河池市宜州區暴雨災害風險評估與區劃

摘 要：選取1978—2020年宜州國家基本氣象站和2014—2020年區域氣象站觀測數據和宜州區地理信息、暴雨災情及其社會經濟資料。對氣象數據進行歸一化處理，采用信息熵賦權法、自然斷點分級法等進行宜州區災害危險性評估，利用GIS技術和多因子疊加的統計方法，分別綜合分析宜州區暴雨致災因子危險性、承災體暴露度和承災體脆弱性，得出宜州區暴雨災害風險評估與區劃結果。

關鍵詞：暴雨災害；致災危險性；風險評估；風險區劃

中圖分類號：P426.616 文獻標志碼：B 文章編號：2095–3305（2024）07–0-03

河池市宜州區位于廣西壯族自治區中部偏北，是廣西氣象災害發生和影響最嚴重地區之一，災害性天氣類型多、影響的面積大、出現的頻率高。在全球氣候變暖的背景下，因氣象災害引發的損失變得更大，危害更重，防災減災工作形勢嚴峻[1-2]。2019年5月27日河池市宜州區出現大暴雨，部分鄉鎮發生洪澇災害。據統計，全區有1.61萬人受災，受災農作物538 hm2，部分鄉鎮遭受不同程度洪澇災害，直接經濟損失

2 246.1萬元。隨著對暴雨災害研究的深入，許多學者在暴雨災害風險評估與區劃分析上已取得一定的成果，當前開展的風險評估大部分是針對省域尺度，關于縣級風險評估的研究較少[3-4]。綜合考慮暴雨災害危險性、承災體暴露度、脆弱性及防災減災能力等評估暴雨災害風險，依據暴雨災害風險評估結果，綜合考慮行政區劃，對暴雨災害風險進行基于空間單元的劃分，以摸清氣象災害風險隱患底數，掌握重點區域抗災能力，客觀認識氣象災害綜合風險水平，提高氣象災害風險預報預警能力，為地方政府及各部門有效開展氣象災害防治工作和應急管理工作提供科學決策依據。

1 資料來源與研究方法

1.1 資料來源

選取1978—2020年宜州國家基本氣象站和2014—2020年區域氣象站氣象要素觀測資料；縣級行政區劃邊界矢量數據來源于國務院普查辦，鄉鎮邊界及行政點數據來源于廣西自然資源廳提供的廣西天地圖公眾版矢量數據和廣西天地圖公眾版；數字高程數據采用的是SRTM的30s DEM數據。選取國務院普查辦下發的分辨率為30s的關于人口、GDP、農作物（水稻、玉米）等承災體網格數據，以及廣西氣象災情數據庫提供的1978年1月1—2020年12月31日的歷史災害數據《氣象災害大典：廣西卷》《廣西氣候影響評價》《廣西地方志》《廣西通志·氣象志》，以及廣西壯族自治區應急管理廳、廣西壯族自治區民政廳及其他相關部門提供的災情數據。

1.2 研究方法

1.2.1 信息熵賦權法

信息熵代表系統的有序程度。綜合評價多指標時，熵權法能客觀反映各評價指標權重。一個系統有序程度越高，其熵值就越大，權重則越小；相反，一個系統無序程度越高，熵值就越小，權重則會越大。針對一個評價指標，指標值之間的差異越大，綜合評價時該指標的作用就越大；若某一項指標的值均相等，綜合評價中該指標不具有作用。

1.2.2 自然斷點分級法

自然斷點法即地圖分級算法。利用數據斷點的特性開展分級。該算法采用的是小聚類原理，聚類結束前提為組間方差最大、組內方差最小。

1.2.3 致災因子危險性評估方法

利用1978—2020年宜州國家氣象觀測站與區域自動站逐日降水量資料，篩選1 h最大降水量（I1pre）、3 h最大降水量（I3pre）、6 h最大降水量（I6pre）、最大日降水量（I24pre）、累計降水量（Ipre）、持續天數（Iday）為致災因子，對6個特征量進行歸一化處理，暴雨過程強度指數計算公式為：

