劉偉康 張 慧

(東北農(nóng)業(yè)大學(xué)，黑龍江哈爾濱150030)

基于GIS和RS的哈爾濱淹沒(méi)經(jīng)濟(jì)損失風(fēng)險(xiǎn)評(píng)估

劉偉康 張 慧

(東北農(nóng)業(yè)大學(xué)，黑龍江哈爾濱150030)

基于地理信息系統(tǒng)GIS技術(shù)構(gòu)建數(shù)字高程模型，采用平面模擬方法參照120.89 m水位對(duì)哈爾濱市淹沒(méi)風(fēng)險(xiǎn)預(yù)測(cè)，運(yùn)用地理信息系統(tǒng)GIS與遙感RS技術(shù)相結(jié)合的方法獲取了哈爾濱市區(qū)土地利用現(xiàn)狀空間分布信息，并用其將社會(huì)經(jīng)濟(jì)信息進(jìn)行空間展布，對(duì)淹沒(méi)區(qū)產(chǎn)業(yè)類(lèi)型分布圖和淹沒(méi)深度進(jìn)行矢量疊加分析，并依據(jù)經(jīng)濟(jì)信息進(jìn)行淹沒(méi)經(jīng)濟(jì)損失風(fēng)險(xiǎn)評(píng)估。評(píng)估結(jié)果顯示，淹沒(méi)經(jīng)濟(jì)風(fēng)險(xiǎn)最高的區(qū)域主要分布在道里區(qū)和道外區(qū)，其次為松北區(qū)、呼蘭區(qū)和香坊區(qū)。

地理信息系統(tǒng);空間展布模型;經(jīng)濟(jì)損失風(fēng)險(xiǎn);評(píng)估

引言

松花江水資源豐富，洪澇災(zāi)害頻繁，極大地影響著沿岸城市的經(jīng)濟(jì)發(fā)展。哈爾濱市位于松花江沿岸，是黑龍江省省會(huì)，是中國(guó)東北北部政治、經(jīng)濟(jì)和文化的中心，也是中國(guó)省轄市中面積最大、人口居第二位的特大城市，淹沒(méi)風(fēng)險(xiǎn)較高。對(duì)哈爾濱市進(jìn)行洪災(zāi)經(jīng)濟(jì)損失風(fēng)險(xiǎn)評(píng)價(jià)能夠?yàn)榉篮楣ぷ魈峁┲匾獏⒖肌?/p>

洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估主要包括洪水危險(xiǎn)性評(píng)價(jià)、洪水易損性評(píng)價(jià)、洪水損失評(píng)估、洪水災(zāi)害綜合風(fēng)險(xiǎn)評(píng)估等，是對(duì)洪水災(zāi)害危險(xiǎn)性、易損性等方面的綜合評(píng)價(jià)與分析。開(kāi)展洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估對(duì)于加強(qiáng)災(zāi)害預(yù)警，規(guī)避洪澇風(fēng)險(xiǎn)，發(fā)展洪澇保險(xiǎn)具有重要基礎(chǔ)作用，是進(jìn)行洪澇災(zāi)害風(fēng)險(xiǎn)管理及決策的重要科學(xué)依據(jù)?；贕IS洪災(zāi)損失分析技術(shù)是一種將GIS技術(shù)、數(shù)據(jù)庫(kù)技術(shù)、淹沒(méi)范圍及淹沒(méi)深度模擬、遙感信息獲取與分析、資產(chǎn)評(píng)價(jià)與預(yù)測(cè)分析相結(jié)合的基于空間分析技術(shù)的洪災(zāi)損失評(píng)價(jià)模式。它的優(yōu)勢(shì)就是將GIS空間分析技術(shù)引入到淹沒(méi)損失評(píng)估系統(tǒng)中，實(shí)現(xiàn)定量、定位地進(jìn)行淹沒(méi)損失評(píng)價(jià)，與傳統(tǒng)的統(tǒng)計(jì)評(píng)估相比，能更好地服務(wù)于抗災(zāi)救災(zāi)和減災(zāi)規(guī)劃中。

