山洪災(zāi)害風(fēng)險分區(qū)劃分模型構(gòu)建與應(yīng)用

江 雨 田，王 新 龍，孫 如 飛，范 仲 麗，孫 飛 飛

(寧波市水利水電規(guī)劃設(shè)計研究院，浙江 寧波 315192)

山洪災(zāi)害是由局部強(qiáng)降雨在山丘地區(qū)引發(fā)的洪水災(zāi)害及由洪水誘發(fā)的泥石流、滑坡等災(zāi)害。由于山洪災(zāi)害具有突發(fā)性且破壞性大，對人民的生命、財產(chǎn)安全造成極大威脅。隨著我國城鎮(zhèn)化進(jìn)程加快推進(jìn)，很大程度地加劇了山洪災(zāi)害的不確定性[1]，我國因山洪災(zāi)害死亡人數(shù)占洪澇災(zāi)害死亡總?cè)藬?shù)的比例過半，受威脅人口多達(dá)5.7億人[2-3]。因此，山洪災(zāi)害的管控和治理尤為重要。

山洪災(zāi)害風(fēng)險等級劃分可以為災(zāi)害預(yù)防及管理提供科學(xué)理論依據(jù)[4]，為防洪工程的建設(shè)實(shí)施提供相對明確的方向，有利于將有限的防洪物資進(jìn)行合理分配。對風(fēng)險較高的區(qū)域重點(diǎn)防治，對風(fēng)險較低的地區(qū)做好預(yù)報預(yù)警工作。國內(nèi)外學(xué)者開展了很多山洪災(zāi)害風(fēng)險相關(guān)的研究工作。英國學(xué)者Westage[5]提出災(zāi)害易損性指的是一個群體由于極端現(xiàn)象處于危險中的可能性及該群體的復(fù)原能力。史培軍[6-7]指出災(zāi)情是由觸發(fā)因子、孕災(zāi)因子和易損性和承災(zāi)能力因子等相互作用導(dǎo)致。金菊良[8]等構(gòu)建了基于遺傳算法的神經(jīng)網(wǎng)絡(luò)模型，以分析山洪災(zāi)害承災(zāi)體易損性。王文川[9]總結(jié)導(dǎo)致山洪災(zāi)害的因素有氣候、地貌、地層巖性與人類活動。許小華[10]等利用地形、河網(wǎng)等因子進(jìn)行危險度評估，對危險度數(shù)據(jù)及易損性數(shù)據(jù)進(jìn)行空間疊加分析，得到山洪災(zāi)害風(fēng)險分區(qū)。陳真[11]等采用主成分分析法對致災(zāi)因子進(jìn)行提取后確定指標(biāo)權(quán)重，進(jìn)而得出風(fēng)險等級分布圖。陸桂華[12]從降雨量及單位面積匯流時間等方面研究其對山洪災(zāi)害的敏感度。朱靜[13]根據(jù)地形與實(shí)測水位流量數(shù)據(jù)，模擬山洪災(zāi)害范圍；建立不同的承災(zāi)體與水深的關(guān)系，進(jìn)行復(fù)雜的風(fēng)險評估。石林[14]等分析了山洪災(zāi)害風(fēng)險與地層巖性、地質(zhì)構(gòu)造等的關(guān)系，并提出了全國山洪災(zāi)害防治區(qū)劃的方法。以上屬于山洪災(zāi)害風(fēng)險的面上評價。除此之外，研究學(xué)者針對小尺度的小流域、防治區(qū)也開展了相應(yīng)的研究。黃理軍[15]從山洪災(zāi)害分布位置及強(qiáng)度等角度著手，將山洪災(zāi)害防治區(qū)劃分為重點(diǎn)、次重點(diǎn)及一般防治區(qū)。管珉[16]等考慮小流域成災(zāi)過程，將小流域劃分為高、中、低三級危險分區(qū)。目前對災(zāi)害風(fēng)險分區(qū)的研究較為成熟，本研究旨在進(jìn)一步應(yīng)用探討與完善大尺度面上山洪風(fēng)險評估的針對性及完整性。

1 研究方法

依照自然災(zāi)害系統(tǒng)理論，可以將山洪災(zāi)害風(fēng)險表示為f(T,B,S)。T,B,S分別為觸發(fā)因子、下墊面孕災(zāi)因子、易損性和承災(zāi)能力因子。觸發(fā)因子的主導(dǎo)觸發(fā)因子就是突發(fā)性強(qiáng)降雨[17]。下墊面孕災(zāi)因子指下墊面的自然條件，主要體現(xiàn)在地形、坡度、植被等方面。承災(zāi)體的易損性和承災(zāi)能力是指受災(zāi)區(qū)域的社會經(jīng)濟(jì)發(fā)展水平。具體因子的選擇應(yīng)遵循相關(guān)基準(zhǔn)[18-19]。

