深圳市暴雨災害機動車損失時空格局與脆弱性研究

潘亞峰 徐偉

引言

21世紀以來，全球極端天氣事件頻發。作為一種極端天氣事件，暴雨會引發洪澇等災害事件，造成人員傷亡和財產損失。近年來，國內外學者對暴雨及其導致的洪澇災害時空格局特征和風險評估開展了許多研究。目前大多暴雨洪澇災害的研究主要集中在人員傷亡和經濟損失方面，而針對城市機動車損失方面的研究還很缺乏。隨著社會經濟的發展，機動車已逐漸成為重要的出行工具，暴雨不僅直接影響居民的出行，導致的洪澇也會直接造成機動車的損失。開展暴雨對機動車損失的研究，對于減輕機動車災害損失政策的制定具有重要的意義。為此，本文結合深圳地區2008—2016年暴雨數據和洪澇災害造成的機動車損失數據，運用Pearson相關、空間疊置等方法，分析了深圳市暴雨及機動車損失的時空格局特征。

研究區、研究數據和研究方法

(一) 研究區概況

深圳市地處廣東省南部，管轄9個區和1個新區，總面積1997.47km2。2018年，深圳市常住人口1252.83萬，機動車保有量355萬輛。深圳市年降雨量約2000mm，每年4～9月為雨季，有記錄以來的最高年降雨量為2662mm（1957年），最低年降雨量為913mm（1963年）。由臺風和強降雨導致的暴雨災害是深圳最為常見的氣象災害之一。2008年的“6·13”特大暴雨是深圳近20年來發生的最嚴重暴雨災害，全市平均24小時降雨量達300mm以上，其中寶安區高達640mm，造成5人死亡，3人失蹤，直接經濟損失約5億元。2014年的“5·17” 特大暴雨，多個地區出現3小時降雨量超250mm。平均每年有三次臺風影響深圳，帶來強降水，其中2016年的超強臺風“海馬”和2017年的強臺風“天鴿” 造成的損失最為嚴重。臺風“天鴿”過境時，深圳沿岸地區出現了高達15級的臺風，局部地區小時降雨量超過60mm，直接經濟損失達數十億元。機動車暴露在城市普通道路和相對平整區域，遭遇嚴重的水浸損失，據深圳保監局數據，“天鴿”臺風期間發生653起涉及保險賠償的車輛水淹事故，經濟損失達到873.2萬元。

（二） 研究數據

本文主要涉及的數據包括歷史降雨量數據和機動車損失數據，數據時段為2008—2016年。其中降雨量數據來自中國氣象數據網（http://data.cma.cn/），為深圳市96個氣象站點的日降水量數據。對于降雨強度，根據國家氣象局分類（如表1所示），分為：小雨、中雨、大雨、暴雨、大暴雨和特大暴雨等。

表1 降水等級及其標準

機動車損失數據來源于中國人民財產保險股份有限公司深圳市分公司理賠系統數據，包括車輛理賠系統中出險原因為“暴雨”的機動車修復和全損估價數據，2008—2016年共13947條出險數據。

由于龍華、光明、坪山和大鵬區為2009—2017年間先后成立的新區，在機動車損失數據上有記錄差異，為便于研究，本文將龍華區、光明區的相關氣象數據和機動車損失數據歸于寶安區統計，坪山區、大鵬新區的數據歸于龍崗區進行統計。

（三）研究方法

對上述數據，采用Excel統計功能對深圳降雨及機動車損失的時間分布特征進行歸納分析，運用ArcGIS軟件，制作深圳各區暴雨頻次及機動車損失空間分布圖，以此對深圳地區暴雨災害和機動車損失的時空格局進行總體描述。而后，通過運用SPSS工具對暴雨和機動車損失的數據相關性進行分析，并通過構建脆弱性指標反映各區暴雨導致的機動車損失特征。

深圳市暴雨災害機動車損失時空格局

（一） 致災因子和承災體時空分布

1.深圳降雨量特征

2008—2016年深圳市的降雨量存在較大波動性，最高可達2710mm（2008年），最低僅有1269.7mm（2011年），兩者相差1440.3mm。年均降雨量為1933.3mm。月均降雨量數據顯示深圳降雨存在明顯的季節性變化，降雨多集中在雨季（4—9月份）。雨季降雨量占比超過85%，最大月份降雨量（6月，380.85mm）是最小月份（2月，29.69mm）的12.82倍（圖1、圖2）。

