基于共享社會經濟路徑的洪水災害風險評估
——以雄安新區上游中小河流域為例*

司麗麗 趙 亮 魏鐵鑫 陳小雷 李 璨 陳梓延 姜 彤 王艷君

1 河北省氣象與生態環境重點實驗室,石家莊 050021

2 中國氣象局雄安大氣邊界層重點開放實驗室,雄安 071800

3 河北省氣象災害防御和環境氣象中心,石家莊 050021

4 河北雄安新區氣象局,雄安 071700

5 南京信息工程大學地理科學學院/災害風險管理研究院,南京 210044

提 要： 以雄安新區上游中小河流域為例,選取年最大連續3 d降水量為洪水致災因子,采用HBV水文模型和FloodArea水動力模型相結合的方法,模擬洪水淹沒面積和水深變化,通過構建直接經濟損失率脆弱性曲線,結合共享社會經濟路徑雄安新區人口經濟預估情景,評估洪水災害的經濟損失風險。結果表明：雄安新區上游中小河流域1961—2019年最大連續3 d降水量為335 mm,重現期達200年一遇,2021—2050年SSP2-4.5情景下該降水重現期降低為150年一遇,造成雄安新區60%以上區域遭受洪水淹沒,平均淹沒水深達1.1 m;未來雄安新區受洪水影響的城鄉工礦居民用地面積達119 km2,約有50%以上的人口和國內生產總值(GDP)暴露在洪水影響下,人口和GDP均以新區起步區東南部和雄縣大部暴露數量最大,分別達到1萬人·km-2和5億元·km-2以上;未來雄安新區因洪水造成的經濟損失約為364億元,占GDP總量的8%左右;全區85%的范圍屬于經濟損失低風險區域,經濟損失高風險區集中分布在新區起步區東南部、雄縣和昝崗鎮的城鄉居住區,約占全區總面積的2%。

引 言

洪水災害是中國發生最頻繁、影響最嚴重的自然災害之一。隨著全球變暖和社會經濟的快速增長,2001—2020年中國洪水災害造成的年均受災人口超過1億人次,直接經濟損失達1678.6億元,占國內生產總值(GDP)比重的0.34%(李瑩和趙珊珊,2022),極大地威脅著人類社會的生存和發展(羅亞麗等,2020;黃埡飛等,2021;江潔等,2022)。氣候模式預估顯示,未來中國極端降水和強降水占年降水量的比重均會增加(秦大河和翟盤茂,2021),洪水災害風險將進一步增大。有效地開展洪水災害風險評估不僅是洪水災害風險管理的重要內容,更是降低災害損失和減輕災害風險的前提和基礎,對區域防洪減災措施制定和洪水災害風險應對具有重要的現實意義。

國內外學者已經對洪水災害風險評估開展了大量研究,早期的評估側重災害的自然屬性,主要分析致災因子的危險性或災害損失特征,以評估風險的高低(何報寅等,2002;Dankers and Feyen,2008;李瑩和趙珊珊,2022)。隨著災害風險理論的發展,洪水災害風險開始關注災害的社會屬性,逐步開展災害損失與影響的定量評估(張繼權等,2006;胡畔等,2021)、災害暴露度和脆弱性分析(權瑞松等,2011;Jongman et al,2012;王艷君等,2014),以及考慮災害的自然和社會雙重屬性進行洪水災害的風險評估研究(Hirabayashi et al, 2013;李萬志等,2019)。目前,對中國全國(田國珍等,2006;徐影等,2014)、省級(宮清華等,2009;張婧等,2009;李喜倉等,2012;李萬志等,2019)、市(縣)(張君枝等,2020;周軼等,2021;曹雪健等,2022)和流域(劉家福等,2008;謝五三等,2017)尺度的洪水災害風險評估與區劃研究已有較多成果。研究結果表明,未來中國洪水災害高風險區將有所增加,主要出現在四川東部、華東的大部分地區、華北的京津冀地區、陜西和山西的部分地區以及東南沿海的部分地區(徐影等,2014),未來氣候變化情景下每升溫0.5℃,中國每年因洪水災害造成的損失預估超過600億美元(Jiang et al,2020)。從研究方法來看,研究人員主要采用基于歷史災情的數理統計方法(張繼權等,2006;王艷君等,2014;李瑩和趙珊珊,2022)、基于指標體系的方法(田國珍等,2006;宮清華等,2009;張婧等,2009;李喜倉等,2012)和基于情景模擬的方法(權瑞松等,2011;謝五三等,2017;張君枝等,2020;周軼等,2021;扈海波等,2021;狄靖月等,2022)。其中,基于歷史災情的數理統計方法要求較長時間序列的災情數據,基于指標體系的方法在指標的選取與權重設定中具有較大的主觀性,且這兩種方法很難反映災害系統中各要素的聯系和災害演變過程,無法展現復雜災害系統的動態性(胡恒智等,2018;李超超等,2020);基于情景模擬的方法需要較為精細的地理信息和社會經濟數據,通常運用遙感和GIS技術構建洪水淹沒模擬和災害損失模型,實現對災害風險的動態評估,是災害風險評估研究的主流方向。近年來,人工神經網絡、支持向量機、決策樹、隨機森林等機器學習方法(Lee et al,2017;Dano et al,2019;Li et al,2019;劉揚和王維國,2020;Zhu and Zhang,2021;曹偉華等,2022),與GIS技術結合,可以更準確地識別和評估洪水易發區,也將成為洪水災害風險評估的新興方法。上述風險評估研究中多數以致災危險性直接作為風險指標或者以歷史時期某一年份的靜態社會經濟數據開展承災體的暴露度和脆弱性分析,較少結合動態社會經濟情景評估洪水災害風險。