在山洪災(zāi)害風(fēng)險等級評估建模中，關(guān)鍵技術(shù)是得到模型的向量權(quán)重。常用的求取指標(biāo)向量權(quán)重的方法是層次分析法。建立層析分析結(jié)構(gòu)，構(gòu)造判斷矩陣，反映各元素的相對重要程度。計算出矩陣的最大特征值及其特征向量，對各因子的向量權(quán)重進(jìn)行確定。此外，用一致性指標(biāo)、隨機(jī)一致性指標(biāo)和一致性比率做一致性檢驗[20]。

一致性指標(biāo)CI(Consistency Index)：

(1)

式中,n為判斷矩陣階數(shù)。

隨機(jī)一致性比率CR(Consistency Ratio)：

(2)

式中,RI(Random Index)為隨機(jī)一致性指標(biāo)，按照其取值表1賦值。

表1 隨機(jī)一致性指標(biāo)RI取值

確定各指標(biāo)因子后，對其進(jìn)行歸一化處理。

(1)對與山洪災(zāi)害風(fēng)險值成線性關(guān)系的風(fēng)險因子做簡單歸一化處理：

(3)

式中，x表示風(fēng)險因子的原始數(shù)據(jù)；Xmin表示某一風(fēng)險因子數(shù)據(jù)中的最小值；Xmax表示某一風(fēng)險因子數(shù)據(jù)中的最大值。

(2)對于高程因子，不能簡單認(rèn)為與山洪災(zāi)害風(fēng)險成線性關(guān)系。相關(guān)文獻(xiàn)[18-21]對歷史山洪災(zāi)害數(shù)據(jù)進(jìn)行統(tǒng)計研究，發(fā)現(xiàn)山洪災(zāi)害點(diǎn)的DEM分布的概率密度函數(shù)符合偏正態(tài)分布，對DEM的標(biāo)準(zhǔn)化，可以取對數(shù)計算使其與山洪災(zāi)害風(fēng)險值成線性關(guān)系。

x=lg(DEM)

(4)

(5)

式中，μ為高程數(shù)據(jù)的算術(shù)平均值；σ為高程數(shù)據(jù)的標(biāo)準(zhǔn)差。

2 研究區(qū)概況

寧波市處于浙江省東北部的東海之濱，長江三角洲南翼，屬我國季風(fēng)頻繁活動帶。氣候濕潤，降雨充沛，多年平均降水量為1 480 mm，降水量年際變化相差較大。非汛期(10月至次年4月)，為少雨期，降雨量僅占全年降水總量的25%左右；而汛期(4～10月)，受臺風(fēng)和熱帶風(fēng)暴登陸侵襲，形成狂風(fēng)暴雨，造成全流域或部分流域的強(qiáng)降雨，降水量較大，約占全年降水總量的75%。

寧波市處在天臺山脈及其支脈四明山向東北方向傾沒入海的地段，地勢西南高，東北低。山區(qū)及丘陵約占陸域總面積的58.7%，主要山脈山高坡陡，多為河流發(fā)源地。梅汛期、臺汛期帶來的小流域暴雨洪水，極易引發(fā)小流域山洪災(zāi)害(見圖1)。

圖1 寧波市地理位置

本次研究范圍為寧波市轄區(qū)范圍內(nèi)的山丘地區(qū)(見圖2)，總面積5 495.2 km2，占全市面積的58.7%。寧波市山洪災(zāi)害的發(fā)生有如下3個特點(diǎn)：短歷時暴雨時空分布不均,山洪災(zāi)害隨機(jī)性、突發(fā)性強(qiáng),災(zāi)害類型主要為山體滑坡和山溪洪水。

圖2 寧波市山丘地區(qū)分布

3 處理與分析

3.1 數(shù)據(jù)收集與處理

(1)觸發(fā)因子。選擇年最大1 h暴雨均值、年最大3 h暴雨均值、年最大6 h暴雨均值、年降雨量、年暴雨天數(shù)5個觸發(fā)因子參與山洪災(zāi)害風(fēng)險評估。

從寧波市水文站收集所需全市63個國家雨量站點(diǎn)降雨數(shù)據(jù)，包括逐日雨量，典型暴雨期間摘錄逐時雨量，站點(diǎn)時段最大降雨量統(tǒng)計表等。采用年最大值法進(jìn)行實(shí)測排頻暴雨選樣，統(tǒng)計分析得到各站點(diǎn)年最大1 h暴雨均值、年最大3 h暴雨均值、年最大6 h暴雨均值；按照日雨量≥50 mm為暴雨標(biāo)準(zhǔn)，對具有長系列日雨量資料的站點(diǎn)進(jìn)行統(tǒng)計，得到各站點(diǎn)多年平均年暴雨天數(shù)以及各站點(diǎn)多年平均年降雨量。