對(duì)洪水災(zāi)害損失風(fēng)險(xiǎn)評(píng)估的研究，國(guó)外一些發(fā)達(dá)國(guó)家比較早，洪水保險(xiǎn)普及也比較早，評(píng)估所需的基本資料相對(duì)較完整，并在防洪減災(zāi)、土地利用開(kāi)發(fā)與保護(hù)中發(fā)揮重要的作用。我國(guó)洪災(zāi)損失評(píng)估研究始于20世紀(jì)80年代末期，近年隨著RS和GIS技術(shù)的集成應(yīng)用的逐步發(fā)展，洪水損失評(píng)估也有了較大進(jìn)展。

中國(guó)對(duì)洪水災(zāi)害損失評(píng)價(jià)的研究起步較晚，基礎(chǔ)資料薄弱，研究方法和預(yù)測(cè)模型不夠成熟。近年來(lái)，隨著GIS和RS技術(shù)的集成應(yīng)用的逐步發(fā)展，該技術(shù)被應(yīng)用到洪水淹沒(méi)范圍模擬和經(jīng)濟(jì)損失預(yù)測(cè)研究中，并取得較好效果。陳秀萬(wàn)等利用洪水時(shí)遙感水體提取模型計(jì)算淹沒(méi)范圍，孫海等基于DEM模擬洪水淹沒(méi)范圍，較好地反映了水體的淹沒(méi)范圍，王艷艷等構(gòu)建了基于洪水模擬演進(jìn)的洪水災(zāi)害評(píng)價(jià)模型，通過(guò)洪水的水情信息模擬淹沒(méi)范圍;在評(píng)價(jià)單元的選取上，丁志雄提出了以空間信息格網(wǎng)為評(píng)價(jià)單元，李紀(jì)人提出利用空間展布的方式將社會(huì)經(jīng)濟(jì)數(shù)據(jù)展布到研究區(qū)內(nèi)土地利用類(lèi)型數(shù)據(jù)上從而完成淹沒(méi)區(qū)域經(jīng)濟(jì)損失的預(yù)測(cè)，較以行政區(qū)為單位，利用傳統(tǒng)的統(tǒng)計(jì)分析方法得到的經(jīng)濟(jì)損失結(jié)果在準(zhǔn)確性上有很大提高。

一、研究區(qū)概況

哈爾濱市位于黑龍江省南部，松花江干流中游江畔，地跨松花江南北兩岸，松花江干流由西向東貫穿哈爾濱市地區(qū)中部，成為全市灌溉量最大的河，市區(qū)主要分布在松花江形成的三級(jí)階地上，境內(nèi)的大小河流均屬于松花江水系和牡丹江水系，使得哈爾濱水資源具有過(guò)境水量大，并且時(shí)空分布不均的特點(diǎn)，形成了哈爾濱防洪的嚴(yán)峻形勢(shì)。

松花江是黑龍江最大的支流，流經(jīng)黑龍江、內(nèi)蒙古、吉林三省(區(qū))，溝通了哈爾濱、佳木斯、齊齊哈爾、吉林等主要工業(yè)城市及黑龍江、烏蘇里江國(guó)際界河。全長(zhǎng)1 900公里，流域面積54.56萬(wàn)平方公里，占東北三省總面積69.32%。流域年平均降水量比較充沛，水資源較豐富。

