EN中文

热带地理 >

2022 , Vol. 42 >Issue 7: 1138 - 1147

DOI: https://doi.org/10.13284/j.cnki.rddl.003512

南海渔民生活空间

南海海上搜救困难性评价

  • 左潇懿 , 1 ,
  • 程亮 , 1, 2, 3, 4 ,
  • 楚森森 1 ,
  • 吴洁 1 ,
  • 张雪东 1
展开
  • 1. 南京大学 地理与海洋科学学院，自然资源部国土卫星遥感应用重点实验室，江苏省地理信息技术重点实验室，南京 210023
  • 2. 中国南海研究 协同创新中心，南京 210023
  • 3. 江苏省地理信息资源开发与利用协同创新中心，南京 210023
  • 4. 江苏省软件新技术与产业化协同创新中心，南京 210023
程亮（1978―），男，江苏南京人，教授，博士，研究方向为南海遥感、激光点云研究，（E-mail）。

左潇懿（1997―），女，安徽合肥人，硕士研究生，研究方向为南海遥感，（E-mail）；

收稿日期: 2021-03-24

  修回日期: 2021-09-19

  网络出版日期: 2022-07-23

基金资助

国家重点研发计划项目(2017YFB0504205)

国家自然科学基金(41622109)

收起

Difficulty Assessment of Maritime Search and Rescue in the South China Sea

  • Xiaoyi Zuo , 1 ,
  • Liang Cheng , 1, 2, 3, 4 ,
  • Sensen Chu 1 ,
  • Jie Wu 1 ,
  • Xuedong Zhang 1
Expand
  • 1. Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China
  • 2. Collaborative Innovation Center of South China Sea Studies, Nanjing 210023, China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 4. Jiangsu Center for Collaborative Innovation in Novel Software Technology and Industrialization, Nanjing 210023, China

Received date: 2021-03-24

  Revised date: 2021-09-19

  Online published: 2022-07-23

Fold

本文亮点

为保障船舶海上航行安全，结合GIS与模糊层次分析法，从海上搜救的自然环境和人文搜救力量2个方面选取9个因子建立海上搜救困难性评价模型，对南海海上搜救困难性进行评价。结果表明：1）自然环境影响下，南海海域搜救困难性具有“V”字形分布的特点，由东北向西南难度等级逐渐降低。2）在人文搜救力量影响下，南海海域的搜救困难性整体呈“东北－西南条带式”，难度最大的区域主要位于南海东北―西南的连线上，呈不规则环状向连线两侧递减。3）综合两方面因素，南海部分岛屿周围搜救难度偏高，主要受台风等恶劣天气及远离搜救基地的影响，而远海海域搜救难度在整体上为“东北－西南递减式”空间分布格局，最高和较高的区域由研究区东北延伸至西南，然后向西北、东南两侧递减。总体而言，南海研究区中近21.1%的海域搜救难度≥7级，仍需加强对搜救力量的部署与建设。

本文引用格式

左潇懿 , 程亮 , 楚森森 , 吴洁 , 张雪东 . 南海海上搜救困难性评价[J]. 热带地理, 2022 , 42(7) : 1138 -1147 . DOI: 10.13284/j.cnki.rddl.003512

Highlights

To ensure maritime search and rescue safety, this study combined a geographic information system and a fuzzy analytic hierarchy process to map and evaluate the difficulties of maritime search and rescue in the South China Sea. To construct a maritime search and rescue difficulty index system, nine factors related to the natural environment and human power that may influence maritime search and rescue were selected, and difficulty indices were calculated according to the corresponding calculation method. The fuzzy analytic hierarchy process was then used to determine the weight of each index, and the linear weighting method was used to obtain the maritime search and rescue difficulty value of the South China Sea. The difficulty values were divided into 10 levels and the spatial distribution characteristics were analyzed. The results show that: 1) under the influence of the natural environment, the difficulty of search and rescue in the sea area of the South China Sea had the characteristics of a V-shaped distribution, and the difficulty level gradually decreased from northeast to southwest. 2) Under the influence of humanistic search and rescue forces, the overall difficulty of search and rescue in the study area was the "NE-SW belt" type. The area with high difficulty levels was mainly located on the line connecting the northeast to the southwest of the study area, and the difficulty decreased in an irregular circle on both sides of the connecting line. 3) Considering these two factors, the difficulty of search and rescue was relatively high around some islands in the South China Sea, because of the influence of severe weather events, such as typhoons, and their large distance from the search and rescue base. The difficulty values in the far seas have "NE-SW decreasing" spatial distribution pattern, with the highest values in the areas extending from the northeast to the southwest of the study area, then decreasing to the northwest and southeast. According to statistics, approximately 21.1% of the sea areas in the South China Sea have search and rescue difficulties greater than level 6, and the construction of search and rescue forces should be optimized accordingly.

