山洪災害風險分區劃分模型構建與應用

江 雨 田，王 新 龍，孫 如 飛，范 仲 麗，孫 飛 飛

(寧波市水利水電規劃設計研究院，浙江 寧波 315192)

山洪災害是由局部強降雨在山丘地區引發的洪水災害及由洪水誘發的泥石流、滑坡等災害。由于山洪災害具有突發性且破壞性大，對人民的生命、財產安全造成極大威脅。隨著我國城鎮化進程加快推進，很大程度地加劇了山洪災害的不確定性[1]，我國因山洪災害死亡人數占洪澇災害死亡總人數的比例過半，受威脅人口多達5.7億人[2-3]。因此，山洪災害的管控和治理尤為重要。

山洪災害風險等級劃分可以為災害預防及管理提供科學理論依據[4]，為防洪工程的建設實施提供相對明確的方向，有利于將有限的防洪物資進行合理分配。對風險較高的區域重點防治，對風險較低的地區做好預報預警工作。國內外學者開展了很多山洪災害風險相關的研究工作。英國學者Westage[5]提出災害易損性指的是一個群體由于極端現象處于危險中的可能性及該群體的復原能力。史培軍[6-7]指出災情是由觸發因子、孕災因子和易損性和承災能力因子等相互作用導致。金菊良[8]等構建了基于遺傳算法的神經網絡模型，以分析山洪災害承災體易損性。王文川[9]總結導致山洪災害的因素有氣候、地貌、地層巖性與人類活動。許小華[10]等利用地形、河網等因子進行危險度評估，對危險度數據及易損性數據進行空間疊加分析，得到山洪災害風險分區。陳真[11]等采用主成分分析法對致災因子進行提取后確定指標權重，進而得出風險等級分布圖。陸桂華[12]從降雨量及單位面積匯流時間等方面研究其對山洪災害的敏感度。朱靜[13]根據地形與實測水位流量數據，模擬山洪災害范圍；建立不同的承災體與水深的關系，進行復雜的風險評估。石林[14]等分析了山洪災害風險與地層巖性、地質構造等的關系，并提出了全國山洪災害防治區劃的方法。以上屬于山洪災害風險的面上評價。除此之外，研究學者針對小尺度的小流域、防治區也開展了相應的研究。黃理軍[15]從山洪災害分布位置及強度等角度著手，將山洪災害防治區劃分為重點、次重點及一般防治區。管珉[16]等考慮小流域成災過程，將小流域劃分為高、中、低三級危險分區。目前對災害風險分區的研究較為成熟，本研究旨在進一步應用探討與完善大尺度面上山洪風險評估的針對性及完整性。

1 研究方法

依照自然災害系統理論，可以將山洪災害風險表示為f(T,B,S)。T,B,S分別為觸發因子、下墊面孕災因子、易損性和承災能力因子。觸發因子的主導觸發因子就是突發性強降雨[17]。下墊面孕災因子指下墊面的自然條件，主要體現在地形、坡度、植被等方面。承災體的易損性和承災能力是指受災區域的社會經濟發展水平。具體因子的選擇應遵循相關基準[18-19]。

在山洪災害風險等級評估建模中，關鍵技術是得到模型的向量權重。常用的求取指標向量權重的方法是層次分析法。建立層析分析結構，構造判斷矩陣，反映各元素的相對重要程度。計算出矩陣的最大特征值及其特征向量，對各因子的向量權重進行確定。此外，用一致性指標、隨機一致性指標和一致性比率做一致性檢驗[20]。

一致性指標CI(Consistency Index)：

(1)

式中,n為判斷矩陣階數。

隨機一致性比率CR(Consistency Ratio)：

(2)

式中,RI(Random Index)為隨機一致性指標，按照其取值表1賦值。

表1 隨機一致性指標RI取值

確定各指標因子后，對其進行歸一化處理。

(1)對與山洪災害風險值成線性關系的風險因子做簡單歸一化處理：

(3)

式中，x表示風險因子的原始數據；Xmin表示某一風險因子數據中的最小值；Xmax表示某一風險因子數據中的最大值。

(2)對于高程因子，不能簡單認為與山洪災害風險成線性關系。相關文獻[18-21]對歷史山洪災害數據進行統計研究，發現山洪災害點的DEM分布的概率密度函數符合偏正態分布，對DEM的標準化，可以取對數計算使其與山洪災害風險值成線性關系。

x=lg(DEM)

