1980—2020年全球重大洪災時空特征探析

方秀琴 蔣心遠 廖美玉 任立良 朱求安 金佳鑫 江善虎

摘要：為充分理解全球洪澇災害的時空演變規(guī)律，基于長時間序列全球歷史洪災數據，運用數理統(tǒng)計和GIS空間分析方法，在不同空間尺度和年代際、年際的時間尺度上，全面分析了1980—2020年重大洪澇災害的時空特征。結果表明：① 全球洪災次數在21世紀前10 a達到峰值，死亡和影響人口在1990s達到峰值，累計經濟損失在2010s達到峰值，次均經濟損失在1990s和2010s最高;② 洪災發(fā)生次數及造成的經濟損失在1980—2020年期間呈顯著上升趨勢，每次洪災造成的人口損失呈現下降趨勢；③ 亞洲洪澇災害嚴重，洪災的發(fā)生次數、死亡人數、影響人口及經濟損失的累計值分別占全球總數的41%、68%、95%和63%，然而包括中國在內的亞洲諸多國家的洪災人口損失呈下降趨勢；④ 全球重大洪災呈東西向分布，災害重心有南移趨勢，洪災由集中趨于分散，影響區(qū)域逐漸變廣。

關鍵詞：全球洪災;時間變化;空間分析;時空特征

中圖分類號：TV122

文獻標志碼：A

文章編號：1001-6791（2024）02-0197-11

收稿日期：2023-09-21;網絡出版日期：2024-02-04

網絡出版地址：https：//link.cnki.net/urlid/32.1309.P.20240202.1809.005

基金項目：國家重點研發(fā)計劃資助項目（2023YFC3006701）;國家自然科學基金資助項目（U2243203）

作者簡介：方秀琴（1978—），女，安徽池州人，教授，博士，主要從事地表水文及洪旱災害防治研究。

E-mail：kinkinfang@hhu.edu.cn

通信作者：任立良，E-mail：RLL@hhu.edu.cn

洪水災害是發(fā)生頻率最高、范圍最廣的全球性自然災害之一，就造成的經濟損失和人員死亡而言，洪災的破壞性最為嚴重^［1-2］。國際災害流行病學研究中心（CRED）和聯合國減災辦公室（UNDRR）2020年聯合發(fā)布的報告顯示，全球自然災害頻率在2000—2019年相比于1980—1999年增加了近1倍，其中洪水災害帶來的經濟損失占全球自然災害的31%^［3］。洪災的發(fā)生與全球性的氣候變化及氣旋活動導致的極端水文氣象息息相關，適應日益增加的洪水是一個全球性問題，對發(fā)達和發(fā)展中國家都有影響^［4］，因此，從全球尺度分析洪澇災害的時空演變規(guī)律具有重要意義。長期洪水事件具有一定的時空變化規(guī)律，充分了解各種時空尺度上的洪災變化特征，有助于更好地理解洪水事件發(fā)生規(guī)律，從而提高洪災的可預測性和可防范性。

