陈思名，霍艾迪，2，张 丹，陈四宾，赵志欣，陈 建

(1.长安大学水利与环境学院，陕西 西安 710054；2.长安大学旱区地下水文与生态效应教育部重点实验室，陕西 西安 710054；3.中国科学院地理科学与资源研究所，北京 100101)

干旱灾害是全球发生频率最高、持续时间最长、影响面最广的气象灾害[1]。据联合国发布的《灾害造成的人类损失2000―2019》报告中指出，2000―2019年期间发生了338起干旱事件，造成经济损失高达1280亿美元。近年来随着全球气候变化的影响，干旱已成为中国最严重的自然灾害之一[2-3]。2017年中国气象灾害年鉴显示，2012―2016年干旱造成我国经济损失高达443亿美元，约占所有气象灾害直接经济损失的15.6%[4]。政府间气候变化专门委员会(IPCC)第五次评估报告(AR5)指出，全球平均温度将持续升高，极端干旱事件发生频率不断增大[5]，未来干旱形势将更加严峻[6]，寻求抗旱减灾良策已是迫在眉睫[7]。

干旱灾害风险是指干旱的发生发展过程对社会、经济及生态环境造成影响和危害的概率与程度[8]。干旱灾害风险评估可以表征区域发生旱灾的形式和程度，是制定综合防灾减灾对策的基础[9]。近年来，中国经济发展的空间格局发生了深刻转变，尤其是黄河流域生态保护和高质量发展己成为亟待解决的关键问题[10-11]。陇东黄土塬区属典型雨养农业区，且地处我国生态环境脆弱带[12-13]，是典型的干旱缺水区。由于气温升高及降雨偏少，陇东黄土塬区干旱化趋势不断加剧[14]。近年来，相关学者针对黄土塬区旱灾风险做出了大量研究。王莺[15]结合相关气象数据对甘肃省河东地区气象干旱灾害风险进行评估；肖志强等[16]分析了黄土塬区东南部近40 a平均干旱年频率，分析了气候特征对农业生产的影响及对旱灾风险进行了评估；贾建英等[17]对甘肃省冬小麦进行了干旱灾害风险评估及区划；赵冬青等[18]利用陇东黄土塬区冬小麦、春玉米等数据资料对农业综合旱灾风险进行评估。以上研究均能清晰地反映研究区的旱灾风险状况，为抗旱减灾行动提供了行之有效的方案，但对旱灾风险的评估主要偏重于农业方面[19-21]，且由于所用遥感数据精度的限制，精细化程度还有待进一步提高。基于此，本文结合黄土塬区气候特征及干旱事件发生规律，利用遥感、经济等数据开展甘肃省庆阳市旱灾风险评价研究，构建切实反映陇东黄土塬区旱灾风险的评价模型，及时评估庆阳市旱灾风险，不仅对陇东黄土塬区抗旱减灾具有重大意义，也是推动黄河流域高质量发展的重要任务之一。本文以百米级尺度(空间分辨率为0.1°×0.1°)进行庆阳市旱灾风险评价与区划分析，以期有效提高数据空间分辨率，反映更为精细的风险性空间分异特征。

1 研究区概况和数据来源

1.1 研究区概况

甘肃省庆阳地区位于甘肃省东部、黄河中游，地跨106°20′～108°45′E，35°15′～37°31′N，辖西峰区、庆城、华池、宁县、镇原、合水、正宁和环县1区7县，总面积为27 119 km2(图1，见201YE页)。地势呈现北高南低的趋势，海拔855～2 089 m，最高处是北部马家大山；中南部属于黄土高塬沟壑区，有数十条塬面，其中最大的董志塬是农作物的主产区。庆阳市地处干旱半干旱大陆性季风气候区，受季风气候的影响，降雨主要集中在7―9月，年平均降雨量为432.6～665 mm，年际变化大，降雨分布极不均匀，在空间分布上呈东南向西北递减的趋势。由于地形地貌对水资源分布的显著影响，降雨是全市主要的水资源补充[22]。该地区干旱灾害频繁发生，有“三年一旱，十年一大旱”之说。

