EN中文

Journal of Geo-information Science >

2017 , Vol. 19 >Issue 3: 425 - 435

DOI: https://doi.org/10.3724/SP.J.1047.2017.00425

Orginal Article

Study on Rainfall Index Selection for Hazard Analysis of Mountain Torrents Disaster of Small Watersheds

  • LI Huawei , 1, 3 ,
  • WAN Qing , 1, 2, 3, *
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: WAN Qing, E-mail:

Received date: 2016-06-13

  Request revised date: 2016-08-26

  Online published: 2017-03-20

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Mountain torrents are one of the most dangerous weather-related natural disasters in the world. As the direct driving force and inducing factor of mountain torrent disasters, rainfall can be used as an indispensable index in the hazard analysis of flash flood. In different study areas, the rainfall with different return periods and durations may affect mountain torrent disasters differently and would be therefore selected disparately for the hazard analysis. However, there is little quantitative research on the principles of rainfall index selection in the previous literatures. Based on the small watershed map (1:50,000 scale), the rainstorm atlas and the spatial distribution of mountain torrent disasters, this paper focused on the small watersheds in Wuyuan County in Jangxi Province and used GIS (Geographic Information System), Correlational Analysis, Spatial Cluster and Geographical Detector to obtain the rainfall indices which had great impact on the mountain torrent disasters of the small watersheds. The selected rainfall indices will take part in the hazard analysis of mountain torrent disasters in the study area. The conclusion is drawn as follows: (1) Seven uncorrelated rainfall indices have been obtained from the original 24 rainfall indices by the correlational analysis method. This means that in order to avoid the information overlap, we need to analyze the correlation between pairs of the rainfall indices before the hazard analysis of mountain torrent disaster. (2) By using the Optimized Hot Spot Analysis tool based on Local Getis-Ord Gi* Algorithm to get the estimated hazard values of the mountain torrent disasters of small watersheds, the calculation results are in line with the spatial distribution of mountain torrent disasters in this study area. (3)It’s better to introduce geographical detector to quantify the relevance between rainfall indices and mountain torrent disasters of small watersheds. Through the comprehensive analysis, the final rainfall factors, which cause mountain torrent disasters of the small watersheds with a great probability, will be derived and will participate in the hazard analysis of flash flood. The finally selected rainfall factors of small watersheds in Wuyuan County are the maximum rainfall with 100-year return period and 6-hour duration and the maximum rainfall with 100-year return period and 24-hour duration. The technical method in this paper possesses an important reference value and guidance to the quantitative selection of rainfall indices in the hazard analysis of flash flood of small watersheds.

Key words： GIS; rainfall index; correlational analysis; spatial cluster; geographical detector

Cite this article

LI Huawei , WAN Qing . Study on Rainfall Index Selection for Hazard Analysis of Mountain Torrents Disaster of Small Watersheds[J]. Journal of Geo-information Science, 2017 , 19(3) : 425 -435 . DOI: 10.3724/SP.J.1047.2017.00425

1 引言

中国是一个多山的国家,高强度的降雨、复杂的地形地貌及山区河道较弱的调蓄能力导致山洪灾害的频繁发生,严重威胁着山区人民生命的安全和制约着山区经济的发展。山洪灾害的形成机理非常复杂,影响因子很多。国内外许多专家、学者[1-8]在山洪灾害成因研究的基础上,从自然和社会2个方面归纳了山洪灾害的一级影响因子：气象水文、地形地貌和人类活动。其中,作为气象水文的二级因子,降雨是诱发山洪灾害的直接动力和激发条件[9],是山洪灾害危险分析中不可或缺的重要指标,其值的正确与否直接决定了山洪灾害危险分析的精度。国内外学者在进行山洪灾害危险性分析时所选取的降雨指标不尽相同：黄理军等[10]选取了年平均降雨量、年最大24 h降雨量和年最大6 h降雨量作为致灾因子对湖南进行防治区划分;岳琦等[11]选取了年平均降雨量作为致灾因子对福建闽江上游进行山洪灾害风险区划;黄国如等[12]选取了最大3 d降雨量作为致灾因子对清远市瑶安小流域进行山洪灾害风险评价;唐余学等[13]利用山洪灾害点发生时的日降雨量算出24 h的临界降雨量对重庆市山洪灾害危险分析;管珉[14]选取了年平均降雨量和年平均暴雨日数作为致灾因子对江西省山洪灾害进行风险区划;陆桂华等[15]选取了20年一遇年最大6 h降雨量和20年一遇年最大1 h降雨量作为致灾因子对中小流域进行山洪危险性区划;丁文峰等[16]选取最大24 h暴雨极值、最大24 h暴雨极值变差系数、最大1 h暴雨极值和最大1 h暴雨极值变差系数作为致灾因子参与了四川省山洪灾害风险评估与区划;马建华等[17]建议用年最大6 h降雨量和6 h临界雨量作为致灾因子参与中国山洪灾害防治区划;杜俊,任洪玉等[18]对选取的最大10 min、1 h和6 h多年暴雨极值年均雨量及对应的变差系数分别进行主成分分析,把获得的2个综合降雨指标作为中国大尺度山洪灾害危险性评估的致灾因子;Youssef 等[19]选取重现期为25、50、100和200年的最大24 h降雨量参与了沙特阿拉伯吉达市2009年和2011年山洪灾害的成因分析;Zeleňáková等[20]利用100年一遇最大24小时降雨量作为致灾因子对斯洛伐克的博德瓦河的山洪灾害进行风险分析;Mandal等[21]以6 h降雨量作为HMS模型的雨量输入值对印度的提斯塔小流域上游进行山洪风险评估。
对于不同的研究区,不同频次和历时的降雨对山洪灾害的影响可能不同。受制于山区小流域资料和历史山洪灾害空间分布信息资料的匮乏,现有的山洪灾害危险性分析对降雨指标的选取原则并没有给出具体的理由,主要依据经验和以往的文献选取。这种选择本身具有较强的主观性和模糊性,且由于降雨指标通常在山洪灾害危险性分析中被赋予很大的权重,如果错误地选择了相应频次和历时的降雨量,就会产生错误的分析结果。因此,本文以江西省婺源县为例,根据婺源县详细的历史山洪灾害资料和各频次和历时的降雨,以小流域为基本单元,利用GIS技术、相关分析法、空间聚类分析和地理探测器模型,定量地筛选出与婺源县山洪灾害危险性分析密切相关的降雨指标,筛选出的结果可为婺源县山洪灾害危险性的准确分析提供数据支撑。

2 研究区概况

婺源县位于江西省东北部,赣、浙、皖3省交界处,东边与浙江省开化县相邻,北边与安徽省休宁县接壤,西边是本省的景德镇市（图1(a)）。全县总面积为2948 km2,其中山区面积为2337 km2,占总面积的79.3%。
Fig. 1 Map of the study area

图1 研究区概况图

县域属亚热带东南季风气候,年均降雨量1800 mm,4-6月为汛期,平均月雨量200~300 mm。地形以中低山、丘陵为主,地势由东北向西南倾斜,境内最高海拔1564 m,最低海拔35 m（图1(b)）。县内天然水系发育,属饶河水系（图1(c)）,各河流均由东北流向西南,注入乐安河,向西汇入鄱阳河[22]。
2001年以来,旅游产业已成为婺源县经济的主导产业和战略性支柱产业,2011年该县旅游产业增加值占全县GDP的41.6%[23]。发达的旅游产业会带来大量的人口,安全也必然成为第一关注要素。由于该县发达的水系、充沛的雨量和复杂的地形地貌导致了山洪灾害的多次发生,据历史山洪灾害数据显示：1955-2014年婺源县共发生了179次较大型山洪灾害,累积经济损失达到7856万元人民币。