長時間序列的歷史洪災資料對于探究洪水災害時空規(guī)律具有重要價值，緊急災難數據庫（Emergency Events Database，EM-DAT）和達特茅斯重大洪水事件檔案（Dartmouth Flood Observatory，DFO）是目前國際社會認可度高、且被廣泛應用的2個全球洪水災害數據^［5-9］，國內外眾多學者利用這些數據進行了歷史洪災規(guī)律的研究。目前全球尺度洪災時空規(guī)律研究主要存在兩方面的問題：① 對時空規(guī)律的探索不全面。例如，Li等^［8］繪制了非洲洪水頻次、死亡人數、受災人數和經濟損失的專題圖，并分析了影響非洲洪災分布的主要因素，該研究僅分析了洪水災害的空間分布特點，沒有考慮其時間變化規(guī)律;Wang等^［10］以南亞和東亞各個國家為單元，對災害次數、死亡人數、死亡率等指標的空間分布格局及時間變化規(guī)律進行了分析，但未考慮災害重心在空間上的遷移變化;蔣衛(wèi)國等^［11］對全球1950—2004年間的重大洪災發(fā)生次數、受災人口和受災損失進行了逐年趨勢分析，但是該研究僅考慮了時間變化，沒有分析洪災的空間格局;Shen等^［12］對1900—2015年全球自然災害的發(fā)生頻率及累計損失的空間分布和逐年變化趨勢進行了統(tǒng)計，該研究雖然考慮了空間分布和時間特征，但分析方法簡單，僅對災害事件及損失進行了簡單的統(tǒng)計匯總，且分析對象為所有自然災害，沒有明確災害類型，過于籠統(tǒng)。② 對災害損失的考慮不全面。例如，Hu等^［13］分析了1975—2016年全球洪災的發(fā)生頻率、強度，以及洪災導致的人口損失，并探討了洪災致死亡的影響因素，這是迄今為止洪災對全球人口的影響最為全面的研究。然而，該研究缺少對空間格局演變的分析，且未涉及洪災對經濟損失的影響分析。收入不平等的社會面對自然災害時可能更脆弱，近期的研究發(fā)現經濟發(fā)展不平等國家遭受洪水時死亡人數往往更多^［14］。因此，對于全球洪澇災害導致的人口和社會經濟損失的時空格局及演變規(guī)律的詳細探究仍任重道遠。

本文在前人研究的基礎上，利用最新的全球洪災數據，結合經典的統(tǒng)計分析以及先進的GIS空間分析方法，對全球1980—2020年的重大洪水帶來的災害損失進行全面的時空分析，以期揭示全球洪澇災害時空格局及演變規(guī)律。

1 數據及預處理

1.1 數據源

EM-DAT和DFO數據有各自的收錄條件（表1），本研究將滿足2個數據庫收錄條件之一的洪災事件作為研究對象，即“重大洪災”。EM-DAT提供的洪災數據為文本類型，記錄每一次災害事件的發(fā)生區(qū)域和損失信息，其中發(fā)生區(qū)域未提供災害位置的地理坐標，但提供了災害發(fā)生的ISO國家代碼或區(qū)域名稱，據此可以與包含地理信息的全球矢量圖層相連接，獲取災害的空間信息，進而分析各區(qū)域歷史洪災的時空分布。DFO數據是EM-DAT的主要數據源之一^［13］，主要通過收集地表水的變化信息來識別、測量和監(jiān)測全球洪水事件^［15］。雖然DFO數據的詳細程度不如EM-DAT，但DFO數據提供了洪災中心點的經緯度信息，有助于分析重大洪災的空間格局及演變規(guī)律。

1.2 數據預處理

雖然EM-DAT數據始于1900年，但1975年之前的數據完整程度和質量難以得到保障，并且在1980年之前記錄的災害損失數據呈對數下降趨勢^［16］，因此，普遍認為1980年之后的數據可靠性較高，本研究選取的研究時段為1980—2020年。

由于EM-DAT數據缺少空間參考，需要在GIS軟件中依據數據記錄的ISO國家代碼與包含地理信息的全球行政區(qū)劃矢量數據按屬性連接，使得EM-DAT數據具有相應的位置信息。EM-DAT除了記載洪水事件的洪災位置信息、起止時間外，屬性字段還包括了累計死亡人數、累計影響人口、累計經濟損失信息。一個地區(qū)長期的洪水損失不僅取決于單一事件的影響，還取決于其發(fā)生的次數^［5］。為了更加詳細地定量描述洪災損失，以全球一級行政區(qū)為對象，計算EM-DAT數據中ISO代碼的重復次數得到每個國家的累計洪災發(fā)生次數，據此進一步計算各個國家次均死亡人數（每次洪水事件的平均死亡人數）、次均影響人口（每次洪水事件的平均受影響人口）以及次均經濟損失（每次洪水事件造成的平均經濟損失）和洪災死亡率（累計死亡人數占累計影響人口比例）^［13］。

