徐宗學(xué) 唐清竹 陳浩 楊芳

摘要：針對目前流域內(nèi)部跨行政區(qū)單元空間精細(xì)化模擬并用于評估城市洪澇災(zāi)害工作的空白，本文著重聚焦精細(xì)化經(jīng)濟(jì)指標(biāo)空間分布并將多源數(shù)據(jù)融合，構(gòu)建了基于精細(xì)化空間格局的城市承災(zāi)體脆弱性評估體系，量化了深圳河流域脆弱性等級。研究結(jié)果表明：單一數(shù)據(jù)不足以準(zhǔn)確模擬流域GDP密度，結(jié)合多源數(shù)據(jù)是進(jìn)行GDP空間精細(xì)化更加有效的辦法;深圳河流域GDP密度與第二、三產(chǎn)業(yè)空間化結(jié)果顯示出高度一致性，產(chǎn)值密度最高達(dá)617 214萬元/km2;流域兩岸脆弱性等級存在顯著差異和區(qū)域特征，深圳側(cè)脆弱性明顯高于香港側(cè)，高脆弱性地區(qū)約占流域面積的8.8%。研究結(jié)果有助于識別災(zāi)害危險性大小和損失程度，提高城市洪澇災(zāi)害評估的精確性。

關(guān)鍵詞：城市洪澇;承災(zāi)體;脆弱性;空間;精細(xì)化;深圳河

中圖分類號：TV122.1??文獻(xiàn)標(biāo)志碼：A??文章編號：1001-6791（2024）01-0038-10

氣候變化會導(dǎo)致洪澇災(zāi)害以更高頻率、更大強(qiáng)度和更多不可預(yù)測性影響全世界越來越多的地區(qū)［1-4］，洪澇災(zāi)害風(fēng)險的增加趨勢也會導(dǎo)致更加慘重的社會經(jīng)濟(jì)損失和人員傷亡［5-6］，這些受洪澇災(zāi)害直接威脅和影響的對象被稱為承災(zāi)體。政府間氣候變化專門委員會（IPCC）第六次評估報告［7］預(yù)估未來氣候變化風(fēng)險主要取決于暴露度和脆弱性的變化，在國際社會日益關(guān)注防洪減災(zāi)的大背景下［8-10］，增進(jìn)對承災(zāi)體脆弱性的了解對于準(zhǔn)確識別洪澇災(zāi)害風(fēng)險、提高區(qū)域防洪抗災(zāi)能力至關(guān)重要。

聯(lián)合國國際減災(zāi)戰(zhàn)略（UNISDR）將脆弱性定義為一種狀態(tài)，這種狀態(tài)由物理、社會、經(jīng)濟(jì)和環(huán)境過程決定，能夠增加社會群體對氣候變化影響的敏感程度［11］。目前，洪澇災(zāi)害承災(zāi)體脆弱性已在全球、國家、區(qū)域尺度［5，12-14］進(jìn)行了廣泛評估，評估方法主要傾向于從人口、社會經(jīng)濟(jì)和環(huán)境3個維度確定與洪澇災(zāi)害承災(zāi)體高度相關(guān)的指標(biāo)并構(gòu)建指標(biāo)體系。其中，社會經(jīng)濟(jì)維度通常選擇國內(nèi)生產(chǎn)總值（GDP）密度作為評估指標(biāo)，GDP是目前公認(rèn)為衡量國家（或地區(qū)）經(jīng)濟(jì)狀況的最佳指標(biāo)［15］。傳統(tǒng)的GDP統(tǒng)計數(shù)據(jù)通常來源于行政單元統(tǒng)計年鑒，數(shù)據(jù)規(guī)范權(quán)威，但缺乏空間信息，在實際分析應(yīng)用時可能會存在明顯不足，難以反映行政單元內(nèi)部社會經(jīng)濟(jì)的空間特征，不便于空間運算和分析［16］。對GDP統(tǒng)計數(shù)據(jù)進(jìn)行空間離散化是解決該問題的手段之一。目前中國應(yīng)用最為廣泛的免費GDP密度展布數(shù)據(jù)為中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心的中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集，空間分辨率為1 km，該數(shù)據(jù)集為中國許多領(lǐng)域研究中的空間統(tǒng)計分析帶來了極大便利，但是該數(shù)據(jù)分辨率較大，在小尺度區(qū)域空間分析中難以詳細(xì)反映該區(qū)域內(nèi)部經(jīng)濟(jì)空間分布狀況。

