摘 要：基于歷史災(zāi)情數(shù)據(jù)及共享社會(huì)經(jīng)濟(jì)路徑（SSPs）下的人口預(yù)估數(shù)據(jù)，開(kāi)展了吉林省過(guò)去與未來(lái)受地質(zhì)災(zāi)害威脅的人口暴露度的研究，揭示2030—2100年的人口暴露變化趨勢(shì)。結(jié)果顯示：在3個(gè)SSPs路徑（SSP1、SSP2和SSP5）下的總?cè)丝跀?shù)和地質(zhì)災(zāi)害暴露人口數(shù)都呈現(xiàn)出先增加后減少的趨勢(shì)；吉林市和長(zhǎng)春市地質(zhì)災(zāi)害暴露人口數(shù)量多。

關(guān)鍵詞：地質(zhì)災(zāi)害；人口暴露度；共享社會(huì)經(jīng)濟(jì)路徑；吉林省

中圖分類號(hào)：P694 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：2095–3305（2024）10–0-03

聯(lián)合國(guó)政府間氣候變化專門委員會(huì)（Intergovernmental

Panel on Climate Change，IPCC）提出了5種共享經(jīng)濟(jì)路徑（SSPs），用于應(yīng)對(duì)未來(lái)氣候變化的不確定性，已被廣泛應(yīng)用于農(nóng)業(yè)、人口、經(jīng)濟(jì)及土地利用預(yù)測(cè)等方面的研究[1]。IPCC發(fā)布的《極端事件和風(fēng)險(xiǎn)管理，提高氣候變化適應(yīng)能力》特別報(bào)告指出極端氣候事件的影響很大限度上依賴于承災(zāi)體暴露度和脆弱性[2]。地質(zhì)災(zāi)害是人類與自然相互作用的結(jié)果，作為自然災(zāi)害的重要部分，在未來(lái)氣候變化的情況下，地質(zhì)災(zāi)害發(fā)生的可能性也會(huì)隨之變化，人口作為主要的承災(zāi)體，人員傷亡是地質(zhì)災(zāi)害發(fā)生最主要的損失。目前對(duì)未來(lái)氣候變化背景下人口暴露的研究多集中于空氣污染物、全球變暖及極端降水等背景下人口暴露度風(fēng)險(xiǎn)的研

究[3-4]。如奉莉軍[5]以錢塘江流域?yàn)檠芯繀^(qū)，對(duì)比不同社會(huì)經(jīng)濟(jì)發(fā)展情景下2030年、2050年人口分布特征，分析未來(lái)錢塘江流域暴雨災(zāi)害人口暴露度空間分布。而在地質(zhì)災(zāi)害方面的研究較少。

我國(guó)是世界上地質(zhì)災(zāi)害廣泛發(fā)育、致災(zāi)嚴(yán)重的國(guó)家之一。吉林省自然資源廳發(fā)布的《吉林省地質(zhì)災(zāi)害防治“十四五”規(guī)劃》指出地質(zhì)災(zāi)害平均每年造成的經(jīng)濟(jì)損失數(shù)以百萬(wàn)，嚴(yán)重威脅著群眾生命財(cái)產(chǎn)安全，影響國(guó)民經(jīng)濟(jì)發(fā)展。吉林省是國(guó)家“一帶一路”向北開(kāi)放的重要窗口、國(guó)家重要的商品糧生產(chǎn)基地、國(guó)家生態(tài)建設(shè)試點(diǎn)省，省內(nèi)地質(zhì)災(zāi)害具有突發(fā)性強(qiáng)、發(fā)生頻率高、災(zāi)害種類多、破壞性大的特點(diǎn)[6-7]。當(dāng)前已有的研究主要關(guān)注吉林省內(nèi)地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)與風(fēng)險(xiǎn)評(píng)價(jià)、數(shù)值模擬和防治對(duì)策等方面[8-9]。陳德博[10]以吉林省通化縣99個(gè)崩塌滑坡隱患點(diǎn)為研究對(duì)象，使用了基于信息量模型、證據(jù)權(quán)模型和邏輯回歸模型三種模型對(duì)吉林省通化縣地質(zhì)災(zāi)害進(jìn)行易發(fā)性評(píng)價(jià)。但當(dāng)前鮮有關(guān)于未來(lái)氣候變化情景下吉林省受地質(zhì)災(zāi)害威脅的人口暴露度研究。科學(xué)精準(zhǔn)的暴露評(píng)估是地質(zhì)災(zāi)害風(fēng)險(xiǎn)防控的必要前提，因此，基于2020年和未來(lái)2030—2100年可持續(xù)發(fā)展路徑（SSP1）、中間路徑（SSP2）、化石燃料為主發(fā)展路徑（SSP5）下的人口數(shù)據(jù)開(kāi)展受地質(zhì)災(zāi)害威脅的人口暴露度研究，這對(duì)相關(guān)部門制定有效的地質(zhì)災(zāi)害防治措施、改善生態(tài)環(huán)境、保障居民生命財(cái)產(chǎn)安全具有重要意義。

