基于GIS和組合賦權的城市洪澇災害風險評估

熊凡 李沛鴻 袁逸敏 吳峰

摘要：

為進行科學有效的洪澇災害風險分析研究，減少洪災損失，以江西省贛州市為例，基于災害風險理論，從危險性、敏感性和易損性3個方向選取了多源環境洪水調節因子和社會經濟參數構建洪澇災害風險評估體系，借助GIS的地理處理和空間分析功能，結合信息熵和AHP法組合賦權，繪制出贛州市洪澇災害風險等級分布圖，并對洪災風險進行評估。結果表明：贛州市洪澇災害風險呈片狀分布，高風險區與次高風險區分別占總面積的9.7%和21.8%，其中高風險區主要分布在贛州市東北部的寧都、石城和瑞金，中部的章貢區以及南部的全南、龍南和尋烏等地，評估結果與歷史災情數據基本一致。研究成果可為城市防洪治理與風險管理提供理論支撐。

關 鍵 詞：洪澇災害；風險評估；GIS；信息熵；AHP；組合權重； 贛州市

中圖法分類號： TV122；P208

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.009

0 引 言

近年來，隨著全球變暖加劇及城市化進程加快，洪澇災害在城市的發生頻率越來越高，影響范圍越來越廣［1］。由于特殊氣候、人為活動等因素影響，中國洪澇災害頻發、易發，嚴重危害城市經濟發展與人民的生命財產安全［2］。據水利部統計［3-4］，在中國的500多個城市中，遭遇過極端洪水事件的城市占62%，僅2020年，洪澇災害相關受災人數達7 861.5萬，直接經濟損失2 669.8億元。因此，亟需開展針對城市洪澇災害風險分析及管理的研究。

國內外學者對洪澇災害風險評估展開了大量研究。其中，Wu等［5］耦合本體與貝葉斯網絡模型，利用觀測數據，量化了不同因素間影響洪澇災害的潛在關系，為地區洪災風險評估提供了新的見解和可能性；Chinh等［6］基于歷史災害數據庫，將多線性回歸分析與TOPSIS相結合，繪制了越南國家級洪水風險圖；劉合香等［7］基于多算法集成的投影尋蹤法建立了區域洪澇災害模糊綜合評價體系；羅日洪等［8］基于AHP和GIS構建了山區小流域洪災風險模型，為開展山洪災害預報和風險管理提供了理論支撐；Cai等［9］基于水動力模型和GIS技術建立了一種新型多指標MFCE洪災風險評估模型，并對江西省宜豐市區進行了洪災風險評估和風險制圖；黃國如等［10］采用GIS的情景模擬法構建了廣州東濠涌流域的城市防洪仿真模型，為城市防洪排澇和區域洪災治理提供了科學依據；蔣雯京等［11］基于GIS/AHP集成技術對浙江省洪澇災害進行風險評估和制圖，彌補了傳統評估方法在空間化顯示上的不足。

上述方法中，不論是貝葉斯網絡模型還是基于歷史災害數據庫的洪災風險評估，都受限于統計資料的精度和質量，評估結果不夠準確。相比之下，AHP方法

不需要歷史數據的支撐，通過分析影響因子之間的相關性來確定它們的權重，可以達到定量與定性相結合的效果，但潛在的關系是由經驗定義的，具有一定的主觀性，而熵權法則可以較好地彌補人為因素對權重的干擾。此外，耦合流體動力學和GIS的情景模擬法在小尺度或小流域的風險評估中優勢明顯，但其對模型內各類數據要求較為精細，難以滿足大尺度、空間差異較大的災情評估。

本研究采用指標體系法，利用GIS的空間分析能力，對洪災致災因子、孕災環境和承災體三個方向的評價指標進行綜合處理，再采用熵權法和AHP法對指標進行組合賦權，最后根據災害系統論模型進行疊加分析，得到贛州市洪澇災害風險等級空間分布結果，并與歷史災情數據對比驗證。研究成果可為贛州市及同類型城市洪澇災害風險管理與防洪減災工作提供理論依據和參考案例。

1 研究區概況

贛州市地處江西省最南部，是江西省轄面積最大、人口最多的地級市，受亞熱帶季風氣候影響，全年濕潤，春夏降雨集中，冬季干旱，降雨時空分布不均，每年的5～8月為強降雨季，占全年雨量的60%～80%，且多大到暴雨。贛州市地勢復雜，周高中低，南高北低，斷陷盆地橫貫，地形以山地、丘陵、盆地為主，易積澇，水系發達，河網密布，各區縣千余條支流交匯，極易發生洪澇災害。據贛州市水文統計［12］，1950～2020年，共發生特大洪澇災害近80次，其中2015年“5·19”梅江中下游發生特大暴雨洪災，造成巨大人員傷亡，直接經濟損失20.12億元。

