熊凡 李沛鴻 袁逸敏 吳峰

摘要：

為進(jìn)行科學(xué)有效的洪澇災(zāi)害風(fēng)險(xiǎn)分析研究，減少洪災(zāi)損失，以江西省贛州市為例，基于災(zāi)害風(fēng)險(xiǎn)理論，從危險(xiǎn)性、敏感性和易損性3個(gè)方向選取了多源環(huán)境洪水調(diào)節(jié)因子和社會(huì)經(jīng)濟(jì)參數(shù)構(gòu)建洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估體系，借助GIS的地理處理和空間分析功能，結(jié)合信息熵和AHP法組合賦權(quán)，繪制出贛州市洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)分布圖，并對(duì)洪災(zāi)風(fēng)險(xiǎn)進(jìn)行評(píng)估。結(jié)果表明：贛州市洪澇災(zāi)害風(fēng)險(xiǎn)呈片狀分布，高風(fēng)險(xiǎn)區(qū)與次高風(fēng)險(xiǎn)區(qū)分別占總面積的9.7%和21.8%，其中高風(fēng)險(xiǎn)區(qū)主要分布在贛州市東北部的寧都、石城和瑞金，中部的章貢區(qū)以及南部的全南、龍南和尋烏等地，評(píng)估結(jié)果與歷史災(zāi)情數(shù)據(jù)基本一致。研究成果可為城市防洪治理與風(fēng)險(xiǎn)管理提供理論支撐。

關(guān) 鍵 詞：洪澇災(zāi)害；風(fēng)險(xiǎn)評(píng)估；GIS；信息熵；AHP；組合權(quán)重； 贛州市

中圖法分類號(hào)： TV122；P208

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.009

0 引 言

近年來，隨著全球變暖加劇及城市化進(jìn)程加快，洪澇災(zāi)害在城市的發(fā)生頻率越來越高，影響范圍越來越廣［1］。由于特殊氣候、人為活動(dòng)等因素影響，中國(guó)洪澇災(zāi)害頻發(fā)、易發(fā)，嚴(yán)重危害城市經(jīng)濟(jì)發(fā)展與人民的生命財(cái)產(chǎn)安全［2］。據(jù)水利部統(tǒng)計(jì)［3-4］，在中國(guó)的500多個(gè)城市中，遭遇過極端洪水事件的城市占62%，僅2020年，洪澇災(zāi)害相關(guān)受災(zāi)人數(shù)達(dá)7 861.5萬(wàn)，直接經(jīng)濟(jì)損失2 669.8億元。因此，亟需開展針對(duì)城市洪澇災(zāi)害風(fēng)險(xiǎn)分析及管理的研究。

國(guó)內(nèi)外學(xué)者對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估展開了大量研究。其中，Wu等［5］耦合本體與貝葉斯網(wǎng)絡(luò)模型，利用觀測(cè)數(shù)據(jù)，量化了不同因素間影響洪澇災(zāi)害的潛在關(guān)系，為地區(qū)洪災(zāi)風(fēng)險(xiǎn)評(píng)估提供了新的見解和可能性；Chinh等［6］基于歷史災(zāi)害數(shù)據(jù)庫(kù)，將多線性回歸分析與TOPSIS相結(jié)合，繪制了越南國(guó)家級(jí)洪水風(fēng)險(xiǎn)圖；劉合香等［7］基于多算法集成的投影尋蹤法建立了區(qū)域洪澇災(zāi)害模糊綜合評(píng)價(jià)體系；羅日洪等［8］基于AHP和GIS構(gòu)建了山區(qū)小流域洪災(zāi)風(fēng)險(xiǎn)模型，為開展山洪災(zāi)害預(yù)報(bào)和風(fēng)險(xiǎn)管理提供了理論支撐；Cai等［9］基于水動(dòng)力模型和GIS技術(shù)建立了一種新型多指標(biāo)MFCE洪災(zāi)風(fēng)險(xiǎn)評(píng)估模型，并對(duì)江西省宜豐市區(qū)進(jìn)行了洪災(zāi)風(fēng)險(xiǎn)評(píng)估和風(fēng)險(xiǎn)制圖；黃國(guó)如等［10］采用GIS的情景模擬法構(gòu)建了廣州東濠涌流域的城市防洪仿真模型，為城市防洪排澇和區(qū)域洪災(zāi)治理提供了科學(xué)依據(jù)；蔣雯京等［11］基于GIS/AHP集成技術(shù)對(duì)浙江省洪澇災(zāi)害進(jìn)行風(fēng)險(xiǎn)評(píng)估和制圖，彌補(bǔ)了傳統(tǒng)評(píng)估方法在空間化顯示上的不足。

