EN中文

地理学报, 2019, 74(7): 1374-1391 doi: 10.11821/dlxb201907008

气候变化与地表过程

西南地区山洪灾害时空分布特征及其影响因素

熊俊楠1,2, 李进1, 程维明,2, 周成虎2, 郭良3,4, 张晓蕾3,4, 王楠2, 李伟1

1.西南石油大学土木工程与建筑学院,成都 610500

2.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室,北京 100101

3.中国水利水电科学研究院,北京 100038

4.水利部防洪抗旱减灾工程技术研究中心,北京 100038

Spatial-temporal distribution and the influencing factors of mountain flood disaster in southwest China

XIONG Junnan1,2, LI Jin1, CHENG Weiming,2, ZHOU Chenghu2, GUO Liang3,4, ZHANG Xiaolei3,4, WANG Nan2, LI Wei1

1.School of Civil Engineering and Architecture, SWPU, Chengdu 610500, China

2.State Key Laboratory of Resources and Environmental Information System, Institute of Geographic and Natural Resources Research, CAS, Beijing 100101, China

3.China Institute of Water Resources and Hydropower Research, Beijing 100038, China

4.Research Center on Flood & Drought Disaster Reduction of the Ministry of Water Resources, Beijing 100038, China;

通讯作者: 程维明(1973-), 男, 甘肃天水人, 博士, 研究员, 主要从事数字地形地貌研究。E-mail: chengwm@lreis.ac.cn

收稿日期: 2018-10-15   修回日期: 2019-05-19   网络出版日期: 2019-07-25

基金资助: 中国科学院战略性先导科技专项.  XDA20030302
水科院全国山洪灾害调查评价项目.  SHZH-IWHR-57
中国地质调查项目.  DD20190637
数字福建自然灾害监测大数据研究所开放课题.  NDMBD2018003
西南石油大学科技创新团队项目.  2017CXTD09

Received: 2018-10-15   Revised: 2019-05-19   Online: 2019-07-25

Fund supported: Strategic Priority Research Program of the Chinese Academy of Sciences.  XDA20030302
National Mountain Flood Disaster Survey and Evaluation Project of IWHR.  SHZH-IWHR-57
China Geological Survey Project.  DD20190637
The Open Fund of Big Data Institute of Digital Natural Disaster Monitoring in Fujian.  NDMBD2018003
Scientific and Technological Innovation Team Project of Southwest Petroleum University.  2017CXTD09

作者简介 About authors

熊俊楠(1981-),男,四川南充人,博士后,副教授,主要从事地理信息系统与灾害风险分析方面的研究E-mail:neu_xjn@163.com 。

摘要

山洪灾害时空特征和影响因素是山洪评估与管理的重要内容。根据1960-2015年中国西南地区历史山洪资料,采用线性回归、标准差椭圆、空间自相关和Logistic回归模型,深入分析了西南地区山洪灾害时空分布特征及其影响因素。结果表明：① 西南地区年度山洪灾害频次呈指数增长,年际变化呈现出稳定（1960-1980年）、缓慢波动增加（1981-1998年）、快速增加（1999-2015年）3个阶段;月际特征明显,山洪主要发生在每年6-8月,尤以7月频次最高;② 西南地区山洪灾害空间差异性显著,灾害高密度区主要集中于滇中高原地区、四川盆地和周边山地单元,山洪灾害数量分布呈显著的空间正相关,空间集聚特征明显（Moran's I指数为0.127、Z = 5.784、P = 0.007）;③ 西南地区历史灾害点的重心在年内存在明显的向正西方向移动的趋势,年内标准差椭圆转角均逐渐弱化,长轴逐渐变长,短轴逐渐变短;④ 降雨因子对山洪的影响度最高,人类活动因子次之,地表环境因子最低,降雨因子中1 h降雨量对山洪的影响最强,优势比值达到3.654。研究结果可为西南地区山洪灾害形成机理、监测预警研究,实施防灾减灾措施等提供科技支撑。

关键词： 西南地区 ; 山洪灾害 ; 时空格局 ; Logistic回归

Abstract

Studies on spatial-temporal characteristics and influencing factors of flash floods are key contents to the assessment and management of flash flood. Based on the historic flash flood data in southwest China from 1960 to 2015, the spatial and temporal distribution of flash flood and its influencing factors were analyzed by using the linear regression model, standard deviation ellipse, spatial autocorrelation, and logistic regression model. The results show that: (1) The annual frequency of flash floods in southwest China shows an exponential growth trend, and the annual variation reveals a stable, slow and rapid increase fluctuation during 1960-1980, 1981-1998 and 1999-2015, respectively; the monthly characteristics are obvious and precipitation is mainly concentrated in June, July and August. (2) The obvious spatial difference of flash flood is observed in the study area, and the high-density areas are mainly concentrated in central Yunnan plateau, Sichuan Basin and their surrounding mountainous areas. The flash flood distribution has a significant spatial positive correlation and spatial agglomeration (Moran's I index is 0.127, Z = 5.784, P = 0.007). (3) The gravity center of historical disasters has a distinct trend of moving to the west during the year. The standard deviation ellipse angle gradually weakens, the long axis gradually lengthens, and the short axis gradually shortens. (4) Rainfall factors have the maximum impact on flash floods, followed by human activity factors, and the minimal is surface environmental factors. Among the rainfall factors, the one-hour rainfall has the strongest impact on flash floods, and its dominant ratio reached 3.654. The results can provide techinical support for research on forming mechanism, monitoring and early warning, and implementation of disaster prevention and mitigation measures of flash floods.

Keywords： southwest China ; flash flood ; spatial-temporal pattern ; logistic regression

PDF (9026KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

熊俊楠, 李进, 程维明, 周成虎, 郭良, 张晓蕾, 王楠, 李伟. 西南地区山洪灾害时空分布特征及其影响因素. 地理学报[J], 2019, 74(7): 1374-1391 doi:10.11821/dlxb201907008

XIONG Junnan. Spatial-temporal distribution and the influencing factors of mountain flood disaster in southwest China. Acta Geographica Sinice[J], 2019, 74(7): 1374-1391 doi:10.11821/dlxb201907008

1 引言

山洪灾害是中国山丘区常见的自然灾害之一,严重制约着中国经济、社会的可持续发展,威胁人民生命财产[1,2,3]。近年来,中国政府愈发关注自然灾害问题。在2009年国务院颁布《中国的减灾行动》白皮书,旨在建立较为完善的减灾工作管理体制和运行机制[4]。中国于2013-2015年开展了全国性的山洪灾害调查评价工作,调查统计结果显示,1960-2015年间西南地区共发生山洪灾害7447次,共计造成18257人死亡。其中,1979年四川雅安市爆发泥石流,死亡200余人;1989年7月10日,四川华蓥市溪口镇爆发滑坡型泥石流,死亡221人;2005年7月11日,发生在著名风景区海螺沟内磨西河流域的特大山洪泥石流灾害,冲毁大量房屋、公路、桥梁,造成直接经济损失1.7亿元[5,6]。已有研究表明,中国山洪分布大体以大兴安岭—太行山—巫山—雪峰山为分界线,分界线东部主要分布在华南和东南的低山丘陵区,分界线西部主要分布在海拔2000 m的西南中低山高原盆地地区[7]。西南地区由于受到地域和东亚季风的影响,加之地处亚欧板块和印度洋板块运动交界地带,新构造运动强烈,经常受到极端气候影响[8]。近年来,随着人口、经济、城市化快速发展,使孕灾环境和承灾体格局变化加速,加剧了山洪灾害的发生[7, 9-10]。因此,开展西南地区山洪灾害时空分布特征及其影响因素的研究显得尤为必要。

随着遥感地理信息理论、灾害风险分析、灾害时空数据挖掘理论的不断发展,针对山洪灾害时空特征[9, 11-13]、成因分析[14,15,16]、监测预警[17,18]、风险评估[17, 19]、防治措施[20]等方面开展了大量的研究工作。目前,关于山洪灾害时空特征和成灾环境的研究主要集中在4个方面：① 21世纪以来,研究者多以省级区域为主,根据历史灾害特征来分析时空格局和影响因素[21,22];② 利用致灾因子的多样性、相对综合致灾强度,研究灾害时空格局和成因[23,24];③ 根据山洪灾害致灾因子、孕灾环境、承灾体特征进行山洪灾害风险评估[17-18, 25];④ 从山洪发生机理的角度,探讨流域、山洪沟灾害发生以及发展过程[26]。以往山洪灾害分布特征的研究多以省市为研究区,研究方法以定性分析为主,缺乏客观的定量评价,对大区域尺度的研究仍显不足。受限于数据条件,基于详细历史山洪灾害数据尤其是长时间序列的山洪灾害时空格局的研究存在很大空白[27,28],加之西南地区历史资料缺乏,灾害时空数据分析理论尚不成熟,针对西南地区山洪灾害时空格局及其影响因素的研究尚不多见。

本文基于全国山洪灾害调查评价项目提供的西南地区（四川、云南、贵州和重庆）1960-2015年山洪历史灾害数据,以ArcGIS和GeoDa软件为平台,运用线性回归、标准差椭圆、空间自相关模型对西南地区山洪事件进行时空格局的研究,在此基础上,利用Logistic回归模型分析西南地区山洪时空分布影响因素,揭示其时空演变规律,挖掘灾害驱动因子,其结果可为西南地区开展山洪灾害监测预警、制定山洪灾害减灾规划等提供科学依据。

