云南省昭通市洪涝灾害风险时空演变及减灾对策

摘要 以历史灾情为依据，选择8项主要洪涝灾害统计指标，利用R/S分析2010—2018年昭通市洪涝灾害灾情时间序列变化特征，基于层次分析法计算出2010—2018年昭通市11个县（区、市）洪涝灾害综合灾情指数，借助GIS分析2010—2018年昭通市洪涝灾害灾情风险区划空间变化特征，探讨造成这种格局的原因及危害趋势。结果表明，在未来一段时间内（8～9年），昭通市洪涝灾害受灾人口、死亡（失踪）人口、倒塌（损坏）房屋、农作物受灾面积、农作物成灾面积和农作物绝收面积将保持减少趋势，洪涝灾害年发生次数和直接经济损失将保持增加趋势。昭通市洪涝灾害灾情风险区划上存在东北部高、西南部低的空间分布规律。在未来8～9年，昭通市降雨量在时间、空间上呈现出增大态势，在其他条件不变的情况下，昭通市面临遭受洪涝灾害损失的风险增大。

关键词 洪涝灾害；灾情；时空变化；风险区划

中图分类号 S162  文献标识码 A

文章编号 0517-6611（2023）10-0177-05

doi：10.3969/j.issn.0517-6611.2023.10.040

Abstract Based on historical disasters， 8 main statistical indicators of flood disasters were selected. The time series changes of flood disasters in Zhaotong City from 2010 to 2018 were analyzed using R/S， the comprehensive disaster index of flood disasters in 11 counties （districts， cities） of Zhaotong City from 2010 to 2018 was calculated using Analytic Hierarchy Process.Using GIS to analyze the spatial variation characteristics of flood disaster risk zoning in Zhaotong City from 2010 to 2018，and the reasons and harm trends that caused this pattern were explored.The results showed that in the next period of time （8-9 years）， the data of flood disasteraffected population， dead（missing） population， collapsed （damaged） houses， crops affected area， crop disaster area and crop failure area in Zhaotong City would maintain a decreasing trend， and the annual number of flood disasters and direct economic losses would maintain an increasing trend. In the spatial zoning of flood disasters in Zhaotong City， the overall disaster situation had a spatial distribution law that was high in the northeast and low in the southwest. In the next 8-9 years， the rainfall in Zhaotong City would increase in time and space. It would face an increased risk of flood damage if the other conditions remain unchanged.

Key words Flood disaster;Disaster situation;Temporal and spatial change;Risk zoning

昭通市是云南省粮食主产区，2019年昭通市粮食播种面积50.37万hm2、总播种面积70.28万hm2，在云南省16个州（市）中分别位列第2、第3位，粮食产量205.90万t，在云南省16个州（市）中位列第2位；生产总值1 194.20亿元，在云南省16个州（市）中位列第7位［1］。昭通市洪涝灾害易发频发，灾害造成的损失较为严重。刘佳旭等［2］研究表明昭通市为云南省5个洪涝易发地区之一。根据云南省2010—2018年减灾年鉴资料整理出的昭通市洪涝灾害受灾数据，近9年昭通市洪涝灾害平均每年发生14次，受灾人口96.04万，死亡（失踪）人口26人；近9年昭通市洪涝灾害直接经济损失累计值达113.83亿元，2012年直接经济损失最多，达41.15亿元，平均每年给昭通市造成12.65亿元的直接经济损失。昭通市洪涝灾害已经成为严重制约其农业和经济社会发展的突出瓶颈，所以，研究昭通市洪涝灾害灾情发生趋势和灾情风险区划空间变化，并尝试深入探讨造成这种格局的原因以及危害趋势，这对于在防灾减灾决策中利用灾情风险区划制定空间规划、生产力布局、土地开发利用调整以及防范洪涝灾害风险、降低灾害损失具有重要意义。

