羅紫元，田 健，丁鍶湲，王 寧,2，曾 堅(jiān)

(1.天津大學(xué) 建筑學(xué)院，天津 300072； 2.廈門(mén)市城市規(guī)劃設(shè)計(jì)研究院，福建 廈門(mén) 361012)

降雨產(chǎn)生的洪澇災(zāi)害是城市環(huán)境中最常見(jiàn)、最具破壞性的自然災(zāi)害之一，對(duì)居民生活和財(cái)產(chǎn)構(gòu)成多方面威脅。有效繪制災(zāi)害風(fēng)險(xiǎn)圖，能夠?yàn)榫珳?zhǔn)施策、減輕災(zāi)害風(fēng)險(xiǎn)提供依據(jù)[1]。

參考聯(lián)合國(guó)國(guó)際減災(zāi)戰(zhàn)略(UNISDR)的災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)模型[2-4](式1)對(duì)城市雨洪災(zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估。

Risk=H×V×E。

(1)

式中：H、V、E分別指代風(fēng)險(xiǎn)評(píng)估的三個(gè)維度，H代表災(zāi)害危險(xiǎn)性[5]，即在誘發(fā)因素作用下產(chǎn)生雨洪災(zāi)害的可能性；V代表城市系統(tǒng)的應(yīng)災(zāi)脆弱性[6]，即城市物質(zhì)環(huán)境和社會(huì)經(jīng)濟(jì)面對(duì)雨洪災(zāi)害影響的固有敏感性；E表示風(fēng)險(xiǎn)暴露度[6]，即系統(tǒng)暴露在雨洪災(zāi)害下引發(fā)生命財(cái)產(chǎn)損失的程度。

以往研究多采用多準(zhǔn)則評(píng)價(jià)的方法對(duì)雨洪災(zāi)害風(fēng)險(xiǎn)的各維度影響因子進(jìn)行賦權(quán)，進(jìn)而通過(guò)GIS疊加計(jì)算研究區(qū)的整體災(zāi)害風(fēng)險(xiǎn)[7-8]。應(yīng)災(zāi)脆弱性和風(fēng)險(xiǎn)暴露度的影響因子選取多集中在風(fēng)險(xiǎn)源空間分布、救援疏散能力和人口經(jīng)濟(jì)分布等方面。但災(zāi)害危險(xiǎn)性涉及的影響因子復(fù)雜，較難確定各項(xiàng)因子的實(shí)際貢獻(xiàn)，很大程度上影響著災(zāi)害危險(xiǎn)性的評(píng)價(jià)準(zhǔn)確性。此外，雨洪災(zāi)害危險(xiǎn)性的評(píng)價(jià)與雨洪淹沒(méi)數(shù)據(jù)最直接相關(guān)，而所用雨洪災(zāi)害數(shù)據(jù)的全面性和準(zhǔn)確性仍有待提升，以上兩方面都意味著災(zāi)害危險(xiǎn)性的評(píng)價(jià)精度仍有進(jìn)一步提升的空間。近年來(lái)，邏輯回歸[1]、隨機(jī)森林[9]、粒子群和支持向量機(jī)[10]等機(jī)器學(xué)習(xí)方法在城市暴雨洪澇災(zāi)害危險(xiǎn)性和易感性等評(píng)價(jià)中得到大量應(yīng)用，其通過(guò)直接建立影響因子與洪澇發(fā)生可能性之間的關(guān)系，避免主觀因素的影響，提高模擬評(píng)價(jià)的準(zhǔn)確性。

因此，本研究在以往多準(zhǔn)則評(píng)價(jià)的基礎(chǔ)上，采用了一種機(jī)器學(xué)習(xí)與GIS多準(zhǔn)則決策相結(jié)合的雨洪風(fēng)險(xiǎn)評(píng)估方法，以熵權(quán)TOPSIS模型評(píng)估廈門(mén)市的雨洪應(yīng)災(zāi)脆弱性和風(fēng)險(xiǎn)暴露度，以神經(jīng)網(wǎng)絡(luò)模型模擬評(píng)價(jià)災(zāi)害危險(xiǎn)性，最終實(shí)現(xiàn)對(duì)廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)的評(píng)估。其中主要對(duì)雨洪淹沒(méi)數(shù)據(jù)的獲取和雨洪災(zāi)害危險(xiǎn)性影響因子的篩選進(jìn)行了創(chuàng)新。

