基于空間模糊層次分析的航行環境風險評估

杜思雨,諶 頌,程 亮,朱大明*,李澤明

(1.昆明理工大學 國土資源工程學院,云南 昆明 650093;2.南京大學 地理與海洋科學學院,江蘇 南京 210023;3.江蘇省地理信息技術重點實驗室,江蘇 南京 210023;4.自然資源部國土衛星遙感應用重點實驗室,江蘇 南京 210023;5.中國南海研究協同創新中心,江蘇 南京 210023)

隨著海上運輸在全球貨運、客運中占據著愈發重要的地位,船舶數量日漸增多,港口水域的運輸壓力日益加重[1],從而導致近幾年海上交通事故頻繁發生,造成了嚴重的生命威脅和財物損失[2]。因此,航行風險評估是海上交通運輸領域的重點研究課題。

航行風險評估主要從指標選取和權重確定方法兩方面出發。根據評估的側重點不同,評估指標的選取上也存在較大差異[3]。CARMEN等[4]主要針對航道環境對大型集裝箱船的航行風險進行了評估。張新放等[5]通過分析船舶因素、管理因素和人為因素,建立了基于綜合安全評估的指標體系。張青等[6]將重點放在氣象因素的研究,對在不良天氣下航行的船舶航行有著一定的指導意義。李振福等[7]從政治、經濟、社會方面對北極航行風險進行了評估。在評估方法的選取上,1998年,馬會等[8]最先將灰色聚類和灰色統計結合起來對航道危險度進行了綜合評估。陳堯等[9]將模糊數學引入層次分析法中,利用模糊層次分析法對仰光河航道風險進行了綜合評價。王晨等[10]建立了基于逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的航道引航風險評估模型對長江江蘇段4段航道的引航環境風險進行了評價。以上研究多由觀測和統計數據確定評估指標參數,缺乏一定的客觀性,并且尚未考慮航行風險等級的空間差異,評估結果大多呈現為抽象的分值,并不能直觀地反映研究區的風險等級空間分布情況。

近年來,遙感、全球衛星導航定位(global positioning system,GPS)等地理大數據的日益增多,給海上航行風險提供了新視角。李振福等[11]通過船舶地理數據提取船舶的自身屬性對“21世紀海上絲綢之路”的航行風險進行了評估。甄榮等[12]通過地理大數據研究了一種用于海上交通監控管理的船舶會遇計算方法。然而,已有文獻對這些數據的量化形式缺乏詳盡考慮。

基于此,本文將地理空間技術和模糊層次分析法相結合,基于海洋環境和船舶自動識別系統(Automatic Identification System,AIS)地理大數據, 從航行自然環境和海上交通環境兩個方面構建航行環境風險評估模型,并以廈門港及其周邊海域為例,對其航行環境風險進行評估,實現風險等級空間分布的可視化,為船舶安全航行提供直觀的參考依據。

1 研究區和數據

1.1 研究區概況

廈門港位于中國福建省東南部,是中國東南國際航運中心、全國綜合運輸體系的重要樞紐,也是閩南、閩西的主要出?？诎禰13]。港口轄區包含廈門市(東渡、海滄、翔安)和漳州市(招銀、后石、石碼、古雷、東山、詔安)的九大港區。2021年,廈門港集裝箱吞吐量達1 205萬標箱,成為全球第十三大港口。2022年,增加集裝箱班輪航線,總計達到162條,港口調度和交通壓力明顯增大,船舶航行所面臨的風險也愈來愈大[14]。據中華人民共和國廈門海事局(http://port.xm.gov.cn/)發布的報告統計得,自2020起,轄區內發生不同程度的事故和險情共計53次,造成了不同程度的損失。廈門港地處東南亞熱帶季風區,季節性特征較為典型;沿海多霧且多為平流霧,每年的2月至5月為海霧多發期,霧數日占全年的60%以上;降水主要集中在每年的 5月至10月,其中,6月降雨量最大[15]。本文將廈門港及其周邊海域作為研究區,如圖1所示。

圖1 研究區概況Fig.1 Overview of the study area

1.2 數據概況及預處理

本文所使用到的數據主要包括船舶航行數據、海洋環境數據兩類,數據相關信息見表1。

表1 數據信息表Tab.1 Sheet of data information

AIS數據可以客觀準確地獲取船舶的航行信息和軌跡點位的空間分布,但是由于AIS數據中部分屬性需要人工輸入,所以不可避免地會出現錯誤。因此,為了保證數據質量,確保后續試驗的準確性和客觀性,從字段屬性值和空間分布角度對AIS進行缺失值補充、錯誤值去除或更新[16]。海洋環境數據為.NC格式的文件,需要進行預處理。首先將.NC文件全部轉為.TIF文件后,把所有.TIF文件重采樣至15弧秒,并裁剪至研究區范圍。最后將所有數據統一轉換至WGS-84坐標系。

