莫建飛，鐘仕全，陳燕麗，孫　明

(1.廣西壯族自治區(qū)氣象減災(zāi)研究所，廣西 南寧 530022；2.國家衛(wèi)星氣象中心遙感應(yīng)用試驗基地，廣西 南寧 530022)

我國地處亞歐大陸東部、太平洋西岸，獨特的地理位置加上季風氣候的影響，使其成為世界上洪水災(zāi)害發(fā)生最頻繁、損失最嚴重的國家之一[1]。廣西位于我國南部沿海，地形復(fù)雜，江河縱橫，水系發(fā)達，每年汛期，來自洋面的暖濕氣流與北方南下的冷空氣在其上空交匯，導致大暴雨、特大暴雨災(zāi)害頻頻出現(xiàn)，極端降水所引發(fā)的洪水災(zāi)害是廣西中小流域發(fā)生頻率最高、危害最大的自然災(zāi)害，給廣西國民經(jīng)濟建設(shè)帶來巨大的損失。分析中小流域洪澇災(zāi)害高暴露度區(qū)，開展中小河流防汛精細化監(jiān)測是進一步提升廣西江河流域防御能力的需求，對廣西中小流域的防災(zāi)減災(zāi)及保護人民生命財產(chǎn)安全有著重大意義。

在全球氣候變化背景下，強降水等極端氣候事件頻繁發(fā)生，如何有效應(yīng)對極端氣候事件帶來的不利影響已經(jīng)成為中國防災(zāi)減災(zāi)以及災(zāi)害風險管理工作中的重要內(nèi)容[2]。SREX 報告也指出極端天氣事件下的暴露度和脆弱性是災(zāi)害風險及其影響的關(guān)鍵決定因素。暴露度是指人員、生計、環(huán)境服務(wù)和各種資源、基礎(chǔ)設(shè)施，以及經(jīng)濟、社會或文化資產(chǎn)處在有可能受到不利影響的位置[3]。目前，許多學者在該領(lǐng)域研究已取得了一定的進展[4-9]。其方法主要基于收集的歷史災(zāi)情數(shù)據(jù)和社會經(jīng)濟統(tǒng)計數(shù)據(jù)對災(zāi)害的暴露度進行研究。但是由于災(zāi)情數(shù)據(jù)的搜集較為困難，社會經(jīng)濟統(tǒng)計數(shù)據(jù)多以省、市、縣為行政單元，這使暴露度研究缺乏了準確度、精細化的評價。在不同區(qū)域災(zāi)害危險等級下，由于社會經(jīng)濟承災(zāi)體的空間分布差異，承災(zāi)和抗災(zāi)能力不同，造成的不同度影響，得到不同的災(zāi)害評價結(jié)果。在極端降水事件下，其對流域的社會經(jīng)濟等水文資源的影響是中小流域防災(zāi)減災(zāi)研究重點問題。為此，本文基于多年的災(zāi)害性強降水過程，確定極端降水閾值，結(jié)合地理信息，構(gòu)建不同時段的廣西極端降水事件空間模型，基于夜間燈光遙感數(shù)據(jù)、遙感本底信息、社會經(jīng)濟統(tǒng)計等多源數(shù)據(jù)，構(gòu)建廣西社會經(jīng)濟空間模型，并將兩者有效耦合，構(gòu)建極端降水事件下廣西流域洪澇社會經(jīng)濟暴露度模型，分析廣西流域洪澇社會經(jīng)濟暴露度時空變異特征，為廣西流域洪澇災(zāi)害的監(jiān)測預(yù)警以及實施防災(zāi)減災(zāi)工作提供技術(shù)支撐與科學決策依據(jù)。

1　數(shù)據(jù)及處理

數(shù)據(jù)主要有廣西氣象數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)、遙感本底數(shù)據(jù)、流域邊界數(shù)據(jù)、社會經(jīng)濟統(tǒng)計數(shù)據(jù)，統(tǒng)一投影方式為蘭伯特投影、柵格數(shù)據(jù)的空間分辨率為100 m。

氣象數(shù)據(jù)：主要包括1961-2016年廣西常規(guī)氣象站12 h、24 h等兩時段災(zāi)害性強降水過程的降水量。

基礎(chǔ)地理數(shù)據(jù)：主要包括1：250 000廣西邊界、DEM、水系數(shù)據(jù)等。其中，鄉(xiāng)鎮(zhèn)邊界是基于2010年廣西鄉(xiāng)鎮(zhèn)行政區(qū)劃圖，采用GIS技術(shù)矢量化獲得。

