基于模糊綜合評價法的安徽省旱情等級評估

王玉麗，李京兵，張錦堂，朱 瓊，吳 崢

(安徽省水文局，安徽 合肥 230000)

0 引 言

2019年8～11月，安徽省遭受嚴(yán)重的伏秋連旱，持續(xù)高溫少雨天氣致使部分地區(qū)農(nóng)田失墑、水塘干涸、水庫蓄水低于死水位，給農(nóng)業(yè)和居民用水帶來嚴(yán)重影響。合理有效的干旱等級評估，是制定抗旱措施、確定抗旱預(yù)案的重要依據(jù)。而依據(jù)研究的角度不同，用于干旱評價的指標(biāo)也不相同，以致評價結(jié)果存在著差異，因此確定合適的評價方法非常重要。目前國內(nèi)外較成熟的干旱等級評價方法多為單一指標(biāo)評價法，但由于影響干旱的因素眾多，采用單一指標(biāo)評價具有片面性。模糊綜合評價方法是一種運用模糊數(shù)學(xué)原理分析和評價具有模糊性的系統(tǒng)分析方法，許多學(xué)者運用模糊綜合評價法將單一指標(biāo)綜合起來，對干旱進(jìn)行了分析。劉薇、易知之等對研究區(qū)域進(jìn)行單指標(biāo)、多指標(biāo)綜合和區(qū)域綜合干旱評價，結(jié)果表明模糊綜合法在區(qū)域干旱評價中具有一定的可信度[1-2]。楊太明、方崇等將基于信息熵與層次分析法的改進(jìn)模糊綜合評估模型應(yīng)用在安徽省蚌埠地區(qū)，既克服了主觀賦權(quán)的隨意性，又綜合考慮每個指標(biāo)間的相互關(guān)系，取得了較為合理準(zhǔn)確的效果[3-4]。為合理有效確定2019年安徽省旱情等級，本文采用SL 424—2008《旱情等級標(biāo)準(zhǔn)》中的降水量距平百分率、連續(xù)無雨日數(shù)、土壤相對濕度進(jìn)行區(qū)域單指標(biāo)旱情等級評估。同時為了考慮各指標(biāo)與區(qū)域內(nèi)干旱等級間的關(guān)系及避免單一指標(biāo)評價的片面性，在各單指標(biāo)評價的基礎(chǔ)上，采用模糊綜合評價方法對區(qū)域內(nèi)干旱等級進(jìn)行綜合評估。

1 研究區(qū)域概況

1.1 干旱特點

2019年安徽省旱情具有以下特點。

(1) 降雨偏少，天氣晴熱，土壤失墑快。2019年8月12日至11月11日安徽省面平均降雨量80 mm，較往年同期偏少70%。全省55個縣降雨量較往年同期均偏少40%以上。加上天氣晴熱，蒸發(fā)量大，土壤失墑快，由各水文分區(qū)干燥度可知各水文分區(qū)的干燥度均大于1.5(表1)。

表1 安徽省水文分區(qū)干燥度統(tǒng)計

(2) 連續(xù)無有效降雨日長。2019年8月12日至11月11日，安徽省最長連續(xù)無有效降雨日地區(qū)：大別山區(qū)南麓、沿江江南和皖南山區(qū)、江淮之間東部，為66～75 d，均為有記錄以來第1位。

(3) 旱災(zāi)范圍廣。全省降水量較往年同期偏少80%的面積約3.14萬km2，偏少70%～80%的面積約3.82萬km2，偏少50%～70%的面積4.89萬km2。

(4) 大型水庫蓄水位低，水庫蓄水偏少。2019年11月11日梅山水庫水位106.87 m，居歷史同期最低14位(1966年最低)；響洪甸水庫水位110.65 m，居歷史同期最低16位(1978年最低)；磨子潭水庫水位166.72 m，居歷史同期最低16位(1958年最低，1966年第二)；佛子嶺水庫水位108.26 m，居歷史同期最低22位(1965年最低，1978年第二)。其中梅山、佛子嶺、花涼亭水庫水位均低于死水位。11月11日全省大型水庫蓄水量35.9億m3，較往年同期少20%，全省中型水庫蓄水6.54億m3，較往年同期少40%。

