APP下载

基于GIS和组合赋权的城市洪涝灾害风险评估

2023-08-26熊凡李沛鸿袁逸敏吴峰

人民长江 2023年8期
关键词:洪灾易损性赣州市

熊凡 李沛鸿 袁逸敏 吴峰

摘要:

为进行科学有效的洪涝灾害风险分析研究,减少洪灾损失,以江西省赣州市为例,基于灾害风险理论,从危险性、敏感性和易损性3个方向选取了多源环境洪水调节因子和社会经济参数构建洪涝灾害风险评估体系,借助GIS的地理处理和空间分析功能,结合信息熵和AHP法组合赋权,绘制出赣州市洪涝灾害风险等级分布图,并对洪灾风险进行评估。结果表明:赣州市洪涝灾害风险呈片状分布,高风险区与次高风险区分别占总面积的9.7%和21.8%,其中高风险区主要分布在赣州市东北部的宁都、石城和瑞金,中部的章贡区以及南部的全南、龙南和寻乌等地,评估结果与历史灾情数据基本一致。研究成果可为城市防洪治理与风险管理提供理论支撑。

关 键 词:洪涝灾害;风险评估;GIS;信息熵;AHP;组合权重; 赣州市

中图法分类号: TV122;P208

文献标志码: A

DOI:10.16232/j.cnki.1001-4179.2023.08.009

0 引 言

近年来,随着全球变暖加剧及城市化进程加快,洪涝灾害在城市的发生频率越来越高,影响范围越来越广[1]。由于特殊气候、人为活动等因素影响,中国洪涝灾害频发、易发,严重危害城市经济发展与人民的生命财产安全[2]。据水利部统计[3-4],在中国的500多个城市中,遭遇过极端洪水事件的城市占62%,仅2020年,洪涝灾害相关受灾人数达7 861.5万,直接经济损失2 669.8亿元。因此,亟需开展针对城市洪涝灾害风险分析及管理的研究。

国内外学者对洪涝灾害风险评估展开了大量研究。其中,Wu等[5]耦合本体与贝叶斯网络模型,利用观测数据,量化了不同因素间影响洪涝灾害的潜在关系,为地区洪灾风险评估提供了新的见解和可能性;Chinh等[6]基于历史灾害数据库,将多线性回归分析与TOPSIS相结合,绘制了越南国家级洪水风险图;刘合香等[7]基于多算法集成的投影寻踪法建立了区域洪涝灾害模糊综合评价体系;罗日洪等[8]基于AHP和GIS构建了山区小流域洪灾风险模型,为开展山洪灾害预报和风险管理提供了理论支撑;Cai等[9]基于水动力模型和GIS技术建立了一种新型多指标MFCE洪灾风险评估模型,并对江西省宜丰市区进行了洪灾风险评估和风险制图;黄国如等[10]采用GIS的情景模拟法构建了广州东濠涌流域的城市防洪仿真模型,为城市防洪排涝和区域洪灾治理提供了科学依据;蒋雯京等[11]基于GIS/AHP集成技术对浙江省洪涝灾害进行风险评估和制图,弥补了传统评估方法在空间化显示上的不足。

上述方法中,不论是贝叶斯网络模型还是基于历史灾害数据库的洪灾风险评估,都受限于统计资料的精度和质量,评估结果不够准确。相比之下,AHP方法

不需要历史数据的支撑,通过分析影响因子之间的相关性来确定它们的权重,可以达到定量与定性相结合的效果,但潜在的关系是由经验定义的,具有一定的主观性,而熵权法则可以较好地弥补人为因素对权重的干扰。此外,耦合流体动力学和GIS的情景模拟法在小尺度或小流域的风险评估中优势明显,但其对模型内各类数据要求较为精细,难以满足大尺度、空间差异较大的灾情评估。