2 數據來源

本研究使用的數據包括：1994～2020年中國逐月降水量數據，來源于國家科學數據共享工程——地球系統科學數據共享平臺，日度降雨數據來源于國家氣象科學數據中心；贛州市30 m分辨率DEM數據與2020年Landsat 8衛星數據，來源于地理空間數據云；土壤類型數據、2020年土地利用數據、2015年人口密度數據與2015年GDP數據分辨率均為1 km，來源于資源環境科學與數據中心。

由于數據來源與格式不統一，為提高實驗精度與保證數據的一致性，使用前需用GIS軟件對降雨量數據進行空間插值處理。借鑒已有研究［13］，城市范圍內，市級區域屬于大尺度，評價單元在1～500 m以內均合理，因此對其他柵格數據進行投影變換和地理裁剪后，統一重采樣為30 m×30 m分辨率的格網。

3 研究方法

3.1 評估模型

本文采用指標體系法對贛州市洪澇災害進行風險評估，具體步驟如下：①? 構建包含致災因子、孕災環境、承災體的風險評價指標體系；②? 對熵權法與AHP法進行組合優化，確定各指標因子的權重；③? 運用GIS軟件對各指標因子進行空間化，按照研究區現狀對各評價指標進行分級處理；④? 對各評價指標進行加權疊加，得到研究區內洪澇災害危險性、易損性、敏感性的空間分布，并將贛州市洪澇災害風險指數可視化。

洪澇災害風險是由致災因子危險性、孕災環境敏感性、承災體易損性共同作用的結果［14］，而各方向隸屬的指標因子對災害形成的方式也不盡相同，因此構建洪澇災害風險評估模型如下：

3.2 指標因子選取與權重確定

3.2.1 指標因子選取

洪澇災害指標的選取不僅要遵循科學性與代表性，還要依據研究區內的實際情況與數據資料收集的難易程度進行合理修正。致災因子一般選用極端氣象事件或長時序降雨量等反映危險性的指標［15］，如多年降雨均值、雨季降雨量和年均暴雨天數等；孕災環境一般選用水文環境、綜合地形因子和草木植被等反映敏感性的指標，如水系密度、高程、高程標準差、坡度、植被覆蓋度、土壤類型等；承災體一般選用城市社會經濟、人口分布和土地利用情況等反映易損性的指標，如人口密度、GDP、土地利用率等。

（1） 致災因子（危險性）。贛州市洪災主要由長時序降雨和高強度暴雨引起。本研究選取年平均降雨量（H1）、雨季降雨量（H2）和年均暴雨天數（H3）3個因子作為危險性評價指標。研究區內洪災主要發生在春夏兩季，因此雨季降雨量選擇每年5～8月的降雨量總和。根據國家氣象規定，將連續24 h降雨量超過50 mm的極端降雨事件稱為暴雨事件，本研究中將暴雨天數定義為1 a內發生暴雨事件的次數之和。

（2） 孕災環境（敏感性）。洪澇災害的孕育條件包括研究區內的地形地貌、草木土壤和水系環境等。本研究選取高程（S1）、坡度（S2）、河網密度（S3）、植被覆蓋度（S4）、土壤類型（S5）5個因子作為敏感性評價指標。地形因素對洪災的形成影響巨大，海拔越高、地形起伏越大、地勢越陡峭的地區越不容易發生洪災，反之海拔低、地勢低洼的地區發生洪災的風險較大。草木植被情況和土壤類型對洪水的發生也有一定的影響，植被具有一定的水土保持能力，且不同的土壤類型對水蝕的抵抗能力也不盡相同，植被覆蓋率越高、土壤抗水蝕能力越強的地區發生洪災的概率越小。河網密度往往反映一個地區洪水來臨時受江河湖泊的影響程度，水系越發達、河流交匯越復雜的地區發生洪災的可能性越大。

（3） 承災體（易損性）。城市洪澇災害的主要承受對象是社會經濟和人口。近年來，贛州市經濟發展迅速，人口快速增長，礦山及果業開發力度大，洪災對礦業開采和農業果園種植影響頗大。本文選取人口密度（V1）、地均GDP（V2）、土地利用（V3）3個因子作為易損性風險指標。

3.2.2 指標因子權重確定

3.2.2.1 層次分析法

層次分析法［11］最早由T.L.Saaty提出，用于解決多因素互相關聯、互相制約卻又往往缺少定量數據的問題。本文運用層次分析法對危險性、敏感性和易損性指標賦予主觀權重，具體步驟如下：

