基于GIS的鄉鎮洪澇災害風險評估與區劃技術*
——以山東省淄博市臨淄區為例

薛曉萍，馬俊，李鴻怡

(1.山東省氣候中心，山東濟南250031;2.哈爾濱師范大學，黑龍江哈爾濱150025)

基于GIS的鄉鎮洪澇災害風險評估與區劃技術*
——以山東省淄博市臨淄區為例

薛曉萍1，馬俊2，李鴻怡1

(1.山東省氣候中心，山東濟南250031;2.哈爾濱師范大學，黑龍江哈爾濱150025)

基于鄉鎮氣象資料歷史序列的構建，利用AHP決策分析法和加權綜合評價法，結合GIS空間分析技術，對山東省淄博市臨淄區洪澇風險進行評估與區劃。結果表明，臨淄區洪澇危險性主要受洪澇頻率影響，總體趨勢是東北部高于西南部;洪澇災害暴露性風險分布區域性較強，西部明顯高于東部;脆弱性風險分布相對較分散，總體上北部地區脆弱性高于南部地區;防災減災能力北部地區強于南部。臨淄區洪澇風險綜合指數普遍較高，高值集中在人口、經濟密度較高的臨淄市區以及危險性較高的西北地區;風險指數受危險性影響較大;全區中、高風險的面積占總面積的69.2%。

洪澇災害;風險;評估;區劃;臨淄區;山東淄博

0 引言

洪澇災害是發生頻率高、危害較為嚴重的一種氣象災害。據統計，每年各類自然災害所造成的損失中，洪澇災害占40%。在全球范圍內，每年均有不同程度的洪澇災害發生，亞洲屬于高發的地區。近年來，洪澇災害發生呈頻率增高、強度增強趨勢，對人類社會的影響和生態環境的破壞越來越大，造成的經濟損失也越來越嚴重。我國地處亞歐大陸東緣，季風氣候明顯，降水相對集中，洪澇災害亦屬于主要的自然災害之一。因此洪澇災害研究成為當前災害學的重要課題，對于洪澇災害的風險評估與區劃也成為了國內外學者研究的熱點。

目前，對于洪澇災害風險評估研究的報道較多，成果豐碩。對于洪澇災害風險的評估模型亦是多種多樣［1－3］。王雪臣等基于歷史災害數據進行了評估［4］，而多數學者采用氣象資料與GIS空間分析相結合的方法，對洪澇災害進行評估與區劃。但大部分區劃空間尺度相對較大，如馬國斌［5］等開展了全國范圍的洪澇災害區劃，更多則是以市、縣為基本單位的省級區劃［6－8］或區域性區劃［9－12］，而以鄉鎮為單位的縣、區級災害評估與區劃并不多見。造成此現象的主要原因是缺乏鄉鎮級長期氣象觀測資料，盡管近年來氣象部門建設了大量的鄉鎮級區域自動觀測站，但由于觀測站點建立相對較晚，且觀測要素不統一，制約了以鄉鎮為單位的氣象災害風險區劃工作的開展。本研究擬以山東省淄博市臨淄區洪澇災害為例，基于鄉鎮氣象資料歷史序列的構建，利用災害風險分析基本原理，結合GIS空間分析技術，同時考慮當地人口密度、耕地比例、人均GDP等統計數據，探索以鄉鎮為單位的氣象災害風險區劃技術方法，以期為開展精細化氣象災害風險區劃、為當地政府進行災害防御規劃提供技術支撐。

1 資料來源

縣(市)級氣象站觀測資料，來于山東省氣象局30年整編氣象資料，資料年代為1981－2010年;鄉鎮級氣象資料，來源于山東省淄博市臨淄區氣象局，資料年代為2008－2010年;人口密度、耕地比例、人均GDP等統計數據，來自山東省淄博市臨淄區2009年統計年鑒;海拔高度則來自CGIAR-CSI提供的SRTM全球高程數據。

2 研究方法

2.1 災害風險評估原理

洪澇災害風險大小由洪澇災害風險指數(FDRI)表示，其是一個綜合性指標，由危險性、暴露性、脆弱性、防災減災能力四個主要因子構成［13－14］。其表達式為:

式中:Cv為綜合風險指數;Cvj是為危險性、暴露性和脆弱性風險因子;Cvk是防災減災能力。

2.2 加權綜合評價法(WCA)

危險性、暴露性、脆弱性、防災減災能力為一系列因子的加權線性綜合，其計算公式為:

式中:Cvj為評價因子，具體指危險性、暴露性、脆弱性、防災減災能力的大小;Qvij是影響評價因子的因素;Wci是第i影響因素的權重值(0≤Wci≤1)，通過層次分析法(AHP)計算獲得;m是評價指標個數。

2.3 層次分析法(AHP)

層次分析法［15］(Analytic Hierarchy Process，AHP)是對一些較為復雜、較為模糊問題做出決策的簡易方法，特別適用于難于完全定量分析的問題。AHP層次結構模型分為目標層、準則層和指標層。本研究將目標層定義為洪澇災害風險指數，準則層選取危險性、暴露性、脆弱性及防災減災能力4個指標為旱澇災害風險評價因子，指標層選用洪澇頻率、人口密度、人均GDP等指標為子因子。

2.4 GIS空間分析法

2.4.1 氣象因子插值法－Kriging插值法

Kriging插值法是以變異函數理論和結構分析為基礎，在有限區域內對區域化變量進行無偏差最優估計的一種方法。通過對已知樣本點賦權重來求得未知樣點值［16］，其表達式為:

式中:Z(x0)為未知樣點值;Z(xi)為未知樣點周圍的已知樣本點值;λi為第i個已知樣本點對未知樣點的權重;n為已知樣點的個數。

采用Kriging插值法可以由采用上述方法構建的臨淄區各鄉鎮氣象數據歷史序列獲得整個臨淄區域內的所有氣象因子柵格數據，柵格分辨率定為90 m×90 m。

2.4.2 地形因子的提取與距離制圖

地形因子的提取，是指將CGIAR-CSI提供的SRTM全球高程數據，用ARCGIS的表面分析模塊提取海拔、坡度以及坡向的獲取。并利用ARCGIS空間分析模塊獲取研究中所用到的距離矢量圖［17］。

3 結果與分析

3.1 洪澇災害風險評價指標體系與模型構建

由于洪澇災害屬于突發性災害，其原因極為復雜，涉及天氣條件、地質地貌、植被等各種自然因素，同時也與社會經濟以及防洪減災能力等諸多因素有關。按照災害風險評價的基本框架，將評價因子分為危險性、暴露性、脆弱性、防災減災能力。各評價因子的影響因素及其權重見圖1，其中影響權重由AHP法確定。

危險性(H)、暴露性(E)、脆弱性(V)和防災減災能力(R)因子指數模型如下。

式中:X是歸一化后的各項指標值;W為指標的權重，表示各指標對洪澇災害風險指數的重要性。

洪澇災害風險綜合評價模型為:

圖1 臨淄區洪澇災害風險評價指標系統及權重值

3.2 洪澇災害風險影響指標評價與分析

由于各個影響指標之間的量級差異較大，故需要對指標進行歸一化處理，使各因子歸一化后的數據均落入［0，1］區間內，以除消量綱不同的影響，歸一化表達式為:

式中:x(i，j)為第i個因子的第j項指標值;x'(i，j)為去量綱后的第i個因子的第j項指標值; max(x(i，j))和min(x(i，j))分別為第i個因子的最大值和最小值。

利用公式(5)～(8)分別計算各鄉鎮洪澇災害危險性、暴露性、脆弱性、防災減災能力(表1)。從表中可看出，臨淄區大部分鄉鎮的危險性影響指數較暴露性和脆弱性影響指數高，說明洪澇災害危險性是影響洪澇風險的主要因子，而構成洪澇危險性的當地強降水和地形地貌是影響洪澇風險的重要因素。采用相似聚類自動分級方法，將臨淄鄉鎮級洪澇災害的危險性、暴露性、脆弱性和防災減災能力分為5個等級(表2)。

表1 臨淄區各鄉鎮洪澇災害影響指標指數值

表2 洪澇災害影響指標影響等級劃分標準

利用ARCGIS空間分析功能，將氣象因子、地理以及相關影響指標信息進行插值與提取，并將各因素進行空間疊加，獲取各評價因子的矢量圖，結合表2的等級劃分標準，得出臨淄區洪澇災害的危險性、暴露性、脆弱性、防災減災能力分布(圖2，柵格分辨率為90 m×90 m)。

