深圳市暴雨災(zāi)害機動車損失時空格局與脆弱性研究

潘亞峰 徐偉

引言

21世紀(jì)以來，全球極端天氣事件頻發(fā)。作為一種極端天氣事件，暴雨會引發(fā)洪澇等災(zāi)害事件，造成人員傷亡和財產(chǎn)損失。近年來，國內(nèi)外學(xué)者對暴雨及其導(dǎo)致的洪澇災(zāi)害時空格局特征和風(fēng)險評估開展了許多研究。目前大多暴雨洪澇災(zāi)害的研究主要集中在人員傷亡和經(jīng)濟損失方面，而針對城市機動車損失方面的研究還很缺乏。隨著社會經(jīng)濟的發(fā)展，機動車已逐漸成為重要的出行工具，暴雨不僅直接影響居民的出行，導(dǎo)致的洪澇也會直接造成機動車的損失。開展暴雨對機動車損失的研究，對于減輕機動車災(zāi)害損失政策的制定具有重要的意義。為此，本文結(jié)合深圳地區(qū)2008—2016年暴雨數(shù)據(jù)和洪澇災(zāi)害造成的機動車損失數(shù)據(jù)，運用Pearson相關(guān)、空間疊置等方法，分析了深圳市暴雨及機動車損失的時空格局特征。

研究區(qū)、研究數(shù)據(jù)和研究方法

(一) 研究區(qū)概況

深圳市地處廣東省南部，管轄9個區(qū)和1個新區(qū)，總面積1997.47km2。2018年，深圳市常住人口1252.83萬，機動車保有量355萬輛。深圳市年降雨量約2000mm，每年4～9月為雨季，有記錄以來的最高年降雨量為2662mm（1957年），最低年降雨量為913mm（1963年）。由臺風(fēng)和強降雨導(dǎo)致的暴雨災(zāi)害是深圳最為常見的氣象災(zāi)害之一。2008年的“6·13”特大暴雨是深圳近20年來發(fā)生的最嚴(yán)重暴雨災(zāi)害，全市平均24小時降雨量達300mm以上，其中寶安區(qū)高達640mm，造成5人死亡，3人失蹤，直接經(jīng)濟損失約5億元。2014年的“5·17” 特大暴雨，多個地區(qū)出現(xiàn)3小時降雨量超250mm。平均每年有三次臺風(fēng)影響深圳，帶來強降水，其中2016年的超強臺風(fēng)“海馬”和2017年的強臺風(fēng)“天鴿” 造成的損失最為嚴(yán)重。臺風(fēng)“天鴿”過境時，深圳沿岸地區(qū)出現(xiàn)了高達15級的臺風(fēng)，局部地區(qū)小時降雨量超過60mm，直接經(jīng)濟損失達數(shù)十億元。機動車暴露在城市普通道路和相對平整區(qū)域，遭遇嚴(yán)重的水浸損失，據(jù)深圳保監(jiān)局數(shù)據(jù)，“天鴿”臺風(fēng)期間發(fā)生653起涉及保險賠償?shù)能囕v水淹事故，經(jīng)濟損失達到873.2萬元。

（二） 研究數(shù)據(jù)

本文主要涉及的數(shù)據(jù)包括歷史降雨量數(shù)據(jù)和機動車損失數(shù)據(jù)，數(shù)據(jù)時段為2008—2016年。其中降雨量數(shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），為深圳市96個氣象站點的日降水量數(shù)據(jù)。對于降雨強度，根據(jù)國家氣象局分類（如表1所示），分為：小雨、中雨、大雨、暴雨、大暴雨和特大暴雨等。

表1 降水等級及其標(biāo)準(zhǔn)

機動車損失數(shù)據(jù)來源于中國人民財產(chǎn)保險股份有限公司深圳市分公司理賠系統(tǒng)數(shù)據(jù)，包括車輛理賠系統(tǒng)中出險原因為“暴雨”的機動車修復(fù)和全損估價數(shù)據(jù)，2008—2016年共13947條出險數(shù)據(jù)。

由于龍華、光明、坪山和大鵬區(qū)為2009—2017年間先后成立的新區(qū)，在機動車損失數(shù)據(jù)上有記錄差異，為便于研究，本文將龍華區(qū)、光明區(qū)的相關(guān)氣象數(shù)據(jù)和機動車損失數(shù)據(jù)歸于寶安區(qū)統(tǒng)計，坪山區(qū)、大鵬新區(qū)的數(shù)據(jù)歸于龍崗區(qū)進行統(tǒng)計。