哈爾濱市自開(kāi)阜以來(lái)，多次遭受洪水侵襲。從1898年有水文資料記載至今的百年間共發(fā)生超過(guò)4 500秒立方米的洪水30次，相當(dāng)于三至四年發(fā)生一次;超過(guò)8 500秒立方米的大洪水10次，相當(dāng)于十年發(fā)生一次。其中，1932年洪水水位為119.72米，23.8萬(wàn)人受災(zāi)，占當(dāng)年市區(qū)人口38萬(wàn)人的近2/3，損失慘重。1957年洪水水位為120.30米，還原洪峰流量為146 000秒立方米，超過(guò)1932年最高水位0.58米，高水位持續(xù)了20多天。這次洪水造成直接經(jīng)濟(jì)損失5 000萬(wàn)元。1998年松花江發(fā)生了超一百五十年一遇的特大洪水。最高洪水位為120.89米，最大洪峰流量為17 400秒立方米。哈爾濱市11個(gè)縣市，132個(gè)鄉(xiāng)鎮(zhèn)、1030個(gè)自然村受災(zāi)。1998年特大洪水全市累計(jì)上堤搶險(xiǎn)66 514萬(wàn)人次，搶險(xiǎn)投入經(jīng)費(fèi)約10億，外洪內(nèi)澇和抗洪搶險(xiǎn)給全市造成的經(jīng)濟(jì)損失約40億元。

二、研究方法與研究步驟

基于GIS和RS技術(shù)對(duì)洪災(zāi)損失預(yù)測(cè)與基于傳統(tǒng)的統(tǒng)計(jì)分析的預(yù)測(cè)相比，能更好地實(shí)現(xiàn)災(zāi)害損失的空間定位。本研究采用數(shù)字高程模型進(jìn)行洪水淹沒(méi)范圍模擬，并疊加以淹沒(méi)深度數(shù)據(jù)和土地利用類(lèi)型數(shù)據(jù)，進(jìn)行離散化處理，利用空間展布模型進(jìn)行淹沒(méi)區(qū)經(jīng)濟(jì)損失風(fēng)險(xiǎn)評(píng)估。

1.數(shù)字高程模型的構(gòu)建

以1∶5萬(wàn)地形圖為底圖對(duì)等高線進(jìn)行矢量化，并進(jìn)行等高線內(nèi)插，生成基礎(chǔ)高程為109.89 m，等高距為1m的等高線地形圖。

2.洪水淹沒(méi)風(fēng)險(xiǎn)分級(jí)

洪水淹沒(méi)區(qū)水面是一個(gè)復(fù)雜曲面，它的模擬方法主要包括三種:平面模擬、斜平面模擬和曲面模擬。平面模擬在這三種方法中是最簡(jiǎn)捷的，也是最容易實(shí)現(xiàn)與土地利用現(xiàn)狀數(shù)據(jù)疊加分析的方法。

造成洪水淹沒(méi)的原因有多種，主要包括當(dāng)?shù)亟邓蜕嫌蝸?lái)水。按照洪水淹沒(méi)的成因，可以將洪水淹沒(méi)分為兩大類(lèi):無(wú)源淹沒(méi)和有源淹沒(méi)?！盁o(wú)源淹沒(méi)”指由降水造成的水位上升，凡是高程低于給定水位的區(qū)域都為淹沒(méi)區(qū)?！坝性囱蜎](méi)”指由于上游來(lái)水造成的淹沒(méi)，即洪水只淹沒(méi)它能流到的地方，與水源不連通的低洼地不構(gòu)成淹沒(méi)。本研究區(qū)的淹沒(méi)原因多為上游來(lái)水淹沒(méi)，因此與松花江不連通的洼地不在淹沒(méi)范圍內(nèi)。

本研究采用對(duì)松花江淹沒(méi)水面進(jìn)行有源淹沒(méi)的平面模擬。按照淹沒(méi)區(qū)域單位面積的經(jīng)濟(jì)損失累計(jì)分布頻率的20%、40%、60%、80%、100%將經(jīng)濟(jì)風(fēng)險(xiǎn)分為5級(jí)。

3.淹沒(méi)區(qū)土地利用類(lèi)型信息獲取

本研究采用4景2009年夏季中巴資源衛(wèi)星影像，空間分辨率為19.5 m。在ERDAS軟件平臺(tái)上，利用1∶5萬(wàn)地形圖，對(duì)遙感圖像進(jìn)行幾何精校正和配準(zhǔn)。