(4)

(5)

式中，μ為高程數據的算術平均值；σ為高程數據的標準差。

2 研究區概況

寧波市處于浙江省東北部的東海之濱，長江三角洲南翼，屬我國季風頻繁活動帶。氣候濕潤，降雨充沛，多年平均降水量為1 480 mm，降水量年際變化相差較大。非汛期(10月至次年4月)，為少雨期，降雨量僅占全年降水總量的25%左右；而汛期(4～10月)，受臺風和熱帶風暴登陸侵襲，形成狂風暴雨，造成全流域或部分流域的強降雨，降水量較大，約占全年降水總量的75%。

寧波市處在天臺山脈及其支脈四明山向東北方向傾沒入海的地段，地勢西南高，東北低。山區及丘陵約占陸域總面積的58.7%，主要山脈山高坡陡，多為河流發源地。梅汛期、臺汛期帶來的小流域暴雨洪水，極易引發小流域山洪災害(見圖1)。

圖1 寧波市地理位置

本次研究范圍為寧波市轄區范圍內的山丘地區(見圖2)，總面積5 495.2 km2，占全市面積的58.7%。寧波市山洪災害的發生有如下3個特點：短歷時暴雨時空分布不均,山洪災害隨機性、突發性強,災害類型主要為山體滑坡和山溪洪水。

圖2 寧波市山丘地區分布

3 處理與分析

3.1 數據收集與處理

(1)觸發因子。選擇年最大1 h暴雨均值、年最大3 h暴雨均值、年最大6 h暴雨均值、年降雨量、年暴雨天數5個觸發因子參與山洪災害風險評估。

從寧波市水文站收集所需全市63個國家雨量站點降雨數據，包括逐日雨量，典型暴雨期間摘錄逐時雨量，站點時段最大降雨量統計表等。采用年最大值法進行實測排頻暴雨選樣，統計分析得到各站點年最大1 h暴雨均值、年最大3 h暴雨均值、年最大6 h暴雨均值；按照日雨量≥50 mm為暴雨標準，對具有長系列日雨量資料的站點進行統計，得到各站點多年平均年暴雨天數以及各站點多年平均年降雨量。

借助ArcGIS空間插值，得到5個風險觸發因子空間分布情況(見圖3～7)。年暴雨天數、年平均降雨量及年最大6 h暴雨均值的空間分布很相似，在四明山區、寧?？h區、象山西周淡港區以及大嵩山一帶的值都較高，在剡江流域一帶則存在局部低值。

(2)下墊面孕災因子。選取高程因子、地形指數及植被指數作為下墊面孕災因子。在DEM(數字高程模型)(見圖8)的基礎上，地形指數可以利用ArcGIS水文模塊及空間分析功能得到(見圖9)。植被指數越高，地表匯流越慢，越不易發生山洪。本研究中利用2017年7月23日及8月24日的兩景Landsat-8遙感影像資料，拼接而成寧波市遙感影像，計算植被指數(見圖10)。

圖3 年暴雨天數

圖4 年平均降雨量

圖5 年最大1h暴雨均值

圖6 年最大3h暴雨均值

圖7 年最大6h暴雨均值

除了平原區地形指數高，易于匯流之外，其他易于發生山洪災害的近河道區域地形指數較高，特別是兩山脈之間的平坦區域。

圖8 數字高程模型

圖9 地形指數

圖10 植被指數

(3)易損性和承災能力。選擇人口密度、GDP及建筑指數3個因子。建筑指數與植被指數相同，采用2017年7月23日及8月24日的兩景Landsat-8遙感影像資料，拼接而成寧波市遙感影像，計算建筑指數(見圖11)。在2016年寧波市總人口統計數據的基礎上，綜合分析與人類活動密切相關的夜間燈光亮度及居民點密度數據，利用GIS的空間分析功能，把單位權重上的人口數與總權重分布圖相結合，進行人口的空間化(見圖12)。在2016年寧波市分區縣分產業GDP統計數據的基礎上，將寧波市地類圖層組合劃分到第一、二產業地類及沒有GDP產值的地類中，分攤各區縣不同產業的GDP總值，制作寧波市GDP分布圖(見圖13)。

