14929.基于owagis的巢湖流域洪災(zāi)風(fēng)險評價及基于情景分析技術(shù)的2020年洪災(zāi)風(fēng)險預(yù)測

1、I基于基于OWAOWAGISGIS的巢湖流域洪災(zāi)風(fēng)險評價及基的巢湖流域洪災(zāi)風(fēng)險評價及基于情景分析技術(shù)的于情景分析技術(shù)的20202020年洪災(zāi)風(fēng)險預(yù)測年洪災(zāi)風(fēng)險預(yù)測摘要本文以巢湖流域?yàn)檠芯繉ο?，研究分為兩大部分，第一部分是基于OWAGIS的洪災(zāi)風(fēng)險評價，第二部分是基于情景分析技術(shù)的2020年洪災(zāi)風(fēng)險預(yù)測。（1）本文基于GIS，將有序加權(quán)平均（OWA）多準(zhǔn)則決策模型應(yīng)用于巢湖流域洪災(zāi)風(fēng)險評價。首先從洪災(zāi)致災(zāi)因子、孕災(zāi)環(huán)境及承災(zāi)體出發(fā)，選取9

2、大評價指標(biāo)構(gòu)建巢湖流域洪災(zāi)風(fēng)險評價指標(biāo)體系。然后采用OWA方法對各指標(biāo)進(jìn)行組合，OWA方法包括兩個權(quán)重，準(zhǔn)則權(quán)重和次序權(quán)重。通過改變決策風(fēng)險系數(shù)α值計算不同的次序權(quán)重，從而得到不同決策風(fēng)險情況下巢湖流域的洪災(zāi)風(fēng)險評價結(jié)果。結(jié)果顯示，當(dāng)α=0，即決策風(fēng)險最大時，評價得到的整個研究區(qū)的洪災(zāi)風(fēng)險等級最高，相當(dāng)于布爾運(yùn)算；隨著決策風(fēng)險系數(shù)α的增大，整個研究區(qū)的洪災(zāi)風(fēng)險等級隨之減?。坏溅邻呄蛴跓o窮大，即決策風(fēng)險最小時，得到的洪災(zāi)風(fēng)險等級也最小，相

3、當(dāng)于布爾運(yùn)算。同時采用權(quán)重線性組合法（WLC）進(jìn)行評價指標(biāo)綜合，將結(jié)果與以上評價結(jié)果進(jìn)行對比，結(jié)果顯示，當(dāng)α=1時，得到的評價結(jié)果相當(dāng)于WLC法。OWA方法是將布爾運(yùn)算與權(quán)重線性算法組合起來，通過改變決策風(fēng)險系數(shù)α值在布爾和布爾運(yùn)算之間任意調(diào)整。運(yùn)用OWA方法進(jìn)行洪災(zāi)風(fēng)險評價可以得到不同決策態(tài)度下的風(fēng)險結(jié)果，更能體現(xiàn)決策者的偏好，為決策者提供更全面的決策依據(jù)。雖然決策風(fēng)險的不同導(dǎo)致洪災(zāi)風(fēng)險評價結(jié)果的不同，但縱觀各評價結(jié)果，發(fā)現(xiàn)整個研究區(qū)

4、的洪災(zāi)風(fēng)險分布有一個總體趨勢，即東南部沿江平原區(qū)的洪災(zāi)風(fēng)險最大，包括無為、廬江的大部分地區(qū)及巢湖、含山、和縣的南部地區(qū)?？偨Y(jié)巢湖流域歷年洪災(zāi)情況，驗(yàn)證了這一結(jié)論，評價結(jié)果符合實(shí)際。（2）本文采用情景分析技術(shù)對巢湖流域2020年洪災(zāi)風(fēng)險預(yù)測進(jìn)行了探討。從致災(zāi)因子、孕災(zāi)環(huán)境及承災(zāi)體出發(fā)，分析引起未來洪災(zāi)風(fēng)險變化的主要驅(qū)動因子有降水、土地利用及人口、經(jīng)濟(jì)等因素。因而本文構(gòu)建分別發(fā)生30年、50年、100年重現(xiàn)期降水，2020年的土地利用及人口

5、經(jīng)濟(jì)條件下的情景，然后分析不同情景下的洪災(zāi)風(fēng)險分布。首先基于近40年的各站點(diǎn)的降水?dāng)?shù)據(jù)，采用皮爾遜Ⅲ型頻率曲線求取30年、50年、100年重現(xiàn)期的各站點(diǎn)年降水量，得到降水指標(biāo)，結(jié)果顯示降水分布大體上呈由南向北逐漸減小趨勢，且隨著重現(xiàn)期的增大，降水程度也增大，危險性越大；然后基于2000年、2005年、2010年現(xiàn)有的土地利用圖，IIIFloodDisasterRiskAssessmentBasedonAHPOWAFloodRiskPre

6、dictionBasedonScenarioAnalysisTechniqueofChaohuLakeBasinAbstractTherearetwopartsaboutthefloodriskresearchofChaohuLakeBasininthispaper.OneisthefloodriskassessmentofChaohuLakeBasinbasedonOWAGISanotheristhefloodriskpredicti

7、onofChaohuLakeBasinin2020basedonscenarioanalysistechnique.Themainresearchcontentsresultsareasfollows:BasedonGISthederedweightedaveraging(OWA)multicriteriadecisionmakingmodelisappliedtofloodriskassessmentofChaohuLakeBasin

8、.Firstly9IndicatsarechoosedbasedontheanalysisofdisastercausingfactshazardfmativeenvironmentshazardbearingbodiestoestablishaindexsystemffloodriskassessmentofChaohuLakeBasin.ThenindicatsareCombinedbyOWAmethodwhichincludest

9、woweightsnamelycriteriaweightderweight.Differentresultsoffloodriskassessmentindifferentriskofdecisionmakingareachievedbydifferentderweightsresultingfromchangingthevalueofdecisionmakingriskfactα.Whattheresultsshowareasfol

10、lows:Floodrisklevelsthroughoutthewholestudyareaarethehighestwiththegreatestriskofdecisionmakingwhenα=0whichcrespondtotheBooleanoperatFloodrisklevelsthroughoutthestudyareadecreasewiththeincreasingofdecisionmakingriskcoeff

11、icientαFloodrisklevelsthroughoutthewholestudyareaarethelowestwiththeminimumriskofdecisionmakingwhenαtendstoinfinitywhichcrespondtoBooleanoperat.Theresultobtainedwhenα=1turnsouttobeequaltotheresultcalculatedbyWeightedLine

12、arCombinationmethod(WLC)bycomparingthesetworesults.OWAapproachcombinesBooleanoperatswithWeightsLinearCombinationalgithmcanchangebetweentheBooleanBooleanoperationbythechangingofdecisionmakingriskcoefficientα.Differentresu