热带气象学报  2018, Vol. 34 Issue (6): 783-790  DOI: 10.16032/j.issn.1004-4965.2018.06.007
0

引用本文  

张晓宇, 韦波, 杨昊宇, 等. 基于GIS的广东省台风灾害风险性评价[J]. 热带气象学报, 2018, 34(6): 783-790. DOI: 10.16032/j.issn.1004-4965.2018.06.007.
ZHANG Xiao-yu, WEI Bo, YANG Hao-yu, et al. Risk assessment of typhoon disaster in guangdong province based on gis[J]. JOURNAL OF TROPICAL METEOROLOGY, 2018, 34(6): 783-790. DOI: 10.16032/j.issn.1004-4965.2018.06.007.

基金项目

国家自然科学基金项目(41461085);广西自然科学基金项目(2016GXNSFAA380035);广西空间信息与测绘重点实验室基金项目(16-380-25-04);桂林理工大学博士基金(1996015)共同资助

通讯作者

韦波(瑶族),男,广西壮族自治区人,副教授,博士,主要从事模糊空间信息处理与应用。E-mail: superweibo@glut.edu.cn

文章历史

收稿日期:2017-12-26
修订日期:2018-09-08
基于GIS的广东省台风灾害风险性评价
张晓宇 1,2, 韦波 1,2, 杨昊宇 1,2, 何雪 1,2     
1. 桂林理工大学广西空间信息与测绘重点实验室,广西 桂林 541004;
2. 桂林理工大学测绘地理信息学院,广西 桂林 541004
摘要:为有效评价广东省台风灾害风险性,基于自然灾害风险性评价理论及方法和地理信息系统(GIS)相关技术,利用灾害及社会经济统计数据、遥感地图数据和其它地理数据,选择灾害危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力为评价指标,运用提出的TFN-AHP-EW主客观赋权法求取各评价指标相关因子的权重,建立广东省台风灾害风险性评价模型。结果表明:广东省台风灾害风险程度区域差异明显,风险性较高的地区为广东省南部沿海地区如湛江、珠海、汕尾;风险较低的地区是广东省北部地区如清远、韶关等地。
关键词气候学    台风灾害    风险性评价    GIS    TFN-AHP-EW主客观赋权法    
RISK ASSESSMENT OF TYPHOON DISASTER IN GUANGDONG PROVINCE BASED ON GIS
ZHANG Xiao-yu 1,2, WEI Bo 1,2, YANG Hao-yu 1,2, HE Xue 1,2     
1. Guangxi Key Laboratory of Spatial Information and Geomatics, Guilin University of Technology, Guilin 541004, China;
2. College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541004, China
Abstract: In order to effectively assess the risk of typhoon disasters in Guangdong province, typhoon hazards, disaster environmental sensitivity, disaster bodies exposed to vulnerability and disaster prevention and mitigation capability were selected as risk assessment factors. Disaster and socio-economic statistics, remote sensing map data, and other geographic data were used to run a typhoon disaster risk assessment model for Guangdong province. The model was based on natural disaster risk assessment theories and GIS related technologies, and a subjective and objective weighting method (the TFN-AHP-EW method) was used to calculate the weight of the related factors of each evaluation index. The results showed that the regional level of typhoon disaster risk in the province was significantly different. The areas with higher risk were in its southern part, such as Zhanjiang, Zhuhai and Shanwei and the areas with lower risks were in its northern part, such as Shaoguan and Qingyuan.
Key words: climatology    typhoon disaster    risk assessment    geographic information system    TFN-AHP-EW subjective and objective weighting method    
1 引言

台风灾害是全球发生频率最高、影响最严重的自然灾害类型。台风伴随的暴雨、大风以及台风降水引起的山洪、滑坡、泥石流等次生灾害,常造成农田受灾、房屋倒损、人员伤亡,严重制约了社会经济发展及资源环境保护,因此对台风灾害进行风险性评价具有非常重大的意义[1]。目前,国内外台风灾害风险性研究已取得一些成果。陈文方等[2]利用主成分分析法从致灾因子强度和承灾体脆弱性两方面对长江三角洲的台风灾害风险进行综合评估。胡波等[3]结合AHP熵权法、模糊综合评价法和自然灾害风险法(NDRI)对宁波市进行暴雨洪涝灾害风险区划。陈香等[4]结合GIS技术从台风时空分布、灾害脆弱度、风险评估及灾害损失等角度对福建省台风灾害进行系统的研究。莫建飞等[5]基于AHP与GIS的风险指数法对广西进行台风灾害承灾体脆弱性评价。由现有的研究成果可见,自然灾害风险评估方法与GIS技术结合已成为台风灾害风险性研究的主要趋势[6-10]。但是现有的研究还存在很多不足,如:还不能全面地反映人类经济社会及文化的影响,评价指标体系无法很好地融合社会经济因素与自然生态因素;承灾体的评价宏观统计数据居多,缺少客观空间数据;评价尺度多以县或市为单位,缺乏精细化尺度的评价;相关因子权重的确定过于主观未能综合考虑客观因素。

