EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 10: 1787 - 1797

DOI: https://doi.org/10.12082/dqxxkx.2021.210053

地球信息科学理论与方法

基于多智能体的城市洪涝灾害动态脆弱性计算模型构建

  • 朱净萱 , 1 ,
  • 戴强 , 1, 2, * ,
  • 蔡俊逸 1 ,
  • 朱少楠 3 ,
  • 张书亮 1, 2
展开
  • 1.南京师范大学虚拟地理环境教育部重点实验室,南京 210023
  • 2.江苏省地理信息资源开发与利用协同创新中心,南京 210023
  • 3.南京邮电大学地理与生物信息学院,南京 210023
* 戴 强（1987— ）,男,江苏扬中人,博士,教授,主要从事遥感水文与灾害水文研究。E-mail:

朱净萱（1997— ）,女,山西太原人,硕士生,主要从事城市洪涝灾害研究。E-mail:

收稿日期: 2021-01-29

  要求修回日期: 2021-04-11

  网络出版日期: 2021-12-25

基金资助

国家自然科学基金项目(41871299)

国家自然科学基金项目(41771424)

国家自然科学基金项目(42071364)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

An Agent-based Computing Model of Urban Vulnerability to Flood Hazard

  • ZHU Jingxuan , 1 ,
  • DAI Qiang , 1, 2, * ,
  • CAI Junyi 1 ,
  • ZHU Shaonan 3 ,
  • ZHANG Shuliang 1, 2
Expand
  • 1. Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Nanjing 210023, China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 3. College of Geographical and Biological Information, Nanjing University of Posts and Telecommunications, Nanjing 210023, China
* DAI Qiang, E-mail:

Received date: 2021-01-29

  Request revised date: 2021-04-11

  Online published: 2021-12-25

Supported by

National Natural Science Foundation of China(41871299)

National Natural Science Foundation of China(41771424)

National Natural Science Foundation of China(42071364)

Copyright

Copyright reserved © 2021
Fold

摘要

随着全球气候变化加剧和城市化进程的发展,暴雨洪涝灾害对城市社会经济活动造成的影响越来越严重。作为量化灾害影响程度、社会经济损失与风险评估的重要方法,城市洪涝灾害脆弱性研究对洪涝灾害风险管理与规划具有重要意义。目前,城市脆弱性的内涵进一步延伸,脆弱性指标体系不断丰富,所取得的研究成果能够反映一定时期内城市洪涝灾害脆弱性的整体特征,却无法同时有效地解决城市洪涝灾害脆弱性的空间非均匀性问题和动态计算问题。本文从脆弱性的动态特征出发,提出了城市洪涝灾害动态脆弱性计算方法,建立了城市洪涝灾害脆弱性量化模型与面向洪涝灾害脆弱性计算的多智能体模型,形成了基于多智能体的城市洪涝灾害脆弱性计算方法。在NetLogo平台上,利用智能体模型对浙江省丽水市城区的动态脆弱性进行了仿真模拟。研究结果表明该模型有助于发现不同时空条件下城市存在的“脆弱区”,为城市洪涝灾害脆弱性的时空分异特征分析、区域脆弱性的精细化评价提供方法支撑,能够为缓解措施的实施和洪涝灾害的精细化管理提供有效指导。

关键词： 洪涝灾害; 脆弱性; 动态脆弱性; 多智能体; 智能体模型; 时空分异特征; NetLogo; 丽水市

本文引用格式

朱净萱 , 戴强 , 蔡俊逸 , 朱少楠 , 张书亮 . 基于多智能体的城市洪涝灾害动态脆弱性计算模型构建[J]. 地球信息科学学报, 2021 , 23(10) : 1787 -1797 . DOI: 10.12082/dqxxkx.2021.210053

Abstract

With the intensification of global climate change and the development of urbanization, the impact of heavy rains and floods on urban social and economic activities has become serious. As an important method to quantify the hazard impact and socio-economic loss, and to conduct risk assessment in urban hazard research, study on Urban Vulnerability to Flood Hazard (UVFH) is of great significance to flood risk management and planning. It can also contribute to interpretation of "human-earth" relationship and the effect of human activities on eco-environmental systems through geography and other related disciplines. Recent research has extended the connotation of vulnerability and enriched the indicator system. Their findings can reflect the overall features of urban vulnerability in a period. However, the current studies are still incapable of achieving vulnerability evaluation considering spatial heterogeneity and dynamic characteristic simultaneously. Therefore, in view of the research on flood hazard vulnerability, this paper proposed an agent-based computing model for UVFH calculation by considering its dynamic characteristics. Firstly, after analyzing the dynamic characteristics of UVFH, the computing framework of UVFH is designed, which sets up the quantitative model, and puts forward an agent-based computing method of UVFH. This framework models the flood hazard in four parts: urban environment, flood simulation, agents, and multi-agents' behaviors. Various environmental and socio-economic indicators are selected comprehensively to quantify the urban exposure, susceptibility, and adaptability. Secondly, by coupling the LISFLOOD-FP and SWMM model, the dynamic changes of hazard drivers are simulated. Moreover, the multi-agents' behaviors are designed to simulate hazard bearers' response to flood hazard. By computing the dynamic indicators of exposure and susceptibility, the UVFH can be simulated dynamically. The agent-based computing method highlights the dynamic characteristics of UVFH, thus can be used to simulate different scenarios. Thirdly, taking the Liandu District in Lishui City, Zhejiang Province as an example, two scenarios of 50-year flood hazards with different occurrence times were designed on the NetLogo platform. The results showed that the occurrence time of flood hazard made a difference to overall vulnerability, and people's daily routines had a great impact on the degree and distribution of vulnerability. Moreover, the contributions of exposure, susceptibility, and adaptability to vulnerability varied in places. The agent-based computing model of UVFH proposed by this paper can help discover the “vulnerable zone” of a city, and provide methodological supports for the spatio-temporal variation analysis of UVFH and the assessment of regional dynamic vulnerability, thus providing effective guidance for refined flood hazard management.

