EN中文

Journal of Geo-information Science >

2019 , Vol. 21 >Issue 12: 1832 - 1844

DOI: https://doi.org/10.12082/dqxxkx.2019.190165

Evaluation of Water Environmental Sensitivity based on Fuzzy Analytic Hierarchy Process Combined with Web Text

  • LI Xiang ,
  • XIAO Guirong , * ,
  • CAI Shengzhun
Expand
  • The Academy of Digital China, Fuzhou University, Fuzhou 350002, China
XIAO Guirong, E-mail:

Received date: 2019-04-10

  Request revised date: 2019-10-16

  Online published: 2019-12-25

Supported by

"Strategic Priority Research Program"of the Chinese Academy of Sciences(XDA23100500)

Major Science and Technology Projects of Fujian Province(2017NZ0003-1-5)

Copyright

Copyright reserved © 2019
Fold

Abstract

Water environment monitoring data plays a key role in water environmental sensitivity assessment. However, insufficiencies remains due to influences of factors such as terrain, environment and site layout. Therefore, this paper took Fujian Province as the experimental area, and used web text collected from key platforms of Fujian Province from April to June 2017 as the data source. Thirteen evaluation factors were selected from three aspects: web text sensitivity, pollution sensitivity and the protection sensitivity of the water environment. Based on the fuzzy analytic hierarchy process combined with the web text, a water environmental sensitivity evaluation model was constructed, and classification validated the rationality of the evaluation results. Results show: (1) In terms of web text sensitivity, the eastern and central-northern region of the province was higher than the western and central-southern region, and the highly sensitive areas were concentrated in Gulou District, Jin'an District and Minhou County in the lower reaches of the Min River. (2) In terms of pollution sensitivity, the southern part of the province (especially the southwest and southeast) was higher than the northern, and the highly sensitive areas were mainly distributed in the middle and lower reaches of Ting River, the estuary of the Jiulong River, and the lower reaches of Jin River and Long River. (3) In terms of protection sensitivity, the northwest-central-south part of the province was higher than the northeast-southwest, and the highly sensitive areas were mainly located in Jiangle County and Mingxi County in the upper reaches of Min River, and Wuyishan City in Jian River, Xianyou County in Mulan River and Hanjiang District in Qiulu River. (4) The water environmental sensitivity of the whole province decreased by the order of the southeast, southwest, north, central, north, and the east, and the economically developed areas along the eastern coast and estuaries of rivers showed high sensitivity, especially in Min River Estuary and Jin River Estuary. (5) The water environmental sensitivity assessment combined with the web text was more accurate in the investigation of highly water environment sensitive areas with pollution risks. Our findings suggest that the proposed method is more reasonable for water environmental sensitivity assessment, and has practical significance for predicting or troubleshooting highly-sensitive pollution-risk areas, important protected areas, and areas of public concern.

Key words： water environment; web text; sensitivity evaluation; sensitive impact factors; fuzzy analytic hierarchy process; Fujian Province

Cite this article

LI Xiang , XIAO Guirong , CAI Shengzhun . Evaluation of Water Environmental Sensitivity based on Fuzzy Analytic Hierarchy Process Combined with Web Text[J]. Journal of Geo-information Science, 2019 , 21(12) : 1832 -1844 . DOI: 10.12082/dqxxkx.2019.190165

1 引言

水环境敏感性评价是当下水环境研究中的重要课题之一[1,2],通常是综合考虑区域水环境的自然特征、社会特征及污染状况等因素来选取水环境敏感性评价指标和方法,并基于水环境现有的基础数据、统计数据及监测数据来实现其评价与分析[3,4]。水环境敏感性评价常用指数标识法、层次分析法、模糊数学等方法确定各评价指标权重值[5,6]。Jun-Ed等[7]根据区域水生态环境特点,利用生态因子评价模型和GIS空间分析,并基于单因子敏感性划分建立水环境敏感性评价;Azarnivand等[8]采用扩展模糊层次分析法对确定的与伊朗Urmia湖泊水资源相关的敏感影响因子进行敏感度分析,实例表明该方法对于综合分析水环境问题具有较好的效果;张德彬等[9]采用模糊层次分析法确定各指标权重,进行地下水环境敏感性评价,评价结果符合实际。
指标选取是水环境敏感性评价的关键步骤。孙伟等[10]从水环境的地貌特征、水质监测现状、水源地和水体通达性等方面选取可修复性和替代性的水环境敏感性评价指标。孙才志等[11]结合自然和社会2个属性以及整体性、有限性和系统性3个特征性,从辽河平原水环境空间分布、水质监测现状和自然保护等方面选取22个敏感性评价指标,构建了辽河平原水环境敏感性评价模型。张海龙等[12]基于区域的水环境功能区,选取农业非点源污染类型作为敏感性评价指标分析湖北省水环境污染敏感性,进而确定区域水环境污染源控制区。然而由于受到地形、环境、站点数量、站点布设等因素影响往往使得水环境监测数据存在缺失或不足。网络文本作为网络平台上针对当下社会问题、热点话题及焦点人物的主观性信息,能够在一定程度上反映水环境问题,主要以非结构化或半结构化的短文本形式表现[13,14,15]。通过添加这些信息作为评价指标,能够有效弥补监测数据的不足,使得水环境敏感性评价结果更具合理性。
因此,本文选取福建省为实验区,提出一种通过添加网络文本中反映的水环境问题作为评价指标的水环境敏感性评价方法,首先从水环境网络文本敏感度、污染敏感度和保护敏感度3个方面来遴选水环境敏感性影响因子,然后构建基于模糊层次分析法的敏感性评价模型,并利用加权函数法计算水环境敏感度值,最后对结果进行敏感性评价及其空间解析分析。

