夏曉琢,鄒嘉琪,金光日,權(quán)赫春*,林哲浩
(1.延邊大學(xué) 地理與海洋科學(xué)學(xué)院,;2.延邊大學(xué) 工學(xué)院:吉林 延吉 133002 )
洪水災(zāi)害主要是指由于大氣降水的不規(guī)則運(yùn)動(dòng)所引起的洪水給人類正常生活、生產(chǎn)活動(dòng)帶來的損失與禍患,具有復(fù)雜性、不確定性、高維性、動(dòng)態(tài)性、開放性和非線性等特點(diǎn)[1-2]。近年來,GIS(Geographical Information System)技術(shù)的發(fā)展為洪水災(zāi)害提供了數(shù)據(jù)管理工具、空間分析功能以及直觀的表現(xiàn)手段,使得洪水災(zāi)害研究有了新的突破[3],對(duì)于洪水災(zāi)害預(yù)測(cè)的方法也逐漸增多。
盡管我國洪水災(zāi)害研究相較于國外要晚些,但近年來國內(nèi)也涌現(xiàn)了諸多學(xué)者采用多種不同方法對(duì)洪水災(zāi)害的危險(xiǎn)性進(jìn)行評(píng)價(jià)。如2000年周成虎等[4]在層次分析法計(jì)算下以降雨、地形和社會(huì)經(jīng)濟(jì)易損性為主要指標(biāo),劃分遼河流域?yàn)楹樗疄?zāi)害危險(xiǎn)區(qū);2013年殷潔等[5]基于災(zāi)害系統(tǒng)學(xué),運(yùn)用層次分析法(Analytic Hierarchy Process,AHP),構(gòu)建了武陵山區(qū)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系;2017年劉鑫等[6]以伊犁河流域?yàn)檠芯繉?duì)象,運(yùn)用信息量法和GIS空間分析對(duì)該區(qū)春季融雪型洪水危險(xiǎn)性進(jìn)行評(píng)價(jià)等。2021年,Li 等[7]考慮坐標(biāo)、高程、坡度、不透水性、土地利用、土地覆蓋、土壤類型等因素,利用樸素貝葉斯、感知器、人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法,生成洪水危險(xiǎn)性圖。2021年Islama等[8]運(yùn)用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)、支持向量機(jī)、隨機(jī)森林、隨機(jī)子空間(Random subspace method,RSM)模型等進(jìn)行組合,分別預(yù)測(cè)孟加拉國北部提斯塔河流域的洪水危險(xiǎn)性,并通過實(shí)測(cè)數(shù)據(jù)驗(yàn)證比較每種模型的精度。
綜上所述,對(duì)于不同的評(píng)價(jià)方法和不同的災(zāi)害影響因子的選擇會(huì)導(dǎo)致危險(xiǎn)性評(píng)價(jià)精度的不同。為有效提高圖們江流域洪水災(zāi)害的危險(xiǎn)性評(píng)價(jià)精度,該研究基于3種不同方法和災(zāi)害影響因子設(shè)計(jì)了基于GIS的洪水災(zāi)害危險(xiǎn)性判別試驗(yàn)。具體包括洪水災(zāi)害因子的選取、模型的構(gòu)建及危險(xiǎn)性評(píng)價(jià)、模型精度驗(yàn)證及對(duì)比分析和洪水災(zāi)害危險(xiǎn)性區(qū)劃制圖等。
