013.多灾种城市综合风险评估——以北京市为例

多灾种城市综合风险评估——以北京市为例杨兵，何永，赵丹摘要：城市在发展运行的过程中，既面临自然灾害的侵袭，也面临事故灾害的干扰。随着城市规模、结构、功能的日趋复杂，灾害对城市的影响也越来越大，开展多灾种城市综合风险评估有助于把握城市发展中面临的不确定问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，为城市规划与建设提供更好的指引。本文以北京市为例，尝试建立一套从原始灾害数据到风险区划的评估体系，实现对多灾种城市综合风险的评估。关键词：多灾种，城市综合风险，评估模型，数据库1引言随着社会经济的发展和人口的迅速增长，城市人口、资源与环境矛盾日益加深，加之自然灾害频发，灾害对城市造成的影响也越来越大，已经成为当今人类社会面临的最主要问题之一[1]。比利时流行病与灾害研究中心(CRED)的全球灾害数据(EM-DAT)，以及来自瑞士再保险公司(SwissRe)和慕尼黑再保险公司(Munich-Re)的历史灾害数据均 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明，在过去20年间灾害发生频率呈上升趋势[2]。而我国每年因灾害造成的非正常死亡人数超过20万人，伤残人数超过200万人，经济损失上万亿元。灾害风险的研究得到了学者的广泛关注，目前各种单一致灾因子的风险研究较为常见。然而，一个区域往往受到多种致灾因子的共同影响，单灾种风险评估并不足以反映该地区的综合风险，对多灾种风险的研究关注日益增多[3]，有必要开展多灾种综合风险评估，从而更好把握多种不确定性灾害对城市的影响。国内外的研究机构尝试了不同的技术方法，研究涉及不同城市和国家[4]，研究内容涉及地震、飓风等多种灾害。北京市作为典型的超大型城市，也面临着一系列潜在的自然、经济、社会危机的威胁。本文以北京市为研究对象，梳理了与之相关的多灾种，并结合GIS技术，尝试在全市域尺度建立的多灾种城市综合风险评估模型，对北京的多灾种城市综合风险进行评估。2技术框架城市综合风险评估中，灾害风险Ｒ（risk）一般由致灾因子的危险性Ｈ（hazard）和承灾体的脆弱性Ｖ（vulnerability）所确定，即Ｒ＝ｆ（Ｈ,Ｖ）。目前有关多灾种城市综合风险评估方法主要有两种：风险要素的综合（式2-1）与单灾种风险结果的综合（式2-2）。公式（2-1）与公式（2-2）中：H和V分别表示危险性和脆弱性；i表示种类；符号Σ表示综合的过程，并不一定是简单的加和(下同)。(式2-1)(式2-2)在本研究中采用公式（2-1）的计算模式。根据公共安全三角形理论与韧性城市理念，注重自然灾害、事故灾害等全要素综合风险评估，建立集“致灾因子危险性—承灾体脆弱性—城市综合风险”的综合评估模型（图1）。分别评出的综合危险性和综合脆弱性，再采用多等级矩阵法得到多灾种相对风险等级。图1技术路线3数据整理与指标构建多灾种城市综合风险主要由致灾因子危险性和承灾体脆弱性两个方面决定，原始数据的采集从这两个方面出发，并构建指标体系。由于原始数据来源杂乱，类型多样，重复、包含、交集等问题突出，要对原始数据进行筛选、整理、统一，归并交集数据，剔除重复。建立致灾因子与承灾体数据库。有关北京的综合风险评估尚属首次，相关数据的类型、属性等往往各有差异。要统一纳入一个模型当中，除了原始数据的清洗外，北京主要致灾因子识别涉及多类型的数据统一与修正调整，北京的承灾体要素也需要从暴露度和敏感性两个方面进行筛选整理。3.1致灾因子的数据清洗3.1.1数据采集与筛选以清华大学公共安全研究院建立的328种致灾因子数据库作为基础数据库，在328种致灾因子基础数据库中除去海洋类、冰川等，北京市涉及的致灾因子共计203种。参照《北京市致灾因子总体 应急预案 办公室装修施工应急预案 下载公司关于消防应急预案火灾的应急预案防汛防洪应急预案施工生产安全应急预案 》中筛选52种致灾因子，综合应用文献资料收集、知网数据挖掘、风险矩阵 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 及等多种技术方法，识别出37种频率高、影响大的典型致灾因子作为重点研究对象。