2 研究方法

模糊层次分析法（Fuzzy Analytic Hierarchy Process, FAHP）是基于模糊数学理论的层次分析法,解决的核心问题是层次分析法中存在的主观性强和判断标准缺乏科学依据,即通过引入模糊矩阵来构造判断矩阵,间接削弱专家评分中主观因素对评价结果的影响,从而客观有效地提高目标的评价结果真实性[16]。按照不同权重计算方法,FAHP可以分为2种：基于模糊数的FAHP和基于模糊一致矩阵的FAHP[17],后者不仅计算量小,而且通过对模糊互补矩阵的一致性检验,能够将定性与定量分析有机结合,因此本文采用基于模糊一致矩阵的FAHP进行水环境敏感性评价分析。
基于模糊一致矩阵的FAHP的敏感性评价流程为：首先分析水环境敏感影响因子并构建敏感评价层次结构模型,然后基于模糊互补矩阵构建模糊一致矩阵并检验,最后进行单层次权重排序、敏感影响因子权重排序和敏感度值计算。

2.1 水环境敏感影响因子及其量化

通过对相关文献资料的分析可知,在水环境敏感性评价的同时,环保决策者们通常关注研究区域范围内水环境相关污染源情况、敏感环境要素的存在情况（如饮用水源地、自然保护区）以及当地水环境状况的民众意见等。因此,本文将水环境敏感影响因子划分为水环境网络文本敏感度、水环境污染敏感度和水环境保护敏感度3个方面：① 水环境网络文本敏感度反映的是研究对象单元（区县）区域内关于水污染信息反馈的敏感程度,包括特定描述词频、关键词中重要保护词组、网络文本之间相关性及网络文本数量4个方面;② 水环境污染敏感度描述的是研究对象单元区域（区县）内水环境对社会经济生产活动反映的污染敏感程度[18,19],影响因子包括农业非点源污染、生活污染和水质监测指标3个方面;③ 水环境保护敏感度反映的是研究对象单元（区县）区域内发生水污染危害性大小的敏感程度,包括河流水域覆盖度、重要保护区和人口密度3个方面。根据对水环境敏感影响因子的分析,本文共确定13个水环境敏感影响因子,涉及影响水环境状况的生活污染、农田污染、监测指标、重要保护区等,各影响因子及说明见表1。
表1 水环境敏感性评价指标

Tab. 1 Water environmental sensitivity evaluation indices

一类指标 二类指标 影响因子说明 计算方法
网络文本敏感度 特定词频因子 反映关键词中含有特定描述词的数量 SWSg=n-m
重要保护因子 反映关键词中是否包含重点保护对象信息 PWSg=∑k=1n1+(Skg×λk)-KminKmax
文本相关性因子 反映网络文本之间相关性 RWSg=MaxSi(g)S(g)
文本数量因子 反映网络文本的数量 AWSg=n
污染敏感度 畜禽养殖因子 反映规模化畜禽养殖造成的水环境污染状况 APSg=∑i=1n(Si(g)×λi(g))
农田种植因子 反映农田种植造成的水环境污染状况
水产养殖因子 反映水产养殖造成的水环境污染状况
城乡生活因子 反映人为消费活动造成的水环境污染状况 DPSg=∑j=1n(Sj(g)×λj(g))
水质监测指标因子 反映水质监测状况 MPSg=∑i=1nwi(g)n
保护敏感度 河流水域覆盖度因子 反映区域河流水域覆盖情况 RCSg=S'(g)S(g)
自然生态保护因子 反映区域内自然生态保护状况 PCSg=∑k=1n1+(Skg×λk)-KminKmax
饮用水源地保护因子 反映区域内饮用水源地保护状况
人口密度因子 反映区域内社会环境活动主体的密集性 DCSg=P(g)S(g)

注：n为相应对象个数;m为重复的特定描述词个数;Skg、λk、Kmin、Kmin分别是某区县g范围内第k个重要保护对象的面积、对应的类别量化值、量化最小值、量化最大值;Sig、S(g)分别表示某区县g范围内第i种相应对象的数量、相应对象总量;S'(g)为某区县g范围内四级河网面积。P(g)为某区县g的人口总数;λi(g)为相应对象的排污系数;Sj(g)、λj(g)分别是第j类型人口的数量及其对应地区的排污系数;wig为某区县g范围内第i个像元的水质监测值。

其中水环境相关网络文本数据是本文重点研究分析的对象,主要采用基于页面的网络爬取技术获取。基于信息抽取的过程,可将蕴含地理信息的网络文本抽取过程定义为两项任务,分别为研究对象事件抽取和地理实体识别及定位,具体如图1所示。
图1 基于页面的网络爬虫流程

