粤港澳大湾区未来洪涝灾害风险预估研究*

宋金帛，罗 明，张 强

(1. 华东师范大学 地理科学学院，上海 200241；2. 中山大学 地理科学与规划学院、广东省城市化与地理环境空间模拟重点实验室、广东省公共安全与灾害工程技术研究中心，广东 广州 510275；3. 北京师范大学 地表过程与资源生态国家重点实验室，地理科学学部，北京 100875)

在气候变化和城市化进程下，不同空间尺度上的水循环加剧，极端降水增多，城市洪涝灾害频发，造成极为严重的人员伤亡和财产损失[1-4]。粤港澳大湾区(以下简称“大湾区”)既是我国城市化程度和开放程度最高的地区之一，人口集聚，经济发达[5]，同时地势低洼、河网密布，降水丰沛且季节、年际变化大，因此也是洪涝灾害的高发区[6]，洪涝灾害对当地社会经济发展带来严重威胁。对气候变化和城市化进程下的大湾区未来洪涝灾害风险演变进行预测，揭示未来不同发展情景下洪涝灾害风险的时空分布规律，可为该地区洪涝灾害的防范和管理提供重要的科学支撑。

洪涝灾害风险是指某一区域在未来遭遇洪涝灾害时，遭受损失的可能性和程度。目前，常用的洪涝灾害风险评估方法包括基于遥感和GIS方法的评估[7-9]、基于历史灾情数据和数理统计方法的评估[10-12]、基于指标体系法的评估[13-15]、基于洪涝灾害情景模拟的评估[16-18]等[19-20]。众多学者基于上述评估方法对未来洪涝灾害风险进行预测，分析洪涝在城市化和气候变化背景下的风险演变规律[21-27]。在前人研究中，尽管有学者对大湾区未来洪涝灾害风险进行预测，但很少同时考虑到城市化和气候变化进程，并基于最新的第六次国际耦合模式比较计划(CMIP6)数据[28]预测该地区的未来洪涝灾害风险。为此，本研究基于CMIP6模拟、CMORPH降水、土地利用/覆盖等数据，利用FLUS模型预测未来的土地利用模式，结合CMIP6数据评估气候变化对大湾区未来降水的影响，依据非线性回归降尺度模型、修正系数法和风险评价模型对大湾区2015—2045年间的洪涝灾害风险进行预测。

1 数据与方法

1.1 数据来源及处理

本文采用的主要数据如下：

(1)CMORPH数据(1998—2014年)。CMORPH数据是具有高时空分辨率的卫星降水产品[29]，本研究采用CMORPH数据计算大湾区1998—2014年逐日降水量，并用于CMIP6数据降尺度模型的建立及精度评价工作。所用CMORPH数据的时、空分辨率分别为3 h、0.25°×0.25°，数据来源为ftp://ftp.cpc.ncep.noaa.gov/precip/CMORPH_V1.0/。

图1 研究流程图

(2)欧空局土地利用数据[30-31]。该数据的空间分辨率为300 m，本研究利用该数据得到2005、2015年的大湾区土地利用格局(将土地利用类型划分为耕地、林草植被、建设用地和水体四类)，并以此为基础预测2015—2045年的土地利用格局。

(3)驱动因子数据。大湾区未来土地利用模式受多种驱动因子影响，包括自然驱动因子、可达性驱动因子、社会经济驱动因子等。自然驱动因子数据包括高程、坡度、坡向，高程数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)，坡度坡向数据则基于ArcGIS10.4，根据大湾区高程数据计算得到。可达性驱动因子数据包括到河流距离、到公路距离、到铁路距离、到海岸线距离、到行政中心距离，基于1∶100万全国基础地理数据库中的矢量数据计算得到，采用的矢量数据来源于全国地理信息资源目录服务系统(www.webmap.cn)。社会经济驱动因子数据包括2015年的人口密度、GDP，分别来源于中国科学院资源环境科学数据中心数据注册与出版系统(http://www.resdc.cn/DOI)的中国人口空间分布公里网格数据集[32]和中国GDP空间分布公里网格数据集[33]。

