江西省山洪災害時空分布及其驅動因子研究

易建州，李斯穎，付佳偉，王小笑

（江西省水利科學院，南昌 330029）

0 引 言

江西省山丘區占全省國土面積的78%，山洪災害點多面廣、多發頻發，每年因山洪災害死亡人數占全省洪澇災害死亡人數的80%以上，對基礎設施及環境資源造成了嚴重破壞。根據江西省2013-2015年度山洪災害調查評價以及2017年度山洪災害補充調查評價成果，全省94個山洪災害防治縣有68.7萬人口受到山洪災害嚴重威脅。

近年來，針對江西省山洪災害的研究主要是在監測預警、風險評估、防控等方面，如楊培生等［1］采用錐體法和風險潛勢關聯法，研究小流域山洪災害監測站網的布設；雷聲等［2］分析了山洪災害風險潛勢識別、監測評估、預警及控制等4個主要環節的防控關鍵技術，并在江西省進行實踐；方秀琴等［3］通過觸發因子、孕災環境和承災體3個方面，構建了山洪災害風險評價指標體系，對江西省山洪災害風險進行評估；徐慧茗等［4］、劉衛林等［5］研究了山地景區的山洪災害風險區劃。除此之外，對于山洪災害驅動因子、時空演變等方面的研究比較缺乏。

在山洪災害驅動因子的研究中，劉業森等［6］運用空間聚類、熱點分析等時空分析方法，分析全國山洪災害時空分布格局，利用地理探測器分析山洪災害的驅動因子，反映我國山洪災害整體及各個分區的分異特征。熊俊楠等［7，8］采用空間分析和地理探測器對四川省和重慶市歷史山洪災害時空格局和影響因子進行研究。本研究整理江西省山洪災害調查評價項目成果中的歷史山洪災害數據，利用空間分析方法研究江西省山洪災害時空分布特征，同時利用地理探測器工具，進一步探索降雨、自然環境、人類活動等驅動因子，對江西省山洪災害時空分布的驅動作用。

1 數據源與研究方法

1.1 數據來源

收集整理江西省歷史山洪災害數據以及山洪災害相關的人類活動、自然環境、降雨等因素。各項數據及來源如下：

（1）基礎地理信息及歷史山洪災害數據。來源于江西省2013-2015年度山洪災害調查評價項目以及2017年度山洪災害補充調查評價項目成果，基礎地理信息數據主要是江西省市縣三級行政區界、江西省12 546 個小流域單元矢量數據等，歷史山洪災害數據為保證時間連續性，選取了1951年至2015年共2 978個歷史山洪災害點，歷史山洪災害分布情況見圖1。

圖1 江西省1951-2015年歷史山洪災害分布圖Fig.1 Historical mountain torrent disaster distribution map of Jiangxi Province from 1951 to 2015

（2）驅動因子數據。根據山洪災害發生機理，將山洪災害驅動因子數據分為自然地理、降雨、人類活動3 類。選取高程、坡度、地貌類型、NDVI作為自然地理因子，土地利用、人口、GDP作為人類活動因子，年最大10 min 暴雨均值、年最大1 h 暴雨均值、年最大6 h 暴雨均值、年降雨量作為降雨因子。其中自然地理、人類活動以及年降雨量因子來源于中國科學院資源環境科學與數據中心（http：//www.resdc.cn），年最大10 min 暴雨均值、年最大1 h 暴雨均值、年最大6 h 暴雨均值數據來自《江西省暴雨洪水查算手冊》（2010版）。

1.2 研究方法

采用標準差橢圓工具，分析各年代山洪災害分布的方向及中心，通過Moran′I 函數探索縣域山洪災害空間自相關性，利用聚類和異常值分析，識別歷次山洪災害過程降雨量分布的局部聚類和突出值。基于降雨、自然地理、人類活動三類影響因子數據，利用地理探測器探測江西省歷史山洪災害的主要驅動因子以及各因子之間的交互關系；以十年為周期，選取山洪災害記錄較為完整的1996-2005年以及2006-2015年兩個時間段，對江西省山洪災害驅動因子時空變化進行研究。

