论文部分内容阅读
洪水灾害作为一种具有突发性、多发性、不确定性和高危害性的自然灾害,其恢复力时空演变特征、关键驱动因子及其影响机制的精确识别已经成为防灾减灾研究的热点。针对洪水灾害恢复力缺少相对客观、全面的评价指标体系,评价方法选择与应用缺乏可靠性比较,关键影响因子识别与驱动效应剖析不够全面等问题,本文以北大荒农垦集团有限公司建三江分公司下辖15个农场为研究区,探索了其降水复杂性特征,结合降水复杂性测度结果搭建了区域洪水灾害恢复力评价指标体系框架,深入分析了建三江分公司的洪水灾害恢复力时空变异规律及其驱动机制。此外,分析了不同情景变化下恢复力的演变趋势,探索了恢复力约束下的种植结构优化方案。丰富和完善了洪水灾害恢复力诊断理论与技术体系,为区域洪水灾害恢复力提升和洪灾风险规避提供了一定的科学理论支撑。主要研究成果如下:（1）降水由于受到多重因素的影响,使其呈现出显著的复杂性特征。为全面、准确、合理地反映出不同区域的降水复杂性特征,利用基于精英反向学习策略的自私兽群算法改进投影寻踪模型优化精细复合多尺度散布熵（Modified fine composite multi-scale dispersion entropy based on projection pursuit model refined by the selfish herd optimizer with elite opposition-based learning,EOSHO-PP-RCMDE）对建三江分公司月降水复杂性进行分析,结果显示:建三江分公司月降水复杂性呈现出东部高、西部低空间分布特征,东部和西部降水复杂性指数分别为0.6240和0.6109。在模型性能分析中,EOSHO-PP-RCMDE的区分度值、合理性系数和稳定性系数分别达到1.1946、0.9611和0.9769,与基于自私兽群算法的投影寻踪模型优化精细复合多尺度散布熵（Modified fine composite multi-scale dispersion entropy based on projection pursuit model refined by the selfish herd optimizer,SHO-PPRCMDE）和基于帝国竞争算法的投影寻踪模型优化精细复合多尺度散布熵（Modified fine composite multi-scale dispersion entropy based on projection pursuit model refined by the Imperialist Competitive Algorithm,ICA-PP-RCMDE）相比,具备更高的可靠性、合理性和稳定性,可作为探索区域降水复杂性的新方法。（2）从洪水灾害恢复力的内涵入手,结合降水复杂性测度结果,在自然生态、人文社会、经济社会、基建设备四个系统上,进行洪水灾害恢复力的指标初选集的构建,利用累计信息贡献率-皮尔逊相关系数模型（Cumulative Information Contribution Rate-Pearson Correlation Coefficient,CICR-PCC）对指标初选集进行了优化筛选,构建了洪水灾害恢复力评价指标体系,为洪水灾害恢复力的合理评价提供了科学的数据基础。利用基于改进自私兽群算法的支持向量机模型（Support vector regression model refined by the selfish herd optimizer with elite opposition-based learning,EO-SHO-SVM）对建三江分公司1996-2019年间的洪水灾害恢复力进行时空演变特征分析,结果表明:在时间上,建三江分公司15个农场在1996-2019年的平均恢复力指数从1.887增长到3.521;在空间上,经过一段时期的发展,各个农场均达到一个较高的恢复力水平,在2016-2019年间恢复力水平呈现出明显的地域性规律,整体看中部和东部高,西部低,农场内部出现不平衡发展的趋势,且这一趋势在增加。在模型性能检验中,引入支持向量机模型（Support Vector Machine,SVM）、帝国竞争算法改进支持向量机模型（Imperialist Competitive Algorithm-Support Vector Machine,ICA-SVM）以及未改进的自私兽群算法优化支持向量机模型（Selfish Herd OptimizerSupport Vector Machine,SHO-SVM）进行了对比分析,结果表明EO-SHO-SVM模型在拟合性能、可靠性、合理性与稳定性等方面均具有较为突出的优势,充分表明EO-SHO-SVM模型在洪水灾害恢复力评价中具有很高的先进性与实用性。（3）综合考虑协方差-层次分析法（Cov-AHP）、熵权法、EO-SHO-SVM模型内置的权重系数方法所得结果并结合序号总和理论,发现自然生态系统、社会经济系统、人文社会系统、基建设备系统的权重分别达到0.333、0.408、0.149和0.110,在各个指标中降水复杂性、水田覆盖率、地均防涝费、人均GDP、单位面积农业商品产值、水利工程投资占GDP比例、降水量具有较高的影响效应,可视为洪水灾害恢复力的关键驱动因子。在此基础上,结合国家政策要求及地方政府相关规划,采用情景分析方法,根据经济高、中、低三种模式发展设置了情景I、II和III,并在此基础上引入气候变化条件,设置了情景IV、V和Ⅵ,分析预测不同情景下恢复力水平。结果发现,良好的经济状况能够促进区域恢复力的快速发展,即便面对恶劣的气候条件,恢复力仍能保持在较高水平,而较差的社会经济状况往往会导致恢复力的运转不良。（4）建三江分公司的作物种植结构向单一化发展,其中水稻种植面积比例高达90%,为避免单一种植结构导致的社会和生态问题,提升建三江分公司的种植结构的多样性,同时保证洪水灾害恢复力的良性发展。将洪水灾害恢复力作为农业种植结构优化的一个约束条件,考虑区域经济、社会和生态等方面的因素,利用NSGA-III多目标优化算法结合具体情景,求解洪水灾害恢复力约束下的最优种植结构方案。结果发现:在2025年,情景I-VI的水稻种植比例较未优化前分别降低了30.44%、29.30%、19.30%、37.79%、36.74%和18.76%;在2030年,情景I-VI的水稻种植比例较未优化前分别降低了38.04%、36.11%、21.30%、38.75%、38.57%和20.63%;在2035年,情景I-III的水稻种植比例较未优化前分别降低了38.28%、38.28%和20.41%。结果显示,通过种植结构优化大幅度降低了水稻种植面积的比例,促进了种植结构的多样化发展。在2035年,情景IV-VI由于遭受暴雨侵袭,故水稻种植面积提升到100%,以此降低洪涝灾害的影响。分析有无恢复力约束下的种植结构优化方案,发现恢复力约束条件下的水稻种植比例较高,由于水稻面积比例的提升有助于增强洪水灾害恢复力水平,故恢复力约束下种植结构调整的会提高水田面积比例。通过考虑洪水灾害恢复力约束的种植结构调整,在维持恢复力良性发展的同时,又避免了单一种植结构带来的生态问题,保证了在经济、社会和生态方面取得最大化效益,从而促进了社会的可持续发展。