（1） 根據決策問題與相關因子建立遞階層次模型，模型如圖（1）所示。

4 結果與分析

4.1 危險性評價與分析

洪澇災害危險性主要由降雨量決定，本研究將全國多年降雨月度數據進行研究區裁剪和地理配準之后求和，得到年平均降雨量（H1）和雨季降雨量（H2）；將贛州市17個氣象站多年降雨日度數據篩選后進行反距離插值，得到年均暴雨天數（H3），然后根據自然斷點分級法，將上述3個指標按危險性等級劃分為低、次低、中、次高、高危險5個等級，并賦值為1，2，3，4，5，最后運用ArcGIS柵格計算功能，將危險性指標進行加權疊加，危險性H=0.324H1+0.293H2+0.383H3，得到洪澇災害危險性空間分布結果如圖2所示。

從圖2中可以看出：贛州市降雨主要集中在東北部的寧都縣、石城縣和西南部的龍南市、全南縣，年平均降雨量超過2 000 mm；雨季降雨也以南部居多，其中寧都縣、尋烏縣、龍南市、章貢區暴雨天數最多，因此贛州市高危險區主要分布在東北部和南部等降雨充沛地區。

4.2 敏感性評價與分析

本研究選取高程（S1）和坡度（S2）作為反映研究區地形的兩個指標。高程為基礎地理因子，由DEM柵格裁剪直接得到，坡度則表示地形變化程度，利用GIS軟件對高程柵格進行坡度提取得到；選取河網密度（S3）作為反映水系河流的指標，河網密度指單位面積水系的長度，首先利用基礎DEM數據進行填挖與流量計算，然后以河水匯流面積5 000 m2為閾值進行水文分析，提取出柵格河網并將其矢量化，最后以半徑2 km的圓形鄰域為搜索范圍計算出河網密度；選取植被覆蓋度（S4）和土壤類型（S5）作為草木土壤指標。

本文利用改進的像元二分模型計算植被覆蓋度［17］，土壤類型指標則按照抗水蝕能力和抗崩解能力從大到小排序［18］：黃壤、黃棕壤＞水稻土＞紅壤＞紫色土、石灰巖土、火山灰土、粗骨土＞其他，依次對應等級5～1。上述5個指標均按照自然斷點分級法重分類并賦值，其中高程（S1）、坡度（S2）和植被覆蓋度（S4）為負向指標，賦值時應取反，最后按公式進行加權疊加，敏感性S=0.314S1+0.259S2+0.161S3+0.152S4+0.114S5，得到洪水敏感性空間分布結果如圖3所示。

從圖3（f）中可以看出，研究區內洪澇災害敏感性程度由河道向周圍發散，水系越發達、離江河越近的地區越容易發生洪災，且由于人為擾動，河網密度大的地區往往地勢低洼，坡度平緩，植被覆蓋度低，易于洪水匯集。而贛州市作為著名的紅壤丘陵區，土壤類型地域性強，紅壤含量占整個研究區的80%，因此土壤類型指標對研究區內洪澇災害敏感性影響不大。贛州市高敏感區主要位于各江河流域的輻輳地帶，此類地區高程均小于300 m，坡度小于8°，植被覆蓋度低于40%，低敏感區主要位于各山脈逶迤伸展區，海拔高，坡度大，例如崇義、上猶縣與齊云山脈的交界處等。

4.3 易損性評價與分析

本研究選取人口密度（V1）作為反映人口現狀的指標，利用GIS軟件對2015年全國人口密度數據進行裁剪和重采樣，然后根據自然斷點分級法進行重分類并賦值（同4.1節的危險性指標）；選取地均GDP（V2）和土地利用（V3）作為反映經濟情況的指標，GDP指標處理方式和人口密度指標一致，土地利用指標則基于2020年中國土地利用現狀數據，對其進行裁剪和重采樣之后，按不同類型對易損性影響進行重分類并賦值，其中耕地最易受損，賦值為5，城鄉居民用地次之，賦值為4，草地和未利用賦值為3，林地為2，水域為1。將上述指標按公式進行加權疊加，易損性V=0.386V1+0.381V2+0.233V3，得到洪水易損性空間分布結果，見圖4。

由圖4可知，洪水災害高易損區主要分布在章貢區內，次高易損區主要分布在南康區、瑞金市、信豐縣、大余縣的中心，少部分位于于都縣和龍南市。上述區域人口密度大、經濟水平較高，且耕地和城鄉居民用地占比大，洪水來臨時極易受損。低易損和次低易損區主要分布在尋烏縣、安遠縣和崇義縣，人口密度小，經濟水平一般，且林地、草地覆蓋率高，易損性相對較小。

