基于GIS的百色市农业暴雨洪涝灾害风险评估与区划

戴雨菡++黄路婷++李思雨++陈欣

摘要 为增强百色市农业洪涝灾害的应对能力，通过运用百色市的气象数据、基础地理信息数据、社会经济数据和灾情数据，构建模型中的4个指标因子，即致险因子危险度、孕灾环境敏感性、承灾体易损度和防灾减灾能力，根据层次分析法确定的各因子权重，构建百色市农业暴雨洪涝灾害风险度评估模型，利用GIS绘制百色农业暴雨洪涝灾害风险区划图。百色市范围内发生农业洪涝灾害风险最高为凌云县，其次为河谷一带。得出的等级区划结果与近年百色市暴雨洪涝灾害发生的区域基本一致，较为准确地反映了百色市农业洪涝灾害的潜在风险现状。

关键词 暴雨；洪涝；农业；风险评估；GIS；广西百色

中图分类号 S42 文献标识码 A 文章编号 1007-5739（2017）23-0173-04

Abstract To improve the coping capacity of agricultural flood disaster in Baise City，by using the meteorological data，physical geographic data，socio-economic data and disaster data of Baise City，four indexes of the model were constituted，including susceptibility，disaster-hitting environment sensitivity，disaster-bearing object vulnerability and disaster prevention and reduction capability.Using the AHP method，the weights of every index were determined，agricultural flood risk evaluation model was conducted. With GIS technology，the agricultural flood and rainstorm disaster risk was zoned. Results showed that Lingyun County had the highest risk of agricultural flood and rainstorm disaster，and followed by the river valley area. The zoning result was basically consistent with spatial distribution of flood disaster losses，and accurately revealed the distribution of potential risk of the agricultural flood and rainstorm disaster risk in Baise City.

Key words rainstorm；flood；agriculture；risk assessment；GIS；Baise Guangxi

百色市位于廣西西部，地处东经104°28′～107°54′，北纬22°51′～25°07′。北与贵州接壤，西与云南毗连，东与南宁相连，南与越南交界，是滇、黔、桂三省区结合部。百色市属亚热带季风气候区，长夏短冬，降水时空分布不均，冬半年易旱，夏半年易涝，暴雨、干旱等灾害性天气频发，对百色市农业生产造成极大的危害。在农业风险评估与区划方面，大量学者开展了相关研究[1-20]，于 飞等[1]用灰色关联分析建立了贵州省综合农业气象灾害风险评估模型并用GIS绘出贵州农业气象灾害风险区划图；莫建飞等[8]运用层次分析法和加权综合法构建暴雨风险评价模型并用历史暴雨洪涝灾情对比验证了广西农业暴雨洪涝灾害风险结果。但目前的风险评估大多在省域尺度上进行，对市级的灾害风险评估仍较少。因此，本文旨在建立一套基于百色市气候状况、农业经济状况的暴雨洪涝评价模型，能对百色市农业暴雨洪涝灾害风险情况进行区划和评估，对百色市农业结构调整、引导农业趋利避害、减轻农业经济损失、完善防灾减灾工程、降低抗灾救灾成本等具有重要意义，为农业发展决策、提高农业综合生产能力提供支撑。

1 资料与方法

1.1 资料来源

气象资料采用由百色市气象局提供的全市12个气象站1961—2010年的逐日降雨量数据；灾情资料为民政局提供的1983—2010年全市各县（区）暴雨洪涝农业经济损失数据；社会经济资料由广西壮族自治区气象减灾研究所提供；基础地理信息资料包括百色的行政区划图、水系分布图、高程数据等由广西气象信息中心提供。

1.2 分析方法

在构建模型的时候需要确定出各个指标因子的权重，本文因子的权重确定的方法采用层次分析法。层次分析法是一种定性与定量相结合的评价方法，主要是构造各因子的递阶层次结构，对因子两两比较重要性，再利用归一法逐层分析，确定各层因子的权重。本文结合百色市暴雨灾害的时空分布特点，将指标逐一分解成3个层次，分别是目标层、准则层和评价层，并按照上一层要素为准则，对该层进行两两判断比较，并计算出各个要素的权重值，最终得出综合权重值。

