基于指标体系的农田涝灾风险评估与对策分析

张 伟，罗文兵，李亚龙，范琳琳，何 军，邹志科

（1.长江科学院农业水利研究所，武汉 430010；2.三峡大学水利与环境学院，湖北宜昌 443000）

0 引 言

涝灾是对人类社会生产生活危害最为常见、最为严重的自然灾害之一［1］。据统计，全球仅因洪涝灾害损失占比就高达40%［2］。中国是世界上洪涝灾害最为频繁而又严重的国家之一，多发生在长江流域的江汉平原、洞庭湖和鄱阳湖滨湖地区、下游沿江平原洼地等地区［3］。每年都会因此而造成的粮棉油减产约占总产量的5%［4］。湖北四湖流域作为江汉平原主要粮食产区，由于地势平坦低洼，汛期暴雨频发，受外江（湖）水位顶托，容易造成排水不畅，形成涝灾［5］。螺山排区位于总干渠、电排渠和长江之间的一个独立排区，是四湖流域典型的受涝受渍区域。自2000年以来的数年间，排区内因涝造成水稻平均减产3%。随着螺山排区下垫面发生显著变化，如城市化进程加快、围垦湖泊等水域萎缩、种植结构调整等变化使得涝灾致灾因子、孕灾环境和承灾体情势及其相互关系发生了很大变化，给排区排涝带来了新的挑战。

目前针对涝灾风险的研究，主要是利用指标体系和数值模型两种方法进行评估。在指标体系方面，相关学者主要开展了农田涝灾指标构建［6-9］、涝灾分级标准确定［7，10，11］和涝灾风险评估［12-17］等方面研究。在数值模型方面，相关学者通过构建水文水力学模型［12］、灾害影响量化评价模型和减产率量化评估模型［18］等动态模型实时模拟涝灾致灾过程。静态评估所需资料少，收集方便，通过经验方法反映涝灾的成灾机理更容易实现，但只能通过灾后数据评估，不能实现灾中的实时反馈；动态评估可以通过构建模型实时反映涝灾过程，进行监测预警，仅适用于涝灾过程数据易收集且足够用于模型模拟的研究区。

考虑到涝灾风险的空间分布，在资料缺乏的情况下进行快速的预报预警，适合采用静态的指标评估方法，从而为除涝减灾作决策。故本文选取四湖流域螺山排区为研究对象，选择具有区域特点的研究指标建立涝灾风险指标体系，构建涝灾风险评价模型，采用AHP-CRITIC综合法进行权重赋值，确定了涝灾风险等级标准，利用构建的模型进行涝灾风险综合评估，并结合研究区实际，开展涝灾综合治理措施分析，为今后研究区农田涝灾防治提供理论依据。

1 研究区概况

螺山排区位于四湖流域南部，北面以四湖总干渠和洪排渠主隔堤为界，西南抵长江干堤，东抵螺山电排渠，总排水面积935.5 km2，耕地面积869.5 km2，耕地中以水田种植为主，占比达69.2%。区域内年平均降雨量约1 200 mm，降雨主要集中在汛期（一般为5-9月），其降雨量约占年降雨总量的50%～60%，多年平均气温16.3 ℃左右，年无霜期约260 d，年均蒸发量1 300 mm。螺山排区内以一、二级排水泵站和干、支排水渠构成主要的排水系统，总排水面积为378.8 km2［19］。根据排区涝灾风险空间分布计算需求，在充分收集螺山排区的天然河网、水文资料的基础上，对排区的排水系统进行了合理概化。概化后的排水系统由1 条主河道、12 条支流河道、2 个水闸和1 个泵站组成。进而以渠道、河网为界，将排区划分为13个大小不一的分区，每个分区视为独立的排水区域进行计算分析，如图1所示。

图1 螺山排区位置及渠系图Fig.1 Location and drainage diagram in Luoshan Drainage Area

2 数据与方法

2.1 数据获取与处理

（1）数据获取。从中国气象数据网（https：//data.cma.cn/）搜集了荆州站1954-2019年气象数据资料；从国家地理空间数据云平台（http：//www.gscloud.cn/）下载了Landsat 系列数据（15 m）。从荆州市水利局和四湖工程管理局搜集了四湖流域基础资料、历史洪涝灾害数据（1950-2016年）、螺山排区相关泵站数据、四湖流域的等高线图Coverage 文件数据等相关资料。从湖北农村统计年鉴（1949-1978/1991-2019年）获取监利县多年水稻种植面积与产量数据。