近年来，国内众多学者采用不同评价方法对洪涝灾害风险的时空演变特征及风险区划进行了研究。目前主要的洪灾风险评价方法有基于历史灾情数据的方法、基于水灾史料和古洪水调查的方法、遥感与GIS方法、基于指标体系的多准则决策分析法等，研究方法工具运用方面R/S、AHP和GIS等比较常见［3-9］。基于历史灾情数据的研究方法中，由于历史灾情数据难以获取，众多学者通常选择较大的研究区域和较少的灾情指标［10-17］。如黄崇福等［10］针对小区域内历史灾情资料不多的特点，引入了信息扩散的模糊数学方法，对历史灾情资料进行优化处理，可作为农业自然灾害风险评估的实用方法；丁贤法等［11］根据云南省近500年的旱涝灾害时间分布序列，应用R/S分析，预测了未来旱涝灾害的发生时间；万金红等［14］选择7项主要洪涝灾害统计指标（农作物受灾面积、成灾面积、受灾人口、死亡人口、倒塌房屋、直接经济损失、水利设施直接经济损失），分析我国1950年以来洪涝灾情时空变化趋势和1990年以来我国洪涝灾害强度的时空变化特征；徐玉霞［15］选用危险性、暴露性、脆弱性、防灾减灾能力4个指标作为综合评价指标，采用层次分析法确定各评价因子的权重，借助GIS的空间分析，对陕西省洪涝灾害风险进行区划，并利用降水距平百分率的旱涝等级划分标准计算得出的洪涝频率进行验证；刘佳旭等［2］选择月降水量，采用线性倾向估计法、R/S分析法等，分析了1954—2014年云南省降水序列、旱涝情态的时间特征和空间格局。该研究在参考前人研究成果的基础上，克服较小空间尺度灾情数据较难获取的缺点，采用2010—2018年较长时间序列和县级行政区划单元较小空间尺度上的历史灾情数据，进行区域洪涝灾害风险评估，分析区域洪涝灾害风险的空间分布规律，为防灾减灾决策提供重要参考。

1 资料与方法

1.1 研究区域概况 昭通市位于云南省东北部、金沙江下游，地处26°55′～28°36′N、102°52′～105°19′E，面积2.3万km2。境内山高谷深、沟壑纵横、水系水量充沛，地势西南高东北低。气候属亚热带、暖温带共存的低纬高原季风立体气候，干湿季节分明，干季降水稀少，雨季降水充沛，局地暴雨频发。

1.2 数据来源 2010—2018年昭通市洪涝灾害时间序列灾情数据来源于历年《云南省减灾年鉴》；昭通市降雨量数据来源于云南省气候中心。

1.3 研究方法

1.3.1 R/S分析法。R/S分析法，也称为重标极差分析法（rescaled range analysis），是非线性时间序列分析的一种基本方法，通常用于分析时间序列的分形特征和长期记忆过程。R/S分析法的Hurst指数（H）在0～1，即0≤H≤1，不同的H值代表着不同的变化趋势。H值对时间序列的发展趋势具有明确的指示意义，可用于自然灾害时间序列趋势变化的预测研究［16-18］。

1.3.2 层次分析法（AHP）。层次分析法（analytic hierarchy process，AHP）是一种定性与定量相结合、系统化、层次化的决策分析方法。可以利用层次分析法来解决难以定量分析的复杂系统问题，有助于将洪涝灾害风险定量分析［5］。

1.3.3 基于GIS的空间分析。基于GIS的空间分析是地理信息系统区别于其他信息系统的主要特色，也是评价地理信息系统功能的主要特征之一。目前，GIS空间分析已广泛应用于水污染监测、城市规划与管理、地震灾害预警和损失估计、洪水灾害分析等方面。

2 昭通市洪涝灾害时空演变格局变化和规律

2.1 昭通市洪涝灾害时间序列格局变化和规律 洪涝灾害造成的灾情损失通常表现为人口、房屋、农业和经济4个维度，依据整理出来的昭通市2010—2018年洪涝灾害受灾情况，对近9年来昭通市洪涝灾害受灾人口、死亡（失踪）人口、倒塌（损坏）房屋、农作物受灾面积、农作物成灾面积、农作物绝收面积、直接经济损失和洪涝灾害年发生次数这8个洪涝灾害统计指标进行R/S分析，依据R/S分析法的原理，计算得到8个指标的Hurst指数，结合灾情序列的历史变化趋势，整理出R/S分析结果（表1）。

