熊俊楠
, 赵云亮, 王楠
XIONG Junnan, ZHAO Yunliang, WANG Nan
通讯作者:
收稿日期: 2018-04-16
修回日期: 2018-06-22
网络出版日期: 2018-10-25
版权声明: 2018 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介：熊俊楠(1981-),男,四川南充人,副教授,主要从事地理信息系统与灾害风险分析方面的研究。E-mail: neu_xjn@163.com
展开
摘要
山洪灾害时空分布规律及其影响因素,是灾害时空数据挖掘领域所关注的重点问题。本研究采用1950-2015年四川省历史山洪灾害事件数据,结合地统计、地理探测器、空间分析等方法,系统地分析了四川省1950-2015年历史山洪灾害的时空分布规律及其影响因素。结果表明：① 1950-2015年四川省山洪灾害数量整体呈先稳定后增长的趋势;山洪灾害主要集中在5-9月,7月覆盖率100%。② 县域灾害频次在南-北方向呈递减分布趋势;平均降雨量（历史山洪灾害过程降雨的平均值）在东-西方向呈指数型增长趋势,南-北方向由中部向南北递减。③ 1950s-2010s和5-9月历史累计山洪灾害重心及各标准差椭圆中心集中在四川中部地区,向东北方向移动,累计灾害点空间分布呈西南—东北格局。④ 县域山洪灾害数量及平均降雨量呈空间正自相关。⑤ 地理探测器分析表明自然因素、降雨、人类活动等因素对山洪灾害时空分布影响较大,其中不同降雨指标、高程标准差、坡度是山洪灾害时空分布规律的主要驱动因素。研究结果对查清四川省山洪灾害时空分布特征及小流域山洪监测预警、风险评价、防治区划等提供坚实的理论基础和科技支撑。
关键词：
Abstract
The temporal-spatial distribution and influencing factors of mountain-flood disaster are a key issue in the disaster data mining. Using the historical mountain-flood catastrophe data that is learned from the National Mountain Flood Disaster Investigation Project from 1950 to 2015 in the Sichuan Province, and employing the methods in geo-statistics, geographic detector and geo-spatial analysis, this paper systematically analyzed the temporal-spatial distribution of historical mountain-flood disaster and the influencing factors in Sichuan Province. The main findings are the following : (1) The total amount of mountain-flood disasters in the Sichuan Province, from 1950 to 2015, remained stable and then increased rapidly. In addition, the catastrophe mainly occurred from May to September, especially in July every year. (2) The frequency of county disasters over Sichuan showed a decreasing trend from south to north. The average rainfall during historical mountain-flood disaster (ARD) increased exponentially from east to west, and decreased from middle to north. (3) From May to September each year and from1950s to 2010s, the center of gravity and the elliptical center of each standard deviation of the accumulated mountain-flood disaster are concentrated in the central part of Sichuan, moving to the northeast. The accumulated disaster points emerged in a pattern of southwest-northeast. (4) The spatial autocorrelation analysis indicates a positive spatial correlation between the amount of mountain-flood disaster and ARD in county area. (5) The geographic detector analysis indicates that natural factors, rainfall, human activity and other factors have a great influence on the temporal-spatial distribution of mountain-flood disaster. In particular, the main driving factors are the rainfall index, standard deviation of elevation and slope. The results provide a theoretical basis, scientific and technological support for the investigation of the temporal-spatial distribution characteristics of mountain-flood disaster in the Sichuan Province, which can also benefit the monitoring and early warning, the risk assessment, the prevention and control of mountain-flood disaster in small watersheds.
Keywords：
山洪灾害是众多地质灾害灾种之一,具有隐蔽性高、破坏性强、持续性长以及规模巨大等特点[1,2]。四川省地处中国西南地区,降雨分布差异明显,地形地貌复杂,山洪灾害屡屡发生。据已有统计数据显示,四川省山洪灾害平均成灾频次居全国首位,历史山洪灾害数量约占全国总数的1/3。四川省现有153个市、区、县,2364个乡镇、4042家企业面临山洪的直接威胁[3],近年来,随着山区社会经济的发展,山洪灾害已经成为制约山区社会经济发展的主要灾害之一。
近年来,中国有不少学者针对四川省或省局部地区山洪、泥石流、滑坡等的易损性、危险性和风险评估与区划[4,5]等进行了大量研究,一部分对四川省山洪泥石流灾害的监测预警系统[6,7,8]和典型区域泥石流灾害与其相关的单因素等进行研究[9,10,11],少部分人员对山洪灾害的时空分进行研究,刘樯漪等[12]对中国历史山洪灾害的分布分析表明,全国3/5的山洪灾害集中在东南低山丘陵平原地区、西南中低山高原盆地大区;杨红娟等[13]研究表明四川省泥石流分布范围和高发区主要集中在大的断裂带附近,与暴雨雨量的关系密切,且多以群发性泥石流为主,灾害发生时降雨量未达到大雨水平;郁淑华等[14]研究表明四川盆地泥石流、滑坡均多发于5-8月份,由盆地西南向西北推进,气象成因为盆地多暴雨;张乾柱等[15]研究指出重庆山洪灾害高发区主要集中在降雨量为1000~1300 mm、海拔200 m及坡度15°以下的山丘地区;高延超等[3]研究表明溪河洪水、泥石流以及滑坡综合灾害造成的灾损最为严重。目前针对四川省山洪灾害的相关研究,主要集中在危险性评价、风险区划等方面,而针对四川省山洪灾害时空分布规律,各县级行政区内山洪灾害数量、人员损失、直接经济损失、过程平均降雨量等因素的自相关性,山洪灾害空间分布的影响因素等方面的研究还比较缺乏。
本文以四川省1950-2015年历史山洪灾害数据为基础,从年际、月份、年代际、分析了四川省历史山洪灾害的时间变化特征,通过空间中心、空间聚类等方法,分析了四川省历史山洪灾害的空间分布特征。采用空间自相关的方法从县域灾害点、人员损失、直接经济损失以及过程平均降雨进行自相关的分析,阐明了相邻县域内灾害相似程度、聚集程度。在此基础上,以地理探测器方法,进一步分析了自然、降雨、人类活动等因素对四川省历史山洪灾害时空分布规律的影响。其结果可为小流域山洪监测预警、风险评价、防治区划等提供坚实的理论基础和科技支撑。
