考虑泥沙因子的四川省山洪风险评价研究

元媛，金中武，曾鑫，江曦，郭超

摘要：近年来，山洪灾害频发高发，为进一步提高山洪灾害预警防控水平，提出将泥沙因子纳入山洪风险评价中。以四川省为例，从洪水危险性、脆弱性和防灾能力3个方面选取12个山洪风险指标，运用层次分析法构建山洪风险评估指标体系，分别建立了不考虑泥沙因子和考虑泥沙因子的山洪灾害风险评估模型。结果表明：泥沙因子对山洪危险性和风险性有较大影响。不考虑泥沙因子的模型将低估山洪高风险、较高风险区域和中等风险区面积，而高估低风险、较低风险区域面积。研究成果可为山洪风险评价与灾害预防提供参考。

关键词：山洪灾害； 风险评价； 泥沙因子； 层次分析法； 四川省

中图法分类号：TV122             文献标志码：A              DOI：10.15974/j.cnki.slsdkb.2024.03.003

文章编号：1006-0081（2024）03-0016-07

0引言

近年来，随着全球气候变暖，中国极端暴雨事件不断增加，山洪灾害频发高发［1-2］。山洪灾害不仅造成人员伤亡，也造成了巨大的经济损失。据统计，每年中国因山洪灾害造成的经济损失均超过400亿元，对山丘地区的社会经济发展产生了严重影响。开展山洪灾害风险评估对山丘地区人民生命安全和社会经济可持续发展具有重要意义。

根据洪水风险评估研究的时空尺度，可将其等分成大尺度洪水风险评估和小尺度洪水风险评估［3-5］。大尺度洪水风险评估，通常也称区域洪水风险评估，主要针对某一较大区域，例如一个国家、省区等进行风险评估，主要目的是定性分析区域内不同地区面临的洪水风险水平，为区域防洪规划、洪水管理策略选择，甚至区域发展战略选择等宏观决策活动提供依据。大尺度洪水风险评估和区划的基本原理是针对研究区内洪水灾害特点，分析选取影响洪水风险大小的关键因子，并对每种因子选取一项或多项指标，分析确定各指标的量化方法，建立风险评估的指标体系，再利用统计学方法，并借助GIS的空间分析和叠加分析功能，综合评估研究区内不同地区洪水风险大小，对研究区进行风险等级划分［6-8］。

山洪灾害风险通常指山洪灾害发生后社会经济财产的期望损失值［9］，包含山洪灾害发生的概率（危险性）和可能造成的社会经济损失两方面［10］。目前的山洪灾害风险区划多基于传统的“致灾因子+孕灾环境+承灾体”灾害结构系统［11-12］，从山洪灾害的危险性、脆弱性和防灾能力三方面选取山洪灾害风险性评价指标。除此之外，层次分析法（AHP）能够实现定性与定量结合的多目标方案决策分析，GIS软件具有较强的地理空间信息分析功能，都被广泛用于山洪灾害风险评估过程中指标体系的构建［13-14］。

已有研究表明，目前国内外许多研究已经初步建立了区域山洪灾害风险评估方法，但主要基于区域气象条件、水文水力、地形地貌等因子，很少辨析泥沙在山洪灾害中的作用［15］。当前，山洪中的泥沙致灾作用引起了越来越多学者的关注，山區暴雨山洪灾害实例和室内试验已证明泥沙输移和洪水演进的耦合作用是山洪灾害发生的关键因素［16-17］。

本文结合前人对山洪灾害风险因子指标体系的相关研究，考虑泥沙因子在山洪灾害中的作用，以四川省为例，建立考虑泥沙因子的山洪灾害风险评估模型，为山区山洪灾害高效预警防控提供技术支撑。

1模型构建

1.1评价指标体系构建

围绕山洪灾害风险，从危险性、脆弱性及防灾能力3个方面选择代表性指标构建山洪水沙灾害风险评价框架。在前人研究基础上，本文提出了一个适用于流域洪水风险评估的空间多指标分析（SMCA）框架，其中，洪水危险性、脆弱性与风险呈现正相关，防灾能力与山洪水沙灾害风险呈现负相关（图1）。

根据全面性、代表性和数据可得性原则，本文构建了具有科学性、准确性以及代表性的山洪水沙灾害风险评价指标体系层次模型，如图2所示。指标体系有目标层、准则层和指标层3个层次，目标层为山洪水沙灾害风险评价指标体系，准则层包括山洪水沙灾害危险性、脆弱性和防灾能力3个方面。指标层包括坡度、海拔高程、土壤类型、泥沙因子、人口密度、床位数等12个代表性的山洪风险指标。

滑坡、泥石流等地质灾害的发生为山洪灾害提供了大量的松散物质，导致河流中输沙量增加，山洪灾害风险增加。本次研究中泥沙因子采用研究区地质灾害的险情等级来表征，研究区的地质灾害点的情况可以表明其地质环境状况，地质灾害点灾情等级越高，反映灾害发育程度越强，表示泥沙物源补给的发生概率越大。

