王璇 張偉 劉方華 孔燁 孫慧超

摘要：城市內(nèi)澇風(fēng)險(xiǎn)快速識(shí)別及致澇因素初步分析是開展城市內(nèi)澇治理的首要工作，傳統(tǒng)的城市排水模型模擬方法需要高精度的基礎(chǔ)數(shù)據(jù)支持和較長(zhǎng)的計(jì)算周期，難以滿足城市內(nèi)澇快速識(shí)別需求。基于瀘州市中心城區(qū)建筑小區(qū)2015～2022年實(shí)際內(nèi)澇災(zāi)害數(shù)據(jù)，通過核密度估計(jì)和空間相關(guān)性分析對(duì)中心城區(qū)建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)空間分布進(jìn)行了快速識(shí)別，并采用Spearman相關(guān)分析和地理探測(cè)器法對(duì)內(nèi)澇驅(qū)動(dòng)因素進(jìn)行了分析。結(jié)果表明：瀘州市中心城區(qū)建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)呈現(xiàn)從中心向四周逐漸降低的趨勢(shì)，高風(fēng)險(xiǎn)區(qū)域主要位于城北片區(qū)、中心半島老城片區(qū)和龍馬潭老城片區(qū)；土壤地質(zhì)、土地利用、社會(huì)因素和降雨因素是內(nèi)澇風(fēng)險(xiǎn)的主要驅(qū)動(dòng)因素，并表現(xiàn)為多因素協(xié)同發(fā)生的復(fù)雜形式。研究成果可為瀘州市內(nèi)澇風(fēng)險(xiǎn)精細(xì)化模擬分析提供基礎(chǔ)，也可為西南丘陵城市建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)快速識(shí)別及致澇因素初步分析提供方法支撐。

關(guān) 鍵 詞：建筑小區(qū)；城市內(nèi)澇風(fēng)險(xiǎn)；快速識(shí)別；驅(qū)動(dòng)因素；核密度估計(jì)；空間相關(guān)性分析；Spearman相關(guān)分析；地理探測(cè)器；丘陵城市

中圖法分類號(hào)：TU992；TU998.4

文獻(xiàn)標(biāo)志碼：A

DOI：10.16232/j.cnki.1001-4179.2024.05.004

0 引 言

全球氣候變暖和城市快速發(fā)展的背景下，城市水文特征發(fā)生了顯著變化^［1］，短歷時(shí)強(qiáng)降水和持續(xù)性降水事件頻現(xiàn)^［2］，導(dǎo)致城市內(nèi)澇風(fēng)險(xiǎn)不斷加劇，給居民生命財(cái)產(chǎn)安全和城市可持續(xù)發(fā)展造成嚴(yán)重威脅^［3-4］。為全面提升城市應(yīng)對(duì)內(nèi)澇風(fēng)險(xiǎn)的能力，2021年國(guó)務(wù)院辦公廳印發(fā)《關(guān)于加強(qiáng)城市內(nèi)澇治理的實(shí)施意見》（國(guó)辦發(fā)〔2021〕11號(hào)），明確要求各地統(tǒng)籌推進(jìn)城市內(nèi)澇治理工作時(shí)要編制內(nèi)澇風(fēng)險(xiǎn)圖，探索劃定洪澇風(fēng)險(xiǎn)控制線和災(zāi)害風(fēng)險(xiǎn)區(qū)。其中，城市內(nèi)澇風(fēng)險(xiǎn)區(qū)域的識(shí)別與評(píng)估是開展城市內(nèi)澇治理工作的首要條件和基礎(chǔ)工作。

目前國(guó)內(nèi)外關(guān)于城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估的研究大多基于水文水動(dòng)力模型模擬開展。Ma等^［5］通過分析城市內(nèi)澇點(diǎn)分布特征，動(dòng)態(tài)調(diào)整SWMM模型徑流參數(shù)，使得內(nèi)澇點(diǎn)積水深度與實(shí)測(cè)數(shù)據(jù)更為接近，但該方法無法對(duì)內(nèi)澇積水范圍進(jìn)行評(píng)估。盡管徐美等^［6］利用一維二維耦合模型對(duì)不同降雨情境下的內(nèi)澇積水深度、范圍、持續(xù)時(shí)間等進(jìn)行了精準(zhǔn)識(shí)別，但識(shí)別信息為靜態(tài)結(jié)果，無法體現(xiàn)內(nèi)澇形成與演進(jìn)的動(dòng)態(tài)過程。He等^［7］提出了一種基于深度學(xué)習(xí)的高分辨率水動(dòng)力分析模型，模擬分析了山地和平原等復(fù)雜地形城市在多因素時(shí)空變化下的雨洪過程。這種方法雖然減少了一定的數(shù)據(jù)準(zhǔn)備工作和模擬計(jì)算時(shí)間^［7］，但對(duì)于較大尺度的城市區(qū)域而言，進(jìn)行內(nèi)澇過程的全面模擬仍然需要大量的數(shù)據(jù)支撐和較高的計(jì)算成本。

