宋金帛，羅 明，張 強

(1. 華東師范大學(xué) 地理科學(xué)學(xué)院，上海 200241；2. 中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院、廣東省城市化與地理環(huán)境空間模擬重點實驗室、廣東省公共安全與災(zāi)害工程技術(shù)研究中心，廣東 廣州 510275；3. 北京師范大學(xué) 地表過程與資源生態(tài)國家重點實驗室，地理科學(xué)學(xué)部，北京 100875)

在氣候變化和城市化進程下，不同空間尺度上的水循環(huán)加劇，極端降水增多，城市洪澇災(zāi)害頻發(fā)，造成極為嚴(yán)重的人員傷亡和財產(chǎn)損失[1-4]?；浉郯拇鬄硡^(qū)(以下簡稱“大灣區(qū)”)既是我國城市化程度和開放程度最高的地區(qū)之一，人口集聚，經(jīng)濟發(fā)達[5]，同時地勢低洼、河網(wǎng)密布，降水豐沛且季節(jié)、年際變化大，因此也是洪澇災(zāi)害的高發(fā)區(qū)[6]，洪澇災(zāi)害對當(dāng)?shù)厣鐣?jīng)濟發(fā)展帶來嚴(yán)重威脅。對氣候變化和城市化進程下的大灣區(qū)未來洪澇災(zāi)害風(fēng)險演變進行預(yù)測，揭示未來不同發(fā)展情景下洪澇災(zāi)害風(fēng)險的時空分布規(guī)律，可為該地區(qū)洪澇災(zāi)害的防范和管理提供重要的科學(xué)支撐。

洪澇災(zāi)害風(fēng)險是指某一區(qū)域在未來遭遇洪澇災(zāi)害時，遭受損失的可能性和程度。目前，常用的洪澇災(zāi)害風(fēng)險評估方法包括基于遙感和GIS方法的評估[7-9]、基于歷史災(zāi)情數(shù)據(jù)和數(shù)理統(tǒng)計方法的評估[10-12]、基于指標(biāo)體系法的評估[13-15]、基于洪澇災(zāi)害情景模擬的評估[16-18]等[19-20]。眾多學(xué)者基于上述評估方法對未來洪澇災(zāi)害風(fēng)險進行預(yù)測，分析洪澇在城市化和氣候變化背景下的風(fēng)險演變規(guī)律[21-27]。在前人研究中，盡管有學(xué)者對大灣區(qū)未來洪澇災(zāi)害風(fēng)險進行預(yù)測，但很少同時考慮到城市化和氣候變化進程，并基于最新的第六次國際耦合模式比較計劃(CMIP6)數(shù)據(jù)[28]預(yù)測該地區(qū)的未來洪澇災(zāi)害風(fēng)險。為此，本研究基于CMIP6模擬、CMORPH降水、土地利用/覆蓋等數(shù)據(jù)，利用FLUS模型預(yù)測未來的土地利用模式，結(jié)合CMIP6數(shù)據(jù)評估氣候變化對大灣區(qū)未來降水的影響，依據(jù)非線性回歸降尺度模型、修正系數(shù)法和風(fēng)險評價模型對大灣區(qū)2015—2045年間的洪澇災(zāi)害風(fēng)險進行預(yù)測。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源及處理

本文采用的主要數(shù)據(jù)如下：

(1)CMORPH數(shù)據(jù)(1998—2014年)。CMORPH數(shù)據(jù)是具有高時空分辨率的衛(wèi)星降水產(chǎn)品[29]，本研究采用CMORPH數(shù)據(jù)計算大灣區(qū)1998—2014年逐日降水量，并用于CMIP6數(shù)據(jù)降尺度模型的建立及精度評價工作。所用CMORPH數(shù)據(jù)的時、空分辨率分別為3 h、0.25°×0.25°，數(shù)據(jù)來源為ftp://ftp.cpc.ncep.noaa.gov/precip/CMORPH_V1.0/。

圖1 研究流程圖

(2)歐空局土地利用數(shù)據(jù)[30-31]。該數(shù)據(jù)的空間分辨率為300 m，本研究利用該數(shù)據(jù)得到2005、2015年的大灣區(qū)土地利用格局(將土地利用類型劃分為耕地、林草植被、建設(shè)用地和水體四類)，并以此為基礎(chǔ)預(yù)測2015—2045年的土地利用格局。

