区域内涝灾害风险评估论文

摘要：为完善南昌市城市灾害风险评估，构建了南昌市洪涝风险系数图。通过AHP-熵权法获取南昌市各乡村的洪涝因子权重指标，并绘制了南昌市洪涝灾害风险评估分布图;利用高分卫星影像图提取洪涝点，检验研究方法的准确度和实用性。下面是小编精心推荐的《区域内涝灾害风险评估论文 (精选3篇)》，欢迎阅读，希望大家能够喜欢。

区域内涝灾害风险评估论文 篇1：

基于GIS的沧州市暴雨气象灾害风险评估

摘要基于自然灾害风险评估理论，建立以致灾因素危险性、孕灾环境敏感性、灾害承受体脆弱性和防灾抗灾能力为主的评估体系，选取河北省2010—2018年的暴雨频次、暴雨强度、自然环境和社会经济等指标，利用GIS分析技术和加权综合评价方法，对沧州市暴雨气象灾害风险进行了评估。结果表明，大面积的暴雨灾害高风险区主要分布在东部的海兴、黄骅和盐山地区，该地区暴雨发生危险性和环境敏感性较大;中南部地势低且平坦，环境敏感性和承载体易损性相对低，导致暴雨灾害发生的风险较低;沧州市区的承载体易损性特别高，市区西部的防灾减灾能力也较差，导致沧州市区西部的暴雨灾害发生风险高于东部。

关键词暴雨气象灾害;GIS分析技术;风险区划;加权综合评价方法;河北省沧州市

Key wordsRainstorm meteorological disasters;GIS analysis technology;Risk zoning;Weighted comprehensive evaluation method;Cangzhou City，Hebei Province

在全球气候变化背景下，近年来极端气候事件特别是暴雨的发生频率、强度、持续时间等都发生了明显变化，给人民生命财产和社会经济造成了重大损失，严重阻碍了社会经济的发展[1]。

灾害风险评价是近年来灾害学研究的热点，IPCC第五次评估报告将风险管理纳入气候变化适应对策中[2-3]。根据自然灾害风险的形成机理，结合影响灾害风险的因素，建立灾害风险评估体系，可为当地针对灾害现象的建设提供正确的指导方向，为风险管理提供依据。Varazanashvili等[4]通过建立致灾因素与承灾体之間的关系模型，对格鲁吉亚山洪灾害进行了风险评估。Pandey等[5]利用卫星遥感图像评估了印度哈尔邦的洪水灾害风险，生成了一份印度比哈尔邦的暴雨洪涝灾害风险图。缪启龙等[6-7]全面考虑了灾害成因、灾害环境、灾害载体和防灾能力，建立了杭州市台风暴雨洪涝灾害风险评估模型。张会等[8]综合考虑了东北地区发生洪灾灾害风险的4个主要因子，绘制了辽河中下游地区的洪涝灾害风险区划图。万君等[9-10]从发生洪涝灾害的危险性以及对社会经济损害性2个方面，分析了湖北省的地形、人口、暴雨频次等因素，对湖北省洪涝灾害进行了风险评估。李楠等[11]利用山东省地理数据以及年统计资料，建模计算了影响山东省暴雨洪涝灾害风险的主要综合评价指标。

河北省沧州市位于冀中平原东部，地势较低，且地形比较平坦，容易发生暴雨积涝灾害。因此，笔者综合考虑致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力因子，选取影响沧州市暴雨的主要因素，建立暴雨灾害评估指标，绘制沧州市暴雨灾害区划图，并针对沧州市地理分布，提出暴雨气象灾害防御建议。

1资料与方法

1.1资料来源

气象资料来源于河北省沧州市2010—2018年192个区域自动站和14个国家自动站的逐日降水量。自然地理数据来自中国科学院地理科学与资源研究所，包括沧州市1∶50 000县行政边界(图1)、土地利用数据、河网密度、河流水系数据、数字高程模型(DEM)数据等。社会统计数据来自于沧州市统计部门，包括沧州市6个县的人口密度、国民生产总值(GDP)、地均GDP、耕地比重等。

1.2研究方法

根据自然灾害风险形成机理[12-14]，沧州市暴雨灾害风险区划综合考虑致灾因子危险性(VE)、孕灾环境敏感性(VS)、承灾体易损性(VH)和防灾减灾能力(VR)，建立沧州市暴雨灾害风险指标体系(图2)，并采用加权综合评价法[15]来评估暴雨气象灾害风险，即：

式(1)中，V越大则表明该地区发生灾害的可能性越大，其中WX表示权重，采用层次熵权分析法[13，16]确定。由于各指标量纲不同，故对各指标值进行归一化处理，即：

式(2)中，Dij为因子j的第i个指标的归一化值，Aij为因子j的第i个指标值，Aimin和Aimax分别是第i个指标值当中的最小值和最大值。

2暴雨灾害风险评估

2.1致灾因子危险性

降水异常偏多是引发暴雨灾害的主要原因之一，灾害强度与降水强度和降水持续时间密切相关，因此采取暴雨频次和暴雨过程强度指数作为灾害强度指标来分析致灾因子。将日降雨量≥50 mm 1 d以上且若有1 d无降水发生则过程中断的降水过程定义为暴雨过程[13]。笔者利用沧州市气象站逐日降水资料，分别将全市不同站点的降水资料进行筛选，对1～6 d的暴雨过程降水进行统计，计算不同持续时间下暴雨过程的总降水量，同时根据暴雨过程持续时间建立6个时间序列，利用百分位法，把暴雨强度分为5个不同等级，判断6个时间序列下的暴雨总降水量是否达到标准，最后统计各站不同暴雨等级的发生频次[13，15]，将不同测站暴雨致灾因子危险性指数运用加权相加后绘制致灾因子危险性分布图(图3)。

由图3致灾因子危险性分布可知，孟村、盐山、海兴地区属于致灾因子危险性高风险区，南皮东部地区和临港及港城区属于次高风险区，发生暴雨气象灾害时，雨势较猛、强度偏大，并易造成居民房屋倒塌现象，从而形成内涝灾害;东光、南排河、泊头东部地区、南皮西部地区、沧州和沧县东部地区、黄骅北部地区属于中等风险区;吴桥、献县、青县、沧州市区、河间南部地区、肃宁东部地区、泊头西部地区属于次低风险区，任丘和肃宁西部地区属于低风险区，暴雨气象灾害发生频次较少，同时暴雨气象灾害强度较低。

2.2承灾体易损性

承灾体易损性是指受灾期间发生暴雨气象灾害的环境破坏程度。损害程度一般取决于该地区的人口密度、经济和土地利用类型[16]。耕地面积分布反映了一个地区的农业发展水平[13]，当灾害影响到大量的耕地面积时，由农业产生的连锁反应会辐射到城市发展的方方面面，严重制约城市化发展。笔者主要考虑人口密度、GDP密度和耕地占比3个指标，计算公式如下：

