陜西省山洪災害時空異質特征及驅動力研究

摘 要：山洪災害時空異質特征研究是制定山洪災害防治政策和措施的重要依據。為加強陜西省區域山洪災害防治的針對性，采用標準差橢圓、重力模型等方法對山洪災害時空分布特征進行分析，利用地理探測器定量評價陜北、關中、陜南3個區域山洪災害驅動因子及其相互作用。結果表明：陜北山洪災害高發期由8月提前至7月；山洪災害高發區逐漸向陜南東南部轉移；陜北、關中、陜南地區最強驅動降雨分別為暴雨、大雨、中雨，決策者應考慮不同區域間山洪災害驅動力的差異，因地制宜制定防洪措施。

關鍵詞：山洪災害；時空分布；標準差橢圓；地理探測器；陜西省

中圖分類號：TV122 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.02.010

引用格式：張夢園，解建倉，楊雪.陜西省山洪災害時空異質特征及驅動力研究[J].人民黃河，2025，47（2）：67-73.

基金項目：國家自然科學基金資助項目（52209035）；陜西省教育廳重點科學研究計劃項目（21JT032）；西安理工大學博士科研啟動項目（256082016）

Spatial？TemporalHeterogeneityandDrivingForcesofFlash FloodDisastersinShaanxiProvince

ZHANGMengyuan1，2，XIEJiancang1，2，YANGXue1，2

（1.FacultyofWaterResourcesandHydroelectricEngineering，Xi’anUniversityofTechnology，Xi’an710048，China；2.StateKeyLaboratoryofEco？HydraulicsinNorthwestAridRegion，Xi’anUniversityofTechnology，Xi’an710048，China）

Abstract：Thestudyofthespatial？temporalheterogeneitycharacteristicsofflashflooddisastersisanimportantbasisforformulatingpolicies andmeasuresforflashflooddisasterpreventionandcontrol.Inordertostrengthenthepertinenceofflashfloodpreventionandcontrolin ShaanxiProvince，thispaperusedstandarddeviationellipseandgravitymodeltoanalyzethespatialandtemporaldistributioncharacteristics offlashflooddisasters，andusedgeographicdetectorstoquantitativelyevaluatethedrivingfactorsandinteractionsofflashflooddisastersin northernShaanxi，GuanzhongandsouthernShaanxi.TheresultsshowthatthehighincidenceperiodofflashfloodsinnorthernShaanxihas beenadvancedfromAugusttoJuly.ThecenterofgravityofflashflooddisasterisgraduallymovedfromGuanzhongtosoutheasternShaanxi. ThedrivingfactorsofthestrongestrainfallinnorthernShaanxi，GuanzhongandsouthernShaanxiarerainstorm，heavyrainandmoderate rain，respectively，anddecision？makersshouldconsiderthedifferencesinthedrivingforcesofflashflooddisastersamongdifferentregions andformulatefloodcontrolmeasuresaccordingtolocalconditions.

Keywords：flashfloods；spatial？temporaldistribution；standarddeviationellipse；geographicaldetector；ShaanxiProvince

我國山洪災害普遍分布于廣大山丘區，具有明顯的區域性、突發性、群發性、破壞性強、恢復難度大等特點[1]。陜西省因其特定地理位置及特殊自然環境而山洪災害頻繁發生，嚴重威脅人民的生命財產安全，給全省經濟發展和社會穩定帶來重大影響[2]。近年來，不少學者進行了陜西省或省內局部地區山洪災害的相關研究。余金龍[3]研究表明陜西省山洪災害最集中的地方是陜南秦巴山區，關中平原的寶雞市山洪災害也很嚴重；鄒翔等[4]研究表明陜西省山洪災害的發生及分布與暴雨有密切關系，都表現出從南向北逐漸減少的規律；劉勇等[5]指出突發性暴雨、區域性暴雨和連陰雨是誘發山洪災害的主要因素。此外，部分學者針對山洪暴發的時空分布格局和驅動力進行探究[6-7]，熊俊楠等[8]利用標準差橢圓等方法針對四川省的歷史災害點進行時空分布規律研究，并從人類活動、降雨及地表環境三個方面對驅動因素進行探究；王英[9]分析了甘肅黃土高原區的歷史災害點變化特征，對山洪災害風險進行等級劃分；張若婧等[10]指出江西省降雨因子解釋力明顯強于地形因子，具有顯著的空間分異；張乾柱等[11]利用地理探測器分析山洪與驅動因子間的相關性。

大量研究已經發現陜西省山洪災害在時空分布上具有強烈的區域分異，但大多是危險性評價、風險區劃等方面的研究，研究方法以定性為主，缺乏定量研究。本文通過對陜西省山洪災害驅動因子進行定量分析，揭示不同區域山洪災害驅動力的差異，以期為各地區山洪災害防治工作提供科學依據。