Key words： flood hazard; vulnerability; dynamic vulnerability; multi-agents; agent-based model; spatio-temporal variation; NetLogo; Lishui

1 引言

在全球气候变化的影响下,由极端天气事件引发的暴雨洪涝灾害发生愈加频繁,对城市社会经济活动造成的影响越发严重。受自然和人为等因素共同影响,洪涝灾害常造成区域性洪水及城市内涝,并引发城市道路交通瘫痪、供水供电中断等城市次生灾害,给城市生产生活与社会经济活动带来了严重威胁,成为中国众多城市面对的主要自然灾害之一[1]。据民政部统计[2,3],2016年我国暴雨洪涝灾害南北齐发,28个省（自治区、直辖市）1508个县遭受洪涝灾害,受灾人口超过6000万,直接经济损失近1470亿元;2017年全国共出现43次大范围强降雨过程,引发的洪涝灾害共造成全国6951.2万人次受灾、674人死亡,直接经济损失1909.9亿元,占自然灾害总损失的63.3%。因此,如何实现洪涝灾害的精细化管理以及缓解其不利影响已经成为城市防灾减灾工作中的重要内容。
洪涝灾害研究一直是管理科学、地理学、水文学等研究领域的热点问题。20世纪末,“脆弱性”被应用于灾害研究领域,其内涵不断地扩充和延伸。脆弱性研究起初仅仅局限于特定灾种、特定承灾体的易损性（即敏感性）,而随着暴露性和适应能力等因素的加入,逐渐形成了多元结构研究体系[4]。脆弱性评价也由仅考虑自然灾害单方面过渡到综合考虑自然环境、社会经济活动等多方面。城市洪涝灾害脆弱性正是以脆弱性为基础,在特定城市尺度下,城市复杂系统内的承灾体面对洪涝灾害时,城市生态、环境、资源、社会和经济等方面的暴露性、敏感性与适应能力的综合表征。近年来,国内外学者开展了城市洪涝灾害脆弱性的计算方法研究,主要包括脆弱性指标法与脆弱性曲线法。其中,城市洪涝灾害脆弱性指标体系使用了生态、环境、资源、社会、经济等指标来描述面对洪涝灾害时城市的暴露性、敏感性与适应性[5,6,7,8,9,10];城市洪涝灾害脆弱性曲线则可以反映洪涝灾害强度与承灾体损失率的一种映射关系[11],通常以表格、曲线和曲面的形式呈现[12,13,14,15,16]。随着评估方法与技术的日益普及和完善,遥感、GIS技术也被应用于脆弱性分析方法,便于实现灾害数据的获取、空间表达和建模分析,能够分析多种扰动对脆弱性的影响,推动承灾体的地理位置及空间关系的描述与空间非均匀性问题的解决[17],取得了一系列成果[18,19,20,21]。
在洪涝灾害过程中,致灾因子与以人口为代表的承灾体均处于动态变化的状态,并由此引发脆弱性的时空变化。因此,城市洪涝灾害脆弱性的动态特征主要取决于城市洪涝过程的动态演进及社会经济活动的动态响应,即一方面洪涝灾害的自然属性会对承灾体的社会经济属性造成影响,另一方面人类社会经济活动对城市洪涝过程有所反馈与响应。然而,城市洪涝灾害脆弱性计算方法多反映城市承灾体的静态状态,难以体现灾害的动态特征和承灾体的动态响应及其对脆弱性计算的影响。于是,有学者引入智能体建模的方法,构建了洪涝灾害风险评估模型,能够实现承灾体与致灾因子、孕灾环境之间相互作用的模拟[22,23],分析灾害暴露程度[24,25],但较少考虑承灾体的脆弱性及其动态变化特征。另外,我国城市自然灾害风险评估的空间尺度研究目前尚未形成统一范式,城市洪涝灾害脆弱性研究的空间尺度大多停留在区域尺度,反映城市区域的整体特征,精细化程度不够,难以对城市受灾地区的应急响应和风险管理提供实际的指导,无法满足城市减灾日趋精细化管理的需要。
因此,面对灾害风险评估的实际需求,本文提出了城市洪涝灾害动态脆弱性计算方法,建立了城市洪涝灾害脆弱性量化模型与面向洪涝灾害脆弱性计算的多智能体模型,并以浙江省丽水市莲都区为研究区域,计算和分析面向不同情景的城市洪涝灾害脆弱性。研究成果有助于发现不同时空条件下城市存在的“脆弱区”,为城市洪涝灾害脆弱性的时空分异特征分析、区域脆弱性的精细化评价提供方法支撑,为缓解措施的实施和洪涝灾害的精细化管理提供有效指导。