式(3)中，VS、VSP分别代表总易损性、人口易损性，VSG和VSC分别代表经济易损性和耕地面积易损性。

由图4沧州市承灾体易损性区划可以看出，承灾体易损性对沧州市不同区域暴雨气象灾害影响程度相差不大，除任丘市中部地区及沧州市区外，其他地区人口密度、GDP的发展和耕地占比情况相近，多属于低风险区，若发生暴雨气象灾害，单位面积上的经济损失与受灾人口较少;任丘市外围属于次低风险区，中部地区属于次高风险区，风险高于全市大部分地区，由于任丘市人口密度与GDP发展属沧州市前列，故暴雨灾害发生时所造成的人员伤亡以及社会财产的损失比其他大部分地区严重;沧州市区中的运河区与新华区属于高风险区，是全市范围内风险最高的地区，由于市区中城市人口偏多，分布较为密集，城市化水平较高，社会经济发展状况好，所以一旦暴雨灾害发生，就会给当地的社会经济建设以及人民的生命财产造成极大的威胁。

2.3孕灾环境敏感性

孕灾环境敏感性是指暴雨灾害承灾体外部环境对损害的敏感性。地形和水体结构是敏感性的主要影响因素[17]。地形主要考虑高程和地形变化(以高程标准差表示)，并采用不同的值组合[18](表1)。考虑到水系对气象灾害地区造成的影响，将河流缓冲区分为2级(6、10 km)，分别赋值0.9、0.8;非缓冲区取0.5。经归一化后，孕灾环境敏感性(VH)计算公式如下：

式(4)中，VHDEM和VHRI分别代表因地形原因造成的影响和因水系结构与分布造成的影响，WD和WRI分別为两者权重。根据熵权法和层次分析法[19-20]，WD和WRI分别赋值0.6，0.4，水系数据考虑河网密度和河流水系。采用加权综合评价法[15]，得出沧州市孕灾环境敏感区划结果如图5所示。

由图5可以看出，沧州市孕灾环境危险性总体表现出由西南地区逐步向东北地区上升趋势。高风险区主要分布在黄骅、海兴地区的东北部，次高风险区分布在青县和黄骅、海兴地区的西南部以及任丘、沧县、盐山地区的东北部，其中黄骅市地区高风险区面积最大，危险程度最高，吴桥地区低风险区面积最大，危险程度最小。其主要原因可能是沧州市位于冀中平原东部，整体地势较为平坦，地形类型较少，且以平原为主，变化起伏较小，自西南向东北倾斜，高风险区在暴雨过后，雨水易存于地表，无法借助地形排泄至别处，当雨量累计到一定程度时，暴雨就会引发城市内涝等一系列灾害。所以建议在这些风险较高区域，加强城市排水作业，使得城市引流系统更加科学高效，保障其在暴雨天气下的正常运转。

2.4防灾减灾能力

防災减灾能力体现了一个地区在受灾后的承载能力大小与灾后重建能力的强弱，是除去自然灾害形成因子之外的重要因素，对气象灾害风险评估有着很大作用。防灾减灾能力包括工程措施和非工程措施，与当地的GDP经济发展水平密切相关，所以笔者主要采用人均GDP和防旱涝水利耕地面积2个指标来反映这一地区的防灾减灾能力，具体区划结果见图6。

由图6可以看出，防灾减灾能力因子危险性对沧州市地区的影响程度较为严重，这与沧州市的经济发展不均衡现象密不可分。其中，河间、献县、泊头、南皮、吴桥、盐山、海兴属于高风险区，防灾减灾能力较差，这些地区人均GDP就全市范围来说发展水平较低，暴雨灾害发生后的承受能力还有很大的提升空间;沧县、肃宁、青县、东光、孟村以及黄骅西南部和东北部地区属于次高风险区，这些地区人均GDP与旱涝保收能力就全市来说处在中下等发展水平，防灾能力比高风险区有一定提升;任丘市外围、黄骅市中部地区和沧州市区属于中等风险区，这些地区的经济发展水平就沧州市而言处于领先水平，但人口密度较大，需要进一步提高群众防灾能力;任丘市中部属于次低风险区，这是因为任丘市经济发展处于全市前列，GDP高达641.1亿元，同时任丘市中部城市体系较完备，居民防灾意识处于全市领先水平。综上，建议沧州市大力推动高风险地区的经济建设，增强居民在面对灾害发生时的应变处理能力，同时在公共场地多建立避难设备，提高防灾抗灾能力。

2.5暴雨灾害风险区划

综合上述4因子区划结果后，将4因子数据进行回归加权得出暴雨气象灾害风险指数，利用百分位法将灾害风险指数划分为5个等级(高风险区、次高风险区、中等风险区、次低风险区、低风险区)，以GIS空间分析技术为支持，绘制暴雨气象灾害风险区划图(图7)。

2.5.1高风险区。主要分布在海兴与黄骅交界地区、盐山西部地区、黄骅西部地区、肃宁东部地区、献县东部地区和任丘东部地区，其中海兴和黄骅交界地区高风险区域面积最大，虽然该区域承灾体易损性风险较低，但是该区域地势低且平缓，暴雨频次高灾害强度大，抗灾能力较差，使得致灾因子危险性和防灾减灾能力皆属于高风险区和次高风险区。黄骅西部地区地势低且平坦，不利于暴雨气象灾害后的引流排泄，而肃宁东部地区、献县东部地区和任丘东部地区防灾能力较差，导致这些地区为暴雨灾害高风险区。

2.5.2次高风险区。主要分布在以上高风险区外围，此外任丘西部地区、河间南部献县东北部地区和沧州市区中心也为暴雨气象灾害次高风险区。任丘西部地区和沧州市区中心人口密度较大，发展水平就沧州全市来说处于领先位置，一旦发生暴雨气象灾害，对沧州市的经济发展影响很大，综合4因子后，确定该地区属于暴雨灾害次高风险区;河间南部献县东北部地区防灾抗灾能力较差，灾后重建能力还需要进一步提升，综合4因子后，确定该地区属于暴雨灾害次高风险区。

2.5.3中等风险区。主要分布在高风险区、次高风险区外侧还有青县西侧，任丘西北侧地区也属于中等风险区。其中任丘西北侧、青县西侧地区地势较低，地形变化小，孕灾环境敏感性风险较高，综合4因子考量后，确定该地区为暴雨风险中等风险区。

2.5.4低风险区和次低风险区。主要分布在沧州市中的沧县、泊头、东光、吴桥、南皮和南排河的大部分地区。其中泊头、东光、吴桥地区孕灾环境敏感性风险较低，南皮、南排河地区承灾体易损性风险较低，综合4因子后，确定南皮、南排河、东光西部和吴桥西部地区属于低风险区，沧县西部地区、吴桥东部地区和东光东部地区属于次低风险区。

3结论与讨论

(1)沧州市暴雨灾害分布不均匀，整体来看东部地区暴雨灾害风险较高，中部地区暴雨气象灾害综合风险级别较低，其大部分地区为次低风险区和低风险区，中等风险区和次高风险区面积较小。东南部地区暴雨气象灾害发生频次较多，灾害强度较大。高风险区主要分布在海兴与黄骅交界地区、盐山西部地区、黄骅西部地区、肃宁东部地区、献县东部地区和任丘东部地区，其中海兴和黄骅交界地区高风险区域面积最大，孕灾环境敏感性风险较高，暴雨发生频次较高，暴雨灾害强度较大，建议改进这些地区的城市排水引流系统，增强区域排水能力，提高抗灾能力。西南部地区防灾减灾能力较差，发生暴雨气象灾害时，难以及时针对灾害进行有效应对，灾后重建能力较弱，因此出现高风险区、次高风险区。

(2)城市暴雨灾害是一个复杂的系统，风险评估影响因素众多，笔者仅从有限的评价指标出发，对沧州市暴雨气象灾害进行了风险区划分析，存在一定的局限性。今后在研究风险区划时，应进一步完善和优化暴雨灾害形成机理，建立更加科学合理的城市暴雨气象灾害风险区划模型。

参考文献

[1] 张昂，李双成，赵昕奕.基于TRMM数据的京津冀暴雨风险评估[J].自然灾害学报，2017(2)：160-168.

