采用標準化降水指數(shù)評估濱州市旱災風險

摘要： 為了對地區(qū)性歷史干旱災害造成的損失程度與未來將受旱災影響的相關性進行研究，基于自然災害風險理論，收集1957—2015年山東省濱州市各縣（區(qū)）逐日降水資料，結合1978—2020年的歷史旱災損失數(shù)據和人均國內生產總值等社會經濟數(shù)據，利用層次分析法確定指標權重，從致災因子危險性、 承災體暴露度、 孕災環(huán)境脆弱性、 損失風險和抗旱減災能力5個方面構建干旱災害風險模型，計算致災因子危險性指數(shù)、 承災體暴露度指數(shù)、 孕災環(huán)境脆弱性指數(shù)、 損失風險指數(shù)、 抗旱減災能力指數(shù)以及干旱災害綜合風險指數(shù)，并基于地理信息系統(tǒng)軟件繪制濱州市干旱災害綜合風險分布圖。結果表明： 致災因子危險性指數(shù)呈東西兩側低、 中間高的趨勢， 承災體暴露度指數(shù)總體呈現(xiàn)為西南部大、 東北部小的趨勢， 孕災環(huán)境脆弱性指數(shù)呈北部高、 西南部低的趨勢， 損失風險指數(shù)呈南北兩側高、 中部低的趨勢， 抗旱減災能力指數(shù)呈北部高、 西南部低的趨勢； 干旱災害綜合風險中鄒平市、 沾化區(qū)和無棣縣的干旱災害風險性較高， 濱城區(qū)和博興縣的干旱災害風險性較低。

關鍵詞： 旱災； 風險評估； 標準化降水指數(shù)； 濱州市

中圖分類號： S271； S166； P429

Drought Risk Assessment in Binzhou City Based on

Standardized Precipitation Index

Abstract： To study the correlation between the extent of damage caused by historical drought disasters in a region and the impact of drought in the future， based on the theory of natural disaster risk， the daily precipitation data of each county （district） in Binzhou City， Shandong Province from 1957 to 2015 were collected， combined with the historical drought loss data and per capita GDP and other socio-economic data from 1978 to 2020， using the analytic hierarchy method to determine the weight of indicators， a drought disaster risk model was constructed from five aspects of risk of disaster factors， exposure of disaster-bearing bodies， vulnerability of disaster-pregnant environments， risk of loss and ability of drought resistance and mitigation. The risk index of disaster-causing factors， exposure index of disaster-bearing bodies， vulnerability index of disaster-bearing environment， loss risk index， drought resistance and disaster reduction ability index and comprehensive risk index of drought disaster were calculated， and the comprehensive risk distribution map of drought disaster in Binzhou City was drawn based on geographic information system software. The results show that the risk index of disaster-causing factors is low in the east and west and high in the middle. The exposure index of disaster-bearing bodies generally shows a trend of large in the southwest and small in the northeast. The vulnerability index of disaster-pregnant environments shows a trend of high in the north and low in the southwest. The loss risk index shows a trend of high in the north and south and low in the middle. The drought resistance and disaster reduction capacity index show a trend of high in the north and low in the southwest. Among the comprehensive risk of drought disasters， the risk of drought disasters is high in Zouping， Zhanhua and Wudi County， Bincheng and Boxing County are less risky.

Keywords： drought; risk assessment; standardized precipitation index; Binzhou City

在全球變暖和人類活動的雙重影響下，干旱災害已成為全球發(fā)生頻率最高、 持續(xù)時間最長、 影響面最廣的氣象災害［1］。中國是全球旱災損失最為嚴重的國家之一［2］，干旱程度呈加重趨勢［3］，《中國氣象災害年鑒（2017）》顯示，我國2012—2016年間受旱災影響造成的經濟損失高達4.43×1010億美元［4］。山東省濱州市位于黃河三角洲腹地， 四季分明， 溫差變化大， 雨熱同期。 濱州市僅鄒平市境內有少量山丘， 其余地區(qū)均為平原。 受降水在時間上分布不均的影響， 濱州市具有“春旱、 夏澇、 晚秋又旱”的水文氣象規(guī)律， 有“十年九旱”之說。 自1978年以來， 旱災造成濱州市農業(yè)累計直接經濟損失達9.71×109億元， 是山東省干旱災害最嚴重的地區(qū)之一。 面對已經發(fā)生的干旱災害， 盲目的救災行為只能對已經產生的經濟損失進行部分補救， 造成社會人力物力資源的浪費， 因此開展干旱災害的風險分析對干旱監(jiān)測預警和防災減災工作具有重要現(xiàn)實意義。

