趙佳琪,張 強,*,朱秀迪,申澤西,余慧倩

1 北京師范大學環(huán)境演變與自然災害教育部重點實驗室, 北京 100875 2 北京師范大學地表過程與資源生態(tài)國家重點實驗室, 北京 100875 3 北京師范大學地理科學學部 減災與應急管理研究院, 北京 100875 4 長江流域水資源保護局 長江水資源保護科學研究院，武漢 430051 5 中國科學院生態(tài)環(huán)境研究中心 城市與區(qū)域生態(tài)國家重點實驗室, 北京 100085 6 中國科學院大學，北京 100049

干旱是指因較長時期無雨或高溫少雨,導致水分缺乏[1],而旱災是危害性最大的災害[2- 3],也是導致我國經濟損失最嚴重的三大災害之一。2012—2016年間,旱災導致我國直接經濟損失高達2889.7億元,約占所有氣象災害直接經濟損失總和的15.6%[4]。據政府間氣候變化委員會(Intergovernmental Panel on Climate Change, IPCC)第五次評估報告[1],在高排放情景下(RCP8.5),21世紀末旱災發(fā)生頻率會增加?！?005—2015年兵庫縣行動框架：增強國家和社區(qū)應對災害的能力》于2005年提出“減輕災害風險(Disaster Risk Reduction, DRR)”[5]的概念,進而災害風險研究已成為國內外研究熱點[6-10]。災害風險主要包括不同強度的災害發(fā)生的可能性以及災害造成不同損失程度的可能性[11-12],是危險性(由和氣候變化相關的事件或趨勢引起)、脆弱性(易受損害的程度)和暴露度(面臨風險的人群、財產或生態(tài)系統)之間相互作用的結果[1]。IPCC報告[13]指出,災害風險是指特定時段由于危害性自然事件造成社區(qū)或社會出現劇烈改變的概率,進而可能導致生命財產損失,需做出應急響應,以滿足災害應對的需要。因此,旱災綜合風險可定義為旱災可能對生態(tài)環(huán)境、社會發(fā)展及人類生產生活造成的潛在影響,是致災因子危險性、承災體暴露度和承災體脆弱性相互作用的結果,干旱主要被劃分為三種類型,包括氣象干旱、農業(yè)干旱、水文干旱[14],本文討論氣象干旱造成的影響。

目前,國際上對旱災的應對仍以災后處置為主[15],但隨著社會經濟的發(fā)展,氣候變化對人類社會以及自然環(huán)境的影響越來越明顯,該方式的弊端也越來越顯著,2014—2018年間,美國發(fā)生了5次嚴重旱災,每場旱災造成的損失均超過十億美元[16]；而1991—2006年歐洲年均旱災損失較1979—1990年翻了一倍,近幾年已增加至每年62億歐元[17]。2011年,第十六屆世界氣象大會在日內瓦召開,呼吁各國制定減災框架,降低災害風險,轉換災害管理模式,采取措施主動防災減災。中國也在尋求應對災害的良策,并提出要從注重災后救助向注重災前預防轉變[18]。評估并掌握氣候變化帶來的災害風險具有極其重要的意義,已經成為當前促進經濟社會可持續(xù)發(fā)展的重要任務。

當前災害風險研究已經成為各學科的研究熱點[19-24],近年來涌現了一批研究成果,但災害的風險評估結果難以驗證[25],在這種情況下,如何構建更加合理的風險評估框架已經成為災害風險評估中的一個重要問題。最常用的旱災風險評估方法是結合層次分析法構建綜合風險評估指數,但該風險評估過程具有較強的主觀性,從而對評估結果產生影響,因此本文基于此對該評估模型進行改進：首先基于旱災風險的定義作出合理假設“歷史干旱災損高的地區(qū)遭受高旱災損失的概率越大”,引入歷史實際旱災損失序列對旱災風險的評估過程進行校正,并基于多元非線性回歸法建立新的旱災風險評估模型,對中國旱災綜合風險進行評估,劃定中國高旱災風險區(qū)域。本研究提供了一種新的旱災風險評估思路,為我國進行旱災風險管理和綜合防災減災提供了科技支撐。

