陕西省山洪灾害时空异质特征及驱动力研究

摘 要：山洪灾害时空异质特征研究是制定山洪灾害防治政策和措施的重要依据。为加强陕西省区域山洪灾害防治的针对性，采用标准差椭圆、重力模型等方法对山洪灾害时空分布特征进行分析，利用地理探测器定量评价陕北、关中、陕南3个区域山洪灾害驱动因子及其相互作用。结果表明：陕北山洪灾害高发期由8月提前至7月；山洪灾害高发区逐渐向陕南东南部转移；陕北、关中、陕南地区最强驱动降雨分别为暴雨、大雨、中雨，决策者应考虑不同区域间山洪灾害驱动力的差异，因地制宜制定防洪措施。

关键词：山洪灾害；时空分布；标准差椭圆；地理探测器；陕西省

中图分类号：TV122 文献标志码：A doi：10.3969/j.issn.1000-1379.2025.02.010

引用格式：张梦园，解建仓，杨雪.陕西省山洪灾害时空异质特征及驱动力研究[J].人民黄河，2025，47（2）：67-73.

基金项目：国家自然科学基金资助项目（52209035）；陕西省教育厅重点科学研究计划项目（21JT032）；西安理工大学博士科研启动项目（256082016）

Spatial？TemporalHeterogeneityandDrivingForcesofFlash FloodDisastersinShaanxiProvince

ZHANGMengyuan1，2，XIEJiancang1，2，YANGXue1，2

（1.FacultyofWaterResourcesandHydroelectricEngineering，Xi’anUniversityofTechnology，Xi’an710048，China；2.StateKeyLaboratoryofEco？HydraulicsinNorthwestAridRegion，Xi’anUniversityofTechnology，Xi’an710048，China）

Abstract：Thestudyofthespatial？temporalheterogeneitycharacteristicsofflashflooddisastersisanimportantbasisforformulatingpolicies andmeasuresforflashflooddisasterpreventionandcontrol.Inordertostrengthenthepertinenceofflashfloodpreventionandcontrolin ShaanxiProvince，thispaperusedstandarddeviationellipseandgravitymodeltoanalyzethespatialandtemporaldistributioncharacteristics offlashflooddisasters，andusedgeographicdetectorstoquantitativelyevaluatethedrivingfactorsandinteractionsofflashflooddisastersin northernShaanxi，GuanzhongandsouthernShaanxi.TheresultsshowthatthehighincidenceperiodofflashfloodsinnorthernShaanxihas beenadvancedfromAugusttoJuly.ThecenterofgravityofflashflooddisasterisgraduallymovedfromGuanzhongtosoutheasternShaanxi. ThedrivingfactorsofthestrongestrainfallinnorthernShaanxi，GuanzhongandsouthernShaanxiarerainstorm，heavyrainandmoderate rain，respectively，anddecision？makersshouldconsiderthedifferencesinthedrivingforcesofflashflooddisastersamongdifferentregions andformulatefloodcontrolmeasuresaccordingtolocalconditions.

Keywords：flashfloods；spatial？temporaldistribution；standarddeviationellipse；geographicaldetector；ShaanxiProvince

我国山洪灾害普遍分布于广大山丘区，具有明显的区域性、突发性、群发性、破坏性强、恢复难度大等特点[1]。陕西省因其特定地理位置及特殊自然环境而山洪灾害频繁发生，严重威胁人民的生命财产安全，给全省经济发展和社会稳定带来重大影响[2]。近年来，不少学者进行了陕西省或省内局部地区山洪灾害的相关研究。余金龙[3]研究表明陕西省山洪灾害最集中的地方是陕南秦巴山区，关中平原的宝鸡市山洪灾害也很严重；邹翔等[4]研究表明陕西省山洪灾害的发生及分布与暴雨有密切关系，都表现出从南向北逐渐减少的规律；刘勇等[5]指出突发性暴雨、区域性暴雨和连阴雨是诱发山洪灾害的主要因素。此外，部分学者针对山洪暴发的时空分布格局和驱动力进行探究[6-7]，熊俊楠等[8]利用标准差椭圆等方法针对四川省的历史灾害点进行时空分布规律研究，并从人类活动、降雨及地表环境三个方面对驱动因素进行探究；王英[9]分析了甘肃黄土高原区的历史灾害点变化特征，对山洪灾害风险进行等级划分；张若婧等[10]指出江西省降雨因子解释力明显强于地形因子，具有显著的空间分异；张乾柱等[11]利用地理探测器分析山洪与驱动因子间的相关性。