近年來，多源數(shù)據(jù)的廣泛應(yīng)用［17-18］為準(zhǔn)確評估區(qū)域經(jīng)濟(jì)空間分布特征提供了可能，例如遙感數(shù)據(jù)和興趣點（Point of Interesting，POI）數(shù)據(jù)等，這些數(shù)據(jù)與人類活動和區(qū)域經(jīng)濟(jì)狀況高度相關(guān)，可用于獲取可靠的社會經(jīng)濟(jì)空間信息，從而確保研究結(jié)果的準(zhǔn)確性，已成為社會經(jīng)濟(jì)空間化的重要數(shù)據(jù)源。國內(nèi)外學(xué)者針對上述問題開展了一系列基于多源數(shù)據(jù)的經(jīng)濟(jì)空間格局精細(xì)化模擬研究。Huang等［15］比較了社交媒體中具有代表性的騰訊用戶密度數(shù)據(jù)和夜間燈光數(shù)據(jù)對中國不同尺度行政區(qū)域GDP評估的能力，研究結(jié)果表明騰訊用戶數(shù)據(jù)與GDP存在很強(qiáng)的相關(guān)性，有助于支持中國的區(qū)域經(jīng)濟(jì)評估;Shi等［19］通過結(jié)合夜間燈光數(shù)據(jù)、數(shù)字高程模型、歸一化植被指數(shù)和POI數(shù)據(jù)，以500 m的空間分辨率識別和評估中國重慶的貧困地區(qū);王旭等［20］選擇夜間燈光數(shù)據(jù)、全球人口密度和亞洲人口密度作為GDP空間分布代用數(shù)據(jù)，研究結(jié)果表明京津冀地區(qū)存在經(jīng)濟(jì)發(fā)達(dá)市轄區(qū)GDP值被低估、郊區(qū)縣GDP被高估的誤差“兩極區(qū)”傾向;張愛華等［21］建立了GDP統(tǒng)計數(shù)據(jù)、興趣點數(shù)據(jù)、夜間燈光數(shù)據(jù)以及土地利用數(shù)據(jù)多源耦合模型，實現(xiàn)了北京市100 m網(wǎng)格高分辨率GDP空間化。以上研究均對完整行政單元進(jìn)行模擬，但目前鮮見針對流域內(nèi)部跨行政區(qū)域經(jīng)濟(jì)單元空間化的模擬研究，使用精細(xì)化經(jīng)濟(jì)空間分布運用于城市洪澇災(zāi)害風(fēng)險與承災(zāi)體脆弱性評估的研究較少。

本文以深圳河流域為研究對象，著重聚焦精細(xì)化經(jīng)濟(jì)空間分布，選取土地利用、夜間燈光數(shù)據(jù)和POI數(shù)據(jù)對GDP密度進(jìn)行空間精細(xì)化模擬，結(jié)合人口密度和建筑物密度，構(gòu)建基于精細(xì)化經(jīng)濟(jì)指標(biāo)空間分布的城市洪澇災(zāi)害承災(zāi)體脆弱性評估指標(biāo)體系，識別研究區(qū)域承災(zāi)體脆弱性空間差異。研究結(jié)果可以支撐更加有針對性的洪水風(fēng)險適應(yīng)政策和防洪措施，為流域城市防汛減災(zāi)提供科學(xué)依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

深圳河流域位于廣東省深圳市中南部，屬低緯度濱海臺風(fēng)頻繁影響地區(qū)。深圳河地處深圳市與香港特別行政區(qū)之間，是深圳與香港的界河，流域面積為312.5 km2，深圳側(cè)流域面積為193.3 km2，約占流域面積的60%，流域北側(cè)為深圳市福田區(qū)、羅湖區(qū)、龍崗區(qū)的西南部及鹽田區(qū)的西部邊緣，南側(cè)為香港北區(qū)，如圖1所示。流域上游地區(qū)為植被繁茂的丘陵山地，中下游為城市化程度較高的沖積平原。土地利用類型主要為建設(shè)用地，其他類型包括耕地、林地、草地和水域。2021年深圳市經(jīng)濟(jì)總量突破3萬億元，居亞洲城市第4位。香港2021年本地生產(chǎn)總值約為2.37萬億元，同比上升6.4%。流域多年平均降水量為1 935.8 mm，年平均降雨日數(shù)為134.2 d，受山地丘陵地貌及海洋氣流影響，每年汛期災(zāi)害性臺風(fēng)雨和風(fēng)暴潮事件頻發(fā)，兩地極易發(fā)生嚴(yán)重的洪（潮）澇災(zāi)害［22-23］。

