薛曉萍，馬俊，李鴻怡

(1.山東省氣候中心，山東濟(jì)南250031;2.哈爾濱師范大學(xué)，黑龍江哈爾濱150025)

基于GIS的鄉(xiāng)鎮(zhèn)洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃技術(shù)*
——以山東省淄博市臨淄區(qū)為例

薛曉萍1，馬俊2，李鴻怡1

(1.山東省氣候中心，山東濟(jì)南250031;2.哈爾濱師范大學(xué)，黑龍江哈爾濱150025)

基于鄉(xiāng)鎮(zhèn)氣象資料歷史序列的構(gòu)建，利用AHP決策分析法和加權(quán)綜合評(píng)價(jià)法，結(jié)合GIS空間分析技術(shù)，對(duì)山東省淄博市臨淄區(qū)洪澇風(fēng)險(xiǎn)進(jìn)行評(píng)估與區(qū)劃。結(jié)果表明，臨淄區(qū)洪澇危險(xiǎn)性主要受洪澇頻率影響，總體趨勢(shì)是東北部高于西南部;洪澇災(zāi)害暴露性風(fēng)險(xiǎn)分布區(qū)域性較強(qiáng)，西部明顯高于東部;脆弱性風(fēng)險(xiǎn)分布相對(duì)較分散，總體上北部地區(qū)脆弱性高于南部地區(qū);防災(zāi)減災(zāi)能力北部地區(qū)強(qiáng)于南部。臨淄區(qū)洪澇風(fēng)險(xiǎn)綜合指數(shù)普遍較高，高值集中在人口、經(jīng)濟(jì)密度較高的臨淄市區(qū)以及危險(xiǎn)性較高的西北地區(qū);風(fēng)險(xiǎn)指數(shù)受危險(xiǎn)性影響較大;全區(qū)中、高風(fēng)險(xiǎn)的面積占總面積的69.2%。

洪澇災(zāi)害;風(fēng)險(xiǎn);評(píng)估;區(qū)劃;臨淄區(qū);山東淄博

0 引言

洪澇災(zāi)害是發(fā)生頻率高、危害較為嚴(yán)重的一種氣象災(zāi)害。據(jù)統(tǒng)計(jì)，每年各類自然災(zāi)害所造成的損失中，洪澇災(zāi)害占40%。在全球范圍內(nèi)，每年均有不同程度的洪澇災(zāi)害發(fā)生，亞洲屬于高發(fā)的地區(qū)。近年來(lái)，洪澇災(zāi)害發(fā)生呈頻率增高、強(qiáng)度增強(qiáng)趨勢(shì)，對(duì)人類社會(huì)的影響和生態(tài)環(huán)境的破壞越來(lái)越大，造成的經(jīng)濟(jì)損失也越來(lái)越嚴(yán)重。我國(guó)地處亞歐大陸東緣，季風(fēng)氣候明顯，降水相對(duì)集中，洪澇災(zāi)害亦屬于主要的自然災(zāi)害之一。因此洪澇災(zāi)害研究成為當(dāng)前災(zāi)害學(xué)的重要課題，對(duì)于洪澇災(zāi)害的風(fēng)險(xiǎn)評(píng)估與區(qū)劃也成為了國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。

