未來土地利用變化情景下海南暴雨災(zāi)害的社會(huì)經(jīng)濟(jì)暴露度分析*

文小蘭，李 贊，奉莉軍，郭 浩，方偉華

(1.浙江師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院,浙江 金華 321004；2.北京師范大學(xué) 環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，北京 100875；3.北京師范大學(xué) 地理科學(xué)學(xué)部災(zāi)害風(fēng)險(xiǎn)科學(xué)研究院，北京100875；4.應(yīng)急管理部——教育部 減災(zāi)與應(yīng)急管理研究院，北京 100875)

目前國(guó)內(nèi)外針對(duì)暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)開展較多，風(fēng)險(xiǎn)評(píng)估技術(shù)也相對(duì)成熟。關(guān)于暴雨災(zāi)害危險(xiǎn)性研究方法主要有歷史災(zāi)情數(shù)據(jù)法、模型模擬法和危險(xiǎn)性指標(biāo)法評(píng)估法等[1-3]。其中危險(xiǎn)性指標(biāo)評(píng)估法應(yīng)用更加廣泛，常見的暴雨危險(xiǎn)性指標(biāo)有暴雨頻次、暴雨強(qiáng)度[4]、暴雨日數(shù)、暴雨雨量等。由于暴雨災(zāi)害危險(xiǎn)性的分析受到各類指標(biāo)影響較大且沒有統(tǒng)一的標(biāo)準(zhǔn)，有學(xué)者提出信息擴(kuò)散理論，利用概率分析方法對(duì)災(zāi)害進(jìn)行危險(xiǎn)性評(píng)估[5]。暴露是指某種災(zāi)害危險(xiǎn)地區(qū)的人口、財(cái)產(chǎn)或物品，反映在一定強(qiáng)度致險(xiǎn)因子影響下，可能遭受損失的承災(zāi)體總量[2]。暴露度是動(dòng)態(tài)的，為時(shí)空尺度而異，并取決于經(jīng)濟(jì)、社會(huì)、人口、文化、體制和管理等因素[6]。對(duì)于風(fēng)險(xiǎn)而言，暴露度越大其災(zāi)害風(fēng)險(xiǎn)也就越大[7-8]。關(guān)于暴露度方面的研究多圍繞著人口暴露度、經(jīng)濟(jì)暴露度(GDP、土地利用、農(nóng)作物)、社會(huì)資產(chǎn)暴露度(建筑、基礎(chǔ)設(shè)施)等方面[9-11]，如王豫燕等人選取暴露于暴雨洪澇災(zāi)害下的各縣(市、區(qū)) 的面積、受災(zāi)人口數(shù)和受災(zāi)的農(nóng)作物面積分別作為災(zāi)害暴露范圍指標(biāo)、人口暴露度指標(biāo)和農(nóng)作物暴露度指標(biāo)[12]；SHI Y等人關(guān)注城市范圍內(nèi)各類老舊建筑物對(duì)其暴露度評(píng)估[13]，但暴露度的研究大多數(shù)基于現(xiàn)有的承災(zāi)體進(jìn)行分析，缺乏未來的預(yù)估及相關(guān)情景的構(gòu)建。

土地利用變化一定程度上反映了其經(jīng)濟(jì)、人口等社會(huì)因素和自然因素的變化，能夠更好的補(bǔ)充人口、經(jīng)濟(jì)承災(zāi)體動(dòng)態(tài)性和分布不均勻等方面的不足，同時(shí)能夠更好的分析未來暴雨災(zāi)害暴露度變化。而土地利用變換是一種復(fù)雜的受到多種外在和內(nèi)在因素共同影響的動(dòng)態(tài)系統(tǒng)，具有變換不連續(xù)、景觀鑲嵌、類別混合、變換不可逆等特性[14]。模型模擬是研究未來土地利用變化的重要工具之一。其中，由學(xué)者提出的基于神經(jīng)網(wǎng)絡(luò)和GIS的CA模型能夠解決多種土地利用變化模擬和難題，同時(shí)有效簡(jiǎn)化CA模型的結(jié)構(gòu)，在未來土地利用預(yù)測(cè)方面已相當(dāng)成熟[15-20]。綜上所述，本文以海南島地區(qū)為例，基于暴雨頻次致災(zāi)因子，分析未來土地利用、人口和經(jīng)濟(jì)承災(zāi)體分布，構(gòu)建多種發(fā)展情景，探究未來各類承災(zāi)體在不同致災(zāi)強(qiáng)度下的暴露度分布特征，建立暴雨綜合暴露度評(píng)價(jià)模型。期望為海南島地區(qū)在應(yīng)對(duì)未來氣候變化、降低災(zāi)害暴露度、提高風(fēng)險(xiǎn)防范水平等方面提供科學(xué)參考。