借助ArcGIS空間插值，得到5個風(fēng)險觸發(fā)因子空間分布情況(見圖3～7)。年暴雨天數(shù)、年平均降雨量及年最大6 h暴雨均值的空間分布很相似，在四明山區(qū)、寧?？h區(qū)、象山西周淡港區(qū)以及大嵩山一帶的值都較高，在剡江流域一帶則存在局部低值。

(2)下墊面孕災(zāi)因子。選取高程因子、地形指數(shù)及植被指數(shù)作為下墊面孕災(zāi)因子。在DEM(數(shù)字高程模型)(見圖8)的基礎(chǔ)上，地形指數(shù)可以利用ArcGIS水文模塊及空間分析功能得到(見圖9)。植被指數(shù)越高，地表匯流越慢，越不易發(fā)生山洪。本研究中利用2017年7月23日及8月24日的兩景Landsat-8遙感影像資料，拼接而成寧波市遙感影像，計算植被指數(shù)(見圖10)。

圖3 年暴雨天數(shù)

圖4 年平均降雨量

圖5 年最大1h暴雨均值

圖6 年最大3h暴雨均值

圖7 年最大6h暴雨均值

除了平原區(qū)地形指數(shù)高，易于匯流之外，其他易于發(fā)生山洪災(zāi)害的近河道區(qū)域地形指數(shù)較高，特別是兩山脈之間的平坦區(qū)域。

圖8 數(shù)字高程模型

圖9 地形指數(shù)

圖10 植被指數(shù)

(3)易損性和承災(zāi)能力。選擇人口密度、GDP及建筑指數(shù)3個因子。建筑指數(shù)與植被指數(shù)相同，采用2017年7月23日及8月24日的兩景Landsat-8遙感影像資料，拼接而成寧波市遙感影像，計算建筑指數(shù)(見圖11)。在2016年寧波市總?cè)丝诮y(tǒng)計數(shù)據(jù)的基礎(chǔ)上，綜合分析與人類活動密切相關(guān)的夜間燈光亮度及居民點(diǎn)密度數(shù)據(jù)，利用GIS的空間分析功能，把單位權(quán)重上的人口數(shù)與總權(quán)重分布圖相結(jié)合，進(jìn)行人口的空間化(見圖12)。在2016年寧波市分區(qū)縣分產(chǎn)業(yè)GDP統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，將寧波市地類圖層組合劃分到第一、二產(chǎn)業(yè)地類及沒有GDP產(chǎn)值的地類中，分?jǐn)偢鲄^(qū)縣不同產(chǎn)業(yè)的GDP總值，制作寧波市GDP分布圖(見圖13)。

3.2 加權(quán)疊加分析

采用層次分析法得到各因子權(quán)重(見表2)，并做層次一致性檢驗，各層次均滿足CR< 0.1，可知判斷矩陣具有很好的一致性。歸一化處理后，借助ArcGIS空間疊加分析功能，根據(jù)公式計算柵格單元的風(fēng)險度，得到寧波市山洪災(zāi)害風(fēng)險值分布結(jié)果。

(6)

圖11 建筑指數(shù)

圖12 人口密度

表2 因子權(quán)重

圖13 GDP數(shù)據(jù)

山洪災(zāi)害多發(fā)生于兩山中間的匯水區(qū)域，地勢較低的平原區(qū)域一般更易遭遇流域性洪水和暴雨內(nèi)澇災(zāi)害，受山洪災(zāi)害的可能性小[22-24]。因此，按照DEM閾值(5 m)進(jìn)行掩膜提取山洪發(fā)生區(qū)域，進(jìn)而提取出山洪發(fā)生區(qū)域的風(fēng)險度分布(見圖14)。明顯地，風(fēng)險度較高的區(qū)域集中在寧海山區(qū)，其次是象山港南片山區(qū)，再者是象山港北片山區(qū)及四明山區(qū)。依次取風(fēng)險度區(qū)間0～0.2,0.2～0.4,0.4～0.6,0.6～0.8,0.8～1.0，將山洪災(zāi)害風(fēng)險劃分為低、較低、中等、較高、高5個等級(見圖15)。