雄安新區位于海河大清河流域腹地,地處“九河下梢”,頻繁遭受上游中小河流洪水影響,社會經濟損失嚴重(郝志新等,2018;盛廣耀等,2020)。目前,已經開展高分辨率氣候模式對雄安新區未來極端氣候事件預估和歷史災情統計特征的相關研究,研究表明,未來雄安新區最大日降水量明顯增加,暴雨和洪澇事件的頻率和強度均將增大(吳婕等,2018;石英等,2019)。郝志新等(2018)通過對歷史文獻等洪澇災害記錄的摘錄整理,分析了雄安新區過去300年洪澇災害時空分布特征,認為雄安新區洪澇災害發生頻繁且災情嚴重,平均2～3年發生1次;盛廣耀等(2020)通過整理地方歷史文獻中的洪澇災害記錄,結合1960年以來的降水觀測數據,分析了不同時期各種影響因素對于洪澇災害發生及災害等級的邊際效應,評估了未來氣候變化的極端降水增量情景下雄安新區內澇災害事件及高等級洪澇發生的風險。結果指出,雄安新區的洪災頻次低于澇災,但洪災災情普遍較重;安新縣洪澇災害發生頻次較高,容城縣洪澇災害明顯減少;未來本地極端強降水不足以導致高等級洪澇災害的發生,只有在發生洪水致災的同時當日極端降水強度增加15%(300 mm)以上時,有縣域會發生2級及以上洪澇災害。隨著雄安新區經濟社會不斷發展,未來氣候變暖背景下雄安新區將面臨怎樣的洪水災害影響與風險,是雄安新區規劃建設必須面對且應深入思考的問題。本研究以雄安新區上游中小河流域為研究區,以年最大連續3 d降水量作為洪水致災因子,采用水文模型HBV和水動力模型FloodArea相結合的方法模擬洪水的淹沒過程,通過構建直接經濟損失率脆弱性曲線,結合未來雄安新區動態人口和經濟預估情景,開展雄安新區上游中小河流洪水的經濟損失風險評估。研究結果將為雄安新區的城市規劃和防洪減災措施制定提供科學依據。

1 研究區概況

雄安新區由雄縣、容城縣、安新縣及周邊部分區域組成,其中容城、安新兩縣交界區域為新區起步區,雄縣、容城縣、安新縣城及寨里鄉、昝崗鎮為5個外圍組團區域,總面積約為1770 km2,地處海河流域大清河水系沖積扇上,屬太行山麓平原向沖積平原的過渡帶,全境西北較高、東南略低,海拔為7～19 m,自然縱坡為1‰左右,耕地為其主要土地利用類型(侯春飛等,2021)。2021年末新區常住總人口約為131萬人,人均GDP約為2.33萬元(國家統計局農村社會經濟調查司,2022)。雄安新區上游中小河流眾多,可分為南北兩支。南支河流包括萍河、瀑河、漕河、府河、唐河、孝義河、潴龍河等,其中潴龍河流域面積最大,為9430 km2,萍河流域面積最小,僅為440 km2,各河流均匯入白洋淀;北支河流有南拒馬河、北拒馬河、白溝河等,白溝河與南拒馬河在白溝鎮匯合后,始稱大清河,在此以下大部分洪水由新蓋房分洪道入東淀,少量經白溝引河入白洋淀(河北省水利廳,2009)(圖1)。新區白洋淀以上流域總面積約為21 045 km2,河流源短流急,匯流時間短、洪水陡漲陡落,一旦發生暴雨,極易造成新區洪水災害(河北省水利廳,2009)。