四川省位于东经97°21′~108°31′,北纬26°03′~34°19′,是长江上游地区的省份之一,占地面积48.6万 km2,位居全国第五,下辖21个市（州）。四川地处中国第一阶梯与第二阶梯的过渡区,跨越青藏高原、横断山脉、云贵高原、秦巴山地以及四川盆地,地势由西北向东南倾斜,地形起伏大,山区面积占2/3以上。四川西部的川西地区以山原地貌和高山峡谷区为主,西南为次高山和中山峡谷区;东部的四川盆地以平原、丘陵地貌为主,盆缘山地地区以中低山为主,平原、丘陵零星分布于山地之间[13]。地形高程及地形变化程度是地形的集中体现,地形高程越低,地形变化越小,越容易引发洪水[16]。研究区地处青藏高原与杨子地块挤压拼接的交汇部位之一,地质构造复杂多样,地震活动频繁而强烈,区内地层发育齐全,第四系分布广泛,成因类型众多[17]。四川省位于亚热带范围内,气候类型独特,降水区域性差异大,变化复杂,盆地区域属于亚热带湿润季风气候,降雨频繁,年均降雨量达800~1600 mm,从年降水量来看,盆地内部山区降雨多于丘陵地区,盆地西部降水大于东部,川西北高原属亚热带,是典型的高原大陆性气候,大部分区域年降雨量在600~800 mm,川西南的凉山州与攀枝花地区属于亚热带季风气候,降水差异较大,5-9月为雨季,大部分区域降水达800~1200 mm[2]。区域性的降雨差异,形成快速、强大的地表径流,使得流域面积较小的溪沟或周期性流水的荒溪中山洪灾害频发,同时小流域的泥石流、滑坡等屡屡发生[18]。研究区地势及历史山洪灾点分布如图1所示。
图1 四川省历史山洪灾害点分布
Fig. 1 Distribution of historical mountain torrents in Sichuan Province
本文所用到的数据主要有基础地理信息数据、历史山洪灾害点矢量数据、高程数据、降雨数据、植被覆盖度、土壤类型、GDP数据以及人口数据,数据来源如下：
（1）基础地理信息数据和降雨数据。来自全国山洪灾害调查评价项目,主要包括四川省的行政区划和四川省暴雨图集。四川省行政区划详细至县级行政单元,暴雨图集中依据小流域山洪灾害与降雨密切相关的指标选取原则,选取10年一遇10 min降雨、20年一遇6 h降雨、100年一遇6 h降雨及100年一遇24 h降雨指标作为降雨因素。
（2）历史山洪灾害点矢量数据。来自全国山洪灾害调查评价项目,该项目按全国山洪灾害调查技术,以县级行政区划为工作单元,调查汇总1660个防治县级单元自建国以来发生的历史山洪灾害,共计汇总全国历史山洪灾害点59 256个。主要包括灾害点发生时间、灾害发生地点、灾害点经纬度坐标、过程降雨量（降雨开始形成到结束全过程的总降雨量）、直接经济损失、人员伤亡（含失踪人员、死亡人员）。本文中选取四川省历史山洪灾害点共计3006起,其中1950年以前共计60起,2016年1起,为保证时间的连续性和数据的完整性,剔除61起,符合本文需要且时间在1950-2015年共计2945起（图1）。
（3） 高程数据。来源于地理空间数据云（http://www.gscloud.cn/）平台。根据研究区范围,下载SRTM3地形数据,分辨率精度为90 m。SRTM（Shuttle Radar Topography Mission）地形数据由美国太空总署（NASA）和国防部国家测绘局（NIMA）联合测量。2000年由美国“奋进”号航天飞机搭载SRTM系统,获取覆盖地球80%以上的陆地表面。DEM数据用于作为研究区概况底图以及计算高程标准差、用于提取坡度坡向。高程标准差用于描述地形起伏程度,作为地形因子;提取坡度坡向分别作为坡度因子和坡向因子。
（4）其他数据。植被覆盖度、土壤类型、土地利用类型、GDP数据和人口数据均来源于地球系统科学数据共享平台（http://www.geodata.cn/）下载,其中数据空间尺度不同,对以上不同分辨率数据进行重采样,大小为5 km×5 km。其中,土壤类型按照中国土壤质地分类标准,根据砂粒、粉粒、黏粒含量进行土壤质地划分。土地利用类型按照土地利用分类体系,划分至二级分类。GDP数据格式为1 km×1 km栅格,栅格值代表每平方公里内的GDP总量（万元）,空间化GDP数据的相对误差在6%~17%之间。人口数据数据格式为1 km×1 km栅格,栅格值代表每平方公里的总人口数（万人）空间化人口数据的相对误差在4.5%~13.6%之间,而且大部分样本的相对误差小于10%。
3.2.1 空间分布
（1）平均中心
平均中心是描述空间分布的主要方法,通过空间对象的几何坐标平均值来表示（式（1））。基本计算公式为：
式中：N为空间对象的总数量;n为不同年份和不同月份的空间对象数量;Xi和Yi是第i个空间对象的坐标值;
（2）标准差椭圆
利用标准差椭圆识别历史山洪灾害点的空间分布,同时表示灾害中心的位置变化以及移动趋势。标准差椭圆长轴方向表示灾害点在空间分布上的方向性,短轴表示灾害空间分布的分散程度。
（3）趋势分析
趋势分析是GIS平台上数据的三维透视图方法,其揭示的是不同县域单元内灾害总数、平均降雨量、伤亡总人数及直接经济损失总量等在空间总体的变化趋势。本文中将县域的位置绘制在x,y平面上,x表示四川省正东方向,y表示四川省正北方向,z维中的杆的高度表示不同县域内灾害总数、平均降雨量、伤亡总人数及直接经济损失总量,并将z值作为散点图投影到x、z平面和y、z平面,将根据投影所得散点图进行二阶多项式拟合。
3.3.2 空间自相关方法
全域空间自相关：全域Moran's I指数表征历史山洪灾点及其相关的属性的全域空间自相关性。全局Moran's I指数（式（2））取值在[-1,1],全局Moran's I指数大于0,表明研究对象呈空间正自相关,值越大,山洪灾害点的空间聚集性越强;全局Moran's I指数小于0,表明研究对象呈空间负自相关,值越小,表明山洪灾害点的空间离散性较强。
式中：n为历史山洪灾害点的总数（本文以县域为单元）;s0为所有空间权重的聚合（式（3））;zi为要素i的属性与其平均值
局域空间自相关：局域Moran's I指数表征局部以县域山洪灾点及其相关的属性的局域空间自相关,识别空间聚集程度和空间异质性（式（4））。其计算如下定义：
空间自相关显著性采用标准化统计量Z（式（5））进行判断[19,20,21],计算公式为：
式中：E(I)为I的期望值;VAR(I)为I的方差,在0.05的置信水平下|Z|=1.96,|Z|>1.96表示空间自相关是显著的。根据I、Z和显著性检验的结果,可将第i个要素和相邻要素相关性划分为五类“高-高类型”、“高-低类型”、“低-低类型”、“低-高类型”以及“不显著”。
3.3.3 空间聚类分析
为揭示历史山洪灾害点分布以及变化特征,以空间聚类分析方法对灾害点的空间数据进行挖掘,所得结果可以反映灾害空间分布特征,还可以反映出山洪灾害的空间分布趋势[22]。其中定义山洪灾害相对危险度如下：
式中：
3.3.4 地理探测器
地理探测器是探测空间分异性及解释背后驱动力因素的的一种统计方法。用于量化自变量对因变量的贡献程度,贡献程度大,自变量与因变量在空间上具有强的相似性,则自变量是造成因变量空间分布的驱动因素,还可以探测多个自变量之间交互作用对因变量的解释程度[23,24,25]。用Q值衡量各种影响因子对山洪灾害空间分异性的解释力大小（式（9））,表达式为：
式中：Q为山洪灾害空间分布影响因素解释力;h为山洪灾害空间分布影响因子;Nh和N分别为h影响因子的总数、研究区样本量总数;
4.1.1 年际变化
结合时间序列分析,1950-2015年山洪灾害数量呈先稳定后增长的指数增长趋势（图2）。历史山洪灾害发生频次呈不均匀分布,每年平均发生约40起。整体上可以划分为1950-1981、1982-1998、1999-2015年3个阶段,频次由1950年3起增加至1981年110起,年均发生16起,灾害发生次数较为稳定。1982-1998年均发生频次48起,1999-2015年平均灾害发生频次93起,数量呈上升态势。表明1981年是四川省山洪灾害平均频次的突变点,1950-2015年,共有5次灾害异常值致使灾害数量急剧上升,分别发生在1981、1998、2010、2012和2013年,共计864起,占四川省山洪总量1/3。1981年共计发生山洪事件约110起,其中1981年7月四川省发生建国以来罕见的暴雨洪水,降雨持续6 d,雨区集中于长江中下游的嘉陵江干流中游、涪江中下游、沱江上中游以及岷江与渠江中游部分。1998、2010、2012和2013年分别发生山洪灾害事件168、192、208和186起,其中1998年长江流域特大洪水、2010年四川绵竹“8.13”特大山洪泥石流灾害、2012年四川宁南6.28特大山洪泥石流以及“2013.7.9”四川省特大暴雨洪灾均造成不同程度人员财产损失,是拉升1981-2015年山洪灾害频次上升的主要原因。1950-1980年每起历史山洪灾害平均降雨量约87 mm,1981-2015年每起山洪灾害平均降雨量约82 mm,同等历史山洪灾害平均降雨量变化不大,山洪事件的数量呈增长态势,除降雨因素之外,与社会经济发展、人类活动等因素有密切关系。
图2 四川省历史山洪事件数量及平均降雨量
Fig. 2 The number and average rainfall of historical mountain-flood disaster events in Sichuan Province
4.1.2 月际变化
根据已有数据统计得出,已有记录1950-2015年每月累计历史山洪灾害数量结果如图3所示,共计2945起。历史山洪灾害主要集中在5-9月,占总山洪灾害数量的88.6%,其中7月占比最大,共计981起,占总山洪数量的36.4%,数据中发现7月山洪事件的覆盖年份达100%,即每年的7月是山洪频发的季节,灾害发生的平均过降雨达86.8 mm。其次,6、8、9月占山洪灾害总数的47.1%。每年1-4月、10-12月灾害发生占比较少。
图3 各月份历史山洪灾害数量
Fig. 3 The number of historical mountain-flood disaster in each month
4.1.3 年代变化
