基于主成分分析的城市内涝灾害风险评估以杭州市临安区为例

叶瑞峰，潘耀忠，唐钰嫣，杨可欣，鲁婉婷，陈 燕，林嘉怡，胡潭高

(1. 杭州师范大学遥感与地球科学研究院，浙江 杭州 311121； 2. 浙江省城市湿地与区域变化研究重点实验室，浙江 杭州 311121；3. 北京师范大学遥感科学与工程研究院，北京 100875)

0 引言

21世纪以来，随着我国城市化水平的上升，城市内涝灾害发生的频率与强度及由此带来的损失逐年增加，已对国民经济、人民生命财产安全与城市可持续发展构成严重威胁[1].《中国统计年鉴》显示，2019年仅浙江省由于城市内涝导致的农作物受灾面积就达3 417 km2，约448 km2农作物绝收[2].且随着人口的增加、经济的发展，内涝灾害造成的经济损失呈逐年上升趋势[3-4].因此，准确评估城市内涝灾害风险，划分灾害风险等级，对内涝灾害预警与风险防范具有重要指导价值.

国内外学者已经围绕城市内涝灾害风险评估开展了广泛的研究，采用的方法主要包括基于历史灾情的数理统计、遥感图像和GIS技术耦合分析、基于指标体系评估等.基于历史灾情数理统计的方法是通过广泛搜集长期连续的历史灾情数据(如受灾面积、经济损失、遇难人数等)，主要运用时间序列分析来评价灾害风险及预估未来灾害可能造成的损失，但因数据难以获取，所得结果的时效性较低.遥感图像和GIS技术耦合分析是通过GIS软件对内涝发生时的研究区遥感影像进行受灾信息提取(如淹没深度、淹没范围等)，进而考虑承灾体的受灾情况，最后构建风险评估模型.该方法的局限性在于淹没深度难以提取、对遥感影像的空间分辨率要求较高[5].

综上，本研究以全国自然灾害综合风险普查试点县浙江省杭州市临安区为研究对象，采用指标体系法，以主成分分析法确定指标权重，定量评估临安城区内涝灾害风险，为城市内涝灾害风险防范决策提供理论依据.

1 研究区与数据

1.1 研究区概况

临安区位于杭州市西部(118°51′—119°52′E，29°56′—30°23′N)，总面积3 118 km2，东临杭州市余杭区，南连杭州市富阳区、桐庐县，北接湖州市安吉县.地势西北高东南低，西北多高山峡谷，东南多丘陵平原.临安地处亚热带季风气候区，年均降雨量丰富，达1 613.9 mm，境内水系发达，河网密布，主要河流有东苕溪、南苕溪和昌化溪等.近年来城市化进程不断加快，不透水面持续增加，加之排水管网堵塞等原因，汛期内涝灾害时有发生.

1.2 数据

基础地理数据主要包括：1)2020年各街道行政区划界线，来源于测绘部门；2)2020年土地利用矢量数据(包括河流、道路、建设用地等类型)，来源于测绘部门；3)2020年排水管网数据，来源于城市管理部门；4)2019年数字高程模型(digital elevation model，DEM)数据，空间分辨率2 m，来源于测绘部门；5)研究区降雨产品数据，空间分辨率2 m，表征2011—2020年每年6—9月降雨量均值的空间分布情况，来源于气象部门.以上数据均向临安区相关部门申请获得.

遥感影像数据包括：无人机影像(空间分辨率0.5 m，成像时间2019年12月)；Landsat 8遥感影像(空间分辨率30 m，成像时间2019年11月)，下载于地理空间数据云网站(http://www.gscloud.cn/).

社会经济数据包括研究区2020年国内生产总值(GDP)、各街道人口总数等，来源于临安区统计局官网(http://www.linan.gov.cn/).