(3)驅(qū)動因子數(shù)據(jù)。大灣區(qū)未來土地利用模式受多種驅(qū)動因子影響，包括自然驅(qū)動因子、可達性驅(qū)動因子、社會經(jīng)濟驅(qū)動因子等。自然驅(qū)動因子數(shù)據(jù)包括高程、坡度、坡向，高程數(shù)據(jù)來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn)，坡度坡向數(shù)據(jù)則基于ArcGIS10.4，根據(jù)大灣區(qū)高程數(shù)據(jù)計算得到?？蛇_性驅(qū)動因子數(shù)據(jù)包括到河流距離、到公路距離、到鐵路距離、到海岸線距離、到行政中心距離，基于1∶100萬全國基礎(chǔ)地理數(shù)據(jù)庫中的矢量數(shù)據(jù)計算得到，采用的矢量數(shù)據(jù)來源于全國地理信息資源目錄服務(wù)系統(tǒng)(www.webmap.cn)。社會經(jīng)濟驅(qū)動因子數(shù)據(jù)包括2015年的人口密度、GDP，分別來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心數(shù)據(jù)注冊與出版系統(tǒng)(http://www.resdc.cn/DOI)的中國人口空間分布公里網(wǎng)格數(shù)據(jù)集[32]和中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集[33]。

(4)CMIP6數(shù)據(jù)(1998-2045年)，即第六次國際耦合模式比較計劃(CMIP6)數(shù)據(jù)[28,34]，來源于https://esgf-index1.ceda.ac.uk/search/cmip6-ceda/。本研究基于CMIP6的歷史試驗(即Historical試驗)數(shù)據(jù)和不同的共享社會經(jīng)濟路徑(SSPs，包括SSP126、SSP245、SSP370、SSP585試驗)數(shù)據(jù)預(yù)測2015—2045年不同情景下大灣區(qū)的逐日降水。

研究流程如圖1所示。

1.2 研究區(qū)范圍及降水單元劃分

粵港澳大灣區(qū)位于我國華南地區(qū)，由我國香港、澳門兩個特別行政區(qū)和廣東省廣州、深圳、佛山、東莞、中山、珠海、惠州、肇慶、江門9個地級市組成，屬亞熱帶季風(fēng)氣候，地形上北高南低，東北部及西北部地區(qū)多山地，中部及沿海地區(qū)多平原。研究區(qū)為大灣區(qū)海岸線向陸部分，按照CMORPH數(shù)據(jù)的像元(大小0.25°×0.25°)位置可將研究區(qū)劃分為若干降水單元(圖2)。

圖2 粵港澳大灣區(qū)及降水單元劃分(該圖基于國家測繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號為GS(2019)4342號的標(biāo)準(zhǔn)地圖制作，底圖無修改，下同。)

1.3 FLUS模型

FLUS模型能夠模擬自然和社會經(jīng)濟等要素的驅(qū)動下，某一區(qū)域未來的土地利用情景，且精度較高[35-37]。該模型包含基于神經(jīng)網(wǎng)絡(luò)的適宜性概率計算和基于自適應(yīng)慣性機制的元胞自動機兩大重要模塊，可基于GeoSOS-FLUS軟件調(diào)用FLUS模型進行未來土地利用模式的模擬[35,38]。

本研究即選取高程、坡度、坡向等自然驅(qū)動因子，到河流距離、到公路距離、到鐵路距離、到行政中心距離、到海岸線距離等可達性驅(qū)動因子，以及GDP、人口密度等社會經(jīng)濟驅(qū)動因子，基于2005和2015年的大灣區(qū)土地利用格局模擬了在上述驅(qū)動因子的共同作用下，2025、2035、2045年的土地利用模式。本研究通過設(shè)置相同的FLUS模型參數(shù)，基于2005年土地利用格局模擬2015年土地利用模式，并與真實的2015年土地利用狀況進行對比，得到Kappa系數(shù)為0.892，整體精度為0.932，說明預(yù)測精度較高，土地利用格局模擬結(jié)果可靠。

1.4 CMIP6模式選取、降尺度及修正

本研究選取了同時包含Historical、SSP126、SSP245、SSP370、SSP585試驗，且具有較高時間分辨率(d)及空間分辨率(100 km)降水模擬的8個CMIP6模式(表1)。這些模式均包含1998—2014年的大灣區(qū)歷史降水?dāng)?shù)據(jù)(Historical試驗)，及2015—2045年模擬所得的不同發(fā)展情景下的降水?dāng)?shù)據(jù)(包括SSP126、SSP245、SSP370、SSP585四種情景)。

