謝 捷，劉 瑋，徐月順，雷春苗

（青海氣象服務(wù)中心，青海西寧 810001）

引言

強降水暴雨引發(fā)災(zāi)害，沖毀農(nóng)田，淹沒作物，破壞生活生產(chǎn)設(shè)施，導(dǎo)致地質(zhì)災(zāi)害發(fā)生或人員傷亡。由于50 mm以上暴雨在青海出現(xiàn)少，而造成災(zāi)害的降水量往往達不到國家規(guī)定的暴雨標(biāo)準(zhǔn)。青海地形復(fù)雜、生態(tài)脆弱，對水源涵養(yǎng)能力低，短時局地的集中降水很容易引發(fā)災(zāi)害。在2016－2020年間西寧地區(qū)暴雨災(zāi)害損失高達2億元以上。對西寧各地區(qū)進行暴雨災(zāi)害風(fēng)險評估，總結(jié)規(guī)律，在防災(zāi)減災(zāi)工作中提供有效服務(wù)和決策依據(jù)。由于降水引發(fā)災(zāi)害的不確定性，即便同一量級降水，影響程度也是不確定的。如脆弱環(huán)境疊加密集人口或經(jīng)濟聚集區(qū)，則降水對人員安全生產(chǎn)生活、經(jīng)濟的影響程度更為明顯。因此需結(jié)合本地環(huán)境背景與影響體對降水可能引發(fā)的災(zāi)害風(fēng)險進行定量評估。

災(zāi)害風(fēng)險的定量評估主要有基于主觀評價的賦權(quán)方法和基于客觀評價的賦權(quán)方法。災(zāi)害評價研究中，劉媛媛等［1］用層次分析法和AHP-熵權(quán)法對孟印緬地區(qū)的洪水災(zāi)害風(fēng)險進行評估。楊帥等［2］用因子加權(quán)評價結(jié)合ArcGIS空間分析評估湖南暴雨洪澇災(zāi)害損失。方建等［3］對暴雨洪水危險性、環(huán)境影響和人口經(jīng)濟的暴露性進行評估得到網(wǎng)格單元風(fēng)險等級。黃曦濤等［4］用“壓力狀態(tài)響應(yīng)”模型與層次分析法對城市內(nèi)澇脆弱性進行評價。黃懿等［5］用加權(quán)綜合評分法進行暴雨洪澇災(zāi)害評估。文朝菊等［6］用層次分析法為云南山區(qū)小流域洪水災(zāi)害風(fēng)險區(qū)劃。蔡順堯等［7］采用基于三角模糊數(shù)的層次分析法（TFN-AHP）確定重慶山地城市的洪水風(fēng)險。孟雅埠等［8］利用WMS和SMS軟件，建立貴州銅仁市流域水文模型，模擬重現(xiàn)20、50、100年暴雨降雨徑流強度與洪水災(zāi)害過程，并進行風(fēng)險評估。陳俊飛等［9］利用多層加權(quán)主成分分析（MLWPCA）法建立城市暴雨災(zāi)害風(fēng)險評估體系，評估南京城市暴雨災(zāi)害風(fēng)險等級。張嘉陽等［10］采用層次分析法、地理信息系統(tǒng)分析和綜合加權(quán)評價法對廣東臺風(fēng)洪災(zāi)風(fēng)險進行評價。劉文成等［11］利用HEC-HMS水文模型和FLO-2D洪水模型，模擬中國臺灣南部城市上游流域的降雨徑流和洪水區(qū)域，用模糊德爾菲法和層次分析法得出因子權(quán)重，生成臺灣南部城區(qū)洪水災(zāi)害風(fēng)險圖。國外研究中Van Ginkel Kees C.H.等［12］用開放式街道地圖數(shù)據(jù)通過基于對象的方法和Huizinga損傷曲線對歐洲道路基礎(chǔ)設(shè)施的河流洪水風(fēng)險進行建模與路網(wǎng)損傷精確估計。Othmer等［13］探討建立德國普適中小城市城市洪澇風(fēng)險評估方法。Jihoon等［14］用主成分分析、廣義極值（GEV）分布和卷積概率方法推演評估氣候變化二氧化碳濃度RCP4.5與RCP8.5情景下未來時間段的洪水風(fēng)險。文中以西寧地區(qū)為研究區(qū)，利用主觀評價的層次分析AHP法與客觀評價的熵權(quán)法來建立西寧地區(qū)暴雨災(zāi)害的綜合風(fēng)險指數(shù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

西寧地區(qū)位于青海東部河湟谷地，包括西寧市、大通、湟源、湟中5區(qū)2縣，是人口、經(jīng)濟、農(nóng)業(yè)種植的聚集區(qū)，暴雨災(zāi)害頻發(fā)，對人們生產(chǎn)生活的影響非常明顯。如圖1（a）所示，西寧地區(qū)地形西高東低，西部為山區(qū)環(huán)繞，東部為河谷地區(qū)，貫穿大通河與湟水河。在全球變暖，青藏高原暖濕化氣候背景下，高原地區(qū)水循環(huán)加快［6］，使地區(qū)間降水出現(xiàn)明顯增多趨勢，大氣水循環(huán)的增加也造成極端降水災(zāi)害增多，加劇災(zāi)害風(fēng)險。西寧雨季主要集中在5～10月汛期，以7、8兩月最大，暴雨災(zāi)害多集中在汛期［7-8］。

圖1 西寧地區(qū)地形圖（a）與模型流程圖（b）Fig.1 Topographic map of Xining Area（a）and model flow chart（b）

