发布时间:2023-10-11 15:54:12
序言:作为思想的载体和知识的探索者,写作是一种独特的艺术,我们为您准备了不同风格的5篇自然灾害危险性分析,期待它们能激发您的灵感。
关键词:山洪灾害;风险评估;风险区划;GIS技术;易损性指标
中图分类号:S157.1 文献标志码:A 文章编号:1001-5485(2015)12-0041-05
1研究背景
我国是一个多山的国家,山丘区面积约占全国陆地面积的2/3。复杂的地形地质条件、暴雨多发的气候特征、密集的人口分布和人类活动的影响,导致山洪灾害发生频繁。据《全国山洪灾害防治规划报告》数据统计,我国山丘区流域面积在100km2以上的山溪河流约5万条,其中70%因受降雨、地形及人类活动影响会发生山洪灾害[1]。由于山洪灾害的发生具有突发性强、来势猛、时间短等一系列特点,且其造成的危害对人们的生命财产影响巨大[2],因此,关于山洪灾害的研究早在20世纪初就已经开始了。经过半个多世纪的发展,山洪灾害的研究已经涉及成因、空间分布特征、灾害损失评估、风险评价与制图等各方面[3-11]。风险评估与管理逐渐也成为国际上倡导和推广的减灾防灾有效途径之一[12]。目前,山洪灾情评估工作得到了来自地学工作者、工程专家和各级政府部门的高度重视,并逐渐成为国际性的研究项目。特别是在山洪风险评估方面的表现尤为突出[7-11]。但是,这些评价工作的对象往往是泥石流、滑坡或单纯的溪河洪水等单一灾种,评价单元基本以行政区域为单元,缺乏流域系统性、灾害种类完整性,评价指标选择也无可比性[2-6]。其次,目前对大尺度范围上的山洪灾害区划成果,多为如何防治山洪灾害的目的进行的,是一种黑箱模型,未完整给出各山洪沟的危险性、易损性和风险等级水平,因而无法准确判断不同区域的山洪风险等级。因此,本文将借鉴全国山洪灾害防治规划中对山洪灾害的定义,将由降雨在山丘区引发的洪水及由山洪诱发的泥石流、滑坡等对国民经济和人民生命财产造成损失的灾害统一纳入研究范围[1]。以小流域为评价单元,开展四川省山洪灾害风险评估研究,以期为四川省山洪灾害管理及防治提供一定的理论依据。
2研究方法与数据来源
2.1研究方法
本研究对风险评估的方法,仍借鉴联合国有关自然灾害风险的定义,即风险是危险性与易损性的乘积。其中危险性是灾害的自然属性,易损性则是灾害的社会属性。风险分析在危险性和经济社会易损性分析的叠加基础上完成。因此,本研究的内容主要包括危险性分析、易损性分析以及二者叠加基础上的风险分析。最后,在风险分析的结果基础上,采用一定的区划原则和方法,结合全国山洪灾害防治规划中的一级区划和二级区划,对四川省山洪灾害风险进行更进一步的三级分区,形成风险区划图。由于在进行危险性和易损性分析时,选取的指标较多,各个指标在危险性和易损性大小中的贡献不同,为定量评价各指标在其中的权重,本研究选用层次分析法进行分析。其基本原理为:首先建立山洪灾害危险性、易损性分析评价指标体系,每一层都有1个或2个评价因素对应上层目标层,根据这些相互影响,相互制约的因素按照它们之间的隶属关系排成3层评价结构体系;然后,根据专家经验针对某一个指标相对于另一个指标的重要程度进行打分,打分后即建立判别矩阵。根据山洪灾害的成因和特点,结合目前现有数据情况,本研究选取的危险性和易损性评价指标体系见表1和表2。在进行山洪灾害危险性和易损性的评价时,为了将不同的指标体系组合后用一个统一的量化标准对其等级进行划分,首先根据已有数据的分布区间按照StandardDeviation分类方法,对危险性和易损性水平进行划分,根据实际需要,共划分为5个等级,各个等级的指标范围见表1和表2。
2.2数据来源
四川省山洪历史灾害资料来自四川省山洪灾害防治分区项目调查数据。该数据以小流域为单元,其面积界定为<200km2[1]的小流域共计2471条(近50a来发生过山洪灾害的小流域)。部分县域,小流域单元数据是由国家气象局与国家科技基础条件平台建设项目———系统科学数据共享平台提供;四川省内及周边82个站点年雨量数据来自中国气象局数据库;DEM(90m)数据来自SRTM;土地利用数据来自中国科学院资源环境科学数据中心;岩性数据来自中国地质调查局的1∶250万中国数字地质图;基础土壤数据来自中国科学院南京土壤研究所的1∶100万中国土壤属性数据库。
3山洪灾害风险评估与区划
3.1危险性指标体系及评估
根据危险性各评价指标及对各指标数值的综合统计分析,结合专家的经验判断,参与者均为全国山洪灾害防治规划中承担相应数据资料分析的专家(共3位),各位专家根据经验判断各级指标间的相对重要性,然后利用层次分析法确定出危险性各指标的权重值,如表3所示。结合ArcGIS的空间分析计算,将各指标危险性分级图转换为栅格格式(见图1(a)至图1(e)),结合上表给出的每个指标所确定的综合权重值,利用ArcGIS的栅格叠加计算功能,可得到山洪灾害危险性图(见图1(f))。具体计算方法为:山洪灾害危险性=0.041×最大24h暴雨极值+0.021×最大24h暴雨极值变差系数+0.207×最大1h暴雨极值+0.105×最大1h时暴雨极值变差系数+0.035×地形坡度+0.04×地形起伏度+0.091×小流域主沟比降+0.19×河网缓冲区+0.071×历史灾害缓冲区。
3.2易损性指标体系及评估危险性
根据易损性评价指标体系,依据层次分析法计算了四川省山洪灾害易损性指标的权重值(见表4)。在ArcGIS中,将各指标分级图转换为栅格格式(见图2(a)至图2(c)),结合表4给出每个指标所确定的综合权重值,利用ArcGIS的栅格叠加计算功能,可得到山洪灾害易损性成果图(见图2(d))。具体计算方法即为山洪灾害易损性=0.18×沟道两侧范围人口数量+0.42×沟道两侧范围人口密度+0.18×地均GDP+0.12×人均住房数量+0.06×历史灾害死亡人数+0.04×历史灾害冲毁房屋数。
3.3山洪风险评估
根据山洪风险度R等于危险度H乘以易损度V的定义,利用ArcGIS的空间分析叠加功能,可以计算山洪灾害的风险度图。在处理数据时,首先将危险性分级图和易损性分级图进行归一化取值(0~1)见表5,然后进行栅格相乘计算,即可得到四川省山洪灾害的风险图,其取值范围为0~1之间。根据山洪灾害风险区等级划分标准进行分级,可得到四川省山洪灾害风险分级图,如图3所示。
3.4山洪风险区划
根据山洪灾害风险分级结果,结合全国山洪灾害防治规划中的一、二级防治分区范围,采用基于空间邻接系数的聚类分析方法,对风险分级结果中的最小单元进行逐级向上合并,根据主导因素与综合因素相结合、区域单元内部相对一致、以人为本的经济社会分析等山洪灾害区划原则,划分出全国山洪灾害风险区划单元。以四川省山洪灾害风险等级为基础进行最小单元聚类,在ArcGIS中叠加全国山洪灾害防治二级区划(四川省境内)成果,同时根据四川省自然条件和山洪灾害防治现状,将四川省境内的西南地区细分为3个三级区(图4所示Ⅰ-8-3,Ⅰ-8-1,Ⅰ-8-2),原二级区划中的藏南地区、藏北地区、秦巴山地区由于面积不大,山洪灾害现状和自然条件比较一致,因此不做进一步划分(如图4所示的Ⅲ-1,Ⅲ-2和I-4)。因此,四川省山洪灾害风险区划共涉及6个区划单元,如图4所示。在完成风险性等级划分图和区划图以后,以各风险区划单元为单位,统计各三级区内风险度等级分布特征。表6为四川省各风险区划单元内风险度等级面积统计,表7为四川省各风险区风险等级比例统计。从表7中可见,四川盆地及周边为山洪灾害中高风险区,为四川省山洪灾害重点防治地区。其它地区山洪灾害风险等级较低,在进行山洪灾害防治时,应以防治措施为主,同时加强灾害监测的预警预报。
4结论