表1 本研究選取的8個CMIP6模式

本研究首先綜合1998—2010年CMIP6的Historical情景數(shù)據(jù)和CMORPH數(shù)據(jù)(用來反映真實觀測降水，下同)，依據(jù)非線性回歸降尺度模型方法構(gòu)建CMIP6數(shù)據(jù)降尺度模型[39]：即對于每一個降水單元，首先針對其在8個CMIP6模式下1998—2010年的降水序列，采用主成分分析法計算其降水特征向量；然后采用二次多項式擬合的方法，建立該降水單元處降水特征向量與CMORPH數(shù)據(jù)所得降水之間的關(guān)系；之后，運用該模型對2011—2014年CMIP6的Historical情景數(shù)據(jù)進行降尺度，并與2011—2014年CMORPH數(shù)據(jù)降水進行比較，以評估降尺度精度。

同時，本研究采用修正系數(shù)法對降尺度模型進行修正，修正系數(shù)法如下：

(1)

bij=ai×cij,(j=2011,2012,…,2045)。

(2)

式中：i為月份，j為年份，ai為第i月的修正系數(shù)，bi為第j年第i月的CMORPH數(shù)據(jù)降水序列之和，cij為第j年第i月預(yù)測所得的降水序列之和。在求得每一月的修正系數(shù)之后，將對應(yīng)月份預(yù)測所得降水乘以該修正系數(shù)，即可得到更準(zhǔn)確的預(yù)測降水(更加接近真實降水量)。

最后，本研究即采用修正后的降尺度模型，對2015—2045年間SSP126、SSP245、SSP370、SSP585情景下的CMIP6數(shù)據(jù)進行降尺度，預(yù)測不同情景下的未來逐日降水變化。

1.5 風(fēng)險評價模型構(gòu)建

未來洪澇災(zāi)害風(fēng)險由致災(zāi)因子危險性、承災(zāi)體脆弱性和孕災(zāi)環(huán)境敏感性構(gòu)成。其中，致災(zāi)因子危險性是指強降水和洪澇事件本身的強度，承災(zāi)體脆弱性是指在給定洪澇事件的影響下可能遭受的經(jīng)濟財產(chǎn)損失[40]，孕災(zāi)環(huán)境敏感性是指區(qū)域環(huán)境特征影響下大灣區(qū)對洪澇災(zāi)害的敏感程度[41]。首先，基于CMIP6降尺度所得的不同情景下2015—2045年大灣區(qū)各降水單元的逐日降水，計算歷年各降水單元處的5 d最大降水量、大雨日數(shù)、降水強度指數(shù)指標(biāo)[42]。將這些指標(biāo)進行極差標(biāo)準(zhǔn)化[43]處理后，采用主成分分析法[40]和極差標(biāo)準(zhǔn)化，得到不同情景下2015—2045年大灣區(qū)內(nèi)各降水單元的致災(zāi)因子危險性指數(shù)。

基于FLUS模型預(yù)測所得的2025、2035、2045年土地利用格局，及2015年真實土地利用格局，對任一降水單元，將建設(shè)用地、耕地、林草植被、水體的脆弱性分別賦值為4、3、2、1[44]，與各土地利用類型所占比例相乘，之后相加所得的指數(shù)即可表征各降水單元的土地利用程度，將其采用極差標(biāo)準(zhǔn)化處理即可得2015—2045年各降水單元的承災(zāi)體脆弱性指數(shù)(未區(qū)分SSP126、SSP245等不同情景)。

基于FLUS模型預(yù)測所得的2025、2035、2045年土地利用格局，及2015年真實土地利用格局，計算各降水單元的水體和林草植被占比；同時，基于大灣區(qū)高程和坡度數(shù)據(jù)，計算各降水單元平均高程和坡度的變異系數(shù)(用以反映地形平坦程度)。對水體占比、林草植被占比、平均高程、坡度變異系數(shù)指標(biāo)極差標(biāo)準(zhǔn)化處理后，采用主成分分析法和極差標(biāo)準(zhǔn)化，得到2015—2045年大灣區(qū)各降水單元的孕災(zāi)環(huán)境敏感性指數(shù)(未區(qū)分SSP126、SSP245等不同情景)。

計算不同發(fā)展情景下2015—2045年各降水單元處的危險性、脆弱性、敏感性指數(shù)(脆弱性、敏感性指數(shù)默認(rèn)為在不同發(fā)展情景下取值相同)后，采用熵值法[45-46]確定危險性、脆弱性、敏感性指數(shù)權(quán)重分別為0.395、0.216、0.389，并采用下式計算洪澇災(zāi)害風(fēng)險指數(shù)：