圖們江流域位于中、朝、俄3國邊境交界處。南邊以圖們江為界,與朝鮮隔江相望,東部與俄羅斯接壤,地理坐標(biāo)為41°59′N~44°30′N、127°27′E~131°18′E(圖1)??偭饔蛎娣e33 168 km2,河道總落差1 297 m,平均坡降1.2‰。根據(jù)2015年年平均氣溫和降雨量數(shù)據(jù)顯示,圖們江流域內(nèi)年平均氣溫為攝氏2°~6°,年平均降雨量為551~700 mm。圖們江流域內(nèi)河網(wǎng)水系的分布十分密集,地形起伏大,因此,一旦受強(qiáng)降雨就會(huì)發(fā)生嚴(yán)重的洪水災(zāi)害。為有效評(píng)價(jià)圖們江流域洪水災(zāi)害危險(xiǎn)性,該研究設(shè)計(jì)了圖們江流域洪水災(zāi)害危險(xiǎn)性進(jìn)行評(píng)價(jià)的試驗(yàn)研究,并根據(jù)評(píng)價(jià)結(jié)果,為當(dāng)?shù)胤罏?zāi)減災(zāi)提供一定的依據(jù)和參考。
圖1 研究區(qū)域
圖們江流域?yàn)檠芯繀^(qū)域(圖1),基于GIS技術(shù),利用層次分析法、信息量法和隨機(jī)森林機(jī)器算法3種模型對(duì)研究區(qū)內(nèi)洪水災(zāi)害危險(xiǎn)性進(jìn)行評(píng)價(jià)。試驗(yàn)主要包括以下幾個(gè)方面:1) 選取洪水災(zāi)害危險(xiǎn)性評(píng)價(jià)因子并進(jìn)行量化和歸一化處理;2) 構(gòu)建基于層次分析法、信息量法和隨機(jī)森林算法下圖們江流域洪水災(zāi)害危險(xiǎn)性評(píng)價(jià)模型;3) 分別對(duì)各模型計(jì)算下的危險(xiǎn)性進(jìn)行評(píng)價(jià);4) 根據(jù)災(zāi)害點(diǎn)分布情況對(duì)3種模型危險(xiǎn)性預(yù)測(cè)結(jié)果進(jìn)行精度對(duì)比分析和評(píng)價(jià),并繪制研究區(qū)內(nèi)洪水災(zāi)害危險(xiǎn)性區(qū)劃圖(圖2)。
圖2 試驗(yàn)流程圖Fig.2 Experimental flow chart
通過參考以往學(xué)者對(duì)圖們江流域洪水災(zāi)害方面的研究和近年來實(shí)際受災(zāi)情況分析,該研究從多個(gè)方面分別選擇了8個(gè)因子進(jìn)行研究,包括地形地貌因子(高程、坡度、地形起伏度)、水文因子(河流緩沖區(qū)、河網(wǎng)密度)、土地利用、土壤類型和降雨量。其中,高程和坡度圖是通過Arcmap10.2軟件和DEM數(shù)據(jù)生成,其中高程通過自然斷點(diǎn)法劃分為15~321、321~531、531~729、729~971和971~1 640 m 5個(gè)等級(jí)(圖3)。坡度同樣劃分為0°~5°、5°~12°、12°~19°、19°~28°和28°~86°等5個(gè)等級(jí)(圖4)。地形起伏度圖層由Arcmap10.2中塊統(tǒng)計(jì)功能分別計(jì)算最后再進(jìn)行差值計(jì)算生成,由計(jì)算結(jié)果可知圖們江流域內(nèi)地形起伏度范圍為0~196 m,對(duì)其進(jìn)行分級(jí)處理,劃分為0~17、17~32、32~47、47~66和66~196 m等5個(gè)等級(jí)(圖5)。由于圖們江流域內(nèi)水系眾多,因此在河流緩沖區(qū)因子評(píng)價(jià)中使用篩選功能,將次級(jí)流域以下的分支水系進(jìn)行篩選,留下主要河流干道根據(jù)不同高程建立多環(huán)緩沖區(qū)進(jìn)行評(píng)價(jià)(表1),并作圖(圖6)。