(1)整个四川省的山洪灾害风险等级水平处于较高水平,特别是四川盆地及周边地区是山洪灾害的高风险值地区,中风险区等级以上的面积占到了整个四川盆地及周边总面积的近80%,这一区域也是四川省人口、经济密度最大的区域,因此山洪灾害防治任务艰巨。其次,秦巴山地区是四川省山洪灾害次严重地区,中风险区等级以上的面积占到了整个四川省秦巴山地区总面积的18%。其它几个三级区域山洪灾害风险水平不高,大多处于低风险和较低风险水平,山洪灾害防治应以防治措施为主,同时加强灾害监测的预警预报。(2)由于山洪灾害的成因机理十分复杂,特别是溪河洪水及其诱发的滑坡、泥石流灾害成因更为复杂,在进行山洪灾害危险性、易损性评估时,评价指标体系应在深入研究成因机理的基础上进行选取,但限于目前研究成果和资料的可获取性限制,本研究风险评估结果的准确性仍有待验证。
参考文献:
[1]长江水利委员会.全国山洪灾害防治规划报告[R].武汉:长江水利委员会,2005.(ChangjiangWaterRe-sourcesCommission.TheMountainTorrentDisasterPre-ventionandControloftheNationalPlanningReport[R].Wuhan:ChangjiangWaterResourcesCommission,2005.(inChinese))
[2]唐川,师玉娥.城市山洪灾害多目标评估方法探讨[J].地理科学进展,2006,25(4):13-21.(TANGChuan,SHIYu-e.Multi-ObjectiveEvaluationMethodofMountainTorrentDisasterinUrbanArea[J].ProgressinGeography,2006,25(4):13-21.(inChinese)
[3]石凝.闽江流域灾害性洪水形成机理分析[J].水文,2001,21(3):30-33.(SHINing.FloodingDisas-terMechanismofMinjiangRiverWatershed[J].Hydrol-ogy,2001,21(3):30-33.(inChinese))
[4]谢洪,陈杰,马东涛.2002年6月陕西佛坪山洪灾害成因及特征[J].灾害学,2002,17(4):42-47.(XIEHong,CHENJie,MADong-tao.MountainTorrentDisasterCausesandCharacteristicsofFoping,ShaanxiProvinceinJune,2002[J].Journalofcatastrophology,2002,17(4):42-47.(inChinese))
[5]韦方强,崔鹏,钟敦伦.泥石流预报分类及其研究现状和发展方向[J].自然灾害学报,2004,13(5):10-15.(WEIFang-qiang,CUIPeng,ZHONGDun-lun.ClassificationofDebrisFlowForecastandItsPresentSta-tusandDevelopmentinReseach[J].JournalofNaturalDisasters,2004,13(5):10-15.(inChinese))
[6]许有鹏,于瑞宏,马宗伟.长江中下游洪水灾害成因及洪水特征模拟分析[J].长江流域资源与环境,2005,14(5):638-644.(XUYou-peng,YURui-hong,MAZong-wei.CauseofFloodDisastersandFloodCharacter-isticSimulationAnalysisoftheMiddleandLowerRea-chesoftheYangtzeRiver[J].ResourcesandEnviron-mentintheYangtzeBasin,2005,14(5):638-644.(inChinese))
[7]张春山,李国俊,张业成,等.黄河上游地区崩塌、滑坡、泥石流地质灾害区域危险性评价[J].地质力学学报,2003,9(2):143-153.(ZHANGChun-shan,LIGuo-jun,ZHANGYe-cheng,etal.Collapse,LandslideandDebrisFlowandGeologicalDisastersRiskAssess-mentofUpstreamoftheYellowRiver[J].JournalofGe-omechanics,2003,9(2):143-153.(inChinese))
[8]赵士鹏.中国山洪灾害的整体特征及其危险度区划的初步研究[J].自然灾害学报,1996,5(3):93-99.(ZHAOShi-peng.AnElementaryStudyonWholeChar-acteristicsofMountainTorrentsDisasterSysteminChinaandItsHazardRegionalization[J].JournalofNaturalDisasters,1996,5(3):93-99.(inChinese))
[9]钟敦伦,谢洪,韦方强.长江上游泥石流危险度区划研究[J].山地研究,1994,2(2):65-70(ZHONGDun-lun,XIEHong,WEIFang-qiang.HazardRegionalizationofDebrisFlowintheUpstreamofYangtzeRiver[J].JournalofMountainResearch,1994,2(2):65-70(inChinese))
关键词 暴雨内涝;农业用地;危险性评价;上海市;浦东新区
中图分类号 P333.2 文献标识码 A 文章编号 1007-5739(2011)12-0019-03
危险性评价是目前国际减灾和灾害风险研究普遍关注的热点问题,是自然灾害风险评估的前提[1-2]。暴雨内涝灾害一直是造成农业损失的重大问题,特别是在经济发达的大城市周围地区,投入成本高,地位显著,进行有效的灾害管理,最大限度地降低对农业造成的损失是当前防灾减灾部门的难题[3-4]。该研究不仅可以完善危险性评估的方法与案例,也可以为极端降雨灾害事件的损失评估提供依据,从而为政府防灾减灾提供科学支撑和决策依据。
目前,灾害风险评价研究主要集中于灾害的自然属性,即危险性评价[5-6]。危险性评价主要是衡量致灾因子对承灾体的致险强度[7],是灾害风险评价的第一步,一般用灾害发生的强度和频率来表示。危险性评价方法主要有3类:一是以历史灾害频率分析为主的单因子评估法;二是综合历史灾害强度、频率和孕灾环境的多指标评价法[5,8-11];三是结合灾害情景模拟的评价法。其中,对于单因子评价法和多指标评价法来说, 前者方法过于简单,忽视了灾害发生的强度。后者不能明确灾害强度和频率之间的关系[5]。二者都不能准确反映灾害的致险程度[5]。近年来,随着GIS技术的发展,情景模拟方法的应用日益广泛。该方法是以一定历史灾害数据为基础,假定灾害事件的多个关键影响因素有可能发生的前提下,基于成因机制构造出未来的灾害情景,从而用来评估灾害的不同致灾可能性和相应的灾害可能活动强度[5,12]。对于暴雨内涝灾害而言,根据其特点和研究区状况,农业用地受影响较大。该文基于情景模拟,对浦东新区各镇的农业用地进行危险性评价,探讨浦东新区农业用地在暴雨内涝灾害中的危险性空间分布规律[5],为建立规范、合理、科学的灾害管理提供依据。
1 研究区数据来源及方法
1.1 研究区概况
上海浦东新区地处上海市东大门,位于东海之滨,地处黄浦江下游和长江入海口南侧,全区面积569 km2,是上海市受海洋气候影响最大的区域。近些年来,浦东新区社会经济发展迅猛,已成为一个基本具备现代产业结构的新城区。同时,现代农业在浦东新区发展中占有重要地位,决定了其面临灾害的高风险性和灾害评估与预防的重要性[13]。统计显示,浦东新区是夏季暴雨内涝灾害多发地区,加之农业用地排水设施不健全,是上海暴雨内涝的重灾区,随着极端降雨灾害发生频度的上升,浦东新区每年因暴雨内涝造成的损失严重。浦东新区农业用地分布图如图1所示。
1.2 研究数据来源
该研究的土地利用数据来自2006年3月上海市航空遥感图像解译得到的浦东新区土地利用数据[14];DEM数据来源于2005年上海市等高线数据,等高线间距为0.5 m;1968—2009年42年最大日降雨量数据和排水能力分布图均由浦东新区防汛办提供;SCS径流模型中用到的参数均借鉴已有的研究成果[15]。
