趙佳琪,張 強(qiáng),*,朱秀迪,申澤西,余慧倩

1 北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室, 北京 100875 2 北京師范大學(xué)地表過程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100875 3 北京師范大學(xué)地理科學(xué)學(xué)部 減災(zāi)與應(yīng)急管理研究院, 北京 100875 4 長(zhǎng)江流域水資源保護(hù)局 長(zhǎng)江水資源保護(hù)科學(xué)研究院，武漢 430051 5 中國(guó)科學(xué)院生態(tài)環(huán)境研究中心 城市與區(qū)域生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100085 6 中國(guó)科學(xué)院大學(xué)，北京 100049

干旱是指因較長(zhǎng)時(shí)期無雨或高溫少雨,導(dǎo)致水分缺乏[1],而旱災(zāi)是危害性最大的災(zāi)害[2- 3],也是導(dǎo)致我國(guó)經(jīng)濟(jì)損失最嚴(yán)重的三大災(zāi)害之一。2012—2016年間,旱災(zāi)導(dǎo)致我國(guó)直接經(jīng)濟(jì)損失高達(dá)2889.7億元,約占所有氣象災(zāi)害直接經(jīng)濟(jì)損失總和的15.6%[4]。據(jù)政府間氣候變化委員會(huì)(Intergovernmental Panel on Climate Change, IPCC)第五次評(píng)估報(bào)告[1],在高排放情景下(RCP8.5),21世紀(jì)末旱災(zāi)發(fā)生頻率會(huì)增加。《2005—2015年兵庫(kù)縣行動(dòng)框架：增強(qiáng)國(guó)家和社區(qū)應(yīng)對(duì)災(zāi)害的能力》于2005年提出“減輕災(zāi)害風(fēng)險(xiǎn)(Disaster Risk Reduction, DRR)”[5]的概念,進(jìn)而災(zāi)害風(fēng)險(xiǎn)研究已成為國(guó)內(nèi)外研究熱點(diǎn)[6-10]。災(zāi)害風(fēng)險(xiǎn)主要包括不同強(qiáng)度的災(zāi)害發(fā)生的可能性以及災(zāi)害造成不同損失程度的可能性[11-12],是危險(xiǎn)性(由和氣候變化相關(guān)的事件或趨勢(shì)引起)、脆弱性(易受損害的程度)和暴露度(面臨風(fēng)險(xiǎn)的人群、財(cái)產(chǎn)或生態(tài)系統(tǒng))之間相互作用的結(jié)果[1]。IPCC報(bào)告[13]指出,災(zāi)害風(fēng)險(xiǎn)是指特定時(shí)段由于危害性自然事件造成社區(qū)或社會(huì)出現(xiàn)劇烈改變的概率,進(jìn)而可能導(dǎo)致生命財(cái)產(chǎn)損失,需做出應(yīng)急響應(yīng),以滿足災(zāi)害應(yīng)對(duì)的需要。因此,旱災(zāi)綜合風(fēng)險(xiǎn)可定義為旱災(zāi)可能對(duì)生態(tài)環(huán)境、社會(huì)發(fā)展及人類生產(chǎn)生活造成的潛在影響,是致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度和承災(zāi)體脆弱性相互作用的結(jié)果,干旱主要被劃分為三種類型,包括氣象干旱、農(nóng)業(yè)干旱、水文干旱[14],本文討論氣象干旱造成的影響。

目前,國(guó)際上對(duì)旱災(zāi)的應(yīng)對(duì)仍以災(zāi)后處置為主[15],但隨著社會(huì)經(jīng)濟(jì)的發(fā)展,氣候變化對(duì)人類社會(huì)以及自然環(huán)境的影響越來越明顯,該方式的弊端也越來越顯著,2014—2018年間,美國(guó)發(fā)生了5次嚴(yán)重旱災(zāi),每場(chǎng)旱災(zāi)造成的損失均超過十億美元[16]；而1991—2006年歐洲年均旱災(zāi)損失較1979—1990年翻了一倍,近幾年已增加至每年62億歐元[17]。2011年,第十六屆世界氣象大會(huì)在日內(nèi)瓦召開,呼吁各國(guó)制定減災(zāi)框架,降低災(zāi)害風(fēng)險(xiǎn),轉(zhuǎn)換災(zāi)害管理模式,采取措施主動(dòng)防災(zāi)減災(zāi)。中國(guó)也在尋求應(yīng)對(duì)災(zāi)害的良策,并提出要從注重災(zāi)后救助向注重災(zāi)前預(yù)防轉(zhuǎn)變[18]。評(píng)估并掌握氣候變化帶來的災(zāi)害風(fēng)險(xiǎn)具有極其重要的意義,已經(jīng)成為當(dāng)前促進(jìn)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的重要任務(wù)。

