邵佳麗，鄭　偉

(國(guó)家衛(wèi)星氣象中心，北京 100081)

中國(guó)飽受洪澇災(zāi)害的影響，洪水災(zāi)害頻繁、影響范圍廣，威脅人民生命財(cái)產(chǎn)安全，給社會(huì)經(jīng)濟(jì)建設(shè)造成巨大的損失。洪澇災(zāi)害危險(xiǎn)性評(píng)估對(duì)于防災(zāi)減災(zāi)決策具有重要的指導(dǎo)意義，是一個(gè)國(guó)內(nèi)外研究較活躍的方向。目前，已有許多學(xué)者對(duì)于洪澇災(zāi)害危險(xiǎn)性評(píng)估開(kāi)展了研究，并對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)提出并建立了多種評(píng)估模型。趙士鵬[1]、Lucky Adrianto[2]、李柏年[3]、王雪臣[4]、黃大鵬[5]等在洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估中引入了歷史災(zāi)情統(tǒng)計(jì)數(shù)據(jù)；Shanker Kumar Sinnakaudan[6]、湯奇成[7]、張繼權(quán)[8]、盛紹學(xué)[9]、馬國(guó)斌[10]等將洪澇災(zāi)害風(fēng)險(xiǎn)的特定因子，分別選取不同的評(píng)價(jià)方法進(jìn)行洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估。近年來(lái)，周成虎[11]、趙霞[12]、蔣新宇[13]、馬國(guó)斌[14]等利用降雨、河網(wǎng)、地形等特定指標(biāo)建立了洪澇災(zāi)害權(quán)重指數(shù)模型對(duì)洪澇災(zāi)害危險(xiǎn)性進(jìn)行評(píng)價(jià)，給出定量化的分級(jí)評(píng)價(jià)結(jié)果。

但目前對(duì)洪澇災(zāi)害進(jìn)行風(fēng)險(xiǎn)評(píng)估仍存在一些待解決的問(wèn)題，根據(jù)歷史災(zāi)情統(tǒng)計(jì)數(shù)據(jù)得到的災(zāi)情樣本未必與未來(lái)的洪災(zāi)災(zāi)情具體情況一致；根據(jù)特定因子區(qū)別選擇評(píng)價(jià)方法對(duì)于評(píng)價(jià)因子和方法在選取與關(guān)聯(lián)上還有待進(jìn)一步的研究完善。為進(jìn)一步提高洪澇災(zāi)害危險(xiǎn)性評(píng)估方法精度，本文提出利用洪澇災(zāi)害前期土壤濕度和未來(lái)24 h降雨預(yù)測(cè)數(shù)據(jù)作為致災(zāi)因子，并以2013年8月中旬松花江流域洪澇災(zāi)害為例，驗(yàn)證該方法的有效性。

1　研究區(qū)及技術(shù)路線(xiàn)

1.1　研究區(qū)

松花江流域位于我國(guó)東北地區(qū)，是重要的商品糧基地，東西長(zhǎng)920 km，南北寬1 070 km，流域面積約55.68萬(wàn)km2。松花江有南北兩源，北源嫩江也是松花江第一大支流，由北向南流至吉林省三岔河口，與南源第二松花江匯合后形成東流松花江干流，流至同江市注入黑龍江，是黑龍江右岸最大支流。松花江流域由于流域面積大，氣象條件復(fù)雜，多年平均降水量在500 mm左右；年降水量的多年變化為300～700 mm，全年降水量的80%集中在汛期(6-9月)[15]。

松花江流域在歷史上洪澇災(zāi)害較為頻繁，部分地區(qū)平均2～3年發(fā)生一次較嚴(yán)重的洪澇災(zāi)害，10～30年發(fā)生一次嚴(yán)重的洪澇災(zāi)害。如1998 年松花江流域曾經(jīng)發(fā)生了有歷史記錄以來(lái)的最大洪澇災(zāi)害，而2013 年黑龍江、松花江再次并同時(shí)發(fā)生流域性洪水，本次研究以此為例，圖1為研究區(qū)示意圖。