2 城市洪涝灾害动态脆弱性计算方法

2.1 城市洪涝灾害动态脆弱性计算框架设计

城市洪涝灾害脆弱性是孕灾环境、致灾因子与承灾体三者相互影响、相互作用下的综合表征,是城市自身的固有属性在洪涝灾害外力作用下的综合反映。在洪涝灾害过程中,致灾因子的动态变化与承灾体的动态响应决定着城市脆弱性的动态特征。因此,本文将洪涝灾害发生过程中由致灾因子和承灾体的动态变化引起状态转移的脆弱性称为洪涝灾害动态脆弱性。针对城市洪涝灾害脆弱性研究中存在的空间非均匀性问题和动态计算问题,提出城市洪涝灾害动态脆弱性计算框架,如图1所示,该框架主要包括3个部分,分别为城市洪涝灾害脆弱性量化模型、面向洪涝灾害脆弱性计算的多智能体模型,以及城市洪涝灾害动态脆弱性计算。
图1 城市洪涝灾害动态脆弱性计算框架

Fig. 1 The dynamic vulnerability calculation framework of urban flood disaster

第一部分城市洪涝灾害脆弱性量化模型从承灾体的特征出发,以区域为单元,综合选取生态、环境、资源、社会、经济等多方面指标,量化城市的洪涝灾害暴露性、敏感性与适应能力,以深化对城市脆弱性内涵、构成及特征的认知;面向洪涝灾害脆弱性计算的多智能体模型作为框架第二部分,引入复杂系统建模中的多智能体模型,考虑承灾体与孕灾环境、致灾因子相互作用,以动力学模型分别模拟城市洪涝灾害过程中致灾因子的动态变化和承灾体的动态响应,有利于解决城市动态脆弱性计算的复杂性问题;最后结合前两部分的量化模型与多智能体模型,实现面向不同情景的城市洪涝灾害动态脆弱性的精细化计算,探索城市洪涝灾害脆弱性的动态变化与时空分异特征,发现城市中存在的“脆弱区”,以期为城市洪涝灾害缓解措施的实施与精细化的洪涝灾害管理提供有效指导。

2.2 城市洪涝灾害脆弱性量化模型构建

城市洪涝灾害脆弱性是城市复杂系统内承灾体自身属性暴露于洪涝灾害过程的综合表征,包含3层含义：① 城市面对灾害扰动时的暴露程度以及由此带来的损害程度;② 城市受到灾害的扰动以及突发事件的影响而表现出来的自身敏感性;③ 城市应对灾害扰动的适应能力。本文关注城市脆弱性在洪涝灾害发生、发展过程中的动态特征,因此将城市洪涝灾害脆弱性定义为洪涝灾害特征、强度与承灾体暴露性、敏感性、适应能力之间的组合函数[26,27]：
V t = Σ W E E t + Σ W S S t - Σ W A A t
式中：Vt为洪涝灾害单元内t时刻的脆弱性;Et、St与At分别为t时刻的标准化后的暴露性、敏感性和适应能力指标,范围在0~1;WE、WS与WA分别为正向的暴露性权重、正向的敏感性权重和负向的适应能力权重,范围也在0~1。各项指标权重选用依赖于数据本身离散性的熵权法对该时刻指标实现计算。研究综合城市生态环境、资源、社会和经济等方面因素[28,29,30,31],通过专家推荐或数学分析取具有代表性、典型性的脆弱性指标。
对于暴露性,本文将其定义为城市范围内承灾体暴露于洪涝灾害区域而遭受的影响程度,从洪涝灾害对城市承灾体的直接损害及数据的可获取性出发,选用非安全状态的个体数量、建筑物面积和道路长度作为暴露性量化指标。获得暴露性指标,需要判断承灾体的暴露状态,其中各个体智能体、建筑物智能体的暴露状态由个体风险值进行判断,计算公式如下[32]：
R = V + C × H + DF
式中：R为径流流速与积水水深综合作用下的个体风险值;H为所在单元的积水水深/m;V为所在单元的径流流速/（m/s）;C为流速因子,取0.5;DF为地表因子,其值根据表1计算。
表1 地表因子

Tab. 1 Debris factor for areas

限制条件
草地/耕地 林地/森林 城市
0 < H ≤ 0.25 m 0 0 0
0.25 m< H ≤ 0.75 m 0 0.5 1
H > 0.75 m/s或V > 2 m/s 0.5 1 1
由于建筑物的承灾能力强于个体,建筑内个体的状态与承灾的建筑物状态相同,因此对于不在建筑物内的个体智能体和在建筑物内的个体智能体,其暴露状态分别为EP与EB：
E P = 0 R < 0.75 1 0.75 ≤ R < 1.50 2 1.50 ≤ R < 2.50 3 R ≥ 2.50
E B = 0 R < 1.50 1 1.50 ≤ R < 2.50 2 2.50 ≤ R < 3.50 3 R ≥ 3.50
式中：0代表安全;1代表轻度暴露;2代表中度暴露;3代表重度暴露;而道路的暴露状态由在此道路上通行的车辆状态决定,根据积水水深对车辆排气管口的影响,其暴露状态ER为：
E R = 0 H < 0.50 1 H ≥ 0.50
式中：0代表安全;1代表危险,即积水水深影响通行车辆。
洪涝灾害敏感性强调城市承灾体由于内部属性的差异而遭受不同程度的洪涝灾害影响,即对于同一等级的洪涝灾害,洪涝灾害区域内敏感性高的承灾体遭受更严重的损害。洪涝灾害敏感性量化,包括同级区域单元中老年人口、儿童人口、残疾人口、低保人口、失业人口数量5类动态人口特征指标,以及距敏感区域（学校、地下空间等）与危险区域（危化企业、水库、河道等）的最近欧式距离指标。
洪涝灾害适应能力是指洪涝灾害发生过程中,城市抵抗洪涝灾害及从洪涝灾害中恢复的能力,强调社会经济要素的承灾抗灾作用。从城市社会经济能力和灾害应急响应能力等方面出发,选取人均可支配收入、距应急救援单位最近距离、距卫生医疗站最近距离和距避难所最近距离4个指标实现量化计算。