（三）研究方法

對上述數(shù)據(jù)，采用Excel統(tǒng)計功能對深圳降雨及機動車損失的時間分布特征進行歸納分析，運用ArcGIS軟件，制作深圳各區(qū)暴雨頻次及機動車損失空間分布圖，以此對深圳地區(qū)暴雨災(zāi)害和機動車損失的時空格局進行總體描述。而后，通過運用SPSS工具對暴雨和機動車損失的數(shù)據(jù)相關(guān)性進行分析，并通過構(gòu)建脆弱性指標(biāo)反映各區(qū)暴雨導(dǎo)致的機動車損失特征。

深圳市暴雨災(zāi)害機動車損失時空格局

（一） 致災(zāi)因子和承災(zāi)體時空分布

1.深圳降雨量特征

2008—2016年深圳市的降雨量存在較大波動性，最高可達2710mm（2008年），最低僅有1269.7mm（2011年），兩者相差1440.3mm。年均降雨量為1933.3mm。月均降雨量數(shù)據(jù)顯示深圳降雨存在明顯的季節(jié)性變化，降雨多集中在雨季（4—9月份）。雨季降雨量占比超過85%，最大月份降雨量（6月，380.85mm）是最小月份（2月，29.69mm）的12.82倍（圖1、圖2）。

圖1 深圳站2008—2016年年降雨量

圖2 深圳站2008—2016年月均降雨量

2.深圳各類暴雨時空分布特征

（1）時間特征

2008—2016年暴雨總次數(shù)為13861次，平均每個站點為16.04次/年。其中，單個站點暴雨最大次數(shù)為39次，發(fā)生在2014年，該年的暴雨總次數(shù)也為最大（2417次）。2008—2016年暴雨總次數(shù)和單個站點最大次數(shù)均呈上升趨勢，且趨勢基本一致，表明深圳區(qū)域內(nèi)各個站點暴雨整體較均勻。

圖3 深圳96個站點2008—2016年各級暴雨總次數(shù)和單個站點最大次數(shù)

圖4 深圳96個站點2008—2016年各級暴雨次數(shù)和空間分布圖

大暴雨總數(shù)和單個站點最大次數(shù)趨勢基本一致，表明深圳區(qū)域內(nèi)各個站點大暴雨整體較均勻。2008—2016年大暴雨總次數(shù)為3380次，平均每個站點為3.91次/年。其中，2008年和2014—2016年為大暴雨多發(fā)年，2009—2013年為大暴雨發(fā)生較少年份，大暴雨總次數(shù)2014年為最大（780次）。

特大暴雨總數(shù)和單個站點最大次數(shù)趨勢基本一致，但趨勢差異相比暴雨和大暴雨明顯較大。2008—2016年特大暴雨總次數(shù)為167次，平均每個站點為0.19次/年。其中，2008年和2014年為特大暴雨多發(fā)年，單個站點最大次數(shù)為3次，發(fā)生在2008年和2014年，但總次數(shù)2014年為最大（74次）， 可見相對來說，2014年為特大暴雨最嚴(yán)重的一年，其次為2008年，其他年份特大暴雨發(fā)生較少（圖3）。

綜上，2008—2016年期間， 2014年各類暴雨發(fā)生相比其他年份明顯偏多，2008年暴雨發(fā)生頻次較少，但大暴雨和特大暴雨顯著。2015和2016年暴雨和大暴雨較多，但是特大暴雨次數(shù)較少。

（2）空間特征

使用ArcGIS軟件，使用反距離加權(quán)方法（距離倒數(shù)乘方格網(wǎng)化），對96個雨量站的暴雨頻次數(shù)據(jù)進行插值，得到深圳區(qū)域年暴雨頻次的空間分布圖（圖4）。對所有站點的各級暴雨次數(shù)進行統(tǒng)計并分級。結(jié)果顯示：（a）暴雨分布較均勻，羅湖區(qū)、鹽田區(qū)和龍崗區(qū)相對較集中，寶安區(qū)、南山區(qū)和福田區(qū)較少；（b）大暴雨分布較均勻，羅湖區(qū)、鹽田區(qū)、福田區(qū)和龍崗區(qū)相對較集中，寶安區(qū)和南山區(qū)較少；（c）特大暴雨主要分布于寶安區(qū)南部和龍崗區(qū)東南，這些地區(qū)也是受臺風(fēng)影響較大區(qū)域。