图1 庆阳市行政区划及高程图

1.2 数据来源

本研究选取的数据主要有：

(1)基础地理数据：庆阳市县级行政区划数据、数字高程模型(DEM)数据、帕默尔干旱指数(PDSI)数据、植被覆盖指数(NDVI)数据、地表温度(LST)数据、地表覆盖数据、土壤湿度数据，其中甘肃省1∶4×106县级行政区划数据集来源于国家地球系统科学数据中心，数字高程模型(DEM)数据来源于美国航空航天局(http://srtm.csi.cgiar.org/srtmdata/)，全球PDSI数据以及土壤湿度数据来源于气候学加州大学梅塞德分校实验室(http://www.climatologylab.org/)，植被指数数据和地表温度数据均来源于NASA发布的遥感影像数据(https://ladsweb.modaps.eosdis.nasa.gov/)，地表覆盖数据来源于国家基础地理信息中心(http://www.globallandcover.com/)。

(2)社会经济数据：GDP、人口格网数据来源于国家地球系统科学数据中心(http://www.geodata.cn/)

2 研究方法

首先确定干旱灾害风险评估系统的构成要素，再利用层次分析法计算各项指标因子的权重，并通过GIS软件对各项要素所包含的单项指标进行归一化处理，最终形成庆阳市干旱灾害风险区划结果，其技术路线如图2。

图2 庆阳市干旱灾害风险区划研究技术框架

2.1 层次分析法

层次分析法(Analytic hierarchy process, AHP)是将一个复杂的多目标决策问题表示为有序的递阶层次结构[23]。其步骤为：首先建立层次结构模型，将旱灾风险的组成要素按照目标层、准则层和指标层进行划分；其次构建权重判断矩阵，根据指标的相对重要程度进行两两比较并参照SAATY[24]给出的比例标准度构建判断矩阵并计算权重；最后进行一致性检验，由于主观判断可能造成结果发生偏离，因此需对结果进行检验，使其符合满意一致性。以上算法均通过Matlab实现。

2.2 指标因子归一化

干旱灾害风险评估是由多因子共同决定，各因子量纲单位不同。为了消除各指标下因子的量纲影响，需对各因子进行[0,1]归一化处理。按照指标性质的不同，可分为正向指标和负向指标[25]。

正向指标是所反映的风险要素指标xi对应的值越大，风险性越高，计算公式为：

yi=(xi-xmin)/(xmax-xmin)

(1)

负向指标是所反映的风险要素指标xi对应的值越大，风险性越低，计算公式为：

yi=(xmax-xi)/(xmax-xmin)

(2)

式(1)(2)中,xi为各分项指标的像元值，xmax、xmin分别为指标xi的最大值和最小值。

2.3 基于图层叠置法的风险评估模型

基于IPCC AR5提出的“灾害胁迫—社会脆弱性—暴露”的自然灾害风险评价体系[5]，综合考虑干旱灾害风险的特征及影响因素，构建基于“致灾因子危险性(Hazard, H)-承灾体暴露度(Exposure, E)-孕灾环境脆弱性(Vulnerability, V)”的庆阳市干旱灾害风险评估框架。

旱灾风险指数是评估风险结果的依据，其分项指标公式为：

(3)

式中，X为分项指标数值，即旱灾风险指标要素值，Wi为各分项指标因子的权重。

根据图层叠置法以及公式(3)，得到旱灾风险评估综合指数R的表达式为：

R=f(H,E,V)=f1(H)+f2(E)+f3(V)

(4)

式中，H为致灾因子危险性，E为承灾体暴露度，V为孕灾环境脆弱性。

2.3.1 致灾因子危险性模型构建 对于干旱风险的致灾因子危险性评估首先要确定干旱指数。PDSI结合水文和气候等多方面因素，主要包含降水、蒸散量、径流量等数据，相比于其他干旱指数有更好的适用性和时序性。韩宇平等[26]通过对典型旱灾各种干旱指标的适用性分析，发现PDSI更能反映海河流域的历史干旱分布及趋势；唐红玉等[27]通过对PDSI和Z指数两种指标在西北干旱地区监测应用中的差异性分析，表明PDSI更能客观反映当地实际干旱情势；张振伟等[28]通过多年平均PDSI值对甘肃省的干旱频次和空间分布做了系统研究，总结出甘肃省干旱时空变化特征；张洪波等[29]通过对泾河流域的干旱评估分析，表明PDSI能有效表征研究区的干旱情况。因此，本研究选用PDSI作为衡量庆阳市干旱致灾因子的指标。干旱致灾因子危险性模型为：

I(H)=h

(5)

式中，I(H)为致灾因子危险性指数，h为PDSI数据归一化后的像元值。

通过ArcGIS 10.3对PDSI数据进行插值分析和归一化处理得到研究区致灾因子危险性分布区划图(图3)。分析表明，庆阳市危险性呈现从南部向东部递增的趋势，其中危险性最高的区域为环县，固原县、庆城县以及华池县危险性较高，西峰区、合水县危险性属中等偏低，宁县危险性较低，危险性最低的区域为正宁县。