上述方法中，不論是貝葉斯網(wǎng)絡(luò)模型還是基于歷史災(zāi)害數(shù)據(jù)庫(kù)的洪災(zāi)風(fēng)險(xiǎn)評(píng)估，都受限于統(tǒng)計(jì)資料的精度和質(zhì)量，評(píng)估結(jié)果不夠準(zhǔn)確。相比之下，AHP方法

不需要?dú)v史數(shù)據(jù)的支撐，通過分析影響因子之間的相關(guān)性來確定它們的權(quán)重，可以達(dá)到定量與定性相結(jié)合的效果，但潛在的關(guān)系是由經(jīng)驗(yàn)定義的，具有一定的主觀性，而熵權(quán)法則可以較好地彌補(bǔ)人為因素對(duì)權(quán)重的干擾。此外，耦合流體動(dòng)力學(xué)和GIS的情景模擬法在小尺度或小流域的風(fēng)險(xiǎn)評(píng)估中優(yōu)勢(shì)明顯，但其對(duì)模型內(nèi)各類數(shù)據(jù)要求較為精細(xì)，難以滿足大尺度、空間差異較大的災(zāi)情評(píng)估。

本研究采用指標(biāo)體系法，利用GIS的空間分析能力，對(duì)洪災(zāi)致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體三個(gè)方向的評(píng)價(jià)指標(biāo)進(jìn)行綜合處理，再采用熵權(quán)法和AHP法對(duì)指標(biāo)進(jìn)行組合賦權(quán)，最后根據(jù)災(zāi)害系統(tǒng)論模型進(jìn)行疊加分析，得到贛州市洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)空間分布結(jié)果，并與歷史災(zāi)情數(shù)據(jù)對(duì)比驗(yàn)證。研究成果可為贛州市及同類型城市洪澇災(zāi)害風(fēng)險(xiǎn)管理與防洪減災(zāi)工作提供理論依據(jù)和參考案例。

1 研究區(qū)概況

贛州市地處江西省最南部，是江西省轄面積最大、人口最多的地級(jí)市，受亞熱帶季風(fēng)氣候影響，全年濕潤(rùn)，春夏降雨集中，冬季干旱，降雨時(shí)空分布不均，每年的5～8月為強(qiáng)降雨季，占全年雨量的60%～80%，且多大到暴雨。贛州市地勢(shì)復(fù)雜，周高中低，南高北低，斷陷盆地橫貫，地形以山地、丘陵、盆地為主，易積澇，水系發(fā)達(dá)，河網(wǎng)密布，各區(qū)縣千余條支流交匯，極易發(fā)生洪澇災(zāi)害。據(jù)贛州市水文統(tǒng)計(jì)［12］，1950～2020年，共發(fā)生特大洪澇災(zāi)害近80次，其中2015年“5·19”梅江中下游發(fā)生特大暴雨洪災(zāi)，造成巨大人員傷亡，直接經(jīng)濟(jì)損失20.12億元。

2 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)包括：1994～2020年中國(guó)逐月降水量數(shù)據(jù)，來源于國(guó)家科學(xué)數(shù)據(jù)共享工程——地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)，日度降雨數(shù)據(jù)來源于國(guó)家氣象科學(xué)數(shù)據(jù)中心；贛州市30 m分辨率DEM數(shù)據(jù)與2020年Landsat 8衛(wèi)星數(shù)據(jù)，來源于地理空間數(shù)據(jù)云；土壤類型數(shù)據(jù)、2020年土地利用數(shù)據(jù)、2015年人口密度數(shù)據(jù)與2015年GDP數(shù)據(jù)分辨率均為1 km，來源于資源環(huán)境科學(xué)與數(shù)據(jù)中心。

