夏興生，朱秀芳，潘耀忠，張錦水

(北京師范大學(xué) 資源學(xué)院，北京 100875)

?

基于歷史案例的自然災(zāi)害災(zāi)情評(píng)估方法研究

夏興生，朱秀芳，潘耀忠，張錦水

(北京師范大學(xué) 資源學(xué)院，北京 100875)

摘要:當(dāng)某一自然事件被確定為災(zāi)害時(shí)，在獲取有限的災(zāi)害數(shù)據(jù)情況下基于歷史相似災(zāi)害案例進(jìn)行快速的災(zāi)情評(píng)估，是有效進(jìn)行災(zāi)害、災(zāi)情分析和抗災(zāi)救災(zāi)決策的保障。以歷史案例災(zāi)害的災(zāi)害、災(zāi)情指標(biāo)和當(dāng)前災(zāi)害的災(zāi)害指標(biāo)為數(shù)據(jù)基礎(chǔ)，以最小距離法原理建立歷史案例與當(dāng)前災(zāi)害的相似度判斷模型，設(shè)計(jì)基于歷史案例相似度的自然災(zāi)害災(zāi)情評(píng)估模型，實(shí)現(xiàn)基于歷史案例的自然災(zāi)害災(zāi)情評(píng)估方法與技術(shù)方案，并且以河南2001-2006年的農(nóng)業(yè)干旱歷史數(shù)據(jù)為歷史案例，以其2007年農(nóng)業(yè)干旱農(nóng)作物受旱面積為評(píng)估指標(biāo)，隨即選取了一個(gè)相似度評(píng)估方法對(duì)災(zāi)情評(píng)估方案進(jìn)行了案例驗(yàn)證，結(jié)果顯示相對(duì)精度為98.45%，可信度較高。基于歷史案例的災(zāi)情評(píng)估方法成本低、效率高、時(shí)效性強(qiáng)，且方法簡(jiǎn)單、約束條件較少、容易實(shí)現(xiàn)，在災(zāi)情評(píng)估方面具有一定的實(shí)用價(jià)值。

關(guān)鍵詞:自然災(zāi)害；災(zāi)情評(píng)估；歷史案例；最小距離原理

自然災(zāi)害是人類(lèi)賴(lài)以生存和發(fā)展的地球表層系統(tǒng)所發(fā)生的異?，F(xiàn)象，包括干旱、洪澇、臺(tái)風(fēng)、冰雹、暴雪、沙塵暴等氣象災(zāi)害，火山、地震災(zāi)害，山體崩塌、滑坡、泥石流等地質(zhì)災(zāi)害，風(fēng)暴潮、海嘯等海洋災(zāi)害，森林草原火災(zāi)和重大生物災(zāi)害等[1]。自然災(zāi)害的發(fā)生常常造成人員傷亡、財(cái)產(chǎn)損失、社會(huì)失穩(wěn)、資源破壞等現(xiàn)象，即災(zāi)情，這些現(xiàn)象(災(zāi)情)在不同程度上都會(huì)影響人類(lèi)社會(huì)的進(jìn)步與發(fā)展，因此，科學(xué)地認(rèn)識(shí)這些災(zāi)害的發(fā)生、發(fā)展以及盡可能減小他們所造成的危害，并對(duì)其可能造成的損失進(jìn)行評(píng)估，是國(guó)際社會(huì)共同關(guān)注的主題之一。

行業(yè)部門(mén)對(duì)自然災(zāi)害災(zāi)情評(píng)估按照災(zāi)害的發(fā)展過(guò)程和當(dāng)前可獲取的災(zāi)害數(shù)據(jù)來(lái)進(jìn)行[2]，一般按災(zāi)害發(fā)展的時(shí)間順序分為三個(gè)階段：①當(dāng)自然事件被確定為災(zāi)害時(shí)的初步災(zāi)情評(píng)估，又稱(chēng)災(zāi)情預(yù)評(píng)估，主要是指導(dǎo)災(zāi)害的初步定損定級(jí)，為抗災(zāi)救災(zāi)對(duì)策制定提供前期參考；②災(zāi)害發(fā)展過(guò)程中的監(jiān)測(cè)評(píng)估，主要是不斷修正災(zāi)情等級(jí)，靈活及時(shí)地調(diào)整抗災(zāi)救災(zāi)服務(wù)；③災(zāi)害減弱后的災(zāi)情評(píng)估，亦稱(chēng)災(zāi)后評(píng)估，主要是為災(zāi)后的恢復(fù)重建服務(wù)。目前，針對(duì)上述三個(gè)階段的災(zāi)情評(píng)估方法主要有傳統(tǒng)的統(tǒng)計(jì)上報(bào)方法、現(xiàn)場(chǎng)勘察抽樣定損評(píng)估方法、基于遙感和GIS技術(shù)的災(zāi)情評(píng)估方法、基于承災(zāi)體易損性的評(píng)估、基于歷史案例的災(zāi)情評(píng)估以及針對(duì)經(jīng)濟(jì)財(cái)產(chǎn)損失評(píng)估的經(jīng)濟(jì)模型。

傳統(tǒng)的統(tǒng)計(jì)上報(bào)方法和查勘抽樣定損方法。一個(gè)是基層工作人員經(jīng)過(guò)走訪統(tǒng)計(jì)再通過(guò)政府或行業(yè)部門(mén)逐級(jí)上報(bào)來(lái)掌握各類(lèi)自然災(zāi)害詳細(xì)的損失情況，另一個(gè)是組織專(zhuān)門(mén)的人員通過(guò)現(xiàn)場(chǎng)調(diào)查或抽樣，再同其他情況相結(jié)合，從而對(duì)災(zāi)情的總體情況作出判斷，評(píng)估對(duì)象以人口傷亡、房屋、基礎(chǔ)設(shè)施受破壞情況，以及農(nóng)作物受災(zāi)情況為主。但是，受不同行業(yè)部門(mén)統(tǒng)計(jì)標(biāo)準(zhǔn)差異、統(tǒng)計(jì)調(diào)查人員的專(zhuān)業(yè)知識(shí)和技能差異、查勘環(huán)境差異等因素的影響，這兩種方法工作難度大、成本高、效率低、實(shí)時(shí)性差、報(bào)損情況的準(zhǔn)確性無(wú)從考證[2]。