1.2 數(shù)據(jù)來源與預(yù)處理

深圳河流域土地利用數(shù)據(jù)來源于歐洲航天局2021年WorldCover 10 m土地覆蓋數(shù)據(jù)，該產(chǎn)品將深圳河流域劃分為林地、灌木、草地、農(nóng)田、建設(shè)用地、裸地/稀疏植被、水體、濕地和紅樹林共9個土地覆蓋類別。夜間燈光數(shù)據(jù)來源于文獻(xiàn)［24］，該數(shù)據(jù)通過整合DMSP-OLS和SNPP-VIIRS數(shù)據(jù)，得到改進(jìn)后的2021年DMSP-OLS數(shù)據(jù)，空間分辨率為1 000 m。該數(shù)據(jù)中燈光灰度值（Digital Number，DN值）范圍為0～63，0表示沒有燈光，63是最大亮度值。通過調(diào)用高德地圖API中的搜索POI接口來獲取深圳和香港2021年P(guān)OI數(shù)據(jù)，本研究選取該接口提供的休閑娛樂、餐飲美食、購物消費、酒店住宿、科教文化、旅游景點、商務(wù)住宅、運動健身和醫(yī)療保健共計9個POI大類數(shù)據(jù)，采用核密度分析對各類數(shù)據(jù)進(jìn)行網(wǎng)格熱力可視化。建筑物輪廓數(shù)據(jù)來源于BIGEMAP軟件，采用核密度分析生成深圳河流域建筑物密度，空間分辨率為500 m。數(shù)據(jù)詳細(xì)信息見表1。

2 GDP空間化模型構(gòu)建

2.1 第一產(chǎn)業(yè)空間化

根據(jù)社會生產(chǎn)活動的歷史發(fā)展順序和中國的產(chǎn)業(yè)結(jié)構(gòu)，將GDP分為第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)。GDP第一產(chǎn)業(yè)增加值是直接取自自然界部門的增加值，它與土地利用類型密切相關(guān)［25］。根據(jù)劉紅輝等［26］和鐘凱文等［25］總結(jié)的GDP空間化方法，將第一產(chǎn)業(yè)中的農(nóng)、林、牧、漁業(yè)分別與土地利用類型中的耕地、林地、草地、水域一一對應(yīng)，構(gòu)建的模型為

式中：GDP1，ij為第i個城市第j個柵格的第一產(chǎn)業(yè)產(chǎn)值;Gkij為第一產(chǎn)業(yè)中農(nóng)、林、牧、漁業(yè)的產(chǎn)值，萬元，k=1，2，3，4，分別為農(nóng)、林、牧、漁業(yè)。其中，Gkij的計算公式為

式中：gil為第i個城市第l種土地利用類型單位面積產(chǎn)值，萬元;Aijl為第i個城市第j個柵格中第l種土地利用類型的面積，km2。

2.2 第二、三產(chǎn)業(yè)空間化

GDP第二產(chǎn)業(yè)指對初級產(chǎn)品進(jìn)行再加工部門的產(chǎn)業(yè)，主要包括工業(yè)和建筑業(yè);第三產(chǎn)業(yè)指為生產(chǎn)和消費提供各種服務(wù)的產(chǎn)業(yè)，包括除第一、第二產(chǎn)業(yè)以外的其他各業(yè)［25］。前人的研究［27-28］中表明夜間燈光數(shù)據(jù)與GDP第二、三產(chǎn)業(yè)間有顯著的相關(guān)關(guān)系，但也存在一定局限性，忽略了其他社會經(jīng)濟(jì)因素對GDP空間分布格局的影響。POI數(shù)據(jù)與人類生產(chǎn)活動密切相關(guān)，綜合考慮夜間燈光數(shù)據(jù)和POI數(shù)據(jù)可以直觀地反映出某一地區(qū)的社會經(jīng)濟(jì)發(fā)展水平和人類活動空間分布，所以本研究選取夜間燈光數(shù)據(jù)和9類POI數(shù)據(jù)共10個指標(biāo)因素對深圳河流域第二、三產(chǎn)業(yè)GDP空間化進(jìn)行評估。