文獻［5-8］中基于自然災害風險理論建立了干旱災害風險指數(shù)模型，并采用地理信息軟件ArcGIS分別對遼寧省玉米旱災、 云南省、 南方地區(qū)和西南地區(qū)進行了風險評估與區(qū)劃，得出各研究區(qū)的旱災風險區(qū)域分布圖，為未來干旱災害風險管理打下了基礎。韓蘭英等［9］對黃河流域的干旱災害風險空間特征進行分析，得出干旱災害風險分布格局具有明顯的地帶性和復雜性，且旱災風險影響機制的區(qū)域差異也十分顯著的結論。宋柏泱等［10］研究表明，干旱災害所帶來的不良影響既與干旱持續(xù)時間的長短、 嚴重程度以及干旱事件發(fā)生的頻率有關，還與承災體的暴露等級、 自然環(huán)境的敏感性以及社會生態(tài)環(huán)境的抗災能力密切相關。

目前針對干旱災害風險評估的研究成果較多，但多未考慮地區(qū)性歷史干旱災害造成的損失程度與未來將受旱災影響的相關性。本文中在考慮干旱致災因子危險性、 承災體暴露度、 孕災環(huán)境脆弱性和抗旱減災能力的基礎上增加損失風險因子，利用層次分析法確定各項指標因子的權重［11］，結合地理信息系統(tǒng)（GIS）數(shù)據處理以及圖層疊加的優(yōu)點［12］，建立濱州市干旱災害風險系統(tǒng)，使旱災風險評估的過程更具有邏輯性和系統(tǒng)性［13］。

1 數(shù)據來源與研究方法

1.1 數(shù)據來源

本文中收集整理的數(shù)據包括： 濱州市1957—2015年的逐日降水量， 由山東省水利科學研究院提供； 1999—2020年以縣（區(qū)、 市）為單元的行政區(qū)域的國民生產總值（GDP）、 人均GDP、 農作物總播種面積、 有效灌溉面積等社會經濟數(shù)據， 來源于《濱州統(tǒng)計年鑒》； 1978—2020年旱情受災面積和經濟損失數(shù)據主要來源于《濱州市水利志》（1990年以前）、 《全國抗旱規(guī)劃》（1990—2007年）和全國干旱災害致災調查（2008—2020年）， 并與濱州市防汛抗旱總結的數(shù)據進行比對， 保證數(shù)據的合理性和可靠性。

濱州市各縣域行政界線的地理信息數(shù)據通過山東省地理信息公共服務平臺（http：//www.sdmap.gov.cn）下載。

1.2 研究方法

1.2.1 標準化降水指數(shù)

標準化降水指數(shù)（SPI）是先求出某時間段內降水量的Γ分布概率后，再進行正態(tài)標準化處理而得到的一種反映干旱情況的指數(shù)［14］。該指數(shù)計算簡便， 消除了降水量在時空分布中的差異， 使不同地區(qū)、 不同時段發(fā)生的干旱具有可比性。

1.2.2 因子歸一化處理

為了消除指標的量綱影響， 使評價結果具有統(tǒng)一性與可比性， 需要對指標進行歸一化處理， 采用極差法對各評估指標進行標準化。 當指標對影響因素有正向作用時， 對其進行正向標準化處理； 當評估指標增大而其所反映的風險要素減小時， 進行負向標準化處理， 例如有效灌溉面積、 工程供水能力等。