2 研究方法

分别从内涝灾害致灾因子危险性、孕灾环境敏感性、承灾体易损性与防灾减灾能力等一级指标中选取具有代表性的若干二级指标构建内涝灾害风险评估指标体系；基于基础地理数据、社会经济数据等，结合二级指标的定义，使用GIS空间分析技术进行指标定量化和空间标准化，获取二级指标的空间分布图；在ArcGIS软件中创建规则格网，统计每个格网内的二级指标均值，并在SPSS软件中进行数据标准化与主成分分析，计算各个二级指标的权重；最后，利用栅格计算工具，根据指标量化结果与指标权重系数，计算得到研究区每个栅格单元的内涝灾害风险评估结果，从而实现城市内涝灾害风险空间分布图的制作.

2.1 致灾因子危险性评估

城市内涝灾害产生和存在与否的第一个必要条件就是致灾因子.致灾因子即内涝灾害的风险源，指可能造成财产损失、人员伤亡、资源与环境破坏等的异变因子，主要反映灾害本身的危险程度[11].致灾因子危险性指标的建立是风险评估的关键步骤，旨在对致灾因子的特征进行分析与模拟，以获取致灾因子潜在的影响范围、强度、持续时间等危险性数据，也被称作危险性分析[12].

临安区属于典型的亚热带季风气候，降水集中在夏季6—9月，并多以暴雨形式出现，城市地区极易形成内涝灾害，而暴雨内涝灾害致灾因子危险性很大程度上是由降水量、降雨强度所决定的.本研究以气象部门提供的多年夏季平均降雨量来表示研究区暴雨内涝灾害致灾因子危险性.该产品数据是历史降雨量的实测数据，在选取子集要素、探索数据的基础上，采用普通克里金插值方法，生成空间分辨率为2 m的研究区降雨量空间分布图，标准平均值的绝对值为0.001 2，标准均方根为1.03.

2.2 孕灾环境敏感性评估

孕灾环境是指致灾因子、承灾体所处的外部自然环境，是由大气圈、岩石圈、水圈、生物圈、物质文化圈所组成的综合地球表层环境[13-14].孕灾环境因子在一定程度上促进或抑制着内涝灾害所产生的影响.参考文献[15]，选取洼地深度、植被覆盖度、河网密度3个二级指标来评估孕灾环境敏感性.

2.2.1 洼地深度

洼地深度是指洼地出水口高程至洼地最低高程之间的高度.以洼地深度代替传统风险评估方法中的DEM数据或地形起伏度指标，可以有效提升孕灾环境敏感性指标的准确性[16].本研究在DEM数据基础上，利用ArcGIS软件的水文分析功能，依次进行水流方向分析、分水岭分析和区域统计分析等步骤，计算得到研究区洼地深度空间分布图.

2.2.2 河网密度

河网密度是表征城市内涝灾害孕灾环境敏感性的重要评价指标之一[17].临安区强降雨主要集中在夏季，汛期明显，降雨在地表产生径流，汇集到各自流域内的河流，给下游城市造成压力.同时，当汇流超过河流的蓄洪排洪能力时，水流向河道周围蔓延，因此，河网密度高的地区会面临较高的内涝风险.本研究在土地利用矢量数据的基础上，提取河流和湖泊的空间分布范围，采用ArcGIS软件的密度分析功能，生成研究区河网密度空间分布图.

2.2.3 植被覆盖度

植被对陆地表面和水文循环有着重要的调节作用，可促进降雨再分配，影响土壤水分运动，改变产汇流条件，起到削洪减洪、控制土壤侵蚀、改善流域水质的作用[18-19].因此，植被密度高，土壤蓄水能力强，发生内涝灾害的风险就低.归一化差异植被指数(normalized difference vegetation index，NDVI)可用于表示研究区的植被覆盖度，其计算公式为

(1)

其中，ρNIR为近红外光波段的地物反射率，ρR为红光波段的地物反射率.

在高分辨率遥感影像的基础上，根据式(1)和重采样方法，生成研究区植被覆盖度空间分布图.

2.3 承灾体易损性评估

承灾体是指内涝灾害作用的对象，如道路、居民点、农田等[20]，区域社会经济发展状况的不均衡使得其遭受内涝灾害的风险与影响程度在空间上存在明显的差异性[21].在各种自然灾害中，当地居民是首当其冲的承灾体，是衡量灾害风险的重要依据.除了评估当地人口情况，考察研究区的经济发展状况与城市基础设施情况也是评估承灾体易损性的重要内容.本研究选取人口密度、地均GDP和道路密度3个二级指标来评估研究区承灾体的易损性.

