基于GIS的北京市山区防洪灾害风险区划技术探讨

关丽，陈品祥，闫宁，胡卓玮，冯学兵

基于GIS的北京市山区防洪灾害风险区划技术探讨

关丽1*，陈品祥1，闫宁1，胡卓玮2，冯学兵1

（1.北京市测绘设计研究院城市空间信息工程北京市重点实验室，北京 100038；2.首都师范大学资源环境与旅游学院，北京 100048）

城市山洪灾害一旦发生具有人员和财产损失大、社会和经济影响严重等特点，它不仅受到城市内部河流、植被、地形等自然因素的影响，也受到道路、地下排水管网、经济发展规模等社会经济因素的影响，因此，研究城市山洪灾害风险，降低城市山洪可能带来的损失对于城市建设和发展具有重要意义。本文以北京市山区为例，基于山区小流域分布数据、水系数据、高程数据、行政区划数据等基础地理数据，依据风险区划评估模型对山区流域进行防洪风险等级的初步划分，以期研究结果对北京市对城市山洪易发地区的风险投资、区域开发和灾害管理提供应用支撑。

山洪灾害风险区划；小流域；GIS；北京市山区

1　引 言

山洪是山区小流域由降雨引起的突发性、暴涨暴落的地表径流，其特点是来势猛，成灾快，破坏性强，容易造成人员伤亡；而且区域性明显，易发性强，预测预防难度大。据国家防办统计，近几年来，山洪灾害平均每年造成的死亡人数占全部洪涝灾害死亡人数的80%左右，在人员伤亡上已经大大超过了大江大河洪水伤亡数［1～3］。城市山洪灾害一旦发生具有人员和财产损失大、社会和经济影响严重等特点，而且城市内部除了具有河流、植被、地形等自然因素的影响，也包括了道路、地下排水管网等人工设施的影响。因此，城市山洪灾害风险区划时，需要同时考虑自然因素和人为因素，比非城市区域的山洪灾害评估复杂度要高。

城市山洪灾害风险区划是指在城市范围内根据研究区山洪危险性特征，并参考区域承灾能力及社会经济状况，把山洪灾害划分为不同风险等级区域的过程。城市山洪灾害风险区划的结果，将对城市山洪易发地区的风险投资、区域开发和灾害管理提供重要的决策依据。山洪具有发灾突然、空间尺度小、分布数量多、成灾迅速，其水文和动力参数难以进行观测而取得，并且采用遥感技术也难以获得其泛滥范围等多种特殊性的问题［4～6］。而地理信息系统（Geographic information system，GIS）具有完善的地理空间信息处理功能和良好的模型载入与区划效果展示能力，因此，基于GIS技术完成城市山洪灾害风险区划工作成为一项非常可行的方案［7～10］。本文以北京市山区为例，基于山区小流域分布数据、水系数据、高程数据、行政区划数据等基础地理数据，依据风险区划评估模型对山区流域进行防洪风险等级的初步划分，以期其区划结果对北京市山区的区域开发和灾害管理提供应用支撑。

2　研究区概况

2.1研究区特点

（1）地形特征

北京市山区山坡陡峻，切割较深，沟源和支沟沟床比降大；山地岩石组成类型多样，岩性十分复杂，风化作用强烈，松散碎屑物质丰富；降水高度集中，往往以暴雨、大暴雨和特大暴雨等高强度的方式降落，形成山洪泥石流的群发，不仅在泥石流沟内及其沟口造成危害，而且还对主河道造成次生危害。因此，自然因素是导致北京市山洪泥石流发生的基础和主要原因。据北京市水务局提供资料，北京市山区共有山洪泥石流沟2 280条，分布在房山、门头沟、怀柔、密云、平谷等7个区（县），涉及乡镇61个。

（2）山洪时空分布特点

北京市山洪灾害多发生在雨季。北京市降水年内分配不均和年际变化很大。据统计，北京市多年平均降雨585 mm，汛期（6月～9月）雨量约占全年降水量的85%，汛期降水又常集中在7月下旬和8月上旬的几场大暴雨，极易形成洪涝灾害。

