基于GIS的新疆維吾爾自治區(qū)山洪災害風險評價

摘要：山洪災害風險評價可為山洪災害致災機理研究、風險區(qū)劃等提供科學依據(jù)。基于GIS、地理探測器、層次分析法和自然災害風險理論，以雪水當量、坡度、年最大1 h點雨量等9個指標數(shù)據(jù)為支撐，辨識新疆維吾爾自治區(qū)山洪災害風險的主要驅動因子，并從致災因子、孕災環(huán)境和易損性3個方面對新疆山洪災害風險進行評估。結果表明：坡度的單因子解釋力最大，年最大1 h點雨量與其他各因子的交互類型均為非線性增強；全疆山洪災害風險等級由高到低的面積占比依次為6.69%，13.63%，18.01%，25.42%和36.25%?？傮w上，新疆“三山”山脈的地質地貌和水文氣象等條件對山洪形成具有重要影響，加強1 h短期降雨和融雪徑流的監(jiān)測預警，對當?shù)氐钟胶榫哂鞋F(xiàn)實意義。研究成果可為科學評估和預防新疆山洪災害風險提供參考。

關 鍵 詞：山洪災害； 風險評價； 層次分析法； 地理探測器； 新疆維吾爾自治區(qū)

中圖法分類號： TV87；P954

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.11.011

0 引 言

山洪是指在山丘區(qū)小流域內(nèi)，由于強降水造成的突發(fā)性、暴漲暴落的地表徑流^［1-3］，具有成災快、難以預測、破壞性強等特點。新疆維吾爾自治區(qū)獨特的自然地理、水文氣象等條件造成自治區(qū)山洪災害具有頻率高、突發(fā)性強、危害大、防治難度大等特點^［4］，給當?shù)厝嗣裆踩蜕鐣?jīng)濟發(fā)展造成巨大威脅^［5］。山洪災害風險評價是開展山洪災害防治管理的重要內(nèi)容和迫切需要^［6］，不僅能了解各地區(qū)山洪災害的危險程度，進而提前制定科學有效的預防方案^［7］，還有利于為缺資料地區(qū)山洪預報預警模型的參數(shù)區(qū)域化移用提供參考^［8］，進而為山洪災害實施“分而治之”的防治和管理提供科學依據(jù)^［9］。

對于洪水災害風險評價，國內(nèi)外學者主要根據(jù)自然災害風險理論，從洪水危險性、脆弱性、易損性、暴露度等方面開展了廣泛研究。Zhang 等^［10］從長江流域洪水危險度、脆弱性和暴露度3個方面選擇了13個評價指標，基于AHP和GIS建立空間多指數(shù)模型并生成洪水風險空間分布圖，利用長江水庫實測洪水資料對模型結果進行了驗證。Duan 等^［11］從城市內(nèi)澇危險度、暴露度、脆弱性、應急響應與恢復能力4個標準層選取了18個評價指標，基于GIS和AHP繪制長春市城區(qū)內(nèi)澇風險圖，為城市發(fā)展規(guī)劃提供理論依據(jù)。Peng 等^［12］從洪水危險性和脆弱性兩個方面選擇了6個評價指標，建立了博弈論組合加權的洪水風險評價模型，并基于GIS平臺生成鄭州市洪澇災害風險圖。Rubio 等^［13］從洪水危險度、脆弱性、暴露度和應對能力等方面選取了14個指標，基于AHP和GIS對馬尼拉大都會洪水風險評價進行可視化分析，可作為政策制定、土地利用規(guī)劃等方面的決策工具。王小笑等^［14］從山洪危險性及易損性兩方面篩選出9個指標，建立了基于AHP和綜合指數(shù)法的風險評估模型，結果表明所提出的山洪災害風險評價模型能較好地反映江西省山洪災害發(fā)生的特點。雖然上述文獻中構建的風險評價模型驗證效果都良好，但缺乏對非線性因素交互作用的深入探討。Li 等^［15］基于邏輯回歸、樸素貝葉斯、AdaBoost和隨機森林4種機器學習算法，13個條件因子以及全球洪水清單，構建了全球洪水易感性評估模型，結果表明隨機森林在試驗中表現(xiàn)較好，是一種有效、可靠的洪水易感性評價工具。吳小君等^［16］以江西省為例，從山洪災害觸發(fā)因子、下墊面孕災環(huán)境和承災體3個方面選取9個評價指標，通過訓練樣本構建了基于隨機森林算法的山洪災害風險評估模型，結果表明構建的隨機森林模型具有較好的擬合效果。雖然上述基于機器學習方法的評估模型預測性高，但模型效果受限于訓練樣本數(shù)量且模型解釋性相對較差。

