基于GIS 的宁东基地积涝灾害风险评估

雍 佳，王建英*，刘 垚，韩露露

（1.中国气象局 旱区特色农业气象灾害监测预警与风险管理重点实验室，宁夏银川 750002；2.宁夏气象防灾减灾重点实验室，宁夏 银川 750002；3.宁夏气象服务中心，宁夏 银川 750002；4.宁夏联安雷电防护技术研究所（有限公司），宁夏 银川 750002）

积涝灾害是由于强降水、水利设施不完善等因素导致的地面积水不能及时排出的现象。近年来，我国城市化速度逐步加快，积涝灾害发生的强度和频次随之增加，由此带来的损失也逐年增大，特别是城镇地区国民经济的发展受积涝灾害的影响较大[1-2]。宁东能源化工基地（以下简称宁东基地）是国务院批准的国家重点开发区、国家重要的大型煤炭生产基地、“西电东送”火电基地、煤化工产业基地和现代煤化工示范区及循环经济示范区[3-4]，银青高速公路和307 国道横贯其中，大型货物运输车辆频繁行驶。宁东基地各大园区和企业之间的道路多、路面窄，危化品罐车和运送工业原料、建筑建材、矿产资源、工业废渣、机械设备等货物的大型运输车辆多且集中，降雨易导致宁东基地道路积水，存在一定的交通安全隐患。提供准确、实时的积涝气象灾害风险预警信息，对宁东基地交通安全保障具有重要意义。

国外学者对降雨积涝风险灾害评估的方法进行了大量研究。W.J.Petak 等[5]提出了自然灾害风险评价理论和方法。I.Burton 等[6]和D.Mileti[7]对自然灾害风险评价理论进行了归纳和总结，对脆弱度、灾害性和暴露度展开了系统的研究，认为气象灾害是这3 个方面综合作用的产物。P.Blaikie 等[8]从承灾体脆弱性和致灾因子危险性出发，提出了两者对灾害的贡献。国内专家和学者也对积涝灾害风险评估、区划和预警开展了一系列研究。史培军[9-11]对气象灾害作出了深入研究与讨论，提出了“区域灾害系统论”，阐述了区域灾害的形成过程。刘娜[1]利用南京市气象站降水数据、基础地理信息数据、土地利用类型数据和历史灾情数据，在GIS 空间分析法的基础上建立了南京主城区暴雨内涝灾害风险评估模型。赵华等[12]针对致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力4 个方面，构建了潍坊市强降雨洪涝灾害风险评价模型，并借助GIS 对其进行了风险评估和区划。高操等[13]基于自然灾害风险评估方法，对沧州市暴雨气象灾害风险进行了评估。

本文利用加密自动气象站降水资料、地形资料和社会经济数据，对宁东基地积涝灾害的致灾因子、孕灾环境和承灾体进行定量化风险评估，并基于气象灾害风险评估方法和GIS 技术，构建宁东基地积涝灾害风险评价指标体系和风险评估模型，最后利用该模型进行风险区划，以期为开展宁东基地积涝灾害风险预警服务提供参考，同时也为宁东基地积涝灾害风险预警服务产品的研发提供技术支撑。

1 资料与方法

1.1 研究区概况

宁东基地规划区总面积为3.5×105hm2，核心区面积为8×104hm2，煤炭储量为273 亿t，远景储量为1 394.3 亿t。整个基地分为宁东煤炭基地、火电基地、煤化工基地，重点发展煤、电、煤化工3 大核心产业，同时也在发展机械加工、生物制品、建筑材料等相关产业和一大批辐射产业。图1 为宁东基地核心区各大工业园区、煤矿、电厂等用地与交通路段的叠加图。由图1 可知，高速公路、铁路及市区主干道等交通路段穿插于9 大园区、8 个矿场和7 个电厂之间，交通网络复杂。

图1 宁东能源化工基地核心区空间布局图

1.2 资料来源

本文采用的研究资料主要包括：（1）降水资料。该资料指2015—2020 年宁东基地加密自动气象站资料，来源于宁夏气象信息中心，并通过卫星、雷达资料和人工经验进行了质量控制。（2）社会经济数据。该数据指2015—2020 年人口、经济、植被指数（NDVI）数据，来源于中国科学院资料环境科学数据中心。（3）基础地理信息数据。该数据指2015—2020年交通路网信息，来源于宁夏公路局；1∶5 万高程数据，来源于SRTM 国际科学数据服务平台免费网站（http://srtm.csi.cgiar.org/srtmdata/）。（4）历史积涝数据。该数据来源于宁东市政公司。

1.3 研究方法

1.3.1 技术路线 本文基于国内外自然灾害风险评估与区划研究方法和理论，综合考虑宁东基地的降雨量、地形、植被、人口和经济情况，采用层次分析法（analytic hierarchy process，AHP），即通过比较和判断每个因子的各个指标，计算出各指标的风险隶属度，进一步构建判断矩阵并进行一致性检验，求解判断矩阵特征向量，从而确定不同指标对风险评价因子的相对重要性，最终得到各指标权重[14-15]。同时，本文结合加权综合评价法，构建宁东基地积涝灾害风险评估模型[16]，选取致灾因子危险性、孕灾环境敏感性和承灾体易损性作为影响因子，利用GIS 空间分析法进行风险计算，采用自然段点法划分风险等级，实现定量化的宁东基地积涝灾害风险评估和区划。具体技术路线见图2。