采用層次分析法（AHP）確定10類社會經(jīng)濟(jì)指標(biāo)的權(quán)重（表2），構(gòu)建的第二、三產(chǎn)業(yè)空間化模型如下：

式中：GDP23，ij為代用數(shù)據(jù)展布后第i個城市第j個柵格的第二、三產(chǎn)業(yè)產(chǎn)值，萬元;G23，i為第i個城市的第二、三產(chǎn)業(yè)產(chǎn)值，萬元;Wij為第i個城市第j個柵格的綜合權(quán)重值，計算公式為

式中：wm為第m項指標(biāo)的權(quán)重;pmj為第m項指標(biāo)在第j個柵格的代表值。

3 結(jié)果與分析

3.1 第一產(chǎn)業(yè)空間化

基于土地利用數(shù)據(jù)將深圳河流域GDP第一產(chǎn)業(yè)進(jìn)行空間可視化表達(dá)，空間分辨率為500 m，如圖2所示。由圖2中可以看出，深圳河流域第一產(chǎn)業(yè)主要集中于流域東北部和西北邊緣地帶，該區(qū)域為較大面積植被繁茂的林地和草地，適合發(fā)展第一產(chǎn)業(yè)。深圳側(cè)第一產(chǎn)業(yè)GDP密度整體高于香港側(cè)，產(chǎn)值密度最高地區(qū)為深圳河流域兩岸濕地和農(nóng)田密集區(qū)，這為農(nóng)漁業(yè)發(fā)展提供了便利，GDP密度最高達(dá)7 935萬元/km2。

3.2 第二、三產(chǎn)業(yè)空間化

深圳河流域夜間燈光強(qiáng)度灰度值見圖3（a），流域大部分區(qū)域顯示出最大亮度，東南部沒有檢測出夜間燈光。通過夜間燈光數(shù)據(jù)對深圳河流域GDP第二、三產(chǎn)業(yè)進(jìn)行空間可視化表達(dá)，空間分辨率為500 m，如圖3（b）所示。由圖中可以看出，將夜間燈光強(qiáng)度原始數(shù)據(jù)進(jìn)行第二、三產(chǎn)業(yè)空間化模擬后，香港北部的GDP產(chǎn)值反而明顯高于深圳側(cè)，這是由于計算過程中香港夜間燈光亮度總值遠(yuǎn)遠(yuǎn)小于深圳市，而2個行政區(qū)第二、三產(chǎn)業(yè)總產(chǎn)值相差不大，這就導(dǎo)致香港側(cè)的模擬結(jié)果大于深圳側(cè)。且深圳側(cè)福田區(qū)、羅湖區(qū)與龍崗區(qū)的第二、三產(chǎn)業(yè)產(chǎn)值沒有明顯的空間分布差異，這表明夜間燈光數(shù)據(jù)在一定程度上較難體現(xiàn)出深圳河流域內(nèi)部的經(jīng)濟(jì)產(chǎn)值差異，只考慮夜間燈光數(shù)據(jù)對GDP第二、三產(chǎn)業(yè)進(jìn)行空間化可能會忽略研究區(qū)內(nèi)部的經(jīng)濟(jì)多樣性，導(dǎo)致模擬結(jié)果精度不高。GDP第二、三產(chǎn)業(yè)分布細(xì)節(jié)不能僅僅只通過夜間燈光亮度直接區(qū)分和表達(dá)，所以本研究加入能夠揭示研究區(qū)域內(nèi)部經(jīng)濟(jì)結(jié)構(gòu)差異同時精細(xì)化程度更高的POI數(shù)據(jù)，對深圳河流域GDP第二、三產(chǎn)業(yè)進(jìn)行更加準(zhǔn)確地空間可視化表達(dá)，空間分辨率為500 m，如圖4所示。由圖4中可以看出，POI數(shù)據(jù)可以準(zhǔn)確清晰地體現(xiàn)出深圳河流域各產(chǎn)業(yè)的經(jīng)濟(jì)聚集程度，產(chǎn)值密度高的地區(qū)主要集中在福田區(qū)、羅湖區(qū)的中心區(qū)域以及龍崗區(qū)南部?；赑OI數(shù)據(jù)的GDP第二、三產(chǎn)業(yè)空間化可以更好地表達(dá)出流域內(nèi)部的經(jīng)濟(jì)空間分布差異特征，體現(xiàn)出各區(qū)中心區(qū)域向外部經(jīng)濟(jì)產(chǎn)值密度逐漸減小的趨勢，同時也反映出夜間燈光數(shù)據(jù)的缺失細(xì)節(jié)，彌補(bǔ)了夜間燈光數(shù)據(jù)分辨率過低的不足。