1.2　技術(shù)路線(xiàn)

土壤濕度即土壤的含水量，能夠在一定程度上反映地表的水體分布狀況，對(duì)評(píng)價(jià)洪澇災(zāi)害風(fēng)險(xiǎn)具有重要的參考意義。本文將河湖網(wǎng)絡(luò)、地形、土地利用類(lèi)型等指標(biāo)作為孕災(zāi)因子的基礎(chǔ)上，加入了土壤濕度和預(yù)測(cè)降雨數(shù)據(jù)，嘗試改進(jìn)洪澇災(zāi)害危險(xiǎn)性模型評(píng)估精度。洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)是根據(jù)形成洪澇災(zāi)害的致災(zāi)因子和孕災(zāi)因子進(jìn)行預(yù)測(cè)分析的過(guò)程。通過(guò)層次分析法，對(duì)要素兩兩比較，將定性與定量分析相結(jié)合，確定層次中諸因素的相對(duì)重要性順序，進(jìn)行多目標(biāo)決策分析[16]，該方法在環(huán)境災(zāi)害的應(yīng)用相當(dāng)廣泛[17-19]，尤其適合處理復(fù)雜的決策問(wèn)題，表現(xiàn)出相當(dāng)?shù)膶?shí)用性和有效性。本文利用層次分析法對(duì)松花江流域洪澇災(zāi)害進(jìn)行危險(xiǎn)性評(píng)估，技術(shù)路線(xiàn)如圖2所示。

圖1　研究區(qū)示意圖

圖2　松花江流域洪澇災(zāi)害危險(xiǎn)性評(píng)估技術(shù)路線(xiàn)圖

2　危險(xiǎn)性評(píng)估因子分析與計(jì)算

(1)土壤濕度

土壤濕度是聯(lián)系地表水和地下水的紐帶，對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估至關(guān)重要。本文中土壤濕度數(shù)據(jù)來(lái)源于中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)，空間分辨率為1/16°，經(jīng)過(guò)重采樣處理，空間分辨率為1 km。本文將當(dāng)前土壤濕度信息作為未來(lái)24 h洪澇風(fēng)險(xiǎn)評(píng)估指標(biāo)，進(jìn)行了歸一化處理：

X1=(Xi-Xmin)/(Xmax-Xmin)。

(1)

式中:X1為歸一化的土壤濕度；Xi為土壤濕度；Xmin為最小土壤濕度；Xmax為最大土壤濕度。

(2)24 h降雨預(yù)測(cè)

高強(qiáng)度高密度的降雨是洪澇災(zāi)害的主要致災(zāi)因子[20]，在引入歸一化土壤濕度因子的基礎(chǔ)上，本文也將未來(lái)24 h降雨預(yù)測(cè)數(shù)據(jù)作為洪澇危險(xiǎn)性評(píng)價(jià)的致災(zāi)因子。參照國(guó)家氣象中心制定的《降雨過(guò)程強(qiáng)度等級(jí)劃分規(guī)定》，并結(jié)合松花江流域暴雨洪澇特點(diǎn)，計(jì)算降雨影響度，將降雨量以20、80為界，其計(jì)算公式為：

(2)

式中：X2為降雨對(duì)洪澇災(zāi)害的影響度；P為評(píng)估當(dāng)天的預(yù)測(cè)降雨量。

(3)河湖網(wǎng)絡(luò)

