洪灾风险规避下的珠三角未来城市扩张模拟和灾损减缓评估

郭仁韵，刘小平，许晓聪

（中山大学 地理科学与规划学院，广州 510275）

洪水被广泛认为是最具破坏性的自然灾害之一，不仅会造成巨大的直接经济损失和人员伤亡（Jonkman, 2005; Tanoue et al., 2016），还会产生广泛及长期的不利经济后果（Coffman et al., 2012;Koks et al., 2016）。已有研究表明，气候和社会经济变化是造成洪水损失增加的主要驱动因素（Elmer et al., 2012; Visser et al., 2014；张建云 等，2016）。气候变化可导致极端天气事件的增加和海平面上升，从而增加洪水灾害的发生频率。高速的城市化及经济发展增加了洪水承灾体的数量及价值，进一步加剧了未来洪水所造成的损害。洪水风险定义为危害（洪水事件的概率及特征）、价值（受洪水影响的人口和资产的价值）和脆弱性（对洪水破坏的敏感程度）的函数（Kron, 2005）。近年来，基于风险的洪水减灾得到更多的关注，发生从“洪水防御”的旧概念到“洪水风险管理”的新概念的转变（Schanze, 2006; Meyer et al., 2009），洪水风险管理包括风险评估和风险减缓。珠三角气候湿润，地势平坦，是近几十年来中国城市化水平最高、经济最发达的地区之一。该地区洪涝灾害频发，对人民的生命财产等造成巨大的威胁。未来洪水发生的频率、严重程度将持续增长，人口与资产暴露于洪水的风险日益加剧（Hirabayashi et al., 2013; Dottori et al., 2018；方佳毅 等，2019）。因此，有必要从城市扩张空间格局变化的角度评估珠三角未来的城市洪水风险，探讨如何在洪灾风险规避的前提下进行城市扩张，为基于洪水风险的城市规划战略提供扎实的理论依据，以保障人民的生命、财产安全，保证城市的可持续发展。

已有研究在洪水风险评估模型及评价指标的改进等方面做了大量工作（殷克东 等，2011；Ward et al., 2013; Winsemius et al., 2013），并在多处洪水易发地区开展了洪水风险评估（Aerts et al., 2013;Wijayanti et al., 2017; Romali et al., 2018；黄国如等，2021；蔡榕硕 等，2022）。Alfieri 等（2017）基于现状土地利用不变的假设探讨大气变暖与未来洪水风险之间的相关关系；Jongman 等（2012）基于人口及城市化率的未来预测数据对城市密度进行空间外推，进而计算了全球2050年的洪水灾害造成的经济损失。上述研究可以有效地捕捉洪水风险的变化趋势，为未来洪水灾害评估提供了良好的研究思路。受土地利用模拟模型发展水平的限制，多数研究未考虑未来土地利用类型的变化，从而忽视了在洪泛区内快速的城市扩张对洪水风险的加剧作用，可能导致对未来洪水损失的估计产生较大的偏差。近年来多项研究证明了元胞自动机（CA）在土地利用变化模拟领域的优势（Dietzel et al., 2007;Verburg et al., 2009; Liu et al., 2017; Liang et al.,2020）。其中，FLUS（Future Land Use Simulation）模型将CA 与人工神经网络相结合，并在模拟过程中引入自适应惯性和竞争机制，可实现对未来多情景长时间序列的土地利用变化的高效模拟（Liu et al., 2017）。精细化的土地利用分类预测数据为未来洪水风险评估的进一步发展提供了基础，已经有部分研究基于土地利用变化模拟对未来洪水风险进行了评估。如姜丽等（2021）基于土地利用未来变化预测，评估上海市杭州湾北岸未来洪涝灾害风险；Güneralp等（2015）估计了由于未来全球城市扩张而导致的城市土地遭受洪水影响的变化。然而，当前研究大多仅着眼于未来的洪水风险评估，较少涉及通过土地利用优化调控实现洪水风险的减缓。少数研究对比评估了限制洪泛区进行城市开发可带来的风险减缓效果（Koks et al., 2014; Johnson et al.,2020），但基于简单的土地利用分区限制，并不能合理地说明未来土地利用空间格局应当如何变化，以同时满足风险减缓和社会经济发展需求。此外，未来多情景的研究有助于预知和明晰当前不同决策可能导致的未来洪水灾害风险，而当前研究较少讨论不同未来发展情景（结合不同社会经济发展、气候变化及城市扩张政策等）下，土地利用精细化空间分布格局预测、洪水风险评估以及减缓。