1 數(shù)據(jù)和研究方法

1.1 研究區(qū)概況

海南島地處熱帶北緣，為熱帶季風(fēng)海洋性氣候，有明顯的多雨季和少雨季。多雨季一般出現(xiàn)在5—10月，多雨季受夏季臺(tái)風(fēng)影響大，降水量占到全年70%～90%，容易發(fā)生暴雨現(xiàn)象?？傮w海拔較低，西南部海拔較高(圖1)。一般情況下，研究區(qū)入汛時(shí)間最遲、汛期時(shí)間最長(zhǎng)，長(zhǎng)達(dá)6個(gè)月。根據(jù)海南省應(yīng)急管理廳[21]統(tǒng)計(jì)，秋季暴雨近40年內(nèi)共出現(xiàn)了172次，其中日降水量達(dá)到特大暴雨級(jí)別的有22次，達(dá)到大暴雨級(jí)別的有57次。

社會(huì)經(jīng)濟(jì)發(fā)展方面，根據(jù)海南省統(tǒng)計(jì)年鑒數(shù)據(jù)，2020年總?cè)丝谶_(dá)到945.29萬人，生產(chǎn)總值達(dá)到55 298 689萬元。人口的大范圍聚集和經(jīng)濟(jì)的快速發(fā)展相當(dāng)程度上增加了該地區(qū)面對(duì)暴雨災(zāi)害的危險(xiǎn)性。據(jù)海南省防汛防風(fēng)防旱總指揮部辦公室統(tǒng)計(jì)，近40年內(nèi)秋汛暴雨造成的經(jīng)濟(jì)損失總數(shù)高達(dá)兩百多億。

1.2 數(shù)據(jù)來源與處理

1.2.1 氣象數(shù)據(jù)

歷史氣象數(shù)據(jù)來自國(guó)家氣象信息中心發(fā)布的中國(guó)地面氣候資料日值數(shù)據(jù)集逐日降水量數(shù)據(jù)。包括海南地區(qū)12個(gè)國(guó)家基本站和7個(gè)一般站1977—2014年的逐日降水量數(shù)據(jù)。

未來降水?dāng)?shù)據(jù)來自于世界氣候研究計(jì)劃組織(World Climate Research Programme ，WCRP，https://www.wcrp-climate.org/)提供的耦合模式比較計(jì)劃第 5 階段(CMIP5)多氣候模式不同排放情景下的逐日降水?dāng)?shù)據(jù)。綜合了8個(gè)模式的未來降水?dāng)?shù)據(jù)進(jìn)行未來暴雨危險(xiǎn)性分析，包括：BCC-CSM1-1、BNU-ESM、CanESM2、CCSM4、GFDL-ESM2M、INM-CM4、IPSL-CM5A-MR、MIROC5 。

1.2.2 人口、經(jīng)濟(jì)數(shù)據(jù)

歷史人口、經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)來源于以縣級(jí)行政區(qū)為單位的海南省統(tǒng)計(jì)年鑒。未來人口數(shù)據(jù)來源于清華大學(xué)，該數(shù)據(jù)考慮了中國(guó)近年來實(shí)施的促進(jìn)生育政策和特大城市人口上限限制，基于SSP 情景和中國(guó)人口普查，建立的未來柵格數(shù)據(jù)及省級(jí)統(tǒng)計(jì)數(shù)據(jù)[22]。在本研究中提取了SSP2(中等發(fā)展路徑，中等生育能力，中等死亡，中等移民，中等教育，有效的二孩政策)與SSP5(不均衡發(fā)展路徑，低生育能力，低死亡，高移民，高教育，無效的生育政策)兩種共享社會(huì)經(jīng)濟(jì)途徑下未來2030年和2050年人口數(shù)據(jù)。

未來經(jīng)濟(jì)數(shù)據(jù)是由研究區(qū)縣域單元1990—2018年歷史GDP數(shù)據(jù)線性擬合出一個(gè)以年份為自變量，GDP為因變量的預(yù)測(cè)函數(shù)，得到所需未來2030年與2050年縣域GDP值。并在其基礎(chǔ)上利用ArcGIS中的柵格空間計(jì)算工具將未來GDP數(shù)據(jù)按實(shí)際權(quán)重降尺度到網(wǎng)格單元，實(shí)現(xiàn)其空間化[23]。計(jì)算公式為：

GDPij=GDP×α。

(1)

式中：GDPij為柵格單元值，GDP為該柵格單元所在行政區(qū)的GDP值；α為該柵格單元GDP占行政區(qū)單元總GDP值的比例。

基于2015年海南地區(qū)各縣域GDP柵格數(shù)據(jù)與各縣域GDP總值，計(jì)算出每個(gè)柵格的值，根據(jù)公式將2030年和2050年的預(yù)測(cè)GDP值進(jìn)行柵格空間，每個(gè)柵格代表該柵格范圍(1km2)內(nèi)的GDP總值(萬元/km2)。

1.2.3 土地利用數(shù)據(jù)

土地利用基準(zhǔn)數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心。其中土地利用類型包括耕地、林地、草地、水域、居民地和未利用土地6個(gè)一級(jí)類型。此外，研究還使用了來自地理空間數(shù)據(jù)云的高程數(shù)據(jù)，中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心的城鎮(zhèn)分布、公路和鐵路分布數(shù)據(jù)等。

圖1 研究區(qū)概況(審圖號(hào)：GS(2020)4619號(hào)，底圖未修改，下同)