1.2 干旱頻率

統(tǒng)計2019年安徽省8月12日至11月11日面雨量，并與歷年同期值進(jìn)行排頻計算重現(xiàn)期，結(jié)果如表2所示。2019年全省同時段面雨量排歷史最低第2位，重現(xiàn)期為35 a，合肥、蕪湖、馬鞍山、安慶、池州、銅陵、黃山7市排歷史最低第1位，重現(xiàn)期均大于50 a，其余各市排歷史最低2～7位，重現(xiàn)期均大于10 a。從水文分區(qū)上分析，沿江江南、皖南山區(qū)面雨量排歷史最低第1位，重現(xiàn)期大于50 a一遇，江淮之間、大別山區(qū)排歷史最低第2位，重現(xiàn)期為35 a，淮河以北排歷史最低第5位，重現(xiàn)期為10 a。

2 干旱等級單指標(biāo)評估

2.1 評價指標(biāo)

2.1.1 降水量距平百分率

降水距平百分率多用于評估月、季、年發(fā)生的干旱事件，直觀反映降水異常的干旱情況。計算時段降水距平百分率如式(1)所示，以其為指標(biāo)進(jìn)行干旱等級劃分的標(biāo)準(zhǔn)如表3所示。

(1)

表3 干旱指標(biāo)等級標(biāo)準(zhǔn)

2.1.2 連續(xù)無雨日數(shù)

連續(xù)無雨日是指在農(nóng)作物生長期內(nèi)連續(xù)無有效降雨的天數(shù)，不同地區(qū)對連續(xù)日數(shù)和有效降水量閾值的規(guī)定有所不同，安徽地區(qū)有效降雨閾值為5 mm，一般來說連續(xù)無雨日越長，干旱越嚴(yán)重，以其為指標(biāo)進(jìn)行干旱等級劃分的標(biāo)準(zhǔn)如表3所示。

2.1.3 土壤相對濕度

土壤相對濕度是反映土壤含水量的指標(biāo)之一，是指土壤濕度占田間持水量的百分比，計算如式(2)所示，以其為指標(biāo)進(jìn)行干旱等級劃分的標(biāo)準(zhǔn)如表3所示。

(2)

式中：W為土壤相對濕度，%；θ為土壤平均重量含水量，%；FC為土壤田間持水量，%。

圖1 降水量距平等值面圖(單位：mm)Fig.1 Precipitation distance equivalence surface map

2.2 結(jié)果分析

綜合雨水情、來水量、水庫蓄水量和土壤墑情分析，安徽省共有10市發(fā)生較為明顯的干旱情況。選取全省及這10市的最不利的連續(xù)3個月的降水量計算距平百分率作為季尺度，最不利的1個月的降水量計算距平百分率作為月尺度(圖1)，并統(tǒng)計最長連續(xù)無雨日天數(shù)與土壤墑情，結(jié)果如表4所示。按照水文分區(qū)，分別統(tǒng)計安徽省淮河以北、江淮之間、大別山區(qū)、沿江江南、皖南山區(qū)旱情指標(biāo)，結(jié)果如表5所示。

表4 安徽省各地區(qū)單指標(biāo)干旱等級評估結(jié)果

表5 安徽省水文分區(qū)單指標(biāo)干旱等級評估結(jié)果

(1) 在降水距平百分率季尺度評估標(biāo)準(zhǔn)下：銅陵、池州、安慶3市為特大干旱；合肥、六安、馬鞍山、蕪湖4市為嚴(yán)重干旱；滁州、黃山2市為中度干旱；宣城為輕度干旱；全省為中度干旱。從水文分區(qū)上看，江淮之間、大別山區(qū)、沿江江南為嚴(yán)重干旱，淮河以北、皖南山區(qū)為中度干旱。

