北京市通州區暴雨特征及風險評估研究

高曉容 張繼權 李碩 王翌

摘要 利用近60年氣候資料分析北京市通州區暴雨的時空分布特征。另外，以15個鄉鎮（街道）為風險評估單元，以人口和社會經濟作為承災體，根據聯合國人道主義事務部的風險表達式，利用自然災害風險指數法建立暴雨風險評估模型；利用指標體系法評估承災體的脆弱性狀態，根據加權綜合評分法建立脆弱性評估模型；分析15個鄉鎮（街道）孕災環境和致災因子的危險性、承災體的脆弱性及災害風險的差異，并對通州區暴雨災害風險進行區劃，結果表明，通州暴雨洪澇災害風險高值區在中倉、新華街道及馬駒橋鎮，較高值區在北苑、玉橋街道及宋莊、永順、西集、漷縣、于家務鄉（鎮）。

關鍵詞 暴雨；時空分布；風險評估；通州區；北京市

中圖分類號 S16 文獻標識碼 A 文章編號 0517-6611（2015）27-167-05

Characteristics of Rainstorm and Its Disaster Risk Assessment in Tongzhou District， Beijing

GAO Xiao-rong1， ZHANG Ji-quan2， LI Shuo1 et al

（1. Tongzhou Branch of Beijing Meteorological Service， Beijing 101100； 2. Institute of Natural Disaster Research， College of Urban and Environmental Sciences， Northeast Normal University， Changchun， Jilin 130024）

Abstract The climate data in the last 60 years is used in this paper to analyze the spatial-temporal distribution of rainstorms in Tongzhou District， Beijing. With 15 countryside towns （streets） as risk assessment units and population and social economy as the hazard-affected bodies， a risk assessment model of rainstorm disaster is established by using the natural disaster risk index method and the risk expression of UN Office for the Coordination of Humanitarian Affairs. The index system method is adopted to assess the vulnerability of disaster-affected bodies and synthetic weighted marking is used to establish the vulnerability assessment model. The hazard of disaster-breeding environment and disaster-causing factors， vulnerability of disaster-affected bodies and differences among disaster risk at 15 countryside towns （streets） are analyzed， and the rainstorm disaster risk in Tongzhou District is also zoned. The results show that Zhongcang， Xinhua Street and Majuqiao Town are at high risk of rainstorm flood disaster， and Beiyuan， Yuqiao Street， Songzhuang， Yongshun， Xiji， Huoxian and Yujiawu Town are at relatively high risk.

Key words Rainstorm； Spatial-temporal distribution； Risk assessment； Tongzhou District； Beijing

在全球氣候變暖的背景下，極端天氣事件頻發，城市成為抵御氣象災害能力最為薄弱的地方，氣象災害造成的損失日趨加重，給城市的安全運行帶來嚴重威脅。2012 年北京“7.21”特大暴雨造成79 人死亡，受災人口160.2 萬人，經濟損失116.4 億元。通州區位于北京市東南部，降水具有年際變化大、季節分配不均、夏季降水強度大等特點，夏季降水量又常取決于幾場暴雨。作為北京的城市副中心，通州正在進入快速的城市化階段，社會財富迅速增加，開展氣象災害風險評估是防災減災工作不可或缺的環節。

暴雨洪澇災害風險評估方法主要有模糊評價法、概率風險法及災害風險模型法。其中，災害風險建模法是利用氣象、自然地理環境、社會經濟等多元資料與GIS空間分析相結合的方法[1-7]，利用GIS疊加[1]、線性加權[2-4]或指數方法[5]構建災害風險評估模型。羅培等[8]利用模糊評價法建立致災因子、孕災環境和承災體易損性評價模型，對重慶的洪澇災害風險進行區劃。還有一些學者對暴雨洪澇災害的某一方面，如脆弱性、危險性進行研究，張海玉等[9]利用模糊數學研究洪澇災害經濟的易損性；杜曉燕等[10]利用信息擴散理論對天津旱澇災害的危險性進行評估。

目前，暴雨洪澇災害風險評估與區劃的空間尺度較大，大部分是地區性、區域性，甚至是全國范圍的災害風險評估，以鄉鎮為單位的區縣級災害風險評估較少，究其原因主要是氣象臺站密度較小。近年來各?。ㄊ校庀缶纸ㄆ鹆艘慌l鎮區域自動觀測站，為以鄉鎮為單位的氣象災害風險評估提供了基礎。筆者在前人暴雨洪澇災害風險評估研究的基礎上，以通州15個街道（鄉鎮）為評估單元，其人口和社會經濟作為承災體，利用自然災害風險指數法建立暴雨災害風險評估模型，結合GIS空間分析技術進行精細化的暴雨災害風險評估，為地方政府的防災減災工作提供科學依據。