1 研究區(qū)與數(shù)據(jù)來(lái)源

1.1 研究區(qū)

廈門(mén)市位于福建省東南沿海，是廈漳泉閩三角城市群的中心城市，市轄思明區(qū)、湖里區(qū)、海滄區(qū)、集美區(qū)、同安區(qū)和翔安區(qū)6個(gè)城區(qū)(圖1)。2000年以來(lái)，廈門(mén)市社會(huì)經(jīng)濟(jì)活動(dòng)高速發(fā)展、城鎮(zhèn)建設(shè)及人口高密度聚集，截至2020年全市排水管道長(zhǎng)度已達(dá)到4 427.7 km，基本實(shí)現(xiàn)全覆蓋。但面對(duì)越來(lái)越難以預(yù)測(cè)的雨洪災(zāi)害，城市仍存在排水系統(tǒng)壓力過(guò)載等沿海地區(qū)典型的城市問(wèn)題，部分城區(qū)受到風(fēng)暴潮、洪水、內(nèi)澇積水的嚴(yán)重威脅。

圖1 研究區(qū)所在區(qū)位示意圖(該圖基于中國(guó)標(biāo)準(zhǔn)地圖(GS(2021)6026號(hào))和福建省標(biāo)準(zhǔn)地圖(GS(2017)1268號(hào))繪制，底圖無(wú)修改，下同)

1.2 數(shù)據(jù)來(lái)源

1.2.1 雨洪淹沒(méi)數(shù)據(jù)

雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性很大程度上受到雨洪淹沒(méi)數(shù)據(jù)的影響。以往研究中常采用歷史洪澇信息[11]、無(wú)源淹沒(méi)算法[12]、水文水力計(jì)算[13]或遙感影像解譯[14]的方式獲取雨洪淹沒(méi)信息，開(kāi)展災(zāi)害危險(xiǎn)性模擬評(píng)價(jià)，而這些方法一定程度上受到數(shù)據(jù)的影響和限制。在實(shí)際雨洪過(guò)程中，淹沒(méi)往往以面的形式存在，但歷史洪澇信息僅以坐標(biāo)點(diǎn)的形式記錄各雨洪淹沒(méi)面的質(zhì)心[11]。此外，受觀測(cè)點(diǎn)和數(shù)據(jù)完整性等方面影響，較難確定其他地點(diǎn)是否存在雨洪淹沒(méi)，也就意味著歷史洪澇信息中存在大量被省略和未統(tǒng)計(jì)的淹沒(méi)點(diǎn)，較難完整全面地表達(dá)實(shí)際災(zāi)情。無(wú)源淹沒(méi)算法僅考慮降雨導(dǎo)致的水位上漲，而不考慮地表徑流的流動(dòng)情況和城市排水系統(tǒng)的作用，計(jì)算得到的淹沒(méi)范圍往往與實(shí)際存在一定差距。同時(shí)，無(wú)源淹沒(méi)算法的輸入數(shù)據(jù)與DEM、坡度、坡向等常用的影響因子存在較高的同源性，較難反映真實(shí)的雨洪淹沒(méi)情況。水文水力計(jì)算的結(jié)果通常具有較高的準(zhǔn)確率，但其對(duì)水文和管線(xiàn)數(shù)據(jù)要求較高[10]。這些數(shù)據(jù)的獲取存在一定難度，因此較少能夠在研究中普遍運(yùn)用。遙感影像解譯為獲取實(shí)際雨洪淹沒(méi)范圍提供了經(jīng)濟(jì)、便捷的方式，其誤差主要來(lái)源于水體識(shí)別過(guò)程中水體懸浮物、植被、山體陰影等產(chǎn)生的干擾。此外，未排除河流湖泊等永久性水體也會(huì)導(dǎo)致模型擬合度異常增高。