大量研究已经发现陕西省山洪灾害在时空分布上具有强烈的区域分异，但大多是危险性评价、风险区划等方面的研究，研究方法以定性为主，缺乏定量研究。本文通过对陕西省山洪灾害驱动因子进行定量分析，揭示不同区域山洪灾害驱动力的差异，以期为各地区山洪灾害防治工作提供科学依据。

1 研究区域概况及数据

1.1 研究区域概况

陕西省土地总面积20.56万km2，其中山丘区面积16.19万km2，占全省总面积的78.75%。陕西省属大陆性季风性气候区，南北延伸800km以上，纬度跨越大，气候差异明显。研究区历史山洪灾害点共计1297处（见图1），其具有从南向北逐渐减少的规律。山洪灾害最集中的地区是陕南秦巴山区，其次是关中地区，最少的是陕北黄土高原[12]。由于不同区域间山洪暴发次数差异显著，因此有必要对陕西省山洪灾害的分布及影响因素进行深入分析。本文把陕西省分为陕北、关中、陕南3个区域。

1.2 研究数据

本文所用数据来源如下：

1）基础地理信息数据和历史山洪灾害点矢量数据。来自陕西省山洪调查报告，主要包括各行政区划和历史山洪灾害点数据。

2.2 标准差椭圆

通过识别历史山洪灾害点的空间分布，创建标准差椭圆（SDE）来表示灾害重心的位置变化以及移动趋势[14-16]。标准差椭圆面积代表地理特征在空间分布上的集中或发散，长半轴代表数据的分布方向，短半轴代表数据的分布范围。长、短半轴的值差距越大，表示数据的方向性越强；长、短半轴的值越接近，表示方向性越弱。短半轴越短，表示数据的聚集程度越高；短半轴越长，表示数据的聚集程度越低。

2.3 重力模型

2.4 地理探测器

地理探测器是探测空间分层异质性，揭示驱动事件发生影响因素的一种统计学方法[18-19]。该模型可以计算单因子的解释力、两两因子交互后的解释力，从而判断因子之间的交互作用及交互作用的方向、强弱等[20]。地理探测器包括因子探测、风险探测、交互探测和生态探测[21]，本研究采用因子探测和交互探测分析影响山洪暴发的驱动因子。

因子探测器通过比较因子在不同类别分区上的总方差与在整个研究区域上的总方差，检测某种地理因子是否会造成山洪灾害的空间分布差异[22]。

交互探测器可以定量识别驱动因子间的交互作用，探测因子是否独立作用，或当它们共同作用时解释力是增强还是减弱[23]。

3 结果与分析

3.1 山洪灾害时间分布

以1949—2015年陕西省发生的1297次山洪灾害数据为基础，分析山洪灾害的逐年变化趋势。1949—2015年陕西省历史山洪数量随时间变化如图2所示。陕西省山洪灾害暴发次数总体随时间呈增加趋势，但各区域存在显著差异，其中陕北地区发生山洪灾害次数及增加速度明显低于关中和陕南地区的。如1983年，陕北没有山洪灾害发生，关中发生山洪灾害15次，陕南发生山洪灾害39次。

M-K突变检验结果显示（见图3），1952—1968年、1970—2015年UF值均为正值，表明在这些时间段内山洪发生频率上升，而在其余时间段山洪发生频率呈下降趋势。山洪灾害暴发的突变点在1974年，突变后山洪发生次数呈增加趋势，尤其1976年（UF值大于其显著性上限）以后山洪次数急剧增加。

图4从月尺度对突变前后各区域山洪暴发次数进行统计分析。从区域分布看，突变后各地区山洪灾害次数增加明显，其中陕北、关中、陕南分别增加了440%、471%、930%；从时间上看，各地区山洪灾害高发期的发生时间和数量均发生明显变化。

陕北地区山洪发生时间提前，6—8月山洪灾害数量显著增加。突变前6月没有山洪灾害发生，突变后6月发生灾害次数占全年发生次数的12.9%；6—8月山洪灾害次数占比由82.6%增加到91.9%。

关中地区山洪灾害高发时间延长，主要表现为9月发生次数增加，占比由7.3%增加到15.3%。山洪灾害高发期从7月突变至8月，7月占比由49.1%减少为36.3%，8月占比由23.6%增加到36.6%。

陕南地区山洪发生次数增加明显，尤其是7月平均山洪发生次数由1.1次增加到8.8次，占比由48.3%增加至58.6%。

区域之间山洪特征有显著差异，同时，发生时间变化明显，因此山洪灾害防治措施及管理模式需依据区域特色进行更新定制。

3.2 山洪灾害空间分布

运用SDE方法测量1950—2015年各年代山洪暴发的空间格局，见图5[基于自然资源部标准地图服务网站审图号为GS（2020）4619的标准地图制作，底图无修改]。椭圆面积由1980—1989年的97121.21 km2逐渐减小到2010—2015年的78677.00km2，山洪灾害的聚集程度越来越高。1980—2015年椭圆偏移角度由21.55°减小为10.02°，山洪灾害重心点的位置由关中地区的咸阳市、西安市逐渐转移到陕南地区的商洛市。