綜上，目前在對洪水災害進行分析風險評價時，所選取的指標具有較強的主觀性，主要是定性分析選取的指標對洪水災害的影響，缺乏現(xiàn)實判斷依據(jù)，未對非線性因素對山洪災害驅動進行單因子作用與交互作用的探討。而各指標賦權方法各有優(yōu)缺點：層次分析法其優(yōu)勢在于綜合性和易操作性，但主觀性較強；熵值法是一種客觀賦權方法，但未考慮指標與指標之間的影響，而山洪災害的發(fā)生是多因素共同驅動的結果；基于人工神經(jīng)網(wǎng)絡、隨機森林等機器學習方法的評估模型預測性能好，但受限于訓練樣本數(shù)量且模型解釋性相對較差。

基于新疆獨特的自然地理、水文氣象和歷史災害點數(shù)據(jù)收集的考量，本文基于史培軍災害系統(tǒng)理論的“三元”風險評估模型^［17-18］，從山洪災害的致災因子、孕災環(huán)境和承災體脆弱性或易損性3個方面選取9個指標，建立基于地理探測器和層次分析法（AHP）的山洪災害風險評價模型，定量分析新疆山洪災害空間分異的驅動因子，并基于驅動因子的驅動力分析結果和層次分析法對指標賦權。最后通過GIS平臺進行疊加分析得到新疆山洪災害風險圖，并與山洪歷史災害點數(shù)據(jù)對比驗證，以期為新疆山洪災害風險管理與防洪減災工作提供技術支撐。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

新疆維吾爾自治區(qū)地處東經(jīng)73°40′～96°18′，北緯34°25′～48°10′之間，位于中國西北內(nèi)陸干旱區(qū)，降水量少，氣候干燥，年平均降水量為150 mm左右，具有“三山夾兩盆”的獨特地貌^［19-20］。獨特的地理環(huán)境決定了其水資源分配的不均勻性，從而導致洪水類型多樣，主要有暴雨洪水、季節(jié)積雪融水洪水、高山冰雪融水洪水、雨雪混合型洪水等。不同洪水類型時空分布情況見表1。

從空間分布上看，新疆地區(qū)水資源北多南少、西多東少；從時間上來看，夏季水量占全年水量的大部分，春秋季節(jié)占10%～20%左右，冬季10%以下^［21］，夏季暴雨洪水頻發(fā)，占全疆洪水災害總量的73%^［22］。與其他中緯度山區(qū)不同，新疆地區(qū)擁有大量的冰川和積雪，積雪水資源約占全國積雪水資源總量的1/3。季節(jié)性冰雪融水是新疆地區(qū)水資源的主要補給，融雪徑流對河流的補給量在春季甚至可達到75%以上^［23-24］。

1.2 研究數(shù)據(jù)

數(shù)據(jù)主要包括新疆年最大1 h點雨量均值、新疆1∶1 000 000積雪深度-雪水當量圖、DEM、土壤類型、巖性資料、植被覆蓋度、土地利用類型、夜間燈光密度、山洪歷史災害點數(shù)據(jù)，數(shù)據(jù)來源具體見表2。

2 研究方法

2.1 地理探測器

地理探測器是由王勁峰等^［25］提出的一種探測地理空間異質性的方法，是揭示因子的影響程度和因子間相互作用關系的途徑。其假設是：如果某些因素對某一現(xiàn)象有顯著的影響，則這些因素與該現(xiàn)象的空間分布在一定程度上具有相似性。地理探測器既可以探測到數(shù)值型數(shù)據(jù)，也可以探測到定性數(shù)據(jù)，以及探測兩因子在因變量上的相互作用^［26-28］。具體原理如下：

