基于GIS的百色市農業暴雨洪澇災害風險評估與區劃

戴雨菡++黃路婷++李思雨++陳欣

摘要 為增強百色市農業洪澇災害的應對能力，通過運用百色市的氣象數據、基礎地理信息數據、社會經濟數據和災情數據，構建模型中的4個指標因子，即致險因子危險度、孕災環境敏感性、承災體易損度和防災減災能力，根據層次分析法確定的各因子權重，構建百色市農業暴雨洪澇災害風險度評估模型，利用GIS繪制百色農業暴雨洪澇災害風險區劃圖。百色市范圍內發生農業洪澇災害風險最高為凌云縣，其次為河谷一帶。得出的等級區劃結果與近年百色市暴雨洪澇災害發生的區域基本一致，較為準確地反映了百色市農業洪澇災害的潛在風險現狀。

關鍵詞 暴雨；洪澇；農業；風險評估；GIS；廣西百色

中圖分類號 S42 文獻標識碼 A 文章編號 1007-5739（2017）23-0173-04

Abstract To improve the coping capacity of agricultural flood disaster in Baise City，by using the meteorological data，physical geographic data，socio-economic data and disaster data of Baise City，four indexes of the model were constituted，including susceptibility，disaster-hitting environment sensitivity，disaster-bearing object vulnerability and disaster prevention and reduction capability.Using the AHP method，the weights of every index were determined，agricultural flood risk evaluation model was conducted. With GIS technology，the agricultural flood and rainstorm disaster risk was zoned. Results showed that Lingyun County had the highest risk of agricultural flood and rainstorm disaster，and followed by the river valley area. The zoning result was basically consistent with spatial distribution of flood disaster losses，and accurately revealed the distribution of potential risk of the agricultural flood and rainstorm disaster risk in Baise City.

Key words rainstorm；flood；agriculture；risk assessment；GIS；Baise Guangxi

百色市位于廣西西部，地處東經104°28′～107°54′，北緯22°51′～25°07′。北與貴州接壤，西與云南毗連，東與南寧相連，南與越南交界，是滇、黔、桂三省區結合部。百色市屬亞熱帶季風氣候區，長夏短冬，降水時空分布不均，冬半年易旱，夏半年易澇，暴雨、干旱等災害性天氣頻發，對百色市農業生產造成極大的危害。在農業風險評估與區劃方面，大量學者開展了相關研究[1-20]，于 飛等[1]用灰色關聯分析建立了貴州省綜合農業氣象災害風險評估模型并用GIS繪出貴州農業氣象災害風險區劃圖；莫建飛等[8]運用層次分析法和加權綜合法構建暴雨風險評價模型并用歷史暴雨洪澇災情對比驗證了廣西農業暴雨洪澇災害風險結果。但目前的風險評估大多在省域尺度上進行，對市級的災害風險評估仍較少。因此，本文旨在建立一套基于百色市氣候狀況、農業經濟狀況的暴雨洪澇評價模型，能對百色市農業暴雨洪澇災害風險情況進行區劃和評估，對百色市農業結構調整、引導農業趨利避害、減輕農業經濟損失、完善防災減災工程、降低抗災救災成本等具有重要意義，為農業發展決策、提高農業綜合生產能力提供支撐。

1 資料與方法

1.1 資料來源

氣象資料采用由百色市氣象局提供的全市12個氣象站1961—2010年的逐日降雨量數據；災情資料為民政局提供的1983—2010年全市各縣（區）暴雨洪澇農業經濟損失數據；社會經濟資料由廣西壯族自治區氣象減災研究所提供；基礎地理信息資料包括百色的行政區劃圖、水系分布圖、高程數據等由廣西氣象信息中心提供。

1.2 分析方法

在構建模型的時候需要確定出各個指標因子的權重，本文因子的權重確定的方法采用層次分析法。層次分析法是一種定性與定量相結合的評價方法，主要是構造各因子的遞階層次結構，對因子兩兩比較重要性，再利用歸一法逐層分析，確定各層因子的權重。本文結合百色市暴雨災害的時空分布特點，將指標逐一分解成3個層次，分別是目標層、準則層和評價層，并按照上一層要素為準則，對該層進行兩兩判斷比較，并計算出各個要素的權重值，最終得出綜合權重值。