由于數(shù)據(jù)來源與格式不統(tǒng)一，為提高實(shí)驗(yàn)精度與保證數(shù)據(jù)的一致性，使用前需用GIS軟件對(duì)降雨量數(shù)據(jù)進(jìn)行空間插值處理。借鑒已有研究［13］，城市范圍內(nèi)，市級(jí)區(qū)域?qū)儆诖蟪叨?，評(píng)價(jià)單元在1～500 m以內(nèi)均合理，因此對(duì)其他柵格數(shù)據(jù)進(jìn)行投影變換和地理裁剪后，統(tǒng)一重采樣為30 m×30 m分辨率的格網(wǎng)。

3 研究方法

3.1 評(píng)估模型

本文采用指標(biāo)體系法對(duì)贛州市洪澇災(zāi)害進(jìn)行風(fēng)險(xiǎn)評(píng)估，具體步驟如下：①? 構(gòu)建包含致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系；②? 對(duì)熵權(quán)法與AHP法進(jìn)行組合優(yōu)化，確定各指標(biāo)因子的權(quán)重；③? 運(yùn)用GIS軟件對(duì)各指標(biāo)因子進(jìn)行空間化，按照研究區(qū)現(xiàn)狀對(duì)各評(píng)價(jià)指標(biāo)進(jìn)行分級(jí)處理；④? 對(duì)各評(píng)價(jià)指標(biāo)進(jìn)行加權(quán)疊加，得到研究區(qū)內(nèi)洪澇災(zāi)害危險(xiǎn)性、易損性、敏感性的空間分布，并將贛州市洪澇災(zāi)害風(fēng)險(xiǎn)指數(shù)可視化。

洪澇災(zāi)害風(fēng)險(xiǎn)是由致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性共同作用的結(jié)果［14］，而各方向隸屬的指標(biāo)因子對(duì)災(zāi)害形成的方式也不盡相同，因此構(gòu)建洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估模型如下：

3.2 指標(biāo)因子選取與權(quán)重確定

3.2.1 指標(biāo)因子選取

洪澇災(zāi)害指標(biāo)的選取不僅要遵循科學(xué)性與代表性，還要依據(jù)研究區(qū)內(nèi)的實(shí)際情況與數(shù)據(jù)資料收集的難易程度進(jìn)行合理修正。致災(zāi)因子一般選用極端氣象事件或長(zhǎng)時(shí)序降雨量等反映危險(xiǎn)性的指標(biāo)［15］，如多年降雨均值、雨季降雨量和年均暴雨天數(shù)等；孕災(zāi)環(huán)境一般選用水文環(huán)境、綜合地形因子和草木植被等反映敏感性的指標(biāo)，如水系密度、高程、高程標(biāo)準(zhǔn)差、坡度、植被覆蓋度、土壤類型等；承災(zāi)體一般選用城市社會(huì)經(jīng)濟(jì)、人口分布和土地利用情況等反映易損性的指標(biāo)，如人口密度、GDP、土地利用率等。

（1） 致災(zāi)因子（危險(xiǎn)性）。贛州市洪災(zāi)主要由長(zhǎng)時(shí)序降雨和高強(qiáng)度暴雨引起。本研究選取年平均降雨量（H1）、雨季降雨量（H2）和年均暴雨天數(shù)（H3）3個(gè)因子作為危險(xiǎn)性評(píng)價(jià)指標(biāo)。研究區(qū)內(nèi)洪災(zāi)主要發(fā)生在春夏兩季，因此雨季降雨量選擇每年5～8月的降雨量總和。根據(jù)國(guó)家氣象規(guī)定，將連續(xù)24 h降雨量超過50 mm的極端降雨事件稱為暴雨事件，本研究中將暴雨天數(shù)定義為1 a內(nèi)發(fā)生暴雨事件的次數(shù)之和。