随着全球海上贸易的迅速增长，海上船舶的数量和规模也不断增加。南海作为全球最繁忙的海上交通要道之一，每年有超过一半的油轮和商船通过该海域（Rosenberg, 2009）。与此同时，由于南海海域经常受到自然及人文因素的威胁，如极端天气、航行因素、海盗和持械抢劫等，近几年海上事故发生次数大幅增加，导致对人民严重的生命损害和财产损失、环境破坏（Tsou, 2010; Knapp et al., 2017; Zhou et al., 2020）。因此，保障船舶航行安全，开展有效的海上搜救服务引起相关部门和社会的广泛关注。由于自然环境与搜救力量配置等的差异性，不同海域的搜救困难度各不一样，这反映了对海上搜救困难性进行评价，找寻高搜救困难区域，以优化资源配置提高海上搜救有效性的重要性。
目前，海上搜救的相关研究多从以下两方面出发（Siljander et al., 2015）：应急搜救支持和长期战略规划。其中，应急搜救支持指通过计算机的实时分析辅助支持搜救作业，并在较短时间内完成救助。如姜景春（2016）开发了基于ZigBee通信和北斗定位的搜救系统，用于快速获取海上落水人员的位置信息；Brushett等（2017）使用了4种海洋模型来预测遇险小艇的漂移轨迹和搜寻区域；刘同木等（2018）研究了在风、波浪和海流作用下船舶的漂移轨迹，并基于船舶操纵性数学模型小组（Mathematical Modeling Group, MMG）的思想建立了船舶漂移运动数学模型。为解决恶劣气象环境以及远海海域场景下的搜索问题，朱武斌等（2019）利用无人机的机载AIS和北斗通信系统，实现了对遇险目标的智能识别；衣麟卓（2020）研究了基于蚁群算法的Dijkstra求解方法，根据遇险人员的位置，寻找地理环境、天气等多条件约束下的海上搜救最短路径。这些研究主要关注搜救过程中遇险人员的位置信息，以提高定位精度，实现快速救援。
而海上搜救长期战略规划旨在通过评估海上航行安全性、应急响应能力等，提高海上搜救服务能力。如吕靖等（2014）在安全评价模型中引入投影寻踪法，对中国海上运输关键节点的航行安全进行评价，结果表明马六甲海峡、曼德海峡以及霍尔木兹海峡安全性较低；Baksh等（2018）基于贝叶斯网络评估了北极海域北海航线的海上风险，得出海冰是导致该海域事故的主要因素；Jiang等（2020）提出了一个综合考虑环境、船舶和人为等因素的风险模型来评估海上“丝绸之路”的航行风险，并利用贝叶斯网络对不同船舶在不同航行环境下的风险进行分析。而针对海上搜救应急响应的问题，Siljander等（2015）考虑了海浪对不同船型航速的影响，提出了一种评估海域搜救可达时间的方法，并应用于芬兰地区的芬兰湾水域。另外，现有研究也多从优化选址的角度考虑战略规划制定，如Ai等（2015）针对海上应急物资储备基地选址和救助船配置的优化问题，提出了一种离散的非线性整数规划模型；Pelot等（2015）将解决最大覆盖问题的数学优化模型应用于加拿大东海岸海上搜救船舶的位置优化，实现最大限度地拯救生命、减少财产损失；Zhou等（2019）提出了南海岛礁搜救基地选址框架，该框架首先计算海上搜救的可达时间，然后通过范围最大化覆盖实现基地的选址。以上战略规划研究集中于航行的安全评估和搜救的位置优化，尚未考虑一系列因素影响下海域搜救困难性的空间差异。而对该问题的探讨有助于优化应急资源配置，提高对人命和财产的救助率。
模糊层次分析法是一种考虑了人类思维模糊性的决策方法，目前在规划选址、风险评估等领域得到广泛应用（李想 等，2019；谭人华 等，2019；杨张瑜 等，2019）。如刘海燕等（2015）突破传统选址方法，结合模糊层次分析的原理和方法，建立南极考察站选址决策模型，有效地缩小了选址的区域范围，为决策提供依据；瞿美仙等（2019）通过研究尾矿库溃坝原因，提出溃坝风险评价指标体系，并利用模糊层次分析法进行综合评价，得出湖北省某尾矿库溃坝风险较低的结果。在GIS多指标决策过程中，引入模糊层次分析法，并综合空间中各指标的差异性，对一系列指标的影响进行评价分析，能够减少人为决策过程中的不确定性和偏向性所带来的影响，同时为综合评价提供一个空间上的新视角。
因此，本文在参考大量相关文献、事故报告和专家意见的基础上，从影响海上搜救作业安全性和及时有效性的自然环境和人文搜救力量2个方面选择因子，构建搜救困难性综合评价指标体系，并基于GIS和模糊层次分析法，定量评估困难性等级，分析海上搜救困难性空间分布格局。旨在为海上搜救应急决策和战略管理与规划提供参考，为海上搜救和海上安全提供保障。

1 研究区和数据

1.1　研究区概况

选取南海海域为研究区，南海处于印度洋与太平洋之间，其北面为中国大陆与台湾岛，南面为文莱、新加坡与马来西亚，东面为菲律宾，西面为越南，是东亚各国的航运要道，也是世界上最繁忙的海上通道之一。南海海域夏季受台风影响，冬季受干燥的东北季风影响，易在海面形成大浪，同时由于浅水、礁石、珊瑚礁、海盗等因素的影响，使其成为遇险系数最高的区域。因此，以南海为研究区进行搜救困难性分析，对提高海上搜救能力、保障海上安全十分重要。
图1 研究区概况

