北京市通州区暴雨特征及风险评估研究

高晓容，张继权，李 硕，王 翌

(1.北京市通州区气象局，北京101100;2.东北师范大学城市与环境科学学院，自然灾害研究所，吉林长春130024)

在全球气候变暖的背景下，极端天气事件频发，城市成为抵御气象灾害能力最为薄弱的地方，气象灾害造成的损失日趋加重，给城市的安全运行带来严重威胁。2012年北京“7.21”特大暴雨造成79人死亡，受灾人口160.2万人，经济损失116.4亿元。通州区位于北京市东南部，降水具有年际变化大、季节分配不均、夏季降水强度大等特点，夏季降水量又常取决于几场暴雨。作为北京的城市副中心，通州正在进入快速的城市化阶段，社会财富迅速增加，开展气象灾害风险评估是防灾减灾工作不可或缺的环节。

暴雨洪涝灾害风险评估方法主要有模糊评价法、概率风险法及灾害风险模型法。其中，灾害风险建模法是利用气象、自然地理环境、社会经济等多元资料与GIS空间分析相结合的方法［1－7］，利用 GIS 叠加［1］、线性加权［2－4］或指数方法［5］构建灾害风险评估模型。罗培等［8］利用模糊评价法建立致灾因子、孕灾环境和承灾体易损性评价模型，对重庆的洪涝灾害风险进行区划。还有一些学者对暴雨洪涝灾害的某一方面，如脆弱性、危险性进行研究，张海玉等［9］利用模糊数学研究洪涝灾害经济的易损性;杜晓燕等［10］利用信息扩散理论对天津旱涝灾害的危险性进行评估。目前，暴雨洪涝灾害风险评估与区划的空间尺度较大，大部分是地区性、区域性，甚至是全国范围的灾害风险评估，以乡镇为单位的区

县级灾害风险评估较少，究其原因主要是气象台站密度较小。近年来各省(市)气象局建起了一批乡镇区域自动观测站，为以乡镇为单位的气象灾害风险评估提供了基础。笔者在前人暴雨洪涝灾害风险评估研究的基础上，以通州15个街道(乡镇)为评估单元，其人口和社会经济作为承灾体，利用自然灾害风险指数法建立暴雨灾害风险评估模型，结合GIS空间分析技术进行精细化的暴雨灾害风险评估，为地方政府的防灾减灾工作提供科学依据。

1 资料与方法

1.1 资料来源 通州区下辖北苑、中仓、新华、玉桥4个街道及宋庄、永顺、梨园、潞城、台湖、张家湾、西集、马驹桥、于家务、漷县、永乐店11个乡(镇)。所用研究资料包括1956～2013年通州国家气象观测站逐日降水资料、2010～2013年11个区域自动站降水资料及北京市1∶10 000基础地理信息数据，均来自北京市气象局信息中心;通州区乡镇(街道)社会经济数据来自通州区统计局。

1.2 暴雨灾害风险评价模型与指标体系 目前，国内外气象灾害风险评估研究主要分为三类:①利用灾害危险性、承灾体脆弱性2个要素对灾害风险进行评估，简称“二要素法”［1－3］;②从灾害危险性、承灾体的暴露性和脆弱性3个要素出发进行风险评估，简称“三要素法”［11－12］;③利用张继权的“四要素法”，从灾害危险性、承灾体的暴露性和脆弱性及防灾减灾能力4个要素出发进行风险评估［13－15］。灾害危险性应包括致灾因子和孕灾环境的危险性。不同方法中的脆弱性内涵不同，“二要素法”中的脆弱性应该称为“广义脆弱性”，由于人类社会经济系统的复杂性，对脆弱性的理解存在分歧，目前还没有统一、标准的定义，“广义脆弱性”应表征承灾体的固有敏感性和内在脆弱性;而“四要素法”中的脆弱性应为“狭义脆弱性”，表征承灾体由于气象灾害的影响而造成的损失或伤害程度。由于气象灾害造成的损失数据非常缺乏，且质量不高，制约了“四要素法”的使用。该研究根据联合国人道主义事务部的风险表达式“风险度(R)=危险度(H)×脆弱度(V)”［16］，采取“二要素法”，利用自然灾害风险指数法建立暴雨灾害风险评估模型:

式中，DRI为暴雨灾害风险指数，其值越大，则风险程度越大;H、V分别为暴雨的危险性、承灾体的脆弱性，WH、WV为其权重系数，取为 0.600、0.400。

在一定的危险性下，风险取决于脆弱性，脆弱性度量成为灾害风险评估的关键。由于人类社会经济系统的复杂性，目前国内外对脆弱性的理解存在分歧，还没有一致公认的脆弱性概念。笔者认同脆弱性是承灾体对某种致灾因子表现出的易于受到伤害和损失的性质，也就是对灾害的暴露程度、敏感性等［17］。脆弱性分析方法有历史灾情数理统计、指标体系和情景模拟3种［18］，在脆弱性形成机制还没有研究透彻的情况下，指标体系是目前脆弱性评估最常用的方法［19］。选取承灾体脆弱性指标，利用指标体系法评估研究单元的脆弱性状态。

