基于主成分分析的城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估以杭州市臨安區(qū)為例

葉瑞峰，潘耀忠，唐鈺嫣，楊可欣，魯婉婷，陳 燕，林嘉怡，胡潭高

(1. 杭州師范大學(xué)遙感與地球科學(xué)研究院，浙江 杭州 311121； 2. 浙江省城市濕地與區(qū)域變化研究重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 311121；3. 北京師范大學(xué)遙感科學(xué)與工程研究院，北京 100875)

0 引言

21世紀(jì)以來，隨著我國城市化水平的上升，城市內(nèi)澇災(zāi)害發(fā)生的頻率與強(qiáng)度及由此帶來的損失逐年增加，已對(duì)國民經(jīng)濟(jì)、人民生命財(cái)產(chǎn)安全與城市可持續(xù)發(fā)展構(gòu)成嚴(yán)重威脅[1].《中國統(tǒng)計(jì)年鑒》顯示，2019年僅浙江省由于城市內(nèi)澇導(dǎo)致的農(nóng)作物受災(zāi)面積就達(dá)3 417 km2，約448 km2農(nóng)作物絕收[2].且隨著人口的增加、經(jīng)濟(jì)的發(fā)展，內(nèi)澇災(zāi)害造成的經(jīng)濟(jì)損失呈逐年上升趨勢(shì)[3-4].因此，準(zhǔn)確評(píng)估城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)，劃分災(zāi)害風(fēng)險(xiǎn)等級(jí)，對(duì)內(nèi)澇災(zāi)害預(yù)警與風(fēng)險(xiǎn)防范具有重要指導(dǎo)價(jià)值.

國內(nèi)外學(xué)者已經(jīng)圍繞城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估開展了廣泛的研究，采用的方法主要包括基于歷史災(zāi)情的數(shù)理統(tǒng)計(jì)、遙感圖像和GIS技術(shù)耦合分析、基于指標(biāo)體系評(píng)估等.基于歷史災(zāi)情數(shù)理統(tǒng)計(jì)的方法是通過廣泛搜集長期連續(xù)的歷史災(zāi)情數(shù)據(jù)(如受災(zāi)面積、經(jīng)濟(jì)損失、遇難人數(shù)等)，主要運(yùn)用時(shí)間序列分析來評(píng)價(jià)災(zāi)害風(fēng)險(xiǎn)及預(yù)估未來災(zāi)害可能造成的損失，但因數(shù)據(jù)難以獲取，所得結(jié)果的時(shí)效性較低.遙感圖像和GIS技術(shù)耦合分析是通過GIS軟件對(duì)內(nèi)澇發(fā)生時(shí)的研究區(qū)遙感影像進(jìn)行受災(zāi)信息提取(如淹沒深度、淹沒范圍等)，進(jìn)而考慮承災(zāi)體的受災(zāi)情況，最后構(gòu)建風(fēng)險(xiǎn)評(píng)估模型.該方法的局限性在于淹沒深度難以提取、對(duì)遙感影像的空間分辨率要求較高[5].

綜上，本研究以全國自然災(zāi)害綜合風(fēng)險(xiǎn)普查試點(diǎn)縣浙江省杭州市臨安區(qū)為研究對(duì)象，采用指標(biāo)體系法，以主成分分析法確定指標(biāo)權(quán)重，定量評(píng)估臨安城區(qū)內(nèi)澇災(zāi)害風(fēng)險(xiǎn)，為城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)防范決策提供理論依據(jù).

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

臨安區(qū)位于杭州市西部(118°51′—119°52′E，29°56′—30°23′N)，總面積3 118 km2，東臨杭州市余杭區(qū)，南連杭州市富陽區(qū)、桐廬縣，北接湖州市安吉縣.地勢(shì)西北高東南低，西北多高山峽谷，東南多丘陵平原.臨安地處亞熱帶季風(fēng)氣候區(qū)，年均降雨量豐富，達(dá)1 613.9 mm，境內(nèi)水系發(fā)達(dá)，河網(wǎng)密布，主要河流有東苕溪、南苕溪和昌化溪等.近年來城市化進(jìn)程不斷加快，不透水面持續(xù)增加，加之排水管網(wǎng)堵塞等原因，汛期內(nèi)澇災(zāi)害時(shí)有發(fā)生.