1.2评价指标量化及权重确定

为了将不同的指标体系组合后用一个统一的量化标准对其等级进行划分，首先根据已有数据的分布区间，按照Standard Deviation分类方法［16］对洪水危险性和灾害性水平进行划分，共划分为5个等级，取值范围为1～5，影响因子排名最高的取值5，影响因子排名最低的取值1。

对指标进行标准化后，采用层次分析法（AHP）确定各指标的权重。以问卷形式向不同部门的专家咨询意见，包括科学研究部门，水利部门（政府），水利设计机构以及山洪多发地区居民等，计算获得每个指标的权重赋值。表1～3分别为不考虑泥沙因子的山洪危险评价的因子权重、考虑泥沙因子的山洪危险评价的因子权重和山洪风险分析因子权重。

1.3评估模型

基于山洪灾害风险评价指标体系层次模型和层次分析法（AHP）确定的各指标权重，构建了考虑泥沙因子和不考虑泥沙因子的山洪危险性评估模型。不考虑泥沙因子的山洪危险性评估模型中，危险性评价指标包括坡度、海拔高程、土壤、土地利用、NDVI、降雨强度和降雨时长，模型形式见式（1）。考虑泥沙因子的山洪危险性评估模型中，除了式（1）中的7项指标，还包括泥沙因子，模型形式见式（2）。

山洪危险=0.08·坡度+0.08·海拔+0.22·降雨强度+0.22·降雨时长+0.22·土地利用+0.04·土壤+0.14·NDVI（1）

山洪危险=0.08·坡度+0.08·海拔+0.18·降雨强度+0.18·降雨时长+0.18·土地利用+0.04·土壤+0.12·NDVI+0.14·泥沙因子（2）

基于洪涝灾害风险评估模型，从危险性、脆弱性、防灾能力对山洪灾害进行风险评估。综合考虑各具体指标对灾害风险的影响程度，可根据式（3）量化山洪灾害风险：

山洪风险=0.3·山洪灾害危险+0.6·脆弱性+0.1·防灾能力（3）

2应用案例

选取四川省为研究区，通过其地理坐标将灾害点导入ArGIS中，利用空间分析的反距离权重插值工具，得到地质灾害点灾情数据，根据Standard Deviation分类方法［14］将其重分为5类，并按灾情等级由小到大赋值为1，2，3，4，5。四川省地质灾害点灾情分级见图3，赋值越高的地方代表地质灾害点的灾情等级越高，山洪灾害的危险性程度越高。研究表明，3个自治州、达州、巴中、攀枝花、泸州等区域地质灾害灾情等级较高，四川中部眉山市、自贡市、内江市、资阳市、成都市、德阳市等地质灾害灾情等级较低。

对其他风险评价指标进行标准化，采用1 km空间分辨率，在ArcGIS中进行栅格插值（反距离加权法）和运算，利用公式（1）～（3）进行加权叠加分析。图4为四川省部分山洪风险性因子分布。海拔、坡度呈现出由西部向东部地区递减的变化特征，人口密度、耕地、GDP则呈现出由西部向东部地区递增的变化特征。

图5～6为不考虑和考虑泥沙因子的1990年四川省山洪危险区空间分布。图7～8为不考虑和考虑泥沙因子的2020年四川省山洪危险区空间分布。山洪风险区空间分布如图9～12所示。可以看出，山洪高危险性和较高危险性的区域主要分布在四川中部和东部城市，如成都、雅安、德阳、眉山、南充、达州、广安等，以及攀枝花和3个自治州中海拔和坡度较大的区域。山洪风险不仅受山洪危险性影响，还与受灾地区的经济社会情况密切相关。虽然3个自治州中部分区域的山洪危险性较大，但由于人口密度、耕地面积、GDP等经济社会指标较低，3个自治州的山洪风险性较低。

对比考虑泥沙因子后四川省山洪危险区和风险区面积比例变化，见表4～5。可以看出，泥沙因子对山洪危险性指标和风险性指标计算结果有较大影响。总体而言，考虑泥沙因子后，高危险性和较高危险性区域的比例增加，中等危险区、较低危险区和低危险区的面积比例减少。四川省大部分区域由低、较低风险区向中等、较高和高风险区转变。1990年，考虑泥沙因子后，较高风险区和高风险区的面积占比由13%和4%变为17.73%和6.49%。2020年，较高风险区和高风险区的面积占比由19%和15%变为23.09%和20.04%，低风险区和较低风险区面积都减少，总面积从50%减少至33.26%。

3结论

本文建立考虑泥沙因子的山洪灾害风险评估模型，在四川省进行山洪灾害风险区划，分析了泥沙因子对山洪灾害危险性和风险性的影响。

（1） 从危险性、脆弱性及防灾能力3个方面选择代表性指标构建了山洪灾害风险评价框架，构建了目标层、准则层和指标层3个层次的指标层次模型。

（2） 提出了山洪灾害风险评价指标的量化及权重确定方法，分别构建了考虑泥沙因子和不考虑泥沙因子的区域山洪灾害静态评估模型。

（3） 选取四川省为典型研究区，对比分析了1990年和2020年不考虑和考虑泥沙影响的四川省山洪危险区和风险区的空间分布特征。结果表明：泥沙因子对山洪危险性和风险性评价有较大影响；不考虑泥沙因子模型将低估洪水高危险和较高危险区域面积，高估中等危险区、较低危险区和低危险区的面积；相应地，不考虑泥沙因子模型将低估洪水高风险区、较高风险区和中等风险区面积，高估低风险区和较低风险区面积；同时也说明泥沙补给使得山洪灾害风险增加。

參考文献：

［1］丁留谦，郭良，刘昌军，等.我国山洪灾害防治技术进展与展望［J］.中国防汛抗旱，2020，30（增1）：11-17.