Fig.1 Overview of the study area

1.2　数据来源与预处理

数据主要来源于政府、国际组织以及商业公司等，具体数据包括：
1）水深数据。世界大洋海底地形数据，由国际海道测量组织（IHO）和政府间海洋学委员会（IOC）联合发布，数据格式为.TIF，数据量为445 MB，空间分辨率为30弧秒。
2）风速、浪高、低云、降水量。分别为研究区2015－2019年海平面10 m处日均风速、海浪日均有效波高、低云日均格网占比以及日降水量，数据来源于欧洲中期天气预报中心（ECMWF） 1的再分析.NC格式数据，总数据量为22.36 GB，浪高数据的空间分辨率为0.25°，其他数据为0.125°。
3）热带气旋。2000－2019年南海热带气旋路径数据，为.SHP格式的线状要素数据，来源于美国国家气候数据中心（NCDC） 2，数据量为19.6 MB。
4）海岸线、岛屿。来源于自然地球的基础地理数据库 3，为.SHP格式的线状、面状要素数据，数据量为9.1 MB。
5）航线。来源于2014－2018年的船舶自动识别系统数据（AIS），对该点位数据进行提取，并按核密度值进行分级获得研究区航线数据（Cheng et al., 2019），格式为.SHP，数据量为23.61 KB。
6）港口、基地。由中国海上搜救中心 4、交通运输部南海救助局 5、国外海事局网站 6到南海周边港口、搜救基地分布位置并矢量化，数据格式为.SHP，大小为1.36 MB。
由于数据来源不同，将所有数据转换为WGS-84坐标系，并对栅格数据重采样至0.01°，裁剪至研究区范围。

2 方法

本文通过建立海上搜救困难性评价模型，对南海海上搜救困难性开展评价。该模型包括4步：首先，从搜救自然环境、人文搜救力量2方面选取因子，构建搜救困难性评价指标体系；其次，根据相应方法计算困难性指标值；再次，使用模糊层次分析法确定各级指标权重；最后，通过线性加权法对南海海上搜救困难性进行分级和评价。

2.1　困难性指标体系构建

在分析大量现有相关文献的基础上，通过事故调查报告搜集、专家咨询等方式，对南海航行的自然、人文环境以及搜救力量部署进行综合研究，并遵循指标适宜性、数据可获取性等原则确定困难性指标体系，共选取9个指标（表1）。其中，水深对搜救船舶航行安全有重要影响，水深较浅的海域容易导致搜救船舶搁浅，难以进行搜救作业。本文将安全水深阈值设为20 m（Wang et al., 2014; Huang et al., 2019），水深＞20 m时认为对搜救船航行没有影响。大风会导致船舶漂移，而大浪会造成船身剧烈起伏晃动，增加救助的困难度（Briggs et al.， 2003）。本文定义风速＞11.7 m/s为大风，浪高＞4 m为大浪。当海面能见度较低时，搜救人员更难发现遇险船只，因此，为评估能见度对搜救困难性的影响，加入雾和降水量指标（Jiang et al., 2016; Sathiyamoorthy et al., 2016）。一直以来，台风被认为是最致命的气象灾害之一（Nguyen et al., 2019），对搜救船舶航行、搜救人员水上作业及人身安全构成极大的威胁，台风频次能反映其在南海海域的影响强度。距离影响救助的可达性、及时性和有效性，从而影响搜救的困难性。专业救助力量及民间救助力量一般为岸基部署，因此分别采用距离港口、基地和距离海岸线、岛礁指标指示搜救的困难性；事故海域的过往船舶通常能够提供第一时间的救助，因此加入距离航线评估附近航线船舶的搜救困难性。当遇险事故发生在远海海域且离主要航线较远，搜救力量薄弱且难以及时到达时，会增加搜救的困难性。
表1 海上搜救困难性评价指标计算

Table 1 Calculation of difficulty evaluation index for maritime search and rescue

困难性指标 指标描述 类型 计算方法
水深 对搜救作业造成困难的水深值/m 逆向

D ' = 20             D ≥ 0 ⋃ D < - 20 - D              - 20 ≤ D < 0  

式中：D '为水深指标值； D为水深值。

大风频次 一年中发生大风的天数/d 正向

w i k ' = 1               w i k > 11.7     0               w i k ≤ 11.7    

T w k = ∑ i = 1 n w i k ' , i = 1,2 , … , n

式中： w i k 、 w i k '分别为第 i天栅格单元 k的风速值和对应为大风的二值变量；

T w k为栅格单元 k的大风频次指标值； n为一年的总天数。

大浪频次 一年中发生大浪的天数/d 正向

g i k ' = 1               g i k > 4     0               g i k ≤ 4    

T g k = ∑ i = 1 n g i k ' , i = 1,2 , … , n

式中： g i k 、 g i k '分别为第 i天栅格单元 k的浪高值和对应为大浪的二值变量； T g k为栅格单元 k的大浪频次指标值； n为一年的总天数。

雾 海雾的面积占比/% 正向

F k = ∑ i = 1 n f i k n , i = 1,2 , … , n

式中： F k为栅格单元 k的海雾指标值； f i k为第 i天栅格单元 k中低云面积的百分比； n为一年的总天数。

降水量 日降水量值/mm 正向

P k = ∑ i = 1 n p i k n , i = 1,2 , … n

式中： P k为栅格单元 k的降水量指标值； p i k为第 i天栅格单元 k的日降水量值（mm）； n为一年的总天数。

台风频次 发生台风的次数/次 正向

t i k = 1           当 台 风 i 经 过 栅 格 单 元 k        0           当 台 风 i 不 经 过 栅 格 单 元 k     

