戴雨菡++黃路婷++李思雨++陳欣

摘要 為增強(qiáng)百色市農(nóng)業(yè)洪澇災(zāi)害的應(yīng)對(duì)能力，通過運(yùn)用百色市的氣象數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)和災(zāi)情數(shù)據(jù)，構(gòu)建模型中的4個(gè)指標(biāo)因子，即致險(xiǎn)因子危險(xiǎn)度、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損度和防災(zāi)減災(zāi)能力，根據(jù)層次分析法確定的各因子權(quán)重，構(gòu)建百色市農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)度評(píng)估模型，利用GIS繪制百色農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖。百色市范圍內(nèi)發(fā)生農(nóng)業(yè)洪澇災(zāi)害風(fēng)險(xiǎn)最高為凌云縣，其次為河谷一帶。得出的等級(jí)區(qū)劃結(jié)果與近年百色市暴雨洪澇災(zāi)害發(fā)生的區(qū)域基本一致，較為準(zhǔn)確地反映了百色市農(nóng)業(yè)洪澇災(zāi)害的潛在風(fēng)險(xiǎn)現(xiàn)狀。

關(guān)鍵詞 暴雨；洪澇；農(nóng)業(yè)；風(fēng)險(xiǎn)評(píng)估；GIS；廣西百色

中圖分類號(hào) S42 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2017）23-0173-04

Abstract To improve the coping capacity of agricultural flood disaster in Baise City，by using the meteorological data，physical geographic data，socio-economic data and disaster data of Baise City，four indexes of the model were constituted，including susceptibility，disaster-hitting environment sensitivity，disaster-bearing object vulnerability and disaster prevention and reduction capability.Using the AHP method，the weights of every index were determined，agricultural flood risk evaluation model was conducted. With GIS technology，the agricultural flood and rainstorm disaster risk was zoned. Results showed that Lingyun County had the highest risk of agricultural flood and rainstorm disaster，and followed by the river valley area. The zoning result was basically consistent with spatial distribution of flood disaster losses，and accurately revealed the distribution of potential risk of the agricultural flood and rainstorm disaster risk in Baise City.

Key words rainstorm；flood；agriculture；risk assessment；GIS；Baise Guangxi

百色市位于廣西西部，地處東經(jīng)104°28′～107°54′，北緯22°51′～25°07′。北與貴州接壤，西與云南毗連，東與南寧相連，南與越南交界，是滇、黔、桂三省區(qū)結(jié)合部。百色市屬亞熱帶季風(fēng)氣候區(qū)，長(zhǎng)夏短冬，降水時(shí)空分布不均，冬半年易旱，夏半年易澇，暴雨、干旱等災(zāi)害性天氣頻發(fā)，對(duì)百色市農(nóng)業(yè)生產(chǎn)造成極大的危害。在農(nóng)業(yè)風(fēng)險(xiǎn)評(píng)估與區(qū)劃方面，大量學(xué)者開展了相關(guān)研究[1-20]，于 飛等[1]用灰色關(guān)聯(lián)分析建立了貴州省綜合農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型并用GIS繪出貴州農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖；莫建飛等[8]運(yùn)用層次分析法和加權(quán)綜合法構(gòu)建暴雨風(fēng)險(xiǎn)評(píng)價(jià)模型并用歷史暴雨洪澇災(zāi)情對(duì)比驗(yàn)證了廣西農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)結(jié)果。但目前的風(fēng)險(xiǎn)評(píng)估大多在省域尺度上進(jìn)行，對(duì)市級(jí)的災(zāi)害風(fēng)險(xiǎn)評(píng)估仍較少。因此，本文旨在建立一套基于百色市氣候狀況、農(nóng)業(yè)經(jīng)濟(jì)狀況的暴雨洪澇評(píng)價(jià)模型，能對(duì)百色市農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)情況進(jìn)行區(qū)劃和評(píng)估，對(duì)百色市農(nóng)業(yè)結(jié)構(gòu)調(diào)整、引導(dǎo)農(nóng)業(yè)趨利避害、減輕農(nóng)業(yè)經(jīng)濟(jì)損失、完善防災(zāi)減災(zāi)工程、降低抗災(zāi)救災(zāi)成本等具有重要意義，為農(nóng)業(yè)發(fā)展決策、提高農(nóng)業(yè)綜合生產(chǎn)能力提供支撐。

