陳鵬 朱娛瑩

摘要：目前，對于城市內(nèi)澇災(zāi)害風(fēng)險評價一般是以極端降水作為指標(biāo)，這樣往往會導(dǎo)致城市內(nèi)澇災(zāi)害發(fā)生的程度被低估，中等或較弱降水也可能是城市內(nèi)澇災(zāi)害致災(zāi)因子之一。為精確地評估城市內(nèi)澇災(zāi)害風(fēng)險，以長春市南關(guān)區(qū)為例，以1985～2015年逐日降雨強(qiáng)度的分布分析為基礎(chǔ)，將逐日降雨強(qiáng)度轉(zhuǎn)換為降雨超越概率（PEP）指數(shù)，將逐日的降雨強(qiáng)度與年最大日降雨量超越概率進(jìn)行比較，得到城市內(nèi)澇災(zāi)害發(fā)生概率，并構(gòu)建了城市內(nèi)澇災(zāi)害風(fēng)險評價指數(shù)，對2019年南關(guān)區(qū)內(nèi)澇災(zāi)害風(fēng)險進(jìn)行評價。結(jié)果表明：2019年南關(guān)區(qū)內(nèi)澇災(zāi)害風(fēng)險評價指數(shù)為0.597，為重大風(fēng)險中的顯著風(fēng)險。研究成果可為精確評估城市內(nèi)澇災(zāi)害風(fēng)險提供參考，為城市內(nèi)澇災(zāi)害防范提供決策依據(jù)。

關(guān) 鍵 詞：內(nèi)澇災(zāi)害; 風(fēng)險評價; 降雨量; 長春市

中圖法分類號： TU992

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2022.04.005

0 引 言

中國《第三次氣候變化國家評估報告》顯示：全球變暖會導(dǎo)致水循環(huán)出現(xiàn)變異，降水時空分布更加不均勻，氣候變化改變了大氣持水能力，將引起洪水等極端水文事件出現(xiàn)的頻率和強(qiáng)度發(fā)生變化，使得一些地區(qū)的洪水風(fēng)險增加 。近年來極端降水事件頻繁發(fā)生，給城市造成了嚴(yán)重影響，阻礙了城市的可持續(xù)發(fā)展。例如，廣州5 a來年均內(nèi)澇損失超5億元;長春市2019年8月，市區(qū)多條道路積水超過1.5 m，給居民生命安全及城市基礎(chǔ)設(shè)施造成極大影響。針對極端降水的洪澇災(zāi)害風(fēng)險研究，對城市開展內(nèi)澇災(zāi)害防御工作具有重要意義。

目前，自然災(zāi)害風(fēng)險評價方法包括：① 四因子法，即認(rèn)為自然災(zāi)害是由災(zāi)害的危險性、承災(zāi)體的脆弱性與暴露性及防災(zāi)減災(zāi)能力綜合作用的結(jié)果[1-2];② 三因子法，認(rèn)為自然災(zāi)害風(fēng)險是由災(zāi)害的致災(zāi)因子、孕災(zāi)環(huán)境及承災(zāi)體三者共同作用的結(jié)果[3-4];③ 通過分析致災(zāi)因子發(fā)生的概率與損失因子的乘積，確定風(fēng)險程度的方法[5-7]。國內(nèi)外許多學(xué)者根據(jù)極端降水事件對城市內(nèi)澇災(zāi)害風(fēng)險評價開展研究，例如：Benito等[8]通過使用不同的方法將非系統(tǒng)數(shù)據(jù)組合到洪水頻率分析中，用于調(diào)整分配功能，并整合多學(xué)科方法與技術(shù)工具（歷史資料、水力學(xué)方法和統(tǒng)計(jì)方法）探討了極端事件下的洪水風(fēng)險評估;劉俊等[9]采用1951～2012年的逐日降水資料，利用趨勢分析和Mann-Kendall突變檢驗(yàn)等方法，對北京地區(qū)極端降水演變規(guī)律進(jìn)行了分析，結(jié)果表明內(nèi)澇災(zāi)害的風(fēng)險逐漸增大;賈文雄等[10]選用13項(xiàng)極端降水指數(shù)，采用線性趨勢、10 a趨勢滑動、Mann-Kendall等方法，研究了祁連山及河西走廊地區(qū)極端降水的時空變化特征;尹占娥等[11-12]探討了不同情景下的小尺度城市暴雨內(nèi)澇情景模擬與風(fēng)險評估。