1 研究區域概況及數據

1.1 研究區域概況

陜西省土地總面積20.56萬km2，其中山丘區面積16.19萬km2，占全省總面積的78.75%。陜西省屬大陸性季風性氣候區，南北延伸800km以上，緯度跨越大，氣候差異明顯。研究區歷史山洪災害點共計1297處（見圖1），其具有從南向北逐漸減少的規律。山洪災害最集中的地區是陜南秦巴山區，其次是關中地區，最少的是陜北黃土高原[12]。由于不同區域間山洪暴發次數差異顯著，因此有必要對陜西省山洪災害的分布及影響因素進行深入分析。本文把陜西省分為陜北、關中、陜南3個區域。

1.2 研究數據

本文所用數據來源如下：

1）基礎地理信息數據和歷史山洪災害點矢量數據。來自陜西省山洪調查報告，主要包括各行政區劃和歷史山洪災害點數據。

2.2 標準差橢圓

通過識別歷史山洪災害點的空間分布，創建標準差橢圓（SDE）來表示災害重心的位置變化以及移動趨勢[14-16]。標準差橢圓面積代表地理特征在空間分布上的集中或發散，長半軸代表數據的分布方向，短半軸代表數據的分布范圍。長、短半軸的值差距越大，表示數據的方向性越強；長、短半軸的值越接近，表示方向性越弱。短半軸越短，表示數據的聚集程度越高；短半軸越長，表示數據的聚集程度越低。

2.3 重力模型

2.4 地理探測器

地理探測器是探測空間分層異質性，揭示驅動事件發生影響因素的一種統計學方法[18-19]。該模型可以計算單因子的解釋力、兩兩因子交互后的解釋力，從而判斷因子之間的交互作用及交互作用的方向、強弱等[20]。地理探測器包括因子探測、風險探測、交互探測和生態探測[21]，本研究采用因子探測和交互探測分析影響山洪暴發的驅動因子。

因子探測器通過比較因子在不同類別分區上的總方差與在整個研究區域上的總方差，檢測某種地理因子是否會造成山洪災害的空間分布差異[22]。

交互探測器可以定量識別驅動因子間的交互作用，探測因子是否獨立作用，或當它們共同作用時解釋力是增強還是減弱[23]。

3 結果與分析

3.1 山洪災害時間分布

以1949—2015年陜西省發生的1297次山洪災害數據為基礎，分析山洪災害的逐年變化趨勢。1949—2015年陜西省歷史山洪數量隨時間變化如圖2所示。陜西省山洪災害暴發次數總體隨時間呈增加趨勢，但各區域存在顯著差異，其中陜北地區發生山洪災害次數及增加速度明顯低于關中和陜南地區的。如1983年，陜北沒有山洪災害發生，關中發生山洪災害15次，陜南發生山洪災害39次。

M-K突變檢驗結果顯示（見圖3），1952—1968年、1970—2015年UF值均為正值，表明在這些時間段內山洪發生頻率上升，而在其余時間段山洪發生頻率呈下降趨勢。山洪災害暴發的突變點在1974年，突變后山洪發生次數呈增加趨勢，尤其1976年（UF值大于其顯著性上限）以后山洪次數急劇增加。

圖4從月尺度對突變前后各區域山洪暴發次數進行統計分析。從區域分布看，突變后各地區山洪災害次數增加明顯，其中陜北、關中、陜南分別增加了440%、471%、930%；從時間上看，各地區山洪災害高發期的發生時間和數量均發生明顯變化。

陜北地區山洪發生時間提前，6—8月山洪災害數量顯著增加。突變前6月沒有山洪災害發生，突變后6月發生災害次數占全年發生次數的12.9%；6—8月山洪災害次數占比由82.6%增加到91.9%。

關中地區山洪災害高發時間延長，主要表現為9月發生次數增加，占比由7.3%增加到15.3%。山洪災害高發期從7月突變至8月，7月占比由49.1%減少為36.3%，8月占比由23.6%增加到36.6%。

陜南地區山洪發生次數增加明顯，尤其是7月平均山洪發生次數由1.1次增加到8.8次，占比由48.3%增加至58.6%。

區域之間山洪特征有顯著差異，同時，發生時間變化明顯，因此山洪災害防治措施及管理模式需依據區域特色進行更新定制。

3.2 山洪災害空間分布

運用SDE方法測量1950—2015年各年代山洪暴發的空間格局，見圖5[基于自然資源部標準地圖服務網站審圖號為GS（2020）4619的標準地圖制作，底圖無修改]。橢圓面積由1980—1989年的97121.21 km2逐漸減小到2010—2015年的78677.00km2，山洪災害的聚集程度越來越高。1980—2015年橢圓偏移角度由21.55°減小為10.02°，山洪災害重心點的位置由關中地區的咸陽市、西安市逐漸轉移到陜南地區的商洛市。