基于遙感和GIS技術(shù)的災(zāi)情評(píng)估方法[3-10]。近年來(lái)地理信息系統(tǒng)(GIS)與遙感技術(shù)迅猛發(fā)展，產(chǎn)業(yè)不斷壯大，利用空間信息技術(shù)進(jìn)行自然災(zāi)害指數(shù)的反演和基于遙感抽樣評(píng)估災(zāi)情也逐漸納入衛(wèi)星技術(shù)業(yè)務(wù)應(yīng)用的領(lǐng)域，通過(guò)遙感監(jiān)測(cè)手段技術(shù)對(duì)災(zāi)情進(jìn)行監(jiān)測(cè)評(píng)估，包括對(duì)災(zāi)害發(fā)生范圍的評(píng)估和受災(zāi)對(duì)象損失情況的評(píng)估。利用地理信息與遙感技術(shù)科學(xué)客觀地對(duì)災(zāi)害災(zāi)情損失進(jìn)行估計(jì)，不僅可以為地方政府抗災(zāi)減災(zāi)投入和種植效益分析提供數(shù)據(jù)支持，也可以為保險(xiǎn)公司節(jié)約理賠成本，提高查勘定損精度，提升災(zāi)害保險(xiǎn)的業(yè)務(wù)。但是對(duì)于空間化表現(xiàn)不是特別強(qiáng)烈的承載體要素的評(píng)估還是難以做到遙感指數(shù)的反演，比如受災(zāi)人口、傷亡人口等，而且實(shí)效性仍然受自然條件的限制較多，比如災(zāi)害發(fā)生時(shí)段的大氣條件不理想時(shí)，則很難獲得理想的遙感影像進(jìn)行災(zāi)情評(píng)估。

基于承災(zāi)體易損性的災(zāi)情評(píng)估方法。該方法通過(guò)承載體的易損性特征、災(zāi)害的風(fēng)險(xiǎn)指數(shù)及歷史災(zāi)害資料建立不同災(zāi)種、不同承災(zāi)體歷史災(zāi)情損失與風(fēng)險(xiǎn)指數(shù)或致災(zāi)因子強(qiáng)度的擬合方程(易損性曲線)[11-18]，得出承載體的易損性參數(shù)或者曲線，從而對(duì)某一個(gè)致災(zāi)因子超越概率水平或者某一特定災(zāi)害場(chǎng)景進(jìn)行模擬，得到某一地區(qū)可能受災(zāi)的情況。目前該方法的研究相對(duì)較多，但是因?yàn)闉?zāi)害發(fā)生的誘因復(fù)雜而且多樣，很難做到基于少量的災(zāi)害因子構(gòu)建準(zhǔn)確的承災(zāi)體易損性曲線，而且易損性曲線的適用條件限制較多，很難符合某一災(zāi)害發(fā)生時(shí)的環(huán)境條件。因此，其核心和難點(diǎn)是承災(zāi)體易損性曲線的構(gòu)建。

基于歷史案例的災(zāi)情評(píng)估方法。歷史案例包涵真實(shí)而復(fù)雜的情境、典型的事件信息、典型的解決方法和經(jīng)驗(yàn)教訓(xùn)等特點(diǎn)，因此，在災(zāi)害發(fā)生初期獲取少量災(zāi)害信息的條件下，對(duì)應(yīng)從歷史案例中抽象出的少量災(zāi)害災(zāi)情信息，比較推算當(dāng)前災(zāi)害將可能引起的災(zāi)情后果是快速有效的災(zāi)情評(píng)估方案。國(guó)內(nèi)外基于歷史案例的災(zāi)情評(píng)估研究方向目前仍然集中在針對(duì)某一災(zāi)害歷史的一系列事件發(fā)生、發(fā)展規(guī)律的分析研究，并與現(xiàn)狀作對(duì)比，預(yù)測(cè)未來(lái)災(zāi)害發(fā)生的可能性及可能造成的影響[19-31]，直接基于歷史案例進(jìn)行災(zāi)情評(píng)估的卻比較鮮見(jiàn)。

綜上所述, 本研究同時(shí)考慮歷史案例災(zāi)害的災(zāi)害、災(zāi)情指標(biāo)和當(dāng)前災(zāi)害可獲取的災(zāi)害指標(biāo)，以最小距離法為原理建立歷史案例與當(dāng)前災(zāi)害的相似度判斷模型，設(shè)計(jì)基于歷史案例相似度的自然災(zāi)害災(zāi)情評(píng)估模型，以期突破基于歷史案例的自然災(zāi)害災(zāi)情評(píng)估技術(shù)，提高自然災(zāi)害災(zāi)情評(píng)估的時(shí)效性，為抗災(zāi)救災(zāi)及災(zāi)后恢復(fù)重建工作提供決策參考。