1 數據

1.1 氣象數據

氣象數據集來源于全球標準化降水蒸散發(fā)指數(Standardized Precipitation Evapotranspiration Index, SPEI)數據庫(SPEIbase v.2.5),SPEIbase提供了關于全球范圍干旱狀況的長期、可靠的信息[26],數據獲取自西班牙的知識機構庫DIGITAL.CSIC(https://digital.csic.es/),該數據庫應用CRU TS v3.24.01數據集計算了1901年1月至2015年12月期間空間分辨率為0.5°×0.5°,多時間尺度的SPEI數據,本研究應用其中3個月尺度的SPEI數據[27-29]。

1.2 社會經濟數據

NASA社會經濟數據及應用中心(Socioeconomic Data and Applications Center, SEDAC)(https://sedac.ciesin.columbia.edu/)提供的世界柵格人口數據集、2000年全球農區(qū)分布數據集、2000年全球牧區(qū)分布數據集以及水庫數據集作為本文研究所需社會經濟數據集。世界柵格人口數據集的空間分辨率為2.5 min×2.5 min,包含2000、2005、2010、2015等4年及所預測2020年人口數。本研究所用數據為2015年人口資料。農區(qū)、牧區(qū)分布數據集的空間分辨率為5 min×5 min,柵格值分別代表2000年耕地面積、牧草地面積占柵格總面積的比例。水庫數據集主要依據所修建大壩定位了2011年蓄水能力超過0.1m3的水庫。各地市(不包括港澳臺地區(qū))的第一產業(yè)占GDP比重、水資源總量、用水總量獲取自各省市2015年統計年鑒。國內生產總值(GDP)與土地利用資料均獲取自資源環(huán)境數據云平臺(http://www.resdc.cn/),其中,GDP獲取自2015年中國GDP空間分布公里網格數據集,空間分辨率為1km×1km,土地利用數據來源于2015年中國土地利用現狀遙感監(jiān)測數據集,包括耕地、林地、草地、水域、居民地和未利用土地6個一級類型以及25個二級類型,空間分辨率為1km×1km。

1.3 災情數據

災情包括災害造成的直接損失、間接損失及對生態(tài)環(huán)境的影響?！吨袊鴼庀鬄暮δ觇b》[4]記錄了旱災所導致的影響,包括旱災直接經濟損失數據、干旱受災人口數據以及干旱導致的農作物受災面積數據。本研究應用2011—2016年的相關干旱災情數據,由于數據缺失,不包含2013年災情統計。

2 研究方法

2.1 旱災風險綜合評估框架

旱災風險(Risk)由致災因子危險性(Haz)、承災體暴露度(Expo)以及承災體脆弱性(Vul)三個因子組成[21]：

Risk=Haz×Expo×Vul

(1)

本文依據旱災風險定義,認為風險評估得到的結果應當能盡量反映實際災情,作出假設“歷史干旱災損高的地區(qū)遭受高旱災損失的概率越大”,基于此,本研究將災損數據融入災害風險評估框架中,運用多元非線性回歸方法,提出一種新的風險評估框架,如圖1所示。

圖1 旱災風險評估框架Fig.1 Frame of drought risk assessment

2.2 旱災風險指標選取

致災因子危險性表征氣象干旱的嚴重程度,相較于其他干旱指標,標準化降水蒸散發(fā)指數(SPEI)綜合考慮了降水、氣溫以及蒸散發(fā)要素對干旱的影響,并具有多時間尺度特性,目前已經被廣泛應用于干旱研究[30-31],其中,為了體現干旱的季節(jié)性變化,本研究選取3個月尺度SPEI指標計算致災因子危險性[32]。

承災體暴露度表征暴露于旱災下的承災體數量,承災體暴露度指標的選取應具有代表性。本文選取與干旱密切相關且較為通用的多個指標進行計算(表1)。其中,承災體暴露度主要參考Carr?o[15]所選取的指標,考慮了易受旱災影響的三類承災體：人類、耕地、牧草地。由于農作物生長對氣候及水分的變化最為敏感,因此最易受到旱災影響；旱災對牧草地的影響則體現了旱災對生態(tài)環(huán)境的影響；此外,人類也是重要的承災體之一。

