Medical Journal of the Chinese People's Armed Police Forces

Journal of Changjiang River Scientific Research Institute >

2025 , Vol. 42 >Issue 8: 84 - 93

DOI: https://doi.org/10.11988/ckyyb.20240575

Water-Related Disasters

Flood Risk Assessment in Coastal Cities: A Case Study of Lingang New City, Shanghai

  • CHEN Li-hui ,
  • CHEN Jie ,
  • GAO Guo-ping
Expand
  • College of Oceanography and Ecological Science, Shanghai Ocean University, Shanghai 201306, China

Received date: 2024-05-30

  Revised date: 2024-08-17

  Online published: 2025-01-02

Fold

Abstract

[Objective] Flood disaster risk assessment for coastal cities is crucial for improving the resilience of new urban planning and disaster emergency management capabilities. This study focuses on the issues in existing research on flood risk assessment in coastal new towns, such as incomplete indicator systems and insufficient spatial analysis accuracy. Taking Lingang New City in Shanghai as the study area, this study conducted a detailed comprehensive flood disaster risk assessment to provide a scientific basis and decision support for disaster risk management, emergency response, and urban planning. [Methods] Following the principles of scientific rigor and operability, a three-dimensional assessment model was established integrating the hazard of disaster-inducing factors, the exposure of disaster-prone environments, and the vulnerability of disaster-bearing bodies. A high-resolution grid unit of 30m × 30m was innovatively adopted, and a combined subjective-objective weighting approach was used by integrating the Analytic Hierarchy Process (AHP) and the entropy weight method. Through spatial overlay analysis, a refined flood disaster risk assessment was achieved. [Results] (1) Hazard distribution: Due to the limited and relatively uniform distribution of rainfall sampling points, rainfall indicators in the study area were regarded as homogeneously distributed. Therefore, the spatial variation in the hazard of disaster-inducing factors was mainly determined by river network density. (2) Exposure distribution: High and relatively high exposure areas were mainly located near towns and streets, where the proportion of impervious surfaces was high, and both vegetation coverage and terrain elevation were relatively low. Low and relatively low exposure areas were widely distributed in suburban and rural areas. (3) Vulnerability distribution: High and relatively high vulnerability areas were concentrated in Pudong New Area, especially around Nicheng Town and Dishui Lake, where GDP per unit area and population density were relatively high. Fengxian District showed comparatively lower vulnerability. (4) Comprehensive risk distribution: The spatial distribution of comprehensive flood risk levels in Lingang New Area was relatively balanced, with high-risk areas accounting for 10.34%, relatively high-risk areas 17.97%, medium-risk areas 27.59%, relatively low-risk areas 27.03%, and low-risk areas 17.07%. Spatially, there were significant regional disparities. The southeastern coastal region (e.g., Nanhui New Town and its surroundings) had the highest risk, followed by central town areas (e.g., Nicheng Town, Shuyuan Town), while the central-western rural areas had the lowest risk. [Conclusion] The proposed “three-dimensional nine-indicator” assessment framework overcomes the limitation of separating subjective and objective weights in traditional risk assessments. The constructed flood risk indicator system can provide a replicable risk governance paradigm for China and other rapidly developing coastal cities.

Key words： risk assessment; flood disaster; analytic hierarchy process; entropy weight method; Lingang New Area

Cite this article

CHEN Li-hui , CHEN Jie , GAO Guo-ping . Flood Risk Assessment in Coastal Cities: A Case Study of Lingang New City, Shanghai[J]. Journal of Changjiang River Scientific Research Institute, 2025 , 42(8) : 84 -93 . DOI: 10.11988/ckyyb.20240575

0 引言

洪涝灾害是指由于降水超过区域排水能力导致的积水无法及时排出的气象灾害。联合国减少灾害风险办公室发布的《灾害造成的人类损失2000—2019》[1]指出,洪涝灾害是世界上发生最频繁,造成经济损失最大的自然灾害[2]。洪涝灾害已经给我国造成了数以亿计的损失,而且损失率还在逐年提升,这主要影响了我国的沿海地区。滨海城市多为低海拔地区,易受海平面上升的威胁。国家海洋局2018年预测,预计未来30 a,上海沿海海平面将上升70~150 mm。近年来,随着全球气候变化和城镇化的快速发展,极端气候事件发生的频次和强度呈增加趋势,滨海城市面临的洪涝灾害风险也在增加[3-4],造成了巨大的人员伤亡和经济损失,成为影响城市公共安全和制约经济发展的重要因素。上海最东部的临港新片区是一个以先进制造业、航运贸易和海洋产业为支撑的沿海城市,以自贸区制度创新、产业科技创新和智慧文化创新为驱动的中国新一轮改革开放试验区[5]。根据规划,到2035年,临港新片区873 km2范围工业总产值将到达1万亿,常住人口将到达250万人。基于庞大的建设和人口规模,临港作为滨海城市,所面临的城市洪涝灾害风险日渐增大,制约了其可持续发展,因此亟需进行洪涝灾害风险评估,提高城市防灾减灾能力。
国内外学者对洪涝灾害风险评估取得了较大的进展,评估方法主要包括:基于历史灾情法[6-7]、遥感技术与GIS耦合法[8-10]、基于指标体系的评估方法[11-16]和模拟评估法[17-21]。其中,基于指标体系的评估方法被广泛应用,许多学者根据不同的洪涝灾害风险评估框架,选用不同的指标评估了不同研究区域的洪涝灾害风险,取得了一定的研究成果,为防灾减灾决策提供了一定的科学依据。
但是,如何选取合适的评估指标,构建合理的评估框架,得到科学的评估结果,是运用指标体系法所面临的难题。此外,在现有的研究案例中,上海市洪涝灾害风险评估以开发程度较高的中心城区为主,对临港新片区的关注较少。然而,作为新的自由贸易试验区,上海市临港新片区地处东海之滨,受全球气候变化和快速城镇化的影响,致灾因子与人口快速增长的叠加导致城市面临的洪涝灾害风险日益增大,在过去的近几年内发生了多次典型性的暴雨洪涝灾害,造成了重大危害(表1),所以对临港新片区洪涝灾害风险进行研究与评估具有重要的现实意义。因此,本文基于指标体系法,从致灾因子危险性、孕灾环境暴露度、承灾体脆弱性3个方面选取指标对临港新片区进行洪涝灾害风险评估,以期为城市应急管理及土地利用规划提供有益的参考价值。
表1 历史内涝区域