1.3 研究方法
1.3.1 P-III模拟不同重现期的最大降雨量。暴雨内涝的致灾因子为降雨,而极端强降雨虽然发生的频率低,但是损失严重,不同重现期的最大降雨量数据是目前防灾减灾策略制定的前提。该文利用拟合暴雨频率结果较好的P-III型概率曲线[16],根据近42年浦东新区的年最大日降雨量数据,得到浦东新区不同重现期的最大降雨量数据。其概率密度函数和保证率函数分别如下:
f(x)=■(x-x0)■exp[-β(x-x0)]α>0,x≥x0(1)
α=4cs2 (2)
β=2σcs(3)
x0=m(■)(4)
式中,参数x0为随机变量x所能取的最小值;α为形状参数;β为尺度参数;Γ(α)是α的伽玛函数;m为数学期望,σ为均方差;cs为偏态系数,cv为变差系数。利用spss统计工具计算,并通过拟合优度检验,在显著性水平a=0.05,自由度为1时,查表得χ20.05=3.84,通过计算χ2=1.645,χ2
1.3.2 暴雨内涝模型。研究参考已有的暴雨内涝模型[17],结合ArcGIS的三维分析和空间分析模块,利用城市地形模型、城市降雨和径流模型、城市排水模型进行模拟计算,获得6种重现期下的最大径流量、淹没深度等数据。
利用ArcGIS将浦东新区0.5 m×0.5 m等高线数据转换成30 m×30 m的DEM数据,并根据专家咨询和实际考察,需要对洼地进行预处理[18]。对生成的DEM数据低于3.0 m以下的区域进行洼地填充,最后得到修正后的DEM。地表的产汇流的计算采用经过修正的、适合上海地区的SCS水文模型[5,19],利用研究区的经验径流参数、已经计算的降雨量数据以及城市的排水能力进行计算,根据浦东新区2009年排水能力分布图,计算径流量和排水能力之差,最终得到不同重现期下的实际径流量。其中排水能力值是假设日最大降雨量持续时间为2 h,且排水设施没有达到排水限制的情形,实际净流量的计算公式为:
W=■(Qi-V)×S(5)
式中,W为研究区总径流量;Qi表示第i个栅格单元的径流量;V表示排水能力;S表示栅格单元面积(30 m×30 m);n表示栅格单元个数。
1.3.3 危险性指数。为了更加直观地反映暴雨内涝灾害的危险程度,采用危险性指数来衡量其危险性的大小[19]。危险性指数越高,内涝灾害的危险性就越大。该文的危险性指数是指通过构造模型来计算被淹农业用地。首先,根据实际调查以及承灾体实际受到的影响,将积水深度划分为4个等级:I级:水深在0.1 m以下,基本无积涝;II级:水深在0.1~0.2 m,轻度积涝,田地有积水,但对作物以及蔬菜的影响不大;III级:淹没深度在0.2~0.4 m,中度积涝,作物、蔬菜以及花卉等大部分被淹没,损失严重;IV级:田地积水在0.4 m以上,重度涝灾,作物等基本全部被淹没,损失非常严重,田间蔬菜、花卉大棚也会严重进水,居民家庭也受到严重影响。由于各种危险性级别对区域整体农业用地危险性的贡献不同,给I~IV级的危险性级别分别赋予危险性系数为20、40、60、80,相同水深淹没农业用地的危险性系数相同。最终,该情景各区域的危险性指数即为该区不同危险级别的农业用地在浦东新区该危险级别中所占比例的累计求和,用公式计算过程如下:
特定情景下各镇不同危险级别的淹没农业用地占浦东新区该危险级别淹没农业用地面积的比例:
fi(uj)=gi(uj)/ci (i=1,2,…,m;j=1,2,…,n) (6)
其中,gi(uj)代表各镇每种危险级别的被淹没农业用地面积;m代表危险性级别;n代表各个镇,ci=Σ■■gi(uj)。Wi代表I~IV 级的危险系数20、40、60、80,那么,区域农业用地的内涝危险指数即为:
Hj=Σ■■fi(uj)×Wi(7)
用上述公式,将各镇农业用地危险性指数求和,得浦东新区各镇危险性大小(表1)。
2 结果与分析
2.1 暴雨内涝淹没分析
根据计算得出的暴雨内涝总径流量,结合城市地形模型,根据径流量与淹没体积相等的原理,采用GIS中的“等体积法”,凡是高程低于淹没高程的栅格都计入淹没区,得到6种重现期(T)分别为20、50、100、200、500、1 000年的最大淹没深度(表1),利用GIS中的栅格计算,用浦东新区DEM与不同重现期的淹没水深栅格图进行栅格相减,得到不同情景下的浦东新区暴雨内涝农业用地的淹没深度分布图(图2)。
可以看出,在6个暴雨重现期的淹没深度图中,从50年一遇开始,淹没深度的范围急剧增加,淹没深度最大的地区是在孙桥镇,这些地区是低地势,排水能力相对较差的地区,而高桥镇、机场镇以及三林镇、北蔡镇等由于地势高,淹没范围很小。
2.2 危险性分析
针对6种淹没情景,利用GIS统计分析工具统计浦东新区各镇每种危险性级别被淹农业用地面积, 根据公式(6)求出浦东新区各镇该危险性级别所占全部被淹该危险性级别农业用地面积的比例。最后利用公式(7)计算得出浦东新区各镇的危险性指数如表2所示。
评价结果显示,在6种情景下,张江镇危险性指数值最小,这与张江是浦东新区最新发展的高科技园区,农业用地较少,经济发达,政府部门的防灾减灾策略实施完善,并具备良好的基础设施和完善的排水条件有很大关系;20年一遇的情景中,孙桥镇、北蔡镇、机场镇和川沙镇的危险性指数很高,50年一遇的情景中,曹路镇、机场镇、合庆镇和川沙镇的危险性指数很高,100年一遇的情景中孙桥镇、机场镇和川沙镇的危险性高,200年一遇的情景中,孙桥镇、高桥镇的危险性高,500年一遇的情境下孙桥镇和川沙镇的危险性高,1 000年一遇的情境下,曹路镇、机场镇、合庆镇和川沙镇的危险性指数最大,区域的高程情况、农业用地的集中分布、基础设施的不完善是主要的原因。其中孙桥镇、曹路镇、机场镇和川沙镇的危险性一直处于较高的危险性水平,与模拟结果对比,说明承灾体分布情况直接影响着区域危险性大小。
3 结论
危险性评价作为灾害风险评价的基础,是关系未来灾害学发展的前提,其可靠性和准确性直接影响风险评价的科学性。该文基于情景模拟,借助GIS空间分析工具,针对农业用地,对浦东新区主要的发展农业的14个镇暴雨内涝的危险性评价做初步尝试。结果表明,在6种不同情景下,各个镇的危险性存在一定的差异。危险性指数高值分布在孙桥镇、曹路镇、机场镇和川沙镇,低值分布在张江镇、高桥镇和花木镇。该评价结果可以为浦东新区防灾减灾提供科学依据。
4 参考文献
[1] 石勇,许世远,石纯,等.洪水灾害脆弱性研究进展[J].地理科学进展,2009,28(1):41-46.
[2] 殷杰,尹占娥,王军,等.基于GIS的城市社区暴雨内涝灾害风险评估[J].地理与地理信息科学,2009,25(6):92-95.
[3] 许世远,王军,石纯,等.沿海城市自然灾害风险研究[J].地理学报,2006,61(2):127-138.
[4] 石勇.灾害情景下城市脆弱性评估研究[D].上海:华东师范大学,2010.
[5] 孙阿丽,石纯,石勇.基于情系模拟的暴雨内涝危险性评价——以黄
(下转第24页)
(上接第21页)
浦区为例[J].地理科学,2010(3):465-468.
[6] 孙绍骋.灾害评估研究内容与方法探讨[J].地理科学进展,2001(2):122-130.
[7] 史培军.三论灾害研究的理论与实践[J].自然灾害学报,2002,11(3):1-9.
[8] 楚敬龙,杜加强,滕彦国,等.基于GIS的重庆市万州区滑坡灾害危险性评价[J].地质通报,2008,27(11):1875-1881.
[9] 唐川,朱大奎.基于GIS技术的泥石流风险评价研究[J].地理科学,2002,22(3):300-304.
[10] 闫满存,王光谦.基于GIS的澜沧江下游区滑坡灾害危险性分析[J].地理科学,2007,27(3):365-370.
[11] 胡蓓蓓,姜衍祥,周俊,等.天津市滨海地区地面沉降灾害风险评估与区划[J].地理科学,2008,28(5):693-697.
[12] 葛全胜,邹铭,郑景云,等.中国自然灾害风险综合评估初步研究[M].北京:科学出版社,2008.