2 百色农业暴雨洪涝灾害风险评估

2.1 风险指标和权重的构建

根据自然灾害风险评估理论及前人的研究[8]，暴雨洪涝灾害的发生离不开致灾因子、孕灾环境因子、承灾体因子和防灾力因子的共同作用，莫建飞等[8]把诱发暴雨洪涝灾害的因素作为致灾因子、形成洪涝灾害的环境作为孕灾环境因子、洪涝发生区内的人类的活动情况及社会财产作为承灾体因子、人们采取回避适应或防御洪涝的对策措施作为防灾减灾能力因子。endprint

本文结合百色市洪涝灾害发生的时空分布特点，造成洪涝灾害的致险因子主要考虑暴雨日数、过程雨量和日最大降雨量，孕灾环境因子主要考虑地形和水系，承灾体主要考虑各县人口密度、GDP密度及农业经济损失，防灾减灾能力主要考虑各县人均GDP和防洪除涝面积。用层次分析法确定各层因子的权重如表1所示。

2.2 暴雨致险因子危险度模型

百色市暴雨灾害，特别是前汛期暴雨灾害，是给百色市带来损失最大的自然灾害，气象地质灾害几乎都是由暴雨导致的，其中有以凌云为中心的最大灾害高发区和南部山区次大灾害高发区。因此，选取暴雨日数、暴雨过程的总降水量以及暴雨过程中日最大降水量这3个指标作为致险因子危险度评估因子，建立了全市各县历年暴雨日数、暴雨过程降雨量、日最大降雨量序列，并对以上因子进行归一化处理，采取层次分析法结果，构建农业暴雨险因子危险度模型：

暴雨危险度（D）=0.2×a1+0.6×a2+0.2×a3（1）

式（1）中，a1为暴雨日数归一化值，a2为暴雨过程降水量归一化值，a3为日最大降水量归一化值。从百色市暴雨致险因子危险度模型（图1）可以看出，百色市凌云县是广西三大暴雨中心之一，因而致险因子风险度最高；而靖西县的致险因子风险度次之；右江河谷及隆林、西林一带是也是广西的少雨区之一，因而致险因子风险度也最小。

2.3 暴雨孕灾环境敏感性模型

因为孕灾环境的敏感性是从暴雨洪涝灾害形成的背景与机理分析，故地形、水系等环境因子对暴雨洪涝灾害形成有着密不可分的影响和作用，地势越低洼及越平坦地区不利于排洪，就越容易积水形成涝灾，因而对地势低的农田造成洪涝灾害的风险就比较大。河网越密集，靠近河流、湖泊和水库的农田也更容易因河水上涨等原因而发生较大风险的洪涝灾害。

地形因子与地势和地形起伏变化有关。因此，根据地形高程的大小和每一级地势的高程标准差大小进行分级（表2）。海拔越低、地形标准差越小，脆弱性就越大，洪涝灾害风险性也就越大，更容易形成洪涝灾害。

水系因子应包含河网密度和水体距离的远近等因素。本文水系脆弱度的评价采用的是GIS的缓冲区分析功能，将距离水体远近的影响分为2级缓冲区，同时赋予0～1之间适当的影响因子值，如把一级河流和大型水库、湖泊等水体的做为一级缓冲区内，并赋值最大，把二级河流和小型水体作为二级缓冲区并赋值最小。河网密度和缓冲区影响各取权重0.5，得出百色市水系因子分布。分别将地形因子和水系因子应用加权评价法构建出百色市农业暴雨孕灾环境敏感性模型：

孕灾环境敏感性（F）=0.5×b1+0.5×b2（2）

式（2）中，b1为地形因子影响值的归一化值，b2为水系因子影响值的归一化值。

由敏感性等级分布图（图2）可以看出，百色市南部的山区及乐业高海拔地区的孕灾环境敏感性较小，主要是因为以上区域地势较高地形因子作用小，同时缺少大型水体的影响；而地势低洼、河网密度大且靠近大型水体的右江河谷和红水河谷一带的孕灾环境敏感性较高。

2.4 暴雨承灾体易损度模型

因暴雨而造成的危害也与承受洪澇灾害的载体有一定的关系，而承灾体一般指本地区的农业经济和人口的密集程度等。因此，百色市农业暴雨洪涝灾害承灾体脆弱性可用人口密度、GDP密度和农业损失的多少共同表示。单位面积内人口密度越大，农业生产越发达，GDP越大，一旦暴雨洪涝灾害发生，不仅造成的受灾人口数量多，而且遭受农业经济损失的可能性也越大，承灾体易损度越大。

