王澤雨，李建章

1. 蘭州交通大學(xué) 測(cè)繪與地理信息學(xué)院，蘭州 730030；

2. 地理國(guó)情監(jiān)測(cè)技術(shù)應(yīng)用國(guó)家地方聯(lián)合工程研究中心，蘭州 730070；

3. 甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，蘭州 730070

1 引 言

近年來(lái)，隨著世界經(jīng)濟(jì)和科學(xué)技術(shù)快速發(fā)展，人類生產(chǎn)活動(dòng)使地球環(huán)境和氣候愈加惡劣，全球各地發(fā)生的氣候異?，F(xiàn)象愈加頻繁，極端氣候事件導(dǎo)致氣象水文災(zāi)害頻發(fā)（張磊，2022）。洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估最早從19 世紀(jì)50 年代開始，目前國(guó)內(nèi)外的洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估研究已經(jīng)取得了較大進(jìn)展，評(píng)估的方法主要基于數(shù)學(xué)算法建模評(píng)估、地理信息系統(tǒng)（geographic information system，GIS）空間分析功能和遙感數(shù)據(jù)獲取（舒亮亮和何小賽，2022）。根據(jù)指標(biāo)選取的差異，國(guó)內(nèi)外學(xué)者對(duì)洪澇災(zāi)害從不同角度進(jìn)行了風(fēng)險(xiǎn)評(píng)估，大部分研究涉及風(fēng)險(xiǎn)形成的危險(xiǎn)性、暴露性和防災(zāi)減災(zāi)能力（高詩(shī)妍等，2023）。在進(jìn)行風(fēng)險(xiǎn)評(píng)估時(shí)，除了考慮到洪澇災(zāi)害的危險(xiǎn)性、暴露性、防災(zāi)減災(zāi)能力，還應(yīng)將人類行為納入洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估。Aerts 等（2018）認(rèn)為個(gè)人、企業(yè)和政府在災(zāi)難發(fā)生之前、之中和之后的行為會(huì)有極大的影響。Zhou 等（2012）認(rèn)為氣候變化可能會(huì)影響降水模式，導(dǎo)致發(fā)生洪水風(fēng)險(xiǎn)性增加，所以必須將氣候變化影響加入風(fēng)險(xiǎn)評(píng)估中。Ntajal等（2017）結(jié)合了地理信息系統(tǒng)、遙感和基于指標(biāo)的洪水風(fēng)險(xiǎn)評(píng)估技術(shù)來(lái)繪制洪水災(zāi)害風(fēng)險(xiǎn)圖。

目前，江西省洪澇災(zāi)害相關(guān)評(píng)估研究也有部分成果，張念強(qiáng)（2006）對(duì)鄱陽(yáng)湖地區(qū)進(jìn)行洪水災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)時(shí)，選取洪水強(qiáng)度、地形、水系、人口密度、耕地面積等影響因子，利用GIS 空間分析法綜合分析了湖區(qū)洪水危險(xiǎn)性和風(fēng)險(xiǎn)性分布規(guī)律。段偉芳等（2022）利用水文氣象和地形數(shù)據(jù)對(duì)2020 年鄱陽(yáng)湖地區(qū)發(fā)生特大洪水進(jìn)行受災(zāi)原因分析，認(rèn)為降水量大、圩堤決口及地勢(shì)北高南低是造成這次洪災(zāi)的重要原因，需要對(duì)鄱陽(yáng)湖南部地勢(shì)較低的濱湖地區(qū)加大防洪排洪的建設(shè)。張游等（2011）以江西省鄱陽(yáng)湖流域地區(qū)為研究對(duì)象，采用90 m 分辨率數(shù)字高程模型（digital elevation model，DEM）數(shù)據(jù)、江西洪澇災(zāi)情數(shù)據(jù)、社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)及江西省土地利用數(shù)據(jù)，利用GIS 空間分析與建模功能構(gòu)建洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估指數(shù)模型，結(jié)果表明，從行政區(qū)劃上，湖口、鄱陽(yáng)、上饒等因地勢(shì)平坦、降水量大且處于高風(fēng)險(xiǎn)區(qū)。

