不确定性条件下农村地区环境风险半定量识别技术初探

中国环境学会  2011年 03月31日

  邵立国1 栾胜基2*
  1.北京大学环境科学与工程学院,联系电话:13811241827,北京,100871,email:shaolg2003@yahoo.com.cn;2.北京大学深圳研究生院,深圳,518055,email: luansj@szpku.edu.cn  
   
  摘 要 本研究在对农村地区不确定性来源解析的基础上,建立农业可持续发展的全息层次模型,并根据曲周县王庄的实际情况和管理者的职权范围对风险情景进行过滤、评价、排序和筛选,最终得到影响曲周县王庄持续发展的关键性风险因子。结果显示RFRM框架对农业可持续发展风险识别问题的全面性、多层次性,以及对不确定性的处理能力,是农业地区风险管理有力的支持工具。


  关键词 风险识别;RFRM框架;等级全息建模;农业可持续发展;曲周县
   
  随着“农村环境综合整治”等相关政策的出台,表明我国已经进入工业反哺农业,城市反哺农村的时期,为农村地区的可持续发展提了良好的契机和动力。但目前农村地区可持续发展仍有许多问题许多亟待解决,环境风险管理就是其中备受关注的课题之一。环境风险管理主要包括风险源识别、风险损失计算和风险控制和管理等过程。其中风险源识别是环境风险管理过程的基础,风险源识别的成功与否直接决定了风险计算和控制的有效性。但不确定性的广泛存在降低农村地区的环境风险识别可靠性,直接影响环境风险管理工作的成效。为解决农业风险管理复杂性中的不确定性问题,本文提出用半定量的方法识别农村地区可能存在的风险问题。首先对农村地区的不确定性来源进行解析,并建立中国农业可持续发展的全面层次模型,在此基础上将RFRM框架其应用到河北省曲周县大王村的可持续发展的风险管理中,识别出曲周县大王村应首先处理的潜在风险问题。
   
  1 农村环境管理中不确定性的来源解析


  对于不确定性概念的定义,学术界尚没有得到同一。本文将不确定性定义为对某类知识的缺失或不完整占有的状态。这里的知识包括系统状态的属性、系统运动状态相关参数、或系统与外界环境相互作用的机理等信息。根据不确定性的来源,可以将农村地区的不确定性分为内生不确定性和外生不确定性两类。其中,内生不确定性主要包括人类对自然界认识的有限性、测量误差的决定性、农业环境过程的复杂性和农村农户行为的分散性等;外生的不确定性主要包括农村地区相关数据的缺失、模型数据的不精确性、相关政策的不确定性等。
  数据的不确定性是指农村地区相关数据在收集时固有的测量的误差等,相对与数据的不精确性而言,农村地区更为显著的问题是数据的缺失,目前我国农村地区在乡镇村等层次中尚未建立完善的数据统计或环境监测机构,造成我国农村地区基础数据由其是环境相关数据的缺失,这已经称为制约我国农村地区环境风险管理的关键问题之一。农户行为的分散性对不确定性的影响主要表现在:农户是农业生产的微观主体,而农户在生活影响空间范围与强度、农业生产投资种类选择、各类生产要素投入等方面都存在差异,而且也难于进行精确的计量或统计。
  目前风险识别方法大致可分为四类:以层次分析法为代表的系统风险方法[2];以模糊、随机理论为基础的不确定性数学方法[1];神经网络为代表的等人工智能方法和基于专家的经验判断的主观评价等[7]。由于上述各类不确定性因素对农村地区的综合作用,使得传统的故障树等风险识别技术难于在农村的风险管理中应用,而专家评判等完全定性的方法又存在主观性过强、对已有数据利用不充分等缺点。为此,本文提出采用对数据依赖较弱、而又能充分反映研究区域风险特性的“RFRM”风险管理框架对潜在的风险源进行识别。
   