(4)CMIP6数据(1998-2045年)，即第六次国际耦合模式比较计划(CMIP6)数据[28,34]，来源于https://esgf-index1.ceda.ac.uk/search/cmip6-ceda/。本研究基于CMIP6的历史试验(即Historical试验)数据和不同的共享社会经济路径(SSPs，包括SSP126、SSP245、SSP370、SSP585试验)数据预测2015—2045年不同情景下大湾区的逐日降水。

研究流程如图1所示。

1.2 研究区范围及降水单元划分

粤港澳大湾区位于我国华南地区，由我国香港、澳门两个特别行政区和广东省广州、深圳、佛山、东莞、中山、珠海、惠州、肇庆、江门9个地级市组成，属亚热带季风气候，地形上北高南低，东北部及西北部地区多山地，中部及沿海地区多平原。研究区为大湾区海岸线向陆部分，按照CMORPH数据的像元(大小0.25°×0.25°)位置可将研究区划分为若干降水单元(图2)。

图2 粤港澳大湾区及降水单元划分(该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)4342号的标准地图制作，底图无修改，下同。)

1.3 FLUS模型

FLUS模型能够模拟自然和社会经济等要素的驱动下，某一区域未来的土地利用情景，且精度较高[35-37]。该模型包含基于神经网络的适宜性概率计算和基于自适应惯性机制的元胞自动机两大重要模块，可基于GeoSOS-FLUS软件调用FLUS模型进行未来土地利用模式的模拟[35,38]。

本研究即选取高程、坡度、坡向等自然驱动因子，到河流距离、到公路距离、到铁路距离、到行政中心距离、到海岸线距离等可达性驱动因子，以及GDP、人口密度等社会经济驱动因子，基于2005和2015年的大湾区土地利用格局模拟了在上述驱动因子的共同作用下，2025、2035、2045年的土地利用模式。本研究通过设置相同的FLUS模型参数，基于2005年土地利用格局模拟2015年土地利用模式，并与真实的2015年土地利用状况进行对比，得到Kappa系数为0.892，整体精度为0.932，说明预测精度较高，土地利用格局模拟结果可靠。

1.4 CMIP6模式选取、降尺度及修正

本研究选取了同时包含Historical、SSP126、SSP245、SSP370、SSP585试验，且具有较高时间分辨率(d)及空间分辨率(100 km)降水模拟的8个CMIP6模式(表1)。这些模式均包含1998—2014年的大湾区历史降水数据(Historical试验)，及2015—2045年模拟所得的不同发展情景下的降水数据(包括SSP126、SSP245、SSP370、SSP585四种情景)。

表1 本研究选取的8个CMIP6模式

本研究首先综合1998—2010年CMIP6的Historical情景数据和CMORPH数据(用来反映真实观测降水，下同)，依据非线性回归降尺度模型方法构建CMIP6数据降尺度模型[39]：即对于每一个降水单元，首先针对其在8个CMIP6模式下1998—2010年的降水序列，采用主成分分析法计算其降水特征向量；然后采用二次多项式拟合的方法，建立该降水单元处降水特征向量与CMORPH数据所得降水之间的关系；之后，运用该模型对2011—2014年CMIP6的Historical情景数据进行降尺度，并与2011—2014年CMORPH数据降水进行比较，以评估降尺度精度。

同时，本研究采用修正系数法对降尺度模型进行修正，修正系数法如下：

(1)

bij=ai×cij,(j=2011,2012,…,2045)。

(2)

式中：i为月份，j为年份，ai为第i月的修正系数，bi为第j年第i月的CMORPH数据降水序列之和，cij为第j年第i月预测所得的降水序列之和。在求得每一月的修正系数之后，将对应月份预测所得降水乘以该修正系数，即可得到更准确的预测降水(更加接近真实降水量)。

最后，本研究即采用修正后的降尺度模型，对2015—2045年间SSP126、SSP245、SSP370、SSP585情景下的CMIP6数据进行降尺度，预测不同情景下的未来逐日降水变化。