綜合現(xiàn)有江西省洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估發(fā)現(xiàn)，研究多集中在鄱陽(yáng)湖區(qū)，少有對(duì)江西省進(jìn)行綜合性分析；在指標(biāo)數(shù)據(jù)方面，選取的指標(biāo)不夠全面，精度不夠高。本文選取絕對(duì)高程、相對(duì)高程、河網(wǎng)密度、降水量、人口密度、降水量、單位面積 GDP、人均床位數(shù)、人均可支配收入及地區(qū)生產(chǎn)總值作為指標(biāo)數(shù)據(jù)，構(gòu)建江西省洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。匯總了10 年的平均降水量數(shù)據(jù)、利用更高精度的DEM 高程數(shù)據(jù)。研究結(jié)論旨在為江西省的防災(zāi)減災(zāi)工作提供科學(xué)依據(jù)。

2 研究區(qū)概況

江西省位于中國(guó)東南部，以山地、丘陵為主，屬亞熱帶季風(fēng)性濕潤(rùn)氣候，降水豐沛，夏季降雨量達(dá)到全年的70%，省內(nèi)湖泊眾多，大大小小的河流湖泊上百余個(gè)，地形是往北開口的盆地狀，南高北低（譚國(guó)良等，2006）。據(jù)國(guó)家應(yīng)急管理部發(fā)布的報(bào)告顯示，江西省是我國(guó)發(fā)生洪澇災(zāi)害最頻繁、災(zāi)情最嚴(yán)重的省份之一。鄭美霞和鮑家興（2022）的研究結(jié)果顯示，江西省2006~2020 年共發(fā)生51 次重特大自然災(zāi)害事件，省級(jí)自然災(zāi)害應(yīng)急響應(yīng)85次，其中，重特大自然災(zāi)害事件中有35 次是洪澇災(zāi)害。具體分布見(jiàn)圖1。洪澇災(zāi)害為江西省最嚴(yán)重的自然災(zāi)害類型。

圖1 江西省2006~2020 年重特大自然災(zāi)害事件分布情況Fig.1 Distribution of major natural disasters events from 2006 to 2020 in Jiangxi Province

3 數(shù)據(jù)來(lái)源及研究方法

3.1 洪澇災(zāi)害指標(biāo)選取

洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)有很多，需要考慮到指標(biāo)的客觀性、可行性等原則，包括自然因素和社會(huì)經(jīng)濟(jì)，主要有危險(xiǎn)性、承災(zāi)體暴露性、防災(zāi)減災(zāi)薄弱性（盧夢(mèng)瑤，2022）。

3.1.1 危險(xiǎn)性指標(biāo)

洪澇災(zāi)害危險(xiǎn)性指標(biāo)選取高程、河網(wǎng)密度和年均降水量。

（1）洪澇災(zāi)害的形成跟高程有緊密的關(guān)系，對(duì)兩個(gè)具有相同降水量的區(qū)域，地勢(shì)較低的區(qū)域往往比地勢(shì)較高的區(qū)域更容易產(chǎn)生洪澇災(zāi)害（杜志強(qiáng)等，2017）。研究使用的地形數(shù)據(jù)源于中國(guó)科學(xué)院科學(xué)數(shù)據(jù)中心（https//www.casdc.cn），選擇的是30 m分辨率的GDEM DEM 高程數(shù)據(jù)。用自然斷點(diǎn)法把江西省絕對(duì)高程劃分為五個(gè)等級(jí)，如圖2（a）所示。

圖2 江西省危險(xiǎn)性指標(biāo)分布Fig.2 Risk indicators in Jiangxi Province

（2）相對(duì)高程是使用 ArcGIS 的坡度計(jì)算功能，選擇柵格鄰域5 像素×5 像素范圍內(nèi)的柵格高程的標(biāo)準(zhǔn)差，作為該處地形變化的定量指標(biāo)進(jìn)行計(jì)算，如圖2（b）所示。其標(biāo)準(zhǔn)差與地勢(shì)起伏呈正相關(guān)，所得到地形標(biāo)準(zhǔn)差越小，在該地區(qū)越容易發(fā)生洪澇災(zāi)害（杜志強(qiáng)和顧捷曄，2016）。

（3）河網(wǎng)密度反映了一定區(qū)域范圍內(nèi)水系分布的密集程度，一般情況下河網(wǎng)較密集的區(qū)域，河流的支流會(huì)有很多，若是該地區(qū)出現(xiàn)惡劣天氣現(xiàn)象，發(fā)生洪澇災(zāi)害的可能性會(huì)隨之增高，所以河網(wǎng)密度是洪澇災(zāi)害評(píng)估的重要指標(biāo)（蔣雯京等，2019）。本研究主要對(duì)河網(wǎng)數(shù)據(jù)進(jìn)行空間數(shù)據(jù)分析，得到鄱陽(yáng)湖流域的河網(wǎng)密度分布。由圖2（c）可以看出，江西省整體的河網(wǎng)密度較密集，水系較豐富。全省有五大水系，共有 3700 多條河流，以鄱陽(yáng)湖為中心。

