基于土地利用變化情景的城市暴雨洪澇災害風險評估
——以深圳市茅洲河流域為例

彭　建,魏　海,武文歡,劉焱序,王仰麟

北京大學城市與環境學院, 地表過程分析與模擬教育部重點實驗室, 北京　100871

我國是世界上少數的幾個自然災害頻發、災情嚴重的國家之一[1],存在著災害種類多、發生頻率高、影響范圍廣、損失嚴重等特征[2],而水旱災害則是當前最主要的自然災害類型。隨著城市化進程的不斷加快,城市特別是沿海地區城市以建設用地快速增加為主要特征的土地利用空間格局變化顯著,人口和財富在城市地區不斷集聚,城市自然災害脆弱性也逐漸增強,暴雨洪澇災害風險顯著加劇。近年來頻頻發生的暴雨洪澇引起了公眾和媒體的廣泛關注,更給城市的發展造成了嚴重的損失。例如,2012年7月21日北京特大暴雨造成79人死亡,房屋倒塌10660間,160.2萬人受災,經濟損失達116.4億元；作為中國最年輕的城市,深圳也飽受暴雨洪澇災害的襲擊,2014年5月11日,深圳遭遇2008年以來最強暴雨,造成150處道路積水,2000多輛車受淹,直接經濟損失約8000萬元。

快速城市化地區土地利用變化改變了原有的景觀結構和水文過程,對城市暴雨洪澇災害的影響近年來逐漸引起了學術界的關注。隨著對土地利用變化及其生態環境效應研究的不斷深入,土地利用/覆被變化對水文過程的影響研究得到了長足發展[3- 5],通常認為城市化過程導致城市地區不透水面積增加,引起截留、填洼、下滲和蒸發量減少,從而導致地表徑流和洪峰流量增大[6- 7]；建設用地的增加引起地表粗糙度下降,加上排水系統的建設使得流域匯流速度加快,縮短了徑流匯流時間[8]；農業開發活動的增加使得農業用地不斷開墾且土地利用強度增大,導致土壤入滲率減小,土壤容重增大,也增大了流域徑流量和洪峰流量[9- 10]。同時,土地利用變化也嚴重影響著洪澇災害的致災過程,盡管土地利用變化對暴雨洪澇災害的影響很大程度上決定于暴雨事件及其空間尺度[11],但新世紀以來,土地利用/覆被變化被認為是洪澇災害頻發的重要原因之一[12]。從災害系統的角度來看,城市空間的增長直接改變了地表不透水面、河流景觀等洪澇災害的孕災環境,從而導致產流匯流過程紊亂和洪澇災害的發生[4]；而孕災環境越不穩定,城市暴雨洪澇災害的風險就越大[13]。因此,以建設用地增加、生態用地減少等為主要特征的土地利用結構與景觀格局的變化是城市洪澇災害日益嚴重的主要原因[8],而城市化帶來的經濟增長和不合理的土地利用方式與強度增大增加了對洪澇災害響應的脆弱性[6],城市化程度越高的地區由于脆弱性和暴露性的增加而洪澇災害風險越大[14]。

情景模擬是預測和防范自然災害風險的重要研究方法,然而目前多數情景模擬研究主要針對自然災害發生頻率和強度設置情景,缺乏更具實踐意義的社會經濟發展情景設置及其風險的模擬[15]。城市暴雨洪澇災害風險評價一直以來都是自然災害領域的研究熱點,以土地利用變化情景作為社會經濟發展情景的空間體現,重點關注土地利用耦合強降雨過程這一暴雨洪澇災害鏈的核心環節,是理解城市暴雨洪澇災害形成機理的重要途徑,對土地利用變化情景下的洪澇災害風險定量評估具有重要意義。因此,本文基于土地利用變化模擬不同暴雨情景下的城市洪澇災害風險,是對景觀生態學視角下的城市自然災害風險評價的積極嘗試,有助于明晰土地利用變化對城市暴雨洪澇災害風險的影響機理,并能夠提供城市暴雨洪澇災害風險防范的景觀途徑,從而服務于城市暴雨洪澇災害的風險管理,提升城市防災減災能力,推進新型城鎮化建設,促進區域可持續發展。