本研究采用指标体系法,利用GIS的空间分析能力,对洪灾致灾因子、孕灾环境和承灾体三个方向的评价指标进行综合处理,再采用熵权法和AHP法对指标进行组合赋权,最后根据灾害系统论模型进行叠加分析,得到赣州市洪涝灾害风险等级空间分布结果,并与历史灾情数据对比验证。研究成果可为赣州市及同类型城市洪涝灾害风险管理与防洪减灾工作提供理论依据和参考案例。

1 研究区概况

赣州市地处江西省最南部,是江西省辖面积最大、人口最多的地级市,受亚热带季风气候影响,全年湿润,春夏降雨集中,冬季干旱,降雨时空分布不均,每年的5~8月为强降雨季,占全年雨量的60%~80%,且多大到暴雨。赣州市地势复杂,周高中低,南高北低,断陷盆地横贯,地形以山地、丘陵、盆地为主,易积涝,水系发达,河网密布,各区县千余条支流交汇,极易发生洪涝灾害。据赣州市水文统计[12],1950~2020年,共发生特大洪涝灾害近80次,其中2015年“5·19”梅江中下游发生特大暴雨洪灾,造成巨大人员伤亡,直接经济损失20.12亿元。

2 数据来源

本研究使用的数据包括:1994~2020年中国逐月降水量数据,来源于国家科学数据共享工程——地球系统科学数据共享平台,日度降雨数据来源于国家气象科学数据中心;赣州市30 m分辨率DEM数据与2020年Landsat 8卫星数据,来源于地理空間数据云;土壤类型数据、2020年土地利用数据、2015年人口密度数据与2015年GDP数据分辨率均为1 km,来源于资源环境科学与数据中心。

由于数据来源与格式不统一,为提高实验精度与保证数据的一致性,使用前需用GIS软件对降雨量数据进行空间插值处理。借鉴已有研究[13],城市范围内,市级区域属于大尺度,评价单元在1~500 m以内均合理,因此对其他栅格数据进行投影变换和地理裁剪后,统一重采样为30 m×30 m分辨率的格网。

3 研究方法

3.1 评估模型

本文采用指标体系法对赣州市洪涝灾害进行风险评估,具体步骤如下:①  构建包含致灾因子、孕灾环境、承灾体的风险评价指标体系;②  对熵权法与AHP法进行组合优化,确定各指标因子的权重;③  运用GIS软件对各指标因子进行空间化,按照研究区现状对各评价指标进行分级处理;④  对各评价指标进行加权叠加,得到研究区内洪涝灾害危险性、易损性、敏感性的空间分布,并将赣州市洪涝灾害风险指数可视化。

洪涝灾害风险是由致灾因子危险性、孕灾环境敏感性、承灾体易损性共同作用的结果[14],而各方向隶属的指标因子对灾害形成的方式也不尽相同,因此构建洪涝灾害风险评估模型如下:

3.2 指标因子选取与权重确定

3.2.1 指标因子选取

洪涝灾害指标的选取不仅要遵循科学性与代表性,还要依据研究区内的实际情况与数据资料收集的难易程度进行合理修正。致灾因子一般选用极端气象事件或长时序降雨量等反映危险性的指标[15],如多年降雨均值、雨季降雨量和年均暴雨天数等;孕灾环境一般选用水文环境、综合地形因子和草木植被等反映敏感性的指标,如水系密度、高程、高程标准差、坡度、植被覆盖度、土壤类型等;承灾体一般选用城市社会经济、人口分布和土地利用情况等反映易损性的指标,如人口密度、GDP、土地利用率等。

(1) 致灾因子(危险性)。赣州市洪灾主要由长时序降雨和高强度暴雨引起。本研究选取年平均降雨量(H1)、雨季降雨量(H2)和年均暴雨天数(H3)3个因子作为危险性评价指标。研究区内洪灾主要发生在春夏两季,因此雨季降雨量选择每年5~8月的降雨量总和。根据国家气象规定,将连续24 h降雨量超过50 mm的极端降雨事件称为暴雨事件,本研究中将暴雨天数定义为1 a内发生暴雨事件的次数之和。

