工程地质学报  2018, Vol. 26 Issue (5): 1121-1130   (#KB#)    
Article Options
  • PDF (#KB#)
  • Full Text HTML
  • Abstract
  • Figures
  • References
  • History
  • 收稿日期:2017-11-29
  • 接受日期:2018-04-24
  • 扩展功能
    把本文推荐给朋友
    加入引用管理器
    Email Alert
    文章反馈
    浏览反馈信息
    本文作者相关文章
    刘艳辉
    张振兴
    苏永超

    引用本文  

    刘艳辉, 张振兴, 苏永超. 2018. 地质灾害承灾载体脆弱性评价方法研究[J]. 工程地质学报, 26(5): 1121-1130. doi: 10.13544/j.cnki.jeg.2017-560.
    LIU Yanhui, ZHANG Zhenxing, SU Yongchao. 2018. Case study of vulnerability evaluation for geo-hazards bearing capacity of a region[J]. Journal of Engineering Geology, 26(5): 1121-1130. doi: 10.13544/j.cnki.jeg.2017-560.

    地质灾害承灾载体脆弱性评价方法研究
    刘艳辉, 张振兴, 苏永超    
    ① 中国地质环境监测院(自然资源部地质灾害防治技术指导中心) 北京 100081;
    ② 华北水利水电大学 郑州 450045
    摘要:中国地质灾害严重,地质灾害承灾载体的脆弱性直接决定着灾害造成损失的严重程度,开展脆弱性定量评价方法研究具有重要意义。(1)本文构建了地质灾害承灾载体脆弱性评价指标体系,包括4个一级指标和19个二级指标。一级指标包括生命类、物质类、生态环境类和社会经济类指标。(2)以青川县为例,分别采用TOPSIS模型和加权求和模型,分别以乡镇单元和行政村单元为最小单元,开展了地质灾害承灾载体脆弱性评价,将青川县承灾载体脆弱性分为高、较高、中等、较低和低5个脆弱性等级。(3)两种模型评价结果对比显示,总体一致性较好,73%的区域脆弱性结果完全一致,27%的区域存在一个等级的差别;高、低脆弱性等级区两种模型结果一致,吻合度100%;较高和中等脆弱性等级区两种模型结果吻合度分别为86%和73%;较低脆弱性区两种模型结果吻合度略差,为54%。(4)两种单元评价结果对比显示,在总体规律上保持了较好的一致性。半数以上的乡镇单元与行政村单元脆弱性等级完全相同或总体一致;以行政村为评价单元的评价结果明显更加精细,原因在于不同行政村的各类指标值具有明显的差异性,而乡镇单元消除了各个行政村之间的差异。
    关键词地质灾害    脆弱性    脆弱性评价    承灾载体    
    CASE STUDY OF VULNERABILITY EVALUATION FOR GEO-HAZARDS BEARING CAPACITY OF A REGION
    LIU Yanhui, ZHANG Zhenxing, SU Yongchao    
    ① China Institute of Geo-Environmental Monitoring(Technical Center for Geo-Hazards Prevention of MNR), Beijing 100081;
    ② North China University of Water Resources and Electric Power, Zhengzhou 450045
    Abstract: Geological hazards lead to great threatens in China. The vulnerability of geo-hazards bearing capacity directly determines the severe of geological disasters. Its corresponding quantitative assessment of vulnerability is very importance. This paper presents the index system of the vulnerability for geo-hazards bearing capacity. The system includes four indexes and nineteen sub-indexes. The four indexes are life index, material index, ecological environment index and social economy index. A case study is performed in Qingchuan County, China. The township units and administrative village units are used as the basic unit in GIS. Both TOPSIS model and Weighted Sum model are adopted to evaluate the vulnerability of geo-hazards bearing capacity in this area. Five vulnerability levels are classified and include high vulnerability level, relatively high vulnerability level, moderate vulnerability level, relatively low vulnerability level, and low vulnerability level. Comparative study of these two models indicates that the results derived from the two models are consistent as a whole. 73 percent of the area has the same vulnerability level. The rest 27 percent area differs with a gap of one vulnerability level. In the areas of high, low vulnerability levels derived by the two models are quite consistent with each other. The agreements between two models in relatively high and medium level are 86% and 73%respectively, while in relatively low vulnerability level was slightly worse(54%). An evaluated comparison of township unit and administrative village unit presents the good consistency at the whole. Approximately above half level of vulnerability of two units are exact the same or general same. The evaluation results of administrative villages are apparently more accurate. The reason is that there are obvious differences among various administrative villages in their index values, while the township standard eliminates the differences among administrative villages.
    Key words: Geo-hazards    Vulnerability    Vulnerability evaluation    Geo-hazards bearing capacity    