  2 风险识别方法概述


  2.1 RFRM框架概要
  RFRM框架是由Haimes提出[5],目前已经在国防风险识别、软件项目管理、水资源管理等多个领域开展了应用研究[3][4][8] [9]。RFRM是一种从多个重叠的角度对大规模系统进行识别、划分优先次序、评价和管理风险情景的方法性框架,主要包括风险情景设定、情景过滤、二次过滤与评级、多准则评价、定量评级、风险管理、绩效评价和运作反馈八个阶段。其中,风险情景设定目的在于将所有可能的风险源或风险情景纳入评价与分析之中,是风险识别过程的基础,本研究采用等级全息建模的方法进行。情景过滤和二次过滤是依据所研究的区域的自然、社会、环境特征及决策者的职责和权限,对预设的各类风险情景进行过滤,以减少深入分析的风险情景数量。多准则评价与定量评级步骤是对筛选出的各类风险情景的发生概率和可能的风险损失进行深入计算与估计,用以识别出研究区域内应首先处理或防范的风险情景。风险管理、绩效评价和运作反馈等三个步骤是针对识别得到的风险情景进行系统的预防与管理,包括制定风险管理方案和措施、评估成本、性能收益和风险削减量等,并在实践过程中逐步获得经验和相关的信息,进一步对各类情景进行筛选与评价。


  2.2 等级全息模型
  等级全息建模(HHM)是有Haimes提出的一种全面进行系统分析的思想和方法论[6][10],其目的在于描述和展现一个系统在众多方面、视角、观点、维度和层级中的内在不同特征和本质。其中,“全息”是源自摄影学的术语,指当确定系统脆弱性或风险时,从多个不同的视角考察同一系统,课题获取到关于系统的全面真实的反映。“等级”是指要根据不同的决策等级或管理职权层次,对系统进行分解。其中,所形成的各个分支即风险情景,被称为“话题”或“分支”,其进一步分支可称为“子话题”或“子分支”。HHM 中要求尽可能全面的反映系统的各方面的特征,各个方向或者话题之间可以存在互相重复的部分,重叠部分将在情景过滤单元中进行去除。
   
  3 案例研究


  本文以河北省曲周县王庄为例进行农业可持续发展的风险识别。王庄位于曲周县四疃乡镇,东经115°02′2.257″和115°04′6.017″,北纬36°87′753.9″和36°85′569.7″之间。2007年末有总户数213户,总人口798人,其中劳动力401人,辖区面积3100亩。经济来源以农业种植为主,主要种植小麦、玉米、棉花等。为进行王庄的风险识别,我们首先建立农业可持续发展风险的全息等级模型,并根据曲周县的实际情况和管理尺度进行风险分析。首先,以时间、空间、资源、政策、生产、生活、科技、环境、组织等12个方向建立农业可持续发展HHM模型。  
  根据曲周县地区的自然资源、社会经济发展水平和管理者的职权范围,对HHM 模型各分支或情景进行过滤,即去掉关系较小的、在管理者权限范围以外的分支或者方向。结果见表1。可以看出,分支的数量从51个降到14个,即从一般的农业可持续发展风险问题过渡到符合王庄特征的可持续发展风险问题。
  根据系统的鲁棒性和可恢复性选择评价标准,建立风险情景和损失的综合评价矩阵,选择对于各种情景下各种风险源对农业可持续发展的风险损失进行评估。其中,H、L、M分别表示所属级别为高、中、低。   
  经过多准则评价步骤之后,需要计算各个情景的发生概率。这些数值可通过历史数据的统计学计算获得,对于数据缺乏地区,可采用专家估计或调查等方法获得。由此,可以得到这10个风险因子的发生概率和它们可能产生的风险作用,最终结果见表4。
  根据风险定量化排序的结果,可以确定影响曲周县农业可持续发展的关键情景和风险要素为:C1 水资源短缺问题,F4 农民的饮用水安全问题,J2 由干旱引起的自然灾害问题,G4 土壤退化问题。
  总体来说,集中于水资源的缺乏和土地的破坏两个方面。水资源问题来源于当地的气候与自然条件引起的水资源匮乏。饮用水短缺的问题主要来源于华北地区固有的干旱的气候条件,本地的农民饮用水都是由乡镇同一供水,因此,饮用水的风险部分来源于运水的频率、水量和水质是否满足引用标准等。而由于地表水的缺乏,使得当地的灌溉用水主要来自于地下水的抽取。由此引发的地下水超采与地下漏洞的问题,目前已经成为当地需要解决的风险问题之一。土壤破坏的问题,则主要来源于大棚薄膜的使用、农药与化肥的过量施用。
   
