黃昕桐， 王瀟*， 張國偉， 董利輝， 曲娜

(1.沈陽航空航天大學(xué)安全工程學(xué)院， 沈陽 110136； 2.沈陽工程學(xué)院機(jī)械學(xué)院， 沈陽 110136)

近幾年來，受全球變暖的影響世界各地頻繁發(fā)生極端氣象災(zāi)難。大量科學(xué)研究和證據(jù)表明，極端氣象災(zāi)害的嚴(yán)重程度和頻率均處于不斷上升趨勢，暴雨、洪水及風(fēng)暴潮等自然災(zāi)害事件頻發(fā)，給人類帶來嚴(yán)重的人員和財(cái)產(chǎn)損失。因此，研究開展暴雨洪水風(fēng)險(xiǎn)分析具有重要的意義。

為減輕暴雨洪水災(zāi)害所造成的后果，最大限度地減少人員財(cái)產(chǎn)損失，近年來中外學(xué)者對于災(zāi)害評估展開了各種研究。Schneeberger等[1]考慮洪水的空間異質(zhì)性，提出一個(gè)基于大量樣本的洪水分析模型，通過3個(gè)不同指標(biāo)相互組合，確定區(qū)域的預(yù)期洪水影響。牟鳳云等[2]以公路為研究背景，建立了密度、抗災(zāi)能力、能耗指數(shù)等指標(biāo)體系的綜合抗災(zāi)能力分析，為災(zāi)害防治提供依據(jù)。Ekmekciolu 等[3]提出了一種由13個(gè)洪水脆弱性和危險(xiǎn)性標(biāo)準(zhǔn)組成的分層分析方法用于洪水風(fēng)險(xiǎn)評估。Zeng 等[4]提出了一種結(jié)合了單元損壞的脆弱性模型、多米諾骨牌升級的概率估計(jì)以及整體情景的基于多米諾骨牌效應(yīng)的洪水情景定量風(fēng)險(xiǎn)評估方法。Chen[5]提出一個(gè)由災(zāi)害、暴露、脆弱性和恢復(fù)力組成的洪水風(fēng)險(xiǎn)評估框架，通過框架疊加洪水風(fēng)險(xiǎn)圖以區(qū)分風(fēng)險(xiǎn)等級，到最高等級風(fēng)險(xiǎn)。Ma等[6]和Zhu等[7]采用構(gòu)造風(fēng)險(xiǎn)指標(biāo)體系的方法分析洪澇災(zāi)害風(fēng)險(xiǎn)，并分別采用加權(quán)聚類法和隨機(jī)森林法確定風(fēng)險(xiǎn)指標(biāo)權(quán)重。趙陽等[8]結(jié)合地區(qū)經(jīng)濟(jì)發(fā)展及災(zāi)害致死情況，基于最低合理可行原則分析了地區(qū)災(zāi)害可接受程度。

綜合來看，中外洪水災(zāi)害風(fēng)險(xiǎn)分析研究中研究方法主要分為3種，分別是基于歷史數(shù)據(jù)、基于系統(tǒng)指標(biāo)和基于情景分析的洪災(zāi)風(fēng)險(xiǎn)分析方法。基于歷史數(shù)據(jù)的評價(jià)方法能夠?yàn)闉?zāi)害評估提供以往的數(shù)值及趨勢，使評價(jià)者更易總結(jié)規(guī)律構(gòu)筑評價(jià)大方向。但歷史數(shù)據(jù)更適用于相對穩(wěn)定的評價(jià)環(huán)境，且基于歷史數(shù)據(jù)的風(fēng)險(xiǎn)分析往往忽略風(fēng)險(xiǎn)因素之間的內(nèi)在聯(lián)系，災(zāi)害變化復(fù)雜難以有一致的歷史數(shù)據(jù)提供支持，容錯(cuò)性相對較差。基于指標(biāo)的風(fēng)險(xiǎn)分析方法使用廣泛，能夠系統(tǒng)性地定量化風(fēng)險(xiǎn)水平，能夠?qū)崿F(xiàn)風(fēng)險(xiǎn)的直觀性和可比較性，但指標(biāo)打分可能存在缺乏科學(xué)性和客觀性?；谇榫胺治龅姆治龇椒ㄗ⒅貫?zāi)害發(fā)展的多種可能性，評價(jià)結(jié)果可參考性強(qiáng)，但是情景分析往往對決策者的主觀性和邏輯性有較強(qiáng)依賴且在災(zāi)害環(huán)境有較大變化時(shí)有些情景難以預(yù)測。災(zāi)害的3種方法各有其優(yōu)點(diǎn)和缺點(diǎn)，因此需要構(gòu)建一個(gè)更適合的洪水災(zāi)害評價(jià)方法。