(2) 孕灾环境(敏感性)。洪涝灾害的孕育条件包括研究区内的地形地貌、草木土壤和水系环境等。本研究选取高程(S1)、坡度(S2)、河网密度(S3)、植被覆盖度(S4)、土壤类型(S5)5个因子作为敏感性评价指标。地形因素对洪灾的形成影响巨大,海拔越高、地形起伏越大、地势越陡峭的地区越不容易发生洪灾,反之海拔低、地势低洼的地区发生洪灾的风险较大。草木植被情况和土壤类型对洪水的发生也有一定的影响,植被具有一定的水土保持能力,且不同的土壤类型对水蚀的抵抗能力也不尽相同,植被覆盖率越高、土壤抗水蚀能力越强的地区发生洪灾的概率越小。河网密度往往反映一个地区洪水来临时受江河湖泊的影响程度,水系越发达、河流交汇越复杂的地区发生洪灾的可能性越大。

(3) 承灾体(易损性)。城市洪涝灾害的主要承受对象是社会经济和人口。近年来,赣州市经济发展迅速,人口快速增长,矿山及果业开发力度大,洪灾对矿业开采和农业果园种植影响颇大。本文选取人口密度(V1)、地均GDP(V2)、土地利用(V3)3个因子作为易损性风险指标。

3.2.2 指标因子权重确定

3.2.2.1 层次分析法

层次分析法[11]最早由T.L.Saaty提出,用于解决多因素互相关联、互相制约却又往往缺少定量数据的问题。本文运用层次分析法对危险性、敏感性和易损性指标赋予主观权重,具体步骤如下:

(1) 根据决策问题与相关因子建立递阶层次模型,模型如圖(1)所示。

4 结果与分析

4.1 危险性评价与分析

洪涝灾害危险性主要由降雨量决定,本研究将全国多年降雨月度数据进行研究区裁剪和地理配准之后求和,得到年平均降雨量(H1)和雨季降雨量(H2);将赣州市17个气象站多年降雨日度数据筛选后进行反距离插值,得到年均暴雨天数(H3),然后根据自然断点分级法,将上述3个指标按危险性等级划分为低、次低、中、次高、高危险5个等级,并赋值为1,2,3,4,5,最后运用ArcGIS栅格计算功能,将危险性指标进行加权叠加,危险性H=0.324H1+0.293H2+0.383H3,得到洪涝灾害危险性空间分布结果如图2所示。

从图2中可以看出:赣州市降雨主要集中在东北部的宁都县、石城县和西南部的龙南市、全南县,年平均降雨量超过2 000 mm;雨季降雨也以南部居多,其中宁都县、寻乌县、龙南市、章贡区暴雨天数最多,因此赣州市高危险区主要分布在东北部和南部等降雨充沛地区。

4.2 敏感性评价与分析

本研究选取高程(S1)和坡度(S2)作为反映研究区地形的两个指标。高程为基础地理因子,由DEM栅格裁剪直接得到,坡度则表示地形变化程度,利用GIS软件对高程栅格进行坡度提取得到;选取河网密度(S3)作为反映水系河流的指标,河网密度指单位面积水系的长度,首先利用基础DEM数据进行填挖与流量计算,然后以河水汇流面积5 000 m2为阈值进行水文分析,提取出栅格河网并将其矢量化,最后以半径2 km的圆形邻域为搜索范围计算出河网密度;选取植被覆盖度(S4)和土壤类型(S5)作为草木土壤指标。