1技術(shù)方案

基于歷史案例的災(zāi)情評(píng)估是在當(dāng)某一自然事件確定為災(zāi)害后，能夠以少量的災(zāi)害監(jiān)測(cè)數(shù)據(jù)，以歷史相似災(zāi)害案例為基礎(chǔ)，對(duì)特定的災(zāi)情指標(biāo)通過(guò)災(zāi)情評(píng)估模型快速評(píng)估可能的損失，為抗災(zāi)救災(zāi)工作的開(kāi)展提供先期的參考。為此，本研究設(shè)計(jì)基于歷史案例的災(zāi)情加權(quán)綜合評(píng)估模型如下：

(1)

式中：L0為評(píng)估出的受災(zāi)情況；aj為當(dāng)前災(zāi)害相比歷史案例的抗災(zāi)能力修正系數(shù)，b0j為當(dāng)前災(zāi)害與歷史案例j的承災(zāi)體暴露數(shù)量修正系數(shù)，Wj表示選定的歷史案例的權(quán)重，Lj為參與評(píng)估的相似歷史案例j對(duì)應(yīng)的實(shí)際受災(zāi)情況。

針對(duì)該模型，本研究通過(guò)歷史案例庫(kù)的構(gòu)建，相似度判斷指標(biāo)的選取，基于最小距離的相似度評(píng)估模型構(gòu)建，歷史案例權(quán)重和模型修正系數(shù)的確定等一系列的步驟實(shí)現(xiàn)災(zāi)情的評(píng)估。具體技術(shù)路線如圖1所示。

圖1　基于歷史案例知識(shí)的災(zāi)情研判技術(shù)流程圖

1.1　歷史案例庫(kù)的構(gòu)建

歷史案例是指過(guò)去發(fā)生的、對(duì)未來(lái)事件的處置具有指導(dǎo)或借鑒意義的典型事件的描述，即歷史案例存儲(chǔ)的是以前發(fā)生過(guò)的突發(fā)事件處置知識(shí)和經(jīng)驗(yàn)。歷史自然災(zāi)害案例包括典型的災(zāi)害事件信息和典型的解決方法兩大類(lèi)信息。典型的災(zāi)害事件信息又包括災(zāi)害時(shí)間、災(zāi)害位置、災(zāi)害種類(lèi)、災(zāi)害強(qiáng)度、致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體七大類(lèi)信息。本研究中歷史案例庫(kù)構(gòu)建內(nèi)容亦是包括這七大類(lèi)信息，具體可分為基礎(chǔ)地理數(shù)據(jù)庫(kù)、歷史自然災(zāi)害案例數(shù)據(jù)庫(kù)，其中歷史自然災(zāi)害案例數(shù)據(jù)庫(kù)又包括災(zāi)害數(shù)據(jù)庫(kù)和災(zāi)情數(shù)據(jù)庫(kù)。

整理普查收集到的災(zāi)區(qū)歷史資料，分類(lèi)建立災(zāi)害數(shù)據(jù)庫(kù)。基礎(chǔ)數(shù)據(jù)庫(kù)包括氣象數(shù)據(jù)、水文數(shù)據(jù)、行政區(qū)劃、基礎(chǔ)設(shè)施分布等基礎(chǔ)地理數(shù)據(jù)，統(tǒng)計(jì)部門(mén)所提供的社會(huì)經(jīng)濟(jì)等統(tǒng)計(jì)數(shù)據(jù)；專(zhuān)題數(shù)據(jù)庫(kù)包括了地震烈度分布、降水量、災(zāi)害強(qiáng)度及持續(xù)時(shí)間等致災(zāi)因子數(shù)據(jù)，坡度、坡向、高程等構(gòu)成的孕災(zāi)環(huán)境數(shù)據(jù)，不同時(shí)期的人口數(shù)量及分布、農(nóng)作物空間分布及播種面積、大牲口數(shù)量及分布等為代表的承災(zāi)體數(shù)據(jù)，歷史災(zāi)害傷亡人口及分布、飲水困難人口及分布、受災(zāi)農(nóng)作物分布及面積、絕收農(nóng)作物分布及面積、受損房屋分布或間數(shù)等災(zāi)情數(shù)據(jù)，如表1所示為旱災(zāi)歷史案例庫(kù)字段設(shè)計(jì)。

表1　旱災(zāi)歷史案例庫(kù)字段設(shè)計(jì)

表2　干旱案例相似度評(píng)估指標(biāo)體系

1.2　相似度判斷指標(biāo)的選取

相似度度判斷指標(biāo)的選取是在災(zāi)害被確定后，依據(jù)當(dāng)前可獲取的災(zāi)害數(shù)據(jù)，抽象出一定災(zāi)害的指標(biāo)，之后與案例庫(kù)中與災(zāi)情指標(biāo)相關(guān)性較高的災(zāi)害指標(biāo)進(jìn)行匹配，以此確定相似度判斷的災(zāi)害指標(biāo)(如表2所示的旱災(zāi)相似度評(píng)估指標(biāo)體系)，其目的是用來(lái)判斷當(dāng)前災(zāi)害指標(biāo)與歷史案例災(zāi)害指標(biāo)的相似程度，再進(jìn)行案例相似度的判斷。

1.3　基于最小距離的案例相似度評(píng)估模型

在相似度指標(biāo)體系建立的基礎(chǔ)上，構(gòu)建相似度評(píng)估模型，在災(zāi)害發(fā)生時(shí)，對(duì)比歷史案例數(shù)據(jù)庫(kù)中的已有案例，根據(jù)相似度指標(biāo)體系和相似度評(píng)估模型快速檢索出相似案例，對(duì)災(zāi)情進(jìn)行初步評(píng)估，以供決策部門(mén)參考。本研究基于最小距離方法探索設(shè)計(jì)如下幾種案例相似度評(píng)估模型。

(1)基于歐氏距離(Euclidean Distance)的案例相似度模型

計(jì)算歷史案例指標(biāo)與當(dāng)前災(zāi)害指標(biāo)的絕對(duì)差，公式如下：

Dij=|xij-xi0|。

(2)