图3 庆阳市致灾因子危险性空间分布图

2.3.2 承灾体暴露度模型构建 承灾体暴露度是指一个地区在经济、社会、基础设施上所能承受的不利影响[30]。人口作为干旱灾害的承灾体，其空间分布差异信息对旱灾暴露度评价具有重要作用，是受其影响最直接、最显著的指标[31]，而GDP是社会经济发展的关键指标[32]。因此，选用人口格网和GDP数据作为衡量研究区暴露度的因子。人口数量越多，国民生产总值越高，可能承受灾害的范围越大，因干旱导致的经济损失越大，承灾体暴露度越高。利用层次分析法计算各分项因子权重，依据(3)式建立承灾体暴露度模型：

I(E)=0.25e1+0.75e2

(6)

式中，I(E)为承灾体暴露度指数，e1、e2为人口、GDP归一化后的像元值。

通过ArcGIS 10.3空间叠加工具，对研究区暴露度指标进行图层叠加，得到庆阳市干旱承灾体暴露度及其空间分布(图4)。从图中可以看出，庆阳市整体暴露度程度不大，但由于西峰区为庆阳市人口密集区，因此暴露度最高。

图4 庆阳市承灾体暴露度空间分布图

2.3.3 孕灾环境脆弱性模型构建 孕灾环境脆弱性是反映某地区由于自然环境和人为因素导致灾害发生的概率[33]。张学玲[34]提出评价孕灾环境脆弱性指标的潜在因子和胁迫因子包括地形地貌、水文气候、植被覆盖、土地利用等。王连喜等[35]认为土地利用类型是脆弱性评价的一个必要指标。大量前期研究表明，植被指数、土壤湿度、地表温度可以及时准确地反映旱情发生的范围和程度。根据研究区的脆弱性表征，选用土地利用、植被指数、土壤湿度以及地表温度4个因子综合评估庆阳市孕灾环境脆弱性特征。土地利用类型复杂，通过脆弱性赋值对其进行归一化处理[35]；植被指数、土壤湿度与孕育环境脆弱性呈负相关；地表温度与脆弱性呈正相关。利用层次分析法对各因子进行量化加权，依据(3)式建立孕灾环境脆弱性模型：

I(V)=0.286v1+0.394v2+0.223v3+0.097v4

(7)

式中，I(V)为孕灾环境脆弱性指数，v1、v2、v3、v4分别表示土地覆盖、植被指数、土壤湿度、地表温度归一化处理后的像元值。

通过ArcGIS 10.3空间叠加工具，将研究区脆弱性各分项指标作为叠加图层，得到庆阳市干旱灾害孕灾环境脆弱性及其空间分布(图5)。从整体分布上来看，庆阳市北部地区脆弱性最高，东部地区脆弱性最低。脆弱性较高的区域主要集中在环县北部、西峰区中部地区。

图5 庆阳市孕灾环境脆弱性空间分布图

2.3.4 干旱风险性模型构建 根据以上构建的致灾因子危险性、承灾体暴露度和孕灾环境脆弱性模型，并针对各项指标对干旱灾害的贡献大小，利用层次分析法分别赋予权重，依据(3)(4)式构建庆阳市干旱灾害风险综合评估模型：

R=0.405I(H)+0.114I(E)+0.481I(V)

(8)

式中，R为干旱灾害风险评估综合指数，I(H)为致灾因子危险性指数，I(E)为承灾体暴露度指数，I(V)为孕灾环境脆弱性指数。

通过ArcGIS 10.3空间叠加工具，将研究区风险性评估各分项指标进行图层叠加，得到庆阳市干旱灾害综合风险指数的空间分布(图6)。从图中可以看出，庆阳市高风险地区主要集中在环县北部和西峰区；次高风险地区位于环县中部、华池县北部以及镇原县北部；中风险地区位于镇原县南部、庆城县南部、华池县南部、正宁县西部以及宁县南部；次低风险地区位于宁县东部以及合水县南部；低风险地区位于华池县东南部、合水县东部、宁县东部以及正宁县大部分地区。

3 结果与分析

基于GIS的空间分析功能，利用自然断点法将庆阳地区干旱灾害综合风险划分为5个等级，其标准为：干旱综合风险指数为0.075～0.257、0.257～0.323、0.343～0.402、0.402～0.459、0.549～0.798，分别为低风险区、次低风险区、中风险区、次高风险区以及高风险区(表1、图7)。

