哈爾濱市道里區(qū)基于GIS網(wǎng)格尺度的城市暴雨積澇災害風險評價

陳 鵬，張立峰，孫瀅悅，劉家福

（吉林師范大學旅游與地理科學學院，吉林四平 136000）

哈爾濱市道里區(qū)基于GIS網(wǎng)格尺度的城市暴雨積澇災害風險評價

陳 鵬，張立峰，孫瀅悅，劉家福

（吉林師范大學旅游與地理科學學院，吉林四平 136000）

為了彌補行政區(qū)尺度的城市積澇災害風險評價精度不足問題，提出了基于網(wǎng)格尺度的城市暴雨積澇災害風險評價方法。網(wǎng)格具有柵格數(shù)據(jù)的顯示形式，同時又有矢量數(shù)據(jù)的屬性信息，通過對數(shù)據(jù)網(wǎng)格化使矢量數(shù)據(jù)更加詳細化，有利于提高評價精度。本研究中，具體介紹了網(wǎng)格尺度城市暴雨積澇災害風險評價指標網(wǎng)格化方法、步驟，并利用自然災害風險指數(shù)法、加權綜合法構建了城市暴雨積澇災害風險評價模型，實現(xiàn)了基于網(wǎng)格尺度的城市暴雨積澇災害風險評價，以期為城市暴雨積澇災害應急管理提供參考。

GIS格網(wǎng)；哈爾濱；暴雨積澇災害；風險評價

城市作為國家、區(qū)域中社會、人流、物流、信息流、資金流、技術流、能量流最為集中、最為活躍和最有生命力的地方，成為一定區(qū)域的政治、經(jīng)濟、文化和科技中心［1］。然而，城市由于人口和財富的高度集中，加上社會問題的復雜性和基礎設施的脆弱性，無時無刻不面臨著突發(fā)事件的挑戰(zhàn)。隨著全球氣候變暖和城市化進程不斷加快，未來城市暴雨積澇災害的發(fā)生頻率可能越來越高。例如在2012年7月21日北京市遭遇歷史最大的城市積澇災害，其降雨量總體達到特大暴雨級別，全市平均降雨量164 mm，為61年來最大，全市受災人口190萬人，其中房山區(qū)80萬人。據(jù)初步統(tǒng)計，全市經(jīng)濟損失近百億元，造成79人遇難。由此不難看出，開展城市暴雨積澇災害風險評估具有重要的現(xiàn)實意義。

近年來，國際減災戰(zhàn)略的實踐證明，在自然災害預防、防備及減災三項工作中，災害預防工作最為重要，并已成為學術界研究的熱點問題之一［2］；而災害風險評估作為災害風險管理的核心內(nèi)容，是不可缺少的。在以往的研究中多數(shù)學者是以行政區(qū)域尺度進行自然災害風險評價的［3-4］，其評價結果雖然可以得出各行政區(qū)域的風險區(qū)劃，但很難清晰地表達出單個行政區(qū)內(nèi)部的差異性。因此，需采用基于網(wǎng)格尺度的城市暴雨積澇災害風險評價方法，以分析各行政單元內(nèi)部的風險差異性，進一步提高評價結果的精度及可信度，以更好地為城市暴雨積澇災害應急管理部門提供決策依據(jù)。

本文著重對城市暴雨積澇災害小尺度風險評估熱點問題進行探討，選擇城市頻發(fā)的暴雨積澇災害為研究對象，結合哈爾濱市道里區(qū)開展實證研究，提出了基于小尺度的城市暴雨積澇災害風險評價方法與思路，創(chuàng)建了基于GIS網(wǎng)格技術的城市暴雨積澇災害風險評價指標體系域模型，以期充實、完善小尺度的城市自然災害風險評估研究理論與方法，為我國制訂城市災害風險管理措施和規(guī)劃提供依據(jù)。

1 研究區(qū)概況

1.1 自然概況

哈爾濱市道里區(qū)屬松嫩平原的一部分，地勢呈南高北低，自然形成了松花江兩岸的泛濫土區(qū)，區(qū)內(nèi)年降水量545.7 mm，流域上多年平均的年降水量為525 mm，其中二松較大，為681 mm；嫩江較小，為440 mm；松花江干流居中，為588 mm。在一年12個月中，流域內(nèi)持續(xù)時間長、雨量較大、影響范圍廣的大暴雨發(fā)生時間多集中在7-8月，出現(xiàn)次數(shù)占大暴雨總數(shù)的84%～88%，可見7-8月是暴雨頻發(fā)期。汛期6-9月降水量占全年降水量的80%，其中7-8月占52%，此期間極易形成暴雨積澇災害。