式中：Dij表示j歷史案例的i指標(biāo)與當(dāng)前災(zāi)害的i指標(biāo)的絕對(duì)差，該值越小表示兩個(gè)時(shí)期的指標(biāo)越相似；xij表示j歷史案例的i指標(biāo)，xi0表示當(dāng)前災(zāi)害的i指標(biāo)，i表示指標(biāo)編號(hào)，j表示歷史案例災(zāi)害編號(hào)，0表示當(dāng)前災(zāi)害。

為消去多源數(shù)據(jù)單位量綱的影響，需對(duì)絕對(duì)差數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，同時(shí)對(duì)絕對(duì)差進(jìn)行逆向轉(zhuǎn)換，公式如下：

(3)

式中：Sij表示所有歷史案例的i指標(biāo)與當(dāng)前災(zāi)害的i指標(biāo)絕對(duì)差歸一化后的值，該值越大表示該指標(biāo)與當(dāng)前災(zāi)害對(duì)應(yīng)的指標(biāo)越相似；Dij表示j歷史案例的i指標(biāo)與當(dāng)前災(zāi)害的i指標(biāo)的絕對(duì)差，i表示指標(biāo)編號(hào)，j表示歷史案例災(zāi)害編號(hào)。

最后，將同一歷史案例所有指標(biāo)的Sij按照歐式距離原理求得與當(dāng)前災(zāi)害的總體相似度，公式如下：

(4)

式中：CSj表示編號(hào)為j的歷史案例與當(dāng)前災(zāi)害的綜合相似度。

(2)基于標(biāo)準(zhǔn)化歐氏距離 (StandardizedEuclideandistance)的案例相似度評(píng)估模型

計(jì)算歷史案例指標(biāo)與當(dāng)前災(zāi)害指標(biāo)的絕對(duì)差(式2)，為消去多源數(shù)據(jù)單位量綱的影響，需對(duì)絕對(duì)差數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，同時(shí)對(duì)絕對(duì)差進(jìn)行逆向轉(zhuǎn)換(式3)，將同一歷史案例所有指標(biāo)的Sij按標(biāo)準(zhǔn)化歐氏距離原理求得與當(dāng)前災(zāi)害的總體相似度，公式如下：

(5)

式中：CSj表示編號(hào)為j的歷史案例與當(dāng)前災(zāi)害的綜合相似度，SDj表示編號(hào)為j的歷史案例所有指標(biāo)Sij的標(biāo)準(zhǔn)差。

(3)基于曼哈頓距離(ManhattanDistance)的案例相似度評(píng)估模型(一)

計(jì)算歷史案例指標(biāo)與當(dāng)前災(zāi)害指標(biāo)的絕對(duì)差(式2)，為消去多源數(shù)據(jù)單位量綱的影響，對(duì)絕對(duì)差數(shù)據(jù)進(jìn)行的標(biāo)準(zhǔn)化處理，同時(shí)對(duì)絕對(duì)差進(jìn)行逆向轉(zhuǎn)化(式3)，最后，將同一歷史案例所有指標(biāo)的Sij按曼哈頓距離原理求得與當(dāng)前災(zāi)害的總體相似度，公式如下：

(6)

式中：CSj表示編號(hào)為j的歷史案例與當(dāng)前災(zāi)害的綜合相似度。

(4)基于曼哈頓距離(ManhattanDistance)的案例相似度評(píng)估模型(二)

以曼哈頓距離原理計(jì)算歷史案例指標(biāo)與當(dāng)前災(zāi)害指標(biāo)的相似度，公式如下：

Sij=1-|xij-xi0|/ei。

(7)

式中：Sij表示j歷史案例的i指標(biāo)與當(dāng)前災(zāi)害的i指標(biāo)的相似度，該值越大，表示兩個(gè)時(shí)期的指標(biāo)越相似，如果Sij<0，則Sij=0；xij表示j歷史案例的i指標(biāo)，xi0表示當(dāng)前災(zāi)害的i指標(biāo)，i表示指標(biāo)編號(hào)，j表示歷史案例災(zāi)害編號(hào)，0表示當(dāng)前災(zāi)害，ei表示i指標(biāo)的計(jì)算基數(shù)，為常數(shù)。

指標(biāo)權(quán)重的確定，采用歷史案例災(zāi)害指標(biāo)與歷史案例災(zāi)情指標(biāo)相關(guān)系數(shù)歸一化得到指標(biāo)的權(quán)重，公式如下：

(8)

式中：wi表示i指標(biāo)的權(quán)重，Ci表示歷史案例的i指標(biāo)與歷史案例的災(zāi)情指標(biāo)的相關(guān)系數(shù)。

最后，將同一歷史案例所有指標(biāo)的Sij按曼哈頓距離原理并加權(quán)求得與當(dāng)前災(zāi)害的總體相似度，公式如下：

(9)

式中：CSj表示編號(hào)為j的歷史案例與當(dāng)前災(zāi)害的綜合相似度。

(5)基于夾角余弦(Cosine)的案例相似度評(píng)估模型

基于夾角余弦的案例相似度計(jì)算公式如下：

(10)

式中：cos(θ)j表示歷c史案例j與當(dāng)前災(zāi)害的相似度，夾角余弦取值范圍為[-1,1]。夾角余弦越大表示兩個(gè)案例的相似度越大，夾角余弦越小表示兩個(gè)案例的相似度越小。當(dāng)兩個(gè)案例完全一樣時(shí)夾角余弦取最大值1，當(dāng)兩個(gè)向完全不相關(guān)時(shí)夾角余弦取最小值-1，本方法中夾角余弦的基礎(chǔ)閾值規(guī)定為0，即只有與當(dāng)前災(zāi)害的夾角余弦大于0的歷史案例才有資格參與下一步的災(zāi)情評(píng)估計(jì)算。