（2） 孕災(zāi)環(huán)境（敏感性）。洪澇災(zāi)害的孕育條件包括研究區(qū)內(nèi)的地形地貌、草木土壤和水系環(huán)境等。本研究選取高程（S1）、坡度（S2）、河網(wǎng)密度（S3）、植被覆蓋度（S4）、土壤類型（S5）5個(gè)因子作為敏感性評(píng)價(jià)指標(biāo)。地形因素對(duì)洪災(zāi)的形成影響巨大，海拔越高、地形起伏越大、地勢(shì)越陡峭的地區(qū)越不容易發(fā)生洪災(zāi)，反之海拔低、地勢(shì)低洼的地區(qū)發(fā)生洪災(zāi)的風(fēng)險(xiǎn)較大。草木植被情況和土壤類型對(duì)洪水的發(fā)生也有一定的影響，植被具有一定的水土保持能力，且不同的土壤類型對(duì)水蝕的抵抗能力也不盡相同，植被覆蓋率越高、土壤抗水蝕能力越強(qiáng)的地區(qū)發(fā)生洪災(zāi)的概率越小。河網(wǎng)密度往往反映一個(gè)地區(qū)洪水來臨時(shí)受江河湖泊的影響程度，水系越發(fā)達(dá)、河流交匯越復(fù)雜的地區(qū)發(fā)生洪災(zāi)的可能性越大。

（3） 承災(zāi)體（易損性）。城市洪澇災(zāi)害的主要承受對(duì)象是社會(huì)經(jīng)濟(jì)和人口。近年來，贛州市經(jīng)濟(jì)發(fā)展迅速，人口快速增長(zhǎng)，礦山及果業(yè)開發(fā)力度大，洪災(zāi)對(duì)礦業(yè)開采和農(nóng)業(yè)果園種植影響頗大。本文選取人口密度（V1）、地均GDP（V2）、土地利用（V3）3個(gè)因子作為易損性風(fēng)險(xiǎn)指標(biāo)。

3.2.2 指標(biāo)因子權(quán)重確定

3.2.2.1 層次分析法

層次分析法［11］最早由T.L.Saaty提出，用于解決多因素互相關(guān)聯(lián)、互相制約卻又往往缺少定量數(shù)據(jù)的問題。本文運(yùn)用層次分析法對(duì)危險(xiǎn)性、敏感性和易損性指標(biāo)賦予主觀權(quán)重，具體步驟如下：

（1） 根據(jù)決策問題與相關(guān)因子建立遞階層次模型，模型如圖（1）所示。

4 結(jié)果與分析

4.1 危險(xiǎn)性評(píng)價(jià)與分析

洪澇災(zāi)害危險(xiǎn)性主要由降雨量決定，本研究將全國(guó)多年降雨月度數(shù)據(jù)進(jìn)行研究區(qū)裁剪和地理配準(zhǔn)之后求和，得到年平均降雨量（H1）和雨季降雨量（H2）；將贛州市17個(gè)氣象站多年降雨日度數(shù)據(jù)篩選后進(jìn)行反距離插值，得到年均暴雨天數(shù)（H3），然后根據(jù)自然斷點(diǎn)分級(jí)法，將上述3個(gè)指標(biāo)按危險(xiǎn)性等級(jí)劃分為低、次低、中、次高、高危險(xiǎn)5個(gè)等級(jí)，并賦值為1，2，3，4，5，最后運(yùn)用ArcGIS柵格計(jì)算功能，將危險(xiǎn)性指標(biāo)進(jìn)行加權(quán)疊加，危險(xiǎn)性H=0.324H1+0.293H2+0.383H3，得到洪澇災(zāi)害危險(xiǎn)性空間分布結(jié)果如圖2所示。

從圖2中可以看出：贛州市降雨主要集中在東北部的寧都縣、石城縣和西南部的龍南市、全南縣，年平均降雨量超過2 000 mm；雨季降雨也以南部居多，其中寧都縣、尋烏縣、龍南市、章貢區(qū)暴雨天數(shù)最多，因此贛州市高危險(xiǎn)區(qū)主要分布在東北部和南部等降雨充沛地區(qū)。

4.2 敏感性評(píng)價(jià)與分析

本研究選取高程（S1）和坡度（S2）作為反映研究區(qū)地形的兩個(gè)指標(biāo)。高程為基礎(chǔ)地理因子，由DEM柵格裁剪直接得到，坡度則表示地形變化程度，利用GIS軟件對(duì)高程?hào)鸥襁M(jìn)行坡度提取得到；選取河網(wǎng)密度（S3）作為反映水系河流的指標(biāo)，河網(wǎng)密度指單位面積水系的長(zhǎng)度，首先利用基礎(chǔ)DEM數(shù)據(jù)進(jìn)行填挖與流量計(jì)算，然后以河水匯流面積5 000 m2為閾值進(jìn)行水文分析，提取出柵格河網(wǎng)并將其矢量化，最后以半徑2 km的圓形鄰域?yàn)樗阉鞣秶?jì)算出河網(wǎng)密度；選取植被覆蓋度（S4）和土壤類型（S5）作為草木土壤指標(biāo)。