（1） 因子探測器。運用不同影響因子的解釋力來揭示對自變量的影響程度，其主要是運用影響因子不同等級中的方差與研究區(qū)山洪災害方差的關系，其公式如下：

q=1-SSWSST

（1）

SSW=Lh=1Nhσ2h， SST=Nσ2

（2）

式中：q為影響因子對山洪災害的解釋力；h表示分類數(shù)，h=1，2，…，L；Nh為分類h的單元數(shù)；N為研究區(qū)域的單元數(shù)；σh2為分類h的山洪災害方差；σ2為研究區(qū)域山洪災害方差；SSW為分類山洪災害方差之和；SST為研究區(qū)山洪災害總方差。其中，q∈［0，1］，q值越大，因子對山洪災害的解釋力也越強。

（2） 交互探測器。通過進行空間疊加，識別因子兩兩間的交互解釋力，從而判斷因子交互后對山洪災害的影響程度，交互作用判斷具體見表3。

2.2 層次分析法（AHP）

層次分析法（AHP）是指將某一決策問題按目標層、準則層和指標層3個層次進行分析^［29］，是研究中常用的一種定性和定量分析的權重決策方法。主要步驟如下：① 確定評價體系的層次結構；② 根據(jù)研究區(qū)實際情況并結合專家建議，采用1～9及其倒數(shù)標度法構造指標判斷矩陣；③ 檢驗判斷矩陣的滿意一致性CR，當CR＜0.1時，表示判斷矩陣的一致性是合理的，反之，需要重新進行一致性檢驗；④ 計算判斷矩陣的特征根與特征向量，進行歸一化處理后得到各指標因子的權重Wi。

3 風險評價模型構建

3.1 指標選取

根據(jù)史培軍災害系統(tǒng)理論的“三元”風險評估模型，將災害系統(tǒng)分為致災因子、孕災環(huán)境和承災體脆弱性或易損性3個方面，從中選取9個指標（因子）進行地理探測器和AHP層次結構的搭建。數(shù)據(jù)的柵格化預處理在ArcGIS 10.6平臺上進行，各指標柵格處理結果具體見圖1。

3.1.1 致災因子

短歷時強降雨和季節(jié)性冰川融雪是誘發(fā)山洪災害的直接因素和激發(fā)條件。選取新疆地區(qū)年最大1 h點雨量均值和雪水當量作為致災因子指標。

年最大1 h點雨量均值的柵格圖層由紙質圖進行獲取，具體步驟為：① 將各紙質圖分別進行高分辨率掃描；② 在ArcMap中對各掃描圖層進行配準、描繪等值線并賦值，得到相應的shp圖層；③ 應用ArcMap的“feature to point”命令得到等值線的中心點圖層并對未涉及的等值線進行補點；④ 對得到的數(shù)值點圖層進行克里金插值得到相應的柵格圖層。

3.1.2 孕災環(huán)境

選取新疆坡度、地形起伏度、土壤類型、植被覆蓋度、巖性作為孕災環(huán)境指標。

（1） 坡度反映地表的陡緩程度及傾斜情況，坡度陡的地區(qū)降雨過后水流湍急，山陡溝深落差大，利于山洪的發(fā)生。應用ArcMap中的“3D Analys tool”的工具執(zhí)行“Slope”命令，得到坡度圖。

（2） 地形起伏度反映地表形態(tài)的起伏高低情況，數(shù)值越大表示區(qū)域高差大，越有利于山洪的發(fā)生。地形起伏度柵格圖由DEM原始數(shù)據(jù)在ArcMap中提取得到。