以10年为间隔,统计1950 s-2010 s历史山洪事件主要集中在1980s-2010s,平均降雨变化幅度不大（图4）。1950s-1970s之间,历史山洪事件共计393起,占总数的13.3%。1980s-2010s历史山洪灾害数量迅速攀升,上升比例较大。在1980s至今共发生山洪灾害2552起,占总量的86.7%。统计每10年灾害发生过程平均降雨量低于100 mm/10年,每10年降雨量变化不大,累计灾害数量不断上升。
图4 各年代历史山洪灾害数量及平均降雨量
Fig. 4 The number and average rainfall of mountain-flood disaster in different periods
4.2.1 县域灾害数量、过程平均降雨以及灾害损失 空间趋势变化
采用趋势分析法,x、y轴表示正东、正北,以不同县域统计灾害数量、平均降雨、经济损失总量、人员伤亡为z轴,制作三维透视图,分别揭示它们在空间上的变化趋势特征（图5）。
图5 县域灾害数量、平均降雨、经济损失、人员伤亡空间趋势分析
Fig. 5 Spatial trend analysis of disaster quantity, average rainfall, economic loss and casualty in county area
图5（a）为县域历史山洪灾害频次在空间分布趋势,灾害频次在东-西方向基本持平,南-北方向小幅度减弱。经查明灾害主要分布于汶川县、米易县、古蔺县、名山县、泸县、汉源县、江安县、仪陇县、宁南县、安县、喜德县、富顺县、巴州县、泸定县、丹巴县、梓潼县,南江县、邛崃县、石棉县、盐亭县、峨眉山市、宜宾县、叙永县以及会理县等地等区域,主要分布在四川中部、南部地区,灾害发生频数均高于20起。图5（b）所示的山洪灾害过程平均降雨量在东-西方向呈指数型增长趋势,由中部向南北方向递减。这些区域主要集中在宜汉县、通川区、江油市、万源市、安居区、安县、丹棱县、射洪县、中江县以及南江县等。
图5（c）和图5（d）所示为经济损失和人员伤亡在县域上的分布趋势,空间上无明显的趋势分布,现有数据得出直接经济损失总量较高的地区分布在巴州市、达州区、渠县、华蓥市,凉山彝族自治州越西县损失最为严重,直接经济损失总量达787.26亿元,1996年和1998年山洪发生造成的直接经济损失较为严重,全县受灾。人员伤亡情况主要集中在四川省南部县、华蓥市、雨城区以及宜宾县,其中宜宾县人员伤亡最为严重,人员伤亡达7738人。发现这些地区的人员伤亡均发生于1998年,长江流域上游地区强降雨,岷江洪峰通过,全县多数人受灾。
整体来看,山洪多发地区主要集中在四川省中部地区,其空间分布与灾害人员伤亡空间分布并非一致,四川省人口分布主要集中在东部地区,而西部地区人口分布较少。山洪灾害发生时,高爆发区域人们在建设规划中加以认识躲避,人员有可能在受灾的第一时间安全撤离,从而人员伤亡相对较低。
4.2.2 平均中心及标准差椭圆分析
利用平均中心（重心）,系统的分析四川省1950-2015年历史山洪灾害点按年代纪、5-9月的灾害重心移动轨迹、移动距离,同时结合标准差椭圆对灾害点的方向及分布进行分析。
（1） 年代际平均中心及标准差椭圆分析
① 1950s-2010s重心集中在103°42´~105°00´E,29°40´~30°30´N之间,位于眉山市、乐山市、内江市,到2010s重心向资阳北部移动（图6）;② 1950s-2010s平均移动近距离约50 km,整体移动幅度较小。1990s、2010s移动距离61.44 km、73.633 km（表1）,其余年代纪重心移动距离变化不大;③ 1950s-2010s的转角变化处于27.733°~51.348°,灾害点呈现出西南-东北格局,这种格局变化依次呈现出弱化、增强、增强、弱化、增强、增强的趋势;④ 1950s-2010s x轴方向上半轴长度整体上呈增加趋势,数据呈现低-高-低的波动,表明山洪灾害在空间上分布的方向性得以加强,西南-东北格局明显。1950s-1970s的灾害空间分布的方向性加强,1970s以后长半轴的距离有波动,总体距离增加,灾害点的空间分布方向性在2000s最为显著;⑤ 1950s-2010s的y轴移动的距离平均为158.51 km,在2000s的短半轴移动距离达到最大,表明此时灾害点分布的向心力较弱,灾害点离散程度较大
图6 1950s-2010s历史山洪灾害重心移动轨迹及标准差椭圆
Fig. 6 Moving track of the center of gravity and standard deviation ellipse of historical mountain-flood disaster from 1950s to 2010s
表1 历史山洪灾害点重心及标准差椭圆参数变化
Tab.1 Variation of gravity center and standard deviation of elliptical parameters in historical mountain-flood disaster
| 年代(s) | (x,y) | S/(km) | R/(°) | X(std/km) | Y(std/km) |
|---|---|---|---|---|---|
| 1950 | (104°06'E 29°52'N) | 0 | 31.286 | 165.428 | 131.502 |
| 1960 | (104°16'E 30°15'N) | 44.957 | 27.733 | 214.612 | 120.166 |
| 1970 | (103°55'E 29°51'N） | 54.981 | 30.037 | 326.437 | 151.235 |
| 1980 | (104°26'E 30°10'N） | 59.511 | 45.449 | 258.547 | 161.959 |
| 1990 | (104°07'E 29°41'N） | 61.440 | 39.051 | 281.271 | 181.354 |
| 2000 | (104°37'E 29°51'N） | 50.985 | 45.945 | 358.121 | 205.776 |
| 2010 | 104°42′E 30°30´N | 73.633 | 51.348 | 281.190 | 157.570 |
（2） 5-9月际平均中心及标准差椭圆分析
① 5-9月重心主要在103°37'~105°00'E,29°40'~30°49'N之间,位于四川省中部偏东地区,5-8月由东部的威远县向中部的仁寿县、青神县、夹江县移动,9月向东北方向三台县（图7）移动;② 5-7月重心移动距离58.187 km,变化较大,8-9月的移动幅度较大（表2）,整体上南北方向移动距离大于东西方向;③ 5-9月转角变化区间在31.187°~53.282°之间,表明5-9月山洪灾害的空间分布呈现出西南—东北格局,并且这种格局有向正北正南转变的趋势,5-6月、7-8月的转角出现弱化,转角分别由48.450°减弱至31.187°,46.040°减弱至34.488°。8-9月由34.488°增强至53.282°,表明西南—东北格局进一步加强;⑤ 5-9月,长轴由5月的239.183 km上升到7月的335.372 km,到9月下降到251.181 km,表明5-9月历史山洪灾害在主要方向分布上出现极化,极化差值先增加后减少并且在 7月灾害空间分布方向性最为明显。5-9月依次出现极化、分散、极化的现象,7月的距离最小,此时数据的向心力最强,灾害点相对集中。
图7 5-9月历史山洪灾害重心移动轨迹及标准差椭圆
Fig. 7 Movement track of the center of gravity and standard deviation ellipse of historical mountain-flood disaster from May to September
表2 历史山洪灾害点重心及标准差椭圆参数变化
Tab.2 Variation of gravity center and standard deviation of elliptical parameters in historical mountain-flood disaster
| 5月 | 6月 | 7月 | 8月 | 9月 | |
|---|---|---|---|---|---|
| (x,y) | (104°28'E 29°40'N) | (103°59'E 30°00'N) | (103°56'E 29°53'N) | (103°37'E 29°46'N) | (105°00'E 30°49'N) |
| S/km | 0 | 58.187 | 14.495 | 32.020 | 174.55 |
| R/° | 48.450 | 31.187 | 46.040 | 34.488 | 53.282 |
| X(std/km) | 239.183 | 225.783 | 335.372 | 284.142 | 251.181 |
| Y(std/km) | 204.515 | 183.707 | 181.039 | 183.186 | 127.615 |
总体上,灾害点的重心移动在空间上明显的有向东北方向移动的趋势,这种变化趋势与降雨特征有着密切的联系,与周长艳等对四川省的近50年降雨特征研究中指出,四川省1961-2008年年均大雨日数和强度由东向西主要呈现“增-减-增”的总体变化趋势,盆地东北部呈现增加、增强的趋势基本符合,进一步验证了灾害重心的移动呈现东北方向的走势。
4.2.3 空间自相关性分析结果