中國(guó)許多中小城市普遍存在基礎(chǔ)數(shù)據(jù)缺失的情況，盡管近年來排水防澇設(shè)施普查和數(shù)據(jù)采集取得顯著進(jìn)展，但目前距離滿足高精度內(nèi)澇過程模擬需求尚存一定差距。與此同時(shí)，城市內(nèi)澇分布通常具有空間差異性^［8］，對(duì)內(nèi)澇風(fēng)險(xiǎn)較低的區(qū)域無需進(jìn)行過高精度的模擬，而內(nèi)澇風(fēng)險(xiǎn)較高的區(qū)域則面臨算力緊張的困境。因此，對(duì)內(nèi)澇風(fēng)險(xiǎn)分布進(jìn)行快速識(shí)別是有效平衡內(nèi)澇模擬精度配置的關(guān)鍵。近年來，核密度分析法和空間相關(guān)性分析方法逐漸受到關(guān)注。張晨鈺等^［9］將核密度法與優(yōu)化熱點(diǎn)分析法進(jìn)行對(duì)比，研究認(rèn)為核密度法識(shí)別的內(nèi)澇易發(fā)度結(jié)果更具代表性，且對(duì)致澇因素的分析更具解釋力。Hinojos等^［10］利用局部自相關(guān)分析方法探究了社會(huì)脆弱性和洪水暴露度指標(biāo)在不同尺度下的空間關(guān)系，并根據(jù)聚類結(jié)果識(shí)別確定洪澇風(fēng)險(xiǎn)優(yōu)先調(diào)控區(qū)。這類方法為城市內(nèi)澇風(fēng)險(xiǎn)的快速識(shí)別提供了可行路徑和有效方法借鑒。

城市內(nèi)澇積水問題對(duì)城市居民影響較大的區(qū)域主要集中于城市道路和建筑小區(qū)，其中城市用地占比較高、人口密度較為集中的建筑小區(qū)更應(yīng)該作為城市內(nèi)澇風(fēng)險(xiǎn)重點(diǎn)關(guān)注對(duì)象。Park等^［11］根據(jù)脆弱性和暴露程度指數(shù)分析不同用地類型的城市內(nèi)澇風(fēng)險(xiǎn)特征，發(fā)現(xiàn)居民住宅區(qū)的內(nèi)澇風(fēng)險(xiǎn)等級(jí)高于工業(yè)區(qū)和綠化區(qū)。Grahn等^［12］通過對(duì)瑞典49次不同降雨事件引起的住宅建筑內(nèi)澇事件進(jìn)行統(tǒng)計(jì)分析，證實(shí)了城市不同區(qū)域住宅建筑的降雨情況和財(cái)產(chǎn)損失程度不同。因此，城市建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)具有復(fù)雜性，采取有效方法快速識(shí)別建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)對(duì)城市內(nèi)澇治理工作的順利開展具有重要意義。

城市內(nèi)澇風(fēng)險(xiǎn)形成影響因素的探究是因地制宜制定內(nèi)澇治理措施的重要前提，地理探測(cè)器法是開展致澇因素研究的新路徑，并在北京^［13］、蘭州^［14］、粵港澳大灣區(qū)^［9］等地的內(nèi)澇驅(qū)動(dòng)力分析研究中得到應(yīng)用。這類研究聚焦于平原城市，而城市內(nèi)澇風(fēng)險(xiǎn)的成因與城市類型密不可分，與平原城市相比，山地丘陵城市的地形地貌更加復(fù)雜多變^［15］，隨著城市不斷發(fā)展建設(shè)，大量山體和城市建筑相互交錯(cuò)^［16］，使得此類城市的排水條件和內(nèi)澇形成演進(jìn)過程更加復(fù)雜，導(dǎo)致內(nèi)澇風(fēng)險(xiǎn)程度更強(qiáng)、災(zāi)害潛在危害更大。從中國(guó)大陸地區(qū)整體地勢(shì)地形分布上看，西南地區(qū)聚集更多山地丘陵城市，對(duì)此類區(qū)域內(nèi)澇風(fēng)險(xiǎn)形成因素進(jìn)行研究具有一定的普適性意義。

基于開展城市內(nèi)澇風(fēng)險(xiǎn)快速識(shí)別的必要性和西南地區(qū)丘陵城市建筑小區(qū)本底條件的復(fù)雜性，本研究以長(zhǎng)江流域西南丘陵城市四川省瀘州市中心城區(qū)建筑小區(qū)為對(duì)象，根據(jù)瀘州市2015～2022年內(nèi)澇災(zāi)害資料，利用核密度估計(jì)法和空間相關(guān)性分析方法識(shí)別建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)，并通過Spearman相關(guān)分析和地理探測(cè)器法分析內(nèi)澇主要驅(qū)動(dòng)因素，以期為西南丘陵城市建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)快速識(shí)別和致澇因素初步分析提供技術(shù)支撐和方法借鑒。

1 材料與方法

1.1 研究區(qū)域

本文聚焦于長(zhǎng)江流域典型西南丘陵城市四川省瀘州市，將其中心城區(qū)的建筑小區(qū)作為研究區(qū)域（圖1）。瀘州市位于四川省東南部，長(zhǎng)江和沱江交匯處，中心城區(qū)地形涵蓋北部淺丘寬谷區(qū)、中部丘陵低山區(qū)和沿江河谷階地區(qū)，整體地勢(shì)北低南高。瀘州市地處亞熱帶濕潤(rùn)氣候區(qū)，季風(fēng)氣候分明，雨量充沛，中心城區(qū)年均降雨量為1 136.6 mm，集中于6～8月。中心城區(qū)內(nèi)主要包含安富、安寧石洞、城北、城南、城西、高壩、龍馬潭老城、沙茜、泰安黃艤、中心半島老城等十大排水分區(qū)，各片區(qū)呈組團(tuán)式分布。

瀘州市中心城區(qū)的建筑小區(qū)在排水分區(qū)中的空間分布形式多樣，主要包含建筑小區(qū)位于排水分區(qū)上游、建筑小區(qū)位于排水分區(qū)下游和建筑小區(qū)兼具排水分區(qū)上下游3種形式（圖2）。建筑小區(qū)位于排水分區(qū)上游時(shí)，雨水管網(wǎng)不需要承擔(dān)上游來水壓力；位于排水分區(qū)下游時(shí)，雨水管網(wǎng)需要承擔(dān)上游來水壓力，更易形成內(nèi)澇災(zāi)害；兼具排水分區(qū)上下游則同時(shí)包含上述兩種情況的特性。由此可見，從城市尺度上看，瀘州市中心城區(qū)建筑小區(qū)的區(qū)位條件和分布形式多樣，內(nèi)澇形成涉及的影響因素十分復(fù)雜。