鉴于此，本研究在共享社会经济路径（SSPs）、代表性浓度路径（RCPs）情景及不同城市扩张策略的未来发展耦合情景下，建立了用以对比分析未来不同发展情景下的土地利用变化空间格局对洪水风险影响的研究框架。具体地：首先，基于FLUS 模型对不同发展情景下的城市扩张空间分布格局进行精细化模拟；其次，结合未来洪水淹没深度、土地利用分类、灾损曲线及承灾体资产价值，评估洪泛区城市扩张水平并计算洪水年期望损失；最后，对比不同发展模式下的洪水风险差异，以评估减排及洪灾风险规避策略对于洪水风险减缓的有效性。旨在为城市规划战略的制定提供扎实的理论依据，优化城市空间结构，保证城市的可持续发展。

1 研究区域与数据

1.1 研究区域

珠三角位于广东省中南部，行政区划包括广州、佛山、深圳、珠海、肇庆、东莞、惠州、中山和江门。珠三角是中国政策资源的重要倾斜地区，社会经济和地区人口高速增长，形成以广州-深圳为核心的大型城市群。珠三角濒临南海，是由珠江水系的东江、西江、北江及其各支流往珠江汇聚时携带的泥沙沉积聚集而成的复合型三角洲，其内河网纵横交错，水流相互灌注，是世界上典型复杂的网河区。珠江流域以湿热多雨的南亚热带海洋季风气候为主，其洪水特征是峰高、量大、历时长。造成流域内洪水的主要天气系统是峰面或静止峰、西南槽，其次是热带低压和台风，每年4—6月的降雨主要是锋面雨，而7—10 月的降雨多为热带气旋造成（童娟，2007）。珠三角在4—10 月的汛期易形成洪水，是中国主要的洪涝灾害发生地之一。据记载，20 世纪90 年代以来发生了多次大洪水，其中1994年6 月、1998 年6 月及2005 年6 月的大洪水给广东省造成180 亿元、74.9 亿元及45.2 亿元的直接经济损失（杨健 等，2005）。

1.2 数据概况

珠三角地区土地利用遥感监测数据来自中国科学院资源环境科学数据中心的CNLUCC数据集（徐新良 等，2018），该数据集以多期Landsat TM/ETM遥感影像为主要数据源，通过人工目视解译生成，包括耕地、林地、草地、水域、城乡建设用地和未利用6个类别。验证地区总体精度可达88.95%，其中城乡建设用地精度达98%，可以满足本文土地利用精细化模拟基础输入数据的需求。在将该数据集输入土地利用模拟模型之前对其进行重分类，将其分为城市和非城市。洪水灾害预测数据来自世界资源研究所（WRI）生产的在未来2030、2050和2080年基于RCP8.5和RCP4.5两种气候情景下的多重现期（2、5、10、25、50、100、250、500、1 000 a一遇）洪水淹没深度地图（Ward et al., 2020）。河流洪水基于PCR-GLOBWB2（Sutanudjaja et al., 2018）进行水文模拟，模拟所需要的未来气候条件使用多个不同的全球气候模型，相应输出多个河流洪水淹没深度预测。本文最终使用的是经过多模型综合后的河流洪水淹没数据，具体做法为：将在超过半数模型中有洪水淹没的栅格定义为最终的洪水淹没点，淹没深度被综合为多模型淹没深度的均值。海岸洪水基于全球浪潮和潮汐再分析（GTSR）数据集（Muis et al., 2016）和RISES-AM项目模拟（Jevrejeva et al., 2014），使用其包含沉降估计的模型输出作为计算输入。该数据集对未来多种气候发展情景下的未来洪水淹没深度进行预测，可以体现珠三角地区洪水风险的整体差异分布，满足应用本研究框架进行洪水风险和减灾策略有效性评估需求。