2.3 面向洪涝灾害脆弱性计算的多智能体模型构建

城市洪涝灾害系统是复杂的“自然—社会”系统,其各要素之间相互作用的空间尺度和时间尺度是不统一的,且要素行为并不是由完整信息和绝对理性所驱动,无法用统一的数学公式或模型形式化。而多智能体建模能够连接洪涝系统和社会系统,对复杂系统的各要素及其之间的相互作用进行自下而上地建模。因此,本文建立面向洪涝灾害脆弱性计算的多智能体模型,由动力学模型模拟该复杂系统中致灾因子的动态变化与承灾体的动态响应。该模型主要涉及相互作用的城市环境、洪涝过程、多智能体结构及多智能体行为4个方面：
① 城市环境是连接洪涝过程和人类活动的桥梁,可利用GIS对其进行数据组织和空间表达,主要包括地形、水系、建筑物、道路和地下管网等; ② 洪涝过程叠加在城市环境上,主要表现为动态变化的城市淹没面积、积水水深与径流流速,进而影响人类活动;③ 智能体是多智能体模型中的主体,从承灾体角度可分为个体、政府、建筑物和其他基础设施等,其中个体拥有性别、年龄、就业情况、可支配收入等属性结构,对应着不同的日常行为模式和规避洪涝灾害的能力;④ 而多智能体行为规则的制定是为了构建智能体的行为方式,行为规则可以是公共的制度、政策和规范,也可以是约定的策略。如洪涝发生过程中,个体智能体确保自身状态安全的关键在于如何选择合适的策略,主要按照“向周围最安全区域转移”的原则来设计,即向安全建筑物或高程较高且积水水深较小的区域转移。根据个体自身状态及所处位置（是否处于避险设施区域）,其规避策略如图2和图3所示。
图2 位于避险设施区域的个体规避策略

Fig. 2 Hedging strategies of resident agents located in the area of hedging facilities

图3 位于空旷区域的个体规避策略

Fig. 3 Hedging strategies of resident agents in empty areas

3 实验与分析

3.1 研究区域与数据

基于本文构建的城市洪涝灾害脆弱性量化模型,以浙江省丽水市莲都区北城作为研究区域 （图4）,在NetLogo平台上模拟承灾体对洪涝灾害的响应模式,实现洪涝灾害动态脆弱性的计算和评估。研究区域总面积约43.39 km2,系瓯江中游,三面环山,以丘陵山地为主,间有小块河谷平原,地势北高南低;地属亚热带季风气候区,受副热带高气压带控制,据丽水市水资源公报统计,每年5月、 6月为梅汛期,降雨集中且强度大、持续时间长;8—10月为台汛期,受台风影响大,常伴随暴雨、大暴雨和局地特大暴雨。因此,由暴雨引发的洪涝灾害是该研究区长期面临的灾害之一。
图4 研究区域数字高程模型与基础地理信息

Fig. 4 Digital elevation model and basic geographic information in the experimental area

实验数据主要由基础地理信息数据、社会经济数据以及历史灾情数据组成[24]。基础地理信息数据包括水系、道路、地下排水管网、数字高程模型以及组织机构位置点等数据,来源于丽水市地理信息中心;社会经济数据包括来源于国家地球系统科学数据中心的1 km里网格人口数据,与来源于地方统计年鉴的人口特征信息以及经济统计数据;交通流量数据主要为部分道路路口实测交通流量,来源于交通局;历史灾情数据包括积水点信息等,来源于住房和城乡建设局,具体见表2。受资料获取限制,数据时间有所不同但均集中在2015年前后,本文假设统计数据年际差异不大且旨在提出一种脆弱性量化模型构建的方法,为后续研究与脆弱性评估提供支持。
表2 实验数据

Tab. 2 Experimental data set

类型 来源 时间 名称 描述
基础地理信息数据 丽水市地理信息中心 2015 数字高程模型 DEM（分辨率20 m×20 m）
地下排水管网 包括检查井、出水口、雨水线、排水线
水系 瓯江支流、湖泊、水库、河渠等
道路 城区主干道
建筑 城区主要建筑物
组织机构位置点 学校、卫生医疗机构、应急救援单位等
社会经济数据 国家地球系统科学数据中心[33] 2015 格网人口数据 中国1 km格网人口栅格数据
地方统计年鉴2015[34,35] 2014 人口特征信息 性别比例、老年人比例、儿童比例、低保人口、残疾人口、失业人口等
经济统计数据 GDP、人均可支配收入等
丽水市交通局 2017-06-24至2017-07-07 交通流量数据 部分道路路口实测交通流量
历史灾情数据 丽水市住房和
城乡建设局		 2014 积水点信息 历史洪涝灾害积水水深等