Table 1 Historical waterlogging areas

时间 历史内涝区域 内涝事件
2017年
6月10日		 泥城镇 泥城老镇区排水管道较小,无法承担大量雨水排出;新城路出现几处积水点
2018年
8月10日		 青村镇 受台风“利奇马”带来的风雨影响,青村镇的累计降水量达到100 mm,奉贤多个桃园被淹
2019年
8月10日		 航头镇 突发强降雨造成航头镇部分镇区受淹,主要道路和部分小区出现积水情况
2021年
7月26日		 芦潮港
社区		 受台风“烟花”造成的连日暴雨影响,上海浦东新区南汇新城镇芦潮港社区内河水位急剧上升,造成部分地势低洼的居民区发生水流倒灌
2021年
7月		 书院镇 台风“烟花”当天,树木倒伏、积水等问题不断出现
2022年
6月		 奉城镇
洪庙社区		 短时雨量较大,造成小区内出现积水情况

1 研究区与数据

1.1 研究区概况

临港新片区地处上海市东南位置,东临长江口、南至杭州湾,研究区范围是上海市大治河以南、金汇港以东的陆域区域,不含洋山岛和浦东机场南部区域,总面积约为830 km2,占上海市陆域面积的13%,如图1所示。临港新片区由于围海造地的原因,地势整体西高东低,地面高程一般在3.5~4.5 m,主城区以东及综合区在3.2 m左右,平均地面高程4.2 m左右。新片区产城融合区范围内河道数3 599条,其中市级河道1条、区级河道16条。临港新片区排水系统设计重现期为南汇新城5 a一遇,其他区域3~5 a一遇;区域除涝标准为滴水湖核心片区30 a一遇,其他地区20 a一遇。临港新片区属于中纬度湿润的亚热带季风气候区,具有明显的海洋性气候特征,四季分明。汛期为每年的6-9月份,降雨量占全年的50%以上,期间常会出现突发性强对流天气,从而引发暴雨内涝灾害。
图1 研究区示意图

Fig.1 Map of the Lingang New District of Shanghai

1.2 数据及预处理

城市暴雨内涝是指在一定的孕灾环境下,一种超过城市排水能力的极端暴雨作用于城市系统,导致城市排水不及时,造成城市内部出现积水现象的气象灾害。
本文从灾害系统论[22]的角度出发,综合考虑致灾因子、孕灾环境、承灾体三大风险要素,遵循目的性、简明性、独立性、重点性和可操作性等原则[23],共选取9个指标构成临港新片区洪涝灾害风险评价体系,指标体系及数据来源如表2所示。
表2 指标体系与数据来源

Table 2 Indicator system and data sources

一级
指标		 二级指标 数据来源 指标
属性
危险
性		 年平均
最大3 d
降雨量		 中国科学院大气物理研究所CN05格点化观测数据集:
http://climatechange-data.cn/resource/detail?id=228		 正向
年平均
暴雨频次		 中国科学院大气物理研究所CN05格点化观测数据集:
http://climatechange-data.cn/resource/detail?id=228		 正向
河网密度 OSM数据:https://download.geofabrik.de/ 正向
暴露
度		 地面高程
DEM		 copDEM:https://spacedata.copernicus.eu/ ( 2011—2015年) 负向
不透水地
表面积
占比		 基于GEE的全球30 m不透水面动态数据集(1985—2020年):
https://essd.copernicus.org/articles/14/1831/2022/#section2		 正向
植被覆
盖度		 地理空间数据云(https://www.gscloud.cn/)
LandSat8遥感数据:第2020-08-16期		 负向
脆弱
性		 单位面积GDP(Gross Domestic Product) 中国GDP空间分布公里网格数据集.资源环境科学数据中心:
https://www.resdc.cn/DOI/DOI.aspx?DOIID=33		 正向
人口密度 Landscan:https://landscan.ornl.gov.
Worldpop:https://hub.worldpop.org/geodata/summary?id=49919		 正向
耕地密度 GLOBELAND30:http://globeland30.com/home_en.html 正向