IR=A×I1pre+B×I3pre+C×I6pre+D×I24pre+E×Ipre+F×Iday（1）

式（1）中，IR為單站暴雨過程強度指數；I1pre、I3pre、I6pre、I24pre、Ipre和Iday分別是歸一化處理的1 h最大降水量、3 h最大降水量、6 h最大降水量、最大日降水量、累計降水量、持續天數的評估指標數值；A、B、C、D、E、F分別為各個指標數值的權重系數，分別取0.04、0.04、0.04、0.11、0.12、0.65。

暴雨致災危險性包括暴雨強度和孕災環境兩方面，致災危險性指數ID計算公式如下：

ID=（1+Ic）×IR（2）

暴雨孕災環境指的是對暴雨影響出現的洪澇、泥石流、滑坡、城市內澇等次生災害起作用的如地形、水系、土壤類型、植被分布等自然環境，暴雨孕災環境的影響系數Ic，Ic縮放至［-0.3，0.3］；Ic的值越大，表明孕災環境加重暴雨致災危險的可能性越大。其ID指數為0.207～0.518。

1.2.4 承災體暴露度和脆弱性評估法

選取人口、國民經濟、水稻、玉米作為承災體，分別以縣域內常住人口密度、GDP密度、水稻及玉米種植面積為暴露度指標，以受暴雨影響發生的受災和死亡人口比例、直接經濟損失比例、農作物受災面積比例為脆弱性指標，分別進行暴露度和脆弱度分析。

1.2.5 風險評估和區劃法

按暴雨災害風險的形成原理及評價指標體系，構建風險評估模型如下：

MDRI=（TIwe）×（EIwh）×（VIws）（3）

式（3）中，MDRI表示暴雨災害風險指數，指暴雨災害的風險程度，MDRI的值增大，災害風險程度也增大，TI、EI、VI分別為暴雨致災危險性、承災體暴露度、承災體脆弱性的指數。we、wh、ws是致災危險性、暴露度和脆弱性指數的權重，分別取0.5、0.5、0.0。結合暴雨對人口、經濟、水稻和玉米的暴雨災害風險的評估結果，運用自然斷點分級法，將風險等級劃分為高、較高、中等、較低、低共5個風險等級。

2 結果與分析

2.1 暴雨致災因子特征分析

2.1.1 降水

據宜州國家基本氣象站資料統計，1978—2020年降水量在923.2（1988年）～2 062.3 mm（1994年），年平均降水量為1 389.6 mm，未通過顯著性檢驗，上升趨勢不顯著。降水集中在3—10月，降水量共計1 247.1 mm，為全年降水量的86.6%；各月降水量為65.9～317.1 mm，分布呈現單峰型，其中，6月降水量最多、10月為最少。

2.1.2 暴雨日數

宜州區1978—2020年的年暴雨日數在1（1984年）～11 d（2008年），年平均暴雨日數為5.37 d，未通過顯著性檢驗，上升趨勢不明顯；4—10月暴雨日數占年暴雨日數的93%以上。4—10月各月平均暴雨日數為0.23～1.51 d，呈單峰型分布，6月最多，與其月降水量變化一致。

2.1.3 大暴雨日數

據宜州國家基本氣象站資料統計，1978—2020年大暴雨日數為0～3 d，年平均大暴雨日數為0.7 d，未通過顯著性檢驗，但階段性特征較明顯；大暴雨日僅在5—9月出現，以6月最多，7、8月次之，其他月份無大暴雨日。

2.1.4 不同日數累計降水量極值

1978—2020年最大日降水量為201.3 mm，出現在2001年；3 d降水量極值為333.8 mm，出現在1998年；5 d降水量極值為361.8 mm，出現在1998年；10 d降水量極值為497.6 mm，出現在1998年。