1.2 研究數(shù)據(jù)來源

氣象暴雨災(zāi)害資料是來自青海民政局1984－2016年氣象災(zāi)情統(tǒng)計資料，通過災(zāi)情信息分析得出青海各鄉(xiāng)鎮(zhèn)暴雨災(zāi)害發(fā)生次數(shù)；西寧地區(qū)地理信息數(shù)據(jù)來自（http://www.tpdc.ac.cn）國家青藏高原科學(xué)數(shù)據(jù)中心的高程DEM數(shù)據(jù)（2014年），精度為25 m×25 m，運用ArcGIS軟件分別計算得出相應(yīng)分辨率的坡度、河網(wǎng)密度和洼地；經(jīng)濟人口數(shù)據(jù)來自（http://www.dsac.cn）地理國情監(jiān)測云平臺2015年土地利用數(shù)據(jù)，精度為1 km×1 km和青海省統(tǒng)計年鑒；氣象數(shù)據(jù)來自CIMISS數(shù)據(jù)平臺，選擇西寧地區(qū)2016－2020年汛期期間5～10月的日降水?dāng)?shù)據(jù)與小時降水?dāng)?shù)據(jù)。

柵格數(shù)據(jù)中高程DEM數(shù)據(jù)分辨率為25 m×25 m，人口、經(jīng)濟、土地利用數(shù)據(jù)精度為1 km×1 km，因此利用ArcGIS統(tǒng)一數(shù)據(jù)分辨率，通過環(huán)境設(shè)置統(tǒng)一坐標(biāo)為GCS_WGS_1984，利用空間重采樣、掩膜或最鄰近（NEAREST）等插值方法對柵格數(shù)據(jù)分辨率進行統(tǒng)一處理，將高分辨率區(qū)轉(zhuǎn)換為相對低分辨率，對站點數(shù)據(jù)也按照統(tǒng)一分辨率1 km×1 km和坐標(biāo)進行環(huán)境設(shè)置插值計算。

2 研究方法

2.1 評估模型

建立西寧地區(qū)暴雨災(zāi)害風(fēng)險評估體系，對環(huán)境敏感性、承災(zāi)體易損性與氣象危險性用主觀層次分析法（AHP）和客觀熵權(quán)法以及AHP-熵權(quán)組合法確定評估指標(biāo)相應(yīng)權(quán)重［1，18－19］，具體步驟如圖1（b）所示，計算出暴雨災(zāi)害風(fēng)險指數(shù)。首先統(tǒng)一量綱對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，再計算各指標(biāo)相應(yīng)權(quán)重，根據(jù)權(quán)重系數(shù)分別計算出敏感性指數(shù)、易損性指數(shù)和危險性指數(shù)，最后計算出暴雨綜合風(fēng)險指數(shù)。式中，S ij（x）、Vi j（x）、Hij（x）是統(tǒng)一量綱標(biāo)準(zhǔn)化計算后的各指標(biāo)值，乘以評估因子對應(yīng)權(quán)重系數(shù)W，分別得出暴雨災(zāi)害風(fēng)險評估模型中的敏感性指數(shù)S（x）、易損性指數(shù)V（x）、危險性指數(shù)H（x）與綜合風(fēng)險指數(shù)R（X），計算公式如（1）～（4）所示。

2.2 指標(biāo)數(shù)據(jù)的處理

從孕災(zāi)環(huán)境敏感性S、承災(zāi)體易損性V和致災(zāi)因子氣象因素H三方面選取西寧地區(qū)暴雨災(zāi)害評價指標(biāo)（如圖2所示）。敏感性因子S選取海拔（S1）、地形的坡度（S2）、河網(wǎng)的密度（S3）、洼地面積（S4）；承災(zāi)體V的易損性選取西寧地區(qū)人口數(shù)（V1）、耕地面積（V2）和GDP（V3）；致災(zāi)因子H的危險性選取西寧地區(qū)汛期期間（5～10月）的汛期總降水量（H1）、小時降水≧5 mm次數(shù)（H2）、小時降水≧10 mm次數(shù)（H3）、日降水≧10 mm次數(shù)（H4）、日降水≧25 mm次數(shù)（H5）、暴雨災(zāi)害次數(shù)（H5）。

圖2 西寧地區(qū)暴雨災(zāi)害風(fēng)險評價指標(biāo)體系Fig.2 Index system of rainstorm disaster risk assessment in Xining

2.2.1 孕災(zāi)環(huán)境

評價指標(biāo)孕災(zāi)環(huán)境的敏感性選取海拔（S1）、坡度（S2）、河網(wǎng)密度（S3）和洼地面積（S4）來表示，包含下墊面的基本影響環(huán)境。

2.2.2 承災(zāi)體

分析災(zāi)情數(shù)據(jù)，暴雨災(zāi)害損失基本圍繞著人的生活、生產(chǎn)與經(jīng)濟。西寧地區(qū)是人口、經(jīng)濟、農(nóng)業(yè)種植的聚集區(qū)，暴雨災(zāi)害對其造成的影響相比其他地區(qū)更為明顯，因此考慮人口數(shù)、農(nóng)業(yè)耕地、經(jīng)濟作為暴雨災(zāi)害易損性因子，選取西寧地區(qū)人口數(shù)（V1）、耕地面積（V2）和GDP（V3）來評估。

2.2.3 致災(zāi)因子

評價指標(biāo)致災(zāi)因子的危險性H選取西寧地區(qū)2016－2020年汛期期間的汛期總降水量（H1）、小時降水≧5 mm次數(shù)（H2）、小時降水≧10 mm次數(shù)（H3）、日降水≧10 mm次數(shù)（H4）、日降水≧25 mm次數(shù)（H5）以及1984－2016年間的暴雨災(zāi)害次數(shù)（H5）作為危險性指標(biāo)。西寧地區(qū)汛期降水時間集中在5～10月，由于青海地理生態(tài)環(huán)境的特殊性，很多暴雨災(zāi)害的發(fā)生并不是一定要達到暴雨級別以上才致災(zāi)，因此需考慮短時降水帶來的影響，選取小時降水強度作為災(zāi)害評估因子［15］。