2.2研究区基础数据

本次研究区范围选择北京市山区，其基础数据内容如表1所示，分为基础地理数据和社会属性数据。基础地理数据包括山区小流域分布数据、水系数据、DEM（Digital Elevation Model，DEM）数据、行政区划区界、县界、水利工程数据，数据内容全面。其中，北京市山区小流域分布数据是北京市第一次水务普查的主要成果。小流域是指根据水系、河坝、闸口等地物的分布，以10 km2左右为单元，划分形成的汇水面积最小单元。根据实际地形，小流域分为完整型、区间型和坡面性三类。社会属性数据由于受数据源的限制，只收集到北京市山区部分地区的人口密度分布数据、房屋资产数据、耕地面积和单位面积GDP密度数据等，数据内容有一定缺失。因此，在风险区划评估过程中，将基础地理数据全部参与模型运算，社会属性数据作为保留数据，暂时不参与模型运算。

研究区基础数据列表　表1

3　城市山洪灾害风险区划技术

城市山洪灾害风险区划过程中，首先需要根据山洪灾害风险评估模型确定需要收集的基础数据，然后根据模型中选择的风险指数进行风险因子计算，并根据层次分析法和相关分析法确定风险因子的权重，根据风险因子归一化的结果结合山洪灾害风险等级和区划数据，最终得到山洪灾害风险区划结果，具体流程如图1所示。

图1　城市山洪灾害风险区划流程图

3.1危险性指数获取

（1）坡度因子

坡度工具用于为每个像元计算值在从该像元到与其相邻的像元方向上的最大变化率。实际上，高程随着像元与其相邻的8个像元之间距离的变化而产生的最大变化率可用来识别自该像元开始的最陡坡降。从概念上讲，该工具会将一个平面与要处理的像元或中心像元周围一个3×3的像元邻域的高程值进行拟合。该平面的坡度值通过最大平均值法来计算，该平面的朝向就是待处理像元的坡向。坡度值越小，地势越平坦；坡度值越大，地势越陡峭。通过无洼地DEM数据生成坡度图，并对坡度进行归一化处理并重分类，获得坡度因子，其结果如图2所示。

（2）流域面积标准差

地形的起伏状况对洪水的排泄也有较大影响，地形起伏越小，地势越平坦，洪水不易排泄，发生洪灾的危险程度就要高，相反地形起伏越大，形成洪水的危险性也就越低，目前比较通用的算法是通过流域面积标准差来实现。流域面积标准差的计算流程如图3所示，每个步骤得到的结果如图4所示。

图2　坡度因子结果图

其中，地形标准差也称为集水流域高程标准差，通过高程标准差表达地形起伏程度能够灵敏地反映地形起伏变化［11］，其计算过程是将集水流域高程的标准差分配给流域内的所有像元。高程标准差的值越大，高程波动的范围就越大，地形也就越不平坦，这样就可以用高程标准差来衡量地形的起伏程度。流域面积标准差的计算是指计算流程面积的标准差，同时对标准差的数据进行归一化处理，重分类完成制图。

图3　流域面积标准差GIS计算流程

图4　流域面积标准差计算结果

（3）沟谷密度

沟谷密度是描述地面被沟壑切割破碎程度的一个指标，指单位面积内沟壑的总长度。沟谷密度是气候、地形、岩性、植被等因素综合影响的反映。沟谷密度越大，地面越破碎，平均坡度增大，地表物质稳定性降低，且易形成地表径流，土壤侵蚀加剧，容易引起滑坡的发生。沟谷密度的计算结果如图5所示。

图5　沟谷密度计算结果

首先，集水流域面积计算。依据图4中已提取出的集水流域，计算集水流域的面积。

其次，计算沟谷密度，对沟谷密度进行归一化处理并重分类。利用核密度分析原理进行计算，核密度分析用于计算每个输出栅格像元周围的点要素的密度。概念上，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。这里，仅允许使用圆形邻域。默认情况下，单位是根据输入点要素数据的投影定义的线性单位进行选择的，或是在输出坐标系环境设置中以其他方式指定的。如果选择的是面积单位，则计算所得的像元密度将乘以相应因子，然后写入到输出栅格。