广东省地处中国大陆最南部,海岸线绵长,且经济发达财富集中,人口密度大,使其成为我国受台风灾害最严重的地区之一。据有关资料显示,广东省因台风灾害造成的经济损失约占其遭受的各种自然灾害损失的60%,并且随着广东经济的发展,台风造成的损失还将继续增加[9]。因此对广东省进行台风灾害风险性评估,对全省防灾减灾决策的制定具有非常重要的意义。本文在前人研究的基础上,基于自然灾害风险性评价理论和方法从灾害危险性、孕灾环境敏感性、承灾体脆弱性、地区防灾减灾能力4方面出发,选取与以上各方面相关的社会经济及自然生态因素作为评价因子,运用TFN-AHP-EW主客观赋权法计算以上4方面评价因子的权重,并基于GIS进行数据处理与模型建立,得出广东省台风灾害风险评估模型,对广东省风险性进行评价,以期为防风减灾提供科学的决策依据。

2 数据处理与研究方法 2.1 数据来源及预处理 2.1.1 灾害及社会经济统计数据

灾害及社会经济统计数据主要包括:(1)台风灾害基础资料来自中国气象局编写的《热带气旋年鉴》、国家减灾中心、中国气象网及中国台风网;(2)评价用到的土地利用资料、人口数、GDP产值及人均病床数、人均医护数资料主要来源于广东省及各市政府2015年的统计年鉴资料及人口普查资料;(3)地质灾害数据主要来自文献[11]及相关网络资料;(4)夜间灯光数据来源于中国科学院资源环境科学数据中心。

2.1.2 遥感影像数据

遥感影像本底数据是2015年分辨率为30 m的广东省Landsat TM影像,从地理空间数据云网站获取。在ENVI软件中对其进行解译获得广东省耕地、林地、草地、水体、独立工矿、城镇、农居、交通(铁路、公路)图层。基于2.1.1节中土地利用数据资料,结合实际情况利用GIS对各图层进行微调、预处理及重采样等处理,生成各土地利用类型栅格图层,各图层满足:分辨率为30 m、投影方式为WGS_1984_World_mercator投影、各图层的范围值在0~1之间。

2.1.3 其它类型数据

DEM数据来源于地理空间数据云。对DEM数据进行一系列GIS处理,生成坡度、坡向数据,及最终的DEM数据、坡度及坡向数据满足的要求同2.1.2节。

2.2 研究方法

本文以广东省台风灾害及社会经济统计数据、遥感影像数据和其它类型数据为基础,采用基于GIS的风险指数法选择灾害危险性、孕灾环境敏感性、承灾体脆弱性、地区防灾减灾能力为评价指标对广东省台风灾害进行风险性评价。具体步骤如下:

(1) 确定各评价指标的相关性因子;

(2) 绘制空间分辨率、投影方式及范围值相同的各相关因子图层;

(3) 基于灾情数据,利用SPSS的相关性分析法与TFN-AHP-EW主客观赋权法确定各评价指标及各因子的权重;

(4) 运用GIS相关技术得到综合定量化风险评价模型,并实施评价。

2.2.1 三角模糊数层次分析法(TFN-AHP)

三角模糊数层次分析法是对层次分析法AHP[12]的一种改进,它融合了三角模糊数构造判断矩阵,比AHP更加准确。运用TFN-AHP确定各因子权重的步骤如下。

(1) 构造模糊判断矩阵。设有n个评估指标,则构造的判断矩阵为B=(bijn×n,其中bij=[lijmijuij], bji=bij-1=[1/uij,1/mij,1/lij],[lmu]取值依据1~9标度法。当有多位专家时,bij由下式得到,

(1)

