基于不同空间尺度资料的自然灾害风险评估对比分析*——以暴雨洪涝灾害为例

徐永清，陈 莉，刘艳华，李 帅，周祥雪，那荣波

(1.黑龙江省气候中心，黑龙江 哈尔滨 150030；2.黑龙江省公共气象服务中心,黑龙江 哈尔滨 150030；3.黑龙江省气象台，黑龙江 哈尔滨 150030；4.牡丹江市气象局，黑龙江 牡丹江 1507010；5.黑龙江省气象科学研究所，黑龙江 哈尔滨 150030)

为全面掌握我国自然灾害风险隐患情况，提升全社会抵御自然灾害的综合防范能力，全国第一次自然灾害综合风险普查工作正在全国范围内开展。这是一项重大的国情国力调查，是提升自然灾害防治能力的基础性工作。通过开展普查，摸清全国自然灾害风险隐患底数，查明重点地区抗灾能力，客观认识全国和各地区自然灾害综合风险水平，为中央和地方各级人民政府有效开展自然灾害防治工作、切实保障经济社会可持续发展提供权威的灾害风险信息和科学决策依据[1]。自然灾害风险评估中风险源和承灾体是两个要件，在风险普查工作中，除了面对承灾体错综复杂的情况外，致灾因子资料的时空分辨率对风险评估结果的影响也格外引人关注。

暴雨洪涝灾害风险评估一般可以分为三种，分别是灾前评估、灾中跟踪监测评估和灾后实测评估。灾前风险评估主要工作是制定风险评估指标，划分风险等级。美国、日本等发达国家对暴雨洪涝灾害评估研究已有40多年的历史[2]，我国对暴雨洪涝灾害评估研究起步较晚，只有20多年的研究历史，但在灾前评估方面已有不少成果，主要集中在利用GIS技术开展灾害易损度、脆弱性评价、风险评价以及风险区划等方面[3-19]。张平仓等[20]按照200 km2的阈值划分小流域，分别考虑小流域降水、地形地质和社会经济等三方面因素，将全国山洪灾害防治区划分为一级重点、二级重点和一般防治区。万军等[21]结合湖北省暴雨频次、地形、河网密度、人均GDP、人口密度等因素，利用GIS得到湖北省洪涝灾害风险评估图。曹罗丹等[22]利用GIS空间分析功能，从洪涝的致灾危险性、暴露性、脆弱性及防灾减灾能力等方面，构建了洪涝灾害风险评估模型，对浙江省洪涝灾害进行了风险评估。裴惠娟等[23]利用甘肃省降雨资料，基于层次分析法建立了区域暴雨洪水灾害风险评估指标体系，对甘肃省暴雨洪水灾害进行了风险评价。

目前，暴雨洪涝灾害风险评估主要考虑降水、地形、水系、人口和GDP等因素，其中地形、水系、人口和GDP等要素短期内空间分布变化不大，但降水要素选择的资料空间尺度不同，致灾因子空间分布的差异会较大，对评估结果影响也较大。以往的暴雨洪涝灾害风险评估研究中，降水资料大多使用国家气象站的降水资料，其资料序列长，质量较高，但气象站点分布较为稀疏。本研究在暴雨洪涝灾害评估的降水资料处理中，引入了站点较多的区域气象站，结合地形、水系、人口和GDP等资料开展风险评估研究，并与仅用国家气象站的评估结果进行对比，分析基于不同空间尺度降水资料的暴雨洪涝灾害风险评估差异，以期为自然灾害风险普查工作提供科学参考。

1 资料与方法

1.1 研究区选取

本研究选取平原和山地两种不同地貌进行对比分析。平原选取位于松嫩平原的黑龙江省富裕县为代表，山地选取位于黑龙江省大兴安岭地区的呼玛县为代表。

图1 富裕县和呼玛县位置图 (基于黑龙江省标准地图服务网站(黑龙江省测绘地理信息局)下载的审图号为黑s(2008)047号的标准地图制作，底图无修改。下同。)