1.2.1 致灾因子危险性指标

致灾因子是指可能造成人口伤亡、经济损失、环境退化、资源破坏、社会混乱等存在于环境中的异变因子[24]。洪涝灾害致灾因子是指导致洪涝灾害形成的触发因子,降雨是洪涝灾害常见的致灾因子,一般暴雨频率越高、强度越大的地区越容易发生洪涝[25]。一次降雨持续时间一般在3 d左右,通过最大3 d降雨量的分布,可以初步对洪涝灾害的致灾因子强度进行判断[26]。本研究收集了格点化观测数据集CN05中位于研究区范围内的2个采样点1961—2021年的逐日降雨数据,采样点的位置如图2所示。从研究区内2个采样点的统计图(图3)可以看出,20世纪90年代以来,暴雨强度整体上相较之前变得更大,暴雨频次也较之前变得更加频繁。此外,短历时强降雨会导致研究区河道水位上升、造成内涝,河网密度可以从一定程度上反映洪水危险性。因此,本文选取年平均暴雨频次、年平均最大3 d降雨量、河网密度作为致灾因子危险性指标,通过自然断点法进行分级,可视化结果见图4。
图2 采样点位置示意图

Fig.2 Locations of sampling points

图3 降雨采样点统计

Fig.3 Statistics of rainfall sampling points

图4 洪涝灾害危险性风险评价指标分级

Fig.4 Ratings of risk assessment indicators for flood disaster hazard

1.2.2 孕灾环境暴露度指标

孕灾环境是指灾害产生的地球外部圈层环境,包括自然环境与人文环境[27]。不同的孕灾环境有不同的致灾因子,区域环境在不同的时空组合条件下,产生了不同频率和强度的致灾因子以及不同属性的承灾体,导致了洪涝灾害风险的时空分布差异[28]。随着全球气候变化和快速城镇化发展,地面沉降和海平面上升导致的地面高程降低、城市不透水地表面积比增加以及植被覆盖度减小,致使城市孕灾环境发生变化,也是加剧洪涝灾害的重要原因之一[24]。因此,本文选取地面高程、不透水地表面积占比和植被覆盖度作为孕灾环境暴露度指标,初步处理结果见图5。
图5 洪涝灾害暴露度风险评价指标分级

Fig.5 Ratings of risk assessment indicators for flood disaster exposure

1.2.3 承灾体脆弱性指标

承灾体是各种致灾因子作用的对象,是人类及其活动所在的社会及各种资源的集合[22]。脆弱性则指的是易受灾害风险的要素面临一定强度的灾害时遭受的损失程度[29]。洪涝灾害造成的经济和人口损失与受灾地区的人口、经济密度呈正相关[30],换句话说,一个地区的人口密度越高、财产和自然资源越集中、经济发展水平越高,其脆弱性就越大[31]。因此,本文选取人口密度、单位面积GDP和耕地密度作为承灾体脆弱性指标,初步处理结果见图6。
图6 洪涝灾害脆弱性风险评价指标分级

Fig.6 Ratings of risk assessment indicators for flood disaster vulnerability

2 研究方法

2.1 指标体系法

指标体系法是利用指标评估体系对洪涝灾害进行风险分析的方法,从暴雨洪涝灾害系统出发,选取暴雨洪涝灾害的气象、水文、地形和社会经济等相关指标进行区域性评估[32]。指标体系法的应用思路较为简单,可较好地反映各指标与洪涝灾害之间的因果关系,是我国洪涝灾害风险分析中应用最广泛的方法[33]。
鉴于研究区的尺度与数据的可获取性,本文基于“危险性-暴露度-脆弱性”的风险评估框架对临港新片区的暴雨内涝风险开展研究,风险表达式为
R = ∑ i = 1 n W i X i 　 。
式中:综合风险评分R是各风险指标的加权和;i为指标的顺序;X1~Xn为风险指标;W1~Wn为指标权重。

2.2 层次分析法

层次分析法(Analytic Hierarchy Process,AHP),是美国运筹学家、匹兹堡大学Saaty教授在20世纪70年代初期提出的一种定性与定量相结合的多准则决策方法[34]。该方法自1982年被介绍到我国以来,迅速地在我国社会经济各个领域内得到了广泛的重视和应用,被广泛运用于自然灾害风险研究的理论与实践。
本文通过层次分析法确定洪涝灾害风险评估各项指标的权重,具体包含以下4个步骤:①建立层次结构模型;②根据标度对10个指标进行重要性打分;③构造判断矩阵(表3);④计算各指标的权重并进行一致性检验。
表3 指标权重判断矩阵

