基于GIS的洪水灾害风险评估

基于GIS的洪水灾害风险评估

作者：肖可

来源：《农业灾害研究》2018年第04期

        摘要 基于遥感数据、格网化的地理背景数据以及空间化的社会经济数据，利用地理信息系统构建洪水灾害风险评估模型，得出以下结论：衢州市洪水灾害致灾因子危险性等级呈现出自东向西环状递减的分布格局；孕灾环境稳定性等级总体呈现出由中西部平原向周围山区递减的趋势。承灾体脆弱性等级总体都处在低水平，空间分布上东部地区高于西部地区。在上述因素的综合作用下，衢州市发生洪水灾害的风险较高，风险等级由东南向西北递增。

        关键词 洪水灾害；风险评估；空间分析

        中图分类号：P208 文献标识码：A 文章编号：2095-3305（2018）04-004-04

        DOI： 10.19383/j.cnki.nyzhyj.2018.04.002

        Abstract Based on the remote sensing data， geographical background data grid handling and space of social and economic data， the flood disaster risk assessment model were built by utilizing geographic information system. The conclusions were as follows： The distribution of hazard indicator of Quzhou present from east to west annular decline. The trend of sensitivity indicator decreased from the midwest plain to the surrounding mountains. The vulnerability indicator was low in total， and in spatial， the eastern region was higher than the western region. Under the combined action of the above factors， Quzhou had a high risk of flood disaster， and the risk level increased from southeast to northwest.

        KKey words Flood disaster； Risk as sessment； GIS

        洪水是水流从河道或其他水体的正常范围溢漫出来，或者水流在正常情况下向不受淹地区累积的现象[1]。在联合国公布并重点关注的15种主要自然灾害中，洪水灾害是影响范围最广，发生次数最多，损失最为严重的几种灾害之一。洪水灾害造成的损失占到全球自然灾害损失的1/5[2]。灾害风险通常被定义为“由于自然或人为灾害与脆弱性条件之间的相互作用产生的例如伤亡、财产损失、经济活动中断和环境破坏等不良后果或预期损失的概率”。从风险结果的角度来说，风险是损失的概率分布或者期望值。而从风险产生的条件来看，风险是致灾因子、承灾体暴露和脆弱性三者共同作用的结果，也可定义为三者的乘积[3]。此外，孕灾环境也会影响到灾害的演进和损失及影响的形成，也应成为灾害系统的一部分[3]。

        近年来，在全球气候变暖为主要特征的气候变化背景下，极端天气气候事件增加，暴雨洪涝灾害发生频率和强度呈现明显上升的态势，随着这种威胁的持续不断加剧，减轻暴雨洪涝灾害造成的影响和损失已成为学者们致力研究的焦点问题之一[4-7]。目前的风险评估大多在省域或流域尺度上进行，且各种评价方法在评估模型、指标和方法上并未达成共识。文中根据史培军[3]提出的灾害系统理论，参考蒋卫国[8]提出的洪水灾害风险评估指标体系。对浙江省衢州市（以下称衢州市）洪水灾害风险进行评估和区划，以期为衢州市因地制宜进行洪水灾害的防灾减灾工作提供科学依据。

        1 研究区概况

        衢州市位于浙江省西部，金衢盆地西端，地处118°01′E～119°20′E，28°14′N～29°30′N之间，总面积8 844.6 km2。衢州市地处浙、赣、闽、皖四省交界处，下辖柯城区、衢江区、江山市、龙游县、常山县和开化县（图1）。研究区内地形以平原、丘陵为主，南北两侧为山区，中部地区为平原。该区属于亚热带季风气候，年降水量在1 500～2 300 mm之间，南北山区降水多于中部平原，西部降水多于东部。衢州市处于钱塘江上游，河网水系发达，主要干流有3条，分别是衢江、常山港和马金溪，主要一级支流有12条。

        因衢州市地处江淮梅雨带，梅雨季节暴雨频发，极易发生洪水灾害。近10年衢州市发生过2次较严重的洪水灾害。2011年6月中旬，暴雨引发的洪水灾害造成65万人受灾，直接经济损失7.8亿元，农作物受灾面积3.08万hm2。2017年6月20—24日，持续暴雨诱发洪水灾害，平均降雨量达151 mm，最大站点开化县桐村镇花山村达246 mm，境内各县均受灾严重。