暴雨是暴雨灾害的诱因，是暴雨灾害危险性的主要因素，但暴雨灾害的发生还与地形地貌特征(如河网水系、地形坡度等)有关，不同的自然地理条件导致灾害的孕灾环境各异。灾害危险性用致灾因子和孕灾环境来描述。利用暴雨不同等级及其频次构建致灾因子指数，通州区地形平坦开阔，海拔最高27.6 m、最低8.2 m，地形高程对灾害风险的影响有限;但境内分布着潮白河、北运河、温榆河、凉水河等13条河流，河流网络对灾害风险的影响较大，因此，选用河网密度指数描述孕灾环境。

社会经济条件可以反映区域的灾损敏感度。社会经济越发达，人口密度越大，国内生产总值越大，遭受灾害时人员伤亡和经济损失就越大，承灾体脆弱性越强。区域人口中老人和儿童所占比例越高，其承灾能力就越差，人口年龄结构指数［8］(65岁以上老人和14岁以下儿童的人数占总人口数的比例)可以反映老、幼人口的比例。暴雨对农业生产的危害较大，耕地越多，农业在国民生产中的比例越大，遭受灾害时损失就越大。植被覆盖率较高，水土保持能力就比较强，暴雨导致的洪涝灾害可能性就较小。考虑暴雨对承灾体的具体影响及指标的可取性，脆弱性指标选用人口密度、人口年龄结构指数、地均GDP、耕地面积比、植被覆盖率。人口密度和地均GDP利用GIS分析功能进行计算，耕地面积比、植被覆盖率从北京市1∶10 000基础地理信息数据中提取并计算。

对致灾因子指数、河网密度指数及各脆弱性指标值采用极差标准化进行归一化处理，利用加权综合评分法分别建立暴雨灾害危险性、承灾体脆弱性评价模型:

式中，XHi为危险性指标i的量化值;n为危险性指标个数;WHi为指标i的权重，致灾因子指数、河网密度指数的权重分别取0.600 0、0.400 0;XVj为承灾体脆弱性指标 j的量化值，m为脆弱性指标个数，WVj为指标j的权重，利用层次分析法确定(表1)。

表1 通州区暴雨灾害风险评价指标体系

2 结果与分析

2.1 暴雨特征分析

2.1.1 年代际变化。把通州国家气象观测站出现日降水量≥50 mm定为一个暴雨日。1956～2013年共出现106个暴雨日，平均年暴雨日1.8个，年暴雨日最多5个;1960～1969、1970～1979、1980～1989、1990～1999、2000～2009年的暴雨日分别为23、24、15、21和7个。从1956～2013年通州站年暴雨日数的高斯9点平滑滤波曲线(图1a)可见，年暴雨日数20世纪50年代中期～80年代初以偏多为主，80年代中期～90年代初以偏少为主，90年代中期以偏多为主，从90年代后期开始明显偏少。从年暴雨量的高斯9点平滑滤波曲线(图1b)可见，年暴雨量20世纪50年代中期～60年代中期以偏多为主，70年代后期以偏多为主，80年代后期以偏少为主，90年代中期以偏多为主，2000～2013年明显偏少。可见，年暴雨日数和年暴雨量的变化趋势基本一致。

2.1.2 月变化。通州暴雨最早出现在6月上旬(1956年6月2日)，最晚结束于10月中旬(2003年10月11日)，多集中在7～8月，7～8月的暴雨日数占年暴雨日数的79.3%;7～8月的暴雨又主要集中在7月下旬～8月中旬，这三旬的暴雨日数占7～8月暴雨日数的71.4%，占年暴雨日数的56.6%。

2.1.3 空间分布。利用通州站及11个区域自动观测站降水资料统计2010～2013年总暴雨日数和暴雨量，分析暴雨中小尺度空间分布特征。由图2可见，累计暴雨日数和累积暴雨量的高值区在西南部的马驹桥镇和于家务乡，马驹桥镇累计暴雨日数11 d、累积暴雨量763 mm，于家务乡累计暴雨日数8 d、累积暴雨量672 mm。总体上西南部的马驹桥和于家务降水明显大于中北部，通州夏季暴雨日数和暴雨量的空间分布特征基本吻合。局地短时强降水易引发城市内涝，中小尺度暴雨空间分布特征可以为北京城市副中心建设中排水能力和管网设计提供参考。