河流網(wǎng)絡(luò)的分布對(duì)于區(qū)域洪澇災(zāi)害評(píng)價(jià)的重要性不言而喻，在前人研究中大都利用了水體分布信息。模型中主要考慮與水體的距離、河流的級(jí)別與密度，與水體越近、河流級(jí)別越高、水網(wǎng)越密、水域面積越大，發(fā)生洪災(zāi)的危險(xiǎn)程度也越高，發(fā)生后的影響范圍也越大。本文通過(guò)對(duì)不同的河網(wǎng)信息建立不同的緩沖區(qū)來(lái)表示受洪水侵襲的難易程度及影響程度。綜合已有研究成果[21]將該地區(qū)的面狀河湖數(shù)據(jù)建立了2級(jí)緩沖區(qū)(表1)，并分別賦予0.8和0.6，對(duì)于非緩沖區(qū)區(qū)域賦予0.1。

表1　江河湖泊緩沖區(qū)距離表

河網(wǎng)密度從一定程度上反映了一個(gè)地區(qū)的降雨量與下墊面條件，降雨量高、滲透性弱，洪水危險(xiǎn)性相對(duì)較高，因而，河網(wǎng)密度可以間接反映洪水危險(xiǎn)性[22]。利用ARCGIS軟件進(jìn)行河網(wǎng)密度計(jì)算后，對(duì)河網(wǎng)密度進(jìn)行歸一化計(jì)算(表2、式3)：

Xw=(Xi-Xmin)/(Xmax-Xmin)。

(3)

式中：Xw為歸一化的河網(wǎng)密度；Xi為河網(wǎng)密度；Xmin為最小河網(wǎng)密度；Xmax為最大河網(wǎng)密度。

表2　河流等級(jí)權(quán)重關(guān)系表

通過(guò)ARCGIS軟件將嫩江流域面狀河湖數(shù)據(jù)和歸一化后的河網(wǎng)數(shù)據(jù)進(jìn)行疊加，取較大值(將河網(wǎng)密度設(shè)定為X3)作為洪洪澇災(zāi)害的影響度。

(4)地形

地形對(duì)洪澇形成主要有兩個(gè)方面的影響：地形高程和地形起伏程度。地形高程越低，水往低處流，越容易被洪水淹沒(méi)而形成洪澇；反之，洪澇災(zāi)害發(fā)生的可能性就越低。地形起伏程度在一定程度上影響著洪水的排泄，地形起伏小，表明該地地形變化小，越容易形成洪澇區(qū)，本文采用的是地形標(biāo)準(zhǔn)差來(lái)實(shí)現(xiàn)地形起伏程度。地形數(shù)據(jù)采用的是STRM數(shù)據(jù)。

1)地形高程影響度歸一化公式為：

(4)

式中:X4為地形高程影響度；h為地形高程(m)。

2)地形標(biāo)準(zhǔn)差影響度計(jì)算公式為：

(5)

式中:X5為地形標(biāo)準(zhǔn)差影響度；s為地形標(biāo)準(zhǔn)差。

(5)土地利用

土地利用是影響暴雨洪澇災(zāi)害的一個(gè)重要因素[23]。本文采用耕地、林地、草地、水域、城鎮(zhèn)工礦建設(shè)用地和荒地6個(gè)一級(jí)土地利用類(lèi)型，根據(jù)影響度在(0，1)區(qū)間的原則，確定出嫩江流域不同土地覆蓋類(lèi)型的劃分標(biāo)準(zhǔn)，得到嫩江流域各種土地類(lèi)型(表3)對(duì)洪澇影響度(X6)分布圖。

表3　土地利用類(lèi)型的影響度劃分標(biāo)準(zhǔn)

3　洪澇災(zāi)害危險(xiǎn)性評(píng)估方法

(1)洪澇災(zāi)害危險(xiǎn)性評(píng)估模型

研究區(qū)設(shè)置成1 km×1 km網(wǎng)格單元，將孕災(zāi)因子土壤濕度、24 h降雨預(yù)測(cè)，致災(zāi)因子河湖網(wǎng)絡(luò)、高程、地形標(biāo)準(zhǔn)差和土地利用類(lèi)型進(jìn)行歸一化計(jì)算，利用層次分析法確定各個(gè)因子的權(quán)重，建立洪澇災(zāi)害危險(xiǎn)性評(píng)估模型：