2 百色農業暴雨洪澇災害風險評估

2.1 風險指標和權重的構建

根據自然災害風險評估理論及前人的研究[8]，暴雨洪澇災害的發生離不開致災因子、孕災環境因子、承災體因子和防災力因子的共同作用，莫建飛等[8]把誘發暴雨洪澇災害的因素作為致災因子、形成洪澇災害的環境作為孕災環境因子、洪澇發生區內的人類的活動情況及社會財產作為承災體因子、人們采取回避適應或防御洪澇的對策措施作為防災減災能力因子。endprint

本文結合百色市洪澇災害發生的時空分布特點，造成洪澇災害的致險因子主要考慮暴雨日數、過程雨量和日最大降雨量，孕災環境因子主要考慮地形和水系，承災體主要考慮各縣人口密度、GDP密度及農業經濟損失，防災減災能力主要考慮各縣人均GDP和防洪除澇面積。用層次分析法確定各層因子的權重如表1所示。

2.2 暴雨致險因子危險度模型

百色市暴雨災害，特別是前汛期暴雨災害，是給百色市帶來損失最大的自然災害，氣象地質災害幾乎都是由暴雨導致的，其中有以凌云為中心的最大災害高發區和南部山區次大災害高發區。因此，選取暴雨日數、暴雨過程的總降水量以及暴雨過程中日最大降水量這3個指標作為致險因子危險度評估因子，建立了全市各縣歷年暴雨日數、暴雨過程降雨量、日最大降雨量序列，并對以上因子進行歸一化處理，采取層次分析法結果，構建農業暴雨險因子危險度模型：

暴雨危險度（D）=0.2×a1+0.6×a2+0.2×a3（1）

式（1）中，a1為暴雨日數歸一化值，a2為暴雨過程降水量歸一化值，a3為日最大降水量歸一化值。從百色市暴雨致險因子危險度模型（圖1）可以看出，百色市凌云縣是廣西三大暴雨中心之一，因而致險因子風險度最高；而靖西縣的致險因子風險度次之；右江河谷及隆林、西林一帶是也是廣西的少雨區之一，因而致險因子風險度也最小。

2.3 暴雨孕災環境敏感性模型

因為孕災環境的敏感性是從暴雨洪澇災害形成的背景與機理分析，故地形、水系等環境因子對暴雨洪澇災害形成有著密不可分的影響和作用，地勢越低洼及越平坦地區不利于排洪，就越容易積水形成澇災，因而對地勢低的農田造成洪澇災害的風險就比較大。河網越密集，靠近河流、湖泊和水庫的農田也更容易因河水上漲等原因而發生較大風險的洪澇災害。

地形因子與地勢和地形起伏變化有關。因此，根據地形高程的大小和每一級地勢的高程標準差大小進行分級（表2）。海拔越低、地形標準差越小，脆弱性就越大，洪澇災害風險性也就越大，更容易形成洪澇災害。

水系因子應包含河網密度和水體距離的遠近等因素。本文水系脆弱度的評價采用的是GIS的緩沖區分析功能，將距離水體遠近的影響分為2級緩沖區，同時賦予0～1之間適當的影響因子值，如把一級河流和大型水庫、湖泊等水體的做為一級緩沖區內，并賦值最大，把二級河流和小型水體作為二級緩沖區并賦值最小。河網密度和緩沖區影響各取權重0.5，得出百色市水系因子分布。分別將地形因子和水系因子應用加權評價法構建出百色市農業暴雨孕災環境敏感性模型：

孕災環境敏感性（F）=0.5×b1+0.5×b2（2）

式（2）中，b1為地形因子影響值的歸一化值，b2為水系因子影響值的歸一化值。

由敏感性等級分布圖（圖2）可以看出，百色市南部的山區及樂業高海拔地區的孕災環境敏感性較小，主要是因為以上區域地勢較高地形因子作用小，同時缺少大型水體的影響；而地勢低洼、河網密度大且靠近大型水體的右江河谷和紅水河谷一帶的孕災環境敏感性較高。

2.4 暴雨承災體易損度模型

因暴雨而造成的危害也與承受洪澇災害的載體有一定的關系，而承災體一般指本地區的農業經濟和人口的密集程度等。因此，百色市農業暴雨洪澇災害承災體脆弱性可用人口密度、GDP密度和農業損失的多少共同表示。單位面積內人口密度越大，農業生產越發達，GDP越大，一旦暴雨洪澇災害發生，不僅造成的受災人口數量多，而且遭受農業經濟損失的可能性也越大，承災體易損度越大。