3 数据与研究方法

3.1 数据来源

研究区主要数据类型及来源如表1所示。
Tab. 1 Main data type, format, coordinate system and source

表1 研究区主要数据类型、格式、坐标系及来源

数据类型 格式 空间坐标系 来源
江西省暴雨图集 SHAPEFILE GCS_China_Geodetic_Coordinate_System_2000 全国山洪灾害调查评价数据
DEM（90 m）数据 TIF GCS_WGS_1984 SRTM
1:5万小流域数据 SHAPEFILE GCS_WGS_1984 全国山洪灾害调查评价数据
1955-2014年婺源县
历史山洪灾害数据		 SHAPEFILE Beijing_1954_3_Degree_GK_CM_117E 全国山洪灾害调查评价数据

3.2 数据处理

3.2.1 投影变换
在对数据进行操作和综合分析之前,需要将不同坐标系下的空间数据转换到统一坐标系中。本文利用投影变换将所有的源数据都转换到Beijing_1954_3_Degree_GK_CM_117E的坐标系统下。
3.2.2 空间插值处理
江西省暴雨图集提供的是等值线矢量图,需要通过空间插值计算,才能获得整个研究区的降雨分布情况。本文借助于ArcGIS 10.3提供的地形转栅格（Topo to Raster）插值模块对降雨等值线进行空间插值,从而获取整个研究区的降雨量,插值的分辨率为90 m×90 m。
3.2.3 标准化处理
不同变量常常具有不同的单位或不同的变异程度,取值范围也相差较大,为了消除量纲的影响和变量自身变异大小的影响,需要对数据进行标准化处理。本文采用z-score标准化方法对数据进行处理,公式如下：
a i = x i - μ i σ i ( i = 1,2 , ⋯ , k ) （1）
式中： a i 为标准化后的数列; x i 为原始数列; μ i 为 x i 的平均值; σ i 为 x i 的标准差。

3.3 研究方法

3.3.1 降雨指标体系的初步构建
由于山丘区沟道短,比降大,一旦发生暴雨,洪水汇流速度快,从降雨到形成山洪,一般只需几小时甚至几分钟,至灾害发生时间一般仅为5-6 h,最多不超过24 h[24-25]。全国山洪灾害防治规划研究表明,诱发中国山洪灾害主要以短历时、高强度降雨为主[3]。因此,本文主要从江西省暴雨图集中初选了重现期为1、5、10、20、50和100年,历时为10 min、1 h、6 h、24 h的降雨量,经过组合获得24个降雨指标（表2）。
Tab. 2 The preliminarily constructed rainfall index system

表2 初步构建的降雨指标体系

历时 编号 指标/mm
10 min S11 年均最大10 min降雨量
S12 5年一遇最大10 min降雨量
S13 10年一遇最大10 min降雨量
S14 20年一遇最大10 min降雨量
S15 50年一遇最大10 min降雨量
S16 100年一遇最大10 min降雨量
1 h S21 年均最大1 h降雨量
S22 5年一遇最大1 h降雨量
S23 10年一遇最大1 h降雨量
S24 20年一遇最大1 h降雨量
S25 50年一遇最大1 h降雨量
S26 100年一遇最大1 h降雨量
6 h S31 年均最大6 h降雨量
S32 5年一遇最大6 h降雨量
S33 10年一遇最大6 h降雨量
S34 20年一遇最大6 h降雨量
S35 50年一遇最大6 h降雨量
S36 100年一遇最大6 h降雨量
24 h S41 年均最大24 h降雨量
S42 5年一遇最大24 h降雨量
S43 10年一遇最大24 h降雨量
S44 20年一遇最大24 h降雨量
S45 50年一遇最大24 h降雨量
S46 100年一遇最大24 h降雨量
3.3.2 相关性分析
山洪灾害的危险性分析通常以小流域为基本单元,婺源县共包含了217个、面积一般在25~50 km2小流域。由于把降雨等值线进行空间插值处理后,所得到的是每个栅格点的雨量值,因此需要计算出婺源县每个小流域内的每个降雨指标的平均值作为该小流域的一个降雨指标值。根据评价指标之间的独立性原则,小流域降雨指标之间需要进行相关分析,整合相关性较大的降雨指标,消除信息的重叠对山洪灾害危险性分析造成的影响。本文采用皮尔逊相关系数法计算各降雨指标之间的相关系数 ρ ij （式（2））。
ρ ij = ∑ k = 1 n ( x ki - x ̅ i ) ( x kj - x ̅ j ) ∑ k = 1 n ( x k i - x ̅ i ) 2 ( x kj - x ̅ j ) 2 ( n = 217 , i , j = 1,2 , ⋯ , 24 ) （2）
式中： ρ ij 为第i个降雨指标和第j个降雨指标的相关系数; x ki 为第k个小流域第i个降雨指标的值; x ̅ i 为第i个降雨指标的平均值。
根据文献[26]可知,相关系数的绝对值在0.8以上的是高度相关,需加以合并。合并原则为[27]：① 对于同类型指标（指同为效益型或成本型指标,效益型指标是指越大越好的指标,成本型指标是指越小越好的指标）,相关系数为正是真相关,相关系数为负是假相关;② 对于同一层次的指标（指标之间是并列关系,非上下级隶属关系）,比较其平均相关系数,平均相关系数大者优先保留。
3.3.3 空间聚类分析
空间聚类分析作为空间数据挖掘的一个分支,对于揭示地理空间自然现象的分布、变化等具有十分重要的作用。详细的历史山洪灾害统计资料在一定程度上能反映山洪灾害的空间分布特征,通过对研究区山洪灾害进行空间聚类分析,可以获取该区域山洪灾害的空间分布趋势。本文采用基于局部Getis-Ord Gi*算法的优化热点分析工具,先对婺源县1955-2014年的179个历史山洪灾害点进行空间聚类,然后计算出小流域山洪灾害的相对危险度估值。具体操作步骤如下：
（1）利用ArcGIS 10.3提供的优化热点分析工具（Optimized Hot Spot Analysis）以渔网面（FISH_NET_POLYGONS）为聚合面对山洪灾害点进行空间聚类分析,获取渔网面每个格网的 G i * 值 （式（3））, G i * 值按式（1）标准化后即为z得分。z得分越高,山洪灾害高值区（热点）越紧密;z得分越低,山洪灾害低值区（冷点）越紧密。z得分不仅反映了单个格网与周围格网山洪灾害的聚集程度,也反映了山洪灾害在整个渔网面中的空间分布趋势。因此,可以用z得分表示单个格网在整个研究区渔网面中的相对危险程度,这比用山洪灾害频次量化会更符合山洪灾害的空间分布。
G i * = ∑ j = 1 n w ij x j - X ̅ ∑ j = 1 n w ij S n ∑ j = 1 n w ij 2 - ∑ j = 1 n w ij 2 n - 1 ( i , j = 1,2 , ⋯ , n ) （3）
X ̅ = ∑ j = 1 n x j n （4）
S = ∑ j = 1 n x j 2 n - ( X ̅ ) 2 （5）
式中： G i * 表示格网i的山洪灾害统计量; x j 是格网 j 所包含的山洪灾害事件个数; w ij 是格网i和格网j的空间权重;优化热点分析工具默认采用固定距离阈值（FIXED_DISTANCE_BAND）进行要素之间的权重计算,当格网 j 与格网i的距离在阈值范围内时, w ij =1,当超出距离阈值, w ij =0,距离阈值是由优化热点分析工具自动生成的最优的距离;n是渔网面所有格网的个数。
（2）小流域山洪灾害危险度估值的获取。在步骤（1）中,优化热点分析工具根据山洪灾害点自动生成的最优格网的尺寸一般较大。为了方便把格网的z得分统计到小流域单元,本文将其转化为分辨率90 m×90 m的栅格单元,栅格单元值为格网的z得分;然后,统计出婺源县每个小流域内所有栅格单元值的平均值 z * ,即小流域的山洪灾害危险度估值。
3.3.4 地理探测器模型
地理探测器模型是基于地理空间分异理论,探测风险的地理位置、风险的决定因素、因素之间的相对重要性以及因素的作用方式,最初主要用于地方疾病和地理环境因子相关关系的研究[28-29]。由于没有同方差性、正态性等过多的假设条件,以及克服了处理类别变量的局限性,近年来该模型作为一种探测要素空间分布成因的重要方法在与经济、考古、气象、地质等领域相关的地理学研究中得到了广泛应用[30-33]。地理探测器模型的基本思想是：一种现象的产生总是和某些因子有关,通过分析它们的空间分布趋势,可以找出与该现象在空间变化上具有显著一致性的因子,这些因子对这种现象的发生及发展具有较强的解释力[28]。
本文将采用地理探测器模型中的因子探测器和交互探测器对婺源县小流域山洪灾害危险度和筛选出的降雨指标进行探测分析,获取对山洪灾害危险性影响较大的降雨指标。
（1）因子探测器用因子解释力（Power of Determinant, PD）来量化降雨指标对小流域山洪灾害危险性的解释程度,计算模型如式（6）所示。
P D , H = 1 - 1 n σ 2 ∑ h = 1 L n h σ h 2 （ n = 217 , L = 5 , h = 1,2 , ⋯ , L ) （6）
式中： P D , H 为降雨指标D对小流域山洪灾害危险性H的解释力; n 是小流域的总个数; L 是降雨指标分类数; n h 是h类中小流域的个数; σ 2 是整个小流域山洪灾害危险度的离散方差; σ h 2 是h类中小流域危险度的离散方差。假设 σ 2 ≠ 0 ,模型成立, P D , H ∈ 0,1 ,数值越大说明降雨指标D对小流域山洪灾害危险性的解释力越强,影响度越高。
（2）交互探测器通过对多个降雨指标交互后的因子解释力和单个降雨指标的因子解释力的比较,来探测降雨指标交互后对小流域山洪灾害危险性的影响模式。设 P ( D 1 ) 、 P ( D 2 ) 分别是降雨指标 D 1 、 D 2 对小流域山洪灾害危险性的解释力, P ( D 1 ⋂ D 2 ) 是降雨指标 D 1 、 D 2 交互后的因子解释力,则影响模式主要有以下5种：
① 非线性减弱： P ( D 1 ⋂ D 2 ) < min ( P D 1 , P ( D 2 ) )
② 单线性减弱： min ( P D 1 , P ( D 2 ) ) < P ( D 1 ⋂ D 2 ) < max ( P D 1 , P ( D 2 ) )
③ 双线性增强： P ( D 1 ⋂ D 2 ) > max ( P D 1 , P ( D 2 ) )
④ 相互独立： P D 1 ⋂ D 2 = P D 1 + P ( D 2 )
⑤ 非线性增强： P D 1 ⋂ D 2 > P D 1 + P ( D 2 )
影响因子的交互模型在GIS环境中很容易实现。将分类后的降雨指标 D 1 、 D 2 进行叠加后( C = D 1 ⋂ D 2 ),每个小流域就得到一个新的综合指标C,其类别为该小流域降雨指标 D 1 、 D 2 子类别的叠加,分类数为所有小流域综合指标C的类别种类数。然后,把综合指标C和降雨指标 D 1 、 D 2 代入式（6）计算并进行影响模式的判断。这种模型可以扩展到3个或更多指标之间的交互分析,随着指标的增加,交互分析将会变得更加复杂[28]。由于本文目标是选取影响小流域山洪灾害的主要降雨指标作为山洪灾害危险性分析的致灾因子,所以只进行了2个降雨指标的交互分析。