数据还包括：用以制作社会经济驱动力因子以及预测未来城市用地需求量所需要的人口、GDP及城市化率数据；城市功能区分类的随机森林（RF）模型训练需要的高德地图感兴趣点（Points of Interest, POIs）、OpenStreetMap 的路网以及城市功能区分类数据EULUC（Gong et al., 2020）；用以制作区位驱动力因子的铁路、高速公路、市中心、国道、省道、河流及海洋分布数据；用以制作自然条件驱动力因子的高程（DEM）及坡度数据；未来洪水损失计算需要的不同土地利用类别的单位地块最大损失价值。所有空间数据都统一采样为与土地利用数据一致的30 m分辨率（表1）。

表1 本文所用数据Table 1 List of data used in this article

2 研究方法

2.1 土地利用变化模拟模型FLUS

FLUS 模型是一个模拟精度较高、具有较好应用和拓展潜力的土地利用模拟模型，采用该模型进行未来城市扩张模拟。过往研究证明，城市用地面积与社会经济要素存在线性关系（Seto et al., 2011;Chen et al., 2020），本文利用珠三角的社会经济要素和城市用地面积进行数据回归，并预测未来不同情景下珠三角城市用地需求量。在未来城市用地需求的驱动下，使用FLUS 模型的2 个基础模块进行城市用地扩张模拟。

2.1.1 基于人工神经网络的发展适宜性概率FLUS 模型采用人工神经网络（ANN）模型计算土地的发展适宜性概率。通过输入土地利用现状数据以及驱动力因子，ANN模型可以训练和挖掘各类驱动因子与各土地类型之间的关系。本文采用的驱动力因子可分为3类：社会经济（人口密度、GDP）；区位要素（距铁路、高速公路、国道、省道、河流、海洋及市中心的距离，道路密度）；自然条件（高程、坡度）。训练完成后，ANN模型可以评估各类土地在每个地块上的发展适宜性概率①指某类土地的发展潜力，强调的是模拟过程中每个地块自身的特性，即发展成某类土地的适宜程度。。

2.1.2 基于元胞自动机的土地利用模拟 元胞自动机（CA）可以根据土地分布的初始状态与周围邻域效应，通过转换规则来估计未来元胞的状态。FLUS模型采用带自适应惯性竞争机制的CA模型模拟未来用地变化，特定地块单元的土地利用类型转化的总概率可以表示为适宜性概率、邻域效应，限制条件和自适应惯性系数的乘积（Liu et al., 2017）：

2.2 洪灾风险规避下的城市扩张模拟

2.2.1 综合城市洪水灾损率计算 洪水深度-损害曲线是灾害风险脆弱性的表征，可用以表示承灾体的损害程度与洪水淹没深度的关系。城市扩张模拟过程中纳入洪灾风险规避策略首先需要计算珠三角范围内各地块的综合城市洪水灾损率（表征该地块若发展为城市可能需要承受的综合洪水损害程度）。本文采用欧盟联合研究中心（JRC）为亚洲地区5种不同的城市功能用地（居住、商业、工业、交通运输和基础设施）分别制作的洪水深度-灾损函数进行灾损率的计算（Huizinga et al., 2017）。制作综合城市洪水灾损率需考虑未来洪水的极值情况以及城市地块发展为不同功能区的概率，因此需对未来不同重现期、洪水类型及城市功能分区的灾损率进行一系列综合，计算公式为：×