1　研究區與數據

1.1　研究區概況

深圳市地處廣東省中部沿海地區、珠江口東岸,是中國典型的快速城市化地區。茅洲河是深圳市境內最長、流域面積最大的河流,位于市域西北角,發源于深圳市境內羊臺山北麓,自東南向西北匯流,全長41.6km,共有干、支流41條,呈不對稱樹枝狀分布,自沙井街道的民主村注入伶仃洋。茅洲河流域主要包括光明新區的公明街道、光明街道和寶安區的松崗街道,以及寶安區沙井街道、福永街道、石巖街道的一部分區域,地勢北、東和東南高,西和西南低,可細分為7個二級子流域(圖1)：上游為低山丘陵,包括石巖水庫、鵝頸水庫及長流陂水庫3個子流域；中游以盆地與平原為主,包括羅田水庫、光明農場以及燕川村為核心的子流域；下游為地形平坦的濱海沖積平原,主要是以共和村為核心的子流域。茅洲河流域是深圳市城市內澇的典型地區,流域面積310.85km2,總人口約為138萬；屬南亞熱帶海洋性季風氣候區,多年平均降水量1642—1649mm,且時空分配極不平衡,易受臺風、暴雨、洪澇侵襲；流域內大部分區域位于海拔25m以下,土地利用類型以建設用地和林地為主,其中建設用地約占流域面積的48%,林地約占流域面積的32%。

圖1　研究區地理位置示意Fig.1　Geographical location of the study area

1.2　數據來源

2　研究方法

本文采用國際減災戰略UN/ISDR對風險的定義,將風險表征為“風險(R)=致災因子(H)×脆弱性(V)”[16],提出基于土地利用變化情景的城市暴雨洪澇災害風險評估框架(圖2)。其中,致災因子(H)對應于不同年遇型降雨強度致災危險性水平下的洪水淹沒深度,由模擬降雨-產流-徑流過程實現；脆弱性(V)是暴露在致災風險源下的敏感程度,以脆弱性函數作為定量評估的依據,表征洪澇淹沒區土地利用類型的期望損失。對不同暴雨致災危險性及土地利用承災情景下的暴雨洪澇災害風險評估,主要采用CLUE-S模型模擬土地利用變化過程,基于站點歷史降水數據統計分析超越概率水平,依據SCS模型模擬產流-徑流過程,在考慮雨水管線的收集、存蓄與排水能力基礎上,結合地形數據采用等體積淹沒算法確定淹沒范圍與可能最大淹沒深度,并在參考已有文獻確定脆弱性函數的基礎上實現風險定量模擬與制圖,明晰應對城市暴雨洪澇災害風險的景觀優化途徑。

圖2　研究技術路線Fig.2　Research framework and methodology

2.1　城市土地利用變化情景設定

考慮到土地利用變化作為自然與人文系統耦合作用的過程,受區域整體土地開發政策與空間規劃管制影響顯著,城市土地利用變化的情景模擬面向深圳市域,在此基礎上提取茅洲河流域作為風險評估研究區。研究首先基于研究區實際及地物光譜特征,在ENVI軟件的支持下,對獲取的Landsat系列遙感數據進行輻射定標、大氣校正和幾何精校正等數據預處理后,采用監督分類的方法對研究區遙感影像解譯分類為耕地、園地、林地、建設用地、水體、濕地、未利用地和草地等八種地類,并結合改進的歸一化差異水體指數MNDWI、歸一化植被指數NDVI、歸一化建筑指數NDBI等對解譯結果進行修正[17-18],從而獲得1995、2000、2005、2010及2013年5期土地利用圖作為土地利用變化模擬的基礎數據,并利用獲得的全球地表覆蓋產品FROM-GLC(Finer Resolution Observation and Monitoring of Global Land Cover)數據集及Google Earth高分辨率遙感影像[19],在深圳市1995年以來地類無明顯改變的地區采用分層隨機抽樣的方法選取200個驗證點,對解譯獲得的5期土地利用類型分類結果進行精度驗證。檢驗結果表明,5期土地利用類型分類結果均為總體精度80%以上、Kappa系數0.75以上,能夠滿足研究對分類精度的要求。在此基礎上,以解譯獲得的1995、2000、2005、2010年4期土地利用數據為基礎,以年為基本步長預測2011年起未來一定時段的土地利用變化,并將模擬的2013年結果與實際影像解譯結果進行對照驗證,從而提高土地利用變化情景模擬的可靠性。

