深圳市暴雨灾害机动车损失时空格局与脆弱性研究

潘亚峰 徐伟

引言

21世纪以来，全球极端天气事件频发。作为一种极端天气事件，暴雨会引发洪涝等灾害事件，造成人员伤亡和财产损失。近年来，国内外学者对暴雨及其导致的洪涝灾害时空格局特征和风险评估开展了许多研究。目前大多暴雨洪涝灾害的研究主要集中在人员伤亡和经济损失方面，而针对城市机动车损失方面的研究还很缺乏。随着社会经济的发展，机动车已逐渐成为重要的出行工具，暴雨不仅直接影响居民的出行，导致的洪涝也会直接造成机动车的损失。开展暴雨对机动车损失的研究，对于减轻机动车灾害损失政策的制定具有重要的意义。为此，本文结合深圳地区2008—2016年暴雨数据和洪涝灾害造成的机动车损失数据，运用Pearson相关、空间叠置等方法，分析了深圳市暴雨及机动车损失的时空格局特征。

研究区、研究数据和研究方法

(一) 研究区概况

深圳市地处广东省南部，管辖9个区和1个新区，总面积1997.47km2。2018年，深圳市常住人口1252.83万，机动车保有量355万辆。深圳市年降雨量约2000mm，每年4～9月为雨季，有记录以来的最高年降雨量为2662mm（1957年），最低年降雨量为913mm（1963年）。由台风和强降雨导致的暴雨灾害是深圳最为常见的气象灾害之一。2008年的“6·13”特大暴雨是深圳近20年来发生的最严重暴雨灾害，全市平均24小时降雨量达300mm以上，其中宝安区高达640mm，造成5人死亡，3人失踪，直接经济损失约5亿元。2014年的“5·17” 特大暴雨，多个地区出现3小时降雨量超250mm。平均每年有三次台风影响深圳，带来强降水，其中2016年的超强台风“海马”和2017年的强台风“天鸽” 造成的损失最为严重。台风“天鸽”过境时，深圳沿岸地区出现了高达15级的台风，局部地区小时降雨量超过60mm，直接经济损失达数十亿元。机动车暴露在城市普通道路和相对平整区域，遭遇严重的水浸损失，据深圳保监局数据，“天鸽”台风期间发生653起涉及保险赔偿的车辆水淹事故，经济损失达到873.2万元。

（二） 研究数据

本文主要涉及的数据包括历史降雨量数据和机动车损失数据，数据时段为2008—2016年。其中降雨量数据来自中国气象数据网（http://data.cma.cn/），为深圳市96个气象站点的日降水量数据。对于降雨强度，根据国家气象局分类（如表1所示），分为：小雨、中雨、大雨、暴雨、大暴雨和特大暴雨等。

表1 降水等级及其标准

机动车损失数据来源于中国人民财产保险股份有限公司深圳市分公司理赔系统数据，包括车辆理赔系统中出险原因为“暴雨”的机动车修复和全损估价数据，2008—2016年共13947条出险数据。

由于龙华、光明、坪山和大鹏区为2009—2017年间先后成立的新区，在机动车损失数据上有记录差异，为便于研究，本文将龙华区、光明区的相关气象数据和机动车损失数据归于宝安区统计，坪山区、大鹏新区的数据归于龙岗区进行统计。

（三）研究方法

对上述数据，采用Excel统计功能对深圳降雨及机动车损失的时间分布特征进行归纳分析，运用ArcGIS软件，制作深圳各区暴雨频次及机动车损失空间分布图，以此对深圳地区暴雨灾害和机动车损失的时空格局进行总体描述。而后，通过运用SPSS工具对暴雨和机动车损失的数据相关性进行分析，并通过构建脆弱性指标反映各区暴雨导致的机动车损失特征。

深圳市暴雨灾害机动车损失时空格局

（一） 致灾因子和承灾体时空分布

1.深圳降雨量特征

2008—2016年深圳市的降雨量存在较大波动性，最高可达2710mm（2008年），最低仅有1269.7mm（2011年），两者相差1440.3mm。年均降雨量为1933.3mm。月均降雨量数据显示深圳降雨存在明显的季节性变化，降雨多集中在雨季（4—9月份）。雨季降雨量占比超过85%，最大月份降雨量（6月，380.85mm）是最小月份（2月，29.69mm）的12.82倍（图1、图2）。

