《Geomatics, Natural Hazards and Risk》：GIS-based optimization framework for shelter site selection and population allocation under multi-hazard scenarios
编辑推荐：
本文提出了一种集成GIS空间分析、随机森林（Random Forest）模型和模糊叠加（fuzzy overlay）的多灾种易发性评估框架，结合双目标优化模型，实现了山区洪涝-滑坡灾害链背景下避难场所选址与人口转移的协同优化。该研究通过最小化启用避难所数量与最大疏散距离，为复杂地形条件下的应急疏散决策提供了科学支持，显著提升了灾害应对效率。
研究背景与意义
山区因其复杂地形和极端降雨事件，面临洪涝和滑坡等多灾种链式反应的严重威胁。传统单一灾种评估方法难以有效应对多灾种相互作用带来的挑战。本研究以中国广西陆川县为案例区，开发了一个集成地理信息系统（GIS）空间分析、随机森林（Random Forest）机器学习模型和模糊叠加（fuzzy overlay）技术的多灾种易发性综合评估框架，并构建了以最小化启用避难所数量和最大疏散距离为双目标的优化模型，旨在为山区多灾种环境下的应急避难规划和人口转移提供科学、高效的决策支持。
研究区域与数据
陆川县位于广西壮族自治区东南部，属典型的亚热带季风气候，年均降水量达1942.7毫米，地形以低山丘陵和盆地谷地为主，九州河水系贯穿全境，洪涝和滑坡灾害频发。研究数据包括历史滑坡点分布、环境因子（如高程、坡度、植被覆盖度NDVI）、人口、路网、居民点以及候选避难所位置等多源空间数据，为多灾种易发性评估和优化模型提供了基础。
多灾种易发性评估方法
GIS支持的洪涝易发性评估
基于前人研究，选取了洪水季月平均降水量、植被覆盖度、地形起伏度、土地利用类型、距河流距离和河网密度共6个评价因子，通过GIS空间加权分析进行洪涝易发性区划。各因子数据经过极差标准化处理，采用自然断点法将易发性划分为不同等级。结果表明，高易发区主要集中于河流附近区域。
基于随机森林的滑坡易发性评估
利用1950–2023年陆川县98个历史滑坡点数据，通过3×3邻域窗口扩展获得879个滑坡样本，并随机选取888个非滑坡点构成平衡数据集。选取高程、坡度、坡向、地形起伏度、植被覆盖度、距河流距离、距道路距离、洪水季月平均降水量和洪水季最大降水量共9个环境因子，采用随机森林模型进行滑坡易发性评估。通过5折交叉验证，模型平均R2高达0.9282，表明模型具有优异的预测性能和泛化能力。重要性分析显示，洪水季月平均降水量、地形起伏度和距道路距离是影响滑坡发生的最关键因子。
基于模糊叠加的多灾种易发性评估
采用模糊OR（Fuzzy OR）方法，将洪涝和滑坡单灾种易发性评估结果进行叠加，取各栅格单元易感性值的最大值，生成综合多灾种易发性区划图。将易发性概率≥0.5的区域划定为高风险区，为后续安全避难所选址提供依据。
区域疏散人口与避难所容量估算
基于区域多灾种易发性的候选避难所选址
将多灾种易发性概率≥0.5的区域判定为高风险区，从中排除不安全的候选避难所，最终筛选出80个安全候选点，主要包括学校、体育馆和购物中心等公共建筑。
区域疏散人口估算
以行政村为基本疏散单元，共162个居民点。结合多灾种易发性系数（λ，即行政村内高风险区面积占比），采用面积比率法估算各居民点需转移人口。对于高风险区面积占比大的居民点，其估算疏散人口也相应较多。
候选避难所容量估算
对于能直接获取住宿面积的避难所，根据人均占用面积标准（如2 m2/人）计算容量；对于难以获取详细面积数据的中小学校，则依据农村学校标准规模（如18个班）和生均面积标准，间接估算其可用住宿面积和容量。
避难所选址与人口转移优化模型
构建了一个双目标优化模型，目标函数为最小化启用的避难所数量（Z?）和最小化最大疏散距离（Z?）。模型考虑了一系列现实约束条件，包括：所有居民点人口必须全部转移；单个居民点人口可分配至多个避难所；各避难所接收人数不超过其容量；每次转移人口数需满足最小阈值（q=16），并引入灵活性比率（φ=10%）允许一定波动（(1-φ)q ≤ xij≤ Popi）。模型采用Gurobi优化器求解，并设置了启发式参数以提高大规模计算效率。
结果与讨论
多灾种易发性评估结果
洪涝高易发区主要集中在河网密集区域。滑坡高易发区占研究区面积的4.62%，但包含了绝大部分历史滑坡点，表明随机森林模型预测精度高。通过模糊叠加得到的多灾种易发性图显示，高风险区空间分布与单灾种高风险区有较高重叠，揭示了灾害链的潜在风险。
避难所选址与人口转移方案优化
通过调整目标权重，得到了两种不同优先级的优化方案：
方案一（优先最小化避难所数量）：启用22个避难所，最大疏散距离13.19公里，平均疏散距离8.57公里。避难所利用率普遍较高（除1个站点为19.34%外，均超过70%）。
方案二（优先最小化疏散距离）：启用24个避难所，最大疏散距离缩短至12.16公里，平均疏散距离降至7.42公里。多数站点入住率超过80%。
对比表明，方案二虽多启用2个避难所，但显著缩短了疏散距离。以成人步行速度1.27 m/s计算，方案二可使所有居民在2.66小时内到达避难所，平均转移时间仅1.62小时，符合中国相关防灾标准，更适用于交通条件复杂、损毁严重的山区。
灵敏度分析
分析了最小转移人口数（q）和灵活性比率（φ）对结果的影响。发现q减小（从16降至4）会使分配更零散，增加平均疏散距离；φ增大（超过10%）在优先最小化距离时反而会增加启用避难所数量，并不能进一步缩短距离。确定q=16, φ=10%为平衡疏散效率和避难所利用率的合理参数组合。
与单目标模型对比
单纯最小化避难所数量（启用17个）会导致最大疏散距离急剧增加至24.87公里；而单纯最小化疏散距离（启用55个）则需启用过多避难所，管理成本高昂。双目标模型在两者间取得了更好的平衡，体现了其优越性。
结论与展望
本研究成功构建了一个集成多灾种易发性评估与空间优化模型的避难场所规划框架，为山区灾害风险管理提供了新方法。未来可在以下方面改进：获取更精确的建筑数据完善避难所容量估算；考虑疏散人群的异质性（如老人、儿童）；引入时间权重因子以更好反映气候驱动下灾害格局的演变；并纳入道路网络中断等动态情景，进一步提升模型在复杂山区环境中的实用性和鲁棒性。