將圖們江流域所有水系分布進(jìn)行密度分析可得圖們江流域內(nèi)河網(wǎng)密度值為0~1.89 km/km2,將其劃分為0~0.39、0.39~0.61、0.61~0.83 、0.83~1.1和1.1~1.89 km/km2等5種不同等級(jí),分別為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ(圖7)。根據(jù)圖們江流域的土地利用情況圖層,可以將其分為耕地、林地、草地、濕地、水體、人造地表和裸地7種不同類型[9-10](圖8)??紤]不同土壤的性質(zhì)和發(fā)育情況,對(duì)圖們江流域內(nèi)土壤進(jìn)行劃分,分為Ⅰ(平積土、新積土)、Ⅱ(灰化土、灰粽壤、暗棕壤)、Ⅲ(沼澤土、草甸土、灰炭土)、Ⅳ(白漿土、水稻土)和Ⅴ(石灰?guī)r土、石質(zhì)土、風(fēng)化土)5類(圖9)。根據(jù)中科院發(fā)布的2011—2015年全國平均降雨量數(shù)據(jù),提取圖們江流域內(nèi)年平均降雨量,并劃分為525~557、557~579、579~599、599~619和619~653 mm等5個(gè)等級(jí)(圖10)。
表1 緩沖區(qū)各等級(jí)信息Table 1 Information of the buffer levels
圖3 高程分級(jí)圖Fig.3 Elevation Classification diagram
圖4 坡度分級(jí)圖
圖5 地形起伏度分級(jí)圖Fig.5 topographic grading map
圖6 河流緩沖區(qū)分級(jí)圖
圖7 河網(wǎng)密度分級(jí)圖Fig.7 The density classification diagram of the river network
圖8 土地利用分級(jí)圖
圖10 降雨量分級(jí)圖
3.2.1 層次分析法
層次分析法是由美國學(xué)者Saaty T L于20世紀(jì)70年代在運(yùn)籌學(xué)中提出的一種將決策有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次[11],在此基礎(chǔ)上進(jìn)行定性與定量相結(jié)合分析的決策方法。它是一種靈活而又實(shí)用的多準(zhǔn)則決策方法[12]。由于危險(xiǎn)性研究中因子數(shù)量較多(8個(gè)因子),構(gòu)造的判斷矩陣階數(shù)較高,計(jì)算權(quán)重和一致性檢驗(yàn)算數(shù)過程復(fù)雜,因此借助Matlab 2019軟件進(jìn)行計(jì)算分析。
根據(jù)對(duì)其它文獻(xiàn)[13-16]的學(xué)習(xí)和專家意見,以及洪水災(zāi)害中各因子的影響程度大小,結(jié)合圖們江流域?qū)嶋H洪水受災(zāi)情況構(gòu)造判斷矩陣,由計(jì)算結(jié)果可得地形起伏度相對(duì)權(quán)重值為0.302 7,河流緩沖區(qū)為0.219 8,河網(wǎng)密度為0.154 5,高程為0.080 3,降雨量為0.112 0,坡度為0.057 8,土地利用類型為0.039 8、土壤類型為0.028 4,并通過一致性檢驗(yàn)。根據(jù)相對(duì)權(quán)重值,構(gòu)建基于AHP的圖們江流域洪水災(zāi)害危險(xiǎn)性計(jì)算模型,即:
H=0.302 7×地形起伏度+0.219 8×河流緩沖區(qū)+0.154 5×河網(wǎng)密度+0.112 0×降雨量+0.080 03×高程+0.057 8×坡度+0.039 8×土地利用類型+0.028 4×土壤類型。
(1)
