呂希希,張春菊,2，尤子全，于 涵

(1.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院，安徽 合肥 230009；2.河南大學(xué) 黃河中下游數(shù)字地理技術(shù)教育部重點實驗室，河南 開封 475004)

洪澇災(zāi)害是我國最常見的自然災(zāi)害之一，每年給我國造成巨大的經(jīng)濟損失。暴雨洪澇災(zāi)害是由持續(xù)一定時間的強降水導(dǎo)致河道決口，進而引發(fā)河水泛濫的氣象災(zāi)害[1]。隨著GIS技術(shù)的發(fā)展，利用GIS疊加功能分析地質(zhì)災(zāi)害空間分布特征的研究較多。何明華等[2]對秦安縣地質(zhì)災(zāi)害進行了空間分析；劉彥花[3]分析了廣西梧州市地質(zhì)災(zāi)害點的空間分布；王曉莉[4]基于RS和GIS技術(shù)分析了太原西山礦區(qū)的斜坡地質(zhì)災(zāi)害特征；吳常潤等[5]分析了華寧縣滑坡空間分布與影響因子之間的關(guān)系。分析洪澇災(zāi)害空間特征的研究較少。裴廈等[6]分析了贛江上游山洪災(zāi)害的空間分布特征及其與地形、植被等影響因子之間的關(guān)系。

本文以南昌市安義縣2016年6月30日～7月5日遭受的暴雨洪澇災(zāi)害為例，選取高程、距河流的距離、用地類型、坡度和降水這5個影響因子，利用頻率比模型分析淹沒范圍的空間分布特征,以期為防災(zāi)減災(zāi)措施的制定提供一定的指導(dǎo)。

1 研究區(qū)概況

安義縣位于江西省北部，南昌市西北部，潦河中下游，地理坐標為115°27′～115°45′E，28°26′～29°01′N之間?？h境東鄰南昌市灣里區(qū)和新建縣，南接高安市，西南與奉新縣相連，西北與靖安縣接壤，東北與永修縣毗鄰?？偯娣e為665.49 km2，截至2018年末，戶籍總?cè)丝跒?0.65萬人。安義縣屬亞熱帶濕潤季風(fēng)氣候，雨量充沛，年降雨量1 600～1 700 mm，由于每年季風(fēng)強弱和進退遲早不同，降水分布不均，暴雨洪澇災(zāi)害發(fā)生較頻繁。

2 數(shù)據(jù)來源及獲取

2.1 淹沒范圍

哨兵一號數(shù)據(jù)來源于美國國家航空航天局(https://urs.earthdata.nasa.gov/)，從該網(wǎng)站下載安義縣2016年5月18日和2016年7月5日哨兵一號高分辨率雙極化地距多視產(chǎn)品，該地距產(chǎn)品的波束模式是干涉寬幅，極化方式是VV/VH雙極化。

在對數(shù)據(jù)進行配準、濾波、地理編碼和輻射定標預(yù)處理步驟后，利用ENVI軟件的波段合成功能，選擇災(zāi)后數(shù)據(jù)為R，災(zāi)前數(shù)據(jù)為G、B，合成RGB彩色影像, RGB彩色圖像如圖1所示。黑色是原有水體，藍綠色是水淹區(qū)域。

圖1 RGB彩色圖像

為提取洪水信息，首先,建立原有水體、水淹區(qū)域和陸地三類感興趣區(qū)樣本，通過對比實驗，馬氏距離法[7]監(jiān)督分類結(jié)果較優(yōu)，故使用馬氏距離法進行監(jiān)督分類，再對監(jiān)督分類后結(jié)果進行主要/次要分析和聚類后處理步驟以及人工目視校正后得到洪水區(qū)域。原有水體和水淹區(qū)域如圖2所示。藍色表示原有水體，紅色代表洪水淹沒區(qū)域。由圖2可知，淹沒范圍主要分布在潦河沿岸。