（3） 土壤類型是誘發(fā)山洪災害的物質基礎和潛在條件。土壤的滲透性越好，發(fā)生山洪的風險越小，而土壤的滲透性受土壤類型的影響。美國農(nóng)業(yè)部基于土壤的滲透性等水文特征，將土壤劃分為A、B、C、D 4個下滲能力依次減弱的水文土壤類型（HSGs）^［30］，依據(jù)水文土壤類型進行專家打分評估制作土壤類型柵格圖層。土壤滲透性越強，產(chǎn)流能力越低，分數(shù)越高，越不容易發(fā)生山洪。水文土壤類型和評分具體見表4。

（4） 植被覆蓋度與徑流量、土壤流失量之間存在強相關性。流域的產(chǎn)流產(chǎn)沙量均隨植被覆蓋度增加而呈降低趨勢，流域產(chǎn)匯流能力越低，越不易發(fā)生山洪^［31］。不同等級的植被覆蓋度的地表景觀表現(xiàn)不同^［32］，詳見表5。其中高覆蓋度的地表景觀表現(xiàn)為林地草地覆蓋濃密，低覆蓋度地表景觀表現(xiàn)為流動沙丘等。依據(jù)植被覆蓋度等級劃分及對應地表景觀表現(xiàn)進行專家打分評估制作植被覆蓋柵格圖層。指標評分具體見表6。

（5） 巖性的軟硬度在一定程度上可以反映地表巖層的破碎風化和節(jié)理發(fā)育情況，對地表產(chǎn)匯流以及松散堆積物的分布都有一定影響^［33］。依據(jù)巖性的軟硬進行專家打分評估。巖性越硬，分數(shù)越高，表示流域產(chǎn)匯流能力越高，越容易發(fā)生山洪。巖性類別和指標評分具體見表7。

3.1.3 易損性

山洪災害的承災對象是社會經(jīng)濟和人口。選取新疆土地利用和夜間燈光密度作為易損性指標。土地利用方式通過對降水再分配和影響匯流過程而改變徑流的產(chǎn)生過程^［34］。萬榮榮等^［35］通過HEC-HMS分布式水文模型分析不同土地利用類型對洪水過程的影響程度，結果表明，對于同場降雨，5種土地利用的洪水總量順序為：林地＜疏林灌叢＜草地＜耕地＜建設用地。依據(jù)不同土地利用對洪水過程的影響程度進行專家打分評估，制作土地利用柵格圖層，分數(shù)越高表示越不易遭到損失。指標評分具體見表8。

3.2 新疆山洪災害驅動力分析

利用地理探測器定量分析山洪災害空間分異的驅動因子，為下一步利用層次分析法打分賦權提供依據(jù)。具體步驟為：① 將山洪點歷史災害數(shù)據(jù)導入到ArcGIS中，利用核密度分析工具得到山洪災害點密度圖；② 利用漁網(wǎng)工具將山洪災害點密度和9個作為自變量的指標數(shù)據(jù)提取到1 km×1 km網(wǎng)格中，然后導出至Excel；③ 利用SPSS軟件中的K-means方法對數(shù)據(jù)進行分類，用王勁峰Excel編制的地理探測器軟件^［25］處理數(shù)據(jù)，得出探測結果。

3.2.1 單因子探測

采用參數(shù)最優(yōu)地理探測器的因子探測識別單因子對山洪災害的解釋力，結果如表9所列。各因子驅動解釋力q值按大小排序為：坡度＞巖性＞植被覆蓋度＞年最大1 h點雨量均值＞土壤類型＞雪水當量＞土地利用類型＞地形起伏度＞夜間燈光密度?？傮w上，致災因子的平均q值為0.120 9，孕災環(huán)境的平均q值為0.158 7，易損性的平均q值為0.036 0，除夜間燈光密度因子外，所有因子解釋力p值均小于0.01，探測結果具有顯著性。因子探測結果表明，自然風險災害理論的3個因素中孕災環(huán)境的解釋力最大，說明孕災環(huán)境在新疆山洪災害發(fā)生過程中起主導作用，尤其是坡度因子的解釋力較大，而易損性因子解釋力相對較弱。