1.2 數(shù)據(jù)來源與處理

本研究選取瀘州市中心城區(qū)范圍和建筑小區(qū)位置按照《瀘州市國(guó)土空間總體規(guī)劃（2020～2035年）》及相關(guān)資料確定。瀘州市中心城區(qū)建筑小區(qū)實(shí)際歷史內(nèi)澇積水點(diǎn)位置由瀘州市住房與城鄉(xiāng)建設(shè)局提供，包含2015～2022年瀘州市中心城區(qū)范圍內(nèi)共19處內(nèi)澇點(diǎn)，利用ArcGIS軟件對(duì)其矢量化處理，建立歷史內(nèi)澇點(diǎn)空間數(shù)據(jù)集（圖3）。

將瀘州市建筑小區(qū)產(chǎn)生內(nèi)澇的影響因素分為降雨因素、地形因素、土壤地質(zhì)、社會(huì)因素、土地利用、城市空間結(jié)構(gòu)等6個(gè)類型，再將各類型細(xì)分為20項(xiàng)研究指標(biāo)，具體指標(biāo)選取及數(shù)據(jù)來源如表1所列。

1.3 核密度估計(jì)法

核密度估計(jì)法的原理是將內(nèi)澇事件矢量化為具有空間特征的點(diǎn)，利用移動(dòng)窗口估計(jì)點(diǎn)密度。因?yàn)榭紤]了數(shù)據(jù)點(diǎn)的空間位置，可以反映區(qū)域中數(shù)據(jù)點(diǎn)間的關(guān)系^［20-21］，并可定量研究區(qū)域范圍內(nèi)的內(nèi)澇積水點(diǎn)的空間分布和密集程度。內(nèi)澇核密度在一定程度上能夠體現(xiàn)內(nèi)澇的影響程度和發(fā)生頻率，并可進(jìn)一步呈現(xiàn)出該區(qū)域的內(nèi)澇發(fā)生風(fēng)險(xiǎn)。具體表達(dá)式為

式中：f_n為內(nèi)澇積水點(diǎn)核密度；n為研究區(qū)域中內(nèi)澇積水點(diǎn)個(gè)數(shù)；x-x_i為內(nèi)澇積水點(diǎn)x到x_i兩點(diǎn)間距離；k為核函數(shù)；h為半徑。

1.4 高低聚類分析

高低聚類分析（Getis-Ord General G）是開展局部自相關(guān)分析的前提。利用Getis-Ord General G分析可以評(píng)估出某種要素的空間相關(guān)性模式屬于聚類模式、離散模式還是隨機(jī)模式^［22］，并可定量描述高值或低值的聚類程度，具體表達(dá)式為公式（2）。當(dāng)整體結(jié)果呈現(xiàn)聚類模式時(shí)，才可對(duì)局部區(qū)域進(jìn)行局部自相關(guān)分析。

式中：G值表示要素值與周圍要素值的相關(guān)性系數(shù)，對(duì)其進(jìn)行標(biāo)準(zhǔn)化所得Z（G）的正負(fù)分別表示高值聚類和低值聚類；x_i、x_j是要素i、j的屬性值；W_ij是要素i和j之間的空間權(quán)重；n為要素的總數(shù)目；?j≠i即為任意的i與j不能作為相同要素出現(xiàn)。

1.5 局部自相關(guān)分析

局部自相關(guān)分析（local indicators of spatial association，LISA）方法可以給定一組要素和一個(gè)分析字段，識(shí)別具有高值或低值的要素聚類，還可識(shí)別空間異常值^［23］，其觀測(cè)值的表達(dá)式如下：

式中：I_i是要素局部自相關(guān)性觀測(cè)值，x_i是要素i的屬性值，x是對(duì)應(yīng)屬性的平均值，w_ij是要素i和j之間的空間權(quán)重，S_i是樣本標(biāo)準(zhǔn)差。

當(dāng)計(jì)算所得觀測(cè)值I_i值為正值，表示要素具有包含同樣高或同樣低的屬性值的鄰近要素，即該要素是聚類的一部分；當(dāng)I_i值為負(fù)值，表示要素具有包含不同值的鄰近要素，即該要素是異常值。

空間滯后值（spatial lag）表示某一觀測(cè)值鄰接要素的加權(quán)平均，其表達(dá)式如公式（5）所示：

式中：SL_i是某一觀測(cè)值的空間滯后值，m_i是該觀測(cè)值鄰接要素的個(gè)數(shù)，I_j是鄰接要素的觀測(cè)值，W_ij是鄰接權(quán)重。W_ij值為1表示區(qū)域i和區(qū)域j相鄰接，W_ij值為0表示區(qū)域i和區(qū)域j不鄰接。

根據(jù)觀測(cè)值（I_i）和空間滯后值（SL_i）的正負(fù)，可將所得結(jié)果分為4種局部自相關(guān)模式：① I_i及SL_i都為正，表現(xiàn)為“高-高聚集”；② I_i及SL_i都為負(fù)，表現(xiàn)為“低-低聚集”；③ I_i為正，SL_i為負(fù)，表現(xiàn)為“高-低包圍”（高值主要由低值圍繞的異常值）；④ I_i為負(fù)，SL_i為正，表現(xiàn)為“低-高包圍”（低值主要由高值圍繞的異常值）。