2 研究区概况和数据来源

2.1 研究区概况

研究区位于中国西南部（97°21′E~110°11′E、21°8′N~34°19′N）,包括3省1市（四川、云南、贵州和重庆）,含47个地市级行政区、445个县级行政区,总面积1.13×106 km2,总人口1.97亿,人口密度为174人/km2。东临湖北省、湖南省和广西壮族自治区,南接越南、老挝,西界西藏、缅甸,北连青海、甘肃和陕西。研究区地形以高原、山地、丘陵为主,平原面积狭小。西南地区是中国地形条件最为复杂的区域之一,地势自西向东横跨三级阶梯,其中包括一级阶梯的青藏高原、二级阶梯的四川盆地和三级阶梯的长江中下游过渡带,从川西青藏高原向东至长江中下游平原过渡带,海拔从7845 m下降至200 m以下。西南地区主要包括3个地形单元,分别是包含四川省中东部地区和重庆大部分地区的四川盆地及其周边山地单元,云南省的南部和中东部地区以及贵州全境的云贵高原中高山山地丘陵区单元,四川北部、西部、西南部和云南的西北部的青藏高原高山山地区单元[3, 29-31]。西南地区受太平洋季风和印度洋季风的影响,属于典型的亚热带季风区,年均温度在15 ℃~20 ℃,气候类型属于亚热带季风气候,表现为雨热同期,年均降雨量一般在1100~1400 mm,且降雨集中在5-9月[3, 29-31]。西南地区河网密度大,水系结构复杂,各地区差异明显。研究区地势与水系情况如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区地势与水系图

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2884号的标准地图制作,底图无修改。

Fig. 1   Topography and river system of southwest China


2.2 数据来源

研究数据包括山洪灾害、气象、高程（DEM）、基础地理信息和社会经济数据,数据来源及获取方法为：① 历史山洪灾害数据,获取自《全国山洪灾害防治项目组》,包括1960-2015年西南地区历史山洪灾害发生位置、时间、经济损失、死亡人数等信息;② 降雨数据,获取自《全国山洪灾害防治项目组》暴雨图集数据,包括10 min降雨量、1 h降雨量、6 h降雨量、24 h降雨量和年均降雨量等,分辨率为10 km×10 km;③ 高程（DEM）数据,获取自中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn）提供的ASTER GDEM V2数字高程模型（Digital Elevation Model）,空间分辨率为30 m;④ 基础地理数据,获取自《全国山洪灾害防治项目组》,包括西南地区1∶5万、1∶25万行政区划、道路、水系等基础地理数据;⑤ 社会经济数据,获取自中国科学院资源环境科学数据中心（http://www.resdc.cn）,包括2000年人口和GDP数据,空间分辨率为1 km×1 km,栅格值分别代表每平方米内的人口数量（人）和GDP总量（万元）。

3 研究方法

根据史培军等[32]、程维明等[33]、刘宇等[34]研究的地理事件空间分析方法,采用趋势分析、密度分析、空间自相关[11,12]分析历史山洪时空格局,采用重力模型[33, 35-36]、标准差椭圆[29,30]和线性回归模型[34, 38]分析演变规律。根据王瑛等[2]对地理事件驱动力因素的研究,选取逻辑回归模型对西南地区山洪灾害时空分布差异的主导因素进行分析。

3.1 时空分布特征分析方法

3.1.1 重力模型 地理学认为地理事物或属性在空间分布上存在随机、规则和集聚3种分布特征[35]。重心变化是研究海量时空数据演变趋势的有效手段[36],定义西南地区山洪灾害重心的X和Y坐标分别表示为：

X-=∑i=1nWi×Si×Xi∑i=1nWi×Si,Y̅=∑i=1nWi×Si×Yi∑i=1nWi×Si

式中： X̅为西南地区山洪灾害重心的经度; Y̅为西南地区山洪灾害重心的纬度;n表示研究范围内的栅格数量;i为栅格序号;Xi、Yi分别为第i个栅格的几何中心经度及纬度;Si为第i个栅格的面积;Wi为第i个栅格的山洪灾害核密度值。

3.1.2 标准差椭圆 标准差椭圆（Standard Deviational Ellipse, SDE）,可用来汇总和表达地理要素的中心趋势、离散和方向趋势等空间特征[29-30, 37]。利用标准差椭圆识别历史山洪灾害点的空间分布,同时表示其中心位置变化以及移动趋势。具体公式定义为：

C=1n∑i=1nx˜i2∑i=1nx˜iy˜i∑i=1nx˜iy˜i∑i=1ny˜i2
x˜i=xi-x'¯y˜i=yi-y'¯

式中：xi和yi是要素i的坐标;( x'¯,y'¯)表示要素的平均中心;n为要素总数。

3.1.3 线性回归模型 线性回归模型用于确定两种或两种以上变量间相互依赖的定量关 系[34],通过一元线性回归模型表征山洪灾害和时间的相互依赖关系,计算公式定义为[38]：

β=n∑xy-∑x∑yn∑x2-(∑x)2

式中：β为西南地区山洪灾害变化率;n为西南地区研究总年数;x为所对应年份;y为对应年份的山洪灾害核密度值。

3.1.4 空间自相关分析 空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标,分为全局空间自相关和局部空间自相关[11,12]。全局Moran's I计算公式如下：

I=n∑i=1n∑j=1nWijxi-x̅xj-x̅∑i=1n∑j=1nWij∑i=1nxi-x̅2

式中：I为全局Moran指数;xi、xj分别为县域i、j的山洪灾害数量; x̅为山洪灾害数量平均值;Wij是城市i和j的空间关系测度（相邻为1,不相邻为0）。全局空间自相关不能确切表示集聚或异常发生的具体空间位置,为分析各县域山洪灾害与邻域县的空间关联及差异程度,需要用局部空间自相关方法作进一步分析,其表达式为：

Ii=nxi-x̅∑j=1nWijxj-x̅∑xi-x̅2

空间自相关显著性采用标准化统计量Z（式（7））进行判断[39],计算公式为：

Z=I-E(I)VAR(I)

式中：E（I）为I的期望值;VAR（I）为I的方差,在0.05的显著性水平下|Z| = 1.96,|Z| > 1.96表示空间自相关是显著的。根据I、Z结果,可将第i个要素和相邻要素相关性划分为5类“高—高”聚集、“高—低”聚集、“低—低”聚集、“低—高”聚集和“不显著”。

3.2 影响因素分析方法

Logistic回归模型是一种概率型非线性回归模型,是研究影响因素与因变量之间关系的常用方法[40]。将各驱动因子指标进行空间化、无量纲化、共线性检验处理等,利用二元Logistic回归方程定量分析西南地区山洪灾害影响因素：

P=exp(β0+β1x1+⋯+βkxk)1+exp(β0+β1x1+⋯+βkxk)

式中：P为因变量,是自变量因子相对于某一事件的发生概率,取值范围为[0, 1];xi是自变量因子（i = 1, 2, …, k）,是影响事件发生的因素;k为自变量个数;βi是偏回归系数,反映自变量因子xi对P的影响程度大小。

4 结果与分析

4.1 西南地区山洪灾害的时间分布特征

4.1.1 年内变化特征 西南地区历史山洪灾害按发生月统计分析的结果如图2所示。西南地区山洪灾害主要集中在5-9月发生（图2）。从1960-2015年的西南地区山洪灾害历史资料看来,夏季（6-8月）发生山洪灾害数量最多,总共发生5335次,尤其7月为全年发生山洪灾害次数最多,发生灾害2458次,占全年总数的36.2%;春季（3-5月）和秋季（9-11月）也有少许山洪灾害发生,春季共发生山洪灾害588次,秋季共发生山洪灾害802次。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   西南地区山洪灾害年内变化特征

Fig. 2   Intra-annual variation of flash floods in southwest China


4.1.2 阶段性变化特征 以西南地区历史山洪灾害资料为基础,分析1960-2015年山洪灾害逐年变化趋势以及演化态势（图3）。西南地区山洪灾害阶段性变化特征为逐年波动上升,呈指数增长（图3）。西南地区山洪灾害发生频次按指数函数特征形成了1960-1980年、1981-1998年、1999-2015年3个阶段性变化过程。在1960-1980年处于稳定阶段,山洪灾害发生频次几乎不变,稳定在每年50次左右;在1981-1998年处于缓慢波动上升阶段,灾害发生频次逐年波动增加;在1999-2015年属于快速上升阶段,年均灾害频次变化率快速增加,最高达到450次/年。在1981年、1998年、2007年、2010年和2014年出现异常高值,分别发生山洪灾害126起、369起、356起、422起和466起,共计1739起,占总数的23.4%。西南地区历史降雨资料记载显示,出现山洪灾害数量异常的5个年份中均有大范围暴雨记录,如1981年7月四川爆发建国以来罕见的暴雨洪水[41]、1998年全国爆发大范围特大洪涝灾害[42]、2007年7月川东北连续3场大暴雨[43]、2010年7月14-18日四川爆发大暴雨[44]和2014年7月13-17日贵州持续性暴雨[45]。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   西南地区山洪灾害阶段性变化特征

Fig. 3   Annual variability of flash floods in southwest China


4.1.3 年代际变化特征 根据西南地区1960-2015年总计56年山洪灾害历史数据每10年一期数据进行统计分析,结果如图4和图5所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   西南地区山洪灾害年代际分布特征

Fig. 4   Interdecadal variability of flash floods in southwest China


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   1960-2015年西南地区历史山洪灾害各年代分布

Fig. 5   Spatial distribution of historic flash floods in southwest China during 1960-2015


