基于“3S”技术的村镇住宅洪灾脆弱性曲线研究*

董姝娜，姜鎏鹏，张继权，佟志军，刘兴朋，蒋新宇

(1.长春师范学院城市与环境科学学院，吉林长春130032;2．东北师范大学城市与环境科学学院，东北师范大学自然灾害研究所，吉林长春130024;3．京都大学防灾研究所，日本京都府宇治611－0011)

0 引言

受气候条件和地理条件的影响，我国是洪涝灾害频发的国家，每年都有大量的居民住宅在洪水中严重损坏甚至倒塌，如2010年吉林省发生了严重的洪涝灾害，共造成11.8万户房屋倒塌，30.1万户房屋损坏。相对于城市而言，村镇住宅结构简单、抗灾性能较差，在洪灾来临时房屋损坏现象更为严重，灾后恢复的时间也相对较长。据统计，在2010年吉林省洪灾中，因灾倒塌的农村房屋占倒塌房屋总数的75%以上，局部地区的比例甚至超过95%。随着我国农村城镇化进程的发展，村镇住宅的规模将越来越大，遭遇洪水破坏的损失也日趋加重。

脆弱性是指在给定危险地区存在的所有任何财产由于潜在的危险因素而造成的伤害或损失程度［1］，是构成洪灾风险重要因子。由于洪灾风险是由危险性、暴露性、脆弱性和防灾减灾能力四因子构成，其中危险性的改变是困难的，因此降低承灾体的脆弱性成为防灾减灾的主要途径［2－4］。脆弱性常用脆弱性曲线来表示，常见的脆弱性曲线有水深－损失率曲线、流速－损失率曲线、淹没时间－损失率曲线等。由于水深是决定洪灾损失率的最主要因素［5］，因此开展村镇住宅水深－损失率曲线研究具有重要的现实意义。目前，国内外学者主要通过实地调查的方法建立水深－损失率曲线，如英国的Pennington等根据居民住宅类型、建造时间以及房主的社会地位把居民住宅共分为84类，对各类住宅分别建立淹没时长超过12小时和不足12小时的水深－损失率曲线共168条，是目前最全面的研究成果［6］;Dutta等以泰国曼谷的两个行政区为研究区，根据建筑材料把建筑物分为木制和非木制，通过实地问卷调查获取数据，分别建立各类建筑物结构、室内财产、室外财产的水深－损失率曲线［7］。我国对洪灾脆弱性曲线的研究起步较晚，近几年有部分学者对城市建筑物的洪灾损失率进行了探讨，如尹占娥、石勇、刘耀龙等都是通过问卷调查的方式获取数据建立了城市建筑及其室内财产的水深－损失率曲线［8－10］。但农村地广人稀，若完全采用实地调查的方法将耗费大量的人力物力和时间，并且受灾住户多而分散，从而加大了调查工作的强度和难度。本研究通过实地调查获取村镇住宅洪灾损失数据，运用RS技术和GIS技术提取水深补充未调查的居民住宅的淹没水深数据，建立各类平房居民住宅的水深－损失率曲线，从而为预测村镇住宅未来可能遭受的洪灾损失和城乡规划与区域开发提供了科学的理论依据。

1 研究区概况

口前镇是永吉县的县城所在地，幅员面积349.22 km2，辖河北、河东、站前、西山、东山、城南、水电7个社区，歪头、四间、双顶子、下达等15个行政村，全镇总人口108 570人，37 621户(图1)。口前镇地处松嫩平原向长白山过渡地带，平原、丘陵、山地相间，四间河与五里河在镇内交汇。2010年7月28日，吉林省发生了严重的暴雨洪涝灾害，连续的强降雨造成吉林省全省51个市州、县(市)及长白山管委会中的46个城市城区、县(市)的城乡居民住房受到不同程度的损毁，其中以永吉县口前镇最为严重，据水利部门测算，口前镇遭遇了1 600年一遇的洪水。

