西南地区泥石流灾害评估方法与管理措施

（1）灾害风险的评估方法分类

从评估过程和结果的可量化与否来看，灾害风险评估通常分为定性评估和定量评估两类。

所谓定性评估，即只对灾害风险进行定性比较，常依靠评估人的观察和分析对灾害风险做出定性化描述评估。就定性评估而言， Cruden、Hungr（1997）等学者通过历史记载按重复的时间间隔推测泥石流灾害发生的可能[2-3]。Zejiang（2010）认为定性评估可利用有限的数据有效地表达灾害风险，适用于数据缺失或调研程度不高的灾害风险分析和评估[4]。Picarelli、Oboni、Evans（2005）等学者根据泥石流堆积物上的植物、生物、地貌等特征对泥石流灾害风险进行评估。由于定性评估方法存在一定主观因素，不同领域的学者得出的结论存在一定差异，故针对泥石流灾害的风险评估主要侧重于定量评估方法[5]。

定量评估是指依据统计数据，建立数学模型，计算出分析对象的各项指标及其数值来量化评估分析的评估方法。就定量评估而言，评估方法主要采用物理模型、数学模型和统计分析方法。其中，物理模型，侧重于描述泥石流灾害的形成机理。Abella（2005）结合地质学和地貌学知识用物理模型评估了古巴滑坡泥石流灾害的易发性[6]，Gorsevaki（2006）采用物理力学结合岩土、水文数据和GIS评估泥石流灾害风险[7]。对于数学模型和统计分析方法而言，灾害风险评估的研究方法较多、成果较为丰富，常见的方法包括层次分析法、回归分析法、灰色关联度分析法、构造函数法、多元统计分析和机器学习。Guzzetti（1995）通过数学方法建立滑坡易发性分析模型实现灾害风险的定量分析[8]。在国内，刘希林（2000）结合人口、财产统计指标通过转换函数对四川省的泥石流灾害风险进行了评估[9]。汤家法（1999）结合GIS技术和层次分析法对岷江上游泥石流灾害进行了危险度区划[10]。赵源等（2005）通过构造函数的方法计算泥石流灾害损失，并对四川省部分县区的泥石流灾害经济风险进行了评估[11]。丁明涛等（2012）结合地理指标数据和K-means聚类法分析了三江并流区泥石流灾害的危险性[12]。徐波（2016）基于极值理论和分位数回归理论得出了云南省地质灾害损失分布函数，并根据结论提出了地质灾害风险管理策略[13]。随着现代科技在灾害研究上的应用和深入，灾害风险评估的方法不断增加并由定性分析逐步走向定量评价。特别是机器学习在数据量和变量种类上的兼容性，使其在灾害风险评估中得到了广泛应用。吉晓玲（2012）使用粗糙BP神经网络模型对我国泥石流灾害进行了危险性等级划分[14]。Tang（2017）利用贝叶斯网络模型对灾害测试数据集进行拟合发现该模型具有较高的准确率[15]。

（2）灾害损失评估方法

灾害损失评估的目的是确定灾害造成的实际损失或风险损失大小。具体实践则是通过确定灾害损失评估的具体对象与时段，对灾害危害区域等进行实地勘察，再对灾害损失从不同角度进行评价。

灾害损失评估的研究可分别从灾害损失评估指标体系和灾害损失评估定量方法两方面展开。就灾害损失评估体系而言，大量学者曾开展损失指标内容研究，并取得了大量的成果，为指导实践应用奠定了坚实的基础。任鲁川（1996）将灾害损失划分为社会方面的损失和自然环境方面的损失[16] ；高庆华（1991）提出了灾害损失评估的指标体系，并提出建立自然灾害评估系统的构想［17］；许飞琼（1996）首次提出了灾害统计指标体系的宏观框架并阐述了灾害统计指标设计的原则[18]；魏庆朝（1996）等将灾害损失指标划分为两类——属性指标和货币指标，其中属性指标包括人员伤亡和灾害持续时间等指标，货币指标包括救灾费用、财产损失和灾害所引起的效益损失等经济损失指标[19]，该指标体系初步奠定了灾害损失评估体系的基础，大量的后续研究均在此基础之上逐渐丰富和深入。如许闲等（2017）研究联合国《仙台减灾框架》灾害评估体系，通过与我国灾害评估体系的对比，探讨了重置成本在灾害损失评估中的运用[20]；Kappes（2012）选择建筑物的材料、层数、周边环境、建筑排列等建立指标体系来评估综合灾害下的物理易损性[21]。张家荣（2019）建立了包括人员损失、间接经济损失、直接财产损失和生态环境损失的山洪灾害损失评估指标体系[22]等。(www.xing528.com)