T t k = ∑ i = 1 n t i k ,       i = 1,2 , … , n

式中： t i k为判断台风 i是否经过栅格单元 k的二值变量； T t k为栅格单元 k的台风频次指标值； n为台风总个数。

距离海岸线、岛礁 到海岸线、岛礁的距离/m 正向 使用欧氏距离计算栅格单元到海岸线、岛礁或航线或港口、基地的最短距离。
距离航线 到主要航线的距离/m 正向
距离港口、基地 到主要港口、搜救基地的距离/m 正向

2.2　指标计算

对9个指标所关联的数据进行处理，具体方法见表1所示。一些动态环境指标还需要进行多年均值处理，以获得指标的综合特征。
在处理得到各指标的数值栅格图层后，由于每个指标有各自的特征和分布范围，很难直接比较并进行后续计算，因此需要进行无量纲化处理，获得0~10的标准化指标分布范围，正向指标和逆向指标分别由公式（1）和（2）计算获得（Hoque et al., 2018; Li et al., 2019）。
P ' = P - P m i n P m a x - P m i n × 10
P ' = P m a x - P P m a x - P m i n × 10
式中： P '为指标经过标准化的值； P为指标原值； P m i n与 P m a x分别为指标的最小值与最小值。

2.3　权重计算

为避免人为决策过程中存在的不确定性和偏向性，引入模糊层次分析法（FAHP）（Chang, 1996）来确定指标权重，以最大程度降低不确定性带来的影响。
模糊层次分析法在层次分析法（AHP）的基础上引入了模糊集理论，决策者能够通过模糊数表达对指标偏好的不确定性，使决策的思维过程数学化。本文构建三角模糊数（TFNs）判断矩阵比较两两指标间的重要程度，每个TFN由一个三元组 ( l , m , u )组成，其中 l为最小值， m为最可能值， u为最大值，代表2个指标间的相对重要性（Calabrese et al., 2016），判断矩阵的解算由使用最普遍的拓展分析法来计算（Chang, 1996），得到各指标的权重值。判断矩阵 A ˜表示为：
A ˜ = a ˜ i j n × n = 1,1 , 1 l 12 , m 12 , u 12 ⋯ l 1 n , m 1 n , u 1 n ⋮ 1,1 , 1 ⋱ ⋮ l n 1 , m n 1 , u n 1 l n 2 , m n 2 , u n 2 ⋯ 1,1 , 1
式中： n为每个层级中指标个数； a ˜ i j = l i j , m i j , u i j为三角模糊数，表征指标 i相对指标 j的重要程度，矩阵中所有模糊数都为正数，且 a ˜ j i =（1/uij, 1/mij, 1/lij ），为便于分析计算，本文参照的三角模糊数及其语义偏好表见文献（Ho, 2011）。
在实验中，要满足判断矩阵 A ˜具有完全一致性存在一定困难，因此 A ˜可以存在一定的不一致性。当矩阵的一致性比率CR＜0.1时，通过一致性检验，否则应调整 a ˜ i j。
C R = C I R I
C I = λ m a x - n n - 1
式中： C I为矩阵的一致性指标； R I为随机一致性指标； λ m a x为矩阵的最大特征根，当 λ m a x = n时，矩阵具有完全的一致性。

2.4　困难性分级与评价

在得到指标值和权重值后，利用线性加权法计算海上搜救的困难性：
R k = ∑ i = 1 n w i ∙ r i k , i = 1,2 , … , n
式中： R k为栅格单元 k的困难性值； w i为指标 i的权重； r i k为栅格单元 k中指标 i的值； n为指标的个数。
最后，采用相等间隔法将海上搜救困难性值划分为10个等级，其中，10为搜救困难性最高等级。

3 结果与分析

3.1　指标计算结果

图2显示，水深指标中，南海周边国家近岸海域和岛屿岛礁海域水深较浅，给普通搜救船舶的航行带来一定困难。南海东北部易受大风、大浪和台风灾害天气的影响，且南海北部地区海雾覆盖面积大，搜救难度相应增加。在降水量上，南海地区整体较低，其中东南部比西北部偏高。在距离海岸线、岛礁指标中，南海海域具有岛屿众多、分布聚集的特点，且距离海岸线、岛礁越近，搜救难度越低，因此困难性较高的区域主要在南海“东北－西南”连线上呈分散式分布。对于距离航线指标，南海海域的搜救困难性整体较低，但由于西北部地区航线较少，该地区的搜救困难性相对较高。南海周边国家的港口和基地主要以岸基形式分布，距离港口、基地越近，越能得到有效救助，在该指标上南海“东北－西南”的连线区域为高困难性搜救海域。
图2 海上搜救困难性指标空间分布特征（a. 水深；b. 大风频次；c. 大浪频次；d. 雾；e. 降水量；f. 台风频次；g. 距离海岸线、岛礁；h. 距离航线；i. 距离港口、基地）

