1980—2020年全球重大洪灾时空特征探析
2024-05-13方秀琴蒋心远廖美玉任立良朱求安金佳鑫江善虎
方秀琴 蒋心远 廖美玉 任立良 朱求安 金佳鑫 江善虎
摘要：为充分理解全球洪涝灾害的时空演变规律，基于长时间序列全球历史洪灾数据，运用数理统计和GIS空间分析方法，在不同空间尺度和年代际、年际的时间尺度上，全面分析了1980—2020年重大洪涝灾害的时空特征。结果表明：① 全球洪灾次数在21世纪前10 a达到峰值，死亡和影响人口在1990s达到峰值，累计经济损失在2010s达到峰值，次均经济损失在1990s和2010s最高;② 洪灾发生次数及造成的经济损失在1980—2020年期间呈显著上升趋势，每次洪灾造成的人口损失呈现下降趋势；③ 亚洲洪涝灾害严重，洪灾的发生次数、死亡人数、影响人口及经济损失的累计值分别占全球总数的41%、68%、95%和63%，然而包括中国在内的亚洲诸多国家的洪灾人口损失呈下降趋势；④ 全球重大洪灾呈东西向分布，灾害重心有南移趋势，洪灾由集中趋于分散，影响区域逐渐变广。
关键词：全球洪灾;时间变化;空间分析;时空特征
中图分类号：TV122
文献标志码：A
文章编号：1001-6791（2024）02-0197-11
收稿日期：2023-09-21;网络出版日期：2024-02-04
网络出版地址：https：//link.cnki.net/urlid/32.1309.P.20240202.1809.005
基金项目：国家重点研发计划资助项目（2023YFC3006701）;国家自然科学基金资助项目（U2243203）
作者简介：方秀琴（1978—），女，安徽池州人，教授，博士，主要从事地表水文及洪旱灾害防治研究。
E-mail：kinkinfang@hhu.edu.cn
通信作者：任立良，E-mail：RLL@hhu.edu.cn
洪水災害是发生频率最高、范围最广的全球性自然灾害之一，就造成的经济损失和人员死亡而言，洪灾的破坏性最为严重［1-2］。国际灾害流行病学研究中心（CRED）和联合国减灾办公室（UNDRR）2020年联合发布的报告显示，全球自然灾害频率在2000—2019年相比于1980—1999年增加了近1倍，其中洪水灾害带来的经济损失占全球自然灾害的31%［3］。洪灾的发生与全球性的气候变化及气旋活动导致的极端水文气象息息相关，适应日益增加的洪水是一个全球性问题，对发达和发展中国家都有影响［4］，因此，从全球尺度分析洪涝灾害的时空演变规律具有重要意义。长期洪水事件具有一定的时空变化规律，充分了解各种时空尺度上的洪灾变化特征，有助于更好地理解洪水事件发生规律，从而提高洪灾的可预测性和可防范性。
长时间序列的历史洪灾资料对于探究洪水灾害时空规律具有重要价值，紧急灾难数据库（Emergency Events Database，EM-DAT）和达特茅斯重大洪水事件档案（Dartmouth Flood Observatory，DFO）是目前国际社会认可度高、且被广泛应用的2个全球洪水灾害数据［5-9］，国内外众多学者利用这些数据进行了历史洪灾规律的研究。目前全球尺度洪灾时空规律研究主要存在两方面的问题：① 对时空规律的探索不全面。例如，Li等［8］绘制了非洲洪水频次、死亡人数、受灾人数和经济损失的专题图，并分析了影响非洲洪灾分布的主要因素，该研究仅分析了洪水灾害的空间分布特点，没有考虑其时间变化规律;Wang等［10］以南亚和东亚各个国家为单元，对灾害次数、死亡人数、死亡率等指标的空间分布格局及时间变化规律进行了分析，但未考虑灾害重心在空间上的迁移变化;蒋卫国等［11］对全球1950—2004年间的重大洪灾发生次数、受灾人口和受灾损失进行了逐年趋势分析，但是该研究仅考虑了时间变化，没有分析洪灾的空间格局;Shen等［12］对1900—2015年全球自然灾害的发生频率及累计损失的空间分布和逐年变化趋势进行了统计，该研究虽然考虑了空间分布和时间特征，但分析方法简单，仅对灾害事件及损失进行了简单的统计汇总，且分析对象为所有自然灾害，没有明确灾害类型，过于笼统。② 对灾害损失的考虑不全面。例如，Hu等［13］分析了1975—2016年全球洪灾的发生频率、强度，以及洪灾导致的人口损失，并探讨了洪灾致死亡的影响因素，这是迄今为止洪灾对全球人口的影响最为全面的研究。然而，该研究缺少对空间格局演变的分析，且未涉及洪灾对经济损失的影响分析。收入不平等的社会面对自然灾害时可能更脆弱，近期的研究发现经济发展不平等国家遭受洪水时死亡人数往往更多［14］。因此，对于全球洪涝灾害导致的人口和社会经济损失的时空格局及演变规律的详细探究仍任重道远。
本文在前人研究的基础上，利用最新的全球洪灾数据，结合经典的统计分析以及先进的GIS空间分析方法，对全球1980—2020年的重大洪水带来的灾害损失进行全面的时空分析，以期揭示全球洪涝灾害时空格局及演变规律。
1 数据及预处理
1.1 数据源
EM-DAT和DFO数据有各自的收录条件（表1），本研究将满足2个数据库收录条件之一的洪灾事件作为研究对象，即“重大洪灾”。EM-DAT提供的洪灾数据为文本类型，记录每一次灾害事件的发生区域和损失信息，其中发生区域未提供灾害位置的地理坐标，但提供了灾害发生的ISO国家代码或区域名称，据此可以与包含地理信息的全球矢量图层相连接，获取灾害的空间信息，进而分析各区域历史洪灾的时空分布。DFO数据是EM-DAT的主要数据源之一［13］，主要通过收集地表水的变化信息来识别、测量和监测全球洪水事件［15］。虽然DFO数据的详细程度不如EM-DAT，但DFO数据提供了洪灾中心点的经纬度信息，有助于分析重大洪灾的空间格局及演变规律。