[2] 傅新姝.城市群对夏季降水影响的观测分析和数值模拟研究[D].南京：南京大学，2013.

[3] 朱卫浩，陈霞，邵丽芳，等.基于格网的河北省精细化暴雨洪涝灾害风险区划[J].中国农学通报，2016，32(23)：142-147.

[4] VARAZANASHVILI O，TSERETELI N，AMIRANASHVILI A，et al.Vulnerability，hazards and multiple risk assessment for Georgia [J].Natural hazards，2012，64(3)：2021-2056.

[5] PANDEY A C，SINGH S K，NATHAWAT M S.Waterlogging and flood hazards vulnerability and risk assessment in Indo Gangetic plain [J].Natural hazards，2010，55(2)：273-289.

[6] 繆启龙，陈鑫，俞布，等.杭州市暴雨洪涝灾害风险区划[J].长江流域资源与环境，2012，21(S2)：163-168.

[7] 俞布，缪启龙，潘文卓，等.杭州市台风暴雨洪涝灾害风险区划与评价[J].气象，2011，37(11)：1415-1422.

[8] 张会，张继权，韩俊山.基于GIS技术的洪涝灾害风险评估与区划研究：以辽河中下游地区为例[J].自然灾害学报，2005，14(6)：141-146.

[9] 万君，周月华，王迎迎，等.基于GIS的湖北省区域洪涝灾害风险评估方法研究[J].暴雨灾害，2007，26(4)：328-333.

[10] 郭广芬，周月华，史瑞琴，等.湖北省暴雨洪涝致灾指标研究[J].暴雨灾害，2009，28(4)：357-361.

[11] 李楠，任颖，顾伟宗，等.基于GIS的山东省暴雨洪涝灾害风险区划[J].中国农学通报，2010，26(20)：313-317.

[12] HUANG D P，LIU C，FANG H J，et al.Assessment of waterlogging risk in Lixiahe region of Jiangsu Province based on AVHRR and MODIS image [J].Chinese geographical science，2008，18(2)：178-183.

[13] 莫建飞，陆甲，李艳兰，等.基于GIS的广西农业暴雨洪涝灾害风险评估[J].灾害学，2012，27(1)：38-43.

[14] 魏一鸣，金菊良，杨存建，等.洪水灾害风险管理理论[M].北京：科学出版社，2002.

[15] 石涛，谢五三，张丽，等.暴雨洪涝风险评估的GIS和空间化应用：以芜湖市为例[J].自然灾害学报，2015，24(5)：169-176.

[16] 温跃修，胡彩虹，荐圣淇.郑州市区暴雨洪涝风险区划研究[J].人民珠江，2018，39(12)：17-23.

[17] 雷享勇，陈燕，潘骁骏，等.杭州市主城区暴雨内涝灾害风险区划[J].杭州师范大学学报(自然科学版)，2019，18(1)：105-112.

[18] 鲜铁军.基于GIS的南充市暴雨洪涝农业气象灾害风险区划与评估[J].现代农业科技，2018(23)：199-202.

[19] 张婧，郝立生，许晓光.基于GIS技术的河北省洪涝灾害风险区划与分析[J].灾害学，2009，24(2)：51-56.

[20] 胡波，丁烨毅，何利德，等.基于模糊综合评价的宁波暴雨洪涝灾害风险区划[J].暴雨灾害，2014，33(4)：380-385.

作者：高操 韩典辰 赵晓涵 张方敏 李连祥

区域内涝灾害风险评估论文 篇2：

基于AHP-熵权法的南昌市洪涝风险评估

摘要：为完善南昌市城市灾害风险评估，构建了南昌市洪涝风险系数图。通过AHP-熵权法获取南昌市各乡村的洪涝因子权重指标，并绘制了南昌市洪涝灾害风险评估分布图;利用高分卫星影像图提取洪涝点，检验研究方法的准确度和实用性。研究结果表明：南昌市洪涝风险主要分布在赣江以南的老城区以及靠近鄱阳湖地段河网密布的北部区域;主要原因是两地地势平坦、降雨量较为集中，发生洪涝灾害的可能性较高，老城区人口密度集中且经济较为发达，洪涝灾害造成的直接经济损失较大。

关键词：洪涝灾害; 风险评估; 层次分析法; 熵权法; 南昌市

中图法分类号： TV122

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.10.004

0引 言

近年来，随着城市化进程的不断加速，城市灾害问题发生愈加频繁。南昌市作为长江中游城市群的中心城市之一，背靠常年发生江水倒灌的鄱阳湖，内涝问题成为制约其发展的重要障碍因子[1-2]。作为洪涝灾害管理的重要组成部分[3]，城市洪涝风险的科学评估，不仅是防灾救灾的一项重要参考依据，而且对城市灾害的预防、社会生活的稳定、国民经济的可持续性发展具有重要意义[4]。

目前，洪涝灾害的风险评估方法主要有4种：基于历年灾情数据的数理统计法，基于RS和GIS构建的分析模块，基于水文水力学的模拟法和指标体系评估法。de Moel利用荷兰1900～2000年的历史地理空间数据集分析城市化进程对洪涝灾害所产生的影响[5]。Ayalew利用埃塞俄比亚下奥莫盆地的奥莫河在洪涝发生前后的卫星图像，在GIS中以大比例尺分析洪涝对奥莫河流域环境的影响[6]。Feyen通过模拟气候发展状况，评估了气候变化对欧洲河流洪涝风险的影响[7]。殷剑敏围绕城市内涝形成的机理，综合水文、气象和地理环境等指标因素建立了南昌暴雨积涝模型[8]。曹金虎从内涝灾害的形成机制和系统论的角度，运用模糊综合评价的方法对徐州市主城区内涝灾害风险进行评估，表明高程、高程相对标准差、河网分布和植被覆盖对内涝灾害的敏感性有较大影响[4]。

从研究方法上看，上述方法在评定洪涝因子权重系数时，是通过层次分析法、灰色聚类法和熵权法等数学统计方法实现的。但是单一的权重系数评定方法的准确性和实用性较差，如层次分析法和灰色聚类法人为主观性过强，所得权重指标值并不客观;而熵权法则过于依赖数学模型，未考虑到研究区域的不确定性因素，所得权重指标的准确性不高[9]。而主客观结合的综合权重法能够解决权重评定的客观性和实用性，提高指标评估的科学性。