衛(wèi)星遙感數(shù)據(jù)：主要包括2010年DMSP/OLS夜間燈光數(shù)據(jù)。首先為消除燈光數(shù)據(jù)噪聲點及閃爍等影響，剔除灰度值小于等于4的點，再將燈光數(shù)據(jù)轉(zhuǎn)換為點圖層，根據(jù)前人的研究經(jīng)驗，選擇普通克里格插值法，將穩(wěn)態(tài)燈光數(shù)據(jù)降尺度為統(tǒng)一分辨率的柵格數(shù)據(jù)。

遙感本底數(shù)據(jù)：主要包括2010年空間分辨率為30 m的廣西林地、灌草地、耕地、水體、建設(shè)用地(城鎮(zhèn)用地、工礦用地、居民地、道路)等。其獲取技術(shù)方法詳見文獻[10]。利用GIS的重采樣技術(shù)，將廣西遙感本底數(shù)據(jù)升尺度為統(tǒng)一分辨率的柵格數(shù)據(jù)。

廣西中小流域數(shù)據(jù)：基于DEM數(shù)據(jù)，利用GIS技術(shù)，依據(jù)水系隸屬關(guān)系，沿水系分水嶺進行流域分區(qū)獲得，其獲取技術(shù)方法詳見文獻[11]。廣西流域包括西江、湘江、沿海諸河、紅河等四大水系，其中，將西江流域劃分為潯江、紅水河、柳江、桂江、左江、右江、賀江等七大子流域。

社會經(jīng)濟統(tǒng)計數(shù)據(jù)：主要包括2010年廣西鄉(xiāng)鎮(zhèn)人口統(tǒng)計數(shù)據(jù)、2010年廣西縣域第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)等GDP數(shù)據(jù)。

2　研究方法

2.1　極端降水事件空間模型建立方法

基于常規(guī)氣象站觀測資料，采用統(tǒng)計分析法，統(tǒng)計氣象站點各時段降水過程的降水量，利用百分位法，確定氣象站點各時段極端降水事件的閾值，公式如下[12]：

(1)

式中：Ri(p)為第i個百分位值，X為升序排列后的樣本序列，p為百分位數(shù)，n為序列總數(shù)。

首先將廣西90個氣象站點12 h、24 h時段降水過程的降水量按從小到大排序，然后取各氣象站12 h、24 h時段的第95百分位值作為該氣象站相應(yīng)時段的極端日降水量閾值，當某站某時段降水量超過該站的這一閾值時，稱為發(fā)生極端降水事件，再依據(jù)氣候要素隨地理因子變化的空間分析模型，將極端降水量值進行100 m×100 m的網(wǎng)格單元上推算，并利用反距離權(quán)重插值法進行殘差訂正，最后獲得精細化的廣西12 h、24 h極端降水量空間分布數(shù)據(jù)，公式如下：

Rt=Rm+ε；

(2)

Rm=f(φ,λ,h,θ,β)。

(3)

式中：Rt為某時段極端降水量，Rm為極端降水量推算值，θ、λ、h、θ、β分別代表緯度、經(jīng)度、海拔高度、坡度、坡向等地理因子，ε為地理殘差，等于實際觀測值與推算值之差。

2.2　社會經(jīng)濟空間模型建立方法

基于基礎(chǔ)地理數(shù)據(jù)、遙感本底數(shù)據(jù)、夜間燈光數(shù)據(jù)，采用統(tǒng)計分析法，統(tǒng)計各鄉(xiāng)鎮(zhèn)、縣區(qū)遙感本底各地類內(nèi)的有燈光區(qū)、無燈光區(qū)面積及燈光輻射值總量，利用線性回歸分析法，將其和鄉(xiāng)鎮(zhèn)級的人口統(tǒng)計數(shù)據(jù)、縣區(qū)GDP數(shù)據(jù)進行逐步回歸分析，建立社會經(jīng)濟空間推算模型，其中，模型的常量設(shè)為零，即假設(shè)無數(shù)據(jù)區(qū)則無人口分布，各項回歸系數(shù)必須為正，保證整個研究區(qū)人口、GDP預(yù)測值的非負性，為確保區(qū)域內(nèi)模擬社會經(jīng)濟數(shù)據(jù)與實際統(tǒng)計數(shù)據(jù)相等，采用面積權(quán)重法對社會經(jīng)濟空間進行訂正，構(gòu)建像元尺度的區(qū)域社會經(jīng)濟空間模型，公式如下：