    0 引言

    中国地质灾害严重,特别是西南山区山高坡陡,崩滑流灾害频发,突发性强,严重影响当地居民的正常生产生活。灾害是孕灾环境、致灾因子和承灾载体综合作用的产物(史培军, 1996, 2002),显而易见,易于发生灾害事件的孕灾环境、易于引发灾害的致灾因子和易于形成灾情的承灾载体系统共同作用,必然导致严重的灾情,造成重大损伤与伤害。前两者(孕灾环境和致灾因子)描述的是灾害发生的可能性大小(即危险性),第三者(承灾载体)决定了灾害可能造成的灾情大小,常用脆弱性指标来定量评价。人类对承灾载体的脆弱性研究始于20世纪80年代,源于当时对学术界盛行的致灾因子论的反思和批判(Deyle et al., 1998),致灾因子论认为致灾因子的频率和强度决定灾情的大小,而忽略了承灾载体的重要性。从事承灾载体脆弱性研究的学者们,主要着重于从灾害承灾载体的角度入手,强调承灾载体的脆弱性是决定灾害损失的关键因素(Panizza,1996)。

    在地学领域,Timmermen P.于1981年首次提出了脆弱性的概念,认为脆弱性是灾害系统对潜在灾害的不利反应能力(Timmermann,1981),联合国在1992年公布了脆弱性(Vulnerability)的定义为“潜在损害现象可能造成的损失程度”(United Nations,1992)。随后,很多学者开展了卓有成就的研究,取得了大量的相关研究成果(Corominas et al., 2014)。综合国外研究成果,大多针对单体大型灾害的潜在危害对象(承灾载体)开展研究。

    20世纪60年代,国内学者开始研究脆弱性,目前脆弱性已发展成为一个多尺度,由自然、社会、经济和环境等多方面共同构成的综合性概念(樊运晓等,2003),被应用到包括灾害管理、生态学、公共健康、气候变化、土地利用和可持续科学在内的诸多领域(刘毅等,2010)。研究学者采用了多种评价模型(模糊综合评判理论模型、TOPSIS模型、集对分析方法、数据包络分析模型(DEA)等)(程翠云等,2010苏飞等,2010张永领等,2014)对各种自然灾害脆弱性进行了评价研究。脆弱性的研究尺度大多集中于省、市以及区县、乡镇以及沿海城市(隋欣等,2004石勇等,2010杨俊等,2014),而对以行政村为评价单元的承灾载体脆弱性评价鲜见报刊。

    本文构建了地质灾害承灾载体脆弱性指标体系,并以四川青川县为例,采用TOPSIS模型和加权求和模型,分别以乡镇和行政村为评价单元开展了青川县地质灾害承灾载体脆弱性评价,并对评价结果进行了对比分析。

    1 地质灾害承灾载体脆弱性评价指标体系

    地质灾害承灾载体即潜在的承受地质灾害的对象,涉及到人类本身和社会发展的各个方面,包括人类本身的生命、所拥有的财产、赖以生存的资源和环境、正常生产生活所需要的社会经济条件以及心理承受能力等。脆弱性,也称为易损性,源于英文单词Vulnerability,联合国在1992年公布了脆弱性定义为“潜在损害现象可能造成的损失程度,也就是承灾载体遭受灾害时发生损毁的难易程度,若将其量化,其值介于0~1之间”。

    综合国内外相关研究成果,完善确立了地质灾害承灾载体脆弱性评价指标体系包括4个一级指标和19个二级指标。一级指标包括生命类指标、物质类指标、生态环境类指标和社会经济类指标等4类(图 1)。

    图 1 地质灾害承灾载体脆弱性评价指标体系 Fig. 1 Index system of the vulnerability for geo-hazards bearing capacity

    生命类指标,是指对人类本身造成的伤亡,又特指人类身体本身的损伤。可以用人口数量、人口年龄构成和人口学历构成来细化表达。当重大地质灾害发生时,往往直接威胁影响区范围内群众的生命安全,人口数量直接影响着造成人员伤亡的数量,而人口年龄和学历构成情况直接影响着人员是否能够成功避灾的结果。

    物质类指标,是指对建筑、生命线工程等基础设施的破坏。可以细化为对点状工程(居民点、水坝、矿山等)、线状工程(公路铁路等交通设施、水电气管线等设施、通信工程线设施等)、面状工程(耕地、林地、草场等)。重大地质灾害发生往往会毁坏建筑、工程设施、耕地草场等居民财产,造成直接或间接的财产损失,直接影响城乡居民的生产生活。

    生态环境类指标,是指对水、空气和土壤等生态环境的破坏,具体可以细化为水源地、空气、土壤和生态景观等。地质灾害的发生一般对环境的长期影响较小,但重大灾害的发生,例如泥石流,也可能对水源环境等造成一定影响。

    社会经济类指标,是指对社会经济发展总体影响,也包含灾害造成的心理阴影创伤,影响社会和谐稳定的因素等。重大灾害发生时,在社会经济发达地区往往造成较大损失,但抗灾能力也相对较强。在灾害多发地区,历史灾害点多,群众的防灾减灾意识强,脆弱性变弱。历史灾害造成死亡失踪人数多,人民群众心理创伤大,脆弱性变强。

