基于GIS和RS的哈尔滨淹没经济损失风险评估

刘伟康 张 慧

(东北农业大学，黑龙江哈尔滨150030)

基于GIS和RS的哈尔滨淹没经济损失风险评估

刘伟康 张 慧

(东北农业大学，黑龙江哈尔滨150030)

基于地理信息系统GIS技术构建数字高程模型，采用平面模拟方法参照120.89 m水位对哈尔滨市淹没风险预测，运用地理信息系统GIS与遥感RS技术相结合的方法获取了哈尔滨市区土地利用现状空间分布信息，并用其将社会经济信息进行空间展布，对淹没区产业类型分布图和淹没深度进行矢量叠加分析，并依据经济信息进行淹没经济损失风险评估。评估结果显示，淹没经济风险最高的区域主要分布在道里区和道外区，其次为松北区、呼兰区和香坊区。

地理信息系统;空间展布模型;经济损失风险;评估

引言

松花江水资源丰富，洪涝灾害频繁，极大地影响着沿岸城市的经济发展。哈尔滨市位于松花江沿岸，是黑龙江省省会，是中国东北北部政治、经济和文化的中心，也是中国省辖市中面积最大、人口居第二位的特大城市，淹没风险较高。对哈尔滨市进行洪灾经济损失风险评价能够为防洪工作提供重要参考。

洪水灾害风险评估主要包括洪水危险性评价、洪水易损性评价、洪水损失评估、洪水灾害综合风险评估等，是对洪水灾害危险性、易损性等方面的综合评价与分析。开展洪涝灾害风险评估对于加强灾害预警，规避洪涝风险，发展洪涝保险具有重要基础作用，是进行洪涝灾害风险管理及决策的重要科学依据。基于GIS洪灾损失分析技术是一种将GIS技术、数据库技术、淹没范围及淹没深度模拟、遥感信息获取与分析、资产评价与预测分析相结合的基于空间分析技术的洪灾损失评价模式。它的优势就是将GIS空间分析技术引入到淹没损失评估系统中，实现定量、定位地进行淹没损失评价，与传统的统计评估相比，能更好地服务于抗灾救灾和减灾规划中。

对洪水灾害损失风险评估的研究，国外一些发达国家比较早，洪水保险普及也比较早，评估所需的基本资料相对较完整，并在防洪减灾、土地利用开发与保护中发挥重要的作用。我国洪灾损失评估研究始于20世纪80年代末期，近年随着RS和GIS技术的集成应用的逐步发展，洪水损失评估也有了较大进展。

中国对洪水灾害损失评价的研究起步较晚，基础资料薄弱，研究方法和预测模型不够成熟。近年来，随着GIS和RS技术的集成应用的逐步发展，该技术被应用到洪水淹没范围模拟和经济损失预测研究中，并取得较好效果。陈秀万等利用洪水时遥感水体提取模型计算淹没范围，孙海等基于DEM模拟洪水淹没范围，较好地反映了水体的淹没范围，王艳艳等构建了基于洪水模拟演进的洪水灾害评价模型，通过洪水的水情信息模拟淹没范围;在评价单元的选取上，丁志雄提出了以空间信息格网为评价单元，李纪人提出利用空间展布的方式将社会经济数据展布到研究区内土地利用类型数据上从而完成淹没区域经济损失的预测，较以行政区为单位，利用传统的统计分析方法得到的经济损失结果在准确性上有很大提高。

一、研究区概况

哈尔滨市位于黑龙江省南部，松花江干流中游江畔，地跨松花江南北两岸，松花江干流由西向东贯穿哈尔滨市地区中部，成为全市灌溉量最大的河，市区主要分布在松花江形成的三级阶地上，境内的大小河流均属于松花江水系和牡丹江水系，使得哈尔滨水资源具有过境水量大，并且时空分布不均的特点，形成了哈尔滨防洪的严峻形势。

