尹昌应，戴 丽，徐丹丹，赵禹韩，郑佳薇，王 平
(1.贵州理工学院建筑与城市规划学院，贵阳 550003；
2.贵州师范大学地理与环境科学学院，贵阳 550025；
3.贵州省山地资源与环境遥感应用重点实验室，贵阳 550025.4.贵州省气象学会，贵阳 550002)
全球城市化进程正在快速推进，同时伴随日益严重的气候变化，城市内涝灾害频繁发生、影响范围逐渐扩大，成为世界各国特别是中国等发展中国家普遍面临的城市问题[1-3]。近年来，中国城市内涝灾情呈现复杂、多样和放大等特点，在南方雨水丰富地区尤为显著[4，5]。
城市内涝灾害会造成道路积水、出行困难，甚至给当地居民生命和财产造成巨大损失，已逐渐演变为城市经济社会发展的制约因素之一，防治城市内涝灾害刻不容缓[6，7]。因此，厘清城市内涝灾害发生机理、及时迅速地开展风险预警和评估，并提出切实有效的防治对策，既是学术界城市问题研究领域亟需解决的问题，也是政府部门、工程技术人员和社会公众普遍关注的热点问题[8]。
目前内涝风险评价常用综合评价法、不确定性方法、基于历史灾情评价法和水文水力学方法等[9，10]。其中，基于指标体系的综合评价法根据自然灾害风险基本原理，深入分析研究区的自然特征和社会经济特征，从而选取最合适的指标，采用各种评价方法，对灾害风险进行综合评价[11]。近年来，内涝风险评价趋于综合GIS，RS等技术优势，并结合人工神经网络、信息熵理论和模糊数学方法等，以提高内涝风险评价的客观性和精准度[12-15]。
喀斯特地区具有典型的生态系统脆弱性和承载能力低的特点。目前喀斯特地区城市内涝研究案例较少，特别是山地城市特殊的形态特征背景下，深入开展内涝风险评价在指导城市内涝防治方面具有重要的决策参考意义[16]。因此，文章以喀斯特地区典型的山地城市——贵州省贵阳市为研究区，开展城市内涝风险评价。
1.1 研究区选择
文章选择位于贵州省中部的贵阳市(106°07′E～107°17′E，26°11′N～26°55′N)主城区部分区域为研究区(图1)。贵阳市地势西南高、东北低，平均海拔在1100 m左右，最高峰在水田镇庙窝顶(1659 m)，最低处在南明河出境处(880 m)；
辖区内剥蚀丘陵与盆地、谷地、洼地相间，中部层状地貌明显，呈多级台地和溶丘洼地地貌，属于以山地、丘陵为主的丘原盆地地区，城市空间发展表现出典型的山地城市形态特征。
图1 研究区示意图
贵阳市属于亚热带湿润温和型气候，年平均总降水量为1，129.5 mm，夏季雨水充沛(约500 mm)、暴雨过程频发，夜间降水量占全年降水量70%，强降水导致贵阳城区多路段严重积水，造成严重损失。6月、7月是贵阳市暴雨集中期，其中6月下旬至7月上旬是大范围暴雨频发时段，主要表现为全市域1 d内连续暴雨，且4级暴雨和3级暴雨发生概率接近87.4%[17]。
1.2 研究方法
1.2.1 数据预处理
文章使用的多个自然与社会经济要素，及其预处理方法描述如下：
1)降雨量：分别将研究区内61个气象站点2016-2020年每年6月、7月的降水量相加，计算5 a(2016-2020年)降水量的平均、最大和最小值，并通过反距离权重插值法(Inverse Distance Weighted，简称IDW)得到栅格数据。
2)地形特征：基于10 m的DEM数据，提取研究区的高程和坡度。
3)水体和不透水面：利用2020年无人机航片(1 m分辨力)提取土地利用类型，并计算100 m×100 m格网内的水体、不透水面面积占比；
同时，使用土地利用类型中的水体位置，计算研究区内的距水体距离图层，以及单元格网内(100 m×100 m)的水体面积占比。