參考以往學(xué)者的經(jīng)驗(yàn)和圖們江流域?qū)嶋H洪水災(zāi)害發(fā)生情況和表2的參考值[17-18],對(duì)地形起伏度、高程、坡度由低到高5個(gè)等級(jí)分別賦9、8、7、6、5。對(duì)降雨量和河網(wǎng)密度由低到高5個(gè)等級(jí)分別賦5、6、7、8、9。考慮不同土壤類型對(duì)洪水災(zāi)害發(fā)育影響具有一定差異,對(duì)Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ類分別賦9、5、8、7、6。對(duì)河流緩沖區(qū)一級(jí)緩沖區(qū)賦9、二級(jí)緩沖區(qū)賦8、非緩沖區(qū)賦5。土地利用類型中對(duì)林地、濕地、草地、耕地和水體、人造地表、裸地分別賦5、6、7、8、9。
表2 因子權(quán)重參考值Table 2 Factor weight reference values
3.2.2 信息量法
信息量法起源于礦產(chǎn)預(yù)測(cè)技術(shù),隨著計(jì)算機(jī)技術(shù)的日益成熟和GIS技術(shù)的穩(wěn)步發(fā)展,慢慢被應(yīng)用到地質(zhì)災(zāi)害預(yù)測(cè)中[19]。在洪水災(zāi)害預(yù)測(cè)中,信息量法可以通過對(duì)已有的災(zāi)害發(fā)生點(diǎn)的各種信息總結(jié)出易發(fā)生災(zāi)害的規(guī)律,即各類因子對(duì)洪水災(zāi)害發(fā)生所作出的貢獻(xiàn)值,轉(zhuǎn)化為信息量值,以此來作為各類因子重要性判別的標(biāo)準(zhǔn)。在該文運(yùn)算中使用公式(2)來對(duì)各因素對(duì)洪水災(zāi)害所貢獻(xiàn)的信息量值進(jìn)行計(jì)算:
(2)
式中,Ni表示影響因素xi作用范圍內(nèi)洪水災(zāi)害單元的面積,N表示研究區(qū)內(nèi)全部洪水災(zāi)害分布單元的面積,Si表示圖們江流域內(nèi)含影響因素xi的單元面積,S表示整個(gè)圖們江流域的面積。
(3)
式中,I表示各柵格單元在多影響因素貢獻(xiàn)的信息量值進(jìn)行求和后的總信息量值,n表示印象因素的數(shù)量。最終計(jì)算得出的某評(píng)價(jià)單元內(nèi)若I>0,則代表該單元有利于洪水災(zāi)害發(fā)生,且雖其值增大,該單元遭受洪水災(zāi)害的可能性越大,風(fēng)險(xiǎn)程度越高。I<0則相反。
該研究共選取了156個(gè)已發(fā)生洪水事件和102個(gè)未發(fā)生洪水事件的數(shù)據(jù)。這些數(shù)據(jù)是通過現(xiàn)場(chǎng)調(diào)查、網(wǎng)絡(luò)報(bào)道、歷史災(zāi)害調(diào)查資料等收集獲取的。在此部分信息量值計(jì)算中選取70%(181個(gè))的災(zāi)害點(diǎn)進(jìn)行計(jì)算,剩余30%(77個(gè))部分用作檢驗(yàn)。前文中已經(jīng)將各影響因子進(jìn)行了分級(jí)和面積統(tǒng)計(jì),可以根據(jù)式(2)對(duì)各影響因子不同分級(jí)狀態(tài)的信息量值進(jìn)行計(jì)算。在Arcmap10.2中分別疊加圖們江流域內(nèi)洪災(zāi)害分布點(diǎn)與8個(gè)因子的分級(jí)圖層,使用Spatial Analyst工具中提取分析的值提取至點(diǎn)功能,即可將災(zāi)害點(diǎn)在某影響因素下的不同屬性提取出來,在此基礎(chǔ)上進(jìn)行統(tǒng)計(jì)分析和計(jì)算,可以得到不同影響因子的各狀態(tài)等級(jí)下的信息量值。
3.2.3 隨機(jī)森林算法