把单位面积的人口密度、GDP、和农业经济损失作为农业暴雨灾害承灾体易损度模型的因子，并对各因子进行归一化处理，建立农业暴雨灾害承灾体易损度模型，见公式（3）；制作农业暴雨灾害承灾体易损性分布图（图3）。

承灾体易损度（L）=0.1×c1+0.3×c2+0.6×c3（3）

式（3）中，c1为单位面积人口密度的归一化值，c2为单位面积GDP归一化值，c3为农业经济损失的归一化值。

由百色市暴雨灾害易损度等级分布图（图3）可见看出，风险区的变化由东至西递减，发生风险的高值区出现在田阳县；风险的次高值区位于百色市的右江河谷一带；风险中值区位于百色市的南部山区和田林、乐业；风险的最低值区居中的为百色市西部。主要是因为在百色市河谷一带的人口密度较大，受灾的人口数量多，特别是田阳县作为农业大县，已是广西商品粮基地县之一，全县总人口32.8万人，其中农业人口就有28.41万人，如果一旦发生洪涝灾害，遭受农业经济损失也最大，故承灾体易损性也最强。

2.5 暴雨防灾抗灾力模型

综合防灾减灾能力包括防灾减灾的基础设施建设和减灾的综合防控能力建设，表示受灾区在一定时段内能够从灾害中恢复的程度，而暴雨防灾抗灾能力是为应对暴雨洪涝灾害所造成的损害而采取的一系列措施和工程建设，是暴雨灾害风险度评价中不可或缺的重要因素。因此，选取以县为单位的人均GDP和除涝面积比例作为防灾抗灾力评估因子。人均 GDP 表示一个地区的经济发展水平，其值越大，表明该地经济发展水平越高，抗灾能力越强；除涝面积值越大，表明能从洪涝灾害中恢复的能力也越强，抗灾力就越强。构建防灾抗灾能力模型如公式（4）：

抗灾力（R）=0.7×d1+0.3×d2（4）

式（4）中，d1为除涝面积归一化值，d2为人均GDP归一化值。

由百色市暴雨灾害防灾抗灾力分布图（图4）可见，百色市南部山区的靖西县德保县及右江河谷一带由于经济较为发达，防灾抗灾能力也最高；而经济发展较落后的那坡县和北部山区一带的防灾抗灾能力最弱。

2.6 百色农业暴雨洪涝灾害风险评估模型及等级划分

在对暴雨洪涝的致险因子危险度、孕灾环境敏感性、承灾体易损度、防灾抗灾能力等4个指标进行定量分析评价的基础上，构建出百色市针对农业的暴雨风险度评估模型，见公式（5）。通过GIS采用自然断点分级法将风险指数划分为5级，绘制百色市农业暴雨洪涝灾害风险区划图（图5）。endprint

农业暴雨灾害风险度（RI）=0.5×e1+0.2×e2+0.2×e3+0.1×（1-e4）（5）

式（5）中，e1为致险因子危险度，e2为孕灾环境敏感性，e3为承灾体易损度，e4为抗灾力。

从百色市农业暴雨洪涝灾害风险区划图（图5）可以看出，高风险区主要分布在凌云县和田阳县。凌云县位于广西三大暴雨中心之一的桂西北暴雨区，是暴雨频发的区域，暴雨危险性极高。田阳县虽然农业经济较发达、抗灾能力强，但该县地势低，右江黄金水道贯穿县境，河网很密集，因而孕灾环境非常敏感；人口密度较大且农业人口多、耕地多，因而农业承灾体易损度高；综合来看，田阳县的农业暴雨洪涝灾害风险最高。其次是右江区、田东和平果县的大部地区、乐业县西部。该区域也位于右江河谷和红水河河谷，地势很低，河网密集，也是百色市经济作物种植的集中区，孕灾环境比较敏感。

西林县、隆林县、乐业县的高寒山区及那坡县北部的风险等级最低。这些区域虽然抗灾能力弱，但暴雨危险性低，地势较高，以中、高丘陵为主，乐业县中部高寒山区地势最高，孕灾环境极不敏感，农业承灾体易损度最低，综合农业暴雨洪涝灾害风险最低。

