基于GIS的平利县气象灾害风险评估

基于GIS的平利县气象灾害风险评估

丰小涛

平利县气象局，陕西安康 725500

摘要：利用平利县历年气象灾害数据、气象资料和GIS系统，根据气象灾害评估原理和方法，综合考虑致灾因子、孕灾环境、承载体暴露度和脆弱度、以及防灾减灾能力，确立平利县暴雨、大风、低温、干旱、高温、雪灾等6种气象灾害风险区划，以此提升气象灾害防灾减灾能力，最大限度的减少气象灾害造成的各方面的损失。

关键词：平利县；气象灾害；风险区划

1、研究区概况

平利县隶属于陕西省安康市，介于北纬37°37′- 32°39′、东经109°- 109°33′之间，东邻湖北竹溪县，南接重庆市城口县，西连陕西省安康市岚皋县，北靠陕西省安康市、汉滨区、旬阳市，居陕、鄂、渝三省交界处，属典型的省级边关县。县城距安康市中心城区76公里，距省会西安市453公里，国土面积2647平方公里，下辖11个镇137个村6个城市社区，总人口23万。2021年，平利县全县生产总值达到104.07亿元。

平利县是中国名茶之乡，平利在唐代就被列为全国八大茶区之一，乾隆年间平利三里垭毛尖成为贡茶。目前全县有茶园20万亩，茶饮产业年产值超过了10亿元，有三家茶饮企业获得欧盟认证、5家获得有机认证，“平利女娲茶”取得国家地理标志证明商标。吉尼斯世界纪录认证的“迄今为止发现的最古老的茶叶秦汉古茶”恢复创新在平利，被中国工程院院士、茶学泰斗陈宗懋先生称之为“丝路瑰宝”。

平利县也是中国绞股蓝的原产地。全球发现的13种绞股蓝属植物中，平利就有7种。绞股蓝有提高免疫力、保护心血管、降低血脂和抗肿瘤等多种药理作用，被医学界誉为东方神草。平利现有绞股蓝基地5万亩，“平利绞股蓝”获得“国家原产地域产品保护”认证和“中国驰名商标”，2016年被人民网评为“最受网民喜爱产品”。

2、数据来源以及数据处理

用于建立气象灾害风险评估模型的资料主要包括：①基础地理数据：平利县1∶50 000分辨率的DEM数据、行政区划图、水系湖泊图、土地利用分布图。②气象数据：平利县2010—2020建站以来的观测数据。③历史灾情数据：平利县2010—2020年直接经济损失、农业经济损失、受灾人口、受灾面积等历史灾情数据。④社会数据：包括土地面积、人口密度、人均GDP等。对所用数据进行了严格的质量检测和筛选，研究过程中数据工具主要使用地理信息系统软件ArcGIS10.2。

3、气象灾害评估原理和方法

气象灾害风险是指气象灾害发生及其给人类社会造成损失的可能性。根据区域灾害系统理论，灾害系统主要由致灾因子、孕灾环境和承灾体共同组成。在气象灾害风险区划中，危险性是前提，易损性是基础，风险性是结果。其中，气象灾害危险性是自然属性，承灾体潜在易损性是社会属性。通过致灾因子危险性分析进行致灾因子危险性评估，得出致灾因子危险性分区，结合承灾体暴露度和脆弱性得出风险评估模型。承灾体暴露度和脆弱性指标采用归一化处理，采用信息熵赋权法等确定权重，得到暴露度和脆弱性指数。

下文将以暴雨灾害为例介绍相关方法。

3.1 致灾因子危险性分析

暴雨是引起流域洪水、山洪、农田渍涝、城市内涝及滑坡泥石流等次生灾害的主要因素，暴雨灾害对社会、经济的各个方面均有重大影响。

3.1.1 致灾因子识别

（1）致灾因子初步筛选。

选择以下4个指标来表达单站暴雨过程强度：包括最大小时降水量、最大日降水量、过程累积降水量、暴雨持续天数等。

（2）基于灾损指数确定致灾因子。

首先对暴雨灾害的具体灾情进行解析，分离出不同承灾体的损失情况。然后利用承灾体损失计算灾损指数，通过灾损指数和致灾因子的关系分析，确定暴雨灾害的短历时雨强致灾因子和过程性雨强致灾因子。