4.4 風險性評價與分析

將危險性、敏感性和易損性的空間分布結果與權重帶入到公式（4）中，風險度R=0.355H+0.448S+0.197V，得到洪災綜合風險指數分布結果，并對其進行重分類，分別以2.17，2.53，2.85，3.25為界限劃分低、次低、中、次高、高風險區，最后得到洪水災害風險等級，如圖5所示。

研究區內高風險地區占總面積的9.7%，主要分布在寧都縣、石城縣、章貢區、龍南市、尋烏縣、瑞金市中部和全南縣西部；次高風險區占總面積的21.8%，主要分布在南康區中部、大余縣東部、信豐縣中部、定南縣、于都縣；中風險區占總面積的26.3%，主要分布在會昌縣中部、安遠縣、興國縣、贛縣區和上猶縣東部；低風險區和次低風險區分別占總面積的16.2%和25.8%，主要分布在崇義縣、上猶縣、贛縣區和于都縣南部。贛州市各級風險區呈片狀分布，且各區域風險主導因素不同，其中龍南縣、全南縣、寧都縣、石城縣、尋烏縣受極端氣象因素影響嚴重，降雨充沛，所以高危險性占主導地位；章貢區和南康區作為主城區，也是贛州市的經濟行政中心，人口密度和GDP比重高，地勢平坦、江河交錯，所以高危險性和高敏感性占主導地位；崇義縣和上猶縣海拔高，地勢陡峭，人口密度小且經濟水平不高，所以低敏感性和低易損性占主導地位；而信豐縣、大余縣、安遠縣、會昌縣地形、植被、土地利用等指標集成影響均衡，所以中風險區和次高風險區占比大。

4.5 結果驗證

本研究共統計贛州市4次歷史洪澇災害資料中的極端災害點，分別為“2008·7”［19］尋烏流域暴雨事件中受災嚴重的尋烏縣，“2009·7”［20］章江流域暴雨洪災事件中的崇義縣聶都、鉛廠一代、大余縣城及南康市區等地，“2015·5”［21］梅江流域暴雨災情中的寧都、石城、瑞金、于都以及“2019·6”［22］暴雨事件中的龍南、大余、寧都、會昌、全南等地，將極端災害點與災害風險等級圖進行疊加，計算落入各風險區中災害點的數量與百分比（見表2），量化評估結果的精度。

由表2可知，80.56％的極端災害點在次高危險及以上風險區內，說明本文得出的贛州市洪澇災害風險等級圖精度較高，與歷史洪災情況基本一致。

5 結 論

本文基于自然災害風險理論，利用指標體系法，從致災因子危險性、孕災環境敏感性和承災體易損性3個方面共選取11個評價指標，構建了贛州市洪澇災害風險評估模型。運用信息熵改進AHP方法對各指標進行組合賦權，并利用GIS技術對各因子圖層進行疊加分析，得到贛州市洪澇災害危險性、敏感性、易損性評價圖和贛州市洪澇災害風險分布圖，并對洪澇災害風險進行評估，得出以下結論。

（1） 基于主客觀結合的思想，采用熵權法和AHP法對評價指標進行組合賦權，規避了傳統評估方法中人為因素的干擾和采用單方面權重對風險評估體系構建的局限性，同時GIS技術彌補了傳統風險評估中空間化顯示的不足。經結果驗證：80％以上的歷史災害點落在本次洪澇災害風險等級圖的次高風險區和高風險區內，評估結果與歷史災情數據及前人研究結果基本吻合。因此，本研究可為贛州市防洪減災工作和城市風險管理提供理論依據，并對城市洪澇災害及其他災害的風險評價有較高的科學性與實用性參考。

（2） 根據洪澇災害風險等級分布結果顯示，高風險區和次高風險區分別占研究區總面積的9.7%和21.8%，且主要集中在極端氣象事件高發區，所以降雨因素是城市洪澇災害發生的源頭；低風險區和次低風險區分別占研究區總面積的16.2%和25.8%，且大多處在地勢高、坡度大、人口稀疏、植被覆蓋度高的地區，因此其低敏感性與低易損性占主導地位。

參考文獻：

［1］ 符洪恩，高藝桔，馮瑩瑩，等.基于GA-SVR-C的城市暴雨洪澇災害危險性預測：以深圳市為例［J］.人民長江，2021，52（8）：16-21.

［2］ 夏軍.中國暴雨洪澇預報方法的研究進展［J］.暴雨災害，2019，38（5）：416-421.