1 資料與方法

1.1 資料來源

氣象資料采用由百色市氣象局提供的全市12個(gè)氣象站1961—2010年的逐日降雨量數(shù)據(jù)；災(zāi)情資料為民政局提供的1983—2010年全市各縣（區(qū)）暴雨洪澇農(nóng)業(yè)經(jīng)濟(jì)損失數(shù)據(jù)；社會(huì)經(jīng)濟(jì)資料由廣西壯族自治區(qū)氣象減災(zāi)研究所提供；基礎(chǔ)地理信息資料包括百色的行政區(qū)劃圖、水系分布圖、高程數(shù)據(jù)等由廣西氣象信息中心提供。

1.2 分析方法

在構(gòu)建模型的時(shí)候需要確定出各個(gè)指標(biāo)因子的權(quán)重，本文因子的權(quán)重確定的方法采用層次分析法。層次分析法是一種定性與定量相結(jié)合的評(píng)價(jià)方法，主要是構(gòu)造各因子的遞階層次結(jié)構(gòu)，對(duì)因子兩兩比較重要性，再利用歸一法逐層分析，確定各層因子的權(quán)重。本文結(jié)合百色市暴雨災(zāi)害的時(shí)空分布特點(diǎn)，將指標(biāo)逐一分解成3個(gè)層次，分別是目標(biāo)層、準(zhǔn)則層和評(píng)價(jià)層，并按照上一層要素為準(zhǔn)則，對(duì)該層進(jìn)行兩兩判斷比較，并計(jì)算出各個(gè)要素的權(quán)重值，最終得出綜合權(quán)重值。

2 百色農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估

2.1 風(fēng)險(xiǎn)指標(biāo)和權(quán)重的構(gòu)建

根據(jù)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估理論及前人的研究[8]，暴雨洪澇災(zāi)害的發(fā)生離不開致災(zāi)因子、孕災(zāi)環(huán)境因子、承災(zāi)體因子和防災(zāi)力因子的共同作用，莫建飛等[8]把誘發(fā)暴雨洪澇災(zāi)害的因素作為致災(zāi)因子、形成洪澇災(zāi)害的環(huán)境作為孕災(zāi)環(huán)境因子、洪澇發(fā)生區(qū)內(nèi)的人類的活動(dòng)情況及社會(huì)財(cái)產(chǎn)作為承災(zāi)體因子、人們采取回避適應(yīng)或防御洪澇的對(duì)策措施作為防災(zāi)減災(zāi)能力因子。endprint

本文結(jié)合百色市洪澇災(zāi)害發(fā)生的時(shí)空分布特點(diǎn)，造成洪澇災(zāi)害的致險(xiǎn)因子主要考慮暴雨日數(shù)、過程雨量和日最大降雨量，孕災(zāi)環(huán)境因子主要考慮地形和水系，承災(zāi)體主要考慮各縣人口密度、GDP密度及農(nóng)業(yè)經(jīng)濟(jì)損失，防災(zāi)減災(zāi)能力主要考慮各縣人均GDP和防洪除澇面積。用層次分析法確定各層因子的權(quán)重如表1所示。

2.2 暴雨致險(xiǎn)因子危險(xiǎn)度模型

百色市暴雨災(zāi)害，特別是前汛期暴雨災(zāi)害，是給百色市帶來損失最大的自然災(zāi)害，氣象地質(zhì)災(zāi)害幾乎都是由暴雨導(dǎo)致的，其中有以凌云為中心的最大災(zāi)害高發(fā)區(qū)和南部山區(qū)次大災(zāi)害高發(fā)區(qū)。因此，選取暴雨日數(shù)、暴雨過程的總降水量以及暴雨過程中日最大降水量這3個(gè)指標(biāo)作為致險(xiǎn)因子危險(xiǎn)度評(píng)估因子，建立了全市各縣歷年暴雨日數(shù)、暴雨過程降雨量、日最大降雨量序列，并對(duì)以上因子進(jìn)行歸一化處理，采取層次分析法結(jié)果，構(gòu)建農(nóng)業(yè)暴雨險(xiǎn)因子危險(xiǎn)度模型：