式中：MFDrp代表重现期为rp 的最大淹没深度；代表年t重现期rp 类型type 的洪水深度；SLRuf代表城市功能分区uf 的综合重现期洪水灾损率；fuf代表城市功能分区uf对应的深度-损害函数；RPPrp代表重现期为rp 的洪水事件的发生概率（1/rp）；SUFR 代表综合城市洪水灾损率；RFPuf代表由RF模型输出的城市功能分区uf的适宜性概率。

已有研究证明各类POI点密度和道路密度与城市内部不同功能分区类型有着紧密的联系（康雨豪等，2018），本文采用随机森林模型（RF）挖掘上述因子及EULUC 数据集城市功能区分类的复杂对应关系，以获取珠三角各地块发展为不同城市功能分区的适宜性概率RFPuf。

2.2.2 洪灾风险规避下的城市扩张模拟 在FLUS模型的基础上，将以上得出的综合城市洪水灾损率纳入CA 动态模拟过程中，使城市转换的总概率更新为加入洪灾风险规避策略的总概率。综合城市洪水灾损率越高的地方，其更新后转换为城市的总概率越低，最终在FLUS 轮盘选择机制中胜出的概率也相应降低。通过这种方式可以合理地限制高洪水风险区域内的城市扩张，使城市倾向于往较低风险的区域发展，在满足未来社会经济发展需求的前提下，最大限度地降低由于无序扩张带来的潜在洪水风险。基于洪灾风险规避的城市转换的总概率估算为：

2.3 洪水风险评估

2.3.1 未来发展情景设置 对未来的城市扩张进行预测不能局限于单一的情景设定下的单一结果。将不同社会经济发展、气候变化及城市扩张规划政策等维度耦合成为多种未来发展情景，有利于了解未来的多种发展趋势，综合评估该如何应对各种潜在的风险与挑战。本文将2 种代表性浓度路径情景（RCP4.5、RCP8.5）、2 种共享社会经济路径情景（SSP2、SSP5）和2 种城市扩张策略（自然扩张NE，洪灾风险规避FA）相结合，构建未来发展情景 SSP5-RCP8.5-NE、SSP2-RCP4.5-NE、SSP5-RCP8.5-FA、SSP2-RCP4.5-FA。其中，NE 情景下的城市扩张不考虑洪水风险的干扰，而FA情景下的城市扩张则充分考虑了未来多重现期洪水淹没造成的洪水风险的约束，在一定程度上限制了高风险区域内的城市扩张，从而达到洪灾风险规避的目的。

2.3.2 洪泛区城市扩张变化 洪泛区是毗邻河流、湖泊或海岸等容易受到洪水淹没的低洼地带（Tockner et al., 2002; Eder et al., 2022），通常由在任何给定年份被淹没的可能性来定义（Mori et al., 2012）。如果在洪泛区进行密集的城市开发，洪水将会带来巨大的损害。人们常采取结构性工程措施、洪水预警系统和灾后恢复等措施进行洪泛区管理，以降低洪水灾害。洪水大体上可分为海岸洪水和河流洪水。其中，海岸洪水指海平面上升和台风-风暴潮增水叠加上天文大潮等引起的极值水位事件及其导致的洪水（蔡榕硕 等，2022）。河流洪水主要为暴雨、融雪、冰凌、山洪、泥石流和溃坝等引起的洪水（Field et al., 2012）。将海岸洪水和河流洪水的淹没范围进行求并处理，可得到各重现期各自的综合洪泛区。将不同未来发展情景下模拟的城市空间分布格局与洪泛区进行叠加，对比其空间上的重叠性及变化，可以直观地评价不同社会经济发展、气候变化和城市扩张策略下洪泛区内的城市发展特征。