1.2 數(shù)據(jù)

基礎(chǔ)地理數(shù)據(jù)主要包括：1)2020年各街道行政區(qū)劃界線，來源于測(cè)繪部門；2)2020年土地利用矢量數(shù)據(jù)(包括河流、道路、建設(shè)用地等類型)，來源于測(cè)繪部門；3)2020年排水管網(wǎng)數(shù)據(jù)，來源于城市管理部門；4)2019年數(shù)字高程模型(digital elevation model，DEM)數(shù)據(jù)，空間分辨率2 m，來源于測(cè)繪部門；5)研究區(qū)降雨產(chǎn)品數(shù)據(jù)，空間分辨率2 m，表征2011—2020年每年6—9月降雨量均值的空間分布情況，來源于氣象部門.以上數(shù)據(jù)均向臨安區(qū)相關(guān)部門申請(qǐng)獲得.

遙感影像數(shù)據(jù)包括：無人機(jī)影像(空間分辨率0.5 m，成像時(shí)間2019年12月)；Landsat 8遙感影像(空間分辨率30 m，成像時(shí)間2019年11月)，下載于地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/).

社會(huì)經(jīng)濟(jì)數(shù)據(jù)包括研究區(qū)2020年國內(nèi)生產(chǎn)總值(GDP)、各街道人口總數(shù)等，來源于臨安區(qū)統(tǒng)計(jì)局官網(wǎng)(http://www.linan.gov.cn/).

2 研究方法

分別從內(nèi)澇災(zāi)害致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性與防災(zāi)減災(zāi)能力等一級(jí)指標(biāo)中選取具有代表性的若干二級(jí)指標(biāo)構(gòu)建內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系；基于基礎(chǔ)地理數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)等，結(jié)合二級(jí)指標(biāo)的定義，使用GIS空間分析技術(shù)進(jìn)行指標(biāo)定量化和空間標(biāo)準(zhǔn)化，獲取二級(jí)指標(biāo)的空間分布圖；在ArcGIS軟件中創(chuàng)建規(guī)則格網(wǎng)，統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)的二級(jí)指標(biāo)均值，并在SPSS軟件中進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化與主成分分析，計(jì)算各個(gè)二級(jí)指標(biāo)的權(quán)重；最后，利用柵格計(jì)算工具，根據(jù)指標(biāo)量化結(jié)果與指標(biāo)權(quán)重系數(shù)，計(jì)算得到研究區(qū)每個(gè)柵格單元的內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估結(jié)果，從而實(shí)現(xiàn)城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)空間分布圖的制作.

2.1 致災(zāi)因子危險(xiǎn)性評(píng)估

城市內(nèi)澇災(zāi)害產(chǎn)生和存在與否的第一個(gè)必要條件就是致災(zāi)因子.致災(zāi)因子即內(nèi)澇災(zāi)害的風(fēng)險(xiǎn)源，指可能造成財(cái)產(chǎn)損失、人員傷亡、資源與環(huán)境破壞等的異變因子，主要反映災(zāi)害本身的危險(xiǎn)程度[11].致災(zāi)因子危險(xiǎn)性指標(biāo)的建立是風(fēng)險(xiǎn)評(píng)估的關(guān)鍵步驟，旨在對(duì)致災(zāi)因子的特征進(jìn)行分析與模擬，以獲取致災(zāi)因子潛在的影響范圍、強(qiáng)度、持續(xù)時(shí)間等危險(xiǎn)性數(shù)據(jù)，也被稱作危險(xiǎn)性分析[12].

臨安區(qū)屬于典型的亞熱帶季風(fēng)氣候，降水集中在夏季6—9月，并多以暴雨形式出現(xiàn)，城市地區(qū)極易形成內(nèi)澇災(zāi)害，而暴雨內(nèi)澇災(zāi)害致災(zāi)因子危險(xiǎn)性很大程度上是由降水量、降雨強(qiáng)度所決定的.本研究以氣象部門提供的多年夏季平均降雨量來表示研究區(qū)暴雨內(nèi)澇災(zāi)害致災(zāi)因子危險(xiǎn)性.該產(chǎn)品數(shù)據(jù)是歷史降雨量的實(shí)測(cè)數(shù)據(jù)，在選取子集要素、探索數(shù)據(jù)的基礎(chǔ)上，采用普通克里金插值方法，生成空間分辨率為2 m的研究區(qū)降雨量空間分布圖，標(biāo)準(zhǔn)平均值的絕對(duì)值為0.001 2，標(biāo)準(zhǔn)均方根為1.03.