[13] 石勇,石纯,孙蕾,等.沿海城市自然灾害脆弱性评价研究——以上海浦东新区为例[J].中国人口·资源与环境,2008(4):24-27.
[14] 暴丽杰.基于情景的上海浦东暴雨洪涝灾害脆弱性评估[D].上海:上海师范大学,2009.
[15] 景垠娜.自然灾害风险评估——以上海浦东新区暴雨洪涝灾害为例[D].上海:上海师范大学,2010.
[16] 林两位,王丽萍.用Pearson-III概率分布推算重现期年最大日雨量[J].气象科技,2005,4(33):314-317.
[17] 尹占娥,许世远,殷杰,等.基于小尺度的城市暴雨内涝灾害情景模拟与风险评估[J].地理学报,2010(5):553-562.
“风险”一词起源于保险业,包含有多种含义,最常用的含义有两种:一种是指某个客体遭受某种伤害、损失、毁灭或不利影响的可能性,二是指某种可能发生的危害。因此,自然灾害风险也包括两种含义:一是不同程度自然灾害发生的可能性,二是自然灾害给人类社会可能带来的危害。近些年有学者对自然灾害风险概念进行了新的讨论。黄崇福对目前国际上较有影响的灾害风险定义归为三类:①概率类定义。②期望损失类定义。③概念公式类定义。并指出此三类风险定义均不能或无法表达风险的内涵,又进而提出了以情景为基础的自然灾害风险的定义,即自然灾害风险是一种未来不利事件的情景,而该情景是由自然事件或力量为主因所导致的。倪长健认为该定义仍有未能充分揭示自然灾害风险和自然灾害系统之间的关系、未能充分表征自然灾害风险的基本内涵、不便于为定量风险评估提供明确依据等不足之处,并提出了自然灾害风险的新定义:自然灾害风险是由自然灾害系统自身演化而导致未来损失的不确定性。总体上讲,灾害风险评估是一项在灾害危险性、灾害危害性、灾害预测、社会承载体脆弱性、减灾能力分析及相关的不确定研究的基础上进行的多因子分析工作。自然灾害风险评估常常存在在实例分析时存在界定不清、集成模式滥用等诸多问题,而其理论基础至今仍比较薄弱是导致以上现象的主因。要想找到科学有效的自然灾害风险评估方法,就必须对自然灾害风险系统的结构及其作用机制有清晰的认识和把握。
2自然灾害风险系统要素和风险形成机理
自然灾害风险系统主要由承灾体、孕灾环境、致灾因子等要素组成。承灾体系自然灾害系统的社会经济主体要素,是指人类及其活动所组成的社会经济系统。承灾体受致灾因子的破坏后会产生一定的损失,灾情即是其损失值的大小,而之所以会有损失,根本原因是承灾体有其核心属性———价值性。通常脆弱性是指承灾体对致灾因子的打击的反应和承受能力,但学术界目前对于脆弱性的认识并不统一。孕灾环境主要包括自然环境与人文环境,位于地球表层,是由大气圈、水圈、岩石圈等自然要素所构成的系统。孕灾环境时时刻刻都在进行着物质和能量的转化,当转化达到一定条件时会对人类社会环境造成一定影响,称之为灾变,这种灾变即为致灾因子,基于致灾因子的相关研究称之为风险的危险性分析,故危险性其实是表达了致灾因子的强度、频率等因素,比较有代表性的是地震安全性评价,在对孕灾环境和历史灾情的分析研究后以超越概率的形式给出地表加速度来表达某一地区或某一场地的致灾因子危险性。相比于孕灾环境和承灾体之间的复杂关系,影响致灾因子的危险性大小的来源相对单一,完全由孕灾环境决定。因此,由孕灾环境、承灾体、致灾因子等要素组成的自然灾害系统,是一个相互作用的有机整体,揭示的是人类社会与自然的相互关系,承灾体可以影响孕灾环境,孕灾环境通过致灾因子影响承灾体,三者不仅存在因果关联,在时间、空间上也相互关联,密不可分。而关于自然灾害风险机理的表达,20世纪90年代以来,1989年Maskrcy提出自然灾害风险是危险性与易损性之代数和;1991年联合国提出自然灾害风险是危险性与易损性之乘积,此观点的认同度较高,并有广泛的运用;Okada等认为自然灾害风险是由危险性、暴露性和脆弱性这三个因素相互作用形成的;张继权等则认为:自然灾害风险度=危险性×暴露性×脆弱性×防灾减灾能力,该观点亦被引入近年的多种灾害风险评估。
3数学方法在灾害风险评估中的应用
国内外学者对风险评估中使用的数学方法做过系统的总结。张继权等曾对国内外气象灾害风险评价的数学方法做了较系统的总结,葛全胜等亦对自然灾害致险程度、承灾体脆弱性及自然灾害风险损失度等方面的评估方法做过评述。尽管这些方法因针对的灾种不同而不尽相同(如用于地震灾害的超越强度评估法、构造成因评估法等,用于洪灾的水文水力学模型法、古洪水调查法等),但总体而言,数学方法应用及风险定量化表达已成趋势:
①概率统计:以历史数据为基础,考虑自然灾害的随机性,估计灾害发生的概率,应用多种统计方法(极大似然估计、经验贝叶斯估计、直方图估计等)拟合概率分布函数。由于小样本分析结果稳定不好,为避免与实际相差过大,故要求历史样本容量较大,常应用于台风、暴雨、洪灾、泥石流、地震等灾害的风险评估。
②模糊数学:以社会经济统计、历史灾情、自然地理等数据为数据源,从模糊关系原理出发,构造等级模糊子集(隶属度),将一些边界不清而不易定量的因素定量化并进行综合评价,利用模糊变换原理综合各指标,能较好地分析模糊不确定性问题。该方法在多指标综合评价实践中应用较为广泛,但在确定评定因子及隶属函数形式等方面具一定的主观性,现主要应用于综合气象灾害、洪灾、泥石流、地震、综合地质灾害等等风险评估。
③基于信息扩散理论:以历史灾情、自然地理、社会经济统计等数据为数据源,是一种基于样本信息优化利用并对样本集值化的模糊数学方法,遵循信息守恒原则,将单个样本信息扩散至整个样本空间。该方法简单易行,分析结果意义清楚,虽然近年来受到较多学者推崇和研究,但对扩散函数的形式及适用条件、扩散系数的确定等尚待进一步探讨。该方法已有运用于低温冷害、台风、暴雨、洪灾、旱灾、地震、火灾等灾害的风险评估。
④层次分析:该方法来源于决策学,是一种将定性分析与定量分析结合的系统分析方法,以历史灾情、社会经济统计、自然条件等数据为数据源。它利用相关领域多为专家的经验,通过对诸因子的两两比较、判断、赋值而得到一个判断矩阵,计算得到各因子的权值并进行一致性检验,为评估模型的确定提供依据。该方法系统性强、思路清晰且所需定量数据较少,对问题本质分析得较透彻,操作性强。该方法已经应用于综合地质灾害、洪灾、滑坡、草原火灾等灾害的风险评估中。
⑤灰色系统:以历史灾情、自然地理等数据为数据源,以灰色系统理论为基础,应用灰色聚类法划分灾害风险等级。算法思路清晰,过程简便快捷而易于程序化,但争议较大,故在国外研究中运用较少,在国内综合地质灾害、风暴潮、洪灾等灾害的风险评估中有所应用。
⑥人工神经网络:以历史灾情、自然地理、社会经济统计数据为数据源。选定典型评估单元(训练样本),将经过处理后的风险影响因子的数值作为输入,通过训练获得权值和阀值作为标杆;然后将其余单元的数据输入训练后的神经网络进行仿真,进而获得各个单元的风险度。其特点和优势是基于数据驱动,可较好地避免评估过程中主观性引起的误差,但因收敛速度对学习速率的影响会导致训练结果存在差异,且其“黑匣子”般的训练过程难以清楚解释系统内各参数的作用关系。该方法目前已经应用于洪灾、泥石流、雪灾、地震、综合地质灾害等灾害的风险评估工作中。
⑦加权综合评价:同样以社会经济统计、历史灾情、自然环境等数据,对影响自然灾害风险的因子进行分析,从而确定它们权重,以加权的、量化指标的指标进行综合评估。该方法简单易行,在技术、决策或方案进行综合评价和优选工作中有广泛运用,但需指标赋权的主观性仍是难以回避的问题。该方法目前应用于台风、暴雨、洪灾、综合地质灾害、生态灾害、草原火灾等自然灾害风险评估工作中。(以上几种方法的综合比较参考叶金玉等总结)各种数学工具的引入不仅为自然灾害评估方法注入了新的活力,同时也让人看到各具特色的数学方法是对应着不同的自然灾害种类,这也是一种提示:针对不同的自然灾害可以且应当有不尽相同的评估方法和研究途径,但这并不影响自然灾害风险评估走向定量化的步伐。