1.2 研究區(qū)積澇災害概況

道里區(qū)（圖1）超期服役的排水管線約占排水管網(wǎng)總量的30%以上，其中有27 km的排水管線已經(jīng)服役70年左右，屬于嚴重老化。根據(jù)國家規(guī)定，城市排水管網(wǎng)的排水能力為185 m3·s-1，該排水能力可抵御中雨，即25 mm·h-1的降雨量；城市雨污分流排水管線密度為11 km·km-2，雨污合流的排水管線密度為8 km·km-2。但哈爾濱市排水管網(wǎng)的排水能力為117 m3·s-1，比國家規(guī)定的抵御中雨的排水能力低68 m3·s-1。一遇中雨，每秒就會有68 m3的雨水因無法即排而停留在路面上，降雨超過半小時，哈爾濱市的一些街道就會積水。現(xiàn)狀區(qū)內(nèi)每年6-9月都會發(fā)生2～3次城市積澇，發(fā)生積澇較大范圍有21處，其中積水嚴重的有4處、較嚴重的有9處，道路最深處積水可達1.5 m左右。

圖1 研究區(qū)所處的地理位置

2 研究方法與數(shù)據(jù)來源

2.1 自然災害風險指數(shù)法

自然災害風險指未來若干年內(nèi)可能達到的災害程度及其發(fā)生的可能性。一般而言，自然災害風險是危險性、暴露性、脆弱性及防災減災能力相互綜合作用的結果［5-6］。因此在城市暴雨積澇災害風險研究中，危險性（H）、暴露性（E）、脆弱性（V）、防災減災能力（R）4因子缺一不可。自然災害風險數(shù)學表達式為：自然災害風險度=危險性（H）×暴露性（E）×脆弱性（V）×防災減災能力-1（R）。

2.2 GIS網(wǎng)格技術

網(wǎng)格（Grid）是指將網(wǎng)絡上地理分布的各種資源聚合為一體，是近些年發(fā)展起來的一種新型的GIS技術，通過對研究區(qū)網(wǎng)格的劃分，可以對小尺度區(qū)域進行高精度研究。本文在總結以往研究的基礎上，采用克里格插值法和數(shù)據(jù)空間展布法，將研究區(qū)氣象數(shù)據(jù)（降雨量）、人口數(shù)據(jù)、防災減災能力及社會經(jīng)濟數(shù)據(jù)展布到網(wǎng)格中，實現(xiàn)了城市暴雨積澇災害風險各指標的數(shù)據(jù)網(wǎng)格化。

2.3 數(shù)據(jù)來源

本文氣象數(shù)據(jù)主要來源于哈爾濱市道里區(qū)氣象部門，社會經(jīng)濟數(shù)據(jù)主要來源于哈爾濱市統(tǒng)計年鑒，研究區(qū)基礎地理信息數(shù)據(jù)來源于快鳥影像，并利用GIS技術對快鳥影像進行數(shù)字化處理，得到研究區(qū)矢量數(shù)據(jù)。

3 指標數(shù)據(jù)網(wǎng)格化與空間展布

3.1 研究區(qū)網(wǎng)格生成

與柵格不同，矢量網(wǎng)格具備與矢量數(shù)據(jù)相同的數(shù)據(jù)類型，可以方便地操作屬性與空間分析，是小尺度研究的常用方法。利用ArcGIS軟件的GENERATE命令可以實現(xiàn)對研究區(qū)的矢量網(wǎng)格劃分，劃分結果為1 168個矢量網(wǎng)格，網(wǎng)格大小為5 km×5 km（圖2）。生成的矢量圖層除了FID，Shape，ID等3個屬性外，還自動生成了每個矢量網(wǎng)格坐標的最大值（Xmax，Ymax），最小值（Xmin，Ymin）。