1 研究區(qū)概況

吉林省位于我國(guó)東北地區(qū)中部，地跨121°38′E～

131°19′、40°50′～46°19′N，轄區(qū)面積18.74萬(wàn)km2，總?cè)丝诩s2 339.41萬(wàn)人。吉林省2000—2019年災(zāi)害點(diǎn)分布情況如圖1所示，特定的自然地質(zhì)環(huán)境背景及在人類工程活動(dòng)的影響下，吉林省內(nèi)地質(zhì)災(zāi)害的發(fā)育特征及分布具有明顯的規(guī)律性，地質(zhì)災(zāi)害類型較齊全，崩塌、滑坡、泥石流、地裂縫及地面塌陷等均有分布，尤其是東南部山區(qū)，地質(zhì)災(zāi)害頻發(fā)。

圖1" 吉林省地理位置及地質(zhì)災(zāi)害點(diǎn)的分布

2 數(shù)據(jù)來(lái)源

地質(zhì)災(zāi)害點(diǎn)數(shù)據(jù)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)平臺(tái)發(fā)布的地質(zhì)災(zāi)害點(diǎn)空間分布數(shù)據(jù)，包括崩塌、塌陷、泥石流、地面沉降、地裂縫、滑坡、斜坡7大類地質(zhì)災(zāi)害點(diǎn)，空間分辨率為1 km。

2020年人口數(shù)據(jù)來(lái)源于國(guó)家科技基礎(chǔ)條件平臺(tái)—國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)—長(zhǎng)江三角洲科學(xué)數(shù)據(jù)中心發(fā)布的中國(guó)第七次人口普查（2020年）的100 m分辨率的人口柵格數(shù)據(jù)。該數(shù)據(jù)集利用堆疊集成學(xué)習(xí)和地理空間大數(shù)據(jù)，根據(jù)中國(guó)縣級(jí)和鎮(zhèn)級(jí)第七次人口普查數(shù)據(jù)，繪制出中國(guó)最新的100 m分辨率人口網(wǎng)格數(shù)據(jù)。此次研究將空間分辨率重采樣至1 km。

未來(lái)情景人口數(shù)據(jù)來(lái)自國(guó)家青藏高原科學(xué)數(shù)據(jù)中心發(fā)布的SSP情景全球1 km未來(lái)人口分布數(shù)據(jù)集（2020—2100），空間分辨率為1 km。該數(shù)據(jù)集納入了SSP情景下精細(xì)的建成區(qū)變化用以描述建成區(qū)變化對(duì)人口空間變化的影響，使用機(jī)器學(xué)習(xí)展開(kāi)未來(lái)人口空間模擬并與SSP情景保持一致，得到全球長(zhǎng)時(shí)間序列、全覆蓋，高分辨率、高精度的5種SSP情景下的網(wǎng)格化未來(lái)人口數(shù)據(jù)。此次研究選取2030—2100年8期的SSP1、SSP2和SSP5三種共享社會(huì)經(jīng)濟(jì)路徑下的人口預(yù)估數(shù)據(jù)。

