基于指標體系的農田澇災風險評估與對策分析

張 偉，羅文兵，李亞龍，范琳琳，何 軍，鄒志科

（1.長江科學院農業水利研究所，武漢 430010；2.三峽大學水利與環境學院，湖北宜昌 443000）

0 引 言

澇災是對人類社會生產生活危害最為常見、最為嚴重的自然災害之一［1］。據統計，全球僅因洪澇災害損失占比就高達40%［2］。中國是世界上洪澇災害最為頻繁而又嚴重的國家之一，多發生在長江流域的江漢平原、洞庭湖和鄱陽湖濱湖地區、下游沿江平原洼地等地區［3］。每年都會因此而造成的糧棉油減產約占總產量的5%［4］。湖北四湖流域作為江漢平原主要糧食產區，由于地勢平坦低洼，汛期暴雨頻發，受外江（湖）水位頂托，容易造成排水不暢，形成澇災［5］。螺山排區位于總干渠、電排渠和長江之間的一個獨立排區，是四湖流域典型的受澇受漬區域。自2000年以來的數年間，排區內因澇造成水稻平均減產3%。隨著螺山排區下墊面發生顯著變化，如城市化進程加快、圍墾湖泊等水域萎縮、種植結構調整等變化使得澇災致災因子、孕災環境和承災體情勢及其相互關系發生了很大變化，給排區排澇帶來了新的挑戰。

目前針對澇災風險的研究，主要是利用指標體系和數值模型兩種方法進行評估。在指標體系方面，相關學者主要開展了農田澇災指標構建［6-9］、澇災分級標準確定［7，10，11］和澇災風險評估［12-17］等方面研究。在數值模型方面，相關學者通過構建水文水力學模型［12］、災害影響量化評價模型和減產率量化評估模型［18］等動態模型實時模擬澇災致災過程。靜態評估所需資料少，收集方便，通過經驗方法反映澇災的成災機理更容易實現，但只能通過災后數據評估，不能實現災中的實時反饋；動態評估可以通過構建模型實時反映澇災過程，進行監測預警，僅適用于澇災過程數據易收集且足夠用于模型模擬的研究區。

考慮到澇災風險的空間分布，在資料缺乏的情況下進行快速的預報預警，適合采用靜態的指標評估方法，從而為除澇減災作決策。故本文選取四湖流域螺山排區為研究對象，選擇具有區域特點的研究指標建立澇災風險指標體系，構建澇災風險評價模型，采用AHP-CRITIC綜合法進行權重賦值，確定了澇災風險等級標準，利用構建的模型進行澇災風險綜合評估，并結合研究區實際，開展澇災綜合治理措施分析，為今后研究區農田澇災防治提供理論依據。

1 研究區概況

螺山排區位于四湖流域南部，北面以四湖總干渠和洪排渠主隔堤為界，西南抵長江干堤，東抵螺山電排渠，總排水面積935.5 km2，耕地面積869.5 km2，耕地中以水田種植為主，占比達69.2%。區域內年平均降雨量約1 200 mm，降雨主要集中在汛期（一般為5-9月），其降雨量約占年降雨總量的50%～60%，多年平均氣溫16.3 ℃左右，年無霜期約260 d，年均蒸發量1 300 mm。螺山排區內以一、二級排水泵站和干、支排水渠構成主要的排水系統，總排水面積為378.8 km2［19］。根據排區澇災風險空間分布計算需求，在充分收集螺山排區的天然河網、水文資料的基礎上，對排區的排水系統進行了合理概化。概化后的排水系統由1 條主河道、12 條支流河道、2 個水閘和1 個泵站組成。進而以渠道、河網為界，將排區劃分為13個大小不一的分區，每個分區視為獨立的排水區域進行計算分析，如圖1所示。

圖1 螺山排區位置及渠系圖Fig.1 Location and drainage diagram in Luoshan Drainage Area

2 數據與方法

2.1 數據獲取與處理

（1）數據獲取。從中國氣象數據網（https：//data.cma.cn/）搜集了荊州站1954-2019年氣象數據資料；從國家地理空間數據云平臺（http：//www.gscloud.cn/）下載了Landsat 系列數據（15 m）。從荊州市水利局和四湖工程管理局搜集了四湖流域基礎資料、歷史洪澇災害數據（1950-2016年）、螺山排區相關泵站數據、四湖流域的等高線圖Coverage 文件數據等相關資料。從湖北農村統計年鑒（1949-1978/1991-2019年）獲取監利縣多年水稻種植面積與產量數據。

