上海市城市内涝风险分析与评估

结合多重现期暴雨情景分析与指标体系法,以典型平原感潮河网高度城市化地区——上海市中心城区为例,开展了城市内涝综合风险评价和特征分析。结果表明,上海市中心城区内涝综合风险以低风险为主,低风险、中风险、较高风险、高风险区域面积占比分别为87.60%、7.91%、3.58%、0.91%,多数镇(街)为一般防治区,一级重点防治区和二级重点防治区的面积占比分别为1.32%和1.31%。基于“危险性—易损性—安全性”的风险评估框架,全面评价社会经济发展情况下灾害危险性、承灾体易损性和防灾减灾安全性,有利于提升城市内涝安全韧性水平。

规划环境影响评价中开展健康风险源头控制

规划环境影响评价是我国政府开展环境风险源头预防的重要手段,而现有规划环境影响评价实践中因缺乏健康风险评估指标,严重地削弱了其完整性和有效性。规划健康评估的内涵远远超过传统"四步法"的健康风险评估,它不仅与规划全程互动,而且具有系统性、情景性和反向约束性,其核心目标是通过科学、系统的环境健康影响评估,设计和规划出更绿色、更环保、更合理的产业结构和体系。它以健康风险承受力这个约束性指标为核心,通过对情景健康风险损益与产业发展的预测分析,对污染源进行空间布局与排放限制的调整,为人群健康防护提供合理性指导。为填补当前规划环境影响评价中健康评估指标体系缺失的"短板",建议尽快开展规划健康风险评估技术研究,推动出台规划健康风险评估技术规范或导则,以保障规划中健康承受力这个刚性约束指标的落地。

四川省化肥面源污染环境风险评估及趋势模拟

系统评估农业化肥过量施用对生态环境的潜在风险危害,可为制定下一阶段农业面源污染防治工作提供决策参考。本文基于2000—2015年化肥施用量和耕地面积等数据,采用化肥施用环境风险评价模型,探讨了四川省化肥施用及环境风险的时空变化特征;通过设置延续现状和政策干预两种情景,模拟了四川省2016—2018年执行化肥施用零增长行动期间的化肥施用环境风险变化趋势。结果表明:四川省化肥施用总量在2000—2015年间整体呈增加态势,2015年四川省化肥施用强度为376.63 kg?hm^(-2),超过了中国生态市建设的化肥施用强度250 kg?hm^(-2)的生态标准。四川省2015年化肥施用的环境总风险指数为0.69,处于中等风险程度;氮、磷、钾肥施用的环境风险指数分别为0.69、0.72和0.46。钾肥施用的环境风险处于安全状态;氮肥和磷肥的环境风险区域集中在成都平原经济区、川南经济区和川东北经济区,呈现中等风险程度并有成片聚集特征。延续现状情景下,四川各地区化肥施用环境总风险指数处于0.48~0.69,存在不同程度增加。与延续现状情景相比,四川在完成化肥施用零增长行动的任务规划前提下,2016—2018年政策干预情景的化肥施用环境总风险呈现下降趋势。以关键时间点2018年来看,川东北经济区化肥施用环境总风险下降最明显,较2015年执行化肥零增长时下降4.24%。但四川省多数地区仍存在不同程度的化肥施用环境污染风险,当地生态环境具有明显压力。建议省级部门加强对成都平原经济区和川东北经济区的化肥面源污染监测,根据各地区差异特征制定不同施肥方案,协调粮食增产和生态保护间的关系。

基于FLUS-Markov模型的多情景景观生态风险评价与预测——以南疆克州为例

以新疆克孜勒苏柯尔克孜自治州(克州)为例,基于2005-2015年土地利用空间格局变化,利用FLUS-Markov复合模型预测2025年土地利用情况,采用Criteria Importance Though Intercrieria Correlation(CRITIC)权重法构建自然增长和生态保护情景下的景观生态风险指数,并采用自然断点法由低到高划分为5个等级(RiskⅠ、RiskⅡ、RiskⅢ、RiskⅣ和RiskⅤ),以风险指数质心和标准差椭圆评价不同年份、多情景下景观生态风险时空格局和变化特征,探究影响其演化特征的驱动因素。结果表明:(1)在自然增长情景下,耕地、水域、建设用地面积不断增加,林地、草地、荒漠和裸地面积逐渐减小;生态保护情景下,草地相比于自然增长情景增加了51 km^(2)。(2)2005-2025年,克州景观生态风险整体呈现减小的趋势,生态保护情景相比于自然增长情景下的RiskⅠ、RiskⅡ和RiskⅣ面积分别增加34 km^(2)、1240 km^(2)和66 km^(2),RiskⅢ和RiskⅤ面积分别减少695 km^(2)和645 km^(2)。(3)2005-2025年,自然增长情景下克州RiskⅠ、RiskⅡ、RiskⅣ和RiskⅤ呈扩散分布状态,RiskⅢ呈现紧凑收缩状态。(4)影响景观生态风险演化的主要因素是地形气候因子(解释力85%以上),其次人口(解释力59%以上)也是重要的驱动因子,GDP对景观生态风险变化的贡献减小。

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价,由于自动驾驶系统复杂程度的增加及设计运行区域的扩大,面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此,建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法,可解决现有方法在逻辑场景层面安全性评价的缺陷。首先,建立基于自然驾驶数据的逻辑场景构建流程,分析场景描述参数,搭建自然驾驶数据采集平台采集相关自然驾驶数据,采用高斯分布模型描述参数概率分布;进而,离散逻辑场景参数空间获取具体测试用例,并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试,通过高斯模型将测试结果中的危险场景参数聚类,获取被测算法在逻辑场景中的危险区域;最后,综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域,提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数,并以前车制动和前车切入场景为例,给出某黑盒算法的具体评价示例。研究结果表明:被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^(-5),在前车制动场景中具有较大的安全风险,与仿真测试的直观结果相符;通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。