承災體脆弱性表征受干旱影響的傾向,脆弱性指標的選取主要參考Ahmadalipour等[33]的相關研究(表1),具體指標如表1所示。旱災具有緩發(fā)性,因此經濟發(fā)達地區(qū)可更好地減輕旱災不良影響；而第一產業(yè)占GDP比重越高的地區(qū),經濟受旱災影響越大；本研究將地區(qū)用水總量與水資源總量的比值定義為用水壓力指標[15],當用水壓力大于1時,表明地區(qū)用水量超過水資源量,地區(qū)用水安全受到威脅；作物類型及耕作方式也影響著旱災脆弱性,農業(yè)生產總體上可以分為雨養(yǎng)農業(yè)和灌溉農業(yè)兩種類型，其中雨養(yǎng)農業(yè)靠天然降水為水源,更易受旱災影響；水庫數量代表區(qū)域應對干旱的能力,通過調控區(qū)域水資源,在一定程度上能夠緩解干旱。表1中各風險因子的指標權重是通過災損數據與旱災風險指標進行多元非線性回歸分析得到,而對于旱災直接經濟損失數據、干旱受災人口數據以及農作物受災面積數據則采用等權重策略構建災情指標。

表1 旱災風險影響因素的指標選取及權重確定

由于各指標具有不同的量綱,首先要通過極差標準化方法消除量綱差異,當指標對影響因素有正向作用時,采取正向標準化,否則進行負向標準化：

正向標準化：

x=[x0-min(xsequence)]/[max(xsequence)-min(xsequence)]

(2)

負向標準化：

x=1-[x0-min(xsequence)]/[max(xsequence)-min(xsequence)]

(3)

其中xsequence代表數值序列,x0是其中需要進行標準化處理的數值,x為標準化的結果。

2.3 旱災風險因子構建

旱災風險因子包括致災因子危險性、承災體暴露度、承災體脆弱性三部分。致災因子危險性表征氣象干旱嚴重程度,本研究選取3個月尺度的標準化降水蒸散發(fā)指數(SPEI)計算。依據游程理論[34],定義當SPEI指標小于干旱閾值時,發(fā)生干旱,通常把干旱閾值定為-1。干旱從開始到結束所間隔的時間段稱為干旱事件的持續(xù)時間(DT),干旱期間的累計缺水程度為干旱強度(DI),表征干旱的嚴重程度。通過采用對1901—2015年多年的干旱強度進行累加的方法,綜合考慮過去115年間干旱發(fā)生頻率及強度,定義致災因子危險性指標：

(4)

其中,i表示干旱發(fā)生的頻次。承災體暴露度與承災體脆弱性分別采用加權求和的方法得到,計算過程如下：

承災體暴露度：

(5)

承災體脆弱性：

(6)

其中,de、dv分別表示承災體暴露度以及承災體脆弱性因子,αi和βj表示權重,Ie,i和Iv,j分別代表第i個暴露度指標與第j個脆弱性指標。

2.4 旱災風險綜合指標構建

旱災風險綜合指標的構建是一個兩步的復合模型,在第一步中,進行數據的預處理,通過求取平均,計算各省份的指標值,使其與災損數據具有相同的空間尺度。在第二步中,用災情指標校正風險的評估結果,對災情與各指標值進行多元非線性擬合,確定各指標的權重,從而得到災害風險評估模型。最后,將高分辨率的柵格指標值代入模型,得到所評估的旱災風險。具體的計算步驟如下：

災情指標：

lossk=(Ile,k+Ilp,k+Ile,k)/3

(7)

擬合指標權重：

lossk～λ×dhk×dek×dvk

(8)

旱災風險：

R=λ×dh×de×dv

(9)

其中,Ile,k,Ilp,k,Ilc,k分別表示k省旱災直接經濟損失、干旱受災人口以及干旱導致的農作物受災面積,lossk表示k省的災情指標,dhk,dek,dvk分別表示k省的危險性、暴露度、和脆弱性進,λ為致災因子危險性的權重系數。