綜上，研究以衛(wèi)星遙感影像獲取廈門(mén)市多年期(2010—2020年)的雨季(4—9月，包括梅雨季和臺(tái)風(fēng)雨季)遙感影像[15]，經(jīng)過(guò)解譯并剔除常水位的永久性水體后，鑲嵌形成廈門(mén)市雨洪淹沒(méi)范圍。研究一方面選取解譯準(zhǔn)確度較高的影像結(jié)果，另一方面從鑲嵌的雨洪淹沒(méi)范圍中剔除淹沒(méi)頻次小于3次的斑塊，以減少遙感解譯誤差可能帶來(lái)的影響。這雖然可能帶來(lái)一定淹沒(méi)范圍的損失，但同時(shí)也能夠排除其他因素導(dǎo)致的偶然性淹沒(méi)。研究以淹沒(méi)頻次作為災(zāi)害危險(xiǎn)性的劃分標(biāo)準(zhǔn)，淹沒(méi)頻次越高意味著發(fā)生雨洪災(zāi)害的可能性越高，雨洪災(zāi)害的危險(xiǎn)性相應(yīng)增加。將淹沒(méi)頻次3次以上的斑塊，以自然間斷點(diǎn)分級(jí)法分為從Ⅰ級(jí)偶發(fā)到Ⅴ級(jí)頻發(fā)的5類(lèi)。統(tǒng)計(jì)結(jié)果表明，Ⅰ級(jí)偶發(fā)型淹沒(méi)是廈門(mén)市雨洪災(zāi)害淹沒(méi)范圍的主體，占比65.9%，而Ⅲ、Ⅳ、Ⅴ級(jí)較多發(fā)區(qū)域占比14.5%。對(duì)非淹沒(méi)區(qū)和Ⅰ～Ⅴ級(jí)雨洪淹沒(méi)區(qū)隨機(jī)采取300個(gè)采樣點(diǎn)用于機(jī)器學(xué)習(xí)模型訓(xùn)練模擬，其中隨機(jī)選取70%的采樣點(diǎn)作為訓(xùn)練集，用于模型訓(xùn)練驗(yàn)證，另30%作為測(cè)試集，用于模型測(cè)試。

1.2.2 雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

根據(jù)公式(1)，選取評(píng)價(jià)脆弱性、暴露度和危險(xiǎn)性的指標(biāo)因子(表1)。表1中匯總整理了既有研究中涉及的雨洪災(zāi)害危險(xiǎn)性指標(biāo)因子，但指標(biāo)因子種類(lèi)繁多，因子自相關(guān)等潛在問(wèn)題對(duì)機(jī)器學(xué)習(xí)準(zhǔn)確模擬雨洪災(zāi)害危險(xiǎn)性存在較大影響。較少有研究在機(jī)器學(xué)習(xí)模擬前開(kāi)展因子篩選[16]，減輕模型的冗余和過(guò)擬合等問(wèn)題[17-18]。因此研究在機(jī)器學(xué)習(xí)模擬雨洪災(zāi)害危險(xiǎn)性前，通過(guò)統(tǒng)計(jì)學(xué)和隨機(jī)森林算法等篩選適合研究區(qū)的雨洪災(zāi)害危險(xiǎn)性指標(biāo)因子。

脆弱性是承災(zāi)體的內(nèi)在屬性，由影響人類(lèi)社會(huì)面對(duì)災(zāi)害敏感性的自然生態(tài)和社會(huì)經(jīng)濟(jì)兩個(gè)方面要素決定(圖2)。自然生態(tài)系統(tǒng)中，城市受雨洪災(zāi)害的影響與水系河網(wǎng)的分布密切相關(guān)，河網(wǎng)密度越高，與水體間的距離越小，用地受到雨洪災(zāi)害影響的可能性越大。社會(huì)經(jīng)濟(jì)系統(tǒng)中，城市的應(yīng)災(zāi)脆弱性與城市應(yīng)災(zāi)疏散能力的強(qiáng)弱有關(guān)，道路密度高、距離道路距離近的地區(qū)具有更好的應(yīng)災(zāi)疏散能力，面對(duì)雨洪災(zāi)害的脆弱性相對(duì)更小。