當(dāng)前災(zāi)害風(fēng)險(xiǎn)研究已經(jīng)成為各學(xué)科的研究熱點(diǎn)[19-24],近年來涌現(xiàn)了一批研究成果,但災(zāi)害的風(fēng)險(xiǎn)評(píng)估結(jié)果難以驗(yàn)證[25],在這種情況下,如何構(gòu)建更加合理的風(fēng)險(xiǎn)評(píng)估框架已經(jīng)成為災(zāi)害風(fēng)險(xiǎn)評(píng)估中的一個(gè)重要問題。最常用的旱災(zāi)風(fēng)險(xiǎn)評(píng)估方法是結(jié)合層次分析法構(gòu)建綜合風(fēng)險(xiǎn)評(píng)估指數(shù),但該風(fēng)險(xiǎn)評(píng)估過程具有較強(qiáng)的主觀性,從而對(duì)評(píng)估結(jié)果產(chǎn)生影響,因此本文基于此對(duì)該評(píng)估模型進(jìn)行改進(jìn)：首先基于旱災(zāi)風(fēng)險(xiǎn)的定義作出合理假設(shè)“歷史干旱災(zāi)損高的地區(qū)遭受高旱災(zāi)損失的概率越大”,引入歷史實(shí)際旱災(zāi)損失序列對(duì)旱災(zāi)風(fēng)險(xiǎn)的評(píng)估過程進(jìn)行校正,并基于多元非線性回歸法建立新的旱災(zāi)風(fēng)險(xiǎn)評(píng)估模型,對(duì)中國(guó)旱災(zāi)綜合風(fēng)險(xiǎn)進(jìn)行評(píng)估,劃定中國(guó)高旱災(zāi)風(fēng)險(xiǎn)區(qū)域。本研究提供了一種新的旱災(zāi)風(fēng)險(xiǎn)評(píng)估思路,為我國(guó)進(jìn)行旱災(zāi)風(fēng)險(xiǎn)管理和綜合防災(zāi)減災(zāi)提供了科技支撐。

1 數(shù)據(jù)

1.1 氣象數(shù)據(jù)

氣象數(shù)據(jù)集來源于全球標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(Standardized Precipitation Evapotranspiration Index, SPEI)數(shù)據(jù)庫(kù)(SPEIbase v.2.5),SPEIbase提供了關(guān)于全球范圍干旱狀況的長(zhǎng)期、可靠的信息[26],數(shù)據(jù)獲取自西班牙的知識(shí)機(jī)構(gòu)庫(kù)DIGITAL.CSIC(https://digital.csic.es/),該數(shù)據(jù)庫(kù)應(yīng)用CRU TS v3.24.01數(shù)據(jù)集計(jì)算了1901年1月至2015年12月期間空間分辨率為0.5°×0.5°,多時(shí)間尺度的SPEI數(shù)據(jù),本研究應(yīng)用其中3個(gè)月尺度的SPEI數(shù)據(jù)[27-29]。

1.2 社會(huì)經(jīng)濟(jì)數(shù)據(jù)

NASA社會(huì)經(jīng)濟(jì)數(shù)據(jù)及應(yīng)用中心(Socioeconomic Data and Applications Center, SEDAC)(https://sedac.ciesin.columbia.edu/)提供的世界柵格人口數(shù)據(jù)集、2000年全球農(nóng)區(qū)分布數(shù)據(jù)集、2000年全球牧區(qū)分布數(shù)據(jù)集以及水庫(kù)數(shù)據(jù)集作為本文研究所需社會(huì)經(jīng)濟(jì)數(shù)據(jù)集。世界柵格人口數(shù)據(jù)集的空間分辨率為2.5 min×2.5 min,包含2000、2005、2010、2015等4年及所預(yù)測(cè)2020年人口數(shù)。本研究所用數(shù)據(jù)為2015年人口資料。農(nóng)區(qū)、牧區(qū)分布數(shù)據(jù)集的空間分辨率為5 min×5 min,柵格值分別代表2000年耕地面積、牧草地面積占柵格總面積的比例。水庫(kù)數(shù)據(jù)集主要依據(jù)所修建大壩定位了2011年蓄水能力超過0.1m3的水庫(kù)。各地市(不包括港澳臺(tái)地區(qū))的第一產(chǎn)業(yè)占GDP比重、水資源總量、用水總量獲取自各省市2015年統(tǒng)計(jì)年鑒。國(guó)內(nèi)生產(chǎn)總值(GDP)與土地利用資料均獲取自資源環(huán)境數(shù)據(jù)云平臺(tái)(http://www.resdc.cn/),其中,GDP獲取自2015年中國(guó)GDP空間分布公里網(wǎng)格數(shù)據(jù)集,空間分辨率為1km×1km,土地利用數(shù)據(jù)來源于2015年中國(guó)土地利用現(xiàn)狀遙感監(jiān)測(cè)數(shù)據(jù)集,包括耕地、林地、草地、水域、居民地和未利用土地6個(gè)一級(jí)類型以及25個(gè)二級(jí)類型,空間分辨率為1km×1km。