P值與Z值是判定假設(shè)檢驗(yàn)結(jié)果的參數(shù)，可反映所得結(jié)果的顯著性水平。P值表示觀測(cè)所得空間模式是由零假設(shè)過程創(chuàng)建而成的概率，P值為0.1或0.05分別表示達(dá)到90%或95%的顯著性水平。Z值表示標(biāo)準(zhǔn)正態(tài)分布下標(biāo)準(zhǔn)差S_i=1的倍數(shù)，其表達(dá)式如公式（6）所示：

式中：u₀表示樣本長(zhǎng)度均值;N（0，1）表示標(biāo)準(zhǔn)正態(tài)分布。

P值與Z值的組合呈現(xiàn)3種形式：① P值不顯著，Z值無意義；② P值顯著，Z值為正，拒絕零假設(shè)，結(jié)果呈聚集效應(yīng)；③ P值顯著，Z得分為負(fù)，拒絕零假設(shè)，結(jié)果呈離散效應(yīng)。

1.6 Spearman相關(guān)分析

Spearman相關(guān)分析與變量的分布和樣本容量無關(guān)^［24］，其原理是將兩個(gè)因子樣本值正序排列，用排列位次代替實(shí)際數(shù)據(jù)進(jìn)行計(jì)算，以衡量變量間的相關(guān)程度，如公式（7）所示：

式中：r_s為相關(guān)系數(shù)；R（x_i）和R（y_i）分別為x_i和y_i的秩；n為樣本個(gè)數(shù)。

1.7 地理探測(cè)器法

地理探測(cè)器（geographical detector）是一種解釋空間分異性和內(nèi)部驅(qū)動(dòng)機(jī)制的統(tǒng)計(jì)學(xué)方法^［25］，本研究中選擇地理探測(cè)器法中的因子探測(cè)和交互探測(cè)模塊對(duì)建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)及相關(guān)驅(qū)動(dòng)因素進(jìn)行探測(cè)分析。以內(nèi)澇點(diǎn)核密度作為因變量，以內(nèi)澇影響因素指標(biāo)作為自變量，采用自然間斷點(diǎn)分級(jí)法對(duì)各變量進(jìn)行重分類。因子探測(cè)是用解釋力q值量化驅(qū)動(dòng)因子對(duì)易澇點(diǎn)解釋程度，如公式（8）所示。交互探測(cè)可探測(cè)雙變量間的交互作用，對(duì)因素交互后的解釋力與單一因素解釋力進(jìn)行比較，判斷兩因子間交互作用方向及方式，交互作用方式判斷依據(jù)如表2所列。

式中：q為易澇點(diǎn)空間分布驅(qū)動(dòng)因子解釋力；h=1，2，…，L，為因變量或內(nèi)澇驅(qū)動(dòng)因素的分層；N_h和N分別為層h和研究區(qū)樣本總數(shù)；σ²_h和σ²分別為層h的方差、研究區(qū)樣本總量的方差。

2 結(jié)果與分析

2.1 內(nèi)澇風(fēng)險(xiǎn)分布快速識(shí)別

2.1.1 內(nèi)澇核密度空間分布

根據(jù)瀘州市2015～2022年建筑小區(qū)內(nèi)澇積水點(diǎn)的實(shí)際坐標(biāo)，計(jì)算建筑小區(qū)內(nèi)澇點(diǎn)核密度，并繪制內(nèi)澇點(diǎn)核密度分布圖（圖4）。從圖4中可以看出，瀘州市建筑小區(qū)內(nèi)澇積水點(diǎn)分布呈現(xiàn)出明顯的空間非均衡性，存在多個(gè)內(nèi)澇高密度核心，主要分布在長(zhǎng)江沱江交界處及兩岸的老城區(qū)。此區(qū)域建設(shè)年代較早，管網(wǎng)排水標(biāo)準(zhǔn)低，不透水面積占比高，易形成內(nèi)澇積水現(xiàn)象^［26］。此外，這些區(qū)域臨近長(zhǎng)江和沱江，極端天氣下可能面臨洪水頂托管網(wǎng)、甚至倒灌等情況^［27］，進(jìn)一步加劇城市內(nèi)澇。

2.1.2 內(nèi)澇風(fēng)險(xiǎn)空間聚類分析

根據(jù)各建筑小區(qū)地塊的內(nèi)澇核密度計(jì)算結(jié)果，利用Getis-Ord General G分析得到Z值為23.87，P值小于0.01，通過顯著性檢驗(yàn)，表明瀘州市中心城區(qū)建筑小區(qū)的內(nèi)澇災(zāi)害分布具有顯著的空間自相關(guān)性，并且其相關(guān)性模式?jīng)]有呈現(xiàn)隨機(jī)分布或離散分布，而是具有顯著空間相似性的聚類分布，表現(xiàn)為高值聚類模式。通過LISA聚類分析可表征各建筑小區(qū)內(nèi)澇核密度的局部自相關(guān)模式（圖5）、Z值（圖6）和P值（圖7）的分布情況。

（1）位于城市中心區(qū)域的城北片區(qū)、龍馬潭老城片區(qū)、中心半島老城片區(qū)的建筑小區(qū)在內(nèi)澇災(zāi)害分布上主要表現(xiàn)為高-高聚集。此類區(qū)域人口集中，建筑密度更大，受山地丘陵地貌影響，地形地勢(shì)起伏大，同時(shí)存在較多地上地下交互空間，排水形式十分復(fù)雜。而早年間建設(shè)的較低標(biāo)準(zhǔn)的排水系統(tǒng)無法應(yīng)對(duì)復(fù)雜的暴雨徑流過程，使得內(nèi)澇積水情況極易出現(xiàn)并在地勢(shì)低洼處聚集，具有較高的內(nèi)澇風(fēng)險(xiǎn)。