将37种典型致灾因子归纳为自然灾害、事故灾害、公共卫生和社会安全4大类，构建北京市致灾因子数据库。筛选整理得到可参与计算的北京市致灾因子共29种，其中自然灾害包括水灾、地震灾害、地质灾害3中类，12小类；事故灾害包括矿产事故、公共设施和设备事故、环境污染和生态破坏事故、危化品事故5中类，17小类。3.1.2数据分级与赋值清洗后的致灾因子数据根据形式的不同，分为面状、点状、线状3种数据形式，不同致灾因子危险等级根据专家打分法大致分为5级（表1）。表1致灾因子危险性分级表一级分类二级分类水灾三级分类蓄滞洪区洪泛区数据形式面状面状点状点状线状点状点状点状点状点状点状点赋值及面赋级4级4级5级城市积水点病险水库活动断裂带崩塌5级地震灾害叠加计算后叠图灾害点4级，隐患点3级灾害点3级，隐患点2级灾害点4级，隐患点3级灾害点4级，隐患点3级5级不确定斜坡滑坡自然灾害泥石流地质灾害采空区地面塌陷3级大于1300mm赋值为五级，1000-1300mm赋值为四级平原区累计沉降量面状煤矿事故点状点状3级3级矿产事故金属矿山事故输电线路防护区面状（作线状叠图）550V为5级，220V为4级，公共设施和设备事故石油天然气管道设施安全防护区防护区一级区为5级，二级区面状（作线状叠图）为4级，三级区为3级事故灾害高压走廊、油气走廊土壤环境质量线状面状叠加计算后叠图环境污染和生态破坏事故原最差定为5级，较差定为4无水河道不达标河道有毒气体油库线状线状点状点状叠加计算后叠图叠加计算后叠图5级危化品事故5级气库&气体化工厂点状点状点状点状点状点状点状5级5级4级3级3级5级3级化工品加油加气站液化气站烟花爆竹仓库其他3.2承灾体数据清洗3.2.1数据采集与筛选承灾体的数据根据第六次人口普查数据、第三次经济普查数据、《北京城市总体规划（2016—2035年）》中有关历史文化名城保护的文保分布等资料，综合应用文献资料收集、知网数据挖掘、风险矩阵分析及等多种技术方法，识别出7个方面的要素作为研究对象。承灾体脆弱性评估主要从暴露度和敏感性两方面展开，暴露度包括人口密度、文物古迹、建筑密度、重要场所、以及重点保护设施；敏感性包括易感人群/弱势群体、高层建筑分布。3.2.2数据分级与赋值清洗后的承灾体数据根据形式的不同，分为面状、点状2种数据形式，不同承灾体脆弱等级根据专家打分法大致分为5级（表2）。表2承灾体脆弱性一级分类暴露度二级分类人口密度建筑密度文物古迹三级分类乡镇街道人口密度建筑量数据形式面状等级划分按人口密度(街道)按建筑密度(单位面积)世界级5级面状文物古迹点状长城建控带（500m）重要场所面状当做线状叠图重要场所点状(计算完成后火车站、机场—4级再落入网格定级）点状中南海、玉泉山—5级A为3，B为4，C为5重点保护设施重点保护设施易感人群分布易感人群分布高层建筑分布敏感性易感人群/弱势群体面状面状面状年龄划分年龄划分高层建筑分布按建筑高度划分4模型算法4.1建立计算网格数据处理过程中，在ArcGIS中叠加几十上百个不同尺度的、不同类型的数据面临难统一、可视差等诸多问题，有效地把数据统一尺度，并且不失去数据的有效性、真实性、可溯源性是建立该模型的基本原则。结合现有数据中量数量最大，涉及面最广的点状数据的数据属性与特点，综合考虑后期的不同数据叠加，在ArcGIS中选择了六边形的蜂窝网格。六边形的蜂窝网格更趋近于圆形，能较好地镶嵌整个研究区域。模型空间网格是本次计算的基础，对于后期的可视化、计算精度具有决定性的作用，不同尺度的网格计算结果有所不同，可视化效果也差异较大。网格的尺度控制方面，选取了三种尺度，分别是1km²、5km²、10km²进行试验比较，其中网格尺度为1km²的计算结果过密，呈现结果细致，但是趋势不够明显，且计算量大，网格尺度为5km²的计算结果适当，能够较为明显地识别出集中区域，网格尺度为10km²的，集中度过高，精细度不足，综合比较，最终的点赋值计算采用尺度网格为5km²的（图2）。图2不同网格尺度比较4.2不同类型数据计算在原始数据中包括点、线、面三种不同类型的数据。在梳理不同类型的数据基础上，需要综合形成汇总一张图。