1.3 災(zāi)情數(shù)據(jù)

災(zāi)情包括災(zāi)害造成的直接損失、間接損失及對(duì)生態(tài)環(huán)境的影響?！吨袊?guó)氣象災(zāi)害年鑒》[4]記錄了旱災(zāi)所導(dǎo)致的影響,包括旱災(zāi)直接經(jīng)濟(jì)損失數(shù)據(jù)、干旱受災(zāi)人口數(shù)據(jù)以及干旱導(dǎo)致的農(nóng)作物受災(zāi)面積數(shù)據(jù)。本研究應(yīng)用2011—2016年的相關(guān)干旱災(zāi)情數(shù)據(jù),由于數(shù)據(jù)缺失,不包含2013年災(zāi)情統(tǒng)計(jì)。

2 研究方法

2.1 旱災(zāi)風(fēng)險(xiǎn)綜合評(píng)估框架

旱災(zāi)風(fēng)險(xiǎn)(Risk)由致災(zāi)因子危險(xiǎn)性(Haz)、承災(zāi)體暴露度(Expo)以及承災(zāi)體脆弱性(Vul)三個(gè)因子組成[21]：

Risk=Haz×Expo×Vul

(1)

本文依據(jù)旱災(zāi)風(fēng)險(xiǎn)定義,認(rèn)為風(fēng)險(xiǎn)評(píng)估得到的結(jié)果應(yīng)當(dāng)能盡量反映實(shí)際災(zāi)情,作出假設(shè)“歷史干旱災(zāi)損高的地區(qū)遭受高旱災(zāi)損失的概率越大”,基于此,本研究將災(zāi)損數(shù)據(jù)融入災(zāi)害風(fēng)險(xiǎn)評(píng)估框架中,運(yùn)用多元非線性回歸方法,提出一種新的風(fēng)險(xiǎn)評(píng)估框架,如圖1所示。

圖1 旱災(zāi)風(fēng)險(xiǎn)評(píng)估框架Fig.1 Frame of drought risk assessment

2.2 旱災(zāi)風(fēng)險(xiǎn)指標(biāo)選取

致災(zāi)因子危險(xiǎn)性表征氣象干旱的嚴(yán)重程度,相較于其他干旱指標(biāo),標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI)綜合考慮了降水、氣溫以及蒸散發(fā)要素對(duì)干旱的影響,并具有多時(shí)間尺度特性,目前已經(jīng)被廣泛應(yīng)用于干旱研究[30-31],其中,為了體現(xiàn)干旱的季節(jié)性變化,本研究選取3個(gè)月尺度SPEI指標(biāo)計(jì)算致災(zāi)因子危險(xiǎn)性[32]。

承災(zāi)體暴露度表征暴露于旱災(zāi)下的承災(zāi)體數(shù)量,承災(zāi)體暴露度指標(biāo)的選取應(yīng)具有代表性。本文選取與干旱密切相關(guān)且較為通用的多個(gè)指標(biāo)進(jìn)行計(jì)算(表1)。其中,承災(zāi)體暴露度主要參考Carr?o[15]所選取的指標(biāo),考慮了易受旱災(zāi)影響的三類承災(zāi)體：人類、耕地、牧草地。由于農(nóng)作物生長(zhǎng)對(duì)氣候及水分的變化最為敏感,因此最易受到旱災(zāi)影響；旱災(zāi)對(duì)牧草地的影響則體現(xiàn)了旱災(zāi)對(duì)生態(tài)環(huán)境的影響；此外,人類也是重要的承災(zāi)體之一。

承災(zāi)體脆弱性表征受干旱影響的傾向,脆弱性指標(biāo)的選取主要參考Ahmadalipour等[33]的相關(guān)研究(表1),具體指標(biāo)如表1所示。旱災(zāi)具有緩發(fā)性,因此經(jīng)濟(jì)發(fā)達(dá)地區(qū)可更好地減輕旱災(zāi)不良影響；而第一產(chǎn)業(yè)占GDP比重越高的地區(qū),經(jīng)濟(jì)受旱災(zāi)影響越大；本研究將地區(qū)用水總量與水資源總量的比值定義為用水壓力指標(biāo)[15],當(dāng)用水壓力大于1時(shí),表明地區(qū)用水量超過水資源量,地區(qū)用水安全受到威脅；作物類型及耕作方式也影響著旱災(zāi)脆弱性,農(nóng)業(yè)生產(chǎn)總體上可以分為雨養(yǎng)農(nóng)業(yè)和灌溉農(nóng)業(yè)兩種類型，其中雨養(yǎng)農(nóng)業(yè)靠天然降水為水源,更易受旱災(zāi)影響；水庫(kù)數(shù)量代表區(qū)域應(yīng)對(duì)干旱的能力,通過調(diào)控區(qū)域水資源,在一定程度上能夠緩解干旱。表1中各風(fēng)險(xiǎn)因子的指標(biāo)權(quán)重是通過災(zāi)損數(shù)據(jù)與旱災(zāi)風(fēng)險(xiǎn)指標(biāo)進(jìn)行多元非線性回歸分析得到,而對(duì)于旱災(zāi)直接經(jīng)濟(jì)損失數(shù)據(jù)、干旱受災(zāi)人口數(shù)據(jù)以及農(nóng)作物受災(zāi)面積數(shù)據(jù)則采用等權(quán)重策略構(gòu)建災(zāi)情指標(biāo)。