（4）持續(xù)性高強(qiáng)度的降雨是造成洪澇災(zāi)害的最直接因素（劉芳，2021）。江西省屬于亞熱帶氣候，年降水量比較充沛，特別是每年的 6~8 月的時(shí)候，暴雨會(huì)持續(xù)2~3 d。若只選取單個(gè)年份的降水量，會(huì)有偶然性，不能滿足洪澇災(zāi)害評(píng)估的精度要求，所以本研究選取2010~2020 年各氣象站點(diǎn)的逐日降水量，對(duì)近10 年的降水量數(shù)據(jù)統(tǒng)計(jì)并求取平均值，利用Kriging插值分析，得到2010~2020 年的平均降水量空間分布分級(jí)圖，如圖2（d）所示。江西省的東部區(qū)域平均降水量遠(yuǎn)高于其他區(qū)域，西南區(qū)域降水量較少。

3.1.2 暴露性指標(biāo)

一般選取人口密度和單位面積GDP 作為暴露性指標(biāo)（陳雪等，2023）。暴露性等級(jí)取決于該區(qū)域人口密集程度和區(qū)域經(jīng)濟(jì)發(fā)展情況，兩者呈正相關(guān)，即發(fā)生洪澇災(zāi)害時(shí)，暴露性等級(jí)越高的區(qū)域，造成的人員傷亡和經(jīng)濟(jì)損失也越大。數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院科學(xué)數(shù)據(jù)中心，具體的分布情況如圖3 所示。江西省的人口密度主要是以南昌市為中心，經(jīng)濟(jì)主要分布在南昌市周圍。

圖3 2019 年江西省暴露性指標(biāo)分布Fig.3 Exposure indicators of Jiangxi Province in 2019

3.1.3 防災(zāi)減災(zāi)薄弱性指標(biāo)

為提高抵御洪澇災(zāi)害的綜合防范能力，就必須加強(qiáng)各項(xiàng)防災(zāi)減災(zāi)措施（羅海婉，2020）。一個(gè)地區(qū)的防災(zāi)能力取決于當(dāng)?shù)胤罏?zāi)工作投入的資金量，經(jīng)濟(jì)較好的地區(qū)會(huì)建設(shè)出完善的抗洪設(shè)施來(lái)抵御洪災(zāi)（梅玉琳和吉中會(huì)，2022）。因此，選取江西省每萬(wàn)人均床位數(shù)、人均可支配收入和地區(qū)生產(chǎn)總值作為洪澇災(zāi)害的指標(biāo)。數(shù)據(jù)來(lái)源于《2021 年江西省統(tǒng)計(jì)年鑒》。

（1）人均床位數(shù)。當(dāng)發(fā)生洪澇災(zāi)害時(shí)，必須先對(duì)受傷群眾進(jìn)行救援，這就考驗(yàn)醫(yī)院能否同時(shí)接受所有受傷人員入住。因此，采用各地級(jí)市醫(yī)院床位的平均數(shù)作為指標(biāo)數(shù)據(jù)。江西省每萬(wàn)人人均床位分布，如4（a）所示?？梢钥闯?，撫州市的人均床位最少，其次是上饒市，相比之下宜春市人均床位數(shù)最多。

（2）人均可支配收入。當(dāng)發(fā)生洪澇災(zāi)害時(shí)，因救援隊(duì)任務(wù)重、環(huán)境惡劣和被救人員多等因素，所以對(duì)于部分受災(zāi)群眾不能做到及時(shí)救援，這就需要被困群眾開展自救。而自救能力一般與個(gè)人經(jīng)濟(jì)能力有關(guān)，個(gè)人可支配收入越多，準(zhǔn)備的抗災(zāi)物品就越豐富，就越能完成自救（吳舒祺等，2020）。選取人均可支配收入作為指標(biāo)數(shù)據(jù)，具體的人均可支配收入分布，如圖4（b）所示。可以看出，南昌市、景德鎮(zhèn)市和新余市人均可支配收入較高，撫州市的人均可支配收入最低。

圖4 2021 年江西省防災(zāi)減災(zāi)薄弱性指標(biāo)分布Fig.4 Vulnerability indicators of disaster prevention and mitigation in Jiangxi Province in 2021