西南地区山洪灾害年代际变化整体呈线性增长（图4）。1960-2015年西南地区山洪灾害频次以平均398.2次/10a的速度升高,1990-2015年来山洪灾害增长速率更大,达到604次/10a的增长速率。在20世纪60-70年代期间,山洪灾害数量较少,且处于持续稳定状态;从20世纪80年代开始,灾害数量呈线性显著持续增长,每10年山洪灾害增长率分别为94.5%、65.1%、63.6%和92.1%（21世纪20年代灾害数量按2010-2015年灾害数量的两倍计算）。20世纪60-70年代期间,山洪死亡人数也处于稳定较少状态;20世纪80年代山洪死亡人数达3522人,为各年代最大值;从20世纪90年代开始,山洪死亡人数逐年代降低,山洪威胁人民生命情况逐渐转好。20世纪60-80年代,山洪经济损失处于稳定较低状态;从20世纪90年代开始,山洪经济损失出现快速增长,在21世纪初10年达到峰值;21世纪10年代,山洪灾害造成的经济损失明显降低。20世纪60-70年代山洪灾害发生数量较少,且在西南地区呈现均匀分布,川西高原几乎无山洪灾害发生;从20世纪90年代开始,山洪灾害发生数量开始增加,主要集中分布在四川盆地和滇中、滇东地区,川西高原山洪灾害发生次数明显增多（图5）。

4.2 西南地区山洪灾害的空间分布特征

4.2.1 山洪灾害密度、损失及危害程度分布特征 以研究区445个县域为评价单元,运用ArcGIS空间统计功能计算西南地区山洪灾害密度、经济损失和危害程度,危害程度由死亡人数、失踪人数、转移人数、损毁房屋数量、直接经济损失总量5个因子进行加权叠加,计算公式为：

impact=∑i=1nωixi

式中：impact表示危害程度;ωi表示权重;xi为危害程度因子：死亡人数、失踪人数、转移人数、损毁房屋数量、直接经济损失总量。

借鉴万石云等[46]在山洪研究中运用的自然间断点分级方法,对西南地区山洪灾害密度、经济损失和危害程度进行分级[12, 46]（图6）。研究区县域历史山洪灾害频次在空间分布上存在明显的差异,高密度区主要集中于滇中高原地区、四川盆地地区和周边山地单元（图6a）。1960-2015年,西南地区共计445个县发生过山洪灾害,占县级行政区总数的95.5%。其中,处于极高灾害密度（> 15.3次/km2）的县共有91个,占西南地区总数的20.4%,主要集中在四川的成都、绵阳、乐山、眉山和云南的昆明、曲靖、楚雄、玉溪。西南地区山洪灾害经济损失在空间上有着明显的差异,直接经济损失总量极高的县级行政区共计有77个,占西南地区总县数的17.3%,其中超过一半位于四川省境内（图6b）。从危害程度来看,极高危害程度的地区有13个区县,高危害程度的地区有29个区县,其中四川省越西县、南部县和云南省会泽县、腾冲县、兰坪白族普米族自治县是危害程度最高的5个区县（图6c）。将山洪灾害密度、经济损失和危害程度结果进行对比分析可知,西南地区山洪灾害密度、经济损失和危害程度在四川盆地和滇中地区高值较为集中,且有较好的对应关系。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   西南地区山洪灾害密度(a)、经济损失(b)和危害程度(c)空间分布图

Fig. 6   Spatial distribution of flash flood density (a), economic loss (b) and damage degree (c) in southwest China


4.2.2 灾害重心以及灾害变化趋势 利用重力模型分析西南地区历史山洪灾害点5-9月逐月灾害重心移动轨迹和移动距离,利用标准差椭圆综合分析西南地区历史山洪灾害点5-9月逐月灾害方向及分布（图7）。西南地区历史山洪灾害5-9月的重心主要在102°41′E~105°23′E、27°14′N~28°16′N之间,位于云南省昭通市和四川省凉山彝族自治州,5-7月灾害重心由毕节市七星关区向彝良县、大关县移动,8月向西南方向的四川省凉山彝族自治州宁南县移动,9月向东北方向雷波县移动（图7）,5-9月重心共移动439.7 km。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   西南地区历史山洪灾害重心及方向分布特征

Fig. 7   Spatial distribution of the center of gravity and direction of historic flash floods in southwest China


5-9月份标准差椭圆方向在36.972°~52.534°之间,西南地区历史山洪灾害的空间分布呈现出西南—东北格局,标准差椭圆方向5-8月的转角均逐渐弱化,转角分别由52.534°减弱至50.344°、43.683°、36.972°,9月份稍有上升趋势转变为41.331°。5-7月标准差椭圆长轴由415.530 km上升到494.478 km,8月略微有所降低,9月大幅上升到605.705 km,表明5-9月历史山洪灾害在主要方向分布上出现极化,整体表现为灾害空间分布方向性越来越明显;6月份短半轴最长为315.182 km,灾害的离散程度最高,9月份短半轴最短为227.662 km,灾害的聚集程度最强,灾害点相对集中,年内整体表现出分散到聚集（表1）。

表1   西南地区历史山洪灾害5-9月标准差椭圆参数变化

Tab. 1  Variation of SDE parameters of historic flash floods in southwest China from May to September

月份5月6月7月8月9月
重心坐标105°23′E104°26′E,103°45′E,102°41′E103°41′E
27°37′N27°30′N27°45′N27°14′N28°16′N
移动方向-西西西南东北
偏移距离(km)095.572.9120.2151.1
方向角度(°)52.53450.34443.68336.97241.331
长半轴(km)415.530436.380494.478474.403605.705
短半轴(km)275.807315.182302.194288.856227.662

新窗口打开| 下载CSV


4.2.3 西南地区山洪灾害空间关联特征分析 为了揭示西南地区历史山洪灾害空间关联特征,以1960-2015年西南地区县域山洪灾害数量为基础,利用ArcGIS和GeoDa平台运用空间自相关模型进行空间关联特征分析,揭示西南地区县域山洪灾害与相邻县山洪灾害的关系。斜率Moran's I值在-1~1之间,越接近1,正相关越强烈,反之负相关越强烈,接近0表明不存在空间聚集性,西南地区空间关联特征分析结果如图8和图9所示。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   1960-2015年西南地区历史山洪灾害Moran's I散点图

Fig. 8   Moran's I scatter diagram of historic flash floods in southwest China during 1960 to 2015


图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   西南地区历史山洪灾害局部空间自相关及显著性

Fig. 9   The spatial autocorrelation (a) and significance (b) analysis of historic flash floods in southwest China


1960-2015年西南地区山洪灾害数量Moran's I指数为0.127、Z = 5.784、P = 0.007,各年代Moran's I均大于0,表明西南地区山洪灾害在空间上总体存在正相关性（图8）。从20世纪60-80年代正相关集聚特征逐渐增强,Moran's I指数由0.09上升至0.171,说明西南地区各县整体表现为山洪灾害的聚集区,其内部差异性较大,外部差异性也较大。72.6%的点集聚在Ⅰ、Ⅲ象限,表明西南地区山洪灾害高密度城市多呈现“高—高”和“低—低”集聚特征,即山洪灾害密度高值城市与周边的高值城市发生空间聚集现象,灾害密度低值城市与周边的低值城市发生空间聚集现象,落在Ⅱ、Ⅳ象限的点数相对较少,说明较少城市出现周边城市与自身差异明显现象。

基于局部自相关的结果,按照金贵等[47]的研究成果将西南地区各县历史山洪灾害局部自相关结果分为“高—高”“高—低”“低—高”“低—低”和“不显著”5类（图9）,其中山洪灾害呈现“高—高”聚集在镇沅彝族哈尼族拉祜族自治县、维西傈僳族自治县、泸水县、盈江县、隆阳区、双柏县、禄丰县、会泽县以及宣威市等。“低—低”聚集主要集中在兴仁县、酉阳土家族苗族自治县、黔江区、丰都县、万源市、资中县以及石渠县等,其中少数县未发生过山洪灾害。“高—低”聚集区域六枝特区、紫云苗族布依族自治县、龙里县、铜梁区以及巴南区等被灾害频次较低的县域围绕。“低—高”聚集区域在玉龙纳西族自治县、云龙县、龙陵县、楚雄市、禄劝彝族苗族自治县、巧家县等地区,周边有较高灾害频率的县区分布。其余县域均未呈现显著的局部空间自相关。

4.2.4 西南地区山洪灾害空间变化率

1960-1969年、1970-1979年、1980-1989年、1990-1999年、2000-2009年和2010-2015年6个时间段,运用ArcGIS的栅格计算器功能利用线性回归模型,计算西南地区山洪灾害密度变化率（图10）。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   西南地区历史山洪灾害空间变化率

Fig. 10   Spatial change rate of historic flash floods in southwest China from 1960 to 2015


1960-2015年,西南地区山洪灾害密度空间变化率大小存在明显的空间分布差异（图10）。借鉴韩红珠等[48]对变化率结果的分级方法,按照山洪灾害密度变化率β值的大小,将西南地区1960-2015年山洪灾害密度年代际变化率分为3种情况：① 山洪灾害减弱趋势,β < 0;② 山洪灾害缓慢增强趋势,β > 0且β < 0.67×10-4;③ 山洪灾害快速增强趋势,β > 0.67×10-4。西南地区极少部分地区山洪灾害呈减弱趋势,且减弱趋势地区主要集中分布在川西高原,其他地区零星分布,减弱趋势总面积有9.28×104 km2,占西南地区总面积的8.3%;大部分地区均表现为增强趋势,其中缓慢增强趋势覆盖面积最广,总面积有9.76×105 km2,占西南地区总面积的87.4%;山洪灾害快速增强趋势地区主要集中分布在四川盆地及其周边山地地区和滇中地区,在其他地区存在少许点状快速增强趋势地区,总面积有4.8×104 km2,占西南地区总面积的4.3%。西南地区成都、雅安、绵阳、遂宁、昆明、玉溪、保山、怒江傈僳族自治州、贵阳、遵义以及重庆南部山洪灾害增强趋势最为明显（图10）。