基于CLUE-S(Conversion of Land Use and its Effects at Small Region Extent)模型的土地利用變化情景模擬在區域尺度具有明顯優勢,其核心是預測土地利用類型需求、明晰土地利用變化驅動機制以及土地利用類型的轉換次序和相對彈性系數。土地利用類型需求預測方面,盡管過去20年來深圳市土地利用變化特征主要表現為建設用地增加和生態用地的持續減少,但是考慮到伴隨著城市化進程不斷增加的建設用地通常受政策、資源等條件的約束限制,在城市化進程的中后期增長速率會逐漸降低,與地區人口的發展情況類似而呈現“S”型的增長態勢。因此,選擇典型“S”型變化特征的生長函數——邏輯斯蒂(Logistic)回歸曲線模型[20],在SPSS軟件支持下對2011年起每年的土地利用類型進行需求預測,即以1995—2010年4期土地利用類型面積與時間間隔建立曲線估計回歸模型,同時為提高模擬的精度將模擬的2013年土地利用類型面積與解譯結果進行對照檢驗,從而確定未來不同時期研究區土地利用變化需求情景。土地利用變化驅動機制方面,基于多元邏輯斯蒂(Logistic)回歸模型,以海拔、坡度、坡向、距公路距離、距徑流線距離、距海岸線距離和距災害點距離7個驅動因子表征地形、區位、災害等對區域土地利用變化的影響,以2010年解譯的深圳市土地利用圖作為驅動力回歸模型的因變量,并采用隨機抽樣的方法在研究區抽取40000個觀測點,在SPSS軟件支持下采用逐步回歸的方法(引入和剔除自變量的概率水平為0.10),分別對每種地類進行二元Logistic回歸,并對回歸結果進行ROC(Receiver Operating Characteristic)檢驗,從而明晰研究區土地利用變化驅動機制。土地利用類型的轉換次序和相對彈性系數方面,主要在參考其他學者基于CLUE-S模型的應用案例基礎上結合研究區實際確定。基于此,在CLUE-S模型空間配置模塊軟件Dyna-CLUE軟件支持下,獲得2011年起至2020年共計10年的研究區土地利用空間格局情景。

2.2　城市暴雨致災危險性情景設定

暴雨作為城市暴雨洪澇災害的主要致災因子,是引起城市內澇的根本致災源,因而明確暴雨發生強度與頻率成為城市暴雨洪澇災害風險評估的關鍵環節,即需從風險誘發的角度出發,分析暴雨事件強度及發生的可能性。考慮到除突發性強降雨易引發城市暴雨洪澇災害外,區域持續性強降雨也是不可忽視的城市暴雨洪澇致災類型,因此,參考相關學者對區域持續性強降雨事件的定義[21-22],選取連續三日累積降水量作為城市暴雨洪澇災害致災危險性情景設定的基礎,以綜合反映區域持續性強降雨和突發性強降雨兩種類型的暴雨事件。限于數據的可得性,選取廣東省境內珠江三角洲地區距離深圳市國家基本氣象站150km范圍內,海拔相近的10個氣象站點(廣州、東莞、增城、惠陽、臺山、中山、珠海、深圳、汕尾、上川島)建站以來的連續三日累積降水量,作為估計暴雨致災危險性概率密度曲線和超越概率曲線的總體分布樣本,以提高空間插值的精度；并在MATLAB軟件支持下采用非參數的核密度估計法,分別繪制各氣象站點的概率密度曲線和超越概率曲線,確定十年遇、二十年遇、五十年遇和百年遇4種重現期為研究區的暴雨致災危險性情景。基于獲得的各站點致災危險性,采用適于深圳降水量較大這一特征的普通克里金插值方法[23],模擬研究區4種致災危險性水平下的連續三日累積降水量空間分布情景,并以此作為本文暴雨洪澇災害風險評估的4種致災危險性情景。