（3）地區(qū)生產(chǎn)總值。一個(gè)地區(qū)的防災(zāi)減災(zāi)能力最主要的影響因素是該地區(qū)的經(jīng)濟(jì)情況，財(cái)政收入相對(duì)較多的地區(qū)，可以在洪澇災(zāi)害發(fā)生前，加強(qiáng)河道治理、修建水庫(kù)工程和完善城市排水系統(tǒng)的改造，而且在發(fā)生災(zāi)害后，具備較強(qiáng)的除澇能力，完成對(duì)災(zāi)區(qū)的救援工作。所以地區(qū)生產(chǎn)總值也可以作為洪澇災(zāi)害評(píng)估的指標(biāo)數(shù)據(jù)（管若塵，2021）。江西省GDP 分布，如圖 4（c）所示?？梢钥闯?，南昌市的GDP 最高，萍鄉(xiāng)市、景德鎮(zhèn)市、鷹潭市的較低。

3.2 指標(biāo)體系權(quán)重的確定

開展洪澇災(zāi)害評(píng)估前，需要先確定各項(xiàng)指標(biāo)的權(quán)重，根據(jù)洪澇災(zāi)害方面專家的意見(jiàn)，構(gòu)造出判斷矩陣（徐雅，2017）。本研究分別對(duì)洪災(zāi)危險(xiǎn)性指標(biāo)、防災(zāi)減災(zāi)薄弱性指標(biāo)和洪災(zāi)暴露性指標(biāo)構(gòu)建判斷矩陣，并依次進(jìn)行一致性檢驗(yàn)，檢驗(yàn)結(jié)果均合格，如表1~表8 所示。

表1 洪災(zāi)危險(xiǎn)性指標(biāo)判斷矩陣Tab.1 Judgment matrix of flood risk index

表2 危險(xiǎn)性指標(biāo)判斷矩陣一致性檢驗(yàn)結(jié)果Tab.2 Consistency test results of the hazard index judgment matrix

表3 防災(zāi)減災(zāi)薄弱性指標(biāo)判斷矩陣Tab.3 In dex judgment matrix of flood disaster prevention and mitigation vulnerability

表4 防災(zāi)減災(zāi)薄弱性指標(biāo)判斷矩陣一致性檢驗(yàn)結(jié)果Tab.4 Consistency test results of judgment matrix of disaster prevention and mitigation weakness index

表5 洪災(zāi)暴露性指標(biāo)判斷矩陣Tab.5 Judgment matrix of flood exposure index

表6 暴露性指標(biāo)判斷矩陣一致性檢驗(yàn)結(jié)果匯總Tab.6 Summary of consistency test results of exposure index judgment matrix

表7 風(fēng)險(xiǎn)評(píng)估指標(biāo)層Tab.7 Risk assessment index layer

表8 風(fēng)險(xiǎn)評(píng)估指標(biāo)層一致性檢驗(yàn)結(jié)果匯總Tab.8 Summary of consistency test results of risk assessment index layer

3.3 隸屬函數(shù)的構(gòu)建

3.3.1 構(gòu)建隸屬函數(shù)

模糊綜合評(píng)價(jià)法是一種基于模糊數(shù)學(xué)的綜合評(píng)估方式。該綜合評(píng)價(jià)法通過(guò)引用隸屬函數(shù)，可以把定性評(píng)估轉(zhuǎn)變成定量評(píng)估，即運(yùn)用模糊數(shù)學(xué)對(duì)受到各種因素制約的事物或?qū)ο笞龀鲆粋€(gè)綜合的評(píng)價(jià)（徐玉霞，2017）。合理建立隸屬函數(shù)對(duì)準(zhǔn)確評(píng)價(jià)洪澇災(zāi)害風(fēng)險(xiǎn)有著重要的意義。主要分為以下步驟：①建立評(píng)價(jià)對(duì)象的因素集合；②建立評(píng)語(yǔ)集，這一步驟可以將洪澇災(zāi)害分為高、較高、中、較低和低共五個(gè)等級(jí)；③構(gòu)建模糊關(guān)系矩陣（安洋洋，2021）。

3.3.2 各項(xiàng)指標(biāo)柵格數(shù)據(jù)分級(jí)

進(jìn)行數(shù)據(jù)分級(jí)時(shí)，主要有數(shù)據(jù)標(biāo)準(zhǔn)差和均差兩種方法（曹羅丹和李加林2015）。本文針對(duì)不同指標(biāo)數(shù)據(jù)各自的特點(diǎn)，采用不同的數(shù)據(jù)分級(jí)方法。具體分級(jí)結(jié)果如表9 所示。