4.3 西南地区历史山洪灾害影响因素

根据《全国山洪灾害防治项目数据库》中有无山洪记录,借鉴仇蕾等[49]在极端洪水灾害评估中运用空间信息格网选取的研究成果,在西南地区随机选取3519个10 km×10 km格网进行分类,将有山洪灾害记录的单元,P设置为1,无山洪灾害的单元,P设置为0。King等[50]认为在Logistic回归模型的应用中“1”样本过少,会使得该类预测概率被严重低估,建议将两者的比率控制在0.2~1之间,文中选取的“1”的单元数为1870个,“0”的单元数为1649个,0∶1的比率为0.88。再通过影响因子的选取与量化分级,利用Logistic回归模型,分析影响因子对山洪灾害空间分布影响的解释力。

（1）影响因子选取。已有研究表明,山洪灾害是致灾因子、孕灾环境和承灾体共同作用的结果[26],短历时强降雨是山洪灾害的主要致灾因素[3, 12, 51]。人类活动改变承灾体的分布特征,同时也改变地表环境特征,进而影响局部降雨特征[27, 52]。下垫面条件是山洪灾害的必要条件,为灾害发生提供物源条件,同时地表环境变化引起降雨致灾力变化,进而影响山洪灾害[18]。本文主要从降雨、地表环境和人类活动三方面来选取西南地区山洪灾害影响因子[27, 35]。

（2）影响因素时空差异及其与山洪对应关系。① 地表环境因子。地表环境因子包括地形因子、植被因子、土壤因子等,根据王瑛等[2]对地质灾害影响因子的研究,地形因子反映地形起伏变化、陡缓程度,直接影响流域产汇流过程和时间,是最重要的孕灾环境组成部分,本文选择地形起伏度（图11a）、高程标准差（图11b）、坡度（图11c）作为地表环境因子指标,采用30 m分辨率DEM进行参数的提取。从地形起伏度因子来看,山洪高密度点主要集中在地形起伏度低于300 m区域,共发生5954次山洪灾害（图12a）;从高程标准差因子来看,历史山洪点共有90%集中在高程标准差100 m以下区域（图12b）;从坡度因子来看,历史山洪多发生在坡度较为平缓地区,共有84.6%发生在坡度低于20°地区（图12c）。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   西南地区地表环境(a~c)、降雨(d~h)、人类活动因子(i~j)和山洪密度(k)空间分布

Fig. 11   Spatial distribution of surface environment (a-c), rainfall (d-h), human activity factors (i-j) and flash floods density (k) in southwest China


图12

新窗口打开| 下载原图ZIP| 生成PPT

图12   西南地区各地表环境因子地区历史山洪数量分布直方图

Fig. 12   The frequency distribution histograms for historic flash floods in regions with different surface environmental factors


② 降雨因子。降雨与山洪灾害发生具有极强相关性,西南地区降雨量[53]和山洪灾害（图3）在1998年、2010年和2014年都出现峰值。根据刘业森等[26]对山洪受极端降雨的影响研究结果,建立5个降雨因子：年均降雨量（图11d）、10 min降雨量（M 10）（图11e）、1 h降雨量（M 60）（图11f）、6 h降雨量（H 6）（图11g）和24 h降雨量（H 24）（图11h）。西南地区降水总体呈现东—西和东南—西北方向的梯度变化特征,川西高原、滇西北和滇西高原降水较少,在成都盆地及其周边山地和贵州南部极端降水较为丰富。雅安市位于四川盆地和川西高原接壤地带,属于年均降雨量高值地区（图11d）,同样雅安市历史山洪也属于高聚集区。对比图11k,西南地区山洪灾害高密度区与1 h降雨量（图11f）高值区极为对应。

③ 人类活动因子。为充分体现人类活动对山洪灾害的影响,选取人口密度（图11i） 和GDP（图11j）为人类活动指标。人类活动体现区域内社会经济发展程度,在1 km×1 km格网单元内统计人口和经济的平均值,考虑到人类活动影响的滞后性,选择2000年的人口密度和GDP作为人类活动因子。西南地区人类活动整体呈现“西疏东密”的集疏格局,基本无人区主要分布在川西高原和横断山区,人口和GDP都主要集中分布在四川盆地地区。成都市区,绵阳涪城区,昆明官渡、盘龙、五花地区,贵阳白云、南明、花溪地区和重庆沙坪坝、江北、渝北、北碚地区都是人类活动复杂、社会经济较好地区,人类活动改变下垫面条件与降雨,人类活动频繁地区山洪灾害表现为高密度区（图11k）。

（3）山洪灾害空间分布影响因素。图11所示10个影响因素均为连续变量,由于各影响因素的数值差别较大,因此首先进行标准离散化处理,将影响因素分为10级,再输入Logistic回归模型,得到各影响因子对山洪灾害空间分布影响的解释力如表2所示,表中β为偏回归系数,S.E.为标准差,sig.为显著性,Exp（β）是优势比（简称OR）。OR值大小表示影响程度的大小,大于1表示正向影响,小于1表示负向影响,优势比表示自变量每变化一个单位,引起山洪灾害事件发生概率相应变化的比例。

表2   Logistic回归模型各变量参数表

Tab. 2  The parameter table of each variable in the logistic regression model

类型变量βS.E.sig.Exp(β)
地表环境因子地形起伏度-0.1330.0740.0730.875
坡度-0.0080.0230.7050.991
高程标准差0.1020.0660.1201.108
降雨因子年均降雨量-0.1040.0350.0030.901
M10-1.1950.0750.0000.303
M601.2950.0760.0003.654
H60.2890.0580.0001.336
H24-0.0950.0580.1020.909
人类活动因子GDP0.3960.0860.0001.486
人口密度0.2320.0400.0001.262
Constant-0.7880.2360.0010.455

新窗口打开| 下载CSV


降雨因子的影响度最高,人类活动因子次之,地表环境因子最低（表2）。年平均降雨量、10 min降雨量、1 h降雨量、6 h降雨量、GDP和人口密度6个变量的Sig.< 0.05,说明这些因素对西南地区山洪灾害空间分布都存在显著影响。表2中6 h降雨、1小时降雨量、人口密度、GDP对应的Exp（β）值均大于1,表明这4个因子对山洪的发生是正向影响,这些因子增加都会导致西南地区山洪灾害发生的可能性增大。1小时降雨量对山洪灾害空间变化的解释力是最高的,优势比值达到3.654,表明1 h降雨量每增加1%,山洪灾害事件发生的概率变为原来的3.654倍,说明1 h降雨量是西南地区山洪灾害发生的主控因素。年均降雨量和10 min降雨的Exp（β）值小于1,说明通过模型计算年均降雨量和10 min降雨对西南地区山洪灾害事件发生是负向影响的。

将表2中的β值带入式（8）中,结果为式（10）、（11）：

Z=-0.788-0.133X1-0.009X2-0.104X3+0.396X4+0.233X5+0.102X6-1.196X7+1.296X8+0.290X9-0.096X10
P=Exp(Z)1+Exp(Z)

式中：Z为中间变量,表示各变量叠加后的线性权重之和;P为山洪灾害事件发生概率;X1为地形起伏度;X2为坡度;X3为年平均降雨量;X4为GDP;X5为人口密度;X6为高程标准差;X7为10 min降雨量;X8为1 h降雨量;X9为6 h降雨量;X10为24 h降雨量。上式即为西南地区山洪灾害发生概率模型（the Probability Model of Flash Floods in Southwest China, PMFFSC）。

（4）精度分析。通过混淆矩阵和ROC（Receiver Operating Characteristic）曲线对PMFFSC模型的精度进行评估。表3为PMFFSC模型的预测混淆矩阵,即对是否发生山洪灾害两类情况的预测正确率,分割值为0.5,P ≥ 0.5判断为发生山洪灾害,P < 0.5则判断为未发生山洪灾害。模型总的正确率为75.9%,其中未发生山洪灾害的正确率为70.7%,发生山洪灾害预测正确率为80.5%。

表3   PMFFSC模型的预测混淆矩阵

Tab. 3  Confusion matrix for the PMFFSC model

实际是否发生模型预测
是否发生正确率（%）
01
0116548370.7
1364150480.5
总体百分比75.9

新窗口打开| 下载CSV


图13中蓝色线为PMFFSC模型的ROC曲线,对ROC曲线下的面积（AUC）进行统计,AUC = 0.829,标准误差0.007。根据Swets等[54]的研究,ROC曲线下面积在0.5~0.7之间表示预测价值较低,在0.7~0.9之间表示预测价值中等,0.9以上表示预测价值高。因此,本模型具有相对较高的预测价值。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13   西南地区山洪灾害事件发生概率模型ROC曲线

Fig. 13   ROC curve for probability model of flash floods in southwest China


5 结论与讨论

基于1960-2015年西南地区历史山洪灾害数据,采用线性回归模型、标准差椭圆、空间自相关和Logistic回归模型,运用ArcGIS、GeoDa等平台对西南地区山洪灾害“空间格局”与“时空过程”进行研究,揭示了西南地区山洪灾害时空分异的影响因素。主要研究结论为：

（1）1960-2015年,西南地区山洪灾害整体呈现上升趋势,尤其1990-2015年灾害上升幅度更大,灾害主要在夏季（6-8月）发生;西南地区历史山洪灾害存在明显的空间分异特征,空间上呈西北低—东南高整体格局特征,川西高原、滇西和滇西北地区山洪灾害密度普遍偏低,四川盆地及周边山地地区、滇中和滇东北地区山洪灾害密度普遍偏高,重庆地区、贵州地区山洪灾害密度呈中等水平。

（2）区域内四川盆地地区极端降水较多、人口密度大、GDP快速发展,四川盆地表现为山洪灾害高密度区域。川西高原、滇西北地区、滇西地区和滇西南地区降雨较少,加之人口稀少、GDP发展缓慢,区域内山洪灾害表现为低密度区。在重庆地区、贵州地区和滇中、滇东北、滇东地区极端降水、人口密度和GDP都处于中间水平,因此这些区域山洪灾害的发生率也处于中间水平。

（3）西南地区山洪灾害重心在年内存在明显的向正西方向移动的趋势;山洪灾害快速增强趋势地区主要集中分布在四川盆地及其周边山地地区和滇中地区,其余大部分地区都表现为缓慢增长趋势,只有川西高原、滇西和滇西北地区存在少许山洪灾害减弱趋势。此结果与袁文德等[55]得出西南地区近50年极端降水沿东—西和东南—西北方向的梯度变化结果较为一致,也与王立涛等[56]研究得出西南地区社会经济、人口发展研究相对较快相对应。

（4）1960-2015年,各类因素对山洪灾害空间分布的影响大小依次为降雨因子、人类活动因子、地表环境因子,降雨因子中1 h降雨量对山洪的影响最强,优势比值达到3.654。山洪灾害影响因素具有明显的空间差异性,历史山洪灾害在年内沿经度的变化强于沿纬度变化,同纬度不同经度地区气候差异特征最为明显。结论与刘业森等[26]得出气候条件是山洪灾害发生的主控因素相一致。

山洪灾害的发生、发展过程极其复杂,在后续工作中需要加强西南地区流域下垫面特征发掘与产汇流研究,结合流域下垫面和产汇流特征认清山洪形成机理,制定相应的防治措施。同时需加强山洪灾害及其影响因素数据的时间和空间精度,进一步提升数据时效性,提高山洪时空特征与影响因素研究的可靠性。

参考文献

Liu Xilin, Yu Chengjun, Shang Zhihai .

