摘 要：選取1978—2020年宜州國家基本氣象站和2014—2020年區(qū)域氣象站觀測數(shù)據(jù)和宜州區(qū)地理信息、暴雨災(zāi)情及其社會經(jīng)濟(jì)資料。對氣象數(shù)據(jù)進(jìn)行歸一化處理，采用信息熵賦權(quán)法、自然斷點分級法等進(jìn)行宜州區(qū)災(zāi)害危險性評估，利用GIS技術(shù)和多因子疊加的統(tǒng)計方法，分別綜合分析宜州區(qū)暴雨致災(zāi)因子危險性、承災(zāi)體暴露度和承災(zāi)體脆弱性，得出宜州區(qū)暴雨災(zāi)害風(fēng)險評估與區(qū)劃結(jié)果。

關(guān)鍵詞：暴雨災(zāi)害；致災(zāi)危險性；風(fēng)險評估；風(fēng)險區(qū)劃

中圖分類號：P426.616 文獻(xiàn)標(biāo)志碼：B 文章編號：2095–3305（2024）07–0-03

河池市宜州區(qū)位于廣西壯族自治區(qū)中部偏北，是廣西氣象災(zāi)害發(fā)生和影響最嚴(yán)重地區(qū)之一，災(zāi)害性天氣類型多、影響的面積大、出現(xiàn)的頻率高。在全球氣候變暖的背景下，因氣象災(zāi)害引發(fā)的損失變得更大，危害更重，防災(zāi)減災(zāi)工作形勢嚴(yán)峻[1-2]。2019年5月27日河池市宜州區(qū)出現(xiàn)大暴雨，部分鄉(xiāng)鎮(zhèn)發(fā)生洪澇災(zāi)害。據(jù)統(tǒng)計，全區(qū)有1.61萬人受災(zāi)，受災(zāi)農(nóng)作物538 hm2，部分鄉(xiāng)鎮(zhèn)遭受不同程度洪澇災(zāi)害，直接經(jīng)濟(jì)損失

2 246.1萬元。隨著對暴雨災(zāi)害研究的深入，許多學(xué)者在暴雨災(zāi)害風(fēng)險評估與區(qū)劃分析上已取得一定的成果，當(dāng)前開展的風(fēng)險評估大部分是針對省域尺度，關(guān)于縣級風(fēng)險評估的研究較少[3-4]。綜合考慮暴雨災(zāi)害危險性、承災(zāi)體暴露度、脆弱性及防災(zāi)減災(zāi)能力等評估暴雨災(zāi)害風(fēng)險，依據(jù)暴雨災(zāi)害風(fēng)險評估結(jié)果，綜合考慮行政區(qū)劃，對暴雨災(zāi)害風(fēng)險進(jìn)行基于空間單元的劃分，以摸清氣象災(zāi)害風(fēng)險隱患底數(shù)，掌握重點區(qū)域抗災(zāi)能力，客觀認(rèn)識氣象災(zāi)害綜合風(fēng)險水平，提高氣象災(zāi)害風(fēng)險預(yù)報預(yù)警能力，為地方政府及各部門有效開展氣象災(zāi)害防治工作和應(yīng)急管理工作提供科學(xué)決策依據(jù)。

1 資料來源與研究方法

1.1 資料來源

選取1978—2020年宜州國家基本氣象站和2014—2020年區(qū)域氣象站氣象要素觀測資料；縣級行政區(qū)劃邊界矢量數(shù)據(jù)來源于國務(wù)院普查辦，鄉(xiāng)鎮(zhèn)邊界及行政點數(shù)據(jù)來源于廣西自然資源廳提供的廣西天地圖公眾版矢量數(shù)據(jù)和廣西天地圖公眾版；數(shù)字高程數(shù)據(jù)采用的是SRTM的30s DEM數(shù)據(jù)。選取國務(wù)院普查辦下發(fā)的分辨率為30s的關(guān)于人口、GDP、農(nóng)作物（水稻、玉米）等承災(zāi)體網(wǎng)格數(shù)據(jù)，以及廣西氣象災(zāi)情數(shù)據(jù)庫提供的1978年1月1—2020年12月31日的歷史災(zāi)害數(shù)據(jù)《氣象災(zāi)害大典：廣西卷》《廣西氣候影響評價》《廣西地方志》《廣西通志·氣象志》，以及廣西壯族自治區(qū)應(yīng)急管理廳、廣西壯族自治區(qū)民政廳及其他相關(guān)部門提供的災(zāi)情數(shù)據(jù)。