3.2.2 因子交互探測

在9個單因子探測的基礎上進行因子間的交互作用探測，利用熱圖將交互驅動作用大小線性等間隔分級反映在圖2上。發(fā)現(xiàn)驅動因子對新疆山洪災害的驅動作用并不獨立，而是呈現(xiàn)非線性或雙因子增強效應。這說明本研究取的9個驅動因子中任意兩個因子的交互作用對新疆山洪災害風險的驅動作用更為顯著。其中，各因子與坡度因子的交互作用解釋力都大于0.25，進一步體現(xiàn)了坡度因子對山洪災害風險起著重要作用。同時，與年最大1 h點雨量交互的各因子大多交互類型為非線性增強，提升作用較為明顯，年最大1 h點降雨量與巖性交互作用解釋力和年最大1 h點雨量與坡度交互作用解釋力是交互探測結果最大的兩個值，這表明年最大1 h點雨量顯著影響著山洪災害風險等級，是山洪災害發(fā)生過程中的關鍵因子。

3.3 指標權重分析

基于層次分析法的原理，建立了由目標層、準則層和指標層組成的洪水風險評估結構如圖3所示。根據(jù)地理探測器結果，自然風險災害理論的3個因素中孕災環(huán)境的解釋力最大，說明孕災環(huán)境在新疆山洪災害發(fā)生過程中起主導作用，其在準則層的權重占比較大，而易損性因子解釋力相對較弱，其在準則層的權重占比較小。根據(jù)1～9及其倒數(shù)標度法構建出判斷矩陣，準則層各指標重要性判斷矩陣見表10。依據(jù)地理探測器結果各指標驅動解釋力的比較，構建致災因子、孕災環(huán)境和易損性3個指標層各指標重要性判斷矩陣，具體見表11～13。各判斷矩陣都通過一致性檢驗。最終各層次指標具體權重值如表14所列。

4 結果分析

4.1 山洪災害風險圖繪制

山洪災害風險圖繪制步驟為：① 運用ArcGIS漁網(wǎng)工具將新疆地區(qū)劃分成2 km×2 km的網(wǎng)格；② 將9個指標的柵格圖像值提取到劃分好的網(wǎng)格點中，得到包含所有指標值的屬性表；③ 基于層次分析法得到的指標權重結果，運用ArcGIS軟件中柵格計算器對各指標因子進行歸一化處理和疊加計算，得到新疆山洪災害風險圖；④ 進行重分類并依據(jù)自然間斷點將新疆山洪災害風險圖劃分為低、較低、一般、較高、高風險5個部分。具體成果如圖4所示。

4.2 山洪災害風險評價及結果驗證

4.2.1 山洪災害風險評價

新疆地區(qū)低風險區(qū)域面積最大，面積為60.35萬km2，占新疆總面積的36.25%。低風險區(qū)域呈塊狀分布，主要集中在塔里木盆地、準格爾盆地、庫木庫勒盆地等地區(qū)，該地區(qū)地形平坦、降雨量少。較低風險區(qū)域面積為42.32萬km2，占新疆總面積的25.42%，較低風險區(qū)域呈帶狀分布，主要集中分布在雙河市、博爾塔拉蒙古自治州、胡楊河市、克拉瑪依市、石河子市、昌吉回族自治州、北屯市、阿勒泰地區(qū)的中部與南部、吐魯番北部、哈密市北部與南部、喀什地區(qū)北部。這些地區(qū)地形較平坦、降雨量較少。中風險區(qū)域面積為29.98萬km2，占新疆總面積的18.01%，中風險區(qū)域呈帶狀分布，主要集中分布在吐魯番市中部、巴音郭楞蒙古自治州的東部。該地區(qū)植被覆蓋度不高，土地利用為沙地、裸巖石質地，流域具有中等的產(chǎn)匯流能力。較高風險區(qū)域面積為22.69萬km2，占新疆總面積的13.63%，大體沿阿爾泰山脈、天山山脈、昆侖山山脈、阿爾金山分布，塔城地區(qū)西部也有集中分布。該地區(qū)地勢較高，有積雪分布，降雨量較多，巖性較硬，較易于產(chǎn)匯流。高風險區(qū)域面積最小，面積為11.49萬km2，占新疆總面積的6.69%，分布區(qū)域與較高風險分布區(qū)域有較大重合，大體上沿阿爾泰山脈、天山山脈、昆侖山山脈分布。該地區(qū)位于積雪山脈，且雨季降雨量多，山區(qū)以變質巖、石灰?guī)r、花崗巖等組成的山體為主體，山高坡陡，河流集水快，易于產(chǎn)匯流。山洪災害風險評價各等級占比如表15所列。

