安徽省沿江地區(qū)暴雨洪澇災害危險性評估

黃曉梅， 程先富

(1.安徽師范大學 地理與旅游學院，安徽 蕪湖 241002；2.自然災害過程與防控研究安徽省重點實驗室，安徽 蕪湖 241002)

引 言

當前，伴隨著全球氣候變化，各種極端氣象事件頻發(fā)[1]。不論是在世界范圍還是在中國，洪澇災害都是各種自然災害中發(fā)生頻率最高、造成損失最嚴重的一種災害。尤其是我國，自然地理、氣候條件復雜，是世界上洪澇災害最嚴重的國家之一[2]。目前，許多學者已對洪澇災害危險性評估開展了研究，且對洪澇災害風險提出了多種評價方法和模型。近年來，李景宜[3]、徐玉霞[4]、盛紹學等[5]、程先富等[6-8]運用降水、河網(wǎng)水系、地形等特定指標建立洪澇災害權重指數(shù)模型對洪澇災害危險性或風險進行定量評估，給出分級評價結(jié)果。這些研究從形成洪澇災害的自然屬性角度出發(fā)，認為引發(fā)洪澇災害的主要是強降水，同時下墊面的自然地理環(huán)境又和天氣條件相互影響，進而決定了洪澇災害的時空分布[9]，該方法綜合考慮致災因子和孕災環(huán)境對洪澇災害的影響，較為全面與合理，然而大多數(shù)學者選用的致災因子指標較為粗略和單一，以年均降水居多，并不能全面反映致災因子對洪澇災害危險性研究的重要性，并且多采用單一的數(shù)學方法賦予指標權重，多以主觀賦權居多。因此本文嘗試在這兩個方面進行完善，選取多個暴雨指標作為致災因子分析，并結(jié)合研究區(qū)的自然地理環(huán)境要素，選取孕災環(huán)境指標，應用熵權法和網(wǎng)絡層次分析法(ANP)相結(jié)合來賦予指標權重，通過GIS空間分析功能來綜合評估安徽省沿江地區(qū)汛期暴雨洪澇災害危險性，以加深對區(qū)域暴雨洪澇災害危險性的研究。

1 研究區(qū)與技術路線

1.1 研究區(qū)概況

安徽省沿江地區(qū)地處長江下游流域，屬亞熱帶季風濕潤氣候，地勢呈北低南高的特點，且西南、東南兩側(cè)海拔高，中部低(如圖1)。安徽省沿江地區(qū)年內(nèi)降水多集中在汛期(5—9月)，暴雨降水尤為集中，多年汛期暴雨降水約占全年暴雨總量的88%。研究區(qū)面積約占安徽省面積的33.1%，包括合肥市、蕪湖市、馬鞍山市、銅陵市、安慶市以及池州市，共29個市縣。

圖1 安徽省沿江地區(qū)概況圖Fig.1 Overview diagram of area along the Yangtze River

1.2 技術路線

圖2 安徽省沿江地區(qū)暴雨洪澇災害危險性評估技術路線圖Fig.2 The technical route of the assessment about flood hazard in study area

由于研究區(qū)洪澇災害主要是汛期暴雨引發(fā)，因此綜合考慮反映暴雨降水的強度、頻次以及暴雨的累積作用，本文選取汛期暴雨總量、汛期最大暴雨過程、汛期暴雨強度以及汛期暴雨變異系數(shù)[10-12]四個指標反映汛期洪澇災害致災因子的特征。區(qū)域的自然地理環(huán)境作為洪澇災害發(fā)生的主要孕災環(huán)境，其影響也不容忽視，因此本文通過相關文獻的閱讀，結(jié)合研究區(qū)的自然環(huán)境，選取地形影響度、水系影響度、徑流曲線數(shù)以及過境洪水作為研究區(qū)孕災環(huán)境的影響因素。通過熵權法確定各指標的客觀權重與網(wǎng)絡層次分析法確定的主觀權重組合得到指標的綜合權重，繪制沿江地區(qū)暴雨洪澇災害危險性等級分布圖，技術路線如圖2所示。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