3 結(jié)果與分析

3.1 歷史地質(zhì)災(zāi)害數(shù)量分析

基于歷史災(zāi)情數(shù)據(jù)，此次研究統(tǒng)計(jì)了吉林省各市2000—2019年發(fā)生的地質(zhì)災(zāi)害的數(shù)量及年均發(fā)生次數(shù)（圖2）。結(jié)果表明，吉林省內(nèi)各市均發(fā)生過(guò)存在受威脅人口的地質(zhì)災(zāi)害。地質(zhì)災(zāi)害嚴(yán)重區(qū)主要集中于吉林省的東部和南部的吉林市、延邊朝鮮族自治州、白山市和通化市，年均地質(zhì)災(zāi)害發(fā)生次數(shù)達(dá)到了30次以上，主要分布在山地丘陵地區(qū)，長(zhǎng)春市次之，年均地質(zhì)災(zāi)害發(fā)生次數(shù)為10～30次；而白城市、松原市、四平市和遼源市發(fā)生地質(zhì)災(zāi)害的次數(shù)較少，年均地質(zhì)災(zāi)害發(fā)生次數(shù)約為5次。

圖2" 2000—2019年均地質(zhì)災(zāi)害年均發(fā)生次數(shù)的空間分布

3.2 當(dāng)前時(shí)期人口暴露分析

基于長(zhǎng)江三角洲科學(xué)數(shù)據(jù)中心發(fā)布的中國(guó)第七次人口普查（2020年）數(shù)據(jù)，運(yùn)用ArcGIS區(qū)域分析工具統(tǒng)計(jì)了吉林省內(nèi)各市人口數(shù)及地質(zhì)災(zāi)害暴露人口數(shù)（圖3）。結(jié)果顯示，2020年全省總?cè)丝谶_(dá)2 545.7萬(wàn)人，人口主要集中在長(zhǎng)春市、吉林市、松原市、延邊朝鮮族自治州和四平市，分別為935.3萬(wàn)、423.3萬(wàn)、250.4萬(wàn)、206.7萬(wàn)和203.8萬(wàn)人，分別占全省總?cè)藬?shù)的36.7%、16.6%、9.8%、8.1%和8.0%；白城市和通化市次之，分別為172.2萬(wàn)人和149.9萬(wàn)人，分別占全省總?cè)藬?shù)的6.8%和5.9%；白山市和遼源市人口數(shù)最少，分別為105.6萬(wàn)人和98.5萬(wàn)人，分別占全省總?cè)藬?shù)的4.1%和3.9%。

根據(jù)榮廣智[11]構(gòu)建的地質(zhì)災(zāi)害暴露人口評(píng)估模型，計(jì)算了吉林省地質(zhì)災(zāi)害暴露人口數(shù)。地質(zhì)災(zāi)害暴露人口數(shù)量高的城市是吉林市和長(zhǎng)春市，分別高達(dá)363.1萬(wàn)人和312.7萬(wàn)人，這主要與其人口數(shù)量多、地質(zhì)災(zāi)害發(fā)生頻率較高有關(guān)。延邊朝鮮族自治州、通化市和白山市雖然人口分別僅占全省的8.1%、5.9%和4.1%，但其地質(zhì)災(zāi)害發(fā)生頻率高，導(dǎo)致地質(zhì)災(zāi)害暴露人口數(shù)較多，分別為202.0萬(wàn)、120.7萬(wàn)和51.3萬(wàn)人。松原市和四平市雖然人口較多，分別占全省的9.8%和8.0%，但由于地質(zhì)災(zāi)害發(fā)生頻率低，因此地質(zhì)災(zāi)害暴露人口數(shù)較少，分別為30.8萬(wàn)人和17.0萬(wàn)人。白城市和遼源市人口數(shù)量少、地質(zhì)災(zāi)害發(fā)生頻率低，地質(zhì)災(zāi)害暴露人口數(shù)最少。

圖3" 2020年吉林省各市人口及地質(zhì)災(zāi)害暴露人口

3.3 未來(lái)時(shí)期人口暴露預(yù)估

基于國(guó)家青藏高原科學(xué)數(shù)據(jù)中心發(fā)布的未來(lái)情景人口數(shù)據(jù)，運(yùn)用ArcGIS區(qū)域分析工具統(tǒng)計(jì)了未來(lái)時(shí)期吉林省內(nèi)各市人口數(shù)及地質(zhì)災(zāi)害暴露人口數(shù)。吉林省2030—2100年在三種共享社會(huì)經(jīng)濟(jì)路徑下的人口及地質(zhì)災(zāi)害暴露人口變化趨勢(shì)如圖4所示，吉林省在三個(gè)SSPs路徑下的總?cè)丝跀?shù)和地質(zhì)災(zāi)害暴露人口數(shù)均呈現(xiàn)先增加后減少的趨勢(shì)。