(3)

式中：Irisk表示各降水單元處的洪澇災(zāi)害風(fēng)險性，將其極差標(biāo)準(zhǔn)化處理后即為洪澇災(zāi)害風(fēng)險指數(shù)；I1、I2、I3分別為危險性、脆弱性、敏感性指數(shù)。

各指數(shù)的分級方法如下：對于危險性、敏感性和洪澇災(zāi)害風(fēng)險指數(shù)，將2015—2045年所有降水單元的指數(shù)值列出之后，按照等比例法劃分，使低、較低、中、較高、高等級的降水單元數(shù)均占總降水單元數(shù)的20%。對于脆弱性指數(shù)，為更好地表達其空間分布規(guī)律，將2015—2045年所有降水單元的脆弱性指數(shù)值升序排列后，取0.1、0.4、0.6、0.9分位數(shù)值將各降水單元劃分為低、較低、中、較高、高脆弱性。

2 結(jié)果與分析

2.1 未來土地利用情景模擬

本研究所用驅(qū)動因子的空間分布格局如圖3所示。綜合這些驅(qū)動因子，結(jié)合大灣區(qū)2005、2015年土地利用模式，可預(yù)測得到2025年、2035年、2045年大灣區(qū)土地利用格局(如圖4所示，其中2015年土地利用模式為真實分布，其余年份為預(yù)測所得分布)。由圖4可知，2015—2045年建設(shè)用地數(shù)量顯著增加，空間上主要由大灣區(qū)中部向四周擴展。經(jīng)統(tǒng)計，2015—2045年大灣區(qū)耕地、林草植被、水體數(shù)量均呈現(xiàn)下降趨勢，主要轉(zhuǎn)化為建設(shè)用地。

圖3 各項驅(qū)動因子在大灣區(qū)的分布

圖4 2015—2045年大灣區(qū)土地利用分布格局

2.2 未來降水量模擬及精度驗證

采用修正系數(shù)法對降尺度模型修正之前，利用CMORPH降水?dāng)?shù)據(jù)對2011—2014年CMIP6的Historical情景數(shù)據(jù)進行精度驗證，即分別計算每個降水單元2011—2014年逐日CMIP6數(shù)據(jù)序列和CMORPH數(shù)據(jù)序列的相關(guān)系數(shù)，然后對所有降水單元處的相關(guān)系數(shù)求平均值，該值表示降尺度模型的精度。可知二者相關(guān)性極高，該值達0.158(序列長度為1 461 d)，通過0.001顯著性檢驗。

采用修正系數(shù)法對2011—2014年CMIP6降尺度數(shù)據(jù)進行修正，并與2011—2014年CMORPH數(shù)據(jù)降水進行比較，二者相關(guān)系數(shù)達0.211(計算方法同上文)，通過0.001顯著性檢驗，相比于修正前有顯著提升。同時，修正系數(shù)法明顯改善了原降尺度模型在夏季低估降水，冬季高估降水的問題，如圖5所示。

圖5 2011—2014年CMORPH數(shù)據(jù)及CMIP6降尺度數(shù)據(jù)所得大灣區(qū)平均降水量對比

采用修正后的降尺度模型，對2015—2045年SSP126、SSP245、SSP370、SSP585情景下的CMIP6數(shù)據(jù)進行降尺度，即完成未來大灣區(qū)降水量的預(yù)測。

2.3 致災(zāi)因子危險性預(yù)測

不同情景下2015—2045年大灣區(qū)內(nèi)致災(zāi)因子危險性空間分布格局如圖6所示。由圖6可知，不同發(fā)展情景、不同年份、不同地理位置的洪澇災(zāi)害危險性有所差異。其中，不同的發(fā)展情景和年份下危險性差異較小，地理位置對危險性的影響較顯著。較高及高危險性區(qū)域主要集中于江門、廣州及惠州，這是由于江門市地處迎風(fēng)坡多強降水，且易受熱帶氣旋影響，而廣州市及惠州市同樣地處西南季風(fēng)迎風(fēng)坡，暖濕氣流抬升易形成強降水[47]。