經過預處理的EM-DAT數據不僅具有了地理空間信息，還具有包含8個洪災指標（次數、累計死亡人數、累計影響人口、累計經濟損失、次均死亡人數、次均影響人口、次均經濟損失和死亡率）的屬性信息；而對于DFO數據，主要利用數據提供的洪災發(fā)生時間及中心經緯度等信息。

2 研究方法

2.1 時間變化分析

采用線性回歸和Mann-Kendall（MK）趨勢檢驗分析全球重大洪災在研究時段（1980—2020年）內8個災害指標的時間變化特征。MK趨勢分析是一種非參數方法，通常用于對非正態(tài)分布數據單調趨勢及其顯著性的估計，且該方法不受少數異常值的干擾，在水文和氣象時間序列數據的趨勢顯著檢驗中得到了廣泛應用^{［10，17-18］}。

2.2 空間變化分析

重心變化是研究海量時空數據演變的有效手段^［19-20］，本研究利用重力模型分析全球洪災的重心變化。全球洪災重心的X和Y坐標及重心移動距離按如下公式計算：

式中：X、Y分別為洪災重心的經度和緯度;n為災害次數;i為災害編號;X_i和Y_i分別為第i次洪災的經度和緯度;W_i為權重，對于點災害數據而言，第i次災害權重為1;D為重心移動距離;C為常數，用于將地理坐標轉換為平面距離。

重力模型與標準差橢圓相結合，不僅可以很好地反映區(qū)域地理現象的分布方向和離散程度等空間差異，而且能用來匯總和表達地理要素的動態(tài)過程及演變規(guī)律^［21-22］。標準差橢圓由轉角、沿長軸的標準差和沿短軸的標準差3個要素確定，計算公式如下：

式中：x_i和y_i為要素i的坐標;（x，y）為要素的平均中心;n為要素總數; x～_i和?_i為各點距離區(qū)域重心的相對坐標;θ為正北方向與長軸順時針旋轉之間的夾角，表征地理現象整體的空間分布方向;δ_x和δ_y分別為橢圓的長、短半軸，其中長、短半軸的差距（或比值）越大，表明地理現象的空間方向性越明顯，短軸表征地理現象的離散程度，短軸越長，離散度越高。

3 結果分析與討論

3.1 全球重大洪水災害時間變化趨勢

3.1.1 全球重大洪災時間變化

為了全面了解全球環(huán)境變化背景下洪澇災害及損失的變化情況，本研究從年代際和年際2個方面分析全球重大洪災的時間變化。

圖1顯示了8個災害指標年代際占比，表明年代際尺度上全球洪災次數增幅較大，在21世紀前10 a達到峰值。2001—2020年（近20 a）的洪災次數是1981—2000年（過去20 a）的2倍以上，說明洪災事件的發(fā)生更加頻繁。累計死亡人數、次均死亡人數、累計影響人口和次均影響人口均在1990s達到峰值，隨后逐步減少，其中次均死亡人數和次均影響人數下降最為迅速，在近20 a均下降到20%以下。這表明近20 a全球防洪減災相關舉措取得了顯著成效，大大減少了每次洪災造成的人員傷亡，與前人的研究結論一致^［13］。死亡率在2001—2010年期間最小，其余時段波動不大。從經濟損失的2個指標來看，洪災造成的累計經濟損失在2010s達到峰值，達到整個40 a里總數的44%，次均經濟損失以1990s和2010s為最高;累計經濟損失近20 a與過去20 a相比增加了近1倍，表明隨著全球經濟的高速發(fā)展，洪澇災害對社會經濟的整體破壞力越來越強，然而每次洪災的平均經濟損失前后20 a基本持平，表明在年代際尺度上洪災帶來的經濟損失增長主要是由于洪災次數的顯著增加。