2.3　城市暴雨洪澇情景模擬

暴雨洪澇災害是城市地域常見的洪澇災害類型,兩者通常以災害鏈的形式作用于城市生態系統,并對城市生產生活和生態環境產生嚴重影響。暴雨洪澇情景分析是城市暴雨洪澇災害風險評估的基礎,對于明晰城市暴雨洪澇災害風險過程、降低區域災害風險、保障城市可持續發展均具有重要意義。開展城市暴雨洪澇情景分析,需在明確暴雨事件發生頻率與強度的基礎上,充分模擬城市的降雨徑流過程,以進一步模擬洪澇淹沒的范圍及深度。其中,城市降雨徑流過程的模擬是情景分析的核心環節,本文主要使用SCS(Soil Conservation Service)模型實現。SCS模型是美國農業部水土保持局于20世紀50年代提出的用于估算無觀測站小流域地表徑流的水文模型,其理論基礎為Mockus(1949)提出的P-Q經驗關系和Andrews(1954)提出的圖表查算法[24],模型機理明確、結構簡單且對數據需求低,成為國內外許多水文模型所集成的產流計算核心模塊。例如,常用的美國農業部(USDA)開發的水文評價模型SWAT(Soil and Water Assessment Tool)和美國環境保護署(EPA)提出的暴雨洪水管理模型SWMM(Storm Water Management Model)等均在產流計算模塊采用了SCS模型,從而使得SCS模型成為現行通用的降雨入滲產流計算工具。地表徑流量與降水量的定量關系可用下式表示：

(1)

式中,Q為地表徑流量(mm),P為流域總降水量(mm),S為當時可能的最大滯留量。這里引入無量綱參數CN值(曲線數,Curve Number),其與S的關系表示為：

(2)

參數CN綜合反映了截留、入滲等地表過程,其數值取決于流域的地表土壤水文類型、土地利用類型、坡度以及前期土壤濕度等[25]。本文以1983年深圳市自然資源調查的土壤類型圖為基礎,經空間數字化獲得深圳市土壤類型空間分布,參考美國土壤保持局對土壤水文組性質的定義,獲得深圳市茅洲河流域土壤水文類型空間分布；然后,基于土地利用變化情景分析中確定的8種土地利用類型,以Mishra和Singh[26]提供的CN值查找表為基礎,參考相關學者在珠江三角洲、深圳市等地區基于SCS模型的應用案例中對CN值的修正[7,27-29],確定研究區中等前期土壤濕潤程度(AMCⅡ)下的CN2值查找表(表1)。

從宏觀上看，河南省缺乏專門的促進戰略性新興產業專利發展的總體戰略，部分構想也只是蘊含于河南省知識產權整體發展的戰略之中，從而在主政策與子政策之間就出現了斷層；戰略性新興產業專利布局和其他產業知識產權類型布局之間，也缺少應有的融合與銜接。這種單一而非綜合的專利布局，無法形成合力，收到“1+1>2”的效果。從微觀上看，在戰略性新興產業專利布局中，知識產權管理部門、公司管理層、市場部門、研發部門對于構建專利組合，形成層級分明、功效齊備、要素完整的企業專利格局的整合度不足，專利布局設計的科學性也有待檢驗，因而導致對于戰略性新興產業所涉企業的自主創新能力提升應有的推動力無法得到充分的釋放。

表1　研究區中等前期土壤濕潤程度下CN2值

同時,引入坡度因子對CN值進行修正[30]：

(3)

CN3=CN2·exp[0.00673·(100-CN2)]

(4)

式中,CN2s為修正后的中等前期土壤濕潤程度下的曲線值,CN3為濕潤前期土壤濕潤程度下的曲線值,slope為坡度值。基于此獲得研究區基期、近期、遠期三種情景平均前期土壤濕潤程度下的CN值空間分布,從而確定不同暴雨致災危險性情景下的徑流分布格局。