目前，對(duì)于洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估研究的報(bào)道較多，成果豐碩。對(duì)于洪澇災(zāi)害風(fēng)險(xiǎn)的評(píng)估模型亦是多種多樣［1－3］。王雪臣等基于歷史災(zāi)害數(shù)據(jù)進(jìn)行了評(píng)估［4］，而多數(shù)學(xué)者采用氣象資料與GIS空間分析相結(jié)合的方法，對(duì)洪澇災(zāi)害進(jìn)行評(píng)估與區(qū)劃。但大部分區(qū)劃空間尺度相對(duì)較大，如馬國(guó)斌［5］等開(kāi)展了全國(guó)范圍的洪澇災(zāi)害區(qū)劃，更多則是以市、縣為基本單位的省級(jí)區(qū)劃［6－8］或區(qū)域性區(qū)劃［9－12］，而以鄉(xiāng)鎮(zhèn)為單位的縣、區(qū)級(jí)災(zāi)害評(píng)估與區(qū)劃并不多見(jiàn)。造成此現(xiàn)象的主要原因是缺乏鄉(xiāng)鎮(zhèn)級(jí)長(zhǎng)期氣象觀測(cè)資料，盡管近年來(lái)氣象部門(mén)建設(shè)了大量的鄉(xiāng)鎮(zhèn)級(jí)區(qū)域自動(dòng)觀測(cè)站，但由于觀測(cè)站點(diǎn)建立相對(duì)較晚，且觀測(cè)要素不統(tǒng)一，制約了以鄉(xiāng)鎮(zhèn)為單位的氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃工作的開(kāi)展。本研究擬以山東省淄博市臨淄區(qū)洪澇災(zāi)害為例，基于鄉(xiāng)鎮(zhèn)氣象資料歷史序列的構(gòu)建，利用災(zāi)害風(fēng)險(xiǎn)分析基本原理，結(jié)合GIS空間分析技術(shù)，同時(shí)考慮當(dāng)?shù)厝丝诿芏?、耕地比例、人均GDP等統(tǒng)計(jì)數(shù)據(jù)，探索以鄉(xiāng)鎮(zhèn)為單位的氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃技術(shù)方法，以期為開(kāi)展精細(xì)化氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃、為當(dāng)?shù)卣M(jìn)行災(zāi)害防御規(guī)劃提供技術(shù)支撐。

1 資料來(lái)源

縣(市)級(jí)氣象站觀測(cè)資料，來(lái)于山東省氣象局30年整編氣象資料，資料年代為1981－2010年;鄉(xiāng)鎮(zhèn)級(jí)氣象資料，來(lái)源于山東省淄博市臨淄區(qū)氣象局，資料年代為2008－2010年;人口密度、耕地比例、人均GDP等統(tǒng)計(jì)數(shù)據(jù)，來(lái)自山東省淄博市臨淄區(qū)2009年統(tǒng)計(jì)年鑒;海拔高度則來(lái)自CGIAR-CSI提供的SRTM全球高程數(shù)據(jù)。

2 研究方法

2.1 災(zāi)害風(fēng)險(xiǎn)評(píng)估原理

洪澇災(zāi)害風(fēng)險(xiǎn)大小由洪澇災(zāi)害風(fēng)險(xiǎn)指數(shù)(FDRI)表示，其是一個(gè)綜合性指標(biāo)，由危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力四個(gè)主要因子構(gòu)成［13－14］。其表達(dá)式為:

式中:Cv為綜合風(fēng)險(xiǎn)指數(shù);Cvj是為危險(xiǎn)性、暴露性和脆弱性風(fēng)險(xiǎn)因子;Cvk是防災(zāi)減災(zāi)能力。

2.2 加權(quán)綜合評(píng)價(jià)法(WCA)

危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力為一系列因子的加權(quán)線性綜合，其計(jì)算公式為:

式中:Cvj為評(píng)價(jià)因子，具體指危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力的大小;Qvij是影響評(píng)價(jià)因子的因素;Wci是第i影響因素的權(quán)重值(0≤Wci≤1)，通過(guò)層次分析法(AHP)計(jì)算獲得;m是評(píng)價(jià)指標(biāo)個(gè)數(shù)。

2.3 層次分析法(AHP)

層次分析法［15］(Analytic Hierarchy Process，AHP)是對(duì)一些較為復(fù)雜、較為模糊問(wèn)題做出決策的簡(jiǎn)易方法，特別適用于難于完全定量分析的問(wèn)題。AHP層次結(jié)構(gòu)模型分為目標(biāo)層、準(zhǔn)則層和指標(biāo)層。本研究將目標(biāo)層定義為洪澇災(zāi)害風(fēng)險(xiǎn)指數(shù)，準(zhǔn)則層選取危險(xiǎn)性、暴露性、脆弱性及防災(zāi)減災(zāi)能力4個(gè)指標(biāo)為旱澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)因子，指標(biāo)層選用洪澇頻率、人口密度、人均GDP等指標(biāo)為子因子。

2.4 GIS空間分析法

2.4.1 氣象因子插值法－Kriging插值法

Kriging插值法是以變異函數(shù)理論和結(jié)構(gòu)分析為基礎(chǔ)，在有限區(qū)域內(nèi)對(duì)區(qū)域化變量進(jìn)行無(wú)偏差最優(yōu)估計(jì)的一種方法。通過(guò)對(duì)已知樣本點(diǎn)賦權(quán)重來(lái)求得未知樣點(diǎn)值［16］，其表達(dá)式為:

式中:Z(x0)為未知樣點(diǎn)值;Z(xi)為未知樣點(diǎn)周?chē)囊阎獦颖军c(diǎn)值;λi為第i個(gè)已知樣本點(diǎn)對(duì)未知樣點(diǎn)的權(quán)重;n為已知樣點(diǎn)的個(gè)數(shù)。

采用Kriging插值法可以由采用上述方法構(gòu)建的臨淄區(qū)各鄉(xiāng)鎮(zhèn)氣象數(shù)據(jù)歷史序列獲得整個(gè)臨淄區(qū)域內(nèi)的所有氣象因子?xùn)鸥駭?shù)據(jù)，柵格分辨率定為90 m×90 m。

2.4.2 地形因子的提取與距離制圖

地形因子的提取，是指將CGIAR-CSI提供的SRTM全球高程數(shù)據(jù)，用ARCGIS的表面分析模塊提取海拔、坡度以及坡向的獲取。并利用ARCGIS空間分析模塊獲取研究中所用到的距離矢量圖［17］。

3 結(jié)果與分析

3.1 洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系與模型構(gòu)建

由于洪澇災(zāi)害屬于突發(fā)性災(zāi)害，其原因極為復(fù)雜，涉及天氣條件、地質(zhì)地貌、植被等各種自然因素，同時(shí)也與社會(huì)經(jīng)濟(jì)以及防洪減災(zāi)能力等諸多因素有關(guān)。按照災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)的基本框架，將評(píng)價(jià)因子分為危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力。各評(píng)價(jià)因子的影響因素及其權(quán)重見(jiàn)圖1，其中影響權(quán)重由AHP法確定。

危險(xiǎn)性(H)、暴露性(E)、脆弱性(V)和防災(zāi)減災(zāi)能力(R)因子指數(shù)模型如下。

式中:X是歸一化后的各項(xiàng)指標(biāo)值;W為指標(biāo)的權(quán)重，表示各指標(biāo)對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)指數(shù)的重要性。

洪澇災(zāi)害風(fēng)險(xiǎn)綜合評(píng)價(jià)模型為:

圖1 臨淄區(qū)洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)系統(tǒng)及權(quán)重值

3.2 洪澇災(zāi)害風(fēng)險(xiǎn)影響指標(biāo)評(píng)價(jià)與分析

由于各個(gè)影響指標(biāo)之間的量級(jí)差異較大，故需要對(duì)指標(biāo)進(jìn)行歸一化處理，使各因子歸一化后的數(shù)據(jù)均落入［0，1］區(qū)間內(nèi)，以除消量綱不同的影響，歸一化表達(dá)式為:

式中:x(i，j)為第i個(gè)因子的第j項(xiàng)指標(biāo)值;x'(i，j)為去量綱后的第i個(gè)因子的第j項(xiàng)指標(biāo)值; max(x(i，j))和min(x(i，j))分別為第i個(gè)因子的最大值和最小值。

利用公式(5)～(8)分別計(jì)算各鄉(xiāng)鎮(zhèn)洪澇災(zāi)害危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力(表1)。從表中可看出，臨淄區(qū)大部分鄉(xiāng)鎮(zhèn)的危險(xiǎn)性影響指數(shù)較暴露性和脆弱性影響指數(shù)高，說(shuō)明洪澇災(zāi)害危險(xiǎn)性是影響洪澇風(fēng)險(xiǎn)的主要因子，而構(gòu)成洪澇危險(xiǎn)性的當(dāng)?shù)貜?qiáng)降水和地形地貌是影響洪澇風(fēng)險(xiǎn)的重要因素。采用相似聚類自動(dòng)分級(jí)方法，將臨淄鄉(xiāng)鎮(zhèn)級(jí)洪澇災(zāi)害的危險(xiǎn)性、暴露性、脆弱性和防災(zāi)減災(zāi)能力分為5個(gè)等級(jí)(表2)。

表1 臨淄區(qū)各鄉(xiāng)鎮(zhèn)洪澇災(zāi)害影響指標(biāo)指數(shù)值

表2 洪澇災(zāi)害影響指標(biāo)影響等級(jí)劃分標(biāo)準(zhǔn)