由于暴雨洪水災(zāi)害與一般事故相比具有明顯的不確定性，加之演化過程相對復(fù)雜，單一風(fēng)險(xiǎn)分析方法往往難以滿足現(xiàn)實(shí)需求。因此，現(xiàn)引入HHM-RFRM-EOC風(fēng)險(xiǎn)評價(jià)、表達(dá)模型作為分析暴雨洪水風(fēng)險(xiǎn)方法，不同于單一風(fēng)險(xiǎn)因素模型，本文所選方法綜合上述3種分析手段，從洪水災(zāi)害發(fā)生的不同維度體現(xiàn)災(zāi)害風(fēng)險(xiǎn)，在暴雨洪水災(zāi)害風(fēng)險(xiǎn)分析的基礎(chǔ)上進(jìn)行二重、三重過濾與篩選，以期望更準(zhǔn)確得出洪水災(zāi)害的高危風(fēng)險(xiǎn)情景。同時(shí)，從目前中國洪水應(yīng)急管理數(shù)據(jù)上看，存在非結(jié)構(gòu)化或結(jié)構(gòu)化程度不高的現(xiàn)象，不利于洪水災(zāi)害信息的深度處理和應(yīng)急決策的有序進(jìn)行?，F(xiàn)將EOC模型應(yīng)用于暴雨洪水風(fēng)險(xiǎn)要素結(jié)構(gòu)化表達(dá)，目的是將洪水災(zāi)害情景科學(xué)、準(zhǔn)確表達(dá)，避免目前災(zāi)情信息大多靠多方人員溝通，難以快速響應(yīng)決策的局面。

1 基本原理

分層全息建模最初由雅科夫·海姆斯提出的用于捕捉和處理大型多層次系統(tǒng)風(fēng)險(xiǎn)特征多樣性的理論方法[9]。它能夠從多個(gè)視角捕捉和表示系統(tǒng)的各種內(nèi)在特征，當(dāng)系統(tǒng)包括多個(gè)目標(biāo)函數(shù)、多個(gè)決策者、非線性因果關(guān)系和隨機(jī)元素時(shí)的作用十分明顯，是一種綜合思想和方法論。分層結(jié)構(gòu)框架在具有多系統(tǒng)變量的復(fù)雜系統(tǒng)中，優(yōu)于傳統(tǒng)結(jié)構(gòu)，能夠使決策者在現(xiàn)實(shí)系統(tǒng)中多重疊層次結(jié)構(gòu)中快速有效的識(shí)別獲取風(fēng)險(xiǎn)情景信息。這種方法的關(guān)鍵就是通過分層來展示系統(tǒng)框架，因而特別適用于分析暴雨洪水災(zāi)害這種復(fù)雜系統(tǒng)風(fēng)險(xiǎn)。

風(fēng)險(xiǎn)過濾、評級與管理的本質(zhì)是從多重疊角度對大規(guī)模系統(tǒng)的過濾與排名[10]。風(fēng)險(xiǎn)過濾、評級與管理(risk filtering, ranking and management framework，RFRM)框架目前已經(jīng)在水資源管理、船舶航行等領(lǐng)域開展了應(yīng)用研究[11-12]。通常，災(zāi)害初識(shí)風(fēng)險(xiǎn)種類、數(shù)量繁多，在突發(fā)事件的背景下決策者難以在短時(shí)間內(nèi)全部考慮，此時(shí)采用RFRM對初識(shí)風(fēng)險(xiǎn)篩選與過濾能夠提供出暴雨洪水災(zāi)害風(fēng)險(xiǎn)優(yōu)先級，大大提高決策效率。