        2 数据来源与研究方法

        2.1 数据来源

        根据洪水灾害风险评估原理、指标选取原则、评价方法， 参考蒋卫国等[8]建立的洪水灾害风险指标体系，文中建立了衢州市洪水灾害风险评估指标体系（图2）：洪水灾害的致灾因子主要是降雨，选择累年年最大日降水量、暴雨次数等2个指标；孕灾环境主要选择植被覆盖、河网密度、高程标准差3个指标；承灾体的脆弱性性指标选用单位面积人均GDP产值、单位面积总人口数2个指标。

        累年年最大日降水量、累年年最大降水量≥50 mm日数数据来源于中国气象局气象数据中心；基于DEM提取的河流空间分布、NDVI指数来源于中国科学院资源环境科学数据中心；浙江省DEM数据来源于地理空间数据云；人口空间分布公里网格数据、GDP空间分布公里网格数据来源于中国科学院资源环境科学数据中心。

        2.2 研究方法

        2.2.1 灾害风险评估模型 采用史培军提出的灾害风险评估模型分析洪水灾害风险，评估公式如下：

        式（1）中，R为洪水灾害风险，H为洪水灾害致灾因子危险性，S为洪水灾害孕灾环境敏感性，V为承灾体脆弱性。在该模型中，右边所有因子均具有空间特征，GIS 的空间分析、地图代数运算能力将很好地实现诸多因子的综合和空间表达。

        2.2.2 层次分析法 层次分析法（AHP）是美国运筹学家Saaty 教授于 20世纪 70年代初期提出的一种原理简单、有严格的数学依据、灵活而又实用的多准则决策方法。它是定性和定量相结合的、系统化、层次化的多目标决策方法，并能将数据、专家意见和分析者的客观判断直接而有效地结合起来，就每一层次的相对重要性给予定量表示，然后利用数学方法确定表达每一层次全部元素的相对重要性次序的权值，通过排序结果分析，求解所提出的问题。它把一个复杂问题分解成组成因素，并按支配关系形成层次结构，然后应用两两比较的方法确定决策方案的相对重要性。大体上可按下面4个步骤进行：①建立递阶层次结构模型，②构造出各层次中的所有判断矩阵，③层次单排序及一致性检验，④层次总排序及一致性检验。

        采用层次分析法得到的指标权重分别为：降水强度（0.360）、暴雨次数（0.180）、植被覆盖（0.049）、河网密度（0.016）、高程标准差（0.088）、单位面积总人口数（0.109）、单位面积GDP产值（0.065）。

        2.3.3 标准化处理 由于数据单位不统一，需要对数据进行标准化处理，至于范围在0.1～0.9之间，具体方法如下式：

        （2）式、（3）式中，α 为标准化数据，I 是原始系列数据，Imax 和Imin分别为其最大值和最小值，式（2）适用于数值越大，越易形成高风险的数据项，式（3）适用于数值越大，越难形成高风险的数据项。

        3 结果与分析

        3.1 洪水灾害致灾因子危险性

        衢州市洪水灾害的诱发因素是暴雨，收集衢州市境内的气象站点以及周边江西省、安徽省、浙江省其他市共21个气象站点数据，用1981—2010累年最大日降水量作为降雨强度指标，用1981—2010累年最大降水量≥50 mm日数作为暴雨次数指标。在Arcmap中对降水量数据采用样条插值法（Spline）进行处理，对暴雨次数数据采用克里金插值法（Kriging）进行处理。按照权重叠加图层，将致灾危险性指数划分为高、较高、中、较低、低5个等级，得到衢州市洪水灾害致灾因子危险性空间分布图（图3）。

        在降水的驱动下，衢州市致灾因子危险性等级呈现出自东向西环状递减的分布格局（表1）。高危险性地区的面积占比小（8.55%），集中分布在开化县西部。低危险性（33.99%）和较低危险性地区（32.94%）的面积占比大，主要分布在龙游县、衢州市市辖区、衢江区、常山县东南部以及江山市北部。