隨機(jī)森林(Random forest)是一種機(jī)器學(xué)習(xí)算法[20]。隨機(jī)森林模型的工作原理是對(duì)隨機(jī)抽樣產(chǎn)生的多個(gè)決策樹的結(jié)果進(jìn)行分類處理,選擇最優(yōu)分類作為最終結(jié)果[21]。對(duì)比于目前已有的多種機(jī)器算法,隨機(jī)森林具有其自身比較突出的優(yōu)點(diǎn),它的處理過程高效快捷,能對(duì)大量的輸入變量進(jìn)行高效處理,而且它可以對(duì)輸入變量的重要性進(jìn)行評(píng)判[22]。在該文中,使用隨機(jī)森林算法輸出的不同指標(biāo)的重要性,將作為權(quán)重計(jì)算指標(biāo)對(duì)洪水災(zāi)害危險(xiǎn)性進(jìn)行預(yù)測(cè)。
該研究隨機(jī)森林算法中輸入的樣本數(shù)據(jù)包括2大類:1) 已發(fā)生洪水災(zāi)害的數(shù)據(jù)點(diǎn)的各類屬性特征;2) 未發(fā)生洪水災(zāi)害的數(shù)據(jù)點(diǎn)的各類屬性特征。樣本數(shù)據(jù)主要包括8個(gè)因素(降雨量、高程、坡度、地形起伏度、土地利用類型、河網(wǎng)密度、河流緩沖區(qū)、土壤類型)的不同特征值,其中,災(zāi)害點(diǎn)樣本數(shù)據(jù)來自隨機(jī)選取70%的災(zāi)害點(diǎn),剩余30%災(zāi)害點(diǎn)用作評(píng)價(jià)隨機(jī)森林算法下不同重要性指標(biāo)與相對(duì)應(yīng)因子進(jìn)行結(jié)合后的洪水災(zāi)害危險(xiǎn)性預(yù)測(cè)圖的精度,非災(zāi)害點(diǎn)則輸入全部。
隨機(jī)森林算法可以通過多種方式實(shí)現(xiàn),比如使用Matlab建模,python軟件或者利用R語言編寫程序進(jìn)行計(jì)算。該研究采用R語言,在RStudio軟件中導(dǎo)入樣本數(shù)據(jù)的各類屬性特征值表編寫程序進(jìn)行不同指標(biāo)的重要性運(yùn)算,可得如圖11所示變量重要性的折線圖。
圖11 變量重要性折線圖
由圖11可構(gòu)建基于隨機(jī)數(shù)森林重要性評(píng)價(jià)的圖們江流域洪水災(zāi)害危險(xiǎn)性評(píng)價(jià)模型,即
H=0.18×地形起伏度+0.22×河流緩沖區(qū)+0.09×河網(wǎng)密度+0.01×降雨量+0.16×高程+0.19×坡度+0.15×土地利用類型。
(4)
根據(jù)層次分析法計(jì)算得出權(quán)重構(gòu)建的圖們江流域洪水災(zāi)害評(píng)價(jià)模型(式1)并進(jìn)行風(fēng)險(xiǎn)等級(jí)劃分,可得層次分析法計(jì)算下圖們江流域洪水災(zāi)害風(fēng)險(xiǎn)等級(jí)區(qū)劃圖(圖12),危險(xiǎn)性等級(jí)由低到高分別劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ級(jí)。
圖12 基于層次分析法的洪水災(zāi)害危險(xiǎn)性區(qū)劃圖
各風(fēng)險(xiǎn)區(qū)面積從低風(fēng)險(xiǎn)到高風(fēng)險(xiǎn)分別為4 975.2、8 955.36、8 623.68、6 301.92和4 311.84 km2,占比分別為15%、27%、26%、19%和13%,在各級(jí)風(fēng)險(xiǎn)區(qū)中洪水災(zāi)害點(diǎn)的占比分別為0、3%、9%、27%和61%(圖13)。FR(Frequencyratio)值是滑坡災(zāi)害點(diǎn)百分比除以滑坡危險(xiǎn)性各等級(jí)面積百分比得出的值,可以對(duì)比分析不同模型形成的危險(xiǎn)性評(píng)價(jià)精度。該方法得出的最危險(xiǎn)區(qū)域(V級(jí))FR值為4.69。