要素-對象-結(jié)果模型是一種針對突發(fā)事件分析的框架模型[13]，該模型填補(bǔ)了突發(fā)事件分析領(lǐng)域缺乏信息支持和結(jié)構(gòu)化表達(dá)的空缺，輔助實(shí)現(xiàn)突發(fā)事件結(jié)構(gòu)化分析、存儲(chǔ)和表達(dá)。將分層全息、建模(hierarchical holographic modeling，HHM)和RFRM理論框架與EOC模型相結(jié)合，組成暴雨洪水災(zāi)害從風(fēng)險(xiǎn)分析直至信息表達(dá)的整個(gè)流程，可為今后暴雨洪水災(zāi)害分析提供一種新思路。

本文提出的HHM-RFRM-EOC風(fēng)險(xiǎn)評價(jià)、表達(dá)模型流程如圖1所示。

圖1 HHM-RFRM-EOC模型流程圖Fig.1 Flow chart of HHM-RFRM-EOC model

2 暴雨洪水災(zāi)害風(fēng)險(xiǎn)識(shí)別

2.1 風(fēng)險(xiǎn)因素構(gòu)建

暴雨洪水災(zāi)害風(fēng)險(xiǎn)來源較廣泛，如何有效分析管理是一項(xiàng)龐大的工程。結(jié)合相關(guān)專家分析和綜合指標(biāo)，將暴雨洪水災(zāi)害風(fēng)險(xiǎn)的來源構(gòu)成分為5個(gè)方面：人力因素(P)、設(shè)備設(shè)施因素(F)、環(huán)境因素(E)、應(yīng)急管理因素(M)、信息因素(I)。

(1)人力因素主要包括領(lǐng)導(dǎo)干部的風(fēng)險(xiǎn)意識(shí)、心理素質(zhì)、應(yīng)急知識(shí)儲(chǔ)備和應(yīng)急救援人員的救援經(jīng)驗(yàn)、心理素質(zhì)、風(fēng)險(xiǎn)意識(shí)、生理狀態(tài)以及受災(zāi)群眾的主觀意識(shí)、心理素質(zhì)、生理狀態(tài)、受教育程度等。在暴雨洪水災(zāi)害發(fā)生過程中，人力因素是第一位的，領(lǐng)導(dǎo)干部和救援人員的應(yīng)急知識(shí)和經(jīng)驗(yàn)等決定了暴雨洪水災(zāi)害的最終結(jié)果，錯(cuò)誤的應(yīng)急決策可能會(huì)帶來的致命的損失。受災(zāi)群眾的各種狀態(tài)也是風(fēng)險(xiǎn)來源中重要因素，例如，鐘景鼐等[14]專門研究了公眾信賴對與防洪災(zāi)風(fēng)險(xiǎn)的影響，并得出信賴高低與公眾受災(zāi)經(jīng)歷、受教育程度、性別、年齡等不同而存在差異的結(jié)論。

(2)設(shè)備設(shè)施因素主要包括城市交通設(shè)施、水利設(shè)施、城市排水系統(tǒng)、電力設(shè)施、油氣管道、熱力設(shè)施、供水設(shè)施、郵電通訊設(shè)施、監(jiān)控系統(tǒng)、醫(yī)療衛(wèi)生設(shè)施、教育與文化設(shè)施等。設(shè)施和設(shè)備的損壞會(huì)導(dǎo)致暴雨洪水災(zāi)害應(yīng)急救援困難，拖延救援事件等問題。例如，1975年8月8日河南駐馬店發(fā)生的水庫潰壩事件，造成河南、安徽省29個(gè)縣市、1 100萬人受災(zāi)，傷亡慘重，直接經(jīng)濟(jì)損失近百億元。