利用ARCGIS空間分析功能，將氣象因子、地理以及相關(guān)影響指標(biāo)信息進(jìn)行插值與提取，并將各因素進(jìn)行空間疊加，獲取各評(píng)價(jià)因子的矢量圖，結(jié)合表2的等級(jí)劃分標(biāo)準(zhǔn)，得出臨淄區(qū)洪澇災(zāi)害的危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力分布(圖2，柵格分辨率為90 m×90 m)。

圖2 臨淄區(qū)洪澇災(zāi)害危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力分布區(qū)劃圖

從圖2可以看出，臨淄區(qū)洪澇危險(xiǎn)性總體趨勢(shì)是東北部較高(圖2a)，西部地區(qū)較低。造成臨淄區(qū)洪澇災(zāi)害危險(xiǎn)性東高西低的主要影響因素是洪澇頻率，根據(jù)歷年洪澇統(tǒng)計(jì)結(jié)果，東部洪澇頻率要明顯高于西部。全區(qū)以皇城鎮(zhèn)危險(xiǎn)性最高，全鎮(zhèn)均處在最高危險(xiǎn)性中，以金山鎮(zhèn)北部地區(qū)最低;從總體上看，臨淄區(qū)大部分鄉(xiāng)鎮(zhèn)處于中低危險(xiǎn)程度，面積約為493 km2，占總面積的63%。

暴露性(圖2b)，臨淄區(qū)的敬仲鎮(zhèn)、皇城鎮(zhèn)、齊都鎮(zhèn)、齊陵街道為最低和低暴露風(fēng)險(xiǎn);鳳凰鎮(zhèn)、朱臺(tái)鎮(zhèn)、金嶺鎮(zhèn)、金山鎮(zhèn)為高暴露風(fēng)險(xiǎn);臨淄市區(qū)為最高暴露風(fēng)險(xiǎn)。臨淄區(qū)洪澇災(zāi)害暴露性風(fēng)險(xiǎn)分布區(qū)域性較強(qiáng)，西部明顯高于東部，且臨淄市區(qū)暴露性遠(yuǎn)高于其它各鎮(zhèn)，這與臨淄市區(qū)人口密度大、房屋相對(duì)集中和地均GDP遠(yuǎn)高于其余各鄉(xiāng)鎮(zhèn)有直接關(guān)系。

圖3 臨淄區(qū)洪澇綜合風(fēng)險(xiǎn)區(qū)劃圖

脆弱性(圖2c)，齊陵街道為最低度脆弱區(qū);金嶺鎮(zhèn)和臨淄中心為低脆弱區(qū);金山鎮(zhèn)、齊都鎮(zhèn)、朱臺(tái)鎮(zhèn)為中度脆弱區(qū);敬仲鎮(zhèn)、皇城鎮(zhèn)為高度脆弱區(qū);鳳凰鎮(zhèn)為最高度脆弱區(qū)。臨淄區(qū)洪澇災(zāi)害脆弱性風(fēng)險(xiǎn)分布相對(duì)較分散，低脆弱性風(fēng)險(xiǎn)的鄉(xiāng)鎮(zhèn)較多，總體上北部地區(qū)脆弱性高于南部地區(qū)。

如圖2(d)所示，臨淄區(qū)防災(zāi)減災(zāi)能力總體分布為北部地區(qū)強(qiáng)于南部地區(qū)，南部的金山鎮(zhèn)和齊陵街道防災(zāi)減災(zāi)能力最低;中部的金嶺鎮(zhèn)、臨淄中心、齊都鎮(zhèn)防災(zāi)減災(zāi)能力較低;北部的朱臺(tái)鎮(zhèn)、敬仲鎮(zhèn)、皇城鎮(zhèn)等防災(zāi)減災(zāi)能力中上;鳳凰鎮(zhèn)防災(zāi)減災(zāi)能力最高。

3.3 洪澇災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)區(qū)劃與評(píng)估

臨淄區(qū)洪澇災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)為危險(xiǎn)性、暴露性、脆弱性、防災(zāi)減災(zāi)能力的綜合值。根據(jù)公式(9)以及各因子對(duì)FDRI的影響，將區(qū)劃結(jié)果平均分為5個(gè)等級(jí)。洪澇災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)區(qū)劃見(jiàn)圖3。