Table 3 Judgment matrix of indicator weights

打分
矩阵		 年平
均暴
雨频次		 年平均
最大3 d
降雨量		 河网
密度		 地面
高程		 不透
水面
占比		 植被
覆盖
度		 人口
密度		 单位
面积
GDP		 耕地
密度
年平均
暴雨频次		 1 9/7 3 9/7 9/5 3/2 3/2 9/4
年平均
最大3 d
降雨量		 9/7 3 9/7 9/5 3/2 3/2 9/4
河网密度 7/3 1 7/5 7/6 7/6 7/4
地面高程 3/7 3/5 1/2 1/2 3/4
不透水
面占比		 7/5 7/6 7/6 7/4
植被覆
盖度		 5/6 5/6 5/4
人口密度 1 3/2
单位面
积GDP		 3/2
耕地密度
该方法是一个比较主观的评价方法,其在打分构造层次判断矩阵的时候,主观因素占比很大。因而在实际应用中,常常与客观方法得到的权重向量方法进行综合,而得出一个综合的权重向量,进行后续操作。

2.3 熵权法

熵权法是一种通过样本数据确定评价指标权重的方法,根据各项指标值的变异程度来确定指标权重,指标的变异程度越小,所反映的现有信息量也越少,其对应的权值也越低。这是一种较为客观的赋权方法,避免主观因素带来的偏差。
本文通过ArcGIS选取研究区内500个随机点,通过各项指标对应的样本数据实现熵权的计算,计算结果如表4所示。
表4 指标权重分配结果

Table 4 Results of indicator weight distribution

一级
指标		 二级指标 AHP权重 熵权法
权重		 综合权重
致灾
因子		 年平均暴雨频次 0.166 7 0.049 1 0.107 9
年平均最大3 d降雨量 0.166 7 0.049 1 0.107 9
河网密度 0.122 8 0.008 4 0.065 6
孕灾
环境		 地面高程 0.052 6 0.094 2 0.073 4
不透水面占比 0.122 8 0.337 9 0.230 4
植被覆盖度 0.087 7 0.074 9 0.081 3
承灾体 人口密度 0.105 3 0.059 7 0.082 5
单位面积GDP 0.105 3 0.143 6 0.124 5
耕地密度 0.070 2 0.183 0 0.126 6
由表4可知,不透水面占比、耕地密度、单位面积GDP的熵权最为突出,熵权较小的是河网密度。然而,年平均暴雨频次、年平均最大3 d降雨量等致灾因子的重要性明显被低估了,难以体现暴雨洪涝灾害风险评估体系的现实意义。可见熵权法也存在其局限性,如果指标值的变动很小或者很突然地变大变小,往往会忽略指标本身重要程度,确定的指标权重也会与预期的结果相差甚远。
因此,本文将考虑综合权重,将主、客观权重相结合,克服了单一权重的片面性,其计算式为
w i = w A + w E 2 　 。
式中: w i为综合权重; w A为层次分析法权重; w E为熵权法权重。

2.4 指标归一化处理

由于所选指标的数据来源不同、数据单位和量纲不同,为了让每个指标能够有效地反映对暴雨洪涝灾害风险影响的大小,需要对指标数据进行归一化处理。归一化过程中指标有正向与负向2种属性,正向指标即指标的数值越大,发生洪涝灾害的可能性或影响越大;负向指标则是指标值越大,发生洪涝灾害的可能性或影响越小。其计算式为:
y = x - x m i n x m a x - x m i n 　 ,
y = x m a x - x x m a x - x m i n 　 。
式中:x与y分别为指标原始值和归一化后的值;xmin和xmax分别为指标的最小值和最大值。

3 结果分析

3.1 致灾因子危险性风险空间分布

致灾因子危险性选取了平均最大3 d降雨量、年平均暴雨频次以及河网密度作为指标。收集研究区内2个采样点的逐日降雨数据,通过统计得到多年平均最大3 d降雨量和暴雨频次;将研究区水系数据通过线密度分析,得出研究区30 m分辨率河网密度分布。
如图2所示,2个采样点位于研究区的北部边缘;由图4(a)、图4(b)可得,年平均最大3 d降雨量与年平均暴雨频次的分布与采样点的位置的相关性较高,而由于研究区采样点较少,插值得到的结果与真实情况不符,缺乏科学性;而由图3可以看出,2个采样点之间无论是每年的暴雨频次还是最大3 d降雨量都差别不大。因此,本研究后续将把致灾因子危险性中的年平均最大3 d降雨量与年平均暴雨频次看作是在研究区内呈均质分布,主要从暴露度和脆弱性角度评估研究区的洪涝灾害风险。因此,临港新片区的洪涝灾害危险性分布主要由河网密度来区分,距离河道水体越近的区域,洪涝灾害的危险性越高。

3.2 孕灾环境暴露度空间分布

孕灾环境主要考虑城镇化影响下的自然环境因素。在ArcGIS中经指标处理、空间分析得到暴露度各项指标的处理结果,再通过归一化处理、自然断点法重分类、栅格计算器叠加各项指标的权重,得到洪涝灾害暴露度风险等级分布如图7(a)所示,研究区由面积占比14.35%的高暴露区、11.35%的较高暴露区、5.08%的中暴露区、23.19%的较低暴露区和46.02%的低暴露区组成。
图7 临港新片区洪涝灾害风险等级