(3)環(huán)境因素主要包括社會(huì)環(huán)境和自然環(huán)境兩個(gè)層面，具體包含危舊平房區(qū)、建筑工程區(qū)、地鐵隧道、未及時(shí)處理的工業(yè)廢水廢渣、農(nóng)作物田地、重點(diǎn)危險(xiǎn)化學(xué)品企業(yè)、礦山井巷、動(dòng)植物尸體腐敗區(qū)域、山洪泥石流易發(fā)地區(qū)、地勢低洼地區(qū)等。不同的環(huán)境抵抗暴雨洪水災(zāi)害的能力不同，因此更加關(guān)注脆弱性低的幾個(gè)高風(fēng)險(xiǎn)地區(qū)。

(4)應(yīng)急管理因素主要包含兩個(gè)層面，分別是預(yù)防階段應(yīng)急管理和響應(yīng)階段的應(yīng)急管理，具體包含疏散路線制定、群眾安置地點(diǎn)規(guī)劃、重點(diǎn)設(shè)施設(shè)備防水防雷、應(yīng)急反應(yīng)速度、救援隊(duì)伍、救援效率、群眾轉(zhuǎn)移、應(yīng)急物資情況、救援機(jī)械設(shè)備和后勤保障情況。

(5)信息因素主要包含信息技術(shù)和信息傳播兩個(gè)層面，信息技術(shù)包含氣象預(yù)報(bào)、實(shí)時(shí)雨量、通信服務(wù)和監(jiān)控報(bào)警，信息傳播包括媒體的支持、信息傳播速度、傳播范圍、輿論導(dǎo)向、地理信息、天氣環(huán)境信息的掌握以及信息上報(bào)的情況。例如，有研究數(shù)據(jù)顯示，媒體關(guān)于災(zāi)情的報(bào)道數(shù)量與災(zāi)害獲得社會(huì)資源及公益籌款情況呈正相關(guān)。

為了全面準(zhǔn)確地捕捉暴雨洪水災(zāi)害風(fēng)險(xiǎn)來源，在以上分析的基礎(chǔ)上建立了暴雨洪水災(zāi)害風(fēng)險(xiǎn)HHM模型框架，如圖2所示。

圖2 暴雨洪水HHM框架圖Fig.2 Flood HHM frame diagram

2.2 結(jié)構(gòu)化可視表達(dá)

選用Protégé軟件的本體構(gòu)建和知識(shí)圖譜可視化功能基于上文所列的HHM框圖建立暴雨洪水所有風(fēng)險(xiǎn)情景，從而達(dá)到幫助暴雨洪水災(zāi)害發(fā)生時(shí)應(yīng)急決策者快速掌握暴雨洪水災(zāi)害各種風(fēng)險(xiǎn)要素的作用，結(jié)構(gòu)化表達(dá)示例圖如圖3和圖4所示。

owl: Thing為本體語言圖3 風(fēng)險(xiǎn)要素構(gòu)建示例圖Fig.3 Example diagram of risk element construction

3 暴雨洪水風(fēng)險(xiǎn)場景過濾和排序

3.1 雙重標(biāo)準(zhǔn)過濾

首先采用可能性與嚴(yán)重性兩個(gè)評價(jià)標(biāo)準(zhǔn)繪制風(fēng)險(xiǎn)排序矩陣對暴雨洪水過程中的風(fēng)險(xiǎn)因素進(jìn)行初次排序，其中嚴(yán)重性評價(jià)綜合考慮人員傷亡，財(cái)產(chǎn)損失以及環(huán)境破壞3個(gè)指標(biāo)，從而過濾風(fēng)險(xiǎn)矩陣中的低風(fēng)險(xiǎn)和一般風(fēng)險(xiǎn)單元格內(nèi)的風(fēng)險(xiǎn)場景。按照暴雨洪水災(zāi)害發(fā)生特點(diǎn)結(jié)合歷史災(zāi)害數(shù)據(jù)采用專家征詢及問卷調(diào)查的方式，對各項(xiàng)指標(biāo)打分，設(shè)置每項(xiàng)標(biāo)準(zhǔn)設(shè)置最高分為10 分，最低分為0 分，分?jǐn)?shù)越高風(fēng)險(xiǎn)性越大。