雨洪災(zāi)害風(fēng)險(xiǎn)的暴露度與承災(zāi)體的人員、資源、生計(jì)、環(huán)境服務(wù)以及經(jīng)濟(jì)、社會(huì)和文化資產(chǎn)的狀況有關(guān)。自然生態(tài)系統(tǒng)的價(jià)值損失可以表征為生態(tài)系統(tǒng)提供生態(tài)服務(wù)價(jià)值的降低。結(jié)合暴雨洪澇災(zāi)害的影響特征，研究選取生態(tài)系統(tǒng)服務(wù)價(jià)值中的氣候調(diào)節(jié)、水文調(diào)節(jié)、土壤保持和生物多樣性作為暴露度評(píng)價(jià)的指標(biāo)因子。社會(huì)經(jīng)濟(jì)系統(tǒng)產(chǎn)生的災(zāi)損與人口集聚、開(kāi)發(fā)建設(shè)密度、經(jīng)濟(jì)發(fā)展水平等密切相關(guān)，研究選取人口密度、經(jīng)濟(jì)水平(GDP)、夜間燈光指數(shù)、農(nóng)業(yè)生產(chǎn)價(jià)值、美學(xué)景觀價(jià)值作為反映城市社會(huì)經(jīng)濟(jì)狀況的指標(biāo)(圖3)。

表1 廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

圖2 廈門(mén)市雨洪災(zāi)害應(yīng)災(zāi)脆弱性評(píng)價(jià)指標(biāo)因子

圖3 廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)暴露度評(píng)價(jià)指標(biāo)因子

2 研究方法

2.1 基于熵權(quán)TOPSIS方法的雨洪應(yīng)災(zāi)脆弱性和風(fēng)險(xiǎn)暴露度評(píng)價(jià)

本研究整合多準(zhǔn)則決策分析中的熵權(quán)法和TOPSIS法對(duì)城市雨洪災(zāi)害的脆弱性和暴露度進(jìn)行評(píng)估。熵權(quán)法根據(jù)指標(biāo)自身的數(shù)據(jù)離散程度確定權(quán)重，是一種相對(duì)客觀的賦權(quán)方法[21]，數(shù)據(jù)離散程度大的指標(biāo)能夠提供相對(duì)較多的信息，從而影響綜合評(píng)價(jià)結(jié)果，因而被賦予更大的權(quán)重。TOPSIS法從一系列方案中選取解決方案，使所選方案與正理想解的距離最小，與負(fù)理想解的距離最大[22]。以熵權(quán)法確定各因子權(quán)重，繼而將指標(biāo)因子與權(quán)重的乘積作為新的數(shù)據(jù)，通過(guò)TOPSIS模型度量新數(shù)據(jù)中各指標(biāo)值與最優(yōu)解間的距離，從而按距離進(jìn)行綜合排序，其相較于傳統(tǒng)TOPSIS法更為客觀[22]。研究通過(guò)以下步驟實(shí)現(xiàn)熵權(quán)TOPSIS方法：

(1)數(shù)據(jù)標(biāo)準(zhǔn)化。根據(jù)測(cè)度對(duì)象涵蓋的m個(gè)類(lèi)別和n項(xiàng)指標(biāo)因子建立評(píng)價(jià)系統(tǒng)的原始數(shù)據(jù)矩陣(式2)。通過(guò)極差標(biāo)準(zhǔn)化法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理(式3)。

(2)

(3)

(2)熵權(quán)法確定指標(biāo)因子權(quán)重。根據(jù)數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)果，采用式(4)計(jì)算第i個(gè)類(lèi)別中第j項(xiàng)指標(biāo)的比重Yij，按式(5)至式(7)計(jì)算第j項(xiàng)指標(biāo)的信息熵Ej和信息冗余度dj，從而計(jì)算指標(biāo)權(quán)重ωj(式8)。

(4)

(5)

(6)

dj=1-Ej;

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

2.2 基于機(jī)器學(xué)習(xí)方法的雨洪災(zāi)害危險(xiǎn)性評(píng)價(jià)

研究首先通過(guò)多重共線(xiàn)性分析、地理探測(cè)器和隨機(jī)森林算法篩選雨洪災(zāi)害危險(xiǎn)性指標(biāo)因子，隨后采用3種常用的機(jī)器學(xué)習(xí)方法進(jìn)行模型訓(xùn)練，從中選取效果最優(yōu)的機(jī)器學(xué)習(xí)方法模擬雨洪災(zāi)害危險(xiǎn)性。