4 结果与分析

4.1 降雨指标的初步筛选结果及分析

对初步构建的24个降雨指标（表2）进行相关分析,获取了婺源县小流域各个降雨指标之间的相关系数,组成的相关矩阵（图2）中,红色点表示2个降雨指标相关系数的绝对值大于或等于0.8,绿色点相关系数的绝对值小于0.8。由于已构建的24个降雨指标属于同类型、同层次指标,根据指标的合并原则,共筛选出7个相关程度较小的降雨指标（表3）,其空间分布状况如图3所示。
Fig. 2 The correlation coefficient matrix of initially selected rainfall indices

图2 初步选取降雨指标的相关系数矩阵图

Fig. 3 Spatial distributions of the preliminarily screened rainfall indices of small watersheds in Wuyuan County

图3 初步筛选的婺源县小流域降雨指标空间分布图

从图3可看出,初步筛选的降雨指标在空间分布上存在显著的差异：① 婺源县小流域10年一遇最大10 min降雨量和20年一遇最大6 h降雨量均从西部向东部逐渐减小,但前者主要集中在高值和低值两端,后者分布比较均匀;② 20年一遇最大10 min降雨从西向东先减小后增大,降雨量主要集中在中间段;③ 100年一遇最大1 h降雨和100年一遇最大24 h降雨都是从西北向东南逐渐减小,雨量分布也较均匀,但前者的高值和低值主要集中在西部和南部,而后者的高值集中在北部,低值均匀分布在东南沿线上;④ 100年一遇最大6 h降雨从西南向东北逐渐减小,分布较均匀,而年均最大24 h降雨的空间分布相反,从西南向东北逐渐增大,且雨量主要集中在较低段。

4.2 小流域山洪灾害危险度估算结果与分析

利用优化热点分析工具对婺源县1955-2014年179个历史山洪灾害点进行空间聚类分析,生成了652个渔网面格网,格网的大小为2.3 km×2.3 km,最优的固定距离阈值（FIXED_DISTANCE_BAND）为6901 m。把获取的z得分作为渔网面格网的山洪灾害危险度,继而得到217个小流域的山洪灾害危险度估值 z * 。数值越大,表明该小流域发生山洪灾害的几率越大,危险性越高,其空间分布状况如图4所示。从图4（c）可知：山洪灾害危险度高的小流域主要集中在婺源县的北方（H1区）和西南方（H2区）;山洪灾害危险度低的小流域以“凹”字形分布在H1区的周围。
Fig. 4 Spatial distribution of the hazard of mountain torrent disaster in Wuyuan County

图4 婺源县山洪灾害危险性空间分布图

4.3 降雨指标的最终选取结果与分析

自然断点分级法是为减少同一级中差异、增加不同级间差异而采用统计公式确定属性值的自然聚类,刘彦随等[34]利用地理探测器分析中国县域城镇化的空间特征和形成机理时对各要素进行了自然聚类的分级分区。本文将采用自然断点法把初步筛选出的各降雨指标值分为5类（级别从低到高为1、2、3、4、5）,然后利用因子探测器分别计算反映各降雨指标（表3）对小流域山洪灾害危险性影响能力的 P D , H 值以及反映 P D , H 值显著性的p值（表4）。
Tab. 3 The preliminarily screened rainfall indices

表3 初步筛选的降雨指标

历时 编号 指标/mm
10 min S13 10年一遇最大10 min降雨量
S14 20年一遇最大10 min降雨量
1 h S26 100年一遇最大1 h降雨量
6 h S34 20年一遇最大6 h降雨量
S36 100年一遇最大6 h降雨量
24 h S41 年均最大24 h降雨量
S46 100年一遇最大24 h降雨量
由表4可知：① 100年一遇最大1 h降雨指标的p值为0.08（>0.05）,说明该降雨指标对山洪灾害的解释力不显著,无法作为致灾因子,而其他降雨指标的解释力都具有显著性;② 尽管20年一遇最大10 min降雨指标的解释力具有显著性,但 P D , H 值很小,说明其对婺源县小流域山洪灾害危险性的解释力很低,无法作为该县山洪灾害危险性分析的致灾因子;（3）20年一遇最大6 h降雨指标、100年一遇最大6 h降雨指标和年均最大24 h降雨指标的 P D , H 值排在前三位,说明它们对婺源县山洪灾害危险性空间分布的影响较大,即关联性较强。但从图5来看,年均最大24 h降雨指标和小流域山洪灾害危险度估算值呈负相关。对于同类型的指标,这属于假相关现象,表明年均最大24 h降雨指标无法解释婺源县小流域山洪灾害危险性空间分布差异,也不能作为致灾因子。
Fig. 5 Scatter plots and linear fits of rainfall indices and estimated hazard value of small watersheds in Wuyuan County