正向標準化公式為

負向標準化公式為

式中： Xij為第i個評估對象第j個評價指標的數(shù)值； Yij為標準化后的指標值； max（Xij）和min（Xij）分別為Xij的最大值和最小值。

1.2.3 層次分析法

層次分析法（AHP）是系統(tǒng)分析的方法之一，可以模擬人的決策思維，便于解決對具有分層交錯的評價指標且難以定量描述的目標系統(tǒng)的權重確定，實現(xiàn)定性與定量的綜合分析［15］。干旱災害形成的影響因子普遍錯綜復雜，不確定性很大，因此可以通過層次分析法來確定因子權重。

1.2.4 基于GIS的加權權重綜合評價法

加權權重綜合評價法［16］是目前基于ArcGIS軟件對干旱災害風險進行評估的常用方法之一。本文中采用加權權重綜合評價法計算孕災環(huán)境脆弱性、損失風險和抗旱減災能力的指數(shù)值，這3個旱災風險因子的指數(shù)值由歸一化處理后的各指標值乘以其權重再相加而得，計算公式為

式中： D為孕災環(huán)境脆弱性、 損失風險和抗旱減災能力的指數(shù)值； Wk為指標k的權重，0≤Wk≤1， Wk之和為1； Ck為指標i的規(guī)范化值； n為評價指標的個數(shù)。

1.2.5 干旱災害風險模型

利用干旱平均強度T來表征致災因子危險性指數(shù)H，致災因子危險性指數(shù)計算公式為

式中： Ts為干旱累計強度； Td為干旱持續(xù)時間。

利用農作物總播種面積C2來表征承災體暴露度指數(shù)E，承災體暴露度指數(shù)計算公式為

E=C2 。（5）

濱州市干旱災害風險模型由致災因子危險性、 承災體暴露度、 孕災環(huán)境脆弱性、 損失風險和抗旱減災能力5個部分組成，計算公式為

R=WhH+WeE+WvV+WbB+WaA ，（6）

式中： R為干旱災害風險的評估綜合值； V為孕災環(huán)境脆弱性指數(shù)； B為損失風險指數(shù)； A為抗旱減災能力指數(shù)； Wh、 We、 Wv、 Wb、 Wa 分別為H、 E、 V、 B、 A的權重， V、 B、 A由式（3）計算得到。

1.2.6 干旱平均強度

選擇干旱平均強度作為致災因子危險性的評估指標?；谟纬汤碚?，定義干旱平均強度為干旱累計強度與持續(xù)時間的比值。根據SPI劃分的氣象干旱等級（見表1），利用濱州市各縣（區(qū)、 市）1957—2015年逐月SPI計算干旱強度。干旱強度為一次干旱事件中SPI的累計值。定義SPI值大于-0.3或當SPI為-0.5～-0.3、干旱歷時僅有1個月時，認為未發(fā)生干旱事件；當相鄰2次干旱事件過程間隔時間為1個月且該月SPI值小于0時，2次干旱事件合并為1次干旱事件，干旱歷時為2次干旱歷時之和加1［17］。

2 指標體系構建及權重確定

2.1 指標體系的構建

干旱災害形成的原因包含自然因素和社會經濟等因素［18］，其中涉及的影響因子十分復雜，所以在干旱指標的選取上也受到諸多限制。在考慮數(shù)據資料的可獲取性及可用性的基礎上，參照國內外旱災風險的研究結果［19-20］，本文最終確定了由SPI指數(shù)計算的干旱平均強度、農作物播種面積、有效灌溉面積等9個指標建立的濱州市干旱災害風險評估指標體系，如圖1所示。

2.2 評價指標權重的確定

本文利用層次分析法計算評估體系中5個影響因子及其指標的權重。在濱州市干旱災害風險評估過程中，層次分析模型結構共分為3層：第1層為濱州市干旱災害風險，是區(qū)分旱災程度的目標層；第2層為致災因子危險性、承災體暴露度、孕災環(huán)境脆弱性、損失風險和抗旱減災能力，是影響干旱災害風險程度的要素層；第3層為所選取的9個評估指標，是分析對象的指標層。最終構建濱州市旱災風險評估權重判斷矩陣，計算得出濱州市旱災風險評估體系各級的指標權重（見表2）。