Fig.7 Flood disaster risk zoning map of Lingang New District

高暴露区与较高暴露区零散分布于主要城镇及街道附近。其中高暴露度主要来自大面积的不透水下垫面,其他则来自较低的植被覆盖度和相对较低的地面。低暴露区与较低暴露区占据大部分面积,分布于主要城镇街道外的郊区及农村,这些地区不透水面积较少,植被覆盖度高,经济产值较低。

3.3 承灾体脆弱性风险空间分布

承灾体的脆弱性主要从人口密度、单位面积GDP和耕地密度等社会经济要素考虑,在ArcGIS中处理得到洪涝灾害脆弱性风险等级分布如图7(b)所示,研究区由面积占比7.99%的高脆弱区、19.05%的较高脆弱区、28.24%的中脆弱区、18.59%的较低脆弱区和26.13%的低脆弱区组成。
高脆弱区与较高脆弱区交错分布于研究区内的浦东新区部分,其中高脆弱区在泥城镇和滴水湖附近城区所占面积更大,较高脆弱区在其他乡镇所占面积更大。研究区内浦东新区和奉贤区均属于上海远郊,二者脆弱性风险等级的区别在于前者有相对密集的产值,因此在耕地密度与人口密度指标风险性等级一致的情况下,研究区内浦东新区的脆弱性等级要高于研究区内奉贤区的脆弱性等级。较低脆弱区主要分布在研究区内奉贤区的耕地,少量分布在泥城镇及外高桥保税区的部分区域,主要原因是人口和耕地密度较低。

3.4 综合风险空间格局

将综合权重赋予各个指标并进行叠加分析,得到临港新片区的综合洪涝风险区划,如图7(c)所示。各风险等级区面积较均衡,分别为10.34%的高风险区、17.97%的较高风险区、27.59%的中风险区、27.03%的较低风险区和17.07%的低风险区。风险总体呈东南部最高、中部城镇地区次之、中西部农村地区较低的空间分布形态。
洪涝灾害综合风险主要受暴露度和脆弱性的影响,由图5可知,较高的综合风险与下垫面不透水率有较强的关联性;由图6可得,较高的人口密度和产值带来的脆弱性也造就了研究区东南部较高的综合风险。研究区的中西部农村地区与东南沿海边缘的部分区域是综合风险等级最低地带,这主要是由于其距主要河道较远,致灾因子危险性较低;下垫面不透水率低,孕灾环境暴露度较低;远离城镇,生产活动强度低,脆弱性较小;因此,洪涝灾害系统风险处于较低水平。

4 讨论

文章基于灾害系统论的思想,依据灾害风险评价的指标体系法,从洪涝灾害的危险性、暴露性与脆弱性3个方面,构建洪涝灾害综合风险评估模型,根据研究区的尺度,构建30 m×30 m的栅格评估单元,对上海市临港新片区进行精细化的暴雨洪涝灾害综合风险评估。从结果分析可以得出,洪涝灾害综合风险主要受暴露度和脆弱性的影响,高风险区和较高风险区主要分布在临港保税区、南汇新城镇和主要乡镇,中风险区主要分布在较高脆弱性地区,较低风险区则主要分布于暴露度较低的区域。
殷杰等[35]、尹占娥等[36]、景垠娜等[37]、费璇等[38]主要是采用模拟评估法和指标体系评估法相结合的方法,分别对上海市、上海市静安区、上海市浦东新区浦东和上海市嘉定区江桥镇“城市岸泊”小区进行暴雨、风暴潮洪涝灾害风险模拟及评估研究,采用的指标不同,但总体格局相似,由于研究区域尺度不同,所呈现的精细化程度不同,因此本研究更能够体现出临港内部的空间差异。
收集上海市临港新片区历史降雨内涝统计数据,对行政区内可能的积水点进行调查,并查阅新闻报道的区域内涝信息,获得研究区历史内涝区域统计数据,如表1所示。将临港新片区洪涝灾害综合风险等级叠加历史内涝点,得到图8,可以看出,模拟结果覆盖了多数历史内涝点。结合研究区的地理分布来看,淹没大多分布在东南部沿海社区,该地区老旧居民区地势偏低,在降雨时地面易汇集积水。以上结果定性地证明了指标体系分级结果基本符合实际情况。
图8 综合风险等级验证

Fig.8 Comprehensive risk level validation

在气候变化的背景下,极端气候事件发生的强度和频率增大趋强,如果还维持当前的管理水平,未来的风险将会比现在更强,为了降低未来潜在的风险,有必要采取防灾减灾措施,以降低灾害损失。水网体系建设应严格限制河道填埋,城市发展规模不得超过河道承载力,设置河道防护措施、河道污水处理设施,并对河底淤泥进行处理,防止河道淤积,导致河道水位升高,洪水难以及时排出。此外,地势低洼的老旧居民区应加强预警预报,制定应急预案,做好应急抢险救灾安置工作,最大程度降低灾害损失。最后,风险较大的城镇中心地带应完善地下管网设施,增强防洪排涝能力,构建低影响开发雨水系统,落实海绵城市建设理念。