陕南地区成为山洪灾害的高发地，尤其是陕南东南部地区。陕南地区在椭圆内面积的比例由46%上升为67%，椭圆内的山洪灾害发生次数比例逐渐上升，1980—1989年椭圆内包括约42%的山洪灾害，到2010—2015年椭圆内包括山洪灾害比例上升到59%。陕北地区在椭圆内面积的比例逐渐减少，2010—2015年椭圆内只有关中和陕南地区，陕北地区不在椭圆内。

3.3 山洪灾害驱动因子分析

根据山洪灾害成因机理，从降雨、地表环境和人类活动3个方面进行驱动因子分析，其中P10、P25、P50、P100为降雨因子，高程（DEM）、坡度（SLOPE）、土壤类型和NDVI为地表环境因子，LUCC、人口密度、GDP为人类活动因子（见图6）。

为量化驱动因子及驱动因子间的交互作用对山洪暴发的影响，基于地理探测器得到各驱动因子对不同地区山洪暴发的解释力（见表2）。各因子的q值均小于0.1，表明各因子都在一定程度上揭示了山洪灾害的发生和分布情况。解释力q值小于0.01的因子解释力太弱，忽略不计。

陕北地区驱动因子对山洪暴发的解释力依次为高程、GDP、P50、人口密度、P100、P10、P25及NDVI。高程的解释力最高，主要原因是陕北位于土壤侵蚀严重的黄土高原，地形破碎，沟壑纵横，水土流失严重，黄土构成的斜坡陡峭，易失稳，造成滑坡、坍塌、泥石流等灾害[24]。可对生活在山洪灾害高风险区内的居民进行搬迁，主动避让山洪灾害，避免把房屋建在山洪易发区。

关中地区各因子解释力由大到小依次为高程、人口密度、NDVI、P25、坡度、土壤类型及P10。高程和人口密度影响较大，主要原因是山洪暴发集中在山地和平原的交界处和沿江地区，低海拔地区更容易受到洪水的影响。关中地区经济发达，吸引了大量人口，随着城市扩张和荒地开垦，土地的下垫面条件改变，雨水汇流时间缩短，更容易引发山洪。因此，关中地区应当对山洪侵扰区调整经济发展目标，合理规划利用土地，结合工程措施综合治理。

陕南地区各因子解释力由大到小依次为人口密度、P10、P25、高程、NDVI、GDP及LUCC。陕南地区受人口密度和中雨、大雨影响显著，原因是该地区发生降水的频率高，降水持续时间长[25]，山脉引发的地形降雨使降水事件更加频繁[26]；陕南部分地区矿产资源丰富，不合理的矿山开采造成山体不稳，弃土弃渣随意堆放，易引发山洪灾害。陕南地区要规范山洪区建设，避免因大量开采矿产而造成地质灾害隐患，对人口集中的重要城镇、村组等做好防灾知识的普及，强化躲灾、避灾意识。

各降雨因子对山洪灾害解释力具有明显区域差异，陕北地区暴雨的解释力最高，其次为大暴雨；关中地区大雨的解释力最高，暴雨和大暴雨解释力很弱，几乎没有影响；中雨和大雨在陕南地区的解释力远远高于其他两个地区。因此，各地区应当根据不同强度降雨的预报采取相应的山洪防治措施。

基于交互探测器探测驱动因子的交互作用对不同地区山洪暴发的解释能力，得到陕西省多因子驱动力交互探测热力图，见图7。

与单因子的解释力相比，各驱动因子两两交互表现出更强的解释力，例如陕北地区高程因子的解释力为0.076，叠加了人口密度、GDP之后解释力分别提升至0.186、0.134。纵观所有因子，人口密度因子与其余任意因子的交互作用均可显著提升山洪灾害发生的解释力，尤其是陕南地区。这可能与人类活动破坏自然的自我调节能力有关，进而导致山洪灾害发生风险增加，因此须特别关注人类活动对山洪灾害的影响。

4 结论

本文利用重力模型与标准差椭圆等方法分析了陕西省1949—2015年1297次山洪灾害时空异质特征，并通过地理探测器进行了驱动因子分析，结论如下：

1）陕北、关中和陕南地区山洪灾害的年内变化呈现不同趋势及特征。陕北地区山洪灾害高发期由8月提前至7月，关中地区山洪灾害高发时间延长，陕南地区7月山洪灾害数量大幅度增长。

2）山洪灾害呈现南多北少的空间特征，南北灾害次数差异越来越大，山洪暴发高发区从关中地区逐渐向陕南东南部移动。

3）陕北、关中和陕南地区山洪暴发的主要驱动力存在差异。陕北、关中、陕南地区最强驱动降雨分别为暴雨、大雨、中雨。

参考文献：

[1] 赵健，范北林.全国山洪灾害时空分布特点研究[J].中国水利，2006（13）：45-47.