如圖3所示，臨淄區(qū)洪澇綜合風(fēng)險(xiǎn)指數(shù)受危險(xiǎn)性影響較大。其總體趨勢(shì)為市區(qū)及東北部地區(qū)風(fēng)險(xiǎn)較高，西北部較低。臨淄市區(qū)遭受洪澇災(zāi)害的風(fēng)險(xiǎn)遠(yuǎn)高于其他地區(qū)，這與該區(qū)域人口經(jīng)濟(jì)密集有直接關(guān)系;西北部風(fēng)險(xiǎn)相對(duì)較小，主要與這些地區(qū)危險(xiǎn)性較小和防災(zāi)減災(zāi)能力較強(qiáng)有很大關(guān)系。從總體上看，臨淄區(qū)洪澇災(zāi)害風(fēng)險(xiǎn)普遍較高，大部分地區(qū)遭受洪澇災(zāi)害的威脅相對(duì)較大。全區(qū)中高風(fēng)險(xiǎn)區(qū)的面積占總面積的69.2%。

表3 臨淄區(qū)洪澇綜合風(fēng)險(xiǎn)指數(shù)分級(jí)情況

4 結(jié)論與討論

本研究基于鄉(xiāng)鎮(zhèn)氣象資料歷史序列的構(gòu)建，綜合考慮了降水量、地形地貌、人口密度、房屋密度、地均GDP、作物種植面積與農(nóng)村人口比例等信息，對(duì)臨淄遭受洪澇災(zāi)害風(fēng)險(xiǎn)進(jìn)行了分辨率為90 m×90 m區(qū)劃，能比較客觀地反映不同區(qū)域的洪澇災(zāi)害風(fēng)險(xiǎn)的實(shí)際。

綜合分析結(jié)果表明，臨淄中心城區(qū)的洪澇風(fēng)險(xiǎn)綜合指數(shù)最高，西北部的皇城鎮(zhèn)、敬仲鎮(zhèn)、齊都鎮(zhèn)大部分地區(qū)洪澇風(fēng)險(xiǎn)綜合指數(shù)也相對(duì)較高;朱臺(tái)鎮(zhèn)、金嶺鎮(zhèn)和鳳凰鎮(zhèn)洪澇風(fēng)險(xiǎn)綜合指數(shù)相對(duì)較低。與單獨(dú)考慮降水量單一因子所得到的結(jié)果相比(表4)，基本與洪澇頻率的空間分布保持一致。臨淄市區(qū)，強(qiáng)降水頻率高，人口密度大，且為高經(jīng)濟(jì)發(fā)達(dá)區(qū)，遭受洪澇風(fēng)險(xiǎn)綜合指數(shù)最高。

本研究結(jié)合鄉(xiāng)鎮(zhèn)氣象資料歷史序列重建技術(shù)，基于GIS技術(shù)將洪澇風(fēng)險(xiǎn)評(píng)估細(xì)化至鄉(xiāng)鎮(zhèn)，并作出了相應(yīng)的區(qū)劃，為開(kāi)展鄉(xiāng)鎮(zhèn)級(jí)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃提供了技術(shù)支持，同時(shí)為地方政府制定精細(xì)化災(zāi)害防御規(guī)劃提供了理論支撐。然而利用數(shù)學(xué)方法補(bǔ)充估計(jì)缺失氣象資料并結(jié)合GIS進(jìn)行精細(xì)化的風(fēng)險(xiǎn)區(qū)劃技術(shù)仍然處于探索階段，如何解決數(shù)學(xué)方法估計(jì)中的局限性，減少估計(jì)誤差，獲得更接近于實(shí)況的小網(wǎng)格點(diǎn)歷史氣象數(shù)據(jù)序列，相關(guān)技術(shù)仍需進(jìn)一步完善。

［1］馬宗偉，許友鵬，李嘉峻．河流形態(tài)的分維及與洪水關(guān)系的探討——以長(zhǎng)江中下游為例［J］．水科學(xué)進(jìn)展，2005，16 (4):530－534．

［2］丁志雄，李紀(jì)人，李琳．基于GIS格網(wǎng)模型的洪水淹沒(méi)分析方法［J］．水利學(xué)報(bào)，2004(6):56－60．

［3］Gerardo Benito，Michel Lang，Mariano Barriendos，et al．Use of systematic，palaeofflood and historical data for the improvement of flood risk estimation［J］．Natural Hazards，2004，31:623－643．