1.2.1 空間分析方法

（1）中心及標準差橢圓分析。計算各年代山洪災害分布的平均中心，即點集的質心，平均中心計算公式如下：

在ArcGIS軟件中計算各年代山洪災害的標準差橢圓，一級橢圓中包含總數68%的樣本數，用來度量山洪災害點的方向和分布的算法［9］。

（2）空間自相關。統計江西省各縣山洪災害發生情況，以縣為單位，分析1950年以來各縣山洪災害發生數量及相關屬性的全局自相關指數。全局自相關是通過計算數據集的Moran′sI指數值、z得分和p值，評估數據及相關屬性所表現的模式。Moran′sI＞0 表示空間正相關，值越大相關性越明顯，反之則為負相關。Moran′sI指數、z得分計算公式如下：

式中：其中zi是要素i的屬性與其平均值的偏差；wi，j是要素i和j之間的空間權重；n為要素總數，S0為所有空間權重的聚合。

（3）聚類和異常值分析。利用聚類和異常值（Anselin Local Moran′s I）分析，分析江西省1951-2015年2978次歷史山洪災害的過程降雨量分布，識別局部聚類和空間異常值。該算法對點集內的每一個點，都會計算Moran′sI指數和z得分。Moran′sI指數的算法如下：

式中：xi是要素i的屬性；Xˉ是該屬性的平均值；wi，j是要素i和j的空間關系權重；z得分的計算公式同（5）。

1.2.2 地理探測器

利用地理探測器研究山洪災害空間分異的驅動因子。將山洪災害危險程度作為地理探測器的因變量。在ArcGIS 平臺上對2 978個歷史山洪災害點使用優化的熱點分析工具，以z值作為山洪災害危險度，將山洪災害危險程度分為5 級。以江西省山洪災害調查中劃分的12 546 個小流域為分析單元，通過小流域的中心點提取山洪災害危險度和驅動因子的數值。

地理探測器通過分析驅動因子與因變量的空間分布，量化驅動因子對因變量的影響程度即解釋力，還可以檢驗不同驅動因子空間分布的一致性，計算兩自變量交互后對因變量的解釋力，探測自變量之間的關系［10］。通過計算并比較各單因子q值及兩因子疊加后的q值，可以判斷兩個驅動因子之間是否存在交互作用，以及交互作用的強度、方向、線性或非線性等。q值計算方法如下：

式中：q為驅動因子解釋力；h為驅動因子；Nh和N分別為h影響因子的總數、研究區樣本量總數；和σ為h影響因子的方差、研究區樣本總量的方差。q的取值在［0，1］之間，值越大說明驅動因子對因變量空間分異的解釋能力越強。

2 江西省歷史山洪災害空間分布特征分析

（1）中心及標準差橢圓年代變化。在ArcGIS平臺計算繪制江西省1951年以來各個年代歷史山洪災害的1 級標準差橢圓（見圖2），可以看出江西省歷史山洪災害總體分布呈東北-西南的態勢。各年代橢圓參數見表1，從1950年代到2010年代，橢圓的X軸相近，Y軸逐漸縮小，說明山洪災害隨時間在南北方向上更向中心聚集。在1970年代，由于1973年在修河發生較大洪水，1975年在潦河發生較大洪水，引起江西省西北部修水縣、靖安縣多起山洪災害，山洪災害中心向西北方有較大的偏移。

圖2 各年代山洪災害中心及標準差橢圓分布圖Fig.2 The elliptic distribution of mountain torrent disaster center and standard deviation in each decade

表1 各年代山洪災害中心及標準差橢圓參數表Tab.1 Mountain torrent disaster center and standard deviation ellipse parameter table of each decade

（2）全局自相關。縣域全局空間自相關的計算結果見表2，其中縣內山洪災害數量和過程降雨量的Moran′sI指數為正數，且p值小于0.05，通過顯著性檢驗，說明各縣歷史山洪災害的發生數量和過程降雨量在空間上呈現顯著的正相關，顯示出空間聚集性。死亡人數的Moran′sI指數為負，經濟損失的Moran′sI指數為正，但p值大于0.05，未通過顯著性檢驗，說明縣域內死亡人數和經濟損失沒有明顯的空間正相關，呈現出隨機性。