Fig.2 Spatial distribution characteristics of maritime search and rescue difficulty indices (a. water depth; b. gale frequency; c. big wave frequency; d. fog; e. precipitation; f. typhoon frequency; g. distance to coastline, islands and reefs; h. distance to route; i. distanceto port and base)

3.2　指标权重确定

为确保指标权重的客观性，邀请3位海上搜救专家对指标的相对重要性进行打分，在所有矩阵满足一定一致性（0.037 1~0.075 2）的情况下，计算得到所有指标的权重。搜救自然环境方面，水深权重最高，为0.106 2。适合的水深是船舶航行的必要条件，直接影响搜救船舶的通行能力。大浪频次和大风频次的重要性紧随其后，分别为0.091 5和0.083 5，大风大浪主要影响搜救船的操控性能。而雾、台风频次和降水量对搜救影响较小，其权重分别为0.077 0、0.061 4和0.061 2。雾和降水量影响船舶航行能见度，台风影响虽然较大，但具有季节性规律，不是常年发生。人文搜救力量方面，距离航线权重最高，为0.185 5。海上事故发生时，周边过往船舶能起到及时有效的关键搜救作用。其次是距离港口、基地和距离海岸线、岛礁，分别为0.169 2和0.164 5，分别影响专业救助力量和其他民间救助力量的搜救能力。

3.3　困难性分析

通过线性加权法分别得到自然环境、人文搜救力量影响下的搜救困难性和综合困难性分级。

1）自然环境下搜救困难性分析

在自然环境因素的影响下，研究区中约5.3%的海域位于搜救难度等级≥7级的区域（表2），这些区域主要分布于南海的东北部，其中10级的区域占研究区面积的0.1%。困难性等级在4~6的区域占总面积的30.1%，分布于周边国家沿岸和南海的东北部以及中部万安滩。南海海域中搜救困难性等级为1~3的区域占有面积最大，为64.6%，大部分位于南海的中南部。水深浅、大风大浪频次高、能见度低等是构成高困难性搜救区的重要因素。南海南部海域气象条件较好，自然环境因素较稳定，因而搜救难度较低。
表2 不同困难性等级海域面积占比 (%)

Table 2 Proportion area of different difficulty levels

困难性级别 搜救困难性
自然环境下 人文搜救力量下 综合
1 13.8 1.5 0.1
2 30.4 5.2 4.3
3 20.4 10.3 14.2
4 16 16.7 17.7
5 8.3 19.4 22.3
6 5.8 19.1 20.3
7 3.3 14.2 12.5
8 1.8 8.7 4.6
9 0.1 4.3 3
10 0.1 0.6 1
由图3-a可知，部分海岸线与岛屿周围搜救困难性较高。这些区域呈线状和点状聚集分布，以南海北部沿岸以及中沙群岛海域为中心由高到低向外分布。造成海岸线、岛屿周边海域搜救难度增高的最主要原因是：周围的地形条件多为浅水、礁石，普通应急搜救船通行困难，易发生触礁。
图3 在自然环境（a）和人文搜救力量（b）影响下的南海海域搜救困难性

Fig.3 Difficulty of maritime search and rescue under natural environment(a) and human power(b) in the South China Sea

南海远海海域搜救困难性整体呈“V”字形分布。“V”字拐点延伸至纳土纳群岛北部海域，困难性等级由东北向西南逐渐降低，难度最高的区域主要发生在台湾岛西南部远海地区，特别是“台湾海峡－东沙群岛－巴士海峡”的连线上，最高达到9级。同时，在台湾岛南部周边近海范围内，搜救困难等级由该连线向近岸呈降低趋势。南海东北部大部分海域与高困难性搜救区相邻，搜救难度整体偏高，影响上述空间分布特征的主要因素为气象条件，南海东北部易发生大风、大浪以及海雾，因此该区域的搜救难度较高。而南海南部包括泰国湾、廖内群岛、曾母暗沙在内的地区搜救困难性低，仅万安滩海域存在小范围困难区，主要是由于该海域恶劣天气发生的频率较低，且降水量较少，搜救船舶及人员更易开展救助工作，仅万安滩周边海域在大风、大浪影响下造成区域性搜救困难性升高。

