第36卷第2期2021年4月
Vol.36No.2
Apr.2021灾害学
JOURNAL OF CATASTROPHOLOGY
严志涛，李谢辉，刘子堂，等.气候变暖背景下西南四省市暴雨洪涝灾害风险变化[J].灾害学，2021,36(2)：200-207. [YAN Zhitao,LI Xiehui,LIU Zitang,et al.Risk Change of Rainstorm and Flood Disaster in Four Provinces and Cities of Southwestern China under the Background of Climate Warming[J].Journal of Catastrophology,2021,36(2 ):200-207.doi:10.3969/ j.issn.1000-811X.2021.02.035.]
气候变暖背景下西南四省市暴雨洪涝灾害风险变化”
严志涛，李谢辉，刘子堂，徐佳奥，潘昱杉邓健泓
(成都信息工程大学大气科学学院，高原大气与环境四川省重点实验室，四川成都610225)
害致灾因子危险性风险进行评价，采用西南地区四省市83个气象站点的逐日降水和气温资料、以及灾情数据等，首先利用突变检验确定气候变化突变年，然后借助灰关联法、信息分配法以及爛权法等进行分析。结果表明：西南地区四省市年平均气温于1998年发生突变，总体以0.26T/10年的速率呈显著性上升趋势；四个省市1978 -2018年间的相对灾情指数主要集中在0.65-0.85之间，其中以小灾、中灾居多，变暖后较变暖前大灾发生频次增加显著；暴雨洪涝致灾因子危险性评估中指数变化主要呈西南-东北走向，两边为危险性增加区域、中间地区增幅较少或有所减小，川渝地区在变暖前后暴雨洪涝灾害危险性均高于云贵地区。
关键词：气候变暖；暴雨洪涝灾害；相对灾情指数；中图分类号：P642；X43;X915.5文献标志码：A doi:10.3969/j.issn.1000-811X.2021.02.035致灾因子危险性评价；西南地区
:1000-811X(2021)02-0200-08
西南地区以盆地和丘陵地形为主，四面环山，位于青藏高原东部的下坡位置，受南支系统和西南季风影响，且处于中国气候的南北边界附近，年降水量空间分布不均匀，局地差异大⑴，易受暴雨、洪涝、干旱等恶劣天气影响，造成频繁严重的气象灾害。
根据观测结果显示，我国洪涝灾害发生频次呈现上升趋势，其影响危害也随之增加⑵。最近数十年来西南地区各省市多次遭受暴雨洪涝灾害的危害，损失惨重。根据谢清霞等对西南片区洪涝灾害时空变化特
征的分析研究表明，近57年来(1961-2017年间)中国发生的洪灾次数总体呈明显上升趋势，且西南地区的主汛期(6-8月)是暴雨洪涝灾害高发期，其中7月洪灾发生的次数最多⑷。在全球变暖的背景下，强降水事件在一些地区呈现出强度越来越强和频次越来越高的趋势““，此外一些人类活动的影响亦是造成异常洪涝灾害风险增大的主要原因之一因此，目前国内外已有大量学者运用各种方法对暴雨洪涝灾害风险评估开展相关研究，其方法包括指标体系评价法问、水文水力学模型皿和信息扩散法⑴］等。其中较为普遍的是建立暴雨洪涝致灾指标的相关研究庶"］，且较多仅选取一个省份的灾害情况来建立评价模型［18'19］o而在对灾情评估方面的大量研究中，其中冯利华等对赵阿兴等根据中国自然灾害情况提出的“灾度”概念,
以及灾度等级判别方法「如进行了改进，分别提出了“灾级”的概念和绝对灾情、综合灾情的分级模
型［21-22］o刘燕华等从绝对灾情、相对灾情2个方面对中国灾害程度的区域特征进行了分析0］。杨仕升参照灰关联法，构建了自然灾害等级划分和灾情比较的模型跑。
到目前为止，对整个西南地区的暴雨洪涝灾害分析和风险评价方面的研究工作还相对较少。IPCC(Intergovernmental Panel on Climate Change)第五次评估报告指出，中纬度大部分陆地区域和热
带地区可能会因为未来气候变暖而导致强降水强度加大、发生频率增加，因此对气候变暖背景下暴雨洪涝灾害的风险变化进行研究，将对各个地区提升防洪减灾能力上具有重要意义曲。基于此，本文主要基
于西南地区四个省市的灾情和温度降水资料，通过建立西南地区暴雨洪涝灾害的相对灾害指数模型，对西南地区暴雨洪涝灾害进行风险评估，将气候变暖背景下西南地区暴雨洪涝灾害风险的变化进行量化表达，以期为西南地区防洪减灾提供科学依据。
*收稿日期：2020-08-27修回日期：2020-11-19
基金项目：科技部第二次青藏高原综合科学考察研究项目(2019QZKK0105)；2020年大学生创新创业训练计划项目(202010621007, 202010621024)
第一作者简介：严志涛(1998-)，男，汉族，安徽滁州人，硕士研究生，主要从事气象灾害与区域气候变化研究.