Risk mapping and spatial pattern of debris flow and landslide hazards in China

Journal of Basic Science and Engineering, 2011,19(5):721-731.

[本文引用: 1]

[ 刘希林, 余承君, 尚志海 .

中国泥石流滑坡灾害风险制图与空间格局研究

应用基础与工程科学学报, 2011,19(5):721-731.]

[本文引用: 1]

Wang Ying, Lin Qigen, Shi Peijun .

Spatial pattern and influencing factors of casualty events caused by landslides

Acta Geographica Sinica, 2017,72(5):906-917.

[本文引用: 3]

[ 王瑛, 林齐根, 史培军 .

中国地质灾害伤亡事件的空间格局及影响因素

地理学报, 2017,72(5):906-917.]

[本文引用: 3]

Yang Hongjuan, Wei Fangqiang, Ma Zhenfeng , et al.

Spatial-temporal distribution of debris flows in Sichuan province in China and the corresponding rainfall characteristics

Journal of Catastrophology, 2017,32(4):102-107.

[本文引用: 4]

[ 杨红娟, 韦方强, 马振峰 , 等.

四川省泥石流灾害的时空分布规律和降水特征

灾害学, 2017,32(4):102-107.]

[本文引用: 4]

Guo Yue .

Hazard paradigms and their historical evolution

Scientia Geographica Sinica, 2016,36(6):935-942.

DOI:10.13249/j.cnki.sgs.2016.06.017      Magsci     [本文引用: 1]

<p>随着人类社会的发展,人类对灾害的理解发生了很大的变化,灾害范式也在不断的演进,可以归纳为：荒政范式、工程范式、行为范式、社会范式和可持续范式5种灾害范式。通过分析这些灾害范式形成的社会历史背景、灾害的基本观点、关注的主要问题以及减灾防灾的主要对策和措施,得出以下结论：<i>① </i>在人类社会历史进程中,人们对灾害的认识和理解是逐步深化和发展的;<i>② </i>灾害范式与减灾实践的发展是互动生成的;<i>③ </i>范式的产生与转变都有深刻的社会动因;<i>④ </i>一定时期,存在一定的主流灾害范式,但其他灾害范式的影响依然存在。</p>

[ 郭跃 .

灾害范式及其历史演进

地理科学, 2016,36(6):935-942.]

DOI:10.13249/j.cnki.sgs.2016.06.017      Magsci     [本文引用: 1]

<p>随着人类社会的发展,人类对灾害的理解发生了很大的变化,灾害范式也在不断的演进,可以归纳为：荒政范式、工程范式、行为范式、社会范式和可持续范式5种灾害范式。通过分析这些灾害范式形成的社会历史背景、灾害的基本观点、关注的主要问题以及减灾防灾的主要对策和措施,得出以下结论：<i>① </i>在人类社会历史进程中,人们对灾害的认识和理解是逐步深化和发展的;<i>② </i>灾害范式与减灾实践的发展是互动生成的;<i>③ </i>范式的产生与转变都有深刻的社会动因;<i>④ </i>一定时期,存在一定的主流灾害范式,但其他灾害范式的影响依然存在。</p>

Gao Yanchao, He Jie, Chen Ningsheng , et al.

Analysis of characters of torrent disasters in the towns of the mountain areas, Sichuan, China

Journal of Chengdu University of Technology (Science and Technology Edition), 2006,33(1):88-93.

[本文引用: 1]

[ 高延超, 何杰, 陈宁生 , 等.

四川省山区城镇山洪灾害特征分析

成都理工大学学报(自然科学版), 2006,33(1):88-93.]

[本文引用: 1]

Chen Xiaoqing, Cui Peng, Chen Binru , et al.

050811 Large-scale debris flow in Hailuo valley and prevement countermeasures

Bulletin of Soil & Water Conservation, 2006,26(3):122-126.

[本文引用: 1]

[ 陈晓清, 崔鹏, 陈斌如 , 等.

海螺沟050811特大泥石流灾害及减灾对策

水土保持通报, 2006,26(3):122-126.]

[本文引用: 1]

Zhao Jian, Fan Beilin .

Characteristics of temporal and spatial distribution of mountain flood in China

China Water Resources, 2006(13):45-47.

[本文引用: 2]

[ 赵健, 范北林 .

全国山洪灾害时空分布特点研究

中国水利, 2006(13):45-47.]

[本文引用: 2]

Liu Renyi, Liu Nan .

Flood area and damage estimation in Zhejiang, China

Journal of Environmental Management, 2002,66(1):1-8.

[本文引用: 1]

Liu Qiangyi, Cheng Weiming, Sun Dongya , et al.

Distribution characteristics of historical mountain flood in China. Journal of

Geo-Information Science, 2017,19(12):1557-1566.

[本文引用: 2]

[ 刘樯漪, 程维明, 孙东亚 , 等.

中国历史山洪灾害分布特征研究

地球信息科学学报, 2017,19(12):1557-1566.]

[本文引用: 2]

Cui Peng .

Progress and prospects in research on mountain hazards in China

Progress in Geography, 2014,33(2):145-152.

DOI:10.11820/dlkxjz.2014.02.001      Magsci     [本文引用: 1]

本文首先简要回顾了山地灾害研究与防治方面的新进展：认识了山地灾害的空间分布规律，建立了山洪、泥石流、滑坡危险性评价方法；发展了滑坡稳定性分析的原理和计算方法，建立了泥石流流体应力本构关系、泥石流流速流量和冲击力计算公式、粘性泥石流起动模型，提出了山洪和泥石流规模放大效应；基于降雨和地面成灾环境要素耦合分析，发展了山地灾害气象预报方法；基于对灾害物理特性的认识，研发了一系列灾害监测预警仪器、数字流域平台与智能手机网络相结合的山洪预警系统；发展了灾害治理工程技术，形成了适合欠发达地区特点的灾害治理技术体系。在此基础上，分析了在灾害形成、运动、预测预报、防治技术和风险管理等方面还需要进一步深化研究的问题，提出山地灾害学科今后面临的任务。最后，针对国家减灾需求和学科发展目标，提出灾害对生态的响应机制、气候变化对山地灾害的影响与巨灾预测、水—土耦合的细观结构力学、灾害风险的理论与方法、基于灾害形成理论的机理预报模式、灾害防治技术规程的健全等未来应该关注的科学技术问题。

[ 崔鹏 .

中国山地灾害研究进展与未来应关注的科学问题

地理科学进展, 2014,33(2):145-152.]

DOI:10.11820/dlkxjz.2014.02.001      Magsci     [本文引用: 1]

本文首先简要回顾了山地灾害研究与防治方面的新进展：认识了山地灾害的空间分布规律，建立了山洪、泥石流、滑坡危险性评价方法；发展了滑坡稳定性分析的原理和计算方法，建立了泥石流流体应力本构关系、泥石流流速流量和冲击力计算公式、粘性泥石流起动模型，提出了山洪和泥石流规模放大效应；基于降雨和地面成灾环境要素耦合分析，发展了山地灾害气象预报方法；基于对灾害物理特性的认识，研发了一系列灾害监测预警仪器、数字流域平台与智能手机网络相结合的山洪预警系统；发展了灾害治理工程技术，形成了适合欠发达地区特点的灾害治理技术体系。在此基础上，分析了在灾害形成、运动、预测预报、防治技术和风险管理等方面还需要进一步深化研究的问题，提出山地灾害学科今后面临的任务。最后，针对国家减灾需求和学科发展目标，提出灾害对生态的响应机制、气候变化对山地灾害的影响与巨灾预测、水—土耦合的细观结构力学、灾害风险的理论与方法、基于灾害形成理论的机理预报模式、灾害防治技术规程的健全等未来应该关注的科学技术问题。

Xiong Junnan, Gong Ying, Cheng Weiming , et al.

Temporal and spatial distribution characteristics of mountain floods in Tibet, China in recent 30 years

Mountain Research, 2018,36(4):557-570.

[本文引用: 3]

[ 熊俊楠, 龚颖, 程维明 , 等.

西藏自治区近30年山洪灾害时空分布特征

山地学报, 2018,36(4):557-570.]

[本文引用: 3]

Xiong Junnan, Zhao Yunliang, Cheng Weiming , et al.

Temporal-spatial distribution and the influencing factors of mountain-flood disasters in Sichuan province

Journal of Geo-Information Science, 2018,20(10):1443-1456.

[本文引用: 4]

[ 熊俊楠, 赵云亮, 程维明 , 等.