本研究所需數(shù)據(jù)內(nèi)容及其來源如表1所示。

2.2 熵權法

在信息論中，信息是系統(tǒng)有序程度的一個度量，熵是系統(tǒng)無序程度的一個度量，如果指標的信息熵越小，該指標提供的信息量越大，在綜合評價中所起的作用也越大，權重也越高。運用熵權法求算權重，其步驟如下。

(1)構建m個評價單元、n個評價指標的判斷矩陣G：

G=(gij)m×n(i=1,2,…,n;j=1,2,…,m)

(1)

(2)將判斷矩陣G進行歸一化處理，得到歸一化矩陣B：

Bij=gij-gmin/gmax-gmin

(2)

表1 安徽省沿江地區(qū)暴雨洪澇災害危險性評估數(shù)據(jù)信息

根據(jù)中國氣象局對降水等級的規(guī)定，本文將日降水量≥50mm的降水稱作暴雨

式中，gmax、gmin指同一個指標體系下不同評價單位的最優(yōu)值、最不優(yōu)值。

(3)計算評價因素的熵值H：

(3)

式中：0≤Hi≤1，且

(4)

(4)確定評價指標的熵權M：

(5)

(6)

利用熵權法確定各評價指標的權重，客觀合理，但是由于熵權法計算權重時對異常值較為敏感，一些相對較不重要的指標往往被賦予相當大的權重，會影響整個評價結(jié)果，因此本文利用熵權法計算指標的客觀權重，運用ANP法確定指標的主觀權重，兩者結(jié)合得到指標的綜合權重。這種主客觀組合賦權法確定的權重提高了定性與定量分析的客觀性和全面性，使得評價結(jié)果更科學[13]。

2.3 網(wǎng)絡層次分析法

網(wǎng)絡層次分析法(Analytic Network Process，ANP)是由層次分析法(Analytic Hierarchy Process，AHP)衍變而來，是由Saaty提出的一種適用于非獨立的遞階層次結(jié)構的決策方法[14]。ANP將系統(tǒng)內(nèi)各元素的關系用類似網(wǎng)絡結(jié)構表示，更準確地描述了客觀事物之間的聯(lián)系，是一種更加有效實用的決策方法[15]。運用ANP方法計算指標權重的步驟如下。

圖3 網(wǎng)絡層次分析法的結(jié)構模型Fig.3 The structural model of ANP

(1)建立ANP結(jié)構模型。根據(jù)決策目標和決策因素確定控制層和網(wǎng)絡層，在目標和決策因素的基礎上確定各因素之間的關系(如圖3所示)。

(2)運用ANP基本原理構建初始矩陣。基于網(wǎng)絡結(jié)構模型中各要素間的相對重要程度進行比較，依據(jù)Saaty1-9級量表，通過專家打分，進行成對比較，構建初始矩陣：

(7)

(3)根據(jù)各指標之間的次級準則建立基于ANP網(wǎng)絡的超級矩陣Wij：

(8)

(4)構建加權超矩陣。在Wij矩陣的基礎上考慮層次之間的影響，將每個層次作為一個元素進行兩兩對比，構建加權超矩陣W：

W=Pij×Wij

(9)

式中：Pij表示第i個層次相對于第j個層次的影響權值。

(5)計算加權超矩陣W得到指標的權重。最后根據(jù)最小信息熵原理，對求算的主觀權重和客觀權重進行計算，得到指標的綜合權重，公式如下：

(10)

通過組合賦權法得到各指標權重如表2所示。

表2 研究區(qū)暴雨洪澇災害危險性評估指標及其權重

3 指標分析與處理

3.1 致災因子危險度

采用1960—2016年的汛期逐日降水數(shù)據(jù)來反映近57年的汛期暴雨降水的總體特征，長時間序列的降水數(shù)據(jù)具有相當?shù)姆€(wěn)定性，暴雨的空間分布很大程度上影響洪澇災害的空間分布。致災因子指標的簡單定義如下。