3 干旱風險區(qū)劃與分析

3.1 致災因子危險性

致災因子危險性是災害風險的主要決定因素， 是災害發(fā)生風險的來源， 反映了干旱的時空尺度、 強度等。 本文中選取干旱平均強度作為致災因子危險性的評估指標。 依據已有的濱州市各縣（區(qū)、 市）1957—2015年逐月降水數(shù)據計算得出以月為時間尺度的SPI值， 對照游程理論識別干旱發(fā)生事件， 得到1957—2015年逐年干旱持續(xù)時間和干旱強度。 以濱城區(qū)為例， 逐年干旱持續(xù)時間和干旱強度見圖2。

利用干旱平均強度T來表征致災因子危險性指數(shù)H， 對干旱平均強度進行正向標準化處理后， 由式（4）計算得出致災因子危險性指數(shù)。 利用ArcGIS 10.8軟件中的自然斷點分級法， 將排序后的數(shù)據樣本通過統(tǒng)計學方法找出數(shù)據斷裂點， 比較不同種類及種類間數(shù)據的誤差， 再根據誤差進行分類， 使種類間的差異達到最大， 種類內部差異達到最小，從而使分類結果最為科學合理［21］。將危險性指數(shù)H分為5級：H≤0.21時為低危險區(qū)；0.21lt;H≤0.42時為中低危險區(qū)； 0.42lt;H≤0.58時為中危險區(qū)； 0.58lt;H≤0.76時為中高危險區(qū)； 0.76lt;H≤1.00時為高危險區(qū)。

濱州市干旱災害致災因子危險性指數(shù)分布如圖3所示。由圖可知： 濱州市干旱致災因子危險性呈東西兩側低、 中間高的趨勢，鄒平市中部、 沾化區(qū)北部的干旱致災因子危險性最強； 濱城區(qū)西北部、 沾化區(qū)東北部致災因子危險性較強； 無棣縣中部、 沾化區(qū)南部、 濱城區(qū)東南部、 陽信縣東部和惠民縣東部致災因子危險性中等； 無棣縣西南部、 陽信縣中部、 惠民縣中部和博興縣致災因子危險性較低； 陽信縣西部和惠民縣西北部致災因子危險性最低。

3.2 承災體暴露度

承災體暴露度表征受干旱事件威脅的承災體在孕災環(huán)境中的分布，體現(xiàn)為承災體的種類、 數(shù)量、 密度等。作物生長對氣候的濕度極為敏感，是最易受旱災影響的承災體［22］，農作物耕地面積越大，反映災害的暴露性越高，利用農作物總播種面積來表征承災體暴露度指數(shù)。

對農作物播種面積進行正向歸一化處理后， 由式（5）建立承災體暴露度分析模型， 應用GIS中空間分析計算得到濱州市不同區(qū)域的干旱災害承災體暴露度指數(shù)， 利用自然斷點分級法將承災體暴露度指數(shù)E分為5級： E≤0.15時為低暴露區(qū)； 0.15lt;E≤0.3時為中低暴露區(qū)； 0.3lt;E≤0.51時為中暴露區(qū)； 0.51lt;E≤0.72時為中高暴露區(qū)； 0.72lt;E≤1.00時為高暴露區(qū)。

濱州市干旱災害承災體暴露度指數(shù)分布如圖4所示。由圖可見：惠民縣、 鄒平市以及陽信縣相較于其他縣區(qū)農作物種植面積較大，惠民縣和鄒平市大部分承災體暴露度指數(shù)較大，位于高暴露區(qū)；陽信縣大部位于中高暴露區(qū)；無棣縣、 博興縣以及濱城區(qū)承災體暴露度指數(shù)較小，為中低暴露區(qū)；沾化區(qū)處于低暴露區(qū)，受旱災影響小。濱州市干旱災害承災體暴露度指數(shù)分布總體呈現(xiàn)為西南部大、 東北部小的趨勢。

3.3 孕災環(huán)境脆弱性

孕災環(huán)境脆弱性表征受干旱影響的傾向，是形成旱災風險的環(huán)境條件。在同等強度的災害情況下，脆弱程度越高，破壞程度越嚴重［23］。旱災具有緩發(fā)性，經濟發(fā)達的地區(qū)能夠更好地減輕干旱災害所帶來的消極影響［24］，但第一產業(yè)占GDP總值的比例越高時，承災體受干旱影響的傾向越大；同時灌溉面積比例越大，承災體受干旱影響的傾向越小。