图7 庆阳市干旱灾害风险等级图

表1 庆阳市干旱综合风险区划结果统计

(1)高风险区：高风险区占庆阳市总面积的11.30%，主要集中在环县北部以及庆阳市中心地区。由于环县北部海拔高，地形地貌以黄土丘陵沟壑区为主，年均蒸发量大约为降雨量的6倍，致灾因子危险性高。西峰区是庆阳市的政治经济文化中心，人口集中，建筑物覆盖度极高，承灾体暴露度高。

(2)次高风险区：次高风险区占庆阳市总面积的24.90%，主要分布在环县中部、华池县北部以及镇原县北部地区。以上地区海拔较高，土地利用以耕地为主，孕育环境脆弱性较高，因而风险性较高。(3)中风险区：中风险区占庆阳市总面积的30.96%，主要分布在镇原县南部、庆城县南部、华池县南部、正宁县西部以及宁县南部地区。以上地区建筑覆盖度较高，土地利用以耕地为主，部分为草地，致灾因子风险性指数以及孕育环境脆弱性指数分布均在0.5左右。(4)次低风险区：次低风险区占庆阳市总面积的18.54%，主要分布在宁县东部以及合水县南部。以上地区海拔低，土地利用以草地为主，少部分为耕地，致灾因子危险性低。(5)低风险区：低风险区占庆阳市总面积的14.3%。从整体来看，主要集中在庆阳市东部，即华池县东南部、合水县东部、宁县东部以及正宁县大部分地区。以上地区森林覆盖度大，人口密度也比较低，孕灾环境脆弱性以及承灾体暴露度低，因而风险性低。

对庆阳市各区县风险等级做分区统计得到其风险等级占比(图8)。经分析可得，高风险区和次高风险区主要集中在西峰区、环县，面积占比分别为76.92%、63.02%；中风险区主要为镇原县、庆城县，面积占比分别为54.61%、50.64%；次低风险区和低风险区主要分布在正宁县、合水县、宁县，面积占比分别为86.12%、85.99%、71.29%。该结果可以更直观地反映各区县的风险严重程度，西峰区、环县两个地区中、高风险等级占比大，应加强抗旱减灾预警行动。

图8 庆阳市各区县风险等级分区统计

4 讨 论

本文根据黄土塬区的气候特征及旱灾成因选取了7个指标来评估庆阳地区的干旱灾害风险。从结果来看，庆阳地区干旱的形成受气候、地形、人为因素共同作用的影响。通过对比赵玉娟、沈鸿飞等[12,36]对庆阳市区域生态以及干旱的特征分析，由于选取旱灾成因指标略有不同，赵玉娟从农业方面分析了气象干旱对于庆阳市农作物成灾面积的年际变化特征，沈鸿飞从生态环境状况角度出发，未考虑人口密度与GDP因素，因此在分析庆阳市西峰区的结果上略有偏低，其余各县结果有较好的一致性。西峰区作为庆阳市的经济政治文化中心，其人口密度、GDP相对较大，导致承灾体暴露度大，其旱灾风险性较大。通过对比与前人研究，由于人口密度、GPD与庆阳地区的旱灾风险息息相关，本文在评估旱灾风险的指标中增加了这两个因子，进一步完善了评价结果，使其更符合实际。

本文可为降低区域干旱灾害风险提供有效参考，但干旱灾害风险系统的组成包含诸多影响因子，本文从研究区的实际情况以及数据的易获得性出发，仅选取代表性强的影响因子(人口密度和GDP)来评估干旱风险。实际上，在考虑承灾体的时候，产业结构、布局、可获得水资源的距离等都有一定的影响。因此，在今后的研究中，要更加注重干旱灾害风险评价指标的多元化以及采用高精度遥感数据。

5 结 论

庆阳地区致灾因子危险性具有明显的地带性分布规律，呈现从东南向西北递增的空间格局，高危险性主要分布于环县地区；孕灾环境脆弱性指数呈现“东高西低”的空间分布特征，高脆弱性主要分布于环县北部、西峰区中心地带；承灾体暴露度较大的区域主要为经济发展较好的西峰区。

旱灾风险性区划具有明显的空间差异，北部风险高于南部，西部风险高于东部。高风险区占庆阳市总面积的11.30%，主要分布于环县北部以及西峰区；次高风险区及中风险区占总面积的55.86%，主要集中在环县中部、镇原县、庆城县以及华池县；次低风险区占总面积的18.54%，主要分布在宁县东部以及合水县南部；低风险区占总面积的14.3%，主要分布在华池县东南部、合水县东部、宁县东部以及正宁县大部分地区。