3.2 指標網(wǎng)格化與空間展布

目前針對指標數(shù)據(jù)網(wǎng)格化的方法較多，常用的為空間插值法，尤其是氣象要素插值法。本文在總結已有研究基礎上，采用克里格和數(shù)據(jù)展布方法進行了城市暴雨積澇災害風險指標數(shù)據(jù)空間網(wǎng)格化。

3.2.1 指標體系建立

依據(jù)自然災害風險形成機理，本文從城市暴雨積澇災害風險的危險性、承災體的暴露性與脆弱性及防災減災能力4個方面，依照指標選取的科學性、可行性原則，選取了一級因子4個，二級因子10個，三級因子18個，并利用層次分析法對各指標進行了權重計算（表1）。

表1 城市暴雨積澇災害風險指標體系及其權重

3.2.2 氣象數(shù)據(jù)網(wǎng)格化

城市暴雨積澇災害形成的主要原因是短時強降雨，由于城市下墊面由土質(zhì)地面變成水泥地面、柏油路面，改變了下墊面的透水性，一遇短時強降雨導致下墊面不能及時將雨水下滲與排出，大面積停留在路面，形成積水。因此，本文將暴雨作為城市暴雨積澇災害的危險性指標，并利用克里格插值法及疊置分析將暴雨數(shù)值展布到研究區(qū)網(wǎng)格中（圖3）。

3.2.3 居民點數(shù)據(jù)與救援能力數(shù)據(jù)網(wǎng)格化

城市暴雨積澇災害中的承災體為居民及社會經(jīng)濟等，其中居民數(shù)據(jù)為點狀數(shù)據(jù)，點狀數(shù)據(jù)可以直接落到對應區(qū)域的網(wǎng)格中。利用ArcGIS軟件中的關聯(lián)分析、疊置分析、統(tǒng)計分析即可實現(xiàn)居民數(shù)據(jù)網(wǎng)格化（圖4）；防災減災能力中的避難所數(shù)量、救援能力及醫(yī)院、衛(wèi)生所數(shù)量都屬于點狀數(shù)據(jù)，可以統(tǒng)一采用居民數(shù)據(jù)網(wǎng)格化方法來實現(xiàn)（圖5）。

圖2 研究區(qū)網(wǎng)格劃分

圖3 道里區(qū)氣象數(shù)據(jù)網(wǎng)格化

3.2.4 社會經(jīng)濟數(shù)據(jù)網(wǎng)格化

社會經(jīng)濟數(shù)據(jù)網(wǎng)格化與點狀數(shù)據(jù)不同，常用的方法有空間插值、遙感反演、多因素綜合分析等。本文中的社會經(jīng)濟數(shù)據(jù)網(wǎng)格化是利用多因素綜合分析法對已建立的研究區(qū)網(wǎng)格化和社會經(jīng)濟數(shù)據(jù)進行關聯(lián)分析，并建立模型，實現(xiàn)社會經(jīng)濟數(shù)據(jù)網(wǎng)格化。文中的社會經(jīng)濟數(shù)據(jù)利用下式的計算方法獲取社會經(jīng)濟數(shù)據(jù)空間分布密度，并實現(xiàn)數(shù)據(jù)網(wǎng)格化（圖6）。

圖4 人口數(shù)據(jù)網(wǎng)格化

圖5 防災減災能力網(wǎng)格化

式中：Bj為j類旅游收入經(jīng)濟指標；bij為i區(qū)j類旅游收入經(jīng)濟指標的分布密度；Ai為i區(qū)域的面積。

4 基于網(wǎng)格技術的城市暴雨積澇災害風險評價模型構建

4.1 模型構建

根據(jù)自然災害風險數(shù)學公式，結合洪災發(fā)生特點，利用加權綜合法和層次分析法，可建立如下城市暴雨積澇災害風險指數(shù)模型［7-8］：

圖6 社會經(jīng)濟數(shù)據(jù)網(wǎng)格化

式中，JDRI是城市暴雨積澇災害風險指數(shù)，用以表示城市暴雨積澇災害風險程度，其值越大，則城市暴雨積澇災害風險程度越大；WHi，WEi，WVi，WRi分別表示其危險性、暴露性、脆弱性和防災減災能力的權重值，而H，E，V，R分別代表了危險性、暴露性、脆弱性和防災減災能力的大小。XHi，XEi，XVi，XRi為各指標量化后的值。