分別對第一產業(yè)占GDP總值進行正向標準化、對有效灌溉面積進行負向標準化處理后， 由式（3）建立孕災環(huán)境脆弱性分析模型， 應用GIS中空間分析的柵格運算方法計算獲得濱州市不同區(qū)域的干旱災害孕災環(huán)境脆弱性指數(shù)， 利用自然斷點分級法將孕災環(huán)境脆弱性指數(shù)V分為5級： V≤0.34時為低脆弱區(qū)； 0.34lt;V≤0.48時為中低脆弱區(qū)； 0.48lt;V≤0.62時為中脆弱區(qū)； 0.62lt;V≤0.75時為中高脆弱區(qū)； 0.75lt;V≤1.00時為高脆弱區(qū)。

濱州市干旱災害孕災環(huán)境脆弱性指數(shù)分布如圖5所示。由圖可知：濱州市干旱災害孕災環(huán)境脆弱性呈北部高、 西南部低的趨勢，無棣縣、 沾化區(qū)、 陽信縣脆弱性較強；濱城區(qū)和博興縣脆弱性中等；惠民縣、 鄒平市脆弱性較低。沾化區(qū)、 惠民縣、 陽信縣、 無棣縣農作物種植比例較大，第一產業(yè)占GDP總值的比重較大，更容易遭受旱災帶來的影響；但惠民縣的有效灌溉面積大，陽信縣有效灌溉面積最小，且有效灌溉面積在孕災環(huán)境脆弱性指數(shù)的計算中權重占比較大，所以最終惠民縣的脆弱性表現(xiàn)為低、 中低脆弱區(qū)，陽信縣表現(xiàn)為高、 中高脆弱區(qū)。

3.4 損失風險

損失風險反映地區(qū)歷史遭受農業(yè)干旱災害的嚴重程度， 考慮已有的濱州市歷史農業(yè)旱災損失數(shù)據， 本文中選取農業(yè)直接經濟損失、 因旱受災人口以及干旱影響的耕地面積（受災面積、 絕收面積）為指標。對各指標進行正向標準化處理后， 由式（3）建立損失風險模型， 應用GIS中空間分析的柵格運算方法計算獲得濱州市不同區(qū)域的干旱災害損失風險指數(shù)， 利用自然斷點分級法將損失風險指數(shù)B分為5級： B≤0.18時為低風險區(qū)； 0.18lt;B≤0.34時為中低風險區(qū)； 0.34lt;B≤0.55時為中風險區(qū)； 0.55lt;B≤0.77時為中高風險區(qū)； 0.77lt;B≤1.00時為高風險區(qū)。

濱州市干旱災害損失風險指數(shù)分布如圖6所示。由圖可知： 沾化區(qū)北部為損失風險高風險區(qū)； 無棣縣北部及中部、 沾化區(qū)中部損失風險較高，為中高風險區(qū)； 無棣縣和沾化區(qū)南部、 惠民縣和鄒平市為中風險區(qū)； 陽信縣、 濱城區(qū)損失風險較低，處于中低風險區(qū)； 博興縣為損失風險低風險區(qū)?？傮w上濱州市干旱災害損失風險指數(shù)呈南北兩側高、 中部低的趨勢。 由于沾化區(qū)、 無棣縣兩地因旱農業(yè)直接經濟損失和因受旱災影響致減產10%以上的耕地面積較多， 且因旱農業(yè)直接經濟損失占損失風險指數(shù)模型的權重較高， 因此沾化區(qū)和無棣縣綜合呈現(xiàn)為高、 中高風險區(qū)。 博興、 陽信縣因旱農業(yè)直接經濟損失較少， 博興縣和濱城區(qū)因旱受災人口較少， 所以博興縣、 濱城區(qū)及陽信縣綜合為低、 中低風險區(qū)。