图1 深圳站2008—2016年年降雨量

图2 深圳站2008—2016年月均降雨量

2.深圳各类暴雨时空分布特征

（1）时间特征

2008—2016年暴雨总次数为13861次，平均每个站点为16.04次/年。其中，单个站点暴雨最大次数为39次，发生在2014年，该年的暴雨总次数也为最大（2417次）。2008—2016年暴雨总次数和单个站点最大次数均呈上升趋势，且趋势基本一致，表明深圳区域内各个站点暴雨整体较均匀。

图3 深圳96个站点2008—2016年各级暴雨总次数和单个站点最大次数

图4 深圳96个站点2008—2016年各级暴雨次数和空间分布图

大暴雨总数和单个站点最大次数趋势基本一致，表明深圳区域内各个站点大暴雨整体较均匀。2008—2016年大暴雨总次数为3380次，平均每个站点为3.91次/年。其中，2008年和2014—2016年为大暴雨多发年，2009—2013年为大暴雨发生较少年份，大暴雨总次数2014年为最大（780次）。

特大暴雨总数和单个站点最大次数趋势基本一致，但趋势差异相比暴雨和大暴雨明显较大。2008—2016年特大暴雨总次数为167次，平均每个站点为0.19次/年。其中，2008年和2014年为特大暴雨多发年，单个站点最大次数为3次，发生在2008年和2014年，但总次数2014年为最大（74次）， 可见相对来说，2014年为特大暴雨最严重的一年，其次为2008年，其他年份特大暴雨发生较少（图3）。

综上，2008—2016年期间， 2014年各类暴雨发生相比其他年份明显偏多，2008年暴雨发生频次较少，但大暴雨和特大暴雨显著。2015和2016年暴雨和大暴雨较多，但是特大暴雨次数较少。

（2）空间特征

使用ArcGIS软件，使用反距离加权方法（距离倒数乘方格网化），对96个雨量站的暴雨频次数据进行插值，得到深圳区域年暴雨频次的空间分布图（图4）。对所有站点的各级暴雨次数进行统计并分级。结果显示：（a）暴雨分布较均匀，罗湖区、盐田区和龙岗区相对较集中，宝安区、南山区和福田区较少；（b）大暴雨分布较均匀，罗湖区、盐田区、福田区和龙岗区相对较集中，宝安区和南山区较少；（c）特大暴雨主要分布于宝安区南部和龙岗区东南，这些地区也是受台风影响较大区域。

可见不同级别的暴雨在深圳不同区域差异较大。其中暴雨多分布在深圳东部地区，大暴雨各个区均有分布，而特大暴雨则主要分布深圳东南和西南两地。深圳暴雨的差异性，一方面是由于降雨本身情况所导致；另一方面，雨量站点位置不同，受下垫面的影响，不同级别的暴雨也呈现较大的空间差异。

3. 深圳机动车损失时空分布特征

（1）机动车损失时间特征

图5为2008—2016年因暴雨水浸机动车总赔偿金额、单车平均赔偿金额和受损车辆总数情况。其中平均每年受损1394.6辆，2008年最多，为5544辆，2014年其次。赔偿总金额年均12101.43万元，其中2014年最高，为4842.70万元，2008年次之，为2698.60万元。单车平均赔偿金额2014年最高，达1.42万元/辆，2013年次之，为1.40万元。考虑到通货膨胀、暴雨灾害严重程度和车辆保额提高等原因，车均赔偿金额呈现上升趋势。

图6为2008—2016年深圳市各月暴雨机动车损失情况，可以看出总赔偿金额和单车平均赔偿金额趋势基本一致，表明不同月份机动车水浸损失类型没有较大差异。总赔偿金额和单车平均赔偿金额5月份最高，分别达到5037.13万元和1.39万元/辆，而机动车总损失数为6月份最高，达到5317辆，5月份比6月份赔偿金额高的主要原因与受损车的类型和严重程度有很大关系。

图5 深圳市2008—2016年暴雨机动车损失情况

图6 深圳市2008—2016年各月暴雨机动车损失情况

（2）机动车损失空间特征

深圳2008—2016年各区机动车损失情况如表2所示。整体上，宝安区的机动车损失数量和总金额最多，分别占全市的65.71%和66.75%，其次为南山区和龙岗区，损失都占全市损失的10%以上。