从结果验证上看，上述研究成果中更多的是通过历史洪涝点数据，对洪涝风险评估进行验证，并不能全面、客观地展现实际洪涝灾害的具体情况。

为填补南昌市洪涝灾害风险评估方面的空白，本文以指标体系评估法为基础，对研究区域的气象、地理环境和经济人口等方面进行统计分析，通过融合AHP和熵权法评估法的优劣性，计算洪涝因子间的权重，将研究区域的相关数据输入模型中，最终得到南昌市的洪涝风险分布图，并利用高分卫星提取洪涝时期的具体洪涝点，对研究结果进行检验。

1研究区概况及数据来源

1.1研究区概况

南昌市位于华东平原地区，市域湖泊众多，自古有“襟三江而带五湖”之称，也是中国唯一一个毗邻长江三角洲、珠江三角洲和海峡西岸经济区的省会中心城市，南昌市水系分布如图1所示。南昌市城镇面积达到350 km2，常住人口达到554.55万人，年均降雨量为1 650 mm，降雨日约为150 d，汛期雨量约占全年降水量的50%，属于洪涝灾害的高发地区[10]。

1.2数据来源

本文研究数据分為4类。① 气象水文数据：中国长、短历时暴雨雨量特征数据集(1961～2015年)。② 基础地理数据：南昌市18 m/DEM数据，南昌市乡镇行政规划图，南昌市道路路网矢量数据集，南昌市建筑物矢量图(百度地图版)和南昌市2017年10 m土地覆盖数据集。③ 遥感数据：南昌市2019年9月Landsat 8 遥感影像数据和鄱阳湖区2020年7月8日高分三号卫星影像原始数据。④ 社会经济数据：中国单位公里GDP数据集，中国单位公里人口数据集。

2评估模型

南昌市洪涝风险系数评估是通过以下步骤实现：① 根据城市灾害危险系数，建立洪水风险系数评估指标体系;② 对各个洪涝因子进行标准化归一处理，并用AHP-熵权混合评估法确定每个洪涝因子的权重;③ 分析评估南昌市的致涝指数、孕涝指数和承涝指数的空间分布;④ 综合评估指标制作南昌市洪涝风险分布图。

巫丽芸等[11]认为灾害风险评估等于地区灾害加上地区易损性，而史培军[12]认为广义的灾害风险评估应从致灾性、孕灾性和承灾性3个方面进行系统分析。综合考量后，本文从灾害分析(致涝因子)、自然地理环境因子(孕涝因子)和社会经济因子(承涝因子)3方面进行洪涝风险评估。

3.1.1致涝因子

暴雨，是洪涝产生的主要因素。根据中国气象局中央气象台对日暴雨的定义(日降雨量≥50 mm)，本文将暴雨持续1 d、持续2 d及以上作为划分短、长历时暴雨标准。选取南昌市及南昌市周围共11个气象台站的长、短历时暴雨占比作为基础数据集[13]，并通过克里金插值法求得南昌市各个乡镇的雨量特征均值，将其作为致灾因子指标[14]。其中雨量特征指标越大，发生洪涝灾害的可能性就越大。

3.1.2孕涝因子

从洪涝灾害形成的自然地理环境看，研究区的地理环境差异对洪涝灾害的形成有不同程度的影响。本文将平均高程、平均坡度、不透水层面积占比、河网占比以及植被覆盖率作为孕涝因素指标。其中，平均高程越低、平均坡度越缓，积水越不易排走，城市越容易发生内涝[15];不透水层则会影响积水下渗入地面，与能够吸水和储水方面的植被相反[15-16];在排水方面，由于城市降水最终都是通过河网排出，当降雨量大于河网传输量时，河网越密集的地段越河水越容易溢出，形成城市内涝[4，17]。

3.1.3承涝因子

考虑到社会经济的影响，虽然经济较发达地段的人们防灾意识更高，但是在遭遇同样等级的洪涝灾害的时候，人口越多、经济越发达的地段，洪涝灾害造成的损失就越大[18-19]。本文在社会经济方面选择各个乡镇的人口[20]、地均GDP[21]和道路密度作为承涝因子，指标越高，洪涝风险越大。

3.1.4数据标准化

由于所参考的数据类型过多，而不同的数据类型的含义和量纲各有不同，每个洪涝因子之间不具有可比性。故为了统一数据，对洪涝数据进行标准化处理[22-23]。由于正负向指标的处理不同，所以根据上述对各指标的描述分析，对各个指标先进行划分，结果如表1所列。

3.2指标定权

3.2.1AHP层次分析法

AHP(Analytic Hierarchy Process)层次分析法是A L Saaty于20世纪70年代提出来的一种权重分析方法。用AHP可得到各洪涝风险指标的权重[24]，本文通过咨询相关专家和参照相关研究[4，8-9，16，25]，对同一指标层的洪涝因子进行两两对比，以洪涝因子重要性越高，对城市洪涝灾害的危险就越大为标准，并由此构建出各层次中洪涝因子的判断矩阵[26]，计算出洪涝因子的指标权重，如表2所示。在指标权重计算完之后，还需对判断矩阵的一致性进行检验，若一致性检验不合理，则需要重新构造洪涝因子的判断矩阵[27]。

4南昌洪涝灾害与洪涝因子相关分析

4.1数据处理

致涝因子包括长、短历时暴雨所占比例。图3为1961～2015年南昌长历时暴雨频率、南昌短历时暴雨频率及其综合评估后的洪涝致涝危险性的分布情况。

从图3中可以看出，靠近鄱阳湖地区的暴雨量高于其他地段，整体致涝危险性呈现出北高南低的状态。

4.2孕涝因子敏感度分析

孕涝因子代表了地区对自然灾害的敏感度，图4显示了平均高程、平均坡度、不透水层、河网密度、植被覆盖率和综合评估后整体的孕涝敏感度(f)的分布情况。

从图4可以看出：南昌市的平均高程和平均坡度呈现出西高东低的状态，不透水层占比是以中部主城区为主向外逐渐降低，植被指数则正好相反，河网面积占比则是中部略高于东部，西部最小的状态。整体而言，南昌市的孕涝风险敏感度呈现出中部地区较高，东部次之，西部最低状态。

4.3承涝因子脆弱性分析

洪涝脆弱性是指发生洪涝灾害后，洪涝灾害对不同地区间的经济损失的影响程度[28-29]。不同的承涝因子的脆弱性不同，本文中承涝指标包括人口密度、地均GDP和道路密度等，具体分布情况如图5所示。

从图5中可以看出，相较于其他地段，以城区为主的中部地区，在人口密度、地均GDP和道路密度上，都处于绝对优势。从承涝脆弱性上可以看出，整个南昌市的社会经济呈现出以中部为主体向外扩散的分布状况。

4.4南昌洪涝综合风险评估

将上述洪涝指标系数根据AHP-熵权组合法定权后的权重输入到洪涝风险评估模型中，最终得到南昌市的洪涝风险指数图。用ArcGIS根据自然分段法得出9个洪涝风险等级，如图6所示。