1 資料與方法

1.1 資料來源

通州區下轄北苑、中倉、新華、玉橋4個街道及宋莊、永順、梨園、潞城、臺湖、張家灣、西集、馬駒橋、于家務、漷縣、永樂店11 個鄉（鎮）。所用研究資料包括1956～2013 年通州國家氣象觀測站逐日降水資料、2010～2013 年11 個區域自動站降水資料及北京市1∶10 000基礎地理信息數據，均來自北京市氣象局信息中心；通州區鄉鎮（街道）社會經濟數據來自通州區統計局。

1.2 暴雨災害風險評價模型與指標體系

目前，國內外氣象災害風險評估研究主要分為三類：①利用災害危險性、承災體脆弱性2個要素對災害風險進行評估，簡稱“二要素法”[1-3]；②從災害危險性、承災體的暴露性和脆弱性3個要素出發進行風險評估，簡稱“三要素法”[11-12]；③利用張繼權的“四要素法”，從災害危險性、承災體的暴露性和脆弱性及防災減災能力4個要素出發進行風險評估[13-15]。災害危險性應包括致災因子和孕災環境的危險性。不同方法中的脆弱性內涵不同，“二要素法”中的脆弱性應該稱為“廣義脆弱性”，由于人類社會經濟系統的復雜性，對脆弱性的理解存在分歧，目前還沒有統一、標準的定義，“廣義脆弱性”應表征承災體的固有敏感性和內在脆弱性；而“四要素法”中的脆弱性應為“狹義脆弱性”，表征承災體由于氣象災害的影響而造成的損失或傷害程度。由于氣象災害造成的損失數據非常缺乏，且質量不高，制約了“四要素法”的使用。該研究根據聯合國人道主義事務部的風險表達式“風險度（R）=危險度（H）×脆弱度（V）” [16]，采取“二要素法”，利用自然災害風險指數法建立暴雨災害風險評估模型：

DRI=HWH×VWV（1）

式中，DRI為暴雨災害風險指數，其值越大，則風險程度越大；H、V分別為暴雨的危險性、承災體的脆弱性，WH、WV為其權重系數，取為0.600、0.400。

在一定的危險性下，風險取決于脆弱性，脆弱性度量成為災害風險評估的關鍵。由于人類社會經濟系統的復雜性，目前國內外對脆弱性的理解存在分歧，還沒有一致公認的脆弱性概念。筆者認同脆弱性是承災體對某種致災因子表現出的易于受到傷害和損失的性質，也就是對災害的暴露程度、敏感性等[17]。脆弱性分析方法有歷史災情數理統計、指標體系和情景模擬3種[18]，在脆弱性形成機制還沒有研究透徹的情況下，指標體系是目前脆弱性評估最常用的方法[19]。選取承災體脆弱性指標，利用指標體系法評估研究單元的脆弱性狀態。

暴雨是暴雨災害的誘因，是暴雨災害危險性的主要因素，但暴雨災害的發生還與地形地貌特征（如河網水系、地形坡度等）有關，不同的自然地理條件導致災害的孕災環境各異。災害危險性用致災因子和孕災環境來描述。利用暴雨不同等級及其頻次構建致災因子指數，通州區地形平坦開闊，海拔最高27.6 m、最低8.2 m，地形高程對災害風險的影響有限；但境內分布著潮白河、北運河、溫榆河、涼水河等13 條河流，河流網絡對災害風險的影響較大，因此，選用河網密度指數描述孕災環境。

社會經濟條件可以反映區域的災損敏感度。社會經濟越發達，人口密度越大，國內生產總值越大，遭受災害時人員傷亡和經濟損失就越大，承災體脆弱性越強。區域人口中老人和兒童所占比例越高，其承災能力就越差，人口年齡結構指數[8]（65 歲以上老人和14 歲以下兒童的人數占總人口數的比例）可以反映老、幼人口的比例。暴雨對農業生產的危害較大，耕地越多，農業在國民生產中的比例越大，遭受災害時損失就越大。植被覆蓋率較高，水土保持能力就比較強，暴雨導致的洪澇災害可能性就較小。考慮暴雨對承災體的具體影響及指標的可取性，脆弱性指標選用人口密度、人口年齡結構指數、地均GDP、耕地面積比、植被覆蓋率。人口密度和地均GDP利用GIS分析功能進行計算，耕地面積比、植被覆蓋率從北京市1∶10 000基礎地理信息數據中提取并計算。