2.2.1 基于多重共線(xiàn)性分析篩選指標(biāo)因子

多重共線(xiàn)性是一種統(tǒng)計(jì)學(xué)指標(biāo)，意味著模型中的某些解釋變量以線(xiàn)性形式高度相關(guān)，從而可能導(dǎo)致模型估計(jì)失真[10]。通過(guò)方差膨脹因子 (VIF)和容忍值(TOL)分析多重共線(xiàn)性強(qiáng)度，剔除存在強(qiáng)自相關(guān)的因子能夠提高模型的計(jì)算能力。理論上，當(dāng)VIF>10或TOL<0.1表示因子中存在多重共線(xiàn)性問(wèn)題[23]。表2中顯示了剔除高度自相關(guān)因子后的多重共線(xiàn)性分析結(jié)果。

表2 剔除高自相關(guān)因子后的多重共線(xiàn)性分析結(jié)果

表3 雨洪災(zāi)害危險(xiǎn)性與所選因子間相對(duì)重要性的q、p值

2.2.2 基于地理探測(cè)器和隨機(jī)森林算法篩選指標(biāo)因子

地理探測(cè)器不需要線(xiàn)性假設(shè)即可度量變量間的統(tǒng)計(jì)關(guān)系[24]，但分析結(jié)果易受到因子多樣性、數(shù)據(jù)離散化等因素影響。隨機(jī)森林能夠處理多因子的高維數(shù)據(jù)并維持較好的準(zhǔn)確性。綜合2種方法篩選因子以提高后續(xù)機(jī)器學(xué)習(xí)模擬的運(yùn)算能力。

采用地理探測(cè)器分析雨洪災(zāi)害危險(xiǎn)性Y與表2中各指標(biāo)因子X(jué)間的相對(duì)重要性，其相對(duì)解釋程度以q值(式15)表示。其中，N表示模型單元數(shù)，σ2表示Y值的方差，A表示X分層數(shù)，q取值在0～1之間，q值越大表示因子對(duì)Y的影響越大。

(15)

采用正則化隨機(jī)森林(Regularized Random Forest,RRF)算法對(duì)雨洪災(zāi)害危險(xiǎn)性的評(píng)價(jià)指標(biāo)因子重要性進(jìn)行排序。隨機(jī)森林算法能夠通過(guò)多決策分類(lèi)樹(shù)判別輸入變量的重要性，而正則化能夠降低過(guò)擬合，其效果優(yōu)于單一分類(lèi)器[25]。

綜合地理探測(cè)器和隨機(jī)森林算法的分析結(jié)果，研究選取了表3所示的13項(xiàng)指標(biāo)因子，其隨機(jī)森林模型擬合優(yōu)度為74.3%，效果較好。

盡管土地覆蓋、降雨量等因子被證明和以往研究一樣是影響雨洪災(zāi)害危險(xiǎn)性的相對(duì)重要因素，但并非以往研究中采用的所有評(píng)價(jià)因子都對(duì)廈門(mén)市雨洪災(zāi)害危險(xiǎn)性具有較強(qiáng)的影響，如：沉積物輸送指數(shù)、平面曲率等。此外，本研究根據(jù)研究區(qū)特點(diǎn)補(bǔ)充的沿海壓力和以道路系統(tǒng)代替的排水系統(tǒng)相關(guān)指標(biāo)因子也表現(xiàn)出較高的重要性。

2.2.3 機(jī)器學(xué)習(xí)模型的選擇和開(kāi)發(fā)

在MATLAB中構(gòu)建了包括支持向量機(jī)、提升決策樹(shù)和神經(jīng)網(wǎng)絡(luò)的多種機(jī)器學(xué)習(xí)模型進(jìn)行雨洪災(zāi)害危險(xiǎn)性評(píng)估，比較其模擬效果。

(1)支持向量機(jī)。支持向量機(jī)是一種基于結(jié)構(gòu)誤差最小化原理的機(jī)器學(xué)習(xí)算法[26]，具有出色的非線(xiàn)性分區(qū)能力，是在雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)估中得到大量運(yùn)用的機(jī)器學(xué)習(xí)模型之一[17]。該算法的目的是確定一個(gè)最佳的分割超平面，對(duì)數(shù)據(jù)進(jìn)行按維度分類(lèi)，以減少泛化誤差并最大化不同類(lèi)別數(shù)據(jù)之間的差異。