總的來說，已有研究雖然從不同角度對城市內(nèi)澇災(zāi)害風(fēng)險開展了研究，但僅僅考慮降水中的極端降水變化，并不能完全得出準(zhǔn)確的城市內(nèi)澇災(zāi)害風(fēng)險程度，相對而言較弱的降水事件同樣也可能導(dǎo)致城市內(nèi)澇災(zāi)害的發(fā)生。

本文以1985～2015年長春市南關(guān)區(qū)逐日降水?dāng)?shù)據(jù)為基礎(chǔ)，采用Gumbel分布和PEP（Precipitation Exceedence Probability）降水超越概率指數(shù)，將逐日的降雨強(qiáng)度與年最大日降雨量超越概率進(jìn)行比較，并利用內(nèi)澇災(zāi)害風(fēng)險指數(shù)的進(jìn)一步計(jì)算，得到城市內(nèi)澇災(zāi)害風(fēng)險評價結(jié)果。研究結(jié)果可為城市內(nèi)澇災(zāi)害的預(yù)防提供科學(xué)的參考依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)資料

1.1 研究區(qū)概況

南關(guān)區(qū)是長春市下轄區(qū)，位于長春市區(qū)東南部（125°14′53″E～125°34′18″E，43°30′52″N～43°54′5″N）（見圖1）。西部與朝陽區(qū)接壤，北部與寬城區(qū)相接，東部與二道區(qū)隔河相望，南部與長春凈月潭旅游經(jīng)濟(jì)開發(fā)區(qū)、長春高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)為鄰。轄區(qū)總面積80.95 km2。地勢總體較平緩，西部地勢為起伏臺地，東部地勢為大黑山低山丘陵。南關(guān)區(qū)年均降水量593.8 mm，作為老城區(qū)，排水系統(tǒng)滯后、地勢低、歷史內(nèi)澇積水點(diǎn)多，積水最深處可達(dá)1.5 m左右，極易發(fā)生內(nèi)澇災(zāi)害，受災(zāi)最嚴(yán)重的一次是2017年7月16日，在48 h內(nèi)連下兩場大雨，造成道路積水嚴(yán)重，給城市居民生命安全、交通及基礎(chǔ)設(shè)施造成嚴(yán)重威脅。

1.2 數(shù)據(jù)來源

本研究中數(shù)據(jù)包括屬性數(shù)據(jù)和空間數(shù)據(jù)。其中，行政區(qū)劃數(shù)據(jù)來源于全國地理信息資源目錄服務(wù)系統(tǒng)（http：∥www.webmap.cn/main.do？method=index）;地形數(shù)據(jù)來自于地理空間數(shù)據(jù)云（http：∥www.gscloud.cn）;1985～2015年日降雨量氣象數(shù)據(jù)來源于長春市氣象站點(diǎn)數(shù)據(jù)及歷年資料調(diào)查;社會人口與經(jīng)濟(jì)數(shù)據(jù)來源于吉林省 2019年統(tǒng)計(jì)年鑒。

2 內(nèi)澇災(zāi)害風(fēng)險評價過低問題

城市內(nèi)澇災(zāi)害風(fēng)險評價是指內(nèi)澇災(zāi)害活動及其對人類生命財(cái)產(chǎn)破壞的可能，不同規(guī)模、強(qiáng)度的暴雨可能產(chǎn)生的風(fēng)險及其后果不同[13-14]。在以往的研究中，往往并沒有考慮到低頻度降水也有可能是導(dǎo)致城市內(nèi)澇災(zāi)害風(fēng)險評價過低的原因之一（如2 a或1 a一遇的降雨事件）。為說明城市內(nèi)澇災(zāi)害風(fēng)險評價過低的程度，需研究某一年中的第二大暴雨是否與年最大日降水量一致，具備超過N年一遇的強(qiáng)度?？紤]年最大日降水量超過N年一遇強(qiáng)度的概率為1/N，假定某一天日降水量超過N年一遇強(qiáng)度的概率為p，則一年中超過N年一遇強(qiáng)度的暴雨次數(shù)由公式（1）表示，年最大日降水量超過N年一遇強(qiáng)度的概率由公式（2）表示。