松花江是黑龙江最大的支流，流经黑龙江、内蒙古、吉林三省(区)，沟通了哈尔滨、佳木斯、齐齐哈尔、吉林等主要工业城市及黑龙江、乌苏里江国际界河。全长1 900公里，流域面积54.56万平方公里，占东北三省总面积69.32%。流域年平均降水量比较充沛，水资源较丰富。

哈尔滨市自开阜以来，多次遭受洪水侵袭。从1898年有水文资料记载至今的百年间共发生超过4 500秒立方米的洪水30次，相当于三至四年发生一次;超过8 500秒立方米的大洪水10次，相当于十年发生一次。其中，1932年洪水水位为119.72米，23.8万人受灾，占当年市区人口38万人的近2/3，损失惨重。1957年洪水水位为120.30米，还原洪峰流量为146 000秒立方米，超过1932年最高水位0.58米，高水位持续了20多天。这次洪水造成直接经济损失5 000万元。1998年松花江发生了超一百五十年一遇的特大洪水。最高洪水位为120.89米，最大洪峰流量为17 400秒立方米。哈尔滨市11个县市，132个乡镇、1030个自然村受灾。1998年特大洪水全市累计上堤抢险66 514万人次，抢险投入经费约10亿，外洪内涝和抗洪抢险给全市造成的经济损失约40亿元。

二、研究方法与研究步骤

基于GIS和RS技术对洪灾损失预测与基于传统的统计分析的预测相比，能更好地实现灾害损失的空间定位。本研究采用数字高程模型进行洪水淹没范围模拟，并叠加以淹没深度数据和土地利用类型数据，进行离散化处理，利用空间展布模型进行淹没区经济损失风险评估。

1.数字高程模型的构建

以1∶5万地形图为底图对等高线进行矢量化，并进行等高线内插，生成基础高程为109.89 m，等高距为1m的等高线地形图。

2.洪水淹没风险分级

洪水淹没区水面是一个复杂曲面，它的模拟方法主要包括三种:平面模拟、斜平面模拟和曲面模拟。平面模拟在这三种方法中是最简捷的，也是最容易实现与土地利用现状数据叠加分析的方法。

造成洪水淹没的原因有多种，主要包括当地降水和上游来水。按照洪水淹没的成因，可以将洪水淹没分为两大类:无源淹没和有源淹没。“无源淹没”指由降水造成的水位上升，凡是高程低于给定水位的区域都为淹没区。“有源淹没”指由于上游来水造成的淹没，即洪水只淹没它能流到的地方，与水源不连通的低洼地不构成淹没。本研究区的淹没原因多为上游来水淹没，因此与松花江不连通的洼地不在淹没范围内。

本研究采用对松花江淹没水面进行有源淹没的平面模拟。按照淹没区域单位面积的经济损失累计分布频率的20%、40%、60%、80%、100%将经济风险分为5级。

3.淹没区土地利用类型信息获取

本研究采用4景2009年夏季中巴资源卫星影像，空间分辨率为19.5 m。在ERDAS软件平台上，利用1∶5万地形图，对遥感图像进行几何精校正和配准。

利用Arcgis软件，对预处理后的遥感影像进行解译。首先，依据遥感影像特征建立解译标志;然后，采取主成分分析和傅里叶变换等遥感影像增强方法，并结合解译标志与野外踏察进行综合分析，进行图斑的矢量化与属性赋值。本文依据社会经济数据分析和洪水淹没经济损失预测的需要，将土地利用类型分为农用地、工业用地、第三产业用地、农村居住用地、城镇居住用地和其他土地。

4.社会经济信息空间展布

通常统计部门公布的社会经济信息是以行政单位为统计单元，很难体现信息在行政单元内部的空间分布的不均匀性。本研究采用了空间展布模型，该模型是将社会经济信息展布到产生或影响该信息的地块上，以获得社会经济数据空间分布密度，然后再通过社会经济数据的空间分布密度将社会经济数据落实到每一块图斑。

本文的社会经济数据主要来自于《哈尔滨年鉴2010》《2010年哈尔滨市国民经济和社会发展统计公报》，以及哈尔滨市统计局相关调查数据。依据已获取的土地利用数据和社会经济资料计算各区不同产业经济指标的分布密度，计算公式如下:

式中Pi为某产业生产总值(元)，Ai为某产业用地总面积(m2);Di为该产业产值的空间分布密度(元.m－2)，i为与土地利用类型相对应的某产业类型。

按照行政区和产业类型分别将社会经济数据分布密度乘以地类图斑面积，得到每块图斑上承担的经济数据。依据淹没区范围，分别对淹没区范围内的呼兰区、松北区、道里区、道外区和香坊区的社会经济数据按照产业类型进行空间展布。

5.淹没区经济损失风险评估

淹没区的经济损失风险通过单位面积的经济损失来体现。

通常洪灾造成的经济损失主要包括直接经济损失、间接经济损失和抢险救灾费用三部分。直接经济损失主要指由于洪灾造成的财产破坏、损毁和由于产业停产、减产造成的经济损失。间接经济损失指本身并未与洪水直接接触，而是由于存在同直接受灾的对象有着生产上或其他方面联系而受到的经济损失。由于间接经济损失是与直接经济损失派生出的相关联的损失，且与直接损失存在一定比例关系，国际较为通用的方法是采用经验系数法进行估算。

本研究中预测的经济损失包括直接经济损失和间接经济损失两部分，不包括防洪和抢险救灾方面造成的经济损失。借鉴国内外间接经济损失经验系数，并依据哈尔滨市的实际情况，确定不同行业和部门的间接损失率分别为农业17%，工业25%，第三产业30%，住宅区17%。

间接经济损失的计算公式如下:

式中，Sj为某产业间接经济损失(元);Dj某产业直接经济损失(元);K为反映间接损失与直接损失的相关系数;j为某产业类型。

淹没区地类图斑的洪灾经济损失风险具体计算公式可表示为如下形式:

式中M为淹没区地类图斑的经济损失风险(级);式中β表示直接经济损失率(%)，即洪灾区财富损失与原有财富总值之比;i为某产业类型，j为某行政分区，d为淹没深度(米);A为承担的社会经济数据(元);K为间接经济损失与直接经济损失的相关系数。

本研究以1998年各产业经济损失为参考，在综合统计淹没区的分类资产的基础上，建立直接经济损失率与各产业类型和淹没风险关系表，以确定k值。

图1 哈尔滨市淹没经济风险图

三、经济损失风险评估

综合淹没风险和社会经济信息因素对哈尔滨市的淹没经济损失风险进行评估得出以下结论:

(1)哈尔滨市区范围内淹没经济风险最高区域主要分布在道里区和道外区，其次分布在松北区、呼兰区和香坊区，南岗区、平房区和阿城区淹没经济风险最低。

(2)对哈尔滨市各区的总经济损失进行汇总统计。其中，松北区总经济损失最高，占整个淹没区经济损失的39%。在其损失的构成中，该区城镇住宅与家财损失相对于其他各区处于较低水平，其他各产业类型经济损失均处于最高水平;总经济损失处于第二和第三位的是呼兰区和道外区，分别占整个淹没区经济损失的27%和20%;香坊区的经济损失最小，仅占淹没区总经济损失的2%(图2)。

图2 哈尔滨市各区洪灾经济

四、结论与讨论

通过对洪水淹没经济损失风险的评估，可以看出，道里区和道外区的单位面积经济损失风险高于其他各区，应为哈尔滨市的防洪重点区域，呼兰区和松北区地势相对较低，又是正在建设的新城区，淹没风险较高区域的土地利用类型又主要以耕地为主，因此洪水来临时可以考虑作为泄洪区。

在今后的研究中，应围绕如何合理调整用地布局，以及合理制定防灾、减灾等各项规划展开。目前，松北区是正在建设的新区，在城市规划和建设的过程中应充分考虑防洪因素，尽量减少在可能发生洪灾的区域建设密集商业区和大型居民点，以减少该区内生命和财产损失;道里区和道外区是历史悠久的老城区，减少该区的经济损失可以通过对该区进行合理地用地布局调整和加强防洪工程建设来实现。

［1］ 陈秀万，洪涝灾害损失评估系统—遥感与GIS技术应用研究［M］.北京:中国水利水电出版社，1999，23－44.