利用Arcgis軟件，對(duì)預(yù)處理后的遙感影像進(jìn)行解譯。首先，依據(jù)遙感影像特征建立解譯標(biāo)志;然后，采取主成分分析和傅里葉變換等遙感影像增強(qiáng)方法，并結(jié)合解譯標(biāo)志與野外踏察進(jìn)行綜合分析，進(jìn)行圖斑的矢量化與屬性賦值。本文依據(jù)社會(huì)經(jīng)濟(jì)數(shù)據(jù)分析和洪水淹沒(méi)經(jīng)濟(jì)損失預(yù)測(cè)的需要，將土地利用類(lèi)型分為農(nóng)用地、工業(yè)用地、第三產(chǎn)業(yè)用地、農(nóng)村居住用地、城鎮(zhèn)居住用地和其他土地。

4.社會(huì)經(jīng)濟(jì)信息空間展布

通常統(tǒng)計(jì)部門(mén)公布的社會(huì)經(jīng)濟(jì)信息是以行政單位為統(tǒng)計(jì)單元，很難體現(xiàn)信息在行政單元內(nèi)部的空間分布的不均勻性。本研究采用了空間展布模型，該模型是將社會(huì)經(jīng)濟(jì)信息展布到產(chǎn)生或影響該信息的地塊上，以獲得社會(huì)經(jīng)濟(jì)數(shù)據(jù)空間分布密度，然后再通過(guò)社會(huì)經(jīng)濟(jì)數(shù)據(jù)的空間分布密度將社會(huì)經(jīng)濟(jì)數(shù)據(jù)落實(shí)到每一塊圖斑。

本文的社會(huì)經(jīng)濟(jì)數(shù)據(jù)主要來(lái)自于《哈爾濱年鑒2010》《2010年哈爾濱市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》，以及哈爾濱市統(tǒng)計(jì)局相關(guān)調(diào)查數(shù)據(jù)。依據(jù)已獲取的土地利用數(shù)據(jù)和社會(huì)經(jīng)濟(jì)資料計(jì)算各區(qū)不同產(chǎn)業(yè)經(jīng)濟(jì)指標(biāo)的分布密度，計(jì)算公式如下:

式中Pi為某產(chǎn)業(yè)生產(chǎn)總值(元)，Ai為某產(chǎn)業(yè)用地總面積(m2);Di為該產(chǎn)業(yè)產(chǎn)值的空間分布密度(元.m－2)，i為與土地利用類(lèi)型相對(duì)應(yīng)的某產(chǎn)業(yè)類(lèi)型。

按照行政區(qū)和產(chǎn)業(yè)類(lèi)型分別將社會(huì)經(jīng)濟(jì)數(shù)據(jù)分布密度乘以地類(lèi)圖斑面積，得到每塊圖斑上承擔(dān)的經(jīng)濟(jì)數(shù)據(jù)。依據(jù)淹沒(méi)區(qū)范圍，分別對(duì)淹沒(méi)區(qū)范圍內(nèi)的呼蘭區(qū)、松北區(qū)、道里區(qū)、道外區(qū)和香坊區(qū)的社會(huì)經(jīng)濟(jì)數(shù)據(jù)按照產(chǎn)業(yè)類(lèi)型進(jìn)行空間展布。

5.淹沒(méi)區(qū)經(jīng)濟(jì)損失風(fēng)險(xiǎn)評(píng)估

淹沒(méi)區(qū)的經(jīng)濟(jì)損失風(fēng)險(xiǎn)通過(guò)單位面積的經(jīng)濟(jì)損失來(lái)體現(xiàn)。