4)人口数据：使用2020年World Pop官网的人口密度数据，空间分辨力为1 km[18]；
由2020年贵阳市人口普查公报获取0～14岁和>65岁的人口比例数据，将其与行政区划进行匹配，生成数字化的矢量图层。
5)GDP数据：使用中国科学院资源环境科学与数据中心(https://www.resdc.cn/)2019年的GDP数据。
将以上各数据统一转化为分辨力为100 m的栅格图层，并进行重采样以便后续分析。
1.2.2 数据标准化处理
由于以上各数据指标的量纲不同，需要进行标准化处理。依据各数据指标与风险的正负相关性，将指标分为正向和负向指标。正向指标是指标的值与风险正相关，反之则为负向指标。正向指标包括降水量、不透水面面积、人口密度、GDP、0～14岁及>65岁人口比重；
负向指标包括高程、坡度、水体面积占比和距水体距离。
正负指标采用的标准化公式如式(1)、(2)所示：
(1)
(2)
式中，Yi表示指标i的标准化值；
Xi表示指标i的原始值；
max(Xi)表示指标i的最大值；
min(Xi)表示指标i的最小值。
1.2.3 内涝风险评估模型
文章基于层次分析法(Analytic Hierarchy Process，AHP)，从致灾因子危险性、孕灾环境敏感性和承灾体易损性3个方面构建城市内涝风险评价模型，其公式如下[19-22]：
R=H×W1+E×W2+V×W3
(3)
式中，R表示风险指数；
H，E，V依次表示致灾因子危险性、孕灾环境敏感性和承灾体易损性指数；
W1，W2，W3表示各指数对应的权重。
1)致灾因子危险性指数计算方法如下：
H=H1×WH1+H2×WH2+H3×WH3
(4)
式中，H1，H2，H3分别表示5 a的平均降雨量、最大降雨量和最小降雨量；
WH1，WH2，WH3表示对应的权重。
2)孕灾环境敏感性指数计算方法如下：
(5)
式中，E1，E2，E3，E4，E5分别表示高程、坡度、水体面积占比、河流距离、不透水面比例；
WE1，WE2，WE3，WE4，WE5表示对应的权重。
3)承灾体易损性指数计算方法如下：
V=V1×WV1+V2×WV2+V3×WV3
(6)
式中，V1，V2，V3分别表示人口密度、GDP、0～14岁和>65岁人口占比；
WV1，WV2，WV3表示对应的权重。
以上公式中各指标权重如表1所示。
表1 内涝风险指标权重及特征
2.1 内涝影响因子空间分布特征
2.1.1 自然因素空间分布特征
研究区地势西北高东南低，海拔在978.72～1,593.30 m，高度差达614.58 m，坡度差达75°。区域内山地城市形态明显，地形起伏较大，沟壑密布，且空间分布不均匀，在短时暴雨影响下，极易形成洪涝灾害。
研究区内水体空间分布不均匀，距水体距离最远为4,671.96 m。水体面积整体占比较低(1.83%)，且不同行政区域内水体面积占比最大差距达10倍：花溪区占比最高，为0.78%；
观山湖区占比0.39%；
乌当区占比0.32%；
占比最小的是南明区，仅为0.07%。
研究区不透水面分布也呈现出较大的空间异质性，占研究区总面积的27.07%。不同行政区内面积占比差距较小：花溪区占比最高，为8.64%；
观山湖区占比5.91%；
白云区占比4.34%；
占比最小的是云岩区，为2.39%。
2.1.2 社会经济因素空间分布特征
研究区内人口密度和GDP的空间分布异质性较大，其值域分别为21～48,911人/km2与460～167,110 元/km2，最大值主要集中于中部的云岩区和南明区。与之相反，各区域0～14岁和>65岁人口比例的差异不大，值域范围为25%～29%，其中占比最高是乌当区，云岩区次之，最低值在花溪区。