    为了定量评价地质灾害承灾载体的脆弱性,可以通过遥感解译、现场调查和统计年鉴数据提取等方法,对研究区地质灾害承灾载体进行识别与获取。

    2 脆弱性评价模型方法
    2.1 TOPSIS模型

    TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)模型(Wang et al., 1981),是C.L.Hwang和K.Yoon于1981年提出的一种根据有限个评价对象与理想化目标的接近程度来进行排序的方法,是多目标决策分析中一种常用的有效方法,贴近度取值在0~1之间,该值越接近1,表示相应的评价目标越接近最优水平,即脆弱性越高;反之,该值越接近0,表示评价目标越接近最劣水平,脆弱性越低。主要步骤为:

    2.1.1 构建评价指标数据矩阵

    假设有m个评价单元,每个评价单元有n个评价指标,xmn为第m个评价单元的第n个评价指标值,则可构建原始数据矩阵。

    $X{\rm{ = }}\left[ {\begin{array}{*{20}{c}} {{x_{11}}}&{{x_{12}}}& \cdots &{{x_{1n}}}\\ {{x_{21}}}&{{x_{22}}}& \cdots &{{x_{2n}}}\\ \vdots & \vdots &{}& \vdots \\ {{x_{m1}}}&{{x_{m2}}}& \cdots &{{x_{mn}}} \end{array}} \right] $ (1)

    2.1.2 原始矩阵标准化处理

    原始数据由于各评价指标的含义、数量级以及正负相关性有所不同,导致原始数据各评价指标之间存在较大差异,无法直接进行对比,需要对原始数据进行标准化处理,形成规范矩阵。

    $\mathit{R}{\rm{ = }}\left[ {\begin{array}{*{20}{c}} {{r_{11}}}&{{r_{12}}}& \cdots &{{r_{1n}}}\\ {{r_{21}}}&{{r_{22}}}& \cdots &{{r_{2n}}}\\ \vdots & \vdots &{}& \vdots \\ {{r_{m1}}}&{{r_{m2}}}& \cdots &{{r_{mn}}} \end{array}} \right] $ (2)

    2.1.3 规范矩阵加权处理

    将规范矩阵每个数据乘以该数据所属评价指标的权重值,得到加权决策矩阵。

    $\mathit{Z}{\rm{ = }}\left[ {\begin{array}{*{20}{c}} {{Z_{11}}}&{{Z_{12}}}& \cdots &{{Z_{1n}}}\\ {{Z_{21}}}&{{Z_{22}}}& \cdots &{{Z_{2n}}}\\ \vdots & \vdots &{}& \vdots \\ {{Z_{m1}}}&{{Z_{m2}}}& \cdots &{{Z_{mn}}} \end{array}} \right] $ (3)

    2.1.4 确定最优解和最劣解

    分别计算加权决策矩阵Z每一列最优解和最劣解,其表达式为:

    最优解

    ${\mathit{Z}^ + } = \left\{ {\mathit{Z}_1^ +, \mathit{Z}_2^ +, Z_3^ +, \cdots \mathit{Z}_n^ + } \right\} $ (4)

    最劣解

    ${\mathit{Z}^ - } = \left\{ {\mathit{Z}_1^ -, \mathit{Z}_2^ -, Z_3^ -, \cdots \mathit{Z}_n^ - } \right\} $ (5)

    式中,Zn+Zn-分别为第n列的最大值和最小值。

    2.1.5 计算贴近度

    首先,要确定每个评价单元到最优解和最劣解的距离,第i个评价单元到最优解和最劣解的距离分别为:

    $D_j^ + = \sqrt {\sum\limits_{j - 1}^n {{{\left({{\mathit{Z}_{\mathit{ij}}} - Z_j^ + } \right)}^2}} } \left({i = 1, 2, \cdots, \mathit{m;j = }{\rm{1}}\mathit{, }{\rm{2}}\mathit{, } \cdots \mathit{, }n} \right) $ (6)

    $D_j^ - = \sqrt {\sum\limits_{j - 1}^n {{{\left({{\mathit{Z}_{\mathit{ij}}} - Z_j^ - } \right)}^2}} } \left({i = 1, 2, \cdots, \mathit{m;j = }{\rm{1}}\mathit{, }{\rm{2}}\mathit{, } \cdots \mathit{, }n} \right) $ (7)

    $贴近度:\;\;\;\;\;\;\;\;\;\;{\mathit{C}_\mathit{i}} = \frac{{D_i^ - }}{{D_i^ + + D_i^ - }} $

    0≤Ci≤1,Ci的值越接近1,表明该评价单元脆弱性越高。

    2.2 加权求和模型

    加权求和模型,是利用标准化的指标数据及其权重,来计算区域自然灾害社会脆弱性指数的常用方法,公式如下:

    $V = \sum\limits_{i = 1}^n {{P_\mathit{i}}} \times {W_\mathit{i}} $

    其中,V为脆弱性指数;Pi为某区域第i种指标的标准值;Wi为第i种指标所占权重。

    加权求和模型的基本原理是对各个评价指标在整体评估中占的重要作用设定比例,各指标比例加起来应为1,然后将各个评价指标分别乘以各自的加权比例再相加求和。关于标准值的计算,主要是统计中定性指标的数据量化和不同指标标准化等而进行的处理方法。