2.2.4 數(shù)據(jù)標(biāo)準(zhǔn)化

不同數(shù)據(jù)之間量綱不一致，為消除量綱影響，對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。采用極差變換法對正負(fù)方向指標(biāo)數(shù)據(jù)進行標(biāo)準(zhǔn)化，其中正向指標(biāo)是越大越明顯，負(fù)向指標(biāo)則相反，各因子指標(biāo)正負(fù)向由表1所示，正向指標(biāo)由式（5）計算得到，負(fù)向指標(biāo)由式（6）計算得到，

表1 各指標(biāo)方向Table 1 Direction of each index

2.3 確定指標(biāo)權(quán)重

2.3.1 層次分析法

主觀評價方法用層次分析法（Anaiytic Hierarchy Process，AHP）構(gòu)建模型確定指標(biāo)主觀權(quán)重。AHP法優(yōu)點是利用較少的定量信息把決策思維數(shù)學(xué)化，形成定量與定性相結(jié)合的多準(zhǔn)則決策方法［16，21－22］。具體步驟如表2所示，首先建立遞階層次結(jié)構(gòu)，構(gòu)造包含3層結(jié)構(gòu)，然后根據(jù)1～9標(biāo)度方法（表3）構(gòu)造兩兩判斷矩陣，計算各指標(biāo)主觀權(quán)重，最后并對其進行一致性進行檢驗（表4），看判斷矩陣是否合理。

表2 層次分析法確定主觀權(quán)重步驟Table 2 Determination of subjective weight by analytic hierarchy process

表3 常用1～9標(biāo)度方法Table 3 Common 1～9 scaling methods

表4 平均隨機性一致性指標(biāo)RITable 4 Average randomness consistency index R I

2.3.2 熵權(quán)法

客觀評價方法用熵權(quán)法對各指標(biāo)進行客觀賦權(quán)。在信息論中，用熵來對不確定性進行度量，而風(fēng)險本質(zhì)表現(xiàn)出的也是不確定性，即熵的本質(zhì)［23］。一般因子熵值越小，表明其變異程度越大，在綜合評價中的作用也越大，對應(yīng)權(quán)重也越大，反之相反，因此通過引入熵權(quán)法來避免主觀因素對評價權(quán)重的影響［1，24］。熵權(quán)法計算權(quán)重，對m個研究指標(biāo)，指標(biāo)研究區(qū)的像元數(shù)為n，首先構(gòu)建指標(biāo)矩陣Yij，然后計算指標(biāo)特征比值Pij，見式（7）：

然后根據(jù)標(biāo)特征比值Pij和像元數(shù)n計算第j個指標(biāo)的信息熵Ej，當(dāng)標(biāo)特征比值Pij=0時，令Pi jlnPij=0，計算得出指標(biāo)的信息熵，見式（8）：

根據(jù)指標(biāo)信息熵計算出對應(yīng)的權(quán)重值Wj，其中0≦W j≦1，計算公式見式（9）：

最后根據(jù)每個指標(biāo)的熵權(quán)重計算出綜合風(fēng)險指數(shù)，見式（10）：

2.3.3 組合權(quán)重

綜合主觀權(quán)重WAHP與客觀權(quán)重W熵權(quán)法影響，運用線性組合法計算組合權(quán)重WAHP－熵權(quán)法［1］。為去除較大數(shù)據(jù)干擾影響，引入距離函數(shù)，計算出權(quán)重分配系數(shù)α與β，得出組合權(quán)重，最后得出3種方法計算出的各影響因子的權(quán)重，如表5所示。

表5 暴雨災(zāi)害風(fēng)險指標(biāo)權(quán)重Table 5 Index weight of rainstorm disaster risk

引入主觀權(quán)重與客觀權(quán)重的距離函數(shù)公式（11）：

其中，WAHP代表層次分析法的指標(biāo)權(quán)重，代表W熵權(quán)法熵權(quán)法的指標(biāo)權(quán)重，確定組合權(quán)重的表達式見式（12）：

式中，α與β分別表示權(quán)重分配系數(shù)，同時α＋β=1，構(gòu)造方程組見式（13）：

計算出α與β，代入式（12）算出各指標(biāo)組合權(quán)重WAHP－熵權(quán)法。

3 結(jié)果分析

3.1 敏感性指標(biāo)體系

暴雨災(zāi)害孕災(zāi)背景環(huán)境的敏感性主要考慮地形海拔（圖3（a））、地形坡度（圖3（b））、河網(wǎng)密度（圖3（c））和洼地（圖3（d））因素。

圖3 西寧地區(qū)敏感性指標(biāo)體系空間分布Fig.3 Spatial distribution of sensitivity index system in Xining Area

利用西寧高程DE M數(shù)據(jù)，運用ArcGIS軟件分別計算得出相應(yīng)的1 km×1 km分辨率的柵格數(shù)據(jù)，并對其進行歸一化處理，根據(jù)權(quán)重，利用柵格計算工具計算敏感性指數(shù)，如圖3（a）所示。起伏的山地河谷氣候引導(dǎo)、抬升或阻隔降水，西寧地區(qū)海拔西高東低，西部為山區(qū)，東部是河谷地帶。地形坡度越大，降水徑流越大，沖刷土壤，易造成水土流失，影響下墊面穩(wěn)定性。河網(wǎng)密度表示地區(qū)河流密集程度，密度大的地區(qū)土壤滲透率差，降水量相對豐沛，間接顯示下墊面氣候狀態(tài)，當(dāng)上游有較強或連續(xù)降水時，會導(dǎo)致下游河流各支流水位上漲，增加洪澇致災(zāi)風(fēng)險。洼地地形相對低于周圍地面，是降水與徑流的匯聚區(qū)，易產(chǎn)生積水或洪澇，尤其沿河洼地和河口洼地是暴雨災(zāi)害最嚴(yán)重的的區(qū)域，強降水下極易導(dǎo)致洪澇災(zāi)害［25］。