圖2 臨淄區洪澇災害危險性、暴露性、脆弱性、防災減災能力分布區劃圖

從圖2可以看出，臨淄區洪澇危險性總體趨勢是東北部較高(圖2a)，西部地區較低。造成臨淄區洪澇災害危險性東高西低的主要影響因素是洪澇頻率，根據歷年洪澇統計結果，東部洪澇頻率要明顯高于西部。全區以皇城鎮危險性最高，全鎮均處在最高危險性中，以金山鎮北部地區最低;從總體上看，臨淄區大部分鄉鎮處于中低危險程度，面積約為493 km2，占總面積的63%。

暴露性(圖2b)，臨淄區的敬仲鎮、皇城鎮、齊都鎮、齊陵街道為最低和低暴露風險;鳳凰鎮、朱臺鎮、金嶺鎮、金山鎮為高暴露風險;臨淄市區為最高暴露風險。臨淄區洪澇災害暴露性風險分布區域性較強，西部明顯高于東部，且臨淄市區暴露性遠高于其它各鎮，這與臨淄市區人口密度大、房屋相對集中和地均GDP遠高于其余各鄉鎮有直接關系。

圖3 臨淄區洪澇綜合風險區劃圖

脆弱性(圖2c)，齊陵街道為最低度脆弱區;金嶺鎮和臨淄中心為低脆弱區;金山鎮、齊都鎮、朱臺鎮為中度脆弱區;敬仲鎮、皇城鎮為高度脆弱區;鳳凰鎮為最高度脆弱區。臨淄區洪澇災害脆弱性風險分布相對較分散，低脆弱性風險的鄉鎮較多，總體上北部地區脆弱性高于南部地區。

如圖2(d)所示，臨淄區防災減災能力總體分布為北部地區強于南部地區，南部的金山鎮和齊陵街道防災減災能力最低;中部的金嶺鎮、臨淄中心、齊都鎮防災減災能力較低;北部的朱臺鎮、敬仲鎮、皇城鎮等防災減災能力中上;鳳凰鎮防災減災能力最高。

3.3 洪澇災害綜合風險指數區劃與評估

臨淄區洪澇災害綜合風險指數為危險性、暴露性、脆弱性、防災減災能力的綜合值。根據公式(9)以及各因子對FDRI的影響，將區劃結果平均分為5個等級。洪澇災害綜合風險指數區劃見圖3。

如圖3所示，臨淄區洪澇綜合風險指數受危險性影響較大。其總體趨勢為市區及東北部地區風險較高，西北部較低。臨淄市區遭受洪澇災害的風險遠高于其他地區，這與該區域人口經濟密集有直接關系;西北部風險相對較小，主要與這些地區危險性較小和防災減災能力較強有很大關系。從總體上看，臨淄區洪澇災害風險普遍較高，大部分地區遭受洪澇災害的威脅相對較大。全區中高風險區的面積占總面積的69.2%。

表3 臨淄區洪澇綜合風險指數分級情況

4 結論與討論

本研究基于鄉鎮氣象資料歷史序列的構建，綜合考慮了降水量、地形地貌、人口密度、房屋密度、地均GDP、作物種植面積與農村人口比例等信息，對臨淄遭受洪澇災害風險進行了分辨率為90 m×90 m區劃，能比較客觀地反映不同區域的洪澇災害風險的實際。

綜合分析結果表明，臨淄中心城區的洪澇風險綜合指數最高，西北部的皇城鎮、敬仲鎮、齊都鎮大部分地區洪澇風險綜合指數也相對較高;朱臺鎮、金嶺鎮和鳳凰鎮洪澇風險綜合指數相對較低。與單獨考慮降水量單一因子所得到的結果相比(表4)，基本與洪澇頻率的空間分布保持一致。臨淄市區，強降水頻率高，人口密度大，且為高經濟發達區，遭受洪澇風險綜合指數最高。