Fig. 1 Page-based web crawling processes

地理实体识别及定位过程的关键是对网络文本数据进行空间化处理,主要分为地理位置信息提取及空间坐标转化。首先利用ANSJ分词工具（基于中科院分析器ICTCLAS基础上开发改进的一款开源的Java版的中文分词工具）从文本数据中提取包含地理位置信息的词组数据,分别得到详细地名和简略地名两类[20,21]。详细地名包含了市、区县、镇、道路等地名信息,针对详细信息,可采用百度坐标拾取应用程序编程接口（Application Programming Interface, API）获取网络文本信息点位坐标;简略地名仅包含公司、景区、学校等专有地名信息,利用第三方地名库（天眼查、百度地图、高德地图）查询并拾取网络文本信息点位坐标,有少部分无查询结果的地名通过人工辅助处理。再对所有提取的网络文本地理位置坐标信息进行检查入库和空间可视化。具体网络文本信息点空间化处理流程见图2。
图2 地理位置信息坐标提取流程

Fig. 2 Flowchart of geographical information coordinate extraction

2.2 构建敏感评价层次结构模型

以模糊层次分析为研究方法,将水环境敏感度、水环境敏感性评价的一二类指标按相互之间的隶属关系划分最上层、中间层和最下层,即分别对应目标层,准则层（参考指标层）和影响因子层,如图3所示。其中目标层为水环境敏感度,准则层（参考指标层）包括网络文本敏感度、污染敏感度及保护敏感度,确定的13个敏感度影响因子构成了影响因子层。
图3 基于FAHP的水环境敏感度评价层次结构

Fig. 3 FAHP-based water environmental sensitivity evaluation hierarchy

2.3 建立模糊互补矩阵及其一致性检验

模糊互补矩阵是依据层次结构模型和每一层次内两两元素对象之间的相对重要性给出的判断结果值并以矩阵的形式进行展示[22]。为了降低主观评价对敏感度评价结果的影响,采用表2的0.1~0.9九标度法[23]对层次内各对象进行相对重要性标注,即准则层第一个对象保护敏感度值（i）与第二个对象污染敏感度值（j）同等重要时则标注为0.5,若稍微重要则标注为0.6。同理,明显重要则标注为0.7、强烈重要则标注为0.8、极端重要则标注为0.9（表2）。
表2 0.1~0.9九标度数量标度

Tab. 2 0.1~0.9 Quantity scale

标度 说明
0.50 元素i比元素j同等重要
0.60 元素i比元素j稍微重要
0.70 元素i比元素j明显重要
0.80 元素i比元素j强烈重要
0.90 元素i比元素j极端重要
互补数 若i比j的标注值为b,那么j比i的标注值为1~b
为避免各元素对象间相对重要性结果出现逻辑不一致,需要对模糊互补矩阵进行一致性检验[24]。为了进行模糊一致矩阵的构建,本文基于模糊一致矩阵性质,微调原始模糊矩阵中偏离较大的元素,然后分析是否满足一致性要求,若不满足则返回上一步骤,直到调整到满足模糊一致性必要条件。
利用模糊一致矩阵可确认各元素对象权重[25]。设模糊互补矩阵为 R = ( r ij ) n × n ,则其元素权重 W = ( w 1 , w 2 , … , w n ) T 可由最小二乘法确定,即通过求解以下约束规划问题(P)：
P min z = ∑ i = 1 n ∑ j = 1 n 0.5 + a w i - w j - r ij 2 s . t . ∑ i = 1 n w i = 1 , w i ≥ 0 , 0 ≤ i ≤ n
元素权重计算公式为：
w i = 1 n - 1 2 a + 1 na ∑ k = 1 n r ik
( i = 1,2 , … , n ; a 常取 n - 1 2 )

2.4 水环境敏感度计算

基于水环境敏感度特征权重值计算方法,得到影响因子层不同敏感影响因子的权重值,利用水环境敏感影响因子量化方法对影响因子进行量化提取,采用加权函数法评价水环境敏感度。具体的水环境敏感度值计算公式为：
V = ∑ i = 1 n y i - y min / y max × f i
式中： f i 、 y i 、 y max 、 y min 分别表示第i个影响因子的权重值、量化值、最大量化值、最小量化值。
基于FAHP计算得到的水环境敏感度,用于反映研究区域范围内水环境敏感性程度大小的敏感潜值(无量纲),其敏感度越高表示出现水环境污染的风险性越强、危害性越大。

3 研究区概况、数据来源与处理

3.1 研究区概况

福建省位于中国东南沿海、台湾海峡西岸,陆地面积约为12.14万km2,海域面积约为13.63万km2,常住人口为3874万。全省河流众多,主要包括闽江（福建部分）、九龙江、汀江、晋江等12条主要流域,据2017年福建省水资源公报统计,福建省地表水资源量为1054.23亿m3,人均拥有水资源量2699 m3。尽管福建省水资源相对丰富,但随着全省社会经济的高速发展,区域水资源供需平衡差异性加大,污染物超标排放、垃圾处理、城市黑臭水体等水环境污染问题突出。为此,福建省针对水环境污染开展了防治行动。