1.3 研究方法

1.3.1 致災(zāi)因子危險(xiǎn)性

在本研究中選用暴雨頻次表示暴雨災(zāi)害的致災(zāi)因子。參考國(guó)家氣象局對(duì)暴雨的定義[24]，日降水≥50 mm被定義為暴雨，其中連續(xù)性多天日降水量≥50 mm同樣被認(rèn)為是一次暴雨事件，一年的暴雨事件的次數(shù)被定義為暴雨頻次。

重現(xiàn)期是指在一定數(shù)據(jù)記錄統(tǒng)計(jì)時(shí)段內(nèi)，大于或等于此水文要素在較長(zhǎng)時(shí)期內(nèi)重復(fù)出現(xiàn)的平均時(shí)間間隔，常以多少年一遇表示[25]。本研究使用信息擴(kuò)散方法計(jì)算海南地區(qū)暴雨頻次的重現(xiàn)期[26]。信息擴(kuò)散理論是一種為了解決信息不足而利用樣本模糊信息對(duì)樣本進(jìn)行集值化處理的模糊數(shù)學(xué)處理法，即將一個(gè)分明值樣本點(diǎn)，變成一個(gè)模糊集合。

已知災(zāi)害指數(shù)論域U：

U={u1,u2,…,um}。

(2)

通過公式(2)，一個(gè)單值觀測(cè)樣本點(diǎn)所攜帶的信息被擴(kuò)散到U中的全部樣本點(diǎn)。

(3)

式中：h稱為擴(kuò)散系數(shù)。其值由樣本中最大值b與最小值a以及樣本點(diǎn)總數(shù)n共同確定。

令

(4)

則對(duì)應(yīng)模糊子集的隸屬函數(shù)為:

(5)

式中：稱μxi(uj)為樣本點(diǎn)xi歸一化信息分布。對(duì)μxi(uj)進(jìn)行處理,可獲得較為理想的風(fēng)險(xiǎn)評(píng)估結(jié)果。

令

(6)

由經(jīng)信息擴(kuò)散可推斷，如果災(zāi)害觀測(cè)值只能取u1,u2,…,um中一個(gè)，將xi均看作是樣本點(diǎn)代表時(shí)，則uj樣本點(diǎn)個(gè)數(shù)q(uj)為觀測(cè)值。一般而言q(uj)不是一個(gè)整數(shù),但一定是個(gè)不小于零的數(shù)，再令

(7)

上式表明Q為各uj點(diǎn)上樣本點(diǎn)個(gè)數(shù)總和。就理論而言，應(yīng)有Q=n，但實(shí)際計(jì)算中由于四舍五入等問題帶來的誤差，導(dǎo)致Q和n在數(shù)值上略有區(qū)別。

(8)

可將樣本點(diǎn)落在uj上的頻率視為概率的估值。 超越uj的概率值是：

(9)

式中：P(uj)就是暴雨超越概率估計(jì)值。 最后利用反距離加權(quán)插值法(IDW)對(duì)研究區(qū)各氣象站點(diǎn)不同重現(xiàn)期的暴雨頻次分布進(jìn)行插值，得到研究區(qū)暴雨危險(xiǎn)性空間分布情況[27]：

(10)

式中：Z為相鄰點(diǎn)估計(jì)值；Zi為第i個(gè)樣本的數(shù)值；Di為距離；p為距離的冪(最小平均絕對(duì)誤差)。

1.3.2 基于FLUS模型的未來土地利用預(yù)測(cè)

FLUS模型可以模擬多種類型土地利用的長(zhǎng)期空間演變軌跡，通過自上而下的系統(tǒng)動(dòng)力學(xué)及元胞自動(dòng)機(jī)之間的相互耦合，在CA模型中建立了一種自適應(yīng)的慣性和競(jìng)爭(zhēng)機(jī)制，從而提高了模擬和預(yù)測(cè)的能力[28]。

本文基于地理模擬與優(yōu)化系統(tǒng)(GEOSOS-FLUS)設(shè)計(jì)三個(gè)不同社會(huì)發(fā)展路徑：慣性發(fā)展情景、經(jīng)濟(jì)優(yōu)先發(fā)展情景、生態(tài)優(yōu)先發(fā)展情景。參考海南地區(qū)歷史土地利用統(tǒng)計(jì)數(shù)據(jù)，在2018—2020年間，6種土地利用類型中建設(shè)用地總量呈現(xiàn)增加態(tài)勢(shì)，而其他5種土地利用類型均有所減少，其中林地減少最多，耕地次之?；谠撏恋乩妙愋妥兓闆r，利用ArcGIS工具建立慣性發(fā)展情景的土地利用轉(zhuǎn)移矩陣，再次基礎(chǔ)上根據(jù)海南省生態(tài)保護(hù)發(fā)展規(guī)劃，海南省“十三五規(guī)劃”等，分別設(shè)計(jì)經(jīng)濟(jì)優(yōu)先發(fā)展情景和生態(tài)保護(hù)優(yōu)先發(fā)展情景下的土地利用類型轉(zhuǎn)移矩陣。在未來土地預(yù)測(cè)過程中需確定各類土地利用類型的鄰域因子參數(shù)，其參數(shù)大小反應(yīng)了土地利用面積變化的擴(kuò)張能力大小[29]。在本研究中鄰域因子參數(shù)值參考式(11)由2018—2020年土地利用面積變化量經(jīng)無量綱化處理而來，具體參數(shù)大小參考表1。