富裕县位于黑龙江省西部，嫩江中游西岸，松嫩平原北部。富裕地形南低北高，西低东高，海波高度在146～224 m之间，相对高差不到80 m。流经富裕县的河流主要有嫩江和乌裕尔河。嫩江自北向南流经富裕县，境内河流长度91 km。富裕县总面积为4 026 km2，总人口约30万人，GDP总量约为75.8亿元，其中第一、第二、第三产业分别为30.8、13.4、31.6亿元。富裕县主要农作物为玉米和水稻，其中玉米面积达到9.1万hm2，水稻种植面积约2.3万hm2[24]。

呼玛县位于大兴安岭东麓、黑龙江上游西南岸。呼玛县西北高、东南低，海拔高度在143～788 m。呼玛境内河流分属嫩江、黑龙江两大水系，呼玛河向东注入黑龙江，境内流程209 km，是呼玛县内最长的河流。呼玛县总面积为14 335 km2，总人口5.3万人，GDP总量为17.1亿元，其中第一产业达到14.9亿元。呼玛县是大兴安岭地区唯一以农业为主的行政县，木耳、蘑菇等林下资源较为丰富[25]。

富裕县和呼玛县除了在地形地貌方面有较大差距外，水系、人口、GDP和农业规模方面差异也较大，以它们作为暴雨洪涝灾害风险评估的研究对象，其结果可以具有较好的代表性。

1.2 数据

空间分辨率较低的降水资料，主要来自国家气象站。采用富裕和周边的讷河、依安、林甸、齐齐哈尔及甘南等6个国家气象站降水资料开展富裕暴雨洪涝风险评估，降水资料空间分辨率概算为65 km；采用呼码和周边的新林、塔河、加格达奇、嫩江和爱辉等6国家气象站降水资料开展呼码暴雨洪涝风险评估，降水资料空间分辨率概算为150 km。空间分辨率较高的降水资料，主要来自区域气象站。增加富裕县内8个区域气象站降水资料开展富裕加密暴雨洪涝风险评估，降水资料空间分辨率为23 km；同样增加呼码县内9个区域气象站降水资料开展呼玛加密暴雨洪涝风险评估，降水资料空间分辨率为35 km。由于富裕、呼码县17个区域气象站降水资料为2007—2020年，为了对比分析的科学性，12个国家气象站降水资料分析年限也选取2007—2020年。资料均来源于黑龙江省气象数据中心。

DEM数据来自SRTM，空间分辨率为90 m[26]。行政区划、河流矢量数据来自全国1∶25万矢量图；1 km×1 km网格GDP和人口数据来源于中国科学院资源环境科学数据中心[27]；土地利用等数据来源于《黑龙江统计年鉴(2010)》[28]。

由于降水、人口、GDP、地理信息等数据来源不同、格式不统一，为便于分析和计算，研究应用GIS软件对栅格数据进行投影转换、重采样后，统一处理到90 m分辨率的栅格数据；离散点数据采用克里金插值方法转换为90 m分辨率的栅格数据。

1.3 指标和方法

1.3.1 暴雨洪涝灾害风险评估方法

本文根据自然灾害风险评估理论[29]，从致灾危险性、承灾体暴露性和脆弱性三维度进行风险评估，计算公式为：

FDRI=HWH×VWV×EWE。

(1)

式中：FDRI(Flood disaster risk index)为暴雨洪涝灾害风险指数，H、V、E分别表示致灾危险性、承灾体暴露性和脆弱性指数；WH、WV、WE分别表示各自权重，权重之和为1。FDRI采用按百分位分方法划分为5级，具体百分位分级标准如表1所示，1～5级分别表示高风险区、较高风险区、中风险区、较低风险区和低风险区。

表1 暴雨洪涝灾害风险等级划分标准

致灾危险性指数、承灾体暴露性和脆弱性指数具体所包含的因子选择原则是，既要考虑各因子数据的客观性、可获取性，也要考虑其能否客观反映暴雨洪涝灾害风险的实际情况。同样各指数按百分位方法划分为5级，等级划分标准同表1。

各项评估指标权重的确定采用层次分析方法和专家打分法来确定。层次分析方法[30]根据各个指标的相对重要性，从因子层开始，采用两两比较的方法建立判断矩阵，采用方根方法求出各影响因子的权重并归一，通过一致性检验后得到因子层对准则层的权重集。在此基础上，征询7位气象专家的意见，对专家意见进行统计、处理和分析，客观地综合多数专家经验与主观判断，确定权重系数。