从图6可以看出：以青山湖区为主的中部市区是重点洪涝风险地段，靠近鄱阳湖区的东北部的新建区洪涝风险系数为中等，而山林较多的西部地段洪涝风险最低。从面积上看，南昌市中具有高危洪涝风险的地区约占11%，主要集中在中部市区地段，这部分区域不透水面较多、河网密布，地势较为平坦且植被覆盖率较低，孕涝危险性较高。另外，此部分地区人口较为密集，经济较为发达，发生洪涝时所造成的损失也较大，承涝脆弱性也较高，虽然暴雨量不及东北部，但是洪涝风险指数最高。而以东北部靠近鄱阳湖为主的洪涝风险中等偏高的地区约占24%，虽然暴雨量占比较高，河网密集，但是这部分区域经济人口不及中部主城区，且承涝脆弱性较低，在相同程度的洪涝灾害下，所造成的直接经济损失远低于中部主城区。而以西部为主的洪涝较低风险地区约占36%，这些地带人口稀少、植被覆盖率较高且河网密度较低，不易发生洪涝灾害，且洪涝灾害所能造成的经济损失较低。

5模型检验

由于数据有限，本文根据2020年夏季中国洪涝灾害数据所公开的数据，利用2020年7月8日鄱阳湖区的高分三号5 m分辨率的遥感影像数据，提取出当日南昌市中部以北包含主城区及临近鄱阳湖地区的水域区域，并在所提取出的水域分割矢量图中剔除晴朗时段的水域部分，从而得出南昌洪涝季度发生洪涝灾害的洪涝区域，结果如图7所示。

从洪涝数据中可以看出，除去城市建筑物的影响，以中部为主的南昌主城区有较为密集和零碎的积水点，其他地段的积水点主要分布在河网区域附近，其中靠近鄱阳湖区的北部区域在发生长期暴雨时，河水外溢现象最为明显。根据图7可以看出，在南昌2020年夏季灾情期间，中部主城区中有众多零碎的小区域积水点，造成大面积的城市交通瘫痪，所造成的实際洪涝损失较为明显。而靠近鄱阳湖的西北部地区，虽然有大面积的水体增加，但大多数是集中在远离乡镇建筑的河流网附近的湿地地段，且考虑到河道宽度，实际河水外溢的程度有限，所能造成的实际洪涝损失偏小，与实际情况较符。

将洪涝分布图与洪涝因子分布情况进行对比亦可看出，洪涝致涝危险性分布较高的北部区域的洪涝面积较多，而在孕涝敏感度和承涝脆弱性分布图中敏感度高、脆弱性较差的中部主城区也拥有大量密集的零碎洪涝点，与实际灾情相符。因此，本文利用AHP-熵权赋权法对洪涝因子的权重进行取值的结果较为合理。

通过人工视检对比南昌市高分辨率洪涝点分布图，结果表明，本文洪涝风险评估结果与南昌市实际洪涝受灾情况基本符合，融合AHP与熵权法的洪涝风险评估方法的准确性和可信度较好。

6结 论

本文通过融合AHP层次分析法和熵权法对南昌市的洪涝灾害风险进行评估，用50 a的降雨量等高精度数据作为评估支撑，获取南昌市洪涝风险等级分布图。结果表明：地处三江交汇的中部主城区为高洪涝风险地区，西部乡镇为低风险地段，东部乡镇为较高风险区域。

本文提出了一种用高分卫星影像数据作为洪涝灾情实时验证的可行方法。通过提取洪涝水系区域，对比晴朗时段的水系区域，从而得出灾情期间的洪涝积水点。此方法相较于历时判别法，可以更为直观地分析出城市洪涝灾害的具体状况。

从结果来看，本文从洪涝灾害的诱发因子出发，通过融合AHP和熵权法评估法的优劣性，计算出洪涝因子的权重系数，很大程度降低了人为因素的干扰，弥补了实地因素的不确定性。并利用高分辨率的遥感影像数据，为验证洪涝风险评估结果提供现实可靠的解决途径。最后通过人工视检灾情矢量数据，可以看出本文洪涝风险评估结果的可信度及准确性较好，洪涝因子权重赋值较为合理，能够为城市灾害评估提供一定的研究思路，具有一定的参考价值。

参考文献：

[1]王志寰，朱立俊，王建中，等.长江倒灌鄱阳湖原因及发生条件的量化指标[J].水科学进展，2020，31(2)：203-213.

[2]曹玮.洪涝灾害的经济影响与防灾减灾能力评估研究[D].長沙：湖南大学，2013.

[3]李琼.洪水灾害风险分析与评价方法的研究及改进[D].武汉：华中科技大学，2012.

[4]曹金虎.徐州市主城区内涝灾害风险评价研究[D].北京：中国矿业大学，2018.

[5]DE MOEL H，AERTS J C J H，KOOMEN E.Development of flood exposure in the Netherlands during the 20th and 21st century [J].Global Environmental Change，2011，21(2)：620-627.

[6]AYALEW L.Analyzing the effects of historical and recent floods on channel pattern and the environment in the Lower Omo basin of Ethiopia using satellite images and GIS [J].Environmental Geology，2009，58(8)：1713-1726.

[7]FEYEN L，DANKERS R，BóDIS K，et al.Fluvial flood risk in Europe in present and future climates [J].Climatic Change，2012，112(1)：47-62.

[8]殷剑敏.南昌市暴雨积涝模拟及气候风险评估研究[D].南京：南京信息工程大学，2013.

[9]刘媛媛，王绍强，王小博，等.基于AHP_熵权法的孟印缅地区洪水灾害风险评估[J].地理研究，2020，39(8)：1892-1906.

[10]李准，杨慧民，林春.南昌地区雷电灾害易损性分析及区划[J].气象研究与应用，2013，34(3)：78-82.

[11]巫丽芸，何东进，洪伟，等.自然灾害风险评估与灾害易损性研究进展[J].灾害学，2014，29(4)：129-135.

[12]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.

[13]孔锋，方建，吕丽莉，等.中国短历时和长历时暴雨对总暴雨贡献的空间差异性研究(1961-2015)[J].干旱区地理，2017，40(2)：293-303.

[14]李俊晓，李朝奎，殷智慧.基于ArcGIS的克里金插值方法及其应用[J].测绘通报，2013(9)：87-90，7.

[15]徐艺扬，李昆，谢玉静，等.基于GIS的城市内涝影响因素及多元回归模型研究：以上海为例[J].复旦学报(自然科学版)，2018，57(2)：182-198.

[16]要志鑫，孟庆岩，孙震辉，等.不透水面与地表径流时空相关性研究：以杭州市主城区为例[J].遥感学报，2020，24(2)：182-198.

[17]林芸.平原河网地区水文计算及洪水影响评价方法的探讨[D].南京：河海大学，2005.

[18]逄任竹.面向暴雨灾害的青岛市社会经济系统脆弱性分析[D].上海：华东政法大学，2019.

[19]葛怡，史培军，刘婧，等.中国水灾社会脆弱性评估方法的改进与应用：以长沙地区为例[J].自然灾害学报，2005(6)：54-58.

[20]付晶莹，江东，黄耀欢.中国公里网格人口分布数据集[J].地理学报，2014，69(增)：41-44.

[21]黄耀欢，江东，付晶莹.中国公里网格GDP分布数据集[J].地理，2014，69(增)，45-48.

[22]高长波，陈新庚，韦朝海，等.熵权模糊综合评价法在城市生态安全评价中的应用[J].应用生态学报，2006(10)：1923-1927.

