自然災害危險性分析精選(五篇)

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇自然災害危險性分析，期待它們能激發您的靈感。

篇1

關鍵詞:山洪災害;風險評估;風險區劃;GIS技術;易損性指標

中圖分類號:S157．1 文獻標志碼:A 文章編號:1001－5485(2015)12－0041－05

1研究背景

我國是一個多山的國家，山丘區面積約占全國陸地面積的2/3。復雜的地形地質條件、暴雨多發的氣候特征、密集的人口分布和人類活動的影響，導致山洪災害發生頻繁。據《全國山洪災害防治規劃報告》數據統計，我國山丘區流域面積在100km2以上的山溪河流約5萬條，其中70%因受降雨、地形及人類活動影響會發生山洪災害［1］。由于山洪災害的發生具有突發性強、來勢猛、時間短等一系列特點，且其造成的危害對人們的生命財產影響巨大［2］，因此，關于山洪災害的研究早在20世紀初就已經開始了。經過半個多世紀的發展，山洪災害的研究已經涉及成因、空間分布特征、災害損失評估、風險評價與制圖等各方面［3－11］。風險評估與管理逐漸也成為國際上倡導和推廣的減災防災有效途徑之一［12］。目前，山洪災情評估工作得到了來自地學工作者、工程專家和各級政府部門的高度重視，并逐漸成為國際性的研究項目。特別是在山洪風險評估方面的表現尤為突出［7－11］。但是，這些評價工作的對象往往是泥石流、滑坡或單純的溪河洪水等單一災種，評價單元基本以行政區域為單元，缺乏流域系統性、災害種類完整性，評價指標選擇也無可比性［2－6］。其次，目前對大尺度范圍上的山洪災害區劃成果，多為如何防治山洪災害的目的進行的，是一種黑箱模型，未完整給出各山洪溝的危險性、易損性和風險等級水平，因而無法準確判斷不同區域的山洪風險等級。因此，本文將借鑒全國山洪災害防治規劃中對山洪災害的定義，將由降雨在山丘區引發的洪水及由山洪誘發的泥石流、滑坡等對國民經濟和人民生命財產造成損失的災害統一納入研究范圍［1］。以小流域為評價單元，開展四川省山洪災害風險評估研究，以期為四川省山洪災害管理及防治提供一定的理論依據。

2研究方法與數據來源

2．1研究方法

本研究對風險評估的方法，仍借鑒聯合國有關自然災害風險的定義，即風險是危險性與易損性的乘積。其中危險性是災害的自然屬性，易損性則是災害的社會屬性。風險分析在危險性和經濟社會易損性分析的疊加基礎上完成。因此，本研究的內容主要包括危險性分析、易損性分析以及二者疊加基礎上的風險分析。最后，在風險分析的結果基礎上，采用一定的區劃原則和方法，結合全國山洪災害防治規劃中的一級區劃和二級區劃，對四川省山洪災害風險進行更進一步的三級分區，形成風險區劃圖。由于在進行危險性和易損性分析時，選取的指標較多，各個指標在危險性和易損性大小中的貢獻不同，為定量評價各指標在其中的權重，本研究選用層次分析法進行分析。其基本原理為:首先建立山洪災害危險性、易損性分析評價指標體系，每一層都有1個或2個評價因素對應上層目標層，根據這些相互影響，相互制約的因素按照它們之間的隸屬關系排成3層評價結構體系;然后，根據專家經驗針對某一個指標相對于另一個指標的重要程度進行打分，打分后即建立判別矩陣。根據山洪災害的成因和特點，結合目前現有數據情況，本研究選取的危險性和易損性評價指標體系見表1和表2。在進行山洪災害危險性和易損性的評價時，為了將不同的指標體系組合后用一個統一的量化標準對其等級進行劃分，首先根據已有數據的分布區間按照StandardDeviation分類方法，對危險性和易損性水平進行劃分，根據實際需要，共劃分為5個等級，各個等級的指標范圍見表1和表2。

2．2數據來源

四川省山洪歷史災害資料來自四川省山洪災害防治分區項目調查數據。該數據以小流域為單元，其面積界定為＜200km2［1］的小流域共計2471條(近50a來發生過山洪災害的小流域)。部分縣域，小流域單元數據是由國家氣象局與國家科技基礎條件平臺建設項目———系統科學數據共享平臺提供;四川省內及周邊82個站點年雨量數據來自中國氣象局數據庫;DEM(90m)數據來自SRTM;土地利用數據來自中國科學院資源環境科學數據中心;巖性數據來自中國地質調查局的1∶250萬中國數字地質圖;基礎土壤數據來自中國科學院南京土壤研究所的1∶100萬中國土壤屬性數據庫。

3山洪災害風險評估與區劃

3．1危險性指標體系及評估

根據危險性各評價指標及對各指標數值的綜合統計分析，結合專家的經驗判斷，參與者均為全國山洪災害防治規劃中承擔相應數據資料分析的專家(共3位)，各位專家根據經驗判斷各級指標間的相對重要性，然后利用層次分析法確定出危險性各指標的權重值，如表3所示。結合ArcGIS的空間分析計算，將各指標危險性分級圖轉換為柵格格式(見圖1(a)至圖1(e))，結合上表給出的每個指標所確定的綜合權重值，利用ArcGIS的柵格疊加計算功能，可得到山洪災害危險性圖(見圖1(f))。具體計算方法為:山洪災害危險性=0．041×最大24h暴雨極值+0．021×最大24h暴雨極值變差系數+0．207×最大1h暴雨極值+0．105×最大1h時暴雨極值變差系數+0．035×地形坡度+0．04×地形起伏度+0．091×小流域主溝比降+0．19×河網緩沖區+0．071×歷史災害緩沖區。

3．2易損性指標體系及評估危險性

根據易損性評價指標體系，依據層次分析法計算了四川省山洪災害易損性指標的權重值(見表4)。在ArcGIS中，將各指標分級圖轉換為柵格格式(見圖2(a)至圖2(c))，結合表4給出每個指標所確定的綜合權重值，利用ArcGIS的柵格疊加計算功能，可得到山洪災害易損性成果圖(見圖2(d))。具體計算方法即為山洪災害易損性=0．18×溝道兩側范圍人口數量+0．42×溝道兩側范圍人口密度+0．18×地均GDP+0．12×人均住房數量+0．06×歷史災害死亡人數+0．04×歷史災害沖毀房屋數。

3．3山洪風險評估

根據山洪風險度R等于危險度H乘以易損度V的定義，利用ArcGIS的空間分析疊加功能，可以計算山洪災害的風險度圖。在處理數據時，首先將危險性分級圖和易損性分級圖進行歸一化取值(0～1)見表5，然后進行柵格相乘計算，即可得到四川省山洪災害的風險圖，其取值范圍為0～1之間。根據山洪災害風險區等級劃分標準進行分級，可得到四川省山洪災害風險分級圖，如圖3所示。