系统分析1950-2015年县域山洪灾害数量及相关属性的全局Moran's I指数发现：县域内山洪灾害数量（0.1169,P=0.007）和过程平均降雨量（0.2765,P=0.001）Moran's I指数为正（表3）,且通过显著性检验,表明山洪灾害的数量和过程平均降雨呈现显著的空间正相关,空间集聚特征明显。各县直接经济损失总量和人员伤亡Moran's I指数为负值且P值大于0.05,无明显的空间自相关性,呈现无序性。
表3 全局空间自相关性Moran's I指数与P值
Tab. 3 Moran's I index and P value of Global spatial autocorrelation
| 各项指标 | 各县山洪 总数/起 | 死亡人员 总数/人 | 过程平均降雨/mm | 直接经济 损失/万元 |
|---|---|---|---|---|
| Moran's I指数 | 0.1169 | -0.0151 | 0.2765 | -0.00527 |
| P值 | 0.007 | 0.054 | 0.001 | 0.305 |
基于全域自相关的结果,将呈现空间正相关的历史山洪灾害数量（A）和平均降雨量（B）划分为5类（图8）,其中山洪灾害“高-高”类型梓潼县、古蔺县、合江县、米易县以及盐边县;“低-低”类型主要集中在成都市区,其中有10区未发生过山洪灾害,而在内江市中区及资中县、德阳、广汉及凉山彝族自治州发生的次数较少;“高-低”类型区域旌阳县、双流县、龙泉驿等被灾害频次较低的县域围绕;“低-高”类型区域在会东县、德昌县、三台县、南部县、西充县、仁和区等地区,周边有较高频率的县区分布;其余县域均未呈现显著的局部空间自相关。
图8 县域历史山洪灾害数量以及平均降雨量局部空间自相关分析
Fig. 8 Regional spatial autocorrelation of the number of historical mountain-flood disasters and average rainfall
平均降雨量（B）的“高-高”类型区域主要集中在万源市、达川、通川、宣汉、广汉、旌阳以及夹江等地区;“低-低”类型区域主要集中在甘孜州与阿坝州区域,受气候的影响年平均降水较少,其过程平均降雨量不超过80 mm;“高-低”类型区域在丹巴县、营山县等地,与周边县区的降雨差异较大,呈现出高值区域围绕低值的降雨区域;“低-高”类型区域包括平昌县、大英县、涪城区、盐亭县、开江县以及绵竹市等地,呈现低值围绕高值的现象。
4.2.4 空间聚类分析结果
基于ArcGIS中优化的热点工具对四川省1950-2015年的历史山洪灾害点进行空间聚类分析共生成5118个渔网面格网,最优的固定距离阈值为10 092 m,生成的格网大小为33.24 km×33.24 km,由于自动生成的最优固定距离较大,将所得格网的z值转化为大小为5 km×5 km的格网作为栅格单元的z值,以此z值作为整个研究区域的山洪灾害危险度,评价山洪灾害发生的几率大小。其中历史山洪灾害危险性分布如图9所示。
图9 四川省历史山洪灾害危险度分布
Fig. 9 Hazard distribution of historical mountain-flood in Sichuan Province
通过分析得出其中z值较大的地区主要集中在成都市的邛崃县、蒲江县,乐山市的峨眉山、夹江县以及市中区,眉山市的洪雅县、丹棱县、东坡区,雅安市的雨城区、名山区、芦山县,自贡市的大安区、富顺区、沿滩区、自流井区,以及泸州市、绵阳市、南充市、内江市、宜宾市、攀枝花等区域均有散落的灾害几率高发区。整个的山洪灾害危险性分布主要集中在四川省地区,西部地区的灾害危险性明显低于东部。
四川省历史山洪灾害时空分布差异显著,成因复杂,影响因素多样（表4）。根据山洪灾害的形成机理及前人研究的成果[15,26],首先选取降雨指标（不考虑冰雪消融引发的洪水）,它是发生山洪灾害的重要因子,特别是暴雨,根据不同的降雨强度选取4个指标。其次,高程标准差及坡度亦是作为成灾的重要诱因,发生在山丘区的灾害,地形起伏变化较大是诱发山洪发生的前提,平原低丘地区发生的洪水不被称为山洪;最后,选取其他一些影响因素如坡向、土壤质地、土地利用、植被覆盖、GDP和人口增速等因素都与山洪灾害有直接或者间接的关联,对灾害发生的早晚、规模起到一定的控制作用。
表4 影响因素地理探测分析表
Tab. 4 Geographical detection and analysis table of influence factors
| 探测指标 | Q | P | 排序（从大到小） |
|---|---|---|---|
| 高程标准差（X1） | 0.1780 | 0.0000 | 6 |
| 坡度因子（X2） | 0.1781 | 0.0000 | 5 |
| 坡向因子（X3） | 0.0020 | 0.0000 | 12 |
| 植被覆盖度（X4） | 0.0176 | 0.0000 | 7 |
| 10年一遇10 min降雨（X5） | 0.5773 | 0.0000 | 1 |
| 20年一遇6 h降雨（X6） | 0.5341 | 0.0000 | 2 |
| 100年一遇6 h降雨（X7） | 0.5288 | 0.0000 | 3 |
| 100年一遇24 h降雨（X8） | 0.5103 | 0.0000 | 4 |
| 土壤类型（X9） | 0.1055 | 0.0000 | 8 |
| 土地利用类型（X10） | 0.0790 | 0.0000 | 10 |
| GDP增速（X11） | 0.0687 | 0.0000 | 11 |
| 人口增速（X12） | 0.0938 | 0.0000 | 9 |
总结发现影响历史山洪时空分布的因素主要可以从人类活动、自然因素、降雨3个方面综合分析山洪灾害影响因素强度及交互影响程度。利用热点分析工具获取到四川省山洪灾害危险度,共计19 003个样本,利用地理探测器探测空间分异特征与规律的优势,对四川省历史山洪灾害的时空分布规律影响因素进行细致的分析。
选取出对整个区域山洪灾害危险度贡献较大的高程标准差（X1）、坡度因子（X2）、坡向因子（X3）、植被覆盖度（X4）、降雨指标采用暴雨图集中降雨的重现周期和降雨历时划分为：10年一遇10 min降雨（X5）、20年一遇6h降雨（X6）、100年一遇6h降雨（X7）、100年一遇24h降雨（X8）、土壤类型（X9）、土地利用类型（X10）、GDP增速（X11）、人口增速（X12）对历史山洪灾害危险度进行计算。
5.2.1 时空分布特征的降雨因素
（1）地理探测器分析表明历史山洪灾害时空分布规律与降雨因素密切相关,其他影响因素同时具有极强的显著性,尤以降雨因素对分布规律的影响最为显著（图10）。对应探测解释力q分别为0.5773、0.5341、0.5288、0.5103,充分表明降雨对历史山洪灾害形成机制具有重要的影响作用,降雨指标中降雨的重现周期以及降雨历时,符合山洪暴发历时短、强降雨的特征。
图10 不同降雨指标空间分布图
Fig.10 Spatial distribution of different rainfall and rainfall index
（2）局部空间自相关分析中识别出灾害频次最高的地区位于凉山州南部、攀枝花、泸州、绵阳、成都等局部县级地区,这些地区的灾害数量与暴雨关系密切。四川省近50年的暴雨日数在东-西方向呈现“增-减-增”的整体变化趋势。其中特别指出凉山州南部、攀枝花等地区呈现较弱增长趋势,盆地东北部加强趋势明显[2]。同时,四川省历史山洪灾害聚集程度与近50年的暴雨日数的总体变化趋势呈现空间耦合。位于四川盆地的东部和东北部地区的达州、德阳,过程平均降雨量较高区域与总体的暴雨日数增加地区耦合。
（3）山洪灾害危险度不仅表明山洪灾害空间的危险级别,同时又表征灾害空间的聚集程度,灾害点高值聚集地区亦是暴雨日数集中分布地区。
（4）10年一遇10 min降雨量、20年一遇6 h降雨量、100年一遇6 h降雨量以及100年一遇24 h降雨量的q排前四位,说明它们对四川省历史山洪灾害的时空分布的影响较大,说明了关联性较强。
（5）山洪灾害的发生在一定程度上是多种降雨类型共同作用的结果,地理探测器中的交互探测对选取的降雨影响指标进行探测分析,并且获得交互作用之后对小流域山洪灾害危险性的影响模式。从表5得知：① 4种降雨指标的两两交互作用对山洪灾害的危险性的影响都起到了协同增强的作用;② 10年一遇10 min、100年一遇24 h的交互作用最为显著,2种降雨指标具有较强的解释力,且大于单个的降雨指标,表明四川省历史山洪灾害时空分布的区域性差异受这2种降雨的影响最大,所以一定程度上可以作为四川省山洪灾害的时空分布的影响因素。③ 结合图10中的不同降雨指标的分布看出,整体的四川省的降雨分布呈现东西部的明显差异。自西向东降雨逐步增强,呈条带状。
表5 各降雨指标之间的交互作用
Tab. 5 Interaction between rainfall indices
| 降雨因素交互指标 | q | 影响模式 |
|---|---|---|
| 100_24 ∩ 100_6 | 0.5387 | 双线性增强 |
| 100_24 ∩ 20_6 | 0.5528 | 双线性增强 |
| 100_24 ∩ 10_10 | 0.6585 | 双线性增强 |
| 100_6 ∩ 20_6 | 0.5410 | 双线性增强 |
| 100_6 ∩ 10_10 | 0.640 | 双线性增强 |
| 20_6 ∩ 10_10 | 0.6337 | 双线性增强 |
5.2.2 时空分布规律的自然因素
山洪灾害大部分高值聚集在四川盆地西部、南部以及东北部地区,少部分位于四川省南部攀枝花、凉山州等局部地区。高程标准差、坡度、植被覆盖、坡向及土壤质地等自然因素也影响山洪灾害时空分布规律,为山洪灾害的发生提供条件。地理探测器研究表明除降雨外,这些因素对山洪灾害空间分布起到较弱的解释作用。