(6)

式中：R表示洪澇災(zāi)害危險(xiǎn)指數(shù)，Wi表示因子的權(quán)重，Xi表示對(duì)應(yīng)因子的洪澇災(zāi)害影響度。 其中X1、X2、X3、X4、X5、X6分別為土壤濕度、24 h降雨預(yù)測(cè)、河湖網(wǎng)絡(luò)、高程、地形標(biāo)準(zhǔn)差、土地利用類(lèi)型對(duì)洪澇災(zāi)害的影響度。W1、W2、W3、W4、W5、W6分別為各評(píng)估指標(biāo)因子的權(quán)重。

(2)危險(xiǎn)性等級(jí)劃分

基于洪澇災(zāi)害危險(xiǎn)性評(píng)估模型，可獲得每天的洪澇災(zāi)害危險(xiǎn)性指數(shù)，進(jìn)一步將每天的洪澇災(zāi)害危險(xiǎn)性劃分不同的等級(jí)。

4　結(jié)果與分析

以松花江流域2013年8 月14-16 日洪澇災(zāi)害為例，該時(shí)間段內(nèi)松花江流域累積面平均降雨量26 mm，其中第二松花江104 mm，為主雨區(qū)；累計(jì)最大點(diǎn)雨量吉林省樺甸縣白山站279 mm[24]。通過(guò)層次分析法分別確定8月14-16日當(dāng)天的土壤濕度、未來(lái)24 h降雨預(yù)測(cè)量、河湖網(wǎng)絡(luò)、高程、地形標(biāo)準(zhǔn)差和土地利用類(lèi)型6個(gè)指標(biāo)的權(quán)重分別為0.3449、0.1759、0.2487、0.0949、0.0684、0.0671，計(jì)算生成評(píng)估次日的洪澇危險(xiǎn)風(fēng)險(xiǎn)指數(shù)，通過(guò)統(tǒng)計(jì)分析危險(xiǎn)指數(shù)的最小值、最大值，結(jié)合歷史災(zāi)情，利用閾值分割法確定風(fēng)險(xiǎn)等級(jí)分割值分別為0.5、0.55及0.6，其中小于0.5為低風(fēng)險(xiǎn)區(qū)，(0.5，0.55]為較低風(fēng)險(xiǎn)區(qū)，(0.55，0.6]為較高風(fēng)險(xiǎn)區(qū)，大于0.6為高風(fēng)險(xiǎn)區(qū)。據(jù)此即可生成洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)圖，如圖3a、圖3b、圖3c所示。

從松花江流域2013年8月15-17日暴雨災(zāi)害危險(xiǎn)性預(yù)測(cè)等級(jí)圖(圖3a、圖3b、圖3c)和2013年8月15-17日高危險(xiǎn)區(qū)面積統(tǒng)計(jì)表(表4)可知：3 d的較高危險(xiǎn)區(qū)主要分布在吉林省南部吉林市、通化市和白山市，沿嫩江和松花江主河道和黑龍江綏化市附近，3 d中嫩江主河道黑龍江泰來(lái)縣段均有高危險(xiǎn)性；而15日的高風(fēng)險(xiǎn)區(qū)在吉林市磐石、樺甸市，通化市的輝南縣和梅河口市，白山市的撫松縣附近；16日的高風(fēng)險(xiǎn)區(qū)在通化市柳河縣和梅河口市，白山市的撫松縣，遼源市東豐縣，吉林市的永吉縣，撫順市附近；17日高風(fēng)險(xiǎn)區(qū)主要集中在吉林市樺甸市，黑龍江省綏化市的綏棱縣、海倫市和慶安縣。這與影響洪澇災(zāi)害的土壤濕度、降雨量和河湖網(wǎng)絡(luò)等因素有關(guān)，通過(guò)查閱關(guān)于2013年松花江流域發(fā)生暴雨災(zāi)害的實(shí)際受災(zāi)分布范圍的相關(guān)資料[25-26]。本文得到的危險(xiǎn)性等級(jí)圖與松花江流域8月中旬的受災(zāi)分布范圍是吻合的，特別是受災(zāi)嚴(yán)重的吉林樺甸市、通化市、白山市，黑龍江泰來(lái)縣和遼寧撫順市為重災(zāi)區(qū)，與本文得到的危險(xiǎn)性等級(jí)圖區(qū)域一致。