(2)提升決策樹(shù)。提升決策樹(shù)通過(guò)融合決策樹(shù)算法和提升方法，以決策樹(shù)為基礎(chǔ)分類(lèi)器，將弱分類(lèi)器組合成強(qiáng)分類(lèi)器[27]。該算法在每次迭代中每一棵回歸樹(shù)以之前回歸樹(shù)的結(jié)論和殘差進(jìn)行訓(xùn)練，擬合形成當(dāng)前的殘差回歸樹(shù)，已經(jīng)被證明是一種具有高效率和低偏差的強(qiáng)大分類(lèi)模型[22,28]。

(3)神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)模型是模擬真實(shí)神經(jīng)系統(tǒng)的簡(jiǎn)單建模，廣泛用于解決各種科學(xué)問(wèn)題。其能夠在不同尺度上執(zhí)行運(yùn)算，解決高復(fù)雜性非線(xiàn)性問(wèn)題，而不需要特定的統(tǒng)計(jì)分布優(yōu)勢(shì)，已被應(yīng)用于自然災(zāi)害風(fēng)險(xiǎn)評(píng)估[12,15]。本研究根據(jù)數(shù)據(jù)特征選擇了由1個(gè)輸入層、1個(gè)隱含層和1個(gè)輸出層組成的神經(jīng)網(wǎng)絡(luò)。

3 結(jié)果分析

3.1 廈門(mén)市雨洪應(yīng)災(zāi)脆弱性

通過(guò)熵權(quán)TOPSIS法評(píng)價(jià)應(yīng)災(zāi)脆弱性，根據(jù)理想解相對(duì)貼近度繪制廈門(mén)市雨洪災(zāi)害應(yīng)災(zāi)脆弱性圖，并按照自然間斷點(diǎn)分級(jí)法分為從極低到極高的5類(lèi)(圖4)。結(jié)果表明有29.1%的用地雨洪脆弱性較高或極高，主要分布在河網(wǎng)水系附近且距離救援疏散道路較遠(yuǎn)的地區(qū)。在建成區(qū)范圍內(nèi)，海滄區(qū)貞岱、浦邊等村莊、集美區(qū)大東山附近以及翔安區(qū)馬巷鎮(zhèn)表現(xiàn)出較高的應(yīng)災(zāi)脆弱性，廈門(mén)島的雨洪脆弱性較低。

圖4 廈門(mén)市雨洪災(zāi)害應(yīng)災(zāi)脆弱性圖

3.2 廈門(mén)市雨洪風(fēng)險(xiǎn)暴露度

同理繪制廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)暴露度圖，并按自然間斷點(diǎn)分為從極低到極高的5類(lèi)(圖5)，廈門(mén)市雨洪暴露度的高值區(qū)占比38.9%，主要集中在市域東部的同安區(qū)和翔安區(qū)。

圖5 廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)暴露度圖

3.3 廈門(mén)市雨洪災(zāi)害危險(xiǎn)性

以擬合優(yōu)度R2作為判別機(jī)器學(xué)習(xí)績(jī)效的指標(biāo)，R2越接近1表示模型擬合效果越好。支持向量機(jī)、提升決策樹(shù)和神經(jīng)網(wǎng)絡(luò)模型的R2依次為0.63，0.68和0.71。結(jié)果表明：神經(jīng)網(wǎng)絡(luò)模型在模擬預(yù)測(cè)廈門(mén)市雨洪災(zāi)害危險(xiǎn)性上具有較好的表現(xiàn)。

根據(jù)經(jīng)驗(yàn)公式和實(shí)際模擬效果，采用神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建指標(biāo)輸入層節(jié)點(diǎn)數(shù)為13，隱含層節(jié)點(diǎn)數(shù)為17，評(píng)價(jià)輸出層節(jié)點(diǎn)數(shù)為6的單隱含層神經(jīng)網(wǎng)絡(luò)，設(shè)置最大迭代次數(shù)為1 000，采用Sigmoid激活函數(shù)和貝葉斯正則化算法對(duì)模型進(jìn)行訓(xùn)練和測(cè)試。訓(xùn)練和測(cè)試集準(zhǔn)確率分別為0.906，0.825，模型總準(zhǔn)確率達(dá)到0.885，表明該模型能夠捕獲指標(biāo)因子與災(zāi)害危險(xiǎn)性之間的關(guān)聯(lián)，網(wǎng)絡(luò)辨識(shí)精度較高。