3.2 数据来源

3.2.1 研究区基础数据
本文的基础数据来源于福建省环保厅水环境综合分析项目,主要包括地表水水质自动监测站数据、重点保护区分布数据和遥感影像土地利用分类数据等（图4）。图4（a）为具体的流域空间分布,主要包括闽江流域、汀江流域、九龙江流域等八大流域;图4（b）所示的是福建全省158个水质自动监测站点（环保厅85个、水利厅73个）,站点布设大部分沿主要河流主干分布,多个监测站点之间最近相邻站点距离为13.34 km,最远相邻距离为45.95 km,监测站点的主要监测指标有DO（溶解氧）、CODMn（高锰酸盐指数）、NH3-N（氨氮）和TP（总磷）;图4（c）为遥感影像土地分类图,主要包括林地、草地、湿地、耕地以及居民地;图4（d）为重点保护区分布图,主要包括饮用水源地保护区、自然生态保护区。
图4 2018年福建省基础数据

Fig. 4 Basic data of Fujian Province in 2018

3.2.2 网络文本数据
本文基于页面网络爬虫技术获取福建省环境保护厅和福建省重点污染源信息综合发布平台等的网络文本数据,数据集中采集时段为2017年4-6月,主要内容包括了信访举报件,主要的污染对象有大气、噪声、水、土壤等。首先,使用触发词“水”获取与水环境有关的文本数据共1766条,经过质量分析和处理,排除乱码或字符数少于10的文本,共筛选出1663条文本数据作为水环境敏感度评估分析的样本数据。然后通过关键词识别法对水环境网络文本进行识别和提取并统计词频,关键词包括乱排、黑臭、废水、垃圾、危险化学品等。具体的网络文本空间分布如图5所示。
图5 数据采集时段内福建省网络文本信息点空间分布

Fig. 5 Spatial distribution of web text information points in Fujian Province during the data acquisition period

3.3 权重的确定

依据表2的重要性标注值,邀请专家对图3准则层B中的各对象以目标层V为准则,进行两两重要性比较,建立模糊互补矩阵 V = 0.5 0.4 0.4 0.6 0.5 0.5 0.6 0.5 0.5 。
进而可得到影响因子层C对准则层B建立的各模糊互补矩阵为：
B 1 = 0.5 0.4 0.3 0.5 0.6 0.5 0.4 0.7 0.7 0.6 0.5 0.7 0.5 0.4 0.3 0.5 B 2 = 0.5 0.5 0.4 0.5 0.1 0.5 0.5 0.4 0.5 0.1 0.6 0.6 0.5 0.6 0.2 0.5 0.5 0.4 0.5 0.1 0.9 0.9 0.8 0.9 0.5 B 3 = 0.5 0.3 0.3 0.5 0.7 0.5 0.5 0.7 0.7 0.5 0.5 0.7 0.5 0.3 0.3 0.5
对各因子进行相对重要性模糊互补矩阵一致性分析,满足模糊一致矩阵检验。由式（2）可得影响因子层各元素的总权重值如表3所示,其中水质监测指标因子（C9）权重值最大,表明该因子对水环境敏感度值影响最大;特定词频因子（C1）、文本数量因子（C4）权重值最小,表明这两个因子对水环境敏感度值影响最小。
表3 水环境敏感度元素总权重结果表

Tab.3 Weight of each indicator for assessing water environmental sensitivity

影响因子 B1 B2 B3 权重
0.2666 0. 3667 0.3667
C1 0.2000 0.0534
C2 0.2667 0.0711
C3 0.3333 0.0889
C4 0.2000 0.0534
C5 0.1500 0.0550
C6 0.1500 0.0550
C7 0.2000 0.0733
C8 0.1500 0.0550
C9 0.3500 0.1283
C10 0.1833 0.0672
C11 0.3167 0.1161
C12 0.3167 0.1161
C13 0.1833 0.0672

4 结果与分析

4.1 水环境网络文本敏感度评价分析

水环境网络文本敏感度评价是评价研究对象单元（区县）区域内互联网上关于水环境污染信息反馈的敏感程度。采用ArcMap的自然断点法将水环境敏感性指数分为5类。由图6（a）水环境网络文本敏感度评价分析可知,全省敏感度整体东部-中北部地区高于西部-中南部地区。高敏感区分布范围较为集中;中高敏感区主要分布在建溪、古田溪和东南沿海诸河流域部分区域;中敏感区分布在全省的南部-中北部地区;中低敏感区分布在西北-东北地区;低敏感区位于全省的西部-东北部。
图6 2017年福建省水环境网络文本敏感度空间解析

Fig. 6 Spatial analysis of water environmental web text sensitivity in Fujian Province in 2017

依据水环境网络文本敏感度中各敏感影响因子的贡献大小,对福建省84个区县进行聚类分析,将水环境网络文本敏感度聚类分为特定词频敏感型、重要保护敏感型、文本相关性敏感型、文本数量敏感型、混合敏感型及无敏感型6种敏感类型,其划分基本情况见表4、空间分布见图6（b）。
表4 2017年福建省水环境网络文本敏感类型划分基本情况

Tab. 4 Basic situation of water environmental web text sensitivity type division in Fujian Province in 2017