(1)汛期暴雨總量：汛期暴雨(≥50mm)的多年(1960—2016)均值；

(2)汛期暴雨強度：汛期暴雨總量/汛期暴雨日數(shù)的多年(1960—2016)均值；

(3)汛期最大暴雨過程：年最大暴雨過程的多年(1960—2016)均值,暴雨過程指一次連續(xù)多日降水，其中包含一個暴雨日(≥50mm)，出現(xiàn)日降水量<0.1mm則暴雨過程結(jié)束；

(4)汛期暴雨變異系數(shù)：多年汛期暴雨量的標準差/汛期暴雨總量,暴雨變異系數(shù)也稱暴雨變率，反映汛期暴雨的年際變化特征，變異系數(shù)越大，表明暴雨降水年際變化越大，不確定性增強,在一定程度上會增加洪災危險性[3]。

由圖4的(a)可知，研究區(qū)汛期暴雨總量整體上呈現(xiàn)南高北低的分布格局，空間差異顯著，高值集中分布在安慶和池州的大部分地區(qū)；由圖4(b)，研究區(qū)汛期暴雨強度整體上是西北低中南部高，汛期暴雨強度高值集中分布在研究區(qū)中東部和南部；由圖4(c)可知，研究區(qū)汛期最大暴雨過程總體呈現(xiàn)南高北低的分布特征，與暴雨總量的空間分布大體一致；如圖4(d)所示，研究區(qū)汛期暴雨變異系數(shù)的空間分布呈現(xiàn)南低北高的分布格局，與汛期暴雨總量的空間分布正相反，南部地區(qū)暴雨變異系數(shù)整體偏低，表明該區(qū)域多年來汛期暴雨降水較為穩(wěn)定，一直處于較高水平；而研究區(qū)北部暴雨變異系數(shù)偏高，表明該地區(qū)汛期暴雨年際波動較大，暴雨降水較為不穩(wěn)定。

利用GIS空間技術將各指標層賦權疊加，得到研究區(qū)暴雨致災力的空間分布圖(如圖4(e))，由圖可知汛期暴雨致災力高值集中分布在研究區(qū)南部的池州、安慶地區(qū)，其中岳西縣、潛山縣、懷寧縣、太湖縣以及安慶市轄區(qū)是暴雨影響最嚴重的地區(qū)，而研究區(qū)西北部的合肥地區(qū)受暴雨影響最小。

3.2 孕災環(huán)境脆弱度

3.2.1 地形分析 采用DEM數(shù)據(jù)和高程標準差兩個因子來綜合反映地形的影響。水由高處向低處匯集，海拔較高的地區(qū)匯水量較少，海拔較低的地區(qū)匯水量大。高程標準差反映一個地區(qū)的高低起伏程度，高程標準差大說明該地區(qū)地形起伏較大，比較利于降水的排泄，相反，高程標準差小的地方，則地形平緩，容易滯留降水，造成威脅。對研究區(qū)DEM與高程標準差分別進行重分類，將這兩個因子綜合并賦值得到地形對洪澇災害危險性的影響度(如表3，圖5(f))。

表3 研究區(qū)地形影響度

3.2.2 影響度分析 暴雨降水會引發(fā)河流湖泊水位快速上漲，距離河流、湖泊越近，遭遇洪澇災害的危險性越大。不同級別的河流由于其流量不同，同一級別的河流由于其所處的海拔不同,洪澇災害危險性也會不同。參考有關文獻并根據(jù)歷年洪水淹沒資料和相關遙感影像資料來確定河流和湖泊的緩沖區(qū)距離(如表4)。再根據(jù)距離河流、湖泊越近，洪水危險性越大的原則，確定各級緩沖區(qū)對危險性的影響度，其中一級緩沖區(qū)為0.8，二級緩沖區(qū)為0.5，非緩沖區(qū)為0.3，最后得到水系對洪澇災害危險性的影響度(如圖5(g))。