2.2 孕災(zāi)環(huán)境敏感性評(píng)估

孕災(zāi)環(huán)境是指致災(zāi)因子、承災(zāi)體所處的外部自然環(huán)境，是由大氣圈、巖石圈、水圈、生物圈、物質(zhì)文化圈所組成的綜合地球表層環(huán)境[13-14].孕災(zāi)環(huán)境因子在一定程度上促進(jìn)或抑制著內(nèi)澇災(zāi)害所產(chǎn)生的影響.參考文獻(xiàn)[15]，選取洼地深度、植被覆蓋度、河網(wǎng)密度3個(gè)二級(jí)指標(biāo)來評(píng)估孕災(zāi)環(huán)境敏感性.

2.2.1 洼地深度

洼地深度是指洼地出水口高程至洼地最低高程之間的高度.以洼地深度代替?zhèn)鹘y(tǒng)風(fēng)險(xiǎn)評(píng)估方法中的DEM數(shù)據(jù)或地形起伏度指標(biāo)，可以有效提升孕災(zāi)環(huán)境敏感性指標(biāo)的準(zhǔn)確性[16].本研究在DEM數(shù)據(jù)基礎(chǔ)上，利用ArcGIS軟件的水文分析功能，依次進(jìn)行水流方向分析、分水嶺分析和區(qū)域統(tǒng)計(jì)分析等步驟，計(jì)算得到研究區(qū)洼地深度空間分布圖.

2.2.2 河網(wǎng)密度

河網(wǎng)密度是表征城市內(nèi)澇災(zāi)害孕災(zāi)環(huán)境敏感性的重要評(píng)價(jià)指標(biāo)之一[17].臨安區(qū)強(qiáng)降雨主要集中在夏季，汛期明顯，降雨在地表產(chǎn)生徑流，匯集到各自流域內(nèi)的河流，給下游城市造成壓力.同時(shí)，當(dāng)匯流超過河流的蓄洪排洪能力時(shí)，水流向河道周圍蔓延，因此，河網(wǎng)密度高的地區(qū)會(huì)面臨較高的內(nèi)澇風(fēng)險(xiǎn).本研究在土地利用矢量數(shù)據(jù)的基礎(chǔ)上，提取河流和湖泊的空間分布范圍，采用ArcGIS軟件的密度分析功能，生成研究區(qū)河網(wǎng)密度空間分布圖.

2.2.3 植被覆蓋度

植被對(duì)陸地表面和水文循環(huán)有著重要的調(diào)節(jié)作用，可促進(jìn)降雨再分配，影響土壤水分運(yùn)動(dòng)，改變產(chǎn)匯流條件，起到削洪減洪、控制土壤侵蝕、改善流域水質(zhì)的作用[18-19].因此，植被密度高，土壤蓄水能力強(qiáng)，發(fā)生內(nèi)澇災(zāi)害的風(fēng)險(xiǎn)就低.歸一化差異植被指數(shù)(normalized difference vegetation index，NDVI)可用于表示研究區(qū)的植被覆蓋度，其計(jì)算公式為

(1)

其中，ρNIR為近紅外光波段的地物反射率，ρR為紅光波段的地物反射率.

在高分辨率遙感影像的基礎(chǔ)上，根據(jù)式(1)和重采樣方法，生成研究區(qū)植被覆蓋度空間分布圖.

2.3 承災(zāi)體易損性評(píng)估

承災(zāi)體是指內(nèi)澇災(zāi)害作用的對(duì)象，如道路、居民點(diǎn)、農(nóng)田等[20]，區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r的不均衡使得其遭受內(nèi)澇災(zāi)害的風(fēng)險(xiǎn)與影響程度在空間上存在明顯的差異性[21].在各種自然災(zāi)害中，當(dāng)?shù)鼐用袷鞘桩?dāng)其沖的承災(zāi)體，是衡量災(zāi)害風(fēng)險(xiǎn)的重要依據(jù).除了評(píng)估當(dāng)?shù)厝丝谇闆r，考察研究區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r與城市基礎(chǔ)設(shè)施情況也是評(píng)估承災(zāi)體易損性的重要內(nèi)容.本研究選取人口密度、地均GDP和道路密度3個(gè)二級(jí)指標(biāo)來評(píng)估研究區(qū)承災(zāi)體的易損性.