敏感类型 面积/km2 面积占比/% 区县个数 平均贡献率/% 最小贡献率/% 典型区县
特定词频敏感型 26 056.76 19.28 16 58.84 44.20 泰宁县、沙县
重要保护敏感型 61 909.91 45.82 40 54.78 40.43 武夷山市、漳平市
文本数量敏感型 3244.40 2.40 2 64.68 33.32 南安市、闽侯县
文本相关性敏感型 5431.81 4.02 4 48.04 42.93 台江区、鼓楼区
混合敏感型 11 312.18 8.37 8 - - 龙海市、晋江市
无敏感型 27 161.18 20.10 14 - - 柘荣县、寿宁县
由图6（b）及表4可知,特定词频敏感型,集中在闽江上游、九龙江中下游及萩芦溪等地区,该类型反映的是区域内网络文本信息描述与水环境污染的相关性;重要保护敏感型,全省分布广、覆盖中部-东部大部分流域地区,该类型说明区域内存在的网络文本信息与重要保护区的相关性较强;文本相关性敏感型,集中在福州市台江区、鼓楼区等4个市辖区内,该类型反映的是区域内网络文本的污染类型相关性强;文本数量敏感型,分布范围小,主要位于发达城市郊区,该类型一个方面反映了公众参与水环境监管热情较高,另一方面说明区域内的水环境存在污染风险问题较多;混合敏感型,主要分布在汀江上游、东溪等地区。

4.2 水环境污染敏感度评价分析

水环境污染敏感度评价是评价研究对象单元区域（区县）内水环境对社会经济生产活动反映的污染敏感程度。由图7（a）水环境污染敏感度评价分析可知,全省敏感度整体南部地区高于北部地区,特别是西南和东南两侧地区。高敏感区分布较为零散;中高敏感区主要分布在西南部汀江流域和九龙江流域南部区域;中低敏感区主要分布在全省中部大部分地区、范围广;低敏感区相对集中、范围较小。
图7 2017年福建省水环境污染敏感度空间解析

Fig. 7 Spatial analysis of water environmental pollution sensitivity in Fujian Province in 2017

依据水环境污染敏感度中各敏感影响因子的贡献大小,对福建省84个区县进行聚类分析,将水环境污染敏感度聚类分为畜禽养殖敏感型、农田种植敏感型、水产养殖敏感型、城乡生活敏感型及混合敏感型5种敏感类型,其划分基本情况见表5、空间分布见图7（b）。
表5 2017年福建省水环境污染敏感类型划分基本情况

Tab. 5 Basic situation of water environmental pollution sensitivity type division in Fujian Province in 2017

敏感类型 面积/km2 面积占比/% 区县数/个 平均贡献率/% 最小贡献率/% 典型的区县
城乡生活敏感型 4166.21 3.08 16 78.62 43.46 鼓楼区、湖里区
畜禽养殖敏感型 20 865.60 15.44 11 51.18 42.53 光泽县、永定区
农田种植敏感型 63 354.49 46.89 26 64.68 50.56 松溪县、建瓯市
水产养殖敏感型 5562.96 4.12 7 48.04 30.97 东山县、连江县
混合敏感型 41 166.99 30.47 24 - - 蕉城区、泉港区
由图7（b）及表5可知,城乡生活敏感型大部分集中在城市经济发达区、人口相对密集;畜禽养殖敏感型主要分布在汀江中下游及其支流黄潭河,九龙江上游支流雁石溪等,该类型区域畜禽养殖密度大、散养比例高;农田种植敏感型集中在闽江流域大部分区域、交溪流域及霍童溪流域等,该区域多数为内陆山区,以农田种植为主;水产养殖敏感型在东南沿海诸河流域内零散分布,该区域水产养殖量密度大,是重要经济来源;混合敏感型涉及蕉城区、泉港区等24个区县,该区域的敏感类型较为复杂,是水环境污染治理中最为困难的类型。

4.3 水环境保护敏感度评价分析

水环境保护敏感度评价是评价研究对象单元区域（区县）内水环境对社会或自然环境重要保护的敏感程度。由图8（a）水环境保护敏感度评价分析可知,全省敏感度整体西北-中南地区高于东北-西南地区。高敏感区分布较为零散;中高敏感区主要围绕高敏感区分布;中敏感区主要分布在南靖县,连城县,永安市和大田县等;中低敏感区集中在尤溪县、沙县,安溪县,交溪流域大部分地区等;低敏感区主要分布在邵武市、建瓯市、敖江流域大部分区域、南安市等。
图8 2017年福建省水环境保护敏感度空间解析

Fig. 8 Spatial analysis of water environmental sensitivity in Fujian Province in 2017

依据水环境保护敏感度中各敏感影响因子的贡献大小,对福建省84个区县进行聚类分析,将水环境保护敏感度聚类分为饮用水源地保护敏感型、自然生态保护敏感型、河流水域覆盖度敏感型、人口密度敏感型及混合敏感型5种敏感类型,其划分基本情况见表6、空间分布见图8（b）。
表6 2017年福建省水环境保护敏感类型划分基本情况

Tab. 6 Basic situation of water environmental protection sensitivity type division in Fujian Province in 2017