3.2 洪涝水文过程模拟

利用芝加哥降雨过程线法的暴雨强度公式设计了研究区域五十年一遇的暴雨情景,并耦合二维水动力学模型LISFLOOD-FP与城市雨洪管理模型SWMM,模拟城市地表水文过程和地下管网水动力过程,实现地表产汇流和地下排水管网的水量交换[24-25,36]。交换过程主要由雨水篦和检查井实现,可概化为：雨水在地表汇集形成径流从雨水篦或检查井汇入地下雨水管网,当地下管网排水能力不足时,雨水通过检查井溢出并汇入地表径流;当地下管网恢复排水能力时且检查井无溢出水量时,地表径流重新汇入地下雨水管网[37]。本文在数据预处理中,将检查井作为地表与地下水量交换的通道,在模型计算时概化为堰或孔,假设管网中所有检查井井盖全部打开,且地下管网溢出满足漫流模拟条件。根据地表水位h2D/m和检查井内水位h1D/m不同,分别参照堰流公式（式（6））和孔口溢流公式 （式（7））计算水量的汇入和溢出[38]：
Q = c w w h 2 D 2 g h 2 D
Q = c 0 A m h 2 g ( h 2 D + z 2 D - h 1 D )
式中：Q为交换流量/（m3/s）; c w为堰流流量系数;w为堰顶宽度/m;g为重力系数; c 0为孔口流量系数;Amh为孔口面积/m2; z 2 D为地面高程/m。该耦合模型每隔30 min输出一次洪涝灾害致灾因子模拟结果,如城市的淹没面积、积水水深与径流流速分布等。
在本文五十年一遇洪涝灾害情景下,淹没面积在第300 min左右达到最大并保持稳定,积水分布如图5所示。此时积水深度在1~1.5 m之间的区域近3 m2,而大于1.5 m深度积水的区域约2.5 m2,受影响区域主要分布在地势相对低洼、排水不畅的区域和道路,如白云街道的后庆社区、三岩寺社区的西南部、岩泉街道丽阳社区的南部、紫金街道厦河社区的出水口以及丽水-浦城公路、解放街-开发路、花园路-囿山路、囿山路-紫金路口、囿山路-寿尔福路口、古城路（卢镗街-大猷街段）、东环路等。图中橙色圆点为丽水市住房和城乡建设局统计公布的2014年发生的50年一遇暴雨洪涝灾害积水点,尽管因真实降雨的复杂性,与模拟积水情况存在一定差异,但二者分布基本符合,说明本模型能够有效模拟该研究区域50年一遇的洪涝过程。
图5 50年一遇洪涝灾害在淹没面积最大时的积水深度空间分布

Fig. 5 Spatial distribution of water depth with the largest submerged area under a 50-year flood hazard condition

3.3 多智能体模拟

本文使用NetLogo平台进行多智能体建模与模拟。首先对模型进行初始化,利用丽水市基础地理信息数据构建地形、地表水系、道路和建筑物等城市基本形态作为建模环境。根据地理国情普查数据,研究区域内建筑物又分为11 708栋一般建筑物、110所面向不同教育程度的学校、44所医疗卫生机构、17处应急避难场所、84处地下空间以及36个危化企业,能够感知当前风险状态并反馈给建筑物内的个体智能体。本文的多智能体模型中拥有主观能动性的智能体主要为个体和政府智能体。之后根据丽水市社区人口调查数据将个体智能体分布于所在社区范围内,为其赋予相应属性。模型根据性别、年龄、身体状况、就业情况、可支配收入等属性对个体智能体的类型进行划分,见表3。不同属性的个体有不同出行需求,对应的日常行为模式也有所差异。根据中国城市居民出行行为调查和出行特征分析[39,40],按出行目的划分,个体的日常行为主要包括工作、学习、事务、购物、休闲娱乐、社交以及回家等。本文利用概率有限状态机来描述丽水市莲都区210 931个体智能体在日常生活可能的状态和行为。政府智能体用来表示莲都区政府和应急救援单位,监控全局状况,根据先验知识预测洪涝演进情况,决定是否发布预警;当接收到重度危险状态的个体发出的求救信号时,根据救援单位的位置就近派遣救援队前往救援。在模型初始化时,所有个体与建筑物的初始状态为安全状态,在模型中以绿色表示,轻度暴露、中度暴露、重度暴露状态则分别以黄色、橙色、红色表示。
表3 个体智能体分类

Tab. 3 Resident agent classification

分类
性别 年龄 身体状况 就业情况 可支配收入
男 0~18 健康 就业 人均可支配收入
女 18~65 残疾 未就业 无收入
˃65
在完成模型初始化之后,利用所构建模型以 1 min为时间步长运行多智能体模型,模拟个体日常行为模式。当暴雨洪涝过程开始后,每隔30 min读取洪涝模拟结果,构建致灾因子,在相应的格网生成雨水智能体,反映格网径流流速信息和积水水深信息;同时,个体、政府和建筑物及基础设施等智能体感知周围的径流流速与积水水深,根据自身状态及作用规则,对洪涝过程实现动态响应。在模拟过程中,模型统计不同时刻各格网单元的非安全状态的个体数量、建筑物面积和道路长度作为暴露性指标;特征人口数量和敏感地区的欧式距离作为敏感性指标;人均可支配收入、距应急救援单位最近距离、距卫生医疗站最近距离和距避难所最近距离作为适应能力指标。对格网内逐项指标进行标准化处理,并计算其对应指标权重,最终可由式（1）得到研究区域逐时的脆弱性量化分布。
本文分别对在5:00和17:00发生的2场50年一遇洪涝过程进行动态模拟,命名为情景1与情景2。如图6为情景1在8:30的多智能体模拟结果。此时个体开始了日常出行活动,活跃的个体包括外出活动的老年人、上班的成年人和上学的小孩,由城市的居住空间流向工作空间、学习空间和休闲娱乐空间,部分出行的个体受淹没的道路、低洼地区的积水影响,由安全状态转变为暴露状态;建筑物与道路受积水影响,暴露程度加重。
图6 情景1在8:30的洪涝灾害下多智能体模拟结果

Fig. 6 Multi-agent simulation results under a flood disaster scenario at 8:30 in scenario 1

