粵港澳大灣區未來洪澇災害風險預估研究*

宋金帛，羅 明，張 強

(1. 華東師范大學 地理科學學院，上海 200241；2. 中山大學 地理科學與規劃學院、廣東省城市化與地理環境空間模擬重點實驗室、廣東省公共安全與災害工程技術研究中心，廣東 廣州 510275；3. 北京師范大學 地表過程與資源生態國家重點實驗室，地理科學學部，北京 100875)

在氣候變化和城市化進程下，不同空間尺度上的水循環加劇，極端降水增多，城市洪澇災害頻發，造成極為嚴重的人員傷亡和財產損失[1-4]。粵港澳大灣區(以下簡稱“大灣區”)既是我國城市化程度和開放程度最高的地區之一，人口集聚，經濟發達[5]，同時地勢低洼、河網密布，降水豐沛且季節、年際變化大，因此也是洪澇災害的高發區[6]，洪澇災害對當地社會經濟發展帶來嚴重威脅。對氣候變化和城市化進程下的大灣區未來洪澇災害風險演變進行預測，揭示未來不同發展情景下洪澇災害風險的時空分布規律，可為該地區洪澇災害的防范和管理提供重要的科學支撐。

洪澇災害風險是指某一區域在未來遭遇洪澇災害時，遭受損失的可能性和程度。目前，常用的洪澇災害風險評估方法包括基于遙感和GIS方法的評估[7-9]、基于歷史災情數據和數理統計方法的評估[10-12]、基于指標體系法的評估[13-15]、基于洪澇災害情景模擬的評估[16-18]等[19-20]。眾多學者基于上述評估方法對未來洪澇災害風險進行預測，分析洪澇在城市化和氣候變化背景下的風險演變規律[21-27]。在前人研究中，盡管有學者對大灣區未來洪澇災害風險進行預測，但很少同時考慮到城市化和氣候變化進程，并基于最新的第六次國際耦合模式比較計劃(CMIP6)數據[28]預測該地區的未來洪澇災害風險。為此，本研究基于CMIP6模擬、CMORPH降水、土地利用/覆蓋等數據，利用FLUS模型預測未來的土地利用模式，結合CMIP6數據評估氣候變化對大灣區未來降水的影響，依據非線性回歸降尺度模型、修正系數法和風險評價模型對大灣區2015—2045年間的洪澇災害風險進行預測。

1 數據與方法

1.1 數據來源及處理

本文采用的主要數據如下：

(1)CMORPH數據(1998—2014年)。CMORPH數據是具有高時空分辨率的衛星降水產品[29]，本研究采用CMORPH數據計算大灣區1998—2014年逐日降水量，并用于CMIP6數據降尺度模型的建立及精度評價工作。所用CMORPH數據的時、空分辨率分別為3 h、0.25°×0.25°，數據來源為ftp://ftp.cpc.ncep.noaa.gov/precip/CMORPH_V1.0/。

圖1 研究流程圖

(2)歐空局土地利用數據[30-31]。該數據的空間分辨率為300 m，本研究利用該數據得到2005、2015年的大灣區土地利用格局(將土地利用類型劃分為耕地、林草植被、建設用地和水體四類)，并以此為基礎預測2015—2045年的土地利用格局。

(3)驅動因子數據。大灣區未來土地利用模式受多種驅動因子影響，包括自然驅動因子、可達性驅動因子、社會經濟驅動因子等。自然驅動因子數據包括高程、坡度、坡向，高程數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http://www.gscloud.cn)，坡度坡向數據則基于ArcGIS10.4，根據大灣區高程數據計算得到。可達性驅動因子數據包括到河流距離、到公路距離、到鐵路距離、到海岸線距離、到行政中心距離，基于1∶100萬全國基礎地理數據庫中的矢量數據計算得到，采用的矢量數據來源于全國地理信息資源目錄服務系統(www.webmap.cn)。社會經濟驅動因子數據包括2015年的人口密度、GDP，分別來源于中國科學院資源環境科學數據中心數據注冊與出版系統(http://www.resdc.cn/DOI)的中國人口空間分布公里網格數據集[32]和中國GDP空間分布公里網格數據集[33]。