可视化效果方面，形成的一张图具有较强的可读性，清晰反映不同危险程度的区域；信息承载力方面，一张图上能够承载多种致灾因子的信息量；事地对应性方面，能够按照一张图上的危险等级，准确找出具体原因。多次试验表明，三者简单的空间叠加会带来诸多问题：灾害特征冲淡——原有重大影响的致灾因子危险性在弱危险性的多因子叠加下被冲淡；可视化效果差——机械地为线状数据设置缓冲区，以现有的计算精度很难成图，（例如地震断裂带缓冲区设置过大会导致其他旨在因子危险性无法体现，丧失了诸多空间灾害信息）危险级差失效；灾害信息丢失——以灾害点设置缓冲的做法并不能有效地反映空间单元的灾害密集程度，而只能反映灾害的剧烈程度（例如同一空间范围内如果有多种弱灾害叠加和一种强灾害在归一化处理并设置缓冲区后其效果是一样的，但实际状况是二者完全不同）。鉴于不同类型数据的机械叠加带来的诸多问题，本研究中放弃了单一灾种风险评估时设置灾害点缓冲区的做法，而将数据分为点状数据、面状数据、线状数据三类，分别展开运算，最后再通过归一化处理和极化模型进行综合叠加。4.2.1点状数据点状数据主要采用点赋值然后落入网格，在网格内进行累加计算和分级。计算过程中的例外情况为承灾体脆弱性当中的重要场所的点状数据，因为该项数据量小且影响大，叠加会削弱数据影响力。故在点状数据和面状数据等权叠加分级后，将点状数据（重要场所）再落入上述网格直接调整级别。4.2.2面状数据面状数据从原始数据出发，进行赋级（一~五级），标识叠加到蜂窝网格，部分蜂窝网格会被自然切割成更小斑块，进行max运算：四级与五级参与计算，其他等级区域或者空白区域设为空值。因为面状数据的致灾因子危险性往往烈度较低，该项中低等级的区域如果参与计算，较为影响可视化效果。四级与五级区域影响较大，所以进行max运算时予以保留。4.2.3线状数据从理论角度而言可以进行缓冲区设置与点状数据和面状数据的基础网格进行叠加，但是在实际操作过程中，往往涉及诸多问题，反而降低了综合效果。如地震断裂带设置缓冲区实际上看似数字化较为科学，实际上由于不同缓冲区的设置主观成分大，反而丧失了原有数据的直观性，并对原有较为精确的点状数据和面状数据的基底网格数据造成了干扰，降低了精确度。与此同时，本研究中的线状数据较少，承灾体脆弱性没有线状数据，且影响较大。综合考虑，本研究中的线状数据直接赋值分级进行叠图，进行综合风险的辅助判断。4.2.4数据叠加图3致灾因子危险性评估方法图4承灾体脆弱性评估方法将点状数据spatialjoin后的蜂窝网格与面状数据identity后的网格进行identity运算，将点状数据等级与面状数据等级进行二次叠加分级。致灾因子的点状数据和面状数据叠加时，采用max运算，以蜂窝网格和面状数据矢量切割后的斑块内的最高等级作为本斑块单元的危险性级别（一~五级）（图3）；承灾体脆弱性的点状数据和面状数据叠加时，采用等权累加，划分为一~五级。完成点状数据和线状数据叠加的基础上，再直接将线状数据叠图作为参考（图4）。4.3综合风险矩阵为了得到最终的城市综合风险区划，并有效保留致灾因子危险性和承灾体脆弱性的各自信息，强化模型的科学性、完整性、可溯性，本研究选择矩阵模型加以叠加[5]。将致灾因子危险性和承灾体脆弱性结合起来，通过5*5的矩阵表示。按照综合风险分值再重新分类：2-3为综合风险Ⅰ级；4-5为综合风险Ⅱ级；6为综合风险Ⅲ级；7为综合风险Ⅳ级；8-9为综合风险Ⅴ级，由于得分为10的在实际操作中并没有，故不列入分级计算（图5）。决定了每一个区域的风险等级后，分级渲染生成五个等级的综合风险分布图。图5综合风险分级矩阵5综合风险评估5.1致灾因子危险性评估根据上述计算方法，分别得出点综合、线综合以及面综合的图层。点状数据的网格和面状数据进行标识运算，利用极化模型，取最大值（面状数据矢量切割后的max运算取危险性大的四级与五级，舍危险性较小的一二三级）。计算完成后再将线状数据进行直接叠图（考虑到可视化效果，该图未叠加全部线状数据，未叠加油气走廊、高压走廊、输电线防护区和石油天然气管道设施安全防护区），从而得出多种致灾因子危险性评估图（图6）。