[2] 陈文军.陕西省山洪灾害防治实践与对策[J].中国防汛抗旱，2011，21（2）：18-21.

[3] 余金龙.陕西省山洪灾害成因与区域特征浅析[J].陕西水利，2009（3）：107-109.

[4] 邹翔，任洪玉.陕西省山洪灾害成因与分布规律研究[J].长江科学院院报，2008，25（3）：50-52，81.

[5] 刘勇，王川，侯明全.降雨对陕西山洪灾害的触发作用[J].陕西气象，2005（1）：1-4.

[6] PAPAGIANNAKIK，LAGOUVARDOSK，KOTRONIV，etal. FlashFloodOccurrenceandRelationtotheRainfallHazardin aHighlyUrbanizedArea[J].NaturalHazardsandEarthSystem SciencesDiscussions，2015，3（5）：3119-3149.

[7] 熊俊楠，龚颖，程维明，等.西藏自治区近30年山洪灾害时空分布特征[J].山地学报，2018，36（4）：557-570.

[8] 熊俊楠，赵云亮，程维明，等.四川省山洪灾害时空分布规律及其影响因素研究[J].地球信息科学学报，2018，20（10）：1443-1456.

[9] 王英.甘肃黄土高原区山洪灾害时空分布特征研究[J].甘肃水利水电技术，2018，54（9）：23-27.

[10] 张若婧，陈跃红，张晓祥，等.基于参数最优地理探测器的江西省山洪灾害时空格局与驱动力研究[J].地理与地理信息科学，2021，37（4）：72-80.

[11] 张乾柱，卢阳，严同金，等.重庆市山洪灾害时空演变特征及影响因素分析[J].长江科学院院报，2023，40（7）：80-87，117.

[12] 李永红.基于ArcGIS的陕西山洪灾害易发程度区划[J].灾害学，2008，23（1）：37-42.

[13] PENGY，SONGJY，CUITT，etal.Temporal？SpatialVari？ abilityofAtmosphericandHydrologicalNaturalDisasters DuringRecent500YearsinInnerMongolia，China[J].Nat？ uralHazards，2017，89（1）：441-456.

[14] 张绍云，周忠发，熊康宁，等.贵州洞穴空间格局及影响因素分析[J].地理学报，2016，71（11）：1998-2009.

[15] 朱林富，谢世友，杨华，等.基于MODISEVI的重庆植被覆盖变化的地形效应[J].自然资源学报，2017，32（12）：2023-2033.

[16] 韩会然，杨成凤，宋金平.北京批发企业空间格局演化与区位选择因素[J].地理学报，2018，73（2）：219-231.

[17] 樊杰，陶岸君，吕晨.中国经济与人口重心的耦合态势及其对区域发展的影响[J].地理科学进展，2010，29（1）： 87-95.

[18] 赵小风，刘梦丽，王柏源.基于地理探测器的城市建设用地规模时空差异及影响因素分析[J].中国土地科学，2018，32（5）：29-35.

[19] CAOFeng，GEYong，WANGJinfeng.OptimalDiscretization forGeographicalDetectors？BasedRiskAssessment[J].GI？ ScienceRemoteSensing，2013，50（1）：78-92.

[20] 王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（1）：116-134.

[21] 周亮，周成虎，杨帆，等.2000—2011年中国PM（2.5）时空演化特征及驱动因素解析[J].地理学报，2017，72（11）：2079-2092.

[22] 余万洋，陈怡帆，万发永，等.1980—2020年贵州省草地空间分布格局演变及驱动力分析[J].草业学报，2024，33（1）：1-18.

[23] 黄勇馨.陕西省山洪灾害驱动因子分析及风险评价研究[D].西安：西安理工大学，2021：54-60.

[24] 钟莉娜，王军，赵文武.多流域降雨和土地利用格局对土壤侵蚀影响的比较分析：以陕北黄土丘陵沟壑区为例[J].地理学报，2017，72（3）：432-443.

[25] 李斌.陕西省降雨和径流变化特征及旱涝事件应对研究[D].西安：西安理工大学，2018：14-20.

[26] 熊俊楠，李进，朱吉龙，等.重庆市山洪灾害时空格局及影响因素研究[J].地球信息科学学报，2019，21（10）：1550-1564.

【责任编辑 许立新】