（4）水系密度

洪涝灾害的发生，与河流、湖泊等水系的分布相关，距离江、河、湖、库等越近，则洪水危险程度越高。河流级别越高，水网越密，水域面积越大，其影响范围越大，发生洪涝灾害的危险性也就越大［12］。水系密度的计算结果如图6所示。

图6　水系密度的计算结果

首先，计算水系面积。其次，计算水系高程标准差。最后是水系密度的计算。在转换包含点要素的栅格数据集时，输入栅格数据集中的每个像元都会在输出中转换为点。每个新生成的点都被定位在它所表示的像元的中心。对水系密度进行归一化处理并进行重分类。

3.2易损性指数获取

本文中，易损性指数选取了人口密度、房屋资产、耕地百分比、单位面积工农业产值和承灾能力等5种指数。分别按照相应行业标准进行分类并赋值，但受数据源的限制，每类数据只获得部分区域的数值，故不参与模型运算。

3.3城市山洪灾害风险区划方法

（1）权重叠加法

权重叠加法是根据专业人员的先验知识，为参评因子按照贡献率的大小赋予相应的权重，将每个参评因子乘以它的权重值，最后将这些带权重的指标图层叠加，得到计算结果。权重叠加的具体公式如下:

其中，P为指数和，Xi参评因子，Wi为因子权重。

在GIS栅格运算中，叠加分析是在最佳位置选择或适宜性建模中应用的一组方法。权重叠加法是应用最多的叠加分析方法之一，它是按照定义的等级安排输入数据、对输入栅格进行加权，然后将权重值相加。在“加权叠加”工具中，分配给各输入栅格的权重之和必须等于100%。将图层乘以相应的倍数，然后将每个像元生成的值相加。

（2）权重确定方法

层次分析法（Analytic Hierarchy Process，AHP）是美国运筹学家T.L.Saaty教授于上世纪70年代初期提出的，AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。其基本方法是对于一个包括多因子而又难以准确量化的复杂系统进行分析评价时，根据各因子间的关系，理顺其组合方式和层次关系，据此建立系统评价的结构模型和数学模型。对模型的各种模糊性因子，根据它们对于影响对象或作用目标的评判确定量化指标或者标度指标，然后根据评价模型的需要，通过判断矩阵逐项或逐层得出各因子的权重或指标数值，最后计算出最高层次的评价标值。

在山洪灾害系统风险评估中，影响灾害发生的系统性比较明显，可以采用隶属度或者其他模糊数学的方法进行评估。但是目前而言，应用比较多的是结合专家打分的层次分析法，因为经验在山洪灾害风险区划评估中起着很大的作用。

（3）计算方法

城市山洪灾害风险区划计算方法包括危险性指数和易损性指数的计算。

危险性指数可表示为

R=W1*X1+W2*X2+W3*X3+W4*X4

其中，W1、W2、W3、W4为各评估指标因子的权重，X1、X2、X3、X4分别坡度因子、河网密度、流域面积标准差、沟谷密度。W1、W2、W3、W4权重值分别为0.4、0.3、0.15、0.15。

易损性指数=人口密度*A+房屋资产*B+耕地百分比*C+单位面子工农业产值*D+承灾能力*E。

本模型中由于社会属性数据有限，故只计算危险性指数，保留易损性指数的公式，待社会属性数据完善后再参与模型计算。

4　实例试验结果与分析

根据以上山洪灾害风险模型的计算结果，将风险等级划分为5级，即高风险、中高风险、中风险、中低风险、低风险，不同的典型小流域因影响因子不同可划分成4个或者3个风险等级。以中高风险等级为例，其划分依据如表2所示。

中高风险区域各影响因子所占权重　表2

将得到的风险等级结果图叠加到北京市山区小流域数据上，通过Zonal Statistics功能得到北京市山区山洪灾害风险区划图，结果如图7所示。通过对北京市山区山洪灾害风险区划图进行分析可以看出，房山地区、门头沟、密云怀柔南部、延庆部分地区为山洪暴发的高风险区域，这主要与该区域地形坡度较大有着密切的关系。