對致災因子指數、河網密度指數及各脆弱性指標值采用極差標準化進行歸一化處理，利用加權綜合評分法分別建立暴雨災害危險性、承災體脆弱性評價模型：

H=ni=1XHi·WHi（2）

V=mj=1XVj·WVj（3）

式中，XHi為危險性指標i的量化值；n為危險性指標個數；WHi為指標i的權重，致災因子指數、河網密度指數的權重分別取0.600 0、0.400 0；XVj為承災體脆弱性指標j的量化值，m為脆弱性指標個數，WVj為指標j的權重，利用層次分析法確定（表1）。

2 結果與分析

2.1 暴雨特征分析

2.1.1 年代際變化。

把通州國家氣象觀測站出現日降水量≥50 mm定為一個暴雨日。1956～2013年共出現106 個暴雨日，平均年暴雨日1.8 個，年暴雨日最多5個；

1960～1969、1970～1979、1980～1989、1990～1999、2000～2009年的暴雨日分別為23、24、15、21和7個。

從1956～2013 年通州站年暴雨日數的高斯9點平滑濾波曲線（圖1a）可見，年暴雨日數20世紀50年代中期～80年代初以偏多為主，80年代中期～90年代初以偏少為主，90年代中期以偏多為主，從90年代后期開始明顯偏少。從年暴雨量的高斯9點平滑濾波曲線（圖1b）可見，年暴雨量20世紀50年代中期～60年代中期以偏多為主，70年代后期以偏多為主，80年代后期以偏少為主，90年代中期以偏多為主，2000～2013年明顯偏少?？梢?，年暴雨日數和年暴雨量的變化趨勢基本一致。

2.1.2 月變化。通州暴雨最早出現在6月上旬（1956年6 月2日），最晚結束于10月中旬（2003年10月11日），多集中在7～8月，7～8月的暴雨日數占年暴雨日數的79.3%；7～8月的暴雨又主要集中在7月下旬～8月中旬，這三旬的暴雨日數占7～8月暴雨日數的71.4%，占年暴雨日數的56.6%。

2.1.3 空間分布。

利用通州站及11個區域自動觀測站降水資料統計2010～2013 年總暴雨日數和暴雨量，分析暴雨中小尺度空間分布特征。由圖2可見，累計暴雨日數和累積暴雨量的高值區在西南部的馬駒橋鎮和于家務鄉，馬駒橋鎮累計暴雨日數11 d、累積暴雨量763 mm，于家務鄉累計暴雨日數8 d、累積暴雨量672 mm?？傮w上西南部的馬駒橋和于家務降水明顯大于中北部，通州夏季暴雨日數和暴雨量的空間分布特征基本吻合。局地短時強降水易引發城市內澇，中小尺度暴雨空間分布特征可以為北京城市副中心建設中排水能力和管網設計提供參考。

2.2 暴雨災害風險評估

2.2.1 致災因子和孕災環境危險性。

暴雨分為暴雨、大暴雨、特大暴雨三級。日降水量50.0～99.9 mm為暴雨，100.0～249.9 mm為大暴雨，≥250.0 mm為特大暴雨，等級越高，災害危險性越大。選取暴雨不同等級及其頻率作為暴雨災害的致災因子。計算2010～2013 年通州站及11個鄉鎮區域自動站不同等級暴雨的頻率

（不同等級暴雨頻率=不同等級暴雨日數統計時段總年數）

，利用加權綜合評分法建立致災因子指數，即致災因子指數=3i=1（權重×暴雨頻率），對暴雨、大暴雨、特大暴雨頻率的權重分別取1/6、2/6、3/6[2]。

利用自然斷點分級法將致災因子指數值劃分為4個等級，由通州暴雨致災因子空間分布（圖3a）可以看出，致災因子高值區在馬駒橋鎮，較高值區在4個街道及宋莊、西集、漷縣、于家務鄉（鎮），較低值區在潞城和永樂店鎮，低值區在永順、梨園、臺湖、張家灣鎮。利用GIS分析功能計算鄉鎮（街道）的河網密度（圖3b）發現，孕災環境敏感度最高的是永順、臺湖鎮及新華街道，較高的是中倉街道及宋莊、潞城、西集、漷縣、馬駒橋鎮，較低值區在張家灣鎮、于家務鄉，低值區在北苑、玉橋街道及梨園、永樂店鎮。