图5 婺源县小流域降雨指标和危险度估值的散点图及线性拟合图

实际上诱发山洪灾害是多种降雨类型共同作用的结果,不可能只存在单一的降雨指标影响山洪灾害的空间分布。利用交互探测器对10年一遇最大10 min降雨指标、20年一遇最大6 h降雨指标、100年一遇最大6 h降雨指标和100年一遇最大24 h降雨指标进行探测分析,再结合表4,获取交互后对小流域山洪灾害危险性的影响模式（表5）。从表5可以看出：① 降雨指标对山洪灾害危险性的影响是非独立的,相比单个降雨指标,4种降雨指标两两交互后对山洪灾害危险性的影响都起到了协同增强的作用。② 解释力较大的2个降雨指标20年一遇最大6 h降雨（0.4276）、100年一遇最大6 h降雨（0.3923）分别和10年一遇最大10 min降雨（0.1676）交互后增强度都较弱,说明无论在整体还是局部10年一遇最大10 min降雨指标对山洪灾害危险性的影响都较小,无法作为婺源县小流域山洪灾害危险性分析的致灾因子。③ 100年一遇最大24 h降雨（0.1570）分别和其他3个降雨指标交互后对山洪灾害危险性影响的增强度都较大,表明虽然在整个研究区范围内100年一遇最大24 h降雨指标对小流域山洪灾害危险性的解释力较小,但在某些局部地区的解释力很大,可以作为主要降雨指标的辅助因子参与山洪灾害的危险性分析。④ 100年一遇最大6 h降雨和100年一遇最大24 h降雨的协同作用最为显著（0.7211）,远大于单个降雨指标的最大解释力（0.4276）,说明在这些降雨指标中,婺源县小流域山洪灾害危险性受100年一遇最大6 h降雨和100年一遇最大24 h降雨共同作用的影响最大,可以把这2个降雨指标作为该县小流域山洪灾害危险性分析的致灾因子。
Tab. 4 Detected result of the preliminarily screened rainfall indices

表4 初步筛选降雨指标的探测结果

历时 编号 指标/mm PD,H 排序（从大到小） P
10 min S13 10年一遇最大10 min降雨量 0.1676 4 0.00
S14 20年一遇最大10 min降雨量 0.1008 6 0.00
1 h S26 100年一遇最大1 h降雨量 0.0414 7 0.08
6 h S34 20年一遇最大6 h降雨量 0.4276 1 0.00
S36 100年一遇最大6 h降雨量 0.3923 2 0.00
24 h S41 年均最大24 h降雨量 0.2546 3 0.00
S46 100年一遇最大24 h降雨量 0.1570 5 0.00
Tab. 5 Interaction between pairs of the four rainfall indices

表5 4种降雨指标之间的交互作用

交互指标（C） 解释力（PC,H） 结果 影响模式
10年一遇最大10 min降雨⋂20年一遇最大6 h降雨 0.4820 max (PS13,H,PS34,H)&lt;PC,H&lt;PS13,H+PS34,H 双线性增强
10年一遇最大10 min降雨⋂100年一遇最大6 h降雨 0.4808 max (PS13,H,PS36,H)&lt;PC,H&lt;PS13,H+PS36,H 双线性增强
10年一遇最大10 min降雨⋂100年一遇最大24 h降雨 0.5281 PC,H&gt;PS13,H+PS46,H 非线性增强
20年一遇最大6 h降雨⋂100年一遇最大6 h降雨 0.6430 max (PS34,H,PS36,H)&lt;PC,H&lt;PS34,H+PS36,H 双线性增强
20年一遇最大6 h降雨⋂100年一遇最大24 h降雨 0.6660 PC,H&gt;PS34,H+PS46,H 非线性增强
100年一遇最大6 h降雨⋂100年一遇最大24 h降雨 0.7211 PC,H&gt;PS36,H+PS46,H 非线性增强

注：S13、S34、S36、S46是相应降雨指标的编号,具体见表4

5 结论与讨论

目前,在山洪灾害危险性分析中,由于选取降雨指标的主观性较强,可能会导致降雨指标之间有较大的相关性,造成信息重叠,或选取的降雨指标对山洪灾害的影响力很弱,造成降雨指标的错选,这些都会对小流域山洪灾害危险性分析的正确性产生很大的影响。本文基于1:5万小流域数据、历史山洪灾害空间分布数据和暴雨图集资料,以江西省婺源县小流域为例,采用GIS技术、相关分析法、空间聚类法和地理探测器模型筛选出与小流域山洪灾害密切相关的降雨指标,为山洪灾害危险性分析致灾因子的客观选取提供了一种新的思路。研究发现：
（1）初步选取的24个降雨指标经过相关性分析后,获得了7个相关性不强的降雨指标,说明在进行山洪灾害危险性分析之前,需要对所选的降雨指标进行相关分析,以避免信息的重叠。
（2）运用GIS技术和基于局部Getis-Ord Gi*算法的优化热点分析工具对研究区的历史山洪灾害点进行空间聚类分析,获得研究区每个小流域山洪灾害危险度的估值,该值能够较好的反映小流域山洪灾害危险性的空间分布。
（3）利用地理探测器模型中的因子探测器和交互探测器对已筛选出的降雨指标和小流域山洪灾害危险度进行探测分析,不仅能够获得单个降雨指标对小流域山洪灾害的影响力,还能获得两个降雨指标交互后对山洪灾害危险性的解释力。通过综合比较分析,选取对小流域山洪灾害影响最大的降雨指标作为山洪灾害危险性分析的致灾因子。对于婺源县小流域而言,100年一遇最大6 h降雨和100年一遇最大24 h降雨的交互作用对山洪灾害的解释力（0.7211）远大于单个降雨指标的最大解释力（0.4276）,可以把它们作为致灾因子参与该研究区山洪灾害的危险性分析。
（4）本文着眼于小流域山洪灾害危险性分析之降雨指标的选取,用一系列算法定量的筛选出与山洪灾害密切相关的降雨指标,为山洪灾害危险性分析致灾因子的客观选取提供了参考和指导作用。其中,用优化热点分析工具对山洪灾害点进行空间聚类能够较好的反映山洪灾害的空间分布趋势,这种连续性的空间分布比离散的山洪灾害频次既能更好的反映地理事物的空间自相关性,又能方便的与降雨指标的空间分布进行比较分析。同时,用地理探测器模型的因子探测器筛选出的两个降雨指标（20年一遇最大6 h降雨指标和100年一遇最大6 h降雨指标）和用主成分分析法筛选出的降雨指标一样,但地理探测器模型的交互探测器能进一步筛选出交互作用后对山洪灾害影响最大的降雨指标,这说明地理探测器模型能够有效的诊断影响山洪灾害的主要降雨指标,可应用于山洪灾害危险性分析中。
致谢：感谢全国山洪灾害防治项目组在数据资料方面给予的支持,感谢中国科学院地理科学与资源研究所王劲峰老师给予方法上的指导和帮助！

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄国如,程国栋,冼卓雁,等.清远市瑶安小流域山洪灾害成因分析[J].水资源与水工程学报,2015,26(3):136-141.以清远市瑶安小流域为例，从降雨条件、地形地貌条件、固体物质环 境条件等方面分析该流域山洪灾害的成因。利用M－K法分析得知该流域各历时降雨均呈较为明显的上升趋势，未来该流域发生暴雨山洪灾害的可能性较大，降雨为 山洪灾害形成提供了直接的外动力因素。基于GIS技术分析可知该流域陡坡主要集中于流域上游河道两岸，不利的坡度势能条件为山洪灾害形成提供了有利的地形 地貌条件，该流域岩体风化和人类不合理活动为山洪灾害形成提供了重要的环境条件。