以暴雨灾害造成的直接经济损失的灾损指数确定为例，给出灾损指数的计算步骤：

1) 评估区域内一次暴雨灾害造成的直接经济损失除以当年该区域的GDP，得到灾损指数：I=D/E

式中，I为灾损指数，D为直接经济损失（万元），E为当年GDP（万元）。

2）使用Pearson相关系数计算方法，分别计算灾损指数与归一化处理后的暴雨过程各个特征量的相关关系，选取通过显著性检验（α=0.05）的因子作为致灾因子。

3.1.2 暴雨过程强度指数以及强事件

根据识别出的致灾因子，利用极值函数，计算多年一遇的数值，建立评价指标库。对各评价指标进行归一化处理，采用信息熵赋权法确定权重，加权求和得到暴雨过程强度指数。

单站暴雨过程强度指数的计算见下式：

IR= A×I1pre + B×I24pre +C×Ipre + D×Iday

式中，IR为单站暴雨过程强度指数；I1pre、I24pre、Ipre和Iday 分别是归一化处理的4个评估指标数值；A、B、C、D为权重系数。权重系数采用信息熵赋权法。

以所有暴雨过程的强度指数为样本，采用百分位数法，划分为一般性、略偏强、偏强、明显偏强和极端事件5个等级（表1）。等级达到Ⅰ级和Ⅱ级的事件称作强事件，得到一般暴雨灾害事件和重大暴雨灾害事件。

表1 暴雨过程强度等级划分及评估

3.1.3 年雨涝指数

累加当年逐场暴雨过程强度值，得到年雨涝指数。

3.1.4 致灾因子危险性评估

致灾危险性评估主要考虑暴雨事件和孕灾环境，由年雨涝指数和暴雨孕灾环境影响系数两部分组成。

（1）暴雨孕灾环境影响系数

暴雨孕灾环境指暴雨影响下，对形成洪涝、泥石流、滑坡、城市内涝等次生灾害起作用的自然环境。暴雨孕灾环境对暴雨成灾危险性起扩大或缩小作用。暴雨孕灾环境宜考虑地形、河网水系、地质灾害易发条件等。

（2）雨涝危险性指数

雨涝危险性指数是由暴雨孕灾环境影响系数与年雨涝指数加权综合而得。

雨涝危险性指数=（1+暴雨孕灾环境影响系数）*年雨涝指数

3.1.5 致灾因子危险性分区

基于雨涝致灾危险性指数，综合考虑行政区划（或气候区、流域等），对致灾因子危险性进行空间单元的划分。

3.2 风险评估与分区

致灾因子的危险性仅反映了暴雨可能产生的危害大小，而实际造成危害的程度还与承灾体暴露度和脆弱性有关。

承灾体暴露度是指暴露在降雨影响范围内的人口、房屋、财产、农田、设施等数量和价值量。承灾体脆弱性是指承灾体面对外界扰动的敏感性和反应能力，可分解为灾损敏感性和抗灾能力。同等强度的暴雨，发生在人口和经济暴露度高、脆弱性高的地区造成的损失往往要比发生在人口和经济暴露度低、脆弱性低的地区大得多，灾害风险也相应偏大。