1.2 数据预处理
虽然EM-DAT数据始于1900年，但1975年之前的数据完整程度和质量难以得到保障，并且在1980年之前记录的灾害损失数据呈对数下降趋势［16］，因此，普遍认为1980年之后的数据可靠性较高，本研究选取的研究时段为1980—2020年。
由于EM-DAT数据缺少空间参考，需要在GIS软件中依据数据记录的ISO国家代码与包含地理信息的全球行政区划矢量数据按属性连接，使得EM-DAT数据具有相应的位置信息。EM-DAT除了记载洪水事件的洪灾位置信息、起止时间外，属性字段还包括了累计死亡人数、累计影响人口、累计经济损失信息。一个地区长期的洪水损失不仅取决于单一事件的影响，还取决于其发生的次数［5］。为了更加详细地定量描述洪灾损失，以全球一级行政区为对象，计算EM-DAT数据中ISO代码的重复次数得到每个国家的累计洪灾发生次数，据此进一步计算各个国家次均死亡人数（每次洪水事件的平均死亡人数）、次均影响人口（每次洪水事件的平均受影响人口）以及次均经济损失（每次洪水事件造成的平均经济损失）和洪灾死亡率（累计死亡人数占累计影响人口比例）［13］。
经过预处理的EM-DAT数据不仅具有了地理空间信息，还具有包含8个洪灾指标（次数、累计死亡人数、累计影响人口、累计经济损失、次均死亡人数、次均影响人口、次均经济损失和死亡率）的属性信息；而对于DFO数据，主要利用数据提供的洪灾发生时间及中心经纬度等信息。
2 研究方法
2.1 时间變化分析
采用线性回归和Mann-Kendall（MK）趋势检验分析全球重大洪灾在研究时段（1980—2020年）内8个灾害指标的时间变化特征。MK趋势分析是一种非参数方法，通常用于对非正态分布数据单调趋势及其显著性的估计，且该方法不受少数异常值的干扰，在水文和气象时间序列数据的趋势显著检验中得到了广泛应用［10，17-18］。
2.2 空间变化分析
重心变化是研究海量时空数据演变的有效手段［19-20］，本研究利用重力模型分析全球洪灾的重心变化。全球洪灾重心的X和Y坐标及重心移动距离按如下公式计算：
式中：X、Y分别为洪灾重心的经度和纬度;n为灾害次数;i为灾害编号;Xi和Yi分别为第i次洪灾的经度和纬度;Wi为权重，对于点灾害数据而言，第i次灾害权重为1;D为重心移动距离;C为常数，用于将地理坐标转换为平面距离。
重力模型与标准差椭圆相结合，不仅可以很好地反映区域地理现象的分布方向和离散程度等空间差异，而且能用来汇总和表达地理要素的动态过程及演变规律［21-22］。标准差椭圆由转角、沿长轴的标准差和沿短轴的标准差3个要素确定，计算公式如下：
式中：xi和yi为要素i的坐标;（x，y）为要素的平均中心;n为要素总数; x～i和?i为各点距离区域重心的相对坐标;θ为正北方向与长轴顺时针旋转之间的夹角，表征地理现象整体的空间分布方向;δx和δy分别为椭圆的长、短半轴，其中长、短半轴的差距（或比值）越大，表明地理现象的空间方向性越明显，短轴表征地理现象的离散程度，短轴越长，离散度越高。
3 结果分析与讨论
3.1 全球重大洪水灾害时间变化趋势
3.1.1 全球重大洪灾时间变化
为了全面了解全球环境变化背景下洪涝灾害及损失的变化情况，本研究从年代际和年际2个方面分析全球重大洪灾的时间变化。
图1显示了8个灾害指标年代际占比，表明年代际尺度上全球洪灾次数增幅较大，在21世纪前10 a达到峰值。2001—2020年（近20 a）的洪灾次数是1981—2000年（过去20 a）的2倍以上，说明洪灾事件的发生更加频繁。累计死亡人数、次均死亡人数、累计影响人口和次均影响人口均在1990s达到峰值，随后逐步减少，其中次均死亡人数和次均影响人数下降最为迅速，在近20 a均下降到20%以下。这表明近20 a全球防洪减灾相关举措取得了显著成效，大大减少了每次洪灾造成的人员伤亡，与前人的研究结论一致［13］。死亡率在2001—2010年期间最小，其余时段波动不大。从经济损失的2个指标来看，洪灾造成的累计经济损失在2010s达到峰值，达到整个40 a里总数的44%，次均经济损失以1990s和2010s为最高;累计经济损失近20 a与过去20 a相比增加了近1倍，表明随着全球经济的高速发展，洪涝灾害对社会经济的整体破坏力越来越强，然而每次洪灾的平均经济损失前后20 a基本持平，表明在年代际尺度上洪灾带来的经济损失增长主要是由于洪灾次数的显著增加。
图2所示为8个灾害指标年际变化趋势分析结果。1980—2020年间，洪水灾害的发生次数、累计经济损失和次均经济损失呈明显上升趋势，尤其在2000年以后，这3个指标在绝大多数年份都高于平均值，表明洪水灾害的发生频次受全球气候和环境变化的影响而逐年上升，全球经济的发展、城市化进程的加快也使得洪涝灾害对社会的破坏性逐年上升，经济损失呈明显上升趋势。此外，从上升趋势的斜率来看，累计经济损失最高、发生次数次之、次均经济损失最低，且次均经济损失趋势显著性低于前两者，表明在年际尺度上洪灾带来的经济损失增长主要是由于洪灾次数的显著增加，与年代际结果一致。