為了比較分析引入當(dāng)前土壤濕度作為致災(zāi)因子在洪澇災(zāi)害危險(xiǎn)性評(píng)估中的作用，結(jié)合松花江流域的情況，以80，150為界估算了洪澇災(zāi)害危險(xiǎn)性評(píng)估方法中常用的前3 d累計(jì)降雨量數(shù)據(jù)因子影響度[13]。將前3 d降雨量(X3d)代替土壤濕度(X1)帶入式(6)，得到洪澇災(zāi)害危險(xiǎn)性預(yù)測(cè)圖(圖3d、圖3e、圖3f)，與利用土壤濕度制作的危險(xiǎn)性等級(jí)圖進(jìn)行對(duì)比(圖3a、圖3b、圖3c，表4)可知：利用前 3 d降雨量制作的8月15-17日危險(xiǎn)性預(yù)測(cè)等級(jí)圖中危險(xiǎn)區(qū)域明顯較小，危險(xiǎn)區(qū)域基本集中在通化市和遼源市。前3 d降雨量制作的危險(xiǎn)性等級(jí)圖在嫩江和松花江主河道附近未顯現(xiàn)出危險(xiǎn)區(qū)域，這與松花江流域的一些支流，嫩江、松花江干流等發(fā)生超警戒水位洪水不是很吻合[26]，兩圖在吉林省南部均有不同程度的高危險(xiǎn)區(qū)，但利用土壤濕度制作的危險(xiǎn)性等級(jí)圖3d中，樺甸市都存在高風(fēng)險(xiǎn)區(qū)，這與文獻(xiàn)資料[26]提到的2013年的洪澇災(zāi)害中樺甸市降雨量大，附近發(fā)生特大暴雨洪澇災(zāi)害一致。通過(guò)以上對(duì)比可以看出，利用土壤濕度作為致災(zāi)因子進(jìn)行洪澇災(zāi)害危險(xiǎn)性評(píng)估具有較好的可用性。

嫩江主河道黑龍江省泰來(lái)縣附近在2013年8月15-17日一直處于高危險(xiǎn)暴雨等級(jí)，將該區(qū)域8月15日的洪澇水體與發(fā)生洪澇前的水體進(jìn)行對(duì)比分析。利用風(fēng)云三號(hào)A星MERSI傳感器獲得的250 m分辨率影像資料，可對(duì)大范圍的洪水進(jìn)行監(jiān)測(cè)，利用晴空區(qū)域數(shù)據(jù)提取的水體信息與同年6月17日的水體信息對(duì)比制作出部分松花江流域水體變化監(jiān)測(cè)專(zhuān)題圖。圖4a是黑龍江和吉林省交界處泰來(lái)縣附近的嫩江的水體變化專(zhuān)題圖，圖中紅色部分為洪水?dāng)U大區(qū)域，對(duì)比可見(jiàn)8月15日嫩江主河道水體范圍較同年6月17日顯著增寬，水體擴(kuò)大明顯。圖4b是對(duì)應(yīng)區(qū)域的危險(xiǎn)性等級(jí)圖，從圖中可得到較高危險(xiǎn)區(qū)沿著嫩江主河道分布，與洪水災(zāi)情一致，高危險(xiǎn)區(qū)分布在嫩江泰來(lái)縣段，這與松花江流域黑龍江泰來(lái)縣為重災(zāi)區(qū)是吻合的。