(4)CMIP6數據(1998-2045年)，即第六次國際耦合模式比較計劃(CMIP6)數據[28,34]，來源于https://esgf-index1.ceda.ac.uk/search/cmip6-ceda/。本研究基于CMIP6的歷史試驗(即Historical試驗)數據和不同的共享社會經濟路徑(SSPs，包括SSP126、SSP245、SSP370、SSP585試驗)數據預測2015—2045年不同情景下大灣區的逐日降水。

研究流程如圖1所示。

1.2 研究區范圍及降水單元劃分

粵港澳大灣區位于我國華南地區，由我國香港、澳門兩個特別行政區和廣東省廣州、深圳、佛山、東莞、中山、珠海、惠州、肇慶、江門9個地級市組成，屬亞熱帶季風氣候，地形上北高南低，東北部及西北部地區多山地，中部及沿海地區多平原。研究區為大灣區海岸線向陸部分，按照CMORPH數據的像元(大小0.25°×0.25°)位置可將研究區劃分為若干降水單元(圖2)。

圖2 粵港澳大灣區及降水單元劃分(該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2019)4342號的標準地圖制作，底圖無修改，下同。)

1.3 FLUS模型

FLUS模型能夠模擬自然和社會經濟等要素的驅動下，某一區域未來的土地利用情景，且精度較高[35-37]。該模型包含基于神經網絡的適宜性概率計算和基于自適應慣性機制的元胞自動機兩大重要模塊，可基于GeoSOS-FLUS軟件調用FLUS模型進行未來土地利用模式的模擬[35,38]。

本研究即選取高程、坡度、坡向等自然驅動因子，到河流距離、到公路距離、到鐵路距離、到行政中心距離、到海岸線距離等可達性驅動因子，以及GDP、人口密度等社會經濟驅動因子，基于2005和2015年的大灣區土地利用格局模擬了在上述驅動因子的共同作用下，2025、2035、2045年的土地利用模式。本研究通過設置相同的FLUS模型參數，基于2005年土地利用格局模擬2015年土地利用模式，并與真實的2015年土地利用狀況進行對比，得到Kappa系數為0.892，整體精度為0.932，說明預測精度較高，土地利用格局模擬結果可靠。

1.4 CMIP6模式選取、降尺度及修正

本研究選取了同時包含Historical、SSP126、SSP245、SSP370、SSP585試驗，且具有較高時間分辨率(d)及空間分辨率(100 km)降水模擬的8個CMIP6模式(表1)。這些模式均包含1998—2014年的大灣區歷史降水數據(Historical試驗)，及2015—2045年模擬所得的不同發展情景下的降水數據(包括SSP126、SSP245、SSP370、SSP585四種情景)。

表1 本研究選取的8個CMIP6模式

本研究首先綜合1998—2010年CMIP6的Historical情景數據和CMORPH數據(用來反映真實觀測降水，下同)，依據非線性回歸降尺度模型方法構建CMIP6數據降尺度模型[39]：即對于每一個降水單元，首先針對其在8個CMIP6模式下1998—2010年的降水序列，采用主成分分析法計算其降水特征向量；然后采用二次多項式擬合的方法，建立該降水單元處降水特征向量與CMORPH數據所得降水之間的關系；之后，運用該模型對2011—2014年CMIP6的Historical情景數據進行降尺度，并與2011—2014年CMORPH數據降水進行比較，以評估降尺度精度。

同時，本研究采用修正系數法對降尺度模型進行修正，修正系數法如下：

(1)

bij=ai×cij,(j=2011,2012,…,2045)。

(2)

式中：i為月份，j為年份，ai為第i月的修正系數，bi為第j年第i月的CMORPH數據降水序列之和，cij為第j年第i月預測所得的降水序列之和。在求得每一月的修正系數之后，將對應月份預測所得降水乘以該修正系數，即可得到更準確的預測降水(更加接近真實降水量)。

最后，本研究即采用修正后的降尺度模型，對2015—2045年間SSP126、SSP245、SSP370、SSP585情景下的CMIP6數據進行降尺度，預測不同情景下的未來逐日降水變化。