圖1 研究區水系和水文氣象站點分布Fig.1 The distribution of hydrometeorological stations and river system

2 數據與方法

2.1 數 據

研究所需氣象觀測數據來源于國家氣象信息中心,包括大清河流域及周邊61個氣象站點(圖1)1961—2019年的逐日降水量,逐日最高、最低和平均氣溫,數據均通過了氣候界限值、臺站極值和內部一致性檢查等質量控制方法的檢驗(任芝花等,2010)。氣候模式數據使用第六次國際耦合模式比較計劃(CMIP6)中預估情景齊全的5個全球氣候模式(CanESM5、CNRM-ESM2-1、IPSL-CM6A-LR、MIPOC6和MRI-ESM2-0)所輸出的逐日降水量,為了與觀測數據起始年份一致,所用數據時段選擇1961—2014年為歷史試驗期,2021—2050年為未來預估期。氣候預估情景是基于共享社會經濟路徑(SSP1-5)的不同社會發展生成相應的土地利用和排放路徑變化,強調未來輻射強迫情景與共享社會經濟情景的一致性(張麗霞等,2019)。考慮到SSP2-4.5情景是中等的輻射強迫情景,溫室氣體的時間變化與中國未來經濟發展趨勢較為一致,適合中國國情,符合政府對未來經濟發展、應對氣候變化的政策措施(高超等,2014),因此,氣候預估情景選擇中等輻射強迫情景SSP2-4.5。由于不同氣候模式的空間分辨率不一致,本研究采用空間解集和偏差訂正方法(Su et al,2016;Hempel et al,2013)將氣候模式數據統一降尺度到0.5°×0.5°的空間分辨率。

雄安新區上游中小河流域流量觀測數據來源于河北省水利廳,包括東茨村(白溝河)、北河店(南拒馬河)和北郭村(潴龍河)水文站1961—1966年逐日流量。其他支流(瀑河、漕河、唐河、府河、萍河和孝義河)的逐日流量,由流域觀測氣象數據驅動HBV水文模型模擬獲得。

研究區數字高程模型(DEM)數據來源于地理空間數據云(http：∥www.gscloud.cn),2015年的土地利用數據源自中國科學院資源環境科學中心,空間分辨率均為30 m;土地利用數據還包括由《河北雄安新區總體規劃——新區用地功能規劃圖》數字化得到的雄安新區2035年的矢量圖;土壤最大持水量為德國波茨坦氣候影響研究所水文組依據聯合國糧食與農業組織(FAO)土壤分類標準推算的土壤持水力值。由于不同來源的數據坐標和投影不一致,本研究統一將其投影轉換為Albers投影,坐標系轉換成2000國家大地坐標系(CGCS2000)。

為了與氣候預估情景SSP2-4.5對應,未來的社會經濟發展情景選取了共享社會經濟路徑SSP2,該路徑是中間路徑,未來世界將保持與歷史時期相似的道路繼續發展,面臨中等氣候變化減緩和適應挑戰(O’Neill et al,2017)。共享社會經濟路徑SSP2雄安新區的人口和GDP預估數據,來源于南京信息工程大學災害風險管理研究院(Jing et al,2022)。其中,人口預估采用人口-發展-環境分析(PDE)模型,GDP預估采用柯布-道格拉斯(Cobb-Douglas)經濟生產函數,以2010年為基準年本地化模型參數,預估2010—2050年的人口和GDP,并以2035年雄安新區的土地利用規劃數據,對預估結果進行格網化處理,其空間分辨率為1 km;1984—2019年河北省GDP來自河北省統計年鑒;1984—2019年河北省暴雨洪水直接經濟損失來源于國家氣候中心。