1.2 研究方法

1.2.1 信息熵賦權(quán)法

信息熵代表系統(tǒng)的有序程度。綜合評價多指標(biāo)時，熵權(quán)法能客觀反映各評價指標(biāo)權(quán)重。一個系統(tǒng)有序程度越高，其熵值就越大，權(quán)重則越??；相反，一個系統(tǒng)無序程度越高，熵值就越小，權(quán)重則會越大。針對一個評價指標(biāo)，指標(biāo)值之間的差異越大，綜合評價時該指標(biāo)的作用就越大；若某一項指標(biāo)的值均相等，綜合評價中該指標(biāo)不具有作用。

1.2.2 自然斷點分級法

自然斷點法即地圖分級算法。利用數(shù)據(jù)斷點的特性開展分級。該算法采用的是小聚類原理，聚類結(jié)束前提為組間方差最大、組內(nèi)方差最小。

1.2.3 致災(zāi)因子危險性評估方法

利用1978—2020年宜州國家氣象觀測站與區(qū)域自動站逐日降水量資料，篩選1 h最大降水量（I1pre）、3 h最大降水量（I3pre）、6 h最大降水量（I6pre）、最大日降水量（I24pre）、累計降水量（Ipre）、持續(xù)天數(shù)（Iday）為致災(zāi)因子，對6個特征量進(jìn)行歸一化處理，暴雨過程強(qiáng)度指數(shù)計算公式為：

IR=A×I1pre+B×I3pre+C×I6pre+D×I24pre+E×Ipre+F×Iday（1）

式（1）中，IR為單站暴雨過程強(qiáng)度指數(shù)；I1pre、I3pre、I6pre、I24pre、Ipre和Iday分別是歸一化處理的1 h最大降水量、3 h最大降水量、6 h最大降水量、最大日降水量、累計降水量、持續(xù)天數(shù)的評估指標(biāo)數(shù)值；A、B、C、D、E、F分別為各個指標(biāo)數(shù)值的權(quán)重系數(shù)，分別取0.04、0.04、0.04、0.11、0.12、0.65。

暴雨致災(zāi)危險性包括暴雨強(qiáng)度和孕災(zāi)環(huán)境兩方面，致災(zāi)危險性指數(shù)ID計算公式如下：

ID=（1+Ic）×IR（2）

暴雨孕災(zāi)環(huán)境指的是對暴雨影響出現(xiàn)的洪澇、泥石流、滑坡、城市內(nèi)澇等次生災(zāi)害起作用的如地形、水系、土壤類型、植被分布等自然環(huán)境，暴雨孕災(zāi)環(huán)境的影響系數(shù)Ic，Ic縮放至［-0.3，0.3］；Ic的值越大，表明孕災(zāi)環(huán)境加重暴雨致災(zāi)危險的可能性越大。其ID指數(shù)為0.207～0.518。

1.2.4 承災(zāi)體暴露度和脆弱性評估法

選取人口、國民經(jīng)濟(jì)、水稻、玉米作為承災(zāi)體，分別以縣域內(nèi)常住人口密度、GDP密度、水稻及玉米種植面積為暴露度指標(biāo)，以受暴雨影響發(fā)生的受災(zāi)和死亡人口比例、直接經(jīng)濟(jì)損失比例、農(nóng)作物受災(zāi)面積比例為脆弱性指標(biāo)，分別進(jìn)行暴露度和脆弱度分析。

1.2.5 風(fēng)險評估和區(qū)劃法

按暴雨災(zāi)害風(fēng)險的形成原理及評價指標(biāo)體系，構(gòu)建風(fēng)險評估模型如下：

MDRI=（TIwe）×（EIwh）×（VIws）（3）

式（3）中，MDRI表示暴雨災(zāi)害風(fēng)險指數(shù)，指暴雨災(zāi)害的風(fēng)險程度，MDRI的值增大，災(zāi)害風(fēng)險程度也增大，TI、EI、VI分別為暴雨致災(zāi)危險性、承災(zāi)體暴露度、承災(zāi)體脆弱性的指數(shù)。we、wh、ws是致災(zāi)危險性、暴露度和脆弱性指數(shù)的權(quán)重，分別取0.5、0.5、0.0。結(jié)合暴雨對人口、經(jīng)濟(jì)、水稻和玉米的暴雨災(zāi)害風(fēng)險的評估結(jié)果，運用自然斷點分級法，將風(fēng)險等級劃分為高、較高、中等、較低、低共5個風(fēng)險等級。