(4)

式中：Eijk為第k個區(qū)域第j種遙感本底類型上第i個像元的社會經(jīng)濟數(shù)據(jù)，Etk為第k個區(qū)域社會經(jīng)濟統(tǒng)計數(shù)據(jù)，Ljk、Ujk、Fjk分別為第k個區(qū)域第j類遙感本底的有燈光區(qū)面積、無燈光區(qū)面積和總燈光輻射強度，Lijk、Uijk、Fijk分別為第k個區(qū)域第j類遙感本底第i個像元有燈光區(qū)面積、無燈光區(qū)面積和總燈光輻射強度，a、b、c為回歸系數(shù)，n為遙感本底類型個數(shù)。

2.3　流域洪澇社會經(jīng)濟暴露度空間模型建立方法

流域洪澇社會經(jīng)濟暴露度是指暴露于流域洪澇災(zāi)害事件影響范圍內(nèi)的社會經(jīng)濟總數(shù)。研究選擇人口數(shù)量和年均國內(nèi)生產(chǎn)總值(GDP)為基本社會經(jīng)濟要素，分析流域暴露于洪澇災(zāi)害事件影響范圍內(nèi)的人口數(shù)量和GDP數(shù)值額度，以量化流域的洪澇社會經(jīng)濟影響?；诹饔蜻吔鐢?shù)據(jù)，極端降水事件空間模型、社會經(jīng)濟空間模型，構(gòu)建極端降水事件下廣西流域洪澇社會經(jīng)濟暴露度空間模型，公式如下：

(5)

3　結(jié)果與分析

3.1　廣西極端降水事件空間模型

通過多年災(zāi)害性強降水過程分析，確定了氣象站12 h、24 h兩個時段極端降水量值，并分析極端降水量隨經(jīng)度、緯度、海拔高度等地理因子的空間分析模型。兩時段極端降水事件空間模型均通過了信度為0.01的顯著性檢驗，復(fù)相關(guān)系數(shù)均在0.8以上，F(xiàn)檢驗結(jié)果為178.731～209.345，如表1所示。

利用GIS技術(shù)將廣西12 h、24 h極端降水量空間分布劃分為8個等級范圍：[50，100]、[100，150]、[150，200]、[200，250]、[250，300]、[300，350]、[350，400]、[400，∝]，單位為mm，如圖1所示。廣西12 h、24 h極端降水事件下，流域洪澇災(zāi)害危險性較高的高的主要分布在桂南的沿海流域、桂中的紅水河下游流域、桂東北的融江流域、漓江流域等。

3.2　廣西社會經(jīng)濟空間模型

廣西人口空間分布與鄉(xiāng)鎮(zhèn)建設(shè)用地有燈光區(qū)面積、無燈光區(qū)面積、耕地無燈光區(qū)面積、灌草無燈光區(qū)面積、林地有燈光區(qū)面積等5個變量密切相關(guān)。第一產(chǎn)業(yè)值(GDP1)空間分布與縣區(qū)耕地有燈光區(qū)面積、耕地無燈光區(qū)面積、林地有燈光區(qū)面積、水體無燈光區(qū)面積等4個變量密切相關(guān)。第二產(chǎn)業(yè)值(GDP2)與建設(shè)用地的有燈光區(qū)面積、林地總輻射量等2個變量密切相關(guān)。第三產(chǎn)業(yè)值(GDP3)與建設(shè)用地的有燈光區(qū)面積、耕地總輻射量等2個變量密切相關(guān)。社會經(jīng)濟空間模型均通過了信度為0.01顯著性和正數(shù)檢驗，復(fù)相關(guān)系數(shù)均在0.8以上，F(xiàn)檢驗結(jié)果為188.689～284.403，如表2所示。廣西人口空間分布、GDP空間分布如圖2～圖3所示。