本研究結合鄉鎮氣象資料歷史序列重建技術，基于GIS技術將洪澇風險評估細化至鄉鎮，并作出了相應的區劃，為開展鄉鎮級氣象災害風險區劃提供了技術支持，同時為地方政府制定精細化災害防御規劃提供了理論支撐。然而利用數學方法補充估計缺失氣象資料并結合GIS進行精細化的風險區劃技術仍然處于探索階段，如何解決數學方法估計中的局限性，減少估計誤差，獲得更接近于實況的小網格點歷史氣象數據序列，相關技術仍需進一步完善。

［1］馬宗偉，許友鵬，李嘉峻．河流形態的分維及與洪水關系的探討——以長江中下游為例［J］．水科學進展，2005，16 (4):530－534．

［2］丁志雄，李紀人，李琳．基于GIS格網模型的洪水淹沒分析方法［J］．水利學報，2004(6):56－60．

［3］Gerardo Benito，Michel Lang，Mariano Barriendos，et al．Use of systematic，palaeofflood and historical data for the improvement of flood risk estimation［J］．Natural Hazards，2004，31:623－643．

［4］王雪臣，冷春香，馮相昭，等．長江中游地區洪澇災害風險分析［J］．科技導報，2008，26(2):61－66．

［5］馬國斌，李京，蔣衛國，等．基于氣象預測數據的中國洪澇災害危險性評估與預警研究［J］．災害學，2011，26(3):8－12．

［6］張婧，郝立生，許曉光，等．基于GIS技術的河北省洪澇災害風險區劃與分析［J］．災害學，2009，24(2):51－56．

［7］張游，王紹強，葛全勝，等．基于GIS的江西省洪澇災害風險評估［J］．長江流域資源與環境，2011，20(S1):166－172．

［8］萬軍，周月華，王迎迎，等．基于GIS的湖北省區域洪澇災害風險評估方法研究［J］．暴雨災害，2007，26(4):328－333．

［9］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．

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

［11］田玉剛，覃東華，杜淵會．洞庭湖地區洪水災害風險評估［J］．災害學，2011，26(3):56－60．

［12］于文金，閆永剛，呂海燕，等．基于GIS的太湖流域暴雨洪澇災害風險定量化研究［J］．災害學，2011，26(4):1－7．

［13］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．

［14］Jiquan Zhang，Tmohaur Hori，Hirokazu Tatno．GIS and flood inundation model-based flood risk assessment in urbanized floodplain［M］．Sun Yat-Sen University press，2003．

［15］徐建華．現代地理學中的數學方法［M］．北京:高等教育出版社，2006．

［16］湯國安，楊昕．ArcGIS地理信息系統空間分析實驗教程［M］．北京:科學出版社，2006．

［17］吳秀芹，張洪巖，李瑞改，等．ArcGIS 9地理信息系統應用與實踐［M］．北京:清華大學出版社，2007．

Risk Assessment and Dividing Technology of Flood Disasters in Villages and Towns Based on GIS——A Case Study of Linzi District in Zibo City of Shandong Province

Xue Xiaoping1，Ma Jun2and Li Hongyi1
(1.Shandong Provincial Climate Center，Jinan 250031，China;2.Harbin Normal University，Harbin 150025，China)

Based on historical sequence construction of meteorological data in villages and towns，by using AHP decision analytical method，weighting comprehensive evaluation method，and GIS spatial analysis theory and technology，flood hazard risk in Linzi district in Zibo city of Shandong Province is assessed and regionalized．Results show that the flood risk mainly depends on flooding frequency，with a trend that is higher in the northeast region than that in the southwest．The distribution of exposure risk in the west region is obviously higher than that in the east．There are no typical characteristics of vulnerability distribution．The capability of disaster prevention and reduction in the north region is higher than that in the south．The comprehensive index of flood risk is higher in Linzi，and the highest value appears in Linzi urban areas，where have a higher density of economic and population，and the northwest region with higher flood risk as well．The risk index was mainly impacted by flood risk．The area proportion with high risk index is 69.2%of the total．

flood disaster;risk;assessment;regionalization;Linzi district; Zibo city in Shandong province

X43

A

1000－811X(2012)04－0071－05

2012－05－01

2012－06－20

山東省氣象局重大攻關項目(2008sdqxz07)

薛曉萍(1964－)，女，山東招遠人，博士，研究員，主要從事應用氣象研究．E-mail:xxpdhy@163.com．