区域承灾体脆弱性指标体系与精细量化模型研究

社区安全脆弱性评估模型的构建与应用佟瑞鹏;李丹;翟存利【摘要】为了准确衡量社区的安全水平,提出了社区安全脆弱性的概念模型,并分析社区安全脆弱性的影响因素.通过由人员特征、基础设施、社区环境和管理水平构成的结构性因素和由自然风险、人为风险构成的胁迫性因素,构建出社区安全脆弱性评估模型,并选取3个代表性社区进行实证分析.结果表明:社区安全脆弱性评估模型计算得出的社区安全脆弱性指数,与社区安全的评估水平相吻合,能够准确反映出社区安全状况.%In order to measure the safety level of community accurately, a conceptual model on vulnerability of community safety was put forward, and the influencing factors on vulnerability of community safety were analyzed.An evaluation model on vulnerability of community safety was constructed through structural factors and force factors.The structural factors consist of personnel feature, basic facilities, community environment and management level, and the force factors consist of natural risk and man|made risk.Finally, the case analysis was conducted on three representative communities.The results showed that the vulnerability index of community safety obtained by the evaluation model was consistent with the evaluation level of community safety, and it can reflect the status of community safety accurately.【期刊名称】《中国安全生产科学技术》【年(卷),期】2017(013)003【总页数】5页(P108-112)【关键词】社区安全;脆弱性;评估模型;指标体系;层次分析法【作者】佟瑞鹏;李丹;翟存利【作者单位】中国矿业大学(北京) 资源与安全工程学院,北京 100083;中国矿业大学(北京) 资源与安全工程学院,北京 100083;中国矿业大学(北京) 资源与安全工程学院,北京 100083【正文语种】中文【中图分类】X9560 引言社区作为人们生活生产的主要场所，与人们的安全息息相关。