2.2 暴雨灾害风险评估

图1 1956～2013年通州暴雨日数(a)和暴雨量(b)年变化

图2 2010～2013年通州累计暴雨日数(a)和累积暴雨量(b)空间分布

2.2.1 致灾因子和孕灾环境危险性。暴雨分为暴雨、大暴雨、特大暴雨三级。日降水量50.0～99.9 mm为暴雨，100.0 ～249.9 mm 为大暴雨，≥250.0 mm 为特大暴雨，等级越高，灾害危险性越大。选取暴雨不同等级及其频率作为暴雨灾害的致灾因子。计算2010～2013年通州站及11个乡镇区域自动站不同等级暴雨的频率(不同等级暴雨频率=，利用加权综合评分法建立致灾因子指数，即致灾因子指数(权重×暴雨频率)，对暴雨、大暴雨、特大暴雨频率的权重分别取 1/6、2/6、3/6［2］。

利用自然断点分级法将致灾因子指数值划分为4个等级，由通州暴雨致灾因子空间分布(图3a)可以看出，致灾因子高值区在马驹桥镇，较高值区在4个街道及宋庄、西集、漷县、于家务乡(镇)，较低值区在潞城和永乐店镇，低值区在永顺、梨园、台湖、张家湾镇。利用GIS分析功能计算乡镇(街道)的河网密度(图3b)发现，孕灾环境敏感度最高的是永顺、台湖镇及新华街道，较高的是中仓街道及宋庄、潞城、西集、漷县、马驹桥镇，较低值区在张家湾镇、于家务乡，低值区在北苑、玉桥街道及梨园、永乐店镇。

综合致灾因子和孕灾环境，根据暴雨灾害危险性评估模型(公式2)计算研究单元暴雨灾害危险性指数值，结果(图4a)发现，暴雨灾害危险性高值区在马驹桥镇，较高值区在新华、中仓街道及宋庄、永顺、台湖、西集、漷县、于家务乡(镇)，较低值区在北苑、玉桥街道及潞城镇，低值区在梨园、永乐店、张家湾镇。

2.2.2 脆弱性。计算乡镇(街道)人口密度、地均GDP、人口年龄结构指数、耕地面积比、植被覆盖率脆弱性指标的归一化值，根据承灾体脆弱性评估模型(公式3)计算乡镇(街道)脆弱性指数值，利用自然断点法对脆弱性指数值进行区划。由通州区暴雨灾害脆弱性指标的归一化值及脆弱性指数与区划(表2)可见，中仓街道的人口密度最高，地均GDP和年龄结构指数较高，植被覆盖率较低，导致其脆弱性指数最高;北苑街道的人口密度和年龄结构指数较高，植被覆盖率较低，导致其脆弱性指数较高;新华街道的地均GDP、年龄结构指数最高，植被覆盖率最低，导致其脆弱性指数也比较高;马驹桥镇的年龄结构指数最低，人口密度和地均GDP较低，而植被覆盖率较高，导致其脆弱性指数最小;宋庄、张家湾、台湖镇的人口密度、地均GDP和年龄结构指数较低，导致它们的脆弱性指数比较小;永乐店镇的人口密度、地均GDP最低，植被覆盖率最高，而耕地面积比最高，年龄结构指数较高，其脆弱性指数较小。从暴雨灾害承灾体脆弱性指数空间分布(图4b)可看出，脆弱性高值区在北苑、中仓、新华3个街道，较高值区在玉桥街道和梨园镇，较低值区在永顺、西集、漷县、于家务、永乐店镇(乡)，低值区在宋庄、潞城、台湖、张家湾、马驹桥镇。

图3 通州区暴雨致灾因子(a)与孕灾环境(b)空间分布

表2 通州区暴雨灾害脆弱性指标(归一化值)及脆弱性指数与等级

图4 通州区暴雨灾害危险性(a)及承灾体脆弱性(b)空间分布

2.2.3 暴雨灾害风险评价与区划。综合致灾因子和孕灾环境的危险性、承灾体的脆弱性，根据暴雨灾害风险评估模型(公式1)计算暴雨灾害风险指数，利用系统聚类方法［20］对风险指数值进行区划。由图5可见，通州暴雨洪涝灾害风险高值区在中仓、新华街道及马驹桥镇，较高值区在北苑、玉桥街道及宋庄、永顺、西集、漷县、于家务乡(镇)，较低值区在潞城、台湖镇，低值区在梨园、张家湾、永乐店镇。

图5 通州区暴雨灾害风险区划

3 结论与讨论

(1)通州年暴雨日数从20世纪90年代后期开始明显偏少，年暴雨量从2000年开始明显偏少，7月下旬～8月中旬的暴雨日数占年暴雨日数的56.6%。虽然年暴雨日数和年暴雨量呈下降趋势，但北京城市副中心的建设使得通州区社会经济财富迅速增加，暴雨洪涝灾害的风险反而增大。