图1 研究区示意图

2 研究方法与数据来源

2.1 技术路线

本研究以村镇住宅为研究对象，根据抽样理论计算样本点数量，运用GPS技术开展实地调查获取水深和损失率数据。通过洪灾发生时的遥感影像解译出洪水的淹没范围，并结合DEM数据运用GIS技术提取出淹没水深来补充未调查居民住宅的水深数据。采用回归分析方法构建了口前镇各类平房居民住宅的水深－损失率曲线。总体研究构思如图2所示。

图2 村镇住宅洪灾脆弱性曲线研究技术路线

2.2 研究方法

2.2.1 遥感图像解译方法

遥感图像解译是从遥感图像上获取目标地物信息的过程［11］。用于识别洪水淹没范围的遥感解译方法很多，本研究根据研究区的特点和遥感影像的参数特征，主要采用目视解译方法，辅之以单波段阈值法和图像灰度差值法用于区分水体与植被的边界以及判定居民地是否被洪水淹没［12］。

2.2.2 水深GIS反演方法

运用GIS方法获取洪水淹没水深，需要洪水淹没范围和DEM数据的支持［13］。这种方法的核心思想是在已知洪水淹没范围的条件下，借助高精度的DEM数据，获得洪水淹没边界(即水面)的高程分布，由水面高程与地面高程之差来计算水深［14］:

式中:D为水深;Ew为水面高程;Eg为地面高程。

2.2.3 简单随机抽样方法

简单随机抽样是经典方法中最基本、最简单的抽样模型，它不考虑空间关联，根据调查对象总体的变化情况和用户希望抽样调查的误差范围之内，计算出样本量，然后根据样本量从总体中随机抽取样本，其计算样本量的方法如下［15］:式中:d是绝对误差，也就是用户期望的X的范围是在X+d到X－d之间;α是置信区间100(1－α)%中的参数;以通过查统计表求出;n为样本容量。

2.2.4 实地调查方法

整个实地调查可以分为前期室内准备、中期实地调查和后期数据整理共三个阶段。在前期室内准备阶段搜集相关数据和资料，初步了解研究区的相关情况，制定详细的调查方案;在实地调查阶段，运用GPS对每个抽样点进行定位，通过实际测量和问卷调查等多种方式获取数据并填写调查表;在最后的数据整理阶段，对实地调查数据进行整理、分类与汇总，建立数据库。

2.2.5 回归分析方法

回归分析是确定两种或两种以上变量间定量关系的一种统计分析方法，一般通过大量的观测、试验或实验取得一定的数据，然后用数理统计的方法，寻找出隐藏在随机性背后的统计规律，用回归方程来表达［16］。本研究主要应用一元线性回归模型和一元非线性回归模型，包括指数函数、幂函数、对数函数等。

2.3 数据来源

本研究所需的遥感数据源自环境减灾卫星数据库(http://www.cresda.com/)和谷歌地图中的GeoEye-1数据，地形数据来源于国家测绘局编制的1∶1万地形图，各类房屋的新建住宅价值等社会经济数据来自《永吉县统计年鉴2009》，居民住宅面积、使用年限及洪灾损失等数据来源于灾后实地调查。

3 村镇住宅洪灾损失率模型建立

村镇住宅的洪灾损失率是指各类住宅遭受洪灾损失的价值与灾前原有价值或正常年份应有价值之比［17］。不同结构和材料的住宅其价值不同，且随使用时间的增加其实际价值逐渐减小，因此核算房屋灾前的原有价值应考虑房屋的折旧率及其建造价值。折旧率可采用住宅的使用年限与寿命年限的比值进行估算，建造价值则应采用重置费用代替，以消除建造时间不同而带来的不可比性。因此村镇住宅洪灾损失率模型为:

式中:η为村镇住宅的洪灾损失率;L为居民住宅洪灾损失的价值;V为住宅的原有价值;w为新建住房价值;s为住宅面积;T为住宅的使用寿命;t为住宅的使用时间。

对于损毁严重或无法修复的房屋，可通过村镇住宅损毁等级划分标准(表1)［18］并结合实际情况确定洪灾损失率。

表1 村镇住宅损毁等级的划分标准

4 口前镇住宅洪灾脆弱性曲线建立

本研究采用环境减灾卫星CCD数据作为识别洪水淹没范围的数据源，对洪灾发生时(7月29日)的遥感影像进行投影转换和配准，运用ENVI软件进行标准假彩色影像合成，通过目视解译法、单波段阈值法和图像灰度差值法提取出洪水的淹没范围。

运用ArcGIS软件对国家测绘局编制的口前镇1∶1万地形图的等高线、控制点、高程点等地形特征要素进行数字化，生成分辨率为5 m的DEM，提取出洪水淹没边界的高程，并通过空间内插的方法获取洪水的水面高程。运用0.5 m分辨率的GeoEye-1影像，以不破坏居民住宅整体性为原则将口前镇居民地划分为边长为80 m左右的格网，根据水面高程与地面高程之差求出各格网的洪水淹没水深(图3)。

为了使实地调查的结果具有较高的精度和信度，需要在调查之前根据抽样理论计算抽样点数量。由于此次口前镇洪灾没有造成砖混结构楼房住宅的毁坏，因此只计算砖木结构平房住宅的抽样点数量。运用SSSI空间抽样软件，输入相关参数后计算出在置信水平为95%的情况下样本点数量不应少于86个。

图3 口前镇洪水淹没范围及水深空间分布

利用GPS对各个抽样点进行定位;运用问卷调查的方式获取各居民住宅的基础资料;对居民住宅的洪水痕迹进行水深实测，用于建立水深－损失率曲线并验证遥感反演的水深数据。对口前镇部分平房住宅的损毁等级进行归类，如图4～图6所示。

图4 住宅轻微破坏(水深135 cm左右)

图5 住宅中等损坏(水深约170 cm)

图6 住宅严重损毁(水深大于210 cm)

本次实地调查共获取109份平房居民住宅的有效数据，根据已建立的损失率模型计算出各住宅的洪灾损失率，运用SPSS软件采用回归分析方法建立平房住宅的水深－损失率曲线。通过对比分析各回归模型的相关系数，其中线性回归模型的相关系数最高(R2=0.689)，且回归方程方差分析F检验的显著性水平为0.000，说明方程是高度显著的，因此建立平房住宅水深－损失率线性关系如图7所示。

图7 口前镇砖木结构平房水深－损失率关系图

由于居民住宅的使用时间也是影响其洪灾损失率的因素之一，因此根据口前镇砖木结构住宅的修建年代及外表装饰材料将砖木结构平房进一步划分为三类，运用SPSS软件选择通过F检验的最优模型分别建立各类住宅的水深－损失率曲线(图9、11、13)。

类别Ⅰ:建造于1980年代，墙体无照面和装饰材料(图8)。

图8 类别Ⅰ住宅实体照片

图9 类别Ⅰ住宅水深－损失率曲线

类别Ⅱ:主要从1990年代开始兴建，墙壁上半部用石子装饰，下部有围子(图10)。

图10 类别Ⅱ住宅实体照片

类别Ⅲ:主要是近几年才开始兴建，墙壁用瓷砖装饰(图12)。

图11 类别Ⅱ住宅水深－损失率曲线

图12 类别Ⅲ住宅实体照片

图13 类别Ⅲ住宅水深－损失率曲线

5 结论与讨论

本文以村镇居民住宅为研究对象，建立了一套基于3S技术和实地调查的村镇住宅洪灾脆弱性曲线的构建体系和方法，并将该方法应用于2010年7月28日永吉县口前镇特大洪灾中，得到如下结论:

(1)本研究运用RS技术和GIS技术提取出洪水的淹没范围和水深，通过实地调查对提取结果进行了验证，其结果与实际情况非常符合，可以运用该方法代替实地调查以节约人力财力和物力资源。

(2)通过实地调查发现，在水深不超过4.5 m的情况下，钢筋混凝土框架结构和砖混结构楼房其主体结构并未遭到破坏，损失率极小;而砖木结构平房在水深小于1 m时，其主体结构可以保持完好。

(3)当水深大于1 m时，各类砖木结构平房存在不同程度的损毁，通过水深－损失率曲线可知平房住宅的洪灾损失率与水深高度相关，且在同一淹没水深下，不同使用年限的平房其洪灾损失率不同，使用时间越长损失率越大。

此外，从洪水特征的角度分析，影响村镇住宅洪灾损失大小的因素除了水深之外还有流速、淹没时间等;从住宅自身的脆弱性角度分析，影响村镇住宅洪灾损失率的因素除了使用时间之外还有房屋地基、建造材料等，在今后的研究中将进一步探究其他因素对洪灾损失率的影响来修正脆弱性曲线，以提高洪灾潜在损失评估的精度。

［1］张继权，冈田宪夫，多多纳裕一.综合自然灾害风险管理——全面整合的模式与中国的战略选择［J］．自然灾害学报，2006，15(1):29－37．

［2］张继权，李宁.主要气象灾害风险评价与管理的数量化方法及其应用［M］．北京:北京师范大学出版社，2007．

［3］蒋新宇，范久波，张继权，等.基于GIS的松花江干流暴雨洪涝灾害风险评估［J］．灾害学，2009，24(3):51－56．

［4］张会，张继权，韩俊山.基于GIS技术的洪涝灾害风险评估与区划研究——以辽河中下游地区为例［J］．自然灾害学报，2005，14(6):141－146．

［5］Kelman I.Physical flood vulnerability of residential properties in coastal，eastern England［D］．Cambridge:Cambridge University，2002．

［6］Penning-Rowsell E，Chatterton J.The benefits of flood alleviation:a manual of assessment techniques［M］．Aldershot England:Gower Technical Press，1977．

［7］Dutta D，Tingsanchali T.Development of loss functions for flood urban flood risk analysis in Bangkok，new technologies for urban safety of Mega Cities in Asia［M］．Tokyo，2003．

［8］尹占娥，许世远，殷杰，等.基于小尺度的城市暴雨内涝灾害情景模拟与风险评估［J］．地理学报，2010，65(5):11－22．

［9］石勇，石纯，孙阿丽，等.中国南方城市居民建筑物洪灾脆弱性研究［J］．人民长江，2009，40(5):19－21．

［10］刘耀龙，陈振楼，王军，等.经常性暴雨内涝区域房屋财(资)产脆弱性研究——以温州市为例［J］．灾害学，2011，26(2):66－71．

［11］梅安新，彭望禄，秦其明，等.遥感导论［M］．北京:高等教育出版社，2006．

［12］杨希，刘国祥，秦军，等.基于多时相遥感图像灰度差值法的地表变化测定［J］．四川测绘，2008，31(3):99－103．

［13］陈德清，杨存建，黄诗峰.应用GIS方法反演洪水最大淹没水深的空间分布研究［J］．灾害学，2002，17(2):1－6．

［14］易永红，陈秀万，吴欢.基于遥感信息的淹没水深算法研究［J］．地理与地理信息科学，2005，21(3):26－29．

［15］王劲峰，姜成晟，李连发，等.空间抽样与统计推断［M］．北京:科学出版社，2009．

［16］张超，杨秉赓.计量地理学［M］．北京:高等教育出版社，2004．

［17］冯民权，周孝德，张根广.洪灾损失评估的研究进展［J］．西北水资源与水工程，2002，13(1):32－36．

［18］高庆华，马宗晋，张业成，等.自然灾害评估［M］．北京:气象出版社，2007.