

應用多指標體系構建城鄉(xiāng)分級公里格網(wǎng)模型

于德龍1, 孫柏濤2, 閆培雷2

(1.哈爾濱工程大學 航天與建筑工程學院 黑龍江 哈爾濱 150001； 2.中國地震局工程力學研究所 中國地震局地震工程與工程震動重點實驗室, 黑龍江 哈爾濱 150080)

摘要：為了反應城鄉(xiāng)承災體在自然災害發(fā)生過程中的級別與空間的差異，本文構建了城鄉(xiāng)分級公里格網(wǎng)模型。基于影響承災體的多種因素，構建了服務于城鄉(xiāng)分級模型的多指標體系。基于多指標體系，利用聚類分析的方法，劃定城鄉(xiāng)不同級別之間的界線，實現(xiàn)城鄉(xiāng)分級的公里格網(wǎng)空間化。針對黑龍江省城鄉(xiāng)分級結果進行了相應的統(tǒng)計學分析，驗證了其合理性。與此同時，將遙感地圖與分級結果對比分析，進一步保證了結果的精確性。本文所得到的城鄉(xiāng)分級模型，有助于快速準確地實現(xiàn)災前的預測評估、災時的快速救援和災后的損失評估。

關鍵詞：城鄉(xiāng)分級模型；多指標體系；聚類分析；公里格網(wǎng)；遙感地圖

網(wǎng)絡出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20151116.1558.004.html

孫柏濤(1961-)，男，研究員.

我國是世界上自然災害最嚴重的少數(shù)國家之一，氣象災害、地震災害、地質(zhì)災害、海洋災害來臨都會造成大量的人員傷亡和巨大的財產(chǎn)損失。隨著近年來我國經(jīng)濟的高速發(fā)展，城鎮(zhèn)化進程的加快，導致了不同區(qū)域承災體的發(fā)展程度的不平衡，使得政府和科研人員在制定防災減災規(guī)劃、預測區(qū)域災害損失和災區(qū)現(xiàn)場調(diào)查過程中不得不將城鎮(zhèn)和鄉(xiāng)村分級別精細化對待。與此同時，自然災害的發(fā)生必然伴有空間分布的特性，需要在城鄉(xiāng)內(nèi)部進行公里格網(wǎng)空間化研究。國內(nèi)外近幾十年非常重視自然災害等突發(fā)事件的應急和處理機制，并對災害前后的土木工程破壞、人員傷亡和經(jīng)濟損失評估開展了大量研究。從20世紀90年代開始，美國聯(lián)邦應急管理署(FEMA)基于GIS技術軟件，先后研發(fā)了HAZUS-MH系統(tǒng)[1]，為各級政府應對災情提供依據(jù)。中國臺灣在HAZUS的基礎上，研發(fā)了地震損失評估系統(tǒng)HAZ-Taiwan，用于地震災害相關方面的評估[2]。孫柏濤等開發(fā)了HAZ-China地震災害損失評估系統(tǒng)，為中國城市震災防御、地震應急救和建筑物損失評估等工作提供了重要的工具[3]。

由于地震災害的發(fā)生具有空間性，造成的人員傷亡、經(jīng)濟損失隨著區(qū)域社會屬性的變化而變化。但到目前為止，各國學者并未開展災害區(qū)域的城鄉(xiāng)分級方面的研究。本文基于GIS技術，綜合考慮區(qū)域的不同指標以實現(xiàn)災害區(qū)域的城鄉(xiāng)分級。

1構思框架

1)基于已獲得的數(shù)據(jù)源，構建多指標體系。在ArcGIS 10.2中將人口分布數(shù)據(jù)、GDP分布數(shù)據(jù)、土地利用類型數(shù)據(jù)統(tǒng)一到WGS-84坐標系下，并通過空間數(shù)據(jù)連接，得到同時含有上述屬性的基本數(shù)據(jù)。

2)選取控制指標，以合理區(qū)分城區(qū)與非城區(qū)，將基本數(shù)據(jù)劃分成2類，分別為城鎮(zhèn)城區(qū)和非城鎮(zhèn)城區(qū)。

3)基于多指標體系，采用K-均值聚類分析的方法，分別對2組數(shù)據(jù)進行分類。

4)基于海量數(shù)據(jù)樣本，通過統(tǒng)計學分析方法，篩選合理數(shù)據(jù)范圍，去除異常數(shù)據(jù)。同時，利用遙感地圖進一步驗證分級模型的精度。整體研究思路如圖1所示。