新疆山洪災害高風險與較高風險區(qū)域主要沿山脈分布，其主要原因是該區(qū)域地形坡度較大，巖性較硬且較為完整，有利于地表產(chǎn)匯流，加上季節(jié)性的融雪徑流和降雨的疊加更容易暴發(fā)山洪。而低風險和較低風險集中分布在盆地，主要由于地形坡度小，降雨少，難以滿足山洪暴發(fā)的條件。

4.2.2 結果驗證

山洪災害風險評價的準確性對后期的山洪災害防御工作有著十分重要的作用。因此，必須對山洪災害的風險評價結果進行驗證。本文采用山洪歷史災害點數(shù)據(jù)對評估結果進行驗證，具體方法為計算不同風險等級區(qū)域內(nèi)歷史災害點的覆蓋比例，評價指標包括覆蓋率和準確度。覆蓋率的計算是通過ArcGIS提取歷史山洪災害點所在風險等級的點數(shù)量并計算占總數(shù)的比例。具體步驟為：① 打開4.1節(jié)繪制好的山洪災害風險圖的屬性表，利用ArcGIS中的“連接和關聯(lián)”工具將山洪災害點數(shù)據(jù)導入到屬性表中，得到落在每個柵格上的山洪歷史災害點數(shù)據(jù)；② 將屬性表中的數(shù)據(jù)導出至Excel，根據(jù)劃分的5個風險等級，匯總各山洪風險等級發(fā)生的山洪歷史災害點次數(shù)。匯總結果如表16所列。

準確度的計算是通過累計中風險、較高風險、高風險的比例和或者較高風險、高風險的比例和得出。從驗證結果可以看出，新疆山洪歷史災害總數(shù)為2 911次，高風險和較高風險區(qū)覆蓋的新疆歷史山洪災害次數(shù)為1 522次，占比為52.29%，中風險、較高風險和高風險覆蓋的新疆歷史山洪災害次數(shù)為2 369次，占比為81.39%。驗證結果可以基本說明本研究針對新疆山洪災害風險評價的合理性，且準確度較高，在山洪災害防治工作上具有一定的指導意義。

5 結 論

為了研究新疆山洪災害風險的空間分布，本文采用地理探測器探明了山洪災害各影響因素對山洪災害點密度的驅動力，并基于驅動因子的驅動力分析結果和層次分析法對各指標進行賦權，利用ArcGIS對各指標因子進行歸一化處理和疊加計算得到山洪災害風險圖，最后利用山洪災害歷史點數(shù)據(jù)對評估的風險等級進行驗證。主要結論如下：

（1） 坡度是造成新疆山洪災害發(fā)生的主要因子，而年最大1 h點雨量在新疆山洪災害發(fā)生過程中起到關鍵作用。新疆高風險與較高風險區(qū)域主要沿山脈分布，主要是該區(qū)域地形坡度較大，巖性較硬且較為完整，有利于地表產(chǎn)匯流，加上季節(jié)性的融雪徑流和降雨的疊加更容易暴發(fā)山洪。而低風險和較低風險集中分布在盆地，主要由于地形坡度小，降雨少，難以滿足山洪暴發(fā)的條件。

（2） 山洪災害的形成機理復雜，影響因子較多，將山洪災害風險影響因子完全定量化研究存在一定的困難。在未來的山洪災害研究中，仍需研究山洪災害形成機理，同時建立更健全的指標體系，采取更符合實際的賦權方法，進一步提高山洪災害風險區(qū)劃的準確性。對于大尺度的山洪災害風險評估，評估的范圍越廣，評估的準確性越低。隨著時間的變化，山洪災害指標因子會隨之改變，其風險圖也會隨之變化。要提高山洪風險評估的準確性，應采用高精度、最新的原始數(shù)據(jù)集。

參考文獻：

［1］ 李姣，王麗榮，王潔，等.基于動態(tài)臨界雨量的山洪災害預警技術研究［J］.自然災害學報，2023，32（5）：235-242.