（2）沙茜片區(qū)、城西片區(qū)、龍馬潭老城片區(qū)、中心半島老城片區(qū)的部分建筑小區(qū)在空間位置上被多個(gè)內(nèi)澇核心圍繞，呈現(xiàn)低-高包圍的局部自相關(guān)形式。隨著極端氣候事件和城市下墊面條件的不斷改變，該地區(qū)可能在未來逐漸演變?yōu)閮?nèi)澇高風(fēng)險(xiǎn)區(qū)域。

（3）安富片區(qū)、城南片區(qū)、泰安黃艤片區(qū)和高壩片區(qū)的建筑小區(qū)遠(yuǎn)離城市主干水系，同時(shí)背靠南部、東部和西部的丘陵山地，具備較為有利的排水條件，因而內(nèi)澇風(fēng)險(xiǎn)表現(xiàn)為低-低聚集。

2.1.3 內(nèi)澇風(fēng)險(xiǎn)等級(jí)空間分布

結(jié)合內(nèi)澇核密度分布和LISA聚類分析結(jié)果，利用自然間斷點(diǎn)分級(jí)法將瀘州市建筑小區(qū)按照內(nèi)澇歷史發(fā)生災(zāi)情風(fēng)險(xiǎn)劃分為高風(fēng)險(xiǎn)、較高風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、較低風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)5類區(qū)域，在ArcGIS中對(duì)5個(gè)分組結(jié)果進(jìn)行聚類，形成建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)等級(jí)分布情況（圖8）。

瀘州市建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)呈現(xiàn)從中心向四周逐級(jí)遞減的趨勢(shì)，內(nèi)澇高風(fēng)險(xiǎn)區(qū)域主要分布在城北片區(qū)、中心半島老城片區(qū)和龍馬潭老城片區(qū)，位于城市外圍的安富、泰安黃艤、安寧石洞等片區(qū)內(nèi)澇風(fēng)險(xiǎn)最低，二者之間的區(qū)域則是內(nèi)澇風(fēng)險(xiǎn)的過渡地帶。出現(xiàn)這種分布特點(diǎn)可能是由于城市外圍區(qū)域沒有進(jìn)行全面的開發(fā)建設(shè)，保留了較多的雨水徑流自然調(diào)蓄空間；同時(shí)，外圍區(qū)域離城市主干水系較遠(yuǎn)，地形地勢(shì)上具有較大坡度，周圍密布支流水系，使得雨水徑流可以較快行泄，并就近排入受納水體。

2.2 內(nèi)澇風(fēng)險(xiǎn)驅(qū)動(dòng)因素分析

2.2.1 內(nèi)澇影響因素相關(guān)性分析

（1）致澇因素與內(nèi)澇風(fēng)險(xiǎn)的相關(guān)關(guān)系。用Spearman方法進(jìn)行各影響因素與內(nèi)澇風(fēng)險(xiǎn)的相關(guān)關(guān)系分析，結(jié)果如圖9所示。在6大類影響因素中，土地利用類型對(duì)建筑小區(qū)內(nèi)澇的影響最強(qiáng)，不透水面積占比（X16）與內(nèi)澇風(fēng)險(xiǎn)呈顯著正相關(guān)，而水體面積占比（X17）則與內(nèi)澇風(fēng)險(xiǎn)呈顯著負(fù)相關(guān)。其次是土壤地質(zhì)因素，主要表現(xiàn)為土壤滲透系數(shù)（X12）和內(nèi)澇的負(fù)相關(guān)關(guān)系，滲透系數(shù)越高，內(nèi)澇發(fā)生的可能性相對(duì)越小。城市空間結(jié)構(gòu)方面，建筑密度（X18）對(duì)內(nèi)澇風(fēng)險(xiǎn)形成的影響最為顯著，而建筑小區(qū)與受納水體的距離（X20）同樣不容忽視，這證實(shí)了城北片區(qū)、龍馬潭老城片區(qū)和中心半島老城片區(qū)建筑小區(qū)出現(xiàn)內(nèi)澇原因的推測(cè)。社會(huì)因素中，人口密度（X14）與內(nèi)澇風(fēng)險(xiǎn)呈現(xiàn)顯著的正相關(guān)關(guān)系，而GDP（X15）雖然也與內(nèi)澇風(fēng)險(xiǎn)呈正相關(guān)，但其相關(guān)系數(shù)（0.131）和顯著性水平（0.05）均不及人口密度的影響，說明人口密度比GDP更能反映當(dāng)?shù)厣鐣?huì)條件實(shí)際情況。

降雨因素對(duì)建筑小區(qū)內(nèi)澇災(zāi)害產(chǎn)生的影響同樣是顯著的，在研究選取的4項(xiàng)降雨指標(biāo)中，年均暴雨總量（X3）和年均暴雨日數(shù)（X4）與內(nèi)澇風(fēng)險(xiǎn)呈現(xiàn)顯著正相關(guān)關(guān)系，而最大單日降雨量（X2）和年均降雨量（X1）則呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，表明降雨總量與極值的降雨指標(biāo)并未呈現(xiàn)與內(nèi)澇風(fēng)險(xiǎn)的一致性關(guān)系，也從側(cè)面體現(xiàn)致澇暴雨的隨機(jī)性和復(fù)雜性特征，十分有必要針對(duì)致災(zāi)降雨特征與內(nèi)澇形成演進(jìn)耦合關(guān)系開展深入研究。地形因素中，地形起伏度（X11）和坡度（X6）對(duì)內(nèi)澇的影響較大，尤其針對(duì)山地丘陵城市，坡度變化較大，陡坡處徑流行泄速度快，對(duì)城市市政基礎(chǔ)設(shè)施造成嚴(yán)重威脅，并對(duì)居民出行和避險(xiǎn)造成一定困難^［28］，而地形起伏較為復(fù)雜的區(qū)域也極易在低洼地帶形成積水，是不能忽視的致澇因素之一。其次，地表粗糙度（X10）和坡向變率（X9）也與內(nèi)澇風(fēng)險(xiǎn)呈現(xiàn)一定的相關(guān)關(guān)系，地表粗糙度較高的區(qū)域可能由于城市微地形等原因^［29］，形成較為復(fù)雜的產(chǎn)匯流路徑，從而形成一定的內(nèi)澇風(fēng)險(xiǎn)，而坡向（X7）、高程（X5）等其他地形條件與建筑小區(qū)的內(nèi)澇風(fēng)險(xiǎn)并未呈現(xiàn)顯著的相關(guān)關(guān)系。