圖1　整體構思框架Fig.1　The whole research thought

2建立城鄉(xiāng)分級模型

由于我國幅員遼闊，導致公里格網(wǎng)數(shù)據(jù)量龐大。以黑龍江省為例，處理后用于研究的數(shù)據(jù)就有78萬條之多?；诤Ａ繑?shù)據(jù)的分析存在一定的難度，需要針對不同數(shù)據(jù)進行相應的預處理，統(tǒng)一其坐標系，為后續(xù)研究提供便利。

2.1　數(shù)據(jù)源及預處理

研究所采用的數(shù)據(jù)主要包括：1)2000年全國人口數(shù)量分布公里網(wǎng)格數(shù)據(jù)；2)2000年全國GDP產(chǎn)值分布公里格網(wǎng)數(shù)據(jù)；3)2000年1∶10萬土地利用公里格網(wǎng)數(shù)據(jù)，采用其中城鎮(zhèn)建設用地及農(nóng)村建設用地數(shù)據(jù)。

對數(shù)據(jù)源進行預處理，以便基于海量數(shù)據(jù)建立城鄉(xiāng)分級模型。以黑龍江省為例，統(tǒng)一到WGS-84坐標系，并通過空間連接處理后的數(shù)據(jù),如表1所示。

表1　預處理后基本數(shù)據(jù)Table 1　The basic data after pretreatment

2.2　多指標體系下城鄉(xiāng)分級方法

根據(jù)城鄉(xiāng)承災體的差異，在進行城鄉(xiāng)分級時，主要考慮社會經(jīng)濟因素和土地利用因素。選取了人口數(shù)量、GDP產(chǎn)值和土地利用類型3個指標，構建城鄉(xiāng)分級的多指標評價體系。其中，土地利用類型直接反映了城鎮(zhèn)城區(qū)和非城鎮(zhèn)城區(qū)的不同，將其作為控制指標，對基礎數(shù)據(jù)進行初始分類。初始分類后的數(shù)據(jù)為I類-城鎮(zhèn)城區(qū)、II類-非城鎮(zhèn)城區(qū)。在初始分類的基礎上，基于人口數(shù)量、GDP產(chǎn)值、城鎮(zhèn)建設用地面積以及農(nóng)村建設用地面積，分別針對I類和II類進行K-均值聚類分析，建立城鄉(xiāng)分級模型。具體分級結果如圖2所示。

圖2　黑龍江省城鄉(xiāng)分級結果Fig.2　Classification results between urban and rural areas in Heilongjiang

基于上述分級方法，針對黑龍江省的具體情況以及分級過程中得出的結果，將黑龍江省分為9級。其中，由于大慶市城區(qū)與其產(chǎn)油地區(qū)相重疊，導致其GDP產(chǎn)值較高，所以本文單獨將其作為一個級別列出。具體分級情況如表2所示。

表2　黑龍江省具體分級情況Table 2　Specific classification in Heilongjiang province

3結果分析及精度驗證

根據(jù)上述城鄉(xiāng)分級模型，對已分級數(shù)據(jù)進行提取，利用統(tǒng)計學方法進行分析。確定不同級別中相應指標的合理區(qū)間，以剔除異常數(shù)據(jù)點以及間接驗證分級模型的合理性。

3.1　分級數(shù)據(jù)統(tǒng)計學分析

采用描述性統(tǒng)計學分析的方法，提取能夠反映不同分級結果中集中趨勢、離散趨勢和分布情況的統(tǒng)計量，來分別對同一級別和不同級別進行橫向分析和縱向比較，保證數(shù)據(jù)的合理可靠。具體分析過程如下：1)對同一級別內(nèi)數(shù)據(jù)進行橫向分析時，以副省級市城區(qū)(哈爾濱市城區(qū))為例，計算相應的統(tǒng)計學指標，如表3所示。再分別對不同參考因素繪制對應的頻率分布直方圖，以便于直觀的觀察(如圖3~6所示)。按照上述方法，分別對所有級別內(nèi)數(shù)據(jù)進行分析。2)根據(jù)橫向分析結果，判斷不同級別的集中趨勢，以進行縱向比較，如表4所示。其中，頻率分布直方圖是將數(shù)據(jù)連續(xù)取值作為橫坐標，按照數(shù)據(jù)的最小值和最大值進行分組，并確定組距以確定落在各組中的頻數(shù)，頻數(shù)除以樣本總數(shù)為頻率，縱坐標表示頻率除以組距。