3.5 抗旱減災能力

抗旱減災能力是指受旱災影響的地區(qū)中人類抵御不良影響并從中恢復的能力［25］。 以2020年濱州市各縣（區(qū)、 市）蓄水工程、 引提水工程、 調水工程和水井工程的供水能力之和作為工程供水能力指標。 對于以地表水作為灌溉水源的灌溉農業(yè)，工程供水能力影響農業(yè)旱災的嚴重程度， 工程供水能力越強， 則抵御災害的能力就越強。 抗旱減災能力也依賴于社會經濟的發(fā)展水平， 一個區(qū)域的人均GDP越高， 經濟越發(fā)達， 抵御災害以及恢復的能力就越強。

由于工程供水能力越強和人均GDP越高， 地區(qū)越不易受到旱災的影響，因此根據式（2）對其進行負向標準化處理， 由式（3）建立抗旱減災能力分析模型，應用GIS中空間分析的柵格運算方法計算獲得濱州市不同區(qū)域的干旱災害抗旱減災能力指數(shù)，利用自然斷點分級法將抗旱減災能力指數(shù)A分為5級：A≤0.18時為低風險區(qū)； 0.18lt;A≤0.40時為中低風險區(qū)；0.40lt;A≤0.60時為中風險區(qū)；0.60lt;A≤0.77時為中高風險區(qū)； 0.77lt;A≤1.00時為高風險區(qū)。

濱州市干旱災害抗旱減災能力指數(shù)分布如圖7所示。由圖可知： 無棣縣、 沾化區(qū)、 陽信縣抗旱減災能力指數(shù)較大，抵御干旱災害能力較弱； 惠民縣、 濱城區(qū)、 博興縣抗旱減災能力指數(shù)中等，抵御干旱災害能力中等； 鄒平市抗旱減災能力指數(shù)較小，抵御干旱災害能力較強?？傮w上濱州市干旱災害抗旱減災能力指數(shù)呈北部大、 西南部小的趨勢。

4 濱州市干旱災害綜合風險評估分析

在對上述致災因子危險性、 承災體暴露度、 孕災環(huán)境脆弱性、 損失風險和抗旱減災能力5個影響因子進行定量評估分析的基礎上，由干旱災害風險評估模型（6）計算出濱州市干旱災害綜合風險指數(shù)。利用ArcGIS 10.8軟件中自然斷點分級法將濱州市干旱災害綜合風險指數(shù)R分為5級：R≤0.38時為低風險區(qū)； 0.38lt;R≤0.45時為中低風險區(qū)； 0.45lt;R≤0.49時為中風險區(qū)； 0.49lt;R≤0.53時為中高風險區(qū)； 0.53lt;R≤1.00時為高風險區(qū)。

濱州市干旱災害綜合風險評估結果如圖8所示。由圖可知：鄒平市和沾化區(qū)北部為高風險區(qū)；無棣縣和陽信縣西部為中高風險區(qū)；惠民縣為中風險區(qū)；濱城區(qū)為中低風險區(qū)；博興縣為低風險區(qū)。由于鄒平市的致災因子危險性及承災體暴露度的風險指數(shù)較大，且在干旱災害風險模型中致災因子危險性和承災體暴露度的權重占比較大，因此總體表現(xiàn)為高、 中高風險區(qū)。沾化區(qū)和無棣縣的孕災環(huán)境脆弱性指數(shù)及損失風險指數(shù)較小，抵御旱災能力較弱，且沾化區(qū)致災因子危險性指數(shù)較大，所以沾化區(qū)總體表現(xiàn)為高、 中高、 中風險區(qū)，無棣縣為中高風險區(qū)。陽信縣的干旱承災體暴露度和脆弱性較高，抵御旱災的能力較低，因此綜合表現(xiàn)為中高、 中風險區(qū)。濱城區(qū)在孕災環(huán)境脆弱性區(qū)劃中表現(xiàn)為中脆弱區(qū)，抵御旱災能力中等，綜合表現(xiàn)為中低風險區(qū)。博興縣在致災因子危險性、 承災體暴露度以及損失風險的評估分析中均表現(xiàn)為中低、 低風險區(qū)，孕災環(huán)境脆弱性風險和抗旱減災能力為中等水平，因此旱災綜合風險表現(xiàn)為低風險區(qū)。