自然灾害风险评估模型中的脆弱性分析自然灾害是指由自然环境变化或自然力量引起的，对人类、动植物和周围环境造成损害的事件。

面对灾害的威胁，了解和评估脆弱性的概念变得至关重要。

脆弱性分析是自然灾害风险评估模型中的重要组成部分，旨在确定和量化不同受灾对象的弱点和易受损程度。

脆弱性是指在面对自然灾害时，受灾对象的易损性和抗灾能力。

在自然灾害风险评估中，对受灾对象的脆弱性进行准确分析是确保评估结果准确性的关键因素之一。

首先，脆弱性分析需要关注受灾对象的易损性。

易损性是指受灾对象在自然灾害事件中暴露在风险之下所遭受的损害程度。

易损性可以通过研究历史灾害事件对受灾对象的影响来进行评估。

例如，对于建筑物，可以考虑其结构强度、耐震能力、抗风能力等因素。

对于农作物，可以考虑其耐旱性、抗洪能力、承受风暴的能力等因素。

通过分析这些因素，可以确定受灾对象在面临自然灾害时的易损性程度。

其次，脆弱性分析还需要考虑受灾对象的抗灾能力。

抗灾能力是指受灾对象在自然灾害事件中应对和抵御风险的能力。

抗灾能力的评估可以从以下几个方面来考虑。

首先是物质条件，包括受灾对象的基础设施、逃生通道、医疗设施等。

其次是组织能力，包括受灾对象的应急预案、灾害管理机构的运作能力等。

最后是社区的社会组织和社会支持系统，包括社区居民之间的合作和支持、志愿者组织等。

在脆弱性分析中，还需要考虑不同自然灾害的特点和影响因素。

不同类型的自然灾害对受灾对象的脆弱性影响是不同的。

例如，对地震的脆弱性分析，需要考虑建筑物的结构强度；对洪灾的脆弱性分析，需要考虑排水系统和防洪措施的完善程度。

此外，还需要考虑自然灾害的频率和强度，以确定不同受灾对象的脆弱性程度。

同时，在进行脆弱性分析时，还需要考虑空间和社会因素的影响。

空间因素包括地理位置、地形地势、土壤条件等，这些因素会对灾害的影响范围和程度产生重要影响。

社会因素则包括人口密度、社会经济发展水平、教育程度等，这些因素会影响受灾对象的抗灾能力和脆弱性程度。

考试题型1、判断题：检查学生对基本原理、基本概念和基本知识的掌握程度。

（比重40%，40题，每题1分，计40分）2、单项选择题：检查学生对基本原理、基本知识的理解程度。

（比重40%，20题，每题2分，计40分）3、多项选择题：检查学生对《社区风险评估》重点内容的掌握程度。

（比重20%，10题，每题2分，计20分）考试手段：网上考试。

操作：上海开放大学统一编制试题，各分校（教学点）组织考试。

考核形式为网上半开卷。

考试时间：1小时判断题 备考提示:错误： 1. 2011年年底，上海市形成了以“居委会”为单位的社区风险评估模型。

（×）2. 参与式评估需求多样化意见，较少重视少数人的意见。

（×）3. 脆弱性的社会层面主要是以结构物的强度与物理性分析来评估面对灾害时的能力。

（×）4. 脆弱性主要包括灾前的既存条件和灾害的调试与应对能力两个层面的含义。

（×）5. 对地理环境、土地使用性质等因素进行评估属于社会脆弱性评估。

（×）6. 防灾救灾过程中的人力、物资和资金消耗，不应纳入灾害损失。

（×）7. 风险地图非常强调参与性，不需要强调专业性。

（×）8. 风险地图是减灾救灾管理的一项非工程性措施，因而不需要体现应对措施。

（×）9. 风险地图是一种展示灾害风险评估结果的方法，社区内所有的风险特征都可以在地图上体现出来。

（×）10. 风险管理主要是在突发事件发生后，通过应急处置、救援和善后处理等方式实施管理。

（×）11. 风险评估就是对发生灾害的可能性进行评估。

（×）12. 工厂、学校和商业区等街镇范围内其他组织主办的应急演练和培训都包含在上海市社区减灾能力评估中。

（×） 13. 环境脆弱性评估主要是评估房屋、基础建设的脆弱性。

（×）14. 环境污染和生态破坏事件属于自然灾害。

（×）15. 绘制风险地图时，若危险源是线状（比如交通主干道或河道），或是一个区域，应该用实心圆圈加上说明文字来标示。

第35卷第1期2024年1月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.35,No.1Jan.2024DOI:10.14042/ki.32.1309.2024.01.004基于精细化空间格局的城市承灾体脆弱性评估徐宗学1,2,唐清竹1,2,陈㊀浩1,2,杨㊀芳3(1.城市水循环与海绵城市技术北京市重点实验室,北京㊀100875;2.北京师范大学水科学研究院,北京㊀100875;3.