3.2 易損性指標(biāo)體系

承災(zāi)體的易損性考慮人口數(shù)（圖4（a））、耕地面積（圖4（b））和GDP（圖4（c）），根據(jù)2015年土地利用數(shù)據(jù)、西寧統(tǒng)計年鑒分別匯總出西寧地區(qū)的耕地分布，人口數(shù)和GDP值，通過ArcGIS軟件分別計算統(tǒng)一分辨率為1 km×1 km的柵格數(shù)據(jù)，并對其柵格數(shù)據(jù)進行歸一化處理，根據(jù)各指標(biāo)權(quán)重，利用ArcGIS軟件柵格計算工具獲得易損性指數(shù)。人口數(shù)與地區(qū)經(jīng)濟水平成正比，人口數(shù)的分布體現(xiàn)了城市與農(nóng)村的差別，在人口密集區(qū)暴雨災(zāi)害帶來的影響和損失較為嚴(yán)重，因此考慮人口數(shù)與GDP值為易損性指標(biāo)。災(zāi)情統(tǒng)計中暴雨災(zāi)害80%以上受災(zāi)均有農(nóng)業(yè)，大部均是露天耕地，直接受天氣影響，因此選擇耕地面積做為易損性指標(biāo)。

圖4 西寧地區(qū)易損性指標(biāo)體系空間分布Fig.4 Spatial distribution of vulnerability index system in Xining Area

3.3 危險性指標(biāo)體系

致災(zāi)因子危險性主要考慮西寧地區(qū)2016－2020年5～10月汛期期間的汛期總降水量（圖5（a））、小時降水≧5 mm次數(shù)（圖5（c））、小時降水≧10 mm次數(shù)（圖5（d））、日降水≧10 mm次數(shù)（圖5（e））、日降水≧25 mm次數(shù)（圖5（f））以及1984－2026年間暴雨災(zāi)害次數(shù)（圖5（b））。利用ArcGIS進行空間插值得出1 km×1 km柵格數(shù)據(jù)，進行歸一化處理，再根據(jù)各指標(biāo)權(quán)重，利用柵格工具計算危險性指數(shù)。

統(tǒng)計西寧地區(qū)2016－2020年5～10月汛期降水?dāng)?shù)據(jù)與1984－2016年歷史暴雨災(zāi)情數(shù)據(jù)，汛期平均總降水量在293～590 mm之間（如圖5（a）所示），其中有16個鄉(xiāng)鎮(zhèn)汛期平均總降水量超過500 mm，分別是大通縣的寶庫、東峽、極樂、向化、青山、青林、斜溝、良教、橋頭9個鄉(xiāng)鎮(zhèn)，湟源縣大華鎮(zhèn)，湟中區(qū)的上新莊、上五莊、群加、大才、漢東和土門6個鄉(xiāng)鎮(zhèn)。1984－2016年間歷史暴雨災(zāi)害次數(shù)（如圖5（b）所示）集中鄉(xiāng)鎮(zhèn)分別是大通寶庫鄉(xiāng)，湟源巴燕鄉(xiāng)和日月藏族鄉(xiāng)，湟中多巴鎮(zhèn)和攔隆口鎮(zhèn)以及城北區(qū)朝陽街道。汛期期間小時降水量≧5 mm次數(shù)（如圖5（c）所示），年均次數(shù)≧12次的鄉(xiāng)鎮(zhèn)多集中在大通縣及湟中部分鄉(xiāng)鎮(zhèn)，分別位于大通的橋頭、極樂、東峽、寶庫、良教、向化、斜溝、樺林、塔爾、新莊、城關(guān)和石山12個鄉(xiāng)鎮(zhèn)和湟中的群加藏族鄉(xiāng)和土門關(guān)鄉(xiāng)，其中最多出現(xiàn)在大通橋頭鎮(zhèn)，年均出現(xiàn)18次。汛期期間小時降水量≧10 mm次數(shù)（如圖5（d）所示）最大出現(xiàn)在大通橋頭鎮(zhèn)，其次是大通東峽鎮(zhèn)和極樂鄉(xiāng)。日降水量≧10 mm年均次數(shù)（如圖5（e）所示）≧20次鄉(xiāng)鎮(zhèn)有湟中上新莊鎮(zhèn)、上五莊鎮(zhèn)和群加藏族鄉(xiāng)，大通寶庫鄉(xiāng)和東峽鎮(zhèn)。日降水量≧25 mm次數(shù)（如圖5（f）所示）最大出現(xiàn)在大通寶庫鄉(xiāng)，年均出現(xiàn)4次以上，大通東峽鎮(zhèn)、橋頭鎮(zhèn)及湟中大才回族鄉(xiāng)、上新莊鎮(zhèn)、上五莊鎮(zhèn)和群加藏族鄉(xiāng)年均出現(xiàn)3次以上。

圖5 西寧地區(qū)危險性指標(biāo)體系空間分布Fig.5 Spatial distribution of risk index system in Xining Area