暴雨危險(xiǎn)度（D）=0.2×a1+0.6×a2+0.2×a3（1）

式（1）中，a1為暴雨日數(shù)歸一化值，a2為暴雨過程降水量歸一化值，a3為日最大降水量歸一化值。從百色市暴雨致險(xiǎn)因子危險(xiǎn)度模型（圖1）可以看出，百色市凌云縣是廣西三大暴雨中心之一，因而致險(xiǎn)因子風(fēng)險(xiǎn)度最高；而靖西縣的致險(xiǎn)因子風(fēng)險(xiǎn)度次之；右江河谷及隆林、西林一帶是也是廣西的少雨區(qū)之一，因而致險(xiǎn)因子風(fēng)險(xiǎn)度也最小。

2.3 暴雨孕災(zāi)環(huán)境敏感性模型

因?yàn)樵袨?zāi)環(huán)境的敏感性是從暴雨洪澇災(zāi)害形成的背景與機(jī)理分析，故地形、水系等環(huán)境因子對(duì)暴雨洪澇災(zāi)害形成有著密不可分的影響和作用，地勢(shì)越低洼及越平坦地區(qū)不利于排洪，就越容易積水形成澇災(zāi)，因而對(duì)地勢(shì)低的農(nóng)田造成洪澇災(zāi)害的風(fēng)險(xiǎn)就比較大。河網(wǎng)越密集，靠近河流、湖泊和水庫的農(nóng)田也更容易因河水上漲等原因而發(fā)生較大風(fēng)險(xiǎn)的洪澇災(zāi)害。

地形因子與地勢(shì)和地形起伏變化有關(guān)。因此，根據(jù)地形高程的大小和每一級(jí)地勢(shì)的高程標(biāo)準(zhǔn)差大小進(jìn)行分級(jí)（表2）。海拔越低、地形標(biāo)準(zhǔn)差越小，脆弱性就越大，洪澇災(zāi)害風(fēng)險(xiǎn)性也就越大，更容易形成洪澇災(zāi)害。

水系因子應(yīng)包含河網(wǎng)密度和水體距離的遠(yuǎn)近等因素。本文水系脆弱度的評(píng)價(jià)采用的是GIS的緩沖區(qū)分析功能，將距離水體遠(yuǎn)近的影響分為2級(jí)緩沖區(qū)，同時(shí)賦予0～1之間適當(dāng)?shù)挠绊懸蜃又?，如把一?jí)河流和大型水庫、湖泊等水體的做為一級(jí)緩沖區(qū)內(nèi)，并賦值最大，把二級(jí)河流和小型水體作為二級(jí)緩沖區(qū)并賦值最小。河網(wǎng)密度和緩沖區(qū)影響各取權(quán)重0.5，得出百色市水系因子分布。分別將地形因子和水系因子應(yīng)用加權(quán)評(píng)價(jià)法構(gòu)建出百色市農(nóng)業(yè)暴雨孕災(zāi)環(huán)境敏感性模型：

孕災(zāi)環(huán)境敏感性（F）=0.5×b1+0.5×b2（2）

式（2）中，b1為地形因子影響值的歸一化值，b2為水系因子影響值的歸一化值。

由敏感性等級(jí)分布圖（圖2）可以看出，百色市南部的山區(qū)及樂業(yè)高海拔地區(qū)的孕災(zāi)環(huán)境敏感性較小，主要是因?yàn)橐陨蠀^(qū)域地勢(shì)較高地形因子作用小，同時(shí)缺少大型水體的影響；而地勢(shì)低洼、河網(wǎng)密度大且靠近大型水體的右江河谷和紅水河谷一帶的孕災(zāi)環(huán)境敏感性較高。

2.4 暴雨承災(zāi)體易損度模型

因暴雨而造成的危害也與承受洪澇災(zāi)害的載體有一定的關(guān)系，而承災(zāi)體一般指本地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)和人口的密集程度等。因此，百色市農(nóng)業(yè)暴雨洪澇災(zāi)害承災(zāi)體脆弱性可用人口密度、GDP密度和農(nóng)業(yè)損失的多少共同表示。單位面積內(nèi)人口密度越大，農(nóng)業(yè)生產(chǎn)越發(fā)達(dá)，GDP越大，一旦暴雨洪澇災(zāi)害發(fā)生，不僅造成的受災(zāi)人口數(shù)量多，而且遭受農(nóng)業(yè)經(jīng)濟(jì)損失的可能性也越大，承災(zāi)體易損度越大。