2）人文搜救力量下搜救困难性分析

在人文搜救力量的影响下，研究区中搜救难度≥7级的区域约占总面积的27.8%（见表2），主要分布于北部湾西侧近岸地区、南海东北端台湾岛延伸至西南端纳土纳群岛的远海地区以及南海最南端的勿里洞岛海域，其中困难性最高的搜救区域约占0.6%，大于自然环境因素下最高困难性搜救区所占的面积。海域搜救难度在4~6级之间的面积占比最大，为55.2%，这些区域大部分分布于岛屿、岛礁沿岸和南海与陆地接壤的近海海域。困难性等级＜4的区域占总面积的17.0%，主要分布于海岸线周围。在现有的人文搜救力量条件下，距海岸线、岛屿和港口、搜救基地的距离远近主导着研究区整体搜救能力与困难性的高低，同时距主要航道的距离因素也对搜救困难性存在一定程度的影响。
由图3-b可知，海岸线周围整体为搜救低困难性聚集区。大部分近岸区域搜救难度＜4级，且存在由海岸线向外等级变高的趋势。近岸区域中北部湾海域西侧存在小范围的高困难性聚集区，最高等级达到10，造成该区域搜救难度大的原因在于距离南海主要航道较远，过往民船、商船搜救难以及时救助。而海岸线周围搜救困难性整体偏低的原因主要在于距离海岸线、港口和搜救基地较近，专业救助力量能够及时赶往事故地点进行救援。
南海海域搜救困难性空间分布整体呈连片式特征，具体表现为“东北－西南条带式”。除去北部湾西侧区域，“最高”等级的困难区主要位于研究区东北―西南的连线上，其中以中沙群岛东北侧、南沙群岛北侧以及纳土纳群岛北侧区域为中心呈不规则环状向西北、东南两侧递减，且距离海岸线越近搜救难度越低。不规则环状主要是因为岛屿、岛礁的存在会引起其所在范围内搜救难度相对降低。

3）综合搜救困难性分析

综合搜救的自然环境与人文搜救力量，由表2可知，搜救难度≥7级的海域占总面积的21.1%，主要分布在南海东北部，部分分布在北部湾西侧、万安滩西南侧以及远海岛屿沿岸。搜救难度为10级的区域占总面积的1.0%，主要分布于中沙群岛东北侧海域。研究区中搜救难度在4~6级的海域约占总面积的60.3%，分布范围最广，且主要分布于南海的中部、西北部以及陆地近海海域。搜救难度＜4级的区域占总面积的18.6%，大部分位于南海周边国家沿岸海域。受搜救人文条件的影响，研究区的搜救困难性整体增加，近21.1%区域的综合搜救困难性≥7级，为高难度搜救区，这些地区需要加强对搜救设施的建设，加大对搜救力量的部署，以降低搜救困难性。
由图4可知，部分海岸线、岛屿周围搜救难度呈相对偏高趋势。其中，南海北部湾西侧沿岸和中沙群岛海域搜救难度最高达到9级。其主要影响因素为浅水、礁石，不利于搜救船通行，其次台风和恶劣天气所带来的大风、大浪，提高了远海中距近岸搜救基地较远岛屿海域的搜救难度。中沙群岛海域主要由黄岩岛和多座暗沙组成，水深较浅，航行困难，在夏季盛行西南季风，冬季盛行东北季风，大风大浪发生频次较高，且距最近的搜救基地约311 n mile，搜救船难以有效进入实施救援，造成搜救困难。
图4 南海海域综合搜救困难性

Fig.4 Difficulty of comprehensive maritime search and rescue in the South China Sea

南海远海海域搜救困难性整体呈“东北－西南递减式”空间分布格局。困难性最高和较高的区域由研究区东北延伸至西南的越南南部海域，并向西北、东南两侧递减，然后在北部湾西侧近海海域形成局部的高等级区，在万安滩附近海域形成局部低值区。南海东北部搜救困难性最高达到9级，主要在于该地区易受台风和海雾的影响，且大风、大浪发生频次高，而南海西北部小范围区域的最高值为9级，主要是因为该区域海雾的覆盖以及距搜救基地和主要航道较远导致人文搜救力量薄弱。在东北－西南向高困难性搜救区中形成万安滩海域低值区，其原因是该区距岛屿、航线较近，容易获得周边过往船只的救援。

4 结论与讨论

基于地理信息技术和模糊层次分析法，提出了一种南海海上搜救困难性评价方法，用于评价海上搜救困难性，并对自然环境和人文搜救力量两方面因素影响下的困难性等级进行评价与分析。结果表明，自然环境影响下，海岸线与岛屿沿岸搜救困难性相对偏高，远海海域搜救困难性整体呈“V”字形分布，难度等级由东北向西南逐渐降低。而在人文搜救力量的影响下，南海周围国家的海岸线区域搜救难度较低，南海海域的搜救困难性空间分布格局呈“东北－西南条带式”，最高等级的困难区主要位于研究区东北―西南的连线上，然后呈不规则环状向西北、东南两侧递减。
综合两方面因素，南海部分海岸线、岛屿周围存在搜救难度偏高的趋势，其中北部湾西侧沿岸和中沙群岛海域搜救难度最高，远海海域搜救难度整体呈“东北－西南递减式”空间分布格局，困难性最高和较高的区域由研究区东北延伸至西南，然后向西北、东南两侧递减。经统计，研究区中综合搜救困难性等级≥7级的区域占总面积的21.1%，为高难度搜救区，这些区域需要加强搜救应急措施培训，加大日常巡逻管理，优化搜救力量部署。
在当前海上贸易快速发展、海上事故频发的形势下，本研究有助于了解南海海上搜救困难性的空间分布特征，识别较高困难性的搜救区域，解决了当前海上搜救领域中有关海上搜救困难性评价研究较少的问题，并可为相关搜救机构制定有效的应急搜救方案提供参考。此外，将困难性评价纳入海上搜救管理与战略规划，对提高搜救能力、降低搜救困难性、提高搜救有效性以及保障海上安全起重要作用。在南海岛礁争端的紧张局势下，各国之间的政治争议也可能影响海上搜救的困难性，本研究的指标中尚未考虑南海主权争议这类人文因素。同时，搜救船舶的自身条件也会影响搜救困难性，未来仍需进一步在相关数据、指标、方法等方面优化评价模型。