    3 青川县地质灾害承灾载体脆弱性评价实例

    四川省青川县位于四川盆地北部边缘,嘉陵江中上游,以中山地形为主,地势西北高东南低,地处龙门山断裂带地震多发带,辖区内高山峡谷地貌,地形切割强烈,地质构造复杂,为崩塌、滑坡、泥石流等地质灾害的高发区。全县幅员面积3216 km2,辖9个镇,25个乡,2个民族乡,1个国家自然保护区,268个行政村,总人口25万。“5 · 12”汶川地震时,青川县受到严重影响,地震烈度10度以上,地震造成山体疏松、开裂松弛,触发了大量滑坡、崩塌、泥石流等地质灾害(刘传正等,2017),对居民生命财产造成重大损害,人员伤亡惨重,全县房屋全部受损,基础设施全面瘫痪,水电气管线严重破坏。目前青川县具备较好的孕灾环境和致灾因子条件,据调查统计,截至2015年底,青川县共发生崩塌、滑坡、泥石流等地质灾害1200余处(图 2)(温铭生等,2016)。

    图 2 青川县地质灾害分布 Fig. 2 Distribution of geo-hazards in Qingchuan county, China

    本文分别以行政村和乡镇为评价单元,采用TOPSIS模型和加权求和模型对青川县地质灾害承灾载体进行脆弱性评价。研究区范围内共269个行政村单元和41个乡镇单元。

    3.1 数据来源

    主要数据来源包括:青川县1 ︰ 5万DLG矢量地形要素数据;青川县1 ︰ 5万遥感解译数据;《青川统计年鉴》(2015年);四川省青川县2010年第5次人口普查数据等。其中,生命类评价因子数据主要来自于青川第5次人口普查数据,物质类主要来自遥感解译和DLG矢量地形要素数据,社会经济类主要来自于青川统计年鉴。

    3.2 评价指标体系建立

    依据青川县地质灾害承灾载体实际情况,共选取3个一级指标12个二级指标构建青川县承灾载体脆弱性评价指标体系(表 1)。

    表 1 青川县地质灾害承灾载体脆弱性评价指标体系 Table 1 Index system of the vulnerability for geo-hazards bearing capacity in Qingchuan county, China

    (1) 生命类指标:选取人口聚集度、15岁以下及65岁以上人口比例、女性人口比例等3个二级指标。

    人口聚集程度:反映了单位建筑面积内人口数量,相比人口密度,更能反应行政村区域的人口分布状况。人口聚集程度越大,房屋越密集,遭受地质灾害时,造成的损失也就更大,为正相关指标。

    15岁以下及65岁以上人口比例:15岁以下儿童其自身生理心理等方面处于弱势,缺少必要的知识、生活经验以及面对灾害时的应急能力;65岁以上老年人由于生理、感官以及认知功能退化,自身行动能力变弱,导致应对灾害的能力不足。儿童及老年人所占比例越高的区域,其脆弱性程度越高,为正相关指标。

    女性人口比例:女性的脆弱性在于身体素质,从体能和行动力方面不如男性,抗灾和救灾能力相对较弱,其所占比重越大,脆弱性越高,为正相关指标。

    (2) 物质类指标:选取交通干线密度、人均耕地面积和房屋密度等3个二级指标。

    交通干线密度:交通干线密度的作用有两个方面,一方面反映了道路上可能受损伤的人员和经济损失,是正相关指标;另一方面反映了灾害发生后抢险救灾角度,是负相关指标。在物质类指标里,着重体现和描述了其第一个属性,即所受到的物质损失,是正相关指标。

    人均耕地面积:地质灾害发生时,耕地一般会立即受到影响,造成经济损失。人均耕地面积越大,发生地质灾害造成的损失也就越大,为正相关指标。

    房屋密度:青川县大部分行政村位于山区,房屋比较分散,也有例如城郊村和竹园村等城镇人口较多,房屋比较聚集,地质灾害发生时,不仅会造成大量房屋、水电气管线和交通道路等物质类损毁,同时也会造成大量的人员伤亡。房屋密度越大,造成损失越大,为正相关指标。

    (3) 生态环境类指标:选取水系密度和森林覆盖率两个二级指标。

    水系密度:反映了研究区水系分布情况,表达地质灾害对水资源可能造成的损失。水系分布密度越大,地质灾害发生对生态环境影响越大,脆弱性越高,为正相关指标。

    森林覆盖率:反映森林资源的丰富程度、绿化程度和生态平衡状况的重要指标。森林覆盖率越高,地质灾害发生对生态环境影响越大,脆弱性越高,为正相关指标。

    (4) 社会经济类:选取农林牧渔业总产值、地质灾害隐患点数量、死亡率和人均纯收入4个二级指标。

    农林牧渔业总产值:研究区的经济性评价指标。这类承灾载体一般都比较暴露,一旦发生灾害,将会造成巨大损失,因此农林牧渔产值越高地区,当遭受地质灾害时,造成的损失也就越大,为正相关指标。

    地质灾害隐患点数量:研究区的社会性评价指标,描述灾害可能造成的居民心理阴影创伤因素。地质灾害隐患点数量越多,人们对灾害的关注度就更高,当地居民的防灾意识也更强,有利于降低灾害脆弱性,为负相关指标。