[23]李光，吴祈宗.基于结论一致的综合评价数据标准化研究[J].数学的实践与认识，2011，41(3)：72-77.

[24]DYER J S.Remarks on the Analytic Hierarchy Process[J].Management Science，1990，36(3)：249-258.

[25]张冬冬，严登华，王义成，等.城市内涝灾害风险评估及综合应对研究进展[J].灾害学，2014，29(1)：144-149.

[26]邓雪，李家铭，曾浩健，等.层次分析法权重计算方法分析及其应用研究[J].数学的实践与认识，2012，42(7)：93-100.

[27]刘刚.基于层次分析法的社区灾害风险脆弱性评价[J].兰州大学学报(社会科学版)，2013，41(4)：102-108.

[28]陈轶，陳睿山，葛怡，等.南京城市住区居民洪涝脆弱性特征及影响因素研究[J].灾害学，2019，34(1)：56-61.

[29]马定国，刘影，陈洁，等.鄱阳湖区洪灾风险与农户脆弱性分析 [J].地理学报，2007(3)：321-332.

(编辑：黄文晋)

Key words：flood disaster;risk assessment;hierarchical analysis;entropy method;Nanchang City

作者：程朋根　黄毅

区域内涝灾害风险评估论文 篇3：

北京市通州区暴雨特征及风险评估研究

摘要 利用近60年气候资料分析北京市通州区暴雨的时空分布特征。另外，以15个乡镇(街道)为风险评估单元，以人口和社会经济作为承灾体，根据联合国人道主义事务部的风险表达式，利用自然灾害风险指数法建立暴雨风险评估模型;利用指标体系法评估承灾体的脆弱性状态，根据加权综合评分法建立脆弱性评估模型;分析15个乡镇(街道)孕灾环境和致灾因子的危险性、承灾体的脆弱性及灾害风险的差异，并对通州区暴雨灾害风险进行区划，结果表明，通州暴雨洪涝灾害风险高值区在中仓、新华街道及马驹桥镇，较高值区在北苑、玉桥街道及宋庄、永顺、西集、漷县、于家务乡(镇)。

关键词 暴雨;时空分布;风险评估;通州区;北京市

Characteristics of Rainstorm and Its Disaster Risk Assessment in Tongzhou District， Beijing

GAO Xiao-rong1， ZHANG Ji-quan2， LI Shuo1 et al

(1. Tongzhou Branch of Beijing Meteorological Service， Beijing 101100; 2. Institute of Natural Disaster Research， College of Urban and Environmental Sciences， Northeast Normal University， Changchun， Jilin 130024)

Key words Rainstorm; Spatial-temporal distribution; Risk assessment; Tongzhou District; Beijing

在全球氣候变暖的背景下，极端天气事件频发，城市成为抵御气象灾害能力最为薄弱的地方，气象灾害造成的损失日趋加重，给城市的安全运行带来严重威胁。2012 年北京“7.21”特大暴雨造成79 人死亡，受灾人口160.2 万人，经济损失116.4 亿元。通州区位于北京市东南部，降水具有年际变化大、季节分配不均、夏季降水强度大等特点，夏季降水量又常取决于几场暴雨。作为北京的城市副中心，通州正在进入快速的城市化阶段，社会财富迅速增加，开展气象灾害风险评估是防灾减灾工作不可或缺的环节。

暴雨洪涝灾害风险评估方法主要有模糊评价法、概率风险法及灾害风险模型法。其中，灾害风险建模法是利用气象、自然地理环境、社会经济等多元资料与GIS空间分析相结合的方法[1-7]，利用GIS叠加[1]、线性加权[2-4]或指数方法[5]构建灾害风险评估模型。罗培等[8]利用模糊评价法建立致灾因子、孕灾环境和承灾体易损性评价模型，对重庆的洪涝灾害风险进行区划。还有一些学者对暴雨洪涝灾害的某一方面，如脆弱性、危险性进行研究，张海玉等[9]利用模糊数学研究洪涝灾害经济的易损性;杜晓燕等[10]利用信息扩散理论对天津旱涝灾害的危险性进行评估。

目前，暴雨洪涝灾害风险评估与区划的空间尺度较大，大部分是地区性、区域性，甚至是全国范围的灾害风险评估，以乡镇为单位的区县级灾害风险评估较少，究其原因主要是气象台站密度较小。近年来各省(市)气象局建起了一批乡镇区域自动观测站，为以乡镇为单位的气象灾害风险评估提供了基础。笔者在前人暴雨洪涝灾害风险评估研究的基础上，以通州15个街道(乡镇)为评估单元，其人口和社会经济作为承灾体，利用自然灾害风险指数法建立暴雨灾害风险评估模型，结合GIS空间分析技术进行精细化的暴雨灾害风险评估，为地方政府的防灾减灾工作提供科学依据。

1 资料与方法

1.1 资料来源

通州区下辖北苑、中仓、新华、玉桥4个街道及宋庄、永顺、梨园、潞城、台湖、张家湾、西集、马驹桥、于家务、漷县、永乐店11 个乡(镇)。所用研究资料包括1956～2013 年通州国家气象观测站逐日降水资料、2010～2013 年11 个区域自动站降水资料及北京市1∶10 000基础地理信息数据，均来自北京市气象局信息中心;通州区乡镇(街道)社会经济数据来自通州区统计局。

1.2 暴雨灾害风险评价模型与指标体系

目前，国内外气象灾害风险评估研究主要分为三类：①利用灾害危险性、承灾体脆弱性2个要素对灾害风险进行评估，简称“二要素法”[1-3];②從灾害危险性、承灾体的暴露性和脆弱性3个要素出发进行风险评估，简称“三要素法”[11-12];③利用张继权的“四要素法”，从灾害危险性、承灾体的暴露性和脆弱性及防灾减灾能力4个要素出发进行风险评估[13-15]。灾害危险性应包括致灾因子和孕灾环境的危险性。不同方法中的脆弱性内涵不同，“二要素法”中的脆弱性应该称为“广义脆弱性”，由于人类社会经济系统的复杂性，对脆弱性的理解存在分歧，目前还没有统一、标准的定义，“广义脆弱性”应表征承灾体的固有敏感性和内在脆弱性;而“四要素法”中的脆弱性应为“狭义脆弱性”，表征承灾体由于气象灾害的影响而造成的损失或伤害程度。由于气象灾害造成的损失数据非常缺乏，且质量不高，制约了“四要素法”的使用。该研究根据联合国人道主义事务部的风险表达式“风险度(R)=危险度(H)×脆弱度(V)” [16]，采取“二要素法”，利用自然灾害风险指数法建立暴雨灾害风险评估模型：

DRI=HWH×VWV(1)

式中，DRI为暴雨灾害风险指数，其值越大，则风险程度越大;H、V分别为暴雨的危险性、承灾体的脆弱性，WH、WV为其权重系数，取为0.600、0.400。

在一定的危险性下，风险取决于脆弱性，脆弱性度量成为灾害风险评估的关键。由于人类社会经济系统的复杂性，目前国内外对脆弱性的理解存在分歧，还没有一致公认的脆弱性概念。笔者认同脆弱性是承灾体对某种致灾因子表现出的易于受到伤害和损失的性质，也就是对灾害的暴露程度、敏感性等[17]。脆弱性分析方法有历史灾情数理统计、指标体系和情景模拟3种[18]，在脆弱性形成机制还没有研究透彻的情况下，指标体系是目前脆弱性评估最常用的方法[19]。选取承灾体脆弱性指标，利用指标体系法评估研究单元的脆弱性状态。