（2）致澇因素之間的相關(guān)關(guān)系。在內(nèi)澇形成演進(jìn)的過程中，因素與因素之間可能會(huì)相互影響。利用Spearman分析方法對(duì)影響因素之間的相關(guān)性進(jìn)行計(jì)算，結(jié)果如圖10所示。降雨因素中，年均降雨量和最大單日降雨量呈顯著正相關(guān)，而又與年均暴雨總量呈現(xiàn)顯著負(fù)相關(guān)，這與致澇因素和內(nèi)澇風(fēng)險(xiǎn)的相關(guān)關(guān)系結(jié)果表現(xiàn)一致。地形因素中，坡度、坡向、坡度變率和坡向變率幾個(gè)指標(biāo)之間會(huì)相互影響，對(duì)其進(jìn)行內(nèi)澇驅(qū)動(dòng)力分析時(shí)，這些指標(biāo)的作用性質(zhì)會(huì)存在一定共性。社會(huì)因素、土地利用類型和城市空間結(jié)構(gòu)之間也存在一定的相互作用，但其相關(guān)關(guān)系并不顯著。因此，在進(jìn)行內(nèi)澇驅(qū)動(dòng)因素分析時(shí)，上述幾類指標(biāo)的作用需要分別剖析。

Spearman方法只能就各因素之間的數(shù)值關(guān)系進(jìn)行分析，無法體現(xiàn)各因素的空間關(guān)系，然而建筑小區(qū)內(nèi)澇影響因素具有非均衡的空間分布形態(tài)，并且一些因素的空間聚集模式與內(nèi)澇風(fēng)險(xiǎn)分布特點(diǎn)呈現(xiàn)一定的共性。因此，各致澇因素的空間屬性需要加以考慮和分析，才能更為準(zhǔn)確地揭示內(nèi)澇驅(qū)動(dòng)因素的作用機(jī)制。

2.2.2 內(nèi)澇驅(qū)動(dòng)因素地理探測(cè)

（1）因子探測(cè)。對(duì)于每個(gè)影響因素，按照自然間斷點(diǎn)分級(jí)法對(duì)其進(jìn)行離散化和重分類，將得到的結(jié)果在地理探測(cè)器模型中進(jìn)行因子探測(cè)，通過q值反映各因素對(duì)內(nèi)澇風(fēng)險(xiǎn)的解釋力，得到結(jié)果如圖11所示。土壤地質(zhì)因素中的巖體吸水率（X13）對(duì)內(nèi)澇的解釋力最高（0.237 8），這可能與山地丘陵城市的地質(zhì)類型特點(diǎn)有關(guān)。其次，人口密度、年均暴雨日數(shù)和不透水面積占比也具有較高的解釋力，q值分別為0.207 3，0.153 0和0.127 1，這表明了在城市內(nèi)澇治理時(shí)需要重點(diǎn)考慮土壤地質(zhì)、社會(huì)因素、降雨因素和土地利用因素。而水體面積占比、坡度變率、地表粗糙度、地形起伏度和坡度解釋力較低，說明考慮空間屬性的情況下，地形因素對(duì)瀘州市中心城區(qū)建筑小區(qū)內(nèi)澇影響并不明顯。上述結(jié)果計(jì)算時(shí)均考慮了各要素的地理空間位置關(guān)系，與不含空間屬性的傳統(tǒng)相關(guān)性分析方法所得結(jié)果存在一定差異，表明了考慮地理空間屬性的影響因素探測(cè)方法更能對(duì)內(nèi)澇空間分布差異性的形成原因進(jìn)行適宜解釋。

（2）交互探測(cè)。各致澇因素之間的交互探測(cè)結(jié)果主要呈現(xiàn)非線性增強(qiáng)和雙因子增強(qiáng)兩種形式（圖12），其中，非線性增強(qiáng)占比較高（89.47%），而雙因子增強(qiáng)占比較低（10.53%）。在非線性增強(qiáng)的形式中，巖體吸水率和人口密度的協(xié)同作用對(duì)于內(nèi)澇風(fēng)險(xiǎn)有最強(qiáng)的解釋力度，q值為0.536 8，說明該情況可以解釋53.68%的內(nèi)澇風(fēng)險(xiǎn)分布原因；其次是年均暴雨總量和年均暴雨日數(shù)分別與巖體吸水率和人口密度協(xié)同。在雙因子增強(qiáng)的形式中，巖體吸水率和不透水面積占比的協(xié)同、巖體吸水率和建筑形狀系數(shù)（X19）的協(xié)同以及土壤滲透系數(shù)和人口密度的協(xié)同均有較強(qiáng)的解釋力度（q值達(dá)0.3以上）。通過比較q值可以發(fā)現(xiàn)，各因素間協(xié)同作用對(duì)內(nèi)澇風(fēng)險(xiǎn)的解釋力均大于單一因素的解釋力。說明內(nèi)澇風(fēng)險(xiǎn)是多因素疊加的作用，即便單個(gè)因素解釋力不高，但與土壤地質(zhì)、土地利用、社會(huì)因素和降雨因素等因素共同作用時(shí)會(huì)對(duì)內(nèi)澇風(fēng)險(xiǎn)產(chǎn)生較大影響。