把單位面積的人口密度、GDP、和農業經濟損失作為農業暴雨災害承災體易損度模型的因子，并對各因子進行歸一化處理，建立農業暴雨災害承災體易損度模型，見公式（3）；制作農業暴雨災害承災體易損性分布圖（圖3）。

承災體易損度（L）=0.1×c1+0.3×c2+0.6×c3（3）

式（3）中，c1為單位面積人口密度的歸一化值，c2為單位面積GDP歸一化值，c3為農業經濟損失的歸一化值。

由百色市暴雨災害易損度等級分布圖（圖3）可見看出，風險區的變化由東至西遞減，發生風險的高值區出現在田陽縣；風險的次高值區位于百色市的右江河谷一帶；風險中值區位于百色市的南部山區和田林、樂業；風險的最低值區居中的為百色市西部。主要是因為在百色市河谷一帶的人口密度較大，受災的人口數量多，特別是田陽縣作為農業大縣，已是廣西商品糧基地縣之一，全縣總人口32.8萬人，其中農業人口就有28.41萬人，如果一旦發生洪澇災害，遭受農業經濟損失也最大，故承災體易損性也最強。

2.5 暴雨防災抗災力模型

綜合防災減災能力包括防災減災的基礎設施建設和減災的綜合防控能力建設，表示受災區在一定時段內能夠從災害中恢復的程度，而暴雨防災抗災能力是為應對暴雨洪澇災害所造成的損害而采取的一系列措施和工程建設，是暴雨災害風險度評價中不可或缺的重要因素。因此，選取以縣為單位的人均GDP和除澇面積比例作為防災抗災力評估因子。人均 GDP 表示一個地區的經濟發展水平，其值越大，表明該地經濟發展水平越高，抗災能力越強；除澇面積值越大，表明能從洪澇災害中恢復的能力也越強，抗災力就越強。構建防災抗災能力模型如公式（4）：

抗災力（R）=0.7×d1+0.3×d2（4）

式（4）中，d1為除澇面積歸一化值，d2為人均GDP歸一化值。

由百色市暴雨災害防災抗災力分布圖（圖4）可見，百色市南部山區的靖西縣德保縣及右江河谷一帶由于經濟較為發達，防災抗災能力也最高；而經濟發展較落后的那坡縣和北部山區一帶的防災抗災能力最弱。

2.6 百色農業暴雨洪澇災害風險評估模型及等級劃分

在對暴雨洪澇的致險因子危險度、孕災環境敏感性、承災體易損度、防災抗災能力等4個指標進行定量分析評價的基礎上，構建出百色市針對農業的暴雨風險度評估模型，見公式（5）。通過GIS采用自然斷點分級法將風險指數劃分為5級，繪制百色市農業暴雨洪澇災害風險區劃圖（圖5）。endprint

農業暴雨災害風險度（RI）=0.5×e1+0.2×e2+0.2×e3+0.1×（1-e4）（5）

式（5）中，e1為致險因子危險度，e2為孕災環境敏感性，e3為承災體易損度，e4為抗災力。

從百色市農業暴雨洪澇災害風險區劃圖（圖5）可以看出，高風險區主要分布在凌云縣和田陽縣。凌云縣位于廣西三大暴雨中心之一的桂西北暴雨區，是暴雨頻發的區域，暴雨危險性極高。田陽縣雖然農業經濟較發達、抗災能力強，但該縣地勢低，右江黃金水道貫穿縣境，河網很密集，因而孕災環境非常敏感；人口密度較大且農業人口多、耕地多，因而農業承災體易損度高；綜合來看，田陽縣的農業暴雨洪澇災害風險最高。其次是右江區、田東和平果縣的大部地區、樂業縣西部。該區域也位于右江河谷和紅水河河谷，地勢很低，河網密集，也是百色市經濟作物種植的集中區，孕災環境比較敏感。

西林縣、隆林縣、樂業縣的高寒山區及那坡縣北部的風險等級最低。這些區域雖然抗災能力弱，但暴雨危險性低，地勢較高，以中、高丘陵為主，樂業縣中部高寒山區地勢最高，孕災環境極不敏感，農業承災體易損度最低，綜合農業暴雨洪澇災害風險最低。

3 結論與討論

百色市暴雨洪澇災害發生的危險度、敏感性、易損度和防災減災能力的綜合分析最終形成了針對農業的暴雨洪澇風險區劃，等級區劃結果與近年百色市暴雨洪澇災害發生情況基本一致。凌云縣所在的地理位置因處于廣西三大暴雨中心之一，暴雨洪澇災害風險等級最高。而河谷一帶由于河網密集、地勢平坦，農業經濟損失大所致風險等級次高，風險區劃結果能較為準確地反映影響百色市農業發展的暴雨災害的潛在風險狀況。