敏感类型 面积/km2 面积占比/% 区县数/个 平均贡献率/% 最小贡献率/% 典型区县
河流水域覆盖度敏感型 13 450.08 9.95 9 67.42 52.15 闽侯县、马尾区
人口密度敏感型 1468.74 1.09 9 82.73 50.50 石狮市、海沧区
饮用水源地保护敏感型 31 042.91 22.97 20 73.43 53.56 华安县、城厢区
自然生态保护敏感型 70 214.18 51.97 33 79.67 54.75 明溪县、武夷山市
混合敏感型 18 940.33 14.02 13 - - 晋安区、永春县
由图8（b）及表6可知,河流水域覆盖度敏感型,集中在闽江下游、晋江下游、交溪中下游地区,该类型区域内的河网分布相对密集,发生水污染事件时极易发生大范围扩散;人口密度敏感型,主要分布在沿海人口密集的经济发达地区,该类型具有人口密集、区域范围小的特点,发生水环境污染时受灾群众基数大;饮用水源地保护敏感型,集中在木兰溪、萩芦溪、九龙江中上游、闽江中游及霍童溪等,该类型区域内存在大面积的饮用水源地保护区,水污染问题的发生将直接威胁到人们的实际用水安全;自然生态保护敏感型,集中在中部、西部大部分河流流域,该类型主要位于内陆山区、森林植被覆盖率高的区域;混合敏感型,主要分布在南部地区及敖江流域内,涉及晋安区、永春县等13个区县,该区域的敏感类型较为复杂。

4.4 水环境敏感性评价分析

水环境敏感性评价是指研究对象单元区域（区县）内水环境对社会生产劳动、自然环境变异等活动干扰的敏感程度。由图9（a）水环境敏感性评价分析可知,全省敏感度整体从东南-西南-北部-中部-东北依次减小,高敏感区主要集中在东沿海经济发达区、晋江口（泉州市区）;中高敏感区主要集中在汀江流域、九龙江南部、建溪上游等区域;中敏感区主要分布在闽江中上游、晋江上游、东溪等地区;中低敏感区主要位于九龙江上游、沙溪、大樟溪上游及霍童溪下游等;低敏感区主要位于全省的东北部及交溪、霍童溪上游区域等。以上敏感性空间分布特征与福建省环保厅所发布的《福建省主要流域水环境质量状况（2017年上半年）》基本保持一致,在一定程度上验证了研究的准确性。
图9 2017年福建省水环境敏感性空间解析

Fig. 9 Spatial analysis of water environmental sensitivity in Fujian Province in 2017

依据水环境敏感度中各敏感影响因子的贡献大小,对福建省84个区县进行聚类分析,将水环境敏感度聚类分为保护敏感型、污染敏感型、网络文本敏感型及混合敏感型4种敏感类型,其划分基本情况见表7、空间分布见图9（b）。
表7 2017年福建省水环境敏感类型划分基本情况

Tab. 7 Basic situation of water environmental sensitivity type division in Fujian Province in 2017

敏感类型 面积/km2 面积占比/% 区县数/个 平均贡献率/% 最小贡献率/% 典型区县
网络文本敏感型 4239.03 3.14 7 45.27 37.70 闽侯县、晋安区
污染敏感型 55 856.83 41.34 28 72.31 54.20 政和县、石狮市
保护敏感型 28 869.15 21.36 16 32.32 30.46 明溪县、将乐县
混合敏感型 46151.23 34.16 33 - - 洛江区、集美区
由图9（b）及表7可知,网络文本敏感型,集中在闽江下游入海口及其支流建溪,该类型多数位于人口密集区,公众能较好地参与水环境监督管理;污染敏感型,集中在全省中部-南部,即闽江支流的尤溪和大漳溪、汀江、九龙江上游及晋江等区域,该类型的非点源污染敏感性强、区域水质相对较差;保护敏感型,集中在闽江上游、九龙江中游、木兰溪、萩芦溪等区域,该类型多数区县内存在大面积的自然生态保护或饮用水源地保护,区域水质相对较好、自然环境敏感强,极易受到水污染影响且破坏性大;混合敏感型,主要分布全省的北部区域,该敏感类型较为复杂。
由图10（a）及图10（b）对比可知,洛江区、诏安县在未结合网络文本前均为中敏感区,结合了网络文本之后均变为中高敏感区,长乐市由中高敏感区变为高敏感区,福安市由中低敏感区变为中敏感区,参照数据采集时段内福建省生态环境厅2017年7月14日编制的《福建省地表水水质考核结果》,以上提及的县（市、区）均位列水质考核排名后十位的县（市、区）。另外,考核结果显示宁德市古田双口渡断面以及福州市闽侯大樟溪口断面均未达到考核标准,对比两图可以看出,相应区域颜色明显加深,说明加入网络文本信息后这些地区水环境敏感度明显提高。由此可知,结合网络文本的水环境敏感性评价分析结果与考核结果更为匹配,对水环境高敏感污染风险区的排查更为准确。
图10 2017年福建省水环境敏感性对比