3．4山洪風險區劃

根據山洪災害風險分級結果，結合全國山洪災害防治規劃中的一、二級防治分區范圍，采用基于空間鄰接系數的聚類分析方法，對風險分級結果中的最小單元進行逐級向上合并，根據主導因素與綜合因素相結合、區域單元內部相對一致、以人為本的經濟社會分析等山洪災害區劃原則，劃分出全國山洪災害風險區劃單元。以四川省山洪災害風險等級為基礎進行最小單元聚類，在ArcGIS中疊加全國山洪災害防治二級區劃(四川省境內)成果，同時根據四川省自然條件和山洪災害防治現狀，將四川省境內的西南地區細分為3個三級區(圖4所示Ⅰ－8－3，Ⅰ－8－1，Ⅰ－8－2)，原二級區劃中的藏南地區、藏北地區、秦巴山地區由于面積不大，山洪災害現狀和自然條件比較一致，因此不做進一步劃分(如圖4所示的Ⅲ－1，Ⅲ－2和I－4)。因此，四川省山洪災害風險區劃共涉及6個區劃單元，如圖4所示。在完成風險性等級劃分圖和區劃圖以后，以各風險區劃單元為單位，統計各三級區內風險度等級分布特征。表6為四川省各風險區劃單元內風險度等級面積統計，表7為四川省各風險區風險等級比例統計。從表7中可見，四川盆地及周邊為山洪災害中高風險區，為四川省山洪災害重點防治地區。其它地區山洪災害風險等級較低，在進行山洪災害防治時，應以防治措施為主，同時加強災害監測的預警預報。

4結論

(1)整個四川省的山洪災害風險等級水平處于較高水平，特別是四川盆地及周邊地區是山洪災害的高風險值地區，中風險區等級以上的面積占到了整個四川盆地及周邊總面積的近80%，這一區域也是四川省人口、經濟密度最大的區域，因此山洪災害防治任務艱巨。其次，秦巴山地區是四川省山洪災害次嚴重地區，中風險區等級以上的面積占到了整個四川省秦巴山地區總面積的18%。其它幾個三級區域山洪災害風險水平不高，大多處于低風險和較低風險水平，山洪災害防治應以防治措施為主，同時加強災害監測的預警預報。(2)由于山洪災害的成因機理十分復雜，特別是溪河洪水及其誘發的滑坡、泥石流災害成因更為復雜，在進行山洪災害危險性、易損性評估時，評價指標體系應在深入研究成因機理的基礎上進行選取，但限于目前研究成果和資料的可獲取性限制，本研究風險評估結果的準確性仍有待驗證。

參考文獻:

［1］長江水利委員會．全國山洪災害防治規劃報告［R］．武漢:長江水利委員會，2005．(ChangjiangWaterRe-sourcesCommission．TheMountainTorrentDisasterPre-ventionandControloftheNationalPlanningReport［R］．Wuhan:ChangjiangWaterResourcesCommission，2005．(inChinese))

［2］唐川，師玉娥．城市山洪災害多目標評估方法探討［J］．地理科學進展，2006，25(4):13－21．(TANGChuan，SHIYu-e．Multi-ObjectiveEvaluationMethodofMountainTorrentDisasterinUrbanArea［J］．ProgressinGeography，2006，25(4):13－21．(inChinese)

［3］石凝．閩江流域災害性洪水形成機理分析［J］．水文，2001，21(3):30－33．(SHINing．FloodingDisas-terMechanismofMinjiangRiverWatershed［J］．Hydrol-ogy，2001，21(3):30－33．(inChinese))

［4］謝洪，陳杰，馬東濤．2002年6月陜西佛坪山洪災害成因及特征［J］．災害學，2002，17(4):42－47．(XIEHong，CHENJie，MADong-tao．MountainTorrentDisasterCausesandCharacteristicsofFoping，ShaanxiProvinceinJune，2002［J］．Journalofcatastrophology，2002，17(4):42－47．(inChinese))

［5］韋方強，崔鵬，鐘敦倫．泥石流預報分類及其研究現狀和發展方向［J］．自然災害學報，2004，13(5):10－15．(WEIFang-qiang，CUIPeng，ZHONGDun-lun．ClassificationofDebrisFlowForecastandItsPresentSta-tusandDevelopmentinReseach［J］．JournalofNaturalDisasters，2004，13(5):10－15．(inChinese))

［6］許有鵬，于瑞宏，馬宗偉．長江中下游洪水災害成因及洪水特征模擬分析［J］．長江流域資源與環境，2005，14(5):638－644．(XUYou-peng，YURui-hong，MAZong-wei．CauseofFloodDisastersandFloodCharacter-isticSimulationAnalysisoftheMiddleandLowerRea-chesoftheYangtzeRiver［J］．ResourcesandEnviron-mentintheYangtzeBasin，2005，14(5):638－644．(inChinese))

［7］張春山，李國俊，張業成，等．黃河上游地區崩塌、滑坡、泥石流地質災害區域危險性評價［J］．地質力學學報，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］趙士鵬．中國山洪災害的整體特征及其危險度區劃的初步研究［J］．自然災害學報，1996，5(3):93－99．(ZHAOShi-peng．AnElementaryStudyonWholeChar-acteristicsofMountainTorrentsDisasterSysteminChinaandItsHazardRegionalization［J］．JournalofNaturalDisasters，1996，5(3):93－99．(inChinese))

［9］鐘敦倫，謝洪，韋方強．長江上游泥石流危險度區劃研究［J］．山地研究，1994，2(2):65－70(ZHONGDun-lun，XIEHong，WEIFang-qiang．HazardRegionalizationofDebrisFlowintheUpstreamofYangtzeRiver［J］．JournalofMountainResearch，1994，2(2):65－70(inChinese))

篇2

關鍵詞 暴雨內澇；農業用地；危險性評價；上海市；浦東新區

中圖分類號 P333.2 文獻標識碼 A 文章編號 1007-5739（2011）12-0019-03

危險性評價是目前國際減災和災害風險研究普遍關注的熱點問題，是自然災害風險評估的前提[1-2]。暴雨內澇災害一直是造成農業損失的重大問題，特別是在經濟發達的大城市周圍地區，投入成本高，地位顯著，進行有效的災害管理，最大限度地降低對農業造成的損失是當前防災減災部門的難題[3-4]。該研究不僅可以完善危險性評估的方法與案例，也可以為極端降雨災害事件的損失評估提供依據，從而為政府防災減災提供科學支撐和決策依據。

目前，災害風險評價研究主要集中于災害的自然屬性，即危險性評價[5-6]。危險性評價主要是衡量致災因子對承災體的致險強度[7]，是災害風險評價的第一步，一般用災害發生的強度和頻率來表示。危險性評價方法主要有3類：一是以歷史災害頻率分析為主的單因子評估法；二是綜合歷史災害強度、頻率和孕災環境的多指標評價法[5，8-11]；三是結合災害情景模擬的評價法。其中，對于單因子評價法和多指標評價法來說， 前者方法過于簡單，忽視了災害發生的強度。后者不能明確災害強度和頻率之間的關系[5]。二者都不能準確反映災害的致險程度[5]。近年來，隨著GIS技術的發展，情景模擬方法的應用日益廣泛。該方法是以一定歷史災害數據為基礎，假定災害事件的多個關鍵影響因素有可能發生的前提下，基于成因機制構造出未來的災害情景，從而用來評估災害的不同致災可能性和相應的災害可能活動強度[5，12]。對于暴雨內澇災害而言，根據其特點和研究區狀況，農業用地受影響較大。該文基于情景模擬，對浦東新區各鎮的農業用地進行危險性評價，探討浦東新區農業用地在暴雨內澇災害中的危險性空間分布規律[5]，為建立規范、合理、科學的災害管理提供依據。

1 研究區數據來源及方法

1.1 研究區概況

上海浦東新區地處上海市東大門，位于東海之濱，地處黃浦江下游和長江入海口南側，全區面積569 km2，是上海市受海洋氣候影響最大的區域。近些年來，浦東新區社會經濟發展迅猛，已成為一個基本具備現代產業結構的新城區。同時，現代農業在浦東新區發展中占有重要地位，決定了其面臨災害的高風險性和災害評估與預防的重要性[13]。統計顯示，浦東新區是夏季暴雨內澇災害多發地區，加之農業用地排水設施不健全，是上海暴雨內澇的重災區，隨著極端降雨災害發生頻度的上升，浦東新區每年因暴雨內澇造成的損失嚴重。浦東新區農業用地分布圖如圖1所示。