此外，图2显示次均死亡人数和次均影响人口呈现显著下降趋势（α=0.01），表明防洪减灾工作取得显著成效，尤其是2000年以后，虽然洪灾发生频率逐年上升，但每次洪灾造成的人口损失显著下降，指标值在大部分年份都低于平均水平。综合分析人口相关各指标的变化趋势可知，虽然每次洪灾事件的影响人数和死亡人数有明显下降趋势，但由于洪灾发生次数显著上升，累计影响人数和累计死亡人数并没有发生明显的变化。
3.1.2 各国洪灾时间变化
对全球各国1980—2020年的洪灾累计发生次数及相关损失指标进行了统计分析，并对各国的指标变化进行MK检验，以期更全面地剖析洪灾时空格局，结果如图3所示。
从洪灾发生次数来看，全球绝大多数国家均呈现上升趋势，其中70个国家上升趋势通过了α=0.05的显著性检验，18个国家上升趋势通过了α=0.1的显著性检验，仅22个国家呈下降趋势，且绝大多数不显著。洪灾发生最频繁的国家多位于亚洲地区，其中，中国（287次）、印度（256次）和印度尼西亚（211次）的累计发生次数最多，并且存在显著上升趋势。
从受影响人口来看，不论是累计值还是次均值，亚洲的中国、印度、孟加拉国、巴基斯坦和泰国都排在前5，但是这些国家并没有呈现上升趋势，而呈现显著上升趋势的国家主要是美国、加拿大等北美国家以及众多非洲国家。
从死亡人数上看，累计死亡人数最多的国家是印度，其次是中国、委内瑞拉、孟加拉和巴基斯坦，其中中国的累计死亡人数呈现显著下降趋势（Z<-1.96），而巴基斯坦却呈现显著上升趋势（Z>1.96），其余3个国家变化趋势不显著；次均死亡人数最高的国家是委内瑞拉，其次是印度、孟加拉、罗马尼亚和中国，其中中国和印度的次均死亡人数呈显著下降趋势（Z<-1.96）。死亡率计算结果及趋势显示，亚洲发展中国家虽然一直以来面临极为严重的洪涝灾害，但洪灾死亡率却一直保持在较低水平，其中菲律宾的死亡率在近40 a有显著的下降趋势（Z<-1.96），中国有较为显著的下降趋势（-1.96 从经济损失上看，累计洪灾经济损失最高是中国，其次是美国、印度、泰国和德国，中国、美国和印度的累计经济损失呈现显著的上升趋势（Z>1.96）；次均经济损失最高的是德国，其次是中国、日本、英国和朝鲜，中国、日本和英国的次均经济损失呈显著上升趋势（Z>1.96），德国和朝鲜的上升趋势不显著（0 3.2 全球重大洪灾空间格局及演变 3.2.1 全球总体格局 对1980—2020年内全球各大洲（南极洲除外）的受灾情况进行统计分析，各大洲8个灾害指标占比如图4所示。从发生次数来看，亚洲的重大洪灾发生最为频繁，累计发生次数占全球总次数的41%，其次是非洲和欧洲，占比分别为22%和12%。从人口损失上来看，亚洲的累计影响人口、次均影响人口、累计死亡人数和次均死亡人数的占比均超过其他各大洲，分别占全球总体水平的95%、86%、68%和39%。从经济损失上看，亚洲的累计经济损失占比最高，达到63%，然而亚洲的次均经济损失与欧洲和北美洲比重接近，说明亚洲重大洪灾累计经济损失主要受较多的洪灾发生次数的影响。从死亡率来看，南美洲重大洪灾死亡率最高，主要受1999年委内瑞拉洪灾极值的影响;其次是北美洲、大洋洲和非洲，而死亡率最低的大洲是亚洲，主要由于亚洲受洪灾影响的总人口基数较大。 3.2.2 洪災重心演变 为了深入探究全球重大洪涝灾害的灾害重心和灾害方向变化，以DFO历史洪灾点数据（1985—2020年）为基础，利用重力模型分析了全球历史重大洪水灾害重心的移动轨迹和移动距离，同时基于一级标准差椭圆综合分析了灾害方向及分布。洪灾损失与经济水平密切相关，考虑到全球南、北方经济水平的差异，本研究分别探究了全球以及南、北方的洪灾重心演变，其中南、北方依照文献［23］划分。将研究时段以9 a为一组分为4个区间，分别为Y1（1985—1993年）、Y2（1994—2002年）、Y3（2003—2011年）和Y4（2012—2020年），图5和表2分别展示了洪灾灾害重心和分布方向的演变。 图5显示，南方洪灾的灾害重心在Y1—Y3时间段由阿拉伯半岛南端向西南方向移动，在Y3—Y4时间段向西南方向的非洲大陆移动，1985—2020年南方洪灾重心整体上向西南方向偏移。北方洪灾的灾害重心在Y1—Y2时间段由伊比利亚半岛西侧向东移动，在Y2—Y3时间段向东南方向的非洲大陆移动，在Y3—Y4时间段向西北方向移动，1985—2020年北方洪灾重心整体上向东南方向偏移。全球洪灾重心在Y1—Y3时间段由埃及与苏丹边界附近沿红海向东南方向移动，在Y3—Y4时间段向西南内陆方向偏移，1985—2020年全球洪灾重心整体向南偏移。 表2显示，南方洪灾在4个时间段的标准差椭圆方向为83.5°～85.5°，呈赤道附近的东北-西南方向，在Y1—Y3时间段转角逐渐增加，Y4阶段稍有减小，总体变化不大;长轴逐渐减小，洪灾的方向性减弱，而短轴总体逐渐增加，洪灾的离散程度增加。北方洪灾在4个时间的标准差椭圆方向为93.1°～102.8°，呈赤道附近的西北-东南方向，转角总体变化较大，在Y1—Y3时间段转角逐渐增加，Y4阶段稍有减小;长轴波动，表明灾害方向性强弱有波动，而短轴在Y1—Y3时间段逐渐增加，Y4阶段稍有减小，表明灾害离散程度总体增加。