(2)乡镇(街道)的河网密度、暴雨强度及发生频率的不同使得暴雨灾害危险性高值区出现在马驹桥镇，较高值区在新华、中仓街道及宋庄、永顺、台湖、西集、漷县、于家务乡(镇);乡镇(街道)的人口和社会经济特征不同使得承灾体在面临气象灾害时的敏感性和脆弱性不同，脆弱性高值区分布在北苑、中仓、新华3个街道，较高值区在玉桥街道和梨园镇。

(3)综合考虑致灾因子和孕灾环境的危险性、承灾体的脆弱性，通州暴雨洪涝灾害风险高值区在中仓、新华街道及马驹桥镇，较高值区在北苑、玉桥街道及宋庄、永顺、西集、漷县、于家务乡(镇)。

(4)由于乡镇(街道)级气象灾害损失和社会经济统计数据非常缺乏，无法利用非线性、因子分析、BP模型等方法对脆弱性指标的相关性、耦合性进行分析，制约了选择相互独立、敏感性较高的社会经济脆弱性评价指标。再者，由于社会经济脆弱性本身的抽象性和复杂性，脆弱性量化评估研究目前仍处于探索阶段，尚未形成统一的评估模式。指标体系法是目前社会经济脆弱性主要的评估方法，指标体系构建与权重赋值的合理性应是今后亟待研究的问题。

(5)由于区域自动观测站分布不均匀，建站较晚导致气象要素序列较短，其数据质量有待控制;受社会经济数据可取性的限制;同时，通州正处在城市化的快速发展中，城市建设日新月异，该研究进行的以乡镇为单位的区县级气象灾害风险评估探索性研究，需在今后的气象服务中不断优化完善，所得到的一些研究成果仍然可以为通州区乡镇(街道)防灾减灾工作提供基本的依据和参考。

［1］田玉刚，覃东华，杜渊会.洞庭湖地区洪水灾害风险评估［J］.灾害学，2011，26(3):56 －60.

［2］于文金，赵景旺.唐山市暴雨特征及风险评估研究［J］.灾害学，2013，28(4):50 －54.

［3］马艳，黄容，于进付，等.青岛环胶州湾地区暴雨特征及暴雨灾害风险分析［J］.灾害学，2012，27(4):42 －46.

［4］薛晓萍，马俊，李鸿怡.基于GIS的乡镇洪涝灾害风险评估与区划技术:以山东省淄博市临淄区为例［J］.灾害学，2012，27(4):71－74.

［5］莫建飞，陆甲，李艳兰，等.基于GIS的广西农业暴雨洪涝灾害风险评估［J］.灾害学，2012，27(1):38 －43.

［6］孙仲益，张继权，王春乙，等.基于网格GIS的安徽省旱涝组合风险区划［J］.灾害学，2013，28(1):74 －78.

［7］宫清华，黄光庆，郭敏，等.基于GIS技术的广东省洪涝灾害风险区划［J］.自然灾害学报，2009，18(1):58 －63.

［8］罗培，张天儒，杜军.基于GIS和模糊评价法的重庆洪涝灾害风险区划［J］.西华师范大学学报(自然科学版)，2007，28(2):165 －171.

［9］张海玉，程先富，马武.洪涝灾害经济易损性模糊评价:以安徽沿长江地区为例［J］.灾害学，2010，25(1):30 －34.

［10］杜晓燕，黄岁梁，赵庆香.基于信息扩散理论的天津旱涝灾害危险性评估［J］.灾害学，2009，24(1):22 －25.

［11］UNITED NATIONS DEVELOPMENT PROGRAMME.Reducing disaster risk:A challenge for development［M］.USA:John S Swift Co.，2004:2 －4.

［12］DILLEY M，CHEN R S，DEICHMANN U，et al.Natural disaster hotspots:A global risk analysis-synthesis report［R］.USA:Columbia University，2005:4－7.

［13］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.

［14］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，2007:32－34，492－505.

［15］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.

［16］葛全胜，邹铭，郑景云，等.中国自然灾害风险综合评估初步研究［M］.北京:科学出版社，2008:136 －137，173 －176.

［17］张斌，赵前胜，姜瑜君.区域承灾体脆弱性指标体系与精细量化模型研究［J］.灾害学，2010，25(2):36 －40.

［18］马国斌，李京，蒋卫国，等.基于气象预测数据的中国洪涝灾害危险性评估与预警研究［J］.灾害学，2011，26(3):8 －12.

［19］陈磊，徐伟，周忻，等.自然灾害社会脆弱性评估研究:以上海市为例［J］.灾害学，2012，27(1):98 －100.

［20］唐启义.DPS数据处理系统:试验设计、统计分析与数据挖掘［M］.北京:科学出版社，2010:719 －726.