1.3.2 暴雨洪涝灾害致灾危险性评估指标和方法

暴雨洪涝致灾因子危险性主要取决于气象因子和孕灾环境。强降水是诱因，海拔高程以及地形起伏对暴雨洪涝灾害形成有不同程度影响，同时暴雨洪涝灾害发生很大程度上与区域内距离河流、湖泊的远近有密切关系。

参考《暴雨灾害调查与风险评估技术规范(评估与区划类)》[31]，暴雨洪涝致灾危险性指数由暴雨洪涝指数和孕灾环境影响指数确定，计算公式为：

H=(1+S)×R。

(2)

式中：H为暴雨洪涝致灾致灾危险性指数；S为孕灾环境影响指数；R为暴雨洪涝指数。

孕灾环境影响指数由地形和水系等2个因子均一化后加权求和得到，地形和水系系数参考《DB33/T 2025—2017暴雨过程危险性等级评估技术规范》的赋值标准，均在0.1～0.9之间。暴雨洪涝指数包括暴雨过程(24 h降雨量大于等于50 mm)中1 h最大降雨量、24 h最大降雨量、过程累计降雨量和暴雨持续日数等因子，4个因子均一化后加权求和得到暴雨洪涝指数，具体权重如表2所示。

1.3.3 暴雨洪涝暴露性评估指标和方法

暴露性是指暴雨洪涝灾害发生时，暴露于暴雨洪涝的人员、生计、环境服务和各种资源、基础设施。本研究中暴露性指数主要考虑人口密度、单位面积GDP和农作物耕种密度等3个因子，3个因子均一化后加权求和得到暴露性指数，采用层次分析方法和专家打分法计算各因子权重，如表2所示。

1.3.4 暴雨洪涝脆弱性评估指标和方法

脆弱性是指暴露于某一强度的暴雨洪涝灾害中的承灾体可能遭受的损失程度。脆弱性考虑老幼人口占比、直接经济损失占比和受灾耕地面积占比。3个因子均一化后加权求和得到脆弱性指数，具体权重如表2所示。

1.3.5 均一化方法

为消除各个指标量纲及数据级的差异，对各指标因子采用公式(3)进行均一化处理：

(3)

式中：Fi,j为第j个点第i个指标的规范化值；Di,j为第j个点第i个指标值；maxi为第i个指标所有格点中的最大值；mini为第i个指标所有格点中的最小值。

2 结果分析

2.1 暴雨洪涝致灾危险性评估结果

2.1.1 孕灾环境影响指数

孕灾环境影响指数包括地形系数和水系系数。地形主要考虑海拔高程以及地形标准差2个方面，高程越高，地形标准差越大，受洪涝灾害影响越小。水系方面，区域内距离河湖越近，洪涝危险指数越高，河流密度越大，水域面积越广，影响范围越大。

孕灾环境指数分布如图2所示，富裕地势低平，海拔较低，标准差较小，地形上易受洪涝灾害影响；区域内河湖众多，水系密度较大，洪涝灾害受水系影响明显。呼玛县海拔差异较大，东部海拔较低地区受洪涝灾害影响较大，西部海拔较高地区受洪涝灾害影响较小；区域内水系分布均在谷地，几乎没有湖泊，水系对洪涝灾害的影响范围较小。

2.1.2 基于不同空间分辨率降水资料的暴雨洪涝指数对比

基于65 km空间分辨率的降水资料所得出的富裕暴雨洪涝指数分布如图3a所示，指数在0.7～1.0之间，以富裕气象站为高值中心，由西北向东南递减。基于23 km空间分辨率的降水资料所得到的富裕暴雨洪涝指数分布如图3b所示，指数在0.5～1.0之间，国家气象站仍是大值中心，但指数分布不是简单的由西北向东南递减，而是在西北部、西南部和中部形成了几个低值中心。