（2）數據處理。將四湖流域的等高線圖Coverage 文件轉化為TIN 文件，再將TIN 文件轉化為ArcInfo 的GRID 形式的DEM數據文件。在螺山排區分區的基礎上，用mask提取螺山排區各分區的DEM 數據，網格大小30 m×30 m。通過監督分類的方法，將Landsat系列數據（15 m）分類提取得到1991年、2003年和2011年的土地利用數據。

（3）指標選擇與定義。根據綜合性、客觀性、易獲性、可表征性和可度量性原則，結合螺山排區下墊面的顯著變化趨勢、降雨分布特征以及易受澇受漬的特點，考慮從澇災致災因子、孕災環境、和抗災能力3 個方面選擇汛期降雨強度綜合指數和汛期高溫指數、相對高程、高程相對標準差、相對坡度、滯澇水面率、產流系數、水旱比、地面硬化率、土壤類型指數、排澇指數等11 個指標，建立澇災風險評估指標體系，指標具體含義及計算方法見文獻［20］。

2.2 評估方法

2.2.1 權重賦值方法

根據國內外常見的主觀和客觀賦值方法，基于研究區地形數據、歷史災害數據以及下墊面數據，根據計算快捷簡單、資料需求少、指標權重值易量化以及主客觀結合的原則，選擇層次分析法AHP 和CRITIC 權重法進行權重賦值，其中層次分析法偏重專家打分，即決策者的主觀層面的信息，而CRITIC 法則偏重于挖掘數據樣本中客觀存在的信息［21］，未充分結合實際情況。兩種賦值方法結合成的AHP-CRITIC綜合法則能綜合各方法的優勢，進而減少誤差。

層次分析法AHP，將評價系統的有關替代方案的各種要素分解成若干層次，并以同一層次的各種要素按照上一層要素為準則，進行兩兩判斷比較并計算出各要素的權重WAHP［22］，根據綜合權重按最大權重原則確定最優方案。

CRITIC 權重法以指標的對比強度和指標間的沖突性來綜合確定指標的客觀權重。對比強度表示同一指標取值差距的大小，用標準差來表現，該指標的取值標準差越大，表明反映的信息量越大，權重越大。沖突性指兩個指標間的相關系數，相關系數越小，表明反映的信息量有相似性，權重越小。首先將所得數據進行歸一化處理，進而根據公式（1）～（3）計算變異系數σj和信息量值ηj，最后求出各個指標權重WCRITIC［21］。

考慮到11 個指標中存在部分指標值的變化對澇災風險值的影響趨勢不一致的問題，如汛期降雨強度綜合指數、汛期高溫指數、產流系數、地面硬化率、土壤類型指數等指標值越大，澇災風險越大，利用公式（4）進行歸一化；而相對高程、相對高程標準差、相對坡度、滯澇水面率、水旱比和排澇指數等指標值越小，澇災風險值越大，利用公式（5）進行歸一化。通過標準化方法將所有指標的變化對澇災風險的趨勢相同，即指標值越大，澇災風險越大。

AHP-CRITIC 綜合法是綜合兩種方法的賦值運算，通過AHP 和CRITIC 法分別求得主觀權重向量α和客觀向量β，為了使綜合權重ωi盡可能地接近αi和βi，而不偏重其中任意一項，本文依據最小鑒別信息原理［23］求取綜合權重ωi，其目標函數為：

求解此優化模型，得到綜合權重為：

則最終的綜合權重向量為ω=[ω1，ω2，…，ωn]T。

2.2.2 綜合風險度計算

選取澇災風險度指標對研究區域澇災情況進行綜合評估，澇災綜合風險度計算公式為：

式中：S為澇災綜合風險度；xi為第i個指標標準化值；ωi為第i個指標值對澇災綜合風險度的影響權重。

3 風險評估與對策分析

3.1 指標權重賦值

在現有數據的基礎上，結合AHP-CRITIC綜合法，得到指標體系中11項指標的權重，如表1所示。

表1 AHP-CRITIC綜合法權重結果Tab.1 The weight results of synthetic method of AHP and CRITIC

從表1 中可以看出，利用AHP-CRITIC 綜合法得到11 項指標的權重從大到小為汛期降雨強度綜合指數、相對高程、排澇指數、滯澇水面率、高程相對標準差、產流系數、地面硬化率、水旱比、相對坡度、土壤類型指數、汛期高溫指數，這與層次分析法下的各指標權重排序基本一致［20］。

利用2000-2019年的20年澇災綜合風險度數據，進行兩種方法的相關性分析，結果如表2所示。

由表2 得到AHP 法與CRITIC 法的相關系數為0.970，AHP法與綜合法的相關系數為0.995，CRITIC 法與綜合法的相關系數為0.990，三者相關性具有統計學意義（P＜0.01），表明3 種方法評價結果具有一致性。因此以AHP-CRITIC綜合法確定權重值是可行的。