圖2所示為8個災害指標年際變化趨勢分析結果。1980—2020年間，洪水災害的發(fā)生次數、累計經濟損失和次均經濟損失呈明顯上升趨勢，尤其在2000年以后，這3個指標在絕大多數年份都高于平均值，表明洪水災害的發(fā)生頻次受全球氣候和環(huán)境變化的影響而逐年上升，全球經濟的發(fā)展、城市化進程的加快也使得洪澇災害對社會的破壞性逐年上升，經濟損失呈明顯上升趨勢。此外，從上升趨勢的斜率來看，累計經濟損失最高、發(fā)生次數次之、次均經濟損失最低，且次均經濟損失趨勢顯著性低于前兩者，表明在年際尺度上洪災帶來的經濟損失增長主要是由于洪災次數的顯著增加，與年代際結果一致。

此外，圖2顯示次均死亡人數和次均影響人口呈現顯著下降趨勢（α=0.01），表明防洪減災工作取得顯著成效，尤其是2000年以后，雖然洪災發(fā)生頻率逐年上升，但每次洪災造成的人口損失顯著下降，指標值在大部分年份都低于平均水平。綜合分析人口相關各指標的變化趨勢可知，雖然每次洪災事件的影響人數和死亡人數有明顯下降趨勢，但由于洪災發(fā)生次數顯著上升，累計影響人數和累計死亡人數并沒有發(fā)生明顯的變化。

3.1.2 各國洪災時間變化

對全球各國1980—2020年的洪災累計發(fā)生次數及相關損失指標進行了統(tǒng)計分析，并對各國的指標變化進行MK檢驗，以期更全面地剖析洪災時空格局，結果如圖3所示。

從洪災發(fā)生次數來看，全球絕大多數國家均呈現上升趨勢，其中70個國家上升趨勢通過了α=0.05的顯著性檢驗，18個國家上升趨勢通過了α=0.1的顯著性檢驗，僅22個國家呈下降趨勢，且絕大多數不顯著。洪災發(fā)生最頻繁的國家多位于亞洲地區(qū)，其中，中國（287次）、印度（256次）和印度尼西亞（211次）的累計發(fā)生次數最多，并且存在顯著上升趨勢。

從受影響人口來看，不論是累計值還是次均值，亞洲的中國、印度、孟加拉國、巴基斯坦和泰國都排在前5，但是這些國家并沒有呈現上升趨勢，而呈現顯著上升趨勢的國家主要是美國、加拿大等北美國家以及眾多非洲國家。

從死亡人數上看，累計死亡人數最多的國家是印度，其次是中國、委內瑞拉、孟加拉和巴基斯坦，其中中國的累計死亡人數呈現顯著下降趨勢（Z<-1.96），而巴基斯坦卻呈現顯著上升趨勢（Z>1.96），其余3個國家變化趨勢不顯著；次均死亡人數最高的國家是委內瑞拉，其次是印度、孟加拉、羅馬尼亞和中國，其中中國和印度的次均死亡人數呈顯著下降趨勢（Z<-1.96）。死亡率計算結果及趨勢顯示，亞洲發(fā)展中國家雖然一直以來面臨極為嚴重的洪澇災害，但洪災死亡率卻一直保持在較低水平，其中菲律賓的死亡率在近40 a有顯著的下降趨勢（Z<-1.96），中國有較為顯著的下降趨勢（-1.96

從經濟損失上看，累計洪災經濟損失最高是中國，其次是美國、印度、泰國和德國，中國、美國和印度的累計經濟損失呈現顯著的上升趨勢（Z>1.96）；次均經濟損失最高的是德國，其次是中國、日本、英國和朝鮮，中國、日本和英國的次均經濟損失呈顯著上升趨勢（Z>1.96），德國和朝鮮的上升趨勢不顯著（0［10^］對亞洲洪水損失與經濟要素相關分析的研究也表明，一個國家的城市化率和人均GDP與洪水的發(fā)生次數和損失呈正相關。