图2 技术路线

1.3.2 评价模型的构建 本文依据自然灾害风险区划原理[17]，确定积涝灾害风险评估的3 个指标，其中致灾因子危险性为短时强降水风险，孕灾环境敏感性通过地形条件和植被覆盖率来衡量，承灾体易损性选择人口分布和工业生产总值（GDP）。本文又利用AHP 确定各影响指标的权重系数[18]（表1），将各风险因子进行空间叠合分析，并把风险划分为高风险、较高风险、中风险、较低风险以及低风险5 个等级。风险评价模型为

表1 评价模型指标及权重

式中：DRI为风险指数；H，E，V 分别为致灾因子危险性、孕灾环境敏感性和承灾体易损性指数；W1，W2，W3分别为H，E，V 对应的权重。评价模型中的各项指数及相关指标量纲不一致，需进行归一化处理，使所有的值均为0～1。数据归一化公式为

式中：NIndex为评价指标的归一化数值；X 为评价指标值；Xmin为评价指标的最小值；Xmax为评价指标的最大值。

2 积涝灾害风险评估

2.1 致灾因子危险性评估

积涝灾害发生与否的第1 个必要条件就是致灾因子的形成，其主要是由于雨量偏大，造成区域在一段时间内雨水流入量大于排出量，从而形成积水。本文选择2015—2020 年宁东基地加密自动气象站降水数据，分别给出小时雨强超过10 mm，20 mm 和30 mm 的3 个危险性评价指标，并将各个指标进行归一化处理，利用AHP 得到各自的权重系数，通过加权求和，计算致灾因子危险性指数。计算公式为

式中：H1，H2，H3分别为≥10 mm/h，≥20 mm/h，≥30 mm/h的降雨量；W11，W12，W13分别为H1，H2，H3对应的权重；H 为致灾因子危险性指数。

图3 是2015—2020 年宁东基地小时降雨量超过10 mm 的分布图和致灾因子危险性区划图。由图3a 可知，化工新材料园区及其周边路段小时降雨量最大，煤化工园区西南部、装备制造产业园、灵州综合项目区和灵新矿园区及其周边路段次之。由图3b 可知，基地中南部的灵州综合项目B 区、灵新矿园区和化工新材料园区及其周边路段为高风险区，该区域以煤化工、煤矿、冶金等产业为主；煤化工园区西南部、装备制造产业园和灵州综合项目A 区及其周边路段为较高风险区；其他区域为中到低风险区。本文通过叠加历史积涝点数据，发现56.3%的易涝点都在高、较高风险区内，风险评价结果与实际积涝灾害的发生有较好的一致性。

图3 2015—2020 年宁东基地降雨量分布和致灾因子危险性区划图

2.2 孕灾环境敏感性评估

孕灾环境是指产生灾害的自然环境，其能够在一定程度上促进或抑制气象灾害产生的影响[10]。由于地势分布的差异性，降水会汇集到海拔较低的地方，一旦降水量超过区域排水能力，便会形成积水[19-20]。同时，植被的茂密程度也会影响水分的再分配及土壤水分运动，改变汇流条件[21-22]。宁东基地道路积涝隐患点普查结果表明：临河综合项目区及其周边雨水井管线堵塞，路面下陷；煤化工园区、新能源产业园、化工新材料园区及其周边路面低洼处无排水设施，或存在雨水井之间因地势较低而无法排水、雨水井管线堵塞、雨水井口过小等问题；其他园区及其周边也出现了涵洞、桥洞排水不畅等情况。因此，本文选取高程数据（DEM）和植被覆盖率作为孕灾环境敏感度评价指标，并进行归一化处理，通过AHP 得到2 个指标的权重系数。孕灾环境敏感性指数的计算公式为

式中：E1，E2分别表示DEM 和植被覆盖率；W21，W22分别为E1，E2对应的权重；E 为孕灾环境敏感性指数。

图4 为宁东基地DEM 和植被覆盖率分布图及孕灾环境敏感性区划图。由图4 可知，9 个园区及其周边路段地势较低，临河综合项目区、铝下游产业园区、煤化工园区、环保产业园区、装备制造产业园、灵州综合项目区、灵新煤矿园区和化工新材料园区北部及其周边路段植被覆盖率低于18.2%；其他园区及其周边路段植被覆盖率为18.2%～90.0%；剩余区域为生态空间，地势较高，植被覆盖率在中等以上（图4a～图4b）。地势高的地方不易积水，加上植被具有涵养水源、防洪排涝的作用，因此从孕灾环境敏感性区划图（图4c）上看，自南向北敏感性递增，高风险敏感区为宁东基地北部的临河综合项目区、铝下游产业园区、新能源产业园、煤化工园区北部和东部、灵州综合项目B 区、灵新煤矿园区及其周边路段，主要是因为该区域地势较低且城市化水平高，造成植被覆盖率相对较低，对形成积涝灾害风险具有促发作用；基地中部和东部的环保产业园、煤化工园区西南部、灵州综合项目A 区、装备制造产业园西南部、化工新材料园区及其周边路段为较高风险敏感区；其他区域为中到低风险敏感区。本文通过叠加历史积涝点数据，发现91.7%的易涝点都集中在高、较高风险敏感区。

