基于样条插值法与GIS的江苏省暴雨洪涝风险评估

摘要：暴雨洪涝灾害更是种十分常见的自然灾害，所以对其风险评估刻不容缓。该文利用到江苏1957-2007年的降水资料，将整个评估流程划分为四个部分，致灾因子危险性、孕灾环境敏感性、承灾体易损性和抗灾因子安全性，其中自然灾害中导致灾害直接发生的因素即是致灾因子，因此对致灾因子的正确评估对整个评估起着举足轻重的作用。其中选取样条插值法中的张力样条函数来处理致灾因子部分，能形成一个比较光滑的曲线，比较真实的符合降雨情况，然后结合灾害评估方法、层次分析法、ArcGIS空间处理方法、加权综合评价法，以县为单位，公里为栅格进行评估。结果表明江苏省的自然风险呈从南至北逐渐增加，风险较高地区主要集中在苏北例如宿迁、徐州、淮安等城市一带，其结果与历年灾情相符合。

关键词：暴雨洪涝；ArcGIS；江苏省；风险评估；样条插值法；

中图分类号： TU996 文献标识码： A 文章编号：1009-3044（2014）22-5380-05

1 概述

暴雨评估标准是指空中降落到地面的水量每日达到和超过50mm的降雨量。2003年 6月12日入梅后，江苏境内主要发生4次降雨过程，12个暴雨日，且降雨强度大、范围广。全省累计平面降雨量为403毫米，均超过历史最高水位，造成了不可估量是损失，故广大学者认为进行暴雨洪涝评估刻不容缓，具有重要意义[1-2]。

目前研究风险评估的方法很多，近些年研究方法有：何[3]基于 GIS 的新疆降水空间插值方法析。袁湘玲[4]利用层次分析法对黑龙江省的雷电灾害进行了风险区划，形成了黑龙江省雷电灾害区划，其区划的最小单元是市。其中大多数致灾因子都是基于几十年的降雨量对或者降雨频次对区域进行风险评估，但是由于时间跨度太长，影响的因素以及可变因素太多，再加上利用克里金插值法[5-6]进行处理造成一定的误差。

所以本文利用1957-2007年期间的日降雨量，选取2003年6月12日至2003年7月21日一次特大洪涝作为研究内容。在致灾因子数据处理方面借助ArcGIS9.3中的样条函数插值中的张力样条空间插值法，将总降雨量、日均降雨量、每日最大降雨量的点量数据插值转化为栅格数据再结合灾害评估方法、层次分析法、ArcGIS空间处理方法、加权综合评价法，以县为单位，公里为栅格进行评估。基于该方法进行研究有助于江苏省开展防灾减灾的工作，从而降低由洪涝带来的损失。

2 数据研究方法

2.1 层次分析法

层次分析法是将与决策总是有关的 元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标（CI）、随机一致性指标（RI）和一致性比率（CR）做一致性检验。若CR

2.2 数据规范化方法

2.3 加权综合评价法

3 暴雨洪涝风险评估

3.1 暴雨洪涝风险评估模型建立

3.2 致灾因子危险性评估

3.3 承灾因子易损性评估

3.4 孕灾因子敏感性评估

江苏地处江淮平原，地形以平原为主，江苏省的平原面积7万平方公里，占全省面积的70%以上，主要有苏南平原、苏中江淮平原、苏北黄淮平原组成。江苏地形地势低平，河湖较多，平原、水面所占比例较大，成为江苏一大地理特点。该文选取两个考虑因子作为敏感性评估，一个是坡度图（C7） ，另一个是河流分布图（C8） 。步骤1.在ArcGIS9.3的环境中提取坡度并按自然等级重分类。河流按缓冲的距离来形成缓冲区，离河流越近的地方危险系数越高给予赋值。其中坡度分级1°-7°每隔0.6分别赋予1到10，河网缓冲1km、2km、3km、4km、5km，分别赋予1到5。步骤2.利用层次分析法得到C7、C8的权重分别为0.667、0.333。步骤3.利用加权综合评价法得到孕灾因子敏感性评估图。从图3可以看出孕灾因子敏感性等级比较高的地区是江苏的北部，因为首先整个江苏地势平坦，东北部靠海而且河网十分密集尤其是盐城、连云港一带，其次是宿迁、徐州一带。敏感性等级比较低的是江苏的南部，因为南部河网的分布不是特别密集，敏感性等级由北至南逐次减少。

3.5 抗灾因子安全性评估

抗灾因子安全性评估主要选取以下的指标：财政收入（C9） 、园林绿化面积（C10） 、市政投资（C11） 这三者。三者的综合情况反映了一个地区的面对灾害的抗灾能力，以及当地政府面对灾害抗灾救灾的灵活程度。