3.2 全球重大洪災空間格局及演變

3.2.1 全球總體格局

對1980—2020年內全球各大洲（南極洲除外）的受災情況進行統(tǒng)計分析，各大洲8個災害指標占比如圖4所示。從發(fā)生次數來看，亞洲的重大洪災發(fā)生最為頻繁，累計發(fā)生次數占全球總次數的41%，其次是非洲和歐洲，占比分別為22%和12%。從人口損失上來看，亞洲的累計影響人口、次均影響人口、累計死亡人數和次均死亡人數的占比均超過其他各大洲，分別占全球總體水平的95%、86%、68%和39%。從經濟損失上看，亞洲的累計經濟損失占比最高，達到63%，然而亞洲的次均經濟損失與歐洲和北美洲比重接近，說明亞洲重大洪災累計經濟損失主要受較多的洪災發(fā)生次數的影響。從死亡率來看，南美洲重大洪災死亡率最高，主要受1999年委內瑞拉洪災極值的影響;其次是北美洲、大洋洲和非洲，而死亡率最低的大洲是亞洲，主要由于亞洲受洪災影響的總人口基數較大。

3.2.2 洪災重心演變

為了深入探究全球重大洪澇災害的災害重心和災害方向變化，以DFO歷史洪災點數據（1985—2020年）為基礎，利用重力模型分析了全球歷史重大洪水災害重心的移動軌跡和移動距離，同時基于一級標準差橢圓綜合分析了災害方向及分布。洪災損失與經濟水平密切相關，考慮到全球南、北方經濟水平的差異，本研究分別探究了全球以及南、北方的洪災重心演變，其中南、北方依照文獻［23］劃分。將研究時段以9 a為一組分為4個區(qū)間，分別為Y1（1985—1993年）、Y2（1994—2002年）、Y3（2003—2011年）和Y4（2012—2020年），圖5和表2分別展示了洪災災害重心和分布方向的演變。

圖5顯示，南方洪災的災害重心在Y1—Y3時間段由阿拉伯半島南端向西南方向移動，在Y3—Y4時間段向西南方向的非洲大陸移動，1985—2020年南方洪災重心整體上向西南方向偏移。北方洪災的災害重心在Y1—Y2時間段由伊比利亞半島西側向東移動，在Y2—Y3時間段向東南方向的非洲大陸移動，在Y3—Y4時間段向西北方向移動，1985—2020年北方洪災重心整體上向東南方向偏移。全球洪災重心在Y1—Y3時間段由埃及與蘇丹邊界附近沿紅海向東南方向移動，在Y3—Y4時間段向西南內陸方向偏移，1985—2020年全球洪災重心整體向南偏移。

表2顯示，南方洪災在4個時間段的標準差橢圓方向為83.5°～85.5°，呈赤道附近的東北-西南方向，在Y1—Y3時間段轉角逐漸增加，Y4階段稍有減小，總體變化不大;長軸逐漸減小，洪災的方向性減弱，而短軸總體逐漸增加，洪災的離散程度增加。北方洪災在4個時間的標準差橢圓方向為93.1°～102.8°，呈赤道附近的西北-東南方向，轉角總體變化較大，在Y1—Y3時間段轉角逐漸增加，Y4階段稍有減小;長軸波動，表明災害方向性強弱有波動，而短軸在Y1—Y3時間段逐漸增加，Y4階段稍有減小，表明災害離散程度總體增加。全球洪災在4個時間段的標準差橢圓方向為90.6°～94.8°，基本與赤道平行，Y1—Y3時間段轉角上升，上升幅度不大，在Y4階段減弱，橢圓的短軸逐漸增加，表明災害離散程度增加。

以上結果說明，歷史洪災重心在南、北方演變規(guī)律有所差異，但整體向南偏移;全球洪災在空間上呈東西分布格局，與熱帶氣旋分布區(qū)域高度吻合;1985—2020年，全球以及南、北方洪災重心演變結果均顯示災害的聚集程度由集中趨于分散，受洪災影響的區(qū)域范圍逐漸變廣。