城市洪涝灾害脆弱性既与洪涝灾害的特征与强度有关,又因洪涝灾害发生时间的不同而存在差异,图7中曲线描述了出行活跃人数的变化,色带深浅则反映了2种情景下洪涝灾害脆弱性的强弱变化。情景1与情景2的洪涝灾害均发生在个体出行高峰之前2~3 h内,但前者洪涝灾害脆弱性整体更大,这与灾害发生时间密切相关。情景1的洪涝灾害大部分发生在白昼,个体依然处于活跃状态,暴露于洪涝灾害的可能性更大,而情景2的洪涝灾害大部分发生在夜晚,个体逐渐回到居住空间休息,建筑物和道路成为此时的主要承灾体,暴露程度较小。因此,相同强度的洪涝过程,在不同发生时间下,对应着个体日常行为模式不同,进而城市洪涝灾害脆弱性存在差异。
图7 情景1与情景2洪涝灾害脆弱性的时序变化

Fig. 7 Time series change of urban vulnerability to flood hazard in scenario 1 and 2

在相同时刻,由于洪涝灾害的特征与强度不同,城市洪涝灾害脆弱性的空间分布也会呈现出差异性,如图8（a）和图8（b）分别反映了2种灾害情景在7:30的脆弱性分布。情景1处于洪涝初期,研究区域仅在南北向的河渠和道路周围地区易暴露,整体的脆弱性保持低水平稳定;而此时情景2处于洪涝末期,研究区域整体的脆弱性保持高水平稳定,高脆弱性地区分布集中,由于积水尚未消退,对于部分敏感性较高、适应能力较弱或持续处于暴露状态的地区,其脆弱性仍保持较高水平,如后庆社区、丽阳社区低洼地区、厦河社区的古城出水口以及丽水-浦城公路等。
图8 情景1与情景2在7:30的洪涝灾害脆弱性空间分布

Fig. 8 Spatial distribution of urban vulnerability to flood hazard at 7:30 in scenario 1 and 2

结合智能体模拟结果分析,丽水市莲都区一部分地区的脆弱性受暴露性影响较大,容易暴露于地表深度积水,空间分布相对集中,主要承灾体是建筑物和道路,如后庆社区河渠附近的建筑物、丽阳社区低洼的乡村附近的建筑物、厦河社区古城出水口附近的卢镗街-古城路-大猷街;另有一部分地区的脆弱性受居民出行行为影响较大,随敏感性的变化而变化,其主要承灾体为个体,一方面出行个体由安全状态转变为暴露状态使得区域暴露性增大,另一方面特殊个体的集聚使得区域敏感性增大,两者导致区域脆弱性增大,如图6中学生聚集于丽阳坑附近的学校、上班族广泛分布于交通运输局附近的工作空间等。

4 结论与讨论

洪涝灾害是“自然-社会”复合的自然灾害,对其进行脆弱性评估是量化洪涝灾害影响程度、社会经济损失与风险评估的重要手段。本文针对现有研究多从静态指标出发评估脆弱性整体特征的缺陷,关注城市洪涝灾害脆弱性的动态特征和精细化要求,提出了基于多智能体模型的城市洪涝灾害动态脆弱性计算方法,建立了考虑洪涝过程中致灾因子动态变化与承灾体动态响应的城市洪涝灾害脆弱性量化模型,为区域灾害脆弱性的精细化评价与城市防灾减灾管理提供了有效方法支撑。
在NetLogo平台上,以丽水市莲都区为研究区域,综合基础地理信息、水文气象以及社会经济等数据,设计了2个50年一遇洪涝灾害情景,计算了丽水市莲都区的洪涝灾害动态脆弱性,对其空分异特征进行了深入分析。结果表明洪涝灾害不同的发生时间会使脆弱性的整体水平产生差异,其中居民的日常出行行为显著影响了脆弱性的大小及空间分布,如相应活跃时段（8:00—10:00、18:00— 20:00）的脆弱性明显增大,且主要分布在城市的居住空间、学习空间和工作空间附近。此外,不同地区的脆弱性成因也存在差异性,如受地表积水影响的“脆弱区”的形成与洪涝灾害的特征直接相关,受暴露性影响较大,而受居民日常出行行为影响的“脆弱区”在暴露性与敏感性的共同作用下不断变化。
本文的城市洪涝灾害动态脆弱性计算方法实现了城市洪涝灾害脆弱性动态特征的时空表达与模拟,但仍存在一些问题需进一步完善,如受实验数据的限制,本文着重从人口、建筑物和道路3类主要承灾体量化洪涝灾害暴露性,未能考虑其他城市生命线系统的基础设施的暴露状态;单元的敏感性与适应能力也需通过社会调查获取更精细的社会经济数据来量化评价。此外,如何计算不同情景下的洪涝灾害动态脆弱性,如考虑政府预警、紧急疏散、溃坝等情景以及不同的洪涝灾害缓解措施方案对洪涝灾害脆弱性的影响,将是下一步的研究方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
蒋卫国, 李京, 陈云浩, 等. 区域洪水灾害风险评估体系(Ⅰ)——原理与方法[J]. 自然灾害学报, 2008, 17(6):53-59.

[ Jiang W G, Li J, Chen Y H, et al. Risk assessment system for regional flood disaster (Ⅰ): Principle and method[J]. Journal of Natural Disasters, 2008, 17(6):53-59. ]

[2]
民政部. 民政部国家减灾办发布2016年全国自然灾害基本情况[EB/OL]. http://www.mca.gov.cn/article/xw/mzyw/201701/20170115002965.shtml 2017.