全球洪灾在4个时间段的标准差椭圆方向为90.6°～94.8°，基本与赤道平行，Y1—Y3时间段转角上升，上升幅度不大，在Y4阶段减弱，椭圆的短轴逐渐增加，表明灾害离散程度增加。 以上结果说明，历史洪灾重心在南、北方演变规律有所差异，但整体向南偏移;全球洪灾在空间上呈东西分布格局，与热带气旋分布区域高度吻合;1985—2020年，全球以及南、北方洪灾重心演变结果均显示灾害的聚集程度由集中趋于分散，受洪灾影响的区域范围逐渐变广。 3.3 讨论 建国以来中国江河治理和防控措施取得重大成就，主要江河防洪标准显著提高［24］，例如长江中下游防洪工程体系在2020年7月的大水中经受了考验［25］。然而，自然条件和地理位置的属性决定了中国洪灾的高风险特点，例如强劲的大气河——东亚季风水汽通道，不可避免地会在中国境内长江、淮河、海河、黄河流域形成持续大暴雨过程［26］。就全球而言，由于气候变化和社会经济发展，预计未来许多地区洪水风险将增加［27］，特别是亚洲和非洲的灾难性洪水［28］。有证据表明，包括欧洲在内的世界许多地区与洪水有关的经济损失正在增加［29］。2000—2015年，全球受洪水影响的人口比例增加了20%～24%，到2030年还将进一步增加［30］。在历史洪灾时空特征分析的基础上，有必要进一步探究影响区域洪灾的特征要素，进而采取正确的洪灾治理理念、靶向性的工程和非工程措施等，尽可能降低洪水对人类生命财产安全的威胁。 4 结论 本文以全球陆地重大洪灾为研究对象，以全球紧急灾难数据库和达特茅斯重大洪水事件档案历史洪灾数据库为数据基础，将数理统计和GIS空间分析方法相结合，对全球重大洪涝灾害及相关损失指标的时空格局及变化趋势进行分析。主要结论如下： （1） 年代际尺度上，全球洪灾次数增幅较大，在21世纪前10 a达到峰值，累计死亡人数、次均死亡人数、累计影响人口和次均影响人口均在1990s达到峰值，随后逐步减少，累计经济损失在2010s达到峰值，次均经济损失以1990s和2010s为最高。 （2） 在年际尺度上，全球洪涝灾害的发生次数及造成的经济损失在1980—2020年期间呈现明显上升趋势，每次洪灾造成的平均死亡人数和影响人口都呈现下降趋势，并且在亚洲地区最为显著，然而发生次数显著上升，累计影响人口和死亡人数并没有下降趋势。 （3） 从大洲和国家的空间尺度看，亚洲是全球洪涝灾害最为严重的地区，历史洪灾的发生次数、死亡人数、影响人口及经济损失的累计值分别占全球总数的41%、68%、95%和63%，尤其在东亚、南亚和东南亚地区这些损失更为明显，以中国和印度为代表。然而，从洪災人口损失的趋势上看，东亚、南亚和东南亚的大部分国家反而存在一定的下降趋势，中国的洪灾人口损失下降趋势显著。 （4） 全球历史重大洪灾呈现东西分布，灾害重心有向南偏移的趋势，灾害的聚集程度由集中趋于分散，受洪灾影响的区域范围逐渐变广。 参考文献： ［1］刘家福，张柏.暴雨洪灾风险评估研究进展［J］.地理科学，2015，35（3）：346-351.（LIU J F，ZHANG B.Progress of rainstorm flood risk assessment［J］.Scientia Geographica Sinica，2015，35（3）：346-351.（in Chinese）） ［2］BREINL K，LUN D，M?LLER-THOMY H，et al.Understanding the relationship between rainfall and flood probabilities through combined intensity-duration-frequency analysis［J］.Journal of Hydrology，2021，602：126759. ［3］TRIGG M A，BIRCH C E，NEAL J C，et al.The credibility challenge for global fluvial flood risk analysis［J］.Environmental Research Letters，2016，11（9）：094014. ［4］WILLNER S N，LEVERMANN A，ZHAO F，et al.Adaptation required to preserve future high-end river flood risk at present levels［J］.Science Advances，2018，4（1）：eaao1914. ［5］CHEN B，SHI F Y，LIN T T，et al.Intensive versus extensive events？ insights from cumulative flood-induced mortality over the globe，1976—2016［J］.International Journal of Disaster Risk Science，2020，11（4）：441-451. ［6］RIES M，ZIELONKA M，RIES N，et al.Disasters in Germany and France：an analysis of the emergency events database from a pediatric perspective［J］.Disaster Medicine and Public Health Preparedness，2019，13（5/6）：958-965. ［7］EL HADRI H，MIRZA D，RABAUD I.Natural disasters and countries′ exports：new insights from a new （and an old） database［J］.The World Economy，2019，42（9）：2668-2683. ［8］LI C J，CHAI Y Q，YANG L S，et al.Spatio-temporal distribution of flood disasters and analysis of influencing factors in Africa［J］.Natural Hazards，2016，82（1）：721-731. ［9］LESK C，ROWHANI P，RAMANKUTTY N.Influence of extreme weather disasters on global crop production［J］.Nature，2016，529：84-87. ［10］WANG X J，XIA J Q，DONG B L，et al.Spatiotemporal distribution of flood disasters in Asia and influencing factors in 1980—2019［J］.Natural Hazards，2021，108（3）：2721-2738. ［11］蒋卫国，李京，王琳.全球1950—2004年重大洪水灾害综合分析［J］.北京师范大学学报（自然科学版），2006，42（5）：530-533.（JIANG W G，LI J，WANG L.Compositive analysis of global flood disaster from 1950 to 2004［J］.Journal of Beijing Normal University （Natural Science），2006，42（5）：530-533.（in Chinese）） ［12］SHEN G Q，HWANG S N.Spatial-temporal snapshots of global natural disaster impacts revealed from EM-DAT for 1900—2015［J］.Geomatics，Natural Hazards and Risk，2019，10（1）：912-934. ［13］HU P，ZHANG Q，SHI P J，et al.Flood-induced mortality across the globe：spatiotemporal pattern and influencing factors［J］.Science of the Total Environment，2018，643：171-182. ［14］LINDERSSON S，RAFFETTI E，RUSCA M，et al.The wider the gap between rich and poor the higher the flood mortality［J］.Nature Sustainability，2023，6：995-1005. ［15］NAJIBI N，DEVINENI N.Recent trends in the frequency and duration of global floods［J］.Earth System Dynamics，2018，9（2）：757-783. ［16］PEDUZZI P，HEROLD H D C.Mapping disastrous natural hazards using global datasets［J］.Natural Hazards，2005，35（2）：265-289. ［17］FU G B，YU J J，YU X B，et al.Temporal variation of extreme rainfall events in China，1961—2009［J］.Journal of Hydrology，2013，487：48-59. ［18］CHAUDHURI S，DUTTA D.Mann-Kendall trend of pollutants，temperature and humidity over an urban station of India with forecast verification using different ARIMA models［J］.Environmental Monitoring and Assessment，2014，186（8）：4719-4742. ［19］羅秀丽，杨忍，徐茜.全球人口与粮食的空间错位演变及影响因素分析［J］.自然资源学报，2021，36（6）：1381-1397.（LUO X L，YANG R，XU Q.Spatial mismatch evolution of global population and food and its influencing factors［J］.Journal of Natural Resources，2021，36（6）：1381-1397.