圖4" 不同共享經(jīng)濟(jì)路徑下的吉林省2023—2100年人口及地質(zhì)災(zāi)害暴露人口變化

在SSP1路徑下，人口總數(shù)和地質(zhì)災(zāi)害暴露人口數(shù)在2060年達(dá)到峰值，分別約為3 705.1萬(wàn)人和1 107.8萬(wàn)人；到2100年分別下降至3 202.9萬(wàn)人和939.1萬(wàn)人，相較于峰值分別下降13.6%和15.2%。

在SSP2路徑下，人口總數(shù)和地質(zhì)災(zāi)害暴露人口數(shù)在2080年達(dá)到峰值，分別約為4 191.5萬(wàn)人和1 242.8萬(wàn)人；到2100年分別下降至4 133.7萬(wàn)人和1 214.2萬(wàn)人，相較于峰值僅下降1.4%和2.3%。

在SSP5路徑下，人口總數(shù)和地質(zhì)災(zāi)害暴露人口數(shù)在2060年達(dá)到峰值，分別約為3 764.4萬(wàn)人和1 126.4萬(wàn)人；到2100年分別下降至3 409.1萬(wàn)人和999.2萬(wàn)人，相較于峰值下降9.4%和11.3%。

吉林省各市在2020年和三種共享社會(huì)經(jīng)濟(jì)路徑下的2050年地質(zhì)災(zāi)害暴露人口數(shù)量對(duì)比如圖5所示。在三種共享社會(huì)經(jīng)濟(jì)路徑下，吉林市、長(zhǎng)春市和延邊朝鮮族自治州地質(zhì)災(zāi)害暴露人口數(shù)均少于基準(zhǔn)年（2020年），SSP1路徑下分別減少57萬(wàn)、26.5萬(wàn)和15.5萬(wàn)人；SSP2路徑下分別減少31.7萬(wàn)、5.8萬(wàn)和2.4萬(wàn)人；SSP5路徑下分別減少52.3萬(wàn)、22.9萬(wàn)和12.8萬(wàn)人。通化市和白山市地質(zhì)災(zāi)害暴露人口數(shù)遠(yuǎn)高于基準(zhǔn)年（2020年），SSP1路徑下分別增加42.8萬(wàn)人和21.1萬(wàn)人；SSP2

路徑下分別增加51.6萬(wàn)人和26萬(wàn)人；SSP5路徑下分別增加42.4萬(wàn)人和21.6萬(wàn)人。遼源市、四平市、白城市和松原市地質(zhì)災(zāi)害暴露人口少量增加。

總的來(lái)看，SSP1和SSP5路徑下的人口總數(shù)及地質(zhì)災(zāi)害暴露人口數(shù)變化趨勢(shì)相近，2030—2100年人口數(shù)量波動(dòng)不大，主要是因?yàn)榻?jīng)濟(jì)高速發(fā)展的背景下，重視科技教育的發(fā)展，這符合可持續(xù)發(fā)展的基本思路。SSP2路徑下的人口顯著增加，主要是因?yàn)樵诰S持現(xiàn)階段發(fā)展水平下，人口數(shù)量變化與歷史模式相似[12]。

圖5" 吉林省各市2020年和不同共享經(jīng)濟(jì)路徑下的2050年地質(zhì)災(zāi)害暴露人口對(duì)比

4 結(jié)論

此次研究基于2020年人口數(shù)據(jù)和共享社會(huì)經(jīng)濟(jì)路徑（SSPs）下人口預(yù)估數(shù)據(jù)，分析了SSP1、SSP2和SSP5路徑下吉林省歷史及2030—2100年人口變化趨勢(shì)，主要結(jié)論如下。

（1）2020年，地質(zhì)災(zāi)害人口暴露主要集中于吉林市和長(zhǎng)春市，延邊朝鮮族自治州、通化市和白山市次之。這主要與城市人口數(shù)、年均地質(zhì)災(zāi)害發(fā)生次數(shù)有關(guān)。