2 研究方法

從航行自然環境和海上交通環境兩方面構建評估指標體系,用模糊層析分析法確定權重,利用線性加權和地理空間技術對廈門港及其周邊海域的航行環境風險進行評估,如圖2所示。

圖2 研究方法總體框架Fig.2 General framework of research methods

2.1 指標體系構建

在遵循指標的可行性、時效性和數據可獲取性的前提下,從航行自然環境、海上交通環境兩方面,選取大風頻數、大浪頻數、霧、降雨量、水深、船舶速度、交通密度、危險船舶、助航標志 9項影響因素作為航行風險評估指標,見表2。

表2 航行環境風險評估指標描述Tab.2 Description of navigation environmental risk assessment indicators

2.2 指標值計算

對9個指標進行數據處理,得到各指標量化數值,具體處理過程見表2。

由于每個指標都有各自的量綱和特征,需進行無量綱化處理,得到范圍在1～10的標準化指標值。其中,正向和逆向指標的無量綱化處理公式見式(1)[18-19]。式中,X′為標準化后的指標值,X為原始指標值,Xmin和Xmax分別為指標值中的最小值和最大值。

(1)

2.3 權重確定

模糊層次分析法,是在層次分析法(analytic hierarchy process,AHP)的基礎上引入模糊數學,最大程度降低了決策過程中的不確定性帶來的影響[20]。

本文中采用文獻[21]中的矩陣解算方法代替傳統方法[22]:

1)根據專家提供的評價數據構造三角模糊判斷矩陣A=(aij)n×n,矩陣中的元素aij=(lij,mij,uij)為三角模糊數[23](triangular fuzzy number,TFNs),在每一個三角模糊數(l,m,u)中,下界l、中值m、上界u的取值均依據層次分析法中的1～9標度法確定[24];

2)對判斷矩陣依照公式(2)、(3)進行一致性檢驗,當R<0.1時,矩陣滿足一致性要求,可以對矩陣進行計算,否則,應對元素aij加以調整,直至通過一致性檢驗;

(2)

(3)

式中,C表示偏離一致性指標,I為隨機一致性指標,λmax表示矩陣的最大特征根;

3)構建模糊評判因子矩陣E,并計算調整判斷矩陣Q,如式(4)。其中,mij為三角模糊中值;

(4)

5)計算矩陣內每行元素的n次方根,并對該數值進行歸一化處理,即得到每項指標的權重值。

2.4 風險量化分級

通過線性加權得到航行環境的風險值,如式(5)。利用相等間隔法將航行環境風險劃分為10個等級,航行環境風險從1級到10級依次增高。

(5)

式中,Dk為第k個柵格單元的航行環境風險值;uik為指標i在第k個柵格單元中的指標值;Wi為指標i的權重值;n為指標的總個數。

3 評估結果與分析

3.1 指標計算結果

圖3顯示了各指標的空間分布特征。在航行自然環境方面,研究區遠海水域極易受到大風、大浪的影響,從而影響船舶的操縱性,給船舶航行帶來一定的風險,而近岸海域海霧覆蓋面積和降雨量則高于遠海水域,能見度不佳,會使船舶航行安全度大幅降低。在水深指標中,研究區近岸和島嶼處水深較淺,船舶航行會存在擱淺或觸礁風險。在海上交通環境方面,研究區內船舶的航行速度整體較低,遠海區域船速略高于近海區域。在交通密度指標中,研究區內的船舶主要集中在航道上,其中,東北部的進港航道和港口內部的船舶數量較多,交通密度較大時,很容易發生碰撞事故。對于危險船舶指標,研究區內大型油輪和運輸危險物品的貨船整體集中在“西南-東北”的近岸航道上,其中,風險較高的區域呈散點狀分布在航道及航道以南。研究區內的助航標志主要沿航道走向分布,也會布設在入港處或者航道重要轉向點處,供船舶定位、確定航向等,在該指標上,東南部的航行環境風險較高。

圖3 二級指標空間分布特征Fig.3 Spatial distribution characteristics of secondary indexes

3.2 權重計算

為了保證權重的客觀性、合理性,邀請三位海上交通安全領域相關的專家及教授,對各層級指標進行兩兩比較打分。在所有判斷矩陣滿足一致性條件(0.017 8～0.068 9)的情況下,利用模糊層次分析法計算得出指標權重。在航行自然環境中,水深的權重最高,為0.119 0。大浪頻數和大風頻數的權重分別為0.096 7和0.094 3。霧和降雨量對船舶航行的影響則相對較小,權重緊隨大浪頻數和大風頻數之后,分別為0.089 1和0.074 9。在航行交通環境中,交通密度、助航標志和船舶速度的重要程度相當,分別為0.144 5、0.143 6和0.143 0。危險船舶的權重為0.094 9。

3.3 航行環境風險分析

根據線性加權法分別得到自然環境、交通環境影響下的航行環境風險等級分布和綜合風險等級分布,如圖4、圖5所示。其中,受水深限制,大型船舶在水深不足9 m的海域航行時擱淺風險較大[25],通過疊置分析將水深小于9 m的區域劃定為危險水深區(圖5灰色區域)。對不同風險等級的分布面積進行占比統計,如圖6所示。