珠江水利委员会珠江水利科学研究院,广东广州㊀510611)摘要:针对目前流域内部跨行政区单元空间精细化模拟并用于评估城市洪涝灾害工作的空白,本文着重聚焦精细化经济指标空间分布并将多源数据融合,构建了基于精细化空间格局的城市承灾体脆弱性评估体系,量化了深圳河流域脆弱性等级㊂研究结果表明:单一数据不足以准确模拟流域GDP 密度,结合多源数据是进行GDP 空间精细化更加有效的办法;深圳河流域GDP 密度与第二㊁三产业空间化结果显示出高度一致性,产值密度最高达617214万元/km 2;流域两岸脆弱性等级存在显著差异和区域特征,深圳侧脆弱性明显高于香港侧,高脆弱性地区约占流域面积的8.8%㊂研究结果有助于识别灾害危险性大小和损失程度,提高城市洪涝灾害评估的精确性㊂关键词:城市洪涝;承灾体;脆弱性;空间;精细化;深圳河中图分类号:TV122.1㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2024)01-0038-10收稿日期:2023-07-08;网络出版日期:2023-12-25网络出版地址:https :ʊ /urlid /32.1309.P.20231225.1046.002基金项目:国家自然科学基金资助项目(52079005;52239003)作者简介:徐宗学(1962 ),男,山东淄博人,教授,博士研究生导师,主要从事城市水文学研究㊂E-mail:zxxu@ 气候变化会导致洪涝灾害以更高频率㊁更大强度和更多不可预测性影响全世界越来越多的地区[1-4],洪涝灾害风险的增加趋势也会导致更加惨重的社会经济损失和人员伤亡[5-6],这些受洪涝灾害直接威胁和影响的对象被称为承灾体㊂政府间气候变化专门委员会(IPCC)第六次评估报告[7]预估未来气候变化风险主要取决于暴露度和脆弱性的变化,在国际社会日益关注防洪减灾的大背景下[8-10],增进对承灾体脆弱性的了解对于准确识别洪涝灾害风险㊁提高区域防洪抗灾能力至关重要㊂联合国国际减灾战略(UNISDR)将脆弱性定义为一种状态,这种状态由物理㊁社会㊁经济和环境过程决定,能够增加社会群体对气候变化影响的敏感程度[11]㊂目前,洪涝灾害承灾体脆弱性已在全球㊁国家㊁区域尺度[5,12-14]进行了广泛评估,评估方法主要倾向于从人口㊁社会经济和环境3个维度确定与洪涝灾害承灾体高度相关的指标并构建指标体系㊂其中,社会经济维度通常选择国内生产总值(GDP)密度作为评估指标,GDP 是目前公认为衡量国家(或地区)经济状况的最佳指标[15]㊂传统的GDP 统计数据通常来源于行政单元统计年鉴,数据规范权威,但缺乏空间信息,在实际分析应用时可能会存在明显不足,难以反映行政单元内部社会经济的空间特征,不便于空间运算和分析[16]㊂对GDP 统计数据进行空间离散化是解决该问题的手段之一㊂目前中国应用最为广泛的免费GDP 密度展布数据为中国科学院资源环境科学与数据中心的中国GDP 空间分布公里网格数据集,空间分辨率为1km,该数据集为中国许多领域研究中的空间统计分析带来了极大便利,但是该数据分辨率较大,在小尺度区域空间分析中难以详细反映该区域内部经济空间分布状况㊂近年来,多源数据的广泛应用[17-18]为准确评估区域经济空间分布特征提供了可能,例如遥感数据和兴趣点(Point of Interesting,POI)数据等,这些数据与人类活动和区域经济状况高度相关,可用于获取可靠的社会经济空间信息,从而确保研究结果的准确性,已成为社会经济空间化的重要数据源㊂国内外学者针对上述问题开展了一系列基于多源数据的经济空间格局精细化模拟研究㊂Huang 等[15]比较了社交媒体中具有代㊀第1期徐宗学,等:基于精细化空间格局的城市承灾体脆弱性评估39㊀表性的腾讯用户密度数据和夜间灯光数据对中国不同尺度行政区域GDP评估的能力,研究结果表明腾讯用户数据与GDP存在很强的相关性,有助于支持中国的区域经济评估;Shi等[19]通过结合夜间灯光数据㊁数字高程模型㊁归一化植被指数和POI数据,以500m的空间分辨率识别和评估中国重庆的贫困地区;王旭等[20]选择夜间灯光数据㊁全球人口密度和亚洲人口密度作为GDP空间分布代用数据,研究结果表明京津冀地区存在经济发达市辖区GDP值被低估㊁郊区县GDP被高估的误差 两极区 倾向;张爱华等[21]建立了GDP统计数据㊁兴趣点数据㊁夜间灯光数据以及土地利用数据多源耦合模型,实现了北京市100m网格高分辨率GDP空间化㊂以上研究均对完整行政单元进行模拟,但目前鲜见针对流域内部跨行政区域经济单元空间化的模拟研究,使用精细化经济空间分布运用于城市洪涝灾害风险与承灾体脆弱性评估的研究较少㊂本文以深圳河流域为研究对象,着重聚焦精细化经济空间分布,选取土地利用㊁夜间灯光数据和POI数据对GDP密度进行空间精细化模拟,结合人口密度和建筑物密度,构建基于精细化经济指标空间分布的城市洪涝灾害承灾体脆弱性评估指标体系,识别研究区域承灾体脆弱性空间差异㊂研究结果可以支撑更加有针对性的洪水风险适应政策和防洪措施,为流域城市防汛减灾提供科学依据㊂1㊀研究区概况与数据来源1.1㊀研究区概况深圳河流域位于广东省深圳市中南部,属低纬度滨海台风频繁影响地区㊂深圳河地处深圳市与香港特别行政区之间,是深圳与香港的界河,流域面积为312.5km2,深圳侧流域面积为193.3km2,约占流域面积的60%,流域北侧为深圳市福田区㊁罗湖区㊁龙岗区的西南部及盐田区的西部边缘,南侧为香港北区,如图1所示㊂流域上游地区为植被繁茂的丘陵山地,中下游为城市化程度较高的冲积平原㊂土地利用类型主要为建设用地,其他类型包括耕地㊁林地㊁草地和水域㊂2021年深圳市经济总量突破3万亿元,居亚洲城市第4位㊂香港2021年本地生产总值约为2.37万亿元,同比上升6.4%㊂流域多年平均降水量为1935.8mm,年平均降雨日数为134.2d,受山地丘陵地貌及海洋气流影响,每年汛期灾害性台风雨和风暴潮事件频发,两地极易发生严重的洪(潮)涝灾害[22-23]㊂图1㊀研究区概况Fig.1Overview