其中,bijh=[lijh, mijh, uijh]为第h个专家给出的三角模糊数。

(2) 对判断矩阵构造模糊评价因子矩阵F,其中Sij=(uij-lij)/2mijE矩阵中的每个因子为1-Sij

(2)

(3) 计算调整判断矩阵TT=M×F,其中M为判断矩阵中所有三角模糊数中值mij组成的矩阵。

(4) 把调整判断矩阵T按列转换为对角线为1的判断矩阵,记为P,则P=(Pijn×n,且满足Pij=1/Pji

(5) 用相容矩阵分析法对矩阵P进行变换,得相容矩阵R=(rijn×n,其中,

(3)

(6) 各层因子权重按以下两式计算[13]

(4)
(5)

其中Vi为所求权重值。

2.2.2 熵值法

熵值法[14]是利用客观数据来计算对应指标权重,因为未考虑决策者的主观影响,所以具有很强的客观性。运用熵值法确定各因子权重的步骤如下[15]

(1) 设有m组台风数据,n个评价指标,首先对原始数据进行无量纲化处理:

(6)

得到标准化决策矩阵Y=(yijm×n

(2) 将标准化决策矩阵进行归一化处理,得到归一化决策矩阵Q=(qijm×n

(7)

其中qij表示第i个指标下第j个元素的元素值。

(3) 计算供应商评价指标中第j个指标元素的熵值:

(8)

其中,其中I > 0,m表示台风的数量,则0≤Ej≤1。

(4) 计算指标权重hj

(9)
2.2.3 TFN-AHP-EW主客观赋权法

主客观组合权重法[16]既考虑到主观因素——专家的学识、经验,从宏观上把握指标权重的大小排序,又考虑到客观因素——指标数据的具体特征,融合两者使指标权重的确定更加精确。由此,本文提出了将熵权(Entropy Weight)融入TFN-AHP的TFN-AHP-EW主客观赋权法,其计算公式如下:

(10)

其中P=(Pijn×n为基于三角模糊数层次分析法得到的判断矩阵,Ei为第i个指标元素的熵值。

将上式归一化得:

(11)
3 结果与分析 3.1 承灾体脆弱性分析

承灾体脆弱性选取人口密度、GDP分布、道路网密度、土地利用指数为评价因子。

人口密度选择土地利用数据、平均坡度数据、坡向数据为其相关性因子,基于2.1.1节中数据,运用SPSS做归一化处理及基于向后的主成分分析,建立多元线性回归模型,得公式为:

(12)

第一产业GDP值与土地利用类型有较高的相关性,所以第一产业GDP选取土地利用类型数据作为回归因子。而第二第三产业GDP值除了与土地利用类型数据相关性较高外,还与夜间灯光数据存在很大关联,所以第二及第三产业GDP选取土地利用类型数据和夜间灯光数据为其回归因子,分别做基于向后的主成分分析,得到公式(13)~(15)。

(13)
(14)
(15)
(16)

因为实际情况下,人口及GDP数据均可能出现0值,据此对各个R进行设置。而后基于GIS得到人口密度图层及GDP图层,图层的最终要求同2.1.2节。

土地利用指数,基于文献[5]得各土地利用类型的脆弱性指数,各因子脆弱性指数见表 1。而后基于GIS进行叠加处理得到土地利用类型图层,图层的最终要求同2.1.2节所述。

表 1 各土地利用类型脆弱性指数

评价因子权重的确定,选取1990—2015年间具有代表性的30组台风,统计各台风发生年份其影响区域(日最大风速≥9 m/s或日最大降雨量≥50 mm的区域)的平均人口密度、平均人均GDP、道路网密度及当年土地利用指数作为权重计算的数据指标。首先基于TFN-AHP确定主观权重,利用专家经验打分法构造的模糊判断矩阵见表 2,其中V1、V2、V3、V4分别表示土地利用指数、人口密度、GDP分布、道路网密度,利用MATLAB软件基于2.2.1节相关步骤得到判断矩阵p;再基于熵值法相关步骤求出指标的熵值Ei;最后基于2.2.3节公式(10)、(11)求得各指标权重,结果权重见表 3