1)人口密度和地均GDP計(jì)算.依照人口分布及地均GDP與城市建筑用地有著強(qiáng)相關(guān)性的規(guī)律，將2020年臨安區(qū)Landsat 8遙感影像經(jīng)過輻射定標(biāo)、大氣校正后，計(jì)算歸一化建筑指數(shù)(normalized difference building index，NDBI)，提取建筑用地信息[22].根據(jù)每個(gè)柵格的NDBI值及《2020年臨安區(qū)統(tǒng)計(jì)年鑒》中各個(gè)街道的人口總數(shù)與GDP信息，模擬每個(gè)柵格內(nèi)的人口數(shù)量與地均GDP，實(shí)現(xiàn)各個(gè)街道人口統(tǒng)計(jì)總數(shù)和GDP總量的空間化：

式中，Pi為待計(jì)算柵格內(nèi)的人口數(shù)，Gi為待計(jì)算柵格內(nèi)的GDP，PT為研究區(qū)人口總數(shù)，GT為研究區(qū)GDP總量，NDBIi為柵格NDBI值，NDBIT為研究區(qū)NDBI總量.

2)道路密度計(jì)算.道路是城市基礎(chǔ)設(shè)施的重要組成部分，是內(nèi)澇災(zāi)害的重要承災(zāi)體，內(nèi)澇災(zāi)害會(huì)對(duì)道路行車安全和周邊居民生活等造成嚴(yán)重的威脅.在土地利用矢量數(shù)據(jù)的基礎(chǔ)上，提取研究區(qū)內(nèi)所有道路的空間分布范圍，利用ArcGIS軟件的密度分析功能，生成空間分辨率為2 m的研究區(qū)道路密度空間分布圖.

2.4 防災(zāi)減災(zāi)能力評(píng)估

防災(zāi)減災(zāi)能力是指受災(zāi)地區(qū)對(duì)自然災(zāi)害的抵御程度，表示受災(zāi)區(qū)在短期或長期內(nèi)能夠從內(nèi)澇災(zāi)害中恢復(fù)的能力[23].以城市排水管網(wǎng)建設(shè)為代表的工程型設(shè)施建設(shè)是防災(zāi)減災(zāi)能力評(píng)估中極其重要的指標(biāo)，此外，避難場(chǎng)所等配套設(shè)施也起著不可忽略的作用.因此本研究選取管網(wǎng)排澇能力和避難場(chǎng)所密度2個(gè)二級(jí)指標(biāo)來評(píng)估研究區(qū)的防災(zāi)減災(zāi)能力[24].

1)管網(wǎng)排澇能力計(jì)算.采用窨井蓋及雨篦子的空間分布數(shù)據(jù)，使用ArcGIS的核密度分析功能，生成空間分辨率為2 m的窨井蓋和雨篦子空間分布密度圖，模擬研究區(qū)的管網(wǎng)排澇能力.

2)避難場(chǎng)所密度計(jì)算.在城市應(yīng)急避難場(chǎng)所體系中，醫(yī)院、學(xué)校、文化館等科教文衛(wèi)基礎(chǔ)設(shè)施因其硬件設(shè)施、可達(dá)度等優(yōu)勢(shì)而發(fā)揮著巨大作用.根據(jù)研究區(qū)土地利用數(shù)據(jù)，提取出相應(yīng)的科教文衛(wèi)用地，使用ArcGIS將其轉(zhuǎn)換為矢量點(diǎn)數(shù)據(jù)，再使用核密度分析功能，生成避難場(chǎng)所空間分布密度圖.

2.5 主成分分析

由于植被覆蓋度、管網(wǎng)密度、避難場(chǎng)所密度是負(fù)向指標(biāo)，即這3項(xiàng)指標(biāo)值越高，內(nèi)澇災(zāi)害風(fēng)險(xiǎn)反而越低.因此在主成分計(jì)算之前，首先將其轉(zhuǎn)換為正向指標(biāo)，轉(zhuǎn)換公式為

X*=-X+Xmax，

其中，X為原始指標(biāo)值，Xmax為原始指標(biāo)的最大值，X*為變換后的指標(biāo)值.