表2 縣域內各指標全局自相關參數表Tab.2 Global Moran's I parameter table of each index in the county

（3）聚類和異常值分析。聚類和異常值分析結果如圖3（a），歷史山洪災害過程降雨量在浮梁縣、婺源縣、資溪縣、石城縣、廣昌縣、崇仁縣、宜黃縣、尋烏縣形成了H-H型高值聚類，在宜春、贛州、九江市部分地區出現了H-L 型聚類。將結果與江西省暴雨區分布圖［圖3（b）］對比，可見這些區域大部分位于主暴雨區，發生大暴雨的概率較大，容易引發山洪災害。

圖3 過程降雨量聚類和異常值分析、江西省暴雨區分布圖Fig.3 Process precipitation clustering and outlier analysis，Jiangxi Province rainstorm classification map

3 江西省山洪災害時空驅動分析

3.1 驅動因子選取與分布

結合山洪災害發生機理和江西省山洪災害調查評價成果，選取江西省山洪災害的11 個驅動因素。自然地理因子包括高程、坡度、地貌類型、NDVI，人類活動因子包括土地利用、人口、GDP，降雨因子包括年最大10 min 暴雨、年最大1 h 暴雨、年最大6 h暴雨、年降雨量。其中，高程、坡度采用自然斷點法分為6級，NDVI、降雨數據采用自然斷點法分為5 級，人口、GDP 采用幾何斷點法分為5級，地貌類型根據規范及江西省實際情況，分為平原、臺地、丘陵、低山、中山、高山6 類，坡度根據《水土保持綜合治理規劃》GB/T 15772-2008分為6類，土地利用根據耕地、林地、草地、水域、城鄉、工礦、居民用地、未利用土地分為6 類。部分驅動因子分布如圖4至圖11。是造成山洪災害的主要因素，而最大6 h 降雨量對江西省歷史山洪災害空間分布的解釋力最高。統計每個降雨因子內部各個分區，山洪災害危險度隨著雨量增強而提升。

圖4 高程等級分布Fig.4 Grading distribution of Elevation grade

圖5 坡度等級分布Fig.5 Grading distribution of Slope grade

圖6 地貌類型分布Fig.6 Distribution of geomorphic types

圖7 NDVI分布Fig.7 Grading distribution of NDVI

圖8 2015年降雨量等級分布Fig.8 Grading distribution of annual rainfall in 2015

圖9 土地利用類型分布Fig.9 Distribution of landuse types

圖10 2015年人口密度等級分布Fig.10 Grading distribution of population density in 2015

圖11 2015年GDP等級分布Fig.11 Grading distribution of GDP in 2015

人類活動因子對山洪災害的解釋力排名為土地利用（0.046）、人口（0.010）、GDP（0.005），土地利用和人口對山洪災害發生的解釋力較強，因為人類是山洪災害的主要承受者，土地利用是人類活動的綜合體現，對山洪災害分布有一定的解釋作用。GDP 對山洪災害分布有著微弱的解釋力，它雖然能影響到山洪災害的分布，但不是主要的驅動因子。

3.2 空間格局驅動力

利用地理探測器對江西省1951年以來歷史山洪災害空間分布的驅動因子進行分析，因子探測結果見表3。

表3 地理探測器因子探測結果Tab.3 Factor-detector results of Geodetector

由因子探測結果可知，對歷史山洪災害解釋力最強的是降雨因子，解釋力大小依此為最大6 h 暴雨（0.488）、最大1 h 暴雨（0.45）、最大10 min 暴雨（0.446）和年降雨量（0.402），說明降雨

