基于 GIS的安顺市乡镇暴雨灾害风险浅析

2010-11-07陈贞宏

中低纬山地气象 2010年6期

陈贞宏,杨益,于飞,廖波

(1.贵州省安顺市气象局,贵州安顺 561000;2.贵州省黎平县气象局,贵州黎平 5573001;3.贵州省山地环境气候研究所,贵州贵阳 550002;4.贵州省气象服务中心,贵州贵阳 550002)

陈贞宏1,杨益2,于飞3,廖波4

为充分利用安顺市两要素区域自动气象站观测资料分析暴雨灾害的风险特征,该文以安顺市作为研究区域,以乡镇为基本风险单位,从现代灾害风险理论出发,综合运用 ArcGIS空间分析和灾害风险评估数学方法,利用研究区两要素自动气象站准 2a逐小时降雨资料,对明显暴雨过程风险特征进行分析和区划,建立了反映暴雨灾害危险性的最大日雨量、3h滑动最大降雨量、前 10d总降雨量等 3项指标和描述承灾体的易损性的人口密度、经济密度等 2项指标为基础的暴雨灾害评估模型,通过层次分析法、极差标准法等方法进行数据处理,并借助于ArcGIS平台,将影响暴雨灾害的危险性和易损性进行综合叠加分析,得出安顺市暴雨灾害风险区划图。结果表明:安顺市暴雨灾害风险分布呈自北向南递减,而从市南部来看,则有自西向东递减趋势的特征,高风险区主要集中安顺市西秀区和普定县,紫云县为暴雨灾害低风险区,其中关岭县的岗乌镇、八德乡处于高风险区,这与 2010年 6月 28日特大山体滑坡泥石流事件相吻合。

暴雨灾害;层次分析法;安顺市;两要素;ArcGIS

1 引言

安顺市是贵州省的一个暴雨中心,暴雨灾害是安顺市主要灾害之一。近些年来,随着全球气候异常,安顺市夏季和冬季降水有增加趋势[1]。目前,对暴雨灾害的评估有很多方法,以前的研究[2-3]利用历史资料中的降雨强度、暴雨覆盖范围等指标进行暴雨事件等级评估,也有一些研究[4-12]从气象学、地理学、灾害科学、环境科学等学科观点出发,对暴雨诱发的地质灾害、农业气象灾害等进行评估,综合考虑致灾因子、自然以及社会的作用,通过对引起灾害的各类因子进行分析,得出了灾害风险评估图。

本文根据两要素区域自动气象站观测资料,从暴雨灾害危险性以及社会经济易损性两个角度出发,利用ArcGIS软件对安顺市暴雨灾害进行分析和讨论,为今后给该地区政府防灾救灾部门制定灾前减灾规划和灾后救助提供科学依据。

2 研究区概况

安顺市位于贵州中部 ,介于 105°13′～106°33′E,25°21′～26°37′N之间 ,属于中国亚热带高原季风湿润气候,地处云贵高原梯状东斜坡地带的三级台阶上,是以岩溶丘陵为主的山原地貌,属低中丘陵区,是贵州最典型的喀斯特地区。

3 资料来源与分析方法

3.1 资料来源

本文暴雨资料采用安顺市辖区两要素区域自动气象站建站以来 (2009年 5月)到 2010年 9月汛期准 2a的逐小时降雨量,以乡镇为单位,降雨资料来源于贵州省气候中心;人口密度 (单位面积人数)和经济密度 (单位面积 GDP值)以 2008年统计资料为准,来源于《2009年安顺年鉴》。考虑到研究区社会经济统计数据获取的可行性和经济性,人口密度和经济密度以县为单位,为了研究方便,全市各乡镇易损性指标以该县资料代替。

3.2 自然灾害风险分析法

自然灾害风险是指若干年来可能达到的灾害程度及其发生的可能性[4]。一般而言,自然灾害风险是致灾因子危险性、承灾体易损性相互作用的结果。因此,在区域自然灾害风险形成过程中,危险性 (H)、易损性 (V)和当地的抗灾能力指数是必不可少的。本文暴雨灾害风险评估采用国际上通用的自然灾害风险表达式来计算风险指数[13]:

式 (1)反映了风险评估的本质特征,在灾害风险评估与区划中,危险性是前提,易损性是基础,风险则是结果,所以风险评估模型可表示为:

式(2)中:R为暴雨灾害的风险度;H为致灾因子的危险性;V为承灾体的易损性。

3.3 层次分析法 (AHP)

层次分析法[14](Analytic hierarchy process,简称AHP法)是美国运筹学家 T.L.Saaty教授上世纪 70年代提出的一种定量与定性相结合的多目标决策分析方法。这一方法的核心是将决策者的经验判断给予量化,从而为决策者提供定量形式的决策依据,在目标结构复杂且缺乏必要数据的情况下更为实用。应用 AHP方法计算指标权重系数,实际上是在建立有序递阶的指标系统的基础上,通过指标之间的两两比较对系统中各指标予以优劣评判,并利用这种评判结果来综合计算各指标的权重系数。

本文中应用该方法的基本思路是:通过将每个因子的组成指标成对的进行简单地比较、判断和计算,得出每个指标的权重,以确定不同指标对同一因子的相对重要性。具体原理见有关参考文献[14-16]。