1.4　案例的確定及權(quán)重計(jì)算

將通過(guò)相似度評(píng)估模型得到的相似度按照大小排列取得一定數(shù)量相似案例參與災(zāi)情評(píng)估，或通過(guò)閾值規(guī)則確定參與最終災(zāi)情計(jì)算的歷史案例。其中，按相似度大小取得的案例數(shù)量則需要對(duì)不同災(zāi)害的歷史案例數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證確定；確定閾值則是規(guī)定一個(gè)相似度基數(shù)，凡是案例相似度大于或大于等于該基數(shù)的案例均參與災(zāi)情評(píng)估計(jì)算，該基數(shù)的確定同樣需要案例的試驗(yàn)而確定。

選中案例權(quán)重的計(jì)算則基于相似度歸一化得到，公式如下：

(11)

1.5　抗災(zāi)救災(zāi)能力和承災(zāi)體數(shù)量修正系數(shù)的確定

自然災(zāi)害抗災(zāi)救災(zāi)能力的表現(xiàn)主要是在經(jīng)濟(jì)、技術(shù)和生活物質(zhì)資料的投入和分配上，綜合為社會(huì)經(jīng)濟(jì)發(fā)展水平，而能夠反映一地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展水平的綜合指標(biāo)最為可信可靠的就是GDP總量，因此，本研究中以GDP總量的來(lái)確定當(dāng)前災(zāi)害相比歷史案例年份抗災(zāi)救災(zāi)能力系數(shù)基數(shù)，公式如下：

(12)

式中：aj0為歷史案例j與當(dāng)前災(zāi)害的抗災(zāi)能力修正系數(shù)基數(shù)，GDPj為歷史案例j對(duì)應(yīng)年份受災(zāi)地域的GDP總量，GDP0為當(dāng)前災(zāi)害受災(zāi)區(qū)域前一年的GDP總量。本方法的抗災(zāi)能力修正系數(shù)規(guī)定取aj0≤aj≤1，aj為參與災(zāi)情評(píng)估實(shí)際計(jì)算的抗災(zāi)能力修正系數(shù)。采用GDP比例系數(shù)作為抗災(zāi)能力修正系數(shù)的基數(shù)是由于GDP數(shù)據(jù)的公布常常滯后一年，在實(shí)際應(yīng)用中評(píng)估當(dāng)此災(zāi)害事件災(zāi)情時(shí)，使用的是前一年的GDP數(shù)據(jù)來(lái)確定此基數(shù)，而且當(dāng)前的抗災(zāi)救災(zāi)能力一般也是基于前一年的GDP來(lái)預(yù)算的，所以本研究的做法是合理的。此外，所有災(zāi)害的承災(zāi)體并不是一類(lèi)事物，例如旱災(zāi)的承災(zāi)體不僅包括農(nóng)作物，還有人和家禽家畜，在實(shí)際應(yīng)用中存在抗災(zāi)能力的分配問(wèn)題，因此該基數(shù)只能作為當(dāng)前災(zāi)害年份相對(duì)于歷史案例年份增長(zhǎng)的抗災(zāi)能力，在實(shí)際操作中還要根據(jù)抗災(zāi)能力的分配基于此系數(shù)作必要的調(diào)整。這就是規(guī)定抗災(zāi)能力修正系數(shù)取aj0≤aj≤1的原因。

承載體數(shù)量的修正則依據(jù)選定案例當(dāng)年的承載體數(shù)量和當(dāng)前災(zāi)害發(fā)生時(shí)段承載體數(shù)量比較確定承載體數(shù)量修正系數(shù)，計(jì)算公式如下所示：

(13)

式中：b0j為當(dāng)前災(zāi)害與歷史案例j的承災(zāi)體暴露數(shù)量修正系數(shù)，Db0為當(dāng)前災(zāi)害受災(zāi)區(qū)域承災(zāi)體暴露數(shù)量，Dbj為歷史案例j對(duì)應(yīng)受災(zāi)地域的承災(zāi)體暴露數(shù)量。

至此，基于歷史案例的災(zāi)情加權(quán)綜合評(píng)估模型(式1)的參數(shù)全部確定，只要帶入相應(yīng)歷史案例的災(zāi)害損失即可得到當(dāng)前災(zāi)害可能造成的損失。

2案例驗(yàn)證

2.1　研究區(qū)和數(shù)據(jù)

考慮數(shù)據(jù)的可獲取性，本研究通過(guò)查找整理文獻(xiàn)及統(tǒng)計(jì)資料，目前只有2001-2007年河南干旱歷史案例的相關(guān)數(shù)據(jù)能比較全面地獲取，且河南恰好是我國(guó)典型的人口和農(nóng)業(yè)大省，是全國(guó)主要的產(chǎn)糧區(qū)之一，但河南也是旱災(zāi)頻發(fā)的省份，從統(tǒng)計(jì)數(shù)據(jù)[32]來(lái)看，河南幾乎每年均有不同程度的農(nóng)業(yè)干旱發(fā)生，造成一定的人畜飲水困難和農(nóng)作物減產(chǎn)。因此，本研究選取河南作為案例研究區(qū)，選用2001-2006年數(shù)據(jù)作為歷史案例評(píng)估2007年的農(nóng)作物受災(zāi)面積，以2007年統(tǒng)計(jì)公開(kāi)的受災(zāi)面積來(lái)做對(duì)比驗(yàn)證本案例結(jié)果的可靠性。詳細(xì)的數(shù)據(jù)來(lái)源及說(shuō)明見(jiàn)表3。