表1 旱災(zāi)風(fēng)險(xiǎn)影響因素的指標(biāo)選取及權(quán)重確定

由于各指標(biāo)具有不同的量綱,首先要通過極差標(biāo)準(zhǔn)化方法消除量綱差異,當(dāng)指標(biāo)對(duì)影響因素有正向作用時(shí),采取正向標(biāo)準(zhǔn)化,否則進(jìn)行負(fù)向標(biāo)準(zhǔn)化：

正向標(biāo)準(zhǔn)化：

x=[x0-min(xsequence)]/[max(xsequence)-min(xsequence)]

(2)

負(fù)向標(biāo)準(zhǔn)化：

x=1-[x0-min(xsequence)]/[max(xsequence)-min(xsequence)]

(3)

其中xsequence代表數(shù)值序列,x0是其中需要進(jìn)行標(biāo)準(zhǔn)化處理的數(shù)值,x為標(biāo)準(zhǔn)化的結(jié)果。

2.3 旱災(zāi)風(fēng)險(xiǎn)因子構(gòu)建

旱災(zāi)風(fēng)險(xiǎn)因子包括致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度、承災(zāi)體脆弱性三部分。致災(zāi)因子危險(xiǎn)性表征氣象干旱嚴(yán)重程度,本研究選取3個(gè)月尺度的標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI)計(jì)算。依據(jù)游程理論[34],定義當(dāng)SPEI指標(biāo)小于干旱閾值時(shí),發(fā)生干旱,通常把干旱閾值定為-1。干旱從開始到結(jié)束所間隔的時(shí)間段稱為干旱事件的持續(xù)時(shí)間(DT),干旱期間的累計(jì)缺水程度為干旱強(qiáng)度(DI),表征干旱的嚴(yán)重程度。通過采用對(duì)1901—2015年多年的干旱強(qiáng)度進(jìn)行累加的方法,綜合考慮過去115年間干旱發(fā)生頻率及強(qiáng)度,定義致災(zāi)因子危險(xiǎn)性指標(biāo)：

(4)

其中,i表示干旱發(fā)生的頻次。承災(zāi)體暴露度與承災(zāi)體脆弱性分別采用加權(quán)求和的方法得到,計(jì)算過程如下：

承災(zāi)體暴露度：

(5)

承災(zāi)體脆弱性：

(6)

其中,de、dv分別表示承災(zāi)體暴露度以及承災(zāi)體脆弱性因子,αi和βj表示權(quán)重,Ie,i和Iv,j分別代表第i個(gè)暴露度指標(biāo)與第j個(gè)脆弱性指標(biāo)。

2.4 旱災(zāi)風(fēng)險(xiǎn)綜合指標(biāo)構(gòu)建

旱災(zāi)風(fēng)險(xiǎn)綜合指標(biāo)的構(gòu)建是一個(gè)兩步的復(fù)合模型,在第一步中,進(jìn)行數(shù)據(jù)的預(yù)處理,通過求取平均,計(jì)算各省份的指標(biāo)值,使其與災(zāi)損數(shù)據(jù)具有相同的空間尺度。在第二步中,用災(zāi)情指標(biāo)校正風(fēng)險(xiǎn)的評(píng)估結(jié)果,對(duì)災(zāi)情與各指標(biāo)值進(jìn)行多元非線性擬合,確定各指標(biāo)的權(quán)重,從而得到災(zāi)害風(fēng)險(xiǎn)評(píng)估模型。最后,將高分辨率的柵格指標(biāo)值代入模型,得到所評(píng)估的旱災(zāi)風(fēng)險(xiǎn)。具體的計(jì)算步驟如下：

災(zāi)情指標(biāo)：

lossk=(Ile,k+Ilp,k+Ile,k)/3

(7)

擬合指標(biāo)權(quán)重：

lossk～λ×dhk×dek×dvk

(8)

旱災(zāi)風(fēng)險(xiǎn)：

R=λ×dh×de×dv

(9)