專家對各個(gè)風(fēng)險(xiǎn)的風(fēng)險(xiǎn)評價(jià)平均分為

(1)

式(1)中：Gj為風(fēng)險(xiǎn)j的風(fēng)險(xiǎn)評價(jià)的平均分；n為人數(shù)；j為風(fēng)險(xiǎn)因素種類；aij為專家i對風(fēng)險(xiǎn)j的可能性評分；bij為專家i對風(fēng)險(xiǎn)j的嚴(yán)重程度評分。

對HMM框架列出的各個(gè)風(fēng)險(xiǎn)因素打分計(jì)算后，按照所計(jì)算的平均分值填入風(fēng)險(xiǎn)評級矩陣對應(yīng)位置，風(fēng)險(xiǎn)嚴(yán)重性評級矩陣如圖5所示。過濾掉中等及以下風(fēng)險(xiǎn)FA6、FA5、FA7、FA9、MB7、PB2、MA3、MB6、IA5、PA2、PB4、MB2、MB5、IA1、IB1、MA2、PB4、PB5、MB4、IA6、IB2、IA2、IA3、IA4，最終保留34個(gè)風(fēng)險(xiǎn)較高以上場景。

3.2 多重標(biāo)準(zhǔn)評估

從易損性、持續(xù)性、可控性不可察覺性和可恢復(fù)性幾個(gè)方面對剩余的34 個(gè)暴雨洪水關(guān)鍵風(fēng)險(xiǎn)因素進(jìn)行進(jìn)一步評估，判斷各個(gè)風(fēng)險(xiǎn)情景發(fā)生的可能性與嚴(yán)重性進(jìn)行雙重標(biāo)準(zhǔn)過濾與排序。暴雨洪水評估多重標(biāo)準(zhǔn)如表1所示。

通過調(diào)查問卷和專家打分方將易損性、持續(xù)性、不可控性、不可察覺性和不可恢復(fù)性劃分為高(H)、中(M)、低(L)3個(gè)后果等級，具體結(jié)果如表2所示。

owl: Thing為本體語言圖4 工程性基礎(chǔ)設(shè)施子類可視化示例圖Fig.4 Visual example of engineering infrastructure subclass

圖5 風(fēng)險(xiǎn)嚴(yán)重性評級矩陣Fig.5 Risk severity rating matrix

表1 暴雨洪水災(zāi)害多重評估標(biāo)準(zhǔn)Table 1 Multiple assessment criteria for flood disaster

3.3 量化排序

那么，EA1后驗(yàn)概率計(jì)算過程為

Pr(e)=Pr(EA1)Pr(e|EA1)+

(2)

(3)

計(jì)算得到Pr(EA1|e)=0.110 2，同理可以計(jì)算其余風(fēng)險(xiǎn)場景后驗(yàn)概率，具體計(jì)算結(jié)果如表3所示。

表2 多重標(biāo)準(zhǔn)評估結(jié)果Table 2 Evaluation results of multiple criteria

表3 洪水災(zāi)害風(fēng)險(xiǎn)因素概率Table 3 Probability of flood disaster risk factors

后驗(yàn)概率數(shù)值越大危險(xiǎn)性越高，根據(jù)計(jì)算各個(gè)風(fēng)險(xiǎn)場景后驗(yàn)概率結(jié)果，按照大小排序后截取前10個(gè)風(fēng)險(xiǎn)要素作為暴雨洪水災(zāi)害的高危風(fēng)險(xiǎn)要素。從而得出結(jié)果：暴雨洪水高危風(fēng)險(xiǎn)分別是農(nóng)作物田地、山洪泥石流易發(fā)區(qū)、地勢低洼地區(qū)、水庫附近區(qū)域、文物古跡、危舊平房區(qū)、城市交通設(shè)施、水利設(shè)施、受災(zāi)群眾受教育程度和教育與文化設(shè)施。若按照5個(gè)一級風(fēng)險(xiǎn)要素進(jìn)行劃分，每個(gè)一級風(fēng)險(xiǎn)要素中最危險(xiǎn)要素分別為人力因素中的受災(zāi)群眾受教育程度、設(shè)備設(shè)施因素中的城市交通設(shè)施、環(huán)境因素在中的農(nóng)作物田地、應(yīng)急管理因素中的疏散方案和信息因素中的監(jiān)控報(bào)警要素。然而，僅得到暴雨洪水高危風(fēng)險(xiǎn)難以滿足中國現(xiàn)階段洪水應(yīng)急需要，目前中國洪水應(yīng)急領(lǐng)域存在數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)化程度不高的現(xiàn)象，因此提出運(yùn)用EOC模型結(jié)構(gòu)化表達(dá)分析結(jié)果，從而提高應(yīng)急部門決策效率。