表3　數(shù)據(jù)來(lái)源及用途

2.2　相似性指標(biāo)的選取

本案例以災(zāi)害指標(biāo)來(lái)判斷與歷史案例的相似性，因此，這里基于所獲得數(shù)據(jù)構(gòu)建旱災(zāi)案例相似度評(píng)估指標(biāo)為：災(zāi)害開(kāi)始時(shí)間和災(zāi)害歷時(shí)(表4)，耕地NDVI、palmer指數(shù)、SPI指數(shù)(表5)。

表4　河南干旱歷史案例災(zāi)害時(shí)間

數(shù)據(jù)來(lái)源：河南年鑒。

表5　河南干旱歷史案例致災(zāi)因子

數(shù)據(jù)來(lái)源及說(shuō)明：NDVI來(lái)源USGS,其他來(lái)源于氣象數(shù)據(jù)共享網(wǎng)；各指標(biāo)均取受災(zāi)時(shí)段全省的平均值。

表6　相似度判別指標(biāo)絕對(duì)差

表7　相似度判別指標(biāo)差值差值歸一化

2.3　相似度及權(quán)重計(jì)算

本案例隨機(jī)選取基于曼哈頓距離(Manhattan Distance)的案例相似度評(píng)估模型(一)計(jì)算案例的相似度。

(1)根據(jù)式2，計(jì)算歷史案例指標(biāo)與當(dāng)前災(zāi)害指標(biāo)的絕對(duì)差，結(jié)果見(jiàn)表6。

(2)根據(jù)式3，對(duì)上述所得絕對(duì)差進(jìn)行歸一化處理，結(jié)果見(jiàn)表7。

(3)根據(jù)式6，對(duì)歸一化數(shù)據(jù)進(jìn)行相似度計(jì)算，結(jié)果見(jiàn)表8。

表8　案例相似度結(jié)果及權(quán)重

(4)根據(jù)式11，對(duì)相似度進(jìn)行權(quán)重轉(zhuǎn)化，結(jié)果見(jiàn)表8。需要說(shuō)明的是該驗(yàn)證案例的歷史案例較少，且相似度系數(shù)差異相對(duì)較小，因此，本案例跳過(guò)了案例選擇的步驟，將所有案例據(jù)納入災(zāi)情評(píng)估。

2.4　抗災(zāi)救災(zāi)能力和承災(zāi)體數(shù)量修正系數(shù)的確定

根據(jù)式(12)和式(13)，得抗災(zāi)救災(zāi)能力系數(shù)基數(shù)和承災(zāi)體數(shù)量修正系數(shù)，結(jié)果見(jiàn)表9。

干旱災(zāi)害主要帶來(lái)農(nóng)作物干枯減產(chǎn)和人畜飲水問(wèn)題，通常后者的出現(xiàn)要滯后于前者，因而抗災(zāi)救災(zāi)能力的分配一般也主要考慮這兩方面情況。通過(guò)考察統(tǒng)計(jì)資料(河南年鑒、河南統(tǒng)計(jì)年鑒等)，2007年河南干旱并沒(méi)有出現(xiàn)嚴(yán)重的人畜飲水困難問(wèn)題，因此，河南省2007年相對(duì)于歷史案例年份提高的抗災(zāi)救災(zāi)能力就全部投入到農(nóng)作物抗旱方面，因此，其抗災(zāi)救災(zāi)能力系數(shù)直接取抗災(zāi)救災(zāi)能力基數(shù)即可。

2.5　結(jié)果及精度

根據(jù)基于歷史案例的災(zāi)情加權(quán)綜合評(píng)估模型(式1)，帶入上文計(jì)算得到的歷史案例權(quán)重(表8)、抗災(zāi)救災(zāi)能力和承災(zāi)體數(shù)量修正系數(shù)和歷史案例受災(zāi)面積(表9)，評(píng)估計(jì)算得到2007年河南干旱受災(zāi)農(nóng)作物面積為742.975 khm2。2007年河南實(shí)際旱災(zāi)農(nóng)作物受災(zāi)面積為754.652 khm2(河南統(tǒng)計(jì)年鑒)，相對(duì)精度為98.45%，表明本案例的研究結(jié)果具有較高的可信度。

3結(jié)論與討論

本研究設(shè)計(jì)了基于歷史案例的自然災(zāi)害災(zāi)情評(píng)估評(píng)估模型，針對(duì)模型的應(yīng)用介紹了較為詳細(xì)的方案，重點(diǎn)基于最小距離原理設(shè)計(jì)了5種案例相似度評(píng)估模型，并且以河南2001-2006年的干旱案例為歷史數(shù)據(jù)，以2007年的農(nóng)作物受旱面積作為災(zāi)情評(píng)估目標(biāo)，隨機(jī)選取了一種相似度評(píng)估模型對(duì)本研究的方案進(jìn)行了案例驗(yàn)證，結(jié)果顯示2007年河南的農(nóng)作物受旱面積為742.975 khm2，而2007年河南實(shí)際的農(nóng)作物受旱面積為754.652 khm2，案例驗(yàn)證的相對(duì)精度為98.45%，可信度較高。