本文中對濱州市干旱災害綜合風險的評估結果與褚越等［26］對山東省旱災風險分析中濱州區(qū)域的研究成果大體一致。與李臻等［27］對山東省干旱災害風險評估中濱州部分的評估結果相比較，本文的結論中沾化區(qū)和無棣縣的旱災風險指數(shù)較大，惠民縣的旱災風險指數(shù)較小，原因是本文中在自然災害風險評估理論的基礎上增加了損失風險因子。自1978年以來，沾化區(qū)和無棣縣所受旱災影響的損失程度較大，且其抵御旱災影響的能力較低，兩地一旦發(fā)生干旱，受旱災影響程度可能較大，所以沾化區(qū)總體為高、中高風險區(qū)，無棣縣為中高風險區(qū)。

5 結論

本文中以自然災害風險理論為基礎，以濱州市縣級行政區(qū)為基礎研究單位，基于致災因子危險性、 承災體暴露度、 孕災環(huán)境脆弱性、 損失風險、 抗旱減災能力5個風險因素構建風險評估模型，評估濱州市干旱災害發(fā)生風險程度，得出結論如下：

1）致災因子危險性等級大體呈先南北高、 東西低的現(xiàn)象；承災體暴露度指數(shù)體現(xiàn)為從東北向西南遞增；孕災環(huán)境脆弱性指數(shù)較大的地區(qū)位于陽信縣、無棣縣和沾化區(qū)，指數(shù)較小的區(qū)域位于惠民縣和鄒平市；損失風險指數(shù)較大的區(qū)域位于濱州市東北部，指數(shù)較小的區(qū)域主要為博興縣、 濱城區(qū)和陽信縣；抗旱減災能力指數(shù)大的地區(qū)主要分布在陽信縣、無棣縣和沾化區(qū)，指數(shù)較小的為鄒平市。由于抗旱減災能力指數(shù)選取的影響因子為負向指標，因此陽信縣、無棣縣和沾化區(qū)更容易受到旱災的影響。

2）濱州市干旱災害綜合風險評估結果表明： 低、 中低風險區(qū)主要為博興縣和濱城區(qū)，高、 中高風險區(qū)主要為鄒平市、 沾化區(qū)和無棣縣，惠民縣為中風險地區(qū)。

干旱引起的災害既有自然屬性也有社會屬性，要結合自然因素和社會因素來充分量化干旱災害仍然是一個挑戰(zhàn)。對某一區(qū)域開展干旱災害風險評估的目的是希望能夠有效減少干旱災害造成的損失，保障區(qū)域的農業(yè)發(fā)展，監(jiān)測干旱發(fā)生情況，協(xié)助有關部門有效實施干旱治理，真正實現(xiàn)精準防旱。未來旱災風險分析的研究中還需向著成果的實用性以及評價的精細化發(fā)展。

參考文獻：

［1］ 陳思名， 霍艾迪， 張丹， 等. 典型脆弱區(qū)干旱災害風險評估關鍵技術研究： 以隴東黃土塬區(qū)為例［J］. 干旱地區(qū)農業(yè)研究， 2022， 40（2）： 197.

［2］ 倪深海， 王亨力， 劉靜楠， 等. 中國農業(yè)干旱災害特征及成因分析［J］. 中國農學通報， 2022， 38（10）： 106.

［3］ 韓蘭英， 張強， 賈建英， 等. 氣候變暖背景下中國干旱強度、 頻次和持續(xù)時間及其南北差異性［J］. 中國沙漠， 2019， 39（5）： 1.

［4］ 中國氣象局. 中國氣象災害年鑒（2017）［M］. 北京： 氣象出版社， 2018： 56-63.

［5］ 烏日娜， 張興東， 曹永強， 等. 遼寧省玉米旱災時空分布特征及綜合風險評價［J］. 生態(tài)學報， 2022， 42（16）： 6731.

［6］ 何嬌楠， 李運剛， 李雪， 等. 云南省干旱災害風險評估［J］. 自然災害學報， 2016， 25（5）： 37.

