关岭县暴雨灾害风险评估、区划及实例分析

摘 要：暴雨是贵州地区主要的气象灾害之一，其严重影响着社会经济发展和人类生命财产安全。基于此，以关岭县暴雨灾害为研究对象，对其进行暴雨灾害风险评估与区划，为暴雨灾害风险评估与区划研究工作贡献力量。

关键词：暴雨灾害；风险评估；风险区划

中图分类号：P426.616 文献标志码：B 文章编号：2095–3305（2024）08–0-03

气象上将24 h降水量＞50 mm的强降水称为暴雨。暴雨是贵州地区主要的气象灾害之一，其引发的城市内涝、山洪、泥石流、滑坡等次生灾害严重影响着社会经济发展和人类生命财产安全。基于此，对贵州省安顺市关岭布依族苗族自治县（以下简称关岭县）暴雨灾害进行风险评估与区划，为暴雨灾害风险评估与区划研究工作提供参考。

1 致灾因子的选取

选择暴雨持续天数、过程累计降水量、最大日降水量、最大小时降水量4个致灾因子指标表达单站暴雨过程强度[1-2]。对于缺少小时降水资料的年份，则选择暴雨持续天数、过程累计降水量、最大日降水量3个指标。

2 致灾危险性评估技术方法

2.1 暴雨过程强度指数及分级

（1）暴雨过程强度计算。根据识别出的致灾因子，对各评价指标进行归一化处理，采用信息熵赋权法确定权重，加权求和得到暴雨过程强度指数。

（2）暴雨过程强度分级。将暴雨过程强度指数用百分位数表示，划分为一般、中、偏强、极强4个等级[3]。

2.2 雨涝指数

累加当年逐场暴雨过程强度指数得到年雨涝指数，并基于年雨涝指数建立一个1991—2020年的样本序列，用于风险评估与分区。

2.3 致灾因子危险性评估

致灾危险性评估主要考虑暴雨事件和孕灾环境，由年雨涝指数和暴雨孕灾环境影响两个部分组成。

2.3.1 孕灾环境影响系数

暴雨孕灾环境是指在暴雨影响下，对形成洪涝、泥石流、滑坡、城市内涝等次生灾害起作用的自然环境[4]。暴雨孕灾环境对暴雨成灾危险性起到扩大或缩小的作用。主要考虑地形、河网水系、地质灾害易发条件。

（1）地形因子影响系数。根据贵州省实际，参照标准对高程标准差值及海拔进行调整，确定2个指标的等级划分，并结合等级结果进行赋值，如表1所示。

（2）水系因子影响系数。

①水网密度法。水网密度指流域内干支流总河长与流域面积的比值或单位面积内自然与人工河道的总长度，水网密度反映了一定区域范围内河流的密集程度。根据贵州省实际，运用水系数据，采用水网密度法进行计算并赋值，如表2所示。

②水体距离法。结合贵州实际，根据距离水体（河流、湖泊、水库）的远近对影响系数进行取值，如表3所示。

③水系因子影响系数。利用等权重的方式，根据下式计算水系因子影响系数。

pr=0.5×pr1+0.5×pr2

其中，pr为水系因子影响系数，pr1为水网密度系数，pr2为水体距离系数。

（3）地质灾害易发条件系数。根据贵州省地质灾害易发程度实际，对地质灾害易发条件系数进行赋值，得到的结果如4所示。

（4）暴雨孕灾环境影响系数。将上述3个影响因子，按照信息熵赋权法进行权重的计算，根据公式进行暴雨孕灾环境综合指数及暴雨孕灾环境影响系数的计算。

2.3.2 致灾危险性计算

基于多年平均年雨涝指数和暴雨孕灾环境影响系数，构建暴雨致灾危险性指数。

暴雨致灾危险性指数=（1+暴雨孕灾环境影响系数）×年雨涝指数

2.4 致灾因子危险性分区

基于暴雨致灾危险性指数，根据自然断点法，将暴雨致灾危险性划分为高危险性（Ⅰ）、较高危险性（Ⅱ）、较低危险性（Ⅲ）、低危险性（Ⅳ）4个等级，按照行政区域绘制暴雨危险性区划空间分布图。