3.2.1 主要承载体暴露度

1）人口暴露度：用县常住人口表示。

2）经济暴露度：用县GDP表示。

3）农业暴露度：用县耕地、林地和草地类型用地面积综合而成。

选取人口、经济、农业等多个暴露度指标进行归一化处理，采用信息熵赋权法确定权重，加权求和得到暴露度指数。

3.2.2 主要承载体脆弱性

1）人口脆弱性：县65岁以上老人和14岁以下儿童人口比例；县历史暴雨洪涝灾害受灾或死亡人数占总人口比例；

2）经济脆弱性：县多年平均暴雨洪涝直接经济损失占GDP比例；

3）农业脆弱性：县多年农业受灾面积占耕地面积比例。

方法：

①县域暴雨洪涝人口脆弱性=老人和儿童比例、受灾或死亡人口比例加权求和

②县域暴雨洪涝经济脆弱性=暴雨洪涝灾害直接经济损失/GDP

③县域暴雨洪涝农业脆弱性=暴雨洪涝灾害农业受灾面积/耕地面积

选取人口、经济、农业等多个脆弱性指标进行归一化处理，采用信息熵赋权法确定权重，加权求和得到脆弱性指数。

3.2.3 风险评估模型

将危险性（用年雨涝指数不同重现期的阈值表达）、暴露度和脆弱性各指标归一化，采取加权乘积的方法确定不同重现期的风险值。采用信息熵赋权法确定权重。

根据暴雨灾害风险形成原理及评价指标体系，分别将致灾危险性、承灾体暴露度和承灾体脆弱性各指标进行归一化，再加权综合，建立风险评估模型如下：

式中：MDRI为暴雨灾害风险指数，用于表示暴雨灾害风险程度，其值越大，则暴雨灾害风险程度越大，TI、EI、VI分别表示暴雨致灾危险性、承灾体暴露度、承灾体脆弱性指数。we、wh、ws是致灾危险性、承灾体暴露度和脆弱性指数的权重，权重的大小依据各因子对暴雨灾害的影响程度大小，根据信息熵赋权法，并结合实际情况确定。

根据风险评估模型，分别对不同承灾体进行风险评估。如人口、经济及农业风险评估分别表示为：

受灾人口风险=暴雨致灾危险性（危险性）we×区域人口密度（暴露度）wh×区域人口受灾率（脆弱性）ws；

GDP损失风险=暴雨致灾危险性（危险性）we×区域GDP密度（暴露度）wh×区域直接经济损失（脆弱性）ws；

农业方面主要针对三大农作物（小麦、玉米、水稻）开展风险评估：

小麦风险=暴雨致灾危险性（危险性）we×区域小麦种植面积（暴露度）wh×区域小麦受灾率（脆弱性）ws；

玉米风险=暴雨致灾危险性（危险性）we×区域玉米种植面积（暴露度）wh×区域玉米受灾率（脆弱性）ws；

水稻风险=暴雨致灾危险性（危险性）we×区域水稻种植面积（暴露度）wh×区域水稻受灾率（脆弱性）ws。

4、平利县气象灾害风险区划

通过上文所述数据处理方法，利用ArcGIS10.2版本软件，通过反距离权重插值分析以及重分类处理，得出以下六种自然灾害风险区划图。

图1 平利县暴雨灾害风险区划图           图2 平利县大风灾害风险区划图

图3 平利县低温灾害风险区划图       图4 平利县干旱灾害风险区划图

图5 平利县高温灾害风险区划图       图6 平利县雪灾灾害风险区划图

5、结论

根据风险区划图，平利县东北部属干旱和大风灾害风险高发区，西南部属雪灾和低温风险高发区，西北部属暴雨灾害风险高发区，北部地区属高温灾害风险高发区。平利县经济来源主要是农业，因此对自然灾害的把握有很大的必要性，对气象灾害的研究对经济效益有一定的积极作用。对不同地区采取针对性的措施，可有效减少气象灾害对人们造成的危害。

参考文献：

[1] 杨幸，王平，任宾宾. 基于GIS的汉中市气象灾害风险评估[J].江西农业学报，2019（01）：67-77

[2] 杨丰政. 基于GIS的徐水县气象灾害风险评估研究[J].南京信息工程大学，2012（09）：1-70

[3] 杨易诚. 基于GIS的山丹县气象灾害风险区划研究[J].农业灾害研究，2019（01）：32-36