表2 2000-2019年分區1澇災風險度評價結果Tab.2 Assessment results of waterlogging risk values in division 1 from 2000 to 2019

3.2 評價模型建立與驗證

基于指標體系和澇災綜合風險度構建澇災風險評價模型。利用監利市和螺山排區多年歷史數據，采用歷史反演法，利用2000-2019年的下墊面狀況作為未來的土地利用情景，對比不同時期的下墊面條件下降雨、溫度等因素對區域受災程度的影響。同時，參照暴雨災害影響劃分標準中農作物受災指標AI劃分標準，并考慮螺山排區受災的實際分布情況，使用綜合風險度作為澇災風險等級劃分的依據，根據AI 等級劃定規則，3、4等級劃為高風險等級，1、2等級劃為低風險等級，最終利用螺山排區受災面積及受災面積比例等數據，將澇災風險等級分為高風險、低風險和無風險3個等級。

本文運用1954-2016年間的34 個受澇年份數據進行模型反演，結果顯示：在汛期降雨強度綜合指數為2.889 時，計算得到排區內澇災風險度（1.180）為高風險臨界下限；在汛期降雨強度綜合指數為1.924 時，計算得到排區內澇災風險度（0.932）為低風險臨界下限。即當澇災風險度小于0.932 時，區域處于無風險狀態，當澇災風險度介于0.932 和1.180 之間時，區域處于低風險狀態，當澇災風險度大于1.180 時，區域處于高風險狀態。

為驗證模型的適配性，選用1980年、1996年兩個重度澇災年份和2015年輕度澇災年份作為典型年份，對澇災風險評價模型進行驗證，典型年份澇災風險分布見圖2。

從圖2 中可以看出，1980年整個排區均處于澇災高風險狀態，其澇災平均風險度為1.543，遠高于澇災高風險等級下限值。1996年排區內43.97%的面積處于澇災高風險狀態，澇災平均風險度為1.197，高于澇災高風險等級下限值。根據螺山排區歷史災害數據記載，1996年受災面積達到353 km2，成災面積為213 km2。1980年受災面積達221 km2，成災面積為160 km2。雖然1996年汛期降雨量較1980年少188 mm，澇災平均風險度也較1980年小，但由于1996年螺山排區耕地面積較1980年增加122 km2，導致1996年受災和成災面積均比1980年大。2015年，排區內的平均澇災風險度為1.018，高于澇災低風險下限值，排區整體上處于低風險狀態，有2個分區無澇災風險。這與歷史數據中2015年螺山排區受災面積為46 km2，為輕度澇災年相吻合。

圖2 螺山排區典型年份澇災風險分布Fig.2 Risk distribution of waterlogging disaster in a typical year in Luoshan Drainage Area

此外，將此模型識別的澇災風險結果與歷史澇災災情數據對比，統計模型識別的準確率。結果表明，從1954-2016年的34 個澇災年份中，有7 個年份模型識別結果與實際有一定出入，整個模型的識別準確率為79.4%。此外，模型還識別到包括1954年、1969年、1973年、1979年4 個澇災高風險年份，除1969年識別情況與實際有一定出入外，其他年份與歷史災情基本一致，此模型在該研究區針對澇災高風險識別的準確率達83.3%?？梢?，該模型能夠較好地識別澇災風險，能適用于螺山排區澇災風險評估。

3.3 澇災對策分析

為綜合分析在采取不同澇災治理措施情況下研究區澇災風險狀態變化，現針對當前研究區下墊面條件以及防災抗災能力等影響因素，提出在不同汛期降雨年型條件下，對排澇指數、滯澇水面以及水旱比這3 個指標進行調整，排澇指數設置兩種方案，滯澇水面以及水旱比設置一種方案，然后各種情景相互交叉，共設置12套方案，見表3。

利用AHP-CRITIC 綜合法確定的權重，結合指標體系中11項指標計算值，在表3的方案下，通過計算得到不同方案下的風險度，并與現狀條件（方案0）進行對比分析，得出最優方案。

表3 澇災治理方案Tab.3 The plans of controlling waterlogging disaster

當采用一種治理方案時，推薦方案3，即將分區內的水域提升到2000年以前的水平。該方案與現狀情況相比，在分別遭遇5、10、20 a一遇的汛期降雨強度年型時，高風險面積占比分別降低100%、27.56%、7.23%，遭遇3 a 一遇的汛期降雨強度年型時，低風險面積占比降低62.59%。但在遭遇20 a 一遇的汛期降雨強度年型時，平均澇災綜合風險度為1.272，整個排區仍處于澇災高風險狀態。