[ Ministry of Civil Affairs. National Disaster Reduction Office of Ministry of Civil Affairs has published the 2016 national natural disaster general information[EB/OL]. http://www.mca.gov.cn/article/xw/mzyw/201701/20170115002965.shtml 2017. ]

[3]
民政部. 民政部国家减灾办发布2017年全国自然灾害基本情况[EB/OL]. http://www.mca.gov.cn/article/xw/mzyw/201802/20180215007709.shtml 2018.

[ Ministry of Civil Affairs. National Disaster Reduction Office of Ministry of Civil Affairs has published the 2017 national natural disaster general information[EB/OL]. http://www.mca.gov.cn/article/xw/mzyw/201802/20180215007709.shtml 2018. ]

[4]
Birkmann J. Measuring vulnerability to natural hazards: Towards disaster resilient societies[M]. New York: United Nations University Press, 2006.

[5]
Müller A, Reiter J, Weiland U. Assessment of urban vulnerability towards floods using an indicator-based approach: A case study for Santiago de Chile[J]. Natural Hazards & Earth System Sciences, 2011, 11(8):2107-2123.

[6]
Kienberger S, Lang S, Zeil P. Spatial vulnerability units--expert-based spatial modelling of socio-economic vulnerability in the Salzach catchment, Austria[J]. Natural Hazards & Earth System Sciences, 2009, 9(3):767-778.

[7]
Adeloye A, Mwale F D, Dulanya Z. A metric-based assessment of flood risk and vulnerability of rural communities in the Lower Shire Valley, Malawi[J]. Proceedings of the International Association of Hydrological Sciences, 2015, 370:139.

DOI

[8]
Zachos L G, Swann C T, Altinakar M S, et al. Flood vulnerability indices and emergency management planning in the Yazoo Basin, Mississippi[J]. International Journal of Disaster Risk Reduction, 2016, 18:89-99.

DOI

[9]
刘耀龙, 陈振楼, 王军, 等. 经常性暴雨内涝区域房屋财(资)产脆弱性研究——以温州市为例[J]. 灾害学, 2011, 26(2):66-71.

[ Liu Y L, Chen Z L, Wang J, et al. Study on property (capital) vulnerability of houses in regular rainstorm water-logging areas taking Wenzhou city as example[J]. Journal of Catastrophology, 2011, 26(2):66-71. ]

[10]
葛全胜, 邹铭, 郑景云. 中国自然灾害风险综合评估初步研究[M]. 北京: 科学出版社, 2008.

[ Ge Q S, Zou M, Zheng J Y. Integrated assessment of natural disaster risks in China[M]. Beijing: Science Press, 2008. ]

[11]
Smith D I. Flood damage estimation - a review of urban stage-damage curves and loss functions[J]. Water SA, 1994, 20(3):231-238.

[12]
郭桂祯, 赵飞, 王丹丹. 基于脆弱性曲线的台风-洪涝灾害链房屋倒损评估方法研究[J]. 灾害学, 2017, 32(4):94-97.

[ Guo G Z, Zhao F, Wang D D. A method research of house damage in typhoon-flood disaster Chian based on vulnerability curve[J]. Journal of Catastrophology, 2017, 32(4):94-97. ]

[13]
温泉沛, 周月华, 霍治国, 等. 湖北暴雨洪涝灾害脆弱性评估的定量研究[J]. 中国农业气象, 2018, 39(8):547-557.

[ Wen Q P, Zhou Y H, Huo Z G, et al. Quantitative assessment on vulnerability of storm flood disasters in Hubei Province[J]. Chinese Journal of Agrometeorology, 2018, 39(8):547-557. ]

[14]
Godfrey A, Ciurean R L, Van Westen C J, et al. Assessing vulnerability of buildings to hydro-meteorological hazards using an expert based approach-An application in Nehoiu Valley, Romania[J]. International journal of disaster risk reduction, 2015, 13:229-241.

DOI

[15]
Ruiter M C, Ward P J, Daniell J E, et al. A comparison of flood and earthquake vulnerability assessment indicators[J]. Natural Hazards and Earth System Sciences, 2017, 17(7):1231-1251.

[16]
Ferreira T M, Estêvão J, Maio R, et al. The use of Artificial Neural Networks to estimate seismic damage and derive vulnerability functions for traditional masonry[J]. Frontiers of Structural and Civil Engineering, 2020, 14(3):609-622.

DOI

[17]
O’Brien K, Leichenko R, Kelkar U, et al. Mapping vulnerability to multiple stressors: Climate change and globalization in India[J]. Global Environmental Change, 2004, 14(4):303-313.

DOI

[18]
尹占娥, 暴丽杰, 殷杰. 基于GIS的上海浦东暴雨内涝灾害脆弱性研究[J]. 自然灾害学报, 2011, 20(2):29-35.

[ Yin Z E, Bao L J, Yin J E. GIS-based study on vulnerability to rainstorm inundation in Pudong of Shanghai[J]. Journal of Natural Disasters, 2011, 20(2):29-35. ]

[19]
Ouma Y O, Tateishi R. Urban flood vulnerability and risk mapping using integrated multi-parametric AHP and GIS: methodological overview and case study assessment[J]. Water, 2014, 6(6):1515-1545.

DOI

[20]
Sowmya K, John C M, Shrivasthava N K. Urban flood vulnerability zoning of Cochin City, southwest Coast of India, using remote sensing and GIS[J]. Natural Hazards, 2015, 75(2):1271-1286.