3 风险评估技术方法

致灾因子的危险性不仅反映了暴雨可能产生的危害，而且在一定限度上表现了当地的承灾体特征。

3.1 主要承灾体暴露度

选取人口、经济、农业等承灾体进行暴露度分析，选择指标如下：

（1）人口暴露度（人口数量）；

（2）经济暴露度（GDP）；

（3）农业暴露度（玉米、水稻农作物种植面积）。

为了消除各指标的量纲差异，对人口暴露度、经济暴露度、农业暴露度指标进行归一化处理。

3.2 主要承灾体脆弱性

选取人口、经济、农业或其他特定承灾体进行脆弱性分析，选择指标如下：

（1）人口脆弱性：因暴雨灾害造成的死亡人口和受灾人口占区域总人口比例；

（2）经济脆弱性：因暴雨灾害造成的直接经济损失占GDP的比例；

（3）农业脆弱性：农作物（玉米、水稻）成灾面积占种植面积的比例。

为了消除各指标的量纲差异，对人口脆弱性、经济脆弱性、农业脆弱性指标进行归一化处理。

3.3 暴雨灾害风险评估

根据暴雨灾害风险形成原理及评价指标体系，分别将致灾危险性、承灾体暴露度和承灾体脆弱性各指标进行归一化，再加权综合，建立风险评估模型。根据风险评估模型，分别对不同承灾体进行风险评估[5-7]。

3.4 暴雨灾害风险分区

依据不同承灾体风险评估结果，结合行政单元进行空间划分，采用自然断点法，将暴雨灾害风险性划分为高危险性（Ⅰ）、较高危险性（Ⅱ）、中危险性（Ⅲ）、较低危险性（Ⅳ）、低危险性（Ⅴ）5个等级。

4 致灾危险性的评估与区划

按照自然断点法，将暴雨致灾危险性指数按照关岭县行政区域划分为高危险性、较高危险性、较低危险性、低危险性4个等级，绘制得到空间分布图。

从关岭布依族苗族自治县暴雨致灾危险性区划图看（图1），总体呈西北部高、东南部低的分布趋势。危险性等级面积占比最多的是较低等级（38.9%），最少的是高等级（12.6%）。岗乌镇、沙营乡、永宁镇、顶云乡、坡贡镇、关索镇局部地区为较高、高危险性等级；其余大部分地区为低、较低危险性等级。

5 风险评估与区划

5.1 GDP风险评估

从关岭县暴雨灾害GDP风险区划图看（图2），大部分地区主要处于低、较低风险性等级，较高、高风险性等级主要分布在县级和乡级行政中心驻地周围地区。龙潭街道、顶云街道等县级行政中心和永宁镇、白水镇、花江镇等乡级行政中心附近为较高、高风险性等级；其余大部分地区为低、较低风险性等级。

5.2 人口风险评估

从关岭县暴雨灾害人口风险区划图看（图3），大部分地区主要处于低、较低风险性等级，较高、高风险性等级主要分布在县级和乡级行政中心驻地周围。关索街道、龙潭街道、顶云街道、百合街道等县级行政中心和永宁镇、花江镇、沙营镇、岗乌镇、坡贡镇等乡级行政中心附近为较高、高风险性等级；其余大部分地区为低、较低风险性等级。

6 结论

关岭县暴雨危险性等级总体呈西北部高、东南部低的分布趋势。岗乌镇、沙营乡、永宁镇、顶云乡、坡贡镇、关索镇局部地区为较高、高危险性等级；其余大部分地区为低、较低危险性等级。

危险性等级面积占比最多的是较低等级（38.9%），

最少的是高等级（12.6%）。暴雨灾害GDP风险在大部分地区主要处于低、较低风险性等级，中、高的风险性等级分布较少；人口风险在大部分地区主要处于低、中风险性等级，较高、高的风险性等级分布较少，距离县级乡级行政中心驻地越近，人口风险性越高，反之则人口风险越低。

参考文献

[1] 陈耀飞，陈燕丽，谢映，等.环江县暴雨灾害风险评估与区划分析[J].农业灾害研究，2023，13（8）：233-236，273.

[2] 刘彩红，李万志，余迪，等.青海省暴雨诱发洪水灾害风险区划和影响评估[J].中国科技成果， 2021（15）：2.

[3] 郭航，阚本，柴世秀.大通县暴雨灾害风险评价及区划[J].青海草业，2023，32（1）：38-43.

[4] 潘昱杉，李谢辉.四川省暴雨洪涝灾害风险评估[J].成都信息工程大学学报，2022，37（2）：186-193.

[5] 宋怡轩，郭洁，何永青，等.基于GIS的渠江流域暴雨洪涝灾害风险评估与区划[J].高原山地气象研究，2023，43（2）：67 -71.

[6] 傅永超，朱宇蓉，马俊卿.基于GIS的海北州祁连县暴雨灾害风险评估[J].农业灾害研究，2022，12（10）：49-51.

[7] 钟东良，曾钦文，贺发胜，等.龙川暴雨灾害风险评估及避灾行为分析[J].广东气象，2021，43（6）：46-49.