        3.2 洪水灾害孕灾环境稳定性

        根据前文分析的衢州市洪水灾害孕灾环境稳定性构成要素，采用高程标准差、河网密度、植被覆盖度3个指标反应孕灾环境稳定性。孕灾环境稳定性等级与河网密度成正相关，与植被覆盖度和高程标准差呈负相关。将浙江省DEM数据、水系数据以及NDVI指数导入Arcmap，使用焦点流（Focal Statistics）工具生成高程标准差，使用线密度（Line Density）工具计算河网密度。将3个图层按照相应权重叠加，得到浙江省洪水灾害孕灾环境稳定性空间分布图，从中截取衢州市区域（图4）。

        受河网密度、高程标准差和植被覆盖度的影响，衢州市洪水灾害孕灾环境稳定性等级总体呈现出由中西部平原向周围山区递减的趋势。对孕灾环境稳定性等级面积进行统计（表2）发现，等级为低和较低的区域面积最大，两者的比重相加超过50%，主要分布在南北两侧的山区。这些地区海拔相较于中部平原较高，地势变化大，植被覆盖度高，因此不利于洪水的形成。稳定性等级为高的地区面积占比最小（5.04%），主要集中在龙游县、衢州市市辖区和衢江区东部，该区域地处金衢盆地腹地，地势低平，河网密布，植被覆盖度较小，因此容易发生洪水灾害。

        3.3 洪水灾害承灾体脆弱性

        承灾体脆弱性一般采用社会经济数据表示。使用浙江省单位面积人口总数和单位面积GDP作为本次评估的指标。在Arcmap中按照相应权重叠加运算，得到分辨率为1 km浙江省洪水灾害承载体脆弱性空间分布图，从中截取出衢州市范围（图5）。

        从图5可以看出，衢州市承灾体脆弱性等级总体都处在低水平，空间分布上东部地区高于西部地区，衢州市市辖区的脆弱性等级最高。脆弱性等级较高的区域集中分布在人口集中，GDP较高的城镇地区。对不同等级区域面积的统计结果（表3）显示，承灾体脆弱性等级为低的区域面积最大，占比85.08%，承灾体脆弱性等级为高的区域面积最小，仅占1.18%。反映出与浙江省其他地区相比，衢州市经济水平较低，人口数量较少。

        3.4 洪水灾害风险

        在洪水灾害致灾因子危险性、孕灾环境稳定性和承灾体脆弱性等级划分的基础上，对衢州市洪涝灾害风险进行计算，得到基于栅格单元和行政区划单元的衢州市洪涝灾害综合风险评价图（图6、图7）。

        结合图6和表4可知，衢州市发生洪水灾害的风险较高，风险等级由东南向西北递增。风险等级为中等以上的面积为3 380.4 km2，占总面积的38.23%。其中高风险区域面积1 575.68 km2， 占总面积的17.82%，集中分布在开化县中西部地区，这一地区降水量较大，容易在暴雨的诱发下形成洪水灾害，此外，江山市最南端的山区、金衢盆地内的衢江沿岸也有小面积分布。较高风险区域面积1 804.72 km2，占总面积的20.40%，主要分布在金衢盆地西部、开化县东部和南部地区、常山县城区，金衢盆地内部地形平坦、河网密集，同时也是衢州市经济较为发达、人口最为密集的地区，有较高的承灾体脆弱性等级和孕灾环境稳定性等级。中等以下的地区面积为2 765.66%，占总面积的31.27%，沿着仙霞岭山脉分布于金衢盆地西南侧，该区域海拔较高，高程标准差大，植被覆盖情况较好，因此不利于洪水的暴发。

        从洪水灾害风险等级的行政区划（图7）上看，衢州市洪水灾害风险等级总体上呈现出西部高于东部，北部高于南部的分布特征。高风险的行政单元有开化县，较高风险的行政行政单元有衢州市市辖区，中等风险等级的行政单元为常山县，较低风险等级的行政单元包括衢江区和龙游县，低风险等级的行政单元为江山市。