1.5 風險評價模型構建

未來洪澇災害風險由致災因子危險性、承災體脆弱性和孕災環境敏感性構成。其中，致災因子危險性是指強降水和洪澇事件本身的強度，承災體脆弱性是指在給定洪澇事件的影響下可能遭受的經濟財產損失[40]，孕災環境敏感性是指區域環境特征影響下大灣區對洪澇災害的敏感程度[41]。首先，基于CMIP6降尺度所得的不同情景下2015—2045年大灣區各降水單元的逐日降水，計算歷年各降水單元處的5 d最大降水量、大雨日數、降水強度指數指標[42]。將這些指標進行極差標準化[43]處理后，采用主成分分析法[40]和極差標準化，得到不同情景下2015—2045年大灣區內各降水單元的致災因子危險性指數。

基于FLUS模型預測所得的2025、2035、2045年土地利用格局，及2015年真實土地利用格局，對任一降水單元，將建設用地、耕地、林草植被、水體的脆弱性分別賦值為4、3、2、1[44]，與各土地利用類型所占比例相乘，之后相加所得的指數即可表征各降水單元的土地利用程度，將其采用極差標準化處理即可得2015—2045年各降水單元的承災體脆弱性指數(未區分SSP126、SSP245等不同情景)。

基于FLUS模型預測所得的2025、2035、2045年土地利用格局，及2015年真實土地利用格局，計算各降水單元的水體和林草植被占比；同時，基于大灣區高程和坡度數據，計算各降水單元平均高程和坡度的變異系數(用以反映地形平坦程度)。對水體占比、林草植被占比、平均高程、坡度變異系數指標極差標準化處理后，采用主成分分析法和極差標準化，得到2015—2045年大灣區各降水單元的孕災環境敏感性指數(未區分SSP126、SSP245等不同情景)。

計算不同發展情景下2015—2045年各降水單元處的危險性、脆弱性、敏感性指數(脆弱性、敏感性指數默認為在不同發展情景下取值相同)后，采用熵值法[45-46]確定危險性、脆弱性、敏感性指數權重分別為0.395、0.216、0.389，并采用下式計算洪澇災害風險指數：

(3)

式中：Irisk表示各降水單元處的洪澇災害風險性，將其極差標準化處理后即為洪澇災害風險指數；I1、I2、I3分別為危險性、脆弱性、敏感性指數。

各指數的分級方法如下：對于危險性、敏感性和洪澇災害風險指數，將2015—2045年所有降水單元的指數值列出之后，按照等比例法劃分，使低、較低、中、較高、高等級的降水單元數均占總降水單元數的20%。對于脆弱性指數，為更好地表達其空間分布規律，將2015—2045年所有降水單元的脆弱性指數值升序排列后，取0.1、0.4、0.6、0.9分位數值將各降水單元劃分為低、較低、中、較高、高脆弱性。

2 結果與分析

2.1 未來土地利用情景模擬

本研究所用驅動因子的空間分布格局如圖3所示。綜合這些驅動因子，結合大灣區2005、2015年土地利用模式，可預測得到2025年、2035年、2045年大灣區土地利用格局(如圖4所示，其中2015年土地利用模式為真實分布，其余年份為預測所得分布)。由圖4可知，2015—2045年建設用地數量顯著增加，空間上主要由大灣區中部向四周擴展。經統計，2015—2045年大灣區耕地、林草植被、水體數量均呈現下降趨勢，主要轉化為建設用地。

圖3 各項驅動因子在大灣區的分布

圖4 2015—2045年大灣區土地利用分布格局

2.2 未來降水量模擬及精度驗證

采用修正系數法對降尺度模型修正之前，利用CMORPH降水數據對2011—2014年CMIP6的Historical情景數據進行精度驗證，即分別計算每個降水單元2011—2014年逐日CMIP6數據序列和CMORPH數據序列的相關系數，然后對所有降水單元處的相關系數求平均值，該值表示降尺度模型的精度。可知二者相關性極高，該值達0.158(序列長度為1 461 d)，通過0.001顯著性檢驗。

采用修正系數法對2011—2014年CMIP6降尺度數據進行修正，并與2011—2014年CMORPH數據降水進行比較，二者相關系數達0.211(計算方法同上文)，通過0.001顯著性檢驗，相比于修正前有顯著提升。同時，修正系數法明顯改善了原降尺度模型在夏季低估降水，冬季高估降水的問題，如圖5所示。