np=ni=1Ci×ipi（1-p）n-i（1）

1N=np（1-p）n-1（2）

式中：Ci為一年中日降水量超過N年一遇強(qiáng)度的天數(shù);i為變量，i=1，2，3，…，n，n≤365 d。

如圖2所示的是在N年中超過N年1次強(qiáng)度的暴雨對應(yīng)的實(shí)際測量的次數(shù)，即通過回歸分析發(fā)現(xiàn)重現(xiàn)期與發(fā)生次數(shù)之間的關(guān)聯(lián)趨勢。實(shí)際上，相對于較弱的降水亦存在內(nèi)澇災(zāi)害發(fā)生的風(fēng)險，且發(fā)生的次數(shù)在一年中出現(xiàn)一次以上的概率也是非常高的;然而在以往的內(nèi)澇災(zāi)害風(fēng)險評價中并沒有明確估計(jì)每年發(fā)生多次內(nèi)澇災(zāi)害及可能造成的損失，僅對一次內(nèi)澇災(zāi)害風(fēng)險進(jìn)行了評價，這也就表明了幾乎所有每年超過2次的內(nèi)澇災(zāi)害風(fēng)險可能被忽略了。因此，N越小，表明內(nèi)澇災(zāi)害風(fēng)險評價就越被低估。根據(jù)同一重現(xiàn)期下不同地區(qū)的降水分析，以往的內(nèi)澇災(zāi)害風(fēng)險評價，往往只考慮最大頻度降水量導(dǎo)致的內(nèi)澇災(zāi)害風(fēng)險，而未考慮較弱頻度降水量導(dǎo)致的內(nèi)澇災(zāi)害風(fēng)險，因此，城市內(nèi)澇災(zāi)害風(fēng)險評價可能會存在被低估的情況。

3 內(nèi)澇災(zāi)害風(fēng)險分析

3.1 內(nèi)澇災(zāi)害發(fā)生概率分析

3.1.1 日降水量分布推測

降水量的分布通常是由年最大日降水量應(yīng)用極值實(shí)現(xiàn)，本文采用Gumbel分布方法計(jì)算“多年一遇”降雨頻率曲線。具體計(jì)算見公式（3）～（6）：

Fx=exp {-exp-ax-b}（3）

fx=aexp{-ax-b-exp[-a（x-b）]}（4）

a= 6π6σ （5）

b=μ-0.5772a（6）

式中：F（x）為累積分布函數(shù);f（x）為概率密度函數(shù);a和b為參數(shù);x為年最大日降水量;μ為年最大日降水量的平均值;σ為年最大日降水量的標(biāo)準(zhǔn)偏差。日降水量的分布服從累積分布函數(shù)G（x）。假設(shè)它遵循度函數(shù)g（x），則滿足觀測天數(shù)n足夠大以及每天獨(dú)立確定每個觀察值，其中降雨量的Gumbel分布可由等式（7）計(jì)算：

Fx=（G（x））n （7）

假設(shè)，當(dāng)n=365 d時，n足夠大，使用公式（7）可預(yù)估某一地區(qū)年降水量數(shù)據(jù)中的每日數(shù)據(jù)，之后從該點(diǎn)的最大值數(shù)據(jù)估算出Gumbel分布。圖3表示根據(jù)觀測創(chuàng)建的日降水分布和根據(jù)公式（7）計(jì)算的日降水分布G（x），發(fā)現(xiàn)降水量大的情況下，兩者非常吻合，日降水量小時有偏差，但因概率非常小，所以對于本文的內(nèi)澇災(zāi)害風(fēng)險評價是可以忽略不計(jì)的。

3.1.2 降水超越概率

（1） 對于相同的降水量，不同地區(qū)也是具有差異的，有些區(qū)域可能不會發(fā)生內(nèi)澇災(zāi)害。因此，當(dāng)采用降雨量的絕對值來評價城市內(nèi)澇風(fēng)險時，很難與其他地區(qū)進(jìn)行比較。為了解決這一問題，本文引入了PEP（Precipitation Exceedence Probability）降水超越概率這一概念。PEP是指使用年最大日降水量的概率年的計(jì)算方法來表示日降水量的指標(biāo)，與年最大日降水量的超越概率不同，所有地區(qū)的日降水量都可以具有PEP。假設(shè)超越概率為W（x），則：

Wx=1-F（x）（8）

另外，由于概率年是作為超越概率的倒數(shù)，所以概率年T根據(jù)公式（9）來計(jì)算。

T=1Wx=11-F（x）（9）

取PEP的倒數(shù)，則每日最大降水概率與公式（7）相同，即為當(dāng)年等效指數(shù)（最大日降水量概率年指數(shù)，Precipitation Probability Year，PPY）。PEP和PPY都是該地區(qū)日降水量稀少的指標(biāo)，即使在降雨特征不同的地區(qū)，也能獲得相同水平的PEP或PPY，假定各個地區(qū)是相同程度的暴雨，圖4中代替降水量以PEP為橫軸，表示f（x）、g（x）分布的差異。當(dāng)g（x）漸近y軸PEP=1，表示實(shí)際中多日降水量較少。例如，PEP為0.99～1.00（PPY為1.00～1.01年）的降水，該降水量為年最大日降水量時，概率相當(dāng)于1.00～1.01年。