通常洪災(zāi)造成的經(jīng)濟(jì)損失主要包括直接經(jīng)濟(jì)損失、間接經(jīng)濟(jì)損失和搶險(xiǎn)救災(zāi)費(fèi)用三部分。直接經(jīng)濟(jì)損失主要指由于洪災(zāi)造成的財(cái)產(chǎn)破壞、損毀和由于產(chǎn)業(yè)停產(chǎn)、減產(chǎn)造成的經(jīng)濟(jì)損失。間接經(jīng)濟(jì)損失指本身并未與洪水直接接觸，而是由于存在同直接受災(zāi)的對(duì)象有著生產(chǎn)上或其他方面聯(lián)系而受到的經(jīng)濟(jì)損失。由于間接經(jīng)濟(jì)損失是與直接經(jīng)濟(jì)損失派生出的相關(guān)聯(lián)的損失，且與直接損失存在一定比例關(guān)系，國(guó)際較為通用的方法是采用經(jīng)驗(yàn)系數(shù)法進(jìn)行估算。

本研究中預(yù)測(cè)的經(jīng)濟(jì)損失包括直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失兩部分，不包括防洪和搶險(xiǎn)救災(zāi)方面造成的經(jīng)濟(jì)損失。借鑒國(guó)內(nèi)外間接經(jīng)濟(jì)損失經(jīng)驗(yàn)系數(shù)，并依據(jù)哈爾濱市的實(shí)際情況，確定不同行業(yè)和部門(mén)的間接損失率分別為農(nóng)業(yè)17%，工業(yè)25%，第三產(chǎn)業(yè)30%，住宅區(qū)17%。

間接經(jīng)濟(jì)損失的計(jì)算公式如下:

式中，Sj為某產(chǎn)業(yè)間接經(jīng)濟(jì)損失(元);Dj某產(chǎn)業(yè)直接經(jīng)濟(jì)損失(元);K為反映間接損失與直接損失的相關(guān)系數(shù);j為某產(chǎn)業(yè)類(lèi)型。

淹沒(méi)區(qū)地類(lèi)圖斑的洪災(zāi)經(jīng)濟(jì)損失風(fēng)險(xiǎn)具體計(jì)算公式可表示為如下形式:

式中M為淹沒(méi)區(qū)地類(lèi)圖斑的經(jīng)濟(jì)損失風(fēng)險(xiǎn)(級(jí));式中β表示直接經(jīng)濟(jì)損失率(%)，即洪災(zāi)區(qū)財(cái)富損失與原有財(cái)富總值之比;i為某產(chǎn)業(yè)類(lèi)型，j為某行政分區(qū)，d為淹沒(méi)深度(米);A為承擔(dān)的社會(huì)經(jīng)濟(jì)數(shù)據(jù)(元);K為間接經(jīng)濟(jì)損失與直接經(jīng)濟(jì)損失的相關(guān)系數(shù)。

本研究以1998年各產(chǎn)業(yè)經(jīng)濟(jì)損失為參考，在綜合統(tǒng)計(jì)淹沒(méi)區(qū)的分類(lèi)資產(chǎn)的基礎(chǔ)上，建立直接經(jīng)濟(jì)損失率與各產(chǎn)業(yè)類(lèi)型和淹沒(méi)風(fēng)險(xiǎn)關(guān)系表，以確定k值。

圖1 哈爾濱市淹沒(méi)經(jīng)濟(jì)風(fēng)險(xiǎn)圖

三、經(jīng)濟(jì)損失風(fēng)險(xiǎn)評(píng)估

綜合淹沒(méi)風(fēng)險(xiǎn)和社會(huì)經(jīng)濟(jì)信息因素對(duì)哈爾濱市的淹沒(méi)經(jīng)濟(jì)損失風(fēng)險(xiǎn)進(jìn)行評(píng)估得出以下結(jié)論:

(1)哈爾濱市區(qū)范圍內(nèi)淹沒(méi)經(jīng)濟(jì)風(fēng)險(xiǎn)最高區(qū)域主要分布在道里區(qū)和道外區(qū)，其次分布在松北區(qū)、呼蘭區(qū)和香坊區(qū)，南崗區(qū)、平房區(qū)和阿城區(qū)淹沒(méi)經(jīng)濟(jì)風(fēng)險(xiǎn)最低。