1.2 研究數據來源

該研究的土地利用數據來自2006年3月上海市航空遙感圖像解譯得到的浦東新區土地利用數據[14]；DEM數據來源于2005年上海市等高線數據，等高線間距為0.5 m；1968—2009年42年最大日降雨量數據和排水能力分布圖均由浦東新區防汛辦提供；SCS徑流模型中用到的參數均借鑒已有的研究成果[15]。

1.3 研究方法

1.3.1 P-III模擬不同重現期的最大降雨量。暴雨內澇的致災因子為降雨，而極端強降雨雖然發生的頻率低，但是損失嚴重，不同重現期的最大降雨量數據是目前防災減災策略制定的前提。該文利用擬合暴雨頻率結果較好的P-III型概率曲線[16]，根據近42年浦東新區的年最大日降雨量數據，得到浦東新區不同重現期的最大降雨量數據。其概率密度函數和保證率函數分別如下：

f（x）=■（x-x0）■exp[-β（x-x0）]α>0，x≥x0（1）

α=4cs2 （2）

β=2σcs（3）

x0=m（■）（4）

式中，參數x0為隨機變量x所能取的最小值；α為形狀參數；β為尺度參數；Γ（α）是α的伽瑪函數；m為數學期望，σ為均方差；cs為偏態系數，cv為變差系數。利用spss統計工具計算，并通過擬合優度檢驗，在顯著性水平a=0.05，自由度為1時，查表得χ20.05=3.84，通過計算χ2=1.645，χ2

1.3.2 暴雨內澇模型。研究參考已有的暴雨內澇模型[17]，結合ArcGIS的三維分析和空間分析模塊，利用城市地形模型、城市降雨和徑流模型、城市排水模型進行模擬計算，獲得6種重現期下的最大徑流量、淹沒深度等數據。

利用ArcGIS將浦東新區0.5 m×0.5 m等高線數據轉換成30 m×30 m的DEM數據，并根據專家咨詢和實際考察，需要對洼地進行預處理[18]。對生成的DEM數據低于3.0 m以下的區域進行洼地填充，最后得到修正后的DEM。地表的產匯流的計算采用經過修正的、適合上海地區的SCS水文模型[5，19]，利用研究區的經驗徑流參數、已經計算的降雨量數據以及城市的排水能力進行計算，根據浦東新區2009年排水能力分布圖，計算徑流量和排水能力之差，最終得到不同重現期下的實際徑流量。其中排水能力值是假設日最大降雨量持續時間為2 h，且排水設施沒有達到排水限制的情形，實際凈流量的計算公式為：

W=■（Qi-V）×S（5）

式中，W為研究區總徑流量；Qi表示第i個柵格單元的徑流量；V表示排水能力；S表示柵格單元面積（30 m×30 m）；n表示柵格單元個數。

1.3.3 危險性指數。為了更加直觀地反映暴雨內澇災害的危險程度，采用危險性指數來衡量其危險性的大小[19]。危險性指數越高，內澇災害的危險性就越大。該文的危險性指數是指通過構造模型來計算被淹農業用地。首先，根據實際調查以及承災體實際受到的影響，將積水深度劃分為4個等級：I級：水深在0.1 m以下，基本無積澇；II級：水深在0.1～0.2 m，輕度積澇，田地有積水，但對作物以及蔬菜的影響不大；III級：淹沒深度在0.2～0.4 m，中度積澇，作物、蔬菜以及花卉等大部分被淹沒，損失嚴重；IV級：田地積水在0.4 m以上，重度澇災，作物等基本全部被淹沒，損失非常嚴重，田間蔬菜、花卉大棚也會嚴重進水，居民家庭也受到嚴重影響。由于各種危險性級別對區域整體農業用地危險性的貢獻不同，給I～IV級的危險性級別分別賦予危險性系數為20、40、60、80，相同水深淹沒農業用地的危險性系數相同。最終，該情景各區域的危險性指數即為該區不同危險級別的農業用地在浦東新區該危險級別中所占比例的累計求和，用公式計算過程如下：

特定情景下各鎮不同危險級別的淹沒農業用地占浦東新區該危險級別淹沒農業用地面積的比例：

fi（uj）=gi（uj）/ci （i=1，2，…，m；j=1，2，…，n） （6）

其中，gi（uj）代表各鎮每種危險級別的被淹沒農業用地面積；m代表危險性級別；n代表各個鎮，ci=Σ■■gi（uj）。Wi代表I～IV 級的危險系數20、40、60、80，那么，區域農業用地的內澇危險指數即為：

Hj=Σ■■fi（uj）×Wi（7）

用上述公式，將各鎮農業用地危險性指數求和，得浦東新區各鎮危險性大小（表1）。

2 結果與分析

2.1 暴雨內澇淹沒分析

根據計算得出的暴雨內澇總徑流量，結合城市地形模型，根據徑流量與淹沒體積相等的原理，采用GIS中的“等體積法”，凡是高程低于淹沒高程的柵格都計入淹沒區，得到6種重現期（T）分別為20、50、100、200、500、1 000年的最大淹沒深度（表1），利用GIS中的柵格計算，用浦東新區DEM與不同重現期的淹沒水深柵格圖進行柵格相減，得到不同情景下的浦東新區暴雨內澇農業用地的淹沒深度分布圖（圖2）。

可以看出，在6個暴雨重現期的淹沒深度圖中，從50年一遇開始，淹沒深度的范圍急劇增加，淹沒深度最大的地區是在孫橋鎮，這些地區是低地勢，排水能力相對較差的地區，而高橋鎮、機場鎮以及三林鎮、北蔡鎮等由于地勢高，淹沒范圍很小。

2.2 危險性分析

針對6種淹沒情景，利用GIS統計分析工具統計浦東新區各鎮每種危險性級別被淹農業用地面積， 根據公式（6）求出浦東新區各鎮該危險性級別所占全部被淹該危險性級別農業用地面積的比例。最后利用公式（7）計算得出浦東新區各鎮的危險性指數如表2所示。

評價結果顯示，在6種情景下，張江鎮危險性指數值最小，這與張江是浦東新區最新發展的高科技園區，農業用地較少，經濟發達，政府部門的防災減災策略實施完善，并具備良好的基礎設施和完善的排水條件有很大關系；20年一遇的情景中，孫橋鎮、北蔡鎮、機場鎮和川沙鎮的危險性指數很高，50年一遇的情景中，曹路鎮、機場鎮、合慶鎮和川沙鎮的危險性指數很高，100年一遇的情景中孫橋鎮、機場鎮和川沙鎮的危險性高，200年一遇的情景中，孫橋鎮、高橋鎮的危險性高，500年一遇的情境下孫橋鎮和川沙鎮的危險性高，1 000年一遇的情境下，曹路鎮、機場鎮、合慶鎮和川沙鎮的危險性指數最大，區域的高程情況、農業用地的集中分布、基礎設施的不完善是主要的原因。其中孫橋鎮、曹路鎮、機場鎮和川沙鎮的危險性一直處于較高的危險性水平，與模擬結果對比，說明承災體分布情況直接影響著區域危險性大小。

3 結論

危險性評價作為災害風險評價的基礎，是關系未來災害學發展的前提，其可靠性和準確性直接影響風險評價的科學性。該文基于情景模擬，借助GIS空間分析工具，針對農業用地，對浦東新區主要的發展農業的14個鎮暴雨內澇的危險性評價做初步嘗試。結果表明，在6種不同情景下，各個鎮的危險性存在一定的差異。危險性指數高值分布在孫橋鎮、曹路鎮、機場鎮和川沙鎮，低值分布在張江鎮、高橋鎮和花木鎮。該評價結果可以為浦東新區防災減災提供科學依據。

4 參考文獻

[1] 石勇，許世遠，石純，等.洪水災害脆弱性研究進展[J].地理科學進展，2009，28（1）：41-46.