本文利用改進(jìn)的像元二分模型計(jì)算植被覆蓋度［17］，土壤類型指標(biāo)則按照抗水蝕能力和抗崩解能力從大到小排序［18］：黃壤、黃棕壤＞水稻土＞紅壤＞紫色土、石灰?guī)r土、火山灰土、粗骨土＞其他，依次對(duì)應(yīng)等級(jí)5～1。上述5個(gè)指標(biāo)均按照自然斷點(diǎn)分級(jí)法重分類并賦值，其中高程（S1）、坡度（S2）和植被覆蓋度（S4）為負(fù)向指標(biāo)，賦值時(shí)應(yīng)取反，最后按公式進(jìn)行加權(quán)疊加，敏感性S=0.314S1+0.259S2+0.161S3+0.152S4+0.114S5，得到洪水敏感性空間分布結(jié)果如圖3所示。

從圖3（f）中可以看出，研究區(qū)內(nèi)洪澇災(zāi)害敏感性程度由河道向周圍發(fā)散，水系越發(fā)達(dá)、離江河越近的地區(qū)越容易發(fā)生洪災(zāi)，且由于人為擾動(dòng)，河網(wǎng)密度大的地區(qū)往往地勢(shì)低洼，坡度平緩，植被覆蓋度低，易于洪水匯集。而贛州市作為著名的紅壤丘陵區(qū)，土壤類型地域性強(qiáng)，紅壤含量占整個(gè)研究區(qū)的80%，因此土壤類型指標(biāo)對(duì)研究區(qū)內(nèi)洪澇災(zāi)害敏感性影響不大。贛州市高敏感區(qū)主要位于各江河流域的輻輳地帶，此類地區(qū)高程均小于300 m，坡度小于8°，植被覆蓋度低于40%，低敏感區(qū)主要位于各山脈逶迤伸展區(qū)，海拔高，坡度大，例如崇義、上猶縣與齊云山脈的交界處等。

4.3 易損性評(píng)價(jià)與分析

本研究選取人口密度（V1）作為反映人口現(xiàn)狀的指標(biāo)，利用GIS軟件對(duì)2015年全國(guó)人口密度數(shù)據(jù)進(jìn)行裁剪和重采樣，然后根據(jù)自然斷點(diǎn)分級(jí)法進(jìn)行重分類并賦值（同4.1節(jié)的危險(xiǎn)性指標(biāo)）；選取地均GDP（V2）和土地利用（V3）作為反映經(jīng)濟(jì)情況的指標(biāo)，GDP指標(biāo)處理方式和人口密度指標(biāo)一致，土地利用指標(biāo)則基于2020年中國(guó)土地利用現(xiàn)狀數(shù)據(jù)，對(duì)其進(jìn)行裁剪和重采樣之后，按不同類型對(duì)易損性影響進(jìn)行重分類并賦值，其中耕地最易受損，賦值為5，城鄉(xiāng)居民用地次之，賦值為4，草地和未利用賦值為3，林地為2，水域?yàn)?。將上述指標(biāo)按公式進(jìn)行加權(quán)疊加，易損性V=0.386V1+0.381V2+0.233V3，得到洪水易損性空間分布結(jié)果，見圖4。

由圖4可知，洪水災(zāi)害高易損區(qū)主要分布在章貢區(qū)內(nèi)，次高易損區(qū)主要分布在南康區(qū)、瑞金市、信豐縣、大余縣的中心，少部分位于于都縣和龍南市。上述區(qū)域人口密度大、經(jīng)濟(jì)水平較高，且耕地和城鄉(xiāng)居民用地占比大，洪水來臨時(shí)極易受損。低易損和次低易損區(qū)主要分布在尋烏縣、安遠(yuǎn)縣和崇義縣，人口密度小，經(jīng)濟(jì)水平一般，且林地、草地覆蓋率高，易損性相對(duì)較小。