3 結(jié) 論

本研究利用核密度估計(jì)法和空間自相關(guān)法識(shí)別了瀘州市中心城區(qū)建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)，并通過Spearman相關(guān)分析和地理探測(cè)器法分析內(nèi)澇主要驅(qū)動(dòng)因素，得出以下結(jié)論：

（1）瀘州市中心城區(qū)建筑小區(qū)的內(nèi)澇災(zāi)害分布呈現(xiàn)出明顯的空間非均衡性，具有顯著的空間自相關(guān)性，且表現(xiàn)為高值聚集模式。利用核密度估計(jì)值進(jìn)行局部相關(guān)性聚類分析，結(jié)合核密度空間分布和“高-高聚集”“低-低聚集”“高-低包圍”“低-高包圍”4種模式的聚類結(jié)果可快速識(shí)別出內(nèi)澇風(fēng)險(xiǎn)區(qū)域。瀘州市建筑小區(qū)內(nèi)澇風(fēng)險(xiǎn)呈現(xiàn)從中心向四周逐級(jí)遞減趨勢(shì)，城北、中心半島老城和龍馬潭老城片區(qū)的建筑小區(qū)為內(nèi)澇高風(fēng)險(xiǎn)區(qū)域。

（2）不考慮空間屬性的情況下，土地利用類型對(duì)建筑小區(qū)內(nèi)澇的影響最強(qiáng)，其次是土壤地質(zhì)因素、城市空間結(jié)構(gòu)和社會(huì)因素，降雨因素對(duì)建筑小區(qū)內(nèi)澇災(zāi)害產(chǎn)生的影響顯著高于地形因素。在考慮內(nèi)澇空間分異性的情況下，土壤地質(zhì)、土地利用、社會(huì)因素和降雨因素是內(nèi)澇風(fēng)險(xiǎn)的主要驅(qū)動(dòng)因素，并表現(xiàn)為多因素協(xié)同發(fā)生的復(fù)雜形式。

本文提出的內(nèi)澇風(fēng)險(xiǎn)快速識(shí)別和致澇因素初步分析方法，更適合于規(guī)劃階段在城市或城區(qū)層面對(duì)內(nèi)澇風(fēng)險(xiǎn)區(qū)域?qū)崿F(xiàn)快速識(shí)別與初步判斷，可為針對(duì)重點(diǎn)易澇區(qū)域在復(fù)雜降雨情境下開展精細(xì)化內(nèi)澇風(fēng)險(xiǎn)形成、演進(jìn)模擬分析評(píng)估提供目標(biāo)導(dǎo)向，將有效提高城市內(nèi)澇風(fēng)險(xiǎn)識(shí)別與評(píng)估工作效率。

參考文獻(xiàn)：

［1］徐宗學(xué)，李鵬.城市化水文效應(yīng)研究進(jìn)展：機(jī)理、方法與應(yīng)對(duì)措施［J］.水資源保護(hù)，2022，38（1）：7-17.

［2］HAMMOND M J，CHEN A S，DJORDJEVIC S，et al.Urban flood impact assessment：a state-of-the-art review［J］.Urban Water Journal，2015，12（1）：14-29.

［3］張?chǎng)危瑒⒖电?，王克樹，?2021年全球典型極端降雨災(zāi)害事件對(duì)比及綜合防御［J］.人民長(zhǎng)江，2022，53（8）：23-29，35.

［4］馬鑫，侯精明，李丙堯.城市極端暴雨澇情變化特征模擬分析：以寧夏固原市為例［J］.人民長(zhǎng)江，2023，54（7）：1-7.

［5］MA B Y，WU Z N，HU C H，et al.Process-oriented SWMM real-time correction and urban flood dynamic simulation［J］.Journal of Hydrology，2022，605：127269.

［6］徐美，劉舒，孫楊，等.利用洪澇模型進(jìn)行城市內(nèi)澇風(fēng)險(xiǎn)快速識(shí)別與預(yù)警［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2020，45（8）：1185-1194.

［7］HE J，ZHANG L M，XIAO T，et al.Deep learning enables super-resolution hydrodynamic flooding process modeling under spatiotemporally varying rainstorms［J］.Water Research，2023，239：120057.

［8］WANG Y H，LI C L，LIU M，et al.Spatial characteristics and driving factors of urban flooding in Chinese megacities［J］.Journal of Hydrology，2022，613（B）：128464.

［9］張晨鈺，王偉，黃莉，等.高度城鎮(zhèn)化背景下粵港澳大灣區(qū)易澇點(diǎn)驅(qū)動(dòng)力分析：以深圳市為例［J/OL］.水資源保護(hù)，2023：1-19［2023-10-11］.http：∥kns.cnki.net/kcms/detail/32.1356.TV.20230731.1817.003.html.

［10］HINOJOS S，MCPHILLIPS L，STEMPEL P，et al.Social and environmental vulnerability to flooding：Investigating cross-scale hypotheses［J］.Applied Geography，2023，157：103017.

［11］PARK K，WON J H.Analysis on distribution characteristics of building use with risk zone classification based on urban flood risk assessment［J］.International Journal of Disaster Risk Reduction，2019，38：101192.

［12］GRAHN T，NYBERG L.Assessment of pluvial flood exposure and vulnerability of residential areas［J］.International Journal of Disaster Risk Reduction，2017，21：367-375.

［13］胡文翰，張質(zhì)明，趙鑫，等.基于VSD模型和地理探測(cè)器的北京城市內(nèi)澇脆弱性評(píng)估及驅(qū)動(dòng)機(jī)制分析［J］.水利水電技術(shù)（中英文），2022，53（10）：86-100.