（2）数据处理。将四湖流域的等高线图Coverage 文件转化为TIN 文件，再将TIN 文件转化为ArcInfo 的GRID 形式的DEM数据文件。在螺山排区分区的基础上，用mask提取螺山排区各分区的DEM 数据，网格大小30 m×30 m。通过监督分类的方法，将Landsat系列数据（15 m）分类提取得到1991年、2003年和2011年的土地利用数据。

（3）指标选择与定义。根据综合性、客观性、易获性、可表征性和可度量性原则，结合螺山排区下垫面的显著变化趋势、降雨分布特征以及易受涝受渍的特点，考虑从涝灾致灾因子、孕灾环境、和抗灾能力3 个方面选择汛期降雨强度综合指数和汛期高温指数、相对高程、高程相对标准差、相对坡度、滞涝水面率、产流系数、水旱比、地面硬化率、土壤类型指数、排涝指数等11 个指标，建立涝灾风险评估指标体系，指标具体含义及计算方法见文献［20］。

2.2 评估方法

2.2.1 权重赋值方法

根据国内外常见的主观和客观赋值方法，基于研究区地形数据、历史灾害数据以及下垫面数据，根据计算快捷简单、资料需求少、指标权重值易量化以及主客观结合的原则，选择层次分析法AHP 和CRITIC 权重法进行权重赋值，其中层次分析法偏重专家打分，即决策者的主观层面的信息，而CRITIC 法则偏重于挖掘数据样本中客观存在的信息［21］，未充分结合实际情况。两种赋值方法结合成的AHP-CRITIC综合法则能综合各方法的优势，进而减少误差。

层次分析法AHP，将评价系统的有关替代方案的各种要素分解成若干层次，并以同一层次的各种要素按照上一层要素为准则，进行两两判断比较并计算出各要素的权重WAHP［22］，根据综合权重按最大权重原则确定最优方案。

CRITIC 权重法以指标的对比强度和指标间的冲突性来综合确定指标的客观权重。对比强度表示同一指标取值差距的大小，用标准差来表现，该指标的取值标准差越大，表明反映的信息量越大，权重越大。冲突性指两个指标间的相关系数，相关系数越小，表明反映的信息量有相似性，权重越小。首先将所得数据进行归一化处理，进而根据公式（1）～（3）计算变异系数σj和信息量值ηj，最后求出各个指标权重WCRITIC［21］。

考虑到11 个指标中存在部分指标值的变化对涝灾风险值的影响趋势不一致的问题，如汛期降雨强度综合指数、汛期高温指数、产流系数、地面硬化率、土壤类型指数等指标值越大，涝灾风险越大，利用公式（4）进行归一化；而相对高程、相对高程标准差、相对坡度、滞涝水面率、水旱比和排涝指数等指标值越小，涝灾风险值越大，利用公式（5）进行归一化。通过标准化方法将所有指标的变化对涝灾风险的趋势相同，即指标值越大，涝灾风险越大。

AHP-CRITIC 综合法是综合两种方法的赋值运算，通过AHP 和CRITIC 法分别求得主观权重向量α和客观向量β，为了使综合权重ωi尽可能地接近αi和βi，而不偏重其中任意一项，本文依据最小鉴别信息原理［23］求取综合权重ωi，其目标函数为：

求解此优化模型，得到综合权重为：

则最终的综合权重向量为ω=[ω1，ω2，…，ωn]T。

2.2.2 综合风险度计算

选取涝灾风险度指标对研究区域涝灾情况进行综合评估，涝灾综合风险度计算公式为：

式中：S为涝灾综合风险度；xi为第i个指标标准化值；ωi为第i个指标值对涝灾综合风险度的影响权重。

3 风险评估与对策分析

3.1 指标权重赋值

在现有数据的基础上，结合AHP-CRITIC综合法，得到指标体系中11项指标的权重，如表1所示。

表1 AHP-CRITIC综合法权重结果Tab.1 The weight results of synthetic method of AHP and CRITIC

从表1 中可以看出，利用AHP-CRITIC 综合法得到11 项指标的权重从大到小为汛期降雨强度综合指数、相对高程、排涝指数、滞涝水面率、高程相对标准差、产流系数、地面硬化率、水旱比、相对坡度、土壤类型指数、汛期高温指数，这与层次分析法下的各指标权重排序基本一致［20］。

利用2000-2019年的20年涝灾综合风险度数据，进行两种方法的相关性分析，结果如表2所示。

由表2 得到AHP 法与CRITIC 法的相关系数为0.970，AHP法与综合法的相关系数为0.995，CRITIC 法与综合法的相关系数为0.990，三者相关性具有统计学意义（P＜0.01），表明3 种方法评价结果具有一致性。因此以AHP-CRITIC综合法确定权重值是可行的。