當采用兩種治理方案時，推薦方案6，即提高排澇能力至規劃水平和提高滯澇水面率。該方案與現狀情況相比，在分別遭遇5、10、20 a 一遇的汛期降雨強度年型時，高風險面積占比分別降低100%、73.31%、10.87%，遭遇3 a 一遇的汛期降雨強度年型時，低風險面積占比降低72.96%。但遭遇20 a一遇汛期降雨強度年型時，雖有10.87%的面積轉為澇災低風險狀態，但排區平均澇災綜合風險度為1.242，高于澇災高風險下限1.180，排區總體上仍處于高風險狀態。

當采用三種治理方案時，如表4所示，對比在各方案下澇災風險降低情況，方案11 下澇災風險度最低，即采取排澇能力提高至規劃水平+滯澇水面率提高+水旱比提高的措施。在該方案下，結合圖3，發現在遭遇3 a一遇汛期降雨強度年型時，排區的澇災平均風險度為0.845，排區整體上處于無風險狀態，僅有1.60%的面積處于低風險狀態；遭遇5 a一遇汛期降雨強度年型時，排區的澇災平均風險度為0.990，排區整體上處于低風險狀態，沒有處于過澇災高風險狀態的區域，有54.44%的面積處于無風險狀態；遭遇10 a 一遇汛期降雨強度年型時，排區的澇災平均風險度為1.123，低于澇災高風險下限值（11.180），僅有14.72%的面積處于澇災高風險狀態，排區整體上處于低風險狀態；遭遇20 a 一遇汛期降雨強度年型時，排區的澇災平均風險度為1.228，排區整體上處于高風險狀態，有54.44%的面積處于低風險狀態（見圖3）。與現狀情況相比，在分別遭遇5、10、20 a一遇的汛期降雨強度年型，高風險面積占比分別降低100%、78.05%、54.44%，遭遇3 a 一遇的汛期降雨強度年型時，低風險面積占比降低72.96%。由此可見，通過提升排澇能力，增大滯澇水面率，改變種植結構、提高水旱比等措施，能顯著降低研究區內澇災高風險面積占比。

圖3 方案11措施下螺山排區澇災風險分布Fig.3 Risk distribution of waterlogging disaster under scheme 11 in Luoshan Drainage Area

表4 不同措施方案下的風險度值Tab.4 Risk values under different measures

4 結 語

以湖北省四湖流域的螺山排區作為研究區，構建澇災風險指標體系，通過指標權重計算和澇災風險度分級標準確定等過程構建澇災風險度評價模型，模擬了不同情景下螺山排區的澇災風險狀態，提出澇災減災措施，主要得到以下結論。

（1）3種指標權重計算方法下，兩兩權重的相關性均表現出顯著相關，三種方法所反映的信息具備一致性，AHP- CRITIC綜合法計算得到的權重可作為后續計算的基礎，11項指標的權重值分別為汛期降雨強度綜合指數（0.244 4）、汛期高溫指數（0.031 9）、相對高程（0.130 1）、高程相對標準差（0.085 7）、相對坡度（0.050 8）、滯澇水面率（0.107 7）、產流系數（0.071 0）、水旱比（0.055 5）、地面硬化率（0.068 1）、土壤類型指數（0.039 2）、排澇指數（0.115 8）。

（2）在構建澇災風險評估模型的基礎上，利用歷史災情反演法，得到螺山排區澇災風險臨界閾值。其中，澇災高風險下限為1.180，對應的汛期降雨強度綜合指數為2.889；澇災低風險下限為0.932，對應的汛期降雨強度綜合指數為1.924。

（3）通過開展澇災治理情景分析，得出適用于研究區最佳的澇災治理措施。在同時采取3種措施相比采取其中一種或兩種措施下對減少澇災綜合風險度最為有效，其中采取提高排澇能力至規劃水平、提高滯澇水面率和提高水旱比的方案效果最好，此方案與現狀情況相比，在遭遇5、10、20 a一遇的汛期降雨強度年型時，高風險面積占比分別降低100%、78.05%、54.44%，遭遇3 a一遇的汛期降雨強度年型時，低風險面積占比降低72.96%。

需要說明的是，本文以常用的分級標準得到了研究區澇災綜合風險的高、低、無3個等級，而針對研究區的分級標準，可進一步考慮高、中、低、無風險4個等級，進而驗證分級的科學合理性。由于目前螺山排區的分區僅根據概化后的渠系、河網劃分，分區劃分相對較粗，因此需要考慮進一步利用網格法，將分區細化，減少因分區對澇災風險等級評估的影響。