2.2 方 法

2.2.1 HBV水文模型

HBV水文模型是瑞典氣象和水文研究所(Swedish Meteorological and Hydrological Institute,SMHI)在20世紀70年代研發的概念性、半分布式水文模型(Bergstr?m et al,2002)。該模型能夠根據海拔、土地利用以及植被類型的不同,將流域劃分為多個不同的子流域,并分別模擬各子流域的產流過程,經過河道匯流形成流域出口徑流。HBV水文模型具有結構簡單、參數優選速度快、應用相對容易和模擬性能好等特點,在中國不同流域都有較好的應用效果(黃金龍等,2016;Xu et al,2017;Seibert and Vis,2012)。考慮到研究區1961—2019年降水量呈現下降趨勢,近年來降水量總體偏小,為了更好地校驗水文模型,選擇包含1963年和1964年兩次大洪水發生的年份作為水文模型的率定期和驗證期,結合數據的獲取性,最后以1961—1963年為率定期,1964—1966年為驗證期,利用東茨村、北河店和北郭村3個水文站的觀測流量資料,對HBV水文模型進行參數率定和驗證,并采用納什效率系數(Nash-Suttcliffe efficiency,NSE)(Nash and Sutcliffe,1970)和克林效率系數(Kling-Gupta efficiency,KGE)(Gupta et al, 2009)來判別模型模擬值與觀測值之間的擬合程度(圖略)。NSE和KGE值越接近于1,說明模擬精度越高;對于日尺度的模擬,當NSE≥0.6,KGE≥0.6,則認為模型在該流域表現良好。本研究3個水文控制流域的模型模擬效果見表1,各水文站的NSE和KGE基本均高于0.60,說明HBV水文模型適用于流域徑流模擬研究。研究區的唐河、清水河、漕河、瀑河、府河、萍河、孝義河等流域由于水文數據的限制,無法進行水文模型的參數校驗,因此,這些流域的徑流模擬采用就近原則,選擇距離流域出水口最近的已校驗好的流域參數。其中,漕河、瀑河、府河、萍河流域參數使用最近的北河店控制流域的參數;唐河、清水河和孝義河流域則使用北郭村控制流域的參數。

表1 HBV水文模型模擬效果Table 1 The simulation results of HBV hydrological model

2.2.2 FloodArea模型

FloodArea二維水動力模型是德國Geomer公司開發的以ArcGIS為運行平臺的洪水淹沒模擬模型。其根據研究區DEM、設定水位的河道網絡柵格、表示洪水進入圩區起始位置的潰口點及一個或多個水文曲線、表示暴雨分布的降水權重柵格、由曼寧系數獲取的糙率等數據,采用三種方式模擬洪水淹沒過程,即堤防漫頂式、潰口式和暴雨式,以柵格形式呈現和存儲洪水過程每個時相的淹沒水深與淹沒范圍,使得模擬直觀明了。本研究采用潰口式模擬雄安新區洪水淹沒過程,各河道的潰口點見圖1,潰口點流量由經過參數校驗的HBV水文模型模擬,糙率根據空間分辨率為30 m的土地利用結構并依據經驗值,將林地、居民點、水田、旱田和水域分別賦值18、25、33、40和50(孫桂華等,1992)。為了驗證FloodArea模型的適用性,選取2020年8月12日雄安新區的暴雨實況進行模擬重現。該日雄安新區容城站、安新站、雄縣站的降水量分別為58.8、90.2和154.9 mm,達到暴雨量級,局地達到大暴雨。利用FloodArea模型對此次暴雨過程進行淹沒模擬,并與實際觀測淹沒深度進行了對比,結果如表2所示。從具體的淹沒深度來看,雄縣盛唐小區東北角和住房與城鄉建設局門口的模擬值比觀測值分別偏低0.24 m和0.01 m,雄縣第三小學門口模擬值比觀測值偏高0.05 m,總體上實際淹沒深度與模擬淹沒值的相對偏差均值為 0.10 m,說明FloodArea模型的模擬精度和可靠性較好,可用于雄安新區的洪水淹沒模擬研究。

表2 實際淹沒深度與模擬淹沒深度對比(單位：m)Table 2 Comparison of observed inundation depth and simulated inundation depth (unit： m)

2.2.3 脆弱性曲線構建

脆弱性指受到不利影響的傾向或習性,包括災害損失的敏感性以及缺乏應對和適應的能力。由于雄安新區的歷史洪水災損數據較難獲取,本研究根據1984—2019年河北省暴雨洪水災害直接經濟損失和GDP,分析直接經濟損失率(直接經濟損失占GDP的比例)與致災因子之間的相關性(表3),發現暴雨洪水直接經濟損失率與年最大連續3 d降水量相關性最強,相關系數為0.58,通過0.01的顯著性水平檢驗。因此,采用年最大連續3 d降水量與暴雨洪水直接經濟損失率建立脆弱性曲線,如式(1)和式(2)所示,其中決定性系數為0.36。