可見不同級別的暴雨在深圳不同區(qū)域差異較大。其中暴雨多分布在深圳東部地區(qū)，大暴雨各個區(qū)均有分布，而特大暴雨則主要分布深圳東南和西南兩地。深圳暴雨的差異性，一方面是由于降雨本身情況所導(dǎo)致；另一方面，雨量站點位置不同，受下墊面的影響，不同級別的暴雨也呈現(xiàn)較大的空間差異。

3. 深圳機動車損失時空分布特征

（1）機動車損失時間特征

圖5為2008—2016年因暴雨水浸機動車總賠償金額、單車平均賠償金額和受損車輛總數(shù)情況。其中平均每年受損1394.6輛，2008年最多，為5544輛，2014年其次。賠償總金額年均12101.43萬元，其中2014年最高，為4842.70萬元，2008年次之，為2698.60萬元。單車平均賠償金額2014年最高，達1.42萬元/輛，2013年次之，為1.40萬元。考慮到通貨膨脹、暴雨災(zāi)害嚴(yán)重程度和車輛保額提高等原因，車均賠償金額呈現(xiàn)上升趨勢。

圖6為2008—2016年深圳市各月暴雨機動車損失情況，可以看出總賠償金額和單車平均賠償金額趨勢基本一致，表明不同月份機動車水浸損失類型沒有較大差異?？傎r償金額和單車平均賠償金額5月份最高，分別達到5037.13萬元和1.39萬元/輛，而機動車總損失數(shù)為6月份最高，達到5317輛，5月份比6月份賠償金額高的主要原因與受損車的類型和嚴(yán)重程度有很大關(guān)系。

圖5 深圳市2008—2016年暴雨機動車損失情況

圖6 深圳市2008—2016年各月暴雨機動車損失情況

（2）機動車損失空間特征

深圳2008—2016年各區(qū)機動車損失情況如表2所示。整體上，寶安區(qū)的機動車損失數(shù)量和總金額最多，分別占全市的65.71%和66.75%，其次為南山區(qū)和龍崗區(qū)，損失都占全市損失的10%以上。

由于各區(qū)的面積差異很大，為消除區(qū)域面積大小的影響，分別統(tǒng)計了各區(qū)單位面積內(nèi)的損失機動車數(shù)量和損失金額情況，如圖7所示。從機動車損失數(shù)量看，寶安區(qū)受損最嚴(yán)重，單位面積達到12.56輛/km2，其次是福田區(qū)和南山區(qū)，均在5輛/km2以上，羅湖區(qū)、龍崗區(qū)和鹽田區(qū)較低；機動車水浸損失金額的空間特征和損失數(shù)量基本一致。

表2 深圳市2008—2016年各區(qū)機動車暴雨損失數(shù)量和全損金額

（二）暴雨災(zāi)害與機動車損失關(guān)系分析

Pearson相關(guān)系數(shù)通常用于分析滿足正態(tài)特性數(shù)據(jù)之間的相關(guān)性，系數(shù)是一個介于-1和1之間的值，越接近于-1表示兩組數(shù)據(jù)負相關(guān)性越強，反之越接近于1表示數(shù)據(jù)間正相關(guān)性越強，越接近于0表示數(shù)據(jù)間相關(guān)性越弱。顯著性系數(shù)則表明相關(guān)性結(jié)果的可信度，顯著性系數(shù)越低，相關(guān)性結(jié)果的可信度越高，例如顯著性系數(shù)為0.05，對應(yīng)的相關(guān)性結(jié)果的可信度為95%?；?008—2016年降雨量、暴雨總次數(shù)和單個站點最大暴雨次數(shù)、車輛損失總數(shù)和賠償金額等數(shù)據(jù)，采用SPSS軟件中的Pearson方法對暴雨和機動車損失做相關(guān)分析，統(tǒng)計數(shù)據(jù)之間的相關(guān)性。