［14］李秋萍，李雪梅，龔志遠(yuǎn)，等.蘭州市中心城區(qū)內(nèi)澇時(shí)空格局和成因分析［J］.遙感技術(shù)與應(yīng)用，2023，38（4）：935-944.

［15］李德師，徐連軍，陶濤，等.山地丘陵城市匯水區(qū)劃分方法及內(nèi)澇模擬分析［J］.中國(guó)給水排水，2021，37（1）：109-113.

［16］陳圓，毛緒昱，陳曦，等.山地城市內(nèi)澇防治中問題及對(duì)策建議：以重慶市中心城區(qū)為例［J］.給水排水，2021，57（12）：35-39.

［17］高以新，李錦.1∶400萬中國(guó)土壤圖（2000）［M］.北京：地圖出版社，2000.

［18］石坤全.瀘州市總體規(guī)劃區(qū)基巖層物理力學(xué)性質(zhì)指標(biāo)統(tǒng)計(jì)分析［J］.四川建筑，2005（增1）：126-130，133.

［19］徐新良.中國(guó)GDP空間分布公里網(wǎng)格數(shù)據(jù)集［DS/OL］.［2023-10-31］.http：∥www.resdc.cn/DOI.北京：資源環(huán)境科學(xué)數(shù)據(jù)注冊(cè)與出版系統(tǒng)，2017.

［20］李存華，孫志揮，陳耿，等.核密度估計(jì)及其在聚類算法構(gòu)造中的應(yīng)用［J］.計(jì)算機(jī)研究與發(fā)展，2004（10）：1712-1719.

［21］李彬燁，趙耀龍，付迎春.廣州城市暴雨內(nèi)澇時(shí)空演變及建設(shè)用地?cái)U(kuò)張的影響［J］.地球信息科學(xué)學(xué)報(bào)，2015，17（4）：445-450.

［22］張松林，張昆.空間自相關(guān)局部指標(biāo)Moran指數(shù)和G系數(shù)研究［J］.大地測(cè)量與地球動(dòng)力學(xué)，2007（3）：31-34.

［23］陳彥光.基于Moran統(tǒng)計(jì)量的空間自相關(guān)理論發(fā)展和方法改進(jìn)［J］.地理研究，2009，28（6）：1449-1463.

［24］樊嶸，孟大志，徐大舜.統(tǒng)計(jì)相關(guān)性分析方法研究進(jìn)展［J］.數(shù)學(xué)建模及其應(yīng)用，2014，3（1）：1-12.

［25］王勁峰，徐成東.地理探測(cè)器：原理與展望［J］.地理學(xué)報(bào)，2017，72（1）：116-134.

［26］陳鵬，朱娛瑩.基于日降雨量的城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)：以長(zhǎng)春市南關(guān)區(qū)為例［J］.人民長(zhǎng)江，2022，53（4）：26-30.

［27］陳文龍，徐宗學(xué)，張印，等.高密度城市暴雨洪澇治理理論框架及其應(yīng)用研究［J］.水利學(xué)報(bào)，2022，53（7）：769-778.

［28］冷紅，陳天，翟國(guó)方，等.極端氣候背景下的思考：城鄉(xiāng)建設(shè)與治水［J］.南方建筑，2021（6）：1-9.

［29］梅超，劉家宏，王浩，等.城市下墊面空間特征對(duì)地表產(chǎn)匯流過程的影響研究綜述［J］.水科學(xué)進(jìn)展，2021，32（5）：791-800.

（編輯：謝玲嫻）

Rapid identification and driving factor analysis of waterlogging risk in

urban building communities

WANG Xuan¹，ZHANG Wei^{1，2，3}，LIU Fanghua⁴，KONG Ye⁵，SUN Huichao¹

（1.Beijing Engineering Research Center of Sustainable Urban Sewage System Construction and Risk Control，Beijing University of Civil Engineering and Architecture，Beijing 100044，China；2.Key Laboratory of Urban Stormwater System and Water Environment，Ministry of Education，Beijing University of Civil Engineering and Architecture，Beijing 100044，China；3.Beijing Energy Conservation & Sustainable Urban and Rural Development Provincial and Ministry Co-construction Collaboration Innovation Center，Beijing University of Civil Engineering and Architecture，Beijing 100044，China；4.Luzhou Housing and Urban-Rural Development Bureau，Luzhou 646000，China；5.CAUPD Beijing Planning ＆ Design Consultants Co.，Ltd.，Beijing 100044，China）

Abstract：Rapid identification and driving factor analysis of urban waterlogging risk have been the primary requirements to implement urban waterlogging management.However，the traditional urban drainage modelling method requires high-resolution basic data support and a large modeling cost，which is difficult to meet the demand of urban waterlogging rapid identification.Based on the actual urban waterlogging disaster data of building communities in Luzhou City from 2015 to 2022，the spatial distribution of waterlogging risk in building communities was rapidly identified using kernel density estimation and spatial correlation analysis.Spearman correlation analysis and geodetector approach were used to investigate the waterlogging risk driving factors.The results show that the waterlogging risk of building communities in Luzhou City tends to decrease gradually from the center to the perimeter，and the high-risk areas are mainly located in the Chengbei region，Zhongxinbandao region and Longmatan region.The primary driving factors of the waterlogging risk are soil texture，land use，social factors，and rainfall factors，and they exhibit complex forms of multifactorial synergies.The results can provide a basis for high-resolution modeling of the waterlogging risk in Luzhou City，and the methods can also provide methodological support for a rapid identification of the waterlogging risk and preliminary analysis on factors contributing to waterlogging in urban building communities in hilly cities of southwest China.

Key words：building community；urban waterlogging risk；rapid identification；driving factor；kernel density estimation；spatial correlation analysis；spearman correlation analysis；geodetector approach；hilly city