1)人口密度和地均GDP计算.依照人口分布及地均GDP与城市建筑用地有着强相关性的规律，将2020年临安区Landsat 8遥感影像经过辐射定标、大气校正后，计算归一化建筑指数(normalized difference building index，NDBI)，提取建筑用地信息[22].根据每个栅格的NDBI值及《2020年临安区统计年鉴》中各个街道的人口总数与GDP信息，模拟每个栅格内的人口数量与地均GDP，实现各个街道人口统计总数和GDP总量的空间化：

式中，Pi为待计算栅格内的人口数，Gi为待计算栅格内的GDP，PT为研究区人口总数，GT为研究区GDP总量，NDBIi为栅格NDBI值，NDBIT为研究区NDBI总量.

2)道路密度计算.道路是城市基础设施的重要组成部分，是内涝灾害的重要承灾体，内涝灾害会对道路行车安全和周边居民生活等造成严重的威胁.在土地利用矢量数据的基础上，提取研究区内所有道路的空间分布范围，利用ArcGIS软件的密度分析功能，生成空间分辨率为2 m的研究区道路密度空间分布图.

2.4 防灾减灾能力评估

防灾减灾能力是指受灾地区对自然灾害的抵御程度，表示受灾区在短期或长期内能够从内涝灾害中恢复的能力[23].以城市排水管网建设为代表的工程型设施建设是防灾减灾能力评估中极其重要的指标，此外，避难场所等配套设施也起着不可忽略的作用.因此本研究选取管网排涝能力和避难场所密度2个二级指标来评估研究区的防灾减灾能力[24].

1)管网排涝能力计算.采用窨井盖及雨篦子的空间分布数据，使用ArcGIS的核密度分析功能，生成空间分辨率为2 m的窨井盖和雨篦子空间分布密度图，模拟研究区的管网排涝能力.

2)避难场所密度计算.在城市应急避难场所体系中，医院、学校、文化馆等科教文卫基础设施因其硬件设施、可达度等优势而发挥着巨大作用.根据研究区土地利用数据，提取出相应的科教文卫用地，使用ArcGIS将其转换为矢量点数据，再使用核密度分析功能，生成避难场所空间分布密度图.

2.5 主成分分析

由于植被覆盖度、管网密度、避难场所密度是负向指标，即这3项指标值越高，内涝灾害风险反而越低.因此在主成分计算之前，首先将其转换为正向指标，转换公式为

X*=-X+Xmax，

其中，X为原始指标值，Xmax为原始指标的最大值，X*为变换后的指标值.

在上述9个二级指标的空间标准化(空间分辨率2 m)全部完成以后，采用ArcGIS软件创建200 m×200 m的格网(共6 204个)，利用区域统计功能，统计每个格网内各个二级指标的均值.然后，采用SPSS软件对研究区内所有格网的各项指标均值进行标准化处理，在此基础上进行主成分分析，提取得到4个主成分.最后，检查主成分的选取合理性，所占总方差的比例为81%，表明可以代替原始信息.

根据成分矩阵(表1)与主成分特征值(表2)，计算得到4个主成分：

表1 成分矩阵Tab.1 Composition matrix

F1=-0.128X1-0.190X2+1.411X3+0.790X4+1.392X5-1.306X6+

1.207X7+1.033X8-0.874X9，

F2=0.133X1-0.019X2-0.175X3-0.490X4-0.491X5+0.379X6+

1.051X7+1.047X8+0.384X9，

F3=0.932X1+0.277X2-0.299X3+0.555X4+0.190X5-0.032X6+

0.047X7+0.046X8+0.282X9，

F4=0.034X1+0.883X2+0.062X3-0.279X4+0.075X5+0.139X6+

0.013X7+0.012X8-0.405X9，

其中，X1为降雨量，X2为洼地深度，X3为植被覆盖度，X4为河网密度，X5为道路密度，X6为管网密度，X7为地均GDP，X8为人口数量，X9为避难场所密度.