圖1 深圳站2008—2016年年降雨量

圖2 深圳站2008—2016年月均降雨量

2.深圳各類暴雨時空分布特征

（1）時間特征

2008—2016年暴雨總次數為13861次，平均每個站點為16.04次/年。其中，單個站點暴雨最大次數為39次，發生在2014年，該年的暴雨總次數也為最大（2417次）。2008—2016年暴雨總次數和單個站點最大次數均呈上升趨勢，且趨勢基本一致，表明深圳區域內各個站點暴雨整體較均勻。

圖3 深圳96個站點2008—2016年各級暴雨總次數和單個站點最大次數

圖4 深圳96個站點2008—2016年各級暴雨次數和空間分布圖

大暴雨總數和單個站點最大次數趨勢基本一致，表明深圳區域內各個站點大暴雨整體較均勻。2008—2016年大暴雨總次數為3380次，平均每個站點為3.91次/年。其中，2008年和2014—2016年為大暴雨多發年，2009—2013年為大暴雨發生較少年份，大暴雨總次數2014年為最大（780次）。

特大暴雨總數和單個站點最大次數趨勢基本一致，但趨勢差異相比暴雨和大暴雨明顯較大。2008—2016年特大暴雨總次數為167次，平均每個站點為0.19次/年。其中，2008年和2014年為特大暴雨多發年，單個站點最大次數為3次，發生在2008年和2014年，但總次數2014年為最大（74次）， 可見相對來說，2014年為特大暴雨最嚴重的一年，其次為2008年，其他年份特大暴雨發生較少（圖3）。

綜上，2008—2016年期間， 2014年各類暴雨發生相比其他年份明顯偏多，2008年暴雨發生頻次較少，但大暴雨和特大暴雨顯著。2015和2016年暴雨和大暴雨較多，但是特大暴雨次數較少。

（2）空間特征

使用ArcGIS軟件，使用反距離加權方法（距離倒數乘方格網化），對96個雨量站的暴雨頻次數據進行插值，得到深圳區域年暴雨頻次的空間分布圖（圖4）。對所有站點的各級暴雨次數進行統計并分級。結果顯示：（a）暴雨分布較均勻，羅湖區、鹽田區和龍崗區相對較集中，寶安區、南山區和福田區較少；（b）大暴雨分布較均勻，羅湖區、鹽田區、福田區和龍崗區相對較集中，寶安區和南山區較少；（c）特大暴雨主要分布于寶安區南部和龍崗區東南，這些地區也是受臺風影響較大區域。

可見不同級別的暴雨在深圳不同區域差異較大。其中暴雨多分布在深圳東部地區，大暴雨各個區均有分布，而特大暴雨則主要分布深圳東南和西南兩地。深圳暴雨的差異性，一方面是由于降雨本身情況所導致；另一方面，雨量站點位置不同，受下墊面的影響，不同級別的暴雨也呈現較大的空間差異。

3. 深圳機動車損失時空分布特征

（1）機動車損失時間特征

圖5為2008—2016年因暴雨水浸機動車總賠償金額、單車平均賠償金額和受損車輛總數情況。其中平均每年受損1394.6輛，2008年最多，為5544輛，2014年其次。賠償總金額年均12101.43萬元，其中2014年最高，為4842.70萬元，2008年次之，為2698.60萬元。單車平均賠償金額2014年最高，達1.42萬元/輛，2013年次之，為1.40萬元。考慮到通貨膨脹、暴雨災害嚴重程度和車輛保額提高等原因，車均賠償金額呈現上升趨勢。

圖6為2008—2016年深圳市各月暴雨機動車損失情況，可以看出總賠償金額和單車平均賠償金額趨勢基本一致，表明不同月份機動車水浸損失類型沒有較大差異。總賠償金額和單車平均賠償金額5月份最高，分別達到5037.13萬元和1.39萬元/輛，而機動車總損失數為6月份最高，達到5317輛，5月份比6月份賠償金額高的主要原因與受損車的類型和嚴重程度有很大關系。