(2) 在降水距平百分率月尺度評估標(biāo)準(zhǔn)下：六安市為特大干旱；合肥市為嚴(yán)重干旱；滁州、馬鞍山、蕪湖、銅陵、池州、安慶6市為中度干旱；黃山為輕度干旱；宣城市不旱；全省為中度干旱。從水文分區(qū)上來看，大別山區(qū)為特大干旱，江淮之間為嚴(yán)重干旱，淮河以北為中度干旱，沿江江南為輕度干旱。

(3) 選取安徽省最不利的連續(xù)3個月時段統(tǒng)計最長連續(xù)無雨日天數(shù)，按照評估標(biāo)準(zhǔn)，由表4可知：馬鞍山、蕪湖、池州、安慶、黃山5市為特大干旱；合肥、滁州、六安、宣城4市為嚴(yán)重干旱；銅陵市為中度干旱。從水文分區(qū)上來看，大別山區(qū)、沿江江南、皖南山區(qū)為特大干旱，江淮之間為嚴(yán)重干旱，淮河以北為中度干旱。

(4) 以土壤相對濕度為指標(biāo)，安慶市為嚴(yán)重干旱；馬鞍山、銅陵、黃山市為中度干旱；其余各市為輕度干旱或無旱。

由上可知，單指標(biāo)評價方法計算簡單、易于實現(xiàn)、結(jié)果直觀，在干旱評價中應(yīng)用廣泛，但綜合表4和表5可知，單一指標(biāo)評價結(jié)果存在差異，例如合肥市干旱等級在降水距平和連續(xù)無雨日指標(biāo)評價中是嚴(yán)重干旱，在以土壤相對濕度為指標(biāo)評價結(jié)果中為輕度干旱，無雨期的農(nóng)田灌溉可能導(dǎo)致這種狀況的存在。由于干旱是眾多因素長期共同作用的結(jié)果，單一指標(biāo)的使用不能全面準(zhǔn)確有效地掌握旱情。為此，在以降水量距平百分率、連續(xù)無雨日數(shù)、土壤相對濕度為指標(biāo)的評價結(jié)果基礎(chǔ)上，運用模糊綜合評價模型對安徽省記錄在冊的干旱事件進(jìn)行綜合評價，以此作為模糊綜合評價方法的檢驗，然后再將該方法應(yīng)用于2019年安徽省干旱時段內(nèi)旱情等級的評估。

3 模糊綜合評價旱情評估

3.1 模糊綜合評價法

模糊綜合評價理論是模糊數(shù)學(xué)的重要內(nèi)容，是以模糊數(shù)學(xué)為基礎(chǔ)，將相關(guān)的模糊概念用模糊集合表示，應(yīng)用模糊關(guān)系合成的原理，通過模糊運算[5]獲得集合表示評價結(jié)果。具體計算步驟如下。

(1) 將評價因素組成指標(biāo)集X=(X1，X2，…，Xm)，X為被評對象的m個指標(biāo)集，Y=(Y1，Y2，…，Yn)為對被評對象可能作出的評價結(jié)果集，其中n為干旱等級標(biāo)準(zhǔn)的分級數(shù)。逐個對被評對象從每個指標(biāo)X(r=1，2，…，m)進(jìn)行量化，得到模糊矩陣關(guān)系矩陣為

(3)

式中：ark表示被評對象的第r個指標(biāo)對Yk分類的隸屬度，隸屬度可由隸屬函數(shù)求得，r=1,2，…，m，k=1,2，…，n。通過矩陣A可以得出從X到Y(jié)的模糊線性關(guān)系W，W對指標(biāo)集X上的關(guān)于權(quán)重分配的模糊向量為B=(b1，b2，…，bm)，則：

C=W(B)=B×A=

(4)