圖7 深圳各區(qū)單位面積（km2）車輛損失數(shù)量和賠償金額

表3 深圳市2008—2016年年降雨量和車損相關(guān)性分析

結(jié)果如表3所示。表中以紅色字體標(biāo)出的是可信度在95%以上，即在0.05的置信水平上相關(guān)性顯著（顯著性系數(shù)小于0.05）的統(tǒng)計結(jié)果。從表中可以看出深圳市年降雨量、暴雨類變量和車輛損失及賠償金額關(guān)系不大（相關(guān)性系數(shù)偏低，顯著性系數(shù)偏高），而大暴雨、特大暴雨變量與賠償金額的相關(guān)性系數(shù)明顯偏高。大暴雨總次數(shù)和總賠償金額相關(guān)系數(shù)達到0.71，顯著性系數(shù)0.032，即相關(guān)系數(shù)可信度達到96.8%；單個站點大暴雨最大次數(shù)、特大暴雨總次數(shù)和單個站點特大暴雨最大次數(shù)與車輛損失總數(shù)的相關(guān)系數(shù)分別為0.84、0.78和0.78，與單車賠償金額相關(guān)性分別為0.86、0.69和0.92，相關(guān)性均很顯著。由此可見，車輛損失主要受大暴雨和特大暴雨的影響，尤其是特大暴雨對車輛損失影響最大。

（三） 暴雨災(zāi)害機動車脆弱性分析

脆弱性是指承災(zāi)體在面對致災(zāi)因子危險時，在自然、社會經(jīng)濟和環(huán)境等因素的綜合影響下表現(xiàn)出的物理暴露性、敏感性及與承災(zāi)體相伴的人類防抗風(fēng)險的能力，相應(yīng)的脆弱性指標(biāo)就是能反映承災(zāi)體應(yīng)對災(zāi)害敏感性、防災(zāi)減災(zāi)能力的指標(biāo)。機動車損失的脆弱性主要是指機動車在面對暴雨災(zāi)害時，承受不同暴雨強度時的單位損失金額大小，為了方便地對機動車水浸損失的期望損失程度以及區(qū)域內(nèi)水浸機動車抗災(zāi)能力進行分析研究，結(jié)合承災(zāi)體脆弱性的原理，本文構(gòu)建機動車水浸損失的脆弱性指標(biāo)的計算公式可歸納如下：

式中：V為脆弱性；L為承災(zāi)體損失；H為暴雨致災(zāi)因子強度。

暴雨災(zāi)害機動車損失L包含兩個部分L=Ln+Lc，Ln和Lc為歸一化處理后的單位面積機動車損失數(shù)量和單位面積機動車損失金額；暴雨致災(zāi)因子強度包含三個部分，H=Nr+10Nhr+100Ner，以暴雨次數(shù)Nr、大暴雨次數(shù)Nhr和特大暴雨次數(shù)Ner計。由于已經(jīng)進行了降雨等級區(qū)分，不同級別的降雨次數(shù)加權(quán)后的和即可體現(xiàn)暴雨致災(zāi)因子強度。根據(jù)暴雨次數(shù)和機動車水浸損失相關(guān)性的分析，以及深圳暴雨以上降水的頻次差異，結(jié)合已有的對暴雨致災(zāi)因子權(quán)重賦值研究，本文采用1∶10∶100的關(guān)系來統(tǒng)計加權(quán)H指標(biāo)。根據(jù)脆弱性指標(biāo)公式，深圳市暴雨機動車損失脆弱性指標(biāo)計算結(jié)果如表4及圖8所示?？梢娚钲谑懈鲄^(qū)歷年的暴雨機動車損失在單位暴雨強度下顯現(xiàn)的易損性稍有差異，其中深圳市，以及寶安、羅湖、龍崗和鹽田4區(qū)脆弱性值在2012年最大，說明該年度在相同暴雨強度級別的情況下機動車水浸損失更大，而福田區(qū)和南山區(qū)這種情況分別出現(xiàn)在2013年和2015年。深圳市及各區(qū)的脆弱性整體呈先下降（2008—2011）、后上升（2011—2012）、達到峰值后再下降（2012—2016）的特點，總體脆弱性呈下降趨勢，但下降趨勢較小。就絕對值而言，寶安、福田兩區(qū)最高，最高達2.0；羅湖、南山次之，最高值在0.8～1.2，龍崗區(qū)最低，最高值不到0.25。

表4 深圳市2008—2016年各區(qū)脆弱性指標(biāo)