圖5 深圳市2008—2016年暴雨機動車損失情況

圖6 深圳市2008—2016年各月暴雨機動車損失情況

（2）機動車損失空間特征

深圳2008—2016年各區機動車損失情況如表2所示。整體上，寶安區的機動車損失數量和總金額最多，分別占全市的65.71%和66.75%，其次為南山區和龍崗區，損失都占全市損失的10%以上。

由于各區的面積差異很大，為消除區域面積大小的影響，分別統計了各區單位面積內的損失機動車數量和損失金額情況，如圖7所示。從機動車損失數量看，寶安區受損最嚴重，單位面積達到12.56輛/km2，其次是福田區和南山區，均在5輛/km2以上，羅湖區、龍崗區和鹽田區較低；機動車水浸損失金額的空間特征和損失數量基本一致。

表2 深圳市2008—2016年各區機動車暴雨損失數量和全損金額

（二）暴雨災害與機動車損失關系分析

Pearson相關系數通常用于分析滿足正態特性數據之間的相關性，系數是一個介于-1和1之間的值，越接近于-1表示兩組數據負相關性越強，反之越接近于1表示數據間正相關性越強，越接近于0表示數據間相關性越弱。顯著性系數則表明相關性結果的可信度，顯著性系數越低，相關性結果的可信度越高，例如顯著性系數為0.05，對應的相關性結果的可信度為95%。基于2008—2016年降雨量、暴雨總次數和單個站點最大暴雨次數、車輛損失總數和賠償金額等數據，采用SPSS軟件中的Pearson方法對暴雨和機動車損失做相關分析，統計數據之間的相關性。

圖7 深圳各區單位面積（km2）車輛損失數量和賠償金額

表3 深圳市2008—2016年年降雨量和車損相關性分析

結果如表3所示。表中以紅色字體標出的是可信度在95%以上，即在0.05的置信水平上相關性顯著（顯著性系數小于0.05）的統計結果。從表中可以看出深圳市年降雨量、暴雨類變量和車輛損失及賠償金額關系不大（相關性系數偏低，顯著性系數偏高），而大暴雨、特大暴雨變量與賠償金額的相關性系數明顯偏高。大暴雨總次數和總賠償金額相關系數達到0.71，顯著性系數0.032，即相關系數可信度達到96.8%；單個站點大暴雨最大次數、特大暴雨總次數和單個站點特大暴雨最大次數與車輛損失總數的相關系數分別為0.84、0.78和0.78，與單車賠償金額相關性分別為0.86、0.69和0.92，相關性均很顯著。由此可見，車輛損失主要受大暴雨和特大暴雨的影響，尤其是特大暴雨對車輛損失影響最大。

（三） 暴雨災害機動車脆弱性分析

脆弱性是指承災體在面對致災因子危險時，在自然、社會經濟和環境等因素的綜合影響下表現出的物理暴露性、敏感性及與承災體相伴的人類防抗風險的能力，相應的脆弱性指標就是能反映承災體應對災害敏感性、防災減災能力的指標。機動車損失的脆弱性主要是指機動車在面對暴雨災害時，承受不同暴雨強度時的單位損失金額大小，為了方便地對機動車水浸損失的期望損失程度以及區域內水浸機動車抗災能力進行分析研究，結合承災體脆弱性的原理，本文構建機動車水浸損失的脆弱性指標的計算公式可歸納如下：

式中：V為脆弱性；L為承災體損失；H為暴雨致災因子強度。

暴雨災害機動車損失L包含兩個部分L=Ln+Lc，Ln和Lc為歸一化處理后的單位面積機動車損失數量和單位面積機動車損失金額；暴雨致災因子強度包含三個部分，H=Nr+10Nhr+100Ner，以暴雨次數Nr、大暴雨次數Nhr和特大暴雨次數Ner計。由于已經進行了降雨等級區分，不同級別的降雨次數加權后的和即可體現暴雨致災因子強度。根據暴雨次數和機動車水浸損失相關性的分析，以及深圳暴雨以上降水的頻次差異，結合已有的對暴雨致災因子權重賦值研究，本文采用1∶10∶100的關系來統計加權H指標。根據脆弱性指標公式，深圳市暴雨機動車損失脆弱性指標計算結果如表4及圖8所示。可見深圳市各區歷年的暴雨機動車損失在單位暴雨強度下顯現的易損性稍有差異，其中深圳市，以及寶安、羅湖、龍崗和鹽田4區脆弱性值在2012年最大，說明該年度在相同暴雨強度級別的情況下機動車水浸損失更大，而福田區和南山區這種情況分別出現在2013年和2015年。深圳市及各區的脆弱性整體呈先下降（2008—2011）、后上升（2011—2012）、達到峰值后再下降（2012—2016）的特點，總體脆弱性呈下降趨勢，但下降趨勢較小。就絕對值而言，寶安、福田兩區最高，最高達2.0；羅湖、南山次之，最高值在0.8～1.2，龍崗區最低，最高值不到0.25。