其中,Ile,k,Ilp,k,Ilc,k分別表示k省旱災(zāi)直接經(jīng)濟(jì)損失、干旱受災(zāi)人口以及干旱導(dǎo)致的農(nóng)作物受災(zāi)面積,lossk表示k省的災(zāi)情指標(biāo),dhk,dek,dvk分別表示k省的危險(xiǎn)性、暴露度、和脆弱性進(jìn),λ為致災(zāi)因子危險(xiǎn)性的權(quán)重系數(shù)。

3 結(jié)果與討論

3.1 致災(zāi)因子危險(xiǎn)性分析

圖2 致災(zāi)因子危險(xiǎn)性分布圖Fig.2 Spatial distribution of the drought hazard across China

綜合區(qū)域氣象干旱發(fā)生頻率與強(qiáng)度,繪制致災(zāi)因子危險(xiǎn)性分布圖(圖2),高(極高)致災(zāi)因子危險(xiǎn)性區(qū)域(Haz>0.651)集中于西北與西南地區(qū),約占研究區(qū)面積的35.7%,而東北、華東以及華中、華南等區(qū)域等均屬極低或低致災(zāi)因子危險(xiǎn)性區(qū)域(Haz<0.525),面積比例為53.5%。依據(jù)SPEI指標(biāo)對(duì)干旱特征的監(jiān)測(cè)情況分析氣象干旱特征,我們發(fā)現(xiàn)在高致災(zāi)因子危險(xiǎn)性區(qū)域,干旱強(qiáng)度大且持續(xù)時(shí)間長(zhǎng)。在干旱時(shí)期,平均干旱強(qiáng)度為 -1.5—-1.9,干旱平均歷時(shí)約5個(gè)月至1年。依據(jù)游程理論,干旱強(qiáng)度為負(fù)值,且干旱強(qiáng)度的絕對(duì)值越大,干旱越嚴(yán)重；而在低致災(zāi)因子危險(xiǎn)性地區(qū),干旱期干旱強(qiáng)度在-1.1 至-1.5之間,干旱嚴(yán)重性較弱,平均干旱歷時(shí)小于4個(gè)月。從干旱頻率看,情況則完全相反,低危險(xiǎn)性區(qū)域干旱頻率約為每年1次,而高危險(xiǎn)性區(qū)域干旱頻率低于每1.5年1次。我國(guó)西北和西南地區(qū)容易發(fā)生多季節(jié)的連旱,干旱強(qiáng)度大且干旱歷時(shí)長(zhǎng)，而我國(guó)東部地區(qū)時(shí)常發(fā)生季節(jié)性干旱,這一點(diǎn)值得關(guān)注。

3.2 承災(zāi)體暴露度分析

承災(zāi)體暴露度指標(biāo)包括牧草地面積,耕地面積,人口數(shù)量,通過上述指標(biāo)計(jì)算承災(zāi)體暴露度(圖3)?？紤]到旱災(zāi)在無人區(qū)的影響可以忽略不記,因此剔除人口稀少區(qū)[35-36]。研究發(fā)現(xiàn)我國(guó)高(極高)承災(zāi)體暴露度(Expo>0.478)區(qū)域占國(guó)土面積達(dá)13.8%,主要集中在東北、華東及華中等區(qū)域,這些區(qū)域地勢(shì)平坦,土地肥沃,屬于我國(guó)主要糧食產(chǎn)區(qū)。具體來看,我國(guó)九大商品糧基地均處于高(極高)承災(zāi)體暴露度水平(Expo>0.478),如東北的三江平原、松嫩平原；華東的江淮平原、太湖平原；華中的鄱陽湖平原、洞庭湖平原、江漢平原；西南地區(qū)的成都平原以及珠三角等。可以看出,耕地是受旱災(zāi)影響的主要承災(zāi)體。通過相關(guān)性分析[37-38]評(píng)估了各暴露度指標(biāo)對(duì)旱災(zāi)風(fēng)險(xiǎn)影響因子的貢獻(xiàn)率,研究發(fā)現(xiàn)耕地面積指標(biāo)與承災(zāi)體暴露度指標(biāo)的相關(guān)性達(dá)到0.99,遠(yuǎn)高于牧草地面積指標(biāo)與人口指標(biāo),證明耕地對(duì)承災(zāi)體暴露度的貢獻(xiàn)最大,是旱災(zāi)的主要承災(zāi)體。牧草地、人口分布與暴露度指標(biāo)的相關(guān)性分別為-0.024和0.22,人口分布的貢獻(xiàn)較小,但對(duì)暴露度指標(biāo)的構(gòu)建起到了修正作用,而牧草地分布與暴露度指標(biāo)呈現(xiàn)負(fù)相關(guān),且接近于0,說明暴露度基本未考慮牧草地的作用,評(píng)估模型中應(yīng)用的歷史災(zāi)損數(shù)據(jù)難以反映旱災(zāi)對(duì)生態(tài)環(huán)境的影響可能是導(dǎo)致這一結(jié)果的主要原因。