基于耦合的夜間燈光數(shù)據(jù)和POI數(shù)據(jù)對深圳河流域GDP第二、三產(chǎn)業(yè)進(jìn)行空間可視化表達(dá)，空間分辨率為500 m，如圖5所示。由圖5中可以看出，流域第二、三產(chǎn)業(yè)產(chǎn)值密度呈現(xiàn)出明顯的空間差異，在福田區(qū)、羅湖區(qū)的中心區(qū)域以及龍崗區(qū)南部形成小型的第二、三產(chǎn)業(yè)經(jīng)濟(jì)中心，產(chǎn)值密度最高達(dá)617 214萬元/km2。這也表明耦合夜間燈光數(shù)據(jù)和POI數(shù)據(jù)的GDP第二、三產(chǎn)業(yè)空間化模擬結(jié)果更加符合實際。

3.3 深圳河流域GDP空間化

基于土地利用數(shù)據(jù)、夜間燈光數(shù)據(jù)和POI數(shù)據(jù)對深圳河流域GDP密度進(jìn)行空間可視化表達(dá)，空間分辨率為500 m，如圖6所示。由圖6中可以看出，深圳河流域GDP密度存在明顯的空間差異，并且與第二、三產(chǎn)業(yè)空間化結(jié)果顯示出較高的一致性，福田區(qū)和羅湖區(qū)的中心區(qū)域、龍崗區(qū)南部以及香港北部經(jīng)濟(jì)高度發(fā)達(dá)，產(chǎn)值密度最高達(dá)617 214萬元/km2。各區(qū)中心區(qū)域GDP主要來源于第二、三產(chǎn)業(yè)，第一產(chǎn)業(yè)的貢獻(xiàn)較小，流域周邊丘陵山地地區(qū)既有第二、三產(chǎn)業(yè)的發(fā)展，又有第一產(chǎn)業(yè)的貢獻(xiàn)。這是由于深圳河流域兩岸地區(qū)高度城市化，第二、三產(chǎn)業(yè)發(fā)展十分成熟，同時伴隨著中國退耕還林還草等一系列生態(tài)文明建設(shè)，第一產(chǎn)業(yè)產(chǎn)值遠(yuǎn)遠(yuǎn)低于第二、三產(chǎn)業(yè)產(chǎn)值對流域內(nèi)總GDP的影響。

3.4 研究區(qū)域承災(zāi)體脆弱性評估

由于人員和資產(chǎn)的高度暴露，城市地區(qū)的洪澇災(zāi)害承災(zāi)體脆弱性通常相對較高。本研究選取承災(zāi)體脆弱性評估中最具代表性的3個指標(biāo)：GDP密度、人口密度和建筑物密度對深圳河流域城市洪澇災(zāi)害脆弱性進(jìn)行準(zhǔn)確評估，根據(jù)自然斷點分級法將3個脆弱性指標(biāo)進(jìn)行等級劃分，并分別賦值1、2、3、4來代表低、中、較高和高風(fēng)險等級，具體數(shù)值見表3。根據(jù)表3可視化各指標(biāo)的等級分布，見圖7。由圖7中可以看出，GDP密度、人口密度與建筑物密度較大的區(qū)域主要集中在福田區(qū)和羅湖區(qū)的中心區(qū)域、龍崗區(qū)南部以及香港北部的中心區(qū)域，與實際情況基本相符，同時體現(xiàn)出各區(qū)中心區(qū)域?qū)χ苓叺貐^(qū)明顯的“虹吸”效應(yīng)［29］。

在進(jìn)行層次分析的過程中，人口和經(jīng)濟(jì)被認(rèn)為同等重要（權(quán)重為0.429），且都比建筑物密度（權(quán)重為0.142）重要。根據(jù)權(quán)重對各指標(biāo)層進(jìn)行柵格計算分析，得到更加直觀的深圳河流域城市洪澇脆弱性分布，見圖8?？傮w而言，深圳河流域兩岸脆弱性等級存在明顯差異和區(qū)域特征，深圳側(cè)洪澇災(zāi)害脆弱性明顯高于香港側(cè)，大部分區(qū)域處在低脆弱性環(huán)境中，包括流域東部、西北部邊緣地帶以及香港北部的大部分地區(qū)，這些低脆弱性地區(qū)約占流域總面積的66.9%。高脆弱性地區(qū)主要集中在人口稠密和經(jīng)濟(jì)高度發(fā)達(dá)地區(qū)，以福田區(qū)、羅湖區(qū)的中心區(qū)域和龍崗區(qū)南部最為突出，約占流域面積的8.8%，一旦發(fā)生洪澇災(zāi)害，損失將更加嚴(yán)重。