N年一遇洪水中的“N年”是洪水的重现期，指每年发生≥N年一遇洪水的概率为1/N（王义成，2022）。参考国内外相关研究（Jongman et al.,2012; Hirabayashi et al., 2013; Horn et al., 2017;Wing et al., 2018；李梦梦 等，2018），百年一遇洪水常被用以进行多种洪水分析以及政策制定，其淹没范围包括最易受洪水影响以及危害程度较大而需要人们加以管理的区域。以百年一遇洪水淹没范围内的城市开发特征评价洪灾规避效果具有一定代表性，故选取百年一遇的综合洪泛区作为分析不同未来发展情景下洪泛区城市扩张变化的基础输入。洪泛区城市（FU）被定义为同时属于某年洪泛区和城市用地的区域；新增城市（UN）被定义为某年城市用地中不属于起始年份（2018年）城市用地的区域；洪泛区新增城市（FUN）被定义为属于该年洪泛区城市但不属于起始年份城市用地的区域。本文以FU 的面积评估珠三角区域内洪泛区城市开发的整体水平，以FUN的面积以及洪泛区新增城市总面积占新增城市总面积的比例（PFUN）评估珠三角城市扩张过程中在洪泛区内进行开发的倾向性：

式中：x表示地块；FUt表示年t洪泛区城市；Ft表示年t洪泛区；Ut表示年t城市用地；UNt表示截止年t新增城市（相比于2018年）；FUNt表示截止年t洪泛区新增城市（相比于2018年）；PFUNt表示截止年t洪泛区新增城市相对于总新增城市的比例。

2.3.3 洪水年期望损失 未来不同重现期洪水所造成的经济损失可由单位城市地块上的洪水灾损率和相应承灾体最大损失经济价值的乘积得出：

根据城市功能分区的RF 模型输出概率，可以将FLUS 模型预测输出的城市地块进行功能分类，从而得到其在JRC 洪水数据库中对应的深度-损害函数以及现状最大损失经济价值。JRC提供了2010年单位城市地块上的最大损失经济价值估计，但随着社会经济的发展，未来单位城市地块的最大损失经济价值会相应变化。已有研究表明，最大损失经济价值与地区的人均GDP有着映射关系（Huizinga et al., 2017），根据2010年最大损失经济价值估计与未来人均GDP预测，可对城市各功能区未来单位城市最大损失经济价值进行估计：

洪水是一个随机事件，每种重现期有其相对应的发生概率。洪水每年造成的损失期望值可以通过洪水的年超越概率损失曲线估计。通过在x轴上绘制各重现期洪水发生概率以及在y轴上绘制相应洪水事件造成的损失可拟合年超越概率损失曲线，该曲线下的积分面积即为洪水风险评估中最常用的综合指标年预期损失（Expected Annual Damage,EAD），具体估算为：

式中：EAD 为洪水年预期损失；L(RPP)为洪水发生概率为RPP的年超越概率损失函数。a、b为积分上、下限，取值为考虑范围内的洪水事件发生概率RPP。

3 结果与讨论

3.1 土地利用变化模拟精度验证

基于历史模拟验证FLUS 模型在珠三角地区城市扩张模拟的精度。以2005 年土地利用分类数据为起点，对2018 年的珠三角城市扩张进行模拟预测，模拟分布与实际分布对比如图1所示，模拟所得城市的基本形态与实际分布较为相似。使用FOM（Figure of Merit）对城市扩张模拟精度进行衡量，FOM 注重对土地类型发生变化的部分进行评价，能较好地评估模型对于土地利用变化模拟的有效性。FOM 值越大，精度越高，已有研究表明，多数模型的FOM 值范围在0.1～0.3 之间（Pontius et al., 2008），本文的FOM 为0.18，证明FLUS模型对于珠三角地区的城市扩张模拟具有良好的适用性。

图1 2018年珠三角城市扩张模拟分布和实际分布对比Fig.1 Comparison of simulated and actual land use distributions in the Pearl River Delta in 2018

本文针对于城市地块功能细分类的RF 模型具有较高的准确性，其测试精度达0.98。根据得出的城市功能区适宜性概率及轮盘选择机制，对2018年城市地块进行功能分类的局部放大模拟结果与EULUC 数据集中的分布对比如图2 所示，可以看到，2 幅图像中城市内部功能分区的划分基本一致，能满足后续基于城市功能分类的洪水灾损率和单位城市地块最大洪水损失经济价值的计算需求。