map of the study area40㊀水科学进展第35卷㊀1.2㊀数据来源与预处理深圳河流域土地利用数据来源于欧洲航天局2021年WorldCover10m土地覆盖数据,该产品将深圳河流域划分为林地㊁灌木㊁草地㊁农田㊁建设用地㊁裸地/稀疏植被㊁水体㊁湿地和红树林共9个土地覆盖类别㊂夜间灯光数据来源于文献[24],该数据通过整合DMSP-OLS和SNPP-VIIRS数据,得到改进后的2021年DMSP-OLS数据,空间分辨率为1000m㊂该数据中灯光灰度值(Digital Number,DN值)范围为0~63,0表示没有灯光,63是最大亮度值㊂通过调用高德地图API中的搜索POI接口来获取深圳和香港2021年POI数据,本研究选取该接口提供的休闲娱乐㊁餐饮美食㊁购物消费㊁酒店住宿㊁科教文化㊁旅游景点㊁商务住宅㊁运动健身和医疗保健共计9个POI大类数据,采用核密度分析对各类数据进行网格热力可视化㊂建筑物轮廓数据来源于BIGEMAP软件,采用核密度分析生成深圳河流域建筑物密度,空间分辨率为500m㊂数据详细信息见表1㊂表1㊀数据来源及基本信息Table1Data sources and basic information序号数据类型数据来源数据精度1土地利用欧洲航天局(https:ʊ/worldcover)10m 2夜间灯光哈佛大学(https:ʊ/dataset.xhtml?persistentId=doi:10.7910/DVN/GIYGJU)1km 3POI高德地图(https:ʊ/) 4GDP产值深圳市人民政府门户网站(http:ʊ/);香港统计局政府统计处(https:ʊ.hk/) 5人口密度WorldPop数据集(https:ʊ/)1km 6建筑物轮廓BIGEMAP(http:ʊ/)2㊀GDP空间化模型构建2.1㊀第一产业空间化根据社会生产活动的历史发展顺序和中国的产业结构,将GDP分为第一产业㊁第二产业和第三产业㊂GDP第一产业增加值是直接取自自然界部门的增加值,它与土地利用类型密切相关[25]㊂根据刘红辉等[26]和钟凯文等[25]总结的GDP空间化方法,将第一产业中的农㊁林㊁牧㊁渔业分别与土地利用类型中的耕地㊁林地㊁草地㊁水域一一对应,构建的模型为G DP1,ij=ð4k=1G kij(1)式中:G DP1,ij为第i个城市第j个栅格的第一产业产值;G kij为第一产业中农㊁林㊁牧㊁渔业的产值,万元, k=1,2,3,4,分别为农㊁林㊁牧㊁渔业㊂其中,G kij的计算公式为G kij=ðn l=1(g ilˑA ijl)(2)式中:g il为第i个城市第l种土地利用类型单位面积产值,万元;A ijl为第i个城市第j个栅格中第l种土地利用类型的面积,km2㊂2.2㊀第二、三产业空间化GDP第二产业指对初级产品进行再加工部门的产业,主要包括工业和建筑业;第三产业指为生产和消费提供各种服务的产业,包括除第一㊁第二产业以外的其他各业[25]㊂前人的研究[27-28]中表明夜间灯光数据与GDP第二㊁三产业间有显著的相关关系,但也存在一定局限性,忽略了其他社会经济因素对GDP空间分布格局的影响㊂POI数据与人类生产活动密切相关,综合考虑夜间灯光数据和POI数据可以直观地反映出某㊀第1期徐宗学,等:基于精细化空间格局的城市承灾体脆弱性评估41㊀一地区的社会经济发展水平和人类活动空间分布,所以本研究选取夜间灯光数据和9类POI数据共10个指标因素对深圳河流域第二㊁三产业GDP空间化进行评估㊂采用层次分析法(AHP)确定10类社会经济指标的权重(表2),构建的第二㊁三产业空间化模型如下:G DP23,ij=G23,iˑW ijðW ij(3)式中:G DP23,ij为代用数据展布后第i个城市第j个栅格的第二㊁三产业产值,万元;G23,i为第i个城市的第二㊁三产业产值,万元;W ij为第i个城市第j个栅格的综合权重值,计算公式为W ij=ðn j=1w m p mj(4)式中:w m为第m项指标的权重;p mj为第m项指标在第j个栅格的代表值㊂表2㊀第二㊁三产业产值空间化指标Table2GDP spatial index of secondary and tertiary