3.3 討論

建國以來中國江河治理和防控措施取得重大成就，主要江河防洪標準顯著提高^［24］，例如長江中下游防洪工程體系在2020年7月的大水中經受了考驗^［25］。然而，自然條件和地理位置的屬性決定了中國洪災的高風險特點，例如強勁的大氣河——東亞季風水汽通道，不可避免地會在中國境內長江、淮河、海河、黃河流域形成持續(xù)大暴雨過程^［26］。就全球而言，由于氣候變化和社會經濟發(fā)展，預計未來許多地區(qū)洪水風險將增加^［27］，特別是亞洲和非洲的災難性洪水^［28］。有證據表明，包括歐洲在內的世界許多地區(qū)與洪水有關的經濟損失正在增加^［29］。2000—2015年，全球受洪水影響的人口比例增加了20%～24%，到2030年還將進一步增加^［30］。在歷史洪災時空特征分析的基礎上，有必要進一步探究影響區(qū)域洪災的特征要素，進而采取正確的洪災治理理念、靶向性的工程和非工程措施等，盡可能降低洪水對人類生命財產安全的威脅。

4 結論

本文以全球陸地重大洪災為研究對象，以全球緊急災難數據庫和達特茅斯重大洪水事件檔案歷史洪災數據庫為數據基礎，將數理統(tǒng)計和GIS空間分析方法相結合，對全球重大洪澇災害及相關損失指標的時空格局及變化趨勢進行分析。主要結論如下：

（1） 年代際尺度上，全球洪災次數增幅較大，在21世紀前10 a達到峰值，累計死亡人數、次均死亡人數、累計影響人口和次均影響人口均在1990s達到峰值，隨后逐步減少，累計經濟損失在2010s達到峰值，次均經濟損失以1990s和2010s為最高。

（2） 在年際尺度上，全球洪澇災害的發(fā)生次數及造成的經濟損失在1980—2020年期間呈現明顯上升趨勢，每次洪災造成的平均死亡人數和影響人口都呈現下降趨勢，并且在亞洲地區(qū)最為顯著，然而發(fā)生次數顯著上升，累計影響人口和死亡人數并沒有下降趨勢。

（3） 從大洲和國家的空間尺度看，亞洲是全球洪澇災害最為嚴重的地區(qū)，歷史洪災的發(fā)生次數、死亡人數、影響人口及經濟損失的累計值分別占全球總數的41%、68%、95%和63%，尤其在東亞、南亞和東南亞地區(qū)這些損失更為明顯，以中國和印度為代表。然而，從洪災人口損失的趨勢上看，東亞、南亞和東南亞的大部分國家反而存在一定的下降趨勢，中國的洪災人口損失下降趨勢顯著。

（4） 全球歷史重大洪災呈現東西分布，災害重心有向南偏移的趨勢，災害的聚集程度由集中趨于分散，受洪災影響的區(qū)域范圍逐漸變廣。

參考文獻：

［1］劉家福，張柏.暴雨洪災風險評估研究進展［J］.地理科學，2015，35（3）：346-351.（LIU J F，ZHANG B.Progress of rainstorm flood risk assessment［J］.Scientia Geographica Sinica，2015，35（3）：346-351.（in Chinese））

［2］BREINL K，LUN D，M?LLER-THOMY H，et al.Understanding the relationship between rainfall and flood probabilities through combined intensity-duration-frequency analysis［J］.Journal of Hydrology，2021，602：126759.

［3］TRIGG M A，BIRCH C E，NEAL J C，et al.The credibility challenge for global fluvial flood risk analysis［J］.Environmental Research Letters，2016，11（9）：094014.

［4］WILLNER S N，LEVERMANN A，ZHAO F，et al.Adaptation required to preserve future high-end river flood risk at present levels［J］.Science Advances，2018，4（1）：eaao1914.

［5］CHEN B，SHI F Y，LIN T T，et al.Intensive versus extensive events？ insights from cumulative flood-induced mortality over the globe，1976—2016［J］.International Journal of Disaster Risk Science，2020，11（4）：441-451.

［6］RIES M，ZIELONKA M，RIES N，et al.Disasters in Germany and France：an analysis of the emergency events database from a pediatric perspective［J］.Disaster Medicine and Public Health Preparedness，2019，13（5/6）：958-965.