［2］ 程東，劉榮華，翟曉燕，等.基于中國山洪水文模型的山洪災害預警指標實時動態(tài)分析［J］.中國水利水電科學研究院學報（中英文），2023，21（5）：444-454.

［3］ 熊凡，李沛鴻，袁逸敏，等.基于GIS和組合賦權的城市洪澇災害風險評估［J］.人民長江，2023，54（8）：60-66.

［4］ 王新濤，陳超.新疆山洪災害防治進展與展望［J］.中國水利，2022（11）：48-51.

［5］ 元媛，金中武，曾鑫，等.考慮泥沙因子的四川省山洪風險評價研究［J］.水利水電快報，2024，45（3）：16-22.

［6］ 郭良，丁留謙，孫東亞，等.中國山洪災害防御關鍵技術［J］.水利學報，2018，49（9）：1123-1136.

［7］ 李惠芳，吳悠.基于模糊層次分析法的陜西省山洪災害風險評價［J］.陜西水利，2023（11）：78-79.

［8］ 劉昌軍，周劍，文磊，等.中小流域時空變源混合產(chǎn)流模型及參數(shù)區(qū)域化方法研究［J］.中國水利水電科學研究院學報，2021，19（1）：99-114.

［9］ 陳躍紅，徐聰聰，張曉祥，等.中國山洪區(qū)劃研究［J］.地理學報，2023，78（5）：1059-1073.

［10］ZHANG D F，SHI X G，XU H，et al.A GIS-based spatial multi-index model for flood risk assessment in the Yangtze River Basin，China［J］.Environmental Impact Assessment Review，2020，83：106397.

［11］DUAN C Y，ZHANG J Q，CHEN Y N，et al.Comprehensive risk assessment of urban waterlogging disaster based on MCDA-GIS integration：the case study of Changchun，China［J］.Remote Sensing，2022，14（13）：3101.

［12］PENG J Q，ZHANG J M.Urban flooding risk assessment based on GIS- game theory combination weight：a case study of Zhengzhou City［J］.International Journal Of Disaster Risk Reduction，2022，77：103080.

［13］RUBIO C J，YU I S，KIM H Y，et al.Index-based flood risk assessment for Metro Manila［J］.Water Supply，2020，20（3）：851-859.

［14］王小笑，劉業(yè)偉，付佳偉.江西省山洪災害風險評估區(qū)劃［J］.水電能源科學，2021，39（10）：85-88.

［15］LI X G，YAN D H，WANG K，et al.Flood risk assessment of global watersheds based on multiple machine learning models［J］.Water，2019，11（8）：1654.

［16］吳小君，方秀琴，任立良，等.基于隨機森林的山洪災害風險評估：以江西省為例［J］.水土保持研究，2018，25（3）：142-149.

［17］史培軍.再論災害研究的理論與實踐［J］.自然災害學報，1996（4）：8-19.

［18］史培軍.三論災害研究的理論與實踐［J］.自然災害學報，2002（3）：1-9.

［19］劉華利.新疆維吾爾自治區(qū)塔里木河流域水資源承載力研究［J］.水利水電快報，2020，41（8）：8-11.

［20］姚秀萍，肖峰，馬嘉理.新疆地區(qū)夏季降水研究進展與展望［J］.沙漠與綠洲氣象，2023，17（1）：1-9.

［21］安志清.新疆水文水資源對全球氣候變化的響應［J］.能源與節(jié)能，2016（8）：177-178.

［22］余其鷹，胡彩虹，白云崗，等.新疆洪水預報預警中融雪徑流模型應用進展［J］.干旱區(qū)地理，2023，46（12）：1951-1962.

［23］劉艷，盧新玉，鄭奕，等.新疆與中亞融雪型洪水監(jiān)測、預警調研及對策建議［J］.氣象科技進展，2022，12（2）：21-29.