表4 深圳市2008—2016年各區脆弱性指標

圖8 深圳市及各區2008—2016年暴雨災害機動車脆弱性

經查閱相關資料，2011—2013年深圳地鐵一號線寶安段、三號線龍崗段、四號線龍華段、十一號線寶安段及數條快速城市干道同時施工，尤其是在2012年，施工處于核心階段，寶安、龍崗等區受地鐵施工影響較為顯著，同時鹽田區則在2012年進行深鹽通道的改造，城市排水設施大量翻修和遷移，導致降雨積澇更為頻繁，引發的機動車水浸損失也更為顯著。而福田區本身是深圳市中心城區，基建設施較為完善，地鐵修建相對較成熟，因此2011—2012年受此影響較小，但2013年福田區由于受“康妮”臺風影響出現了罕見的暴雨泥石流災害事件，雖然降雨強度不是最高，但由于發生在夜間，造成了多個大型車庫嚴重積水等災害事件。另外，南山區2015年由于地鐵11號線和9號線同時施工，脆弱性指標亦出現比較明顯的峰值。

研究結論

本研究根據2008—2016年深圳市降雨量、暴雨頻次和機動車損失數據，分析了深圳市暴雨機動車損失的時空格局，主要可得到以下研究結論：

（1）深圳降雨量和各級暴雨頻次的年際差異較大，年內降雨主要集中在4—9月，2014年各類暴雨發生頻次相對偏高。空間方面，不同級別的暴雨在深圳各區域差異較大，其中東部地區暴雨頻次偏高，大暴雨各區均有分布，特大暴雨則主要分布在深圳東南和西南沿海地區。

（2）深圳機動車損失數量、總賠償金額和車均賠償金額均呈現上升趨勢，其中2014年和2008年異常偏高；空間特征上，寶安區機動車損失程度最高，鹽田區最低。

（3）機動車損失主要受大暴雨、特大暴雨影響，全損車輛主要受特大暴雨影響；相較而言，深圳市暴雨機動車輛損失最為集中、抗暴雨災害能力最弱的區域為寶安區。

（4）深圳2008—2016年脆弱性指標整體呈下降趨勢，其中2012年深圳整體及寶安、羅湖、鹽田和龍崗等四區出現峰值，福田區和南山區峰值分別出現在2013年和2015年；從區域來看，脆弱性指標絕對值寶安、福田兩區偏高，龍崗區最低。

對策與建議

根據深圳市的暴雨災害、機動車損失和脆弱性特征，結合深圳人口經濟發展狀況，提出以下建議：

（1）深圳市亟待進一步改善城市排水系統。深圳市城市化進展迅速，區域間城市排水系統建設水平并不均衡，區域差異較為明顯，除福田和南山區外，其他行政區亟待完善城市下水道系統建設改造工作。

（2）改善深圳市機動車存放環境。相比城市面積和機動車車庫面積的增長速度，深圳市機動車數量增長明顯過快，暴增的汽車數量給交通和環境帶來巨大壓力的同時，“停車難”問題日漸突出，超負荷地下停車、隨意停放在小區、輔道路邊的車輛堵塞排水井蓋等情況時有發生。進一步總體管控機動車保有量的同時，政府還要在逐步改善機動車存放環境方面下功夫，例如加大立體停車場所建設投入，在老舊小區擴建地下停車場所等。

（3）加強深圳市的暴雨預報，做到提前準備。暴雨是深圳市最嚴重的自然災害之一，除機動車損失以外，暴雨還會造成人員傷亡、農作物破壞和機器設備浸水失效等諸多損失。提高暴雨預報精度和時效，有助于提前做好災前應急準備，降低災害損失程度。目前深圳全市范圍內的氣象災害預警工作已經開展，但針對各區域局部暴雨和積澇災害的預警工作還需進一步細化和完善。