在上述9個(gè)二級(jí)指標(biāo)的空間標(biāo)準(zhǔn)化(空間分辨率2 m)全部完成以后，采用ArcGIS軟件創(chuàng)建200 m×200 m的格網(wǎng)(共6 204個(gè))，利用區(qū)域統(tǒng)計(jì)功能，統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)各個(gè)二級(jí)指標(biāo)的均值.然后，采用SPSS軟件對(duì)研究區(qū)內(nèi)所有格網(wǎng)的各項(xiàng)指標(biāo)均值進(jìn)行標(biāo)準(zhǔn)化處理，在此基礎(chǔ)上進(jìn)行主成分分析，提取得到4個(gè)主成分.最后，檢查主成分的選取合理性，所占總方差的比例為81%，表明可以代替原始信息.

根據(jù)成分矩陣(表1)與主成分特征值(表2)，計(jì)算得到4個(gè)主成分：

表1 成分矩陣Tab.1 Composition matrix

F1=-0.128X1-0.190X2+1.411X3+0.790X4+1.392X5-1.306X6+

1.207X7+1.033X8-0.874X9，

F2=0.133X1-0.019X2-0.175X3-0.490X4-0.491X5+0.379X6+

1.051X7+1.047X8+0.384X9，

F3=0.932X1+0.277X2-0.299X3+0.555X4+0.190X5-0.032X6+

0.047X7+0.046X8+0.282X9，

F4=0.034X1+0.883X2+0.062X3-0.279X4+0.075X5+0.139X6+

0.013X7+0.012X8-0.405X9，

其中，X1為降雨量，X2為洼地深度，X3為植被覆蓋度，X4為河網(wǎng)密度，X5為道路密度，X6為管網(wǎng)密度，X7為地均GDP，X8為人口數(shù)量，X9為避難場(chǎng)所密度.

根據(jù)每個(gè)主成分的貢獻(xiàn)率(表2)，各個(gè)網(wǎng)格內(nèi)的內(nèi)澇災(zāi)害風(fēng)險(xiǎn)指數(shù)可表示為

R=0.357F1+0.203F2+0.134F3+0.114F4.

(2)

表2 主成分特征值和貢獻(xiàn)率Tab.2 Principal component eigenvalue and contribution rate

根據(jù)式(2)，計(jì)算各個(gè)網(wǎng)格內(nèi)的內(nèi)澇災(zāi)害風(fēng)險(xiǎn)指數(shù)，歸一化處理后，按自然斷點(diǎn)法確定分級(jí)標(biāo)準(zhǔn)(表3)，得到研究區(qū)城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)空間分布圖.

表3 內(nèi)澇災(zāi)害風(fēng)險(xiǎn)分級(jí)標(biāo)準(zhǔn)Tab.3 Risk classification standard of waterlogging disaster

3 結(jié)果與討論

根據(jù)災(zāi)害風(fēng)險(xiǎn)理論[25]，在致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性和防災(zāi)減災(zāi)能力4方面選取代表性的9個(gè)二級(jí)指標(biāo)(降雨量、洼地深度、河網(wǎng)密度、植被覆蓋度、人口密度、地均GDP、道路密度、避難場(chǎng)所數(shù)、排澇管網(wǎng)密度)，結(jié)合GIS空間分析技術(shù)與主成分分析方法，確定指標(biāo)權(quán)重進(jìn)行加權(quán)疊合，完成臨安主城區(qū)城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估，結(jié)果如圖1所示.

圖1 臨安區(qū)主城區(qū)暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖Fig.1 Risk zonation of urban waterlogging disaster in Lin’an downtown

研究結(jié)果表明，臨安區(qū)大部分主城區(qū)屬于暴雨內(nèi)澇災(zāi)害的低風(fēng)險(xiǎn)區(qū)或較低風(fēng)險(xiǎn)區(qū)，高風(fēng)險(xiǎn)區(qū)面積較小，具有一定的空間差異性.總體來說，暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)呈現(xiàn)出以錦城街道、玲瓏街道等老城區(qū)為中心向四周輻射、風(fēng)險(xiǎn)逐漸降低的特點(diǎn).錦北街道和青山湖街道的個(gè)別地帶也有較高的暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn).