綜合致災因子和孕災環境，根據暴雨災害危險性評估模型（公式2）計算研究單元暴雨災害危險性指數值，結果（圖4a）發現，暴雨災害危險性高值區在馬駒橋鎮，較高值區在新華、中倉街道及宋莊、永順、臺湖、西集、漷縣、于家務鄉（鎮），較低值區在北苑、玉橋街道及潞城鎮，低值區在梨園、永樂店、張家灣鎮。

2.2.2 脆弱性。

計算鄉鎮（街道）人口密度、地均GDP、人口年齡結構指數、耕地面積比、植被覆蓋率脆弱性指標的歸一化值，根據承災體脆弱性評估模型（公式3）計算鄉鎮（街道）脆弱性指數值，利用自然斷點法對脆弱性指數值進行區劃。由通州區暴雨災害脆弱性指標的歸一化值及脆弱性指數與區劃（表2）可見，中倉街道的人口密度最高，地均GDP和年齡結構指數較高，植被覆蓋率較低，導致其脆弱性指數最高；北苑街道的人口密度和年齡結構指數較高，植被覆蓋率較低，導致其脆弱性指數較高；新華街道的地均GDP、年齡結構指數最高，植被覆蓋率最低，導致其脆弱性指數也比較高；馬駒橋鎮的年齡結構指數最低，人口密度和地均GDP較低，而植被覆蓋率較高，導致其脆弱性指數最?。凰吻f、張家灣、臺湖鎮的人口密度、地均GDP和年齡結構指數較低，導致它們的脆弱性指數比較?。挥罉返赕偟娜丝诿芏取⒌鼐鵊DP最低，植被覆蓋率最高，而耕地面積比最高，年齡結構指數較高，其脆弱性指數較小。從暴雨災害承災體脆弱性指數空間

分布（圖4b）可看出，脆弱性高值區在北苑、中倉、新華3個街

道，較高值區在玉橋街道和梨園鎮，較低值區在永順、西集、

漷縣、于家務、永樂店鎮（鄉），低值區在宋莊、潞城、臺湖、張家灣、馬駒橋鎮。

2.2.3 暴雨災害風險評價與區劃。

綜合致災因子和孕災環境的危險性、承災體的脆弱性，根據暴雨災害風險評估模型（公式1）計算暴雨災害風險指數，利用系統聚類方法[20]對風險指數值進行區劃。由圖5可見，通州暴雨洪澇災害風險高值區在中倉、新華街道及馬駒橋鎮，較高值區在北苑、玉橋街道及宋莊、永順、西集、漷縣、于家務鄉（鎮），較低值區在潞城、臺湖鎮，低值區在梨園、張家灣、永樂店鎮。

圖5 通州區暴雨災害風險區劃

3 結論與討論

（1）通州年暴雨日數從20世紀90年代后期開始明顯偏少，年暴雨量從2000年開始明顯偏少，7月下旬～8月中旬的暴雨日數占年暴雨日數的56.6%。雖然年暴雨日數和年暴雨量呈下降趨勢，但北京城市副中心的建設使得通州區社會經濟財富迅速增加，暴雨洪澇災害的風險反而增大。

（2）鄉鎮（街道）的河網密度、暴雨強度及發生頻率的不同使得暴雨災害危險性高值區出現在馬駒橋鎮，較高值區在新華、中倉街道及宋莊、永順、臺湖、西集、漷縣、于家務鄉（鎮）；鄉鎮（街道）的人口和社會經濟特征不同使得承災體在面臨氣象災害時的敏感性和脆弱性不同，脆弱性高值區分布在北苑、中倉、新華3個街道，較高值區在玉橋街道和梨園鎮。

（3）綜合考慮致災因子和孕災環境的危險性、承災體的脆弱性，通州暴雨洪澇災害風險高值區在中倉、新華街道及馬駒橋鎮，較高值區在北苑、玉橋街道及宋莊、永順、西集、漷縣、于家務鄉（鎮）。