表3 洪水災害直接經濟損失率與不同致災因子的相關系數Table 3 Correlation coefficients between the direct economic loss rate of flood disaster and the disaster-causing factors

Lr=(2×10-6)P2-(8×10-5)P-3×10-4

(1)

Lr=L/G

(2)

式中：Lr表示暴雨災害損失率,P表示年最大連續3 d 降水量(單位：mm),L表示暴雨洪水直接經濟損失(單位：萬元),G表示GDP(單位：萬元)。

2.2.4 風險評估模型

根據IPCC(2012)對災害風險的定義,風險是致災因子危險性、暴露度和脆弱性三者相互作用的結果。本研究的經濟損失風險表示為洪水致災事件發生的概率與事件損失的乘積,其中洪水致災事件選擇研究區年最大連續3 d降水事件,是因為河北省暴雨洪水災害直接經濟損失與年最大連續3 d降水量的相關性最高(表3),且吳紹洪等(2018)對中國暴雨洪水損失與降水量的擬合結果也認為洪水損失在3 d降水量趨于最大;事件的損失則用經濟暴露度乘以災損率表示。經濟損失風險(R,單位：萬元)的具體表達式為：

R=F×E×Lr

(3)

式中：F表示洪水致災事件發生的概率(單位：%),E表示暴露在致災事件范圍內的經濟總量(單位：萬元),Lr為損失率(單位：%)。

3 結果分析

3.1 致災因子危險性

雄安新區的洪水災害主要來自上游暴雨或持續性降水以及本地暴雨,本研究主要討論上游降水導致的洪水災害,選取年最大連續3 d降水量作為雄安新區上游中小河流洪水災害的致災因子。首先,統計研究區1961—2019年最大連續3 d降水量值,其值達335 mm,重現期為200年一遇,發生于1963年8月8—10日;其次,采用經過參數校驗的HBV水文模型,模擬雄安新區上游各支流最大連續3 d降水量產生的流量,以此流量作為各河道潰口點流量輸入FloodArea水動力模型,模擬時長為96 h的雄安新區洪水淹沒范圍和淹沒水深,評估洪水致災因子危險性。洪水演進過程見圖2。

圖2 1961—2019年雄安新區最大連續3 d降水量的洪水演進過程Fig.2 Flood evolution process for maximum consecutive 3 d precipitation in Xiong’an New Area during 1961-2019

從圖2不同歷時洪水對雄安新區的淹沒范圍和水深變化來看,隨著時間的推移,洪水由各潰口點呈扇形擴張、演進并交匯,北支白溝河與南拒馬河來水在雄安新區邊界處匯合,一部分向南推進流入白洋淀,另一部分向東南推進淹沒雄縣大部分區域,并沿大清河干流向下游流出雄安新區;南支萍河、府河、孝義河、瀑河、漕河、清水河、唐河與潴龍河來水隨著時間的推移向白洋淀演進,淹沒安新縣西南部和容城縣白洋淀以西區域。從開始受淹至淹沒48 h,洪水的演進速度很快,淹沒范圍快速達到870 km2,此時平均淹沒水深為1.10 m,淹沒水深大于0.5 m的區域占總淹沒范圍的76.52%;48 h后,洪水演進速度放緩,至96 h,淹沒范圍達1140 km2,平均淹沒水深與48 h相比幾乎無異,淹沒水深大于0.5 m的區域占比略有降低,為73.23%;淹沒水深較大的區域主要分布在安新縣白洋淀以西的地區。