把單位面積的人口密度、GDP、和農(nóng)業(yè)經(jīng)濟(jì)損失作為農(nóng)業(yè)暴雨災(zāi)害承災(zāi)體易損度模型的因子，并對(duì)各因子進(jìn)行歸一化處理，建立農(nóng)業(yè)暴雨災(zāi)害承災(zāi)體易損度模型，見公式（3）；制作農(nóng)業(yè)暴雨災(zāi)害承災(zāi)體易損性分布圖（圖3）。

承災(zāi)體易損度（L）=0.1×c1+0.3×c2+0.6×c3（3）

式（3）中，c1為單位面積人口密度的歸一化值，c2為單位面積GDP歸一化值，c3為農(nóng)業(yè)經(jīng)濟(jì)損失的歸一化值。

由百色市暴雨災(zāi)害易損度等級(jí)分布圖（圖3）可見看出，風(fēng)險(xiǎn)區(qū)的變化由東至西遞減，發(fā)生風(fēng)險(xiǎn)的高值區(qū)出現(xiàn)在田陽縣；風(fēng)險(xiǎn)的次高值區(qū)位于百色市的右江河谷一帶；風(fēng)險(xiǎn)中值區(qū)位于百色市的南部山區(qū)和田林、樂業(yè)；風(fēng)險(xiǎn)的最低值區(qū)居中的為百色市西部。主要是因?yàn)樵诎偕泻庸纫粠У娜丝诿芏容^大，受災(zāi)的人口數(shù)量多，特別是田陽縣作為農(nóng)業(yè)大縣，已是廣西商品糧基地縣之一，全縣總?cè)丝?2.8萬人，其中農(nóng)業(yè)人口就有28.41萬人，如果一旦發(fā)生洪澇災(zāi)害，遭受農(nóng)業(yè)經(jīng)濟(jì)損失也最大，故承災(zāi)體易損性也最強(qiáng)。

2.5 暴雨防災(zāi)抗災(zāi)力模型

綜合防災(zāi)減災(zāi)能力包括防災(zāi)減災(zāi)的基礎(chǔ)設(shè)施建設(shè)和減災(zāi)的綜合防控能力建設(shè)，表示受災(zāi)區(qū)在一定時(shí)段內(nèi)能夠從災(zāi)害中恢復(fù)的程度，而暴雨防災(zāi)抗災(zāi)能力是為應(yīng)對(duì)暴雨洪澇災(zāi)害所造成的損害而采取的一系列措施和工程建設(shè)，是暴雨災(zāi)害風(fēng)險(xiǎn)度評(píng)價(jià)中不可或缺的重要因素。因此，選取以縣為單位的人均GDP和除澇面積比例作為防災(zāi)抗災(zāi)力評(píng)估因子。人均 GDP 表示一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平，其值越大，表明該地經(jīng)濟(jì)發(fā)展水平越高，抗災(zāi)能力越強(qiáng)；除澇面積值越大，表明能從洪澇災(zāi)害中恢復(fù)的能力也越強(qiáng)，抗災(zāi)力就越強(qiáng)。構(gòu)建防災(zāi)抗災(zāi)能力模型如公式（4）：

抗災(zāi)力（R）=0.7×d1+0.3×d2（4）

式（4）中，d1為除澇面積歸一化值，d2為人均GDP歸一化值。

由百色市暴雨災(zāi)害防災(zāi)抗災(zāi)力分布圖（圖4）可見，百色市南部山區(qū)的靖西縣德?？h及右江河谷一帶由于經(jīng)濟(jì)較為發(fā)達(dá)，防災(zāi)抗災(zāi)能力也最高；而經(jīng)濟(jì)發(fā)展較落后的那坡縣和北部山區(qū)一帶的防災(zāi)抗災(zāi)能力最弱。

2.6 百色農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估模型及等級(jí)劃分

在對(duì)暴雨洪澇的致險(xiǎn)因子危險(xiǎn)度、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損度、防災(zāi)抗災(zāi)能力等4個(gè)指標(biāo)進(jìn)行定量分析評(píng)價(jià)的基礎(chǔ)上，構(gòu)建出百色市針對(duì)農(nóng)業(yè)的暴雨風(fēng)險(xiǎn)度評(píng)估模型，見公式（5）。通過GIS采用自然斷點(diǎn)分級(jí)法將風(fēng)險(xiǎn)指數(shù)劃分為5級(jí)，繪制百色市農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖（圖5）。endprint