3.4 极差标准化法

为了让数据具有可比性,统一尺度分析,消除各指标量纲的影响,对致灾的各项危险性因子和承灾体的各项易损性因子一致采用极差标准化法处理,公式如下[9]:

式中:X′ij——去量纲差异后的第 i个对象的第j项指标 ;Xij——第 i个对象的第 j项指标 ;Xmin和Xmax分别为该指标的最小值和最大值。

4 暴雨灾害风险区划

4.1 评估流程

暴雨灾害风险是一个多因子综合作用的过程,本文从致灾因子的危险性和承灾体的易损性两方面选取评价指标进行风险区划,具体评价指标体系如图 1。

由图 1可知,暴雨灾害的风险是由危险性和易损性 2个主要因子构成的,每个因子又是由特定的副因子组成。危险性表示引起暴雨灾害的气象现象,易损性描述当暴雨灾害发生时受灾区的人口、经济状况等,两项因子的共同作用,形成了研究区的风险度。

图 1 暴雨灾害风险评估流程

4.2 数据处理与评价指标量化

选用明显暴雨过程中的乡镇逐小时降雨资料,通过处理得到明显暴雨过程中最大日降雨量,3h滑动降雨量和该过程前 10d累计降雨量数据;明显暴雨过程指的是一次暴雨过程中研究区有 1/5的站次达到暴雨[3](24 h降雨量≥50mm),即安顺市总共 77个乡镇,有 15个以上乡镇达到暴雨即为一次明显暴雨过程。在ArcGIS支持下,建立致灾因子的危险性评估模型,然后叠加、分析生成一个综合性致灾因子危险性区划图。

暴雨灾害的危险性区划,是以降雨量区划图作为主要基础底图,参考不同时段降雨强度指标,在ArcGIS软件支持下完成的。暴雨灾害的危险性评价模型[13]:

式(3)中:H——每个区域暴雨灾害的危险性指数;Wi——第 i个因子对应的权重系数;xi——第 i个致灾因子的量。

根据层次分析法计算评价因子的权重系数,并进行归一化处理得到最大日雨量、3h滑动最大降雨量、前10d总降雨量等 3项因子的权重系数分别为 0.4286,0.4286,0.1429,致灾的三项因子分别通过极差标准化法处理,再用ArcGIS对致灾的三项因子按照权重系数进行叠加分析,得到致灾因子的危险性指数。根据指数数据特征,将灾害危险性划分为 4个等级 (见表 1),通过对ArcGIS软件的图形数据库操作,叠加危险性的3项因子而得到安顺市暴雨灾害危险性区划图 (图 2),表明高危险区和较高危险区主要分布在安顺市中部及以南地区,北部乡镇相对危险性较小一些。

表 1 危险性划分标准

图 2 致灾因子危险性评估

对于一个研究区,社会经济发展水平决定了其潜在易损性。在评估灾情时,考虑的因素可以概括为人员伤亡情况、经济损失情况以及农业受灾情况[17]。灾害是由于承灾体遭受致灾因子的打击而形成的,前面分析了致灾因子的危险性特征,以下分析承灾体的易损性特点。在相同的受灾条件下,不同的人口密度和经济密度,灾情各异。人口密度越大,灾情越严重;同理,单位面积 GDP值越高,灾情越严重。

本文考虑人口密度和经济密度两项指标,根据2009年安顺年鉴中的各县、区人口和经济分布数据,建立暴雨灾害易损性模型,公式如下:

式中:V——暴雨灾害易损性指数;w1——人口密度权重系数;w2——经济密度权重系数。

根据公式 (4)将原始数据进行处理,仍然采用层次分析法确定人口密度、经济密度权重系数分别为 0.6、0.4,采用极差标准法去掉不同因子量纲的影响,通过ArcGIS将承灾体的两项因子按照权重系数进行叠加,得出承灾体的易损性指数,根据指数数据特征,将承灾体的易损性划分为 4个等级 (见表 2),从而得到安顺市暴雨灾害的承灾体易损性区划图 (图 3)。

由易损性区划图可知,在相同的受灾条件下,由于安顺市北部地区人口较多,经济较为发达,则受灾比南部地区更为严重。

表 2 易损性划分标准

4.3 综合暴雨灾害风险性分析

根据评价指标体系 (图 1),用 AHP方法构造表 3判断矩阵,求得暴雨灾害风险性各种因子:3h滑动最大降雨量 (C1)、最大日雨量 (C2)、前 10d总降雨量(C3)、人口密度 (C4)、经济密度 (C5)的权重系数分别为:0.1428、0.1312、0.0581、0.3937和 0.2741。

图 3 承灾体易损性区划图

表 3 暴雨灾害风险因子比较矩阵

基于上述的各个因素的分析,利用 ArcGIS平台,综合公式 (1)～(4),提取基本单元的危险性和易损性的属性值,通过对表 3的暴雨灾害比较矩阵分析而得出的综合权重系数,将致灾因子的危险性区划图和承灾体的易损性区划图叠加起来,得出该研究区的综合风险度,按照综合风险度的数据特征,在 ArcGIS中将其分为 5个等级 (表 4)绘出安顺市暴雨灾害风险区划图 (图 4)。