表2 2000-2019年分区1涝灾风险度评价结果Tab.2 Assessment results of waterlogging risk values in division 1 from 2000 to 2019

3.2 评价模型建立与验证

基于指标体系和涝灾综合风险度构建涝灾风险评价模型。利用监利市和螺山排区多年历史数据，采用历史反演法，利用2000-2019年的下垫面状况作为未来的土地利用情景，对比不同时期的下垫面条件下降雨、温度等因素对区域受灾程度的影响。同时，参照暴雨灾害影响划分标准中农作物受灾指标AI划分标准，并考虑螺山排区受灾的实际分布情况，使用综合风险度作为涝灾风险等级划分的依据，根据AI 等级划定规则，3、4等级划为高风险等级，1、2等级划为低风险等级，最终利用螺山排区受灾面积及受灾面积比例等数据，将涝灾风险等级分为高风险、低风险和无风险3个等级。

本文运用1954-2016年间的34 个受涝年份数据进行模型反演，结果显示：在汛期降雨强度综合指数为2.889 时，计算得到排区内涝灾风险度（1.180）为高风险临界下限；在汛期降雨强度综合指数为1.924 时，计算得到排区内涝灾风险度（0.932）为低风险临界下限。即当涝灾风险度小于0.932 时，区域处于无风险状态，当涝灾风险度介于0.932 和1.180 之间时，区域处于低风险状态，当涝灾风险度大于1.180 时，区域处于高风险状态。

为验证模型的适配性，选用1980年、1996年两个重度涝灾年份和2015年轻度涝灾年份作为典型年份，对涝灾风险评价模型进行验证，典型年份涝灾风险分布见图2。

从图2 中可以看出，1980年整个排区均处于涝灾高风险状态，其涝灾平均风险度为1.543，远高于涝灾高风险等级下限值。1996年排区内43.97%的面积处于涝灾高风险状态，涝灾平均风险度为1.197，高于涝灾高风险等级下限值。根据螺山排区历史灾害数据记载，1996年受灾面积达到353 km2，成灾面积为213 km2。1980年受灾面积达221 km2，成灾面积为160 km2。虽然1996年汛期降雨量较1980年少188 mm，涝灾平均风险度也较1980年小，但由于1996年螺山排区耕地面积较1980年增加122 km2，导致1996年受灾和成灾面积均比1980年大。2015年，排区内的平均涝灾风险度为1.018，高于涝灾低风险下限值，排区整体上处于低风险状态，有2个分区无涝灾风险。这与历史数据中2015年螺山排区受灾面积为46 km2，为轻度涝灾年相吻合。

图2 螺山排区典型年份涝灾风险分布Fig.2 Risk distribution of waterlogging disaster in a typical year in Luoshan Drainage Area

此外，将此模型识别的涝灾风险结果与历史涝灾灾情数据对比，统计模型识别的准确率。结果表明，从1954-2016年的34 个涝灾年份中，有7 个年份模型识别结果与实际有一定出入，整个模型的识别准确率为79.4%。此外，模型还识别到包括1954年、1969年、1973年、1979年4 个涝灾高风险年份，除1969年识别情况与实际有一定出入外，其他年份与历史灾情基本一致，此模型在该研究区针对涝灾高风险识别的准确率达83.3%。可见，该模型能够较好地识别涝灾风险，能适用于螺山排区涝灾风险评估。

3.3 涝灾对策分析

为综合分析在采取不同涝灾治理措施情况下研究区涝灾风险状态变化，现针对当前研究区下垫面条件以及防灾抗灾能力等影响因素，提出在不同汛期降雨年型条件下，对排涝指数、滞涝水面以及水旱比这3 个指标进行调整，排涝指数设置两种方案，滞涝水面以及水旱比设置一种方案，然后各种情景相互交叉，共设置12套方案，见表3。

利用AHP-CRITIC 综合法确定的权重，结合指标体系中11项指标计算值，在表3的方案下，通过计算得到不同方案下的风险度，并与现状条件（方案0）进行对比分析，得出最优方案。

表3 涝灾治理方案Tab.3 The plans of controlling waterlogging disaster

当采用一种治理方案时，推荐方案3，即将分区内的水域提升到2000年以前的水平。该方案与现状情况相比，在分别遭遇5、10、20 a一遇的汛期降雨强度年型时，高风险面积占比分别降低100%、27.56%、7.23%，遭遇3 a 一遇的汛期降雨强度年型时，低风险面积占比降低62.59%。但在遭遇20 a 一遇的汛期降雨强度年型时，平均涝灾综合风险度为1.272，整个排区仍处于涝灾高风险状态。