3.4 暴雨災(zāi)害風(fēng)險評估

將暴雨風(fēng)險因子指標(biāo)的空間分布（圖3～圖5）、敏感性指數(shù)（圖6（a））、易損性指數(shù)（圖6（b））和危險性指數(shù)（圖6（c））的空間分布與其對應(yīng)權(quán)重（表5），根據(jù)風(fēng)險評估模型計算出暴雨災(zāi)害風(fēng)險指數(shù)。通過ArcGIS自然間斷點分級法（Jenks）將暴雨災(zāi)害風(fēng)險的空間分布劃分為（低、較低、中等、較高、高）5個等級進行顯示（如圖7），利用層次分析法、熵權(quán)法以及AHP－熵權(quán)法組合法獲得的風(fēng)險分布圖。

3.4.1 各指標(biāo)層風(fēng)險評估

如圖6（a）所示，西寧市區(qū)敏感性指數(shù)高于其他區(qū)縣，其中最大位于城北區(qū)，最低位于湟源縣。敏感性指數(shù)最大前12位鄉(xiāng)鎮(zhèn)分別位于大通寶庫鄉(xiāng)、城東互助中路社區(qū)、城中飲馬街街道、湟中田家寨鎮(zhèn)、城東林家崖社區(qū)、大通長寧鎮(zhèn)、湟中多巴鎮(zhèn)、城東周家泉社區(qū)、湟中甘河工業(yè)園、城西勝利路街道、城北大堡子鎮(zhèn)、城中南川工業(yè)園，其中最大位于大通寶庫鄉(xiāng)；如圖6（b）所示，西寧區(qū)縣平均易損性指數(shù)最高位于湟中區(qū)，其次是湟源縣和大通縣，西寧市區(qū)除城北區(qū)較高，其他地區(qū)平均易損性指數(shù)都較低。易損性指數(shù)最大前12位鄉(xiāng)鎮(zhèn)分別位于湟中的多巴、田家寨、上五莊、攔隆口、上新莊、李家山、西堡、海子溝和魯沙爾9個鄉(xiāng)鎮(zhèn)，城中總寨鎮(zhèn)，大通長寧鎮(zhèn)和寶庫鄉(xiāng)，其中最大位于湟中多巴鎮(zhèn)；如圖6（c）所示，區(qū)縣平均危險性指數(shù)排位分別是大通縣＞湟中區(qū)＞湟源縣＞城北區(qū)＞城東區(qū)，其中危險性指數(shù)最大前12位鄉(xiāng)鎮(zhèn)分別位于大通的寶庫鄉(xiāng)、橋頭鎮(zhèn)、東峽鎮(zhèn)、極樂鄉(xiāng)、向化藏族鄉(xiāng)、樺林鄉(xiāng)和塔爾鎮(zhèn)，湟中的上五莊鎮(zhèn)、上新莊鎮(zhèn)、群加藏族鄉(xiāng)和大才回族鄉(xiāng)，城北區(qū)馬坊街道，其中危險性指數(shù)最大位于大通寶庫鄉(xiāng)。

圖6 西寧地區(qū)指標(biāo)層風(fēng)險評估Fig.6 Risk assessment of index layer in Xining Area

3.4.2 層次分析法、熵權(quán)法與AHP－熵權(quán)組合法風(fēng)險評估

利用層次分析AHP法計算風(fēng)險分布，利用ArcGIS區(qū)域分析計算出各鄉(xiāng)鎮(zhèn)區(qū)域不同等級風(fēng)險的面積，從西寧地區(qū)各區(qū)縣及各鄉(xiāng)鎮(zhèn)風(fēng)險占比來看（圖7（a），表6～7），西寧地區(qū)5區(qū)2縣中，暴雨災(zāi)害高風(fēng)險占比最大的是西寧城北區(qū)，占31.4%，其次是湟源縣、大通縣和湟中區(qū)，分別占比27.6%、26.1%和22.8%。較高以上風(fēng)險的面積占比超過50%的鄉(xiāng)鎮(zhèn)主要集中在城北的馬坊街道、生物科技產(chǎn)業(yè)園、大堡子鎮(zhèn)和廿里鋪鎮(zhèn)；湟源縣的波航、城關(guān)和申中3個鄉(xiāng)鎮(zhèn)；大通縣的景陽、橋頭、黃家寨、石山、多林、新莊、塔爾、良教、朔北和長寧9個鄉(xiāng)鎮(zhèn)；湟中區(qū)的甘河工業(yè)園、西堡、甘河灘、多巴、海子溝和攔隆口6個鄉(xiāng)鎮(zhèn)。

圖7 西寧地區(qū)層次分析法、熵權(quán)法與AHP-熵權(quán)組合法風(fēng)險評估Fig.7 Risk assessment of AHP，entropy weight and combination method in Xining Area

利用熵權(quán)法計算暴雨災(zāi)害風(fēng)險分布（圖7（b），表6～7），高風(fēng)險占比最大依舊是西寧城北區(qū)，占比面積達49.0%，高于AHP法，依次是湟源、大通和湟中，分別面積占比21.8%、19.8%和17.1%。較高以上風(fēng)險的面積占比超過50%的鄉(xiāng)鎮(zhèn)主要集中在城北區(qū)的朝陽街道、馬坊街道、小橋大街、生物科技產(chǎn)業(yè)園、大堡子鎮(zhèn)和廿里鋪鎮(zhèn)；湟源縣的城關(guān)鎮(zhèn)、申中鄉(xiāng)；大通縣的景陽、橋頭、黃家寨、石山、多林、新莊、塔爾、朔北和長寧8個鄉(xiāng)鎮(zhèn)；湟中區(qū)的甘河工業(yè)園、西堡、甘河灘、多巴、海子溝和攔隆口6個鄉(xiāng)鎮(zhèn)。

表6 西寧地區(qū)各區(qū)縣暴雨災(zāi)害風(fēng)險等級比例Table 6 The proportion of rainstorm disaster risk grade in Xining Area