(2)對(duì)哈爾濱市各區(qū)的總經(jīng)濟(jì)損失進(jìn)行匯總統(tǒng)計(jì)。其中，松北區(qū)總經(jīng)濟(jì)損失最高，占整個(gè)淹沒(méi)區(qū)經(jīng)濟(jì)損失的39%。在其損失的構(gòu)成中，該區(qū)城鎮(zhèn)住宅與家財(cái)損失相對(duì)于其他各區(qū)處于較低水平，其他各產(chǎn)業(yè)類(lèi)型經(jīng)濟(jì)損失均處于最高水平;總經(jīng)濟(jì)損失處于第二和第三位的是呼蘭區(qū)和道外區(qū)，分別占整個(gè)淹沒(méi)區(qū)經(jīng)濟(jì)損失的27%和20%;香坊區(qū)的經(jīng)濟(jì)損失最小，僅占淹沒(méi)區(qū)總經(jīng)濟(jì)損失的2%(圖2)。

圖2 哈爾濱市各區(qū)洪災(zāi)經(jīng)濟(jì)

四、結(jié)論與討論

通過(guò)對(duì)洪水淹沒(méi)經(jīng)濟(jì)損失風(fēng)險(xiǎn)的評(píng)估，可以看出，道里區(qū)和道外區(qū)的單位面積經(jīng)濟(jì)損失風(fēng)險(xiǎn)高于其他各區(qū)，應(yīng)為哈爾濱市的防洪重點(diǎn)區(qū)域，呼蘭區(qū)和松北區(qū)地勢(shì)相對(duì)較低，又是正在建設(shè)的新城區(qū)，淹沒(méi)風(fēng)險(xiǎn)較高區(qū)域的土地利用類(lèi)型又主要以耕地為主，因此洪水來(lái)臨時(shí)可以考慮作為泄洪區(qū)。

在今后的研究中，應(yīng)圍繞如何合理調(diào)整用地布局，以及合理制定防災(zāi)、減災(zāi)等各項(xiàng)規(guī)劃展開(kāi)。目前，松北區(qū)是正在建設(shè)的新區(qū)，在城市規(guī)劃和建設(shè)的過(guò)程中應(yīng)充分考慮防洪因素，盡量減少在可能發(fā)生洪災(zāi)的區(qū)域建設(shè)密集商業(yè)區(qū)和大型居民點(diǎn)，以減少該區(qū)內(nèi)生命和財(cái)產(chǎn)損失;道里區(qū)和道外區(qū)是歷史悠久的老城區(qū)，減少該區(qū)的經(jīng)濟(jì)損失可以通過(guò)對(duì)該區(qū)進(jìn)行合理地用地布局調(diào)整和加強(qiáng)防洪工程建設(shè)來(lái)實(shí)現(xiàn)。

［1］ 陳秀萬(wàn)，洪澇災(zāi)害損失評(píng)估系統(tǒng)—遙感與GIS技術(shù)應(yīng)用研究［M］.北京:中國(guó)水利水電出版社，1999，23－44.

［2］ 陳丙咸，楊戊，黃杏元，等.基于GIS的流域洪澇數(shù)字模擬和災(zāi)情損失評(píng)估的研究［J］.環(huán)境遙感，1996，11(4)，309 －314.

［3］ 何報(bào)寅，張海林.基于GIS的湖北省洪澇災(zāi)害危險(xiǎn)性評(píng)價(jià)［J］.自然災(zāi)害學(xué)報(bào)，2002，11(4):85－91.

［4］ Kelman and Spence，I.Kelman，R.Spence.An overview of flood actions on buildings［J］.Engineering Geology，2004，73(3 －4):297 －309

［5］ 王寶華，等.國(guó)內(nèi)外洪水災(zāi)害經(jīng)濟(jì)損失評(píng)價(jià)方法綜述［J］.災(zāi)害學(xué)，2007，22(3):95 －99.

［6］ 毛德華，等.洪災(zāi)風(fēng)險(xiǎn)分析的國(guó)內(nèi)外研究現(xiàn)狀與展望(Ⅰ)——洪水為害風(fēng)險(xiǎn)分析研究現(xiàn)狀［J］.自然災(zāi)害學(xué)報(bào)，2009，18(1):139 －149.