(11)

式中：X*表示離差標(biāo)準(zhǔn)化值，Xmax、Xmin分別為數(shù)據(jù)中的最大值和最小值。

表1 土地利用類型鄰域因子參數(shù)值

1.3.3 貢獻(xiàn)率計(jì)算

本研究分析了未來人口、經(jīng)濟(jì)、致災(zāi)因子等要素對(duì)于災(zāi)害暴露度的貢獻(xiàn)率[30-31]。

ΔE1=G1×ΔC+C1×ΔG+ΔC×ΔG；

(12)

ΔE2=P1×ΔC+C1×ΔP+ΔC×ΔP。

(13)

式中：ΔE1、ΔE2是暴露的總變化。G1、P1、C1是歷史時(shí)期的經(jīng)濟(jì)、人口和暴雨頻次，ΔG、ΔP、ΔC是未來相對(duì)于歷史時(shí)期的經(jīng)濟(jì)、人口和暴雨頻次的變化。G1×ΔC、P1×ΔC稱為氣候效應(yīng)，C1×ΔG為經(jīng)濟(jì)效應(yīng)，C1×ΔP為人口效應(yīng)，ΔC×ΔG、ΔC×ΔP為相互作用效應(yīng)。將方程的兩側(cè)分別除以E1、E2，則可以計(jì)算出每個(gè)指標(biāo)的百分比變化估計(jì)值。

(14)

(15)

式中：E1、E2是基準(zhǔn)期暴露量，式(14)和式(15)用來計(jì)算氣候效應(yīng)、人口效應(yīng)、經(jīng)濟(jì)效應(yīng)、相互作用效應(yīng)和暴露度總變化各自的百分比變化，在此基礎(chǔ)上對(duì)暴露度總變化百分比進(jìn)行歸一化處理，并分別計(jì)算出以上四種效應(yīng)在總變化中的占比，即貢獻(xiàn)率。

1.3.4 暴露度計(jì)算

利用ArcGIS技術(shù),將人口暴露度、經(jīng)濟(jì)暴露度與土地利用暴露度采用數(shù)學(xué)模型進(jìn)行評(píng)估，在空間上進(jìn)行表達(dá), 獲得暴露度空間分布圖。對(duì)極端降水人口暴露定義為平均每單位單元的致災(zāi)危險(xiǎn)性與單位單元內(nèi)人口總數(shù)的乘積，表達(dá)式為：

EPOP=R×POP。

(16)

式中：EPOP是單位單元(1 km × 1 km)的人口暴露度(人口均值：人·次/年)；R是單位單元暴雨頻次(次/年)；POP(人) 指居住在單位單元中的人口數(shù)。經(jīng)濟(jì)暴露度與土地利用同理，其中土地暴露度的計(jì)算要分別考慮每種土地利用類型。

綜合暴露度的計(jì)算要同時(shí)考慮人口、經(jīng)濟(jì)和土地利用三者的權(quán)重關(guān)系?？筛鶕?jù)各指標(biāo)間的重要程度和內(nèi)在聯(lián)系運(yùn)用層次分析法[11]對(duì)其分別賦值。以人口、經(jīng)濟(jì)、土地利用為一級(jí)指標(biāo)構(gòu)建判斷矩陣，計(jì)算矩陣的特征向量與特征值，進(jìn)行一致性檢驗(yàn)：

CI=(λmax-n)/(n+1)。

(17)

式中：CI為一致性指標(biāo)；λmax為最大特征值；n為指標(biāo)個(gè)數(shù)。

CR=CI/RI。

(18)

式中：RI為隨機(jī)一致性指標(biāo)。若CR<0.1，說明該矩陣符合一致性檢驗(yàn)，否則需對(duì)此矩陣做相應(yīng)調(diào)整，直至通過檢驗(yàn)。

通過層次分析法分別確定以下6種一級(jí)指標(biāo)權(quán)重賦值方案(表2)

表2 6種權(quán)重賦值方案

利用泛系觀控[11]計(jì)算公式得到6個(gè)方案的約束信息量BI值為：

(19)

(20)

式中：Pi為第i個(gè)觀控對(duì)象所對(duì)應(yīng)的概率；n為觀控指標(biāo)數(shù)；m為方案數(shù)。

如表3所示，分別算出6個(gè)方案的約束信息量，表中BI值越小，代表不確定性更小，風(fēng)險(xiǎn)更低，由此選擇方案5為最佳賦值方案?；谏鲜龇椒ㄇ蟪龅囊患?jí)指標(biāo)，綜合未來人口、經(jīng)濟(jì)、土地利用各類承災(zāi)體及未來不同重現(xiàn)期下的致災(zāi)危險(xiǎn)性進(jìn)行疊加分析，為保證三類承災(zāi)體量綱一致，對(duì)其進(jìn)行歸一化處理。其中計(jì)算出各類土地利用類型各自對(duì)應(yīng)年份經(jīng)濟(jì)密度以代替土地利用數(shù)據(jù)。

表3 6種不同權(quán)重賦值方案的約束信息量

具體公式如下：

Ej=(Ap×POP+Ag×GDP+Al×LAND)×D。

(21)