  3 结论


  农业地区可持续发展的风险问题是关系到社会稳定与经济繁荣的重要课题,在中国当前具有重要的理论和实践意义。本文将RFRM 框架应用到曲周县王庄农业地区可持续发展的风险识别与管理中。首先建立农业可持续发展的HHM 模型,构建可能对农业可持续发展构成风险损害的各类情景,然后根据曲周县地区的实际情况和决策者的管理权限,对风险情景进行过滤、排序、筛选等,最后确定影响曲周县农业可持续发展的风险情景主要为农民的饮用水问题和土壤退化问题。
  从以上过程可以初步得出RFRM 框架的优缺点。其缺点在于分析过程步骤过于繁琐,而且,在风险情景排序上存在着主观性较强,容易受决策者的偏好影响等问题,有待进一步研究。其优势在于:适用于中国农村地区缺水数据、并且风险分析多样化、管理层次多样化的特点。总体看来,RFRM框架适用于中国农村地区可持续发展风险识别工作,可以成为农业环境管理部门有力的支持工具。


  参考文献
  [1] Chang, C. S. (2008), "Fuzzy rule extraction from dynamic data for voltage risk identification," IEEE Transactions on Information and Systems ,Vol.E91d, Issue 2, pp.277-285.
  [2] Chen, Q. J. (2005), "Risk identification of coalmine system basing on analytic hierarchy process and genetic algorithm," Progress in Safety Science and Technology, Vol.V, Pts A and B, pp.1460-1465.
  [3] Chittister, C. and Y. Y. Haimes. (1993), "Risk Associated with Software-Development - a Holistic Framework for Assessment and Management," IEEE Transactions on Systems Man and Cybernetics ,Vol.23, Issue 3, pp.710-723.
  [4] Chittister, C. G. and Y. Y. Haimes. (1996), "Systems integration via software risk management," IEEE Transactions on Systems Man and Cybernetics Part a-Systems and Humans, Vol.26, Issue 5, pp.521-532.
  [5] Haimes, Y. Y., S. Kaplan and J. H. Lambert. (2002), "Risk filtering, ranking, and management framework using hierarchical holographic modeling," Risk Analysis ,Vol.22, Issue 2, pp.383-397.
  [6] Kaplan, S., Y. Y. Haimes and B. J. Grarrick. (2001), "Fitting hierarchical holographic modeling into the theory of scenario structuring and a resulting refinement to the quantitative definition of risk." Risk Analysis ,Vol.21, Issue 5, pp.807-819.
  [7] Lai, K. K., L. Yu, W. Huang and S. Y. Wang. (2006), "A novel support vector machine metamodel for business risk identification," Pricai 2006: Trends in Artificial Intelligence, Proceedings ,Vol.4099, pp.980-984.
  [8] Lambert, J. H., Y. Y. Haimes, D. Li, R. M. Schooff and V. Tulsiani. (2001), "Identification, ranking, and management of risks in a major system acquisition," Reliability Engineering & System Safety ,Vol.72, Issue 3, pp.315-325.
  [9] Leung, M. F., J. R. Santos and Y. Y. Haimes. (2003), "Risk modeling, assessment, and management of lahar flow threat," Risk Analysis ,Vol.23, Issue 6, pp.1323-1335.
  [10] Shimodaira, T., H. Xu and T. Terano. (2005), "HHM-based risk management for Business Gaming,"Knowledge-Based Intelligent Information and Engineering Systems, Pt 4,Proceedings ,Vol.3684,pp.792-798.
   

 
污染防治与管理更多>>
循环经济与绿色产业发展 更多>>
低碳经济与可持续发展更多>>
中国面临的主要环境问题及对策 更多>>