Fig. 10 Comparison of water environmental sensitivity in Fujian Province in 2017

5 结论

本文考虑到网络文本中反映的水环境问题能够在一定程度上弥补水环境监测数据在地形、环境等因素影响下存在的缺失或不足,因此在传统水环境基础数据、监测数据及统计数据的基础上,加入了互联网平台的水环境相关网络文本数据作为水环境敏感性评价指标,通过对水环境的环境影响要素和网络文本信息的深入分析,提出基于FAHP构建的水环境敏感性评价模型,该模型能够直观地反映水环境敏感性及其敏感度空间分布特征。本研究主要得出以下结论：
（1）水环境网络文本敏感度表明,全省敏感度整体东部-中北部地区高于西部-中南部地区,高敏感区分布较为集中,即闽江下游的鼓楼区、晋安区及闽侯县等。
（2）水环境污染敏感度表明,全省敏感度整体南部地区高于北部地区,特别是西南和东南两侧地区,高敏感区分布较为零散,主要在汀江中下游的上杭县和新罗区、九龙江下游入海口的龙海市、晋江下游的南安市和晋江市以及龙江的福清市等。
（3）水环境保护敏感度表明,全省敏感度整体西北-中南地区高于东北-西南地区,高敏感区分布较为零散,主要在闽江上游的将乐县和明溪县及其支流建溪的武夷山市、木兰溪的仙游县、萩芦溪的涵江区等。
（4）综合各敏感度分析表明,全省水环境敏感度整体从东南-西南-北部-中部-东北依次减小,高敏感区主要集中在东沿海经济发达区、河流入海口,特别是闽江口（福州市区）、晋江口（泉州市区）,与实际情况相符;同时通过对比分析表明结合网络文本的水环境敏感性评价模型对水环境高敏感污染风险区的排查更为准确。
综上所述,本文考虑到水环境网络文本数据及其周围环境要素的敏感性评估模型,使得分析结果更加科学合理,能够为水环境敏感性评价提供一种新的研究思路。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
谭雅懿, 王烜 . 考虑相关关系的水环境安全评价指标定权法[J]. 环境科学与技术, 2010,33(s1):432-435.

[ Tan Y Y, Wang H . A method to determine the weight of indicators of water environment security assessment based on correlation[J]. Environmental Science & Technology, 2010,33(s1):432-435. ]

[2]
王敏, 黄沈发, 鄢忠纯 . 上海市生态环境功能区划研究中的两个重要指标[J]. 环境科学与技术, 2006,9(11):102-105.

[ Wang M, Huang S F, Yan Z C . Two important indices in shanghai ecological environment functional division[J]. Environmental Science & Technology, 2006,29(11):102-105. ]

[3]
朱小奕, 陈瑾, 张建英 . 水环境中藻毒素生态风险的物种敏感性分布评价[J]. 生态毒理学报, 2016,11(3):131-139.

[ Zhu X Y, Chen J, Zhang J Y . Assessing ecological risk of cyanotoxins based on interspecies correlation estimation and species sensitivity distributions[J]. Asian Journal of Ecotoxicology, 2016,11(3):131-139. ]

[4]
杨桂芳, 姚长宏 . 我国西南岩溶区地下水敏感性评价模型研究[J]. 自然杂志, 2003,25(2):83-85.

[ Yang G F, Yao C H . Dynamic assessment of groundwater vulnerability in karst area, southwest China[J]. Chinese Journal of Nature, 2003,25(2):83-85. ]

[5]
周璟, 刘永, 郭怀成 , 等. 沁河流域水环境约束分区与景观格局优化[J]. 环境科学研究, 2012,25(5):481-488.

[ Zhou J, Liu Y, Guo H C , et al. Water environmental constraint regionalization and landscape pattern optimization for the Qinhe River Basin[J]. Research of Environmental Sciences, 2012,25(5):481-488. ]

[6]
裴欢, 房世峰, 覃志豪 , 等. 干旱区绿洲生态脆弱性评价方法及应用研究——以吐鲁番绿洲为例[J]. 武汉大学学报·信息科学版, 2013,38(5):528-532.

[ Pei H, Fang S H, Guo H C , et al. Method and application of ecological environment vulnerability evaluation in arid oasis--A case study of Turpan oasis,Xin jiang[J]. Geomatics and Information Science of Wuhan University, 2013,38(5):528-532. ]

[7]
Jun-E L V, Xin A N, Amp A P , et al. GIS-based ecological sensitivity evaluation in south edge of mu US sandy land-setting north of YUHENG mine area as an example[J]. Energy Environmental Protection, 2017,31(5):38-42.

[8]
Azarnivand A, Hashemi-Madani F S, Banihabib M E . Extended fuzzy analytic hierarchy process approach in water and environmental management ( case study: Lake Urmia Basin, Iran)[J]. Environmental Earth Sciences, 2015,73(1):13-26.

DOI

[9]
张德彬, 刘国东, 王亮 , 等. 基于灾害风险理论的岩溶区建设项目地下水污染风险评价[J]. 环境工程, 2017,35(10):141-145.

[ Zhang D B, Liu G D, Wang L . Study on risk assessment of groundwater pollution of the construction project in karst area based on the theory of disaster risk[J]. Environmental Engineering, 2017,35(10):141-145. ]

[10]
孙伟, 陈雯, 陈诚 . 水环境协同约束分区与产业布局引导研究——以江苏省为例[J]. 地理学报, 2010,65(7):819-827.

DOI

[ Sun W, Chen W, Chen C . Study on cooperative constraint regionalization of water environment and the guidance for industrial distribution: A case study of Jiangsu Province[J]. Acta Geographica Sinica, 2010,65(7):819-827. ]

[11]
孙才志, 杨磊, 胡冬玲 . 基于GIS的下辽河平原地下水生态敏感性评价[J]. 生态学报, 2011,31(24):7428-7440.