與現(xiàn)有方法相比，基于歷史案例的災(zāi)情評(píng)估方法對(duì)于災(zāi)情損失評(píng)估的成本低、效率高、時(shí)效性強(qiáng)且方法簡(jiǎn)單、約束條件較少、容易實(shí)現(xiàn)，可以為同一地區(qū)、同一災(zāi)種、不同時(shí)段的災(zāi)情程度比較提供依據(jù)，也可以為不同地區(qū)、同一災(zāi)種、不同時(shí)段的災(zāi)情程度比較提供依據(jù)，也可以為不同地區(qū)、同一災(zāi)種、同一時(shí)段的災(zāi)情程度比較提供依據(jù)，也可為不同災(zāi)種、不同地區(qū)間、不同時(shí)段災(zāi)情程度的比較提供依據(jù)，也可為抗災(zāi)救災(zāi)的決策提供依據(jù)。但是基于歷史案例的災(zāi)情評(píng)估也生存難點(diǎn)或缺點(diǎn)：①該方法的應(yīng)用基礎(chǔ)是歷史案例，但是，目前我國(guó)的基礎(chǔ)數(shù)據(jù)建設(shè)還不完善，數(shù)據(jù)共享體制不健全，各部門(mén)的數(shù)據(jù)統(tǒng)計(jì)口徑也存在差異，因此，建設(shè)完善的自然災(zāi)害案例數(shù)據(jù)庫(kù)是關(guān)鍵；②在結(jié)果的精度方面，除了案例庫(kù)中完善的指標(biāo)體系外，抗災(zāi)救災(zāi)能力系數(shù)的具體取值方案也是重要的一環(huán)，本研究中對(duì)此的討論還不夠深入和完善，在未來(lái)的研究中還需要不斷地探討；③本研究中設(shè)計(jì)了5種基于歷史案例的災(zāi)害相似度評(píng)估方法，但是只是隨機(jī)選取一種模型進(jìn)行了案例驗(yàn)證，未來(lái)研究還需要不斷地進(jìn)行試驗(yàn)驗(yàn)證；④本研究在方案設(shè)計(jì)和案例驗(yàn)證中均沒(méi)有解決實(shí)際參與災(zāi)情評(píng)估的案例數(shù)量確定規(guī)則或閾值確定方法，這也是未來(lái)研究的重要方向。

表9　抗災(zāi)救災(zāi)能力修正系數(shù)和承災(zāi)體數(shù)量修正系數(shù)

參考文獻(xiàn)：

[1]國(guó)家減災(zāi)委員會(huì)辦公室, 民政部救災(zāi)司, 民政部國(guó)家減災(zāi)中心. GB/T 24438.1-2009 自然災(zāi)害災(zāi)情統(tǒng)計(jì),第1部分：基本指標(biāo)[S]. 北京：中國(guó)標(biāo)準(zhǔn)出版社, 2009.

[2]袁藝. 自然災(zāi)害災(zāi)情評(píng)估研究與實(shí)踐進(jìn)展[J]. 地球科學(xué)進(jìn)展,2010, 25(1): 22-32.

[3]郭虎, 王瑛, 王芳. 旱災(zāi)災(zāi)情監(jiān)測(cè)中的遙感應(yīng)用綜述[J]. 遙感技術(shù)與應(yīng)用, 2008,23(1): 111-116.

[4]丁志雄. 基于RS與GIS的洪澇災(zāi)害損失評(píng)估技術(shù)方法研究[D].北京：中國(guó)水利水電科學(xué)研究院, 2004.

[5]蓋永芹, 李曉兵, 李霞, 等. 基于TM與MODIS遙感數(shù)據(jù)的農(nóng)業(yè)旱情監(jiān)測(cè)——以河北省為例[J]. 自然災(zāi)害學(xué)報(bào), 2008,17(6): 91-95.

[6]李艷旗. 氣象衛(wèi)星遙感監(jiān)測(cè)作物干旱的相似選擇分析法[J]. 中國(guó)農(nóng)業(yè)氣象, 2000, 21(2): 53-54.

[7]劉鳳仙. 基于3S的農(nóng)業(yè)干旱監(jiān)測(cè)方法綜述[J]. 中國(guó)西部科技, 2010, 9(17): 12-13.

[8]劉麗, 劉清, 周穎, 等. 衛(wèi)星遙感信息在貴州干旱監(jiān)測(cè)中的應(yīng)用[J]. 中國(guó)農(nóng)業(yè)氣象, 1999, (3): 43-47.

[9]齊述華. 干旱監(jiān)測(cè)遙感模型和中國(guó)干旱時(shí)空分析[D].北京：中國(guó)科學(xué)院研究生院(遙感應(yīng)用研究所), 2004.

[10]張峰. 川渝地區(qū)農(nóng)業(yè)氣象干旱風(fēng)險(xiǎn)區(qū)劃與損失評(píng)估研究[D]. 杭州：浙江大學(xué), 2013.

[11]董姝娜, 姜鎏鵬, 張繼權(quán),等. 基于“3S”技術(shù)的村鎮(zhèn)住宅洪災(zāi)脆弱性曲線研究[J]. 災(zāi)害學(xué), 2012, 27(2):34-38.

[12]董姝娜, 龐澤源, 張繼權(quán),等. 基于CERES-Maize模型的吉林西部玉米干旱脆弱性曲線研究[J]. 災(zāi)害學(xué), 2014,29(3):115-119.

[13]石勇, 石純, 孫阿麗. 中國(guó)南方城市居民建筑物洪災(zāi)脆弱性研究[J]. 人民長(zhǎng)江, 2009(5): 19-21.

[14]石勇, 許世遠(yuǎn), 石純,等. 城市居民建筑洪澇災(zāi)害脆弱性研究初探[J]. 華北水利水電學(xué)院學(xué)報(bào), 2009, 30(1):34-37.

[15]石勇, 許世遠(yuǎn), 石純,等. 洪水災(zāi)害脆弱性研究進(jìn)展[J]. 地理科學(xué)進(jìn)展, 2009, 28(1):41-46.

[16]王志強(qiáng), 方偉華, 史培軍,等. 基于自然脆弱性的中國(guó)典型小麥旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 干旱區(qū)研究, 2010, 27(1):6-12.