表 2 评估因子重要性比较结果
表 3 承灾体脆弱性因子权重表

模型的建立,根据权重系数对各影响因子图层进行基于GIS的叠加分析,得到最终的承灾体脆弱性评估模型图(图 1)。

图 1 承灾体脆弱性等级

图 1表明,广东省的中山、东莞、深圳、湛江、佛山中东部、广州西南部、茂名南部、阳江南部、江门中南部、汕尾南部及汕头南部等地区环境脆弱性程度较高,其原因在于以上地区的人口密度、土地利用指数、GDP产值均较高。其中广州西南部与佛山中东部地区的人口密度最高;湛江、茂名南部地区土地利用指数最高;湛江、茂名南部第一、三产业产值最高;中山、佛山中东部、广州西南部、东莞、深圳及汕头地区第二、三产业产值最高。

3.2 危险性分析

台风灾害的危险性评价主要是衡量致灾因子对承灾体的致险程度,是风险评价的重要组成部分[17]。本文统计了1990—2015年间登录广东省的具有显著影响的30个台风,记录其发生时的日最大风速、日最大降雨量及有记录的风暴潮作为实验数据,建立广东省台风致灾因子危险性评价指标体系。

运用TFN-AHP-EW主客观赋权法求取评价因子权重,结果权重表如下(表 4)。

表 4 危险性因子权重表

采用文献[18]方法得出广东省各市台风大风、暴雨和风暴潮指数。基于GIS得到各相关图层,图层的栅格数据空间分辨率、投影方式及范围值同2.1.2节,对相关图层进行叠加操作得最终的台风灾害危险性等级图。

图 2可以看出台风危险性最高的地区是湛江、珠海、深圳及汕尾地区。其次是茂名、阳江、中山、东莞、揭阳、汕头及潮州地区。以上地区地处临海地带故危险程度较高,同时由于其地形及城市建设的不同使其危险性程度存在差异。云浮、江门、佛山、广州、惠州基于其位置及地形地貌优势危险程度较前者低。由于居于内地,肇庆、清远、韶关、河源及梅州的危险程度最低。

图 2 广东省台风灾害危险等级
3.3 孕灾环境敏感性分析

根据文献[6-7]结合研究区实际情况,确定广东省灾害敏感性评价因子为:地表起伏度、地质危险指数、高程、河网密度和植被覆盖指数,其中植被覆盖包括林地覆盖和草地覆盖。地质危险指数因子是参照文献[11]及其它相关网络资料基于GIS建立,图层的栅格数据空间分辨率、投影方式及范围值同2.1.2节。其它评价因子图层的建立已在2.1节中进行说明。

评价因子权重的确定,选取台风影响区域的平均坡度、平均海拔、区域河网密度、地质危险指数及相应的植被覆盖度指数作为数据指标。基于TFN-AHP-EW主客观赋权法求取评价因子权重,结果见表 5

表 5 孕灾环境敏感性因子权重

最后基于GIS进行栅格计算得到台风灾害敏感性评估模型图(图 3)。由图 3可见,韶关大部、清远北部、河源韶关交界延伸至韶关惠州广州交界一带、梅州与潮州揭阳汕尾交界一带以及茂名北部地区环境敏感性最高。这些地区均具有海拔在易发生滑坡等地质灾害的高度范畴内、地势起伏程度较大、植被覆盖率尤其是林地覆盖率较小的特点。其中韶关市西南部、清远市西南部、茂名市北部等地区有发生滑坡灾害的记录。

图 3 孕灾环境敏感性等级

湛江、茂名西南部、珠海、中山、佛山、广州大部、东莞、深圳及惠州大部等地区由于海拔较低,地势较平缓,地质危险指数较低,且植被尤其是林地覆盖度较高,使其灾害敏感性较低。

3.4 防灾减灾能力分析

地区防灾能力选取人均收入、人均病床数、人均医护数为指标因子。人均收入方面认为市域内收入无明显差异,基于GIS得到基于市域的人均收入图层。人均病床数、人均医护数均以数量为相关字段对广东省主要城市进行反距离插值分析,得相应图层。图层的空间分辨率、投影方式及范围值同2.1.2节。

评价因子权重的确定,同步防灾减灾致灾因子选取台风影响区域的人均收入、人均病床数、人均医护数为数据指标。运用TFN-AHP-EW主客观赋权法求取评价因子权重,结果见表 6

表 6 防灾减灾能力因子权重表

根据权重系数对各图层进行叠加分析,得到最终的防灾减灾能力模型图(图 4)。

图 4 广东省防灾减灾能力分析

图 4可看出,广州、珠海、佛山、东莞、中山、深圳的防灾减灾能力较强,其次是惠州、河源、肇庆、江门、阳江,最弱的是梅州、汕尾、云浮等地区。广州、深圳等地人均收入及医护条件均较好所以其抵御灾害的能力较强。梅州、汕尾、云浮等地应当大力发展经济并加大对医疗的投入来增强自身的防灾减灾能力。