昭通市洪涝灾害灾情系列的R/S分析结果（表1）表明，在未来一段时间（8～9年）内，昭通市洪涝灾害受灾人口、死亡（失踪）人口、倒塌（损坏）房屋、农作物受灾面积、农作物成灾面积和农作物绝收面积将保持减少趋势，洪涝灾害年发生次数和直接经济损失将保持增加趋势。

借助时间序列的谱分析方法，即借助数据分析的傅里叶（Fourier）分析，研究2000—2018年昭通市228个月降雨量数据，绘制频谱图进行分析。结果发现，在f=0.082 031 25处有一个尖峰突起的周期点，取倒数得到T=12。可见，昭通市降雨量存在一个12个月的周期变动规律。

2000—2018年昭通市降雨量变化（图1）显示，近19年昭通市降雨量呈现波动显著变化。与2010—2018年洪涝灾害受灾的历史变化趋势进行比较，发现2010—2018年降雨量波动显著是造成该时间段洪涝灾害灾情损失显著波动的原因，而变化趋势除了与灾情的直接经济损失趋势相同即波动增加外，与灾情的其他变化趋势恰恰相反，说明降雨量与洪涝灾害灾情损失相关性并不显著。

根据昭通市2010—2018年降雨量数据，计算出昭通市11个县（区、市）2010—2018年年降雨量距平百分率（M），结果发现，昭通市11个县（区、市）在2010、2012、2015、2017、2018年均属于正常年份；在2011年仅有镇雄县和巧家县属于正常年份，昭阳区属于大旱，其他8个行政区域均属于偏旱年份；在2013年永善县、盐津县、彝良县、昭阳区和水富市属于偏涝年份，其他6个行政区域均属于正常年份；在2014年仅有彝良县属于偏涝年份，其他10个行政区域属于正常年份；在2016年仅威信县和大关县属于正常年份，巧家县属于大涝年份，其他8个行政区域均属于偏涝年份。在灾情统计中，昭通市在2012年降雨属于正常年份（-25%<M<25%），却处于洪涝灾害灾情损失的峰值，推测原因在于昭通市在2011年属于水文旱灾（M≤-25%），旱灾之后的第二年发生了重大的洪涝灾害损失，而此大涝并不是水文意义上的大涝，正常年份降水（水文学术范围内）就造成了重大的洪涝灾害损失。可见，降雨量的年际变化大，各年的降雨量变化不稳定，也是形成洪涝灾害的原因之一。

对2010—2018年昭通市降雨量进行R/S分析，依据R/S分析法的原理，计算得到降雨量的Hurst指数（图2）。降雨量R/S分析表明，昭通市降雨量在未来8～9年内具有持续性特征，将会保持增加趋势。

2.2 昭通市洪涝灾害空间格局变化和规律 一个地区的洪涝灾害的综合灾情水平可以用综合灾情评估指数（NDI）表示，NDI是对一系列灾情评价因子进行归一化和加权处理，并依次累加求和，定量化地反映灾情的严重程度［19-21］。根据云南省2010—2018年减灾年鉴资料，统计整理出昭通市11个县（区、市）2010—2018年洪涝灾害灾情指标数据。由于各个灾情指标具有不同的量纲和不同的数量级，无法进行直接比较。为了使得各个指标之间具有可比性，必须对每个具体指标进行归一化处理［14-15］。昭通市2010—2018年洪涝灾害灾情指标数据归一化处理结果如表2所示。

通过选择的灾情指标数据，构建AHP层次分析，并计算出2010—2018年昭通市洪涝灾害灾情评估指标权重（表3）。根据各项评估指标权重以及各项评估指标归一化数值，计算得到昭通市11个县（区、市）2010—2018年洪涝灾害综合灾情指数，分别为昭阳区0.495 33、鲁甸县0.093 54、巧家县0.549 73、盐津县0.588 77、大关县0.213 68、永善县0.036 21、绥江县0.355 31、镇雄县0.588 49、彝良县0.357 89、威信县0.079 12、水富市0.165 10。可见，灾情风险等级最高县为盐津县，最低为永善县。