图2 基于RF（a）和EULUC（b）的城市功能分类对比Fig.2 Comparison of urban land use types classification based on RF (a) and EULUC (b)

3.2 未来多情景洪水风险评估

3.2.1 洪泛区城市扩张 以2018 年土地利用分类数据为起点，对珠三角2080年SSP5-RCP8.5-NE 和SSP2-RCP4.5-NE 情景下的城市空间分布格局进行模拟。城市扩张具有相似的空间特点：以现有城市为中心向周边地区发散集聚，即新增城市用地被估计将发生在当前城市的边缘部分（图3）。另外，在SSP5-RCP8.5-NE 情景下，为了满足社会经济的需求，珠三角城市扩张明显呈现比SSP2-RCP4.5-NE更加猛烈且集聚的趋势。

图3 2080年珠三角城市空间分布（自然扩张）Fig.3 Urban spatial distribution in the Pearl River Delta in 2080 (NE)

由于珠三角特殊的气候地形和社会经济条件，其洪泛区城市化的问题较为严重。在SSP5-RCP8.5-NE 情景下，洪泛区城市面积可达到4 248 km2，占城市总面积约32.7%，占洪泛区总面积约43.5%。洪泛区新增城市面积为1 633 km2（相当于2021 年广州、佛山和中山的建成区面积总和），占总新增城市面积的31.5%。如果能减少温室气体的排放将未来发展控制在SSP2-RCP4.5-NE，洪泛区面积和城市面积都将一定程度减少，洪泛区新增城市面积降低至1 059 km2（-574 km2，-35.1%），占总新增城市面积的29.8%（表2）。总体而言，在自然扩张策略下，无论是高速发展情景还是中等发展情景，城市用地与洪泛区在空间上都呈现较多重叠，珠三角区域内有较多的人口和财产将暴露在洪水事件中。另外，为了满足未来的城市用地需求，洪泛区进行了大量的城市开发，如果任由这种趋势保持或加剧，未来珠三角的洪水风险将会更加严峻。

表2 2080年珠三角百年一遇洪泛区城市扩张（自然扩张）Table 2 Urban expansion in floodplain of 100 a in the Pearl River Delta in 2080 (NE)

3.2.2 年期望损失 对珠三角地区2080 年的多重现期海岸洪水和河流洪水所造成经济损失分别进行计算（表3），以此为基础进行年超越概率损失曲线的绘制（图4），求其积分获得曲线下面积，即EAD，以了解未来洪水造成的经济损失概况。

图4 2080年珠三角EAD曲线Fig.4 EAD curve of the Pearl River Delta in 2080

表3 2080年珠三角多重现期洪水经济损失（NE）Table 3 Economic losses from different return periods in the Pearl River Delta in 2080 (NE) 亿元

不同重现期的洪水事件造成的经济损失差异较大。由于重现期越长（概率越低）的洪水事件影响范围越大且平均淹没深度越高，预计其发生带来的经济损害越严重（见表3，图4红色、蓝色实线）。2种情景下1 000 a 一遇的洪水事件造成的经济损失达到127 034（85 156）亿元，是2 a 一遇洪水事件的～4.7（～5.7）倍。虽然长重现期洪水事件发生的概率较低，对EAD的贡献并不大，但一旦发生便会带来巨大的财产损失和人员伤亡，采取一定的措施对其造成的损害进行规避非常有必要。

在SSP5-RCP8.5-NE 情景下，珠三角地区2080年因洪水造成的EAD可达23 413亿元，所有可能受洪水影响的城市地块平均EAD 值为4.88 亿元/km2。广州市南部、佛山市东部、中山市北部以及东莞市西北部地区的单位城市地块EAD值较大且分布集中（图5），是城市洪水灾害较为严重的区域。在SSP2-RCP4.5-NE情景下，可避免较多的经济损失，EAD降低至14 165亿元（-9 247亿元，-39.5%），珠三角可能受洪水影响的城市地块平均EAD值也可降低至3.52亿元/km2（-1.36亿元/km2，-27.9%）。