industries指标层夜间灯光休闲娱乐餐饮美食购物消费酒店住宿科教文化旅游景点商务住宅运动健身医疗保健权重0.1000.0840.1330.1920.0720.0550.0430.1730.0390.1093㊀结果与分析3.1㊀第一产业空间化基于土地利用数据将深圳河流域GDP第一产业进行空间可视化表达,空间分辨率为500m,如图2所示㊂由图2中可以看出,深圳河流域第一产业主要集中于流域东北部和西北边缘地带,该区域为较大面积植被繁茂的林地和草地,适合发展第一产业㊂深圳侧第一产业GDP密度整体高于香港侧,产值密度最高地区为深圳河流域两岸湿地和农田密集区,这为农渔业发展提供了便利,GDP密度最高达7935万元/km2㊂图2㊀基于土地利用数据的深圳河流域GDP第一产业空间化Fig.2Spatialized GDP of the first industry based on land use data in the Shenzhen River basin3.2㊀第二㊁三产业空间化深圳河流域夜间灯光强度灰度值见图3(a),流域大部分区域显示出最大亮度,东南部没有检测出夜间42㊀水科学进展第35卷㊀灯光㊂通过夜间灯光数据对深圳河流域GDP第二㊁三产业进行空间可视化表达,空间分辨率为500m,如图3(b)所示㊂由图中可以看出,将夜间灯光强度原始数据进行第二㊁三产业空间化模拟后,香港北部的GDP产值反而明显高于深圳侧,这是由于计算过程中香港夜间灯光亮度总值远远小于深圳市,而2个行政区第二㊁三产业总产值相差不大,这就导致香港侧的模拟结果大于深圳侧㊂且深圳侧福田区㊁罗湖区与龙岗区的第二㊁三产业产值没有明显的空间分布差异,这表明夜间灯光数据在一定程度上较难体现出深圳河流域内部的经济产值差异,只考虑夜间灯光数据对GDP第二㊁三产业进行空间化可能会忽略研究区内部的经济多样性,导致模拟结果精度不高㊂GDP第二㊁三产业分布细节不能仅仅只通过夜间灯光亮度直接区分和表达,所以本研究加入能够揭示研究区域内部经济结构差异同时精细化程度更高的POI数据,对深圳河流域GDP 第二㊁三产业进行更加准确地空间可视化表达,空间分辨率为500m,如图4所示㊂由图4中可以看出, POI数据可以准确清晰地体现出深圳河流域各产业的经济聚集程度,产值密度高的地区主要集中在福田区㊁罗湖区的中心区域以及龙岗区南部㊂基于POI数据的GDP第二㊁三产业空间化可以更好地表达出流域内部的经济空间分布差异特征,体现出各区中心区域向外部经济产值密度逐渐减小的趋势,同时也反映出夜间灯光数据的缺失细节,弥补了夜间灯光数据分辨率过低的不足㊂图3㊀基于夜间灯光数据的深圳河流域GDP第二㊁三产业空间化Fig.3Spatialized GDP of the second and third industry based on nighttime light image in the Shenzhen River basin 基于耦合的夜间灯光数据和POI数据对深圳河流域GDP第二㊁三产业进行空间可视化表达,空间分辨率为500m,如图5所示㊂由图5中可以看出,流域第二㊁三产业产值密度呈现出明显的空间差异,在福田区㊁罗湖区的中心区域以及龙岗区南部形成小型的第二㊁三产业经济中心,产值密度最高达617214万元/ km2㊂这也表明耦合夜间灯光数据和POI数据的GDP第二㊁三产业空间化模拟结果更加符合实际㊂3.3㊀深圳河流域GDP空间化基于土地利用数据㊁夜间灯光数据和POI数据对深圳河流域GDP密度进行空间可视化表达,空间分辨率为500m,如图6所示㊂由图6中可以看出,深圳河流域GDP密度存在明显的空间差异,并且与第二㊁三产业空间化结果显示出较高的一致性,福田区和罗湖区的中心区域㊁龙岗区南部以及香港北部经济高度发达,产值密度最高达617214万元/km2㊂各区中心区域GDP主要来源于第二㊁三产业,第一产业的贡献较小,流域周边丘陵山地地区既有第二㊁三产业的发展,又有第一产业的贡献㊂这是由于深圳河流域两岸地区高度城市化,第二㊁三产业发展十分成熟,同时伴随着中国退耕还林还草等一系列生态文明建设,第一产业产值远远低于第二㊁三产业产值对流域内总GDP的影响㊂㊀第1期徐宗学,等:基于精细化空间格局的城市承灾体脆弱性评估43㊀图4㊀基于POI数据的深圳河流域GDP第二㊁三产业空间化Fig.4Spatialized GDP of the second and third industry based on POI data in the Shenzhen River basin图5㊀基于夜间灯光数据和POI数据的深圳河流域GDP第二㊁三产业空间化Fig.5Spatialized GDP of the second and third industry based on nighttime light image and POI data in the Shenzhen River basin44㊀水科学进展第35卷㊀图6㊀深圳河流域GDP空间化Fig.6Spatialized GDP of the Shenzhen River