根据每个主成分的贡献率(表2)，各个网格内的内涝灾害风险指数可表示为

R=0.357F1+0.203F2+0.134F3+0.114F4.

(2)

表2 主成分特征值和贡献率Tab.2 Principal component eigenvalue and contribution rate

根据式(2)，计算各个网格内的内涝灾害风险指数，归一化处理后，按自然断点法确定分级标准(表3)，得到研究区城市内涝灾害风险空间分布图.

表3 内涝灾害风险分级标准Tab.3 Risk classification standard of waterlogging disaster

3 结果与讨论

根据灾害风险理论[25]，在致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力4方面选取代表性的9个二级指标(降雨量、洼地深度、河网密度、植被覆盖度、人口密度、地均GDP、道路密度、避难场所数、排涝管网密度)，结合GIS空间分析技术与主成分分析方法，确定指标权重进行加权叠合，完成临安主城区城市内涝灾害风险评估，结果如图1所示.

图1 临安区主城区暴雨内涝灾害风险区划图Fig.1 Risk zonation of urban waterlogging disaster in Lin’an downtown

研究结果表明，临安区大部分主城区属于暴雨内涝灾害的低风险区或较低风险区，高风险区面积较小，具有一定的空间差异性.总体来说，暴雨内涝灾害风险呈现出以锦城街道、玲珑街道等老城区为中心向四周辐射、风险逐渐降低的特点.锦北街道和青山湖街道的个别地带也有较高的暴雨内涝灾害风险.

暴雨内涝灾害高风险及次高风险区主要位于锦城街道和玲珑街道的中心地带，以及青山湖街道的东部地区，面积分别为0.92、8.08 km2，占研究区总面积的0.40%、3.54%.锦城街道与玲珑街道是临安的老城区，部分居民区地势低洼，排水管网分布不均，实地调查发现该区域内管网雨污合流，导致管网满溢现象严重，且该区域人口相对较为集中，因此，内涝风险等级较高.青山湖街道东部虽是新城区，但由于青山湖科技城地铁站一带植被覆盖度低，道路密度高，且新城区地均GDP水平高，一定程度上加大了暴雨内涝灾害风险.

中等风险区主要位于各街道的边缘地带及山谷居民区，面积为49.39 km2，占研究区总面积的21.60%.由于雨水易在山谷汇集，山谷居民区基础设施不完善，缺少适宜的避难场所，因此有中等暴雨内涝灾害风险.

低风险及次低风险区主要位于锦北街道北部、青山湖街道南部、板桥镇等广大山区，面积分别为84.13、85.72 km2，占研究区总面积的36.90%、37.60%.该区域植被覆盖度高，水土保持能力强，灾害发生概率低，且山区人口稀疏，不易造成生命财产损失，因此暴雨内涝灾害风险相对较低.

4 结论

本研究结合灾害风险理论，选取致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力等具有代表性的指标，完成临安主城区暴雨内涝灾害风险评估与制图.在指标权重设置上采用主成分分析方法，较好地弥补了传统层次分析法主观性较强的不足，并且以200 m×200 m格网为基本评价单元，提高了内涝风险评估与制图精度.

研究结果显示，临安主城区暴雨内涝次高风险及高风险区约占总面积的3.9%，主要分布在老城区的低洼地带与青山湖街道的东部新城区.建议这些区域改变传统排水体制，构建雨污分流制排水系统、内涝防治系统等，并在汛期来临前做好排水管网检修、临时排水设备抽调、群众疏导应急预案制定等工作.临安主城区约96.1%面积处于中等风险及以下，风险较低.

由于暴雨内涝灾害风险涉及自然地理环境与社会经济众多相关因子，本研究只选取了9个影响较大、具有代表性的指标来简化模拟灾害过程.诸如“居民防灾意识”等指标难以精确地实现栅格空间上的量化，因此本研究未将其纳入指标体系.在今后的相关研究中，可进一步完善指标体系并准确量化至栅格，以提高研究结果的准确性.