（2）在三種SSPs路徑下，吉林省人口數(shù)及地質(zhì)災(zāi)害暴露人口數(shù)呈現(xiàn)先增加后減少的趨勢(shì)，SSP1和SSP5路徑于2060年前后達(dá)到峰值、SSP2路徑于2080年達(dá)到峰值。預(yù)計(jì)到2100年SSP1、SSP2和SSP5路徑下吉林省人口數(shù)將分別達(dá)到3 202.9萬(wàn)、4 133.7萬(wàn)和3 409.1萬(wàn)人，地質(zhì)災(zāi)害暴露人口數(shù)將分別達(dá)到939.1萬(wàn)、1 214.2萬(wàn)和999.2萬(wàn)人。SSP1和SSP5路徑下的人口總數(shù)及地質(zhì)災(zāi)害暴露人口數(shù)變化趨勢(shì)相近；SSP2路徑下的人口增長(zhǎng)是最大的，2100年相較于峰值下降率為最低。

（3）與基準(zhǔn)年（2020年）相比，SSP1、SSP2和SSP5路徑下2050年吉林省各市（除吉林市、長(zhǎng)春市和延邊朝鮮族自治州）的地質(zhì)災(zāi)害暴露人口數(shù)增加。

參考文獻(xiàn)

[1] 姜彤，呂嫣冉，黃金龍，等.CMIP6模式新情景（SSP-RCP）概述及其在淮河流域的應(yīng)用[J].氣象科技進(jìn)展，2020，10（5）： 102-109.

[2] 井源源，方建，史培軍.未來(lái)氣候變化情景下湖北省極端降水的人口暴露分析[J].北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，56（5）：700-709.

[3] 董潔芳，鄧椿，蔡文娟.黃河流域PM2.5時(shí)空分布格局及人口暴露研究[J].環(huán)境科學(xué)與技術(shù)，2024，47（1）：178-188.

[4] 黃曼捷，李艷忠，白鵬，等.中國(guó)東南部人口中暑風(fēng)險(xiǎn)暴露度空間演變特征及其驅(qū)動(dòng)因素[J].地理研究，2023，42（8）： 2121-2134.

[5] 奉莉軍.未來(lái)不同社會(huì)經(jīng)濟(jì)發(fā)展情景下暴雨災(zāi)害暴露度研究[D].金華：浙江師范大學(xué)，2022.

[6] 鄭殿元，黃曉軍.中國(guó)縣域高溫人口暴露風(fēng)險(xiǎn)及其影響因素研究[J].地域研究與開(kāi)發(fā)，2022，41（4）：143-149.

[7] 張立晶，聶桂娟，王預(yù)春.吉林省通化縣二密銅礦磨房溝泥石流地質(zhì)災(zāi)害防治措施[J].吉林地質(zhì)，2023，42（3）：94-98.

[8] 王邦鑒.基于Landsat-8吉林省東部山區(qū)地質(zhì)災(zāi)害區(qū)劃及生態(tài)敏感性研究[D].長(zhǎng)春：吉林建筑大學(xué)，2023.

[9] 石旭飛，江山，郭曉東，等.長(zhǎng)吉圖經(jīng)濟(jì)區(qū)地質(zhì)災(zāi)害易發(fā)性區(qū)劃研究[J].地質(zhì)與資源，2022，31（5）：660-666.

[10] 陳德博.吉林省通化縣地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法研究[D].長(zhǎng)春：吉林大學(xué)，2023.

[11] 榮廣智.基于情景模擬的貴州省水城縣極端降水誘發(fā)地質(zhì)災(zāi)害鏈風(fēng)險(xiǎn)評(píng)估研究[D].長(zhǎng)春：東北師范大學(xué)，2023.

[12] 李純.黃河流域干旱演變特征及人口暴露度預(yù)估[D].南京：南京信息工程大學(xué)，2022.

收稿日期：2024-07-05

作者簡(jiǎn)介：馬晴（1995—），女，吉林吉林人，助教，研究方向?yàn)闉?zāi)害風(fēng)險(xiǎn)評(píng)估。