基于150 km空间分辨率降水资料所得到的呼玛县暴雨洪涝指数分布更加简单，如图3c所示，全县暴雨洪涝指数值域为0.5～0.7，数值差异非常小。基于35 km空间分辨率降水资料所得出的呼玛暴雨洪涝指数分布如图3d所示，指数在0.38～1.0之间，在西南部形成了低值中心，中东部地区为高值中心。

表2 暴雨洪涝风险评估指标体系和权重

图2 富裕县和呼玛县孕灾环境指数分布图

图3 富裕县和呼玛县暴雨洪涝指数分布图

由此可见，基于空间分辨率更高的降水资料所得出的暴雨洪涝指数，无论是平原还是山地，值域范围明显增大，高值和低值区更加突出，指标分布更加细致，空间分布更加平滑，暴雨洪涝指数的地域差异反映更明显。

2.1.3 基于不同空间分辨率降水资料的暴雨洪涝致灾危险性评估对比

基于65 km空间分辨率降水资料得到的富裕暴雨洪涝灾害致灾危险性高和较高区域主要在富裕县城周围，但比较分散，低危险区连片分布在东北部和东南部。基于23 km空间分辨率降水资料得到的富裕暴雨洪涝高危险和较高危险区域仍在富裕县城周围，但分布较为连续；富裕县城由较低危险区调整为较高危险区；东南部的连续低危险区域西部调整为中等危险，东部变为较低危险，如图4a和图4b所示。

基于150 km空间分辨率降水资料得到的呼玛县暴雨洪涝灾害高危险和较高危险区主要分布在地势较低的河谷和平原地区，中部海拔较高的山地地区为低危险区。基于35 km空间分辨率降水资料得到的呼玛暴雨洪涝致灾危险性分布，区域连续性明显增强，危险等级由西南向东北增强，高危险区出现在中部的黑龙江沿岸；位于西北部呼玛河上游地区，危险程度受地形、水系影响明显减小，高危险和较高危险区调整为中等危险区；东南部和西南部较高危险和中等危险区调整为较低危险和低危险区，由如图4c和图4d所示。

降水资料分辨率较高的致灾危险性评估结果更符合地形、水系、降水等要素的综合分布实际情况，避免了评估结果受某单一因子影响过强的状况，使评估结果更加科学。

2.2 暴雨洪涝暴露性评估结果

由图5可见，富裕和呼玛县暴雨洪涝暴露性大值区主要位于县城和乡镇周边人口密度大、 GDP产值较大的区域，高暴露区和较高暴露区明显呈点状分布；而在人口密度小、GDP产值低的地区暴露性指数较低，尤其是在呼玛县海拔较高的山地地区均为低暴露区。

图4 富裕县和呼玛县暴雨洪涝灾害致灾危险性评估图

图5 富裕县和呼玛县暴露性指数分布图

2.3 暴雨洪涝脆弱性评估结果

受经济发展和人口迁移影响，富裕县城和乡镇外围暴雨洪涝脆弱性较高，高脆弱性区分布较为分散，富裕县城和主要乡镇中心为中等脆弱以下。呼玛县因为人口少，主要集中在县城和几个主要乡镇，脆弱性分布与富裕差异较大，高脆弱区出现在高暴露区的相邻区域，低脆弱和较低脆弱区与暴露性基本一致(图6)。

2.4 基于不同空间分辨率降水资料的暴雨洪涝灾害风险评估对比

比较基于不同空间分辨率降水资料的暴雨洪涝灾害风险评估结果(图7)，可以看出，空间分辨率较高降水资料所得出的暴雨洪涝风险分布更加平滑，突出了暴雨高值和低值区，对暴雨洪涝风险的空间差异刻画更加细致。位于平原区的富裕，降水资料空间分辨率增加后，风险分区增强了连续性。位于山区的呼玛，基于较低空间分辨率降水资料得到的暴雨洪涝风险与地形分布高度一致，而降水资料空间分辨率增加后，暴雨洪涝风险分区不但连续性增强，而且风险与地形分布高度一致的状况得到了显著改善。由此可见，无论是平原还是山区，降水资料空间分辨率增加，不但可以提高暴雨洪涝风险的空间精度，更能使暴雨洪涝灾害风险评估结果更加科学合理。