3.3 承災(zāi)體脆弱性分析

關(guān)于承災(zāi)體脆弱性的研究較多[39],與災(zāi)害相關(guān)的研究中[40-41],所應(yīng)用的指標(biāo)具有很高的相似性,本文選取5個(gè)指標(biāo)綜合計(jì)算承災(zāi)體脆弱性(圖4),分別是國(guó)民生產(chǎn)總值(GDP)、第一產(chǎn)業(yè)占GDP比重、灌溉面積占耕地比重、用水壓力以及水庫(kù)分布,由于受數(shù)據(jù)來源限制,承災(zāi)體脆弱性為各地級(jí)市評(píng)估結(jié)果,但在歷年記錄中,若存在數(shù)據(jù)缺失情況,則用省級(jí)數(shù)據(jù)替代。為了使各等級(jí)的差異最大化,采用自然斷點(diǎn)法分級(jí)。圖4f表明,我國(guó)東北地區(qū)的承災(zāi)體脆弱性最高,達(dá)到Vul>0.584,東北、西北、西南等區(qū)域均為高等級(jí)承災(zāi)體脆弱性(Vul>0.373)。上述區(qū)域具有較低的財(cái)政收入,并且對(duì)第一產(chǎn)業(yè)依賴性較大。從各指標(biāo)與承災(zāi)體脆弱性的相關(guān)性來看(表3),對(duì)承災(zāi)體脆弱性影響最大的指標(biāo)是第一產(chǎn)業(yè)占GDP比重,二者的相關(guān)系數(shù)達(dá)到0.988,對(duì)承災(zāi)體脆弱性空間格局起到?jīng)Q定性作用,其他指標(biāo)作用較小。另外,GDP、灌溉面積占耕地比重以及水庫(kù)數(shù)量均與承災(zāi)體脆弱性呈現(xiàn)負(fù)相關(guān),即經(jīng)濟(jì)發(fā)達(dá),發(fā)展灌溉農(nóng)業(yè)并且基礎(chǔ)設(shè)施建立更加完善的地區(qū)可以降低承災(zāi)體脆弱性,使區(qū)域防御旱災(zāi)的韌性增加。

圖4 承災(zāi)體脆弱性及其指標(biāo)分布圖Fig.4 Spatial distribution of drought vulnerability and relevant influencing factors across China

表3 脆弱性指標(biāo)對(duì)承災(zāi)體脆弱性的貢獻(xiàn)

3.4 旱災(zāi)風(fēng)險(xiǎn)評(píng)估

圖5 旱災(zāi)風(fēng)險(xiǎn)空間分布Fig.5 Spatial pattern of drought risk across China

將各指標(biāo)數(shù)據(jù)代入旱災(zāi)風(fēng)險(xiǎn)評(píng)估模型進(jìn)行計(jì)算,得到的最優(yōu)評(píng)估結(jié)果與災(zāi)情數(shù)據(jù)的相關(guān)系數(shù)r為0.59。將致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度以及承災(zāi)體脆弱性按照公式(1)結(jié)合,得到旱災(zāi)風(fēng)險(xiǎn)空間格局(圖5)。我國(guó)高(極高)旱災(zāi)風(fēng)險(xiǎn)區(qū)(Risk>0.796)主要分布在東北、西北部分地區(qū),上述區(qū)域均具有較高脆弱性以及暴露度。在危險(xiǎn)性方面,區(qū)域間有較大差別,東北地區(qū)旱災(zāi)發(fā)生頻率高,而西北地區(qū)旱災(zāi)強(qiáng)度大?？傮w來看,我國(guó)高(極高)旱災(zāi)風(fēng)險(xiǎn)區(qū)的面積比例達(dá)到4.33%,其中極高旱災(zāi)風(fēng)險(xiǎn)區(qū)(Risk >1.49)占研究區(qū)面積的0.89%。中等風(fēng)險(xiǎn)區(qū)(1.49>Risk>0.796)分布更加廣泛,面積比例為10.83%,并主要集中于華北地區(qū)。

圖6 中國(guó)及各地市不同等級(jí)旱災(zāi)風(fēng)險(xiǎn)面積比例Fig.6 Percentage of areas with different classes of drought risk across China and major provinces