圖13 各等級(jí)面積及災(zāi)害點(diǎn)占比
根據(jù)計(jì)算的信息量值,在圖們江流域內(nèi),高程值為15~321 m,河網(wǎng)密度值為1.096~1.888 km/km2間,地形起伏度小于17 m,土地利用類型為耕地、草地或人造地表和裸地,處于一級(jí)緩沖區(qū)和二級(jí)緩沖區(qū)內(nèi)時(shí),這些影響因子的分級(jí)狀態(tài)內(nèi)信息量值比較大,即對(duì)洪水災(zāi)害的發(fā)生有比較大的貢獻(xiàn)。
將由信息量法計(jì)算圖們江流域洪水災(zāi)害評(píng)價(jià)圖層進(jìn)行風(fēng)險(xiǎn)等級(jí)劃分,可得信息量法計(jì)算下圖們江流域洪水災(zāi)害風(fēng)險(xiǎn)等級(jí)區(qū)劃圖(圖14)。危險(xiǎn)性較高的地區(qū)主要位于琿春市東部和南部、圖們市南部、龍井市中部與延吉市南端接壤部分。
圖14 基于信息量法的洪水災(zāi)害危險(xiǎn)性區(qū)劃圖
由圖15可以看出,Ⅰ~Ⅴ級(jí)風(fēng)險(xiǎn)區(qū)的面積分別為8 292、8 955.36、6 965.28、4 975.2和3 980.16 km2,占圖們江流域總面積的比例分別為25%、27%、21%、15%和12%,在各風(fēng)險(xiǎn)區(qū)中災(zāi)害點(diǎn)的占比分別為0、3%、8%、19%和70%。該方法得出的最危險(xiǎn)區(qū)域(V級(jí))FR值為5.83。
圖15 各等級(jí)面積及災(zāi)害點(diǎn)占比
根據(jù)隨機(jī)森林法計(jì)算得出權(quán)重構(gòu)建的圖們江流域洪水災(zāi)害評(píng)價(jià)模型(式4)并進(jìn)行風(fēng)險(xiǎn)等級(jí)劃分,可得隨機(jī)森林法計(jì)算下圖們江流域洪水災(zāi)害風(fēng)險(xiǎn)等級(jí)區(qū)劃圖(圖16)。
圖16 基于隨機(jī)森林法的洪水災(zāi)害危險(xiǎn)性區(qū)劃圖Fig.16 Flood hazard zoning map based on the Random Forest Method
由圖17可以看出,Ⅰ~Ⅴ級(jí)風(fēng)險(xiǎn)區(qū)的面積分別為5 638.56、8 292、8 623.68、6 301.92和4 311.84 km2,占圖們江流域總面積的比例分別為17%、25%、26%、19%和13%,在對(duì)應(yīng)風(fēng)險(xiǎn)區(qū)中洪水災(zāi)害點(diǎn)的占比分別為0、0、13%、22%和65%。該方法得出的最危險(xiǎn)區(qū)域(V級(jí))FR值為5。
圖17 各等級(jí)面積及災(zāi)害點(diǎn)占比
根據(jù)以上結(jié)果可以看出在層次分析法計(jì)算下Ⅴ級(jí)風(fēng)險(xiǎn)區(qū)內(nèi)災(zāi)害點(diǎn)占比為61%,信息量法計(jì)算下Ⅴ級(jí)風(fēng)險(xiǎn)區(qū)內(nèi)災(zāi)害點(diǎn)占比為70%,而隨機(jī)森林算法下則為65%。將3個(gè)圖層在各級(jí)風(fēng)險(xiǎn)區(qū)下災(zāi)害點(diǎn)的占比進(jìn)行對(duì)比分析(圖18),并用FR值做比較。
圖18 不同算法下各級(jí)風(fēng)險(xiǎn)區(qū)災(zāi)害點(diǎn)占比