E-mail:244281089@qq
通讯作者：李谢辉(1977-)，女，汉族，河南平舆人，博士，副教授，主要从事气象灾害风险评估与气候变化研究.
E-mail:lixiehui@cuit edu
2期严志涛，等：气侯变曬背景下西南四省市暴雨洪涝灾害风险变化201
1研究区概况
西南地区长期以来一直是冷空气和温暖潮湿空气的交汇地带。夏季闷热潮湿，冬季寒冷多雨，春秋两季多云多雾，日照少，易受暴雨、洪涝等恶劣天气影响，造成频繁严重的洪涝灾害。西南地区年降水量空间分布不均匀，局地差异大，大体呈由东南向西北减少的分布形势，其间由于地形和山脉走向的影响，造成多雨区和少雨区交错分布，是一个典型的气候脆弱地区，气象灾害频繁发生，且抗灾能力相对较弱。本文研究的西南地区四省市范围以省级行政单位作为研究区域，主要包括四川、云南、贵州和重庆共4个省市
(图1)。由于西藏地区气象站点数据资料的缺乏，故没有把西藏列入研究范围。
2资料与方法
2.1数据资料
选取国家气象信息中心提供的83个站点(图1)1978-2018年的地面气候资料日值数据集V3.0中的温度和降水数据，按照时间序列足够长(1978-2018年)，资料相对完整(缺测值较少)的条件选取地面观测资料。灾情资料来自于《中国统
计年鉴》宓】，以及国家统计局统计数据检索平台中1978-2018年间西南地区四个省市因暴雨洪涝导致
的农作物受灾面积、成灾面积和各省的农作物播种面积。
2.2主要研究方法
2.2.1暴雨洪涝灾害相对灾情指数
相对灾情指标是灾害造成某方面的损失量与同地区同类型总量的百分比大小血打选用受灾面积比重、成灾面积比重作为暴雨洪涝灾害相对灾情指标，其中受灾面积比重为各省市洪涝灾害导致的农作物受灾面积和播种面积的比值，成灾面积比重为各省市洪滂灾害导致的农作物成灾面积和播种面积的比值。
参照于庆东等的相对灾情单指标分级标准，将暴雨洪涝灾害进行等级划分，主要划分为巨灾、大灾、中灾、小灾和微灾五个等级，各指标及分级标准见表1。
表1灾害等级和单指标分级标准
等级受灾面积比重/%成灾面积比重/%
巨灾(40,100](20,100]
(4,40](2,20]中灾(0.4,4](0.2,2]
小灾(0.04,0.4](0.02,0.2]
微灾(0.004,0.04](0.002,0.02]
结合受灾面积比重霑和成灾面积比重口引入转换函数(1)式和(2)式血］对表1的分级标准进行等价变化，得到单项指标转换函数对应的灾害等级表2。
『0.8+1/(300(%-40)),40<%W100;
0.2xlg(10\/4),0.004<%w400;(1)
.0，力W0.004。
「0.8+l/(300(y-40)),20<yW50；
£/(y)=.0.2xlg(103y/4),0.002<yW20；(2) .0,yWO.002。
表2单项转换函数值与灾害尊级的关系
等级转换函数值
巨灾(0.8, 1.0]
大灾(0.6,0.8]
中灾(0.4,0.6]
小灾(0.2,0.4]
微灾(0,0.2]
对等价变化后得到具备可比性的无量纲指标运用灰关联分析法［如建立暴雨洪涝灾害相对灾情指数，具体步骤为：①设参考序列U0=(u),(u =1)G“，2,…，“)表示灾害的各单项指标的转换函数都为1，属于标准巨灾；②比较各次灾害的转换函数值序列®与参考序列U o的关联程度；③由灰关联系数的定义方法，得到比较序列与参考序列各项指标的关联系数为:
亦1+羸)。⑶式中：A o>(；)=血3)-耳(气)|,(i=l,2,3,…，m；j=l,2,3,…，町表示比较序列S的第j项指标与参考序列6的绝对差值。由AG)的取值区间为［0,1］得到关联系数的取值区间为［0.5, 1］。
综上可计算出比较序列与参考序列各项指标的关联系数，等权处理后得到关联度：
关联度与灾情轻重呈正相关，因此关联度的大小可反映灾情的轻重，通过其取值来划分农业灾害等级［27］，表3给出了关联度与灾害等级的对应关系。文中主要选取关联度等同于暴雨洪涝灾害相对灾情指数来进行研究处理。
表3关联度与灾害等级的对应关系
等级转换函数值
巨灾(0.9, 1.0]