[ Sun C Z, Yang L, Hu D L . Groundwater ecological sensitivity assessment in the lower Liaohe River Plain based on GIS technique[J]. Acta Ecologica Sinica, 2011,31(24):7428-7440. ]

[12]
张海龙, 齐实, 路倩倩 , 等. 基于水功能区的湖北省农业非点源污染控制区划[J]. 中国水土保持科学, 2014,12(2):1-8.

[ Zhang H L, Qi S, Lu Q Q , et al. Control zone of agricultural non-point source pollution based on water function zone in Hubei Province[J]. Science of Soil and Water Conservation, 2014,12(2):1-8. ]

[13]
周亚东, 刘晓明, 杜友田 , 等. 一种网络话题的内容焦点迁移识别方法[J]. 计算机学报, 2015,38(2):261-271.

[ Zhou Y D, Liu X M, Du Y T , et al. A method for identifying the evolutionary focuses of online social topics[J]. Chinese Journal of Computers, 2015,38(2):261-271. ]

[14]
黄熠, 王娟 . PSO-GP中文文本情感分类方法研究[J]. 计算机科学, 2017,44(s1):446-450.

[ Huang Y, Wang J . Research on Chinese texts sentiment classification approach based on PSO-GP[J]. Computer Science, 2017,44(s1):446-450. ]

[15]
仇培元, 张恒才, 陆锋 . 互联网文本蕴含道路交通信息抽取的模式匹配方法[J]. 地球信息科学学报, 2015,17(4):416-422.

DOI

[ Qiu P Y, Zhang H C, Lu F . A pattern matching method for extracting road traffic information from internet texts[J]. Geo-information Science, 2015,17(4):416-422. ]

[16]
徐兵兵, 张妙仙, 王肖肖 . 改进的模糊层次分析法在南苕溪临安段水质评价中的应用[J]. 环境科学学报, 2011,31(9):2066-2072.

[ Xu B B, Zhang M X, Wang X X . Application of an improved fuzzy analytic hierarchy process in water quality evaluation of the South Tiaoxi River, Lin'an Section[J]. Acta Scientiae Circumstantiae, 2011,31(9):2066-2072. ]

[17]
朱克毓, 董庆兴, 梁昌勇 , 等. 一类三角模糊层次分析法的无效性分析[J]. 系统工程理论与实践, 2015,35(8):2104-2112.

[ Zhu K Y, Dong Q X, Liang C Y , et al. The analysis of the invalidity of one kind triangular fuzzy AHP[J]. System Engineering Theory and Practice, 2015,35(8):2104-2112. ]

[18]
徐富春, 黄明祥, 张波 , 等. 第一次全国污染源普查重点污染源空间数据管理与信息共享服务平台建设研究[J]. 环境污染与防治, 2012,34(5):96-100.

[ Xu F C, Dong Q X, Liang C Y , et al. Research on the construction of spatial data management and information sharing service platform for key pollution sources in the first national pollution source census[J]. Environmental Pollution and Control, 2012,34(5):96-100. ]

[19]
王玉庆 . 污染源普查技术报告[M]. 北京: 中国环境科学出版社, 2011.

[ Wang Y Q. Pollution source census technical report[M]. Beijing: China Environmental Science Press, 2011. ]

[20]
张俊玲, 耿光刚, 延志伟 , 等. 基于网页信息和分词的中文机构名全称和简称提取方法[J]. 计算机应用研究, 2017,34(4):972-976.

[ Zhang J L, Geng G G, Yan Z W , et al. Extraction method of organization full names and abbreviations based on Web page and word segmentation[J]. Application Research of Computer, 2017,34(4):972-976. ]

[21]
刘毅, 黄建毅, 马丽 . 基于DEA模型的我国自然灾害区域脆弱性评价[J]. 地理研究, 2010,29(7):1153-1162.

[ Liu Y, Huang J Y, Ma L . The assessment of regional vulnerability to natural disasters in China based on DEA model[J]. Geographical Research, 2010,29(7):1153-1162. ]

[22]
曾三云, 龙君 . 基于期望值的模糊互补判断矩阵的排序方法[J]. 吉首大学学报(自然科学版), 2014,35(6):24-28.

DOI

[ Zeng S Y, Long J . A priority method for fuzzy complementary judgment matrix based on expected value[J]. Journal of Jishou University (Natural Science Edition), 2014,35(6):24-28. ]

[23]
张吉军 . 模糊层次分析法(FAHP)[J]. 模糊系统与数学, 2000,14(2):80-88.

[ Zhang J J . Fuzzy Analytical Hierarchy Process[J]. Fuzzy Systems and Mathematics, 2000,14(2):80-88. ]

[24]
庞彦军, 刘开第 . 层次分析法一致性检验不是排序的必要条件[J]. 河北建筑科技学院学报, 2002,19(4):76-78.

[ Pang Y J, Liu K D, Wang Y N . The consistency check in the analytic hierarchy process is not necessary condition of sequencing[J]. Journal of Hebei Institute of Architectural Science and Technology, 2002,19(4):76-78. ]

[25]
王艳梅, 赵希男, 郭梅 . 一种调整模糊判断矩阵一致性的方法[J]. 模糊系统与数学, 2016,20(3):89-94.

[ Wang Y M, Zhao X N, Guo M . A method for adjusting the consistency of fuzzy judgement matrix[J]. Fuzzy Systems and Mathematics, 2016,20(3):89-94. ]

Options
Outlines

/

〈 〉