5 结论

上海市临港新片区洪涝灾害风险主要受脆弱性、暴露度的影响,综合风险等级面积占比分别为10.34%的高风险区、17.97%的较高风险区、27.59%的中风险区、27.03%的较低风险区和17.07%的低风险区,风险总体呈东南部最高、中部城镇地区次之、中西部农村地区较低的空间分布形态。
然而,本研究还存在如下局限性:由于研究区的尺度较小,基于指标体系评估的精度要求较高,部分脆弱性、暴露度指标数据不足,考虑指标选取的数据可获得性原则,评估指标体系的构建可能存在不全面的问题,从而导致一定的误差。研究所采用的部分数据时间序列较短,后续将收集更多长时间序列的数据让研究结果更准确。层次分析法确定指标权重时,专家打分不可避免会存在一些主观性,会对权重的分配和风险的评估造成影响。后续的研究将收集更全面的数据,优化评估的手段和方法,结合水动力模型对洪涝灾害进行进一步的模拟,为防灾减灾提供更有价值的参考。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
AFFAIRS U N O F D. Human Cost of Disasters[M]. Geneva: United Nations, 2020.

[2]
傅永超, 朱宇蓉, 马俊卿. 基于GIS的海北州祁连县暴雨灾害风险评估[J]. 农业灾害研究, 2022, 12(10): 49-51.

(FU Yong-chao, ZHU Yu-rong, MA Jun-qing. Risk Assessment of Rainstorm Disaster in Qilian County, Haibei Prefecture Based on GIS[J]. Journal of Agricultural Catastrophology, 2022, 12(10): 49-51.(in Chinese))

[3]
张建云, 王银堂, 贺瑞敏, 等. 中国城市洪涝问题及成因分析[J]. 水科学进展, 2016, 27(4): 485-491.

(ZHANG Jian-yun, WANG Yin-tang, HE Rui-min, et al. Discussion on the Urban Flood and Waterlogging and Causes Analysis in China[J]. Advances in Water Science, 2016, 27(4): 485-491.(in Chinese))

[4]
徐宗学, 程涛. 城市水管理与海绵城市建设之理论基础: 城市水文学研究进展[J]. 水利学报, 2019, 50(1): 53-61.

(XU Zong-xue, CHENG Tao. Basic Theory for Urban Water Management and Sponge City—Review on Urban Hydrology[J]. Journal of Hydraulic Engineering, 2019, 50(1): 53-61.(in Chinese))

[5]
夏骥. 上海郊区新城的历史演变与未来发展[J]. 科学发展, 2020(11): 47-56.

(XIA Ji. The Historical Evolution and Future Development of Shanghai’s Suburban New Town[J]. Scientific Development, 2020(11): 47-56. ) (in Chinese)

[6]
方建, 李梦婕, 王静爱, 等. 全球暴雨洪水灾害风险评估与制图[J]. 自然灾害学报, 2015, 24(1): 1-8.

(FANG Jian, LI Meng-jie, WANG Jing-ai, et al. Assessment and Mapping of Global Fluvial Flood Risk[J]. Journal of Natural Disasters, 2015, 24(1): 1-8.(in Chinese))

[7]
王仲梅, 仝逸峰, 荆新爱. 黄河下游洪灾风险的定量分析与计算[J]. 人民黄河, 2013, 35(1): 14-16.

(WANG Zhong-mei, TONG Yi-feng, JING Xin-ai. Quantitative Analysis and Computation on Flood Risk of the Lower Yellow River Floodplain[J]. Yellow River, 2013, 35(1): 14-16.(in Chinese))

[8]
王泽雨, 李建章. 基于遥感与GIS的江西省洪涝灾害评估研究[J]. 时空信息学报, 2023, 30(4): 595-604.

(WANG Ze-yu, LI Jian-zhang. Flood Disaster Assessment in Jiangxi Province Based on Remote Sensing and GIS[J]. Journal of Spatio-Temporal Information, 2023, 30(4): 595-604.(in Chinese))

[9]
李想. 基于遥感和GIS的盘锦市洪涝灾害风险评估研究[D]. 沈阳: 沈阳农业大学, 2023.

(LI Xiang. Study on Risk Assessment of Flood Disaster in Panjin City Based on Remote Sensing and GIS[D]. Shenyang: Shenyang Agricultural University, 2023.(in Chinese))

[10]
熊凡. 基于GIS和RS的江西省洪涝灾害风险评估研究[D]. 赣州: 江西理工大学, 2023.

(XIONG Fan. Risk Assessment of Flood Disaster in Jiangxi Province Based on GIS and RS[D]. Ganzhou: Jiangxi University of Science and Technology, 2023.(in Chinese))

[11]
赵金彬. 基于层次分析-熵权法的洪涝风险评估: 以黄河山东段为例[J]. 科技创新与应用, 2023, 13(19): 78-81.

(ZHAO Jin-bin. Flood Risk Assessment Based on Analytic Hierarchy Process-entropy Weight Method—Taking Shandong Section of the Yellow River as an Example[J]. Technology Innovation and Application, 2023, 13(19): 78-81.(in Chinese))

[12]
杨柳, 冯畅, 郭哿, 等. 基于四维度模型的湖南省湘江流域洪涝灾害风险评估[J]. 水资源与水工程学报, 2024, 35(1): 26-36.