（1）高程标准差、坡度。地理探测表明地形起伏对山洪的分布规律有影响,是仅次于降雨指标的两大影响因素,对应探测解释力为0.1780、0.1781。山洪灾害高值聚集地区高程标准差在100 m左右,坡度3°左右。已有研究表明地形高程越低、地形变化越小,越易引发山洪,地形起伏程度在一定程度上控制区域汇流和排水条件。四川省甘孜阿坝地区灾害聚集程度较低,绝对高程较大,高程标准差相对较大,主要原因是该地区降雨较少。
（2）土壤类型、植被覆盖度、坡向等因子解释力较为显著,但是q值很小,分别为0.1055、0.0176、0.0020,说明解释能力较弱,但是对山洪灾害发生有着一定的控制作用。灾害高发区土壤质地以砂粘土为主,土壤颗粒间孔隙大,小孔隙小,保水性差。土壤岩石的透水性强,则降水会下渗,地下水得以补充,此时地表径流会减弱对山洪形成也起一定抑制作用。高植被覆盖能够阻滞地表的流水,在根系的作用下使土壤容易吸水,加大降水的下渗。此外植被的变化会延缓径流过程,使地表径流趋于稳定。坡向则对降水的影响较为明显,往往由于一山之隔,降水量可相差几倍。在受到光照、温度、雨量、土壤质地等综合作用,坡向同时又会对植被发生影响,使得植被与环境的生态关系发生变化,通过降水间接的影响山洪灾害的产生。
5.2.3 时空分布规律的人类活动因素
（1）土地利用类型也具有较弱的解释力,表明人类对土地的利用也会影响到山洪灾害的时空分布,也可以作为山洪灾害时空分布差异的影响因子,合理的土地利用也会降低山洪灾害发生的频次。土地利用类型的转变是人类对自然的干预。在山区、丘陵区人民生活取暖依赖于当地的林木,就会造成不合理的砍伐树木,使得地面的保水能力极大下降,受到强降雨容易引发山洪灾害。
（2）GDP增速、人口增速等影响因素的具有显著性,但其解释力不强。发现灾害严重的地区其对应的GDP增速、人口增速等有一定的增长趋势,这些因子对山洪灾害起着一定的辅助作用。GDP增速、人口增速作为人类活动主要方面的综合量化评价。通过对这些地区的GDP、人口等变化同样也能解释山洪灾害的时空分布差异,亦能作为影响因子。
研究结果表明：
（1）1950-2015年四川省历史山洪灾害发生频数呈现稳定后增长的指数趋势。灾害集中在每年5-9月,7月100%覆盖。1980s以后灾害年均发生频次增长迅速,5次峰值均为特大山洪。
（2）趋势分析表明县域内山洪灾害频次在南-北方向递减;平均降雨量在东-西方向呈指数型增长趋势;经济损失和人员伤亡空间分布无明显的趋势。灾害发生频率、平均降雨、人员伤亡、直接经济损失空间分布差异明显。
（3）重心分析表明1950s-2010s灾害重心、5-9月重心主要集中在盆地中部,呈现东北方向移动趋势。标准差椭圆分析1950s-2010s、每年5-9月灾害点覆盖区域集中在四川中部地区,空间呈西南-东北格局分布。
（4）空间自相关性分析表明县域山洪灾害点、过程平均降雨量空间上呈现正自相关,直接经济损失总量和人员伤亡总量则呈现不相关。
（5）影响因素解析表明自然因素、降雨、人类活动共同对山洪灾害空间分布规律产生影响,多种降雨指标协同作用对山洪分布规律的影响因素最显著,高达0.6585;另外,高程标准差、坡度、植被覆盖也是山洪灾害频发的影响因素。
The authors have declared that no competing interests exist.
| [1] |
全国山洪灾害时空分布特点研究 [J].Characteristics of temporal and spatial distribution of mountain flood in China [J]. |
| [2] |
四川省近50年降水的变化特征及影响 [J].Precipitation variation and its impacts in Sichuan in the last 50 years [J]. |
| [3] |
四川省山区城镇山洪灾害特征分析 [J].Analysis of characters of torrent disasters in the towns of the mountain areas, Sichuan, China [J]. |
| [4] |
四川省山洪灾害风险评估与区划 [J].https://doi.org/10.11988/ckyyb.20140518 URL Magsci [本文引用: 1] 摘要
基于GIS技术以及全国山洪灾害防治规划资料,以四川省为例,借鉴自然灾害风险概念,对山洪灾害危险度、易损度和风险度进行了量化与分析,并根据区划理论的一般原则和全国山洪灾害一、二级防治分区范围,对四川省山洪灾害风险进行了区划。结果表明:四川省山洪灾害可划分为6个风险区划单元,5个风险等级(低风险区、较低风险区、中风险区、较高风险区、高风险区),各风险等级所占全省面积的比例分别为59.9%,12.8%,14.9%,5.9%和6.5%。其中,四川盆地及周边地区山洪灾害风险水平较高,中风险区等级以上的面积占到了四川盆地及周边总面积的近80%;其次,秦巴山地区为山洪灾害次严重地区,中风险区等级以上的面积占到了区域总面积的近18%;其它几个三级区域山洪灾害风险水平不高,大多处于低风险和较低风险水平。
Risk assessment and regionalization of mountain torrent disaster in Sichuan Province [J].https://doi.org/10.11988/ckyyb.20140518 URL Magsci [本文引用: 1] 摘要
基于GIS技术以及全国山洪灾害防治规划资料,以四川省为例,借鉴自然灾害风险概念,对山洪灾害危险度、易损度和风险度进行了量化与分析,并根据区划理论的一般原则和全国山洪灾害一、二级防治分区范围,对四川省山洪灾害风险进行了区划。结果表明:四川省山洪灾害可划分为6个风险区划单元,5个风险等级(低风险区、较低风险区、中风险区、较高风险区、高风险区),各风险等级所占全省面积的比例分别为59.9%,12.8%,14.9%,5.9%和6.5%。其中,四川盆地及周边地区山洪灾害风险水平较高,中风险区等级以上的面积占到了四川盆地及周边总面积的近80%;其次,秦巴山地区为山洪灾害次严重地区,中风险区等级以上的面积占到了区域总面积的近18%;其它几个三级区域山洪灾害风险水平不高,大多处于低风险和较低风险水平。
|
| [5] |
四川省泥石流灾害保险的风险分析与区划 [J].Risk analysis and regionalization for the insurance of debris-flow disaster in Sichuan Province [J]. |
| [6] |
四川省区域泥石流预报系统的构建与应用 [J].
基于水土耦合机制的泥石流预报方法采用小流域为基本预报单元,较为完整地体现了流域尺度上泥石流的形成过程,具有极高的推广应用价值.基于该预报方法,借助GIS强大的空间数据处理功能、Fortran高效的计算能力和C#优秀的可视化界面设计功能,设计并实现了具有较好人机交互界面的四川省区域泥石流预报系统.以2013年7月9日四川省境内大规模泥石流灾害事件作为系统的检验实例,运行结果表明:系统不仅具有运行稳定,操作简单,运算速度快和自动展示预报结果的特点,而且具有较高的预报精度,较低的漏报率和误报率.所以,系统的运行效率和预报精度均能很好地满足泥石流减灾的需求.
Construction and Application of debris-flow forecasting system for Sichuan Province [J].
基于水土耦合机制的泥石流预报方法采用小流域为基本预报单元,较为完整地体现了流域尺度上泥石流的形成过程,具有极高的推广应用价值.基于该预报方法,借助GIS强大的空间数据处理功能、Fortran高效的计算能力和C#优秀的可视化界面设计功能,设计并实现了具有较好人机交互界面的四川省区域泥石流预报系统.以2013年7月9日四川省境内大规模泥石流灾害事件作为系统的检验实例,运行结果表明:系统不仅具有运行稳定,操作简单,运算速度快和自动展示预报结果的特点,而且具有较高的预报精度,较低的漏报率和误报率.所以,系统的运行效率和预报精度均能很好地满足泥石流减灾的需求.
|
| [7] |
四川省山洪地质灾害气象预警系统的设计与实现 [J].The designing and implementation of mountain flood geological hazard meteorological warning system in Sichuan Province [J]. |
| [8] |
泥石流滑坡发生的降水预报方法与雨量标准——以四川省盆地区域为例 [J].https://doi.org/10.3969/j.issn.1008-2786.2005.02.005 URL [本文引用: 1] 摘要
通过对η坐标数值预报模式预报的降水量检验分析,发现η坐标数值预报模式对青藏高原天气系统活动造成的四川盆地降水预报明显偏弱,且雨区偏北、偏西.我们使用风场资料对高原天气系统作自动识别,进行了对高原天气系统影响降水的强化与雨区漂移的处理,研究得出了η坐标数值预报模式释用强降水预报方法.通过对1991～2001年四川盆地发生泥石流、滑坡灾害的气象成因(强降水)分析,研究得出了四川盆地不同的地质地貌条件下泥石流、滑坡预测雨量标准.在上述研究基础上,建立了四川盆地泥石流、滑坡产生的强降水预报方法.经2003-08～09业务试运行,效果较好,较成功的预报了四川盆地西部、西南部3次大暴雨过程触发的多处泥石流、滑坡灾害,在防灾减灾中发挥了好的作用.