流域徑流的運移匯流過程是一個復雜的時空過程,難以用數學或物理方程嚴格地描述洪水的演進,現有的水文學模型大多通過求解圣維南方程來計算非恒定水流匯流,進而模擬流動水體的深度分布[31]；基于GIS的洪水淹沒模型則多基于DEM數據,采用種子蔓延的搜索算法判斷DEM區域內每一點四鄰域或八鄰域的流動方向,在考慮連通性的條件下求解洪水淹沒的連續平面,從而模擬自然地表水流沿坡度最陡方向由高處向低處流動的規律并獲得淹沒區范圍[32-33]。這些求解方法過程大多相對復雜,且難以反映可能的最大淹沒水深。等體積淹沒算法的基本思想則是基于徑流匯水過程中地表水流從海拔高處向低處匯集的重力特性和地形起伏情況,以徑流總量與洪澇淹沒范圍內水量體積相等的原理來模擬洪水的淹沒范圍[34],屬無源淹沒分析的常見算法,相對而言方法實用、便捷且能較快實現淹沒區現狀數據的空間分析,是反演洪澇災害最大淹沒水深的重要途徑,尤其適用于小尺度區域的洪澇情景模擬。本文在Python語言的支持下,基于ArcGIS的3D分析工具函數,在考慮雨水管線的收集、存蓄與排水能力基礎上,采用迭代算法將淹沒區洪水總體積逼近流域地表徑流總量以獲得淹沒區域水平面的高程值,從而實現城市暴雨洪澇情景模擬。

2.4　城市暴雨洪澇災害脆弱性分析

暴雨洪澇災害脆弱性是承災體對暴雨洪澇災害敏感性、恢復力與暴露性的綜合表征,是城市暴雨洪澇災害風險評估的基礎。基于土地利用變化情景分析確定的8種土地利用類型構建土地利用承災體脆弱性函數,需確定各土地利用類型對暴雨洪澇災害致災因子強度的損失變化關系,本文選取較為常用的淹沒水深度量洪澇災害風險的致災脅迫強度。對于不同的土地利用類型,由于其內部組成及耐水特性存在差異,相同淹沒水深脅迫下的損失率會存在明顯差異；隨著淹沒水深增大,不同土地利用類型的損失率變化也會有所不同。一般來說,對于特定的承災體,致災因子強度越大,承災體的損失率越高,即致災因子的發生概率越小,承災體的損失越大[35]。許多學者對洪澇災害土地利用類型脆弱性函數的研究證實了類似的變化關系。例如,Elsner等給出了不同淹沒水深下畜牧業、農業、工業、交通通信業、倉儲、建筑和汽車等不同用地類型的損失變化關系[36],Jonkman等分析了洪澇淹沒水深與建筑物及屋內設施的損失關系[37],Sande等給出了冬小麥、工業、道路與居住建筑4種用地類型在不同淹沒水深下的損失率變化關系[38]。這些研究數據雖來自不同國家且土地利用分類體系存在較大差異,但不同土地利用類型對淹沒水深的響應變化存在一定的共性規律,能夠為暴雨洪澇災害土地利用類型脆弱性函數的構建提供參考。

Coto在對哥斯達黎加地區33種土地利用類型的耐水特性評估的基礎上,給出了各土地利用類型在四種不同淹沒水深下的脆弱性值[39],是目前基于土地利用分類的脆弱性賦值較為詳細的研究案例。本文基于暴雨洪澇災害土地利用承災體脆弱性對淹沒水深的響應變化特征,重點參考該研究中不同土地利用類型洪澇災害脆弱性函數,并借鑒其他相關研究成果[40-41],構建城市暴雨洪澇災害不同淹沒水深下土地利用類型的脆弱性函數值(表2)。其中,水體、灘涂、未利用地和林地脆弱性相對較小,耕地、園地、草地和建設用地的脆弱性較高；且隨著淹沒深度的增加,建設用地的脆弱性明顯增大,反映出建設用地對暴雨洪澇災害較高的脆弱性。同時,由于等體積淹沒算法模擬的是最大可能淹沒深度,一定意義上表征像元尺度的累積洪峰流量深度,因而脆弱性函數中的淹沒水深脅迫也可視為通過像元的累積淹沒水深,而非真實淹沒中的靜態淹沒深度。

表2　不同土地利用類型暴雨洪澇災害脆弱性函數

3　結果與分析

3.1　土地利用變化情景

以解譯的1995、2000、2005、2010年4期土地利用圖為基礎數據,在CLUE-S模型空間配置模塊軟件Dyna-CLUE支持下,獲得2011年起未來10年的土地利用空間分布情景(圖3)。同時,為檢驗模型模擬結果的可靠性,將2013年模擬結果與解譯結果進行空間對照,并在深圳市范圍內隨機抽取10000個驗證點進行模擬精度檢驗。結果顯示2013年模擬的土地利用類型空間分布總體精度為78.6%,Kappa系數為0.679,說明CLUE-S模型能夠較好地模擬深圳市土地利用變化情景,基本能夠滿足研究對土地利用情景精度的要求。