(0.8,0.9]
中灾(0.7,0.8]
小灾(0.6,0.7]
微灾(0.5,
0.6]
202灾害学36卷
图2突变检验
2.2.2信息分配方法估计相对灾情指数概率分布
信息扩散技术主要由信息分配方法和信息扩散理论支持，能有效利用不完备信息中的模糊信息，明显提高风险分析的可靠性⑵打研究利用信息分配方法来估计相对灾害指数的概率分布，具体步骤为：首先计算荻得"年间各省的相对灾情指薮样*:X=\x lt x2,…,x n\，然启根据样本容量”和X中的最大值和最小值，选取适当的步长△，是义粕彌灾情指数样本的控祠点空间U={u r,«2,%}，最后将X中样本点衍携带的信息按量骗分配给卩中的点勺：其中，
'(］_勺")，丨斥-呦i=l,2,—,n；
°厂J=l,2,
lo，其他。
(5)
令”
Q)-若知。(")
则概量为：
刃半⑺
2.2.3暴雨洪涝灾害危险性评价模型
根据IPCC所提出的风险表达，本文讨论的洪涝灾害风险评估模型主要包括三个评价指标：降水强度、最大持续降水量和最长持续降水天数。降水强度由累计强降水天数表示，将日降水量M50 mm定文为一般暴甫，日窿永量m75mm是义为暴雨，建立危险性评价指数模型公式：
n
H广空耳。(8)式中：码另各评估因子指数，为归一化值，吧为指标的权重，"为因子个数。
3气候变暖前后西南地区四省市暴雨洪涝灾害风险变化
3.1气候变暖前后时段的划分
首先利用M・K突变检验法［屈对西南地区四省市1978-2018年的各年平均温度序列进行突变检验，选取最强突变年，初步确定气候变暖前后年份分界线。通过设定显著性水平a=0.05来分析绘制〃F和阴(图2a)，其中4、B为临界值，A=1.96,B=- 1.96。从图2a可以看出1998和2000年均发生了突变。然后，为进一步确定最强突变年份，消除虚假突变年，再进行滑动t检
验［刑，取滑动步长为5a，得到图2b，可以看出1998年是一个显著的突变点。结合两种方法综合对比后认为1998年的突变较2000年的突变更为显著，由此确定1998年为1978-2018年间气候变暖前后时段划分的分界点。图3为1978-2018年年平均气温线性趋势变化图，可以看出1978-2018年四省市年平均气温以0.26^/10a的速率呈显著性上升，且通过P<0.05的显著性检验，期间于1998年发生了突变，变暖后阶段(1999-2018年)比变暖前阶段(1978 -1998年)的平均气温升高了0.7131。
图31978-2018年年平均气温线性趋势变化
3.2西南地区各省市以及整体相对灾情指数变化
计算西南四省市和整体的相对灾情指数得到图4至图5。综合分析可知，西南四个省市1978-2018年间的相对灾情指数主要集中在0.65-0.85之间，其中以小灾、中灾居多。在20世纪90年代末至21世纪初持续快速增暖期，四省市整体相对灾情指数进一步增大，维持在一个较高水平。期间，各省市相对灾情指数主要集中在0.74-0.83之间，并且部分省市先后出现相对灾情指数最大值，如重庆在1998年达0.82，四川在2003年达0.8，贵阳于2006年达0.83，其中四川为中灾，重庆、贵阳为大灾。以1998年为界，变暖前(1978 -1998年)21a间西南四省市发生大灾1次，变暖后(1999-2018年)20a间发生大灾5次，且大灾均集中发生在重庆与贵阳两省市，而四川和云南省以中灾居多
。
2期严志涛，等：气侯变曬背景下西南四省市暴雨洪涝灾害风险变化203
5
O
7 7
拥牢七0塗症凶刮呈K
O I9S0 1985 1990
1995 2000
2005 2010 2015
年份
图4西南四省市总体相对灾情指数变化
0-85
0.90-
数表O
二丰
0.65-
I960 1985 1990
1995 20W
2005 2010 如 15
年份
圏5各省市相对灾情指数变化
3.3暴雨洪涝灾害相对灾情概率分布
采用信息分配的方法计算各省市各级灾害风 险概率分布，通过灰关联法计算得出各省市的 相对灾情指数值域为［0.5, 1］。为了提高计算的 精确度，选取步长为0.005，生成相对灾情指数样 本的控制点，将各省市相对灾情指数进行信息分 配计算，可得相对灾情指数样本在控制点空间上 的原始信息分布，即为事件发生在某一控制点左