農(nóng)業(yè)暴雨災(zāi)害風(fēng)險(xiǎn)度（RI）=0.5×e1+0.2×e2+0.2×e3+0.1×（1-e4）（5）

式（5）中，e1為致險(xiǎn)因子危險(xiǎn)度，e2為孕災(zāi)環(huán)境敏感性，e3為承災(zāi)體易損度，e4為抗災(zāi)力。

從百色市農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖（圖5）可以看出，高風(fēng)險(xiǎn)區(qū)主要分布在凌云縣和田陽縣。凌云縣位于廣西三大暴雨中心之一的桂西北暴雨區(qū)，是暴雨頻發(fā)的區(qū)域，暴雨危險(xiǎn)性極高。田陽縣雖然農(nóng)業(yè)經(jīng)濟(jì)較發(fā)達(dá)、抗災(zāi)能力強(qiáng)，但該縣地勢(shì)低，右江黃金水道貫穿縣境，河網(wǎng)很密集，因而孕災(zāi)環(huán)境非常敏感；人口密度較大且農(nóng)業(yè)人口多、耕地多，因而農(nóng)業(yè)承災(zāi)體易損度高；綜合來看，田陽縣的農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)最高。其次是右江區(qū)、田東和平果縣的大部地區(qū)、樂業(yè)縣西部。該區(qū)域也位于右江河谷和紅水河河谷，地勢(shì)很低，河網(wǎng)密集，也是百色市經(jīng)濟(jì)作物種植的集中區(qū)，孕災(zāi)環(huán)境比較敏感。

西林縣、隆林縣、樂業(yè)縣的高寒山區(qū)及那坡縣北部的風(fēng)險(xiǎn)等級(jí)最低。這些區(qū)域雖然抗災(zāi)能力弱，但暴雨危險(xiǎn)性低，地勢(shì)較高，以中、高丘陵為主，樂業(yè)縣中部高寒山區(qū)地勢(shì)最高，孕災(zāi)環(huán)境極不敏感，農(nóng)業(yè)承災(zāi)體易損度最低，綜合農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)最低。

3 結(jié)論與討論

百色市暴雨洪澇災(zāi)害發(fā)生的危險(xiǎn)度、敏感性、易損度和防災(zāi)減災(zāi)能力的綜合分析最終形成了針對(duì)農(nóng)業(yè)的暴雨洪澇風(fēng)險(xiǎn)區(qū)劃，等級(jí)區(qū)劃結(jié)果與近年百色市暴雨洪澇災(zāi)害發(fā)生情況基本一致。凌云縣所在的地理位置因處于廣西三大暴雨中心之一，暴雨洪澇災(zāi)害風(fēng)險(xiǎn)等級(jí)最高。而河谷一帶由于河網(wǎng)密集、地勢(shì)平坦，農(nóng)業(yè)經(jīng)濟(jì)損失大所致風(fēng)險(xiǎn)等級(jí)次高，風(fēng)險(xiǎn)區(qū)劃結(jié)果能較為準(zhǔn)確地反映影響百色市農(nóng)業(yè)發(fā)展的暴雨災(zāi)害的潛在風(fēng)險(xiǎn)狀況。

但由于本文所用的氣象資料、社會(huì)經(jīng)濟(jì)數(shù)據(jù)等是以縣級(jí)為單位進(jìn)行處理的，樣本數(shù)少，存在很大的局限性，同時(shí)站點(diǎn)間的間距大且分布不均勻，插值后得出的風(fēng)險(xiǎn)分布圖并不能很好地代表全市范圍的風(fēng)險(xiǎn)分布，只能表示觀測(cè)站所在的小范圍內(nèi)的危險(xiǎn)分布情況。由于數(shù)據(jù)的樣本少，導(dǎo)致插值結(jié)果存在一定的誤差和邊緣效應(yīng)，從而影響整體風(fēng)險(xiǎn)區(qū)劃評(píng)價(jià)的準(zhǔn)確度。因此，應(yīng)采用經(jīng)過質(zhì)控后的區(qū)域氣象自動(dòng)站數(shù)據(jù)進(jìn)行插值運(yùn)算，同時(shí)在災(zāi)情數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)上應(yīng)以鄉(xiāng)（鎮(zhèn)）、村級(jí)為單位擴(kuò)大樣本數(shù)，以實(shí)現(xiàn)精度更高的等級(jí)分布。