DOI

[21]
黄河, 范一大, 杨思全, 等. 基于多智能体的洪涝风险动态评估理论模型[J]. 地理研究, 2015, 34(10):1875-1886.

DOI

[ Huang H, Fan Y D, Yang S Q, et al. A multi-agent based theoretical model for dynamic flood disaster risk assessment[J]. Geographical Research, 2015, 34(10):1875-1886. ]

[22]
李文波, 郭啸天, 毛雪岷, 等. 基于多智能体的暴雨洪涝人口风险动态评估[J]. 灾害学, 2015, 30(3):80-87.

[ Li W B, Guo X T, Mao X M, et al. The dynamic population risk assessment model for rainstorm-flood utilization multi-agent[J]. Journal of Catastrophology, 2015, 30(3):80-87. ]

[23]
Zhu X, Dai Q, Han D, et al. Modeling the high-resolution dynamic exposure to flooding in a city region[J]. Hydrology and Earth System Sciences, 2019, 23:3353-3372.

DOI

[24]
Dai Q, Zhu X, Zhuo L, et al. A hazard-human coupled model (HazardCM) to assess city dynamic exposure to rainfall-triggered natural hazards[J]. Environmental Modelling & Software, 2020, 127:104684.

[25]
Turner B L, Kasperson R E, Matson P A, et al. A framework for vulnerability analysis in sustainability science[J]. Proceedings of the National Academy of Sciences, 2003, 100(14):8074-8079.

DOI

[26]
Weis S W M, Agostini V N, Roth L M, et al. Assessing vulnerability: An integrated approach for mapping adaptive capacity, sensitivity, and exposure[J]. Climatic Change, 2016, 136(3/4):615-629.

DOI

[27]
Cutter S L, Finch C. Temporal and spatial changes in social vulnerability to natural hazards[J]. Proceedings of the National Academy of Sciences of the United States of America, 2008, 105(7):2301-2306.

DOI PMID

[28]
袁海红, 高晓路. 城市经济脆弱性评价研究——以北京海淀区为例[J]. 自然资源学报, 2014, 29(7):1159-1172.

[ Yuan H H, Gao X L. Assessing the economic vulnerability to disasters of cities: A case study of Haidian district in Beijing[J]. Journal of Natural Resources, 2014, 29(7):1159-1172. ]

[29]
黄晓军, 黄馨, 崔彩兰, 等. 社会脆弱性概念、分析框架与评价方法[J]. 地理科学进展, 2014, 33(11):1512-1525.

DOI

[ Huang X J, Huang X, Cui C L, et al. The concept, analytical framework and assessment method of social vulnerability[J]. Progress in Geography, 2014, 33(11):1512-1525. ]

[30]
王录仓, 史凯文, 梁珍. 城市脆弱性综合评价与动态演变研究——以兰州市为例[J]. 生态经济, 2017, 33(9):137-141.

[ Wang L C, Shi K W, Liang Z. Study on comprehensive evaluation and dynamic evolution of urban vulnerability: Taking Lanzhou city as an example[J]. Ecological Economy, 2017, 33(9):137-141. ]

[31]
Defra. Flood risk to people phase 2[M]. Food and Rural Affairs, FD2321/TR2 Guidance Document, London: Department for Environment, 2006.

[32]
中国科学院地理科学与资源研究所. 中国公里格网人口数据(2015年)[DB/OL]. 国家科技基础条件平台—国家地球系统科学数据共享服务平台 (http://www.geodata.cn 2019.

[ Institute of Geographic Sciences and Natural Resources Research, CAS. 1 kilometer grid population data in China (2015)[DB/OL]. National Earth System Science Data Center, National Science & Technology Infrastructure of China (http://www.geodata.cn 2019. ]

[33]
丽水市统计局. 丽水统计年鉴——2015[M]. 北京: 中国统计出版社, 2015.

[ Liandu District Statistics Bureau. Lishui Statistical Yearbook-2015[M]. Beijing: Chinese Statistics Press, 2015. ]

[34]
丽水市莲都区统计局. 莲都年鉴.2015[M]. 北京: 方志出版社, 2015.

[ Liandu District Statistics Bureau. Liandu Statistical Yearbook 2015[M]. Beijing: Local records Publishing House, 2015. ]

[35]
Zhu J, Dai Q, Deng Y, et al. Indirect damage of urban flooding: investigation of flood-induced traffic congestion using dynamic modeling[J]. Water, 2018, 10(5):622.

DOI

[36]
Wu X, Wang Z, Guo S, et al. Scenario-based projections of future urban inundation within a coupled hydrodynamic model framework: A case study in Dongguan City, China[J]. Journal of Hydrology, 2017, 547:428-442.

DOI

[37]
Leandro J, Martins R. A methodology for linking 2D overland flow models with the sewer network model SWMM 5.1 based on dynamic link libraries[J]. Water Science and Technology, 2016, 73(12):3017-3026.

DOI PMID

[38]
毛海虓. 中国城市居民出行特征研究[D]. 北京:北京工业大学, 2005.

[ Mao H X. Research on person trip characteristics of Chinese citizens[D]. Beijing: Beijing University of Technology, 2005. ]

[39]
张文佳, 柴彦威. 基于家庭的城市居民出行需求理论与验证模型[J]. 地理学报, 2008, 63(12):1246-1256.

[ Zhang W J, Chai Y W. Theories and confirmed model of urban resident's travel demand: Considering intra-household interaction[J]. Acta Geographica Sinica, 2008, 63(12):1246-1256. ]

Options
文章导航

/

〈 〉