4多灾种综合风险评估
简单的说,自然灾害具有群发链发的特点,单一一种自然灾害往往伴随或者引发其他伴生(或次生)的灾害,对灾害链的研究,马宗晋等组成的研究小组曾给予高度的关注,史培军将其定义为某一种致灾因子或正态环境变化引起的一系列灾害现象,并将其划分为群发灾害链与并发灾害链两种,而群发的灾害或灾害链所引发的灾情必然是几种不同灾害与承灾体脆弱性共同作用所产生的结果,同时,还需认识到,不同自然灾害之间相互也会产生一定的影响,因此,对于这样的情况做单一灾种自然灾害风险评估显然是不合适的,自然灾害综合风险的评估就显得更有现实意义。综合自然灾害评估是风险和灾害领域的研究热点和难点,直到21世纪,学术界的研究方向才逐渐转向多灾种的风险评估。高庆华等认为,自然灾害综合风险评估是在各单类灾害风险评估基础上进行的,它的内容与单类灾害风险分析基本一致,所以采用的调查、统计、评估方法与单类灾害风险评估中用的方法基本相同,与单类灾害风险评估的根本区别是把动力来源不同、特征各异的多种自然灾害放到一个系统中进行综合而系统的评价,以此来反映综合风险程度;Joseph和Donald基于田间损失分布,提出以年总损失的超越概率来表示综合风险;而薛晔等却认为,在复杂的灾害风险系统中各个风险并非简单相加,对目前基本是单一灾种的简单相加的研究成果提出质疑,认为其缺乏可靠性,并以模糊近似推理理论为基础,建立了多灾种风险评估层次模型,对云南丽江地区的地震-洪水灾害风险进行了综合评估。
国内自然灾害综合风险评估研究成果不多,且模型也相对较简单,更好的评估方法也还有待探索,有待更多数学方法的引入。此外,在建立评估模型的同时,也要考虑到自然灾害风险的时空特性,即时间和空间上的分辨率,赵思健认为,同任何事物一样,风险也存在着时空差异,不同的灾种在不同时间、空间尺度上评估的方法和内容应有所区别,这个问题直接影响到该评估的时间有效性和适用范围。因此,由于在某一确定的评估方法下各单一灾种在同一时间空间尺度上的时间有效性并不一定一致,如何考虑这种不一致对评估结果所造成的影响是多灾种综合风险评估中亟待解决的难题之一。尽管有诸多问题困扰着多灾种自然灾害风险评估的发展,但相比单一灾种的风险评估,多灾种风险评估更符合实际生活中灾害群发的特点,其发展是防灾减灾工作的现实需要,决定了多灾种风险评估是风险学科发展的必然趋势。
5小结、展望
关键词 PRECIS;洪涝致灾危险性;时空格局;SRES B2情景;安徽省
中图分类号 X43 文献标识码 A
文章编号 1002-2104(2012)11-0032-08 doi:10.3969/j.issn.1002-2104.2012.11.006
气象灾害给人类经济和社会造成了严重影响。1995-2004年十年间,由天气引发的灾害占自然灾害总数的90%,造成的死亡人数占60%,受灾人口占98%,且大多数发生在发展中国家[1]。在全球气候变暖背景下,未来极端天气事件的发生频率将呈增加趋势[2],而这些灾害性天气事件的变化也许是气候变化带来的最严重的后果之一[3-5]。研究极端天气事件的潜在变化是评估未来气候变化对人类和自然系统影响的基础[6]。预估极端天气事件的方法之一是利用气象观测资料进行趋势外推[7-8]。尽管历史气象资料有很大的参考价值,但过去的气象统计信息只能部分地反映未来极端天气事件的发生概率。气候模式的不断改进为利用大气环流模式(GCMs)和区域气候模式(RCMs)预估极端天气事件及其影响提供了更可靠的工具[9-10]。已有一些学者应用气候模式来评估气候变化对干旱[11-12]、洪水[13]、风能[14]及水资源[15]可能造成的影响。但GCMs过粗的分辨率对于分析气候变化对区域尺度的潜在影响是不够的,而RCMs却能很好地反映影响局地气候的地面特征量和气候本身未来的波动规律,被认为是获取高分辨率局地气候变化信息的有效方法[16]。
我国是世界上洪涝灾害频繁且严重的国家之一。随着社会经济的迅速发展,洪涝灾害造成的社会影响和经济损失呈不断增大趋势。近些年,国内不少学者在洪涝灾害风险评估方面进行研究[17-19],取得了大量成果,为区域洪涝防灾减灾提供了依据。但这些评估研究都是利用气象观测数据或历史灾情资料来开展的,并未考虑气候变化对未来极端降水事件发生频率、强度和空间格局的影响。翟建青等[20]利用ECHAM5/MPI-OM气候模式输出的2001-2050年逐月降水量资料,选取标准化降水指数预估了3种排放情景下中国2050年前的旱涝格局,但其所使用的气候情景数据分辨率较粗(1.875°),且未能从灾害风险角度分析未来旱涝致灾危险性变化。
本文应用Hadley气候预测与研究中心的区域气候模
① 本文之所以选择B2情景是因为该情景强调区域性的经济、社会和环境的可持续发展,是比较符合我国中长期发展规划的气候情景。
式系统PRECIS(Providing Regional Climates for Impacts Studies)模拟的气候情景数据,综合考虑降水、地形、地貌等自然要素,分近期、中期和远期三个时段对B2情景下①未来安徽省洪涝致灾危险性时空格局进行预估,以期为全球气候变化背景下该地区洪涝灾害风险管理和区域发展规划提供科学依据。
1 数据与方法
1.1 数据
本研究所使用的气候情景数据来自中国农业科学院农业环境与可持续发展研究所气候变化研究组。该研究组应用英国Hadley中心开发的PRECIS模式,模拟了IPCC《排放情景特别报告》(SRES)[21]中设计的B2情景下中国区域的气候变化(1961-2100年),其水平分辨率在旋转坐标下为0.44°×0.44°,在中纬度地区水平格点间距约为50 km。关于PRECIS物理过程的详细介绍可参阅文献[22]。许吟隆[16-23]和张勇[24]等人利用ECMWF再分析数据和气象站点观测数据验证PRECIS对中国区域气候模拟能力的研究表明:PRECIS具有很强的模拟降水能力,基本能够模拟出中国区域年、冬季和夏季平均降水的大尺度分布特征,很好地模拟了降水的季节变化,而且较好地模拟出中国区域年平均极端降水事件的空间分布特征。因此,本文不再对PRECIS模式进行验证。
本文采用的DEM数据来自国际农业研究磋商组织(CGIAR)地理空间数据网建立的分辨率为3弧秒(约为90 m)的全球陆地DEM;1∶400万水系图来自国家基础地理信息中心。
1.2 研究时段划分
本研究包括以下四个时段:现阶段为1981-2010年,未来分为近期(2011-2040)、中期(2041-2070)和远期(2071-2100)三个时段。文中所选指标均以各时段30年的平均值进行探讨。
1.3 洪涝致灾危险性评价指标体系与评价
洪涝灾害具有自然和社会双重属性,其中致灾危险性评价是从形成洪涝灾害的自然属性角度,即从形成洪涝灾害的致灾因子和孕灾环境两方面来评价洪灾危险性。总体上讲,造成洪涝灾害的主要因素是强降水,同时下垫面的自然地理环境又和天气气候条件相互影响,进而决定了洪涝的时空分布[25-26]。因此,本文选取年均暴雨日数、年均最大三日降水量、高程、坡度和河湖缓冲区五个指标,通过计算洪涝致灾危险性指数进行评价,具体包括以下四个步骤:一是对所选取的评价指标进行量化,包括对前四项
指标进行标准化以及根据距河湖距离和河湖级别对缓冲区进行危险性赋值(见表1);二是利用层次分析法确定五个指标的权重(见图1);三是建立致灾危险性数学评价模型(式1);四是借助地理信息系统对各指标图层叠加,进行洪涝致灾危险性评价。
利用加权综合评分法建立洪涝致灾危险性评价模型:
HF=0.25Rd+0.35R3+0.06H+0.12S+0.22B(1)
式(1)中,HF为洪涝致灾危险性指数,Rd、R3、H、S、B分别代表年均暴雨日数、年均最大三日降水量、高程、坡度和河湖缓冲区量化后的值。