图5 2080年珠三角城市EAD空间分布（自然扩张）Fig.5 Spatial distribution of EAD in Pearl River Delta in 2080 (NE)

3.3 洪灾风险规避下的洪水风险减缓

3.3.1 洪泛区城市扩张减缓 在FLUS模型中增加洪灾风险规避策略，重新对2080年城市空间分布格局进行模拟，得到SSP5-RCP8.5-FA 和SSP2-RCP4.5-FA情景下的城市扩张结果（图6）。与自然扩张相比，总体趋势依旧是以现有城市为中心向外扩张集聚，但在部分地区的城市扩张方向发生改变。城市开发尽可能地避开了洪水风险较为严重的地区，而更多地转向没有洪水风险或者洪水风险较低的地区。

图6 2080年珠三角城市扩张空间分布（洪灾风险规避）Fig.6 Urban spatial distribution in Pearl River Delta in 2080 (FA)

图7 珠三角综合城市洪水灾损率空间分布Fig.7 Spatial distribution of SUFR in Pearl River Delta

城市扩张过程中规避的洪泛区城市新增用地主要集中于广州市南部靠近珠江口的地区以及珠海市南部临海地区，与综合城市洪水灾损率高的区域具有较强的空间一致性（见图3、6、7）。总体而言，相较于自然扩张策略，在SSP5-RCP8.5-FA情景下，洪泛区城市总面积可降低至3 973 km2（-275 km2，-6.5%），洪泛区新增城市面积则降低至1 358 km2（-16.8%），洪泛区内新增城市用地相对于总新增城市用地面积的比例由31.5%降低至26.2%。SSP2-RCP4.5-FA 情景下，洪泛区城市总面积可降低至3 362 km2（-166 km2，-4.7%），洪泛区新增城市面积则降低至894 km2（-15.6%），洪泛区内新增城市用地相对于总新增城市用地面积的比例由29.8%降低至25.1%。洪灾风险规避策略可在一定程度上抑制洪泛区内城市发展的趋势（表4）。

表4 2080年珠三角百年一遇洪泛区城市扩张（洪灾风险规避）Table 4 Urban expansion in floodplain of 100 a in Pearl River Delta in 2080 (FA)

3.3.2 年期望损失降低 由自然扩张策略转变为洪灾风险规避策略，各个重现期洪水事件造成的经济损失降低，年超越概率损失曲线出现明显下降（图4红色、蓝色点线）。综合2类洪水，各个重现期经济损失下降的比例范围为5.5%～19.6%（表5）。短重现期（高概率）洪水事件多发生于最易淹没即综合风险值较大的区域，而这些区域可较多地被洪灾风险规避策略阻止发展为城市，因此经济损失降低的比例较大。虽然短重现期洪水预计导致的经济损失相对较低，但其发生概率较高，因而对于整体EAD的贡献更大。

表5 2080年珠三角多重现期洪水经济损失（FA）Table 5 Economic losses from different return periods in Pearl River Delta in 2080 (FA)

与自然扩张策略的EAD 对比，在SSP5-RCP8.5-FA情景下，EAD总和可降低为20 010亿元（-3 403 亿元，-14.5%），且原本的淹没热点区域的EAD聚集程度明显降低（图8），珠三角单位城市地块的EAD 值降低至4.41 亿元/km2（-0.47 亿元/km2，-9.6%）。SSP2-RCP4.5-FA 情景下，EAD 总和可降低为12 623亿元（-1 542亿元，-10.9%），珠三角单位城市地块的EAD 值降低至3.26 亿元/km2（-0.26亿元/km2，-7.4%）。洪灾风险规避策略可以有效地降低洪水事件造成的经济损失（见表5）。