表4 研究區(qū)水系緩沖區(qū)分類

3.2.3 徑流曲線數(shù)分析 徑流是引發(fā)洪水的關鍵因素，徑流曲線數(shù)CN表征流域下墊面條件對產(chǎn)流匯流的影響，主要與區(qū)域的土地覆被類型及土壤的透水性等有關，因此本文采用土地利用類型和土壤類型來反映沿江地區(qū)的下墊面性質(zhì)對徑流的作用。通過參考SCS-CN估算模型在安徽省及巢湖流域洪水災害風險評估中的應用[16，17]，將2015年的土地覆被類型劃分為耕地、林地、草地、水體、建筑用地、未利用土地等六大類型。根據(jù)安徽省沿江地區(qū)不同土壤類型的透水性，劃分為：透水性較強的土壤(A)、中等透水性土壤(B)、透水性較弱的土壤(C)和不透水土壤(D)。參照美國水土保持局TR-55手冊將土地利用類型與土壤類型賦予CN值[18](如表5，圖5(h))。

表5 研究區(qū)不同土地覆被類型的CN值

3.2.4 過境洪水影響度 安徽省沿江地區(qū)地處長江下游流域，汛期受上游來水影響，長江干流安徽段水位、流量都較高。本文參考有關學者對渭河流域洪澇災害的研究[19]，根據(jù)研究區(qū)特殊的地理位置以及長江江水頂托等因素，選取與長江干流的距離、地面高程與洪水水位之差兩個因素表示過境洪水對研究區(qū)洪澇災害危險性的影響，得到過境洪水影響度的空間分布(如圖5(i))。

通過GIS空間技術將各指標層賦權疊加，得到研究區(qū)孕災環(huán)境敏感性的空間分布圖(如圖(j))，可知研究區(qū)最為敏感的地區(qū)是長江沿岸地區(qū)和巢湖流域，這些地區(qū)不僅瀕臨長江和巢湖，水系密布，而且地勢低洼，易匯集地表徑流，汛期暴雨影響下，短時間內(nèi)河湖水庫水位上升迅速，同期江水水位高，江河湖泊都面臨泄洪困難，排洪不暢，易形成洪澇災害。而研究區(qū)西南側(cè)和東南側(cè)是敏感性最低的地區(qū)，主要是由于這些地區(qū)多分布海拔較高的山地和丘陵，易于降水的排泄，且植被覆蓋率高，有利于降水的截流與下滲。

4 結(jié)果與分析

利用GIS空間分析技術將暴雨致災力與孕災環(huán)境敏感性圖層疊加，得到安徽省沿江地區(qū)汛期暴雨洪澇災害危險性空間分布圖，采用自然間斷點法將危險性分為五個等級(如圖6)，并統(tǒng)計研究區(qū)29個市縣各等級危險區(qū)所占面積比。

圖6 研究區(qū)暴雨洪澇災害危險性等級分布Fig.6 The distribution of different risk levels of flood hazard in study area

(1)低危險和較低危險等級集中分布在研究區(qū)西北部地區(qū)，且其面積占比約為16%，主要包括合肥市、長豐縣、肥西縣、肥東縣，這些市縣的低等級與較低等級面積占比之和均超過80%，由于多年汛期暴雨降水相對偏少，暴雨強度較低，且距離長江干流最遠，受河湖水系影響較小，因而研究區(qū)西北部汛期受到洪澇災害威脅相對最小，危險性最低。

(2)中等危險性等級主要分布在研究區(qū)北部的巢湖流域地區(qū)和研究區(qū)東北部，面積占比約為23%，其中巢湖市、含山縣、和縣、當涂縣、馬鞍山市的大部分地區(qū)，面積占比均超過50%，巢湖流域地區(qū)以及研究區(qū)東北部由于汛期暴雨降水較少，暴雨強度較高，暴雨變異系數(shù)大，強降水的不確定性增加，但這些地區(qū)距離長江干流相對較遠，因此危險性相對處于中等水平。

(3)較高等級危險性地區(qū)所占面積比最高，約為37.2%，蕪湖市較高等級面積占比約為99.5%，研究區(qū)北部長江沿岸地區(qū)危險性較高，這些地區(qū)汛期暴雨降水相對較多，且暴雨強度高，暴雨變異系數(shù)較大，并且河網(wǎng)水系密布，地勢較低，距離長江干流近，過境洪水影響較大，導致暴雨洪澇災害危險性較大。研究區(qū)西南部及西北部的岳西縣、潛山縣、東至縣和青陽縣的較高等級面積占比超出60%，這些地區(qū)暴雨降水多，暴雨強度高且持續(xù)時間久，但由于海拔高，地形有利于降水排泄，受水系影響較小，因此這些地區(qū)暴雨洪澇災害處于較高水平。