    死亡率:研究区的社会性评价指标,描述灾害可能造成的居民心理阴影创伤程度。死亡率越高,人们的悲观情绪也就更为严重,心理承受能力较差,不能做出正确判断,发生灾害时不能及时撤离,这些区域的脆弱性相对高一些,为正相关指标。

    人均纯收入:研究区的居民生产自救能力的评价指标。人均纯收入越高,生活水平也就越高,持有社会经济资源相对较多,能更好的来抵御灾害和保护自己,脆弱性相对较低,为负相关指标。

    3.3 指标归一化与权重确定3.3.1评价指标归一化

    为了平衡各评价指标之间的量级差异,采用改进的min-max标准化方法对原始数据进行了归一化处理。

    原始的min-max标准化方法:

    $正向指标:\;\;\;\;\;\;\;\;\;\;{\mathit{t}^{\rm{ + }}} = \frac{{x - {x_{\min }}}}{{{x_{\max }} - {x_{\min }}}} $ (8)

    $负向指标:\;\;\;\;\;\;\;\;\;\;{\mathit{t}^{\rm{ - }}} = \frac{{{x_{\max }} - {x_{ }}}}{{{x_{\max }} - {x_{\min }}}} $ (9)

    为了尽量避免归一化之后出现“0”或“1”的数值,对min-max标准化方法作出如下改进:

    $正向指标:\;\;\;\;\;\;\;\;\;\;{\mathit{t}^{\rm{ + }}} = \frac{{x - {u_{\min }}}}{{{u_{\max }} - {u_{\min }}}} $ (10)

    $负向指标:\;\;\;\;\;\;\;\;\;\;{\mathit{t}^{\rm{ - }}} = \frac{{{u_{\max }} - {x_{ }}}}{{{u_{\max }} - {u_{\min }}}} $ (11)

    其中,${u_{\min }} = {x_{\min }} - 0.1\left| {{x_{\min }}} \right|, {u_{\max }} = 1.1\left| {{x_{\max }}} \right|$

    3.3.2 权重确定

    权重的确定方法有主观赋权法和客观赋权法。主观赋权法主要有专家评分法、成对比较法和层次分析法等(温晓金等,2016),客观赋权法有空间主成分分析法、模糊数学法、秩和比法、变异系数法和均方差法等(刘艳辉等,2015朱婵婵等,2017)。本文采用层次分析法对青川县脆弱性指标体系赋权,计算出各指标权重(表 1)。

    根据表 1中各评价指标权重结果,一级指标中,生命类指标的贡献率最大,其次为物质类指标和社会经济类指标,权重最小的为生态环境类指标。生命类、物质类、社会经济类和生态环境类的指标权重比例约为4 ︰ 2 ︰ 2 ︰ 1。二级指标中,人口聚集程度指标权重最大,达0.32,其次为房屋密度,权重为0.13。而社会经济类中的地质灾害隐患点数量和死亡率权重最小,均为0.03。

    3.4 评价结果与对比分析

    根据青川县地质灾害承灾载体脆弱性评价指标体系,分别采用TOPSIS模型和加权求和模型,以乡镇和行政村为评价单元分别计算青川地质灾害承灾载体脆弱性。根据计算结果,采用自然断点分级法将脆弱性分为5个等级,高、较高、中等、较低、低脆弱性(图 3图 4)。两种评价模型、两种评价单元得出的脆弱度结果总体保持了较好的一致性,但还是存在一些差别,下面分别进行对比分析。

    图 3 TOPSIS模型评价结果 Fig. 3 Evaluation results from TOPSIS model a.乡镇评价单元;b.行政村评价单元

    图 4 加权求和模型评价结果 Fig. 4 Evaluation results from Weighted Sum model a.乡镇评价单元;b.行政村评价单元

    3.4.1 两种模型的脆弱性评价结果对比

    以乡镇评价单元为例,将两种模型计算结果进行比对(图 3图 4表 2)。

    表 2 两种模型脆弱性评价结果对比 Table 2 Comparison of evaluation results from two models

    对比显示,两种模型的计算结果总体上基本一致,但个别乡镇存在1个等级的差别。脆弱性等级完全相同的乡镇共27个,占总数的73%;TOPSIS模型计算结果脆弱性等级高于加权求和模型的乡镇共2个,占总数的5%;TOPSIS模型计算结果脆弱性等级低于加权求和模型的乡镇共8个,占总数的22%。

    各脆弱性等级中,高脆弱性和低脆弱性等级两种模型计算结果完全一致,吻合度均为100%;较高脆弱性和中等脆弱性等级两种模型计算结果吻合度分别为86%和73%;而较低脆弱性等级两种模型计算结果吻合度略差,为54%。

    3.4.2 两种评价单元的脆弱性评价结果对比

    以TOPSIS模型为例,将以乡镇为单元(37个)和以行政村为单元(269个)的脆弱性评价结果进行比对(图 3图 4表 3)。

    表 3 乡镇单元和行政村单元的脆弱性评价结果对比 Table 3 Comparison of evaluation results from township unit and administrative village unit