4 洪水災(zāi)害環(huán)境風(fēng)險(xiǎn)情景表達(dá)

人類目前無法阻止自然災(zāi)害的發(fā)生，但人們可以在順應(yīng)自然和尊重自然的基礎(chǔ)上根據(jù)自然災(zāi)害發(fā)生的特點(diǎn)配合以地形地勢等特質(zhì)，采取積極應(yīng)對措施，盡量減少自然災(zāi)害的損失。前面分析的5類風(fēng)險(xiǎn)要素中環(huán)境要素占比最大，且相比于其他要素，環(huán)境要素具有不能代替和難以改變的特點(diǎn)。因此，在暴雨洪水災(zāi)害中環(huán)境對于災(zāi)害后果的影響相對于其他類要素更危險(xiǎn)更值得關(guān)注。運(yùn)用突發(fā)事件EOC模型將暴雨洪水災(zāi)害中高危風(fēng)險(xiǎn)環(huán)境情景要素參數(shù)化轉(zhuǎn)化形式，對上文分析的環(huán)境高風(fēng)險(xiǎn)要素進(jìn)行結(jié)構(gòu)化情景表達(dá)。EOC模型能夠?qū)樗疄?zāi)害應(yīng)急情景中各要素知識(shí)進(jìn)行用以描述，可以科學(xué)、準(zhǔn)確地表達(dá)當(dāng)前決策面臨的情景，以便于幫助決策者在暴雨洪水發(fā)生時(shí)快速了解受災(zāi)地區(qū)環(huán)境制定有效應(yīng)對的策略。

通過對歷史洪水案例和洪水相關(guān)應(yīng)急預(yù)案的分析將暴雨洪水高危風(fēng)險(xiǎn)要素出發(fā)過程中的要素、對象進(jìn)行劃分，建立相應(yīng)要素模型。例如，對EA5農(nóng)作物田地這一風(fēng)險(xiǎn)要素進(jìn)行參數(shù)化表達(dá)，采用構(gòu)建特征屬性變量A(n)={(屬性名1，屬性值域1)，(屬性名2，屬性值域2)，…}，選取高程、田間溝渠、排澇設(shè)施和耕作類型作為對象屬性變量，基于暴雨洪水災(zāi)害的災(zāi)害特點(diǎn)，選取降雨、淹沒程度作為災(zāi)害要素。就選取對象及要素參數(shù)化為

超星學(xué)習(xí)通是超星集團(tuán)針對移動(dòng)互聯(lián)網(wǎng)時(shí)代學(xué)習(xí)者需求開發(fā)的多功能個(gè)性化學(xué)習(xí)APP。超星學(xué)習(xí)通既包含超星積累的豐富數(shù)字教育資源，也集成了完整的網(wǎng)絡(luò)教學(xué)功能和課程互動(dòng)插件，可以實(shí)現(xiàn)移動(dòng)教學(xué)、直播課堂和多屏互動(dòng)。超星學(xué)習(xí)通最核心的理念在于集成、分享與社交，形成基于知識(shí)、興趣、學(xué)習(xí)的社交生態(tài)。在本課程之中，超星學(xué)習(xí)通軟件主要把學(xué)校、教師和學(xué)生用戶的需求打通，實(shí)現(xiàn)學(xué)校教育與社會(huì)教育的融合，實(shí)現(xiàn)終身教育的數(shù)據(jù)記錄。

(4)