(2) 旱情指標(biāo)為上述各單指標(biāo)：記為X=(X1，X2，X3)，其中X1為降水量距平百分率、X2為連續(xù)無雨日數(shù)、X3為土壤相對濕度，各指標(biāo)所反映的評估對象重要程度不同。旱情等級分為Y=(Y1，Y2，Y3，Y4)，其中Y1為特大干旱，Y2為嚴(yán)重干旱，Y3為中度干旱，Y4為輕度干旱。

(3) 確定權(quán)系數(shù)。旱情評價中各指標(biāo)權(quán)重系數(shù)的確定方法主要分為主觀法和客觀法，本文采用層次分析法與信息熵相結(jié)合的方法[5]，由層次分析法確定主觀權(quán)重以反映實際，信息熵確定客觀權(quán)重以克服主觀隨意性。

3.2 結(jié)果分析

將模糊綜合評價法應(yīng)用于安徽省記錄在冊的干旱事件檢驗，以確定該方法在區(qū)域內(nèi)的適用性與有效性。2013年安徽省大部地區(qū)發(fā)生嚴(yán)重干旱，選取蕪湖、池州、宣城、黃山、銅陵市2013年干旱期降雨、連續(xù)無雨日及土壤相對濕度為例，進(jìn)行旱情等級的評估。根據(jù)層次分析法中0.618比例確定權(quán)重向量為(0.57，0.06，0.37)，信息熵計算得權(quán)重向量為(0.53，0.30，0.18)，得到綜合權(quán)重為(0.57，0.14，0.29)。計算結(jié)果如表6所示。由結(jié)果可知，蕪湖市為特大干旱，其中隸屬度為0.414 0，池州、宣城、黃山市均為嚴(yán)重干旱，隸屬度分別為0.489 4，0.365 1，0.487 1，銅陵市為中度干旱，隸屬度0.463 7。由資料記載可知，安徽省2013年夏季受高溫少雨和蒸發(fā)量大疊加影響，沿淮東部及沿江江南地區(qū)重旱，部分地區(qū)特旱，與模糊綜合評價法的結(jié)果較符，一定程度上說明評價方法的合理性與可行性。

表6 2013年安徽省干旱區(qū)域綜合評價結(jié)果

通過檢驗可知，模糊綜合評價法對研究區(qū)域內(nèi)的旱情評價有一定的合理性與可行性。在此基礎(chǔ)上將模糊綜合評價方法應(yīng)用于2019年安徽省旱情評估中，選取單指標(biāo)評價中的3項指標(biāo)組成評價體系，計算資料采用10市2019年8月中旬至2019年11月中旬雨量、連續(xù)無雨日及土壤相對濕度，以全省和合肥市為例，得到的評估結(jié)果為(0，0.607 4，0.250 7，0.141 8)和(0.182 4，0.633 3，0.098 5，0.085 6)，根據(jù)最大隸屬度原則可確定全省及合肥市的干旱等級均為嚴(yán)重。其他區(qū)域計算結(jié)果見表7。

表7 2019年安徽省干旱區(qū)域綜合評價結(jié)果

4 結(jié) 論

本文利用模糊綜合評價法評估了2019年安徽省旱情，得到結(jié)論如下。

(1) 2019年安徽省伏秋時期發(fā)生嚴(yán)重干旱，其中蕪湖、銅陵、池州、安慶市為特大干旱，合肥、滁州、六安、馬鞍山、黃山市為嚴(yán)重干旱，宣城市為中度干旱。

(2) 干旱等級評價的各指標(biāo)與旱情等級間關(guān)系較為復(fù)雜，使用單一指標(biāo)進(jìn)行評定不能全面反映區(qū)域內(nèi)的實際情況，本文使用基于信息熵與層次分析法綜合賦權(quán)的模糊綜合評價法，有效克服主權(quán)賦權(quán)的隨意性的同時，綜合考慮每個指標(biāo)之間的相互關(guān)系，評價結(jié)果與實際情況也較為接近。