陜南地區成為山洪災害的高發地，尤其是陜南東南部地區。陜南地區在橢圓內面積的比例由46%上升為67%，橢圓內的山洪災害發生次數比例逐漸上升，1980—1989年橢圓內包括約42%的山洪災害，到2010—2015年橢圓內包括山洪災害比例上升到59%。陜北地區在橢圓內面積的比例逐漸減少，2010—2015年橢圓內只有關中和陜南地區，陜北地區不在橢圓內。

3.3 山洪災害驅動因子分析

根據山洪災害成因機理，從降雨、地表環境和人類活動3個方面進行驅動因子分析，其中P10、P25、P50、P100為降雨因子，高程（DEM）、坡度（SLOPE）、土壤類型和NDVI為地表環境因子，LUCC、人口密度、GDP為人類活動因子（見圖6）。

為量化驅動因子及驅動因子間的交互作用對山洪暴發的影響，基于地理探測器得到各驅動因子對不同地區山洪暴發的解釋力（見表2）。各因子的q值均小于0.1，表明各因子都在一定程度上揭示了山洪災害的發生和分布情況。解釋力q值小于0.01的因子解釋力太弱，忽略不計。

陜北地區驅動因子對山洪暴發的解釋力依次為高程、GDP、P50、人口密度、P100、P10、P25及NDVI。高程的解釋力最高，主要原因是陜北位于土壤侵蝕嚴重的黃土高原，地形破碎，溝壑縱橫，水土流失嚴重，黃土構成的斜坡陡峭，易失穩，造成滑坡、坍塌、泥石流等災害[24]?？蓪ι钤谏胶闉暮Ω唢L險區內的居民進行搬遷，主動避讓山洪災害，避免把房屋建在山洪易發區。

關中地區各因子解釋力由大到小依次為高程、人口密度、NDVI、P25、坡度、土壤類型及P10。高程和人口密度影響較大，主要原因是山洪暴發集中在山地和平原的交界處和沿江地區，低海拔地區更容易受到洪水的影響。關中地區經濟發達，吸引了大量人口，隨著城市擴張和荒地開墾，土地的下墊面條件改變，雨水匯流時間縮短，更容易引發山洪。因此，關中地區應當對山洪侵擾區調整經濟發展目標，合理規劃利用土地，結合工程措施綜合治理。

陜南地區各因子解釋力由大到小依次為人口密度、P10、P25、高程、NDVI、GDP及LUCC。陜南地區受人口密度和中雨、大雨影響顯著，原因是該地區發生降水的頻率高，降水持續時間長[25]，山脈引發的地形降雨使降水事件更加頻繁[26]；陜南部分地區礦產資源豐富，不合理的礦山開采造成山體不穩，棄土棄渣隨意堆放，易引發山洪災害。陜南地區要規范山洪區建設，避免因大量開采礦產而造成地質災害隱患，對人口集中的重要城鎮、村組等做好防災知識的普及，強化躲災、避災意識。

各降雨因子對山洪災害解釋力具有明顯區域差異，陜北地區暴雨的解釋力最高，其次為大暴雨；關中地區大雨的解釋力最高，暴雨和大暴雨解釋力很弱，幾乎沒有影響；中雨和大雨在陜南地區的解釋力遠遠高于其他兩個地區。因此，各地區應當根據不同強度降雨的預報采取相應的山洪防治措施。

基于交互探測器探測驅動因子的交互作用對不同地區山洪暴發的解釋能力，得到陜西省多因子驅動力交互探測熱力圖，見圖7。

與單因子的解釋力相比，各驅動因子兩兩交互表現出更強的解釋力，例如陜北地區高程因子的解釋力為0.076，疊加了人口密度、GDP之后解釋力分別提升至0.186、0.134。縱觀所有因子，人口密度因子與其余任意因子的交互作用均可顯著提升山洪災害發生的解釋力，尤其是陜南地區。這可能與人類活動破壞自然的自我調節能力有關，進而導致山洪災害發生風險增加，因此須特別關注人類活動對山洪災害的影響。

4 結論

本文利用重力模型與標準差橢圓等方法分析了陜西省1949—2015年1297次山洪災害時空異質特征，并通過地理探測器進行了驅動因子分析，結論如下：

1）陜北、關中和陜南地區山洪災害的年內變化呈現不同趨勢及特征。陜北地區山洪災害高發期由8月提前至7月，關中地區山洪災害高發時間延長，陜南地區7月山洪災害數量大幅度增長。

2）山洪災害呈現南多北少的空間特征，南北災害次數差異越來越大，山洪暴發高發區從關中地區逐漸向陜南東南部移動。

3）陜北、關中和陜南地區山洪暴發的主要驅動力存在差異。陜北、關中、陜南地區最強驅動降雨分別為暴雨、大雨、中雨。

參考文獻：

[1] 趙健，范北林.全國山洪災害時空分布特點研究[J].中國水利，2006（13）：45-47.