4 洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估分析

在洪澇災(zāi)害危險(xiǎn)性評(píng)估方面，危險(xiǎn)性是影響洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估的重要因素，很大程度上決定了洪澇災(zāi)害風(fēng)險(xiǎn)的結(jié)果。選取降水量、河網(wǎng)密度、絕對(duì)高程和相對(duì)高程四個(gè)指標(biāo)（成陸等，2019）。采用模糊綜合評(píng)價(jià)方法，并結(jié)合上述已構(gòu)建的隸屬函數(shù)進(jìn)行洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估分析，利用自然斷點(diǎn)法，將危險(xiǎn)性等級(jí)劃分為低、較低、中、較高和高危險(xiǎn)性五個(gè)等級(jí)。從圖5（a）看出，深紅色區(qū)代表的是高危險(xiǎn)性地區(qū)，集中分布在江西省的東北部區(qū)域；深藍(lán)色部分代表的是低危險(xiǎn)性區(qū)域，集中分布在九江市和贛州市部分區(qū)域。危險(xiǎn)性越高的地區(qū)，就越容易發(fā)生洪澇災(zāi)害，需要對(duì)東部地區(qū)提升監(jiān)測(cè)預(yù)警能力，尤其是降水量較大時(shí)，加強(qiáng)對(duì)河流水位監(jiān)測(cè)，提前做出相應(yīng)的措施，就能在一定程度上，減少洪澇災(zāi)害造成的經(jīng)濟(jì)損失和人員傷亡。

圖5 洪澇災(zāi)害評(píng)估結(jié)果Fig.5 Flood hazard assessment

在洪澇災(zāi)害暴露性評(píng)估方面，選取人口和GDP 兩項(xiàng)指標(biāo)，通過(guò)構(gòu)建評(píng)估模型對(duì)指標(biāo)數(shù)據(jù)進(jìn)行處理。從圖5（b）看出，藍(lán)色代表的是洪澇災(zāi)害暴露性等級(jí)偏低的區(qū)域，全省大部分地區(qū)為藍(lán)色，只有南昌市、上饒市和萍鄉(xiāng)市少部分地區(qū)暴露性等級(jí)偏高。

在洪澇防災(zāi)減災(zāi)薄弱性評(píng)估方面，選取地區(qū)生產(chǎn)總值、人均床位數(shù)、人均可支配收入三項(xiàng)指標(biāo)數(shù)據(jù)，利用層次分析（analytic hierarchy process，AHP）和模糊綜合評(píng)價(jià)（fuzzy comprehensive appraisal，F(xiàn)CA）兩種方法進(jìn)行分析。從圖5（c）中可以看出，江西省大多數(shù)地級(jí)市具有一定的防災(zāi)減災(zāi)能力，但撫州市和贛州市防災(zāi)減災(zāi)能力相對(duì)較弱，可以通過(guò)加強(qiáng)河道治理和防災(zāi)工程的建設(shè)彌補(bǔ)現(xiàn)有不足，若是采取有效的防災(zāi)減災(zāi)措施，可以極大程度上降低洪澇災(zāi)害帶來(lái)的損失。

在江西省洪澇災(zāi)害綜合風(fēng)險(xiǎn)評(píng)估方面，從危險(xiǎn)性、暴露性及防災(zāi)減災(zāi)能力三個(gè)方面出發(fā)。其中，危險(xiǎn)性和暴露性越高，洪澇災(zāi)害造成的損失越大。防災(zāi)減災(zāi)能力越強(qiáng)，洪澇災(zāi)害造成的損失越小。從圖5（d）中看出，江西省東北部區(qū)域的風(fēng)險(xiǎn)性明顯要高于其他區(qū)域，該結(jié)果是因?yàn)閰^(qū)域內(nèi)河網(wǎng)密度較高且降水量明顯要多于其他區(qū)域，同時(shí)此處地勢(shì)較為平坦，容易發(fā)生洪澇災(zāi)害。南部區(qū)域和部分西北部區(qū)域風(fēng)險(xiǎn)性較小，是因?yàn)樵搮^(qū)域內(nèi)地形以丘陵為主，年均降水量較低，不易發(fā)生洪澇災(zāi)害。