DOI

[ Huang G R, Cheng G D, Xian Z Y, et al.Analysis of causes of mountain flood disaster at Yaoan small watershed of Qingyuan[J]. Journal of Water Resources & Water Engineering, 2015,26(3):136-141. ]

[2]
周存旭,金世海.河南省山洪灾害的危害、成因及防治对策[J].自然灾害学报,2008,17(3):148-151.通过对河南省山洪灾害的危害与 成因分析,指出暴雨是造成山洪灾害的根源,特殊的地理环境和不合理的人为活动等因素加剧了山洪灾害的形成与发展。提出山洪灾害的防治对策是:加强宣传,增 强防灾避灾意识;进一步完善山洪灾害的政策法规保障措施;科学制订防灾预案;加强山洪灾害的监测预报系统建设;因地制宜,分类防治;搞好水土保持,增强防 灾减灾能力。

DOI

[ Zhou C X, Jing S H.Cause, damage and control measures of mountain flood hazard in Henan Province[J]. Journal of Natural Disasters, 2008,17(3):148-151. ]

[3]
李中平,毕宏伟,张明波. 我国山洪灾害高易发降雨区分布研究[J].中国水利,2007(14):25-27.分析了降雨诱发山洪灾害的成因,研究了降雨诱发山洪灾害重要时段临界雨量的分布特征;针对降雨地域性差异大的特点,提出临界雨量系数作为降雨诱发山洪灾害区划的重要指标;在此基础上提出全国降雨诱发山洪灾害易发程度分布图.

[ Li Z P, Bi H W, Zhang M B.Studies on precipitation distribution in mountain flood-prone areas in China[J]. China Water Resources, 2007,14:25-27. ]

[4]
任洪玉,邹翔,张平仓. 我国山洪灾害成因分析[J].中国水利,2007(14):18-20.山洪灾害是现阶段对我国山丘区危害最为严重的自然灾害之一.从我国山洪灾害现状出发,从自然因素和社会因素两个方面入手,将山洪灾害成因归纳为降雨、地形地质和人类活动等3个因素,对每个因素中影响山洪灾害发生的因子进行了具体分析.分析表明,降雨特别是强降雨和长历时降雨是山洪灾害形成的激发因素和主导因素,地形地质条件是山洪灾害形成的基础,控制着山洪灾害的形成和分布.而不合理的人类活动则加速加剧了山洪灾害的形成及灾害程度.

[ Ren H Y, Zou X, Zhang P C.An elementary study on causing-factors of Chinese mountain torrents disaster[J]. China Water Resources, 2007,14:18-20. ]

[5]
樊建勇,单九生,管珉,等.江西省小流域山洪灾害临界雨量计算分析[J].气象,2012,38(9):1110-1114.临界雨量是预报山洪灾害的重要指标。针对江西省山洪灾害特征,以小流域为基本单元研究了小时雨量与山洪灾害发生时间及小流域参数之间的关系,结果表明:山洪与小时雨量有很紧密的联系,流域面积、主沟长度和主沟比降等影响山洪的小流域参数与小时雨量之间存在着很大的相关性。结合1950—2002年全省小流域山洪灾害与气候统计数据,计算出资料完整的小流域1、3、6和24 h的临界雨量,进而建立了流域面积、主沟长度和主沟比降等流域参数与对应小流域山洪临界雨量之间的统计模型,推算出全省1045个小流域的山洪灾害临界雨量,并对2009年7月2—3日赣州地区一次山洪过程进行模拟,能够准确预报出山洪风险等级,效果良好。

DOI

[ Fan J Y, Shan J S, Guan M, et al.Research on analysis and calculation method of critical precipitation of mountain torrents in Jiangxi Province[J]. Meteorological Monthly, 2012,38(9):1110-1114. ]

[6]
Špitalar M, Gourley J J, Lutoff C, et al.Analysis of flash flood parameters and human impacts in the US from 2006 to 2012[J]. Journal of Hydrology, 2014,519:863-870.Several different factors external to the natural hazard of flash flooding can contribute to the type and magnitude of their resulting damages. Human exposure, vulnerability, fatality and injury rates can be minimized by identifying and then mitigating the causative factors for human impacts. A database of flash flooding was used for statistical analysis of human impacts across the U.S. 21,549 flash flood events were analyzed during a 6-year period from October 2006 to 2012. Based on the information available in the database, physical parameters were introduced and then correlated to the reported human impacts. Probability density functions of the frequency of flash flood events and the PDF of occurrences weighted by the number of injuries and fatalities were used to describe the influence of each parameter.<br/>The factors that emerged as the most influential on human impacts are short flood durations, small catchment sizes in rural areas, vehicles, and nocturnal events with low visibility. Analyzing and correlating a diverse range of parameters to human impacts give us important insights into what contributes to fatalities and injuries and further raises questions on how to manage them. Published by Elsevier B.V.

DOI

[7]
Youssef A M, Sefry S A, Pradhan B, et al.Analysis on causes of flash flood in Jeddah city (Kingdom of Saudi Arabia) of 2009 and 2011 using multi-sensor remote sensing data and GIS[J]. Geomatics, Natural Hazards and Risk, 2016,7(3):1018-1042.We tackle the issue of scalability when synthesizing controllers for large signalized vehicular traffic networks with linear temporal logic specifications. Traffic networks lend themselves to a compositional synthesis approach because they are naturally decomposed into sub-networks. However, naively synthesizing controllers for individual sub-networks and interconnecting them can violate the specifications on the monolithic network. By exploiting notions of supply and demand in our system dynamics, we construct contracts between sub-networks that guarantee the soundness of the overall synthesized controller. The resulting decentralized control architecture consists of controllers that rely only on local state information

DOI

[8]
Modrick T M, Georgakakos K P.The character and causes of flash flood occurrence changes in mountainous small basins of Southern California under projected climatic change[J]. Journal of Hydrology: Regional Studies, 2015,3:312-336.Study region Small watersheds (O[25 km2]) in the mountain regions of southern California comprise the study region. Study focus This paper examines changes in flash flood occurrence in southern California resulting from projected climatic change. The methodology synthesizes elements of meteorological modeling, hydrology and geomorphology into an integrated modeling approach to define flash flood occurrence in a systematic and consistent way on a regional basis with high spatial and temporal resolution appropriate for flash flooding. A single climate model with three-dimensional atmospheric detail was used as input to drive simulations for historical and future periods. New hydrological insights for the region Results indicate an increase in flash flood occurrence for the study region. For two distributed hydrologic models employed, the increase in flash flood occurrence frequency is on average between 30% and 40%. Regional flash flood occurrence is characterized by near saturation of the upper soil layer, and wider ranges in lower soil layer saturation and in precipitation. Overall, a decrease in the total number of precipitation events was found, although with increased precipitation intensity, increased event duration, and higher soil saturation conditions for the 21st century. This combination could signify more hazardous conditions, with fewer precipitation events but higher rainfall intensity and over soils with higher initial soil moisture saturation, leading to more frequent occurrence of flash floods.

DOI

[9]
Douinot A, Roux H, Garambois P A, et al.Accounting for rainfall systematic spatial variability in flash flood forecasting[J]. Journal of Hydrology, 2016,541:359-370.