圖3　洪澇災(zāi)害危險(xiǎn)性等級(jí)圖(2013年8月15-17日)

圖4　2013年8月15日泰來(lái)縣附近水體變化監(jiān)測(cè)圖(a)和危險(xiǎn)性等級(jí)圖(b)

5　結(jié)論與討論

本文利用土壤濕度和未來(lái)24 h降雨預(yù)測(cè)資料，結(jié)合孕災(zāi)因子河湖網(wǎng)絡(luò)、高程、地形標(biāo)準(zhǔn)差和土地利用類(lèi)型作為評(píng)估因子，采用層次分析和歸一化方法對(duì)洪澇災(zāi)害危險(xiǎn)性進(jìn)行評(píng)估研究。以2013年8月15-17日嫩江流域洪澇災(zāi)害為例，對(duì)洪澇災(zāi)害危險(xiǎn)性指數(shù)等級(jí)劃分，從結(jié)果表明，3 d的較高危險(xiǎn)區(qū)域主要分布在吉林省南部、沿嫩江和松花江主河道和黑龍江綏化市附近，3 d中嫩江主河道黑龍江泰來(lái)縣段均有高危險(xiǎn)性；而15-17日吉林省東南部的危險(xiǎn)區(qū)有所變化，但主要集中在吉林省樺甸市附近，這與松花江流域8月中旬的受災(zāi)分布范圍基本吻合。與前人考慮中前期的降雨量的研究相比，土壤濕度可以更為直接的體現(xiàn)當(dāng)前地表的洪澇狀況，對(duì)于洪澇災(zāi)害危險(xiǎn)性評(píng)估更有效。利用FY3A/MERSI衛(wèi)星資料對(duì)部分區(qū)域進(jìn)行驗(yàn)證，與預(yù)測(cè)中的高危險(xiǎn)區(qū)域符合度較高，驗(yàn)證了本文方法的有效性。

在利用層次分析法分別確定各指標(biāo)的權(quán)重，以及利用閾值分割法確定風(fēng)險(xiǎn)等級(jí)過(guò)程中，權(quán)重和閾值的選擇和確定，與研究區(qū)域、時(shí)間等因素具有相關(guān)性，如何更加客觀(guān)、科學(xué)的確定權(quán)重和閾值，從而提高洪澇災(zāi)害的危險(xiǎn)性評(píng)價(jià)精度，還需要進(jìn)一步的深入研究。

參考文獻(xiàn)：

[1]趙士鵬.山洪災(zāi)情評(píng)估的系統(tǒng)集成方法研究[D].北京:中國(guó)科學(xué)院地理研究所,1995:1-281.

[2]Adrianto L,Matsuda Y.Developing economic vulnerability indices of environmental disasters in small island regions[J].Environmental Impact Assessment Review,2002,22: 381-401.

[3]李柏年.洪澇災(zāi)害評(píng)價(jià)的威布爾模型[J].自然災(zāi)害學(xué)報(bào),2005,14(6):32-36.

[4]王雪臣,冷春香,馮相昭,等.長(zhǎng)江中游地區(qū)洪澇災(zāi)害風(fēng)險(xiǎn)分析[J].科技導(dǎo)報(bào),2008,26(2):61-66.

[5]黃大鵬,鄭偉,張人禾,等.安徽淮河流域洪澇災(zāi)害防災(zāi)減災(zāi)能力評(píng)估[J].地理研究,2011,30(3):523-530.

[6]Sinnakaudan S; Ghani A.Flood risk mapping for Pari river incorporating sediment transport[J].Environmental Modelling & Software,2003,18:119-130.

[7]湯奇成.中國(guó)干旱區(qū)洪澇災(zāi)害的研究[J].干旱區(qū)資源與環(huán)境,1996,10(1):38-45.