[2] 殷杰，尹占娥，王軍，等.基于GIS的城市社區暴雨內澇災害風險評估[J].地理與地理信息科學，2009，25（6）：92-95.

[3] 許世遠，王軍，石純，等.沿海城市自然災害風險研究[J].地理學報，2006，61（2）：127-138.

[4] 石勇.災害情景下城市脆弱性評估研究[D].上海：華東師范大學，2010.

[5] 孫阿麗，石純，石勇.基于情系模擬的暴雨內澇危險性評價——以黃

（下轉第24頁）

（上接第21頁）

浦區為例[J].地理科學，2010（3）：465-468.

[6] 孫紹騁.災害評估研究內容與方法探討[J].地理科學進展，2001（2）：122-130.

[7] 史培軍.三論災害研究的理論與實踐[J].自然災害學報，2002，11（3）：1-9.

[8] 楚敬龍，杜加強，滕彥國，等.基于GIS的重慶市萬州區滑坡災害危險性評價[J].地質通報，2008，27（11）：1875-1881.

[9] 唐川，朱大奎.基于GIS技術的泥石流風險評價研究[J].地理科學，2002，22（3）：300-304.

[10] 閆滿存，王光謙.基于GIS的瀾滄江下游區滑坡災害危險性分析[J].地理科學，2007，27（3）：365-370.

[11] 胡蓓蓓，姜衍祥，周俊，等.天津市濱海地區地面沉降災害風險評估與區劃[J].地理科學，2008，28（5）：693-697.

[12] 葛全勝，鄒銘，鄭景云，等.中國自然災害風險綜合評估初步研究[M].北京：科學出版社，2008.

[13] 石勇，石純，孫蕾，等.沿海城市自然災害脆弱性評價研究——以上海浦東新區為例[J].中國人口·資源與環境，2008（4）：24-27.

[14] 暴麗杰.基于情景的上海浦東暴雨洪澇災害脆弱性評估[D].上海：上海師范大學，2009.

[15] 景垠娜.自然災害風險評估——以上海浦東新區暴雨洪澇災害為例[D].上海：上海師范大學，2010.

[16] 林兩位，王麗萍.用Pearson-III概率分布推算重現期年最大日雨量[J].氣象科技，2005，4（33）：314-317.

[17] 尹占娥，許世遠，殷杰，等.基于小尺度的城市暴雨內澇災害情景模擬與風險評估[J].地理學報，2010（5）：553-562.

篇3

“風險”一詞起源于保險業，包含有多種含義，最常用的含義有兩種：一種是指某個客體遭受某種傷害、損失、毀滅或不利影響的可能性，二是指某種可能發生的危害。因此，自然災害風險也包括兩種含義：一是不同程度自然災害發生的可能性，二是自然災害給人類社會可能帶來的危害。近些年有學者對自然災害風險概念進行了新的討論。黃崇福對目前國際上較有影響的災害風險定義歸為三類：①概率類定義。②期望損失類定義。③概念公式類定義。并指出此三類風險定義均不能或無法表達風險的內涵，又進而提出了以情景為基礎的自然災害風險的定義，即自然災害風險是一種未來不利事件的情景，而該情景是由自然事件或力量為主因所導致的。倪長健認為該定義仍有未能充分揭示自然災害風險和自然災害系統之間的關系、未能充分表征自然災害風險的基本內涵、不便于為定量風險評估提供明確依據等不足之處，并提出了自然災害風險的新定義：自然災害風險是由自然災害系統自身演化而導致未來損失的不確定性。總體上講，災害風險評估是一項在災害危險性、災害危害性、災害預測、社會承載體脆弱性、減災能力分析及相關的不確定研究的基礎上進行的多因子分析工作。自然災害風險評估常常存在在實例分析時存在界定不清、集成模式濫用等諸多問題，而其理論基礎至今仍比較薄弱是導致以上現象的主因。要想找到科學有效的自然災害風險評估方法，就必須對自然災害風險系統的結構及其作用機制有清晰的認識和把握。

2自然災害風險系統要素和風險形成機理

自然災害風險系統主要由承災體、孕災環境、致災因子等要素組成。承災體系自然災害系統的社會經濟主體要素，是指人類及其活動所組成的社會經濟系統。承災體受致災因子的破壞后會產生一定的損失，災情即是其損失值的大小，而之所以會有損失，根本原因是承災體有其核心屬性———價值性。通常脆弱性是指承災體對致災因子的打擊的反應和承受能力，但學術界目前對于脆弱性的認識并不統一。孕災環境主要包括自然環境與人文環境，位于地球表層，是由大氣圈、水圈、巖石圈等自然要素所構成的系統。孕災環境時時刻刻都在進行著物質和能量的轉化，當轉化達到一定條件時會對人類社會環境造成一定影響，稱之為災變，這種災變即為致災因子，基于致災因子的相關研究稱之為風險的危險性分析，故危險性其實是表達了致災因子的強度、頻率等因素，比較有代表性的是地震安全性評價，在對孕災環境和歷史災情的分析研究后以超越概率的形式給出地表加速度來表達某一地區或某一場地的致災因子危險性。相比于孕災環境和承災體之間的復雜關系，影響致災因子的危險性大小的來源相對單一，完全由孕災環境決定。因此，由孕災環境、承災體、致災因子等要素組成的自然災害系統，是一個相互作用的有機整體，揭示的是人類社會與自然的相互關系，承災體可以影響孕災環境，孕災環境通過致災因子影響承災體，三者不僅存在因果關聯，在時間、空間上也相互關聯，密不可分。而關于自然災害風險機理的表達，20世紀90年代以來，1989年Maskrcy提出自然災害風險是危險性與易損性之代數和；1991年聯合國提出自然災害風險是危險性與易損性之乘積，此觀點的認同度較高，并有廣泛的運用；Okada等認為自然災害風險是由危險性、暴露性和脆弱性這三個因素相互作用形成的；張繼權等則認為：自然災害風險度=危險性×暴露性×脆弱性×防災減災能力，該觀點亦被引入近年的多種災害風險評估。

3數學方法在災害風險評估中的應用

國內外學者對風險評估中使用的數學方法做過系統的總結。張繼權等曾對國內外氣象災害風險評價的數學方法做了較系統的總結，葛全勝等亦對自然災害致險程度、承災體脆弱性及自然災害風險損失度等方面的評估方法做過評述。盡管這些方法因針對的災種不同而不盡相同（如用于地震災害的超越強度評估法、構造成因評估法等，用于洪災的水文水力學模型法、古洪水調查法等），但總體而言，數學方法應用及風險定量化表達已成趨勢：

①概率統計：以歷史數據為基礎，考慮自然災害的隨機性，估計災害發生的概率，應用多種統計方法（極大似然估計、經驗貝葉斯估計、直方圖估計等）擬合概率分布函數。由于小樣本分析結果穩定不好，為避免與實際相差過大，故要求歷史樣本容量較大，常應用于臺風、暴雨、洪災、泥石流、地震等災害的風險評估。