3.2 社會經濟暴露度

社會經濟暴露度是動態的,隨時間和空間尺度的變化而變化,并明顯受到經濟、社會、地理、人口、文化、體制、管理和環境等因素的影響。雄安新區目前的土地利用以耕地為主,約占總用地面積的69%,其次是城鄉工礦用地和水域,分別約占總用地面積的18%和12%,林地僅占0.54%;根據《河北省雄安新區規劃綱要》,2035年雄安新區的耕地面積將大幅下降,林地和水域大幅增加,三類用地的面積占比將分別為23%、26%和24%,城鄉工礦居住用地和其他用地約占27%。根據SSP2路徑下雄安新區的人口和GDP預估結果,雄安新區總人口和GDP分別由2021年的131萬人和305億元增長至2035年的約502萬人和4160億元,人口和GDP增長迅速。為了更好地體現雄安新區社會經濟發展帶來的承災體暴露度的變化,本研究將2035年雄安新區土地利用規劃分布以及人口和經濟預估結果,與最大連續3 d降水量導致的洪水淹沒范圍和水深進行疊加分析,得到不同用地類型、人口和經濟的暴露度,分別見圖3和圖4。

圖3 2035年雄安新區(a)暴露耕地和(b)城鄉工礦居民用地的淹沒水深空間分布Fig.3 Spatial distribution of (a) exposed farmland and (b) urban-rural industrial and mining residential land of projected inundated water depth in Xiong’an New Area for 2035

圖4 2035年雄安新區(a)人口和(b)GDP的暴露度空間分布Fig.4 Spatial distribution of (a) exposed population and (b) GDP projected in Xiong’an New Area for 2035

耕地和城鄉工礦居住用地是受洪水影響較大的土地利用類型,2035年受洪水影響面積分別達237 km2和119 km2,分別占各自用地面積的58.91% 和43.44%。耕地的主要暴露區位于地勢較低的安新縣唐河入白洋淀河道周邊區域(圖3a),且85%以上的暴露耕地的淹沒水深大于0.5 m,面積約為200 km2;城鄉工礦居住用地的暴露范圍集中分布在雄安新區起步區東南部以及雄縣境內(圖3b),水深大于0.5m的面積約為70 km2,占暴露總面積的65%。

根據SSP2路徑下雄安新區的人口和GDP預估結果可知,2035年雄安新區人口和GDP均集中分布在雄安新區起步區和雄縣、容城、安新縣城及寨里、昝崗5個外圍組團區域。當發生200年一遇最大連續3 d降水事件時,雄安新區約有50%以上的人口和GDP遭受洪水影響。人口與GDP的暴露度空間分布基本一致,高暴露度區域主要集中在雄安新區起步區東南部以及雄縣境內,此區域人口密度和地均GDP較高,暴露人口達1萬人·km-2以上,暴露GDP超過5億元·km-2;安新縣雖然受洪水影響范圍較大,但人口密度和地均GDP較低,總體的人口和GDP暴露度相對較低,暴露人口低于0.5萬人·km-2,暴露GDP低于2億元·km-2(圖4)。

3.3 社會經濟脆弱性

本研究主要從災害損失的敏感性角度評估脆弱性,依據建立的河北省暴雨洪水直接經濟損失率和最大連續3 d降水量之間的脆弱性曲線,結合未來雄安新區暴露在洪水影響范圍內的GDP,則可計算洪水災害的直接經濟損失,結果見圖5。2035年雄安新區受洪水影響造成的GDP總損失約為364億元,占GDP總量的8%;損失較大的區域主要分布在雄安新區起步區東南部、雄縣和昝崗的城鄉居住區,此區域的GDP損失超過1億元·km-2,甚至有的區域高達3.6億元·km-2。安新縣雖然受瀑河、漕河、清水河、唐河與潴龍河等多條河流來水影響,受洪水影響面積較大,但由于具有土地利用以耕地多、城鄉工礦和居住用地少為的主要特點,地均GDP較低,GDP損失多數低于0.5億元·km-2,是直接經濟損失的低值區。

圖5 2035年雄安新區直接經濟損失的空間分布Fig.5 Spatial distribution of direct economic loss projected in Xiong’an New Area for 2035