暴雨內(nèi)澇災(zāi)害高風(fēng)險(xiǎn)及次高風(fēng)險(xiǎn)區(qū)主要位于錦城街道和玲瓏街道的中心地帶，以及青山湖街道的東部地區(qū)，面積分別為0.92、8.08 km2，占研究區(qū)總面積的0.40%、3.54%.錦城街道與玲瓏街道是臨安的老城區(qū)，部分居民區(qū)地勢(shì)低洼，排水管網(wǎng)分布不均，實(shí)地調(diào)查發(fā)現(xiàn)該區(qū)域內(nèi)管網(wǎng)雨污合流，導(dǎo)致管網(wǎng)滿溢現(xiàn)象嚴(yán)重，且該區(qū)域人口相對(duì)較為集中，因此，內(nèi)澇風(fēng)險(xiǎn)等級(jí)較高.青山湖街道東部雖是新城區(qū)，但由于青山湖科技城地鐵站一帶植被覆蓋度低，道路密度高，且新城區(qū)地均GDP水平高，一定程度上加大了暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn).

中等風(fēng)險(xiǎn)區(qū)主要位于各街道的邊緣地帶及山谷居民區(qū)，面積為49.39 km2，占研究區(qū)總面積的21.60%.由于雨水易在山谷匯集，山谷居民區(qū)基礎(chǔ)設(shè)施不完善，缺少適宜的避難場(chǎng)所，因此有中等暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn).

低風(fēng)險(xiǎn)及次低風(fēng)險(xiǎn)區(qū)主要位于錦北街道北部、青山湖街道南部、板橋鎮(zhèn)等廣大山區(qū)，面積分別為84.13、85.72 km2，占研究區(qū)總面積的36.90%、37.60%.該區(qū)域植被覆蓋度高，水土保持能力強(qiáng)，災(zāi)害發(fā)生概率低，且山區(qū)人口稀疏，不易造成生命財(cái)產(chǎn)損失，因此暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)相對(duì)較低.

4 結(jié)論

本研究結(jié)合災(zāi)害風(fēng)險(xiǎn)理論，選取致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性、防災(zāi)減災(zāi)能力等具有代表性的指標(biāo)，完成臨安主城區(qū)暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估與制圖.在指標(biāo)權(quán)重設(shè)置上采用主成分分析方法，較好地彌補(bǔ)了傳統(tǒng)層次分析法主觀性較強(qiáng)的不足，并且以200 m×200 m格網(wǎng)為基本評(píng)價(jià)單元，提高了內(nèi)澇風(fēng)險(xiǎn)評(píng)估與制圖精度.

研究結(jié)果顯示，臨安主城區(qū)暴雨內(nèi)澇次高風(fēng)險(xiǎn)及高風(fēng)險(xiǎn)區(qū)約占總面積的3.9%，主要分布在老城區(qū)的低洼地帶與青山湖街道的東部新城區(qū).建議這些區(qū)域改變傳統(tǒng)排水體制，構(gòu)建雨污分流制排水系統(tǒng)、內(nèi)澇防治系統(tǒng)等，并在汛期來臨前做好排水管網(wǎng)檢修、臨時(shí)排水設(shè)備抽調(diào)、群眾疏導(dǎo)應(yīng)急預(yù)案制定等工作.臨安主城區(qū)約96.1%面積處于中等風(fēng)險(xiǎn)及以下，風(fēng)險(xiǎn)較低.

由于暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)涉及自然地理環(huán)境與社會(huì)經(jīng)濟(jì)眾多相關(guān)因子，本研究只選取了9個(gè)影響較大、具有代表性的指標(biāo)來簡(jiǎn)化模擬災(zāi)害過程.諸如“居民防災(zāi)意識(shí)”等指標(biāo)難以精確地實(shí)現(xiàn)柵格空間上的量化，因此本研究未將其納入指標(biāo)體系.在今后的相關(guān)研究中，可進(jìn)一步完善指標(biāo)體系并準(zhǔn)確量化至柵格，以提高研究結(jié)果的準(zhǔn)確性.