图6北京市综合危险性分级图由致灾因子综合危险性分级图可以看出：环京山地区域高危险区域主要是因为该范围内地质灾害较多；主城区的高危险区域呈现点状分布，主要受积水点以及危化品的影响；高危险区域离散是适宜的，北京多年的建设情况也是相符的。昌平和怀柔交接该区域含有一定量的铀，由于早期倾倒废渣等原因，造成土壤质量低下。北七家是黄庄—高丽营断裂带和南口—孙河断裂带交叉的地方，该区域是地震频发区，同时也是地面沉降量较大的区域。5.2承灾体脆弱性评估将人口密度、建筑密度、文物古迹、重要场所、重点保护设施、易感人群及高层建筑等高敏感性和暴露度的要素进行综合叠加，得到承灾体脆弱性综合分级图（图7），综合分析结果表明：北京市建筑和人群等承灾体脆弱性较高的地区主要分布在中心城区及一些重要场所所在地。图7承灾体脆弱性综合分级图由承灾体综合脆弱性分级图可以看出：主城区的脆弱性区域较高，且集中在东西城，对应到具体地图上，主要是中央党政军领导机关所在地以及重要的公共活动场所，诸如天安门广场、通州副中心、火车站等；外围有多处点状分布的高脆弱性区域，主要是北京现有机场，包括首都国际机场、西郊机场、南苑机场、通县机场、沙河机场、良乡机场、延庆永宁机场、昌平十三陵机场、延庆八达岭机场、密云穆家峪机场、平谷黑豆峪溶洞机场。5.3综合风险区划图8北京市域综合风险分布图将致灾因子危险性与承灾体脆弱性纳入综合风险矩阵，得到综合风险区划（图8）。综合风险较高的区域主要是东西城、未来通州副中心以及城郊的机场。东西城由于聚集了大量的党政机关办公场所、重要公共活动空间（如天安门、故宫、国家博物馆、剧院等）承载体暴露度较高，与此同时，潜在黄庄—高丽营断裂带也进一步造成了东西城核心区综合风险较高。承灾体脆弱性的暴露度是中心城范围内主要综合风险较高区域的主导因素。5.4综合风险数据库及查询系统利用城市综合风险评估模型的运算结果，建立综合风险数据库，便于后期查询与决策参考。北京市的实践中，综合风险区划矢量斑块共计8291个；其中等级较高的Ⅳ级Ⅴ级的区域共计145个，总面积143平方公里。建立数据库可以迅速详细地获取空间位置、致灾因子危险性、承灾体脆弱性、综合风险等级（图9）。图9风险查询系统6总结城市多灾种综合风险评估不在围绕单一情景模式，更加注重多灾种的综合叠加效果，从更高的角度、更广的视野来进行评估。该模型对于未来城市建设、重要公共设施选址、公共服务设施的配给都具有重要参考价值。将评估结果应用于指导区域制定科学的发展规划和建设良好的防灾减灾体系，对于提高城市系统面对不确定性因素的适应力、抵御力和恢复力，提升规划的预见性和引导性具有重要指导作用。本研究对多灾种风险评估进行了有益的探索，但依然存在以下尚待解决的问题：由于数据的多样性、难统一，目前城市多灾种综合风险评估结果依然是相对的等级值，较为粗糙；不同灾种之间也有相互的耦合、触发、关联等作用还需要进一步厘清，并尝试不同的综合算法，从而更为准确地定量描述不同灾害综合效果。参考文献[1]闪淳昌.建立突发公共事件应急机制的探讨[J].中国安全生产科学技术,2005,1(2):24-26.[2]ScheurenJM,lePolaindeWarouxO,BelowR,etal.AnnualDisasterStatisticalReview:TheNumbersandTends2007[M].BrusselsBelgium:CenterforResearchontheEpidemiologyofDisasters(CRED),2008.[3]明晓东,徐伟,刘宝印,等.多灾种风险评估研究进展[J].灾害学,2013,28(1):126-132.[4]MunichRe.Topics:annualreview，naturalcatastrophes2002[R].Munich，Germany，2002．[5]盖程程,翁文国,袁宏永.基于GIS的多灾种耦合综合风险评估[J].清华大学学报(自然科学版),2011(5):627-631.作者简介杨兵，北京市城市规划 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 研究院，助理规划师何永，北京市城市规划设计研究院，教授级高级工程师赵丹，北京市城市规划设计研究院，高级工程师