利用AHP-熵權(quán)組合法獲得風(fēng)險分布（圖7（c），表6～表7），暴雨災(zāi)害高風(fēng)險最大占比區(qū)與前兩者方法得出一致在西寧城北區(qū)，面積占比介于兩者之間（37.0%），其次是湟中地區(qū)（21.5%）、大通縣（19.1%）和湟源縣（17.0%）。較高以上風(fēng)險的面積占比超過50%的鄉(xiāng)鎮(zhèn)主要集中區(qū)域在城北區(qū)的馬坊街道、生物科技產(chǎn)業(yè)園、大堡子和廿里鋪鎮(zhèn)；湟中區(qū)的漢東、甘河工業(yè)園、西堡、甘河灘、多巴、海子溝和攔隆口7個鄉(xiāng)鎮(zhèn)；大通縣的景陽、橋頭、黃家寨、石山、多林、新莊、塔爾、朔北和長寧9個鄉(xiāng)鎮(zhèn)；湟源縣的波航、申中和城關(guān)3個鄉(xiāng)鎮(zhèn)。

表7 西寧地區(qū)高與較高風(fēng)險總占比≧50%的鄉(xiāng)鎮(zhèn)Table 7 Villages and towns with high and sub high risk accounting for more than 50%in Xining area

3.4.3 熵權(quán)法、AHP法與AHP-熵權(quán)組合法風(fēng)險評估比較

利用ArcGIS區(qū)域分析對風(fēng)險評估的柵格數(shù)據(jù)進行面積制表計算出各鄉(xiāng)鎮(zhèn)區(qū)域不同等級風(fēng)險的面積，并計算各區(qū)縣及鄉(xiāng)鎮(zhèn)風(fēng)險面積占比，對3種評估方法計算出的各鄉(xiāng)鎮(zhèn)較高以上風(fēng)險面積占比進行兩兩比較，得出其風(fēng)險分布的差異。

熵權(quán)法相比AHP法，大通縣的向化、景陽、橋頭、寶庫、朔北5個鄉(xiāng)鎮(zhèn)較高以上風(fēng)險面積占比偏高0.4%～34%，尤其寶庫鄉(xiāng)偏高34%，橋頭鎮(zhèn)偏高15.2%，其余地區(qū)則偏低0.2%～8.1%；湟源縣除城關(guān)鎮(zhèn)、寺寨鄉(xiāng)、巴燕鄉(xiāng)偏高0.24%～4.9%，其余地區(qū)均偏低0.2%～4.4%；湟中區(qū)除共和、魯沙爾、大才、上五莊4鄉(xiāng)鎮(zhèn)偏高0.3%～11.8%，尤其上五莊鎮(zhèn)偏高11.8%，其余地區(qū)均偏低0.1%～12.9%；其中田家寨鎮(zhèn)、甘河工業(yè)園、西堡鎮(zhèn)、甘河灘鎮(zhèn)、海子溝鄉(xiāng)偏低7%以上，尤其甘河灘鎮(zhèn)偏低12.9%；西寧城北區(qū)除生物科技產(chǎn)業(yè)園偏低4.1%，其余地區(qū)均偏高0.3%～32.3%，尤其朝陽街道、小橋大街、馬坊街道偏高28%以上；城西區(qū)均呈偏高，城東區(qū)除東關(guān)社區(qū)和韻家口鎮(zhèn)分別偏低30.5%和8.6%，其余地區(qū)均持平；城中區(qū)南川工業(yè)園、總寨鎮(zhèn)、南川東路街道偏低3.9%～7.2%，其余地區(qū)均偏高。

AHP-熵權(quán)組合法相比AHP法，大通縣的景陽、橋頭、寶庫、多林和長寧5個鄉(xiāng)鎮(zhèn)偏高0.85%～21.4%，其中寶庫鄉(xiāng)偏高21.4%，其余地區(qū)則持平或偏低0.4%～7.5%；湟源縣除波航鄉(xiāng)和寺寨鄉(xiāng)略偏低，其余地區(qū)均偏高，尤其城關(guān)鎮(zhèn)偏高4%；湟中區(qū)除西堡鎮(zhèn)偏高4.2%，其余地區(qū)占比面積差別不明顯；西寧城北區(qū)除生物科技產(chǎn)業(yè)園持平，馬坊街道持平略偏低0.1%，其余地區(qū)均偏高1%～5.9%，其中廿里鋪鎮(zhèn)偏高5.9%；城東區(qū)韻家口鎮(zhèn)偏低6.1%，東關(guān)社區(qū)、樂家灣鎮(zhèn)分別偏高10.7%和1.7%，其余地區(qū)均持平；城西區(qū)的虎臺街道和彭家寨鎮(zhèn)偏高7.1%和3.5%，其余地區(qū)均持平；城中區(qū)除南川西路街道偏低9.6%，倉門街、人民街、飲馬街和禮讓街持平，其余地區(qū)偏高1.4%～40%，尤其南灘街道偏高40%，南川東路街道偏高11.7%。