圖4 不同條件影響下的研究區航行環境風險Fig.4 Navigation environmental risks in the study area under different conditions

圖5 研究區綜合航行環境風險Fig.5 Comprehensive navigation environmental risks in the study area

圖6 不同風險等級的占比Fig.6 The proportion of different risk levels

1)自然環境影響:由圖4(a)和圖6(a)可知,在自然環境的影響下,研究區的航行環境風險等級整體呈“U”型分布,“U”字拐點可延伸到南澎列島北側海域,且風險等級自“U”字拐點起沿“SW—NE”依次降低。風險等級≥7級的區域占總面積的13.27%,主要分布在研究區西南部、詔安灣、廈門灣和同安灣。其中,風險等級≥9級的區域僅占1.85%,為“南澎列島—兄弟嶼”連線以南和同安灣以西的海域,大風、大浪頻數高和水深條件不佳是分別導致這兩個區域風險較高的主要原因。風險等級≤6級的區域分布范圍最廣,共占86.73%,主要分布在研究區中部海域。

2)海上交通環境影響:由圖4(b)和圖6(b)可知,在交通環境的影響下,研究區航行環境風險等級整體≤6級。風險等級處于1～5級的區域共占93.34%,主要分布在研究區各個港灣和航道上。風險等級處于6～8級的區域主要受交通密度影響,分布在主航道、廈門灣、圍頭灣海域,占6.54%。兄弟嶼東部海域的風險等級整體處于5～7級,風險等級整體由兄弟嶼東部最遠處向海岸線方向遞減,這種遞減的趨勢主要是由于助航標志的分布趨于密集,且船舶速度較低。風險等級≥8級的區域面積極小,僅占0.38%,主要呈散點狀分布在距海岸線較遠海域,尤其是兄弟嶼東部海域,危險船舶占比較多且助航標志設立不完善是導致該區域風險較大的主要原因。

3)綜合兩方面影響:由圖5和圖6(c)分析得,在自然環境和交通環境的綜合影響下,研究區的航行環境風險整體較低,且風險等級的空間分布格局大致呈現“SW—NE”逐漸降低?！澳吓炝袓u—兄弟嶼”連線的延長線以南和廈門灣海域航行環境風險等級偏高,達到7級及以上,面積占總研究區的6.17%。造成該區域風險等級較高的主要原因分別是大風、大浪頻數較高和交通密度較大。其中,風險等級為8～10級的海域占比僅為1.62%,主要分布在研究區南部。但受交通環境影響,研究區內的交通情況整體較好且助航標志配備較為完善,在“南澎列島—兄弟嶼”連線的延長線以北區域的航行環境風險等級整體降低,大多處于5級及以下,面積占比共計73.7%。其中,東山灣、浮頭灣處風險等級較低,而詔安灣、廈門灣、圍頭灣和同安灣周邊風險等級相對略高。值得注意的是,危險水深區水深不足9 m,主要分布在近岸和島嶼附近海域,占總面積的12.17%,船舶在此區域內航行時擱淺風險較大。

4 結論

本文將地理空間技術與模糊層次分析相結合,從航行自然環境和海上交通環境兩方面選取大風頻數、大浪頻數、水深、船舶速度、交通密度等9個指標建立船舶航行環境風險評估體系,對廈門港及其周邊海域的航行環境進行風險評估,形成了綜合航行自然環境和海上交通環境兩方面的航行環境風險分級圖,并分析了其空間分布特征。研究結果表明:

1)在自然環境影響下,廈門港及其周邊海域的航行環境風險等級整體呈“U”型分布,且由西南向東北依次降低。風險等級較高的區域主要位于 “南澎列島—兄弟嶼”連線以南和同安灣以西。

2)在海上交通環境的影響下,廈門港及其周邊海域的航行環境風險等級整體≤6級,僅有0.38%的區域風險等級≥8級,主要呈散點狀分布在距海岸線較遠區域,尤其是兄弟嶼東部海域。

3)綜合自然環境和交通環境兩方面的影響,廈門港及其周邊海域的航行環境整體處于中等偏低風險,“南澎列島—兄弟嶼”連線的延長線以南和廈門灣海域的航行環境風險呈現較高趨勢。風險等級的空間分布格局大致呈“SW—NE”逐漸降低。其中,水深不足9 m的危險水深區擱淺風險較大,主要分布在近岸和島嶼附近海域。經統計得,研究區內航行環境風險等級≥7級的區域占總面積的6.17%,為偏高風險區。對于本研究識別出的高風險區域,建議完善引航標志的配置,加強日常巡邏措施,從而保障該區域的船舶航行安全。

本文著重對航行的環境風險進行評估,并獲取了風險等級空間分布特征。在指標中尚未考慮海域沿岸國家相關政策、人為因素等軟性指標,未來將在指標體系上進一步優化評估模型。