圖3　茅洲河流域土地利用變化情景模擬結果(2011—2020年)Fig.3　Modeling results of land use change in Maozhou Watershed (2011—2020)

對研究區1995年以來土地利用變化進行分析可以發現,近20年來研究區土地利用類型的數量和結構均發生了巨大的變化,建設用地面積持續增加,城鎮化率不斷提高,大量的非建設用地轉為建設用地。而2011年起未來十年間,受自然條件及土地利用空間管制政策約束,各土地利用類型變化速率降低；土地利用空間分布格局未發生明顯變化,建設用地面積緩慢增加,且多為現有建設用地周邊的空間拓展；耕地和林地減少緩慢,水體和濕地面積幾乎沒有變化,園地和未利用地減少較快,其中未利用地減少主要為推平未建的裸土變為建設用地；隨著城市公共綠色空間、綠色廊道等建設,草地面積呈微量增加的趨勢。同時,與2013年的建設用地面積相比,2016年建設用地面積約增加5%,2020年建設用地面積增加近10%,這兩期土地利用情景可作為暴雨洪澇災害風險評估的近期、遠期情景。

3.2　暴雨致災危險性情景

基于各氣象站點的概率密度曲線和超越概率曲線,確定十年遇、二十年遇、五十年遇和百年遇四種重現期情景下的暴雨致災危險性,采用普通克里金插值方法獲得研究區4種致災危險性水平下的連續三日累積降水量空間分布(圖4)。結果顯示,連續三日累積降水量的空間分布在十年遇危險性水平下總體較為均一,全區平均為48.56mm,標準差僅為0.12,呈現西部地區略高于東部地區的趨勢,反映出茅洲河流域作為降雨較為充沛的沿海地區,十年遇連續三日累計降水事件在空間上差異不大；二十年遇呈現由南向北遞減的趨勢,全區平均為77.72mm,標準差為0.52；五十年遇呈現東南向西北地區遞減的趨勢,全區平均為121.54mm；百年遇分布格局與五十年遇基本類似,全區平均為159.33mm。同時,隨著年遇型水平的增加,連續三日累計降水量呈現較為明顯的區域差異,從高值區的空間動態來看,十年遇水平下高值區集中于流域西部,但與中東部地區差異不是很明顯；二十年、五十年和百年遇水平下,高值區主要集中于南部上游石巖水庫子流域地區,這與該地區海拔相對較高的微地形及大區域海陸關系密切相關。

圖4　茅洲河流域不同重現期連續三日累積降水量空間分布(十年、二十年、五十年、百年遇)Fig.4　Spatial distribution of three-day accumulated precipitation under different recurrence intervals (10a, 20a, 50a and 100a)

3.3　暴雨洪澇情景

基于對研究區連續三日累積降水量超越概率的分析,選取重現期為十年、二十年、五十年和百年遇水平作為暴雨致災危險性情景,分別對應概率水平為0.1、0.05、0.02和0.01。同時,基于對深圳市過去20年土地利用變化的趨勢分析,模擬了2011—2020年土地利用變化的空間格局,選取作為土地利用變化模擬精度驗證的2013年為基期土地利用情景,考量未來建設用地增長的時空過程,確定與基期相比建設用地面積增加5%為近期,增加10%為遠期,發現基本對應于2016年和2020年的建設用地面積總量,基于此確定CLUE-S模型模擬的2013年土地利用空間分布為基期土地利用情景,2016年為近期土地利用情景,2020年為遠期土地利用情景。4種暴雨致災危險性情景與3期土地利用情景的交叉組合構成暴雨洪澇致災、承災的12種模擬情景(表3)。

表3　茅洲河流域暴雨洪澇情景設定

以字母“B”、“S”、“L”分別表征土地利用情景的基期(Base Scenario)、近期(Short-term Scenario)和遠期(Long-term Scenario),以字母“Y”加數字表征不同年遇型(Year)的暴雨致災危險性情景,兩者以下劃線“_”相連共同表征12種暴雨洪澇情景,并作為本文風險情景分析的指代基礎