圖3　人口數(shù)量頻率分布直方圖Fig.3　Histogram frequency distribution diagram of population

圖4　GDP產(chǎn)值頻率分布直方圖Fig.4　Histogram frequency distribution diagram of GDP

圖5　城鎮(zhèn)建設用地面積頻率分布直方圖Fig.5　Histogram frequency distribution diagram of the area of urban construction

圖6　農(nóng)村建設用地面積頻率分布直方圖Fig.6　Histogram frequency distribution diagram of the area of rural construction

表3　副省級市城區(qū)(哈爾濱市城區(qū))統(tǒng)計指標Table 3　Statistical indicators of vice-provincial city urban area (city zone of Harbin)

表4　不同分級各指標均值縱向比較Table 4　Different grading index average each longitudinal comparison

基于橫向分析，剔除分級結果中的數(shù)據(jù)異常點。根據(jù)縱向比較結果，說明不同級別之間，各指標變化趨勢基本符合實際情況，間接證明了城鄉(xiāng)分級模型的合理性。

3.2　基于遙感地圖的模型精度驗證

通過對海量數(shù)據(jù)的統(tǒng)計學分析，初步驗證了城鄉(xiāng)分級模型的合理性。為了使模型更具有現(xiàn)實意義，還需要將分級結果與實際遙感地圖(如圖7所示)相對應，已驗證不同級別所包含區(qū)域的合理性。本文分別對哈爾濱市周邊地區(qū)、大慶市周邊地區(qū)、部分地級市以及部分縣(縣級市)等所屬級別包含區(qū)域進行了驗證(如圖8~10所示)。

圖7　黑龍江省遙感地圖Fig.7　Remote sensing maps of Heilongjiang province

圖8　黑龍江省城鄉(xiāng)分級與遙感地圖對比圖Fig.8　Urban and rural areas in Heilongjiang province classification with remote sensing map

圖9　哈爾濱市周邊地區(qū)Fig.9　Surrounding area in Harbin

圖10　大慶市周邊地區(qū)Fig.10　Surrounding area in Daqing

4結論

為得到具有一定合理性及精度的城鄉(xiāng)分級模型，在已有公里格網(wǎng)數(shù)據(jù)的基礎上，基于多指標體系，采用K-均值聚類分析的方法，建立了黑龍江省城鄉(xiāng)分級模型。主要結論：

1)綜合考慮在自然災害發(fā)生過程中，影響承載體的多種因素，構建多指標體系。采用K-均值聚類分析方法，對多指標體系下的海量數(shù)據(jù)進行分級，建立城鄉(xiāng)分級模型的方法是可行的。

2)基于城鄉(xiāng)分級模型，采用統(tǒng)計學分析方法，對數(shù)據(jù)進行橫向分析與縱向比較，篩選合理數(shù)據(jù)及剔除異常數(shù)據(jù)，為下一步確定城鄉(xiāng)分級標準提供數(shù)據(jù)基礎。

3)通過統(tǒng)計學分析以及遙感地圖，對模型做了進一步的驗證。說明模型的精度是有保證的，并且與實際情況基本吻合，可以服務于自然災害過程中的經(jīng)濟損失評估等民生科研工程。

在研究過程中考慮了多種因素，如人口數(shù)量、土地利用情況、GDP產(chǎn)值等多源數(shù)據(jù)，但由于影響城鄉(xiāng)差異和承載體差異的因素復雜。因此，城鄉(xiāng)分級模型的精度有待進一步提升，以更符合實際情況。

參考文獻：

[1]FEMA. Multi-hazard loss estimation methodology-earthquake model HAZUS-MH MR4 technical manual[R]. Washington, DC: Federal Emergency Management Agency, 2003.

[2]YEH C H, LOH C H, TSAI K C. Overview of Taiwan earthquake loss estimation system[J]. Natural Hazards, 2006, 37(1/2): 23-37.

[3]陳洪富, 孫柏濤, 陳相兆, 等. HAZ-China地震災害損失評估系統(tǒng)研究[J]. 土木工程學報, 2013, 46(S2): 294-300.CHEN Hongfu, SUN Baitao, CHEN Xiangzhao, et al. HAZ-China earthquake disaster loss estimation system[J]. China Civil Engineering Journal, 2013, 46(S2): 294-300.