暴雨洪水災(zāi)害中農(nóng)作物田地?fù)p失要素的定性化表達(dá)為

式(5)中：Pe為定性化表達(dá)值。

根據(jù)要素互相獨(dú)立的特點(diǎn)，簡化嚴(yán)重度函數(shù)，將定義域和值域均設(shè)置成[0，1]，根據(jù)災(zāi)害發(fā)生特點(diǎn)，隨著形勢惡化，造成的損失往往呈現(xiàn)指數(shù)增長趨勢，選取指數(shù)函數(shù)進(jìn)行嚴(yán)重度計(jì)算，將模糊定性要素值等距映射到定義域，參數(shù)化后的農(nóng)作物田地所含要素表示為

對于EB2山洪泥石流易發(fā)地區(qū)有

(7)

式(8)中：ge為參數(shù)化表達(dá)值。

并將其他幾個(gè)高危風(fēng)險(xiǎn)要素按照同樣方法參數(shù)化表達(dá)。鏈接上文運(yùn)用Protégé軟件構(gòu)建的風(fēng)險(xiǎn)情景對象框圖，繼續(xù)為重要環(huán)境要素添加數(shù)據(jù)屬性變量，如圖6所示是舉例某農(nóng)作物田地環(huán)境添加數(shù)據(jù)屬性后的界面截圖，該步驟可清晰展現(xiàn)某處農(nóng)作物田地這類環(huán)境要素的田間溝渠距離等數(shù)據(jù)屬性，能夠使決策者迅速了解受災(zāi)區(qū)環(huán)境基本狀況，便于其準(zhǔn)確、快速地做出相應(yīng)決策內(nèi)容。

圖6 為風(fēng)險(xiǎn)要素添加數(shù)據(jù)屬性后的截圖Fig.6 Screenshot after adding data attributes for risk elements

5 結(jié)論

采用分層全息建模法分析出暴雨洪水災(zāi)害的5大類包含57種風(fēng)險(xiǎn)因素，繪制出HHM框架圖并應(yīng)用本體軟件構(gòu)建。

(1)采用RFRM風(fēng)險(xiǎn)過濾、排名與管理方法分析過濾57個(gè)子風(fēng)險(xiǎn)，最終得到10個(gè)高危風(fēng)險(xiǎn)分別是、農(nóng)作物田地、山洪泥石流易發(fā)區(qū)、地勢低洼地區(qū)、水庫附近區(qū)域、文物古跡、危舊平房區(qū)、城市交通設(shè)施、水利設(shè)施、受災(zāi)群眾受教育程度以及教育與文化設(shè)施。

(2)分析結(jié)果表明在暴雨洪水災(zāi)害中，環(huán)境要素所占比重遠(yuǎn)遠(yuǎn)高于其他風(fēng)險(xiǎn)要素類型，前10個(gè)風(fēng)險(xiǎn)中就占6個(gè)之多，因此在暴雨洪水災(zāi)難發(fā)生時(shí)，相關(guān)部門應(yīng)當(dāng)重點(diǎn)注意受災(zāi)地區(qū)環(huán)境特點(diǎn)，從而最大程度地避免風(fēng)險(xiǎn)帶來的嚴(yán)重?fù)p失。

(3)由于暴雨洪水災(zāi)突發(fā)性強(qiáng)、應(yīng)急時(shí)間緊迫、信息來源豐富但來源眾多、異質(zhì)性強(qiáng)的特點(diǎn)，利用參數(shù)化信息表達(dá)可以將要素知識(shí)統(tǒng)一描述，科學(xué)、準(zhǔn)確地表達(dá)當(dāng)前環(huán)境所面臨的情景，運(yùn)用突發(fā)事件分析的EOC風(fēng)險(xiǎn)概念模型對高危環(huán)境風(fēng)險(xiǎn)對象、要素參數(shù)化表達(dá)，可以方便與對暴雨洪水災(zāi)害風(fēng)險(xiǎn)結(jié)構(gòu)化信息的存儲(chǔ)，為后續(xù)相關(guān)部門應(yīng)急決策提供輔助支持。