2.4 承災(zāi)體脆弱性預(yù)測

2015—2045年大灣區(qū)承災(zāi)體脆弱性空間分布格局如圖7所示。高脆弱性地區(qū)始終集中在大灣區(qū)中部的佛山、廣州、東莞、深圳等地，這是由于這些地區(qū)建設(shè)用地及耕地占比較多所致，建設(shè)用地聚集處往往人口密集、經(jīng)濟發(fā)達，耕地聚集處往往農(nóng)業(yè)產(chǎn)值較高，這些地區(qū)在遭受洪澇災(zāi)害時可能造成更大的經(jīng)濟財產(chǎn)損失。2015—2045年間大灣區(qū)脆弱性顯著增加，這是由于經(jīng)預(yù)測2015—2045年間大灣區(qū)建設(shè)用地顯著增多所致。

2.5 孕災(zāi)環(huán)境敏感性預(yù)測

2015—2045年大灣區(qū)孕災(zāi)環(huán)境敏感性空間分布格局如圖8所示，高敏感性地區(qū)始終集中在大灣區(qū)中部及沿海地區(qū)，包括佛山、廣州、東莞、深圳、中山。這是由于這些地區(qū)地形低矮、平坦，排水不暢，有河流流經(jīng)，水體密度高，強降水發(fā)生時易造成水位上漲泛濫，植被密度較低，對洪水的調(diào)蓄能力較弱所致。2015—2045年間大灣區(qū)孕災(zāi)環(huán)境敏感性變化不明顯，是由于地形變化(包括高程、坡度等)可以忽略不計，而水體和植被數(shù)量變化也較少。

2.6 未來洪澇災(zāi)害風(fēng)險預(yù)測

不同發(fā)展情景下大灣區(qū)未來洪澇災(zāi)害風(fēng)險如圖9所示，較高及高風(fēng)險區(qū)分布于大灣區(qū)江門、佛山、廣州、惠州、東莞，這是致災(zāi)因子危險性、承災(zāi)體脆弱性和孕災(zāi)環(huán)境敏感性相疊加的結(jié)果，即江門、廣州、惠州的洪澇災(zāi)害危險性較高，佛山、廣州、東莞的脆弱性、敏感性較高。2015—2045年間大灣區(qū)洪澇災(zāi)害風(fēng)險顯著提升，這是由于2015—2045年間建設(shè)用地擴張，數(shù)量顯著增加所致。而不同發(fā)展情景下，大灣區(qū)洪澇災(zāi)害風(fēng)險變化不大。

圖6 不同發(fā)展情景下2015—2045年大灣區(qū)危險性指數(shù)空間分布格局

圖7 2015—2045年大灣區(qū)脆弱性指數(shù)分布格局圖8 2015—2045年大灣區(qū)敏感性指數(shù)分布格局

圖9 不同發(fā)展情景下2015—2045年大灣區(qū)洪澇災(zāi)害風(fēng)險指數(shù)空間分布格局

3 結(jié)論與討論

(1)本研究預(yù)測了2015—2045年大灣區(qū)土地利用模式及不同情景下(SSP126、SSP245、SSP370、SSP585)的逐日降水量。土地利用模擬結(jié)果的Kappa系數(shù)為0.892，整體精度為0.932，修正后的CMIP6降尺度數(shù)據(jù)與CMORPH數(shù)據(jù)的相關(guān)性能夠通過0.001顯著性檢驗，精度高，可作為洪澇災(zāi)害風(fēng)險預(yù)測的基礎(chǔ)。

(2)較高及高危險性地區(qū)分布于江門、廣州及惠州，年份變化及不同發(fā)展情景對致災(zāi)因子危險性影響不大；較高及高脆弱性地區(qū)分布在佛山、廣州、東莞、深圳，2015—2045年間大灣區(qū)承災(zāi)體脆弱性顯著提升；較高及高敏感性地區(qū)分布于佛山、廣州、東莞、深圳、中山，2015—2045年間孕災(zāi)環(huán)境敏感性變化不大。

(3)較高及高風(fēng)險區(qū)分布于江門、佛山、廣州、惠州、東莞等地，2015—2045年間大灣區(qū)洪澇災(zāi)害風(fēng)險顯著提升，不同發(fā)展情景下，大灣區(qū)洪澇災(zāi)害風(fēng)險變化不大。

(4)粵港澳大灣區(qū)應(yīng)合理分配災(zāi)害管理資源，針對洪澇災(zāi)害風(fēng)險較高的江門、佛山、廣州、惠州、東莞等市，應(yīng)通過加強排水防澇系統(tǒng)建設(shè)、完善“防-抗-救”洪澇災(zāi)害應(yīng)急響應(yīng)體系、完善洪澇災(zāi)害監(jiān)測及預(yù)警預(yù)報系統(tǒng)、加強防洪新技術(shù)新方法應(yīng)用等措施增強其洪澇災(zāi)害防治能力[48]。