根據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，計(jì)算廈門(mén)市當(dāng)前雨洪災(zāi)害危險(xiǎn)性作為模型的輸出。繪制廈門(mén)市雨洪災(zāi)害危險(xiǎn)性圖，采用自然間斷點(diǎn)分級(jí)法將危險(xiǎn)性分為圖6所示的5類(lèi)。廈門(mén)市雨洪災(zāi)害危險(xiǎn)性較高區(qū)域主要分布在河流及海岸沿線(xiàn)，如海滄區(qū)嵩嶼街道、集美區(qū)集美街道、同安區(qū)大同鎮(zhèn)、西柯街道、翔安區(qū)前浯村、新店鎮(zhèn)等，其中，同安區(qū)及翔安區(qū)的雨洪災(zāi)害危險(xiǎn)性明顯高于其他城區(qū)。對(duì)于廈門(mén)島內(nèi)地區(qū)，思明區(qū)湖濱南片區(qū)、廈港街道、沙坡尾和湖里區(qū)五緣灣片區(qū)、金山街道發(fā)生雨洪淹沒(méi)的可能性較高，與實(shí)際的城市洪澇情況較一致。這些區(qū)域不僅距離水體等風(fēng)險(xiǎn)源較近，且地形相對(duì)平坦、建筑物密集、地表不透水率較高，導(dǎo)致排水能力較弱。極低易感地區(qū)主要分布在海拔較高、地表透水性較好的林草地和耕地處。此外，馬鑾灣、杏林灣等水體濕地也表現(xiàn)出較低的雨洪災(zāi)害危險(xiǎn)性，并且隨著水體向岸線(xiàn)逐漸過(guò)渡，受降雨匯流等導(dǎo)致水深增加等影響，雨洪淹沒(méi)的危險(xiǎn)性增加。結(jié)果表明：本研究中以淹沒(méi)頻次劃分的雨洪淹沒(méi)數(shù)據(jù)能夠保證較高的模型擬合優(yōu)度，并在避免將既有水體錯(cuò)誤識(shí)別為高危險(xiǎn)區(qū)的基礎(chǔ)上，較準(zhǔn)確的將水體附近的易淹沒(méi)區(qū)劃分為風(fēng)險(xiǎn)區(qū)域，從而取得較貼合實(shí)際的災(zāi)害危險(xiǎn)性評(píng)價(jià)結(jié)果。

圖6 廈門(mén)市雨洪災(zāi)害危險(xiǎn)性圖

3.4 廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)

根據(jù)式(1)中的風(fēng)險(xiǎn)評(píng)價(jià)模型進(jìn)行廈門(mén)市的雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)制圖(圖7)。結(jié)果表明，廈門(mén)市大部分地區(qū)雨洪災(zāi)害風(fēng)險(xiǎn)較低，占比56.7%，雨洪災(zāi)害風(fēng)險(xiǎn)較高的區(qū)域占比5.9%，主要分布在同安區(qū)和翔安區(qū)，少量分布在集美區(qū)和思明區(qū)，其中有1.8%的地區(qū)雨洪災(zāi)害風(fēng)險(xiǎn)極高，分布在同安區(qū)祥平街道、西柯街道及翔安區(qū)馬巷鎮(zhèn)和新店鎮(zhèn)。

圖7 廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)圖

4 結(jié)論與討論

4.1 結(jié)論

研究采用熵權(quán)TOPSIS與神經(jīng)網(wǎng)絡(luò)構(gòu)建的復(fù)合模型評(píng)估廈門(mén)市雨洪災(zāi)害風(fēng)險(xiǎn)，其中以熵權(quán)TOPSIS法評(píng)估廈門(mén)市面對(duì)雨洪災(zāi)害的應(yīng)災(zāi)脆弱性和風(fēng)險(xiǎn)暴露度，以神經(jīng)網(wǎng)絡(luò)模型模擬評(píng)價(jià)災(zāi)害危險(xiǎn)性。