当采用两种治理方案时，推荐方案6，即提高排涝能力至规划水平和提高滞涝水面率。该方案与现状情况相比，在分别遭遇5、10、20 a 一遇的汛期降雨强度年型时，高风险面积占比分别降低100%、73.31%、10.87%，遭遇3 a 一遇的汛期降雨强度年型时，低风险面积占比降低72.96%。但遭遇20 a一遇汛期降雨强度年型时，虽有10.87%的面积转为涝灾低风险状态，但排区平均涝灾综合风险度为1.242，高于涝灾高风险下限1.180，排区总体上仍处于高风险状态。

当采用三种治理方案时，如表4所示，对比在各方案下涝灾风险降低情况，方案11 下涝灾风险度最低，即采取排涝能力提高至规划水平+滞涝水面率提高+水旱比提高的措施。在该方案下，结合图3，发现在遭遇3 a一遇汛期降雨强度年型时，排区的涝灾平均风险度为0.845，排区整体上处于无风险状态，仅有1.60%的面积处于低风险状态；遭遇5 a一遇汛期降雨强度年型时，排区的涝灾平均风险度为0.990，排区整体上处于低风险状态，没有处于过涝灾高风险状态的区域，有54.44%的面积处于无风险状态；遭遇10 a 一遇汛期降雨强度年型时，排区的涝灾平均风险度为1.123，低于涝灾高风险下限值（11.180），仅有14.72%的面积处于涝灾高风险状态，排区整体上处于低风险状态；遭遇20 a 一遇汛期降雨强度年型时，排区的涝灾平均风险度为1.228，排区整体上处于高风险状态，有54.44%的面积处于低风险状态（见图3）。与现状情况相比，在分别遭遇5、10、20 a一遇的汛期降雨强度年型，高风险面积占比分别降低100%、78.05%、54.44%，遭遇3 a 一遇的汛期降雨强度年型时，低风险面积占比降低72.96%。由此可见，通过提升排涝能力，增大滞涝水面率，改变种植结构、提高水旱比等措施，能显著降低研究区内涝灾高风险面积占比。

图3 方案11措施下螺山排区涝灾风险分布Fig.3 Risk distribution of waterlogging disaster under scheme 11 in Luoshan Drainage Area

表4 不同措施方案下的风险度值Tab.4 Risk values under different measures

4 结 语

以湖北省四湖流域的螺山排区作为研究区，构建涝灾风险指标体系，通过指标权重计算和涝灾风险度分级标准确定等过程构建涝灾风险度评价模型，模拟了不同情景下螺山排区的涝灾风险状态，提出涝灾减灾措施，主要得到以下结论。

（1）3种指标权重计算方法下，两两权重的相关性均表现出显著相关，三种方法所反映的信息具备一致性，AHP- CRITIC综合法计算得到的权重可作为后续计算的基础，11项指标的权重值分别为汛期降雨强度综合指数（0.244 4）、汛期高温指数（0.031 9）、相对高程（0.130 1）、高程相对标准差（0.085 7）、相对坡度（0.050 8）、滞涝水面率（0.107 7）、产流系数（0.071 0）、水旱比（0.055 5）、地面硬化率（0.068 1）、土壤类型指数（0.039 2）、排涝指数（0.115 8）。

（2）在构建涝灾风险评估模型的基础上，利用历史灾情反演法，得到螺山排区涝灾风险临界阈值。其中，涝灾高风险下限为1.180，对应的汛期降雨强度综合指数为2.889；涝灾低风险下限为0.932，对应的汛期降雨强度综合指数为1.924。

（3）通过开展涝灾治理情景分析，得出适用于研究区最佳的涝灾治理措施。在同时采取3种措施相比采取其中一种或两种措施下对减少涝灾综合风险度最为有效，其中采取提高排涝能力至规划水平、提高滞涝水面率和提高水旱比的方案效果最好，此方案与现状情况相比，在遭遇5、10、20 a一遇的汛期降雨强度年型时，高风险面积占比分别降低100%、78.05%、54.44%，遭遇3 a一遇的汛期降雨强度年型时，低风险面积占比降低72.96%。

需要说明的是，本文以常用的分级标准得到了研究区涝灾综合风险的高、低、无3个等级，而针对研究区的分级标准，可进一步考虑高、中、低、无风险4个等级，进而验证分级的科学合理性。由于目前螺山排区的分区仅根据概化后的渠系、河网划分，分区划分相对较粗，因此需要考虑进一步利用网格法，将分区细化，减少因分区对涝灾风险等级评估的影响。