暴雨是暴雨灾害的诱因，是暴雨灾害危险性的主要因素，但暴雨灾害的发生还与地形地貌特征(如河网水系、地形坡度等)有关，不同的自然地理条件导致灾害的孕灾环境各异。灾害危险性用致灾因子和孕灾环境来描述。利用暴雨不同等级及其频次构建致灾因子指数，通州区地形平坦开阔，海拔最高27.6 m、最低8.2 m，地形高程对灾害风险的影响有限;但境内分布着潮白河、北运河、温榆河、凉水河等13 条河流，河流网络对灾害风险的影响较大，因此，选用河网密度指数描述孕灾环境。

社会经济条件可以反映区域的灾损敏感度。社会经济越发达，人口密度越大，国内生产总值越大，遭受灾害时人员伤亡和经济损失就越大，承灾体脆弱性越强。区域人口中老人和儿童所占比例越高，其承灾能力就越差，人口年龄结构指数[8](65 岁以上老人和14 岁以下儿童的人数占总人口数的比例)可以反映老、幼人口的比例。暴雨对农业生产的危害较大，耕地越多，农业在国民生产中的比例越大，遭受灾害时损失就越大。植被覆盖率较高，水土保持能力就比较强，暴雨导致的洪涝灾害可能性就较小。考虑暴雨对承灾体的具体影响及指标的可取性，脆弱性指标选用人口密度、人口年龄结构指数、地均GDP、耕地面积比、植被覆盖率。人口密度和地均GDP利用GIS分析功能进行计算，耕地面积比、植被覆盖率从北京市1∶10 000基础地理信息数据中提取并计算。

对致灾因子指数、河网密度指数及各脆弱性指标值采用极差标准化进行归一化处理，利用加权综合评分法分别建立暴雨灾害危险性、承灾体脆弱性评价模型：

H=ni=1XHi·WHi(2)

V=mj=1XVj·WVj(3)

式中，XHi为危险性指标i的量化值;n为危险性指标个数;WHi为指标i的权重，致灾因子指数、河网密度指数的权重分别取0.600 0、0.400 0;XVj为承灾体脆弱性指标j的量化值，m为脆弱性指标个数，WVj为指标j的权重，利用层次分析法确定(表1)。

2 结果与分析

2.1 暴雨特征分析

2.1.1 年代际变化。

把通州国家气象观测站出现日降水量≥50 mm定为一个暴雨日。1956～2013年共出现106 个暴雨日，平均年暴雨日1.8 个，年暴雨日最多5个;

1960～1969、1970～1979、1980～1989、1990～1999、2000～2009年的暴雨日分别为23、24、15、21和7个。

从1956～2013 年通州站年暴雨日数的高斯9点平滑滤波曲线(图1a)可见，年暴雨日数20世纪50年代中期～80年代初以偏多为主，80年代中期～90年代初以偏少为主，90年代中期以偏多为主，从90年代后期开始明显偏少。从年暴雨量的高斯9点平滑滤波曲线(图1b)可见，年暴雨量20世纪50年代中期～60年代中期以偏多为主，70年代后期以偏多为主，80年代后期以偏少为主，90年代中期以偏多为主，2000～2013年明显偏少。可见，年暴雨日数和年暴雨量的变化趋势基本一致。

2.1.2 月变化。通州暴雨最早出现在6月上旬(1956年6 月2日)，最晚结束于10月中旬(2003年10月11日)，多集中在7～8月，7～8月的暴雨日数占年暴雨日数的79.3%;7～8月的暴雨又主要集中在7月下旬～8月中旬，这三旬的暴雨日数占7～8月暴雨日数的71.4%，占年暴雨日数的56.6%。

2.1.3 空间分布。

利用通州站及11个区域自动观测站降水资料统计2010～2013 年总暴雨日数和暴雨量，分析暴雨中小尺度空间分布特征。由图2可见，累计暴雨日数和累积暴雨量的高值区在西南部的马驹桥镇和于家务乡，马驹桥镇累计暴雨日数11 d、累积暴雨量763 mm，于家务乡累计暴雨日数8 d、累积暴雨量672 mm。总体上西南部的马驹桥和于家务降水明显大于中北部，通州夏季暴雨日数和暴雨量的空间分布特征基本吻合。局地短时强降水易引发城市内涝，中小尺度暴雨空间分布特征可以为北京城市副中心建设中排水能力和管网设计提供参考。

2.2 暴雨灾害风险评估

2.2.1 致灾因子和孕灾环境危险性。

暴雨分为暴雨、大暴雨、特大暴雨三级。日降水量50.0～99.9 mm为暴雨，100.0～249.9 mm为大暴雨，≥250.0 mm为特大暴雨，等级越高，灾害危险性越大。选取暴雨不同等级及其频率作为暴雨灾害的致灾因子。计算2010～2013 年通州站及11个乡镇区域自动站不同等级暴雨的频率

(不同等级暴雨频率=不同等级暴雨日数统计时段总年数)

，利用加权综合评分法建立致灾因子指数，即致灾因子指数=3i=1(权重×暴雨频率)，对暴雨、大暴雨、特大暴雨频率的权重分别取1/6、2/6、3/6[2]。

利用自然断点分级法将致灾因子指数值划分为4个等级，由通州暴雨致灾因子空间分布(图3a)可以看出，致灾因子高值区在马驹桥镇，较高值区在4个街道及宋庄、西集、漷县、于家务乡(镇)，较低值区在潞城和永乐店镇，低值区在永顺、梨园、台湖、张家湾镇。利用GIS分析功能计算乡镇(街道)的河网密度(图3b)发现，孕灾环境敏感度最高的是永顺、台湖镇及新华街道，较高的是中仓街道及宋庄、潞城、西集、漷县、马驹桥镇，较低值区在张家湾镇、于家务乡，低值区在北苑、玉桥街道及梨园、永乐店镇。

综合致灾因子和孕灾环境，根据暴雨灾害危险性评估模型(公式2)计算研究单元暴雨灾害危险性指数值，结果(图4a)发现，暴雨灾害危险性高值区在马驹桥镇，较高值区在新华、中仓街道及宋庄、永顺、台湖、西集、漷县、于家务乡(镇)，较低值区在北苑、玉桥街道及潞城镇，低值区在梨园、永乐店、张家湾镇。