式中：Ej表示j地區(qū)的綜合暴露度；Ap、Ag、Al分別表示人口、經(jīng)濟(jì)、土地利用數(shù)據(jù)一級(jí)指標(biāo)權(quán)重；POP、GDP、LAND分別表示研究地區(qū)未來人口、經(jīng)濟(jì)、各類土地利用類型所對(duì)應(yīng)經(jīng)濟(jì)密度；D為20年一遇和100年一遇重現(xiàn)期下致災(zāi)危險(xiǎn)性，即暴雨頻次。

2 結(jié)果與分析

2.1 海南暴雨危險(xiǎn)性分析

綜合歷史氣象數(shù)據(jù)和8個(gè)模式(2015—2060年)暴雨頻次均值分布，對(duì)比分析逐年暴雨頻次的變化。如圖2所示，海南地區(qū)歷史暴雨頻次總體呈上升趨勢(shì)，但年際變化波動(dòng)較大，受臺(tái)風(fēng)影響明顯，貢獻(xiàn)率在26.15%左右。未來不同排放濃度路徑下預(yù)測(cè)數(shù)據(jù)有階段性的差別，RCP8.5濃度路徑下的暴雨頻次總體呈下降趨勢(shì)，RCP4.5濃度路徑下呈上升趨勢(shì)，增長(zhǎng)速率約為0.16次/10年；以2040年左右作為時(shí)間節(jié)點(diǎn)，前期RCP8.5濃度路徑暴雨頻次更高，后期RCP4.5濃度路徑更高，分析推測(cè)在RCP8.5濃度路徑后期，由于全球氣溫升高至一定限度，導(dǎo)致全球氣溫差異變小，海洋和陸地溫差減小影響到我國(guó)夏季風(fēng)的強(qiáng)度，導(dǎo)致暴雨發(fā)生次數(shù)出現(xiàn)下降趨勢(shì)。

圖2 海南地區(qū)逐年暴雨頻次變化圖(其中：2014年前為歷史數(shù)據(jù)，后為模型預(yù)測(cè)數(shù)據(jù))

圖3 不同重現(xiàn)期暴雨危險(xiǎn)性分布(單位：次)

如圖3所示，隨著重現(xiàn)期的增加，海南地區(qū)的暴雨危險(xiǎn)性的程度和空間范圍呈現(xiàn)出不同程度地加深和擴(kuò)大。從空間差異來看，結(jié)合海南地區(qū)地形分布及夏季風(fēng)的影響，暴雨發(fā)生頻次低值區(qū)出現(xiàn)在西部，高值區(qū)分布范圍廣，以?？谑小偤Ｊ?、儋州市、保亭市為高值中心。20年一遇時(shí)，暴雨危險(xiǎn)性高值約為13次，低值約為7次,平均值約為11次；100年一遇時(shí)，暴雨危險(xiǎn)性有所增加，高值達(dá)到14次，平均值約為12次，低值保持穩(wěn)定。

2.2 未來不同社會(huì)經(jīng)濟(jì)情景下土地利用變化及暴露度分析

基于FLUS模型選擇滿足精度要求的9類驅(qū)動(dòng)因素，地形因子包括高程數(shù)據(jù)(DEM)以及由高程數(shù)據(jù)計(jì)算得到的坡度；社會(huì)因子，包括人口和國(guó)民生產(chǎn)總值經(jīng)濟(jì)數(shù)據(jù)；區(qū)位因子為到城鎮(zhèn)中心的距離，交通因子為距普通公路、高速公路、鄉(xiāng)間道路和鐵路的距離；除此之外，還包括城市適宜性圖層，用于生態(tài)優(yōu)先發(fā)展情景下對(duì)建設(shè)用地的限制。對(duì)以上9類驅(qū)動(dòng)因子和限制性圖層進(jìn)行重采樣、歸一化等預(yù)處理，消除量綱影響。以2018年數(shù)據(jù)為基準(zhǔn)，預(yù)測(cè)2020年的土地利用情況，與2020年真實(shí)土地利用數(shù)據(jù)進(jìn)行對(duì)比分析，驗(yàn)證在三種發(fā)展情景下轉(zhuǎn)移矩陣的科學(xué)性，最終得到表4。Kappa系數(shù)均大于0.960，Kappa系數(shù)值越大表明精度越高，滿足精度要求，同時(shí)，F(xiàn)om系數(shù)均不大于0.020，根據(jù)Fom系數(shù)要求，每模擬年數(shù)增加一年，F(xiàn)om指數(shù)增加不大于0.010為標(biāo)準(zhǔn)水平，在該研究中，模擬年份跨度為2年，因此滿足Fom指數(shù)要求，三種發(fā)展情景下的精度都符合要求，驗(yàn)證了轉(zhuǎn)移矩陣的可行性。