四川省山洪灾害时空分布规律及其影响因素研究

地球信息科学学报, 2018,20(10):1443-1456.]

[本文引用: 4]

Xiong Junnan, Liu Zhiqi, Fan Chunkun , et al.

Temporal and spatial distribution characteristics and changing trend of meteorologic disaster in Tibet Autonomous Region from 1983 through 2013

Journal of Glaciology and Geocryology, 2017,39(6):1221-1231.

[本文引用: 1]

[ 熊俊楠, 刘志奇, 范春捆 , 等.

1983-2013年西藏自治区气象灾害时空分布特征与变化趋势

冰川冻土, 2017,39(6):1221-1231.]

[本文引用: 1]

Huang Guoru, Cheng Guodong, Xian Zuoyan , et al.

Analysis of causes of mountain flood disaster at Yaoan small watershed of Qingyuan

Journal of Water Resources and Water Engineering, 2015,26(3):136-141.

DOI:10.11705/j.issn.1672-643X.2015.03.28      URL     [本文引用: 1]

以清远市瑶安小流域为例，从降雨条件、地形地貌条件、固体物质环 境条件等方面分析该流域山洪灾害的成因。利用M－K法分析得知该流域各历时降雨均呈较为明显的上升趋势，未来该流域发生暴雨山洪灾害的可能性较大，降雨为 山洪灾害形成提供了直接的外动力因素。基于GIS技术分析可知该流域陡坡主要集中于流域上游河道两岸，不利的坡度势能条件为山洪灾害形成提供了有利的地形 地貌条件，该流域岩体风化和人类不合理活动为山洪灾害形成提供了重要的环境条件。

[ 黄国如, 成国栋, 冼卓雁 , 等.

清远市瑶安小流域山洪灾害成因分析

水资源与水工程学报, 2015,26(3):136-141.]

DOI:10.11705/j.issn.1672-643X.2015.03.28      URL     [本文引用: 1]

以清远市瑶安小流域为例，从降雨条件、地形地貌条件、固体物质环 境条件等方面分析该流域山洪灾害的成因。利用M－K法分析得知该流域各历时降雨均呈较为明显的上升趋势，未来该流域发生暴雨山洪灾害的可能性较大，降雨为 山洪灾害形成提供了直接的外动力因素。基于GIS技术分析可知该流域陡坡主要集中于流域上游河道两岸，不利的坡度势能条件为山洪灾害形成提供了有利的地形 地貌条件，该流域岩体风化和人类不合理活动为山洪灾害形成提供了重要的环境条件。

Li Xinghua, Li Zhangjun, Han Fang , et al.

Regularity and cause of mountain torrents in Inner Mongolia in recent 50 years

Journal of Natural Disasters, 2006,15(6):241-246.

[本文引用: 1]

[ 李兴华, 李彰俊, 韩芳 , 等.

近50年内蒙古山洪灾害的规律及成因

自然灾害学报, 2006,15(6):241-246.]

[本文引用: 1]

Li Jingbao, Mao Dehua, Xu Shuhui .

The causes and features of mountain torrent disaster in Hunan province

Mountain Research, 2002,20(3):380-384.

[本文引用: 1]

[ 李景保, 毛德华, 许树辉 .

湖南省山洪灾害特征与成因分析

山地学报, 2002,20(3):380-384.]

[本文引用: 1]

Tang Chuan, Zhu Jing .

A GIS based regional torrent risk zonation

Acta Geographica Sinica, 2005,60(1):87-94.

[本文引用: 3]

[ 唐川, 朱静 .

基于GIS的山洪灾害风险区划

地理学报, 2005,60(1):87-94.]

[本文引用: 3]

Zhao Gang, Pang Bo, Xu Zongxue , et al.

Assessment on the hazard of flash flood disasters in China

Journal of Hydraulic Engineering, 2016,47(9):1133-1142.

[本文引用: 3]

[ 赵刚, 庞博, 徐宗学 , 等.

中国山洪灾害危险性评价

水利学报, 2016,47(9):1133-1142.]

[本文引用: 3]

Ren Hongyu, Du Jun, Ding Wenfeng , et al.

Risk assessment of mountain torrents disaster in China based on GIS

Journal of Catastrophology, 2018,33(4):86-92.

[本文引用: 1]

[ 任洪玉, 杜俊, 丁文峰 , 等.

基于GIS的全国山洪灾害风险评估

灾害学, 2018,33(4):86-92.]

[本文引用: 1]

Ma Meihong, He Bingshun, Liu Qi , et al.

China's characteristics and countermeasures of flash flood disasters in 2014

Yellow River, 2017,39(9):24-27.

[本文引用: 1]

[ 马美红, 何秉顺, 刘启 , 等.

2014年中国山洪灾害特点及防御对策

人民黄河, 2017,39(9):24-27.]

[本文引用: 1]

Du Jun, Ding Wenfeng, Ren Hongyu , et al.

Relationships between different types of flash flood disasters and their main impact factors in the Sichuan province

Resources and Environment in the Yangtze Basin, 2015,24(11):1977-1983.

DOI:10.11870/cjlyzyyhj201511023      Magsci     [本文引用: 1]

以四川省为例,在明确溪河洪水及其引发的滑坡、泥石流三类山洪灾害分布格局的基础上,构建概念模型,分析降雨、地形、人口资产易损性等引发山洪灾害的基本因子和土壤、河网密度、土地利用等一般因子对不同类型山洪灾害的影响程度,并比较它们的异同。结果表明:(1)四川省山洪灾害主要分布在盆周山区、川西高原和横断山脉一带;(2)如果3项基本因子可以解释山洪灾害空间分布100%的变化,则它们对三类灾害的影响程度分别为:溪河洪水,降雨59%、地形28%、人口资产13%;泥石流,降雨15%、地形73%、人口资产12%;滑坡,降雨48%、地形34%、人口资产18%;(3)总体上,泥石流灾害对地形、岩性、土地利用等下垫面因子的依赖更高,而溪河洪水和滑坡灾害受降雨要素的影响更大。

[ 杜俊, 丁文峰, 任洪玉 , 等.

四川省不同类型山洪灾害与主要影响因素的关系

长江流域资源与环境, 2015,24(11):1977-1983.]

DOI:10.11870/cjlyzyyhj201511023      Magsci     [本文引用: 1]

以四川省为例,在明确溪河洪水及其引发的滑坡、泥石流三类山洪灾害分布格局的基础上,构建概念模型,分析降雨、地形、人口资产易损性等引发山洪灾害的基本因子和土壤、河网密度、土地利用等一般因子对不同类型山洪灾害的影响程度,并比较它们的异同。结果表明:(1)四川省山洪灾害主要分布在盆周山区、川西高原和横断山脉一带;(2)如果3项基本因子可以解释山洪灾害空间分布100%的变化,则它们对三类灾害的影响程度分别为:溪河洪水,降雨59%、地形28%、人口资产13%;泥石流,降雨15%、地形73%、人口资产12%;滑坡,降雨48%、地形34%、人口资产18%;(3)总体上,泥石流灾害对地形、岩性、土地利用等下垫面因子的依赖更高,而溪河洪水和滑坡灾害受降雨要素的影响更大。

Wan Shiyun, Zhao Ningkun, Duan Wei .

Correlation and multi-timescale characteristics of strong precipitations and landslide debris flows in Yunnan province

Journal of Catastrophology, 2015,30(1):45-50.

[本文引用: 1]

[ 万石云, 赵宁坤, 段玮 .

云南省滑坡泥石流与强降水的相关性和多时间尺度特征研究

灾害学, 2015,30(1):45-50.]

[本文引用: 1]

Qiu Yujun, Wang Jingai, Zou Xueyong .

Regional disaster assessment model

Journal of Natural Disasters, 2003,12(3):48-53.

[本文引用: 1]

[ 邱玉珺, 王静爱, 邹学勇 .

区域灾情评价模型

自然灾害学报, 2003,12(3):48-53.]

[本文引用: 1]

Wang Jingai, Shi Peijun, Zhu Li .

A research on regional distribution of major natural hazards in China

Acta Geographica Sinica, 1994,49(1):18-26.

[本文引用: 1]

[ 王静爱, 史培军, 朱骊 .

中国主要自然致灾因子的区域分异

地理学报, 1994,49(1):18-26.]

[本文引用: 1]

Xiong Junnan, Wei Fangqiang, Liu Zhiqi .

Hazard assessment of debris flow in Sichuan province

Journal of Geo-Information Science, 2017,19(12):1604-1612.

[本文引用: 1]

[ 熊俊楠, 韦方强, 刘志奇 .

四川省小流域泥石流危险性评价

地球信息科学学报, 2017,19(12):1604-1612.]

[本文引用: 1]

Liu Yesen, Yang Zhenshan, Huang Yaohuan , et al.

Spatial and temporal evolution patterns and driving factors of mountain flood disasters in China since the founding of the People's Republic of China

Scientia Sinica Terrae, 2019,49(2):408-420.

[本文引用: 4]

[ 刘业森, 杨振山, 黄耀欢 , 等.

建国以来中国山洪灾害时空演变格局及驱动因素分析

中国科学: 地球科学, 2019,49(2):408-420.]

[本文引用: 4]

Liu Yi, Yang Yu .

Major natural disasters and their spatio-temporal variation in the history of China

Acta Geographica Sinica, 2012,67(3):291-300.

[本文引用: 3]

[ 刘毅, 杨宇 .

历史时期中国重大自然灾害时空分异特征

地理学报, 2012,67(3):291-300.]

[本文引用: 3]

Li Bingyuan, Li Juzhang, Wang Jianjun .

Areal association of natural hazard in China

Acta Geographica Sinica, 1996,51(1):1-11.

[本文引用: 1]

[ 李炳元, 李矩章, 王建军 .

中国自然灾害的区域组合规律

地理学报, 1996,51(1):1-11.]