（4）由于鄉鎮（街道）級氣象災害損失和社會經濟統計

數據非常缺乏，無法利用非線性、因子分析、BP模型等方法對脆弱性指標的相關性、耦合性進行分析，制約了選擇相互獨立、敏感性較高的社會經濟脆弱性評價指標。再者，由于社會經濟脆弱性本身的抽象性和復雜性，脆弱性量化評估研究目前仍處于探索階段，尚未形成統一的評估模式。指標體系法是目前社會經濟脆弱性主要的評估方法，指標體系構建與權重賦值的合理性應是今后亟待研究的問題。

（5）由于區域自動觀測站分布不均勻，建站較晚導致氣象要素序列較短，其數據質量有待控制；受社會經濟數據可取性的限制；同時，通州正處在城市化的快速發展中，城市建設日新月異，該研究進行的以鄉鎮為單位的區縣級氣象災害風險評估探索性研究，需在今后的氣象服務中不斷優化完善，所得到的一些研究成果仍然可以為通州區鄉鎮（街道）防災減災工作提供基本的依據和參考。

參考文獻

[1] 田玉剛，覃東華，杜淵會.洞庭湖地區洪水災害風險評估[J].災害學，2011，26（3）：56-60.

[2] 于文金，趙景旺.唐山市暴雨特征及風險評估研究[J].災害學，2013，28（4）：50-54.

[3] 馬艷，黃容，于進付，等.青島環膠州灣地區暴雨特征及暴雨災害風險分析[J].災害學，2012，27（4）：42-46.

[4] 薛曉萍，馬俊，李鴻怡.基于GIS的鄉鎮洪澇災害風險評估與區劃技術：以山東省淄博市臨淄區為例[J].災害學，2012， 27（4）：71-74.

[5] 莫建飛，陸甲，李艷蘭，等.基于GIS的廣西農業暴雨洪澇災害風險評估[J].災害學，2012，27（1）：38-43.

[6] 孫仲益，張繼權，王春乙，等.基于網格GIS的安徽省旱澇組合風險區劃[J].災害學，2013，28（1）：74-78.

[7] 宮清華，黃光慶，郭敏，等.基于GIS技術的廣東省洪澇災害風險區劃[J].自然災害學報，2009，18（1）：58-63.

[8] 羅培，張天儒，杜軍.基于GIS和模糊評價法的重慶洪澇災害風險區劃[J].西華師范大學學報（自然科學版），2007，28（2）：165-171.

[9] 張海玉，程先富，馬武.洪澇災害經濟易損性模糊評價：以安徽沿長江地區為例[J].災害學，2010，25（1）：30-34.

[10] 杜曉燕，黃歲梁，趙慶香.基于信息擴散理論的天津旱澇災害危險性評估[J].災害學，2009，24（1）：22-25.

[11] UNITED NATIONS DEVELOPMENT PROGRAMME.Reducing disaster risk：A challenge for development[M].USA：John S Swift Co.，2004：2-4.

[12] DILLEY M，CHEN R S，DEICHMANN U，et al.Natural disaster hotspots：A global risk analysis-synthesis report[R].USA：Columbia University，2005：4-7.

[13] 張繼權，岡田憲夫，多多納裕一.綜合自然災害風險管理：全面整合的模式與中國的戰略選擇[J].自然災害學報，2006，15（1）：29-37.

[14] 張繼權，李寧.主要氣象災害風險評價與管理的數量化方法及其應用[M].北京：北京師范大學出版社，2007：32-34，492-505.

[15] 張會，張繼權，韓俊山.基于GIS技術的洪澇災害風險評估與區劃研究：以遼河中下游地區為例[J].自然災害學報，2005，14（6）：141-146.

[16] 葛全勝，鄒銘，鄭景云，等.中國自然災害風險綜合評估初步研究[M].北京：科學出版社，2008：136-137，173-176.

[17] 張斌，趙前勝，姜瑜君.區域承災體脆弱性指標體系與精細量化模型研究[J].災害學，2010，25（2）：36-40.

[18] 馬國斌，李京，蔣衛國，等.基于氣象預測數據的中國洪澇災害危險性評估與預警研究[J].災害學，2011，26（3）：8-12.

[19] 陳磊，徐偉，周忻，等.自然災害社會脆弱性評估研究：以上海市為例[J].災害學，2012，27（1）：98-100.

[20] 唐啟義.DPS數據處理系統：試驗設計、統計分析與數據挖掘[M].北京：科學出版社，2010：719-726.