    对比显示,两种评价单元的计算结果在总体规律上保持了较好的一致性。但很明显,以行政村为评价单元的评价结果更加精细。以TOPSIS模型计算结果为例,统计结果显示,半数以上的乡镇单元脆弱性等级与行政村单元脆弱性等级完全相同或总体一致。如苏河、茅坝和大院等16个乡镇两种评价单元计算结果即脆弱性等级完全相同,占了总数的43%;青溪、桥楼和曲河等5个乡镇两种评价单元计算结果处于相同等级脆弱性,即该乡镇的脆弱性等级与该乡镇内多数行政村的脆弱性等级一致,占了总数的14%;另外不足一半的乡镇单元等级高于或低于行政村单元脆弱性等级。如关庄、竹园和马鹿等13个乡镇的计算结果中,乡镇单元的脆弱性等级高于该乡镇内多数行政村的脆弱性,占了总数的35%;马公和三锅等3个乡镇的计算结果中,乡镇单元的脆弱性等级低于该乡镇内多数行政村的脆弱性,占了总数的8%。

    造成部分区域乡镇评价单元和行政村评价单元脆弱性水平不一样的原因主要是由于承灾载体在不同评价单元下的分布状态有所区别。同一个乡镇不同行政村的人员分布状况、经济发展水平等均不一样,因此不同行政村的各类指标值具有明显的差异性,而乡镇评价单元消除了各个行政村之间的差异,将同一乡镇的各个行政村融合成一个,这就导致了不同评价单元下同一地区的脆弱性有所不同。

    4 结论

    本文构建了地质灾害承灾载体脆弱性指标体系,采用了两种评价模型,两种评价单元,以四川青川县为例,开展了地质灾害承灾载体脆弱性评价研究。

    (1) 构建了地质灾害承灾载体脆弱性评价指标体系,包括4个一级指标和19个二级指标。一级指标包括生命类指标、物质类指标、生态环境类指标和社会经济类指标等4类。

    (2) 分别采用TOPSIS模型和加权求和模型,分别以乡镇单元和行政村单元为最小单元,开展了地质灾害承灾载体脆弱性评价,将青川县承灾载体脆弱性分为高、较高、中等、较低和低5个脆弱性等级。

    (3) 两种模型评价结果对比显示,总体一致性较好,73%的区域脆弱性结果完全一致,27%的区域存在一个等级的差别;高、低脆弱性等级区两种模型结果一致,吻合度100%;较高和中等脆弱性等级区两种模型结果吻合度分别为86%和73%;较低脆弱性区两种模型结果吻合度略差,为54%。

    (4) 两种单元评价结果对比显示,在总体规律上保持了较好的一致性。半数以上的乡镇单元与行政村单元脆弱性等级完全相同或总体一致;以行政村为评价单元的评价结果明显更加精细,原因在于不同行政村的各类指标值具有明显的差异性,而乡镇评价单元消除了各个行政村之间的差异。在行政村单元数据的获取难度较大时,可采用乡镇单元进行评价,如果行政村单元数据较好情况下,优先采用行政村单元。