但由于本文所用的氣象資料、社會經濟數據等是以縣級為單位進行處理的，樣本數少，存在很大的局限性，同時站點間的間距大且分布不均勻，插值后得出的風險分布圖并不能很好地代表全市范圍的風險分布，只能表示觀測站所在的小范圍內的危險分布情況。由于數據的樣本少，導致插值結果存在一定的誤差和邊緣效應，從而影響整體風險區劃評價的準確度。因此，應采用經過質控后的區域氣象自動站數據進行插值運算，同時在災情數據、社會經濟數據上應以鄉（鎮）、村級為單位擴大樣本數，以實現精度更高的等級分布。

在構建模型時是假定危險性、敏感性、易損性和防災力4個因子對災害的貢獻是線性的，但在實際中最終導致災害是各系統因子非線性相互作用的結果。因此，加權綜合評價法構建的模型存在誤差和局限性，應在下一步的工作中根據最新數據驗證和修訂模型的計算方法。

4 參考文獻

[1] 于飛，谷曉平，羅宇翔，等.貴州農業氣象災害綜合風險評價與區劃[J].中國農業氣象，2009，30（2）：267-270.

[2] 吳俊銘，谷小平，徐永靈.貴州省農業氣象災害風險區劃研究[J].貴州農業科學，1999，27（2）：3-8.

[3] 陳懷亮，鄧偉，張雪芬，等.河南小麥生產農業氣象災害風險分析及區劃[J].自然災害學報，2006，15（1）：135-143.

[4] 李莉，匡昭敏，莫建飛，等.基于AHP和GIS的廣西秋旱災害風險等級評估[J].農業工程學報，2013，29（19）：193-201.

[5] 陳超泉，王政鋒，匡昭敏，等.基于GIS的廣西暴雨風險度實時評估系統[J].計算機應用，2013，33（1）：276-280.

[6] 孟翠麗，匡昭敏，李莉，等.基于GIS的廣西暴雨災害風險實時評估技術研究[J].中國農學通報，2013，29（26）：184-189.

[7] 蘇永秀，李政，孫涵.基于GIS的廣西甘蔗種植氣候區劃[J].中國農業氣象，2006，27（3）：252-255.

[8] 莫建飛，陸甲，李艷蘭，等.基于GIS的廣西農業暴雨洪澇災害風險評估[J].災害學，2012，27（1）：38-43.

[9] 何燕，王斌，江立庚，等.基于GIS的廣西水稻種植布局精細化氣候區劃[J].中國水稻科學，2013，27（6）：658-664.

[10] 梁玉蓮，黃丹萍，黎美宏，等.基于GIS的南寧市暴雨洪澇災害風險評估與區劃[J].氣象科技，2013，41（5）：935-939.

[11] 李楠，任穎，顧偉宗，等.基于GIS的山東省暴雨洪澇災害風險區劃[J].中國農學通報，2010，26（20）：313-317.

[12] 張婧，郝立生，許曉光.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）：51-55.

[13] 宮清華，黃光慶，郭敏.等.基于GIS技術的廣東省洪澇風險區劃研究[J].自然災害學報，2009，18（1）：58-63.

[14] 李樹軍，袁靜，何永健，等.基于GIS的濰坊市暴雨洪澇災害風險區劃[J].中國農學通報，2012，28（20）：295-301.

[15] 樊高峰，何月，顧駿強.基于GIS的浙江省暴雨災害及其危險性評價[J].中國農學通報，2012，28（32）：293-299.

[16] 李軍玲，劉忠陽，鄒春輝.基于GIS的河南省洪澇滅害風險評估與區劃研究[J].氣象，2010，36（2）：87-92.

[17] 董鵬捷，土建捷.北京地區冰雹災害風險評估模型及風險區劃[J].暴雨災害，2012，31（1）：29-34.

[18] 李世奎，霍治國，土素艷，等.農業氣象災害風險評估體系及模型研究[J].自然災害學報，2004，13（1）：77-87.

[19] 馮曉云，王建源.基于GIS的山東農業氣候資源及區劃研究[J].中國農業資源與區劃，2005，26（2）：60-62.

[20] 周成虎，萬慶，黃詩峰，等.基于GIS的洪水災害風險區劃研究[J].地理學報，2000（1）：15-24.endprint