針對(duì)各行政單元進(jìn)一步統(tǒng)計(jì)各省市及全國(guó)部分區(qū)域(中國(guó)港澳臺(tái)除外)不同等級(jí)旱災(zāi)風(fēng)險(xiǎn)面積(圖6)。我國(guó)約61%的面積范圍屬于極低旱災(zāi)風(fēng)險(xiǎn),中高等級(jí)干旱風(fēng)險(xiǎn)區(qū)面積比例占到15%。在各行政區(qū)中,山東省的極低風(fēng)險(xiǎn)區(qū)所占面積比例最少,同時(shí),山東省高風(fēng)險(xiǎn)及極高風(fēng)險(xiǎn)區(qū)面積比例也極低,絕大部分區(qū)域?qū)儆谥械蕊L(fēng)險(xiǎn)區(qū)及低風(fēng)險(xiǎn)區(qū),占省份總面積的96%。中等風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)及極高風(fēng)險(xiǎn)區(qū)總面積占比最多的省份是河南省,其中中等風(fēng)險(xiǎn)區(qū)的面積約占全省面積的67%。河南省與山東省輕度、中度干旱發(fā)生頻率高,并且都屬于農(nóng)業(yè)大省,容易受旱災(zāi)影響,但實(shí)際上兩個(gè)省份的經(jīng)濟(jì)發(fā)展均以工業(yè)、制造業(yè)為主,對(duì)第一產(chǎn)業(yè)的依賴性較小,并且修建有多座水庫(kù),可對(duì)水資源進(jìn)行調(diào)控,綜合各方面因素,旱災(zāi)風(fēng)險(xiǎn)基本處于中高水平。從高風(fēng)險(xiǎn)及極高風(fēng)險(xiǎn)區(qū)來看,總面積占比最高的省份是黑龍江省,高達(dá)32%,其次為寧夏回族自治區(qū),達(dá)到26%,黑龍江省與寧夏回族自治區(qū)的情況并不完全相同,黑龍江省位于濕潤(rùn)-半濕潤(rùn)區(qū),但降水量年內(nèi)分布不均,水庫(kù)蓄水灌溉條件分布不平衡,容易發(fā)生春旱[42],同時(shí),黑龍江省作為我國(guó)的主要糧食基地,旱災(zāi)風(fēng)險(xiǎn)高；而寧夏回族自治區(qū)屬于水資源型缺水,水資源空間分配不均,導(dǎo)致南部水資源缺乏,雖然黃河流經(jīng)該地區(qū),但供水量有限,導(dǎo)致干旱嚴(yán)重[43],上述兩個(gè)省份需更加重視旱災(zāi)的防范及應(yīng)對(duì)。甘肅省的極高風(fēng)險(xiǎn)區(qū)占比例較高,集中于隴南地區(qū),不利的氣象條件,加之高暴露度、高脆弱性,導(dǎo)致該地區(qū)極易受到旱災(zāi)影響。

3.5 旱災(zāi)風(fēng)險(xiǎn)影響因素分析

分析旱災(zāi)風(fēng)險(xiǎn)的每個(gè)影響因素對(duì)其空間分布的影響,是各地區(qū)實(shí)施干旱政策的重要依據(jù)。本文對(duì)旱災(zāi)風(fēng)險(xiǎn)進(jìn)行歸因[44],將危險(xiǎn)性、暴露度、脆弱性按照不同等級(jí)進(jìn)行組合,得到各地區(qū)旱災(zāi)風(fēng)險(xiǎn)結(jié)構(gòu)組成,根據(jù)各影響因素的中值可以劃分8個(gè)區(qū)域(危險(xiǎn)性= 0.562,暴露度= 0.614,脆弱性= 0.620),并確定適當(dāng)?shù)姆罏?zāi)減災(zāi)對(duì)策(圖7)。低危險(xiǎn)性-低暴露度-低脆弱性地區(qū),屬于極低旱災(zāi)風(fēng)險(xiǎn)區(qū),在當(dāng)前的產(chǎn)業(yè)結(jié)構(gòu)下,不需要采取額外的減災(zāi)措施?？傮w來說,對(duì)于具有高危險(xiǎn)性(Hhigh)的地區(qū),水資源短缺是地區(qū)面臨的重要問題,需要因地制宜,結(jié)合地區(qū)實(shí)際情況加強(qiáng)基礎(chǔ)設(shè)施建設(shè),例如,我國(guó)實(shí)施的跨流域調(diào)水工程幫助緩解了一部分西北地區(qū)的用水困難,此外,通過普及雨水集蓄利用的方式,可以一定程度上緩解旱災(zāi)風(fēng)險(xiǎn)；在農(nóng)業(yè)生產(chǎn)方面,通過推廣農(nóng)業(yè)節(jié)水技術(shù),完善農(nóng)牧地基礎(chǔ)設(shè)施建設(shè),發(fā)展節(jié)水灌溉等方式,提高用水效率。具有高暴露度(Ehigh)的地區(qū),是我國(guó)人口、耕地最為集中的區(qū)域,如黑龍江省、山東省、河南省等廣闊的東部地區(qū),在歷史旱災(zāi)中往往遭受嚴(yán)重的損失,需要予以高度重視,在這一類地區(qū)防治旱災(zāi)可主要從兩方面入手,一方面,減少承災(zāi)體暴露度,例如,嚴(yán)格控制耕地面積、落實(shí)退耕還林還草政策[45],另一方面,通過加強(qiáng)對(duì)耕地等承災(zāi)體的保護(hù),降低脆弱性,例如,通過科學(xué)選取節(jié)水抗旱作物品種,調(diào)整種植結(jié)構(gòu),加強(qiáng)農(nóng)牧地的抗旱能力,推廣農(nóng)業(yè)保險(xiǎn),保障我國(guó)的糧食生產(chǎn),保護(hù)生態(tài)[46]。對(duì)于具有高脆弱性(Vhigh)的地區(qū),可從多方面采取相應(yīng)措施,如,進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,減少對(duì)農(nóng)業(yè)的依賴性,促進(jìn)非農(nóng)經(jīng)濟(jì)和經(jīng)濟(jì)發(fā)展的多樣化,通過促進(jìn)農(nóng)畜產(chǎn)品的深加工,提高農(nóng)畜產(chǎn)品附加值,促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型[45],除此之外,還需因地制宜,結(jié)合實(shí)際情況,通過修建水庫(kù)等水利設(shè)施,調(diào)節(jié)雨水的時(shí)空分布,保證農(nóng)業(yè)適時(shí)灌溉；同時(shí)加大監(jiān)管力度,治理水資源污染等。