3 結果與討論

3.1 致災因子危險性分析

圖2 致災因子危險性分布圖Fig.2 Spatial distribution of the drought hazard across China

綜合區(qū)域氣象干旱發(fā)生頻率與強度,繪制致災因子危險性分布圖(圖2),高(極高)致災因子危險性區(qū)域(Haz>0.651)集中于西北與西南地區(qū),約占研究區(qū)面積的35.7%,而東北、華東以及華中、華南等區(qū)域等均屬極低或低致災因子危險性區(qū)域(Haz<0.525),面積比例為53.5%。依據SPEI指標對干旱特征的監(jiān)測情況分析氣象干旱特征,我們發(fā)現在高致災因子危險性區(qū)域,干旱強度大且持續(xù)時間長。在干旱時期,平均干旱強度為 -1.5—-1.9,干旱平均歷時約5個月至1年。依據游程理論,干旱強度為負值,且干旱強度的絕對值越大,干旱越嚴重；而在低致災因子危險性地區(qū),干旱期干旱強度在-1.1 至-1.5之間,干旱嚴重性較弱,平均干旱歷時小于4個月。從干旱頻率看,情況則完全相反,低危險性區(qū)域干旱頻率約為每年1次,而高危險性區(qū)域干旱頻率低于每1.5年1次。我國西北和西南地區(qū)容易發(fā)生多季節(jié)的連旱,干旱強度大且干旱歷時長，而我國東部地區(qū)時常發(fā)生季節(jié)性干旱,這一點值得關注。

3.2 承災體暴露度分析

承災體暴露度指標包括牧草地面積,耕地面積,人口數量,通過上述指標計算承災體暴露度(圖3)?？紤]到旱災在無人區(qū)的影響可以忽略不記,因此剔除人口稀少區(qū)[35-36]。研究發(fā)現我國高(極高)承災體暴露度(Expo>0.478)區(qū)域占國土面積達13.8%,主要集中在東北、華東及華中等區(qū)域,這些區(qū)域地勢平坦,土地肥沃,屬于我國主要糧食產區(qū)。具體來看,我國九大商品糧基地均處于高(極高)承災體暴露度水平(Expo>0.478),如東北的三江平原、松嫩平原；華東的江淮平原、太湖平原；華中的鄱陽湖平原、洞庭湖平原、江漢平原；西南地區(qū)的成都平原以及珠三角等?？梢钥闯?耕地是受旱災影響的主要承災體。通過相關性分析[37-38]評估了各暴露度指標對旱災風險影響因子的貢獻率,研究發(fā)現耕地面積指標與承災體暴露度指標的相關性達到0.99,遠高于牧草地面積指標與人口指標,證明耕地對承災體暴露度的貢獻最大,是旱災的主要承災體。牧草地、人口分布與暴露度指標的相關性分別為-0.024和0.22,人口分布的貢獻較小,但對暴露度指標的構建起到了修正作用,而牧草地分布與暴露度指標呈現負相關,且接近于0,說明暴露度基本未考慮牧草地的作用,評估模型中應用的歷史災損數據難以反映旱災對生態(tài)環(huán)境的影響可能是導致這一結果的主要原因。

3.3 承災體脆弱性分析

關于承災體脆弱性的研究較多[39],與災害相關的研究中[40-41],所應用的指標具有很高的相似性,本文選取5個指標綜合計算承災體脆弱性(圖4),分別是國民生產總值(GDP)、第一產業(yè)占GDP比重、灌溉面積占耕地比重、用水壓力以及水庫分布,由于受數據來源限制,承災體脆弱性為各地級市評估結果,但在歷年記錄中,若存在數據缺失情況,則用省級數據替代。為了使各等級的差異最大化,采用自然斷點法分級。圖4f表明,我國東北地區(qū)的承災體脆弱性最高,達到Vul>0.584,東北、西北、西南等區(qū)域均為高等級承災體脆弱性(Vul>0.373)。上述區(qū)域具有較低的財政收入,并且對第一產業(yè)依賴性較大。從各指標與承災體脆弱性的相關性來看(表3),對承災體脆弱性影響最大的指標是第一產業(yè)占GDP比重,二者的相關系數達到0.988,對承災體脆弱性空間格局起到決定性作用,其他指標作用較小。另外,GDP、灌溉面積占耕地比重以及水庫數量均與承災體脆弱性呈現負相關,即經濟發(fā)達,發(fā)展灌溉農業(yè)并且基礎設施建立更加完善的地區(qū)可以降低承災體脆弱性,使區(qū)域防御旱災的韌性增加。