basin3.4㊀研究区域承灾体脆弱性评估由于人员和资产的高度暴露,城市地区的洪涝灾害承灾体脆弱性通常相对较高㊂本研究选取承灾体脆弱性评估中最具代表性的3个指标:GDP密度㊁人口密度和建筑物密度对深圳河流域城市洪涝灾害脆弱性进行准确评估,根据自然断点分级法将3个脆弱性指标进行等级划分,并分别赋值1㊁2㊁3㊁4来代表低㊁中㊁较高和高风险等级,具体数值见表3㊂根据表3可视化各指标的等级分布,见图7㊂由图7中可以看出, GDP密度㊁人口密度与建筑物密度较大的区域主要集中在福田区和罗湖区的中心区域㊁龙岗区南部以及香港北部的中心区域,与实际情况基本相符,同时体现出各区中心区域对周边地区明显的 虹吸 效应[29]㊂表3㊀各指标和风险的等级阈值划分Table3Classification of levels for each indicator and risk等级GDP密度/(亿元/km2)人口密度/(万人/km2)建筑物密度/(个/km2)10~<4.950~<0.900~<2202 4.95~<12.990.90~<2.80220~<781312.99~<26.87 2.80~<5.94781~<2003426.87~61.72 5.94~10.672003~5110图7㊀脆弱性指标等级分布Fig.7Level distribution of vulnerability indicators㊀第1期徐宗学,等:基于精细化空间格局的城市承灾体脆弱性评估45㊀㊀㊀在进行层次分析的过程中,人口和经济被认为同等重要(权重为0.429),且都比建筑物密度(权重为0.142)重要㊂根据权重对各指标层进行栅格计算分析,得到更加直观的深圳河流域城市洪涝脆弱性分布,见图8㊂总体而言,深圳河流域两岸脆弱性等级存在明显差异和区域特征,深圳侧洪涝灾害脆弱性明显高于香港侧,大部分区域处在低脆弱性环境中,包括流域东部㊁西北部边缘地带以及香港北部的大部分地区,这些低脆弱性地区约占流域总面积的66.9%㊂高脆弱性地区主要集中在人口稠密和经济高度发达地区,以福田区㊁罗湖区的中心区域和龙岗区南部最为突出,约占流域面积的8.8%,一旦发生洪涝灾害,损失将更加严重㊂图8㊀深圳河流域洪涝灾害脆弱性等级分布Fig.8Level distribution of flood vulnerability in the Shenzhen River basin4㊀结㊀㊀论本研究基于土地利用数据㊁夜间灯光数据和POI数据对深圳河流域GDP进行空间精细化模拟,提出基于精细化GDP密度的城市洪涝灾害承灾体脆弱性评估方法,量化了深圳河流域承灾体脆弱性等级㊂主要结论如下:(1)深圳河流域第一产业产值密度最高的地区为流域沿岸,GDP密度最高达7935万元/km2,深圳侧第一产业GDP密度整体高于香港侧㊂流域第二㊁三产业产值密度呈现出明显的空间差异,在福田区㊁罗湖区的中心区域以及龙岗区南部形成小的第二㊁三产业经济中心,产值密度最高达617214万元/km2㊂(2)单一的夜间灯光数据不足以准确模拟流域GDP密度,结合多源数据是进行GDP空间精细化更加有效的办法㊂深圳河流域GDP密度存在明显的空间差异,并且与第二㊁三产业空间化结果显示出较高的一致性,产值密度最高达617214万元/km2㊂各区中心区域GDP主要来源于第二㊁三产业,第一产业的贡献较小,流域周边丘陵山地地区既有第二㊁三产业的发展,又有第一产业的贡献㊂(3)深圳河流域两岸脆弱性等级存在明显差异和区域特征,深圳侧承灾体脆弱性明显高于香港侧,高脆弱性地区主要集中在人口稠密和经济高度发达地区,以福田区㊁罗湖区的中心区域和龙岗区南部最为突出,约占流域面积的8.8%㊂参考文献:[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]程晓陶,刘昌军,李昌志,等.变化环境下洪涝风险演变特征与城市韧性提升策略[J].水利学报,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 strate-gy of urban resilience improvement[J].Journal of Hydraulic Engineering,2022,53(7):757-768,778.(in Chinese))46㊀水科学进展第35卷㊀[3]徐宗学,陈浩,任梅芳,等.中国城市洪涝致灾机理与风险评估研究进展[J].水科学进展,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].In-ternational 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 in2005 2020 [J].International Journal of Disaster Risk Reduction,2022,80:103201.[6]刘家宏,梅超,刘宏伟,等.特大城市外洪内涝灾害链联防联控关键科学技术问题[J].