步骤1.利用最大最小规范法去除上述三个变量的纲量。步骤2.利用层次分析法确定C9、C10、C11三者的权重分别为：0.2385、0.1365、0.6250。步骤3.最后利用加权综合评价法并利用ArcGIS中的自然间断分级得到江苏省地区的抗灾因子安全性评估图。从图4可看出，等级分1到5级，级数越高代表越安全，江苏省的抗灾能力比较强的地区集中在苏南，主要是因为苏南经济比较发达尤其是苏州、无锡、常州、南京，而且政府在抗灾方面的措施做的比较完善，苏中地区扬州、泰州、南通经济实力稍微弱于苏南地区

故此抗灾能力稍微减弱，由上图可看出抗灾能力由南至北逐渐减弱。

3.6 暴雨洪涝灾害风险评估

暴雨洪涝灾害风险评估是基于致灾因子危险性、承灾因子易损性、孕灾因子敏感性、以及抗灾因子安全性四者的一个综合评估，主要利用下述公式：

[FDRI =（WH*VH）（ WE*VE） （WS*VS）[WR*（10-VR）] （11）]式中FDRI代表综合评估值，WH 、WE 、WS 、WR 分别代表上述四者的权重由表2可知，分别为0.4092、0.1451、0.3345、0.1112，VH、VE、VS、VR代表其规范化后加权叠加的值，权重见表1。由此可得最终的暴雨洪涝灾害最后的风险评估图。由图5可知，最后将暴雨洪涝风险灾害评估图进行划分，受灾情况严重的地区是南京与苏北一带，尤其是宿迁、淮安、扬州、泰州、南京、连云港、盐城、镇江等地为重，其主要原因是因为这些地区地处洪泽湖及淮河下游地区以及长江下游地区，发生暴雨洪涝风险比较高。将上述情况与本次洪涝灾害相比对，发现情况较为吻合，表明此方法能够较为准确的反应出整个江苏省的暴雨洪涝风险评估状态。

4 结论与讨论

本文通过致灾因子危险性、孕灾环境敏感性、承灾体易损性及抗灾因子安全性4个评价因子，对江苏省暴雨洪涝灾害的风险进行评估与区划做了初步规划。根据分析结果可以得出以下结论：

1） 江苏省暴雨洪涝风险区域差别较大，这主要是由于省内的地形地状、气候河流、财力物力、人口密度以及农业耕地面积比重等特点决定的。2） 从致灾因子来看，暴雨强度最大的地区在宿迁市、盐城市、淮安市、扬州市、南京市这些下河地区和沿江大部分地区以及滁河、秦淮河附近的地区，东南地区相对减缓。3） 从承灾因子来看，其中易损区主要集中在江苏南部，尤其是苏州、南京、常州、无锡、镇江一带，越往北易损性越低。4） 从孕灾因子来看，风险较高的主要集中在盐城、连云港一带，其次是宿迁、徐州一带。5） 从抗灾因子来看，抗灾能力较低的地区主要是在苏北地区，徐州、宿迁、连云港、盐城一带。将上述4个评价因子按公式（11） 能到到最终的风险评估图。

参考文献：

[1] Shi P J，Juan D U，Meng-xin J I，et al.Urban Risk Assessment Research of Major Natural Disasters in China[J].Advances in Earth Science，2006，21（2）：170-176.

[2] Zhang Hui，Zhang Jiquan，Han Junshan.GIS- based assessm ent and zoning of flood /waterlogging disaster risk：a case study on middle and lower reaches of Liaohe River[J].Journal of Natural Disasters，2006，14（6）：141-146.

[3] He Yan，Fu Deping，Zhao Zhimin， et al.Analysis of spatial interpolation methods to precipitation based on GIS in Xinjiang[J].Research of Soil and Water Conservai-on.2008，15（6）：35-37.

[4] Yuan Xiangling，Ji Hua，Cheng Lin.Risk zoning of regional lightning disaster in Heilongjiang Province based on analytic hierarchy process （AHP） model[J]. Torrential Rain and Disasters.2010，29（3）：279-283.

[5] Lin Zhonghui，Mo Xingguo，Lin Hongxuan，et al，Compa-rison of three spatial interpolation methods for climate variables in China[J].Geographical Journal，2002，57（1）：47-56.

[6] Cai Fu，Yu Guirui，Zhu Qinglin，et al，Comparison of precisions between spatial methods of climatic factors：a case study on mean air temperature[J].Resources Science，2005，27（5）：171-179.