A precipitation forecast method and rainfall standard of debris flow and landslips happening: Exemplar as Sihuan Basin [J].https://doi.org/10.3969/j.issn.1008-2786.2005.02.005 URL [本文引用: 1] 摘要
通过对η坐标数值预报模式预报的降水量检验分析,发现η坐标数值预报模式对青藏高原天气系统活动造成的四川盆地降水预报明显偏弱,且雨区偏北、偏西.我们使用风场资料对高原天气系统作自动识别,进行了对高原天气系统影响降水的强化与雨区漂移的处理,研究得出了η坐标数值预报模式释用强降水预报方法.通过对1991～2001年四川盆地发生泥石流、滑坡灾害的气象成因(强降水)分析,研究得出了四川盆地不同的地质地貌条件下泥石流、滑坡预测雨量标准.在上述研究基础上,建立了四川盆地泥石流、滑坡产生的强降水预报方法.经2003-08～09业务试运行,效果较好,较成功的预报了四川盆地西部、西南部3次大暴雨过程触发的多处泥石流、滑坡灾害,在防灾减灾中发挥了好的作用.
|
| [9] |
四川省典型区域滑坡泥石流与降水的关系 [J].https://doi.org/10.13961/j.cnki.stbctb.2016.06.013 URL [本文引用: 1] 摘要
[目的]对四川典型区域滑坡泥石流与降水的关系进行研究,为进一步分析四川地区气候变化与地质灾害分布规律之间的关系提供基础.[方法]四川滑坡、泥石流灾害多由降水引发,在收集整理近15 a滑坡泥石流灾害事件后,确定出四川滑坡、泥石流的典型区域,进而分析典型区域滑坡、泥石流与降水气候特征的关系.[结果]四川省滑坡典型区域在川东地区,泥石流典型区域在阿坝州地区.近年典型区域滑坡、泥石流近年频次明显增加,典型区域滑坡属于较长日数降水诱发型,与15d有效降水密切相关,前期降水中,强降水所占比例较大;典型区域泥石流属于较短日数降水诱发型,与3d有效降水密切相关,前期降水中,中小型降水所占比例较大.[结论]研究区15d有效降水量和3d有效降水与降水气候特征间的关系密切,可分别作为典型区域滑坡、泥石流预报因子.
Relationship between landslide/debris flow and rainfall in typical region of Sichuan Province [J].https://doi.org/10.13961/j.cnki.stbctb.2016.06.013 URL [本文引用: 1] 摘要
[目的]对四川典型区域滑坡泥石流与降水的关系进行研究,为进一步分析四川地区气候变化与地质灾害分布规律之间的关系提供基础.[方法]四川滑坡、泥石流灾害多由降水引发,在收集整理近15 a滑坡泥石流灾害事件后,确定出四川滑坡、泥石流的典型区域,进而分析典型区域滑坡、泥石流与降水气候特征的关系.[结果]四川省滑坡典型区域在川东地区,泥石流典型区域在阿坝州地区.近年典型区域滑坡、泥石流近年频次明显增加,典型区域滑坡属于较长日数降水诱发型,与15d有效降水密切相关,前期降水中,强降水所占比例较大;典型区域泥石流属于较短日数降水诱发型,与3d有效降水密切相关,前期降水中,中小型降水所占比例较大.[结论]研究区15d有效降水量和3d有效降水与降水气候特征间的关系密切,可分别作为典型区域滑坡、泥石流预报因子.
|
| [10] |
西南山区短时强降雨诱发型低频泥石流成因机制分析——以四川省宝兴县冷木沟泥石流为例 [J].Formation of low frequency debris flow induced by short-time heavy rainfall in mountain area of Southwest China: Take Lengmu debris flow as an example, Baoxing, Sichuan Province [J]. |
| [11] |
成都市灾害性山洪泥石流临界降雨量特征 [J].Critical rainfall characteristics for torrents and debris flows in Chengdu [J]. |
| [12] |
中国历史山洪灾害分布特征研究 [J].https://doi.org/10.3724/SP.J.1047.2017.01557 URL [本文引用: 1] 摘要
中国山洪灾害发生频繁,区域分布差异性明显且难以预报,关于山洪灾害分布特征的研究对于山洪灾害预警、山洪灾害防治区规划等具有重要意义。本文以历史山洪灾害点为基础数据,以6个一级地貌大区（东部平原低山丘陵大区（Ⅰ）、东南低山丘陵平原大区（Ⅱ）、华北-内蒙东中山高原大区（Ⅲ）、西北高中山盆地高原大区（Ⅳ）、西南中低山高原盆地大区（Ⅴ）、青藏高原高山极高山盆地谷地大区（Ⅵ））为基本分析单元,统计对比不同地貌区域内山洪灾害数目、密度,并进一步分析山洪灾害随高程、高程标准差以及50年一遇6 h雨量（H6-50）的分布情况,从而获得中国历史山洪灾害的主要分布特征。结果表明：山洪灾害集中分布于东南低山丘陵平原大区及西南中低山高原盆地大区,占全国山洪灾害的60%左右。6 h雨量（H6-50）处于240~280 mm区域山洪灾害密度最大。高程标准差小于30 m区域山洪灾害密度较大。东南低山丘陵平原大区高程处于10~50 m间,高程标准差小于30 m,雨量（H6-50）在150~270 mm间地区山洪灾害密度较大;西南中低山高原盆地大区山洪灾害集中分布于高程600 m以下,高程标准差小于50 m,雨量（H6-50）大于120 mm地区。以地貌区划结果为基本分析单元相对于行政界线而言更有助于分析山洪灾害分布特征。
Distribution characteristics of historical mountain flood in china [J].https://doi.org/10.3724/SP.J.1047.2017.01557 URL [本文引用: 1] 摘要
中国山洪灾害发生频繁,区域分布差异性明显且难以预报,关于山洪灾害分布特征的研究对于山洪灾害预警、山洪灾害防治区规划等具有重要意义。本文以历史山洪灾害点为基础数据,以6个一级地貌大区（东部平原低山丘陵大区（Ⅰ）、东南低山丘陵平原大区（Ⅱ）、华北-内蒙东中山高原大区（Ⅲ）、西北高中山盆地高原大区（Ⅳ）、西南中低山高原盆地大区（Ⅴ）、青藏高原高山极高山盆地谷地大区（Ⅵ））为基本分析单元,统计对比不同地貌区域内山洪灾害数目、密度,并进一步分析山洪灾害随高程、高程标准差以及50年一遇6 h雨量（H6-50）的分布情况,从而获得中国历史山洪灾害的主要分布特征。结果表明：山洪灾害集中分布于东南低山丘陵平原大区及西南中低山高原盆地大区,占全国山洪灾害的60%左右。6 h雨量（H6-50）处于240~280 mm区域山洪灾害密度最大。高程标准差小于30 m区域山洪灾害密度较大。东南低山丘陵平原大区高程处于10~50 m间,高程标准差小于30 m,雨量（H6-50）在150~270 mm间地区山洪灾害密度较大;西南中低山高原盆地大区山洪灾害集中分布于高程600 m以下,高程标准差小于50 m,雨量（H6-50）大于120 mm地区。以地貌区划结果为基本分析单元相对于行政界线而言更有助于分析山洪灾害分布特征。
|
| [13] |
四川省泥石流灾害的时空分布规律和降水特征 [J].https://doi.org/10.3969/j.issn.1000-811X.2017.04.018 URL [本文引用: 2] 摘要
四川省是我国泥石流灾害最严重的省份之一,掌握其灾害分布规律是有效开展灾害防治的基础.为此,根据1990-2007年四川省619起泥石流灾害数据和152个气象站的降水资料,统计分析了泥石流灾害的时空分布规律和降水特征.结果显示四川省泥石流灾害空间覆盖范围广,泥石流高发区主要分布在安宁河断裂带和龙门山断裂带周围;灾害主要发生在6-8月,其年际分布和年内分布均与暴雨雨量显著相关,且具有夜发性特点;大部分灾害发生时所在县级行政单元气象站所测雨量未达到大雨水平,群发性泥石流发生的当日雨量大于非群发性泥石流.此外,提出了现有雨量站网布设密度不能满足泥石流预报需求的问题.