由以上研究区自然与社会经济因素空间分布特征可以看出，各因子的空间分布异质性差异较大，这将增加区域内城市内涝风险评价的难度和复杂性。
2.2 城市内涝风险评估
通过式(1)～式(6)和表1计算得到研究区城市内涝风险等级空间分布特征(图2)，并依据自然断点法划分为5个风险等级：低风险(0.20～0.31)、较低风险(0.31～0.36)、中风险(0.36～0.40)、较高风险(0.40～0.46)和高风险(0.46～0.70)。中级及以上风险区占研究区总面积的52.09%，面积占比从高到低依次为中风险区、较高风险区和高风险区。
图2 研究区城市内涝风险等级空间分布
城市内涝较高风险区和高风险区主要分布于研究区中部、东北和西北地区，东南方向也有较小范围分布，其他均呈点状零散分布；
中等级风险区主要分布于研究区中部及其以北地区，并呈现出围绕较高和高风险区的不规则空间分布格局；
低风险区集中分布于南部和西南地区。
在不同行政区域范围内(表2)，中级及其以上风险区域面积占比普遍较大，其中观山湖区高达90.90%，其次为云岩区(77.25%)，第三为乌当区(77.03%)，低于50%区域的只有花溪区(11.96%)；
高风险区面积占比最高的是乌当区与观山湖区(14.05%和13.18%)；
较高风险区面积分布较大的是观山湖区和云岩区(39.44%和36.61%)；
中风险区面积分布最大的是乌当区(43.21%)。
观山湖区是近年来贵阳市经济发展较快、城市化进程较高的区域，但较高的城市内涝风险将对该区域的发展带来潜在的负面影响；
云岩区是贵阳市重要的政治、经济、文化中心，也是全省人口密度最高的行政区，该区域内中风险和较高风险等级(32.74%和36.61%)面积分布较大，需要进一步调整区域内土地利用结构、增强御灾观念，积极探索适灾韧性体系[23，24]；
乌当区地势北高南低，海拔落差较大(近800 m)，地质构成以喀斯特地貌为主，占全区面积的90%以上，该区域复杂的地形地貌与较高的内涝风险等级密切相关，需要建立长期的、实时的内涝风险监测、预报系统[25]。
基于以上研究区城市内涝灾害风险评估，文章提出以下几点减少风险和应对风险管理措施的建议：1)完善城市防洪排水设施建设，控制排水指标，合理利用河流调洪蓄水的能力，减少城市内涝风险；
2)合理规划城市建筑用地和道路，增加绿化面积，秉持绿色发展主线；
3)建立适当措施调整老城区人口空间分布特征，改善人口结构，并加大对城市公共服务事业的投入；
4)对于高风险区，调整产业结构，合理分配产业布局，科学规划未来城市发展；
5)加强灾害风险教育，加大预灾、防灾知识宣传工作，组织居民进行应急演练，提高防灾减灾能力；
6)建立基于GIS和RS技术的城市内涝风险监测、预报系统，兼顾自然与社会人文因素，积极探索适用于以喀斯特地貌为主城市的“自适应、自恢复”的韧性适灾观念与体系。
表2 研究区城市内涝各风险等级的面积与占比
文章基于高精度遥感影像提取土地利用与覆被类型，并计算不透水面、水体及其距离图层，提高了数据的准确度，有利于分析影响因子空间分布格局与特征。同时，将正向、负向指标评价与层次分析模型相结合，进一步细化各影响因子与内涝的关系，提高城市内涝风险评价精度。
文章的内涝风险评价结果，将为贵阳市未来的城市规划、基础设施建设、城市内涝风险管理与预警等方面提供理论参考依据；
未来可结合多模型与情景讨论，以深化内涝风险评价成果。