表4 不同發(fā)展情景下土地利用模擬精度

如圖4、表5所示，相較于歷史土地利用數(shù)據(jù)，三種情景下耕地占有量變化沒有顯著差異，從2018—2050年均降低了約0.58%；林地、草地、水域土地類型的占有量在生態(tài)保護(hù)發(fā)展情景下有所提高，平均增速分別約為2.69km2/年、0.25km2/年、2.91km2/年，其余兩種情景出現(xiàn)不同程度的下降；而受人類活動(dòng)影響最大的建設(shè)用地在慣性發(fā)展和經(jīng)濟(jì)高速發(fā)展情景下增加顯著，其中，在慣性發(fā)展情景下平均增速約為29.91km2/年，經(jīng)濟(jì)優(yōu)先發(fā)展情景下約為31.72 km2/年，而生態(tài)保護(hù)發(fā)展情景下只有6.85 km2/年?？傮w來說，在生態(tài)保護(hù)發(fā)展情景下，建設(shè)用地增速放緩，其發(fā)展受到一定程度的限制，而林地、草地、水域等自然用地較其他兩種情景都有所增加；慣性發(fā)展情景和經(jīng)濟(jì)高速發(fā)展情景中建設(shè)用地快速擴(kuò)張；作為滿足人類最基礎(chǔ)生產(chǎn)生活的耕地、林地資源保持相對(duì)穩(wěn)定?？臻g分布上表現(xiàn)出明顯的差異，建設(shè)用地分布更為密集，主要分布在北部、東部、南部的沿海地區(qū)，以三亞市、?？谑凶顬榈湫?，并有向內(nèi)部地區(qū)延伸的走勢(shì)，中部地區(qū)分布較分散，呈點(diǎn)狀分布，面積較小，其中生態(tài)保護(hù)發(fā)展情景下，建設(shè)用地面積明顯縮??；中部地區(qū)大部分分布自然用地。

將三種不同社會(huì)發(fā)展情景下未來2030年與2050年土地利用分布數(shù)據(jù)按土地類型分別提取，并結(jié)合未來RCP4.5和RCP8.5各濃度路徑下對(duì)應(yīng)年份的暴雨危險(xiǎn)性——暴雨頻次圖，綜合分析未來各類土地利用暴露量變化情況(圖5)。暴雨危險(xiǎn)性的變化影響到土地暴露度的情況，相對(duì)比RCP4.5和RCP8.5濃度路徑下暴雨危險(xiǎn)性情況，2030年，RCP4.5與RCP8.5濃度路徑的暴雨頻次高值分別為10.7次、11次，RCP8.5濃度路徑下危險(xiǎn)性相對(duì)較大；2050年分別為10.8次、10.5次，RCP8.5路徑下危險(xiǎn)性有所降低；從空間上來看，暴雨危險(xiǎn)性高值區(qū)都較為統(tǒng)一，主要集中在海南地區(qū)的中部地區(qū)?？傮w來看，2030年由于暴雨危險(xiǎn)性的程度差異，導(dǎo)致RCP8.5路徑下的各土地類型暴露量要高于RCP4.5情景；而在2050年耕地和林地土地利用類型的暴露量在RCP4.5路徑下更大，此時(shí)三種情景平均暴露量分別為65 637.96 km2·次、171 088.2 km2·次，其他土地利用類型暴露量差別較小，兩種路徑下差值均小于640 km2·次，進(jìn)一步分析發(fā)現(xiàn)有可能是受到各類土地利用類型的分布地區(qū)及暴雨危險(xiǎn)性的空間分布，導(dǎo)致耕地和林地資源的暴露量出現(xiàn)較大的差異。同時(shí)，在RCP4.5路徑下，林地三種情景平均暴露量為171 088.2 km2·次，在RCP8.5路徑下，平均暴露量為163 875.6 km2·次，受海南地區(qū)土地利用情況影響，林地的暴露量始終最大。

圖4 不同社會(huì)發(fā)展情景下未來土地利用分布

表5 不同社會(huì)發(fā)展情景下土地類型變化

圖5 三種社會(huì)發(fā)展情景土地利用暴露度變化

2.3 未來人口、經(jīng)濟(jì)暴露度特征

2.3.1 未來人口暴露度

人口承災(zāi)體在中等發(fā)展路徑下密度整體要大于不均衡發(fā)展路徑，但空間分布差異不大，主要集中在海口、三亞為主的經(jīng)濟(jì)發(fā)達(dá)的地區(qū)。分析發(fā)現(xiàn)人口暴露度分布和人口密度分布呈現(xiàn)出較為相似的特點(diǎn)(圖6)。以海口市與三亞市為例，2030年SSP2路徑下?？谑腥丝诿芏葹? 651.48人/ km2，人口暴露度均值為11 282.17人·次，最大值可達(dá)1 336 776.75人·次；而三亞市人口密度為513.50人/km2，人口暴露度均值為3 446.92人·次，最大值為343 033人·次。發(fā)現(xiàn)人口分布密度大，最終導(dǎo)致受暴雨危險(xiǎn)性所影響的暴露度也呈現(xiàn)高值。除上述地區(qū)之外，其他高值區(qū)分布分散且面積較小，由經(jīng)緯度確定其主要分布在各市縣中心，人口分布較多。除此之外，在RCP8.5-SSP5下，由于承災(zāi)體的變化2050年人口暴露度出現(xiàn)降低趨勢(shì)。