3 结论与讨论

百色市暴雨洪涝灾害发生的危险度、敏感性、易损度和防灾减灾能力的综合分析最终形成了针对农业的暴雨洪涝风险区划，等级区划结果与近年百色市暴雨洪涝灾害发生情况基本一致。凌云县所在的地理位置因处于广西三大暴雨中心之一，暴雨洪涝灾害风险等级最高。而河谷一带由于河网密集、地势平坦，农业经济损失大所致风险等级次高，风险区划结果能较为准确地反映影响百色市农业发展的暴雨灾害的潜在风险状况。

但由于本文所用的气象资料、社会经济数据等是以县级为单位进行处理的，样本数少，存在很大的局限性，同时站点间的间距大且分布不均匀，插值后得出的风险分布图并不能很好地代表全市范围的风险分布，只能表示观测站所在的小范围内的危险分布情况。由于数据的样本少，导致插值结果存在一定的误差和边缘效应，从而影响整体风险区划评价的准确度。因此，应采用经过质控后的区域气象自动站数据进行插值运算，同时在灾情数据、社会经济数据上应以乡（镇）、村级为单位扩大样本数，以实现精度更高的等级分布。

在构建模型时是假定危险性、敏感性、易损性和防灾力4个因子对灾害的贡献是线性的，但在实际中最终导致灾害是各系统因子非线性相互作用的结果。因此，加权综合评价法构建的模型存在误差和局限性，应在下一步的工作中根据最新数据验证和修订模型的计算方法。

4 参考文献

[1] 于飞，谷晓平，罗宇翔，等.贵州农业气象灾害综合风险评价与区划[J].中国农业气象，2009，30（2）：267-270.

[2] 吴俊铭，谷小平，徐永灵.贵州省农业气象灾害风险区划研究[J].贵州农业科学，1999，27（2）：3-8.

[3] 陈怀亮，邓伟，张雪芬，等.河南小麦生产农业气象灾害风险分析及区划[J].自然灾害学报，2006，15（1）：135-143.

[4] 李莉，匡昭敏，莫建飞，等.基于AHP和GIS的廣西秋旱灾害风险等级评估[J].农业工程学报，2013，29（19）：193-201.

[5] 陈超泉，王政锋，匡昭敏，等.基于GIS的广西暴雨风险度实时评估系统[J].计算机应用，2013，33（1）：276-280.

[6] 孟翠丽，匡昭敏，李莉，等.基于GIS的广西暴雨灾害风险实时评估技术研究[J].中国农学通报，2013，29（26）：184-189.

[7] 苏永秀，李政，孙涵.基于GIS的广西甘蔗种植气候区划[J].中国农业气象，2006，27（3）：252-255.

[8] 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.

[9] 何燕，王斌，江立庚，等.基于GIS的广西水稻种植布局精细化气候区划[J].中国水稻科学，2013，27（6）：658-664.

[10] 梁玉莲，黄丹萍，黎美宏，等.基于GIS的南宁市暴雨洪涝灾害风险评估与区划[J].气象科技，2013，41（5）：935-939.

[11] 李楠，任颖，顾伟宗，等.基于GIS的山东省暴雨洪涝灾害风险区划[J].中国农学通报，2010，26（20）：313-317.

[12] 张婧，郝立生，许晓光.基于GIS技术的河北省洪涝灾害风险区划与分析[J].灾害学，2009，24（2）：51-55.

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

[14] 李树军，袁静，何永健，等.基于GIS的潍坊市暴雨洪涝灾害风险区划[J].中国农学通报，2012，28（20）：295-301.

[15] 樊高峰，何月，顾骏强.基于GIS的浙江省暴雨灾害及其危险性评价[J].中国农学通报，2012，28（32）：293-299.

[16] 李军玲，刘忠阳，邹春辉.基于GIS的河南省洪涝灭害风险评估与区划研究[J].气象，2010，36（2）：87-92.

[17] 董鹏捷，土建捷.北京地区冰雹灾害风险评估模型及风险区划[J].暴雨灾害，2012，31（1）：29-34.

[18] 李世奎，霍治国，土素艳，等.农业气象灾害风险评估体系及模型研究[J].自然灾害学报，2004，13（1）：77-87.

[19] 冯晓云，王建源.基于GIS的山东农业气候资源及区划研究[J].中国农业资源与区划，2005，26（2）：60-62.

[20] 周成虎，万庆，黄诗峰，等.基于GIS的洪水灾害风险区划研究[J].地理学报，2000（1）：15-24.endprint