②模糊數學：以社會經濟統計、歷史災情、自然地理等數據為數據源，從模糊關系原理出發，構造等級模糊子集（隸屬度），將一些邊界不清而不易定量的因素定量化并進行綜合評價，利用模糊變換原理綜合各指標，能較好地分析模糊不確定性問題。該方法在多指標綜合評價實踐中應用較為廣泛，但在確定評定因子及隸屬函數形式等方面具一定的主觀性，現主要應用于綜合氣象災害、洪災、泥石流、地震、綜合地質災害等等風險評估。

③基于信息擴散理論：以歷史災情、自然地理、社會經濟統計等數據為數據源，是一種基于樣本信息優化利用并對樣本集值化的模糊數學方法，遵循信息守恒原則，將單個樣本信息擴散至整個樣本空間。該方法簡單易行，分析結果意義清楚，雖然近年來受到較多學者推崇和研究，但對擴散函數的形式及適用條件、擴散系數的確定等尚待進一步探討。該方法已有運用于低溫冷害、臺風、暴雨、洪災、旱災、地震、火災等災害的風險評估。

④層次分析：該方法來源于決策學，是一種將定性分析與定量分析結合的系統分析方法，以歷史災情、社會經濟統計、自然條件等數據為數據源。它利用相關領域多為專家的經驗，通過對諸因子的兩兩比較、判斷、賦值而得到一個判斷矩陣，計算得到各因子的權值并進行一致性檢驗，為評估模型的確定提供依據。該方法系統性強、思路清晰且所需定量數據較少，對問題本質分析得較透徹，操作性強。該方法已經應用于綜合地質災害、洪災、滑坡、草原火災等災害的風險評估中。

⑤灰色系統：以歷史災情、自然地理等數據為數據源，以灰色系統理論為基礎，應用灰色聚類法劃分災害風險等級。算法思路清晰，過程簡便快捷而易于程序化，但爭議較大，故在國外研究中運用較少，在國內綜合地質災害、風暴潮、洪災等災害的風險評估中有所應用。

⑥人工神經網絡：以歷史災情、自然地理、社會經濟統計數據為數據源。選定典型評估單元（訓練樣本），將經過處理后的風險影響因子的數值作為輸入，通過訓練獲得權值和閥值作為標桿；然后將其余單元的數據輸入訓練后的神經網絡進行仿真，進而獲得各個單元的風險度。其特點和優勢是基于數據驅動，可較好地避免評估過程中主觀性引起的誤差，但因收斂速度對學習速率的影響會導致訓練結果存在差異，且其“黑匣子”般的訓練過程難以清楚解釋系統內各參數的作用關系。該方法目前已經應用于洪災、泥石流、雪災、地震、綜合地質災害等災害的風險評估工作中。

⑦加權綜合評價：同樣以社會經濟統計、歷史災情、自然環境等數據，對影響自然災害風險的因子進行分析，從而確定它們權重，以加權的、量化指標的指標進行綜合評估。該方法簡單易行，在技術、決策或方案進行綜合評價和優選工作中有廣泛運用，但需指標賦權的主觀性仍是難以回避的問題。該方法目前應用于臺風、暴雨、洪災、綜合地質災害、生態災害、草原火災等自然災害風險評估工作中。（以上幾種方法的綜合比較參考葉金玉等總結）各種數學工具的引入不僅為自然災害評估方法注入了新的活力，同時也讓人看到各具特色的數學方法是對應著不同的自然災害種類，這也是一種提示：針對不同的自然災害可以且應當有不盡相同的評估方法和研究途徑，但這并不影響自然災害風險評估走向定量化的步伐。

4多災種綜合風險評估

簡單的說，自然災害具有群發鏈發的特點，單一一種自然災害往往伴隨或者引發其他伴生（或次生）的災害，對災害鏈的研究，馬宗晉等組成的研究小組曾給予高度的關注，史培軍將其定義為某一種致災因子或正態環境變化引起的一系列災害現象，并將其劃分為群發災害鏈與并發災害鏈兩種，而群發的災害或災害鏈所引發的災情必然是幾種不同災害與承災體脆弱性共同作用所產生的結果，同時，還需認識到，不同自然災害之間相互也會產生一定的影響，因此，對于這樣的情況做單一災種自然災害風險評估顯然是不合適的，自然災害綜合風險的評估就顯得更有現實意義。綜合自然災害評估是風險和災害領域的研究熱點和難點，直到21世紀，學術界的研究方向才逐漸轉向多災種的風險評估。高慶華等認為，自然災害綜合風險評估是在各單類災害風險評估基礎上進行的，它的內容與單類災害風險分析基本一致，所以采用的調查、統計、評估方法與單類災害風險評估中用的方法基本相同，與單類災害風險評估的根本區別是把動力來源不同、特征各異的多種自然災害放到一個系統中進行綜合而系統的評價，以此來反映綜合風險程度；Joseph和Donald基于田間損失分布，提出以年總損失的超越概率來表示綜合風險；而薛曄等卻認為，在復雜的災害風險系統中各個風險并非簡單相加，對目前基本是單一災種的簡單相加的研究成果提出質疑，認為其缺乏可靠性，并以模糊近似推理理論為基礎，建立了多災種風險評估層次模型，對云南麗江地區的地震-洪水災害風險進行了綜合評估。

國內自然災害綜合風險評估研究成果不多，且模型也相對較簡單，更好的評估方法也還有待探索，有待更多數學方法的引入。此外，在建立評估模型的同時，也要考慮到自然災害風險的時空特性，即時間和空間上的分辨率，趙思健認為，同任何事物一樣，風險也存在著時空差異，不同的災種在不同時間、空間尺度上評估的方法和內容應有所區別，這個問題直接影響到該評估的時間有效性和適用范圍。因此，由于在某一確定的評估方法下各單一災種在同一時間空間尺度上的時間有效性并不一定一致，如何考慮這種不一致對評估結果所造成的影響是多災種綜合風險評估中亟待解決的難題之一。盡管有諸多問題困擾著多災種自然災害風險評估的發展，但相比單一災種的風險評估，多災種風險評估更符合實際生活中災害群發的特點，其發展是防災減災工作的現實需要，決定了多災種風險評估是風險學科發展的必然趨勢。

5小結、展望

篇4

關鍵詞 PRECIS；洪澇致災危險性；時空格局；SRES B2情景；安徽省

中圖分類號 X43 文獻標識碼 A

文章編號 1002-2104（2012）11-0032-08 doi：10.3969/j.issn.1002-2104.2012.11.006

氣象災害給人類經濟和社會造成了嚴重影響。1995-2004年十年間，由天氣引發的災害占自然災害總數的90%，造成的死亡人數占60%，受災人口占98%，且大多數發生在發展中國家[1]。在全球氣候變暖背景下，未來極端天氣事件的發生頻率將呈增加趨勢[2]，而這些災害性天氣事件的變化也許是氣候變化帶來的最嚴重的后果之一[3-5]。研究極端天氣事件的潛在變化是評估未來氣候變化對人類和自然系統影響的基礎[6]。預估極端天氣事件的方法之一是利用氣象觀測資料進行趨勢外推[7-8]。盡管歷史氣象資料有很大的參考價值，但過去的氣象統計信息只能部分地反映未來極端天氣事件的發生概率。氣候模式的不斷改進為利用大氣環流模式（GCMs）和區域氣候模式（RCMs）預估極端天氣事件及其影響提供了更可靠的工具[9-10]。已有一些學者應用氣候模式來評估氣候變化對干旱[11-12]、洪水[13]、風能[14]及水資源[15]可能造成的影響。但GCMs過粗的分辨率對于分析氣候變化對區域尺度的潛在影響是不夠的，而RCMs卻能很好地反映影響局地氣候的地面特征量和氣候本身未來的波動規律，被認為是獲取高分辨率局地氣候變化信息的有效方法[16]。