［2］程遥，纪彭.深圳市“4·11”暴雨洪水分析［J］.水利水电快报，2022，43（5）：8-11，19.

［3］吉中会，吴先华.山洪灾害风险评估的研究进展［J］.灾害学，2018，33（1）：162-167，174.

［4］LIU H，DU J，YI Y.Reconceptualising flood risk assessmentby incorporating sediment supply［J］.Catena，2022，217：106503.

［5］涂华伟，彭涛，彭虹，等.基于洪水过程的山区小流域洪水预警研究——以四川省白沙河流域为例［J］.人民长江，2020，51（6）：11-16.

［6］黄国如，洗卓雁，成国栋.基于GIS的清远市瑶安小流域山洪灾害风险评价［J］.水电能源科学，2015 （33）：43-47.

［7］任洪玉，杜俊，丁文峰，等.基于GIS的全国山洪灾害风险评估［J］.灾害学，2018，33（4）：65-92.

［8］张乾柱，王彤彤，卢阳，等.基于AHP-GIS的重庆市山洪灾害风险区划研究［J］.长江流域资源与环境，2019，28（1）：91-102.

［9］吉戴婧琪，元媛，韩剑桥.中国极端降水事件的时空变化及趋势预测［J］.中国农村水利水电，2022（10）：74-80.

［10］史培军.四论灾害系统研究的理论与实践［J］.自然灾害学报，2005（6）：1-7.

［11］许田柱.当前山洪灾害防御薄弱环节与对策研究——以2019年和2020年4起典型山洪灾害事件为例［J］.水利水电快报，2021，42（1）：49-53.

［12］张志华，崔豪，许文盛，等.老挝南乌河流域山洪灾害防御模式研究［J］.人民长江，2022，53（6）：33-38.

［13］李栋，吴博，郑秀清，等.基于AHP和GIS的吕梁地区小流域山洪灾害风险区划［J］.水电能源科学，2017（7）：85-88.

［14］江雨田，王新龙，孙如飞，等.山洪灾害风险分区划分模型构建与应用［J］.人民长江，2020，51（4）：7-13.

［15］RICKENMANN D，BADOUX A，HUNZINGER L.Significance of sediment transport processes during piedmont floods：the 2005 flood events in Switzerland［J］.Earth Surface Processes and Landforms，2016，41（2）：224-230.

［16］宋云天，曾鑫，张禹，等.泥沙输移对山洪特征值时空分布的影响——以北京“7.21”山洪为例［J］.清华大学学报（自然科学版），2019，59（12）：990-998.

［17］GEMECHU S O，AMARE B，KETEMA A，et al.Geographic information system （GIS）-Based multicriteria analysis of flooding hazard and risk in Ambo Town and its watershed，West shoa zone，oromia regional State，Ethiopia［J］.Journal of Hydrology：Regional Studies，2020，27：100659.

（編辑：江文）

Study of assessment of mountain flood risk in Sichuan Province considering sediment factor

YUAN Yuan1，2，JIN Zhongwu1，2，ZENG Xin1，2，3，JIANG Xi4，GUO Chao1，2

（1.River Research Department，Changjiang River Scientific Research Institute，Wuhan 430010，China；2.Key Laboratory of Ministry of Water Resources on River & Lake Regulation and Flood Control in Middle and Lower Reaches of Yangtze River，Wuhan 430010，China；3.Innovation Team for Flood and Drought Disaster Prevention of Changjiang Water Resources Commission，Wuhan 430010，China；4.Institute of Soil and Water Conservation，Northwest A&F University，Yangling 712100，China）

Abstract： In recent years，mountain flood disaster had occurred frequently in China.In order to further improve the level of mountain flood disaster prevention and control，we proposed a sediment factor that can be included in the risk assessment of mountain flood disaster.Taking Sichuan Province as an example，we selected 12 main mountain flash flood risk indicators from three aspects： flood risk，vulnerability，and disaster prevention capacity.By using Analytic Hierarchy Process，a risk assessment index system for evaluating mountain flash floods was constructed，and two mountain flash flood risk assessment models with and without considering sediment factor were established.The model without sediment factor would underestimate the area of high，high and medium risk zones of flash floods and overestimate the area of low and low risk zones.The results can provide a reference for flash flood risk assessment and disaster prevention.

Key words： mountain flood disaster； risk assessment； sediment factor； Analytic Hierarchy Process； Sichuan Province