1.5 风险评价模型构建

未来洪涝灾害风险由致灾因子危险性、承灾体脆弱性和孕灾环境敏感性构成。其中，致灾因子危险性是指强降水和洪涝事件本身的强度，承灾体脆弱性是指在给定洪涝事件的影响下可能遭受的经济财产损失[40]，孕灾环境敏感性是指区域环境特征影响下大湾区对洪涝灾害的敏感程度[41]。首先，基于CMIP6降尺度所得的不同情景下2015—2045年大湾区各降水单元的逐日降水，计算历年各降水单元处的5 d最大降水量、大雨日数、降水强度指数指标[42]。将这些指标进行极差标准化[43]处理后，采用主成分分析法[40]和极差标准化，得到不同情景下2015—2045年大湾区内各降水单元的致灾因子危险性指数。

基于FLUS模型预测所得的2025、2035、2045年土地利用格局，及2015年真实土地利用格局，对任一降水单元，将建设用地、耕地、林草植被、水体的脆弱性分别赋值为4、3、2、1[44]，与各土地利用类型所占比例相乘，之后相加所得的指数即可表征各降水单元的土地利用程度，将其采用极差标准化处理即可得2015—2045年各降水单元的承灾体脆弱性指数(未区分SSP126、SSP245等不同情景)。

基于FLUS模型预测所得的2025、2035、2045年土地利用格局，及2015年真实土地利用格局，计算各降水单元的水体和林草植被占比；同时，基于大湾区高程和坡度数据，计算各降水单元平均高程和坡度的变异系数(用以反映地形平坦程度)。对水体占比、林草植被占比、平均高程、坡度变异系数指标极差标准化处理后，采用主成分分析法和极差标准化，得到2015—2045年大湾区各降水单元的孕灾环境敏感性指数(未区分SSP126、SSP245等不同情景)。

计算不同发展情景下2015—2045年各降水单元处的危险性、脆弱性、敏感性指数(脆弱性、敏感性指数默认为在不同发展情景下取值相同)后，采用熵值法[45-46]确定危险性、脆弱性、敏感性指数权重分别为0.395、0.216、0.389，并采用下式计算洪涝灾害风险指数：

(3)

式中：Irisk表示各降水单元处的洪涝灾害风险性，将其极差标准化处理后即为洪涝灾害风险指数；I1、I2、I3分别为危险性、脆弱性、敏感性指数。

各指数的分级方法如下：对于危险性、敏感性和洪涝灾害风险指数，将2015—2045年所有降水单元的指数值列出之后，按照等比例法划分，使低、较低、中、较高、高等级的降水单元数均占总降水单元数的20%。对于脆弱性指数，为更好地表达其空间分布规律，将2015—2045年所有降水单元的脆弱性指数值升序排列后，取0.1、0.4、0.6、0.9分位数值将各降水单元划分为低、较低、中、较高、高脆弱性。

2 结果与分析

2.1 未来土地利用情景模拟

本研究所用驱动因子的空间分布格局如图3所示。综合这些驱动因子，结合大湾区2005、2015年土地利用模式，可预测得到2025年、2035年、2045年大湾区土地利用格局(如图4所示，其中2015年土地利用模式为真实分布，其余年份为预测所得分布)。由图4可知，2015—2045年建设用地数量显著增加，空间上主要由大湾区中部向四周扩展。经统计，2015—2045年大湾区耕地、林草植被、水体数量均呈现下降趋势，主要转化为建设用地。

图3 各项驱动因子在大湾区的分布

图4 2015—2045年大湾区土地利用分布格局

2.2 未来降水量模拟及精度验证

采用修正系数法对降尺度模型修正之前，利用CMORPH降水数据对2011—2014年CMIP6的Historical情景数据进行精度验证，即分别计算每个降水单元2011—2014年逐日CMIP6数据序列和CMORPH数据序列的相关系数，然后对所有降水单元处的相关系数求平均值，该值表示降尺度模型的精度。可知二者相关性极高，该值达0.158(序列长度为1 461 d)，通过0.001显著性检验。

采用修正系数法对2011—2014年CMIP6降尺度数据进行修正，并与2011—2014年CMORPH数据降水进行比较，二者相关系数达0.211(计算方法同上文)，通过0.001显著性检验，相比于修正前有显著提升。同时，修正系数法明显改善了原降尺度模型在夏季低估降水，冬季高估降水的问题，如图5所示。