    参考文献
    Cheng C Y, Qian X, Sheng J B, et al. 2010. Evaluation of vulnerability to dam-break disaster by using the DEA method[J]. Bulletin of Soil and Water Conservation, 30(3): 144~147.
    Corominas J, van Westen C, Frattini P, et al. 2014. Recommendations for the quantitative analysis of landslide risk[J]. Bulletin of Engineering Geology and the Environment, 73(2): 209~263.
    Deyle R E, French S P, Olshansky R B, et al. 1998. Hazard assessinent: the factual basis for planning and mitigation[C]//Cooperating with Nature: Confronting Natural Hazards with Land Use Planning for Sustainable Communities. Washington D C: Joseph Heary Press: 119-166.
    Fan Y X, Gao P H, Wang H J. 2003. Theoretical model for fuzzy evaluation of vulnerability of regional hazard bearing body[J]. Journal of Catastro Phology, 18(3): 20~23.
    Hwang C L, Yoon K. 1981. Methods for multiple attribute decision making[M]. Berlin: Spring-verlag..
    Liu Y H, Liu C Z, Tan C, et al. 2015. CF-based multi-factor overlay method to determine weights of the factors for geo-hazards[J]. The Chinese Journal of Geological Hazard and Control, 26(1): 92~97.
    Liu Y, Huang J Y, Ma L. 2010. The assessment of regional vulnerability to natural disasters in China based on DEA model[J]. Geographical Research, 29(7): 1153~1162.
    Panizza M. 1996. Environmental Geomorphology[M]. Amsterdam: Elsevier: 1~268.
    Shi Y, Sun L, Shi C, et al. 2010. Assessment of vulnerability of six coastal districts in Shanghai to natural disasters[J]. Journal of Natural Disasters, 19(3): 156~161.
    Shi P J. 1996. Theory and practice of disaster study[J]. Journal of Natural Disasters, 5(4): 6~17.
    Shi P J. 2002. Theory on disaster science and disaster dynamics[J]. Journal of Natural Disasters, 11(3): 1~9.
    Su F, Zhang P Y. 2010. Vulnerability assessment of petroleum city's economic system based on set pair analysis:A case study of Daqing city[J]. Acta Geographic Sinica, 65(4): 454~464.
    Sui X, Yang Z F. 2004. Characteristics of natural disasters in 12 counties along the yellow river in Qinghai province and vulnerability evaluation of hazard-bearing body[J]. Journal of Catastrophology, 19(3): 7~13.
    Timmermann P. 1981. Vulnerability, resilience and the collapse of society[J]. Environmental Monograph, 1: 1~42.
    United Nations. 1992. Internationally a greed glossary of basic terms related to disaster management[R]. Geneva: United Nations Department of Humanitarian Affairs.
    Wen X J, Yang X J, Wang Z Q. 2016. Assessment on the vulnerability of social-ecological systems in a mountainous city depending on multi-targets adaption[J]. Geographical Research, 35(2): 299~312.
    Yang J, Xiang H L. 2014. A discussion about geo-environment problem and improvement of limestone mining in western hills of Han Cheng city[J]. Journal of Catastrophology, 29(3): 131~138.
    Zhang Y L, You W J. 2014. Assessment of social vulnerability to natural disasters of cities based on TOPSIS:A case study of Shanghai city[J]. Journal of Catastrophology, 29(1): 109~114.
    Zhu C C, Wen Y J, Song H L. 2017. Assessment of regional natural disaster vulnerability in Shaanxi province[J]. Environmental Protection Science, 43(4): 1~6.
    程翠云, 钱新, 盛金保, 等. 2010. 基于数据包络分析的溃坝洪水灾害脆弱性评价[J]. 水土保持通报, 30(3): 144~147, 157.
    樊运晓, 高朋会, 王红娟. 2003. 模糊综合评判区域承灾体脆弱性的理论模型[J]. 灾害学, 18(3): 20~23. DOI:10.3969/j.issn.1000-811X.2003.03.004
    刘传正, 温铭生, 刘艳辉, 等. 2017. 汶川地震区重大地质灾害成生规律研究[M]. 北京: 地质出版社..
    刘艳辉, 刘传正, 唐灿, 等. 2015. 基于确定性系数模型的地质灾害多因子权重计算方法[J]. 中国地质灾害与防治学报, 26(1): 84~89.
    刘毅, 黄建毅, 马丽. 2010. 基于DEA模型的我国自然灾害区域脆弱性评价[J]. 地理研究, 29(7): 1153~1162.
    石勇, 孙蕾, 石纯, 等. 2010. 上海沿海六区县自然灾害脆弱性评价[J]. 自然灾害学报, 19(3): 156~161.
    史培军. 1996. 再论灾害研究的理论与实践[J]. 自然灾害学报, 5(4): 6~14.
    史培军. 2002. 三论灾害研究的理论与实践[J]. 自然灾害学报, 11(3): 1~9. DOI:10.3969/j.issn.1004-4574.2002.03.001
    苏飞, 张平宇. 2010. 基于集对分析的大庆市经济系统脆弱性评价[J]. 地理学报, 65(4): 454~464.
    隋欣, 杨志峰. 2004. 青海省沿黄12县自然灾害活动特征及承灾体脆弱性评价[J]. 灾害学, 19(3): 7~13. DOI:10.3969/j.issn.1000-811X.2004.03.002
    温铭生, 刘艳辉, 苏永超, 等. 2016.四川青竹江流域地质灾害调查报告[R].北京: 中国地质环境监测院.
    温晓金, 杨新军, 王子侨. 2016. 多适应目标下的山地城市社会-生态系统脆弱性评价[J]. 地理研究, 35(2): 299~312.
    杨俊, 向华丽. 2014. 基于HOP模型的地质灾害区域脆弱性研究[J]. 灾害学, 29(3): 131~138.
    张永领, 游温娇. 2014. 基于TOPSIS的城市自然灾害社会脆弱性评价研究——以上海市为例[J]. 灾害学, 29(1): 109~114.
    朱婵婵, 文彦君, 宋海龙. 2017. 陕西省区域性自然灾害脆弱性评价研究[J]. 环境保护科学, 43(4): 1~6.