(4)高等級危險區(qū)面積占比約為23.8%，集中分布在研究區(qū)中南部，主要為安慶、池州和銅陵的瀕江地區(qū)。安慶市高等級危險性面積占比最高，約為95.6%，懷寧縣、望江縣、樅陽縣和銅陵市高等級危險性面積占比均高出60%，這些地區(qū)不僅汛期暴雨量多，暴雨強度大，且承接海拔較高地區(qū)排泄的降水，導致河湖水位急漲，又由于瀕臨長江，河網(wǎng)交織，地勢低洼，汛期長江干流水位高，暴雨降水無法及時順利排泄，多種因素疊加導致洪澇災害易發(fā)頻發(fā)，汛期受暴雨洪澇災害威脅最大。

圖7 研究區(qū)洪澇災害損失占比分布Fig.7 The spatial distribution of flood disaster losses in study area

通過查閱《中國氣象災害大典》(安徽卷)及近年的洪澇災害損失資料[20-22]，可以發(fā)現(xiàn)本文對安徽省沿江地區(qū)的暴雨洪澇災害危險性評估與實際災情發(fā)生情況基本一致。由于長時間序列的詳細災情數(shù)據(jù)的可獲得性存在很大難度，本文僅取得2009—2016年安徽省沿江地區(qū)縣域洪澇災害的災損數(shù)據(jù)，因此以近八年的災損數(shù)據(jù)多年均值占比為驗證，結(jié)果如圖7所示。近年來，研究區(qū)西北部的合肥大部地區(qū)災情最輕，中南部地區(qū)災害損失嚴重。東至縣和石臺縣的多年受災人口占比高達68%，樅陽縣多年農(nóng)作物受災面積占比高達75%，岳西縣的多年直接經(jīng)濟損失占比最高，約為4%，安慶市的多年農(nóng)業(yè)損失占比最大，約為6%，值得注意的是，研究區(qū)的農(nóng)業(yè)損失占據(jù)直接經(jīng)濟損失的比例超過50%，可見汛期暴雨洪澇災害對農(nóng)業(yè)生產(chǎn)的影響十分嚴重，加強區(qū)域暴雨洪澇災害危險性分析迫在眉睫。

5 結(jié) 論

(1)降水是區(qū)域形成洪澇災害的決定性因素，汛期暴雨是安徽省沿江地區(qū)洪澇災害的主要觸發(fā)因子。汛期暴雨危險度呈由北向南增大的空間分布特征，汛期暴雨危險度較高的地區(qū)暴雨降水多且暴雨強度大，主要分布在研究區(qū)南部的安慶、池州和銅陵地區(qū)。

(2)研究區(qū)孕災環(huán)境復雜，孕災環(huán)境脆弱度最高的地區(qū)多是長江沿岸市縣，這里地勢低洼，瀕臨長江且河湖密布，水系影響度較高，且耕地面積大，建筑用地比例高，在汛期暴雨作用下較易形成區(qū)域性的漫溢型洪水災害和內(nèi)澇。

(3)汛期暴雨洪澇災害危險性分布空間差異顯著。研究區(qū)西北部是危險性等級較低的區(qū)域，約占研究區(qū)總面積的16%，長豐縣是研究區(qū)危險性最低的縣域；巢湖流域地區(qū)及研究區(qū)東北部處于中等危險性水平，約占研究區(qū)總面積的23%；危險性高等級和較高等級地區(qū)主要在研究區(qū)中部及南部，占研究區(qū)總面積的61%，其中高等級危險區(qū)集中在安慶、銅陵和池州的長江沿岸地區(qū)，安慶市轄區(qū)是沿江地區(qū)洪澇災害危險性最高的地區(qū)，而較高等級危險區(qū)在高等級危險區(qū)四周分布，汛期暴雨作用下受洪澇災害威脅的可能性很大。