基于構建的12種暴雨洪澇致災、承災交互情景以及對應情景下CN值的空間分布,采用SCS模型經典算法,在ArcGIS軟件支持下分別計算像元尺度的徑流深空間分布(圖5)。結果顯示,各情景下茅洲河流域徑流深的空間分布與降水量的空間分布相比,受下墊面條件影響更大,區域內徑流深的相對高值區主要為建設用地、水體等用地類型區；隨著暴雨致災危險性的重現期由十年遇增加至百年遇,區域徑流深呈現明顯的增加趨勢；對于同等強度的致災影響,隨著建設用地等城市不透水面增加,流域總徑流量也增加明顯。

圖5　不同情景下茅洲河流域徑流深空間分布Fig.5　Spatial distribution of runoff depth in different scenarios in Maozhou Watershed

基于12種情景下茅洲河流域徑流深的空間分布,綜合考慮城市雨水管線等排水設施的存蓄、收集與泄洪能力影響,在DEM數據輔助支撐下采用等體積淹沒算法,分析各情景下茅洲河流域的最大可能淹沒范圍和深度。結果顯示,各情景下暴雨洪澇的淹沒范圍主要位于茅洲河中游燕川村子流域和下游共和村子流域的平原地區,以及上游石巖水庫子流域地勢較低的低丘盆地,總體上與茅洲河流域內雨水管線的空間分布格局基本一致；最大淹沒深度的高值區出現于茅洲河中上游二級子流域的出水口附近,其空間分布與等體積淹沒算法在坡降比較大流域應用的局限性相關,但同時也在一定程度上反映了各二級子流域出口處的洪峰流量分布,對于加強地下管網排水能力建設具有重要的空間指示意義。

為檢驗各情景下城市暴雨洪澇淹沒范圍的模擬精度,系統梳理深圳新聞網、深圳都市網等相關媒體對城市易澇點的報道,基于其對易澇點位置的描述,在電子地圖輔助下還原內澇點空間位置。媒體報道顯示,深圳市全市共有大小內澇點約268個,主要集中于寶安區、龍崗區、光明新區和坪山新區的部分街道,內澇面積約80 km2[42]；從流域分布來看,茅洲河流域內易澇點共計18個,主要位于下游共和村子流域、中游燕川村子流域的平原地區,以及上游石巖水庫子流域的盆地區域,與雨水管線的空間分布格局高度一致,這些地區也是建設用地的集中連片區,足見茅洲河流域內雨水管線的排水能力尚顯不足。由于對易澇點的媒體報道僅說明為內澇的易發區,未給出具體的暴雨事件和強度,因而難以確定各易澇點城市內澇發生時的降水量和流域徑流分布,考慮到暴雨洪澇災害發生時日降水量通常在50mm以上,故以茅洲河流域暴雨洪澇災害風險模擬的B_Y20情景作為精度分析的模擬情景表征,即將易澇點用以驗證基期土地利用情景下發生二十年遇暴雨事件的淹沒范圍精度。此外,由于媒體報道的內澇點多位于立交橋等城市微地形地區,在30m分辨率DEM數據上難以有效反映,且新聞報道的內澇點位置多以描述為主,較多易澇點難以確定發生內澇的準確空間分布與范圍；考慮到通常城市內澇的發生成片區狀分布,如果易澇點周邊600m(20個像元)范圍內存在情景模擬中的淹沒像元,則認為模擬的城市內澇淹沒區域與媒體報道的真實易澇點分布基本一致,定義驗證情況為“1”,否則情景模擬的淹沒范圍未準確反映真實的內澇分布,定義驗證情況為“0”。

圖6　茅洲河流域暴雨洪澇淹沒情景精度驗證Fig.6　Accuracy validation for the flood scenarios in Maozhou Watershed

B_Y20情景下易澇點驗證情況如圖6所示。結果顯示,媒體報道的茅洲河流域內易澇點與情景模擬的淹沒范圍空間分布格局基本一致。18個易澇點中驗證情況為“1”的易澇點有11個,驗證精度61.1%,一定程度上說明本文基于SCS模型模擬流域的徑流深空間分布并采用等體積淹沒算法模擬暴雨洪澇淹沒的過程分析具有一定的可行性。