本文将洪涝致灾危险性分为5个等级。具体的分级方法如下:首先,按1∶2∶4∶2∶1的大致比例对现阶段全省78个县域的洪涝致灾危险性分级;之后,提取相邻等级两个县的洪灾危险性指数,以其平均值作为洪灾危险性的分级标准;最后,按照此分级标准对未来三个时段洪灾危险性进行分级。
2 结果与分析
2.1 年均暴雨日数(ARD)时空格局变化
如图2所示,在现阶段,安徽省年均暴雨日数平均为6.94天,最大值为12.15天,年均暴雨日数低于5天的地区占全省总面积的17.72%,集中分布在安徽省北部,而高于12天的地区仅占0.06%,位于安徽省最南端。到了近期,安徽省年均暴雨日数略有减少,为6.73天,主要是淮
河以北地区年均暴雨日数低于5天的面积增加为26.95%;这一时段年均暴雨日数最大值有所增加,为12.28天,其中大于12天的地区面积增加到0.24%,约为现阶段的4倍。在中期,安徽省年均暴雨日数为6.86天,最大值增加到12.91天,年均暴雨日数低于5天的地区面积百分比较近期也略有增加,为27.59%,而高于12天的地区则大幅增加为3.64%,范围也扩展到安徽省南部的多个县域。到远期,安徽省年均暴雨日数增加到7.02天,最大值为13.47天,年均暴雨日数低于5天的地区占安徽省总面积的27.41%,高于12天的地区继续增加为5.67%,约为现阶段的89倍之多,集中分布在该省长江以南地区。可见,未来安徽省年均暴雨日数总体上呈现北部有所减少,南部持续增加的趋势,尤其是年均暴雨日数超过12天的面积将大幅增加。
2.2 年均最大三日降水量(AM3DP)时空格局变化
从图3中可以发现,相对于现阶段,未来安徽省年均最大三日降水量也呈现出“两极分化”的格局,即年均最大三日降水量低于160 mm(主要分布于安徽省北部)和高于220 mm(主要分布于安徽省南部)的地区均不断增加。在现阶段,安徽省年均最大三日降水量的平均值为
199.66 mm,最大值为280.87 mm,其中大于220 mm的地区占总面积的17.05%。而在近期,安徽省年均最大三日降水量的平均值为200.88 mm,大于220 mm的地区增加到总面积的22.16%。中期阶段,安徽省年均最大三日降水量的平均值增加为202.76 mm,大于220 mm的地区相比近期也略有增加,为25.56%。到了远期,安徽省年均最大三日降水量的平均值为204.82 mm,最大值也增大到289.07 mm,其中大于220 mm的地区占全省面积的32.12%,较现阶段增加约15.07%,尤其是大于260 mm的面积增加更快,由现阶段的占全省3.88%变为9.20%,增加了1.37倍。
2.3 洪涝致灾危险性时空格局变化
对年均暴雨日数、年均最大三日降水量、高程、坡度、河湖缓冲区等评价指标数字化的基础上,依据评价模型(式1)在ArcGIS中对各指标图层进行叠加并分级,得到安徽省县域尺度洪涝致灾危险性评价结果(见图4)。为详细了解安徽省洪涝致灾危险性格局及其动态变化,表2列出了各时段洪灾危险性等级的县域个数、面积百分比和处于5级的县域。
可以发现,各时段安徽省洪涝致灾危险性等级大致呈
由北向南逐渐升高的趋势。相对于现阶段,未来安徽省洪灾危险性处于1级和5级的面积均有所扩大,这主要与对应区域未来年均暴雨日数和最大三日降水量的变化密切相关。此外,洪涝致灾危险性高于4级(包括4级)的县域主要集中在长江沿岸及其以南地区,这与该区域降水丰富、河网密度高、地势低平以及坡度变化较小有关。与现阶段相比,近期和中期安徽省处于洪灾危险性5级的县域个数和面积百分比不断增加,这是由于未来这些地区极端降水事件的概率(暴雨日数)和强度(最大三日降水量)都将有所增大。尤其在中期,处于洪灾危险性5级的县域个数快速增加为16个,面积增加为全省的17.87%,分别是各时段洪涝致灾危险性处于5级的县域(按危险性指数值自大至小排序)
安庆市辖区,望江县,休宁县,黟县,歙县,铜陵市辖区,黄山市辖区,宿松县
安庆市辖区,望江县,休宁县,歙县,黟县,铜陵市辖区,黄山市辖区,枞阳县,池州市辖区,宿松县
安庆市辖区,望江县,休宁县,歙县,黟县,铜陵市辖区,黄山市辖区,枞阳县,池州市辖区,宿松县,祁门县,芜湖市辖区,东至县,铜陵县,旌德县,绩溪县
安庆市辖区,望江县,休宁县,歙县,黟县,铜陵市辖区,黄山市辖区,枞阳县,池州市辖区,祁门县,宿松县,东至县,绩溪县,铜陵县,旌德县,芜湖市辖区现阶段的2倍和2.24倍。到远期,洪涝致灾危险性空间格局相对于中期变化不大,处于5级的县域与中期相同,但各县域的危险性值却有不同程度增大。需要指出的是,安庆市辖区始终是安徽省洪灾危险性最高的县域,在今后的洪灾风险管理及防洪减灾规划中需尤为注意。
3 结论与讨论
本文基于PRECIS区域气候模式,模拟了SRES B2情景下未来安徽省年均暴雨日数和最大三日降水量相对于现阶段的变化情况,并综合考虑降水、地形和地貌等自然要素,从灾害风险角度预估了该省县域尺度洪涝致灾危险性的时空格局,得出以下主要结论:
(1)相对于现阶段,未来安徽省极端降水事件将出现“两极分化”的格局,具体表现为年均暴雨日数和最大三日降水量总体上呈现北部减少、南部增加的趋势,并且年均暴雨日数超过12天、年均最大三日降水量超过220 mm的面积将持续大幅增加。
(2)各时段安徽省洪涝致灾危险性等级由北向南大致呈逐渐升高的趋势。相对于现阶段,未来安徽省洪灾危险性处于1级和5级的面积均有所扩大,洪灾危险性格局变化主要发生在近期和中期,远期与中期格局相近。在中期,安徽省洪灾危险性处于5级的县域个数和面积百分比分别为16个和17.87%,分别是现阶段的2倍和2.24倍。安庆市辖区是安徽省洪灾危险性最高的县域。
根据自然灾害风险分析理论[27],在危险性评价的基础上,进一步考虑社会经济因素,如人口、GDP、耕地、居民点、交通线、油田、名胜古迹、大型厂矿区、各种工程设施等的分布情况,以及遭遇洪涝时这些承险体的易损程度、社会防灾救灾能力等,就可以进行洪涝灾害风险评价,辨识出高风险区,为各级政府开展风险管理提供科学依据。通过查阅《中国气象灾害大典-安徽卷》以及近些年的灾情资料可以发现,安徽省洪涝灾害严重的地区大致分布在沿江沿淮地区,尤其江淮之间及长江以南地区(这些地区降水丰富、地势低洼、河网交织、湖泊众多)。对比现阶段安徽省洪灾危险性评价结果表明,本文的评价结果与实际灾情发生区域基本符合。但由于洪涝灾害形成、发展及产生后果的复杂性,影响因子众多,目前的评价结果尚难以做到与实际情况完全吻合,有以下几方面原因,如考虑因子的全面性、各因子权重系数的真实性、预估气候数据的误差以及评价模型的科学性等等,还需要不断深入研究,做出更符合实际、更加可信的洪涝灾害风险评价。
全球气候变化将给人类社会和自然系统带来诸多风险。气候变化风险源主要包括两个方面:一是平均气候状况(气温、降水、海平面上升等);二是极端天气变化(热带气旋、风暴潮、干旱、极端降水、高温热浪等)[28]。由前面
分析可知,虽然未来安徽省年均暴雨日数和最大三日降水量的平均值相对于现阶段变化幅度不大,但不同区域间的差异却非常明显,突出表现为未来安徽省淮河以北地区年均暴雨日数和最大三日降水量有所减小,而长江以南地区极端降水事件发生的概率将大大增加,这与张增信等人[29]的研究结果相符。暴雨日数和最大三日降水量等极端降水事件变化的原因可能是在全球气候变暖背景下,地表温度的大幅上升将加强大气环流,从而改变降水的空间格局。通过比较未来与现在极端天气事件致灾危险性的时空格局,可以更好地了解一些典型区域或更大尺度上将要发生的变化。
本文只选取了SRES B2情景,虽然这一情景是比较符合我国中长期发展规划的气候情景,但仍然存在较大不确定性。在以后的研究中,需要进一步拓展降低不确定性的方法,在现有情景预估的基础上,进一步发展集合概率预测等技术手段,建立基于多情景多模式的集合概率预测情景方案。同时加强气候模式模拟研究,提高模拟数据精度,降低气候系统模式的不确定性[30]。
致谢:承蒙中国农业科学院农业环境与可持续发展研究所许吟隆研究员在论文数据方面提供的帮助,在此表示衷心的感谢!