可以看出在Ⅴ級(jí)風(fēng)險(xiǎn)區(qū)中使用信息量法計(jì)算下的災(zāi)害點(diǎn)的占比是最高的,F(xiàn)R值為5.83,其次是隨機(jī)森林算法計(jì)算,F(xiàn)R值為5,最后是層次分析法,F(xiàn)R值為4.69。綜合Ⅳ級(jí)和Ⅴ級(jí)風(fēng)險(xiǎn)區(qū)內(nèi)災(zāi)害點(diǎn)占比,可以看出信息量法計(jì)算下2個(gè)等級(jí)的風(fēng)險(xiǎn)區(qū)內(nèi)災(zāi)害點(diǎn)占比和為89%,隨機(jī)森林算法下占比和為87%,而層次分析法計(jì)算下占比和為88%。層次分析法計(jì)算下準(zhǔn)確度低于其它2種算法的原因可能是其自身具備的主觀性強(qiáng)于其它二者,在計(jì)算中沒有用到災(zāi)害點(diǎn)本身具有的屬性;隨機(jī)數(shù)森林算法和信息量法各有所長,隨機(jī)森林算法在低風(fēng)險(xiǎn)內(nèi)的準(zhǔn)確度較高,而信息量法在高風(fēng)險(xiǎn)區(qū)內(nèi)的準(zhǔn)確度較高,這2種算法都利用了洪水災(zāi)害點(diǎn)自身的屬性特征來對(duì)未知的數(shù)據(jù)進(jìn)行預(yù)測(cè),科學(xué)性更好。將信息量法與隨機(jī)森林算法計(jì)算下的圖們江流域洪水災(zāi)害危險(xiǎn)性預(yù)測(cè)圖分別與選取的非災(zāi)害點(diǎn)的圖層進(jìn)行空間疊加,可以發(fā)現(xiàn)信息量法預(yù)測(cè)得到的圖層更加符合非災(zāi)害點(diǎn)的分布情況,說明信息量模型對(duì)于圖們江流域洪水災(zāi)害危險(xiǎn)性的評(píng)價(jià)更為精準(zhǔn)。
該研究以圖們江流域?yàn)檠芯繀^(qū),設(shè)計(jì)了基于GIS和層次分析法、信息量法和隨機(jī)森林算法3種算法的洪水災(zāi)害危險(xiǎn)性判別試驗(yàn),分別得到了不同算法下圖們江流域洪水災(zāi)害危險(xiǎn)性等級(jí)區(qū)劃圖和不同危險(xiǎn)等級(jí)區(qū)內(nèi)災(zāi)害點(diǎn)占比情況。結(jié)果顯示,利用層次分析法、信息量法和隨機(jī)森林算法獲得的洪水災(zāi)害區(qū)劃圖中,最危險(xiǎn)區(qū)域的面積分別為4 311.84,3 980.16和4 311.84 km2,每個(gè)區(qū)域中檢測(cè)到的洪水災(zāi)害點(diǎn)的占比分別為61%、70%和65%。最終得出信息量模型對(duì)于圖們江流域洪水災(zāi)害危險(xiǎn)性的評(píng)價(jià)相較于層次分析模型和隨機(jī)森林模型更為精準(zhǔn)。在計(jì)算的信息量值中高程、河網(wǎng)密度、地形起伏度和河流緩沖區(qū)對(duì)洪水災(zāi)害貢獻(xiàn)值較大。危險(xiǎn)性較高的地區(qū)主要位于琿春市東部和南部、圖們市南部、龍井市中部與延吉市南端接壤部分。其中高程、河網(wǎng)密度、地形起伏度和河流緩沖區(qū)對(duì)洪水災(zāi)害貢獻(xiàn)的信息量值較大。根據(jù)圖們江流域特點(diǎn),該研究僅選擇了8個(gè)因子進(jìn)行研究,在今后的研究中可以通過分析更多影響因子和歷史洪水災(zāi)害數(shù)據(jù),提高洪水危險(xiǎn)性評(píng)價(jià)精度,該研究成果對(duì)于洪水災(zāi)害風(fēng)險(xiǎn)管理、災(zāi)害預(yù)警和防治工作具有一定的科學(xué)和現(xiàn)實(shí)意義。