3.2 加權疊加分析

采用層次分析法得到各因子權重(見表2)，并做層次一致性檢驗，各層次均滿足CR< 0.1，可知判斷矩陣具有很好的一致性。歸一化處理后，借助ArcGIS空間疊加分析功能，根據公式計算柵格單元的風險度，得到寧波市山洪災害風險值分布結果。

(6)

圖11 建筑指數

圖12 人口密度

表2 因子權重

圖13 GDP數據

山洪災害多發生于兩山中間的匯水區域，地勢較低的平原區域一般更易遭遇流域性洪水和暴雨內澇災害，受山洪災害的可能性小[22-24]。因此，按照DEM閾值(5 m)進行掩膜提取山洪發生區域，進而提取出山洪發生區域的風險度分布(見圖14)。明顯地，風險度較高的區域集中在寧海山區，其次是象山港南片山區，再者是象山港北片山區及四明山區。依次取風險度區間0～0.2,0.2～0.4,0.4～0.6,0.6～0.8,0.8～1.0，將山洪災害風險劃分為低、較低、中等、較高、高5個等級(見圖15)。

圖14 寧波市山洪風險度分布

3.3 風險分區劃分

從風險度分布圖(見圖14)不難看出，山洪災害風險的分布具有相對集中的特點，因此可以對其進行風險分區的劃分。結合風險度的分布特征，可大致把寧波市柵格單元山洪災害風險分區劃分為幾個區域：寧海山區片、象山港南片、象山港北片，奉化山區片、四明山區片及姚江北部山區片(見圖15，16)。其中，山洪災害高風險區域為寧海山區片，中風險區域有象山港南片、象山港北片及四明山區片，低風險區域有奉化山區片和姚江北部山區片。

15 寧波市山洪風險等級

圖16 寧波市山洪風險分區

4 成果合理性分析

歷史山洪災害數據能反映該地區山洪災害發生的頻率及未來一段時間內的山洪災害發生概率[25]。從前期寧波市6個區縣(市)山洪災害調查評價成果中，整理匯總得到6個區縣(市)歷史山洪災害的發生地點，這些調查點被證實是歷史上發生過1次或多次山洪，原則是山洪災害易發生的區域，因此是對山洪風險分級結果最有力的驗證數據。進行此項驗證有一個假設前提，就是認為山洪災害調查點是山洪災害風險度較高的區域，以此來驗證山洪風險度分布結果。歷史山洪災害調查點在時間上多集中在6～8月；空間分布上，多集中在寧?？h、象山縣西部、北侖東部，少量分布于鄞州區、四明山區和奉化山區。

本次研究將歷史山洪災害數據點疊加到山洪災害風險等級圖中(見圖17)，統計落在各風險等級內的歷史災害點的個數及百分比。由表3可以看出，落在中等及以上風險等級中的歷史災害點占所有災害點的98%，落在較高及以上風險等級區域中的歷史災害點占所有災害點的63%，驗證結果表明本研究使用的山洪災害風險評估模型具有較高的精度和可靠性，初步認為該研究成果可以為寧波市當地應急局等部門提供防汛部署和指揮決策的科學依據。

圖17 歷史災害調查點分布

表3 歷史山洪災害點統計

5 結 論

本次研究基于自然災害系統理論，采用GIS-AHP方法，對山洪災害多發的寧波市進行山洪災害風險建模，確定了一套適用于寧波市的山洪災害風險致災因子權重系數，構建了山洪災害風險評估模型，劃分了寧波市山洪災害風險分區，并用歷史山洪災害數據對成果進行驗證。結果顯示，出現在中等風險及以上等級區域的歷史山洪災害事件發生點占所有災害事件總數的98%，說明本研究取得的山洪災害風險分區成果具有合理性，構建的山洪災害風險評估模型具有較高的精度和可靠性，風險分區成果對當地防汛應急部門的防汛管理及防汛部署具有一定的指導意義。該方法值得推廣運用，可以為其他山區的災害風險分區劃分提供參考。但本研究仍存在一定的不足：由于山洪災害形成的復雜性，影響因子繁多，完全定量的分析存在較大的困難，且由于數據獲取途徑局限，如土壤類型、植被類型等細部數據沒能納入考慮因素中，模型仍存在改進的空間。