圖5 2011—2014年CMORPH數據及CMIP6降尺度數據所得大灣區平均降水量對比

采用修正后的降尺度模型，對2015—2045年SSP126、SSP245、SSP370、SSP585情景下的CMIP6數據進行降尺度，即完成未來大灣區降水量的預測。

2.3 致災因子危險性預測

不同情景下2015—2045年大灣區內致災因子危險性空間分布格局如圖6所示。由圖6可知，不同發展情景、不同年份、不同地理位置的洪澇災害危險性有所差異。其中，不同的發展情景和年份下危險性差異較小，地理位置對危險性的影響較顯著。較高及高危險性區域主要集中于江門、廣州及惠州，這是由于江門市地處迎風坡多強降水，且易受熱帶氣旋影響，而廣州市及惠州市同樣地處西南季風迎風坡，暖濕氣流抬升易形成強降水[47]。

2.4 承災體脆弱性預測

2015—2045年大灣區承災體脆弱性空間分布格局如圖7所示。高脆弱性地區始終集中在大灣區中部的佛山、廣州、東莞、深圳等地，這是由于這些地區建設用地及耕地占比較多所致，建設用地聚集處往往人口密集、經濟發達，耕地聚集處往往農業產值較高，這些地區在遭受洪澇災害時可能造成更大的經濟財產損失。2015—2045年間大灣區脆弱性顯著增加，這是由于經預測2015—2045年間大灣區建設用地顯著增多所致。

2.5 孕災環境敏感性預測

2015—2045年大灣區孕災環境敏感性空間分布格局如圖8所示，高敏感性地區始終集中在大灣區中部及沿海地區，包括佛山、廣州、東莞、深圳、中山。這是由于這些地區地形低矮、平坦，排水不暢，有河流流經，水體密度高，強降水發生時易造成水位上漲泛濫，植被密度較低，對洪水的調蓄能力較弱所致。2015—2045年間大灣區孕災環境敏感性變化不明顯，是由于地形變化(包括高程、坡度等)可以忽略不計，而水體和植被數量變化也較少。

2.6 未來洪澇災害風險預測

不同發展情景下大灣區未來洪澇災害風險如圖9所示，較高及高風險區分布于大灣區江門、佛山、廣州、惠州、東莞，這是致災因子危險性、承災體脆弱性和孕災環境敏感性相疊加的結果，即江門、廣州、惠州的洪澇災害危險性較高，佛山、廣州、東莞的脆弱性、敏感性較高。2015—2045年間大灣區洪澇災害風險顯著提升，這是由于2015—2045年間建設用地擴張，數量顯著增加所致。而不同發展情景下，大灣區洪澇災害風險變化不大。

圖6 不同發展情景下2015—2045年大灣區危險性指數空間分布格局

圖7 2015—2045年大灣區脆弱性指數分布格局圖8 2015—2045年大灣區敏感性指數分布格局

圖9 不同發展情景下2015—2045年大灣區洪澇災害風險指數空間分布格局

3 結論與討論

(1)本研究預測了2015—2045年大灣區土地利用模式及不同情景下(SSP126、SSP245、SSP370、SSP585)的逐日降水量。土地利用模擬結果的Kappa系數為0.892，整體精度為0.932，修正后的CMIP6降尺度數據與CMORPH數據的相關性能夠通過0.001顯著性檢驗，精度高，可作為洪澇災害風險預測的基礎。

(2)較高及高危險性地區分布于江門、廣州及惠州，年份變化及不同發展情景對致災因子危險性影響不大；較高及高脆弱性地區分布在佛山、廣州、東莞、深圳，2015—2045年間大灣區承災體脆弱性顯著提升；較高及高敏感性地區分布于佛山、廣州、東莞、深圳、中山，2015—2045年間孕災環境敏感性變化不大。

(3)較高及高風險區分布于江門、佛山、廣州、惠州、東莞等地，2015—2045年間大灣區洪澇災害風險顯著提升，不同發展情景下，大灣區洪澇災害風險變化不大。

(4)粵港澳大灣區應合理分配災害管理資源，針對洪澇災害風險較高的江門、佛山、廣州、惠州、東莞等市，應通過加強排水防澇系統建設、完善“防-抗-救”洪澇災害應急響應體系、完善洪澇災害監測及預警預報系統、加強防洪新技術新方法應用等措施增強其洪澇災害防治能力[48]。