[2] 陳文軍.陜西省山洪災害防治實踐與對策[J].中國防汛抗旱，2011，21（2）：18-21.

[3] 余金龍.陜西省山洪災害成因與區域特征淺析[J].陜西水利，2009（3）：107-109.

[4] 鄒翔，任洪玉.陜西省山洪災害成因與分布規律研究[J].長江科學院院報，2008，25（3）：50-52，81.

[5] 劉勇，王川，侯明全.降雨對陜西山洪災害的觸發作用[J].陜西氣象，2005（1）：1-4.

[6] PAPAGIANNAKIK，LAGOUVARDOSK，KOTRONIV，etal. FlashFloodOccurrenceandRelationtotheRainfallHazardin aHighlyUrbanizedArea[J].NaturalHazardsandEarthSystem SciencesDiscussions，2015，3（5）：3119-3149.

[7] 熊俊楠，龔穎，程維明，等.西藏自治區近30年山洪災害時空分布特征[J].山地學報，2018，36（4）：557-570.

[8] 熊俊楠，趙云亮，程維明，等.四川省山洪災害時空分布規律及其影響因素研究[J].地球信息科學學報，2018，20（10）：1443-1456.

[9] 王英.甘肅黃土高原區山洪災害時空分布特征研究[J].甘肅水利水電技術，2018，54（9）：23-27.

[10] 張若婧，陳躍紅，張曉祥，等.基于參數最優地理探測器的江西省山洪災害時空格局與驅動力研究[J].地理與地理信息科學，2021，37（4）：72-80.

[11] 張乾柱，盧陽，嚴同金，等.重慶市山洪災害時空演變特征及影響因素分析[J].長江科學院院報，2023，40（7）：80-87，117.

[12] 李永紅.基于ArcGIS的陜西山洪災害易發程度區劃[J].災害學，2008，23（1）：37-42.

[13] PENGY，SONGJY，CUITT，etal.Temporal？SpatialVari？ abilityofAtmosphericandHydrologicalNaturalDisasters DuringRecent500YearsinInnerMongolia，China[J].Nat？ uralHazards，2017，89（1）：441-456.

[14] 張紹云，周忠發，熊康寧，等.貴州洞穴空間格局及影響因素分析[J].地理學報，2016，71（11）：1998-2009.

[15] 朱林富，謝世友，楊華，等.基于MODISEVI的重慶植被覆蓋變化的地形效應[J].自然資源學報，2017，32（12）：2023-2033.

[16] 韓會然，楊成鳳，宋金平.北京批發企業空間格局演化與區位選擇因素[J].地理學報，2018，73（2）：219-231.

[17] 樊杰，陶岸君，呂晨.中國經濟與人口重心的耦合態勢及其對區域發展的影響[J].地理科學進展，2010，29（1）： 87-95.

[18] 趙小風，劉夢麗，王柏源.基于地理探測器的城市建設用地規模時空差異及影響因素分析[J].中國土地科學，2018，32（5）：29-35.

[19] CAOFeng，GEYong，WANGJinfeng.OptimalDiscretization forGeographicalDetectors？BasedRiskAssessment[J].GI？ ScienceRemoteSensing，2013，50（1）：78-92.

[20] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017，72（1）：116-134.

[21] 周亮，周成虎，楊帆，等.2000—2011年中國PM（2.5）時空演化特征及驅動因素解析[J].地理學報，2017，72（11）：2079-2092.

[22] 余萬洋，陳怡帆，萬發永，等.1980—2020年貴州省草地空間分布格局演變及驅動力分析[J].草業學報，2024，33（1）：1-18.

[23] 黃勇馨.陜西省山洪災害驅動因子分析及風險評價研究[D].西安：西安理工大學，2021：54-60.

[24] 鐘莉娜，王軍，趙文武.多流域降雨和土地利用格局對土壤侵蝕影響的比較分析：以陜北黃土丘陵溝壑區為例[J].地理學報，2017，72（3）：432-443.

[25] 李斌.陜西省降雨和徑流變化特征及旱澇事件應對研究[D].西安：西安理工大學，2018：14-20.

[26] 熊俊楠，李進，朱吉龍，等.重慶市山洪災害時空格局及影響因素研究[J].地球信息科學學報，2019，21（10）：1550-1564.

【責任編輯 許立新】