［7］EL HADRI H，MIRZA D，RABAUD I.Natural disasters and countries′ exports：new insights from a new （and an old） database［J］.The World Economy，2019，42（9）：2668-2683.

［8］LI C J，CHAI Y Q，YANG L S，et al.Spatio-temporal distribution of flood disasters and analysis of influencing factors in Africa［J］.Natural Hazards，2016，82（1）：721-731.

［9］LESK C，ROWHANI P，RAMANKUTTY N.Influence of extreme weather disasters on global crop production［J］.Nature，2016，529：84-87.

［10］WANG X J，XIA J Q，DONG B L，et al.Spatiotemporal distribution of flood disasters in Asia and influencing factors in 1980—2019［J］.Natural Hazards，2021，108（3）：2721-2738.

［11］蔣衛(wèi)國，李京，王琳.全球1950—2004年重大洪水災害綜合分析［J］.北京師范大學學報（自然科學版），2006，42（5）：530-533.（JIANG W G，LI J，WANG L.Compositive analysis of global flood disaster from 1950 to 2004［J］.Journal of Beijing Normal University （Natural Science），2006，42（5）：530-533.（in Chinese））

［12］SHEN G Q，HWANG S N.Spatial-temporal snapshots of global natural disaster impacts revealed from EM-DAT for 1900—2015［J］.Geomatics，Natural Hazards and Risk，2019，10（1）：912-934.

［13］HU P，ZHANG Q，SHI P J，et al.Flood-induced mortality across the globe：spatiotemporal pattern and influencing factors［J］.Science of the Total Environment，2018，643：171-182.

［14］LINDERSSON S，RAFFETTI E，RUSCA M，et al.The wider the gap between rich and poor the higher the flood mortality［J］.Nature Sustainability，2023，6：995-1005.

［15］NAJIBI N，DEVINENI N.Recent trends in the frequency and duration of global floods［J］.Earth System Dynamics，2018，9（2）：757-783.

［16］PEDUZZI P，HEROLD H D C.Mapping disastrous natural hazards using global datasets［J］.Natural Hazards，2005，35（2）：265-289.

［17］FU G B，YU J J，YU X B，et al.Temporal variation of extreme rainfall events in China，1961—2009［J］.Journal of Hydrology，2013，487：48-59.

［18］CHAUDHURI S，DUTTA D.Mann-Kendall trend of pollutants，temperature and humidity over an urban station of India with forecast verification using different ARIMA models［J］.Environmental Monitoring and Assessment，2014，186（8）：4719-4742.

［19］羅秀麗，楊忍，徐茜.全球人口與糧食的空間錯位演變及影響因素分析［J］.自然資源學報，2021，36（6）：1381-1397.（LUO X L，YANG R，XU Q.Spatial mismatch evolution of global population and food and its influencing factors［J］.Journal of Natural Resources，2021，36（6）：1381-1397.（in Chinese））

［20］龔勝生，肖克梅.兩千年來中國經濟重心變遷的量化分析：基于人口和城市數據的代用分析［J］.地理科學，2021，41（9）：1587-1597.（GONG S S，XIAO K M.A quantitative study on the spatio-temporal changes of China′s economic centers of gravity for the past 2000 years：a proxy analysis based on population and city data［J］.Scientia Geographica Sinica，2021，41（9）：1587-1597.（in Chinese））

［21］WU S Q，CAO S S，WANG Z H，et al.Spatiotemporal variations in agricultural flooding in middle and lower reaches of Yangtze River from 1970 to 2018［J］.Sustainability，2019，11（23）：6613.

［22］熊俊楠，李進，程維明，等.西南地區(qū)山洪災害時空分布特征及其影響因素［J］.地理學報，2019，74（7）：1374-1391.（XIONG J N，LI J，CHENG W M，et al.Spatial-temporal distribution and the influencing factors of mountain flood disaster in Southwest China［J］.Acta Geographica Sinica，2019，74（7）：1374-1391.（in Chinese））

［23］CHEN B，WU S B，SONG Y M，et al.Contrasting inequality in human exposure to greenspace between cities of Global North and Global South［J］.Nature Communications，2022，13：4636.