2.2.2 脆弱性。

计算乡镇(街道)人口密度、地均GDP、人口年龄结构指数、耕地面积比、植被覆盖率脆弱性指标的归一化值，根据承灾体脆弱性评估模型(公式3)计算乡镇(街道)脆弱性指数值，利用自然断点法对脆弱性指数值进行区划。由通州区暴雨灾害脆弱性指标的归一化值及脆弱性指数与区划(表2)可见，中仓街道的人口密度最高，地均GDP和年龄结构指数较高，植被覆盖率较低，导致其脆弱性指数最高;北苑街道的人口密度和年龄结构指数较高，植被覆盖率较低，导致其脆弱性指数较高;新华街道的地均GDP、年龄结构指数最高，植被覆盖率最低，导致其脆弱性指数也比较高;马驹桥镇的年龄结构指数最低，人口密度和地均GDP较低，而植被覆盖率较高，导致其脆弱性指数最小;宋庄、张家湾、台湖镇的人口密度、地均GDP和年龄结构指数较低，导致它们的脆弱性指数比较小;永乐店镇的人口密度、地均GDP最低，植被覆盖率最高，而耕地面积比最高，年龄结构指数较高，其脆弱性指数较小。从暴雨灾害承灾体脆弱性指数空间

分布(图4b)可看出，脆弱性高值区在北苑、中仓、新华3个街

道，较高值区在玉桥街道和梨园镇，较低值区在永顺、西集、

漷县、于家务、永乐店镇(乡)，低值区在宋庄、潞城、台湖、张家湾、马驹桥镇。

2.2.3 暴雨灾害风险评价与区划。

综合致灾因子和孕灾环境的危险性、承灾体的脆弱性，根据暴雨灾害风险评估模型(公式1)计算暴雨灾害风险指数，利用系统聚类方法[20]对风险指数值进行区划。由图5可见，通州暴雨洪涝灾害风险高值区在中仓、新华街道及马驹桥镇，较高值区在北苑、玉桥街道及宋庄、永顺、西集、漷县、于家务乡(镇)，较低值区在潞城、台湖镇，低值区在梨园、张家湾、永乐店镇。

图5 通州区暴雨灾害风险区划

3 结论与讨论

(1)通州年暴雨日数从20世纪90年代后期开始明显偏少，年暴雨量从2000年开始明显偏少，7月下旬～8月中旬的暴雨日数占年暴雨日数的56.6%。虽然年暴雨日数和年暴雨量呈下降趋势，但北京城市副中心的建设使得通州区社会经济财富迅速增加，暴雨洪涝灾害的风险反而增大。

(2)乡镇(街道)的河网密度、暴雨强度及发生频率的不同使得暴雨灾害危险性高值区出现在马驹桥镇，较高值区在新华、中仓街道及宋庄、永顺、台湖、西集、漷县、于家务乡(镇);乡镇(街道)的人口和社会经济特征不同使得承灾体在面临气象灾害时的敏感性和脆弱性不同，脆弱性高值區分布在北苑、中仓、新华3个街道，较高值区在玉桥街道和梨园镇。

(3)综合考虑致灾因子和孕灾环境的危险性、承灾体的脆弱性，通州暴雨洪涝灾害风险高值区在中仓、新华街道及马驹桥镇，较高值区在北苑、玉桥街道及宋庄、永顺、西集、漷县、于家务乡(镇)。

(4)由于乡镇(街道)级气象灾害损失和社会经济统计

数据非常缺乏，无法利用非线性、因子分析、BP模型等方法对脆弱性指标的相关性、耦合性进行分析，制约了选择相互独立、敏感性较高的社会经济脆弱性评价指标。再者，由于社会经济脆弱性本身的抽象性和复杂性，脆弱性量化评估研究目前仍处于探索阶段，尚未形成统一的评估模式。指标体系法是目前社会经济脆弱性主要的评估方法，指标体系构建与权重赋值的合理性应是今后亟待研究的问题。

(5)由于区域自动观测站分布不均匀，建站较晚导致气象要素序列较短，其数据质量有待控制;受社会经济数据可取性的限制;同时，通州正处在城市化的快速发展中，城市建设日新月异，该研究进行的以乡镇为单位的区县级气象灾害风险评估探索性研究，需在今后的气象服务中不断优化完善，所得到的一些研究成果仍然可以为通州区乡镇(街道)防灾减灾工作提供基本的依据和参考。

参考文献

[1] 田玉刚，覃东华，杜渊会.洞庭湖地区洪水灾害风险评估[J].灾害学，2011，26(3)：56-60.

[2] 于文金，赵景旺.唐山市暴雨特征及风险评估研究[J].灾害学，2013，28(4)：50-54.

[3] 马艳，黄容，于进付，等.青岛环胶州湾地区暴雨特征及暴雨灾害风险分析[J].灾害学，2012，27(4)：42-46.

[4] 薛晓萍，马俊，李鸿怡.基于GIS的乡镇洪涝灾害风险评估与区划技术：以山东省淄博市临淄区为例[J].灾害学，2012， 27(4)：71-74.

[5] 莫建飞，陆甲，李艳兰，等.基于GIS的广西农业暴雨洪涝灾害风险评估[J].灾害学，2012，27(1)：38-43.

[6] 孙仲益，张继权，王春乙，等.基于网格GIS的安徽省旱涝组合风险区划[J].灾害学，2013，28(1)：74-78.

[7] 宫清华，黄光庆，郭敏，等.基于GIS技术的广东省洪涝灾害风险区划[J].自然灾害学报，2009，18(1)：58-63.

[8] 罗培，张天儒，杜军.基于GIS和模糊评价法的重庆洪涝灾害风险区划[J].西华师范大学学报(自然科学版)，2007，28(2)：165-171.

[9] 张海玉，程先富，马武.洪涝灾害经济易损性模糊评价：以安徽沿长江地区为例[J].灾害学，2010，25(1)：30-34.

[10] 杜晓燕，黄岁梁，赵庆香.基于信息扩散理论的天津旱涝灾害危险性评估[J].灾害学，2009，24(1)：22-25.

[11] UNITED NATIONS DEVELOPMENT PROGRAMME.Reducing disaster risk：A challenge for development[M].USA：John S Swift Co.，2004：2-4.

[12] DILLEY M，CHEN R S，DEICHMANN U，et al.Natural disaster hotspots：A global risk analysis-synthesis report[R].USA：Columbia University，2005：4-7.

[13] 张继权，冈田宪夫，多多纳裕一.综合自然灾害风险管理：全面整合的模式与中国的战略选择[J].自然灾害学报，2006，15(1)：29-37.

[14] 张继权，李宁.主要气象灾害风险评价与管理的数量化方法及其应用[M].北京：北京师范大学出版社，2007：32-34，492-505.

[15] 张会，张继权，韩俊山.基于GIS技术的洪涝灾害风险评估与区划研究：以辽河中下游地区为例[J].自然灾害学报，2005，14(6)：141-146.

[16] 葛全胜，邹铭，郑景云，等.中国自然灾害风险综合评估初步研究[M].北京：科学出版社，2008：136-137，173-176.

[17] 张斌，赵前胜，姜瑜君.区域承灾体脆弱性指標体系与精细量化模型研究[J].灾害学，2010，25(2)：36-40.

[18] 马国斌，李京，蒋卫国，等.基于气象预测数据的中国洪涝灾害危险性评估与预警研究[J].灾害学，2011，26(3)：8-12.

[19] 陈磊，徐伟，周忻，等.自然灾害社会脆弱性评估研究：以上海市为例[J].灾害学，2012，27(1)：98-100.

[20] 唐启义.DPS数据处理系统：试验设计、统计分析与数据挖掘[M].北京：科学出版社，2010：719-726.

作者：高晓容 张继权 李硕 王翌