［2］ 陈丙咸，杨戊，黄杏元，等.基于GIS的流域洪涝数字模拟和灾情损失评估的研究［J］.环境遥感，1996，11(4)，309 －314.

［3］ 何报寅，张海林.基于GIS的湖北省洪涝灾害危险性评价［J］.自然灾害学报，2002，11(4):85－91.

［4］ Kelman and Spence，I.Kelman，R.Spence.An overview of flood actions on buildings［J］.Engineering Geology，2004，73(3 －4):297 －309

［5］ 王宝华，等.国内外洪水灾害经济损失评价方法综述［J］.灾害学，2007，22(3):95 －99.

［6］ 毛德华，等.洪灾风险分析的国内外研究现状与展望(Ⅰ)——洪水为害风险分析研究现状［J］.自然灾害学报，2009，18(1):139 －149.

［7］ 付湘，谈广鸣，纪昌明.洪灾直接损失评价的不确定性研究［J］.水电能源科学，2008，26(3):35－38.

［8］ 李纪人.GIS在洪涝灾害监测评价中的应用［J］.地理信息世界，2005，3(3):26 －29.

［9］ 赖锡军，李纪人.洪水淹没范围数据与动力学模型的融合［J］.河海大学学报，2009，37(5):529－533.

［10］ 张尚弘，赵登峰，姜晓明.洪水淹没预报的虚拟仿真表达［J］.清华大学学报，2010，50(6):861－864.

［11］ 李天文，吴琳，曹颖.基于渭河下游DEM的洪水淹没分析与模拟［J］.水土保持通报，2005，25(4):53－56.

［12］ 丁志雄，李纪人，李琳.基于GIS格网模型的洪水淹没分析方法［J］.水利学报，2004(6):56－67.

［13］ 孙海，王乘.利用DEM的“环形”洪水淹没算法研究［J］.武汉大学学报信息科学版，2009，34(8):948－951.

［14］ 王艳艳，等.上海市洪涝灾害损失评价系统的开发［J］.灾学，2001，16(2):7 －13.

［15］ 丁志雄，胡亚林，李纪人.基于空间信息格网的洪灾损失评价模型及其应用，水利水电技术，2005，36(6):93－101.

［16］ 李纪人，等.基于空间展布式社经数据库的洪涝灾害损失评价模型研究［J］.中国水利水电科学研究院学报，2003，1(2):104－110.

［17］ Wahlstrom E，Loague K，kyrialkidis PC.Hyd－rologiresponse:Kaho olawe，Hawaii［J］.Journalof Environment Quality，1999，28(2):481－492.

［18］ 刘仁义，刘南.基于GIS技术的淹没区确定方法及虚拟现实表达［J］.浙江大学学报(理学版)，2002，29(5):573 ～578.

The Assessment of Economic Risk Submerged in Harbin City Based on GIS RS

Liu Weikang，Zhang Hui
(Northeast Agricultural University，Harbin Heilongjiang 150030)

Base on the GIS to build the digital elevation model，referencing the water level of 120.89m，the writer uses the plane simulation method to simulate flood risk of Harbin city.Combining GIS with RS technology，we acquire the spatial information of urban land use and the spatial distribution of the socio－economic information in Harbin，overlay analysis industrial type of flood zone maps and flood depth，and assess the economic risk submerged.The result shows that the area of the highest economic risk submerged is located in Dao Li area and Dao Wai area，flowed by Song Bei area，Hu Lan area and Xiang Fang area.

GIS，the model of spatial distribution，economic risk submerged，assessment

C912.3

A

1672-3805(2012)01-0068-05

2011－09－26

刘伟康(1974－)，男，吉林人，黑龙江省农垦总局党委委员，组织部部长，东北农业大学在读博士;研究方向:农业遥感与土地利用