[10]
黄理军,王辉,张文萍,等.湖南山洪灾害成因及防治区划研究[J].农业现代化研究,2007,28(4):483-486.本文分析了湖南省山洪灾害的成因,主要考虑降雨、地形地质与社会经济等三方面,根据山洪灾害的分布位置与强度以及承灾体的特征,按重点防治区、次重点防治区和一般防治区三级进行山洪灾害的防治区划。

DOI

[ Huang L J, Wang H, Zhang W P, et al.Research on origin of mountain torrents disaster and preventing and controlling regionalization in Hunan Province[J]. Research of Agricultural Modernization, 2007,28(4):483-486. ]

[11]
岳琦,张林波,刘成程,等.基于GIS的福建闽江上游山洪灾害风险区划[J].环境工程技术学报,2015,5(4):293-298.<p>风险区划是山洪灾害的防治工作中的重要环节，在理解山洪灾害地域分异规律的基础上进行区划，可为科学地分析山洪灾害致灾因子，恰当地采取防治措施提供依据。以多年降水均值、土壤类型、坡度、高程、最长汇流路径长度、最长汇流路径比降、糙率、稳定下渗率、人口密度、地均GDP、土地利用状况和植被覆盖度12项因子，通过层次分析法与德尔菲法结合确定权重，进行空间叠加分析，完成闽江上游山洪灾害危险评价图、易损性图和山洪灾害风险区划图。并与1985&mdash;2013年近30年的灾害数据进行集成分析，比较山洪灾害风险区划与灾害发生情况，以期为不同风险地带的土地利用规划提供决策，为山洪易灾区居民提供风险信息。</p>

DOI

[ Yue Q, Zhang L B, Liu C C, et al.GIS-based risk zoning of flood disasters in upstream of the Minjiang River[J]. Journal of Environmental Engineering Technology, 2015,5(4):293-298. ]

[12]
黄国如,程国栋,冼卓雁,等.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(6):43-47.为有效地整治瑶安小流域山洪灾害,以降雨、高程、坡度、土壤类型、人口密度和土地利用类型等作为瑶安小流域山洪灾害风险评价指标,基于GIS技术和层次分析法建立山洪灾害风险评价模型,制作山洪灾害危险性、易损性和风险区划图,对该流域山洪灾害进行风险评价。结果表明,瑶安小流域高风险区主要集中在地势较为平缓、人口较多、经济较为发达的下游区域,较高风险区集中在山洪灾害危险性较高、居民点分布相对较多的中上游地区,风险度较低区域主要集中在流域东部地区,评价结果与该流域山洪灾害实际情况较为吻合。

[ Huang G R, Cheng G D, Xian Z Y, et al.Risk assessment of mountian torrent disaster at yaoan small watershed in qingyuan city based on GIS technique[J].Water Resources and Power, 2015,33(6):43-47. ]

[13]
唐余学,廖向花,李晶,等.基于GIS的重庆市山洪灾害区划[J].气象科技,2011,39(4):423-428.通过对山洪灾害形成的动力条件、孕灾环境、降水背景的分析,确定临界雨量、地表起伏形态、坡度、年降水量、年大雨日数为影响山洪灾害形成的主要因子,用主成分分析方法建立重庆市山洪灾害区划模型。在ArcGis软件的支持下,采用反距离权重法对各影响因子进行空间插值,并进行栅格图层计算、分割等操作,用自然断点分级法分为高发区、易发区、一般区、低发区,完成重庆市山洪灾害区划。区划结果表明：重庆市多山洪灾害,东北部为高发区,年发生频次多在10次以上;中部东南部为易发区,年发生频次多在8次到10次;西部偏西地区为低发区,年发生频次多在6次以下。

DOI

[ Tang Y X, Liao X H, Li J, et al.Regionalization of torrential flood disasters in Chongqing based on GIS[J]. Meteorology Science and Technology, 2011,39(4):423-428. ]

[14]
管珉,陈兴旺.江西省山洪灾害风险区划初步研究[J].暴雨灾害,2007,26(4):339-343.通过应用地理信息系统技术编制山洪灾害风险区划的方法，以江西省分县小流域地理底图为基础，对影响山洪灾害形成与发展的暴雨气候、地形坡度、河网分布等因子进行分析和叠加，完成了江西省山洪灾害危险性评价图。以人口密度、GDP、耕地面积作为指标进行易损性分析，并借助GIS工具，将危险性评价图与易损性评价图进行叠加，完成了江西省山洪灾害风险区划研究。区划结果表明：GIS方法能有效地对影响山洪灾害形成与发展的因子数据进行空间分析。该风险区划图可通过对山洪易发区的规划决策而减轻山洪灾害的影响，同时也为当地居民提供了灾害的风险信息。

DOI

[ Guan M, Chen X W.Research of regional torrent risk zonation in Jiangxi Province[J]. Torrential Rain and Disasters, 2007,26(4):339-343 ]

[15]
陆桂华,钟凌,吴志勇,等.中小流域山洪危险性区划[J].地球科学-中国地质大学学报,2014,39(10):1538-1544.山洪危险性区域划分是一种行之有效的防洪减灾非工程措施,是防洪减灾体系中的重要组成部分.利用GIS技术和模糊数学方法建立山洪危险性评价模型;从山洪危险性定义出发,利用正交设计方法,考察降雨量和单位面积汇流时间等对山洪影响的敏感性,确定了合理的山洪危险性评价指标体系并结合层次分析法确定了评价指标权重.选择淮河上游息县流域进行了实证应用分析,对研究区域山洪危险性空间分布进行划分.研究结果表明:单位面积汇流时间短、地势起伏较大的地区是山洪危险性较大的区域,需要加强防治.

DOI

[ Lu G H, Zhong L, Wu Z Y, et al.Zoning of mountain torrent hazards in medium-small river basins[J]. Earth Science-Journal of China University of Geosciences, 2014,39(10):1538-1544. ]

[16]
丁文峰,杜俊,陈小平,等.四川省山洪灾害风险评估与区划[J].长江科学院院报,2015,32(12):41-45,97.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。

DOI

[ Ding W F, Du J, Chen X P, et al.Risk assessment and regionalization of mountain torrent disaster in Sichuan Province[J]. Journal of Yangtze River Scientific Research Institute, 2015,32(12):41-45,97. ]

[17]
马建华,张平仓,任洪玉. 我国山洪灾害防治区划方法研究[J].中国水利,2007(14):21-24.探讨了山洪灾害防治区划原则、方法和依据,根据部门区划叠加原理,将中国山洪灾害防治区划分成一级重点防治区、二级重点防治区和一般防治区等三个类型区,在此基础上初步拟定出中国山洪灾害防治区划方案,并对各分区特征进行了简要描述.

[ Ma J H, Zhang P C, Ren H Y.The study on the method of Chinese mountain torrents disaster prevention regionalization[J]. China Water Resources, 2007,14:21-24. ]

[18]
杜俊,任洪玉,张平仓,等.大空间尺度山洪灾害危险评估的比较研究[J].灾害学,2016,31(3):66-72.首先以长江流域为例,将历史灾情作为基础验证资料,分析比较了不同评估模型的输出结果,以此探讨大尺度山洪灾害危险评估模型的构建方法与优选方案,后将成果推广至全国尺度,结果显示:1暴雨和地形类指标图层的乘积叠加成果可以较好地反映区域山洪的危险分布特征,其他要素指标的引入,若它们对山洪发育的影响在时空上存在不确定性,或是与前两类主因子存在明显的交互作用,则可能使结果产生偏差;2我国国土面积中约62%的地区山洪危险度较低,高危险区主要分布在我国东南片的台湾中央山脉、武夷山脉、南岭、江南丘陵等中低起伏地区,以及西南片的盆周山地、滇东横断山脉、青藏高原东南等高起伏山地,其中以西南诸省最为严重。

DOI

[ Du J, Ren H Y, Zhang P C, et al.Comparative study of the hazard assessment of mountain torrent disasters in macro scale[J]. Journal of Catastrophology, 2016,31(3):66-72. ]

[19]
Youssef A M, Sefry S A, Pradhan B, et al.Analysis on causes of flash flood in Jeddah city (Kingdom of Saudi Arabia) of 2009 and 2011 using multi-sensor remote sensing data and GIS[J]. Geomatics, Natural Hazards and Risk, 2016,7(3):1018-1042.We tackle the issue of scalability when synthesizing controllers for large signalized vehicular traffic networks with linear temporal logic specifications. Traffic networks lend themselves to a compositional synthesis approach because they are naturally decomposed into sub-networks. However, naively synthesizing controllers for individual sub-networks and interconnecting them can violate the specifications on the monolithic network. By exploiting notions of supply and demand in our system dynamics, we construct contracts between sub-networks that guarantee the soundness of the overall synthesized controller. The resulting decentralized control architecture consists of controllers that rely only on local state information

DOI

[20]
tZeleňáková M, Gaňová L, Purcz P, et al. Flood risk assessment from flash floods in Bodva River Basin, Slovakia[A]. In Zamojski W, Mazurkiewicz J, Sugier J, et al. Dependability Engineering and Complex Systems[C]. Cham: Springer International Publishing, 2016:583-593.