Spatial-temporal distribution of debris flows in Sichuan Province in China and the corresponding rainfall characteristics [J].https://doi.org/10.3969/j.issn.1000-811X.2017.04.018 URL [本文引用: 2] 摘要
四川省是我国泥石流灾害最严重的省份之一,掌握其灾害分布规律是有效开展灾害防治的基础.为此,根据1990-2007年四川省619起泥石流灾害数据和152个气象站的降水资料,统计分析了泥石流灾害的时空分布规律和降水特征.结果显示四川省泥石流灾害空间覆盖范围广,泥石流高发区主要分布在安宁河断裂带和龙门山断裂带周围;灾害主要发生在6-8月,其年际分布和年内分布均与暴雨雨量显著相关,且具有夜发性特点;大部分灾害发生时所在县级行政单元气象站所测雨量未达到大雨水平,群发性泥石流发生的当日雨量大于非群发性泥石流.此外,提出了现有雨量站网布设密度不能满足泥石流预报需求的问题.
|
| [14] |
四川盆地泥石流、滑坡的时空分布特征及其气象成因分析 [J].https://doi.org/10.3321/j.issn:1000-0534.2003.z1.011 URL Magsci [本文引用: 1] 摘要
通过对1991-2001年四川盆地泥石流滑坡的时空分布特征与气象条件分析,得出了一些有益的认识,为泥石流滑坡预警预报提供了参考依据。(1)四川盆地泥石流滑坡主要发生在6~8月,以7月份为最多,多发区在四川盆地西南部,其次是四川盆地中、东部;岷江下游、沱江上中游是无泥石流滑坡区;在5~8月,有逐月从四川盆地东南部向西北推进到盆地西北部的趋势。(2)四川盆地泥石流、滑坡的气象成因是四川盆地多暴雨,为多发泥石流滑坡提供了充足的水源条件;四川盆地西北、西南部在大暴雨情况下,盆地西南、中东部在大雨、暴雨情况下发生泥石流滑坡的可能性大;在不同地质、地貌条件下,不同等级降水诱发泥石流滑坡的可能性还与前期的降水情况有关。反映了强降水对诱发泥石流滑坡的重要作用。
Analyses on spatial-timporal characteristics of mud-rock flow and landslip in Sichuan basin and its meteorological cause [J].https://doi.org/10.3321/j.issn:1000-0534.2003.z1.011 URL Magsci [本文引用: 1] 摘要
通过对1991-2001年四川盆地泥石流滑坡的时空分布特征与气象条件分析,得出了一些有益的认识,为泥石流滑坡预警预报提供了参考依据。(1)四川盆地泥石流滑坡主要发生在6~8月,以7月份为最多,多发区在四川盆地西南部,其次是四川盆地中、东部;岷江下游、沱江上中游是无泥石流滑坡区;在5~8月,有逐月从四川盆地东南部向西北推进到盆地西北部的趋势。(2)四川盆地泥石流、滑坡的气象成因是四川盆地多暴雨,为多发泥石流滑坡提供了充足的水源条件;四川盆地西北、西南部在大暴雨情况下,盆地西南、中东部在大雨、暴雨情况下发生泥石流滑坡的可能性大;在不同地质、地貌条件下,不同等级降水诱发泥石流滑坡的可能性还与前期的降水情况有关。反映了强降水对诱发泥石流滑坡的重要作用。
|
| [15] |
重庆市山洪灾害空间分布规律及影响因素研究 [J].Spatial distribution pattern and impacting factor of mountain torrent disasters in Chongqing [J]. |
| [16] |
基于GIS的洪水灾害风险区划研究 [J].A GIS-based approach to flood risk zonation [J]. |
| [17] |
四川省小流域泥石流危险性评价 [J].Hazard assessment of debris flow in Sichuan Province [J]. |
| [18] |
湖南省山丘区小流域山洪灾害危险性评价 [J].Hazard assessment of mountain torrent disaster in small watersheds of the hilly areas of Hunan Province [J]. |
| [19] |
土地利用变化的多尺度空间自相关分析——以内蒙古翁牛特旗为例 [J].Spatial autocorrelation analysis of multi-scale land-use changes:a case study in Ongniud Banner,Inner Mongolia [J]. |
| [20] |
基于GeoDA的哈大齐工业走廊GDP空间关联性 [J].https://doi.org/10.11821/yj2011060002 URL [本文引用: 1] 摘要
利用地理空间分析方法和空间分析软件,分析了哈大齐工业走廊2008年各县GDP空间分布状况,包括各县之间GDP水平的空间关联性、各县GDP水平与人口的空间关联性。研究发现：该时期内哈大齐工业走廊各县GDP水平在空间关联性上成正相关,相关系数较小,GDP空间分布并非表现出完全随机性,而是表现出空间相似值之间的空间聚集。GDP在空间上对人口的影响也成正相关。进一步对哈大齐各县GDP与普通中学毕业人数进行相关分析,发现两者成负相关,现有教育状况不能很好的满足经济发展需求。哈大齐工业走廊显示出了＂劳动力密集型、资源密集型企业与低知识水平劳力集聚相适宜;技术密集型企业、资本密集型企业与高技术水平劳力密集相关＂的规律。哈大齐工业走廊仍然处于工业化初期较高阶段。
GeoDA-based spatial correlation analysis of GDP in Hadaqi industrial corridor [J].https://doi.org/10.11821/yj2011060002 URL [本文引用: 1] 摘要
利用地理空间分析方法和空间分析软件,分析了哈大齐工业走廊2008年各县GDP空间分布状况,包括各县之间GDP水平的空间关联性、各县GDP水平与人口的空间关联性。研究发现：该时期内哈大齐工业走廊各县GDP水平在空间关联性上成正相关,相关系数较小,GDP空间分布并非表现出完全随机性,而是表现出空间相似值之间的空间聚集。GDP在空间上对人口的影响也成正相关。进一步对哈大齐各县GDP与普通中学毕业人数进行相关分析,发现两者成负相关,现有教育状况不能很好的满足经济发展需求。哈大齐工业走廊显示出了＂劳动力密集型、资源密集型企业与低知识水平劳力集聚相适宜;技术密集型企业、资本密集型企业与高技术水平劳力密集相关＂的规律。哈大齐工业走廊仍然处于工业化初期较高阶段。
|
| [21] |
基于互联网房产数据的住宅容积率多尺度时空特征——以广州市为例 [J].https://doi.org/10.11821/dlyj201604014 URL [本文引用: 1] 摘要
基于网络爬虫技术获取房产时空 数据,结合时间序列和空间自相关分析方法,在"小区—街道—区级"多尺度上探索广州市住宅容积率时空模式与演化规律。结果表明:1近三十年广州市居住空间 呈现中心城区集聚开发—向南、北方向近郊区拓展—往南、北、东方向远郊区外扩的演变过程,容积率呈现波动式增长态势。2随着房地产的快速发展,住宅容积率 逐渐呈现显著的空间自相关特征,体现了住宅开发与规划有序性的提高。3区级尺度上容积率呈现较强的自相关性,越秀区与天河区为HH集聚区,从化区为LL集 聚区。街道尺度上容积率呈现出显著的空间不均衡性,区位交通条件较好的街道成为容积率HH集聚区,而LL集聚区主要分布于生态旅游重镇。
The spatial and temporal characteristics of residential floor area ratio in metropolitan at multi-scales based on internet real estate data: A case study of Guangzhou [J].https://doi.org/10.11821/dlyj201604014 URL [本文引用: 1] 摘要
基于网络爬虫技术获取房产时空 数据,结合时间序列和空间自相关分析方法,在"小区—街道—区级"多尺度上探索广州市住宅容积率时空模式与演化规律。结果表明:1近三十年广州市居住空间 呈现中心城区集聚开发—向南、北方向近郊区拓展—往南、北、东方向远郊区外扩的演变过程,容积率呈现波动式增长态势。2随着房地产的快速发展,住宅容积率 逐渐呈现显著的空间自相关特征,体现了住宅开发与规划有序性的提高。3区级尺度上容积率呈现较强的自相关性,越秀区与天河区为HH集聚区,从化区为LL集 聚区。街道尺度上容积率呈现出显著的空间不均衡性,区位交通条件较好的街道成为容积率HH集聚区,而LL集聚区主要分布于生态旅游重镇。
|
| [22] |