（2） 研究區(qū)降水量的適用性分析。

降水量利用的是距離加權(quán)法，該方法具有簡單明了的數(shù)學(xué)模型，且估值精度高[14-15]。以1985～2015年的日降雨量數(shù)據(jù)為基礎(chǔ)，求出Gumbel分布函數(shù)。通過標(biāo)準(zhǔn)最小二乘法SLSC（Standard Least-Squares Criterion）的值來評估擬合程度，結(jié)果約為0.03或更小。 SLSC是衡量采用的分布形式的理論分位數(shù)與樣本順序統(tǒng)計(jì)量之間的誤差程度的指數(shù)，如公式（10）和公式（11）所示。

SLSC= （ε2）/（|S0.99-S0.01|） （10）

ε2=1NNi=1（si-ri）2 （11）

式中：S0.99，S0.01分別為非超越概率0.99和0.01的概率分布的標(biāo)準(zhǔn)變量;si為通過用預(yù)估參數(shù)而得到的標(biāo)準(zhǔn)變量;ri為通過參數(shù)對應(yīng)的理論分位數(shù)轉(zhuǎn)換為預(yù)估參數(shù)而獲得的標(biāo)準(zhǔn)變量。如果SLSC=0.03，則擬合優(yōu)度良好。若天氣處于異常狀態(tài)，則估算隨機(jī)降水量可能使SLSC=0.05。超過SLSC=0.03的柵格比例為0.18%，超過SLSC=0.05的柵格比例為0.15%。采用Gumbel分布方式檢驗(yàn)長春市南關(guān)區(qū)的日降水量G（x）的擬合度，用w表示PEP，則日降水量計(jì)算如公式（12）所示。

Gw=（1-w）1n （12）

另外，每個PEP中的超越概率是根據(jù)實(shí)際發(fā)生的次數(shù)計(jì)算的，但因PEP是實(shí)數(shù)，所以采取將PEP每隔0.01為單位的方法進(jìn)行統(tǒng)計(jì)，得出從Gumbel分布預(yù)估的非超越概率（見圖5）與觀測值預(yù)估的非超越概率G（x）（見圖6）。通過圖5可以看出觀測值和式（7）的分布式計(jì)算結(jié)果非常重合，可以認(rèn)為對城市內(nèi)澇災(zāi)害風(fēng)險評價的影響較小。從圖6可以看出，PEP越小，對某個地區(qū)來說是較為罕見的大降水量，也就越容易發(fā)生內(nèi)澇災(zāi)害。

3.2 內(nèi)澇災(zāi)害風(fēng)險評價

氣象災(zāi)害的風(fēng)險源自天氣或氣候事件與承災(zāi)體自身屬性的相互作用 。也就是說，城市暴雨內(nèi)澇災(zāi)害的損失程度不但與極端降水事件有關(guān)，還取決于承災(zāi)體的自身屬性 。承災(zāi)體是指直接受到災(zāi)害影響和損害的人類社會主體。主要包括人類本身和社會發(fā)展的各個方面[16-17]。因此綜合本文的研究目的和評價目標(biāo)，可以得出風(fēng)險評價的其中一種表達(dá)方式：

內(nèi)澇災(zāi)害風(fēng)險評價指數(shù)=內(nèi)澇災(zāi)害發(fā)生概率×

損失因子（承災(zāi)體）（13）

其中，由于各損失因子（承災(zāi)體）的自身性質(zhì)不同，會存在不同的量綱和數(shù)量級。為了保證結(jié)果的準(zhǔn)確性，根據(jù)城市內(nèi)澇災(zāi)害的特點(diǎn)，通過指標(biāo)體系法選取人口數(shù)量、人口自然增長率、經(jīng)濟(jì)因素（GDP）和工業(yè)總產(chǎn)值4個方面作為承災(zāi)體指標(biāo)并進(jìn)行歸一化處理[18-20]，從而解決指標(biāo)之間無法相互比較的問題（見表1）。具體計(jì)算標(biāo)準(zhǔn)化數(shù)值的歸一化公式如下：