根據(jù)江西省應(yīng)急管理廳通報(bào)，2020 年江西省暴發(fā)最嚴(yán)重洪澇災(zāi)害的地區(qū)是景德鎮(zhèn)市，其轄區(qū)內(nèi)的昌江一周內(nèi)暴發(fā)四次洪水，景德鎮(zhèn)市啟動(dòng)最高級(jí)別的應(yīng)急響應(yīng)。2019 年江西省暴發(fā)最嚴(yán)重洪澇災(zāi)害的地區(qū)是上饒市、鷹潭市，國(guó)家減災(zāi)委、應(yīng)急管理部緊急啟動(dòng)國(guó)家Ⅳ級(jí)救災(zāi)應(yīng)急響應(yīng)，并派出工作組趕赴災(zāi)區(qū)，查看災(zāi)情，指導(dǎo)抗洪救災(zāi)工作。2018 年江西省東北部區(qū)域全部發(fā)生洪澇災(zāi)害，全省9 個(gè)市共91.5 萬(wàn)人受災(zāi)了直接經(jīng)濟(jì)損失10.1 億元。2017 年江西省暴發(fā)最嚴(yán)重洪澇災(zāi)害的地區(qū)是南昌市、景德鎮(zhèn)市和上饒市，緊急轉(zhuǎn)移安置20.4 萬(wàn)人，近2700間房屋不同程度受損。2016 年江西省暴發(fā)最嚴(yán)重洪澇災(zāi)害的地區(qū)是景德鎮(zhèn)市昌江區(qū)，上饒市鄱陽(yáng)縣，強(qiáng)降雨還引發(fā)景德鎮(zhèn)市嚴(yán)重城市內(nèi)澇，造成大量人員被困。本研究統(tǒng)計(jì)江西省5 年發(fā)生嚴(yán)重洪澇災(zāi)害次數(shù)，結(jié)果如表10 所示，可以看出景德鎮(zhèn)市、上饒市、南昌市發(fā)生嚴(yán)重洪澇災(zāi)害次數(shù)較多。從圖5（d）可以看出，高風(fēng)險(xiǎn)區(qū)域集中位于江西省東北部地區(qū)（主要包括上饒市、鷹潭市、景德鎮(zhèn)市以及部分南昌市和撫州市地區(qū)）。經(jīng)過(guò)對(duì)比發(fā)現(xiàn)該評(píng)價(jià)與事實(shí)具有高度一致性，兩者都有上饒市、景德鎮(zhèn)市及其他部分區(qū)域，在一定程度上驗(yàn)證了本研究結(jié)果的可靠性。

表10 近五年發(fā)生嚴(yán)重洪澇災(zāi)害的城市Tab.10 Cities with severe floods in the past five years

5 結(jié) 論

洪澇災(zāi)害是江西省主要災(zāi)害類型，造成經(jīng)濟(jì)嚴(yán)重受損。本文以江西省為研究對(duì)象，進(jìn)行洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估。選取合適的指標(biāo)數(shù)據(jù)，把危險(xiǎn)性、暴露性和防災(zāi)減災(zāi)能力作為一級(jí)指標(biāo)數(shù)據(jù)，絕對(duì)高程、相對(duì)高程、河網(wǎng)密度、降水量、人口密度、降水量、單位面積GDP、人均床位數(shù)、人均可支配收入及地區(qū)生產(chǎn)總值作為二級(jí)指標(biāo)構(gòu)建評(píng)估模型，利用層次分析法確定權(quán)重?cái)?shù)據(jù)，基于地理信息系統(tǒng)空間分析功能，結(jié)合模糊綜合評(píng)價(jià)進(jìn)行災(zāi)害評(píng)估。

（1）江西省洪澇災(zāi)害高危險(xiǎn)性集中分布在東北部地區(qū)，有景德鎮(zhèn)市、上饒市、鷹潭市和撫州市部分。撫州市和贛州市的防災(zāi)減災(zāi)薄弱性較弱。高暴露性集中分布在南昌市。

（2）綜合危險(xiǎn)性、暴露性和防災(zāi)減災(zāi)能力三方面，江西省東北部區(qū)域的風(fēng)險(xiǎn)性明顯要高于其他區(qū)域，南部區(qū)域和部分西北區(qū)域風(fēng)險(xiǎn)性較小。這主要與河網(wǎng)密度、地形和氣候條件有關(guān)，地勢(shì)平坦、河網(wǎng)密度較高且降水量多的區(qū)域更容易發(fā)生洪澇災(zāi)害。

未來(lái)研究中需要考慮更加全面、系統(tǒng)的因子，如植被覆被、土地利用、距河流距離及臺(tái)風(fēng)活動(dòng)等因子，并且洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估的適用性和可信度需要進(jìn)一步討論。