圖8 深圳市及各區(qū)2008—2016年暴雨災(zāi)害機動車脆弱性

經(jīng)查閱相關(guān)資料，2011—2013年深圳地鐵一號線寶安段、三號線龍崗段、四號線龍華段、十一號線寶安段及數(shù)條快速城市干道同時施工，尤其是在2012年，施工處于核心階段，寶安、龍崗等區(qū)受地鐵施工影響較為顯著，同時鹽田區(qū)則在2012年進行深鹽通道的改造，城市排水設(shè)施大量翻修和遷移，導(dǎo)致降雨積澇更為頻繁，引發(fā)的機動車水浸損失也更為顯著。而福田區(qū)本身是深圳市中心城區(qū)，基建設(shè)施較為完善，地鐵修建相對較成熟，因此2011—2012年受此影響較小，但2013年福田區(qū)由于受“康妮”臺風(fēng)影響出現(xiàn)了罕見的暴雨泥石流災(zāi)害事件，雖然降雨強度不是最高，但由于發(fā)生在夜間，造成了多個大型車庫嚴(yán)重積水等災(zāi)害事件。另外，南山區(qū)2015年由于地鐵11號線和9號線同時施工，脆弱性指標(biāo)亦出現(xiàn)比較明顯的峰值。

研究結(jié)論

本研究根據(jù)2008—2016年深圳市降雨量、暴雨頻次和機動車損失數(shù)據(jù)，分析了深圳市暴雨機動車損失的時空格局，主要可得到以下研究結(jié)論：

（1）深圳降雨量和各級暴雨頻次的年際差異較大，年內(nèi)降雨主要集中在4—9月，2014年各類暴雨發(fā)生頻次相對偏高。空間方面，不同級別的暴雨在深圳各區(qū)域差異較大，其中東部地區(qū)暴雨頻次偏高，大暴雨各區(qū)均有分布，特大暴雨則主要分布在深圳東南和西南沿海地區(qū)。

（2）深圳機動車損失數(shù)量、總賠償金額和車均賠償金額均呈現(xiàn)上升趨勢，其中2014年和2008年異常偏高；空間特征上，寶安區(qū)機動車損失程度最高，鹽田區(qū)最低。

（3）機動車損失主要受大暴雨、特大暴雨影響，全損車輛主要受特大暴雨影響；相較而言，深圳市暴雨機動車輛損失最為集中、抗暴雨災(zāi)害能力最弱的區(qū)域為寶安區(qū)。

（4）深圳2008—2016年脆弱性指標(biāo)整體呈下降趨勢，其中2012年深圳整體及寶安、羅湖、鹽田和龍崗等四區(qū)出現(xiàn)峰值，福田區(qū)和南山區(qū)峰值分別出現(xiàn)在2013年和2015年；從區(qū)域來看，脆弱性指標(biāo)絕對值寶安、福田兩區(qū)偏高，龍崗區(qū)最低。

對策與建議

根據(jù)深圳市的暴雨災(zāi)害、機動車損失和脆弱性特征，結(jié)合深圳人口經(jīng)濟發(fā)展?fàn)顩r，提出以下建議：

（1）深圳市亟待進一步改善城市排水系統(tǒng)。深圳市城市化進展迅速，區(qū)域間城市排水系統(tǒng)建設(shè)水平并不均衡，區(qū)域差異較為明顯，除福田和南山區(qū)外，其他行政區(qū)亟待完善城市下水道系統(tǒng)建設(shè)改造工作。

（2）改善深圳市機動車存放環(huán)境。相比城市面積和機動車車庫面積的增長速度，深圳市機動車數(shù)量增長明顯過快，暴增的汽車數(shù)量給交通和環(huán)境帶來巨大壓力的同時，“停車難”問題日漸突出，超負荷地下停車、隨意停放在小區(qū)、輔道路邊的車輛堵塞排水井蓋等情況時有發(fā)生。進一步總體管控機動車保有量的同時，政府還要在逐步改善機動車存放環(huán)境方面下功夫，例如加大立體停車場所建設(shè)投入，在老舊小區(qū)擴建地下停車場所等。

（3）加強深圳市的暴雨預(yù)報，做到提前準(zhǔn)備。暴雨是深圳市最嚴(yán)重的自然災(zāi)害之一，除機動車損失以外，暴雨還會造成人員傷亡、農(nóng)作物破壞和機器設(shè)備浸水失效等諸多損失。提高暴雨預(yù)報精度和時效，有助于提前做好災(zāi)前應(yīng)急準(zhǔn)備，降低災(zāi)害損失程度。目前深圳全市范圍內(nèi)的氣象災(zāi)害預(yù)警工作已經(jīng)開展，但針對各區(qū)域局部暴雨和積澇災(zāi)害的預(yù)警工作還需進一步細化和完善。