右的频率值。由于信息分配的实质就是用模糊边 界取代传统直方图的分明边界，从而计算出频率 值并绘制出图6和图7。由图可知，气候变暖前与 气候变暖后，西南地区发生灾害概率多集中在中 灾和小灾，但是变暖后中灾的概率有明显升高; 云南、贵州、重庆发生小灾的概率略高于四川; 各省市发生中灾均极为频繁，概率都超过了 0.75, 其中四川最为严重，平均la 多就会发生1次；重 庆发生大灾的概率最高，达0.1，平均每10 a 就会 发生一次，四川和贵州其次，发生概率在0.05, 约为20 a 发生1次。
3.4暴雨洪涝灾害致灾因子危险性评价
致灾因子灾害分析是对某一地区气象灾害异 常程度的评价。连续的强降水会使农田大量积水, 从而影响
产量。在严重的情况下，洪涝灾害会造 成农田被冲毁，农作物遭到毁坏，甚至会引发山 洪和溃堤，给农业生产造成重大经济损失。为了 表征暴雨洪涝灾害的风险程度，结合其灾害特征, 本文主要选取累计强降水天数（暴雨天数）、最长 持续降水天数、最大连续降雨量作为评价的主要 影响因素。总的来说，强降雨日数越多，最大持 续降雨日数越多，最大持续降雨量越大，暴雨洪 涝灾害对农业生产造成的损失越严重，其致灾因 子的危害风险越大。
依据暴雨的定义对四个省市的逐日降水数据 进行处理，若1个降水过程中至少有1d 的降水量 350 nun，则定义此次降水过程为1次暴雨过程, 并统计其连续降水天数；若降水出现中断则认为 此次暴雨过程结束，计算其降水量。分别计算岀 各站点的累计强降水天数、最长连续降雨天数, 最大连续降雨量，采用爛权法计算岀累计强降水 天数、最长连续降雨天数，最大连续降雨量三个 指标的权重分别为0. 38, 0.26、0.36，分别对变 暖前后阶段各站点降水指标进行加权计算得出最 终的评价指数。
¥■£盘里穽W
O
O
5J .O
醫一I
豈s t
爸
O
0.6 0》 \ ：0
相对灾协術数
W 四川省洪«55 »«灾?T 风检槪率分布0.6 0.8
相对灾数
（C ）云南無雨洪涝灾；耳风险（ft 率分布
O
5
1 O O.0,
1.0
L6
（>：8
榊对灾怖指數
<b ）收庆洪涝礬蓟灾店风険槪率分布
0.6 0.8
相对灾MffiS
（d ）跌州暴雨洪涝灾料风碗槪率分布
1.()
图6
各省市相对灾情指数概率分布
204灾害学36卷
S I S
O.
0.00
」
06
a
a6
0.8
相对灾惰指数(a)气候变暧濟阶段
Q.6 Olfr
相对灾情持數
悭变吸后阶段
图7气候变暖前后西南地区四省市整体相对灾情指数概率分布
图8气候变暖前后累计强降水天数
c
no" a
(a) "U*变展前曲氏旌址障水火皈
MKT R
106* R klO* ■
(»•＞气假变WU ；址长违炊降水大故
图9气候变暖前后最长连续降水天数
从气候变暖前后累计强降水天数图8来看，
变暖前阶段和变暖后阶段累计强降水天数总体 水平发生变化不大。西南地区四省市强降水累 计天数呈东多西少型分布，主要以重庆、贵州 东部两省市以及四川中部及东北部出现强降水 天数较多，各站累计强降水天数在0 ~282d 之 间，其中重庆梁平、万州、酉阳，云南元江、 劭腊，贵州安顺、望谟、兴义，四川雅安、峨 眉山、乐山、会理、万源、巴中14站累计强降 水天数超过150d，云南江城站累计天数最高， 达282 d o 从气候变暖前后最长连续降雨天数 图9来看，变暖后阶段相较于变暖前阶段，在川 西高原一带最长连续降雨天数有明显增加。云 南省最长连续降雨天数一直处于较高水平，其 中砚山站变化最为明显，最长连续降水日数增 加了 23 d o 而从气候变暖前后最大连续降雨量 图10来看，渝、川、云三省市变暖后阶段相较 于变暖前阶段出现较大增长。其中四川中部温 江、雅安、都江堰等站，重庆南部酉阳站，云 南西部腾冲、江城、澜沧、玉溪等站降雨量增 加显著，而贵州省总体最长连续降雨量有所下 降，其中兴义、安阳等站下降明显
。
发布评论