3.5 結(jié)果驗證

通過分析2016－2020年5年間西寧地區(qū)歷史暴雨災(zāi)害事件（如圖8（a），表8）得出，大通縣在2018年、2019年和2020年發(fā)生暴雨災(zāi)害，均發(fā)生在8月中下旬，經(jīng)濟損失在656～2 272萬元之間，均伴有農(nóng)作物受災(zāi)損失，3年間高與較高風(fēng)險面積占比≧50%的鄉(xiāng)鎮(zhèn)受災(zāi)達90%，鄉(xiāng)鎮(zhèn)受災(zāi)中橋頭、塔爾、良教3鄉(xiāng)鎮(zhèn)連續(xù)3年發(fā)生降水災(zāi)情，黃家寨和新莊鎮(zhèn)發(fā)生了2次；湟源縣暴雨災(zāi)害2016年發(fā)生了2次，2020年發(fā)生了1次，均發(fā)生在8月中下旬，經(jīng)濟損失在2 542～8 740萬元之間，均伴有農(nóng)作物受災(zāi)損失，3年間高與較高風(fēng)險面積占比≧50%的鄉(xiāng)鎮(zhèn)受災(zāi)達100%，鄉(xiāng)鎮(zhèn)受災(zāi)中波和平、日月、波航、城關(guān)、大華5鄉(xiāng)鎮(zhèn)發(fā)生了3次；湟中區(qū)在2018－2020連續(xù)3年發(fā)生了9次暴雨災(zāi)害，7、8、10月有發(fā)生，其中8月發(fā)生最多，經(jīng)濟損失2～1 152萬元之間，高與較高風(fēng)險面積占比≧50%的鄉(xiāng)鎮(zhèn)受災(zāi)達100%，鄉(xiāng)鎮(zhèn)受災(zāi)中田家寨、魯沙爾、多巴、海子溝4鄉(xiāng)鎮(zhèn)每年都發(fā)生降水災(zāi)情，其中田家寨鎮(zhèn)和海子溝鄉(xiāng)每年甚至發(fā)生多次降水災(zāi)害；西寧市區(qū)2016和2018年只有城北區(qū)發(fā)生了2次暴雨災(zāi)害，分別發(fā)生在7、8月，經(jīng)濟損失為30和518萬元，城北區(qū)高與較高風(fēng)險面積占比≧50%的鄉(xiāng)鎮(zhèn)街道受災(zāi)比為50%，分別是馬坊、大堡子和廿里鋪，其中大堡子鎮(zhèn)發(fā)生了2次。

圖8 2016-2020年西寧地區(qū)暴雨災(zāi)害事件Fig.8 Rainstorm disaster events in Xining from 2016 to 2020

表8 2016-2020年間西寧地區(qū)暴雨災(zāi)情Table 8 Rainstorm disaster in Xining area from 2016 to 2020

大通、湟源、湟中高頻受災(zāi)鄉(xiāng)鎮(zhèn)與高與較高風(fēng)險面積占比≧50%鄉(xiāng)鎮(zhèn)有較好對應(yīng)，西寧市區(qū)城北區(qū)有對應(yīng)，其他區(qū)在2016－2020年間無災(zāi)情發(fā)生，這也許與城市應(yīng)急防災(zāi)減災(zāi)能力有關(guān)，從而減少了暴雨災(zāi)害發(fā)生。在考慮較高以上風(fēng)險面積占比之外，還需注意局部小范圍的高風(fēng)險點（表9所示），如大通寶庫鄉(xiāng)雖然在2016－2020年間受災(zāi)1次，但在大通歷史上暴雨受災(zāi)次數(shù)最多，其暴雨風(fēng)險值均是最高的；湟源縣各鄉(xiāng)鎮(zhèn)平均暴雨風(fēng)險指數(shù)相比其他區(qū)縣值較低，但暴雨災(zāi)害發(fā)生整體頻率與集中程度均高于其他區(qū)縣（圖8（a）），2016－2020年間各鄉(xiāng)鎮(zhèn)暴雨受災(zāi)次數(shù)甚至趕超1984－2016年間受災(zāi)次數(shù)，這其中也有災(zāi)情記錄方式改進的因素。其中日月鄉(xiāng)洼地面積在西寧地區(qū)各鄉(xiāng)鎮(zhèn)排第七，河網(wǎng)密度排第二。湟源各鄉(xiāng)鎮(zhèn)平均地形坡度在［16，23］之間，為陡坡，其中大華鎮(zhèn)和東峽鄉(xiāng)的平均地形坡度為＞20°，在短時強降水下易受到水流匯集侵蝕；湟中區(qū)的田家寨鎮(zhèn)雖然較高以上風(fēng)險面積占比并不最高，AHP法占比35.7%，熵權(quán)法占比26.4%，AHP-熵權(quán)組合法占比35.7%，然而田家寨鎮(zhèn)的暴雨災(zāi)害風(fēng)險指數(shù)較高（如圖8（b）），AHP法風(fēng)險指數(shù)區(qū)間［0.14，0.59］中田家寨鎮(zhèn)暴雨災(zāi)害風(fēng)險指數(shù)為0.49；熵權(quán)法風(fēng)險指數(shù)區(qū)間［0.1，0.5］中田家寨鎮(zhèn)風(fēng)險指數(shù)為0.35；AHP-熵權(quán)組合法風(fēng)險指數(shù)區(qū)間［0.1，0.5］中田家寨風(fēng)險指數(shù)為0.35。田家寨鎮(zhèn)5年間暴雨災(zāi)害發(fā)生了7次，與暴雨災(zāi)害風(fēng)險指數(shù)相匹配，尤其易損性指數(shù)在鄉(xiāng)鎮(zhèn)排行第二高，易損性指數(shù)區(qū)間［0，0.77］中田家寨鎮(zhèn)高達0.69，敏感性指數(shù)鄉(xiāng)鎮(zhèn)排行第四高，在［0.1，0.55］區(qū)間達0.42（如圖8（c））；西寧市區(qū)廿里鋪鎮(zhèn)各平均指數(shù)在［0.21，0.26］之間，不算大，但該地區(qū)洼地面積相對整個市區(qū)排第四，約為5萬m2，最大是城北大堡子鎮(zhèn)大致為9萬m2，因此該地在排水功能不暢情況下，強降水易引發(fā)積水。

表9 西寧地區(qū)暴雨相關(guān)風(fēng)險指數(shù)較大鄉(xiāng)鎮(zhèn)Table 9 Villages and towns with large rainstorm related risk index in Xining Area