[8]張繼權(quán),張會(huì),韓俊山.東北地區(qū)建國(guó)以來(lái)洪澇災(zāi)害時(shí)空分布規(guī)律研究[J].東北師大學(xué)報(bào)(自然科學(xué)版),2006,38(1): 126- 130.

[9]盛紹學(xué),石磊,劉家福,等.沿淮湖泊洼地區(qū)域暴雨洪澇風(fēng)險(xiǎn)評(píng)估[J].地理研究,2010,29(3): 416-422.

[10] 馬國(guó)斌,蔣衛(wèi)國(guó),李京,等.中國(guó)短時(shí)洪澇災(zāi)害危險(xiǎn)性評(píng)估與驗(yàn)證[J].地理研究,2012,31(1):34-44.

[11] 周成虎,萬(wàn)慶,黃詩(shī)峰,等.基于GIS的洪水災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J].地理學(xué)報(bào),2000,55(1): 15-24.

[12] 趙霞,王平,龔亞麗,等.基于GIS 的內(nèi)蒙古中部區(qū)域洪水災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J].北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007,43(6): 666-669.

[13] 蔣新宇,范久波,張繼權(quán),等.基于GIS的松花江干流暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估[J].災(zāi)害學(xué),2009,24(3):51-56.

[14] 馬國(guó)斌,李京,蔣衛(wèi)國(guó),等.基于氣象預(yù)測(cè)數(shù)據(jù)的中國(guó)洪澇災(zāi)害危險(xiǎn)性評(píng)估與預(yù)警研究[J].災(zāi)害學(xué),2011,26(3): 8-12,17.

[15] 陸志華,夏自強(qiáng),于嵐嵐,等.1958-2009年松花江流域降水時(shí)空演變特征[J].自然資源學(xué)報(bào),2012, 27(6):990-1000.

[16] Saaty T L.A scaling method for priorities in hierarchical structures[J].Journal of Mathematical Psychology,1977(15):234-281.

[17] 陳家金,王加義,黃川容,等.基于A(yíng)HP-EWM方法的福建省農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J].自然災(zāi)害學(xué)報(bào), 2016, 25(3):58-66.

[18] 蔣春麗,張麗娟,姜春艷,等.黃淮海地區(qū)夏玉米洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J].自然災(zāi)害學(xué)報(bào), 2015, 24(3):235-243.

[19] 吳在棟,胡玉娟,張明鋒,等.基于GIS的歷史文化街區(qū)火災(zāi)風(fēng)險(xiǎn)評(píng)估—以福州市三坊七巷為例[J].災(zāi)害學(xué), 2016, 31(4):205- 209.

[20] 郭廣芬,周月華,史瑞琴,等.湖北省暴雨洪澇致災(zāi)指標(biāo)研究[J].暴雨災(zāi)害,2009,28(4):357- 361.

[21] 萬(wàn)君,周月華,王迎迎,等.基于GIS的湖北省區(qū)域洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估方法研究[J].暴雨災(zāi)害,2007, 26(4): 328-333.

[22] 黃詩(shī)峰,徐美,陳德清.GIS支持下的河網(wǎng)密度提取及其在洪水危險(xiǎn)性分析中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào), 2001,10(4):129- 132.

[23] 袁藝,史培軍,劉穎慧,等.土地利用變化對(duì)城市洪澇災(zāi)害的影響[J].自然災(zāi)害學(xué)報(bào),2003,12(3):6-13.

[24] 王容,尹志杰,朱春子.2013年黑龍江、松花江暴雨洪水分析[J].水文,2014, 34(6):67- 76.

[25] 中國(guó)減災(zāi)編輯部 .兩廣、東三省洪水肆虐 千余萬(wàn)人受災(zāi)[J].中國(guó)減災(zāi),2013(18) :14-15.

[26] 閆淑春.2013年全國(guó)洪澇災(zāi)情[J].中國(guó)防汛抗旱,2014(1):18-19,36.