[17]周光全. 簡(jiǎn)易房屋的地震災(zāi)害經(jīng)濟(jì)損失評(píng)估[J]. 地震研究, 2007, 30(3):265-270.

[18]周瑤, 王靜愛(ài). 自然災(zāi)害脆弱性曲線研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2012, 27(4):435-442.

[19]王家祁, 駱承政. 中國(guó)暴雨和洪水特性的研究[J]. 水文, 2006, 26(3):33-36.

[20]鄒朝望, 孫媛媛, 謝伯承. 湖南省洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估研究[J]. 人民長(zhǎng)江, 2010, 41(11):63-65.

[21]陳仕鴻, 隋廣軍, 唐丹玲. 一種臺(tái)風(fēng)災(zāi)情綜合評(píng)估模型及應(yīng)用[J]. 災(zāi)害學(xué), 2012, 27(2):87-91.

[22]徐國(guó)棟, 方偉華, 史培軍,等. 汶川地震損失快速評(píng)估[J]. 地震工程與工程振動(dòng), 2008, 28(6):74-83.

[23]孫柏濤, 胡少卿, 王東明. 云南省鄉(xiāng)鎮(zhèn)農(nóng)村地震災(zāi)害直接經(jīng)濟(jì)損失研究[J]. 地震工程與工程振動(dòng), 2007, 27(1):153-158.

[24]袁一凡. 四川汶川8.0級(jí)地震損失評(píng)估及其教訓(xùn)[R]// 中國(guó)科學(xué)技術(shù)協(xié)會(huì)2008防災(zāi)減災(zāi)論壇專(zhuān)題報(bào)告.國(guó)家氣象中心，2008.

[25]Aleotti P, Chowdhury R. Landslide hazard assessment: summary review and new perspectives [J]. Bulletin of Engineering Geology and the Environment 1999, 58(1): 21-44.

[26]Esteban M, Webersik C, Shibayama T. Methodology for the estimation of the increase in time loss due to future increase in tropical cyclone intensity in Japan[J]. Climatic Change, 2010, 102(3/4):555-578.

[27]Guzzetti F, Carrara A, Cardinali M, et al. Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy[M]. Geomorphology, 1999,31(1), 181-216.

[28]Kattelmann R. Flooding from Rain-on-Snow Events in the Sierra Nevada[C]// North American Water and Environment Congress & Destructive Water. ASCE, 2014.

[29]Lee S, Choi U. Development of GIS-based geological hazard information system and its application for landslide analysis in Korea[J]. Geosciences Journal, 2003, 7(3):243-252.

[30]Panakkat A, Adeli H. Recent efforts in earthquake prediction (1990-2007)[J]. Natural Hazards Review, 2008,9(2):70-80.

[31]Ramli M F, Yusof N, Yusoff M K, et al. Lineament mapping and its application in landslide hazard assess-ment: a review [J]. Bulletin of Engineering Geology and the Environment, 2010, 69(2): 215-233.

[32]中華人民共和國(guó)農(nóng)業(yè)部.中華人民共和國(guó)農(nóng)業(yè)部種植業(yè)管理司[EB/OL]. [2015-04-30]. http://zzys.agri.go-v.cn/nongqing.aspx.

汪云，遲菲，陳 安. 中外災(zāi)害應(yīng)急文化差異分析[J].災(zāi)害學(xué), 2016,31(4):226-234.[Wang Yun, Chi Fei, Chen An. Difference of Emergency Cultures between China and Some Foreign Countries[J].Journal of Catastrophology, 2015,30(4)：226-234.]

Study on Evaluation Method of Natural Disaster Based on Historical Cases

Xia Xingsheng, Zhu Xiufang, Pan Yaozhong and Zhang Jinshui

(CollegeofResourcesScience&Technology,BeijingNormalUnivercity,Beijing100875,China)

Abstract:When a natural event was recognized as a disaster, damage assessment based on similarly historical cases rapidly in access to limited disaster data situation is effective support for analysis disaster and making disaster relief decision. In this paper, extracting indexes of historical and current disaster, establishing models of histories similarity judgment by the principle of minimum distance, and designing the assessment methods and technical processes based on disaster assessment model of historical case similarity. Then taking crops area affected drought of Henan Province as target, random selecting a similarity assessment model verified the feasibility of the technical scheme by using the historical drought disaster dataset of 2001-2006. The result showed that the relative accuracy is 98.45% and the credibility is higher. The plan of this paper is low cost, high efficiency, timeliness strong, simple, less constraints and easy to implement. It has certain practical value and promotion prospects in disaster assessment.

Key words:natural disaster; assessment; historical cases; the Principle of Minimum Distance

通訊作者：朱秀芳(1982-), 女, 浙江天臺(tái)人, 副教授, 主要從事農(nóng)業(yè)監(jiān)測(cè)、災(zāi)害監(jiān)測(cè)、土地利用/覆蓋與氣候響應(yīng)等方向的研究. E-mail: zhuxiufang@bnu.edu.cn

作者簡(jiǎn)介：夏興生(1989-), 男, 甘肅慶陽(yáng)人, 碩士, 主要從事遙感和GIS應(yīng)用研究. E-mail: xiayuan1104@163.com

基金項(xiàng)目：國(guó)家“高分辨率對(duì)地觀測(cè)系統(tǒng)”重大專(zhuān)項(xiàng)；國(guó)家青年自然科學(xué)基金“服務(wù)于快速理賠的農(nóng)作物災(zāi)害損失遙感評(píng)估方法研究”(41401479)

收稿日期：2015-05-20修回日期：2015-07-06

中圖分類(lèi)號(hào)：X43

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000-811X(2016)01-0219-07

doi:10.3969/j.issn.1000-811X.2016.01.040