4 結(jié)? 論

本研究基于土地利用數(shù)據(jù)、夜間燈光數(shù)據(jù)和POI數(shù)據(jù)對深圳河流域GDP進(jìn)行空間精細(xì)化模擬，提出基于精細(xì)化GDP密度的城市洪澇災(zāi)害承災(zāi)體脆弱性評估方法，量化了深圳河流域承災(zāi)體脆弱性等級。主要結(jié)論如下：

（1） 深圳河流域第一產(chǎn)業(yè)產(chǎn)值密度最高的地區(qū)為流域沿岸，GDP密度最高達(dá)7 935萬元/km2，深圳側(cè)第一產(chǎn)業(yè)GDP密度整體高于香港側(cè)。流域第二、三產(chǎn)業(yè)產(chǎn)值密度呈現(xiàn)出明顯的空間差異，在福田區(qū)、羅湖區(qū)的中心區(qū)域以及龍崗區(qū)南部形成小的第二、三產(chǎn)業(yè)經(jīng)濟(jì)中心，產(chǎn)值密度最高達(dá)617 214萬元/km2。

（2） 單一的夜間燈光數(shù)據(jù)不足以準(zhǔn)確模擬流域GDP密度，結(jié)合多源數(shù)據(jù)是進(jìn)行GDP空間精細(xì)化更加有效的辦法。深圳河流域GDP密度存在明顯的空間差異，并且與第二、三產(chǎn)業(yè)空間化結(jié)果顯示出較高的一致性，產(chǎn)值密度最高達(dá)617 214萬元/km2。各區(qū)中心區(qū)域GDP主要來源于第二、三產(chǎn)業(yè)，第一產(chǎn)業(yè)的貢獻(xiàn)較小，流域周邊丘陵山地地區(qū)既有第二、三產(chǎn)業(yè)的發(fā)展，又有第一產(chǎn)業(yè)的貢獻(xiàn)。

（3） 深圳河流域兩岸脆弱性等級存在明顯差異和區(qū)域特征，深圳側(cè)承災(zāi)體脆弱性明顯高于香港側(cè)，高脆弱性地區(qū)主要集中在人口稠密和經(jīng)濟(jì)高度發(fā)達(dá)地區(qū)，以福田區(qū)、羅湖區(qū)的中心區(qū)域和龍崗區(qū)南部最為突出，約占流域面積的8.8%。

參考文獻(xiàn)：

［1］ABDRABO K I，KANTOUSH S A，ESMAIEL A，et al.An integrated indicator-based approach for constructing an urban flood vulnerability index as an urban decision-making tool using the PCA and AHP techniques：a case study of Alexandria，Egypt［J］.Urban Climate，2023，48：101426.

［2］程曉陶，劉昌軍，李昌志，等.變化環(huán)境下洪澇風(fēng)險演變特征與城市韌性提升策略［J］.水利學(xué)報，2022，53（7）：757-768，778.（CHENG X T，LIU C J，LI C Z，et al.Evolution characteristics of flood risk under changing environment and strategy of urban resilience improvement［J］.Journal of Hydraulic Engineering，2022，53（7）：757-768，778.（in Chinese））

［3］徐宗學(xué)，陳浩，任梅芳，等.中國城市洪澇致災(zāi)機(jī)理與風(fēng)險評估研究進(jìn)展［J］.水科學(xué)進(jìn)展，2020，31（5）：713-724.（XU Z X，CHEN H，REN M F，et al.Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China［J］.Advances in Water Science，2020，31（5）：713-724.（in Chinese））

［4］JIANG F S，XIE Z Q，XU J R，et al.Spatial and component analysis of urban flood resiliency of Kunming City in China［J］.International Journal of Disaster Risk Reduction，2023，93：103759.

［5］DUAN Y，XIONG J N，CHENG W M，et al.Assessment and spatiotemporal analysis of global flood vulnerability in 2005—2020［J］.International Journal of Disaster Risk Reduction，2022，80：103201.