本文利用改进的像元二分模型计算植被覆盖度[17],土壤类型指标则按照抗水蚀能力和抗崩解能力从大到小排序[18]:黄壤、黄棕壤>水稻土>红壤>紫色土、石灰岩土、火山灰土、粗骨土>其他,依次对应等级5~1。上述5个指标均按照自然断点分级法重分类并赋值,其中高程(S1)、坡度(S2)和植被覆盖度(S4)为负向指标,赋值时应取反,最后按公式进行加权叠加,敏感性S=0.314S1+0.259S2+0.161S3+0.152S4+0.114S5,得到洪水敏感性空间分布结果如图3所示。

从图3(f)中可以看出,研究区内洪涝灾害敏感性程度由河道向周围发散,水系越发达、离江河越近的地区越容易发生洪灾,且由于人为扰动,河网密度大的地区往往地势低洼,坡度平缓,植被覆盖度低,易于洪水汇集。而赣州市作为著名的红壤丘陵区,土壤类型地域性强,红壤含量占整个研究区的80%,因此土壤类型指标对研究区内洪涝灾害敏感性影响不大。赣州市高敏感区主要位于各江河流域的辐辏地带,此类地区高程均小于300 m,坡度小于8°,植被覆盖度低于40%,低敏感区主要位于各山脉逶迤伸展区,海拔高,坡度大,例如崇义、上犹县与齐云山脉的交界处等。

4.3 易损性评价与分析

本研究选取人口密度(V1)作为反映人口现状的指标,利用GIS软件对2015年全国人口密度数据进行裁剪和重采样,然后根据自然断点分级法进行重分类并赋值(同4.1节的危险性指标);选取地均GDP(V2)和土地利用(V3)作为反映经济情况的指标,GDP指标处理方式和人口密度指标一致,土地利用指标则基于2020年中国土地利用现状数据,对其进行裁剪和重采样之后,按不同类型对易损性影响进行重分类并赋值,其中耕地最易受损,赋值为5,城乡居民用地次之,赋值为4,草地和未利用赋值为3,林地为2,水域为1。将上述指标按公式进行加权叠加,易损性V=0.386V1+0.381V2+0.233V3,得到洪水易损性空间分布结果,见图4。

由图4可知,洪水灾害高易损区主要分布在章贡区内,次高易损区主要分布在南康区、瑞金市、信丰县、大余县的中心,少部分位于于都县和龙南市。上述区域人口密度大、经济水平较高,且耕地和城乡居民用地占比大,洪水来临时极易受损。低易损和次低易损区主要分布在寻乌县、安远县和崇义县,人口密度小,经濟水平一般,且林地、草地覆盖率高,易损性相对较小。

4.4 风险性评价与分析

将危险性、敏感性和易损性的空间分布结果与权重带入到公式(4)中,风险度R=0.355H+0.448S+0.197V,得到洪灾综合风险指数分布结果,并对其进行重分类,分别以2.17,2.53,2.85,3.25为界限划分低、次低、中、次高、高风险区,最后得到洪水灾害风险等级,如图5所示。

研究区内高风险地区占总面积的9.7%,主要分布在宁都县、石城县、章贡区、龙南市、寻乌县、瑞金市中部和全南县西部;次高风险区占总面积的21.8%,主要分布在南康区中部、大余县东部、信丰县中部、定南县、于都县;中风险区占总面积的26.3%,主要分布在会昌县中部、安远县、兴国县、赣县区和上犹县东部;低风险区和次低风险区分别占总面积的16.2%和25.8%,主要分布在崇义县、上犹县、赣县区和于都县南部。赣州市各级风险区呈片状分布,且各区域风险主导因素不同,其中龙南县、全南县、宁都县、石城县、寻乌县受极端气象因素影响严重,降雨充沛,所以高危险性占主导地位;章贡区和南康区作为主城区,也是赣州市的经济行政中心,人口密度和GDP比重高,地势平坦、江河交错,所以高危险性和高敏感性占主导地位;崇义县和上犹县海拔高,地势陡峭,人口密度小且经济水平不高,所以低敏感性和低易损性占主导地位;而信丰县、大余县、安远县、会昌县地形、植被、土地利用等指标集成影响均衡,所以中风险区和次高风险区占比大。