4 討論

目前風(fēng)險評估方法有基于歷史數(shù)據(jù)的數(shù)理統(tǒng)計；指標(biāo)評價方法如模糊綜合評價、主成分分析、灰色關(guān)聯(lián)、綜合加權(quán)、層次分析法，同時這些方法結(jié)合數(shù)理、水文模型、GIS技術(shù)和遙感衛(wèi)星數(shù)據(jù)進行評估；還有根據(jù)歷史數(shù)據(jù)、情境數(shù)據(jù)模擬未來風(fēng)險評估。本研究依據(jù)現(xiàn)有精度數(shù)據(jù)結(jié)合歷史數(shù)據(jù)、氣象、環(huán)境、社會因子采用主觀賦權(quán)的層次分析法結(jié)合客觀信息定量分析賦權(quán)的熵權(quán)法來評估各因子影響下的暴雨災(zāi)害風(fēng)險，在參考人為主觀經(jīng)驗的同時，考慮客觀環(huán)境數(shù)據(jù)被忽略的潛在影響。由于在氣候變化背景下，氣象環(huán)境因素的不穩(wěn)定性加強，如何適應(yīng)越來越非常規(guī)的環(huán)境變化，因此選取結(jié)合信息熵評價方法進行綜合評估與對比，利用地理信息空間分析繪制風(fēng)險分布圖。

先前關(guān)于青海暴雨災(zāi)害研究，李萬志等［16］用AHP法得出縣級暴雨洪澇災(zāi)害風(fēng)險區(qū)劃與本文得出的區(qū)縣結(jié)果大體符合。馬偉東等［15］分析得出青藏高原極端降水閾值范圍在7.8～51.9 mm之間，均值為23 mm。由于高原環(huán)境的脆弱性，即便達不到中到大雨，小時較強的降水也會引發(fā)災(zāi)害，因此考慮降水因子時，不僅要考慮日降水量，還需考慮小時降水量。

由于降水引發(fā)災(zāi)害是一個復(fù)雜系統(tǒng)，對災(zāi)害評估需考慮相應(yīng)的地形、土地利用、社會經(jīng)濟、設(shè)施、氣象、災(zāi)害等數(shù)據(jù)做支撐，本文土地利用只選取耕地信息做災(zāi)害評估，沒有考慮植被覆蓋、土地類型等因素，社會經(jīng)濟方面沒有考慮對交通、電力、建筑等設(shè)施影響，如評估需根據(jù)實際需求對影響因子進行增減選取，做有針對性的災(zāi)害風(fēng)險評估。

今后研究暴雨災(zāi)害風(fēng)險評估可結(jié)合運用水文模型或洪水模型構(gòu)建降水影響，也可根據(jù)情景環(huán)境模擬重現(xiàn)不同時間的災(zāi)害影響。更為精確的風(fēng)險評估需要更為精細(xì)的數(shù)據(jù)做支撐，因此今后研究中需結(jié)合遙感衛(wèi)星等多元數(shù)據(jù)進行風(fēng)險評估。

5 結(jié)論

本研究用層次分析法與熵權(quán)法對西寧地區(qū)5區(qū)2縣的暴雨災(zāi)害進行風(fēng)險評估，結(jié)論如下：

（1）降水災(zāi)害風(fēng)險市區(qū)敏感性高于區(qū)縣，城北區(qū)最敏感，鄉(xiāng)鎮(zhèn)最敏感區(qū)位于大通寶庫鄉(xiāng)。湟中區(qū)易損性指數(shù)最高，鄉(xiāng)鎮(zhèn)最大位于多巴鎮(zhèn)。大通縣危險性指數(shù)最高，鄉(xiāng)鎮(zhèn)最大位于寶庫鄉(xiāng)。暴雨災(zāi)害高風(fēng)險面積占比最大位于城北區(qū)，其次是湟源縣、大通縣和湟中區(qū)，鄉(xiāng)鎮(zhèn)高風(fēng)險區(qū)主要位于大通的寶庫、長寧和橋頭3鄉(xiāng)鎮(zhèn)，湟中的田家寨、上新莊、多巴、上五莊、海子溝、攔隆口和李家山7鄉(xiāng)鎮(zhèn)，城北區(qū)的馬坊街道和大堡子鎮(zhèn)，綜合風(fēng)險指數(shù)最大位于大通寶庫鄉(xiāng)。

（2）3種方法風(fēng)險結(jié)果比較，熵權(quán)法更能突出局部鄉(xiāng)鎮(zhèn)的較高以上風(fēng)險評估，如突出了大通縣寶庫鄉(xiāng)與橋頭鎮(zhèn)、湟中區(qū)上五莊鎮(zhèn)、城北區(qū)大部地區(qū)的較高以上風(fēng)險。組合法則平衡了熵權(quán)法與AHP法的共同影響，既考慮了主觀經(jīng)驗，也考慮數(shù)據(jù)的客觀影響。

（3）利用降水災(zāi)情數(shù)據(jù)進行檢驗，得出熵權(quán)法、AHP法和組合法對暴雨災(zāi)害評估均具有一定可靠性，同時發(fā)現(xiàn)風(fēng)險評估中，較高以上風(fēng)險面積占比大于50%的鄉(xiāng)鎮(zhèn)與實際災(zāi)情具有較好對應(yīng)，敏感性和易損性指數(shù)與實際局地災(zāi)情的發(fā)生具有較好的對應(yīng)關(guān)系。同時熵權(quán)法、AHP-熵權(quán)組合法可以根據(jù)后期數(shù)據(jù)的更新積累其權(quán)重也可以不斷地動態(tài)更新訂正，因此更能適用于不斷變化的氣候環(huán)境背景。