［7］ 王鶯， 沙莎， 王素萍， 等. 中國南方干旱災害風險評估［J］. 草業(yè)學報， 2015， 24（5）： 12.

［8］ 柳媛普， 王素萍， 王勁松， 等. 氣候變暖背景下西南地區(qū)干旱災害風險評估［J］. 自然資源學報， 2018， 33（2）： 325.

［9］ 韓蘭英， 張強， 馬鵬里， 等. 氣候變暖背景下黃河流域干旱災害風險空間特征［J］. 中國沙漠， 2021， 41（4）： 225.

［10］ 宋柏泱， 陳報章. 巴基斯坦瓜達爾港地區(qū)干旱災害風險評估［J］. 地理研究， 2022， 41（8）： 2251.

［11］ 梅茹玉， 毛克彪， 杜寶裕， 等. 河北省冬小麥-夏玉米干旱災害風險評估［J］. 中國農業(yè)資源與區(qū)劃， 2022， 43（7）： 216.

［12］ 劉航， 蔣尚明， 金菊良， 等. 基于GIS的區(qū)域干旱災害風險區(qū)劃研究［J］. 災害學， 2013， 28（3）： 198.

［13］ 趙超君， 楊玉平， 胡亞男， 等. 基于SPI指數(shù)的青海省東部地區(qū)干旱災害風險區(qū)劃［J］. 青海農林科技， 2021， 51（3）： 38.

［14］ 國家氣候中心，中國氣象局預報與網絡司，中國氣象局. 氣象干旱等級： GB/T 20481—2017［S］. 北京： 中國標準出版社， 2017： 14.

［15］ 郭金玉， 張忠彬， 孫慶云. 層次分析法的研究與應用［J］. 中國安全科學學報， 2008， 18（5）： 152.

［16］ 王理萍， 王樹仿， 王新華， 等. 基于AHP和GIS的云南省干旱災害風險區(qū)劃研究［J］. 節(jié)水灌溉， 2017（10）： 101.

［17］ 王曉峰， 張園， 馮曉明， 等. 基于游程理論和Copula函數(shù)的干旱特征分析及應用［J］. 農業(yè)工程學報， 2017， 33（10）： 207.

［18］ 徐玉霞， 許小明， 楊宏偉， 等. 基于GIS的陜西省干旱災害風險評估及區(qū)劃［J］. 中國沙漠， 2018， 38（1）： 192-193.

［19］ YANG Yueting， WEI Sicheng， LI Kaiwei， et al. Drought risk assessment of millet and its dynamic evolution characteristics： a case study of Liaoning Province， China［J］. Ecological Indicators， 2022， 143： 2-10.

［20］ 賈建英， 韓蘭英， 萬信， 等. 甘肅省冬小麥干旱災害風險評估及其區(qū)劃［J］. 干旱區(qū)研究， 2019， 36（6）： 1478-1485.

［21］ 李大馳. 西北地區(qū)農業(yè)干旱災害風險評估［D］. 咸陽： 西北農林科技大學， 2021： 11-12.

［22］ 李娜， 霍治國， 錢錦霞， 等. 山西省干旱災害風險評估與區(qū)劃［J］. 中國農業(yè)資源與區(qū)劃， 2021， 42（5）： 102-103.

［23］ 吳志勇， 范思琦， 何海， 等. 湖南省農業(yè)干旱災害風險區(qū)劃研究［J］. 水資源保護， 2023， 39（2）： 33.

［24］ 趙佳琪， 張強， 朱秀迪， 等. 中國旱災風險定量評估［J］. 生態(tài)學報， 2021， 41（3）： 1026-1027.

［25］ 徐桂珍. 基于自然災害風險理論的陜西省典型作物干旱災害風險評估與區(qū)劃［J］. 中國農村水利水電， 2017， 417（7）： 181.

［26］ 褚越， 薛曉萍， 張麗娟， 等. 山東省干旱災害風險評估與區(qū)劃［J］. 中國農學通報， 2023， 39（10）： 105-111.

［27］ 李臻， 季民， 李云嶺， 等. 山東省干旱災害風險評估與區(qū)劃研究［J］. 人民長江， 2023， 54（1）： 83-86.