4.4 風(fēng)險(xiǎn)性評(píng)價(jià)與分析

將危險(xiǎn)性、敏感性和易損性的空間分布結(jié)果與權(quán)重帶入到公式（4）中，風(fēng)險(xiǎn)度R=0.355H+0.448S+0.197V，得到洪災(zāi)綜合風(fēng)險(xiǎn)指數(shù)分布結(jié)果，并對(duì)其進(jìn)行重分類，分別以2.17，2.53，2.85，3.25為界限劃分低、次低、中、次高、高風(fēng)險(xiǎn)區(qū)，最后得到洪水災(zāi)害風(fēng)險(xiǎn)等級(jí)，如圖5所示。

研究區(qū)內(nèi)高風(fēng)險(xiǎn)地區(qū)占總面積的9.7%，主要分布在寧都縣、石城縣、章貢區(qū)、龍南市、尋烏縣、瑞金市中部和全南縣西部；次高風(fēng)險(xiǎn)區(qū)占總面積的21.8%，主要分布在南康區(qū)中部、大余縣東部、信豐縣中部、定南縣、于都縣；中風(fēng)險(xiǎn)區(qū)占總面積的26.3%，主要分布在會(huì)昌縣中部、安遠(yuǎn)縣、興國(guó)縣、贛縣區(qū)和上猶縣東部；低風(fēng)險(xiǎn)區(qū)和次低風(fēng)險(xiǎn)區(qū)分別占總面積的16.2%和25.8%，主要分布在崇義縣、上猶縣、贛縣區(qū)和于都縣南部。贛州市各級(jí)風(fēng)險(xiǎn)區(qū)呈片狀分布，且各區(qū)域風(fēng)險(xiǎn)主導(dǎo)因素不同，其中龍南縣、全南縣、寧都縣、石城縣、尋烏縣受極端氣象因素影響嚴(yán)重，降雨充沛，所以高危險(xiǎn)性占主導(dǎo)地位；章貢區(qū)和南康區(qū)作為主城區(qū)，也是贛州市的經(jīng)濟(jì)行政中心，人口密度和GDP比重高，地勢(shì)平坦、江河交錯(cuò)，所以高危險(xiǎn)性和高敏感性占主導(dǎo)地位；崇義縣和上猶縣海拔高，地勢(shì)陡峭，人口密度小且經(jīng)濟(jì)水平不高，所以低敏感性和低易損性占主導(dǎo)地位；而信豐縣、大余縣、安遠(yuǎn)縣、會(huì)昌縣地形、植被、土地利用等指標(biāo)集成影響均衡，所以中風(fēng)險(xiǎn)區(qū)和次高風(fēng)險(xiǎn)區(qū)占比大。

4.5 結(jié)果驗(yàn)證

本研究共統(tǒng)計(jì)贛州市4次歷史洪澇災(zāi)害資料中的極端災(zāi)害點(diǎn)，分別為“2008·7”［19］尋烏流域暴雨事件中受災(zāi)嚴(yán)重的尋烏縣，“2009·7”［20］章江流域暴雨洪災(zāi)事件中的崇義縣聶都、鉛廠一代、大余縣城及南康市區(qū)等地，“2015·5”［21］梅江流域暴雨災(zāi)情中的寧都、石城、瑞金、于都以及“2019·6”［22］暴雨事件中的龍南、大余、寧都、會(huì)昌、全南等地，將極端災(zāi)害點(diǎn)與災(zāi)害風(fēng)險(xiǎn)等級(jí)圖進(jìn)行疊加，計(jì)算落入各風(fēng)險(xiǎn)區(qū)中災(zāi)害點(diǎn)的數(shù)量與百分比（見表2），量化評(píng)估結(jié)果的精度。

由表2可知，80.56％的極端災(zāi)害點(diǎn)在次高危險(xiǎn)及以上風(fēng)險(xiǎn)區(qū)內(nèi)，說明本文得出的贛州市洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)圖精度較高，與歷史洪災(zāi)情況基本一致。