我國是世界上洪澇災害頻繁且嚴重的國家之一。隨著社會經濟的迅速發展，洪澇災害造成的社會影響和經濟損失呈不斷增大趨勢。近些年，國內不少學者在洪澇災害風險評估方面進行研究[17-19]，取得了大量成果，為區域洪澇防災減災提供了依據。但這些評估研究都是利用氣象觀測數據或歷史災情資料來開展的，并未考慮氣候變化對未來極端降水事件發生頻率、強度和空間格局的影響。翟建青等[20]利用ECHAM5/MPI-OM氣候模式輸出的2001-2050年逐月降水量資料，選取標準化降水指數預估了3種排放情景下中國2050年前的旱澇格局，但其所使用的氣候情景數據分辨率較粗（1.875°），且未能從災害風險角度分析未來旱澇致災危險性變化。

本文應用Hadley氣候預測與研究中心的區域氣候模

① 本文之所以選擇B2情景是因為該情景強調區域性的經濟、社會和環境的可持續發展，是比較符合我國中長期發展規劃的氣候情景。

式系統PRECIS（Providing Regional Climates for Impacts Studies）模擬的氣候情景數據，綜合考慮降水、地形、地貌等自然要素，分近期、中期和遠期三個時段對B2情景下①未來安徽省洪澇致災危險性時空格局進行預估，以期為全球氣候變化背景下該地區洪澇災害風險管理和區域發展規劃提供科學依據。

1 數據與方法

1.1 數據

本研究所使用的氣候情景數據來自中國農業科學院農業環境與可持續發展研究所氣候變化研究組。該研究組應用英國Hadley中心開發的PRECIS模式，模擬了IPCC《排放情景特別報告》（SRES）[21]中設計的B2情景下中國區域的氣候變化（1961-2100年），其水平分辨率在旋轉坐標下為0.44°×0.44°，在中緯度地區水平格點間距約為50 km。關于PRECIS物理過程的詳細介紹可參閱文獻[22]。許吟隆[16-23]和張勇[24]等人利用ECMWF再分析數據和氣象站點觀測數據驗證PRECIS對中國區域氣候模擬能力的研究表明：PRECIS具有很強的模擬降水能力，基本能夠模擬出中國區域年、冬季和夏季平均降水的大尺度分布特征，很好地模擬了降水的季節變化，而且較好地模擬出中國區域年平均極端降水事件的空間分布特征。因此，本文不再對PRECIS模式進行驗證。

本文采用的DEM數據來自國際農業研究磋商組織（CGIAR）地理空間數據網建立的分辨率為3弧秒（約為90 m）的全球陸地DEM；1∶400萬水系圖來自國家基礎地理信息中心。

1.2 研究時段劃分

本研究包括以下四個時段：現階段為1981-2010年，未來分為近期（2011-2040）、中期（2041-2070）和遠期（2071-2100）三個時段。文中所選指標均以各時段30年的平均值進行探討。

1.3 洪澇致災危險性評價指標體系與評價

洪澇災害具有自然和社會雙重屬性，其中致災危險性評價是從形成洪澇災害的自然屬性角度，即從形成洪澇災害的致災因子和孕災環境兩方面來評價洪災危險性。總體上講，造成洪澇災害的主要因素是強降水，同時下墊面的自然地理環境又和天氣氣候條件相互影響，進而決定了洪澇的時空分布[25-26]。因此，本文選取年均暴雨日數、年均最大三日降水量、高程、坡度和河湖緩沖區五個指標，通過計算洪澇致災危險性指數進行評價，具體包括以下四個步驟：一是對所選取的評價指標進行量化，包括對前四項

指標進行標準化以及根據距河湖距離和河湖級別對緩沖區進行危險性賦值（見表1）；二是利用層次分析法確定五個指標的權重（見圖1）；三是建立致災危險性數學評價模型（式1）；四是借助地理信息系統對各指標圖層疊加，進行洪澇致災危險性評價。

利用加權綜合評分法建立洪澇致災危險性評價模型：

HF=0.25Rd+0.35R3+0.06H+0.12S+0.22B（1）

式（1）中，HF為洪澇致災危險性指數，Rd、R3、H、S、B分別代表年均暴雨日數、年均最大三日降水量、高程、坡度和河湖緩沖區量化后的值。

本文將洪澇致災危險性分為5個等級。具體的分級方法如下：首先，按1∶2∶4∶2∶1的大致比例對現階段全省78個縣域的洪澇致災危險性分級；之后，提取相鄰等級兩個縣的洪災危險性指數，以其平均值作為洪災危險性的分級標準；最后，按照此分級標準對未來三個時段洪災危險性進行分級。

2 結果與分析

2.1 年均暴雨日數（ARD）時空格局變化

如圖2所示，在現階段，安徽省年均暴雨日數平均為6.94天，最大值為12.15天，年均暴雨日數低于5天的地區占全省總面積的17.72%，集中分布在安徽省北部，而高于12天的地區僅占0.06%，位于安徽省最南端。到了近期，安徽省年均暴雨日數略有減少，為6.73天，主要是淮

河以北地區年均暴雨日數低于5天的面積增加為26.95%；這一時段年均暴雨日數最大值有所增加，為12.28天，其中大于12天的地區面積增加到0.24%，約為現階段的4倍。在中期，安徽省年均暴雨日數為6.86天，最大值增加到12.91天，年均暴雨日數低于5天的地區面積百分比較近期也略有增加，為27.59%，而高于12天的地區則大幅增加為3.64%，范圍也擴展到安徽省南部的多個縣域。到遠期，安徽省年均暴雨日數增加到7.02天，最大值為13.47天，年均暴雨日數低于5天的地區占安徽省總面積的27.41%，高于12天的地區繼續增加為5.67%，約為現階段的89倍之多，集中分布在該省長江以南地區。可見，未來安徽省年均暴雨日數總體上呈現北部有所減少，南部持續增加的趨勢，尤其是年均暴雨日數超過12天的面積將大幅增加。

2.2 年均最大三日降水量（AM3DP）時空格局變化

從圖3中可以發現，相對于現階段，未來安徽省年均最大三日降水量也呈現出“兩極分化”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）的地區均不斷增加。在現階段，安徽省年均最大三日降水量的平均值為

199.66 mm，最大值為280.87 mm，其中大于220 mm的地區占總面積的17.05%。而在近期，安徽省年均最大三日降水量的平均值為200.88 mm，大于220 mm的地區增加到總面積的22.16%。中期階段，安徽省年均最大三日降水量的平均值增加為202.76 mm，大于220 mm的地區相比近期也略有增加，為25.56%。到了遠期，安徽省年均最大三日降水量的平均值為204.82 mm，最大值也增大到289.07 mm，其中大于220 mm的地區占全省面積的32.12%，較現階段增加約15.07%，尤其是大于260 mm的面積增加更快，由現階段的占全省3.88%變為9.20%，增加了1.37倍。

2.3 洪澇致災危險性時空格局變化

對年均暴雨日數、年均最大三日降水量、高程、坡度、河湖緩沖區等評價指標數字化的基礎上，依據評價模型（式1）在ArcGIS中對各指標圖層進行疊加并分級，得到安徽省縣域尺度洪澇致災危險性評價結果（見圖4）。為詳細了解安徽省洪澇致災危險性格局及其動態變化，表2列出了各時段洪災危險性等級的縣域個數、面積百分比和處于5級的縣域。