Xi=X-XminXmax-Xmin×100（14）

式中：Xi表示歸一化后的數(shù)據(jù)，X為原始數(shù)據(jù)，Xmax，Xmin分別為原始數(shù)據(jù)集的最大值和最小值。標(biāo)準(zhǔn)化后，各指標(biāo)的數(shù)值位于0～100之間。

為了確定城市內(nèi)澇災(zāi)害風(fēng)險評價是否在正常范圍內(nèi)，依據(jù)上述模型計(jì)算結(jié)果和歷年城市內(nèi)澇災(zāi)害數(shù)據(jù)，綜合考慮將城市內(nèi)澇災(zāi)害風(fēng)險評價指數(shù)劃分為5個等級，如表2所列。

基于本文研究得到的內(nèi)澇災(zāi)害發(fā)生概率，構(gòu)建了內(nèi)澇風(fēng)險評價指數(shù)，并以2019年南關(guān)內(nèi)澇災(zāi)害為例，進(jìn)行實(shí)證分析。結(jié)果表明：2019年，長春市南關(guān)區(qū)內(nèi)澇災(zāi)害風(fēng)險評價指數(shù)為0.597，為重大風(fēng)險中的顯著風(fēng)險，并已接近于高度風(fēng)險，相較于傳統(tǒng)評價結(jié)果（0.544），準(zhǔn)確度提升了10%。究其原因是由于近些年城市快速發(fā)展，導(dǎo)致城市排水管網(wǎng)超負(fù)荷運(yùn)轉(zhuǎn)，加之降水異常、下墊面硬化路面增加等，不能及時排除道路積水，最終導(dǎo)致研究區(qū)內(nèi)澇災(zāi)害頻發(fā)。近年，長春市南關(guān)區(qū)的內(nèi)澇災(zāi)害程度處于稍高水平，開展城市內(nèi)澇災(zāi)害預(yù)防與治理工作顯得尤為重要。

4 結(jié) 論

本文針對城市內(nèi)澇災(zāi)害風(fēng)險評價過低的問題，基于長春市南關(guān)區(qū)1985～2015年共30 a間的日降水量，考慮中低降水量也可能是導(dǎo)致城市內(nèi)澇災(zāi)害發(fā)生的主要原因之一，采用Gumbel分布和PEP降水超越概率等概念和模型，根據(jù)城市內(nèi)澇災(zāi)害風(fēng)險評估理論，探究基于日降水量的城市內(nèi)澇災(zāi)害發(fā)生概率方法及城市內(nèi)澇災(zāi)害風(fēng)險評價方法，對研究區(qū)定量化開展城市內(nèi)澇災(zāi)害風(fēng)險評價，為城市內(nèi)澇災(zāi)害預(yù)防、科學(xué)決策提供參考依據(jù)。研究結(jié)果表明：2019年，長春市南關(guān)區(qū)的城市內(nèi)澇災(zāi)害風(fēng)險指數(shù)稍高（0.597），相較于傳統(tǒng)城市內(nèi)澇災(zāi)害風(fēng)險評價結(jié)果（0.544），準(zhǔn)確度提升約10%。本文研究中主要考慮極端降水與較低或較弱降水的情況，但未考慮氣候變化因素，未來可將氣候變化因素引入研究中，以期得到更為精確的評估結(jié)果。

參考文獻(xiàn)：

[1] 張繼權(quán)，梁警丹，周道瑋.基于GIS技術(shù)的吉林省生態(tài)災(zāi)害風(fēng)險評價[J].應(yīng)用生態(tài)學(xué)報，2007，18（8）：1765-1770.

[2] 張繼權(quán)，李寧.主要?dú)庀鬄?zāi)害風(fēng)險評價與管理的數(shù)量化方法及其應(yīng)用[M].北京：北京師范大學(xué)出版社，2007.

[3] 黃崇福.自然災(zāi)害風(fēng)險分析的基本原理[J].自然災(zāi)害學(xué)報，1999，8（2）：21-30.

[4] 薛曄，黃崇福.自然災(zāi)害風(fēng)險評估模型的研究進(jìn)展[C]∥中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第二屆年會論文集，2006.

[5] 崔亮，張繼權(quán)，劉興朋，等.基于Logistic回歸模型的呼倫貝爾草原火險預(yù)測研究[J].安全與環(huán)境學(xué)報，2010，10（1）：173-177.

[6] 周姝天，翟國方，施益軍，等.城市自然災(zāi)害風(fēng)險評估研究綜述[J].災(zāi)害學(xué)，2020，35（4）：180-186.