(YANG Liu, FENG Chang, GUO Ge, et al. Assessment of Flood Disaster Risk Based on a Four-dimensional Model in Hunan Section of the Xiangjiang River Basin[J]. Journal of Water Resources and Water Engineering, 2024, 35(1): 26-36.(in Chinese))

[13]
姜涛, 李宁. 基于GIS-AHP集成的陕西省暴雨洪涝灾害风险评估[J]. 黑龙江水利科技, 2024, 52(1): 85-88.

(JIANG Tao, LI Ning. Risk Assessment of Rainstorm and Flood Disaster in Shaan’xi Province Based on GIS-AHP Integration[J]. Heilongjiang Hydraulic Science and Technology, 2024, 52(1): 85-88.(in Chinese))

[14]
WANG Y, LIU G, GUO E, et al. Quantitative Agricultural Flood Risk Assessment Using Vulnerability Surface and Copula Functions[J]. Water, 2018, 10(9): 1229.

[15]
黄国如, 李碧琦. 基于模糊综合评价的深圳市暴雨洪涝风险评估[J]. 水资源与水工程学报, 2021, 32(1): 1-6.

(HUANG Guo-ru, LI Bi-qi. Risk Assessment of Storm Water Fooding in Shenzhen City Based on Fuzzy Comprehensive Evaluation Method[J]. Journal of Water Resources and Water Engineering, 2021, 32(1): 1-6.(in Chinese))

[16]
冯刚, 黄强, 方伟, 等. 珠江流域浔江防洪保护区洪灾风险评估[J]. 长江科学院院报, 2024, 41(7): 79-86, 93.

DOI

(FENG Gang, HUANG Qiang, FANG Wei, et al. Flood Risk Assessment of Xunjiang Flood Control Protection Area in the Pearl River Basin[J]. Journal of Changjiang River Scientific Research Institute, 2024, 41(7): 79-86, 93.(in Chinese))

[17]
王京晶, 徐宗学, 李福林, 等. 济南市主城区城市洪涝风险分析[J]. 水电能源科学, 2024, 42(1): 22-26.

(WANG Jing-jing, XU Zong-xue, LI Fu-lin, et al. Urban Flooding/Waterlogging Risk Analysis in the Downtown Area of Jinan City[J]. Water Resources and Power, 2024, 42(1): 22-26.(in Chinese))

[18]
吴辉明, 陈文龙, 杨芳, 等. 深圳龙岗区2023年“9·7”极端特大暴雨洪涝灾害风险评估与对策[J]. 中国防汛抗旱, 2024, 34(1):36-40.

(WU Hui-ming, CHEN Wen-long, YANG Fang, et al. Risk Assessment and Countermeasures of Flood and Waterlogging Caused by “9·7” Extreme Heavy Rainstorm in Longgang District of Shenzhen City in 2023[J]. China Flood & Drought Management, 2024, 34(1):36-40.(in Chinese))

[19]
LÖWE R, URICH C, DOMINGO N S, et al. Assessment of Urban Pluvial Flood Risk and Efficiency of Adaptation Options through Simulations:A New Generation of Urban Planning Tools[J]. Journal of Hydrology, 2017, 550: 355-367.

[20]
ZISCHG A P, MOSIMANN M, BERNET D B, et al. Validation of 2D Flood Models with Insurance Claims[J]. Journal of Hydrology, 2018, 557: 350-361.

[21]
程卫帅, 陈进, 刘丹. 洪灾风险评估方法研究综述[J]. 长江科学院院报, 2010, 27(9): 17-24.

(CHENG Wei-shuai, CHEN Jin, LIU Dan. Review on Flood Risk Assessment[J]. Journal of Changjiang River Scientific Research Institute, 2010, 27(9): 17-24.(in Chinese))

[22]
史培军. 三论灾害研究的理论与实践[J]. 自然灾害学报, 2002, 11(3): 1-9.

(SHI Pei-jun. Theory on Disaster Science and Disaster Dynamics[J]. Journal of Natural Disasters, 2002, 11(3): 1-9.(in Chinese))

[23]
邵强, 李友俊, 田庆旺. 综合评价指标体系构建方法[J]. 大庆石油学院学报, 2004, 28(3): 74-76, 105-123.

(SHAO Qiang, LI You-jun, TIAN Qing-wang. Establishment of Integrated Evaluation Index System[J]. Journal of Daqing Petroleum Institute, 2004, 28(3): 74-76, 105-123.(in Chinese))

[24]
林美霞. 基于海绵城市建设的厦门城市暴雨内涝灾害风险研究[D]. 西安: 西安科技大学, 2017.

(LIN Mei-xia. Study on the Risk of Rainstorm Waterlogging Disaster in Xiamen Based on the Construction of Sponge City[D]. Xi’an: Xi’an University of Science and Technology, 2017.(in Chinese))

[25]
黄国如, 陈易偲. 高度城镇化背景下珠三角地区城市洪涝风险变化特征[J]. 中国防汛抗旱, 2021, 31(11):7-13.