2.3.2 未來經(jīng)濟(jì)暴露度

如圖7所示，未來2030年與2050年經(jīng)濟(jì)暴露度空間分布上極高值存在相似特征，主要分布在海口市和三亞市，不同情景下2030年和2050年最大值均大于100萬·次，其中2050年極高值范圍出現(xiàn)明顯擴(kuò)大。次高值與中值區(qū)在分布上2030年與2050年有極為明顯的差別。2030年，暴露度分布較低的地區(qū)主要包括儋州市、瓊?？h、萬寧市，約為1～3萬元·次，西部地區(qū)暴露度低。到2050年，次高值區(qū)范圍出現(xiàn)明顯擴(kuò)大，從2030年分布面積小、嚴(yán)重程度低逐漸演變?yōu)榉植济娣e廣泛，擴(kuò)展到7個(gè)沿海城市，嚴(yán)重程度明顯增加，約為3～6萬元·次，西部地區(qū)暴露度也逐漸增加至中等程度。在不同排放路徑暴雨危險(xiǎn)性下，經(jīng)濟(jì)暴露度也出現(xiàn)差別。在2030年，RCP8.5濃度路徑下的暴露度明顯要高于RCP4.5路徑，而在2050年，RCP8.5路徑下的暴露度相較于RCP4.5路徑下差別不大?？傮w來看，隨著海南島地區(qū)經(jīng)濟(jì)的快速發(fā)展，未來經(jīng)濟(jì)暴露度將持續(xù)增加，且高值區(qū)空間分布主要集中在以?？谑?、三亞市等為代表的經(jīng)濟(jì)發(fā)達(dá)地區(qū)。中部地區(qū)危險(xiǎn)性雖較高，但由于經(jīng)濟(jì)相對(duì)落后，導(dǎo)致經(jīng)濟(jì)暴露度低。同時(shí)相較于人口暴露度來說，經(jīng)濟(jì)暴露度分布更加明顯。

圖6 海南地區(qū)未來人口暴露度分布(單位：人·次)

圖7 海南地區(qū)未來經(jīng)濟(jì)暴露度分布(單位：萬元·次)

2.3.3 貢獻(xiàn)率分析

綜上研究分析發(fā)現(xiàn)，未來人口和經(jīng)濟(jì)暴露度與人口、經(jīng)濟(jì)分布呈現(xiàn)出較好的一致性，為了更好的解釋海南地區(qū)未來人口、經(jīng)濟(jì)暴露度分布的成因，以2022—2050年為未來時(shí)期，1986—2014為歷史時(shí)期，利用式(12-15)分別計(jì)算經(jīng)濟(jì)與氣候、人口與氣候的貢獻(xiàn)率關(guān)系(圖8)。將經(jīng)濟(jì)同氣候結(jié)合分析發(fā)現(xiàn)，在RCP4.5和RCP8.5濃度路徑下，經(jīng)濟(jì)效應(yīng)的貢獻(xiàn)明顯高于氣候效應(yīng)和相互作用效應(yīng)，但在2046年后期，氣候效應(yīng)的變化曲線與暴露總變化的曲線表現(xiàn)出相似性；將人口同氣候結(jié)合時(shí)，人口效應(yīng)和氣候效應(yīng)的貢獻(xiàn)率差距明顯縮小，但還是人口效應(yīng)占主要。對(duì)于人口效應(yīng)而言，RCP4.5-SSP2和RCP8.5-SSP5兩種路徑下后期都出現(xiàn)了下降趨勢(shì)。在得出各類效應(yīng)百分比變化基礎(chǔ)之上，進(jìn)行歸一化，求出各貢獻(xiàn)率占比。經(jīng)濟(jì)效應(yīng)的貢獻(xiàn)率始終占較高，達(dá)到90%以上，人口效應(yīng)的占到85%以上，氣候效應(yīng)的占比都較小，但又決定了暴露總變化的基本走向。綜上，在海南地區(qū)，暴雨災(zāi)害暴露度的原因主要側(cè)重于人文因素，經(jīng)濟(jì)效應(yīng)的貢獻(xiàn)最大，人口效應(yīng)次之，而氣候效應(yīng)的貢獻(xiàn)率保持在較低的層次，但氣候效應(yīng)的貢獻(xiàn)比隨著不同濃度路徑的變化出現(xiàn)差異，在RCP4.5路徑下貢獻(xiàn)率較低，RCP8.5路徑下貢獻(xiàn)率上升，說明未來假設(shè)人類對(duì)于全球氣候變暖問題沒有做出良好的舉措，導(dǎo)致空氣中溫室氣體濃度維持在高水平，會(huì)導(dǎo)致海南地區(qū)出現(xiàn)更大的暴雨危險(xiǎn)性。

2.4 綜合暴露等級(jí)分布

基于綜合暴露度評(píng)估模型式(21)分析海南地區(qū)未來暴露度情況，以自然斷點(diǎn)法將其分別劃分為高、較高、中等、較低、低五個(gè)等級(jí)區(qū)域，按照三種不同社會(huì)發(fā)展路徑下的土地利用，綜合分析得到三組暴露度等級(jí)分布圖，以慣性發(fā)展情景下的土地利用為例說明海南地區(qū)不同重現(xiàn)期下的未來綜合暴露度情況(圖9)。

圖8 海南地區(qū)暴雨危險(xiǎn)性暴露量變化

圖9 海南地區(qū)2030年綜合暴露度等級(jí)分布(以慣性發(fā)展土地利用情景為例)