[21]
Mandal S P, Chakrabarty A.Flash flood risk assessment for upper Teesta river basin: using the hydrological modeling system (HEC-HMS) software[J]. Modeling Earth Systems and Environment, 2016,2(2):1-10.Flash flood is one of the devastating natural disaster in the mountainous region of India. In Sikkim-Darjeeling Himalaya Teesta Watershed is a probable flash flood occurrence zone. The present study is an attempt to develop a simulation model of surface runoff in upper Teesta basin, which directly related to catastrophic flood happenings. At the first stage, a primary unit hydrograph is developed with time for an excess rainfall event by estimating the stream flow response at the outlet of the watershed. Specifically, the methodology was based on meteorological and morphological data processing in the geospatial environment and on data editing. Rainfall time-series data collected from India Meteorological Department and processed to calculate water flow to evaluate peak Discharge over time and estimate the runoff volume. Apart from the meteorological data, background data such as topography, drainage network, land cover and geological data were also collected. Clipping off the watershed from the entire area and the streamline generation for Teesta watershed was done from Aster DEM data using the LPS Tool and Arc GIS environment. A part of this model is to build geospatially input CN grid data based on land use, hydrological soil group and eluviation of the area. The analysis of the different hydraulic model to detect flash flood probability was done using HEC-RAS, and HEC-HMS Software, which was of great importance to achieve the final result. 313 km2 area was found to be most vulnerable to flash flood includes Singtam, Melli, Jourthang, Chungthang and Lachung and 655 km2 as moderately susceptible includes Teesta Bazar, Rangpo, Yumthang, Dambung and Thangu Valley. The simulation model based on the watershed and its surface characteristics of the soil, land use land cover and altitude of the area and the discharge volume of water with time. This model validated by inserting the rainfall data of a flood event, which took place on 2nd to 5th October in 1968, and 78 % of the actual area flooded reflected in the output of the model.

DOI

[22]
张爱华. 江西省婺源县地质灾害现状与形成机制研究[J].资源调查与环境,2010,31(3):221-229.婺源县是具有悠久历史的古县,也是江西省著名的旅游胜地。本文对其地质灾害现状与形成机制作了深入研究,为有计划地开展地质灾害防治,减少灾害损失,保护人民生命财产安全提供了技术依据。

DOI

[ Zhang A H.Study on geologic disaster status and formation mechanism in Wuyuan, Jiangxi Province[J]. Resources Survey & Environment, 2010,31(3):221-229. ]

[23]
把多勋,徐金海.基于社区参与的乡村旅游研究-以江西婺源县为例[J].资源开发与市场,2013,29(8):867-869.

[ Ba D X, Xu J H.Based on community participation in rural tourism research: A case study of Wuyuan County in Jiangxi Province[J]. Resource Development &Market, 2013,29(8):867-869. ]

[24]
徐晶,李伟华.台风强降雨诱发地质灾害的雨量特征分析[J].气象,2009,35(8):42-48.台风的特大暴雨可以引发山体滑坡和泥石流等地质灾害，造成严重的人员伤亡。高分辨率资料的应用是地质灾害精细化预报的基础。选定频繁遭受台风袭击，同时受地质灾害影响严重的浙江乐清市作为研究区域，利用雷达联合雨量计估计降雨技术，以0414台风云娜、0505台风海棠和0509台风麦莎导致的群发性地质灾害为例，研究雷达估计降雨在监测地质灾害方面的适用性以及台风降雨和地质灾害发生之间的关系。结果表明，雷达估测降雨较好地反映地质灾害触发雨量特征。台风诱发地质灾害需要的持续时间短，有效雨量更小，临界雨强大。

DOI

[ Xu J, Li W H.Characteristics of rainfall for typhoon rainstorm induced geological hazards[J]. Meteorological Monthly, 2009,35(8):42-48. ]

[25]
Gaume E, Bain V, Bernardara P, et al.A compilation of data on European flash floods[J]. Journal of Hydrology, 2009,367(1):70-78.Flash floods are one of the most significant natural hazards in Europe, causing serious risk to life and destruction of buildings and infrastructure. This type of flood, often affecting ungauged watersheds, remains nevertheless a poorly documented phenomenon. To address the gap in available information, and particularly to assess the possible ranges for peak discharges on watersheds with area smaller than 500 km 2 and to describe the geography of the hazard across Europe, an intensive data compilation has been carried out for seven European hydrometeorological regions. This inventory is the first step towards an atlas of extreme flash floods in Europe. It contains over 550 documented events. This paper aims at presenting the data compilation strategy, the content of the elaborated data base and some preliminary data analysis results. The initial observations show that the most extreme flash floods are greater in mag-nitude in the Mediterranean countries than in the inner continental countries and that there is a strong seasonality to flash flood occurrence revealing different climatic forcing mechanisms in each region.

DOI

[26]
张娟,许金泉,马琼瑜,等.大学课程的相关分析[J].云南大学学报(自然科学版),2008,30(S2):160-164.利用数理统计,以土木工程专业为蓝本,分析了43门功课,2 343份实测数据,用直方图和相关系数来分别描述该门课程的量特征和彼此之间的量关系,以进行课程之间相关性的分析.

[ Zhang J, Xu J Q, Ma Q Y, et al.The analysis of university course interdependency[J]. Journal of Yunnan University (Science and Technology), 2008,30(S2):160-164. ]

[27]
曹利军,王东华.可持续发展评价指标体系建立原理与方法研究[J].环境科学学报,1998,18(5):526-532.探讨了可持续发展评价指标设置的原则、指标筛选的思路和方法,建立了一种主客观判断相结合的主成分分析和独立性分析方法,分析了区域发展特征和指标体系的层次结构；在此基础上建立了常州市可持续发展评价指标体系,满足了指标设置的各项原则。

[ Cao L J, Wang D H.A study on the principle and method of installation of sustainable development assessment Index[J]. Acta Scientiae Circumstantiae, 1998,18(5):526-532. ]

[28]
Wang J F, Li X H, Christakos G, et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China[J]. International Journal of Geographical Information Science, 2010,24(1):107-127.Physical environment, man‐made pollution, nutrition and their mutual interactions can be major causes of human diseases. These disease determinants have distinct spatial distributions across geographical units, so that their adequate study involves the investigation of the associated geographical strata. We propose four geographical detectors based on spatial variation analysis of the geographical strata to assess the environmental risks of health: the risk detector indicates where the risk areas are; the factor detector identifies factors that are responsible for the risk; the ecological detector discloses relative importance between the factors; and the interaction detector reveals whether the risk factors interact or lead to disease independently. In a real‐world study, the primary physical environment (watershed, lithozone and soil) was found to strongly control the neural tube defects (NTD) occurrences in the Heshun region (China). Basic nutrition (food) was found to be more important than man‐made pollution (chemical fertilizer) in the control of the spatial NTD pattern. Ancient materials released from geological faults and subsequently spread along slopes dramatically increase the NTD risk. These findings constitute valuable input to disease intervention strategies in the region of interest.

DOI

[29]
Wang J F, Hu Y.Environmental health risk detection with GeogDetector[J]. Environmental Modelling & Software, 2012,33:114-115.Human health is affected by many environmental factors. Geographical detector is software based on spatial variation analysis of the geographical strata of variables to assess the environmental risks to human health: the risk detector indicates where the risk areas are; the factor detector identifies which factors are responsible for the risk; the ecological detector discloses the relative importance of the factors; and the interaction detector reveals whether the risk factors interact or lead independently to disease. (C) 2012 Elsevier Ltd. All rights reserved.