(1)通過(guò)多重共線(xiàn)性檢驗(yàn)、地理探測(cè)器和正則化隨機(jī)森林算法可以篩選具有研究區(qū)針對(duì)性的危險(xiǎn)性指標(biāo)因子，除土地覆被和降雨量等因子外，本研究采用的沿海壓力和排水系統(tǒng)相關(guān)指標(biāo)因子也表現(xiàn)出較高的重要性。沿海城市有必要考慮將沿海壓力納入雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，排水管網(wǎng)高度普及的城市可以根據(jù)指標(biāo)實(shí)際情況，將道路系統(tǒng)作為排水系統(tǒng)的數(shù)據(jù)替代。

(2)神經(jīng)網(wǎng)絡(luò)模型在本研究的災(zāi)害危險(xiǎn)性評(píng)價(jià)中表現(xiàn)出最優(yōu)的訓(xùn)練精度(0.885)，基于多年期雨季淹沒(méi)頻次的雨洪淹沒(méi)圖在取得符合實(shí)際的評(píng)價(jià)結(jié)果同時(shí)能夠保證較高的擬合優(yōu)度。

(3)河道附近和遠(yuǎn)離道路的用地應(yīng)災(zāi)脆弱性較高，占全市用地的29.1%。同安區(qū)和翔安區(qū)的用地風(fēng)險(xiǎn)暴露度較高，占比38.9%。廈門(mén)市56.7%的區(qū)域處于低雨洪風(fēng)險(xiǎn)，5.9%的區(qū)域雨洪風(fēng)險(xiǎn)較高，其中1.8%的用地面臨極高風(fēng)險(xiǎn)，分布在同安區(qū)祥平街道、西柯街道及翔安區(qū)馬巷鎮(zhèn)和新店鎮(zhèn)。

本研究對(duì)雨洪災(zāi)害風(fēng)險(xiǎn)的評(píng)價(jià)可以作為雨洪災(zāi)害管理的第一步，為高風(fēng)險(xiǎn)區(qū)的識(shí)別與施策提供支持。

4.2 討論

(1)本研究在整理常用的雨洪災(zāi)害危險(xiǎn)性評(píng)價(jià)因子的基礎(chǔ)上，結(jié)合研究區(qū)特點(diǎn)加入沿海壓力因子，并通過(guò)多重共線(xiàn)性檢驗(yàn)、地理探測(cè)器和正則化隨機(jī)森林算法開(kāi)展指標(biāo)篩選，相比以往研究中根據(jù)經(jīng)驗(yàn)選取評(píng)價(jià)因子一定程度上提高了科學(xué)性。

(2)本研究根據(jù)解譯的多年期雨季遙感影像獲取雨洪淹沒(méi)數(shù)據(jù)，并按淹沒(méi)頻次制作了雨洪淹沒(méi)圖，在一定程度上規(guī)避了歷史洪澇信息、無(wú)源淹沒(méi)算法和水文水力計(jì)算中存在的數(shù)據(jù)局限，但本研究的雨洪淹沒(méi)圖也存在自身不足。一方面，受衛(wèi)星重訪(fǎng)周期限制，研究所獲遙感影像的時(shí)期并不一定是處于最大淹沒(méi)范圍的時(shí)期，解譯也只能取得淹沒(méi)面積，而無(wú)法獲取淹沒(méi)時(shí)長(zhǎng)信息。另一方面，雨洪淹沒(méi)范圍隨時(shí)間推移和城市雨洪管理也呈現(xiàn)一定變化，而多年期遙感影像疊加獲取的淹沒(méi)范圍弱化了這種動(dòng)態(tài)性。

(3)由于目前對(duì)應(yīng)災(zāi)脆弱性和風(fēng)險(xiǎn)暴露度評(píng)價(jià)結(jié)果尚沒(méi)有公認(rèn)的檢驗(yàn)方法，本研究?jī)H能夠?qū)τ旰闉?zāi)害危險(xiǎn)性采用機(jī)器學(xué)習(xí)方法進(jìn)行模擬和檢驗(yàn)，仍沿用多準(zhǔn)則評(píng)價(jià)的方式評(píng)價(jià)應(yīng)災(zāi)脆弱性和風(fēng)險(xiǎn)暴露度。