[本文引用: 1]

Zhu Linfu, Xie Shiyou, Yang Hua , et al.

The response of dynamic change in vegetation coverage to topography in Chongqing based on MODIS EVI

Journal of Natural Resources, 2017,32(12):2023-2033.

[本文引用: 4]

[ 朱林富, 谢世友, 杨华 , 等.

基于MODIS EVI的重庆植被覆盖变化的地形效应

自然资源学报, 2017,32(12):2023-2033.]

[本文引用: 4]

Zhang Shaoyun, Zhou Zhongfa, Xiong Kangning , et al.

Spatial pattern of the caves in Guizhou province and their the influencing factors

Acta Geographica Sinica, 2016,71(11):1998-2009.

[本文引用: 2]

[ 张绍云, 周忠发, 熊康宁 , 等.

贵州洞穴空间格局及影响因素分析

地理学报, 2016,71(11):1998-2009.]

[本文引用: 2]

Tao Yun, Tang Chuan, Duan Xu .

Landslide and debris flow hazards in Yunnan and their relationship with precipitation characteristics

Journal of Natural Disasters, 2009,18(1):180-186.

[本文引用: 2]

[ 陶云, 唐川, 段旭 .

云南滑坡泥石流灾害及其与降水特征的关系

自然灾害学报, 2009,18(1):180-186.]

[本文引用: 2]

Shi Peijun, Kong Feng, Fang Jiayi .

Spatio-temporal patterns of China decadal storm rainfall

Scientia Geographica Sinica, 2014,34(11):1281-1290.

URL     Magsci     [本文引用: 1]

<p>采用1951~2010 年中国659 个气象站点的日值降水数据,以中国气象局颁布的降水强度等级划分标准为依据,分别计算1951~1960、1961~1970、1971~1980、1981~1990、1991~2000、2001~2010 年的年代际暴雨雨量、雨日和雨强,并统计了其相应的站点数目变化。结果表明,在时间上,中国年代际暴雨雨量和雨日显著增加,暴雨雨强也呈现增加趋势;在空间上,中国年代际暴雨雨量和雨日呈现出从东南沿海地区向华中和西南及环渤海地区逐渐扩张的梯度增加趋势,年代际暴雨雨强远不如暴雨雨量和暴雨雨日梯变明显。中国暴雨1951~2010 年年代际时空变化格局很可能是在全球变暖大背景下中国地势与城市化共同作用的结果。</p>

[ 史培军, 孔锋, 方佳毅 .

中国年代际暴雨时空变化格局

地理科学, 2014,34(11):1281-1290.]

URL     Magsci     [本文引用: 1]

<p>采用1951~2010 年中国659 个气象站点的日值降水数据,以中国气象局颁布的降水强度等级划分标准为依据,分别计算1951~1960、1961~1970、1971~1980、1981~1990、1991~2000、2001~2010 年的年代际暴雨雨量、雨日和雨强,并统计了其相应的站点数目变化。结果表明,在时间上,中国年代际暴雨雨量和雨日显著增加,暴雨雨强也呈现增加趋势;在空间上,中国年代际暴雨雨量和雨日呈现出从东南沿海地区向华中和西南及环渤海地区逐渐扩张的梯度增加趋势,年代际暴雨雨强远不如暴雨雨量和暴雨雨日梯变明显。中国暴雨1951~2010 年年代际时空变化格局很可能是在全球变暖大背景下中国地势与城市化共同作用的结果。</p>

Cheng Weiming, Gao Xiaoyu, Zhou Chenghu , et al.

Spatial-temporal distribution of cropland in China based on geomorphologic regionalization during 1990-2015

Acta Geographica Sinica, 2018,73(9):1613-1629.

[本文引用: 2]

[ 程维明, 高晓雨, 周成虎 , 等.

基于地貌分区的1990-2015年中国耕地时空特征变化分析

地理学报, 2018,73(9):1613-1629.]

[本文引用: 2]

Liu Yu, Fu Bojie .

Topographical variation of vegetation cover evolution and the impact of land use/cover change in the Loess Plateau

Arid Land Geography, 2013,36(6):1097-1102.

URL     Magsci     [本文引用: 3]

基于16 d合成MODIS <em>NDVI</em>数据提取的时间序列植被覆盖度数据，采用一元线性回归趋势分析，对黄土高原2000-2008年植被覆盖度的时空变化及其地形分异、土地利用/覆被变化的影响进行了定量分析。结果表明：（1）研究时段黄土高原植被覆盖度整体呈快速上升趋势，局部下降；（2）黄土高原植被覆盖度变化存在明显的地形分异，陡坡等植被恢复、重建和保育的主要区域植被覆盖度增速显著；（3）土地利用/覆被变化对植被覆盖度的增加影响突出，土地利用/覆被类型变更区植被覆盖度增速显著高于未变化区域，退耕还林还草区增速尤其突出；（4）土地利用/覆被类型未变化区域植被覆盖度总体上也呈增加趋势，但因植被覆盖度水平相对较高，增速明显低于土地利用/覆被类型变化区。上述结果表明，黄土高原植被保育、植被恢复和重建在植被覆盖度提升方面取得了明显成效。

[ 刘宇, 傅伯杰 .

黄土高原植被覆盖度变化的地形分异及土地利用/覆被变化的影响

干旱区地理, 2013,36(6):1097-1102.]

URL     Magsci     [本文引用: 3]

基于16 d合成MODIS <em>NDVI</em>数据提取的时间序列植被覆盖度数据，采用一元线性回归趋势分析，对黄土高原2000-2008年植被覆盖度的时空变化及其地形分异、土地利用/覆被变化的影响进行了定量分析。结果表明：（1）研究时段黄土高原植被覆盖度整体呈快速上升趋势，局部下降；（2）黄土高原植被覆盖度变化存在明显的地形分异，陡坡等植被恢复、重建和保育的主要区域植被覆盖度增速显著；（3）土地利用/覆被变化对植被覆盖度的增加影响突出，土地利用/覆被类型变更区植被覆盖度增速显著高于未变化区域，退耕还林还草区增速尤其突出；（4）土地利用/覆被类型未变化区域植被覆盖度总体上也呈增加趋势，但因植被覆盖度水平相对较高，增速明显低于土地利用/覆被类型变化区。上述结果表明，黄土高原植被保育、植被恢复和重建在植被覆盖度提升方面取得了明显成效。

Han Huiran, Yang Chengfeng, Song Jinping .

Impact factors of location choice and spatial pattern evolution of wholesale enterprises in Beijing

Acta Geographica Sinica, 2018,73(2):219-231.

[本文引用: 3]

[ 韩会然, 杨成凤, 宋金平 .

北京批发企业空间格局演化与区位选择因素

地理学报, 2018,73(2):219-231.]

[本文引用: 3]

Fan Jie, Tao Anjun, Lv Chen .

The coupling mechanism of the centroids of economic gravity and population gravity and its effect on the regional gap in China

Progress in Geography, 2010,29(1):87-95.

DOI:10.3760/j.issn:1001-7097.2007.07.012      URL     Magsci     [本文引用: 2]

<p>区域发展差距一直是中国区域协调发展所面临的重要问题，经济和人口的空间分布态势作为区域发展空间均衡过程的体现，与区域差距的形成有密切关联。通过计算1952年至2005年中国经济重心和人口重心的地理坐标以及重心间的空间重叠性与变动一致性，刻画了53年间我国经济和人口空间分布的耦合态势，证明了其与区域差距的大小高度相关。在构建经济、人口重心空间耦合过程的作用机制模型的基础上，用均衡点跃迁和势能差转化解释了区域发展的空间均衡过程，揭示了内生和外部因素在其中的作用机制，提出了区域发展差距的&ldquo;多阶段倒U形&rdquo;的演变规律，并据此分析了1952年以来中国区域发展空间均衡过程周期性变化的动因，并对促进区域协调发展的途径进行了讨论。</p>

[ 樊杰, 陶岸君, 吕晨 .

中国经济与人口重心的耦合态势及其对区域发展的影响

地理科学进展, 2010,29(1):87-95.]

DOI:10.3760/j.issn:1001-7097.2007.07.012      URL     Magsci     [本文引用: 2]

<p>区域发展差距一直是中国区域协调发展所面临的重要问题，经济和人口的空间分布态势作为区域发展空间均衡过程的体现，与区域差距的形成有密切关联。通过计算1952年至2005年中国经济重心和人口重心的地理坐标以及重心间的空间重叠性与变动一致性，刻画了53年间我国经济和人口空间分布的耦合态势，证明了其与区域差距的大小高度相关。在构建经济、人口重心空间耦合过程的作用机制模型的基础上，用均衡点跃迁和势能差转化解释了区域发展的空间均衡过程，揭示了内生和外部因素在其中的作用机制，提出了区域发展差距的&ldquo;多阶段倒U形&rdquo;的演变规律，并据此分析了1952年以来中国区域发展空间均衡过程周期性变化的动因，并对促进区域协调发展的途径进行了讨论。</p>

Zhao Yuan, Yang Zuying, Hao Lisha , et al.

The evolution of spatial displacement pattern of China's crude oil flow source-sink system

Acta Geographica Sinica, 2012,67(4):455-466.

[本文引用: 1]

[ 赵媛, 杨足膺, 郝丽莎 , 等.

中国石油资源流动源—汇系统空间格局特征

地理学报, 2012,67(4):455-466.]

[本文引用: 1]

Chen Yefeng, Wang Yanhui, Zhao Wenji , et al.

Contributing factors and classification of poor villages in China

Acta Geographica Sinica, 2017,72(10):1827-1844.

[本文引用: 2]

[ 陈烨烽, 王艳慧, 赵文吉 , 等.

中国贫困村致贫因素分析及贫困类型划分

地理学报, 2017,72(10):1827-1844.]