2 結(jié)果與分析

2.1 暴雨致災(zāi)因子特征分析

2.1.1 降水

據(jù)宜州國家基本氣象站資料統(tǒng)計，1978—2020年降水量在923.2（1988年）～2 062.3 mm（1994年），年平均降水量為1 389.6 mm，未通過顯著性檢驗，上升趨勢不顯著。降水集中在3—10月，降水量共計1 247.1 mm，為全年降水量的86.6%；各月降水量為65.9～317.1 mm，分布呈現(xiàn)單峰型，其中，6月降水量最多、10月為最少。

2.1.2 暴雨日數(shù)

宜州區(qū)1978—2020年的年暴雨日數(shù)在1（1984年）～11 d（2008年），年平均暴雨日數(shù)為5.37 d，未通過顯著性檢驗，上升趨勢不明顯；4—10月暴雨日數(shù)占年暴雨日數(shù)的93%以上。4—10月各月平均暴雨日數(shù)為0.23～1.51 d，呈單峰型分布，6月最多，與其月降水量變化一致。

2.1.3 大暴雨日數(shù)

據(jù)宜州國家基本氣象站資料統(tǒng)計，1978—2020年大暴雨日數(shù)為0～3 d，年平均大暴雨日數(shù)為0.7 d，未通過顯著性檢驗，但階段性特征較明顯；大暴雨日僅在5—9月出現(xiàn)，以6月最多，7、8月次之，其他月份無大暴雨日。

2.1.4 不同日數(shù)累計降水量極值

1978—2020年最大日降水量為201.3 mm，出現(xiàn)在2001年；3 d降水量極值為333.8 mm，出現(xiàn)在1998年；5 d降水量極值為361.8 mm，出現(xiàn)在1998年；10 d降水量極值為497.6 mm，出現(xiàn)在1998年。

2.1.5 單站暴雨過程

1978—2020年國家氣象觀測站共發(fā)生211次暴雨過程，年均4.9次，最多為10次（2008年）最少僅1次（1984年），未通過顯著性檢驗，上升趨勢不明顯。暴雨過程發(fā)生頻次的月際分布呈中間高兩端低，5—7月暴雨過程最多，分別為1.0、1.3、0.9次，共占全年的66.7%，1、2、12月均未出現(xiàn)暴雨過程。宜州區(qū)暴雨過程持續(xù)3 d有7次，持續(xù)2 d有10次，194次過程僅持續(xù)1 d，占總數(shù)的91.9%。宜州區(qū)暴雨過程累計降水量最大達(dá)333.8 mm，過程持續(xù)3 d，發(fā)生在1998年6月19—21日。

2.2 暴雨致災(zāi)危險性評估

利用暴雨強(qiáng)度及孕災(zāi)hAQWAi3rpkXX5a3nA7hfUKc1MxyLeuHDJqoxsRwsyG0=環(huán)境影響指數(shù)對宜州區(qū)暴雨進(jìn)行致災(zāi)危險性評估，根據(jù)危險性指數(shù)大小劃分成高、較高、較低、低共4個等級，危險性較高至高等級的區(qū)域主要位于德勝鎮(zhèn)、福龍鄉(xiāng)東部、祥貝鄉(xiāng)、同德鄉(xiāng)北部、龍頭鄉(xiāng)西部、北牙鄉(xiāng)北部；東部、南部、西北部大部分地區(qū)危險性較低（圖1）。

2.3 暴雨風(fēng)險評估與區(qū)劃

2.3.1 暴雨災(zāi)害人口風(fēng)險評估

暴雨災(zāi)害人口風(fēng)險西部、北部高于南部、東部，城鎮(zhèn)高于鄉(xiāng)村，風(fēng)險等級為高和較高的區(qū)域主要位于德勝鎮(zhèn)大部、懷遠(yuǎn)鎮(zhèn)大部、安馬鄉(xiāng)局部、龍頭鄉(xiāng)局部、北牙鄉(xiāng)東部、同德鄉(xiāng)北部、祥貝鄉(xiāng)東部、慶遠(yuǎn)鎮(zhèn)大部、福龍鄉(xiāng)東部，其他地區(qū)風(fēng)險等級相對較低（圖2）。