图5 2011—2014年CMORPH数据及CMIP6降尺度数据所得大湾区平均降水量对比

采用修正后的降尺度模型，对2015—2045年SSP126、SSP245、SSP370、SSP585情景下的CMIP6数据进行降尺度，即完成未来大湾区降水量的预测。

2.3 致灾因子危险性预测

不同情景下2015—2045年大湾区内致灾因子危险性空间分布格局如图6所示。由图6可知，不同发展情景、不同年份、不同地理位置的洪涝灾害危险性有所差异。其中，不同的发展情景和年份下危险性差异较小，地理位置对危险性的影响较显著。较高及高危险性区域主要集中于江门、广州及惠州，这是由于江门市地处迎风坡多强降水，且易受热带气旋影响，而广州市及惠州市同样地处西南季风迎风坡，暖湿气流抬升易形成强降水[47]。

2.4 承灾体脆弱性预测

2015—2045年大湾区承灾体脆弱性空间分布格局如图7所示。高脆弱性地区始终集中在大湾区中部的佛山、广州、东莞、深圳等地，这是由于这些地区建设用地及耕地占比较多所致，建设用地聚集处往往人口密集、经济发达，耕地聚集处往往农业产值较高，这些地区在遭受洪涝灾害时可能造成更大的经济财产损失。2015—2045年间大湾区脆弱性显著增加，这是由于经预测2015—2045年间大湾区建设用地显著增多所致。

2.5 孕灾环境敏感性预测

2015—2045年大湾区孕灾环境敏感性空间分布格局如图8所示，高敏感性地区始终集中在大湾区中部及沿海地区，包括佛山、广州、东莞、深圳、中山。这是由于这些地区地形低矮、平坦，排水不畅，有河流流经，水体密度高，强降水发生时易造成水位上涨泛滥，植被密度较低，对洪水的调蓄能力较弱所致。2015—2045年间大湾区孕灾环境敏感性变化不明显，是由于地形变化(包括高程、坡度等)可以忽略不计，而水体和植被数量变化也较少。

2.6 未来洪涝灾害风险预测

不同发展情景下大湾区未来洪涝灾害风险如图9所示，较高及高风险区分布于大湾区江门、佛山、广州、惠州、东莞，这是致灾因子危险性、承灾体脆弱性和孕灾环境敏感性相叠加的结果，即江门、广州、惠州的洪涝灾害危险性较高，佛山、广州、东莞的脆弱性、敏感性较高。2015—2045年间大湾区洪涝灾害风险显著提升，这是由于2015—2045年间建设用地扩张，数量显著增加所致。而不同发展情景下，大湾区洪涝灾害风险变化不大。

图6 不同发展情景下2015—2045年大湾区危险性指数空间分布格局

图7 2015—2045年大湾区脆弱性指数分布格局图8 2015—2045年大湾区敏感性指数分布格局

图9 不同发展情景下2015—2045年大湾区洪涝灾害风险指数空间分布格局

3 结论与讨论

(1)本研究预测了2015—2045年大湾区土地利用模式及不同情景下(SSP126、SSP245、SSP370、SSP585)的逐日降水量。土地利用模拟结果的Kappa系数为0.892，整体精度为0.932，修正后的CMIP6降尺度数据与CMORPH数据的相关性能够通过0.001显著性检验，精度高，可作为洪涝灾害风险预测的基础。

(2)较高及高危险性地区分布于江门、广州及惠州，年份变化及不同发展情景对致灾因子危险性影响不大；较高及高脆弱性地区分布在佛山、广州、东莞、深圳，2015—2045年间大湾区承灾体脆弱性显著提升；较高及高敏感性地区分布于佛山、广州、东莞、深圳、中山，2015—2045年间孕灾环境敏感性变化不大。

(3)较高及高风险区分布于江门、佛山、广州、惠州、东莞等地，2015—2045年间大湾区洪涝灾害风险显著提升，不同发展情景下，大湾区洪涝灾害风险变化不大。

(4)粤港澳大湾区应合理分配灾害管理资源，针对洪涝灾害风险较高的江门、佛山、广州、惠州、东莞等市，应通过加强排水防涝系统建设、完善“防-抗-救”洪涝灾害应急响应体系、完善洪涝灾害监测及预警预报系统、加强防洪新技术新方法应用等措施增强其洪涝灾害防治能力[48]。