DOI

[30]
胡丹,舒晓波,尧波,等.江西省县域人均粮食占有量的时空格局演变[J].地域研究与开发,2014,33(4):157-162.综合运用样带、空间分析、地理探测器等方法分析1997—2010年江西省县域单元人均粮食占有量的时空格局演变及其形成机理。江西省县域人均粮食占有量空间集聚特征明显，呈较明显的圈层分布；全省大部分县域为余粮区，过半数的县域人均粮食有所提高，主要集中于赣中平原和赣北鄱阳湖周边地区。江西省县域人均粮食的空间格局主要受1997年人均粮食占有量与人均耕地面积的影响，仍对农业生产地理基础表现出较大的依赖，粮食政策、市场价格等对区域粮食生产亦有一定影响。样带趋势分析显示14年来全省县域人均粮食的东西向变化较南北向大；样带地理探测分析则有助于深入认识不同农业生产自然条件、不同经济发展水平等县域人均粮食驱动机制的差异。

DOI

[ Hu D, Shu X B, Rao B, et al.The evolvement of spatio-temporal pattern of per capita grain possession in Counties of Jiangxi Province[J]. Areal Research And Development, 2014,33(4):157-162. ]

[31]
毕硕本,计晗,陈昌春,等.地理探测器在史前聚落人地关系研究中的应用与分析[J].地理科学进展,2015,34(1):118-127.遗址—河流距离是史前聚落遗址人地关系研究的重要内容。本文以河南省卢氏县为例,引入地理探测器模型,采用基于<i>P</i><sub><i>D,H</i></sub> 值计算的连续性地理数据最优离散法,获取遗址—河流相关性定量数值,讨论和总结模型中等间距(EI)、百分位(QV)、自然断点(NB)、几何间隔(GI)4 种分类方法,分别在裴李岗时期、仰韶前期、仰韶后期、龙山时期所表现的性能及适用情况;并在此基础上揭示聚落的结构、发展规律、分布和范围规律。研究结果表明:①4个文化时期分别采用NB、QV、NB、GI及其分类数分别为8,8,8,6 时,为离水距离因子的最优离散。该因子对遗址密度分布的决定力分别为39.5%、70.8%、73.0%和59.8%;②洪水切割作用导致河岸两旁的阶地逐渐崩塌,阶地的面积越来越小,古人类为了赢得更多的生存空间,将遗址沿河散开呈条带装分布。当阶地面积小到一定程度,聚落沿河流长度扩展的成本过高,便开始向远离河流部分扩张,因此离河距离因子呈先升后降;③从Q 值提升强度看,NB/EI>GI>QV;从提升效率看,EI/GI>NB>QV;从决定力大小来看,GI>QV/NB>EI;④聚落结构由裴李岗时期的简单、稀疏和松散不断发展,分别在仰韶前、后期和龙山时期出现两极化、三段式,聚落发展影响因素由人口数量增长变为社会内部结构变化,聚落的分布和古人类活动范围距河流约正常人步行1~2.5 h 的距离,且不断扩大。

DOI

[ Bi S B, Ji H, Chen C C, et al.Application of geographical detector in human-environment relationship study of prehistoric settlements[J]. Progress in Geography, 2015,34(1):118-127. ]

[32]
于佳,刘吉平.基于地理探测器的东北地区气温变化影响因素定量分析[J].湖北农业科学,2015,54(19):4682-4687.利用地理探测器,结合Arc GIS技术及线性倾向率方法,对东北地区1960-2011年气温变化情况以及影响因素进行定量分析。研究结果表明,1960-2011年东北地区气温线性倾向率介于0.22~0.64℃/10 a之间,气温呈升高趋势,升温幅度由南向北逐渐增大;影响因子贡献量由大到小为植被类型、地貌类型、湿地率、GDP、土壤类型、人口密度、农田率、气候类型、海拔高度、森林率,自然因子影响气温变化的贡献量大于社会因子;因子之间具有交互作用,主要表现为协同作用和非线性协同作用,社会因子增强了自然因子的贡献量,共同导致气温变化。本研究为更加准确认识气温变化的影响因素及制定有效预防气候变化的相关政策提供科学依据。

DOI

[ Yu J, Liu J P.Quantitative analysis with geographical detector on the influence factor of temperature variation in Northeast China[J]. Hubei Agricultural Sciences, 2015,54(19):4682-4687. ]

[33]
Luo W, Jasiewicz J, Stepinski T, et al.Spatial association between dissection density and environmental factors over the entire conterminous United States[J]. Geophysical Research Letters, Available Online, 2016,43(2):692-700.Carbon cycling in inland waters has been identified as an important, but poorly constrained component of the global carbon cycle. In this study, we compile and analyze particulate organic carbon (POC) concentration data from 1145 U.S. Geological Survey (USGS) gauge stations to investigate the spatial variability and environmental controls of POC concentration. We observe substantial spatial variability in POC concentration (1.43 2.56 mg C/L, mean one standard deviation), with the Upper Mississippi River basin and the Piedmont region in the eastern U.S. having the highest POC concentration. Further, we employ generalized linear models (GLMs) to analyze the impacts of sediment transport and algae growth as well as twenty-one other environmental factors on the POC variability. Suspended sediment and chlorophyll-a explain 26% and 17% of the variability in POC concentration, respectively. At the national level, the twenty-one environmental factors combined can explain ca. 40% of the spatial variance in POC concentration. At the national scale, urban area and soil clay content show significant negative correlations with POC concentration, whereas soil water content and soil bulk density correlate positively with POC. In addition, total phosphorus concentration and dam density correlate positively with POC concentration. Furthermore, regional scale analyses reveal substantial variation in environmental controls of POC concentration across eighteen major water resource regions in the U.S. The POC concentration and associated environmental controls also vary non-monotonically from headwaters to large rivers. These findings indicate complex interactions among multiple factors in regulating POC concentration over different spatial scales and across various sections of the river networks. This complexity, together with the large unexplained uncertainty, highlights the need for considering non-linear interplays of multiple environmental factors and developing appropriate methodologies to track the transformation and transport of POC along the terrestrial-aquatic interfaces.

DOI PMID

[34]
刘彦随,杨忍.中国县域城镇化的空间特征与形成机理[J].地理学报,2012,67(8):1011-1020.本文综合运用样带、地统计、地理探测器等多种研究方法, 分析了1990 年以来中国县域城镇化的时空特征及形成机理。研究表明:①中国县域城镇化水平时空动态的差异特征显著, 北方边境县域高城镇化和东部沿海县域高城镇化形成的“人字形”空间形态逐渐凸显;以武汉都市圈为中心的两湖地区、成渝地区、关中—天水经济区的县域城镇化水平提升较快, 西南地区、青藏高原地区保持较低的城镇化水平;②2000 年以来中国县域城镇化水平及其变化速度的区域差异逐渐缩小, 陇海兰新线、长江沿线、北方边境、106 国道、东部沿海样带县域城镇化差异明显;县域经济发展阶段、固定资产投资、离中心城市距离、二三产业水平、农民人均纯收入、人口密度是影响县域城镇化空间分异的主要因素, 同时粮食生产主导定位、非农业人口统计口径、城镇设置标准等因素也影响县域城镇化水平及发展过程。未来城镇化发展应遵循地域差异, 凸显主导功能, 推进优化与重点发展区的集约型城镇化、耕地与粮食主产区的分流型城镇化、生态与水源保护区的迁移型城镇化, 以及园区与城镇近郊区的融入型城镇化, 实现城乡土地资源集约利用, 促进城镇化进程中人—地—业耦合与协调发展。

DOI

[ Liu Y S, Yang R.The spatial characteristics and formation mechanism of the county urbanization in China[J]. Acta Geographica Sinica, 2012,67(8):1011-1020. ]

Options
Outlines

/

〈 〉