由于各区的面积差异很大，为消除区域面积大小的影响，分别统计了各区单位面积内的损失机动车数量和损失金额情况，如图7所示。从机动车损失数量看，宝安区受损最严重，单位面积达到12.56辆/km2，其次是福田区和南山区，均在5辆/km2以上，罗湖区、龙岗区和盐田区较低；机动车水浸损失金额的空间特征和损失数量基本一致。

表2 深圳市2008—2016年各区机动车暴雨损失数量和全损金额

（二）暴雨灾害与机动车损失关系分析

Pearson相关系数通常用于分析满足正态特性数据之间的相关性，系数是一个介于-1和1之间的值，越接近于-1表示两组数据负相关性越强，反之越接近于1表示数据间正相关性越强，越接近于0表示数据间相关性越弱。显著性系数则表明相关性结果的可信度，显著性系数越低，相关性结果的可信度越高，例如显著性系数为0.05，对应的相关性结果的可信度为95%。基于2008—2016年降雨量、暴雨总次数和单个站点最大暴雨次数、车辆损失总数和赔偿金额等数据，采用SPSS软件中的Pearson方法对暴雨和机动车损失做相关分析，统计数据之间的相关性。

图7 深圳各区单位面积（km2）车辆损失数量和赔偿金额

表3 深圳市2008—2016年年降雨量和车损相关性分析

结果如表3所示。表中以红色字体标出的是可信度在95%以上，即在0.05的置信水平上相关性显著（显著性系数小于0.05）的统计结果。从表中可以看出深圳市年降雨量、暴雨类变量和车辆损失及赔偿金额关系不大（相关性系数偏低，显著性系数偏高），而大暴雨、特大暴雨变量与赔偿金额的相关性系数明显偏高。大暴雨总次数和总赔偿金额相关系数达到0.71，显著性系数0.032，即相关系数可信度达到96.8%；单个站点大暴雨最大次数、特大暴雨总次数和单个站点特大暴雨最大次数与车辆损失总数的相关系数分别为0.84、0.78和0.78，与单车赔偿金额相关性分别为0.86、0.69和0.92，相关性均很显著。由此可见，车辆损失主要受大暴雨和特大暴雨的影响，尤其是特大暴雨对车辆损失影响最大。

（三） 暴雨灾害机动车脆弱性分析

脆弱性是指承灾体在面对致灾因子危险时，在自然、社会经济和环境等因素的综合影响下表现出的物理暴露性、敏感性及与承灾体相伴的人类防抗风险的能力，相应的脆弱性指标就是能反映承灾体应对灾害敏感性、防灾减灾能力的指标。机动车损失的脆弱性主要是指机动车在面对暴雨灾害时，承受不同暴雨强度时的单位损失金额大小，为了方便地对机动车水浸损失的期望损失程度以及区域内水浸机动车抗灾能力进行分析研究，结合承灾体脆弱性的原理，本文构建机动车水浸损失的脆弱性指标的计算公式可归纳如下：

式中：V为脆弱性；L为承灾体损失；H为暴雨致灾因子强度。

暴雨灾害机动车损失L包含两个部分L=Ln+Lc，Ln和Lc为归一化处理后的单位面积机动车损失数量和单位面积机动车损失金额；暴雨致灾因子强度包含三个部分，H=Nr+10Nhr+100Ner，以暴雨次数Nr、大暴雨次数Nhr和特大暴雨次数Ner计。由于已经进行了降雨等级区分，不同级别的降雨次数加权后的和即可体现暴雨致灾因子强度。根据暴雨次数和机动车水浸损失相关性的分析，以及深圳暴雨以上降水的频次差异，结合已有的对暴雨致灾因子权重赋值研究，本文采用1∶10∶100的关系来统计加权H指标。根据脆弱性指标公式，深圳市暴雨机动车损失脆弱性指标计算结果如表4及图8所示。可见深圳市各区历年的暴雨机动车损失在单位暴雨强度下显现的易损性稍有差异，其中深圳市，以及宝安、罗湖、龙岗和盐田4区脆弱性值在2012年最大，说明该年度在相同暴雨强度级别的情况下机动车水浸损失更大，而福田区和南山区这种情况分别出现在2013年和2015年。深圳市及各区的脆弱性整体呈先下降（2008—2011）、后上升（2011—2012）、达到峰值后再下降（2012—2016）的特点，总体脆弱性呈下降趋势，但下降趋势较小。就绝对值而言，宝安、福田两区最高，最高达2.0；罗湖、南山次之，最高值在0.8～1.2，龙岗区最低，最高值不到0.25。