3.3　廣西極端降水事件下流域洪澇社會經(jīng)濟暴露度分析

不同時段不同等級極端降水事件下，廣西流域洪澇社會經(jīng)濟暴露度的時空變異對比分析。在12 h極端降水事件下，廣西流域洪澇社會經(jīng)濟暴露度較高主要集中在[100，150]、[150，200]、[200，250]等3個降水等級范圍內(nèi)的沿海諸河流域中的南流江流域、郁江流域、柳江流域、潯江流域、紅水河流域、右江流域、桂江流域，其中，人口暴露度大于100萬人，GDP暴露度大于200億元；流域洪澇人口暴露度較低主要集中在[50，100]、[250，300]、[300，350]、[350，400]、[400，∝]等5個降水等級范圍內(nèi)的各流域，其中，人口暴露度小于25萬人，GDP暴露度小于50億元；24h極端降水事件下，廣西流域洪澇社會經(jīng)濟暴露度較高主要集中在[100，150]、[150，200]、[200，250]、[250，300]等4個降水等級范圍內(nèi)的沿海諸河流域中的南流江流域、郁江流域、柳江流域、潯江流域、紅水河流域，其中，人口暴露度也大于100萬人，GDP暴露度也大于200億元；流域洪澇人口暴露度較低主要集中在[50，100]、[300，350]、[350，400]、[400，∝]等4個降水等級范圍內(nèi)的各流域，其中，人口暴露度小于25萬人，GDP暴露度也小于50億元(圖4)。

表1　廣西極端降水量與地理參數(shù)的關(guān)系模型

表2　廣西社會經(jīng)濟與夜間燈光、遙感本底的關(guān)系模型

圖1　不同時段廣西極端降水事件空間分布圖

圖2　2010年廣西人口空間分布圖

圖3　2010年廣西GDP空間分布圖

圖4　不同時段極端降水事件下廣西流域洪澇社會經(jīng)濟暴露度空間分布圖

不同時段不同等級極端降水事件下，廣西流域洪澇社會經(jīng)濟暴露度的數(shù)值差異變化對比分析。在[50，100]、[100，150]2個等級下，12 h對比24 h極端降水事件相應(yīng)等級的廣西流域人口、GDP暴露度較高，其中，[50，100]等級下人口暴露度高42.7萬人，GDP暴露度高83.8億元，主要有相應(yīng)等級下的潯江、右江、左江等流域，[100，150]等級下人口暴露度高583.6萬人，GDP暴露度高1 396.3億元，主要有相應(yīng)等級下的郁江、桂江、賀江、潯江、柳江、右江、左江等流域。在[150，200]1個等級下，12 h與24 h極端降水事件相應(yīng)等級的廣西流域人口、GDP暴露度相當。在[200，250]、[250，300]、[300，350]、[350，400]、[400，∝]5個等級下，24 h對比12 h極端降水事件相應(yīng)等級的廣西流域人口暴露度較高，其中，[200，250]等級下人口暴露度高288.2萬人，GDP暴露度高721.9億元，主要有相應(yīng)等級下的潯江、桂江、柳江、郁江等流域，[250，300]等級下人口暴露度高156.9萬人，GDP暴露度高409.8億元，主要有相應(yīng)等級下的柳江、桂江、郁江、潯江等流域，[300，350]等級下人口暴露度高83.9萬人，GDP暴露度高173.5億元，主要有相應(yīng)等級下的柳江、桂江、沿海諸河等流域，[350，400]等級下人口暴露度高44.3萬人，GDP暴露度高102.0億元，主要有等級下的沿海諸河、柳江、湘江等流域，[400，∝]等級下人口暴露度高36.7萬人，GDP暴露度高94.4億元，主要有相應(yīng)等級下的沿海諸河、紅水河等流域(圖5)。

4　結(jié)論與討論

(1)社會經(jīng)濟空間分布與夜間燈光、遙感本底空間分布密切相關(guān)。人口空間分布與建設(shè)用地、耕地、灌草、林地等地類密切相關(guān)，其中，建設(shè)用地的燈光區(qū)貢獻最大，其次為建設(shè)用地無燈光區(qū)；第一產(chǎn)業(yè)與耕地、林地、水體等地類密切相關(guān)，第二產(chǎn)業(yè)、第三產(chǎn)業(yè)除了與建設(shè)用地、林地、耕地等地類還與燈光總輻射量密切相關(guān)。將夜間燈光數(shù)據(jù)與遙感本底數(shù)據(jù)融合的社會經(jīng)濟空間模型可有效表征不同地類地內(nèi)部的人口密度高低差異，增強人口空間細節(jié)變化，反演發(fā)達地區(qū)與落后地區(qū)的經(jīng)濟分布差異特征。