就灾害损失评估的定量方法而言，在传统的灾害损失评估中，根据灾情大小，由各级政府派出调查组并逐级上报，这种方式耗时耗力且主要利用调查人员经验，结果精度往往偏差较大。灾害的经济损失包括直接经济损失和间接经济损失。其中，直接经济损失较容易确定损失对象，主要表现为财产、资源和资产等方面的损失。灾害的间接经济损失没有直接经济损失那样明确，其评估方法通常根据具体损失对象加以确定。为了促进建立自然灾害的统一标度，以便开展不同自然灾害的综合研究和系统防治，张淑媛（1987）等曾建议在不同的自然灾害之间，从破坏程度和强度出发，建立客观、共同、可以进行相互比较和定量的等级划分标准[23]；马宗晋（1999）等在对自然灾害损失评估指标体系的探索中，认为在进行具体的灾害损失评估时，还应根据灾害损失情况将其划分为若干级别，以便于不同灾害之间的比较。同时马宗晋还提出了“灾度”和“灾损率”两个概念，并对其进行等级划分，建立了较为完整的自然灾害损失评估指标体系［24］。其中，灾度是对自然灾害损失的绝对度量，从致灾的自然环境、城市的承灾力以及相应管理对策三方面出发，结合我国具体国情制定。马宗晋等人建立的灾度等级是以人口的直接死亡数和社会财产损失值作为双因子判定分级标准，将自然灾害损失分成微灾（E级）、小灾（D级）、中灾（C级）、大灾（B级）和巨灾（A级）五个等级（灾度等级的划分标准见表 3-1）。

表3-1　灾度等级划分

灾损率作为科学、可操作且实用的自然灾害损失评估经济指标，是对自然灾害损失的相对度量。它反映了自然灾害损失占灾区经济生活和社会生产总量的比率，在时间域和空间域上衡量了灾害所造成的社会影响和破坏能力（灾损率等级划分见表 3-2）。

表3-2　灾损率等级划分标准

由于“灾度”和“灾损率”都是从等级划分角度对灾害进行判别，具有操作简单的优点，但也存在分级标准太粗，难以满足多样、复杂决策场景的精准化需求，因此学者们不断对其进行了丰富和改进，并在灾害损失评估的过程中运用多种数学模型，如灰色关联度分析法、神经网络等。叶丁嘉等（2019）通过灰色关联分析法建立以县为单位的台风灾害综合灾损指标，对东南沿海市县的灾情进行合理评估和验证[25]；王威等（2019）采用线性回归模型、神经网络分位数模型和基因表达式编程非线性模型对地震灾害生命年损失进行评估[26]；林江豪等（2019）基于BP神经网络和空间向量机（VSM）建立了两者结合的台风灾害经济损失评估模型，有效地降低训练数据对评估结果的影响[27]。同时，计算机和遥感技术的运用也为“灾度”和“灾损率”的评估上提供了新型分析方法和工具。马天舒（2020）探究了高分辨率遥感在农作物灾害损失精准评估中的应用效果[28]；孙艳萍（2010）将数据挖掘技术应用在灾害评估领域，将RS和GIS结合对灾害损失评估进行追踪[29]；郑跃（2020）提出基于GIS平台构建CEDLAS系统的思路，为地震灾害损失评估和减灾规划提供了技术支撑[30]。