在構(gòu)建模型時(shí)是假定危險(xiǎn)性、敏感性、易損性和防災(zāi)力4個(gè)因子對(duì)災(zāi)害的貢獻(xiàn)是線性的，但在實(shí)際中最終導(dǎo)致災(zāi)害是各系統(tǒng)因子非線性相互作用的結(jié)果。因此，加權(quán)綜合評(píng)價(jià)法構(gòu)建的模型存在誤差和局限性，應(yīng)在下一步的工作中根據(jù)最新數(shù)據(jù)驗(yàn)證和修訂模型的計(jì)算方法。

4 參考文獻(xiàn)

[1] 于飛，谷曉平，羅宇翔，等.貴州農(nóng)業(yè)氣象災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)與區(qū)劃[J].中國農(nóng)業(yè)氣象，2009，30（2）：267-270.

[2] 吳俊銘，谷小平，徐永靈.貴州省農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J].貴州農(nóng)業(yè)科學(xué)，1999，27（2）：3-8.

[3] 陳懷亮，鄧偉，張雪芬，等.河南小麥生產(chǎn)農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分析及區(qū)劃[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：135-143.

[4] 李莉，匡昭敏，莫建飛，等.基于AHP和GIS的廣西秋旱災(zāi)害風(fēng)險(xiǎn)等級(jí)評(píng)估[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（19）：193-201.

[5] 陳超泉，王政鋒，匡昭敏，等.基于GIS的廣西暴雨風(fēng)險(xiǎn)度實(shí)時(shí)評(píng)估系統(tǒng)[J].計(jì)算機(jī)應(yīng)用，2013，33（1）：276-280.

[6] 孟翠麗，匡昭敏，李莉，等.基于GIS的廣西暴雨災(zāi)害風(fēng)險(xiǎn)實(shí)時(shí)評(píng)估技術(shù)研究[J].中國農(nóng)學(xué)通報(bào)，2013，29（26）：184-189.

[7] 蘇永秀，李政，孫涵.基于GIS的廣西甘蔗種植氣候區(qū)劃[J].中國農(nóng)業(yè)氣象，2006，27（3）：252-255.

[8] 莫建飛，陸甲，李艷蘭，等.基于GIS的廣西農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估[J].災(zāi)害學(xué)，2012，27（1）：38-43.

[9] 何燕，王斌，江立庚，等.基于GIS的廣西水稻種植布局精細(xì)化氣候區(qū)劃[J].中國水稻科學(xué)，2013，27（6）：658-664.

[10] 梁玉蓮，黃丹萍，黎美宏，等.基于GIS的南寧市暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃[J].氣象科技，2013，41（5）：935-939.

[11] 李楠，任穎，顧偉宗，等.基于GIS的山東省暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J].中國農(nóng)學(xué)通報(bào)，2010，26（20）：313-317.

[12] 張婧，郝立生，許曉光.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）：51-55.

[13] 宮清華，黃光慶，郭敏.等.基于GIS技術(shù)的廣東省洪澇風(fēng)險(xiǎn)區(qū)劃研究[J].自然災(zāi)害學(xué)報(bào)，2009，18（1）：58-63.

[14] 李樹軍，袁靜，何永健，等.基于GIS的濰坊市暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J].中國農(nóng)學(xué)通報(bào)，2012，28（20）：295-301.

[15] 樊高峰，何月，顧駿強(qiáng).基于GIS的浙江省暴雨災(zāi)害及其危險(xiǎn)性評(píng)價(jià)[J].中國農(nóng)學(xué)通報(bào)，2012，28（32）：293-299.

[16] 李軍玲，劉忠陽，鄒春輝.基于GIS的河南省洪澇滅害風(fēng)險(xiǎn)評(píng)估與區(qū)劃研究[J].氣象，2010，36（2）：87-92.

[17] 董鵬捷，土建捷.北京地區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)評(píng)估模型及風(fēng)險(xiǎn)區(qū)劃[J].暴雨災(zāi)害，2012，31（1）：29-34.

[18] 李世奎，霍治國，土素艷，等.農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估體系及模型研究[J].自然災(zāi)害學(xué)報(bào)，2004，13（1）：77-87.

[19] 馮曉云，王建源.基于GIS的山東農(nóng)業(yè)氣候資源及區(qū)劃研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2005，26（2）：60-62.

[20] 周成虎，萬慶，黃詩峰，等.基于GIS的洪水災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J].地理學(xué)報(bào)，2000（1）：15-24.endprint