参考文献(References)
[1]
International Federation of Red Cross and Red Crescent Societies. World Disasters Report 2005: Focus on Information in Disasters [R]. Geneva: IFRC, 2005.
[2]IPCC. Climate Change 2007: The Scientific Basis [M]. London: Cambridge University Press, 2007.
[3]Beven K J. Riverine Flooding in a Warmer Britain [J]. The Geographical Journal, 1993, 159(2): 157-161.
[4]Milly P C, Wetherald R T, Dune K A, et al. Increasing Risk of Great Floods in a Changing Climate [J]. Nature, 2002, 415: 514-517.
[5]Botzen W J, Bergh J C, Bouwer L M. Climate Change and Increased Risk for the Insurance Sector: A Global Perspective and an Assessment for the Netherlands [J]. Natural Hazards, 2010, 52(3): 577-598.
[6]Tebaldi C, Hayhow K, Arblaster J M, et al. Going to Extremes: An Intercomparison of Model-simulated Historical and Future Changes in Extreme Events [J]. Climatic Change, 2006, 79(3-4): 185-211.
[7]Yin Y X, Xu Y P, Chen Y. Change of Flood Patterns in China under the Influences of Climate Change and Human Activities [J]. Chinese Journal of Population, Resources and Environment, 2009, 7(3): 67-71.
[8]周后福,王兴荣,翟武全,等. 基于混合回归模型的夏季高温日数预测[J]. 气象科学,2005,25(5):505-512. [Zhou Houfu, Wang Xingrong, Zhai Wuquan, et al. Test Prediction for MultiRegression Model on High Temperature Days [J]. Scientia Meteorologica Sinica, 2005, 25(5): 505–512.]
[9]Zwiers R W, Kharin V V. Changes in the Extremes of the Climate Simulated by CCC GCM2 under CO2 Doubling [J]. Journal of Climate, 1998, 11(9): 2200-2222.
[10]贺山峰,戴尔阜,葛全胜,等. 中国高温致灾危险性时空格局预估[J]. 自然灾害学报,2010,19(2):91-97. [He Shanfeng, Dai Erfu, Ge Quansheng, et al. Preestination of Spatiotemporal Pattern of Extreme Heat Hazard in China [J]. Journal of Natural Disasters, 2010, 19(2): 91-97.]
[11]Blenkinsop S, Fowler H J. Changes in European Drought Characteristics Projected by the PRUDENCE Regional Climate Models [J]. International Journal of Climatology, 2007, 27: 1595-1610.
[12]Hirabayashi Y, Kanae S, Emori S, et al. Global Projections of Changing Risks of Floods and Droughts in a Changing Climate [J]. Hydrological Sciences Journal, 2008, 53(4): 754-772.
[13]Raff D A, Pruitt T, Brekke L D. A Framework for Assessing Flood Frequency Based on Climate Projection Information [J]. Hydrology and Earth System Sciences Discussions, 2009, 6: 2005-2040.
[14]Bloom A, Kotroni V, Lagouvardos K. Climate Change Impact of Wind Energy Availability in the Eastern Mediterranean Using the Regional Climate Model PRECIS [J]. Natural Hazards and Earth System Science, 2008, 8: 1249-1257.
[15]Zhu T J, Jenkins M W, Lund J R. Estimated Impacts of Climate Warming on California Water Availability under Twelve Future Climate Scenarios [J]. Journal of American Water Resources Association, 2005, 41(5): 1027-1038.
[16]许吟隆,张勇,林一骅,等. 利用PRECIS分析SRES B2情景下中国区域的气候变化响应[J]. 科学通报,2006,51(17):2068-2074. [Xu Yinlong, Zhang Yong, Lin Yihua, et al. Analyses on the Climate Change Responses over China under SRES B2 Scenario using PRECIS [J]. Chinese Science Bulletin, 2006, 51(18): 2260-2267.]
[17]周成虎,万庆,黄诗峰,等. 基于GIS的洪水灾害风险区划研究[J]. 地理学报,2000,55(1):15-24. [Zhou Chenghu, Wan Qing, Huang Shifeng, et al. A GISbased Approach to Flood Risk Zonation [J]. Acta Geographica Sinica, 2000, 55(1): 15-24.]
[18]张游,王绍强,葛全胜,等. 基于GIS的江西省洪涝灾害风险评估[J]. 长江流域资源与环境,2011,20(增1):166-172. [Zhang You, Wang Shaoqiang, Ge Quansheng, et al. Risk Assessment of Flood Disaster in Jiangxi Province Based on GIS [J]. Resources and Environment in the Yangte Basin, 2011, 20(supp.1): 166-172.]
[19]陈香,王静爱,陈静. 福建暴雨洪灾时空变化与区域划分的初步研究[J]. 自然灾害学报,2007,16(6):1-7. [Chen Xiang, Wang Jingai, Chen Jing. Primary Study on Spatiotemporal Change and Regionalization of Stormflood in Fujian Province [J]. Journal of Natural Disasters, 2007, 16(6): 1-7.]
[20]翟建青,曾小凡,苏布达,等. 基于ECHAM5模式预估2050年前中国旱涝格局趋势[J]. 气候变化研究进展,2009,5(4):220-225. [Zhai Jianqing, Zeng Xiaofan, Su Buda, et al. Patterns of Dryness/Wetness in China before 2050 Projected by the ECHAM5 Model [J]. Advances in Climate Change Research, 2009, 5(4): 220-225.]
[21]Nakicenovic N, Alcamo J, Davis G, et al. Special Report on Emissions Scenarios [M]. London: Cambridge University Press, 2000.
[22]Jones R G, Noguer M, Hassell D C, et al. Generating High Resolution Climate Change Scenarios Using PRECIS [M]. Exeter: Met Office Hadley Centre, 2004.
[23]许吟隆,Jones R. 利用ECMWF再分析数据验证PRECIS对中国区域气候的模拟能力[J]. 中国农业气象,2004,25(1):5-9. [Xu Yinlong, Jones R. Validating PRECIS with ECMWF Reanalysis Data over China [J]. Chinese Journal of Agrometeorology, 2004, 25(1): 5-9.]
[24]张勇,许吟隆,董文杰,等. 中国未来极端降水事件的变化:基于气候变化预估结果的分析[J]. 自然灾害学报,2006,15(6):228-234. [Zhang Yong, Xu Yinlong, Dong Wenjie, et al. Change of Extreme Precipitation Events in China in Future: An Analysis Based on Prediction of Climate Change [J]. Journal of Natural Disasters, 2006, 15(6): 228-234.]
[25]张继权,李宁. 主要气象灾害风险评价与管理的数量化方法及其应用[M]. 北京:北京师范大学出版社, 2007. [Zhang Jiquan, Li Ning. Quantitative Methods and Application of Risk Assessment and Management on Main Meteorological Disasters [M]. Beijing: Beijing Normal University Press, 2008.]