圖2 7月5日淹沒范圍分布圖

2.2 影響因子

高程數(shù)據(jù)來源于美國地質(zhì)調(diào)查局(https://earthexplorer.usgs.gov/)，空間分辨率為30 m，坡度利用ArcGIS由數(shù)據(jù)高程模型提取。

降水數(shù)據(jù)來源于國家氣象信息中心(http://data.cma.cn/)中國逐日網(wǎng)格降水量實時分析系統(tǒng)(1.0版)數(shù)據(jù)集，產(chǎn)品空間分辨率均為0.25°×0.25°。從該數(shù)據(jù)集下載2016年6月30日～7月5日全國逐日網(wǎng)格降水量，使用柵格計算器求和得到2016年6月30日～7月5日南昌總降水量，利用克里金插值法生成與數(shù)字高程模型相同空間分辨率的降水數(shù)據(jù)[8]。

距河流的距離由主要河流基礎(chǔ)數(shù)據(jù)使用ArcGIS歐式距離功能生成。

用地類型來源于清華大學(xué)團隊發(fā)布的2017年全球30 m覆蓋數(shù)據(jù)集[9]，下載網(wǎng)址為http://data.ess.tsinghua.edu.cn/。該柵格數(shù)據(jù)包括農(nóng)田、森林、草地、灌叢、濕地、水體、苔原、不透水層、裸地和冰雪這十種地表覆蓋類型。

為了統(tǒng)一數(shù)據(jù)的空間分辨率，利用ArcGIS重采樣(Resample)工具，將所有數(shù)據(jù)的空間分辨率轉(zhuǎn)換成與高程相同的空間分辨率——30 m，經(jīng)統(tǒng)計，安義縣總共由778 841個柵格組成，淹沒范圍總共由50 031個柵格組成。

3 淹沒范圍空間特征分析

3.1 頻率比模型

頻率比模型是一種用來評估每個影響因子各個類別與洪澇發(fā)生位置間空間關(guān)系的簡單有效的統(tǒng)計模型[10]。頻率比定義為研究區(qū)發(fā)生洪澇災(zāi)害概率與不發(fā)生洪澇災(zāi)害概率的比值[11]，具體表達式如式(1)所示。

(1)

式中，A為每個影響因子各個類別的洪澇柵格數(shù)；B為研究區(qū)總的洪澇柵格數(shù)；M為每個影響因子各個類別的柵格數(shù)；N為研究區(qū)總的柵格數(shù)。如果比值大于1，表示某一影響因子特定類別與洪澇發(fā)生之間的相關(guān)性較強；如果比值小于1，則意味著較低的相關(guān)性[12]。

3.2 淹沒范圍與影響因子相關(guān)性分析

表1顯示了由頻率比模型得到的每個影響因子各個類別與洪澇淹沒范圍之間的相關(guān)性，表格中的第一列是影響因子的名稱；第二列是每個影響因子的類別；第三列統(tǒng)計了每個影響因子各個類別的柵格數(shù)，總柵格數(shù)為778 841；第四列表示每個影響因子各個類別的柵格數(shù)占總柵格數(shù)的百分比；第五列統(tǒng)計了位于每個影響因子各個類別的洪澇柵格數(shù)，總洪澇柵格數(shù)為50 031；第六列表示每個影響因子各個類別的洪澇柵格數(shù)占總洪澇柵格數(shù)的百分比；第七列是根據(jù)頻率比模型的計算公式得到的結(jié)果，即洪澇柵格百分比除以柵格百分比的結(jié)果。

表1 淹沒范圍分布表

由表1可知，安義縣總體地勢較低，超過一半?yún)^(qū)域的高程小于50 m，近90%區(qū)域的高程小于150 m。高程小于50 m區(qū)域占比不到60%，卻分布著近95%的洪澇，頻率比為1.66，說明洪澇發(fā)生在高程小于50 m區(qū)域的概率極大；高程大于50 m區(qū)域占比超過40%，卻僅分布著5%左右的洪澇，頻率比遠遠小于1，說明洪澇發(fā)生在高程大于50 m區(qū)域的概率極小。