總體來說，在不同濃度路徑和兩個(gè)重現(xiàn)期下綜合暴露度高值區(qū)集中分布在以?？谑小⑷齺喪袨榈湫痛淼慕?jīng)濟(jì)發(fā)達(dá)、人口密集、建設(shè)用地分布高的市縣，次高值主要分布在沿海地區(qū)，如儋州市、臨高縣、瓊海市、萬寧縣等地，受地形、交通、氣候、經(jīng)濟(jì)等因素的影響，沿海地區(qū)承災(zāi)體——人口密度、經(jīng)濟(jì)密度分布較大，導(dǎo)致暴露度等級(jí)分布較高。從暴雨危險(xiǎn)性的角度來看，中等暴露等級(jí)以上地區(qū)與致災(zāi)暴雨危險(xiǎn)性分布沒有表現(xiàn)出較好的一致性；同時(shí)隨著承災(zāi)體的變化，暴露度分布出現(xiàn)擴(kuò)大趨勢(shì)，其中以?？谑凶顬榈湫?。

3 結(jié)論與討論

(1)海南地區(qū)歷史暴雨頻次總體呈上升趨勢(shì)，但年際變化波動(dòng)較大，受臺(tái)風(fēng)影響明顯，臺(tái)風(fēng)對(duì)暴雨頻次的貢獻(xiàn)率在26.15%左右；RCP4.5濃度路徑下呈上升趨勢(shì)，增長(zhǎng)速率約為0.16次/10年；；隨著重現(xiàn)期的增加，暴雨危險(xiǎn)性的程度和空間范圍呈現(xiàn)出不同程度地加深和擴(kuò)大；發(fā)生頻次低值區(qū)出現(xiàn)在西部，高值區(qū)分布范圍廣。

(2)以建設(shè)用地為例，在生態(tài)保護(hù)情景下擴(kuò)張速度為6.85 km2/年，而另外兩種情景擴(kuò)張速度均在30 km2/年左右，環(huán)境保護(hù)一定程度上減輕了城市化帶來的消極影響。在慣性、生態(tài)、高速三種情景中，林地的面積始終最大，以2050年為例，分別為20 920、21 499、20 920 km2，受其分布情況制約暴露量最大。在三種情景中建設(shè)用地在生態(tài)保護(hù)情景下暴露度最小。

(3)承災(zāi)體的暴雨災(zāi)害暴露量受到危險(xiǎn)性和承災(zāi)體的雙重影響。未來人口暴露度方面，空間分布上表現(xiàn)出一定的共性，呈點(diǎn)狀分布，高值多集中在市區(qū)的城鎮(zhèn)中心；經(jīng)濟(jì)暴露度高值在空間分布上主要集中在?？谑?、三亞市等經(jīng)濟(jì)發(fā)達(dá)的區(qū)域，其余主要分布在沿海地區(qū)的市中心，呈分散點(diǎn)狀分布。分析各個(gè)因素對(duì)海南地區(qū)暴雨災(zāi)害暴露度的貢獻(xiàn)情況，經(jīng)濟(jì)效應(yīng)的貢獻(xiàn)率達(dá)到90%以上，人口效應(yīng)為85%以上，氣候效應(yīng)的占比小。

(4)綜合暴露度等級(jí)分布方面，高值區(qū)主要分布在?？谑小⑷齺喪械冉?jīng)濟(jì)發(fā)達(dá)、人口密集、建設(shè)用地占比高的區(qū)域，次高值主要分布在沿海地區(qū)，內(nèi)陸地區(qū)受人文因素等影響小，暴露度低。

未來研究可從以下三個(gè)方面進(jìn)一步深入：①本研究設(shè)定了三種未來社會(huì)經(jīng)濟(jì)發(fā)展情景，但影響區(qū)域發(fā)展的因素是多樣的、偶然的，不僅受地區(qū)資源稟賦影響，同時(shí)受國(guó)家戰(zhàn)略政策和規(guī)劃的影響程度更深，因此，未來需建立政策影響下的社會(huì)經(jīng)濟(jì)發(fā)展動(dòng)態(tài)模擬模型，能在預(yù)測(cè)模擬過程中充分耦合區(qū)域歷史特征、資源條件及政策影響等綜合要素。②本研究使用暴雨頻次作為致災(zāi)因子危險(xiǎn)性分析的要素，衡量暴雨強(qiáng)度的指標(biāo)由多種，但各指標(biāo)的側(cè)重點(diǎn)不同。本研究重點(diǎn)考慮了暴雨的年際差異，因此選擇了暴雨頻次作為危險(xiǎn)性指標(biāo)，未來可進(jìn)一步豐富暴雨危險(xiǎn)性指標(biāo)，提高暴雨強(qiáng)度分析的準(zhǔn)確性。③在暴露度研究中多關(guān)注人口和經(jīng)濟(jì)承災(zāi)體，但其二者并不能完全代表社會(huì)發(fā)展?fàn)顩r，如城市化發(fā)展/人口的遷移等等導(dǎo)致承災(zāi)體變化更為復(fù)雜，而土地利用格局能夠好的綜合反映社會(huì)經(jīng)濟(jì)的情況，未來將會(huì)在研究過程中嘗試將更多的承災(zāi)體綜合應(yīng)用。