14929.基于owagis的巢湖流域洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)及基于情景分析技術(shù)的2020年洪災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)

1、I基于基于OWAOWAGISGIS的巢湖流域洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)及基的巢湖流域洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)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(xiǎn)預(yù)測(cè)年洪災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)摘要本文以巢湖流域?yàn)檠芯繉?duì)象，研究分為兩大部分，第一部分是基于OWAGIS的洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)，第二部分是基于情景分析技術(shù)的2020年洪災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)。（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(xiǎn)評(píng)價(jià)。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(píng)價(jià)指標(biāo)構(gòu)建巢湖流域洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。然后采用OWA方法對(duì)各指標(biāo)進(jìn)行組合，OWA方法包括兩個(gè)權(quán)重，準(zhǔn)則權(quán)重和次序權(quán)重。通過(guò)改變決策風(fēng)險(xiǎn)系數(shù)α值計(jì)算不同的次序權(quán)重，從而得到不同決策風(fēng)險(xiǎn)情況下巢湖流域的洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果。結(jié)果顯示，當(dāng)α=0，即決策風(fēng)險(xiǎn)最大時(shí)，評(píng)價(jià)得到的整個(gè)研究區(qū)的洪災(zāi)風(fēng)險(xiǎn)等級(jí)最高，相當(dāng)于布爾運(yùn)算；隨著決策風(fēng)險(xiǎn)系數(shù)α的增大，整個(gè)研究區(qū)的洪災(zāi)風(fēng)險(xiǎn)等級(jí)隨之減小；到α趨向于無(wú)窮大，即決策風(fēng)險(xiǎn)最小時(shí)，得到的洪災(zāi)風(fēng)險(xiǎn)等級(jí)也最小，相

3、當(dāng)于布爾運(yùn)算。同時(shí)采用權(quán)重線性組合法（WLC）進(jìn)行評(píng)價(jià)指標(biāo)綜合，將結(jié)果與以上評(píng)價(jià)結(jié)果進(jìn)行對(duì)比，結(jié)果顯示，當(dāng)α=1時(shí)，得到的評(píng)價(jià)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(lái)，通過(guò)改變決策風(fēng)險(xiǎn)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(xiǎn)評(píng)價(jià)可以得到不同決策態(tài)度下的風(fēng)險(xiǎn)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(xiǎn)的不同導(dǎo)致洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的不同，但縱觀各評(píng)價(jià)結(jié)果，發(fā)現(xiàn)整個(gè)研究區(qū)

4、的洪災(zāi)風(fēng)險(xiǎn)分布有一個(gè)總體趨勢(shì)，即東南部沿江平原區(qū)的洪災(zāi)風(fēng)險(xiǎn)最大，包括無(wú)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(píng)價(jià)結(jié)果符合實(shí)際。（2）本文采用情景分析技術(shù)對(duì)巢湖流域2020年洪災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)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(lái)洪災(zāi)風(fēng)險(xiǎn)變化的主要驅(qū)動(dòng)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(xiǎn)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(shì)，且隨著重現(xiàn)期的增大，降水程度也增大，危險(xiǎn)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