脚注

1 https://cds.climate.copernicus.eu/cdsapp#!/search?type=dataset

2 https://www.ncei.noaa.gov/

3 https://www.naturalearthdata.com/downloads/

4 https://zizhan.mot.gov.cn/sj2019/soujiuzx/

5 https://www.nh-rescue.cn/

6 https://sarcontacts.info/

左潇懿：设计研究方案，收集、处理、分析数据，论文撰写以及修改等；

程 亮：确定研究方向、指导论文写作、提出修改意见；

楚森森：指导研究过程与论文写作；

吴 洁：参与资料与数据的收集，提出修改意见；

张雪东：协助收集数据，提出修改意见。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Ai Yunfei, Lu Jing and Zhang Lili. 2015. The Optimization Model for the Location of Maritime Emergency Supplies Reserve Bases and the Configuration of Salvage Vessels. Transportation Research Part E-Logistics and Transportation Review, 83: 170-188.

Baksh Al-Amin, Abbassi Rouzbeh, Garaniya Vikram and Khan Faisal. 2018. Marine Transportation Risk Assessment Using Bayesian Network: Application to Arctic Waters. Ocean Engineering, 159: 422-436.

Briggs Michael J, Borgman Leon E and Bratteland Eivind. 2003. Probability Assessment for Deep-Draft Navigation Channel Design. Coastal Engineering, 48(1): 29-50.

Brushett Ben A, Allen Arthur A, King Brian A and Lemckert Charles J. 2017. Application of Leeway Drift Data to Predict the Drift of Panga Skiffs: Case Study of Maritime Search and Rescue in the Tropical Pacific. Applied Ocean Research, 67: 109-124.

Calabrese Armando, Costa Roberta, Levialdi Nathan and Menichini Tamara. 2016. A Fuzzy Analytic Hierarchy Process Method to Support Materiality Assessment in Sustainability Reporting. Journal of Cleaner Production, 121: 248-264.

Chang Dayong. 1996. Applications of the Extent Analysis Method on Fuzzy AHP. European Journal of Operational Research, 95(3): 649-655.

Cheng Liang, Yan Zhaojin, Xiao Yijia, Chen Yanming, Zhang Fangli and Li Manchun. 2019. Using Big Data to Track Marine Oil Transportation along the 21st-Century Maritime Silk Road. Science China Technological Sciences, 62(4): 677-686.

Ho Chao Chung. 2011. Optimal Evaluation of Infectious Medical Waste Disposal Companies Using the Fuzzy Analytic Hierarchy Process. Waste Management, 31(7): 1553-1559.

Hoque Muhammad Al-Amin, Phinn Stuart, Roelfsema Chris and Childs Iraphne. 2018. Assessing Tropical Cyclone Risks Using Geospatial Techniques. Applied Geography, 98: 22-33.

Huang Juan-Chen, Nieh Chung-Yuan and Kuo Hsin-Chuan. 2019. Risk Assessment of Ships Maneuvering in an Approaching Channel Based on AIS Data. Ocean Engineering, 173: 399-414.

Jiang Dan, Hao Guozhu, Huang Liwen and Zhang Dan. 2016. Use of Cusp Catastrophe for Risk Analysis of Navigational Environment: A Case Study of Three Gorges Reservoir Area. PLoS One, 11(7): e0158482.

姜景春. 2016. 基于北斗和ZigBee的海上搜救系统研究. 科技视界，（11）：133-134.

Jiang Jingchun. 2016. Maritime Search and Rescue System Research Based on Beidou and ZigBee. Science & Technology Vision, (11): 133-134.

Jiang Meizhi, Lu Jing, Yang Zaili and Li Jing. 2020. Risk Analysis of Maritime Accidents Along the Main Route of the Maritime Silk Road: A Bayesian Network Approach. Maritime Policy & Management, 47(6): 815-832.

Knapp Sabine and Heij Christiaan. 2017. Evaluation of Total Risk Exposure and Insurance Premiums in the Maritime Industry. Transportation Research Part D-Transport Environment, 54: 321-334.

Li Sipan, Gong Qunxi and Yang Shaolei. 2019. A Sustainable, Regional Agricultural Development Measurement System Based on Dissipative Structure Theory and the Entropy Weight Method: A Case Study in Chengdu, China. Sustainability, 11(19): 5313.

李想，肖桂荣，蔡圣准. 2019. 结合网络文本的模糊层次分析法评价水环境敏感性. 地球信息科学学报，21（12）：1832-1844.

Li Xiang, Xiao Guirong and Cai Shengzhun. 2019. Evaluation of Water Environmental Sensitivity Based on Fuzzy Analytic Hierarchy Process Combined with Web Text. Journal of Geo-Information Science, 21(12): 1832-1844.

刘海燕，庞小平. 2015. 利用GIS和模糊层次分析法的南极考察站选址研究. 武汉大学学报（信息科学版），40（2）：249-252，257.

Liu Haiyan and Pang Xiaoping. 2015. Selection of Antarctic Research Stations Based on GIS and Fuzzy AHP. Geomatics and Information Science of Wuhan University, 40(2): 249-252, 257.