在自然地理因子中高程與坡度因子的解釋力較強，分別為0.126 和0.104，表明地形起伏對山洪災害有一定的影響。分析高程和坡度因子的風險區探測結果（見表4），由各分區內山洪災害強度平均值可知，在高程I 級分區（＜123 m）山洪災害危險度最高，而在VI級分區（＞968 m）山洪災害危險度最低，坡度I級分區（＜5°）和VI 級分區（＞35°）內山洪災害危險度最高，原因是雖然高海拔高坡度地區易形成山洪，但這類地區人口密度較低，對人員和財產的損失較少，在地形高程低、坡度變化小的地方，人口密度高，山洪更容易成為威脅。

表4 高程及坡度因子風險區探測結果Tab.4 Risk-detector results of elevation

驅動因子交互探測結果（表5）表明，最大6 h暴雨與其他驅動因子的交互解釋力最強，最高達到0.687，其他驅動因子與其交互后，解釋力均大幅提高。探索驅動因子兩兩交互后的結果（見圖12），降雨因子兩兩之間均為雙線性增強關系（Enhance，bi-），即P（A∩B）＞max［P（A），P（B）］，P（A）、P（B）分別是驅動因子A、B對江西省山洪災害分布的解釋力，P（A∩B）是A、B交互后的解釋力。最大6 h 暴雨、年降雨量與其他因子交互均為雙線性增強關系。

表5 驅動因子交互探測結果Tab.5 Interaction_detector results of Geodetector

圖12 因子交互探測——雙線性增強結果（部分）Fig.12 Two-factor interactive detection——bilinear enhancement result（partial）

3.3 驅動力時空變化

由于年代比較久遠的山洪災害，若無人員傷亡或失蹤，可能不會被記錄，導致數據不夠完整。江西省2013-2015年度山洪災害調查評價項目數據截止至2015年，以十年為周期反推，選取江西省1996-2005年（Y1 時段）以及2006-2015年（Y2 時段）兩個近期時段，對山洪災害驅動因子時空變化進行研究。對于人類活動因子（人口、GDP、土地利用），分別采用2005年和2015年數據，對于年降雨量，采用時間段內的平均年降雨量進行分析，地理探測器因子探測結果對比見表6。

表6 兩時間段地理探測器驅動因子探測結果Tab.6 Factor-detector results of Geodetector in two time periods

對比Y1、Y2 兩個時間段各驅動因子的解釋力，自然地理對時間段內山洪災害空間分布的解釋力保持穩定，這是由于自然地理因子相對比較穩定，對山洪災害時空遷移的影響較小。

降雨因子在Y2 時段的山洪災害空間分布的解釋力有著明顯增強，說明降雨是江西省山洪災害分布在Y1～Y2時段變化的重要驅動因子，降雨因子中解釋力排名為年降雨量、最大6 h 暴雨、最大1 h暴雨、最大10 min暴雨。

人類活動因子中，人口、GDP 的解釋力被削弱，可能隨著人類活動的進行，山洪災害發生的原因更加復雜，單一的人類活動因子解釋力有所下降。而土地利用是人類活動綜合作用的結果，對山洪災害的解釋力有所提高。

4 結 論

（1）江西省歷史山洪災害重心集中在中部平原地區，歷代標準差橢圓的X軸長度相近，Y軸長度呈現縮短的趨勢，表明隨時間發展山洪災害在南北方向上更加聚集。

（2）江西省縣內山洪災害的數量和平均過程降雨量在空間上呈現正相關，顯示出空間聚集性。贛東北的浮梁縣、婺源縣，贛東石城縣、尋烏縣，贛中資溪縣、廣昌縣、崇仁縣、宜黃縣形成了高值聚類，為暴雨山洪多發區。

（3）江西省山洪災害多分布在高程一級分區（＜123 m）、坡度一級分區（＜5°）；降雨因子是山洪災害分布的主要驅動因子，最大6 h 降雨與其他因子交互后對山洪災害分布的解釋力最強，達到0.687；隨著社會發展，人類活動造成的土地利用因子對山洪災害的影響有所增強。

（4）雖選取了11 個較為代表性的影響因子，分析其對山洪災害時空格局的驅動力，但實際上山洪災害的發生機理十分復雜，尤其是近年來人類活動更加頻繁，引起了承災體的社會經濟環境、承災能力等方面變化，其對山洪災害發生以及防治的影響，需要開展更深入的研究。