［24］姜曉明，王艷艷，向立云.我國防洪減災體系建設與成就［J］.中國防汛抗旱，2019，29（10）：6-9，15.（JIANG X M，WANG Y Y，XIANG L Y.Construction and achievements of flood control and disaster reduction system in China［J］.China Flood & Drought Management，2019，29（10）：6-9，15.（in Chinese））

［25］鐘平安，唐洪武.淮河中下游洪澇綜合治理的思考與初探［J］.水科學進展，2020，31（5）：746-753.（ZHONG P A，TANG H W.Thinking and preliminary practice of comprehensive treatment of the middle and lower reaches of the Huaihe River basin［J］.Advances in Water Science，2020，31（5）：746-753.（in Chinese））

［26］丁一匯，柳艷菊，宋亞芳.東亞夏季風水汽輸送帶及其對中國大暴雨與洪澇災害的影響［J］.水科學進展，2020，31（5）：629-643.（DING Y H，LIU Y J，SONG Y F.East Asian summer monsoon moisture transport belt and its impact on heavy rainfalls and floods in China［J］.Advances in Water Science，2020，31（5）：629-643.（in Chinese））

［27］BOULANGE J，HANASAKI N，YAMAZAKI D，et al.Role of dams in reducing global flood exposure under climate change［J］.Nature Communications，2021，12：417.

［28］MERZ B，BLSCHL G，VOROGUSHYN S，et al.Causes，impacts and patterns of disastrous river floods［J］.Nature Reviews Earth & Environment，2021，2（9）：592-609.

［29］BLSCHL G，HALL J，VIGLIONE A，et al.Changing climate both increases and decreases European river floods［J］.Nature，2019，573：108-111.

［30］TELLMAN B，SULLIVAN J A，KUHN C，et al.Satellite imaging reveals increased proportion of population exposed to floods［J］.Nature，2021，596：80-86.

Spatio-temporal characteristics of global flood disasters during 1980—2020

The study is financially supported by the National Key R&D Program of China （No.2023YFC3006701） and the National Natural Science Foundation of China （No.U2243203）.

FANG Xiuqin^1，2，JIANG Xinyuan²，LIAO Meiyu²，REN Liliang^1，3，ZHU Qiuan^1，2，

JIN Jiaxin^1，2，JIANG Shanhu^1，3

（1. The National Key Laboratory of Water Disaster Prevention，Hohai Universty，Nanjing 210098，China;

2. College of Geography

and Remote Sensing，Hohai University，Nanjing 211000，China;

3. Cooperative Innovation Center for

Water Safety and Hydro-Science，Hohai University，Nanjing 210098，China）

Abstract：To gain a comprehensive understanding of the spatiotemporal evolution of global flood disasters，we conducted an in-depth analysis using mathematical statistics and GIS spatial analysis methods.Leveraging long-term global historical flood data spanning from 1980 to 2020 and considering various spatial scales，as well as inter-decadal and inter-annual time scales，our findings revealed the following：① The peak occurrence of global flood disasters took place in the first decade of the 21st century.Deaths and affected populations reached their zenith in the 1990s，while cumulative economic losses peaked in the 2010s，with average economic losses being highest during the 1990s and 2010s.② Over the period from 1980 to 2020，both the frequency of flood disasters and the resulting economic losses exhibited notable upward trends，while population losses per disaster demonstrated a declining pattern.③ Asia experienced pronounced flooding，contributing to 41%，68%，95%，and 63% of the global totals in terms of flood occurrences，deaths，affected populations，and economic losses，respectively.Despite this，several Asian countries，including China，displayed a decreasing trend in flood-related population losses.④ Global flood disasters displayed an east-west distribution，with a discernible southward shift in the centers of disasters.There was a tendency for flood disasters to become more decentralized，impacting progressively broader regions.

Key words：global flood disaster;temporal change;spatial analysis;spatio-temporal characteristics