5 結(jié) 論

本文基于自然災(zāi)害風(fēng)險(xiǎn)理論，利用指標(biāo)體系法，從致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性和承災(zāi)體易損性3個(gè)方面共選取11個(gè)評(píng)價(jià)指標(biāo)，構(gòu)建了贛州市洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估模型。運(yùn)用信息熵改進(jìn)AHP方法對(duì)各指標(biāo)進(jìn)行組合賦權(quán)，并利用GIS技術(shù)對(duì)各因子圖層進(jìn)行疊加分析，得到贛州市洪澇災(zāi)害危險(xiǎn)性、敏感性、易損性評(píng)價(jià)圖和贛州市洪澇災(zāi)害風(fēng)險(xiǎn)分布圖，并對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估，得出以下結(jié)論。

（1） 基于主客觀結(jié)合的思想，采用熵權(quán)法和AHP法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行組合賦權(quán)，規(guī)避了傳統(tǒng)評(píng)估方法中人為因素的干擾和采用單方面權(quán)重對(duì)風(fēng)險(xiǎn)評(píng)估體系構(gòu)建的局限性，同時(shí)GIS技術(shù)彌補(bǔ)了傳統(tǒng)風(fēng)險(xiǎn)評(píng)估中空間化顯示的不足。經(jīng)結(jié)果驗(yàn)證：80％以上的歷史災(zāi)害點(diǎn)落在本次洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)圖的次高風(fēng)險(xiǎn)區(qū)和高風(fēng)險(xiǎn)區(qū)內(nèi)，評(píng)估結(jié)果與歷史災(zāi)情數(shù)據(jù)及前人研究結(jié)果基本吻合。因此，本研究可為贛州市防洪減災(zāi)工作和城市風(fēng)險(xiǎn)管理提供理論依據(jù)，并對(duì)城市洪澇災(zāi)害及其他災(zāi)害的風(fēng)險(xiǎn)評(píng)價(jià)有較高的科學(xué)性與實(shí)用性參考。

（2） 根據(jù)洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)分布結(jié)果顯示，高風(fēng)險(xiǎn)區(qū)和次高風(fēng)險(xiǎn)區(qū)分別占研究區(qū)總面積的9.7%和21.8%，且主要集中在極端氣象事件高發(fā)區(qū)，所以降雨因素是城市洪澇災(zāi)害發(fā)生的源頭；低風(fēng)險(xiǎn)區(qū)和次低風(fēng)險(xiǎn)區(qū)分別占研究區(qū)總面積的16.2%和25.8%，且大多處在地勢(shì)高、坡度大、人口稀疏、植被覆蓋度高的地區(qū)，因此其低敏感性與低易損性占主導(dǎo)地位。

參考文獻(xiàn)：

［1］ 符洪恩，高藝桔，馮瑩瑩，等.基于GA-SVR-C的城市暴雨洪澇災(zāi)害危險(xiǎn)性預(yù)測(cè)：以深圳市為例［J］.人民長(zhǎng)江，2021，52（8）：16-21.

［2］ 夏軍.中國(guó)暴雨洪澇預(yù)報(bào)方法的研究進(jìn)展［J］.暴雨災(zāi)害，2019，38（5）：416-421.

［3］ 劉雄.大數(shù)據(jù)技術(shù)在城市洪澇災(zāi)害分析預(yù)警中的應(yīng)用研究［D］.武漢：華中科技大學(xué)，2015.

［4］ 《中國(guó)水旱災(zāi)害公報(bào)2020》發(fā)布公告［J］.中國(guó)防汛抗旱，2021，21（4）：3.

［5］ WU Z N，SHEN Y X，WANG，M H L，et al.Urban flood disaster risk evaluation based on ontology and Bayesian Network［J］.Journal of Hydrology，2020，583：124596.

［6］ CHINH L，JASON V M，MOHAMMAD M.Analyzing Vietnam′s national disaster loss database for flood risk assessment using multiple linear regression-TOPSIS［J］.International Journal of Disaster Risk Reduction，2019，40：101153.

［7］ 劉合香，徐慶娟.區(qū)域洪澇災(zāi)害風(fēng)險(xiǎn)的模糊綜合評(píng)價(jià)與預(yù)測(cè)［J］.災(zāi)害學(xué)，2007，22（4）：38-42.