[26]李景宜. 渭河下游洪水灾害的降水危险性评估与区划 [J]. 中国人口·资源与环境, 2011, 21(2): 106-111. [Li Jingyi. Evaluation and Regionalization of Precipitation Fatalness for Flood in Lower Reacher of Weihe River [J]. Chinese Journal of Population, Resources and Environment, 2011, 21(2): 106-111.]
[27]葛全胜,邹铭,郑景云,等. 中国自然灾害风险综合评估初步研究[M]. 北京:科学出版社,2008. [Ge Quansheng, Zou Ming, Zheng Jingyun, et al. Integrated Assessment of Natural Disaster Risks in China [M]. Beijing: Science Press, 2008.]
[28]IPCC. Climate Change 2007: Impacts, Adaptation and Vulnerability [M]. London: Cambridge University Press, 2007.
[29]张增信,KLAUS F,姜彤,等. 2050年前长江流域极端降水预估[J]. 气候变化研究进展,2007,3(6):340-344. [Zhang Zengxin, Klaus F, Jiang Tong, et al. Projection of Future Precipitation Extremes in the Yangtze River Basin for 2001-2050 [J]. Advances in Climate Change Research, 2007, 3(6): 340-344.]
[30]吴绍洪,潘韬,贺山峰. 气候变化风险研究的初步探讨[J]. 气候变化研究进展,2011,7(5):363-368. [Wu Shaohong, Pan Tao, He Shanfeng. Primary Study on the Theories and Methods of Research on Climate Change Risk [J]. Advances in Climate Change Research, 2011, 7(5): 363-368.]
Projecting Spatiotemporal Patterns of Flood Hazard over Anhui Province
HE Shanfeng1,2 GE Quansheng2 WU Shaohong2 DAI Erfu2 WU Wenxiang2
(1. Emergency Management School, Henan Polytechnic University, Jiazuo Henan 454000, China;
2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China)
Abstract
关键词 地质灾害;风险评价;方法;作用
中图分类号X4 文献标识码A 文章编号 1674-6708(2013)91-0123-02
0引言
近几十年来,地质灾害风险评价随自然灾害风险评价的发展而蓬勃兴起,但理论和实践的发展没有达到一个成熟的阶段。我国现在有很多针对地质灾害评价的方法,在过去有一些普遍的成因机理分析和统计分析方法, 评价破坏损失、评价危险性、评价风险性、评价防治工程效益都是是对地质灾害评价的主要一些办法。
1地质灾害的主要评价方法、内容及目的
1.1成因机理分析评价
以定性地评价地质灾害发生的可能性和可能活动规模为目的的成因机理分析评价,主要内容是分析历史地质灾害的形成条件、活动状况和活动规律,造成地质灾害的确定因素,以及可能造成地质灾害的因素,根据地质灾害活动建立模型或者模式。
1.2统计分析评价
统计分析评价的目的是对地质灾害危险区的范围、规模、或发生时间采用模型法或规律外延法进行评价。其内容包括是造成历史地质灾害原因、灾害的活动状况以及活动有何规律, 统计地质灾害的活动范围和模式,地质灾害的频率,地质灾害的密度,对地质灾害的主要影响因素进行分析,针对地质灾害活动,建立起相应的数学模型或周期性规律。
1.3危险性评价
危险性评价是对以往的地质灾害活动和将来发生地质灾害的概率进行评价,以及对地质灾害发生时将产生的危险的程度的给予评价。其主要内容包括以下两个方面:
1)对包括大小、密度、频次在内的以往地质灾害活动的程度进行客观评价;
2)对可能影响地质灾害的地形地貌条件、地质条件、水文条件、气候条件、植被条件以及人为活动等地质灾害的可能影响因素进行评价。
1.4破坏损失评价
破坏损失评价其目地在于对灾害的历史破坏进行评价,并对损失程度以及期望损失程度进行分析。其评价的内容主要指以下两个方面:
1)对地质灾害危险性评价和易损性评价进行综合,对地质灾害活动概率,地质活动的破坏范围,地质活动的危害强度,以及地质活动中受灾体的损失等等相关内容进行评价;
2)对地质灾害带来的的人员情况,经济损失和资源环境的破坏损失程度进行评价分析。
1.5风险性评价
风险性评价是危险性评价和易损性评价的总和,分析地质灾害发生的概率,分析在不同条件下反生的地质灾害,并分析可能造成的危害。进行风险性评价,其实就是为了评价发生在不同条件下的地质灾害给社会带来的各种危害程度。
1.6防治工程效益评价
对防治工程效益进行评价,就是把防治方案的经济合理性提高到一定程度,达到技术上可行,并达到最佳优化的效果。而防治工程效益评价是从经济合理性和科学性角度去评价防治措施。
2地质灾害风险评价实施过程
1)综合有关评价区所具备的条件和风险评价的目的,建立指标体系以及评价模型;
2)全面调查基础数据,结合风险评价需要进行统计分析,对各种基础图件进行编制,建立地质灾害风险评价表;
3)结合危险性构成、易损性构成及防治能力,进行危险性分析、易损性分析,并在此基础上,分析期望损失;
4)风险评价地质灾害将对人口、经济发展和生态环境的破坏;
5)分析评价区风险的分布特点、形成原因,兼顾社会发展的需要,提出建议和对策。
3有关评价地质灾害风险方法的发展趋势
地质灾害风险评价研究是目前研究的重点,是全面分析地质灾害活动与人类社会关系的关键问题之一。评价上向定量化、综合化和管理空间化是该方法发展的基本趋势,有以下表现:
1)从分析历史与现状转变成研究和预测结合起来进行分析;
2)从分析单独个体演变成区域研究和个体结合起来进行分析;
3)由以往的定性分析发展为定量分析;
4)将单项要素分析发展为综合要素评价;
5)风险评价和减灾管理相结合起来,取代了过去单一的风险评价理论,防治和风险评价相结合起来,给社会经济建设和减灾管理提供更好的服务;
6)多因素信息模型化评价与空间化管理在GIS空间化技术的指导之下有了巨大的发展,走向网络技术化,传统的调查统计和手工制图面临淘汰;
7)丰富了研究理论与方法,多门学科进行交叉融合,尤其是加深了与社会学的联系。
4 在减灾和国民经济发展中地质灾害风险评价起到的作用
对我国国民经济的发展过程中地质灾害风险评价具有重要的影响力,与国土资源的规划、灾害的治理与预防、环境的保护都有着密切的联系。它的作用可分为以下几点:
1)在可持续发展的前提下,进行各种工程活动和土地开发利用。各种重大工程建筑应要避免地质灾害风险程度较高的区域。为工程建筑选址提供了科学指导,提供了保护土地资源和环境的科学依据;
2)在对地质灾害进行危险性评价、易损性评价之后,对防治地质灾害提供依据,通过采取适宜的措施对各类地质灾害进行治理;
3)监测、预报和预警地质灾害的发生。地质灾害危险性评价和期望损失分析的结果是地质灾害监测站的建立的依据。对重点地区实时监测,并分析所采集到的各类地质灾害信息,预报和预警灾害的发生,尽量降低地质灾害带来的损失;
4)地质灾害危险性评价、风险评价、易损性评价的成果,使得相关部门制定出有效的、符合实情的应急方案,提供灾后重建的重要依据;
5)有利于对环境进行保护和贯彻我国的可持续发展的方针。自然因素以及人类对环境的破坏都会造成地质灾害。人类合理开发利用资源能减少避免地质灾害的发生,或是将损失控制在最小值内。
5结论
风险和减灾的有效性管理必须要以完善的地质灾害风险评价为前提,根据风险评价的结果和风险程度的差异,才能决策出有效的减灾措施,因此而部署和实施减灾工程,才能达到管理减灾工作的有效实施,因此,地质灾害风险评价的发展趋势是研究理论和方法得到完善的过程。
参考文献
[1]张梁,张业成,罗元华,等.地质灾害灾情评估理论与实践[M].北京:地质出版社,1998.
[2]张业成,张春山,张梁,等.中国地质灾害系统层次分析与综合灾度计算[J].中国地质科学院院报,1993(27,28) :139-154.
[3]陈毓川,赵逊,张之一,等.世纪之交的地球科学——重大地学领域进展[M].北京:地质出版社,2000.