基于“3S”技術的村鎮住宅洪災脆弱性曲線研究*

董姝娜，姜鎏鵬，張繼權，佟志軍，劉興朋，蔣新宇

(1.長春師范學院城市與環境科學學院，吉林長春130032;2．東北師范大學城市與環境科學學院，東北師范大學自然災害研究所，吉林長春130024;3．京都大學防災研究所，日本京都府宇治611－0011)

0 引言

受氣候條件和地理條件的影響，我國是洪澇災害頻發的國家，每年都有大量的居民住宅在洪水中嚴重損壞甚至倒塌，如2010年吉林省發生了嚴重的洪澇災害，共造成11.8萬戶房屋倒塌，30.1萬戶房屋損壞。相對于城市而言，村鎮住宅結構簡單、抗災性能較差，在洪災來臨時房屋損壞現象更為嚴重，災后恢復的時間也相對較長。據統計，在2010年吉林省洪災中，因災倒塌的農村房屋占倒塌房屋總數的75%以上，局部地區的比例甚至超過95%。隨著我國農村城鎮化進程的發展，村鎮住宅的規模將越來越大，遭遇洪水破壞的損失也日趨加重。

脆弱性是指在給定危險地區存在的所有任何財產由于潛在的危險因素而造成的傷害或損失程度［1］，是構成洪災風險重要因子。由于洪災風險是由危險性、暴露性、脆弱性和防災減災能力四因子構成，其中危險性的改變是困難的，因此降低承災體的脆弱性成為防災減災的主要途徑［2－4］。脆弱性常用脆弱性曲線來表示，常見的脆弱性曲線有水深－損失率曲線、流速－損失率曲線、淹沒時間－損失率曲線等。由于水深是決定洪災損失率的最主要因素［5］，因此開展村鎮住宅水深－損失率曲線研究具有重要的現實意義。目前，國內外學者主要通過實地調查的方法建立水深－損失率曲線，如英國的Pennington等根據居民住宅類型、建造時間以及房主的社會地位把居民住宅共分為84類，對各類住宅分別建立淹沒時長超過12小時和不足12小時的水深－損失率曲線共168條，是目前最全面的研究成果［6］;Dutta等以泰國曼谷的兩個行政區為研究區，根據建筑材料把建筑物分為木制和非木制，通過實地問卷調查獲取數據，分別建立各類建筑物結構、室內財產、室外財產的水深－損失率曲線［7］。我國對洪災脆弱性曲線的研究起步較晚，近幾年有部分學者對城市建筑物的洪災損失率進行了探討，如尹占娥、石勇、劉耀龍等都是通過問卷調查的方式獲取數據建立了城市建筑及其室內財產的水深－損失率曲線［8－10］。但農村地廣人稀，若完全采用實地調查的方法將耗費大量的人力物力和時間，并且受災住戶多而分散，從而加大了調查工作的強度和難度。本研究通過實地調查獲取村鎮住宅洪災損失數據，運用RS技術和GIS技術提取水深補充未調查的居民住宅的淹沒水深數據，建立各類平房居民住宅的水深－損失率曲線，從而為預測村鎮住宅未來可能遭受的洪災損失和城鄉規劃與區域開發提供了科學的理論依據。

1 研究區概況

口前鎮是永吉縣的縣城所在地，幅員面積349.22 km2，轄河北、河東、站前、西山、東山、城南、水電7個社區，歪頭、四間、雙頂子、下達等15個行政村，全鎮總人口108 570人，37 621戶(圖1)。口前鎮地處松嫩平原向長白山過渡地帶，平原、丘陵、山地相間，四間河與五里河在鎮內交匯。2010年7月28日，吉林省發生了嚴重的暴雨洪澇災害，連續的強降雨造成吉林省全省51個市州、縣(市)及長白山管委會中的46個城市城區、縣(市)的城鄉居民住房受到不同程度的損毀，其中以永吉縣口前鎮最為嚴重，據水利部門測算，口前鎮遭遇了1 600年一遇的洪水。