3.5 风险性分析

台风风险性评估将台风历史灾情与环境敏感性、台风危险性、承灾体脆弱性及地区防灾减灾能力四大组成部分建立关系,结果才更科学合理。本文采用指数化方法确定灾情与四大评价指标的关系。

3.5.1 相关指数的计算

相关指数的计算方法:

(1) 基于公式(6)对原始数据进行无量纲化处理,得到标准化决策矩阵;

(2) 运用TFN-AHP-EW主客观赋权法确定各评价因子权重;

(3) 根据以下公式计算得加权标准化决策矩阵。

(17)

台风数据个数为m,评价指标个数为n

3.1节、3.2节、3.3节及3.4节已得出环境敏感性、台风危险性、承灾体脆弱性及地区防灾减灾能力的标准化决策矩阵及权重,故基于公式(17)计算出上述四大模块的加权标准化决策矩阵。

灾情指数选取各台风影响区域的直接经济损失、死亡人数、农田受灾面积及倒塌房屋为数据指标,基于TFN-AHP-EW主客观赋权法和相关指数计算方法,得出灾情指数评价矩阵。

3.5.2 回归方程的建立

利用SPSS做回归分析,建立灾情指数与环境敏感性指数、台风危险性指数、承灾体脆弱性指数及防灾减灾能力指数之间的关系,得到的回归方程如下:

(18)

其中,A为灾情指数,B1B2B3B4分别为承灾体脆弱性指数、台风危险性指数、环境敏感性指数、防灾减灾能力指数。

3.5.3 风险性模型的建立

基于GIS对已得的台风危险性评估模型、台风灾害敏感性评估模型、承灾体脆弱性评估模型、防灾减灾能力模型进行重分类,使其范围值在0~1之间。然后结合公式(18),对重分类后的图层进行叠加分析,得到广东省台风灾害风险评估模型图(图 5)。

图 5 广东省台风风险性分析

图 5可看出,广东省台风灾害风险性最大的地区是湛江、珠海及汕尾地区,这些地区需高度警惕。需要提高警惕的地区是茂名、阳江、中山、深圳、揭阳、汕头及潮州地区。以上地区均距海较近,但由于其自身自然环境及基础设施建设程度的不同风险性存在着差异。广州、惠州、东莞、云浮、江门及佛山西南部由于自然环境、位置、自身经济、基础设施建设等方面的原因其风险性较小。台风灾害风险性最小的地区在广东省的北部地区,有清远、韶关、肇庆、河源及佛山东北部地区,主要因为其地处内陆的地理位置优势,受到台风大风及风暴潮灾害程度较小。

4 结论与讨论

本文基于自然灾害风险性评估理论和方法,提出了基于空间及统计数据结合GIS相关技术建立台风灾害风险评估模型的设想,建立了灾害危险性、孕灾环境敏感性、承灾体脆弱性、防灾减灾能力四个台风灾害风险性评价指标体系,构建了广东省台风灾害风险性评价模型,实现了对广东省台风灾害风险性等级的定量评价及图形化。

(1) 提出构造了一种将熵权融入TFN-AHP的TFN-AHP-EW主客观赋权法求取权重,同时兼顾了专家打分和历史台风数据的确权作用,使权重确定更合理。

(2) GIS与自然灾害风险性评估方法相结合,使得评估模型能更好表现广东省各地区的台风灾害风险程度,评价结果直观清晰显示精度也得到很大提高。

(3) 广东台风灾害风险程度区域差异明显,风险性较高的区域为广东省南部沿海地区,这些地区距海较近遭受台风的直接影响较大,但由于其自身地理条件和社会经济基础设施建设情况的不同风险性也存在着差异。风险较低的地区是广东省北部地区。广东省北部的韶关、清远、肇庆等地因地处内陆受风灾影响较小所以风险性最低。各地区应该根据各自的实际情况采取相应措施,如:台风危险性较高的地区可制定台风应急政策,并建立相应的保险制度。生态环境敏感区可调整农业结构,提高植被覆盖率,加强对水土流失等情况的治理;承灾体脆弱性高的地区,应优化产业结构,并提高基础设施的抗台风能力;防灾减灾能力较弱的地区,应当大力发展经济,增加人们的经济收入,加大对医疗的投入,提高地区医护能力。