图4 2015—2020 年宁东基地DEM 和植被覆盖率分布图及孕灾环境敏感性区划图

2.3 承灾体易损性评估

承灾体易损性指承灾体在自然灾害外力作用下的损坏程度，指受到不利影响的倾向或趋势[23-24]。研究表明，积涝灾害的受灾对象为城镇化发展水平较高的地区，人口越稠密，GDP 越高，越容易增加积涝灾害产生的风险[25-27]。本文选取宁东基地人口和GDP分布作为承灾体易损性评价指标，并利用AHP 对不同指标等级赋予相应的权重。计算承灾体易损性指数的公式为

式中：V1，V2分别代表人口和GDP 分布；W31，W3分别为V1，V2对应的权重；V 为承灾体易损性指数。

图5 为2015—2020 年宁东基地承灾体易损性评价指标分布和区划图。由图5a 可知，人口最密集的区域为化工新材料园区北部及其周边路段，其次为灵州综合项目B 区、灵新矿园区、新能源产业园及其周边路段，其他区域人口相对稀少；由图5b 可知，灵新矿园区、灵州综合项目B 区及其周边区域、化工新材料园区北部、新能源产业园、羊场湾煤矿、临河综合项目区北部的GDP 产值明显高于其他区域，可以看出研究区域的经济发展现状。因此，承灾体易损性区划图（图5c）显示：宁东基地中部的灵新矿园区和化工新材料园区北部及其周边路段为高风险易损区；灵州综合项目B 区和新能源产业园及其周边路段为较高风险易损区；其他区域为中到低风险易损区。

图5 2015—2020 年宁东基地承灾体易损性评价指标分布和区划图

3 积涝灾害风险评价与区划

本文基于致灾因子危险性、孕灾环境敏感性和承灾体易损性评估分析结果，在风险评价指标体系的基础上建立宁东基地积涝灾害风险评估模型，利用AHP 初步计算各指标权重，并采用了专家评估法（experts grading method，EGM）。EGM 是指通过问卷调查的方式，请相关专家依据自身经验，对各个指标进行评价打分，然后对专家意见进行统计、处理、分析和归纳，再将统计结果反馈给专家并对其进行修正，经过多轮打分和意见反馈，最终形成各指标权重结果。本文将AHP 和EGM 相结合，最终确定致灾因子、孕灾环境和承灾体的权重分别为0.362 1，0.327 2，0.310 7，又通过GIS 技术将3 个图层叠加，实现宁东基地积涝灾害风险区划，将风险分为高风险区、较高风险区、中风险区、较低风险区和低风险区5 个等级，如图6 所示。由图6 可知，高风险区为宁东基地中部的灵新矿园区、灵州综合项目B 区中部、化工新材料园区东部及其周边路段；次高风险区为基地北部的煤化工园区、宁东新城、灵州综合项目B 区北部和南部、化工新材料园区北部及其周边路段；基地东南部和南部区域为中到低风险区。综合评价结果表明，宁东基地积涝灾害中等及以上风险区均处在核心产业园区及其周边错综复杂的交通路段，所以应加强对这些区域的积涝灾害风险管理。

图6 宁东基地积涝灾害风险区划

4 结论

本文在参考国内外气象灾害风险评价相关文献的基础上，选取7 个风险评估指标，以宁东基地为例，利用气象、基础地理、社会经济以及历史积涝等数据，综合考虑致灾因子危险性、孕灾环境敏感性和承灾体易损性，开展宁东基地积涝灾害风险评估与区划，结论如下。

（1）宁东基地积涝高和次高危险区为基地中南部的灵州综合项目区、灵新矿园区、化工新材料园区、煤化工园区西南部、装备制造产业园及其周边路段。经过验证，56.3%的易涝点都处于该区域，致灾因子危险性评价结果与实际积涝灾害的发生有较好的一致性。

（2）宁东基地积涝高和次高敏感区为基地所有园区及其周边路段。经过验证，91.7%的易涝点都集中在该区域，孕灾环境敏感性风险评价结果与实际积涝灾害的发生有较好的一致性。

（3）宁东基地积涝高和次高易损区主要分布在基地中部的灵新矿园区、化工新材料园区北部、灵州综合项目B 区、新能源产业园及其周边路段。

（4）宁东基地积涝灾害风险总体上呈中部高、北部次高到中等、南部低的趋势。高风险区为基地中部的灵新矿园区、灵州综合项目B 区中部、化工新材料园区东部及其周边路段；次高风险区为基地北部的煤化工园区、灵州综合项目B 区北部和南部、化工新材料园区北部及其周边路段。在对宁东基地基础设施进行改造时，应优先或重点考虑以上区域，加大对宁东基地核心产业园区及其周边交通路段的积涝灾害风险管理。