4.5 结果验证

本研究共统计赣州市4次历史洪涝灾害资料中的极端灾害点,分别为“2008·7”[19]寻乌流域暴雨事件中受灾严重的寻乌县,“2009·7”[20]章江流域暴雨洪灾事件中的崇义县聂都、铅厂一代、大余县城及南康市区等地,“2015·5”[21]梅江流域暴雨灾情中的宁都、石城、瑞金、于都以及“2019·6”[22]暴雨事件中的龙南、大余、宁都、会昌、全南等地,将极端灾害点与灾害风险等级图进行叠加,计算落入各风险区中灾害点的数量与百分比(见表2),量化评估结果的精度。

由表2可知,80.56%的极端灾害点在次高危险及以上风险区内,说明本文得出的赣州市洪涝灾害风险等级图精度较高,与历史洪灾情况基本一致。

5 结 论

本文基于自然灾害风险理论,利用指标体系法,从致灾因子危险性、孕灾环境敏感性和承灾体易损性3个方面共选取11个评价指标,构建了赣州市洪涝灾害风险评估模型。运用信息熵改进AHP方法对各指标进行组合赋权,并利用GIS技术对各因子图层进行叠加分析,得到赣州市洪涝灾害危险性、敏感性、易损性评价图和赣州市洪涝灾害风险分布图,并对洪涝灾害风险进行评估,得出以下结论。

(1) 基于主客观结合的思想,采用熵权法和AHP法对评价指标进行组合赋权,规避了传统评估方法中人为因素的干扰和采用单方面权重对风险评估体系构建的局限性,同时GIS技术弥补了传统风险评估中空间化显示的不足。经结果验证:80%以上的历史灾害点落在本次洪涝灾害风险等级图的次高风险区和高风险区内,评估结果与历史灾情数据及前人研究结果基本吻合。因此,本研究可为赣州市防洪减灾工作和城市风险管理提供理论依据,并对城市洪涝灾害及其他灾害的风险评价有较高的科学性与实用性参考。

(2) 根据洪涝灾害风险等级分布结果显示,高风险区和次高风险区分别占研究区总面积的9.7%和21.8%,且主要集中在极端气象事件高发区,所以降雨因素是城市洪涝灾害发生的源头;低风险区和次低风险区分别占研究区总面积的16.2%和25.8%,且大多处在地势高、坡度大、人口稀疏、植被覆盖度高的地区,因此其低敏感性与低易损性占主导地位。

参考文献:

[1] 符洪恩,高艺桔,冯莹莹,等.基于GA-SVR-C的城市暴雨洪涝灾害危险性预测:以深圳市为例[J].人民长江,2021,52(8):16-21.

[2] 夏军.中国暴雨洪涝预报方法的研究进展[J].暴雨灾害,2019,38(5):416-421.

[3] 刘雄.大数据技术在城市洪涝灾害分析预警中的应用研究[D].武汉:华中科技大学,2015.

[4] 《中国水旱灾害公报2020》发布公告[J].中国防汛抗旱,2021,21(4):3.

[5] WU Z N,SHEN Y X,WANG,M H L,et al.Urban flood disaster risk evaluation based on ontology and Bayesian Network[J].Journal of Hydrology,2020,583:124596.

[6] CHINH L,JASON V M,MOHAMMAD M.Analyzing Vietnam′s national disaster loss database for flood risk assessment using multiple linear regression-TOPSIS[J].International Journal of Disaster Risk Reduction,2019,40:101153.

[7] 刘合香,徐庆娟.区域洪涝灾害风险的模糊综合评价与预测[J].灾害学,2007,22(4):38-42.

[8] 罗日洪,黄锦林,唐造造.基于AHP和GIS的山区小流域山洪灾害风险区划研究[J].灾害学,2018,33(2):64-69.