(4) 本文的模型仅采用单一年份资料,不能反映各地区风险程度的变化,如果能结合近几年的数据可使结果更具参考意义;各评价因子的选取包括人口GDP相关性因子的选取主观性较强且不够全面,需要改进以提高精确度;各土地利用因子脆弱性程度的确定依然存在一些弊端可进行改进提高;实验结果未做可靠性检验,若进行检验根据检验结果可对模型进行进一步完善。这可在后续研究中进一步完善。

参考文献
[1] 俞布.杭州市台风灾害风险区划与评价[D].南京: 南京信息工程大学, 2011: 1-7. http://cdmd.cnki.com.cn/Article/CDMD-10300-1011155454.htm
[2] 陈文方, 徐伟, 史培军. 长三角地区台风灾害风险评估[J]. 自然灾害学报, 2011(4): 77-83.
[3] 胡波, 丁烨毅, 何利德, 等. 基于模糊综合评价的宁波暴雨洪涝灾害风险区划[J]. 暴雨灾害, 2014, 33(4): 380-385. DOI:10.3969/j.issn.1004-9045.2014.04.010
[4] 陈香, 陈静. 福建台风灾害风险分布的初步估计[J]. 自然灾害学报, 2007, 16(3): 18-23. DOI:10.3969/j.issn.1004-4574.2007.03.004
[5] 莫建飞, 黄思琦, 钟仕全, 等. 基于GIS的精细化广西台风灾害承灾体脆弱性评价[J]. 暴雨灾害, 2017, 36(2): 177-181. DOI:10.3969/j.issn.1004-9045.2017.02.011
[6] 张悦, 李珊珊, 陈灏, 等. 广东省台风灾害风险综合评估[J]. 热带气象学报, 2017, 33(2): 281-288.
[7] 李倩, 张韧, 姚雪峰, 等. 气候变化背景下我国周边海域热带气旋灾害风险评估与区划[J]. 热带气象学报, 2013, 29(1): 143-148. DOI:10.3969/j.issn.1004-4965.2013.01.018
[8] 张颖超, 仲丽君. 基于灰关联和回归分析的台风灾害损失研究与分析[J]. 热带气象学报, 2013, 29(4): 665-671. DOI:10.3969/j.issn.1004-4965.2013.04.016
[9] 赵珊珊, 任福民, 高歌, 等. 近十年我国热带气旋灾害的特征研究[J]. 热带气象学报, 2015, 31(3): 424-432.
[10] LINDE A H T, BUBECK P, DEKKERS J E C, et al. Future flood risk estimates along the river Rhine[J]. Natural Hazards & Earth System Sciences, 2011, 11(2): 459-473.
[11] 赵翃婷, 刘希林, 余承君, 等. 广东省崩塌、滑坡和泥石流灾害风险评价及时空变化[J]. 热带地理, 2014, 34(6): 804-813.
[12] 李春梅, 罗晓玲, 刘锦銮, 等. 层次分析法在热带气旋灾害影响评估模式中的应用[J]. 热带气象学报, 2006, 22(3): 223-228. DOI:10.3969/j.issn.1004-4965.2006.03.003
[13] 罗保峰, 王清贤, 朱俊虎, 等. 一种基于三角模糊数及层次分析法的评估指标权重确定方法[J]. 电信技术研究, 2013(6): 9-16.
[14] 孙月峰, 张表志, 闫雅飞, 等. 基于熵权的城市水资源安全模糊综合评价研究[J]. 安全与环境学报, 2014, 14(1): 87-91.
[15] 李成, 吴谦, 胡满. 风险综合评价中指标权重确定方法对比研究[J]. 石油工业技术监督, 2016, 32(1): 50-53. DOI:10.3969/j.issn.1004-1346.2016.01.014
[16] 陆百川, 郭桂林, 肖汶谦, 等. 基于主客观赋权法的最优路径选择分析[J]. 武汉理工大学学报(信息与管理工程版), 2016, 38(2): 234-237. DOI:10.3963/j.issn.2095-3852.2016.02.021
[17] 朱志存, 尹宜舟, 黄建斌, 等. 我国沿海主要省份热带气旋风雨因子危险性分析Ⅰ:基本值[J]. 热带气象学报, 2018, 34(2): 145-152.
[18] 牛海燕.中国沿海台风灾害风险评估研究[D].上海: 华东师范大学, 2012: 19-27.