3.4 經濟損失風險

經濟損失風險表示為一定概率下洪水災害事件造成的破壞或損失。本研究中選取年最大連續3 d降水量為洪水致災事件,1961—2019年最大連續3 d降水量為335 mm,達到200年一遇。基于5個全球氣候模式SSP2-4.5情景下年最大連續3 d降水量的中位數,采用廣義極值分布(generalized extreme value,GEV)函數,統計得到2021—2050年發生歷史年最大連續3 d降水量的概率為0.67%,重現期約為150年一遇。結合前述未來洪水災害經濟暴露度和脆弱性結果,運用經濟損失風險評估模型,計算雄安新區洪水災害的經濟損失風險,并采用自然斷點法將經濟損失風險分為高中低三級,結果如圖6所示,其中風險指數為0的區域為無風險地區。由圖可見,容城縣大部分地區地勢較高,不會受到洪水淹沒,屬于經濟損失無風險地區;安新縣東部大部分區域未受洪水淹沒,無經濟損失風險,安新縣西部大部分地區則屬于經濟損失低風險區域,主要在于該區域以耕地和水域為主,地均GDP和人口密度較低,因此經濟損失低;洪水災害經濟損失風險較高的區域主要集中在雄縣境內和雄安新區起步區的東南部,這是因為該區域地勢較低,同時受白溝河和南拒馬河來水影響,且區域內居住區分布較為集中,人口和GDP暴露度高,所以經濟損失較大。因此,未來雄安新區應多關注大清河北支來水的影響,警惕其可能造成的洪澇風險;同時南支導致雄安新區內大面積耕地被淹的情況也需予以重視。

圖6 2035年雄安新區洪水災害的直接經濟損失風險Fig.6 Direct economic loss risk of flood disaster projected in Xiong’an New Area for 2035

4 結論與討論

選取雄安新區上游中小河流域年最大連續3 d降水量為洪水致災因子,采用HBV水文模型和FloodArea水動力模型相結合的方法,模擬雄安新區洪水淹沒面積和水深變化;疊加2035年雄安新區的土地利用規劃信息、人口和經濟預估數據,評估洪水災害的社會經濟暴露度;通過構建直接經濟損失率脆弱性曲線,結合2021—2050年SSP2-4.5情景下發生致災事件的概率,評估洪水災害的經濟損失風險。主要研究結論如下：

(1)未來雄安新區將有60%以上范圍遭受洪水淹沒影響,淹沒范圍達1140 km2,平均淹沒水深達1.1 m,大部分受淹區域水深高于0.5 m,水深較大區域主要分布在安新縣白洋淀以西地區,雄縣大部分區域受淹,但淹沒水深較淺,容城縣因地勢較高,僅有白洋淀以西區域和起步區東南部地區受洪水淹沒。

(2)2035年雄安新區內58.91%的耕地面積將受洪水影響,暴露區主要位于地勢較低的安新縣唐河入白洋淀河道周邊區域;受洪水影響的城鄉工礦居民用地面積達119 km2,占該用地類型總面積的43.44%,集中分布在雄安新區起步區東南部以及雄縣、昝崗境內,該區域人口密集、地均GDP較高,也是人口和GDP暴露的高值區,二者暴露度分別達到1萬人·km-2和5億元·km-2以上,全區約超一半以上的人口和GDP暴露在洪水影響下。

(3)2035年雄安新區的洪水災害經濟損失預計達364億元,占GDP總量的8%左右;但全區85%以上區域屬于經濟損失低風險區,尤其是容城縣和安新縣大部分地區;經濟損失高風險區主要分布在人口密集、地均GDP高的雄安新區起步區東南部、雄縣和昝崗的城鄉居住區,經濟損失超過1億元·km-2。

本研究從經濟損失的角度,納入動態的社會經濟暴露度和脆弱性,評估了雄安新區上游中小河流洪水災害的風險。研究表明,安新縣是洪水淹沒范圍和淹沒水深較大區域,是最容易受洪水影響的區域,這與盛廣耀等(2020)以日最大降水量為風險指標評估的結果較為一致。然而,由于安新縣受影響區域的主要用地類型為耕地,人口密度和GDP產值較低,洪水災害的經濟損失風險也較低;雄安新區起步區東南部、雄縣和昝崗的城鄉居住區因較高的人口密度和地均GDP,成為洪水災害的經濟損失高風險區域。因此,在災害風險評估中,需充分考慮承災體的暴露度和脆弱性,尤其是暴露度和脆弱性的動態特征;同時,隨著經濟社會的發展、防洪減災投入的增大,對災害的適應能力將進一步提升,未來在災害脆弱性評估中應該考慮適應能力提升的影響,以使災害風險評估結果更為科學。

此外,雄安新區不僅受上游中小河流洪水影響,同時也受本地暴雨內澇影響。未來雄安新區的降水強度和大雨日數均表現為增加趨勢(吳婕等,2018;石英等,2019),城市內澇也將成為未來雄安新區防洪的重點(盛廣耀等,2020),雄安新區可能遭遇上游中小河流洪水和本地暴雨內澇的同時影響,該洪水風險如何評估將是進一步深入研究的問題。