2.1.5 單站暴雨過程

1978—2020年國家氣象觀測站共發生211次暴雨過程，年均4.9次，最多為10次（2008年）最少僅1次（1984年），未通過顯著性檢驗，上升趨勢不明顯。暴雨過程發生頻次的月際分布呈中間高兩端低，5—7月暴雨過程最多，分別為1.0、1.3、0.9次，共占全年的66.7%，1、2、12月均未出現暴雨過程。宜州區暴雨過程持續3 d有7次，持續2 d有10次，194次過程僅持續1 d，占總數的91.9%。宜州區暴雨過程累計降水量最大達333.8 mm，過程持續3 d，發生在1998年6月19—21日。

2.2 暴雨致災危險性評估

利用暴雨強度及孕災hAQWAi3rpkXX5a3nA7hfUKc1MxyLeuHDJqoxsRwsyG0=環境影響指數對宜州區暴雨進行致災危險性評估，根據危險性指數大小劃分成高、較高、較低、低共4個等級，危險性較高至高等級的區域主要位于德勝鎮、福龍鄉東部、祥貝鄉、同德鄉北部、龍頭鄉西部、北牙鄉北部；東部、南部、西北部大部分地區危險性較低（圖1）。

2.3 暴雨風險評估與區劃

2.3.1 暴雨災害人口風險評估

暴雨災害人口風險西部、北部高于南部、東部，城鎮高于鄉村，風險等級為高和較高的區域主要位于德勝鎮大部、懷遠鎮大部、安馬鄉局部、龍頭鄉局部、北牙鄉東部、同德鄉北部、祥貝鄉東部、慶遠鎮大部、福龍鄉東部，其他地區風險等級相對較低（圖2）。

2.3.2 暴雨災害GDP風險評估

暴雨災害GDP風險與人口風險分布相似，西部、北部高于南部、東部、城鎮高于鄉村，風險等級為高和較高的區域主要位于德勝鎮大部、懷遠鎮大部、安馬鄉局部、龍頭鄉局部、北牙鄉東部、同德鄉北部、祥貝鄉東部、慶遠鎮大部、福龍鄉東部，其他地區風險等級較低（圖3）。

2.3.3 暴雨災害農作物風險評估

暴雨災害水稻中等及以上風險區主要位于慶遠鎮、懷遠鎮、洛東鎮北部、德勝鎮、同德鄉、北牙鄉中北部、福龍鄉東部、祥貝鄉大部、劉三姐鎮中部和東部、安馬鄉西部、龍頭鄉西部，其他區域風險等級較低（圖4）。暴雨災害玉米中等及以上風險區主要位于洛東鎮北部和西部、慶遠鎮大部、懷遠鎮大部、德勝鎮大部、劉三姐鎮大部、同德鄉、福龍鄉東部、祥貝鄉大部、北牙鄉大部、洛西鎮北部、北山鎮北部、安馬鄉西南部、三岔鎮西部、龍頭鄉西部、石別鎮局部，其他區域風險等級較低（圖5）。

3 結束語

宜州區暴雨致災危險性分布呈西北部向東南部遞減，暴雨致災危險性較高至高等級區域主要位于德勝鎮、福龍鄉東部、祥貝鄉、同德鄉北部、龍頭鄉西部、北牙鄉北部；其他地區危險性相對較低。暴雨災害風險的評估涉及多方面因素的影響，如氣象、自然環境、社會經濟等，各個因子及其權重均有不同，構建的風險評估模型及區劃的準確性有待進一步深入研究。綜合考慮自然、社會、經濟等因素對暴雨災害進行評估與區劃，可為地方建立完善氣象災害風險防范體系、制訂防災避險和風險管理措施、合理規劃城鄉布局和產業發展提供參考。

參考文獻

[1] 何振偉.河池市典型暴雨大氣環流特征分析[J].大眾科技， 2010（5）：107-108，71.

[2] 李嚴萍.宜州市一次夏季暴雨天氣過程特征分析[J].氣象研究與應用，2007（S1）：51-52，65.

[3] 賈艷紅，白瑩，翟祿新.基于AHP-熵權法的廣西暴雨洪澇災害風險評估[J].測繪與空間地理信息，2023，46（10）：13-17.

[4] 陸芊芊，黃卓，鄭鳳琴，等.2022年廣西“龍舟水”暴雨災害風險評估和檢驗[J].氣象研究與應用，2023，44（1）：39-43.