图6 富裕县和呼玛县脆弱性指数分布图

图7 富裕县和呼玛县暴雨洪涝灾害风险评估图

3 结论与讨论

本文选择了黑龙江省位于平原区的富裕县和位于山区的呼玛县作为研究对象，以暴雨洪涝灾害为例，采用致灾因子危险性、承灾体暴露性和脆弱性等三个维度开展了灾害风险评估研究，并对基于不同空间尺度降水资料得到的致灾危险性评估和风险评估结果进行了对比分析，得到以下结论：

(1)确定了暴雨洪涝灾害风险评估指标体系。致灾危险性评估由暴雨洪涝指数和孕灾环境影响指数确定。暴雨洪涝指数包含的指标有1 h最大降雨量、24 h最大降雨量、过程累计降雨量和暴雨持续日数；孕灾环境影响指数包含的指标有地形系数和水系系数。暴露性评估指标包括人口密度、单位面积GDP和农作物耕种密度。脆弱性评估指标包括老幼人口占比、直接经济损失占比和受灾耕地面积占比。

(2)基于较低空间分辨率降水资料得到的暴雨洪涝指数呈明显带状或圆环状。基于较高空间分辨率降水资料得到的暴雨洪涝指数，值域范围明显增大，高值和低值区更加突出，指标分布更加细致，空间分布更加平滑，暴雨洪涝指数的地域差异反映更明显。

(3)基于较高空间分辨率降水资料得到的位于平原区的富裕县暴雨洪涝灾害致灾危险性评估分布与较低空间分辨率降水资料结果有所不同，高危险和较高危险区域仍在富裕县城周围，但分布较为连续；富裕县城由较低危险区调整为较高危险区；东南部的连续低危险区域西部调整为中等危险，东部变为较低危险区域。

(4)基于较低空间分辨率降水资料得到的呼玛县暴雨洪涝灾害高、较高危险区主要分布在地势致灾危险性较低的河谷和平原地区，中部海拔较高的山地为低危险区。基于较高空间分辨率降水资料的评估结果，区域连续性明显增强，高危险区在中部的黑龙江沿岸，而位于西北部呼玛河上游地区由高、较高危险调整为中等危险区，东南部和西南部较高危险和中等危险区调整为较低危险和低危险区

(5)由于平原区地形和水系差异较小，造成孕灾环境影响指数差异小，致灾危险性评估和风险评估受降水分布影响较大，如果降水资料空间分辨率不高，各分区会呈较大的不连续性。

(6)山区由于地形复杂，地势起伏较大，造成孕灾环境影响指数差别较大，在降水资料分辨率较低时，致灾危险性评估和风险评估分布与地形分布高度重合；当降水资料空间分辨率加密后，这种状况得到显著改善，使暴雨洪涝灾害风险区划结果更加科学合理。

暴雨洪涝灾害十分复杂，影响因子涉及自然与社会的诸多方面，本文借鉴相关研究建立了暴雨洪涝灾害评价指标体系，但未考虑洪涝灾害形成过程中的下垫面因素，如地表径流量等，深入了解暴雨洪涝灾害形成机理，结合自然、社会等多种因素，构建更加精细化的评估模型是未来暴雨洪涝灾害风险研究的重点。

当前全国第一次自然灾害综合风险普查工作正在开展，各种灾害风险评估涉及的行业多、领域广，承灾体方面的调查工作更是错综复杂。在进行风险评估中需要把握资料的真实性和可获得性。气象资料是国际公认的较好序列，人口、经济、农业方面我国统计数据也较为规范，需要更好地挖掘这些资料，让这些规范性资料发挥最大效益。全国目前有国家气象站2 000多个[32]，从本世纪初，我国开始建设区域自动气象站，同时行业部门有很多气象站，如何把这些资料用起来，进行历史资料的质检和整编，如何针对实时资料进行实时质检入库，如何应用卫星遥感技术来补充和完善，同时如何把加密资料与年限较长的常规资料融合使用，这是个系统工程。本研究只是把降水资料空间尺度平原区从65 km降到23 km，山区从150 km降到35 km，分析结果差异已经很明显。如果更密，会不会更科学？空间尺度细到何种程度可以达到成本产出的最优平衡，都是值得研究的问题。