（in Chinese）） ［20］龚胜生，肖克梅.两千年来中国经济重心变迁的量化分析：基于人口和城市数据的代用分析［J］.地理科学，2021，41（9）：1587-1597.（GONG S S，XIAO K M.A quantitative study on the spatio-temporal changes of China′s economic centers of gravity for the past 2000 years：a proxy analysis based on population and city data［J］.Scientia Geographica Sinica，2021，41（9）：1587-1597.（in Chinese）） ［21］WU S Q，CAO S S，WANG Z H，et al.Spatiotemporal variations in agricultural flooding in middle and lower reaches of Yangtze River from 1970 to 2018［J］.Sustainability，2019，11（23）：6613. ［22］熊俊楠，李進，程维明，等.西南地区山洪灾害时空分布特征及其影响因素［J］.地理学报，2019，74（7）：1374-1391.（XIONG J N，LI J，CHENG W M，et al.Spatial-temporal distribution and the influencing factors of mountain flood disaster in Southwest China［J］.Acta Geographica Sinica，2019，74（7）：1374-1391.（in Chinese）） ［23］CHEN B，WU S B，SONG Y M，et al.Contrasting inequality in human exposure to greenspace between cities of Global North and Global South［J］.Nature Communications，2022，13：4636. ［24］姜晓明，王艳艳，向立云.我国防洪减灾体系建设与成就［J］.中国防汛抗旱，2019，29（10）：6-9，15.（JIANG X M，WANG Y Y，XIANG L Y.Construction and achievements of flood control and disaster reduction system in China［J］.China Flood & Drought Management，2019，29（10）：6-9，15.（in Chinese）） ［25］钟平安，唐洪武.淮河中下游洪涝综合治理的思考与初探［J］.水科学进展，2020，31（5）：746-753.（ZHONG P A，TANG H W.Thinking and preliminary practice of comprehensive treatment of the middle and lower reaches of the Huaihe River basin［J］.Advances in Water Science，2020，31（5）：746-753.（in Chinese）） ［26］丁一汇，柳艳菊，宋亚芳.东亚夏季风水汽输送带及其对中国大暴雨与洪涝灾害的影响［J］.水科学进展，2020，31（5）：629-643.（DING Y H，LIU Y J，SONG Y F.East Asian summer monsoon moisture transport belt and its impact on heavy rainfalls and floods in China［J］.Advances in Water Science，2020，31（5）：629-643.（in Chinese）） ［27］BOULANGE J，HANASAKI N，YAMAZAKI D，et al.Role of dams in reducing global flood exposure under climate change［J］.Nature Communications，2021，12：417. ［28］MERZ B，BLSCHL G，VOROGUSHYN S，et al.Causes，impacts and patterns of disastrous river floods［J］.Nature Reviews Earth & Environment，2021，2（9）：592-609. ［29］BLSCHL G，HALL J，VIGLIONE A，et al.Changing climate both increases and decreases European river floods［J］.Nature，2019，573：108-111. ［30］TELLMAN B，SULLIVAN J A，KUHN C，et al.Satellite imaging