3.4　暴雨洪澇災害風險

基于確定的評估框架對12種致災、承災的交互情景下茅洲河流域暴雨洪澇災害風險進行評估,并采用等間隔的分級方法將風險值分為低風險(0

為便于分析土地利用變化對區域暴雨洪澇災害風險的影響,本文對茅洲河流域12種暴雨洪澇災害情景下各等級風險的面積進行統計(圖8)。結果顯示,對于每一種暴雨致災情景,隨著建設用地面積增加,中等風險和高風險區面積均呈現較為明顯的增加趨勢,低風險區面積呈現一定下降的趨勢,即部分低風險區、中等風險區風險水平升高為中等、高風險。盡管4種暴雨致災危險性重現期情景下,中等風險和高風險區面積的增加率與建設用地面積的增加率不完全相等,但是兩者表現出明顯的非線性協同變化特征。以五十年遇危險性水平為例,隨著建設用地面積由基期的15368.85hm2增加至近期16076.07hm2和遠期16750.89hm2,高風險區面積由254.07hm2增加至276.48hm2和286.2hm2,表明區域建設用地面積增加會引起流域徑流、淹沒范圍及深度增大,以及暴雨洪澇災害土地利用承災體脆弱性升高,因而以建設用地增加為主要特征的城市土地利用變化對區域暴雨洪澇災害風險的影響不容忽視。

圖7　不同情景下茅洲河流域暴雨洪澇災害風險Fig.7　Storm flood disaster risk in different scenarios in Maozhou Watershed

圖8　茅洲河流域暴雨洪澇災害風險情景對比Fig.8　Comparisons of the storm flood disaster risk in different scenarios in Maozhou Watershed圖中圓形大小及注記表示風險區面積

4　結語

本文以深圳城市內澇的典型地區——茅洲河流域為例,基于構建的土地利用變化情景和暴雨致災危險性情景,采用“風險(R)=致災因子(H)×脆弱性(V)”的評估框架,綜合運用CLUE-S模型、SCS模型及等體積淹沒算法等對12種暴雨洪澇致災-土地利用承災情景下的城市暴雨-入滲-產流-匯流-洪澇等過程進行模擬,并對相應的災害風險進行定量評估,是對景觀生態學視角下的城市自然災害發生演變及其風險評估的積極嘗試,有助于明晰土地利用變化對城市暴雨洪澇等自然災害生態風險的影響機理和耦合關系。研究結果表明,隨著暴雨致災危險性的增加,暴雨洪澇災害高風險區面積呈現明顯的增加趨勢；而對于相同的暴雨致災危險性情景,隨著建設用地面積的增加,暴雨洪澇災害中等風險和高風險區范圍也呈現較為明顯的增加趨勢,兩者呈現非線性協同變化關系。以五十年遇危險性水平為例,建設用地面積由基期的15368.85hm2增加至近期16076.07hm2和遠期16750.89hm2,高風險區面積由254.07hm2增加至276.48hm2和286.2hm2。這表明盡管暴雨是區域暴雨洪澇災害的主要致災因子,以建設用地面積增加、生態用地面積減少為主要特征的城市土地利用變化,將引起地表徑流量及淹沒區面積和淹沒水深增大；土地利用變化引起的暴雨洪澇災害響應不容忽視。因此,在加強易澇區地下管網存蓄泄洪能力建設的同時,嚴格控制建設用地規模、優化土地利用空間格局,是增強城市暴雨洪澇災害風險防范能力的重要景觀途徑。

然而,限于數據可得性等因素制約,論文在諸多方面仍存在不足,主要包括：(1)未能將城市地域排水能力的空間差異及其時間動態影響納入流域匯流及洪澇災害的模擬。暴雨洪澇災害的形成與區域雨水管線等排水設施的能力密切相關,本文在洪澇災害淹沒范圍模擬時,僅在參考雨水管線的管徑、材質等屬性信息基礎上確定區域雨水管線的綜合存蓄與泄洪能力,未能進行排水能力的動態過程模擬,使得模型模擬存在一定的誤差；(2)未能細分城市建成區內不同類型建設用地的影響。城市建成區范圍內建設用地可細分為住宅、商服、教育、交通等多種用地類型,不同類型建設用地的耐水性和脆弱性存在較大差異。但不同建設用地類型難以基于Landsat系列遙感數據反演獲取并進行變化情景的模擬,在社區等小尺度區域開展研究時可考慮對建設用地進行細分。此外,本文在模擬數據精度、模擬模型優化及情景仿真分析等方面也有一定不足。