［3］ 劉雄.大數據技術在城市洪澇災害分析預警中的應用研究［D］.武漢：華中科技大學，2015.

［4］ 《中國水旱災害公報2020》發布公告［J］.中國防汛抗旱，2021，21（4）：3.

［5］ WU Z N，SHEN Y X，WANG，M H L，et al.Urban flood disaster risk evaluation based on ontology and Bayesian Network［J］.Journal of Hydrology，2020，583：124596.

［6］ CHINH L，JASON V M，MOHAMMAD M.Analyzing Vietnam′s national disaster loss database for flood risk assessment using multiple linear regression-TOPSIS［J］.International Journal of Disaster Risk Reduction，2019，40：101153.

［7］ 劉合香，徐慶娟.區域洪澇災害風險的模糊綜合評價與預測［J］.災害學，2007，22（4）：38-42.

［8］ 羅日洪，黃錦林，唐造造.基于AHP和GIS的山區小流域山洪災害風險區劃研究［J］.災害學，2018，33（2）：64-69.

［9］ CAI T，LI X Y，DING X，et al.Flood risk assessment based on hydrodynamic model and fuzzy comprehensive evaluation with GIS technique［J］.International Journal of Disaster Risk Reduction，2019，35：101077.

［10］ 黃國如，羅海婉，陳文杰，等.廣州東濠涌流域城市洪澇災害情景模擬與風險評估［J］.水科學進展，2019，30（5）：643-652.

［11］ 蔣雯京，程春梅，張艷蓓，等.基于GIS/AHP集成的浙江省洪澇災害風險評估［J］.測繪通報，2019（2）：125-130.

［12］ 胡文生，伍人高，張修飛.贛南洪澇災害之淺析與對策之初探［C］∥中國水利學會.中國水利學會2016學術年會論文集，南京：河海大學出版社，2016：1311-1315.

［13］ 羅海婉，黃國如.洪澇災害風險評估單元選取方法研究［J］.水電能源科學，2021，39（3）：24-27.

［14］ 劉媛媛，王紹強，王小博，等.基于AHP_熵權法的孟印緬地區洪水災害風險評估［J］.地理研究，2020，39（8）：15.

［15］ 陳鵬，朱娛瑩.基于日降雨量的城市內澇災害風險評價：以長春市南關區為例［J］.人民長江，2022，53（4）：26-30.

［16］ 程朋根，黃毅.基于AHP-熵權法的南昌市洪澇風險評估［J］.人民長江，2021，52（10）：18-25.

［17］ 李苗苗，吳炳方，顏長珍，等.密云水庫上游植被覆蓋度的遙感估算［J］.資源科學，2004（4）：153-159.

［18］ 梁音，史學正.長江以南東部丘陵山區土壤可蝕性K值研究［J］.水土保持研究，1999（2）：48-53.

［19］ 徐珊珊，徐偉成.尋烏水流域“2008·7”暴雨洪水調查分析［J］.人民珠江，2009，30（4）：6-7，14.

［20］ 徐珊珊，徐偉成.章江流域“2009.7”山溪暴雨洪水特性分析［J］.江西水利科技，2014，40（2）：89-91.

［21］ 謝水石，徐偉成.梅江流域“2015·5”暴雨洪水調查分析［J］.江西水利科技，2016，42（6）：449-453.

［22］ 江西省減災委員會.江西省2019年自然災害公報［R］.南昌：江西省減災委員會，2020.

（編輯：高小雲）

Abstract：

To conduct scientific and effective risk analysis on flood disasters and to reduce flood losses，taking Ganzhou City in Jiangxi Province as an example，based on disaster risk theory，we built a flood risk assessment system by selecting multi-source environmental flood regulation factors and socio-economic parameters in terms of risk，sensitivity and vulnerability.With the help of geographical processing and spatial analysis functions of GIS，a weight distribution map was drawn by combining information entropy and AHP method.A distribution map of flood disaster risk grade in Ganzhou City was given，and the flood disaster risk was assessed.The results show that the flood risk in Ganzhou City is distributed in a stretch shape，and the high risk area and the second high risk area account for 97% and 218% of the total area respectively，of which the high risk area is mainly distributed in Ningdu，Shicheng and Ruijin in the northeast of Ganzhou City，Zhanggong District in the center of Ganzhou City and Quannan，Longnan and Xunwu in the southern Ganzhou City.The evaluation results are basically consistent with historical disaster data.This study can provide theoretical support for urban flood control governance and risk management.

Key words：

flood disaster；risk assessment；GIS；information entropy；AHP；combined weights