reveals increased proportion of population exposed to floods［J］.Nature，2021，596：80-86. Spatio-temporal characteristics of global flood disasters during 1980—2020 The study is financially supported by the National Key R&D Program of China （No.2023YFC3006701） and the National Natural Science Foundation of China （No.U2243203）. FANG Xiuqin1，2，JIANG Xinyuan2，LIAO Meiyu2，REN Liliang1，3，ZHU Qiuan1，2， JIN Jiaxin1，2，JIANG Shanhu1，3 （1. The National Key Laboratory of Water Disaster Prevention，Hohai Universty，Nanjing 210098，China; 2. College of Geography and Remote Sensing，Hohai University，Nanjing 211000，China; 3. Cooperative Innovation Center for Water Safety and Hydro-Science，Hohai University，Nanjing 210098，China） Abstract：To gain a comprehensive understanding of the spatiotemporal evolution of global flood disasters，we conducted an in-depth analysis using mathematical statistics and GIS spatial analysis methods.Leveraging long-term global historical flood data spanning from 1980 to 2020 and considering various spatial scales，as well as inter-decadal and inter-annual time scales，our findings revealed the following：① The peak occurrence of global flood disasters took place in the first decade of the 21st century.Deaths and affected populations reached their zenith in the 1990s，while cumulative economic losses peaked in the 2010s，with average economic losses being highest during the 1990s and 2010s.② Over the period from 1980 to 2020，both the frequency of flood disasters and the resulting economic losses exhibited notable upward trends，while population losses per disaster demonstrated a declining pattern.③ Asia experienced pronounced flooding，contributing to 41%，68%，95%，and 63% of the global totals in terms of flood occurrences，deaths，affected populations，and economic losses，respectively.Despite this，several Asian countries，including China，displayed a decreasing trend in flood-related population losses.④ Global flood disasters displayed an east-west distribution，with a discernible southward shift in the centers of disasters.There was a tendency for flood disasters to become more decentralized，impacting progressively broader regions. Key words：global flood disaster;temporal change;spatial analysis;spatio-temporal characteristics