图7　山洪灾害风险区划实验结果

5　结 语

本文以北京市山区小流域为例，基于山区小流域分布数据、水系数据、高程数据、行政区划数据等基础地理数据，依据城市山区风险区划评估模型对山区流域进行了防洪风险等级的初步划分。研究结果说明利用GIS技术完成城市山洪灾害风险区划工作，是一项可行高效的方案。由于社会属性实验数据的限制，在山洪风险区划模型中，只应用了危险性指数参与评估，结果只反映自然因素对北京市山区山洪灾害风险的影响。在此基础上，可以加入降雨量等其他动态因子，对典型流域的防洪安全风险进行进一步的评估。总之，多角度研究城市山洪灾害风险，降低城市山洪可能带来的损失对于城市建设和发展具有重要意义。

［1］唐川，师玉娥.城市山洪灾害多目标评估方法探讨［J］.地理科学进展，2006，25（4）：13～21.

［2］王宝华，付强，谢永刚等.国内外洪水灾害经济损失评估方法综述［J］.灾害学，2007，22（3）：95～99.

［3］杨佩国，靳京，赵东升等.基于历史暴雨洪涝灾情数据的城市脆弱性定量研究——以北京市为例［J］.地理科学，2016，36（5）：733～741.

［4］刘家福，张柏.暴雨洪灾风险评估研究进展［J］.地理科学，2015，35（3）：346～351.

［5］DUTTAD，HERATHS.MUSIAKEK.An application of a flood risk assessement system for impact analysis of a flood control plan in a river basin［J］.Hydrological Process，2006，20：1365～1384.

［6］姜付仁，姜斌.北京“7.21”特大暴雨影响及其对策分析［J］.中国水利，2012（15）：19～22.

［7］Cutter S L，Finch G.Temporal and spatial changes in social vulnerability to natural hazards［J］.Proceedings of the National Academy of Sciences，2008，105（7）：2301～2306.

［8］权瑞松.基于情景模拟的上海中心城区建筑暴雨内涝脆弱性分析［J］.地理科学，2014，34（11）：1399～1403.

［9］刘毅，吴绍洪，徐中春等.自然灾害风险评估与分级方法论探研——以山西省地震灾害风险为例［J］.地理研究，2011，32（2）：195～208.

［10］APELH，THIEKENAH，MERZB，etal.Flood risk assessment and associate uncertainty［J］.Natural Hazardsand Earth System Sciences，2004，4：295～308.

［11］隋刚，郝兵元，彭林.利用高程标准差表达地形起伏程度的数据分析［J］.太原理工大学学报，2010，41（4）：381～384.

［12］朱留军.基于GIS在洪灾损失评估中的应用［J］.城市勘测，2009（6）：36～38.

Risk Zonation Technology and Example of BEIJING Mountain Torrent Based on GIS

Guan Li1，Chen Pinxiang1，Yan Ning1，Hu Zhuowei2，Feng Xuebing1
（1.Beijing Key Laboratory of Urban Spatial Information Engineering，Beijing Institute of Surveying and Mapping，Beijing 100038，China； 2.College of Resources Environment and Tourism，Capital Normal University，Beijing 100037，China）

Urban torrent disasters appear with a large staff and property damage，serious social and economic impacts.it is not only influenced by the rivers，vegetation，topography and other natural factors in city，but also by road，underground drainage network，economic scale and other social development factors.Therefore，study of the risk of urban torrent disasters to reduce the loss of city has the important implications for urban construction and development.In this paper，using assessment model of risk zonation is to preliminary divide the risk levels of torrent in mountain watershed in Beijing mountainous areas，based on the distribution data of small mountain watershed，the stream data，the elevation data，the administrative division data and other basic geographic data.The study results will provide application support of risk investment，regional development and disaster management of prone areas of mountain torrent in Beijing.

risk zonation of mountain torrent；small mountain watershed；GIS；mountains in Beijing

1672-8262（2016）04-18-06

P208.2

A

2016—04—25

关丽（1980—），女，博士，高级工程师，从事遥感与GIS理论与应用方法研究等方面的研究。