刘同木，刘在科，余建星，刘愉强，周保成，林冠英，曹永港. 2018. 船舶漂移运动轨迹模型及其实船试验验证. 船舶力学，22（11）：1315-1322.

Liu Tongmu, Liu Zaike, Yu Jianxing, Liu Yuqiang, Zhou Baocheng, Lin Guanying and Cao Yonggang. 2018. Drift Trajectory Model of the Ship and Its Full Scale Experiment Validation. Journal of Ship Mechanics, 22(11): 1315-1322.

吕靖，王爽. 2014. 我国海上运输关键节点安全评价研究. 交通运输系统工程与信息，15（1）：30-36.

Lyu Jing and Wang Shuang. 2014. Safety Evaluation of China's Maritime Transport Key Nodes. Journal of Transportation Systems Engineering and Information Technology, 15(1): 30-36.

Nguyen Kim-Anh, Liou Yuei-An and Terry James P. 2019. Vulnerability of Vietnam to Typhoons: A Spatial Assessment Based on Hazards, Exposure and Adaptive Capacity. Science of the Total Environment, 682: 31-46.

Pelot Ronald, Akbari Amin and Li Li. 2015. Vessel Location Modeling for Maritime Search and Rescue. In: Eiselt Horst A and Marianov Vladimir. Switzerland: Applications of Location Analysis. Springer, 369-402.

瞿美仙，吴浩，昝军，刘毅. 2019. 基于模糊层次分析法的湖北某尾矿库风险评价. 中国矿业，28（S2）：148-153.

Qu Meixian, Wu Hao, Zan Jun and Liu Yi. 2019. Risk Assessment of a Tailings Reservoir in Hubei Based on Fuzzy Analytic Hierarchy Process. China Mining Magazine, 28(S2): 148-153.

Rosenberg David. 2009. The Political Economy of Piracy in the South China Sea. Naval War College Review, 62(3): 43-58.

Sathiyamoorthy V, Arya R and Kishtawal C M. 2016. Radiative Characteristics of Fog over the Indo-Gangetic Plains During Northern Winter. Climate Dynamics, 47(5/6): 1793-1806.

Siljander Mika, Venäläinen Emilia, Goerlandt Floris and Pellikka Petri. 2015. Gis-Based Cost Distance Modelling to Support Strategic Maritime Search and Rescue Planning: A Feasibility Study. Applied Geography, 57: 54-70.

谭人华，王艳慧，关鸿亮. 2019. 基于GIS与模糊层次分析法的景观视觉资源综合评价. 地球信息科学学报，21（5）：663-674.

Tan Renhua, Wang Yanhui and Guan Hongliang. 2019. Comprehensive Evaluation of Landscape Visual Resources Based on GIS and FAHP. Journal of Geo-Information Science, 21(5): 663-674.

Tsou Ming-Cheng. 2010. Integration of a Geographic Information System and Evolutionary Computation for Automatic Routing in Coastal Navigation. The Journal of Navigation, 63(2): 323-341.

Wang Jiasheng, Li Manchun, Liu Yongxue, Zhang Hexia, Zou Wei and Cheng Liang. 2014. Safety Assessment of Shipping Routes in the South China Sea Based on the Fuzzy Analytic Hierarchy Process. Safety Science, 62: 46-57.

杨张瑜，田淑芳，魏萌，董航，高永志，丁宇雪. 2019. 基于模糊层次分析法的尾矿库环境风险评价研究. 测绘与空间地理信息，42（9）：16-21.

Yang Zhangyu, Tian Shufang, Wei Meng, Dong Hang, Gao Yongzhi and Ding Yuxue. 2019. Research on Environmental Risk Assessment of Tailings Reservoir Based on Fuzzy Analytic Hierarchy Process. Geomatics & Spatial Information Technology, 42(9): 16-21.

衣麟卓. 2020. 海上搜救最优路线规划模型设计与仿真. 舰船科学技术，42（8A）：34-36.

Yi Linzhuo. 2020. Design and Simulation of Optimal Route Planning Model for Maritime Search and Rescue. Ship Science and Technology, 42(8A): 34-36.

Zhou Xiao, Cheng Liang and Li Manchun. 2020. Assessing and Mapping Maritime Transportation Risk Based on Spatial Fuzzy Multi-Criteria Decision Making: A Case Study in the South China Sea. Ocean Engineering, 208: 107403.

Zhou Xiao, Cheng Liang, Zhang Fangli, Yan Zhaojin, Ruan Xiaoguang, Min Kaifu and Li Manchun. 2019. Integrating Island Spatial Information and Integer Optimization for Locating Maritime Search and Rescue Bases: A Case Study in the South China Sea. ISPRS International Journal of Geo-Information, 8(2): 88.

朱武斌，周立，张一，李进军，祁晶. 2019. 基于无人机海上协同搜救关键技术研究. 现代信息科技，3（13）：1-3.

Zhu Wubin, Zhou Li, Zhang Yi, Li Jinjun and Qi Jing. 2019. Research on Key Technologies of Marine Collaborative Search and Rescue Based on UAV. Modern Information Technology, 3(13): 1-3.

Options
文章导航

/

〈 〉