小流域山洪灾害危险性分析之降雨指标选取的初步研究 [J].Study on rainfall index selection for hazard analysis of mountain torrents disaster of small watersheds [J]. |
| [23] |
地理探测器:原理与展望 [J].https://doi.org/10.11821/dlxb201701010 URL [本文引用: 1] 摘要
空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是:假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。
Geodetector: Principle and prospective [J].https://doi.org/10.11821/dlxb201701010 URL [本文引用: 1] 摘要
空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是:假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。
|
| [24] |
2000-2011年中国PM2.5时空演化特征及驱动因素解析 [J].https://doi.org/10.11821/dlxb201711012 URL [本文引用: 1] 摘要
高浓度PM_（2.5）是形成雾霾的主要原因之一,科学识别PM_（2.5）浓度的空间异质性与驱动因素对区域大气联动治理意义重大。研究采用2000-2011年NASA大气遥感影像反演的PM_（2.5）数据,结合地统计、地理探测器及GIS空间分析等方法,系统分析了中国2000-2011年PM_（2.5）浓度时空演化格局特征与其驱动因素。结果表明：（1）2000-2011年中国PM_（2.5）污染平均浓度一直保持在22.47~28.26μg/m3区间,总体呈现先快速增加后趋于稳定的演化态势,2006年是PM_（2.5）浓度值变化的拐点（峰值）。（2）空间上PM_（2.5）浓度整体呈现北方高于南方,东部高于西部趋势,污染浓度高值区集中分布在黄淮海平原、长三角下游平原、四川盆地与塔克拉玛干沙漠四大区域,其中京津冀地区污染最为严重。（3）污染浓度重心研究表明PM_（2.5）重心总体呈现快速东移趋势,污染高值区持续向东移动,低值区向西移动,两者重心背向而行,表明东部雾霾污染程度在进一步加剧。（4）空间自相关分析表明PM_（2.5）年均浓度呈现强烈的局部空间正自相关特性,PM_（2.5）＂高—高＂集聚区连片分布在黄淮海平原、汾渭盆地、四川盆地及江汉平原地区,PM_（2.5）＂低—低＂集聚区分布在长城以北的内蒙古、黑龙江、青藏高原、以及台湾、海南与福建等东南沿海及岛屿地区。（5）地理探测分析表明气候等自然因素与人类活动共同对PM_（2.5）浓度空间变化产生巨大影响,其中自然地理区位、人口密度、汽车数量、工业烟尘、秸秆燃烧等因子是中国PM_（2.5）浓度空间变化的主要驱动因素。
Spatio-temporal evolution and the influencing factors of PM2.5 in China between 2000 and 2011 [J].https://doi.org/10.11821/dlxb201711012 URL [本文引用: 1] 摘要
高浓度PM_（2.5）是形成雾霾的主要原因之一,科学识别PM_（2.5）浓度的空间异质性与驱动因素对区域大气联动治理意义重大。研究采用2000-2011年NASA大气遥感影像反演的PM_（2.5）数据,结合地统计、地理探测器及GIS空间分析等方法,系统分析了中国2000-2011年PM_（2.5）浓度时空演化格局特征与其驱动因素。结果表明：（1）2000-2011年中国PM_（2.5）污染平均浓度一直保持在22.47~28.26μg/m3区间,总体呈现先快速增加后趋于稳定的演化态势,2006年是PM_（2.5）浓度值变化的拐点（峰值）。（2）空间上PM_（2.5）浓度整体呈现北方高于南方,东部高于西部趋势,污染浓度高值区集中分布在黄淮海平原、长三角下游平原、四川盆地与塔克拉玛干沙漠四大区域,其中京津冀地区污染最为严重。（3）污染浓度重心研究表明PM_（2.5）重心总体呈现快速东移趋势,污染高值区持续向东移动,低值区向西移动,两者重心背向而行,表明东部雾霾污染程度在进一步加剧。（4）空间自相关分析表明PM_（2.5）年均浓度呈现强烈的局部空间正自相关特性,PM_（2.5）＂高—高＂集聚区连片分布在黄淮海平原、汾渭盆地、四川盆地及江汉平原地区,PM_（2.5）＂低—低＂集聚区分布在长城以北的内蒙古、黑龙江、青藏高原、以及台湾、海南与福建等东南沿海及岛屿地区。（5）地理探测分析表明气候等自然因素与人类活动共同对PM_（2.5）浓度空间变化产生巨大影响,其中自然地理区位、人口密度、汽车数量、工业烟尘、秸秆燃烧等因子是中国PM_（2.5）浓度空间变化的主要驱动因素。
|
| [25] |
地理学时空数据分析方法 [J].https://doi.org/10.11821/dlxb201409007 URL [本文引用: 1] 摘要
随着地理空间观测数据的多年积累,地球环境、社会和健康数据监测能力的增强,地理信息系统和计算机网络的发展,时空数据集大量生成,时空数据分析实践呈现快速增长。本文对此进行了分析和归纳,总结了时空数据分析的7类主要方法,包括:时空数据可视化,目的是通过视觉启发假设和选择分析模型;空间统计指标的时序分析,反映空间格局随时间变化;时空变化指标,体现时空变化的综合统计量;时空格局和异常探测,揭示时空过程的不变和变化部分;时空插值,以获得未抽样点的数值;时空回归,建立因变量和解释变量之间的统计关系;时空过程建模,建立时空过程的机理数学模型;时空演化树,利用空间数据重建时空演化路径。通过简述这些方法的基本原理、输入输出、适用条件以及软件实现,为时空数据分析提供工具和方法手段。
Spatiotemporal data analysis in geography [J].https://doi.org/10.11821/dlxb201409007 URL [本文引用: 1] 摘要
随着地理空间观测数据的多年积累,地球环境、社会和健康数据监测能力的增强,地理信息系统和计算机网络的发展,时空数据集大量生成,时空数据分析实践呈现快速增长。本文对此进行了分析和归纳,总结了时空数据分析的7类主要方法,包括:时空数据可视化,目的是通过视觉启发假设和选择分析模型;空间统计指标的时序分析,反映空间格局随时间变化;时空变化指标,体现时空变化的综合统计量;时空格局和异常探测,揭示时空过程的不变和变化部分;时空插值,以获得未抽样点的数值;时空回归,建立因变量和解释变量之间的统计关系;时空过程建模,建立时空过程的机理数学模型;时空演化树,利用空间数据重建时空演化路径。通过简述这些方法的基本原理、输入输出、适用条件以及软件实现,为时空数据分析提供工具和方法手段。
|
| [26] |
四川省不同类型山洪灾害与主要影响因素的关系 [J].https://doi.org/10.11870/cjlyzyyhj201511023 Magsci [本文引用: 1] 摘要
以四川省为例,在明确溪河洪水及其引发的滑坡、泥石流三类山洪灾害分布格局的基础上,构建概念模型,分析降雨、地形、人口资产易损性等引发山洪灾害的基本因子和土壤、河网密度、土地利用等一般因子对不同类型山洪灾害的影响程度,并比较它们的异同。结果表明:(1)四川省山洪灾害主要分布在盆周山区、川西高原和横断山脉一带;(2)如果3项基本因子可以解释山洪灾害空间分布100%的变化,则它们对三类灾害的影响程度分别为:溪河洪水,降雨59%、地形28%、人口资产13%;泥石流,降雨15%、地形73%、人口资产12%;滑坡,降雨48%、地形34%、人口资产18%;(3)总体上,泥石流灾害对地形、岩性、土地利用等下垫面因子的依赖更高,而溪河洪水和滑坡灾害受降雨要素的影响更大。
Relationships between different types of flash flood disasters and their main impaact factors in the Sichuan Province [J].https://doi.org/10.11870/cjlyzyyhj201511023 Magsci [本文引用: 1] 摘要
以四川省为例,在明确溪河洪水及其引发的滑坡、泥石流三类山洪灾害分布格局的基础上,构建概念模型,分析降雨、地形、人口资产易损性等引发山洪灾害的基本因子和土壤、河网密度、土地利用等一般因子对不同类型山洪灾害的影响程度,并比较它们的异同。结果表明:(1)四川省山洪灾害主要分布在盆周山区、川西高原和横断山脉一带;(2)如果3项基本因子可以解释山洪灾害空间分布100%的变化,则它们对三类灾害的影响程度分别为:溪河洪水,降雨59%、地形28%、人口资产13%;泥石流,降雨15%、地形73%、人口资产12%;滑坡,降雨48%、地形34%、人口资产18%;(3)总体上,泥石流灾害对地形、岩性、土地利用等下垫面因子的依赖更高,而溪河洪水和滑坡灾害受降雨要素的影响更大。
|
/
| 〈 |
|
〉 |