[本文引用: 2]

Long Kaisheng, Zhao Yali, Zhang Honghui , et al.

Spatial difference and its influencing factors in ecological land rent in China

Acta Geographica Sinica, 2012,67(8):1125-1136.

[本文引用: 1]

[ 龙开胜, 赵亚莉, 张鸿辉 , 等.

中国生态地租空间分异及其影响因素分析

地理学报, 2012,67(8):1125-1136.]

[本文引用: 1]

Li Hong, Gong Zhaoning, Zhao Wenji , et al.

Driving forces analysis of reservoir wetland evolution in Beijing based on logistic regression model

Acta Geographica Sinica, 2012,67(3):357-367.

[本文引用: 1]

[ 李洪, 宫兆宁, 赵文吉 , 等.

基于Logistic回归模型的北京市水库湿地演变驱动力分析

地理学报, 2012,67(3):357-367.]

[本文引用: 1]

Qian Zhengan, Gu Hongdao, Yan Hong , et al.

Numerical simulations of extremely intense rainstorm and southwest vortex over Sichuan in July of 1981

Acta Meteorologica Sinica, 1990,48(4):415-423.

DOI:10.11676/qxxb1990.051      Magsci     [本文引用: 1]

本文利用复杂地形条件下嵌套细网格预报模式、由欧洲中心的格点资料,设计了六组不同的模拟试验方案,对1981年7月11-15日四川大暴雨及西南涡过程进行了48小时数值模拟。结果表明,本模式较好地预报了这次大暴雨及西南涡过程。对这次西南涡及暴雨过程的发展,凝结潜热有最重要的影响,青藏高原地形的阻挡作用也有重要影响,地面感热和潜热通量、地面摩擦及边界层内的侧向摩擦对西南涡的发展、上升运动和降水的加强也有一定的贡献。

[ 钱正安, 顾弘道, 颜宏 , 等.

四川“81.7”特大暴雨和西南涡的数值模拟

气象学报, 1990,48(4):415-423.]

DOI:10.11676/qxxb1990.051      Magsci     [本文引用: 1]

本文利用复杂地形条件下嵌套细网格预报模式、由欧洲中心的格点资料,设计了六组不同的模拟试验方案,对1981年7月11-15日四川大暴雨及西南涡过程进行了48小时数值模拟。结果表明,本模式较好地预报了这次大暴雨及西南涡过程。对这次西南涡及暴雨过程的发展,凝结潜热有最重要的影响,青藏高原地形的阻挡作用也有重要影响,地面感热和潜热通量、地面摩擦及边界层内的侧向摩擦对西南涡的发展、上升运动和降水的加强也有一定的贡献。

Shen Huying, Kuang Yiyu, Zi Li .

Genesis of 2010 storm-flood in Yangtze river basin and its comparison with 1998 flood

Yangtze River, 2011,42(6):11-14.

[本文引用: 1]

[ 沈浒英, 匡奕煜, 訾丽 .

2010年长江暴雨洪水成因及与1998年洪水比较

人民长江, 2011,42(6):11-14.]

[本文引用: 1]

Xiao Dixiang, Gu Qingyuan, Qi Shengxiu , et al.

Diagnostic analysis of continuous heavy rainfall: 3 cases in northeastern Sichuan province in July, 2007

Torrential Rain and Disasters, 2008,27(3):231-236.

[本文引用: 1]

[ 肖递祥, 顾清源, 祁生秀 , 等.

2007年7月川东北连续3场大暴雨过程的诊断分析

暴雨灾害, 2008,27(3):231-236.]

[本文引用: 1]

He Guangbi, Tu Nini, Zhang Lihong , et al.

Prediction capability analysis of limited-area numeric models on Sichuan heavy rainstorm process in Sichuan

Plateau & Mountain Meteorology Research, 2010,30(4):8-17.

[本文引用: 1]

[ 何光碧, 屠妮妮, 张利红 , 等.

2010年7月14-18日四川大暴雨过程区域模式预报性能分析

高原山地气象研究, 2010,30(4):8-17.]

[本文引用: 1]

Tang Haopeng, Wang Fen, Jin Qiangbin .

Analysis on persistent heavy rainfall during July 13 to 17, 2014 over Guizhou

Desert and Oasis Meteorology, 2015,9(6):41-49.

[本文引用: 1]

[ 唐浩鹏, 王芬, 金强兵 .

2014年7月13-17日贵州持续性暴雨的分析

沙漠与绿洲气象, 2015,9(6):41-49.]

[本文引用: 1]

Wan Shiyun, Li Huahong, Hu Juan .

Hazard zoning of landslide and debris flow disasters in Yunnan province

Journal of Catastrophology, 2013,28(2):60-64.

[本文引用: 2]

[ 万石云, 李华宏, 胡娟 .

云南省滑坡泥石流灾害危险区划

灾害学, 2013,28(2):60-64.]

[本文引用: 2]

Jin Gui, Deng Xiangzheng, Zhao Xiaodong , et al.

Spatio-temporal patterns of urban land use efficiency in the Yangtze river economic zone during 2005-2014

Acta Geographica Sinica, 2018,73(7):1242-1252.

[本文引用: 1]

[ 金贵, 邓祥征, 赵晓东 , 等.

2005-2014年长江经济带城市土地利用效率时空格局特征

地理学报, 2018,73(7):1242-1252.]

[本文引用: 1]

Han Hongzhu, Bai Jianjun, Zhang Bo , et al.

Spatial-temporal characteristics of vegetation phenology in Shaanxi province based on MODIS time series

Remote Sensing for Land and Resources, 2018,30(4):125-131.

[本文引用: 1]

[ 韩红珠, 白建军, 张波 , 等.

基于MODIS时序的陕西省植被物候时空变化特征分析

国土资源遥感, 2018,30(4):125-131.]

[本文引用: 1]

Qiu Lei, Wang Huimin, Ma Shujian .

Assessment method for extreme flood disaster losses and its application

Advances in Water Science, 2009,20(6):869-875.

Magsci     [本文引用: 1]

极端洪水灾害具有频率低、影响范围大、损失高等特点,一般常遇洪水的灾害损失评估方法难以适用。分析了极端洪水灾害的自然属性与社会属性,认为极端洪水灾害损失具有时空分布的特性,因此借鉴空间信息格网技术,分别形成了极端洪水水文特性格网与社会经济特性格网,并将其叠加得到具有空间拓扑关系和属性信息的基于GIS的极端洪水损失空间信息格网模型,从而有效地反映了极端洪水灾害的时空特性。结合极端洪水损失率数据库,可评估极端洪水灾害损失。利用该方法评估了1998年特大洪水造成哈尔滨市江南主城区的直接经济损失,实证说明该方法可用于极端洪水灾害损失的评估。

[ 仇蕾, 王慧敏, 马树建 .

极端洪水灾害损失评估方法及应用

水科学进展, 2009,20(6):869-875.]

Magsci     [本文引用: 1]

极端洪水灾害具有频率低、影响范围大、损失高等特点,一般常遇洪水的灾害损失评估方法难以适用。分析了极端洪水灾害的自然属性与社会属性,认为极端洪水灾害损失具有时空分布的特性,因此借鉴空间信息格网技术,分别形成了极端洪水水文特性格网与社会经济特性格网,并将其叠加得到具有空间拓扑关系和属性信息的基于GIS的极端洪水损失空间信息格网模型,从而有效地反映了极端洪水灾害的时空特性。结合极端洪水损失率数据库,可评估极端洪水灾害损失。利用该方法评估了1998年特大洪水造成哈尔滨市江南主城区的直接经济损失,实证说明该方法可用于极端洪水灾害损失的评估。

King G, Zeng L .

Logistic regression in rare events data

Political Analysis, 2001,9(2):137-163.

DOI:10.1093/oxfordjournals.pan.a004868      URL     [本文引用: 1]

Cui Yun, Kong Jiming, Tian Shujun , et al.

The critical role for heavy rainfall in the evolution of the mountain hazards chains

Journal of Mountain Science, 2011,29(1):87-94.

[本文引用: 1]

[ 崔云, 孔纪名, 田述军 , 等.

强降雨在山地灾害链成灾演化中的关键控制作用

山地学报, 2011,29(1):87-94.]

[本文引用: 1]

Maruša Špitalar, Jonathan J. Gourley, Celine Lutoff , et al.

Analysis of flash flood parameters and human impacts in the US from 2006 to 2012

Journal of Hydrology, 2014,519:863-870.

DOI:10.1016/j.jhydrol.2014.07.004      URL     [本文引用: 1]

Zhou Lilei, Yang Hua, Liu Rui , et al.

Spatial-temporal characteristics of annual precipitation in southwest China based on TRMM 3B43 V7 data

Journal of Chongqing Normal University, 2017,34(1):114-122.

[本文引用: 1]

[ 周李磊, 杨华, 刘睿 , 等.

基于TRMM数据的西南地区年降水时空特征研究

重庆师范大学学报(自然科学版), 2017,34(1):114-122.]

[本文引用: 1]

Swets J A .

Measuring the accuracy of diagnostic systems

Science, 1988,240(4857):1285-1293.

DOI:10.1126/science.3287615      URL     [本文引用: 1]

Yuan Wende, Zheng Jiangkun, Dong Kui .

Spatial and temporal variation in extreme precipitation events in southwestern China during 1962-2012

Resources Science, 2014,36(4):766-772.

[本文引用: 1]

[ 袁文德, 郑江坤, 董奎 .

1962-2012年西南地区极端降水事件的时空变化特征

资源科学, 2014,36(4):766-772.]

[本文引用: 1]

Wang Litao, Wang Shixin, Zhou Yi , et al.

Mapping population density in China between 1990 and 2010 using remote sensing

Remote Sensing of Environment, 2018,210:269-281.

DOI:10.1016/j.rse.2018.03.007      URL     [本文引用: 1]

/

〈 〉