[9] CAI T,LI X Y,DING X,et al.Flood risk assessment based on hydrodynamic model and fuzzy comprehensive evaluation with GIS technique[J].International Journal of Disaster Risk Reduction,2019,35:101077.

[10] 黄国如,罗海婉,陈文杰,等.广州东濠涌流域城市洪涝灾害情景模拟与风险评估[J].水科学进展,2019,30(5):643-652.

[11] 蒋雯京,程春梅,张艳蓓,等.基于GIS/AHP集成的浙江省洪涝灾害风险评估[J].测绘通报,2019(2):125-130.

[12] 胡文生,伍人高,张修飞.赣南洪涝灾害之浅析与对策之初探[C]∥中国水利学会.中国水利学会2016学术年会论文集,南京:河海大学出版社,2016:1311-1315.

[13] 罗海婉,黄国如.洪涝灾害风险评估单元选取方法研究[J].水电能源科学,2021,39(3):24-27.

[14] 刘媛媛,王绍强,王小博,等.基于AHP_熵權法的孟印缅地区洪水灾害风险评估[J].地理研究,2020,39(8):15.

[15] 陈鹏,朱娱莹.基于日降雨量的城市内涝灾害风险评价:以长春市南关区为例[J].人民长江,2022,53(4):26-30.

[16] 程朋根,黄毅.基于AHP-熵权法的南昌市洪涝风险评估[J].人民长江,2021,52(10):18-25.

[17] 李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004(4):153-159.

[18] 梁音,史学正.长江以南东部丘陵山区土壤可蚀性K值研究[J].水土保持研究,1999(2):48-53.

[19] 徐珊珊,徐伟成.寻乌水流域“2008·7”暴雨洪水调查分析[J].人民珠江,2009,30(4):6-7,14.

[20] 徐珊珊,徐伟成.章江流域“2009.7”山溪暴雨洪水特性分析[J].江西水利科技,2014,40(2):89-91.

[21] 谢水石,徐伟成.梅江流域“2015·5”暴雨洪水调查分析[J].江西水利科技,2016,42(6):449-453.

[22] 江西省减灾委员会.江西省2019年自然灾害公报[R].南昌:江西省减灾委员会,2020.

(编辑:高小雲)

Abstract:

To conduct scientific and effective risk analysis on flood disasters and to reduce flood losses,taking Ganzhou City in Jiangxi Province as an example,based on disaster risk theory,we built a flood risk assessment system by selecting multi-source environmental flood regulation factors and socio-economic parameters in terms of risk,sensitivity and vulnerability.With the help of geographical processing and spatial analysis functions of GIS,a weight distribution map was drawn by combining information entropy and AHP method.A distribution map of flood disaster risk grade in Ganzhou City was given,and the flood disaster risk was assessed.The results show that the flood risk in Ganzhou City is distributed in a stretch shape,and the high risk area and the second high risk area account for 97% and 218% of the total area respectively,of which the high risk area is mainly distributed in Ningdu,Shicheng and Ruijin in the northeast of Ganzhou City,Zhanggong District in the center of Ganzhou City and Quannan,Longnan and Xunwu in the southern Ganzhou City.The evaluation results are basically consistent with historical disaster data.This study can provide theoretical support for urban flood control governance and risk management.

Key words:

flood disaster;risk assessment;GIS;information entropy;AHP;combined weights

猜你喜欢

洪灾易损性赣州市
持续做好“后半篇文章:!
——赣州市审计局这样让困难群众感受温暖
浅论执法中队如何在洪灾中发挥能效
How to survive a flood 如何从洪灾中活下来
How to survive a flood如何从洪灾中活下来
基于IDA的预应力混凝土连续梁桥易损性分析
启航
江西赣州市老年大学校歌
赣州市通联站站长——钟宗志
基于PSDM和IDA法的深水隔震桥梁地震易损性分析比较
醒醒吧,人类!