(2)不同時段極端降水事件下流域洪澇社會經(jīng)濟暴露度具有明顯的時空變異特征。在空間分布上， 12h極端降水事件下，廣西流域洪澇社會經(jīng)濟高暴露度分布在[100，250]降水等級范圍內(nèi)的南流江、郁江、柳江、潯江、紅水河、右江、桂江等流域；24 h極端降水事件下，廣西流域洪澇社會經(jīng)濟高暴露度分布在[100，300]降水等級范圍內(nèi)的南流江、郁江、柳江、潯江、紅水河等流域。在時間段上，當降水在[50，150]范圍時，12 h事件高于24 h事件下的廣西流域洪澇社會經(jīng)濟暴露度，隨著降水增加，暴露度差異逐漸減??；當降水在[150，200]范圍時，12 h事件相當于24 h事件下廣西流域洪澇社會經(jīng)濟暴露度；當降水[200，∝]范圍時，12 h事件低于24 h事件下的廣西流域洪澇社會經(jīng)濟暴露度，隨著降水增加，暴露度差異也逐漸減小。

(3)基于像元尺度融合夜間燈光和遙感本底數(shù)據(jù)的社會經(jīng)濟空間模型，較考慮單一的夜間燈光或土地利用類型更能準確表達其空間分布規(guī)律，結(jié)合地形信息的極端降水事件空間模型，精細化地反映流域洪澇致災(zāi)條件，集成極端降水事件空間模型與社會經(jīng)濟空間模型的廣西流域洪澇社會經(jīng)濟暴露度模型精準地描述了廣西中小流域洪澇社會經(jīng)濟暴露度的時空變化格局，對廣西中小流域災(zāi)害防災(zāi)減災(zāi)業(yè)務(wù)化具有一定的實用價值，對社會經(jīng)濟發(fā)展路徑和狀態(tài)起到一定的決定作用。但是由于社會經(jīng)濟空間分布機理的復(fù)雜性，社會經(jīng)濟空間化模型尚需進一步改進，從而提高流域社會經(jīng)濟暴露度的精準度，推廣其應(yīng)用價值。

圖5　不同時段極端降水事件下廣西流域洪澇社會經(jīng)濟暴露度統(tǒng)計圖

參考文獻：

[1]夏秀芳.基于GIS的嘉陵江沙坪壩段洪水災(zāi)害風險評價[D].重慶：西南大學，2012.

[2]王艷君，高超，王安乾，等.中國暴雨洪澇災(zāi)害的暴露度與脆弱性時空變化特征[J]．氣候變化研究進展，2014，10(6):391-398.

[3]鄭菲，孫誠，李建平.從氣候變化的新視角理解災(zāi)害風險、暴露度、脆弱性和恢復(fù)力[J]. 氣候變化研究進展，2012，8(2):79-83.

[4]黃紅鑄，崔玉娟，葉瑜，等．江浙滬地區(qū)歷史重大洪澇災(zāi)害情景下的人口和GDP 物理暴露量分析[J]．長江流域資源與環(huán)境，2013，22(6): 801-807.

[5]姜藍齊，馬艷敏，張麗娟，等．基于GIS 的黑龍江省洪澇災(zāi)害風險評估與區(qū)劃[J]．自然災(zāi)害學報，2013，22(5):238-246．

[6]葛鵬，岳賢平．洪澇災(zāi)害承災(zāi)體易損性的時空變異-以南京市為例[J]．災(zāi)害學，2013，28(1):107-111．

[7]王豫燕，王艷君，姜彤.江蘇省暴雨洪澇災(zāi)害的暴露度和脆弱性時空演變特征[J].長江科學院院報，2016， 33(4):27-32.

[8]羅嵐心.氣候變化背景下珠江流域干旱演變及其人口經(jīng)濟暴露度研究[D].北京：中國氣象科學研究院，2017.

[9]景丞，姜彤，王艷君，等.中國區(qū)域性極端降水事件及人口經(jīng)濟暴露度研究[J].氣象學報，2016，74(4) :572-582.

[10] 鐘仕全，莫建飛，莫偉華，等. 廣西遙感本底信息提取方法技術(shù)與成果應(yīng)用[J]. 氣象研究與應(yīng)用，2010，31(3):44-49.

[11] 莫建飛，鐘仕全，羅永明，等. 基于GIS的廣西溪河洪水型山洪溝空間分布特征[J].氣象研究與應(yīng)用，2015，36(2):96-99.

[12] 莫建飛，陸甲，李艷蘭，等.基于GIS的廣西農(nóng)業(yè)暴雨洪澇災(zāi)害風險評估[J].災(zāi)害學，2012，27(1):38-43.