2.3.2 暴雨災(zāi)害GDP風(fēng)險評估

暴雨災(zāi)害GDP風(fēng)險與人口風(fēng)險分布相似，西部、北部高于南部、東部、城鎮(zhèn)高于鄉(xiāng)村，風(fēng)險等級為高和較高的區(qū)域主要位于德勝鎮(zhèn)大部、懷遠(yuǎn)鎮(zhèn)大部、安馬鄉(xiāng)局部、龍頭鄉(xiāng)局部、北牙鄉(xiāng)東部、同德鄉(xiāng)北部、祥貝鄉(xiāng)東部、慶遠(yuǎn)鎮(zhèn)大部、福龍鄉(xiāng)東部，其他地區(qū)風(fēng)險等級較低（圖3）。

2.3.3 暴雨災(zāi)害農(nóng)作物風(fēng)險評估

暴雨災(zāi)害水稻中等及以上風(fēng)險區(qū)主要位于慶遠(yuǎn)鎮(zhèn)、懷遠(yuǎn)鎮(zhèn)、洛東鎮(zhèn)北部、德勝鎮(zhèn)、同德鄉(xiāng)、北牙鄉(xiāng)中北部、福龍鄉(xiāng)東部、祥貝鄉(xiāng)大部、劉三姐鎮(zhèn)中部和東部、安馬鄉(xiāng)西部、龍頭鄉(xiāng)西部，其他區(qū)域風(fēng)險等級較低（圖4）。暴雨災(zāi)害玉米中等及以上風(fēng)險區(qū)主要位于洛東鎮(zhèn)北部和西部、慶遠(yuǎn)鎮(zhèn)大部、懷遠(yuǎn)鎮(zhèn)大部、德勝鎮(zhèn)大部、劉三姐鎮(zhèn)大部、同德鄉(xiāng)、福龍鄉(xiāng)東部、祥貝鄉(xiāng)大部、北牙鄉(xiāng)大部、洛西鎮(zhèn)北部、北山鎮(zhèn)北部、安馬鄉(xiāng)西南部、三岔鎮(zhèn)西部、龍頭鄉(xiāng)西部、石別鎮(zhèn)局部，其他區(qū)域風(fēng)險等級較低（圖5）。

3 結(jié)束語

宜州區(qū)暴雨致災(zāi)危險性分布呈西北部向東南部遞減，暴雨致災(zāi)危險性較高至高等級區(qū)域主要位于德勝鎮(zhèn)、福龍鄉(xiāng)東部、祥貝鄉(xiāng)、同德鄉(xiāng)北部、龍頭鄉(xiāng)西部、北牙鄉(xiāng)北部；其他地區(qū)危險性相對較低。暴雨災(zāi)害風(fēng)險的評估涉及多方面因素的影響，如氣象、自然環(huán)境、社會經(jīng)濟(jì)等，各個因子及其權(quán)重均有不同，構(gòu)建的風(fēng)險評估模型及區(qū)劃的準(zhǔn)確性有待進(jìn)一步深入研究。綜合考慮自然、社會、經(jīng)濟(jì)等因素對暴雨災(zāi)害進(jìn)行評估與區(qū)劃，可為地方建立完善氣象災(zāi)害風(fēng)險防范體系、制訂防災(zāi)避險和風(fēng)險管理措施、合理規(guī)劃城鄉(xiāng)布局和產(chǎn)業(yè)發(fā)展提供參考。

參考文獻(xiàn)

[1] 何振偉.河池市典型暴雨大氣環(huán)流特征分析[J].大眾科技， 2010（5）：107-108，71.

[2] 李嚴(yán)萍.宜州市一次夏季暴雨天氣過程特征分析[J].氣象研究與應(yīng)用，2007（S1）：51-52，65.

[3] 賈艷紅，白瑩，翟祿新.基于AHP-熵權(quán)法的廣西暴雨洪澇災(zāi)害風(fēng)險評估[J].測繪與空間地理信息，2023，46（10）：13-17.

[4] 陸芊芊，黃卓，鄭鳳琴，等.2022年廣西“龍舟水”暴雨災(zāi)害風(fēng)險評估和檢驗[J].氣象研究與應(yīng)用，2023，44（1）：39-43.