[7] 劉希林，尚志海.自然災(zāi)害風(fēng)險主要分析方法及其適用性述評[J].地理科學(xué)進(jìn)展，2014，33（11）：1486-1497.

[8] BENITO G，LANG M，BARRIENDOS M，et al.Use of systematic，palaeoflood and historical data for the improvement of flood risk estimation[J].Natural Hazards，2004，31（3）：623-643.

[9] 劉俊，鞠永茂，楊弘.氣候變化背景下的城市暴雨內(nèi)澇問題探析[J].氣象科技進(jìn)展，2015，5（2）：63-65.

[10] 賈文雄，張禹舜，李宗省.近50年來祁連山及河西走廊地區(qū)極端降水的時空變化研究[J].地理科學(xué)，2014，34（8）：1002-1009.

[11] 尹占娥，田鵬飛，遲瀟瀟.基于情景的1951-2011年中國極端降水風(fēng)險評估[J].地理學(xué)報，2018，73（3）：405-413.

[12] 尹占娥，許世遠(yuǎn)，殷杰，等.基于小尺度的城市暴雨內(nèi)澇災(zāi)害情景模擬與風(fēng)險評估[J].地理學(xué)報，2010，65（5）：553-562.

[13] 陳鵬，趙洪陽，張繼權(quán)，等.城市內(nèi)澇災(zāi)害受災(zāi)人口評估方法與實(shí)證研究：以哈爾濱市道里區(qū)為例[J].地理科學(xué)，2020，40（1）：158-164.

[14] 孫阿麗，石純，石勇.基于情景模擬的暴雨內(nèi)澇危險性評價：以黃浦區(qū)為例[J].地理科學(xué)，2010，30（3）：465-468.

[15] OKAZAWA Y，YEH P，KANAE S，et al.Development of a global flood risk index based on natural and socio-economic factors[J].Hydrological Sciences Journal，2011，56（5）：789-804.

[16] 張繼權(quán)，范久波，劉興朋，等.內(nèi)蒙古呼倫貝爾市草原火災(zāi)危害度評價及預(yù)測[J].災(zāi)害學(xué)，2010，25（1）：35-38.

[17] 崔亮，張繼權(quán)，包玉龍，等.呼倫貝爾草原火災(zāi)風(fēng)險預(yù)警研究[J].草業(yè)學(xué)報，2012，21（4）：282-292.

[18] 李瑤，胡潭高，潘驍駿，等.城市內(nèi)澇災(zāi)害模擬與災(zāi)情風(fēng)險評估研究進(jìn)展[J].地理信息世界，2017，24（6）：42-49.

[19] 鄧秉德，龐曉波，黃妙棋.基于蒙特卡羅模擬方法的城市內(nèi)澇災(zāi)害風(fēng)險分析[J].統(tǒng)計(jì)與決策，2015（20）：111-115.

[20] 王建鵬，金麗娜，薛榮，等.基于加權(quán)綜合法的西安城市內(nèi)澇災(zāi)害區(qū)劃分析[J].氣象科技，2012，40（6）：1056-1060.

（編輯：謝玲嫻）

Risk assessment of urban waterlogging disaster based on daily rainfall in Nanguan District，

Changchun City

CHEN Peng，ZHU Yuying

（College of Tourism and Geography Science，Jilin Normal University，Siping 136000，China）

Abstract：

At present，the risk assessment of urban waterlogging disasters generally uses extreme precipitation as an indicator，which often leads to underestimation of the risk degree of urban waterlogging disasters.Moderate or weak precipitation may also be one of the disaster-causing factors of urban waterlogging disasters.In order to accurately assess the risk of urban waterlogging disasters，taking Nanguan District of Changchun City as the object，based on the analysis of daily rainfall intensity distribution from 1985 to 2015，the daily rainfall intensity was converted into a precipitation exceedence probability （PEP） index.The rainfall intensity was compared with the precipitation exceedence probability based on annual maximum daily rainfall to obtain the probability of urban waterlogging disasters，finally the urban waterlogging disaster risk assessment index was constructed to evaluate the waterlogging disaster risk in Nanguan District in 2019.The results showed that the waterlogging disaster risk assessment index in the study area was 0.597 in 2019，which was a significant risk among the major risks.The research results can provide new ideas for accurately assessing urban waterlogging disaster risks，and can also provide decision-making basis for urban waterlogging disaster prevention.

Key words：

urban waterlogging disaster;risk assessment;rainfall;Changchun City