通過以上模型的建立，可對城市暴雨積澇災害風險進行評價。

4.2 結果分析

利用4.1節(jié)構建的城市暴雨積澇災害風險評價模型，得到基于網(wǎng)格尺度的城市暴雨積澇災害風險評價圖（圖7）。

從圖7中可以看出，研究區(qū)總體上在中部和南部區(qū)域城市暴雨積澇災害風險等級較高，在北部城市暴雨積澇災害風險等級較低。但由于研究區(qū)范圍較小，且一些指標數(shù)據(jù)呈點狀、條帶狀分布，用區(qū)域風險區(qū)劃方法不能詳細地說明區(qū)域內(nèi)部的災害風險差異，因此，需采用網(wǎng)格尺度以提高城市暴雨積澇災害風險評價精度。

圖7 城市暴雨積澇災害風險

5 小結與討論

本研究利用GIS網(wǎng)格技術、自然災害指數(shù)法實現(xiàn)了哈爾濱市道里區(qū)的城市暴雨積澇災害風險各指標數(shù)據(jù)的網(wǎng)格化，并構建了基于網(wǎng)格尺度的城市暴雨積澇災害風險評價指標體系與模型，對哈爾濱市道里區(qū)實現(xiàn)了基于網(wǎng)格尺度的城市暴雨積澇災害風險評價。文中采用的城市暴雨積澇災害風險評價指標數(shù)據(jù)網(wǎng)格化方法，彌補了以行政區(qū)域尺度評價結果精度不足的問題。從評價結果可以清晰看出各行政單元內(nèi)部的差異性，評價結果精度更高，更為可信。但基于網(wǎng)格尺度的城市暴雨積澇災害風險評價結果精度受網(wǎng)格大小影響，因此在不同研究區(qū)進行網(wǎng)格大小設定時需根據(jù)研究區(qū)實際情況及研究精度決定。文中所采用的方法只適用于哈爾濱市道里區(qū)，如其他研究區(qū)要參考應用，則需要重新進行網(wǎng)格大小設定及指標數(shù)據(jù)網(wǎng)格化。

［1］ 王迎春，鄭大瑋，李青春.城市氣象災害［M］.北京：氣象出版社，2009.

［2］ 許世遠，王軍，石純，等.沿海城市自然災害風險研究［J］.地理學報，2006，61（2）：127-138.

［3］ 解以揚，韓素芹，由立宏，等.天津市暴雨內(nèi)澇災害風險分析［J］.氣象科學，2004，24（3）：342-349.

［4］ 鄭傳新，米浦強，陳劍兵，等.柳州市積澇過程模擬及災害風險評估［J］.氣象，2008，33（11）：72-75.

［5］ Zhang J.Risk assessmen t of drought disaster in the maizegrowing region of Songliao Plain，China［J］.Agriculture，Ecosystems&Environment，2004，102（2）：133-153.

［6］ 張繼權，趙萬智，岡田憲夫.綜合自然災害風險管理的理論、對策與途徑［J］.應用基礎與工程科學學報，2004，14：263-271.

［7］ 張繼權，李寧.主要氣象災害風險評價與管理的數(shù)量化方法及其應用［M］.北京：北京師范大學出版社，2007：72-73.［8］ Zhang J，Okada N，Tatano H，et al.Risk assessmen t and zoning of flood damage caused by heavy rainfall in Yamaguchi prefecture，Japan［G］//Wu et al.Flood Defence.New York：Science Press，2002：162-170.

（責任編輯：高 峻）

P 458.121.1

：A

：0528-9017（2014）10-1610-05

文獻著錄格式：陳鵬，張立峰，孫瀅悅，等.哈爾濱市道里區(qū)基于GIS網(wǎng)格尺度的城市暴雨洪澇災害風險評價［J］.浙江農(nóng)業(yè)科學，2014（10）：1610-1615.

2014-06-18

國家自然科學基金（41371495）；國家科技支撐計劃課題（2013BAK05B01，2013BAK05B02）；吉林省教育廳社科項目（2013153）；吉林省自然科學基金項目（201215224）；四平市社會科學基金項目（201118）

陳 鵬（1980-），男，講師，博士，從事自然災害風險評價與管理研究工作。E-mail：pp11290@163.com。