［6］劉家宏，梅超，劉宏偉，等.特大城市外洪內(nèi)澇災(zāi)害鏈聯(lián)防聯(lián)控關(guān)鍵科學(xué)技術(shù)問題［J］.水科學(xué)進(jìn)展，2023，34（2）：172-181.（LIU J H，MEI C，LIU H W，et al.Key scientific and technological issues of joint prevention and control of river flood and urban waterlogging disaster chain in megacities［J］.Advances in Water Science，2023，34（2）：172-181.（in Chinese））

［7］IPCC.Climate change 2022：mitigation of climate change［R］.Interlaken：IPCC，2022.

［8］WANG M，F(xiàn)U X P，ZHANG D Q，et al.Assessing urban flooding risk in response to climate change and urbanization based on shared socio-economic pathways［J］.The Science of the Total Environment，2023，880：163470.

［9］宋曉猛，張建云，賀瑞敏，等.北京城市洪澇問題與成因分析［J］.水科學(xué)進(jìn)展，2019，30（2）：153-165.（SONG X M，ZHANG J Y，HE R M，et al.Urban flood and waterlogging and causes analysis in Beijing［J］.Advances in Water Science，2019，30（2）：153-165.（in Chinese））

［10］張建云，王銀堂，賀瑞敏，等.中國城市洪澇問題及成因分析［J］.水科學(xué)進(jìn)展，2016，27（4）：485-491.（ZHANG J Y，WANG Y T，HE R M，et al.Discussion on the urban flood and waterlogging and causes analysis in China［J］.Advances in Water Science，2016，27（4）：485-491.（in Chinese））

［11］NIELSEN A B，BONATI S，ANDERSEN N B.Discover the dynamics：an intersectional analysis of overt and hidden vulnerabilities to flood risk in urban Denmark［J］.Landscape and Urban Planning，2023，237：104799.

［12］LANGLOIS B K，MARSH E，STOTLAND T，et al.Usability of existing global and national data for flood related vulnerability assessment in Indonesia［J］.Science of the Total Environment，2023，873：162315.

［13］AZIZI E，NIKOO M R，MOSTAFAZADEH R，et al.Flood vulnerability analysis using different aggregation frameworks across watersheds of Ardabil Province，Northwestern Iran［J］.International Journal of Disaster Risk Reduction，2023，91：103680.

［14］van C T，TUAN N C，SON N T，et al.Flood vulnerability assessment and mapping：a case of Ben Hai-Thach Han River basin in Vietnam［J］.International Journal of Disaster Risk Reduction，2022，75：102969.

［15］HUANG Z W，LI S Y，GAO F，et al.Evaluating the performance of LBSM data to estimate the gross domestic product of China at multiple scales：a comparison with NPP-VIIRS nighttime light data［J］.Journal of Cleaner Production，2021，328：129558.

［16］DOLL C N H，MULLER J P，MORLEY J G.Mapping regional economic activity from night-time light satellite imagery［J］.Ecological Economics，2006，57（1）：75-92.

［17］LI J P，YUAN J X，SUO W L.National resilience assessment and improvement based on multi-source data：evidence from countries along the Belt and Road［J］.International Journal of Disaster Risk Reduction，2023，93：103784.

［18］ZHOU Y，YI P T，LI W W，et al.Assessment of city sustainability from the perspective of multi-source data-driven［J］.Sustainable Cities and Society，2021，70：102918.

［19］SHI K F，CHANG Z J，CHEN Z Q，et al.Identifying and evaluating poverty using multisource remote sensing and point of interest （POI） data：a case study of Chongqing，China［J］.Journal of Cleaner Production，2020，255：120245.

［20］王旭，吳吉東，王海，等.基于夜間燈光和人口密度數(shù)據(jù)的京津冀GDP空間化對比［J］.地球信息科學(xué)學(xué)報，2016，18 （7）：969-976.（WANG X，WU J D，WANG H，et al.Comparison of GDP spatialization in Beijing-Tianjin-Hebei based on night light and population density data［J］.Journal of Geo-Information Science，2016，18（7）：969-976.（in Chinese））

［21］張愛華，潘耀忠，明艷芳，等.多源信息耦合的GDP空間化研究：以北京市為例［J］.遙感技術(shù)與應(yīng)用，2021，36（2）：463-472.（ZHANG A H，PAN Y Z，MING Y F，et al.Research of GDP spatialization based on multi-source information coupling：a case study in Beijing［J］.Remote Sensing Technology and Application，2021，36（2）：463-472.（in Chinese））