［4］王雪臣，冷春香，馮相昭，等．長(zhǎng)江中游地區(qū)洪澇災(zāi)害風(fēng)險(xiǎn)分析［J］．科技導(dǎo)報(bào)，2008，26(2):61－66．

［5］馬國(guó)斌，李京，蔣衛(wèi)國(guó)，等．基于氣象預(yù)測(cè)數(shù)據(jù)的中國(guó)洪澇災(zāi)害危險(xiǎn)性評(píng)估與預(yù)警研究［J］．災(zāi)害學(xué)，2011，26(3):8－12．

［6］張婧，郝立生，許曉光，等．基于GIS技術(shù)的河北省洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃與分析［J］．災(zāi)害學(xué)，2009，24(2):51－56．

［7］張游，王紹強(qiáng)，葛全勝，等．基于GIS的江西省洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估［J］．長(zhǎng)江流域資源與環(huán)境，2011，20(S1):166－172．

［8］萬(wàn)軍，周月華，王迎迎，等．基于GIS的湖北省區(qū)域洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估方法研究［J］．暴雨災(zāi)害，2007，26(4):328－333．

［9］蔣新宇，范久波，張繼權(quán)，等．基于GIS的松花江干流暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估［J］．災(zāi)害學(xué)，2009，24(3):51－56．

［10］張會(huì)，張繼權(quán)，韓俊山．基于GIS的洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃研究——以遼河中下游為例［J］．自然災(zāi)害學(xué)報(bào)，2005，14(6):141－146．

［11］田玉剛，覃東華，杜淵會(huì)．洞庭湖地區(qū)洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估［J］．災(zāi)害學(xué)，2011，26(3):56－60．

［12］于文金，閆永剛，呂海燕，等．基于GIS的太湖流域暴雨洪澇災(zāi)害風(fēng)險(xiǎn)定量化研究［J］．災(zāi)害學(xué)，2011，26(4):1－7．

［13］張繼權(quán)，李寧．主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)評(píng)價(jià)與管理的數(shù)量化方法及其應(yīng)用［M］．北京:北京師范大學(xué)出版社，2007．

［14］Jiquan Zhang，Tmohaur Hori，Hirokazu Tatno．GIS and flood inundation model-based flood risk assessment in urbanized floodplain［M］．Sun Yat-Sen University press，2003．

［15］徐建華．現(xiàn)代地理學(xué)中的數(shù)學(xué)方法［M］．北京:高等教育出版社，2006．

［16］湯國(guó)安，楊昕．ArcGIS地理信息系統(tǒng)空間分析實(shí)驗(yàn)教程［M］．北京:科學(xué)出版社，2006．

［17］吳秀芹，張洪巖，李瑞改，等．ArcGIS 9地理信息系統(tǒng)應(yīng)用與實(shí)踐［M］．北京:清華大學(xué)出版社，2007．

Risk Assessment and Dividing Technology of Flood Disasters in Villages and Towns Based on GIS——A Case Study of Linzi District in Zibo City of Shandong Province

Xue Xiaoping1，Ma Jun2and Li Hongyi1
(1.Shandong Provincial Climate Center，Jinan 250031，China;2.Harbin Normal University，Harbin 150025，China)

Based on historical sequence construction of meteorological data in villages and towns，by using AHP decision analytical method，weighting comprehensive evaluation method，and GIS spatial analysis theory and technology，flood hazard risk in Linzi district in Zibo city of Shandong Province is assessed and regionalized．Results show that the flood risk mainly depends on flooding frequency，with a trend that is higher in the northeast region than that in the southwest．The distribution of exposure risk in the west region is obviously higher than that in the east．There are no typical characteristics of vulnerability distribution．The capability of disaster prevention and reduction in the north region is higher than that in the south．The comprehensive index of flood risk is higher in Linzi，and the highest value appears in Linzi urban areas，where have a higher density of economic and population，and the northwest region with higher flood risk as well．The risk index was mainly impacted by flood risk．The area proportion with high risk index is 69.2%of the total．

flood disaster;risk;assessment;regionalization;Linzi district; Zibo city in Shandong province

X43

A

1000－811X(2012)04－0071－05

2012－05－01

2012－06－20

山東省氣象局重大攻關(guān)項(xiàng)目(2008sdqxz07)

薛曉萍(1964－)，女，山東招遠(yuǎn)人，博士，研究員，主要從事應(yīng)用氣象研究．E-mail:xxpdhy@163.com．