        4 结论与讨论

        该次研究基于遥感数据、格网化的地理背景数据以及空间化的社会经济数据，利用地理信息系统[10]，从致灾因子危险性、孕灾环境稳定性和承灾体脆弱性3方面出发，构建洪水灾害综合风险评估模型，对衢州市洪水灾害进行评估，得出以下结论：衢州市致灾因子危险性等级呈现出自东向西环状递减的分布格局。高危险性地区集中分布在开化县西部。低危险性和较低危险性地区的主要分布在龙游县、衢州市市辖区、衢江区、常山县东南部以及江山市北部；孕灾环境稳定性等级总体呈现出由中西部平原向周围山区递减的趋势，等级为中等以下区域面积最大，主要分布在南北两侧的山区，等级为高的地区面积占比最小，主要集中在龙游县、衢州市市辖区和衢江区东部。承灾体脆弱性等级总体都处在低水平，空间分布上东部地区高于西部地区，等级较高的区域集中分布在人口集中，GDP较高的城镇地区。在上述因素的综合作用下，衢州市发生洪水灾害的风险较高，风险等级由东南向西北递增。

        将图6与曹罗丹等[10]对浙江省尺度上的洪水灾害风险分布格局研究比较，结果显示，衢州市东部地区洪水灾害风险等级分布与浙江省的评估结果较为一致，但西部地区的评估结果有一定的差别。文中的评估显示，衢州市洪水灾害风险等级最高的地区分布在开化县，曹罗丹等[8]对浙江省洪水灾害风险的评估结果中，衢州市洪水灾害风险等级最高的地区为衢州市辖区。产生区别的原因主要受致灾因子危险性分布的影响，在选取降水数据时，考虑到衢州市地处浙、皖、赣、闽、四省交界处的特殊地理位置，文中还加入了离衢州市较近，位于江西省、安徽省境内气象站点的数据，而曹罗丹等[8]的研究采用的是浙江省境内的气象站点数据。

        需要指出的是，洪水灾害的形成是多种因素共同作用的结果，本文在指标选取上并未考虑径流量、洪峰流量等过程数据以及表示承灾体脆弱性的耕地面积和居民点数据。另外，GDP数据和人口数据年份为2010年，与当前状况可能存在差异。同时，为提高评价结果的精确度，可以进一步细化评价单元，提高匹配程度。

        参考文献

        [1] IPCC. Managing the Risks of Extreme vents and Disasters to Advance Climate Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change [R]. Cambridge， UK and New York， USA：Cambridge University Press， 2012.

        [2] Munich Reinsurance Company. Topics Geo， Natural Catastrophes 2009：Analysis，Assess？鄄ment， Positions [R]. Munich， Germany， 2010.

        [3] 史培军. 再论灾害研究的理论与实践[J]. 自然灾害学报，1996（4）：8-19.

        [4] 方建，李梦婕，王静爱，等. 全球暴雨洪水灾害风险评估与制图[J]. 自然灾害学报，2015（1）：1-8.

        [5] 殷洁，裴志远，陈曦炜，等. 基于GIS的武陵山区洪水灾害风险评估[J]. 农业工程学报，2013（24）：110-117.

        [6] 许有鹏，李立国，蔡国民，等. GIS支持下中小流域洪水风险图系统研究[J]. 地理科学， 2004（4）：452-457.

        [7] 杜鹃，何飞，史培军. 湘江流域洪水灾害综合风险评价[J]. 自然灾害学报，2006（6）：38-44.

        [8] 蒋卫国，李京，陈云浩，等. 区域洪水灾害风险评估体系（Ⅰ）——原理与方法[J]. 自然灾害学报，2008（6）：53-59.

        [9] 蒋卫国，李京，武建军，等. 区域洪水灾害风险评估体系（Ⅱ）——模型与应用[J]. 自然灾害学报，2008（6）：105-109.

        [10] 曹罗丹，李加林. 基于遥感与GIS的浙江省洪涝灾害综合风险评估研究[J]. 自然灾害学报，2015（4）：111-119.

        责任编辑：刘赟

本文来源：https://www.2haoxitong.net/k/doc/d5ff2f6c5e0e7cd184254b35eefdc8d377ee1438.html