圖4 承災體脆弱性及其指標分布圖Fig.4 Spatial distribution of drought vulnerability and relevant influencing factors across China

表3 脆弱性指標對承災體脆弱性的貢獻

3.4 旱災風險評估

圖5 旱災風險空間分布Fig.5 Spatial pattern of drought risk across China

將各指標數據代入旱災風險評估模型進行計算,得到的最優(yōu)評估結果與災情數據的相關系數r為0.59。將致災因子危險性、承災體暴露度以及承災體脆弱性按照公式(1)結合,得到旱災風險空間格局(圖5)。我國高(極高)旱災風險區(qū)(Risk>0.796)主要分布在東北、西北部分地區(qū),上述區(qū)域均具有較高脆弱性以及暴露度。在危險性方面,區(qū)域間有較大差別,東北地區(qū)旱災發(fā)生頻率高,而西北地區(qū)旱災強度大?？傮w來看,我國高(極高)旱災風險區(qū)的面積比例達到4.33%,其中極高旱災風險區(qū)(Risk >1.49)占研究區(qū)面積的0.89%。中等風險區(qū)(1.49>Risk>0.796)分布更加廣泛,面積比例為10.83%,并主要集中于華北地區(qū)。

圖6 中國及各地市不同等級旱災風險面積比例Fig.6 Percentage of areas with different classes of drought risk across China and major provinces

針對各行政單元進一步統計各省市及全國部分區(qū)域(中國港澳臺除外)不同等級旱災風險面積(圖6)。我國約61%的面積范圍屬于極低旱災風險,中高等級干旱風險區(qū)面積比例占到15%。在各行政區(qū)中,山東省的極低風險區(qū)所占面積比例最少,同時,山東省高風險及極高風險區(qū)面積比例也極低,絕大部分區(qū)域屬于中等風險區(qū)及低風險區(qū),占省份總面積的96%。中等風險、高風險及極高風險區(qū)總面積占比最多的省份是河南省,其中中等風險區(qū)的面積約占全省面積的67%。河南省與山東省輕度、中度干旱發(fā)生頻率高,并且都屬于農業(yè)大省,容易受旱災影響,但實際上兩個省份的經濟發(fā)展均以工業(yè)、制造業(yè)為主,對第一產業(yè)的依賴性較小,并且修建有多座水庫,可對水資源進行調控,綜合各方面因素,旱災風險基本處于中高水平。從高風險及極高風險區(qū)來看,總面積占比最高的省份是黑龍江省,高達32%,其次為寧夏回族自治區(qū),達到26%,黑龍江省與寧夏回族自治區(qū)的情況并不完全相同,黑龍江省位于濕潤-半濕潤區(qū),但降水量年內分布不均,水庫蓄水灌溉條件分布不平衡,容易發(fā)生春旱[42],同時,黑龍江省作為我國的主要糧食基地,旱災風險高；而寧夏回族自治區(qū)屬于水資源型缺水,水資源空間分配不均,導致南部水資源缺乏,雖然黃河流經該地區(qū),但供水量有限,導致干旱嚴重[43],上述兩個省份需更加重視旱災的防范及應對。甘肅省的極高風險區(qū)占比例較高,集中于隴南地區(qū),不利的氣象條件,加之高暴露度、高脆弱性,導致該地區(qū)極易受到旱災影響。

