Page 127 - 2022年第53卷第7期

险格局，预测区域近期（２０２５年）和远期（２０３５年）各类用地转换方向，划分区域的生态源地、城镇源
地。同时，耦合生态源地的适灾能力，划定城镇承灾预警范围，构建国土空间适灾规划体系。
（２）结合成本路径计算的绿色基础设施网络构建。识别流域及区域水系、湿地、城乡绿色空间和
城市开放空间的关键节点，以气象、水文、生物、生态服务等要素作为成本构成，解析生态承洪的最
小成本路径，提炼海绵城市群生态基底，构建区域－ 城市级的绿色基础设施承洪体系。
（ ３）结合空间图形分析的疏散通道网络构建。考虑潜在受灾人群时空分布特点，结合灾害风险格
局、道路级别和疏散历时、通道整合度和选择度等因素，科学确定疏散起始节点，计算最短时间成本
路径，规划应对不同险情、具有承洪适灾韧性的多尺度疏散通道。
（ ４）结合定性分析的适灾规划，响应策略构建。通过图层叠加，实现闽三角城市群综合适灾网络
多层级要素衔接，优化区域不同属性网络结构的空间组合方式，整合各行政单元间分散的应急救灾资
源，提升灾区人员转移、备灾资源集散能力，根据灾害风险格局，有机耦合生态－ 社会适灾网络系统。
２．４ 基于适灾网络构建的智慧技术体系 该技术体系包括：处理风险辨识、分析土地利用格局演变和
识别最佳网络路径的 ＢＰ（ＢａｃｋＰｒｏｐａｇｏｔｉｏｎ）神经网络算法、ＰＬＵＳ（Ｐａｔｃｈ － ＧｅｎｅｒａｔｉｎｇＳｉｍｕｌａｔｉｏｎ）和 ＭＳＰＡ
（ＭｏｒｐｈａｌｏｇｉｃａｌＳｐａｔｉａｌＰａｔｔｅｒｎＡｎａｌｙｓｉｓ）模型、最小成本路径模型和空间句法分析技术等内容。
２．４．１ 基于 ＢＰ神经网络的城市群洪涝灾害风险辨识技术 ＢＰ神经网络算法是通过平行分散处理模式
对源数据的学习训练，对误差进行反向传播修正，实现对洪涝灾害风险各类特征值的低误差辨识。根
据灾害风险测度方法，将闽三角洪涝灾害风险划分为 ５级，Ⅰ级代表风险评价等级安全，Ⅴ级代表风
险评价等级为危险。参考对洪涝灾害风险辨识的已有研究成果 ［１８］ ，结合闽三角现实条件，提取适用于
该地区的风险指标和风险阈值，作为设置风险等级初始值的标准，并随机选择符合该特征值的样本，
以创建训练和测试数据集。在本研究中，以 ＭＡＴＬＡＢ软件提供的神经网络工具箱为基础，编制网络建
立、训练、测试代码，并根据经验公式，确定隐含层的节点个数，建立图 ３所示的风险分类识别 ＢＰ神
经网络，采用 ｓｉｇｍｏｉｄ激活函数。运行该网络，人为类风险验证集总体准确率为 ０．９６６，自然类风险验证
集总体准确率为 ０．９４０，表明该辨识精度较高，网络性能良好。详细运算及验证过程见参考文献［１８］。

图 ３ 基于 ＢＰ神经网络算法的闽三角城市群洪涝灾害风险辨识过程

２．４．２ 基于 ＰＬＵＳ模型的土地利用格局演变分析技术 ＰＬＵＳ模型可用于预测土地利用格局演变，为
识别韧性承洪的生态基底识别和矛盾斑块的预警范围提供技术支持。在本研究中，基于洪涝灾害风险
辨识体系，分别设定并预测两种极端的区域发展情景：一是以满足经济发展和生活质量提升的城镇发
展优先情景；二是以保障环境和维护城市安全的生态优先情景。基于元胞自动机原理改进的 ＰＬＵＳ模
型进行情景模拟，将两种极端情景的模拟结果作为适灾基底和预警范围划定的基础数据。该模型主要
包括土地扩张分析策略的转化规则挖掘框架（ ＬａｎｄＥｘｐａｍｓｉｏｎＡｎａｌｙｓｉｓＳｔｒａｔｅｇｙ，ＬＥＡＳ），结合随机斑块
种子机制的 ＣＡ （ＣｅｌｌｕｌａｒＡｕｔｏｍａｔａ） 模型，并利用随机森林算法，推断不同时期土地利用斑块在用地
变更驱动因子影响下的发展概率；运用 Ｍａｒｋｏｖ模型，计算不同情景下各类型用地需求量，模拟时空动

— ８ ７ ９ —