［24］周剛，崔曼儀，李哲，等.新疆春季融雪洪水危險性動態(tài)評價研究［J］.干旱區(qū)研究，2021，38（4）：950-960.

［25］王勁峰，徐成東.地理探測器：原理與展望［J］.地理學報，2017，72（1）：116-134.

［26］李琛，吳映梅，高彬嬪，等.高原湖泊鄉(xiāng)村聚落空間分異及驅動力探測：以環(huán)洱海地區(qū)為例［J］.經(jīng)濟地理，2022，42（4）：220-229.

［27］劉彥隨，楊忍.中國縣域城鎮(zhèn)化的空間特征與形成機理［J］.地理學報，2012，67（8）：1011-1020.

［28］虞夢杰.關中地區(qū)不同空間尺度下山洪災害驅動因子分析及風險評價研究［D］.西安：西安理工大學，2023.

［29］程朋根，黃毅.基于AHP-熵權法的南昌市洪澇風險評估［J］.人民長江，2021，52（10）：18-25.

［30］馮帆，馬陽，馬悅.地下水位和土壤類型對海綿城市建設的影響［J］.凈水技術，2021，40（11）：97-101.

［31］崔勝寓.不同下墊面條件的水土保持效益及機理研究［D］.西安：西安理工大學，2017.

［32］高健健，穆興民，孫文義.1981～2012年黃土高原植被覆蓋度時空變化特征［J］.中國水土保持，2016（7）：52-56.

［33］杜俊，任洪玉，張平倉，等.大空間尺度山洪災害危險評估的比較研究［J］.災害學，2016，31（3）：66-72.

［34］郭軍庭.潮河流域土地利用/氣候變化的水文響應研究［D］.北京：北京林業(yè)大學，2012.

［35］萬榮榮，楊桂山.流域土地利用/覆被變化的水文效應及洪水響應［J］.湖泊科學，2004，16（3）：258-264.

（編輯：郭甜甜）

Risk assessment of flash flood disasters based on GIS in Xinjiang Uygur Autonomous Region

ZHANG Jiajun^1，2，DONG Linyao^1，2，ZHANG Na³，DU Jun^1，2，CHEN Chao³，TANG Wenjian^2，4

（1.Soil and Water Conservation Department，Changjiang River Scientific Research Institute，Wuhan 430010，China； 2.Research Center on Mountain Torrents and Geologic Disaster Prevention，Ministry of Water Resources，Wuhan 430010，China； 3.Flood Control and Drought Relief Service Center of Water Resources Department of Xinjiang Uygur Autonomous Region，Urumqi 830099，China； 4.Changjiang River Scientific Research Institute，Changjiang Water Resources Commission，Wuhan 430010，China）

Abstract：

Risk assessment of flash flood disasters provides a scientific basis for research on the disaster-causing mechanisms and risk zoning of flash floods.Based on GIS，geographic detectors，the analytic hierarchy process，and natural disaster risk theory，the main driving factors of flash flood disaster risk in Xinjiang Uygur Autonomous Region were identified with the support of nine index data points，such as snow water equivalent，slope and annual maximum 1-hour point rainfall.The risk assessment of flash flood disasters in Xinjiang was evaluated from three aspects：disaster-causing factors，disaster environment and vulnerability.The results show that the explanatory power of the single factor，slope，is the greatest，and the interaction between annual maximum 1-hour point rainfall and other factors exhibits nonlinear enhancement.The proportions of flash flood risk levels from high to low were 6.69%，13.63%，18.01%，25.42% and 36.25%，respectively.In general，the geological geomorphology and hydrometeorological conditions of the \"Three Mountains\" in Xinjiang significantly impact the formation of flash floods.Strengthening the monitoring and early warning of 1-hour short-term rainfall and snowmelt runoff is of practical significance for local resistance to flash floods.The research findings can provide a reference for the scientific assessment and prevention of flash flood disasters in Xinjiang.

Key words：

flash flood disaster； risk assessment； AHP； geographical detector； Xinjiang Uygur Autonomous Region