    Cheng C Y, Qian X, Sheng J B, et al. 2010. Evaluation of vulnerability to dam-break disaster by using the DEA method[J]. Bulletin of Soil and Water Conservation, 30(3): 144~147.
    Corominas J, van Westen C, Frattini P, et al. 2014. Recommendations for the quantitative analysis of landslide risk[J]. Bulletin of Engineering Geology and the Environment, 73(2): 209~263.
    Deyle R E, French S P, Olshansky R B, et al. 1998. Hazard assessinent: the factual basis for planning and mitigation[C]//Cooperating with Nature: Confronting Natural Hazards with Land Use Planning for Sustainable Communities. Washington D C: Joseph Heary Press: 119-166.
    Fan Y X, Gao P H, Wang H J. 2003. Theoretical model for fuzzy evaluation of vulnerability of regional hazard bearing body[J]. Journal of Catastro Phology, 18(3): 20~23.
    Hwang C L, Yoon K. 1981. Methods for multiple attribute decision making[M]. Berlin: Spring-verlag..
    Liu Y H, Liu C Z, Tan C, et al. 2015. CF-based multi-factor overlay method to determine weights of the factors for geo-hazards[J]. The Chinese Journal of Geological Hazard and Control, 26(1): 92~97.
    Liu Y, Huang J Y, Ma L. 2010. The assessment of regional vulnerability to natural disasters in China based on DEA model[J]. Geographical Research, 29(7): 1153~1162.
    Panizza M. 1996. Environmental Geomorphology[M]. Amsterdam: Elsevier: 1~268.
    Shi Y, Sun L, Shi C, et al. 2010. Assessment of vulnerability of six coastal districts in Shanghai to natural disasters[J]. Journal of Natural Disasters, 19(3): 156~161.
    Shi P J. 1996. Theory and practice of disaster study[J]. Journal of Natural Disasters, 5(4): 6~17.
    Shi P J. 2002. Theory on disaster science and disaster dynamics[J]. Journal of Natural Disasters, 11(3): 1~9.
    Su F, Zhang P Y. 2010. Vulnerability assessment of petroleum city's economic system based on set pair analysis:A case study of Daqing city[J]. Acta Geographic Sinica, 65(4): 454~464.
    Sui X, Yang Z F. 2004. Characteristics of natural disasters in 12 counties along the yellow river in Qinghai province and vulnerability evaluation of hazard-bearing body[J]. Journal of Catastrophology, 19(3): 7~13.
    Timmermann P. 1981. Vulnerability, resilience and the collapse of society[J]. Environmental Monograph, 1: 1~42.
    United Nations. 1992. Internationally a greed glossary of basic terms related to disaster management[R]. Geneva: United Nations Department of Humanitarian Affairs.
    Wen X J, Yang X J, Wang Z Q. 2016. Assessment on the vulnerability of social-ecological systems in a mountainous city depending on multi-targets adaption[J]. Geographical Research, 35(2): 299~312.
    Yang J, Xiang H L. 2014. A discussion about geo-environment problem and improvement of limestone mining in western hills of Han Cheng city[J]. Journal of Catastrophology, 29(3): 131~138.
    Zhang Y L, You W J. 2014. Assessment of social vulnerability to natural disasters of cities based on TOPSIS:A case study of Shanghai city[J]. Journal of Catastrophology, 29(1): 109~114.
    Zhu C C, Wen Y J, Song H L. 2017. Assessment of regional natural disaster vulnerability in Shaanxi province[J]. Environmental Protection Science, 43(4): 1~6.
    程翠云, 钱新, 盛金保, 等. 2010. 基于数据包络分析的溃坝洪水灾害脆弱性评价[J]. 水土保持通报, 30(3): 144~147, 157.
    樊运晓, 高朋会, 王红娟. 2003. 模糊综合评判区域承灾体脆弱性的理论模型[J]. 灾害学, 18(3): 20~23. DOI:10.3969/j.issn.1000-811X.2003.03.004
    刘传正, 温铭生, 刘艳辉, 等. 2017. 汶川地震区重大地质灾害成生规律研究[M]. 北京: 地质出版社..
    刘艳辉, 刘传正, 唐灿, 等. 2015. 基于确定性系数模型的地质灾害多因子权重计算方法[J]. 中国地质灾害与防治学报, 26(1): 84~89.
    刘毅, 黄建毅, 马丽. 2010. 基于DEA模型的我国自然灾害区域脆弱性评价[J]. 地理研究, 29(7): 1153~1162.
    石勇, 孙蕾, 石纯, 等. 2010. 上海沿海六区县自然灾害脆弱性评价[J]. 自然灾害学报, 19(3): 156~161.
    史培军. 1996. 再论灾害研究的理论与实践[J]. 自然灾害学报, 5(4): 6~14.
    史培军. 2002. 三论灾害研究的理论与实践[J]. 自然灾害学报, 11(3): 1~9. DOI:10.3969/j.issn.1004-4574.2002.03.001
    苏飞, 张平宇. 2010. 基于集对分析的大庆市经济系统脆弱性评价[J]. 地理学报, 65(4): 454~464.
    隋欣, 杨志峰. 2004. 青海省沿黄12县自然灾害活动特征及承灾体脆弱性评价[J]. 灾害学, 19(3): 7~13. DOI:10.3969/j.issn.1000-811X.2004.03.002
    温铭生, 刘艳辉, 苏永超, 等. 2016.四川青竹江流域地质灾害调查报告[R].北京: 中国地质环境监测院.
    温晓金, 杨新军, 王子侨. 2016. 多适应目标下的山地城市社会-生态系统脆弱性评价[J]. 地理研究, 35(2): 299~312.
    杨俊, 向华丽. 2014. 基于HOP模型的地质灾害区域脆弱性研究[J]. 灾害学, 29(3): 131~138.
    张永领, 游温娇. 2014. 基于TOPSIS的城市自然灾害社会脆弱性评价研究——以上海市为例[J]. 灾害学, 29(1): 109~114.
    朱婵婵, 文彦君, 宋海龙. 2017. 陕西省区域性自然灾害脆弱性评价研究[J]. 环境保护科学, 43(4): 1~6.