［8］ 羅日洪，黃錦林，唐造造.基于AHP和GIS的山區(qū)小流域山洪災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究［J］.災(zāi)害學(xué)，2018，33（2）：64-69.

［9］ CAI T，LI X Y，DING X，et al.Flood risk assessment based on hydrodynamic model and fuzzy comprehensive evaluation with GIS technique［J］.International Journal of Disaster Risk Reduction，2019，35：101077.

［10］ 黃國(guó)如，羅海婉，陳文杰，等.廣州東濠涌流域城市洪澇災(zāi)害情景模擬與風(fēng)險(xiǎn)評(píng)估［J］.水科學(xué)進(jìn)展，2019，30（5）：643-652.

［11］ 蔣雯京，程春梅，張艷蓓，等.基于GIS/AHP集成的浙江省洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估［J］.測(cè)繪通報(bào)，2019（2）：125-130.

［12］ 胡文生，伍人高，張修飛.贛南洪澇災(zāi)害之淺析與對(duì)策之初探［C］∥中國(guó)水利學(xué)會(huì).中國(guó)水利學(xué)會(huì)2016學(xué)術(shù)年會(huì)論文集，南京：河海大學(xué)出版社，2016：1311-1315.

［13］ 羅海婉，黃國(guó)如.洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估單元選取方法研究［J］.水電能源科學(xué)，2021，39（3）：24-27.

［14］ 劉媛媛，王紹強(qiáng)，王小博，等.基于AHP_熵權(quán)法的孟印緬地區(qū)洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估［J］.地理研究，2020，39（8）：15.

［15］ 陳鵬，朱娛瑩.基于日降雨量的城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)：以長(zhǎng)春市南關(guān)區(qū)為例［J］.人民長(zhǎng)江，2022，53（4）：26-30.

［16］ 程朋根，黃毅.基于AHP-熵權(quán)法的南昌市洪澇風(fēng)險(xiǎn)評(píng)估［J］.人民長(zhǎng)江，2021，52（10）：18-25.

［17］ 李苗苗，吳炳方，顏長(zhǎng)珍，等.密云水庫(kù)上游植被覆蓋度的遙感估算［J］.資源科學(xué)，2004（4）：153-159.

［18］ 梁音，史學(xué)正.長(zhǎng)江以南東部丘陵山區(qū)土壤可蝕性K值研究［J］.水土保持研究，1999（2）：48-53.

［19］ 徐珊珊，徐偉成.尋烏水流域“2008·7”暴雨洪水調(diào)查分析［J］.人民珠江，2009，30（4）：6-7，14.

［20］ 徐珊珊，徐偉成.章江流域“2009.7”山溪暴雨洪水特性分析［J］.江西水利科技，2014，40（2）：89-91.

［21］ 謝水石，徐偉成.梅江流域“2015·5”暴雨洪水調(diào)查分析［J］.江西水利科技，2016，42（6）：449-453.

［22］ 江西省減災(zāi)委員會(huì).江西省2019年自然災(zāi)害公報(bào)［R］.南昌：江西省減災(zāi)委員會(huì)，2020.

（編輯：高小雲(yún)）

Abstract：

To conduct scientific and effective risk analysis on flood disasters and to reduce flood losses，taking Ganzhou City in Jiangxi Province as an example，based on disaster risk theory，we built a flood risk assessment system by selecting multi-source environmental flood regulation factors and socio-economic parameters in terms of risk，sensitivity and vulnerability.With the help of geographical processing and spatial analysis functions of GIS，a weight distribution map was drawn by combining information entropy and AHP method.A distribution map of flood disaster risk grade in Ganzhou City was given，and the flood disaster risk was assessed.The results show that the flood risk in Ganzhou City is distributed in a stretch shape，and the high risk area and the second high risk area account for 97% and 218% of the total area respectively，of which the high risk area is mainly distributed in Ningdu，Shicheng and Ruijin in the northeast of Ganzhou City，Zhanggong District in the center of Ganzhou City and Quannan，Longnan and Xunwu in the southern Ganzhou City.The evaluation results are basically consistent with historical disaster data.This study can provide theoretical support for urban flood control governance and risk management.

Key words：

flood disaster；risk assessment；GIS；information entropy；AHP；combined weights