［22］陳浩，徐宗學(xué)，向代峰，等.以深圳河流域為例分析粵港澳大灣區(qū)城市洪澇及其成因［J］.中國防汛抗旱，2021，31（11）：14-19.（CHEN H，XU Z X，XIANG D F，et al.Analysis of urban flood and the causes in Guangdong-Hong Kong-Macao Greater Bay Area by taking the Shenzhen River basin as an example［J］.China Flood & Drought Management，2021，31（11）：14-19.（in Chinese））

［23］黃亦軒，徐宗學(xué)，陳浩，等.深圳河流域內(nèi)陸側(cè)洪澇風(fēng)險分析［J］.水資源保護(hù)，2023，39（1）：101-108.（HUANG Y X，XU Z X，CHEN H，et al.Analysis on flood/waterlogging risk at inland side of the Shenzhen River basin［J］.Water Resources Protection，2023，39（1）：101-108.（in Chinese））

［24］WU Y Z，SHI K F，CHEN Z Q，et al.Developing improved time-series DMSP-OLS-like data （1992—2019） in China by integrating DMSP-OLS and SNPP-VIIRS［J］.IEEE Transactions on Geoscience and Remote Sensing，2022，60：1-14.

［25］鐘凱文，黎景良，張曉東.土地可持續(xù)利用評價中GDP數(shù)據(jù)空間化方法的研究［J］.測繪信息與工程，2007，32（3）：10-12.（ZHONG K W，LI J L，ZHANG X D.GDP spatialization in land sustainable use assessment［J］.Journal of Geomatics，2007，32（3）：10-12.（in Chinese））

［26］劉紅輝，江東，楊小喚，等.基于遙感的全國GDP 1km格網(wǎng)的空間化表達(dá)［J］.地球信息科學(xué)，2005，7（2）：120-123.（LIU H H，JIANG D，YANG X H，et al.Spatialization approach to 1km grid GDP supported by remote sensing［J］.Geo-Information Science，2005，7（2）：120-123.（in Chinese））

［27］LI X，GE L L，CHEN X L.Detecting Zimbabwe′s decadal economic decline using nighttime light imagery［J］.Remote Sensing，2013，5（9）：4551-4570.

［28］SHI K F，YU B L，HUANG Y X，et al.Evaluating the ability of NPP-VIIRS nighttime light data to estimate the gross domestic product and the electric power consumption of China at multiple scales：a comparison with DMSP-OLS data［J］.Remote Sensing，2014，6（2）：1705-1724.

［29］程書波，岳穎，劉玉，等.黃河流域洪澇災(zāi)害社會脆弱性評價與分析［J］.人民黃河，2022，44（2）：45-50.（CHENG S B，YUE Y，LIU Y，et al.Evaluation and analysis of the social vulnerability of flood disasters in the Yellow River basin［J］.Yellow River，2022，44（2）：45-50.（in Chinese））

Assessment on the vulnerability of urban hazard bearing body based on refined spatial patterns

Abstract：This study addressed current deficiencies in spatially refined simulation of economic units across administrative regions in a river basin for assessment of the urban flood hazard.Focusing on the spatial distribution of refined economic indicators，and incorporating multiple data sources，an urban flood risk assessment system was constructed for the quantification of the level of flood risk vulnerabilityin the Shenzhen River basin （China）.Analysis based on the proposed system revealed the following.① A single datum was found insufficient for accurate simulation of the GDP density of the basin，and combining multisource data representsa more efficient approach for performing spatial refinement of GDP.② A high degree of consistency was evident in termsof the spatialization of GDP density and secondary and tertiary industries in the Shenzhen River basin，with the highest density of production values reaching 6 172.14 million yuan/km2.③ The level of vulnerability was found to vary oneither side of the Shenzhen River basin.The vulnerability to flooding/waterlogging on the Shenzhen side of the river is substantially higher than that on the Hong Kong side，and the area of high vulnerability comprises approximately 8.8% of the total basin area.The results of this study could help both identify the hazard intensity and degree of damage and improve accuracy in urban flooding/waterlogging risk assessment.

Key words：urban flooding/waterlogging;hazard bearing body;vulnerability;spatialization;refinement;Shenzhen River