［7］ 付湘，談廣鳴，紀(jì)昌明.洪災(zāi)直接損失評(píng)價(jià)的不確定性研究［J］.水電能源科學(xué)，2008，26(3):35－38.

［8］ 李紀(jì)人.GIS在洪澇災(zāi)害監(jiān)測(cè)評(píng)價(jià)中的應(yīng)用［J］.地理信息世界，2005，3(3):26 －29.

［9］ 賴(lài)錫軍，李紀(jì)人.洪水淹沒(méi)范圍數(shù)據(jù)與動(dòng)力學(xué)模型的融合［J］.河海大學(xué)學(xué)報(bào)，2009，37(5):529－533.

［10］ 張尚弘，趙登峰，姜曉明.洪水淹沒(méi)預(yù)報(bào)的虛擬仿真表達(dá)［J］.清華大學(xué)學(xué)報(bào)，2010，50(6):861－864.

［11］ 李天文，吳琳，曹穎.基于渭河下游DEM的洪水淹沒(méi)分析與模擬［J］.水土保持通報(bào)，2005，25(4):53－56.

［12］ 丁志雄，李紀(jì)人，李琳.基于GIS格網(wǎng)模型的洪水淹沒(méi)分析方法［J］.水利學(xué)報(bào)，2004(6):56－67.

［13］ 孫海，王乘.利用DEM的“環(huán)形”洪水淹沒(méi)算法研究［J］.武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2009，34(8):948－951.

［14］ 王艷艷，等.上海市洪澇災(zāi)害損失評(píng)價(jià)系統(tǒng)的開(kāi)發(fā)［J］.災(zāi)學(xué)，2001，16(2):7 －13.

［15］ 丁志雄，胡亞林，李紀(jì)人.基于空間信息格網(wǎng)的洪災(zāi)損失評(píng)價(jià)模型及其應(yīng)用，水利水電技術(shù)，2005，36(6):93－101.

［16］ 李紀(jì)人，等.基于空間展布式社經(jīng)數(shù)據(jù)庫(kù)的洪澇災(zāi)害損失評(píng)價(jià)模型研究［J］.中國(guó)水利水電科學(xué)研究院學(xué)報(bào)，2003，1(2):104－110.

［17］ Wahlstrom E，Loague K，kyrialkidis PC.Hyd－rologiresponse:Kaho olawe，Hawaii［J］.Journalof Environment Quality，1999，28(2):481－492.

［18］ 劉仁義，劉南.基于GIS技術(shù)的淹沒(méi)區(qū)確定方法及虛擬現(xiàn)實(shí)表達(dá)［J］.浙江大學(xué)學(xué)報(bào)(理學(xué)版)，2002，29(5):573 ～578.

The Assessment of Economic Risk Submerged in Harbin City Based on GIS RS

Liu Weikang，Zhang Hui
(Northeast Agricultural University，Harbin Heilongjiang 150030)

Base on the GIS to build the digital elevation model，referencing the water level of 120.89m，the writer uses the plane simulation method to simulate flood risk of Harbin city.Combining GIS with RS technology，we acquire the spatial information of urban land use and the spatial distribution of the socio－economic information in Harbin，overlay analysis industrial type of flood zone maps and flood depth，and assess the economic risk submerged.The result shows that the area of the highest economic risk submerged is located in Dao Li area and Dao Wai area，flowed by Song Bei area，Hu Lan area and Xiang Fang area.

GIS，the model of spatial distribution，economic risk submerged，assessment

C912.3

A

1672-3805(2012)01-0068-05

2011－09－26

劉偉康(1974－)，男，吉林人，黑龍江省農(nóng)墾總局黨委委員，組織部部長(zhǎng)，東北農(nóng)業(yè)大學(xué)在讀博士;研究方向:農(nóng)業(yè)遙感與土地利用