4 結(jié)論

本文基于致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度以及承災(zāi)體脆弱性三個(gè)部分,構(gòu)建了新的旱災(zāi)風(fēng)險(xiǎn)評(píng)估框架,通過繪制中國(guó)旱災(zāi)風(fēng)險(xiǎn)分布圖,直觀表示出當(dāng)綜合考慮各地區(qū)的財(cái)產(chǎn)數(shù)量以及防災(zāi)減災(zāi)能力后,旱災(zāi)風(fēng)險(xiǎn)的分布情況,并分析了各地區(qū)旱災(zāi)風(fēng)險(xiǎn)的主要影響因素,從而使各級(jí)政府之間能夠更好地協(xié)調(diào),可為政府決策提供科學(xué)依據(jù)。研究的主要內(nèi)容及結(jié)果可歸結(jié)為以下幾點(diǎn)：

(1)建立假設(shè)“歷史上旱災(zāi)損失高的地區(qū)遭受高旱災(zāi)損失的概率越大”,通過將旱災(zāi)損失數(shù)據(jù)融合進(jìn)風(fēng)險(xiǎn)評(píng)估模型,對(duì)旱災(zāi)風(fēng)險(xiǎn)進(jìn)行校正,構(gòu)建了新的旱災(zāi)風(fēng)險(xiǎn)評(píng)估模型,克服了以往研究方法中權(quán)重主觀性太強(qiáng)和理論依據(jù)薄弱的問題。評(píng)估得到的旱災(zāi)風(fēng)險(xiǎn)將影響因素與評(píng)估結(jié)果聯(lián)系起來,為旱災(zāi)影響因素分析提供了依據(jù),該方法為旱災(zāi)風(fēng)險(xiǎn)評(píng)估提供了一條新的思路。

(2)繪制了中國(guó)旱災(zāi)風(fēng)險(xiǎn)分布圖,研究結(jié)果表明我國(guó)存在5個(gè)顯著的旱災(zāi)高風(fēng)險(xiǎn)區(qū)：東北地區(qū)、華北地區(qū)、西北地區(qū)東部、西南地區(qū)東部以及西北地區(qū)西部的小部分區(qū)域。其中,黑龍江省、吉林省、遼寧省、甘肅省、寧夏回族自治區(qū)、四川東部以及新疆部分地區(qū)屬于高風(fēng)險(xiǎn)地區(qū),需著重加強(qiáng)對(duì)旱災(zāi)的風(fēng)險(xiǎn)管理以及災(zāi)害防范。

(3)進(jìn)一步對(duì)不同地區(qū)的旱災(zāi)風(fēng)險(xiǎn)進(jìn)行了影響因素分析,發(fā)現(xiàn)我國(guó)高風(fēng)險(xiǎn)地區(qū)均具備高暴露度與高脆弱性,說明社會(huì)經(jīng)濟(jì)財(cái)富的增長(zhǎng)可能會(huì)導(dǎo)致地區(qū)遭受更高的旱災(zāi)損失。在此基礎(chǔ)上,地區(qū)可以采取針對(duì)性措施降低風(fēng)險(xiǎn),研究表明,暴露度中的重要指標(biāo)為耕地面積比例,而脆弱性中的重要指標(biāo)主要是第一產(chǎn)業(yè)占GDP比重,因此,高旱災(zāi)風(fēng)險(xiǎn)地區(qū)可以從三個(gè)方面入手,降低旱災(zāi)風(fēng)險(xiǎn),減少旱災(zāi)造成的損失：加強(qiáng)對(duì)耕地的保護(hù)；加強(qiáng)農(nóng)田基礎(chǔ)設(shè)施建設(shè)；調(diào)節(jié)產(chǎn)業(yè)結(jié)構(gòu),減少對(duì)第一產(chǎn)業(yè)的依賴性。