3.5 旱災風險影響因素分析

分析旱災風險的每個影響因素對其空間分布的影響,是各地區(qū)實施干旱政策的重要依據。本文對旱災風險進行歸因[44],將危險性、暴露度、脆弱性按照不同等級進行組合,得到各地區(qū)旱災風險結構組成,根據各影響因素的中值可以劃分8個區(qū)域(危險性= 0.562,暴露度= 0.614,脆弱性= 0.620),并確定適當的防災減災對策(圖7)。低危險性-低暴露度-低脆弱性地區(qū),屬于極低旱災風險區(qū),在當前的產業(yè)結構下,不需要采取額外的減災措施。總體來說,對于具有高危險性(Hhigh)的地區(qū),水資源短缺是地區(qū)面臨的重要問題,需要因地制宜,結合地區(qū)實際情況加強基礎設施建設,例如,我國實施的跨流域調水工程幫助緩解了一部分西北地區(qū)的用水困難,此外,通過普及雨水集蓄利用的方式,可以一定程度上緩解旱災風險；在農業(yè)生產方面,通過推廣農業(yè)節(jié)水技術,完善農牧地基礎設施建設,發(fā)展節(jié)水灌溉等方式,提高用水效率。具有高暴露度(Ehigh)的地區(qū),是我國人口、耕地最為集中的區(qū)域,如黑龍江省、山東省、河南省等廣闊的東部地區(qū),在歷史旱災中往往遭受嚴重的損失,需要予以高度重視,在這一類地區(qū)防治旱災可主要從兩方面入手,一方面,減少承災體暴露度,例如,嚴格控制耕地面積、落實退耕還林還草政策[45],另一方面,通過加強對耕地等承災體的保護,降低脆弱性,例如,通過科學選取節(jié)水抗旱作物品種,調整種植結構,加強農牧地的抗旱能力,推廣農業(yè)保險,保障我國的糧食生產,保護生態(tài)[46]。對于具有高脆弱性(Vhigh)的地區(qū),可從多方面采取相應措施,如,進行產業(yè)結構調整,減少對農業(yè)的依賴性,促進非農經濟和經濟發(fā)展的多樣化,通過促進農畜產品的深加工,提高農畜產品附加值,促進產業(yè)轉型[45],除此之外,還需因地制宜,結合實際情況,通過修建水庫等水利設施,調節(jié)雨水的時空分布,保證農業(yè)適時灌溉；同時加大監(jiān)管力度,治理水資源污染等。

4 結論

本文基于致災因子危險性、承災體暴露度以及承災體脆弱性三個部分,構建了新的旱災風險評估框架,通過繪制中國旱災風險分布圖,直觀表示出當綜合考慮各地區(qū)的財產數量以及防災減災能力后,旱災風險的分布情況,并分析了各地區(qū)旱災風險的主要影響因素,從而使各級政府之間能夠更好地協調,可為政府決策提供科學依據。研究的主要內容及結果可歸結為以下幾點：

(1)建立假設“歷史上旱災損失高的地區(qū)遭受高旱災損失的概率越大”,通過將旱災損失數據融合進風險評估模型,對旱災風險進行校正,構建了新的旱災風險評估模型,克服了以往研究方法中權重主觀性太強和理論依據薄弱的問題。評估得到的旱災風險將影響因素與評估結果聯系起來,為旱災影響因素分析提供了依據,該方法為旱災風險評估提供了一條新的思路。

(2)繪制了中國旱災風險分布圖,研究結果表明我國存在5個顯著的旱災高風險區(qū)：東北地區(qū)、華北地區(qū)、西北地區(qū)東部、西南地區(qū)東部以及西北地區(qū)西部的小部分區(qū)域。其中,黑龍江省、吉林省、遼寧省、甘肅省、寧夏回族自治區(qū)、四川東部以及新疆部分地區(qū)屬于高風險地區(qū),需著重加強對旱災的風險管理以及災害防范。

(3)進一步對不同地區(qū)的旱災風險進行了影響因素分析,發(fā)現我國高風險地區(qū)均具備高暴露度與高脆弱性,說明社會經濟財富的增長可能會導致地區(qū)遭受更高的旱災損失。在此基礎上,地區(qū)可以采取針對性措施降低風險,研究表明,暴露度中的重要指標為耕地面積比例,而脆弱性中的重要指標主要是第一產業(yè)占GDP比重,因此,高旱災風險地區(qū)可以從三個方面入手,降低旱災風險,減少旱災造成的損失：加強對耕地的保護；加強農田基礎設施建設；調節(jié)產業(yè)結構,減少對第一產業(yè)的依賴性。