圖14 寧波市山洪風(fēng)險度分布

3.3 風(fēng)險分區(qū)劃分

從風(fēng)險度分布圖(見圖14)不難看出，山洪災(zāi)害風(fēng)險的分布具有相對集中的特點(diǎn)，因此可以對其進(jìn)行風(fēng)險分區(qū)的劃分。結(jié)合風(fēng)險度的分布特征，可大致把寧波市柵格單元山洪災(zāi)害風(fēng)險分區(qū)劃分為幾個區(qū)域：寧海山區(qū)片、象山港南片、象山港北片，奉化山區(qū)片、四明山區(qū)片及姚江北部山區(qū)片(見圖15，16)。其中，山洪災(zāi)害高風(fēng)險區(qū)域為寧海山區(qū)片，中風(fēng)險區(qū)域有象山港南片、象山港北片及四明山區(qū)片，低風(fēng)險區(qū)域有奉化山區(qū)片和姚江北部山區(qū)片。

15 寧波市山洪風(fēng)險等級

圖16 寧波市山洪風(fēng)險分區(qū)

4 成果合理性分析

歷史山洪災(zāi)害數(shù)據(jù)能反映該地區(qū)山洪災(zāi)害發(fā)生的頻率及未來一段時間內(nèi)的山洪災(zāi)害發(fā)生概率[25]。從前期寧波市6個區(qū)縣(市)山洪災(zāi)害調(diào)查評價成果中，整理匯總得到6個區(qū)縣(市)歷史山洪災(zāi)害的發(fā)生地點(diǎn)，這些調(diào)查點(diǎn)被證實(shí)是歷史上發(fā)生過1次或多次山洪，原則是山洪災(zāi)害易發(fā)生的區(qū)域，因此是對山洪風(fēng)險分級結(jié)果最有力的驗證數(shù)據(jù)。進(jìn)行此項驗證有一個假設(shè)前提，就是認(rèn)為山洪災(zāi)害調(diào)查點(diǎn)是山洪災(zāi)害風(fēng)險度較高的區(qū)域，以此來驗證山洪風(fēng)險度分布結(jié)果。歷史山洪災(zāi)害調(diào)查點(diǎn)在時間上多集中在6～8月；空間分布上，多集中在寧海縣、象山縣西部、北侖東部，少量分布于鄞州區(qū)、四明山區(qū)和奉化山區(qū)。

本次研究將歷史山洪災(zāi)害數(shù)據(jù)點(diǎn)疊加到山洪災(zāi)害風(fēng)險等級圖中(見圖17)，統(tǒng)計落在各風(fēng)險等級內(nèi)的歷史災(zāi)害點(diǎn)的個數(shù)及百分比。由表3可以看出，落在中等及以上風(fēng)險等級中的歷史災(zāi)害點(diǎn)占所有災(zāi)害點(diǎn)的98%，落在較高及以上風(fēng)險等級區(qū)域中的歷史災(zāi)害點(diǎn)占所有災(zāi)害點(diǎn)的63%，驗證結(jié)果表明本研究使用的山洪災(zāi)害風(fēng)險評估模型具有較高的精度和可靠性，初步認(rèn)為該研究成果可以為寧波市當(dāng)?shù)貞?yīng)急局等部門提供防汛部署和指揮決策的科學(xué)依據(jù)。

圖17 歷史災(zāi)害調(diào)查點(diǎn)分布

表3 歷史山洪災(zāi)害點(diǎn)統(tǒng)計

5 結(jié) 論

本次研究基于自然災(zāi)害系統(tǒng)理論，采用GIS-AHP方法，對山洪災(zāi)害多發(fā)的寧波市進(jìn)行山洪災(zāi)害風(fēng)險建模，確定了一套適用于寧波市的山洪災(zāi)害風(fēng)險致災(zāi)因子權(quán)重系數(shù)，構(gòu)建了山洪災(zāi)害風(fēng)險評估模型，劃分了寧波市山洪災(zāi)害風(fēng)險分區(qū)，并用歷史山洪災(zāi)害數(shù)據(jù)對成果進(jìn)行驗證。結(jié)果顯示，出現(xiàn)在中等風(fēng)險及以上等級區(qū)域的歷史山洪災(zāi)害事件發(fā)生點(diǎn)占所有災(zāi)害事件總數(shù)的98%，說明本研究取得的山洪災(zāi)害風(fēng)險分區(qū)成果具有合理性，構(gòu)建的山洪災(zāi)害風(fēng)險評估模型具有較高的精度和可靠性，風(fēng)險分區(qū)成果對當(dāng)?shù)胤姥磻?yīng)急部門的防汛管理及防汛部署具有一定的指導(dǎo)意義。該方法值得推廣運(yùn)用，可以為其他山區(qū)的災(zāi)害風(fēng)險分區(qū)劃分提供參考。但本研究仍存在一定的不足：由于山洪災(zāi)害形成的復(fù)雜性，影響因子繁多，完全定量的分析存在較大的困難，且由于數(shù)據(jù)獲取途徑局限，如土壤類型、植被類型等細(xì)部數(shù)據(jù)沒能納入考慮因素中，模型仍存在改進(jìn)的空間。