[4]齊文華, 蘇桂武, 張素靈, 等. 城市化過程中房屋地震災害脆弱性和損失風險變化研究——以唐山市區(qū)及城鄉(xiāng)過渡鄉(xiāng)鎮(zhèn)為例[J]. 地震地質(zhì), 2012, 34(4): 820-834.QI Wenhua, SU Guiwu, ZHANG Suling, et al. Study on the changes of vulnerability and loss risk of buildings from seismic disaster in the process of urbanization——a case study of Tangshan area[J]. Seismology and Geology, 2012, 34(4): 820-834.

[5]NESBIT S, STANO J, ATWATER J W, et al. Cascading water: combining GIS and system analysis to maximize water reuse[J]. Canadian Journal of Civil Engineering, 2012, 39(12): 1321-1327.

[6]KANCHANABHAN T E, MOHAIDEEN J A. Using GIS in solid waste management planning for tambaram municipality in Southhennai[J]. Journal of the Institution of Engineers, 2010, 3: 37-44.

[7]張新秀, 程耀東, 張志華. 基于GIS的城區(qū)急救中心空間分布合理性評價研究[J]. 應用科技, 2014, 41(1): 43-47.ZHANG Xinxiu, CHENG Yaodong, ZHANG Zhihua. GIS-based spatial distribution rationality evaluation of city emergency centers[J]. Applied Science and Technology, 2014, 41(1): 43-47.

[8]ALEXANDER J, MERCKEL J, UPTHEGROVE K, et al. Mobile GIS technologies[C]//Computing in Civil Engineering. New York, USA, 1994: 1623-1630.

[9]熊俊楠, 韋方強, 蘇鵬程, 等. 基于多源數(shù)據(jù)的四川省GDP公里格網(wǎng)化研究[J]. 應用基礎與工程科學學報, 2013, 21(2): 317-327.XIONG Junnan, WEI Fangqiang, SU Chengpeng, et al. Research on GDP spatialization approach of Sichuan province supported by multi-source data[J]. Journal of Basic Science and Engineering, 2013, 21(2): 317-327.

[10]KOZAKO M, OHTSUKA S, KANEKO S, et al. Development of identification system for location of a free metallic particle in GIS based on analysis of lamb waves[J]. IEEJ Transactions on Power and Energy, 2007, 127(2): 389-396.

[11]CAMP C V, BROWN M C. GIS procedure for developing three-dimensional subsurface profile[J]. Journal of Computing in Civil Engineering, 1993, 7(3): 296-309.

[12]楊曉峰, 李偉, 孫明明, 等. 基于文本聚類的網(wǎng)絡攻擊檢測方法[J]. 智能系統(tǒng)學報, 2014, 9(1): 40-46.YANG Xiaofeng, LI Wei, SUN Mingming, et al. Web attack detection method on the basis of text clustering[J]. CAAI Transactions on Intelligent Systems, 2014, 9(1): 40-46.

Use of a multi-indicator system to construct

kilometer grid-based urban and rural classification model

YU Delong1, SUN Baitao2, YAN Peilei2

(1.College of Aerospace and Civil Engineering, Harbin Engineering University, Harbin 150001, China; 2. Key Laboratory of

Earthquake Engineering and Engineering Vibration, Institute of Engineering Mechanics, China Earthquake Administration, Harbin 150080, China)

Abstract：In order to reflect the difference in level and space of hazard affected body in urban and rural zones during the occurring of natural disaster, this paper constructs a urban and rural classification kilometer grid model. Based on various factors influencing the hazard affected body, a multi-index system forming a hierarchical model of urban and rural zones was built. Using the method of cluster analysis based on index system, boundary lines between different levels of urban and rural areas were drawn and a kilometer grid-based urban and rural classification was implemented. Using the classification results for Heilongjiang Province, a statistical analysis was conducted for verification. At the same time, a remote sensing map and the classification results were compared to further ensure accuracy of the results. The urban and rural classification model given in this paper helps to accurately implement predictive evaluation before disasters, rapid rescue during disasters, and loss evaluation after disasters.

Keywords：urban and rural classification model; multi-indicator system; clustering analysis; kilometer grid; remote sensing maps

通信作者：于德龍,E-mail:yudelong99@hotmail.com.

作者簡介：于德龍(1988-), 男, 博士研究生；

基金項目：國家科技支撐計劃課題資助項目(2015BAK17B06);地震行業(yè)科研專項基金資助項目(201508026) .

收稿日期：2015-07-22.網(wǎng)絡出版日期：2015-11-16.

中圖分類號：X43; P954;P208

文獻標志碼：A

文章編號：1006-7043(2015)12-1584-07

doi:10.11990/jheu.201507070