图8 2080年珠三角城市EAD空间分布（洪灾风险规避）Fig.8 Spatial distribution of EAD in Pearl River Delta in 2080 (FA)

3.4 局限性

本文在珠三角地区开展了洪水风险评估及减缓研究，对比了不同未来发展情景下的洪水风险整体概况。研究结果可以提高我们对未来不同发展情景洪水风险的认识，为珠三角地区的城市规划提供决策参考。

但本文仍存在以下不足：

1）由于缺乏权威的针对于珠三角地区的洪水深度-损害函数，本文参照其他缺乏针对性函数地区的做法（Haer et al., 2018; Pellicani et al., 2018;Verschuur et al., 2020），使用的洪水深度-损害函数是JRC给出的针对于整个亚洲区域的通用函数，这会给洪水风险的估计带来一定的不确定性。未来可采取实地调查、遥感及地理信息等技术相结合的方法，获取珠三角全面的洪水特征及房屋建筑受损等数据，以构建珠三角的特定函数，提升洪水风险相关研究的精度。

2）未使用针对于珠三角生产的高精度未来洪水灾害预测地图，在面对河网密布的珠三角流域时，本文使用的大尺度数据集无法模拟洪水在小区域的细节。若未来能针对性地进行精细洪水模拟，可进一步提升本文的定量结果精度。

3）本文将不同尺度的空间数据统一重采样为同等尺度，以方便空间决策的整体分析。其中原始数据的精度，粗细分辨率转换、重采样方法不同和缺失值处理等，都会给数据带来不确定性。虽然数据重采样过程带来的不确定性并不会影响本文评估不同情景策略下的灾损减缓效果，但对基于土地利用变化模拟的洪水风险评估结果数据精度会造成一定影响。

4）对EAD 进行计算时，并未考虑未来不同情景下珠三角各个区域的结构性防洪措施（Ward et al., 2017）如堤坝等带来的城市防洪标准，即计算出的结果是基于无防洪工程的前提，是对整个重现期进行积分而得到的损失。另外，本文也并未考虑生态屏障（Temmerman et al., 2013; van Wesenbeeck et al., 2017）和海绵城市（Chan et al., 2018；李兰等，2018）的建设对于减少城市洪水风险的效益。虽然忽视以上因素不会影响本文对比不同发展情景下损失差异性得出的主要结论，但会导致EAD值的高估。因此未来针对于珠三角地区的洪水风险评估与减缓工作需根据城市的防洪建设特点进一步探讨。

4 结论

将珠三角地区多种未来发展情景下城市扩张模拟的结果，与未来多重现期洪水淹没数据进行一系列的综合处理，对珠三角未来洪泛区城市扩张水平和年期望损失进行预测评估，能为人类应对未来气候变化、权衡制定防灾减灾政策提供帮助。得到的主要结论为：

1）未来珠三角的洪泛区城市化问题突出，且年期望损失严重，城市用地与洪泛区在空间上呈现大范围重叠。多种未来发展情景下，洪泛区内新增城市用地面积占总新增城市用地面积的25.1%～31.5%。洪水经济损失较为严重且聚集的区域主要分布在广州市南部、佛山市东部、中山市北部以及东莞市西北部等地区。

2）相比SSP5-RCP8.5 极端发展情景，如果能减少温室气体的排放将未来控制在SSP2-RCP4.5中等发展情景，则可以有效地减缓珠三角未来洪水风险。在自然扩张策略下，洪泛区新增城市用地面积减少574 km2，年期望损失减少9 247亿元。

3）将洪灾风险规避策略加入到城市扩张过程中，对土地利用空间变化格局进行优化调控，可以改变未来城市扩张的方向。城市扩张倾向于避开洪水风险较高的区域，转向洪水风险较低或无风险的区域。在SSP5-RCP8.5（SSP2-RCP4.5）发展情景下，洪灾风险规避策略可避免275（166）km2的洪泛区新增城市用地开发，减少3 403（1 542）亿元的年预期损失。