(HUANG Guo-ru, CHEN Yi-si. Variation Characteristics of Urban Flood Risk in the Pearl River Delta under Dense Urbanization[J]. China Flood & Drought Management, 2021, 31(11): 7-13.(in Chinese))

[26]
曹罗丹. 基于遥感与GIS的浙江省洪涝灾害风险评估研究[D]. 宁波: 宁波大学, 2014.

(CAO Luo-dan. Risk Assessment of Flood Disaster in Zhejiang Province Based on Remote Sensing and GIS[D]. Ningbo: Ningbo University, 2014.(in Chinese))

[27]
孙阿丽. 基于情景模拟的城市暴雨内涝风险评估[D]. 上海: 华东师范大学, 2011.

(SUN A-li. Risk Assessment of Urban Rainstorm Waterlogging Based on Scenario Simulation[D]. Shanghai: East China Normal University, 2011.(in Chinese))

[28]
史培军. 灾害风险科学[M]. 北京: 北京师范大学出版社,2016:1-551.

(SHI Pei-jun. Disaster Risk Science[M]. Beijing: Beijing Normal University Press,2016:1-551.(in Chinese))

[29]
曹罗丹, 李加林. 基于遥感与GIS的浙江省洪涝灾害综合风险评估研究[J]. 自然灾害学报, 2015, 24(4): 111-119.

(CAO Luo-dan, LI Jia-lin. Integrated Risk Assessment of Flood Disaster in Zhejiang Province Based on RS and GIS[J]. Journal of Natural Disasters, 2015, 24(4): 111-119.(in Chinese))

[30]
廖春贵, 熊小菊, 胡宝清. 基于GIS的广西暴雨洪涝灾害的时空特征与脆弱性评价[J]. 安徽农学通报, 2017, 23(5): 29-33.

(LIAO Chun-gui, XIONG Xiao-ju, HU Bao-qing. Spatial-Temporal Distribution and Vulnerability Assessment of Flood Disaster in Guangxi Based on GIS[J]. Anhui Agricultural Science Bulletin, 2017, 23(5): 29-33.(in Chinese))

[31]
冯凌彤. 基于RS和GIS的郑州市洪涝灾害风险评估研究[D]. 郑州: 郑州大学, 2020.

(FENG Ling-tong. Risk Assessment of Flood Disaster in Zhengzhou City Based on RS and GIS[D]. Zhengzhou: Zhengzhou University, 2020.(in Chinese))

[32]
邵佳丽, 郑伟. 洪涝灾害危险性评估方法研究[J]. 灾害学, 2018, 33(2): 58-63.

(SHAO Jia-li, ZHENG Wei. Study on the Flood Hazard Assessment Method[J]. Journal of Catastrophology, 2018, 33(2): 58-63.(in Chinese))

[33]
罗海婉. 城市洪涝灾害风险评估方法及其应用研究[D]. 广州: 华南理工大学, 2020.

(LUO Hai-wan. Study on Risk Assessment Method of Urban Flood Disaster and Its Application[D]. Guangzhou: South China University of Technology, 2020.(in Chinese))

[34]
SAATY T L. A Scaling Method for Priorities in Hierarchical Structures[J]. Journal of Mathematical Psychology, 1977, 15(3): 234-281.

[35]
殷杰, 尹占娥, 于大鹏, 等. 基于情景的上海台风风暴潮淹没模拟研究[J]. 地理科学, 2013, 33(1):110-115.

DOI

(YIN Jie, YIN Zhan-e, YU Da-peng, et al. Flood Simulation Study of Typhoon Storm Surge Based on Scenarios in Shanghai[J]. Scientia Geographica Sinica, 2013, 33(1):110-115.(in Chinese))

DOI

[36]
尹占娥, 许世远, 殷杰, 等. 基于小尺度的城市暴雨内涝灾害情景模拟与风险评估[J]. 地理学报, 2010, 65(5):553-562.

(YIN Zha-ne, XU Shi-yuan, YIN Jie, et al. Small-scale Based Scenario Modeling and Disaster Risk Assessment of Urban Rainstorm Water-logging[J]. Acta Geographica Sinica, 2010, 65(5):553-562.(in Chinese))

DOI

[37]
景垠娜. 自然灾害风险评估:以上海浦东新区暴雨洪涝灾害为例[D]. 上海: 上海师范大学, 2010.

(JING Yin-na. Risk Assessment of Natural Disasters: A Case Study of Storm and Flood in Pudong New Area, Shanghai[D]. Shanghai: Shanghai Normal University, 2010.(in Chinese))

[38]
费璇. 基于社区的暴雨内涝灾害风险分析和管理:以上海市嘉定区江桥镇为例[D]. 上海: 上海师范大学, 2015.

(FEI Xuan. Risk Analysis and Management of Storm Waterlogging Disaster Based on Community:A Case Study of Jiangqiao Town, Jiading District, Shanghai[D]. Shanghai: Shanghai Normal University, 2015.(in Chinese))

Options
Outlines

/

〈 〉

Copyright © Journal of Changjiang River Scientific Research Institute, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.