可以發現，各時段安徽省洪澇致災危險性等級大致呈

由北向南逐漸升高的趨勢。相對于現階段，未來安徽省洪災危險性處于1級和5級的面積均有所擴大，這主要與對應區域未來年均暴雨日數和最大三日降水量的變化密切相關。此外，洪澇致災危險性高于4級（包括4級）的縣域主要集中在長江沿岸及其以南地區，這與該區域降水豐富、河網密度高、地勢低平以及坡度變化較小有關。與現階段相比，近期和中期安徽省處于洪災危險性5級的縣域個數和面積百分比不斷增加，這是由于未來這些地區極端降水事件的概率（暴雨日數）和強度（最大三日降水量）都將有所增大。尤其在中期，處于洪災危險性5級的縣域個數快速增加為16個，面積增加為全省的17.87%，分別是各時段洪澇致災危險性處于5級的縣域（按危險性指數值自大至小排序）

安慶市轄區，望江縣，休寧縣，黟縣，歙縣，銅陵市轄區，黃山市轄區，宿松縣

安慶市轄區，望江縣，休寧縣，歙縣，黟縣，銅陵市轄區，黃山市轄區，樅陽縣，池州市轄區，宿松縣

安慶市轄區，望江縣，休寧縣，歙縣，黟縣，銅陵市轄區，黃山市轄區，樅陽縣，池州市轄區，宿松縣，祁門縣，蕪湖市轄區，東至縣，銅陵縣，旌德縣，績溪縣

安慶市轄區，望江縣，休寧縣，歙縣，黟縣，銅陵市轄區，黃山市轄區，樅陽縣，池州市轄區，祁門縣，宿松縣，東至縣，績溪縣，銅陵縣，旌德縣，蕪湖市轄區現階段的2倍和2.24倍。到遠期，洪澇致災危險性空間格局相對于中期變化不大，處于5級的縣域與中期相同，但各縣域的危險性值卻有不同程度增大。需要指出的是，安慶市轄區始終是安徽省洪災危險性最高的縣域，在今后的洪災風險管理及防洪減災規劃中需尤為注意。

3 結論與討論

本文基于PRECIS區域氣候模式，模擬了SRES B2情景下未來安徽省年均暴雨日數和最大三日降水量相對于現階段的變化情況，并綜合考慮降水、地形和地貌等自然要素，從災害風險角度預估了該省縣域尺度洪澇致災危險性的時空格局，得出以下主要結論：

（1）相對于現階段，未來安徽省極端降水事件將出現“兩極分化”的格局，具體表現為年均暴雨日數和最大三日降水量總體上呈現北部減少、南部增加的趨勢，并且年均暴雨日數超過12天、年均最大三日降水量超過220 mm的面積將持續大幅增加。

（2）各時段安徽省洪澇致災危險性等級由北向南大致呈逐漸升高的趨勢。相對于現階段，未來安徽省洪災危險性處于1級和5級的面積均有所擴大，洪災危險性格局變化主要發生在近期和中期，遠期與中期格局相近。在中期，安徽省洪災危險性處于5級的縣域個數和面積百分比分別為16個和17.87%，分別是現階段的2倍和2.24倍。安慶市轄區是安徽省洪災危險性最高的縣域。

根據自然災害風險分析理論[27]，在危險性評價的基礎上，進一步考慮社會經濟因素，如人口、GDP、耕地、居民點、交通線、油田、名勝古跡、大型廠礦區、各種工程設施等的分布情況，以及遭遇洪澇時這些承險體的易損程度、社會防災救災能力等，就可以進行洪澇災害風險評價，辨識出高風險區，為各級政府開展風險管理提供科學依據。通過查閱《中國氣象災害大典-安徽卷》以及近些年的災情資料可以發現，安徽省洪澇災害嚴重的地區大致分布在沿江沿淮地區，尤其江淮之間及長江以南地區（這些地區降水豐富、地勢低洼、河網交織、湖泊眾多）。對比現階段安徽省洪災危險性評價結果表明，本文的評價結果與實際災情發生區域基本符合。但由于洪澇災害形成、發展及產生后果的復雜性，影響因子眾多，目前的評價結果尚難以做到與實際情況完全吻合，有以下幾方面原因，如考慮因子的全面性、各因子權重系數的真實性、預估氣候數據的誤差以及評價模型的科學性等等，還需要不斷深入研究，做出更符合實際、更加可信的洪澇災害風險評價。

全球氣候變化將給人類社會和自然系統帶來諸多風險。氣候變化風險源主要包括兩個方面：一是平均氣候狀況（氣溫、降水、海平面上升等）；二是極端天氣變化（熱帶氣旋、風暴潮、干旱、極端降水、高溫熱浪等）[28]。由前面

分析可知，雖然未來安徽省年均暴雨日數和最大三日降水量的平均值相對于現階段變化幅度不大，但不同區域間的差異卻非常明顯，突出表現為未來安徽省淮河以北地區年均暴雨日數和最大三日降水量有所減小，而長江以南地區極端降水事件發生的概率將大大增加，這與張增信等人[29]的研究結果相符。暴雨日數和最大三日降水量等極端降水事件變化的原因可能是在全球氣候變暖背景下，地表溫度的大幅上升將加強大氣環流，從而改變降水的空間格局。通過比較未來與現在極端天氣事件致災危險性的時空格局，可以更好地了解一些典型區域或更大尺度上將要發生的變化。

本文只選取了SRES B2情景，雖然這一情景是比較符合我國中長期發展規劃的氣候情景，但仍然存在較大不確定性。在以后的研究中，需要進一步拓展降低不確定性的方法，在現有情景預估的基礎上，進一步發展集合概率預測等技術手段，建立基于多情景多模式的集合概率預測情景方案。同時加強氣候模式模擬研究，提高模擬數據精度，降低氣候系統模式的不確定性[30]。

致謝：承蒙中國農業科學院農業環境與可持續發展研究所許吟隆研究員在論文數據方面提供的幫助，在此表示衷心的感謝！

參考文獻（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，王興榮，翟武全，等. 基于混合回歸模型的夏季高溫日數預測[J]. 氣象科學，2005，25（5）：505-512. [Zhou Houfu， Wang Xingrong， Zhai Wuquan， et al. Test Prediction for MultiRegression 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 CO2 Doubling [J]. Journal of Climate， 1998， 11（9）： 2200-2222.

[10]賀山峰，戴爾阜，葛全勝，等. 中國高溫致災危險性時空格局預估[J]. 自然災害學報，2010，19（2）：91-97. [He Shanfeng， Dai Erfu， Ge Quansheng， et al. Preestination 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]許吟隆，張勇，林一驊，等. 利用PRECIS分析SRES B2情景下中國區域的氣候變化響應[J]. 科學通報，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，萬慶，黃詩峰，等. 基于GIS的洪水災害風險區劃研究[J]. 地理學報，2000，55（1）：15-24. [Zhou Chenghu， Wan Qing， Huang Shifeng， et al. A GISbased Approach to Flood Risk Zonation [J]. Acta Geographica Sinica， 2000， 55（1）： 15-24.]

[18]張游，王紹強，葛全勝，等. 基于GIS的江西省洪澇災害風險評估[J]. 長江流域資源與環境，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]陳香，王靜愛，陳靜. 福建暴雨洪災時空變化與區域劃分的初步研究[J]. 自然災害學報，2007，16（6）：1-7. [Chen Xiang， Wang Jingai， Chen Jing. Primary Study on Spatiotemporal Change and Regionalization of Stormflood in Fujian Province [J]. Journal of Natural Disasters， 2007， 16（6）： 1-7.]

[20]翟建青，曾小凡，蘇布達，等. 基于ECHAM5模式預估2050年前中國旱澇格局趨勢[J]. 氣候變化研究進展，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]許吟隆，Jones R. 利用ECMWF再分析數據驗證PRECIS對中國區域氣候的模擬能力[J]. 中國農業氣象，2004，25（1）：5-9. [Xu Yinlong， Jones R. Validating PRECIS with ECMWF Reanalysis Data over China [J]. Chinese Journal of Agrometeorology， 2004， 25（1）： 5-9.]