表4 深圳市2008—2016年各区脆弱性指标

图8 深圳市及各区2008—2016年暴雨灾害机动车脆弱性

经查阅相关资料，2011—2013年深圳地铁一号线宝安段、三号线龙岗段、四号线龙华段、十一号线宝安段及数条快速城市干道同时施工，尤其是在2012年，施工处于核心阶段，宝安、龙岗等区受地铁施工影响较为显著，同时盐田区则在2012年进行深盐通道的改造，城市排水设施大量翻修和迁移，导致降雨积涝更为频繁，引发的机动车水浸损失也更为显著。而福田区本身是深圳市中心城区，基建设施较为完善，地铁修建相对较成熟，因此2011—2012年受此影响较小，但2013年福田区由于受“康妮”台风影响出现了罕见的暴雨泥石流灾害事件，虽然降雨强度不是最高，但由于发生在夜间，造成了多个大型车库严重积水等灾害事件。另外，南山区2015年由于地铁11号线和9号线同时施工，脆弱性指标亦出现比较明显的峰值。

研究结论

本研究根据2008—2016年深圳市降雨量、暴雨频次和机动车损失数据，分析了深圳市暴雨机动车损失的时空格局，主要可得到以下研究结论：

（1）深圳降雨量和各级暴雨频次的年际差异较大，年内降雨主要集中在4—9月，2014年各类暴雨发生频次相对偏高。空间方面，不同级别的暴雨在深圳各区域差异较大，其中东部地区暴雨频次偏高，大暴雨各区均有分布，特大暴雨则主要分布在深圳东南和西南沿海地区。

（2）深圳机动车损失数量、总赔偿金额和车均赔偿金额均呈现上升趋势，其中2014年和2008年异常偏高；空间特征上，宝安区机动车损失程度最高，盐田区最低。

（3）机动车损失主要受大暴雨、特大暴雨影响，全损车辆主要受特大暴雨影响；相较而言，深圳市暴雨机动车辆损失最为集中、抗暴雨灾害能力最弱的区域为宝安区。

（4）深圳2008—2016年脆弱性指标整体呈下降趋势，其中2012年深圳整体及宝安、罗湖、盐田和龙岗等四区出现峰值，福田区和南山区峰值分别出现在2013年和2015年；从区域来看，脆弱性指标绝对值宝安、福田两区偏高，龙岗区最低。

对策与建议

根据深圳市的暴雨灾害、机动车损失和脆弱性特征，结合深圳人口经济发展状况，提出以下建议：

（1）深圳市亟待进一步改善城市排水系统。深圳市城市化进展迅速，区域间城市排水系统建设水平并不均衡，区域差异较为明显，除福田和南山区外，其他行政区亟待完善城市下水道系统建设改造工作。

（2）改善深圳市机动车存放环境。相比城市面积和机动车车库面积的增长速度，深圳市机动车数量增长明显过快，暴增的汽车数量给交通和环境带来巨大压力的同时，“停车难”问题日渐突出，超负荷地下停车、随意停放在小区、辅道路边的车辆堵塞排水井盖等情况时有发生。进一步总体管控机动车保有量的同时，政府还要在逐步改善机动车存放环境方面下功夫，例如加大立体停车场所建设投入，在老旧小区扩建地下停车场所等。

（3）加强深圳市的暴雨预报，做到提前准备。暴雨是深圳市最严重的自然灾害之一，除机动车损失以外，暴雨还会造成人员伤亡、农作物破坏和机器设备浸水失效等诸多损失。提高暴雨预报精度和时效，有助于提前做好灾前应急准备，降低灾害损失程度。目前深圳全市范围内的气象灾害预警工作已经开展，但针对各区域局部暴雨和积涝灾害的预警工作还需进一步细化和完善。