圖1 研究區示意圖

2 研究方法與數據來源

2.1 技術路線

本研究以村鎮住宅為研究對象，根據抽樣理論計算樣本點數量，運用GPS技術開展實地調查獲取水深和損失率數據。通過洪災發生時的遙感影像解譯出洪水的淹沒范圍，并結合DEM數據運用GIS技術提取出淹沒水深來補充未調查居民住宅的水深數據。采用回歸分析方法構建了口前鎮各類平房居民住宅的水深－損失率曲線。總體研究構思如圖2所示。

圖2 村鎮住宅洪災脆弱性曲線研究技術路線

2.2 研究方法

2.2.1 遙感圖像解譯方法

遙感圖像解譯是從遙感圖像上獲取目標地物信息的過程［11］。用于識別洪水淹沒范圍的遙感解譯方法很多，本研究根據研究區的特點和遙感影像的參數特征，主要采用目視解譯方法，輔之以單波段閾值法和圖像灰度差值法用于區分水體與植被的邊界以及判定居民地是否被洪水淹沒［12］。

2.2.2 水深GIS反演方法

運用GIS方法獲取洪水淹沒水深，需要洪水淹沒范圍和DEM數據的支持［13］。這種方法的核心思想是在已知洪水淹沒范圍的條件下，借助高精度的DEM數據，獲得洪水淹沒邊界(即水面)的高程分布，由水面高程與地面高程之差來計算水深［14］:

式中:D為水深;Ew為水面高程;Eg為地面高程。

2.2.3 簡單隨機抽樣方法

簡單隨機抽樣是經典方法中最基本、最簡單的抽樣模型，它不考慮空間關聯，根據調查對象總體的變化情況和用戶希望抽樣調查的誤差范圍之內，計算出樣本量，然后根據樣本量從總體中隨機抽取樣本，其計算樣本量的方法如下［15］:式中:d是絕對誤差，也就是用戶期望的X的范圍是在X+d到X－d之間;α是置信區間100(1－α)%中的參數;以通過查統計表求出;n為樣本容量。

2.2.4 實地調查方法

整個實地調查可以分為前期室內準備、中期實地調查和后期數據整理共三個階段。在前期室內準備階段搜集相關數據和資料，初步了解研究區的相關情況，制定詳細的調查方案;在實地調查階段，運用GPS對每個抽樣點進行定位，通過實際測量和問卷調查等多種方式獲取數據并填寫調查表;在最后的數據整理階段，對實地調查數據進行整理、分類與匯總，建立數據庫。

2.2.5 回歸分析方法

回歸分析是確定兩種或兩種以上變量間定量關系的一種統計分析方法，一般通過大量的觀測、試驗或實驗取得一定的數據，然后用數理統計的方法，尋找出隱藏在隨機性背后的統計規律，用回歸方程來表達［16］。本研究主要應用一元線性回歸模型和一元非線性回歸模型，包括指數函數、冪函數、對數函數等。

2.3 數據來源

本研究所需的遙感數據源自環境減災衛星數據庫(http://www.cresda.com/)和谷歌地圖中的GeoEye-1數據，地形數據來源于國家測繪局編制的1∶1萬地形圖，各類房屋的新建住宅價值等社會經濟數據來自《永吉縣統計年鑒2009》，居民住宅面積、使用年限及洪災損失等數據來源于災后實地調查。

3 村鎮住宅洪災損失率模型建立

村鎮住宅的洪災損失率是指各類住宅遭受洪災損失的價值與災前原有價值或正常年份應有價值之比［17］。不同結構和材料的住宅其價值不同，且隨使用時間的增加其實際價值逐漸減小，因此核算房屋災前的原有價值應考慮房屋的折舊率及其建造價值。折舊率可采用住宅的使用年限與壽命年限的比值進行估算，建造價值則應采用重置費用代替，以消除建造時間不同而帶來的不可比性。因此村鎮住宅洪災損失率模型為:

式中:η為村鎮住宅的洪災損失率;L為居民住宅洪災損失的價值;V為住宅的原有價值;w為新建住房價值;s為住宅面積;T為住宅的使用壽命;t為住宅的使用時間。

對于損毀嚴重或無法修復的房屋，可通過村鎮住宅損毀等級劃分標準(表1)［18］并結合實際情況確定洪災損失率。

表1 村鎮住宅損毀等級的劃分標準

4 口前鎮住宅洪災脆弱性曲線建立

本研究采用環境減災衛星CCD數據作為識別洪水淹沒范圍的數據源，對洪災發生時(7月29日)的遙感影像進行投影轉換和配準，運用ENVI軟件進行標準假彩色影像合成，通過目視解譯法、單波段閾值法和圖像灰度差值法提取出洪水的淹沒范圍。

運用ArcGIS軟件對國家測繪局編制的口前鎮1∶1萬地形圖的等高線、控制點、高程點等地形特征要素進行數字化，生成分辨率為5 m的DEM，提取出洪水淹沒邊界的高程，并通過空間內插的方法獲取洪水的水面高程。運用0.5 m分辨率的GeoEye-1影像，以不破壞居民住宅整體性為原則將口前鎮居民地劃分為邊長為80 m左右的格網，根據水面高程與地面高程之差求出各格網的洪水淹沒水深(圖3)。

為了使實地調查的結果具有較高的精度和信度，需要在調查之前根據抽樣理論計算抽樣點數量。由于此次口前鎮洪災沒有造成磚混結構樓房住宅的毀壞，因此只計算磚木結構平房住宅的抽樣點數量。運用SSSI空間抽樣軟件，輸入相關參數后計算出在置信水平為95%的情況下樣本點數量不應少于86個。

圖3 口前鎮洪水淹沒范圍及水深空間分布

利用GPS對各個抽樣點進行定位;運用問卷調查的方式獲取各居民住宅的基礎資料;對居民住宅的洪水痕跡進行水深實測，用于建立水深－損失率曲線并驗證遙感反演的水深數據。對口前鎮部分平房住宅的損毀等級進行歸類，如圖4～圖6所示。

圖4 住宅輕微破壞(水深135 cm左右)

圖5 住宅中等損壞(水深約170 cm)

圖6 住宅嚴重損毀(水深大于210 cm)

本次實地調查共獲取109份平房居民住宅的有效數據，根據已建立的損失率模型計算出各住宅的洪災損失率，運用SPSS軟件采用回歸分析方法建立平房住宅的水深－損失率曲線。通過對比分析各回歸模型的相關系數，其中線性回歸模型的相關系數最高(R2=0.689)，且回歸方程方差分析F檢驗的顯著性水平為0.000，說明方程是高度顯著的，因此建立平房住宅水深－損失率線性關系如圖7所示。

圖7 口前鎮磚木結構平房水深－損失率關系圖

由于居民住宅的使用時間也是影響其洪災損失率的因素之一，因此根據口前鎮磚木結構住宅的修建年代及外表裝飾材料將磚木結構平房進一步劃分為三類，運用SPSS軟件選擇通過F檢驗的最優模型分別建立各類住宅的水深－損失率曲線(圖9、11、13)。

類別Ⅰ:建造于1980年代，墻體無照面和裝飾材料(圖8)。

圖8 類別Ⅰ住宅實體照片

圖9 類別Ⅰ住宅水深－損失率曲線

類別Ⅱ:主要從1990年代開始興建，墻壁上半部用石子裝飾，下部有圍子(圖10)。

圖10 類別Ⅱ住宅實體照片

類別Ⅲ:主要是近幾年才開始興建，墻壁用瓷磚裝飾(圖12)。

圖11 類別Ⅱ住宅水深－損失率曲線

圖12 類別Ⅲ住宅實體照片

圖13 類別Ⅲ住宅水深－損失率曲線

5 結論與討論

本文以村鎮居民住宅為研究對象，建立了一套基于3S技術和實地調查的村鎮住宅洪災脆弱性曲線的構建體系和方法，并將該方法應用于2010年7月28日永吉縣口前鎮特大洪災中，得到如下結論:

(1)本研究運用RS技術和GIS技術提取出洪水的淹沒范圍和水深，通過實地調查對提取結果進行了驗證，其結果與實際情況非常符合，可以運用該方法代替實地調查以節約人力財力和物力資源。

(2)通過實地調查發現，在水深不超過4.5 m的情況下，鋼筋混凝土框架結構和磚混結構樓房其主體結構并未遭到破壞，損失率極小;而磚木結構平房在水深小于1 m時，其主體結構可以保持完好。

(3)當水深大于1 m時，各類磚木結構平房存在不同程度的損毀，通過水深－損失率曲線可知平房住宅的洪災損失率與水深高度相關，且在同一淹沒水深下，不同使用年限的平房其洪災損失率不同，使用時間越長損失率越大。

此外，從洪水特征的角度分析，影響村鎮住宅洪災損失大小的因素除了水深之外還有流速、淹沒時間等;從住宅自身的脆弱性角度分析，影響村鎮住宅洪災損失率的因素除了使用時間之外還有房屋地基、建造材料等，在今后的研究中將進一步探究其他因素對洪災損失率的影響來修正脆弱性曲線，以提高洪災潛在損失評估的精度。

［1］張繼權，岡田憲夫，多多納裕一.綜合自然災害風險管理——全面整合的模式與中國的戰略選擇［J］．自然災害學報，2006，15(1):29－37．

［2］張繼權，李寧.主要氣象災害風險評價與管理的數量化方法及其應用［M］．北京:北京師范大學出版社，2007．

［3］蔣新宇，范久波，張繼權，等.基于GIS的松花江干流暴雨洪澇災害風險評估［J］．災害學，2009，24(3):51－56．

［4］張會，張繼權，韓俊山.基于GIS技術的洪澇災害風險評估與區劃研究——以遼河中下游地區為例［J］．自然災害學報，2005，14(6):141－146．

［5］Kelman I.Physical flood vulnerability of residential properties in coastal，eastern England［D］．Cambridge:Cambridge University，2002．

［6］Penning-Rowsell E，Chatterton J.The benefits of flood alleviation:a manual of assessment techniques［M］．Aldershot England:Gower Technical Press，1977．

［7］Dutta D，Tingsanchali T.Development of loss functions for flood urban flood risk analysis in Bangkok，new technologies for urban safety of Mega Cities in Asia［M］．Tokyo，2003．

［8］尹占娥，許世遠，殷杰，等.基于小尺度的城市暴雨內澇災害情景模擬與風險評估［J］．地理學報，2010，65(5):11－22．

［9］石勇，石純，孫阿麗，等.中國南方城市居民建筑物洪災脆弱性研究［J］．人民長江，2009，40(5):19－21．

［10］劉耀龍，陳振樓，王軍，等.經常性暴雨內澇區域房屋財(資)產脆弱性研究——以溫州市為例［J］．災害學，2011，26(2):66－71．

［11］梅安新，彭望祿，秦其明，等.遙感導論［M］．北京:高等教育出版社，2006．

［12］楊希，劉國祥，秦軍，等.基于多時相遙感圖像灰度差值法的地表變化測定［J］．四川測繪，2008，31(3):99－103．

［13］陳德清，楊存建，黃詩峰.應用GIS方法反演洪水最大淹沒水深的空間分布研究［J］．災害學，2002，17(2):1－6．

［14］易永紅，陳秀萬，吳歡.基于遙感信息的淹沒水深算法研究［J］．地理與地理信息科學，2005，21(3):26－29．

［15］王勁峰，姜成晟，李連發，等.空間抽樣與統計推斷［M］．北京:科學出版社，2009．

［16］張超，楊秉賡.計量地理學［M］．北京:高等教育出版社，2004．

［17］馮民權，周孝德，張根廣.洪災損失評估的研究進展［J］．西北水資源與水工程，2002，13(1):32－36．

［18］高慶華，馬宗晉，張業成，等.自然災害評估［M］．北京:氣象出版社，2007.