[24]張勇，許吟隆，董文杰，等. 中國未來極端降水事件的變化：基于氣候變化預估結果的分析[J]. 自然災害學報，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]張繼權，李寧. 主要氣象災害風險評價與管理的數量化方法及其應用[M]. 北京：北京師范大學出版社， 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. 渭河下游洪水災害的降水危險性評估與區劃 [J]. 中國人口·資源與環境， 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]葛全勝，鄒銘，鄭景云，等. 中國自然災害風險綜合評估初步研究[M]. 北京：科學出版社，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]張增信，KLAUS F，姜彤，等. 2050年前長江流域極端降水預估[J]. 氣候變化研究進展，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]吳紹洪，潘韜，賀山峰. 氣候變化風險研究的初步探討[J]. 氣候變化研究進展，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 Spatiotemporal Patterns of Flood Hazard over Anhui Province

HE Shanfeng1，2 GE Quansheng2 WU Shaohong2 DAI Erfu2 WU Wenxiang2

（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

篇5

關鍵詞 地質災害；風險評價；方法；作用

中圖分類號X4 文獻標識碼A 文章編號 1674-6708（2013）91-0123-02

0引言

近幾十年來，地質災害風險評價隨自然災害風險評價的發展而蓬勃興起，但理論和實踐的發展沒有達到一個成熟的階段。我國現在有很多針對地質災害評價的方法，在過去有一些普遍的成因機理分析和統計分析方法， 評價破壞損失、評價危險性、評價風險性、評價防治工程效益都是是對地質災害評價的主要一些辦法。

1地質災害的主要評價方法、內容及目的

1.1成因機理分析評價

以定性地評價地質災害發生的可能性和可能活動規模為目的的成因機理分析評價，主要內容是分析歷史地質災害的形成條件、活動狀況和活動規律，造成地質災害的確定因素，以及可能造成地質災害的因素，根據地質災害活動建立模型或者模式。

1.2統計分析評價

統計分析評價的目的是對地質災害危險區的范圍、規模、或發生時間采用模型法或規律外延法進行評價。其內容包括是造成歷史地質災害原因、災害的活動狀況以及活動有何規律， 統計地質災害的活動范圍和模式，地質災害的頻率，地質災害的密度，對地質災害的主要影響因素進行分析，針對地質災害活動，建立起相應的數學模型或周期性規律。

1.3危險性評價

危險性評價是對以往的地質災害活動和將來發生地質災害的概率進行評價，以及對地質災害發生時將產生的危險的程度的給予評價。其主要內容包括以下兩個方面：

1）對包括大小、密度、頻次在內的以往地質災害活動的程度進行客觀評價；

2）對可能影響地質災害的地形地貌條件、地質條件、水文條件、氣候條件、植被條件以及人為活動等地質災害的可能影響因素進行評價。

1.4破壞損失評價

破壞損失評價其目地在于對災害的歷史破壞進行評價，并對損失程度以及期望損失程度進行分析。其評價的內容主要指以下兩個方面：

1）對地質災害危險性評價和易損性評價進行綜合，對地質災害活動概率，地質活動的破壞范圍，地質活動的危害強度，以及地質活動中受災體的損失等等相關內容進行評價；

2）對地質災害帶來的的人員情況，經濟損失和資源環境的破壞損失程度進行評價分析。

1.5風險性評價

風險性評價是危險性評價和易損性評價的總和，分析地質災害發生的概率，分析在不同條件下反生的地質災害，并分析可能造成的危害。進行風險性評價，其實就是為了評價發生在不同條件下的地質災害給社會帶來的各種危害程度。

1.6防治工程效益評價

對防治工程效益進行評價，就是把防治方案的經濟合理性提高到一定程度，達到技術上可行，并達到最佳優化的效果。而防治工程效益評價是從經濟合理性和科學性角度去評價防治措施。

2地質災害風險評價實施過程

1）綜合有關評價區所具備的條件和風險評價的目的，建立指標體系以及評價模型；

2）全面調查基礎數據，結合風險評價需要進行統計分析，對各種基礎圖件進行編制，建立地質災害風險評價表；

3）結合危險性構成、易損性構成及防治能力，進行危險性分析、易損性分析，并在此基礎上，分析期望損失；

4）風險評價地質災害將對人口、經濟發展和生態環境的破壞；

5）分析評價區風險的分布特點、形成原因，兼顧社會發展的需要，提出建議和對策。

3有關評價地質災害風險方法的發展趨勢

地質災害風險評價研究是目前研究的重點，是全面分析地質災害活動與人類社會關系的關鍵問題之一。評價上向定量化、綜合化和管理空間化是該方法發展的基本趨勢，有以下表現：

1）從分析歷史與現狀轉變成研究和預測結合起來進行分析；

2）從分析單獨個體演變成區域研究和個體結合起來進行分析；

3）由以往的定性分析發展為定量分析；

4）將單項要素分析發展為綜合要素評價；

5）風險評價和減災管理相結合起來，取代了過去單一的風險評價理論，防治和風險評價相結合起來，給社會經濟建設和減災管理提供更好的服務；

6）多因素信息模型化評價與空間化管理在GIS空間化技術的指導之下有了巨大的發展，走向網絡技術化，傳統的調查統計和手工制圖面臨淘汰；

7）豐富了研究理論與方法，多門學科進行交叉融合，尤其是加深了與社會學的聯系。

4 在減災和國民經濟發展中地質災害風險評價起到的作用

對我國國民經濟的發展過程中地質災害風險評價具有重要的影響力，與國土資源的規劃、災害的治理與預防、環境的保護都有著密切的聯系。它的作用可分為以下幾點：

1）在可持續發展的前提下，進行各種工程活動和土地開發利用。各種重大工程建筑應要避免地質災害風險程度較高的區域。為工程建筑選址提供了科學指導，提供了保護土地資源和環境的科學依據；

2）在對地質災害進行危險性評價、易損性評價之后，對防治地質災害提供依據，通過采取適宜的措施對各類地質災害進行治理；

3）監測、預報和預警地質災害的發生。地質災害危險性評價和期望損失分析的結果是地質災害監測站的建立的依據。對重點地區實時監測，并分析所采集到的各類地質災害信息，預報和預警災害的發生，盡量降低地質災害帶來的損失；

4）地質災害危險性評價、風險評價、易損性評價的成果，使得相關部門制定出有效的、符合實情的應急方案，提供災后重建的重要依據；

5）有利于對環境進行保護和貫徹我國的可持續發展的方針。自然因素以及人類對環境的破壞都會造成地質災害。人類合理開發利用資源能減少避免地質災害的發生，或是將損失控制在最小值內。

5結論

風險和減災的有效性管理必須要以完善的地質災害風險評價為前提，根據風險評價的結果和風險程度的差異，才能決策出有效的減災措施，因此而部署和實施減災工程，才能達到管理減災工作的有效實施，因此，地質災害風險評價的發展趨勢是研究理論和方法得到完善的過程。

參考文獻

[1]張梁，張業成，羅元華，等.地質災害災情評估理論與實踐[M].北京：地質出版社，1998.

[2]張業成，張春山，張梁，等.中國地質災害系統層次分析與綜合災度計算[J].中國地質科學院院報，1993（27，28） ：139-154.

[3]陳毓川，趙遜，張之一，等.世紀之交的地球科學——重大地學領域進展[M].北京：地質出版社，2000.