安義縣約30%區(qū)域距河流距離小于2 000 m，距河流距離小于2 000 m區(qū)域分布著約70%的洪澇，頻率比大于1，說明洪澇發(fā)生在距河流距離小于2 000 m區(qū)域的可能性較大。當距河流的距離大于2 000 m時，頻率比小于1，說明洪澇發(fā)生在距河流距離大于2 000 m區(qū)域的可能性較小。當距河流距離為0～500 m、500～1 000 m、1 000～1 500 m、1 500～2 000 m和>2 000 m時，頻率比分別為2.91、2.37、1.84、1.47和0.48，頻率比隨距河流距離的增大而減小，說明洪澇發(fā)生的概率與距河流距離負相關(guān)，距河流距離越大，洪澇發(fā)生的可能性越小。

安義縣超過一半?yún)^(qū)域的用地類型為農(nóng)田，36.28%區(qū)域的用地類型為森林，農(nóng)田和森林占安義縣近90%的比例。90%以上的洪澇分布在用地類型為農(nóng)田的區(qū)域，用地類型為農(nóng)田的頻率比最大，為1.8，說明洪澇發(fā)生在農(nóng)田的可能性非常大；頻率比小于等于0.1的用地類型為灌叢和森林，其頻率比分別為0.05和0.1，說明洪澇極不可能發(fā)生在灌叢和森林。

安義縣近70%區(qū)域的坡度小于5°，該區(qū)域集中了90%以上的洪澇，頻率比為1.37，說明洪澇發(fā)生在坡度小于5°區(qū)域的可能性非常大；坡度小于5°區(qū)域占比超過30%，卻僅分布著不到10%的洪澇，頻率比遠遠小于1，說明洪澇發(fā)生在坡度小于5°區(qū)域的可能性非常小。

約50%區(qū)域的降水量為150～200 mm，該區(qū)域分布著80%以上的洪澇，頻率比大于1，表明洪澇發(fā)生在降水量為150～200 mm區(qū)域的概率較大；當降水量小于150 mm或降水量大于200 mm時，頻率比均小于1，說明洪澇發(fā)生在降水量小于150 mm和大于200 mm區(qū)域的概率較小。應(yīng)該注意的是，頻率比并沒有隨著降水量的增大而一直增大，當降水量小于200 mm時，頻率比隨著降水量的增大而增大；而當降水量大于200 mm時，頻率比隨著降水量的增大而減小。暗示了降水是誘發(fā)暴雨洪澇的直接影響因子，只有降水量達到一定的閾值，區(qū)域發(fā)生洪澇的可能性才會較大，然而，并不是降水量越大區(qū)域發(fā)生洪澇的可能性越大，說明洪澇發(fā)生的可能性更多地取決于區(qū)域其他影響因子。

4 結(jié) 論

結(jié)合遙感和地理信息技術(shù)，利用頻率比模型分析了南昌市安義縣2016年6月30日～7月5日暴雨洪澇的空間分布特征。研究表明：(1)降水是誘發(fā)暴雨洪澇的直接影響因子，只有降水量達到一定的閾值，洪澇發(fā)生的可能性才會變得較大，然而，區(qū)域發(fā)生洪澇災(zāi)害的可能性大小更多地取決于其他影響因子；(2)90%以上的洪澇發(fā)生在用地類型為農(nóng)田的區(qū)域，安義縣應(yīng)重點關(guān)注暴雨洪澇災(zāi)害對農(nóng)業(yè)的影響；(3)90%以上的洪澇發(fā)生在高程小于50 m或坡度小于5°的區(qū)域，說明絕大部分洪澇發(fā)生在地勢低且地形平坦處；(4)洪澇發(fā)生的概率與距河流距離負相關(guān)，洪澇發(fā)生的概率隨距河流距離的增加而減小，距河流越近，發(fā)生洪澇的可能性越大。