水科学进展,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 change2022:mitigation of climate change[R].Interlaken:IPCC,2022.[8]WANG M,FU 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]宋晓猛,张建云,贺瑞敏,等.北京城市洪涝问题与成因分析[J].水科学进展,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]张建云,王银堂,贺瑞敏,等.中国城市洪涝问题及成因分析[J].水科学进展,2016,27(4):485-491.(ZHANG JY,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 vulnerabili-ties to flood risk in urban Denmark[J].Landscape and Urban Planning,2023,237:104799.[12]LANGLOIS B K,MARSH E,STOTLAND T,et ability of existing global and national data for flood related vulnerabilityassessment 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 acrosswatersheds 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 basinin 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 Chinaat 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].Ec-ological 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 coun-tries 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].Sus-tainable 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 inter-est(POI)data:a case study of Chongqing,China[J].Journal of Cleaner Production,2020,255:120245. [20]王旭,吴吉东,王海,等.基于夜间灯光和人口密度数据的京津冀GDP空间化对比[J].地球信息科学学报,2016,18(7):969-976.(WANG X,WU J D,WANG H,et parison of GDP spatialization in Beijing-Tianjin-Hebei based onnight light and population density data[J].Journal of Geo-Information Science,2016,18(7):969-976.(in Chinese)) [21]张爱华,潘耀忠,明艳芳,等.多源信息耦合的GDP空间化研究:以北京市为例[J].遥感技术与应用,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 cou-pling:a case study in Beijing[J].Remote Sensing Technology and Application,2021,36(2):463-472.(in Chinese)) [22]陈浩,徐宗学,向代峰,等.以深圳河流域为例分析粤港澳大湾区城市洪涝及其成因[J].中国防汛抗旱,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-Ma-cao Greater Bay Area by taking the Shenzhen River basin as an example[J].China Flood&Drought Management,2021,31(11):14-19.(in Chinese))㊀第1期徐宗学,等:基于精细化空间格局的城市承灾体脆弱性评估47㊀[23]黄亦轩,徐宗学,陈浩,等.深圳河流域内陆侧洪涝风险分析[J].水资源保护,2023,39(1):101-108.(HUANG YX,XU Z X,CHEN H,et al.Analysis on flood/waterlogging risk at inland side of the Shenzhen River basin[J].Water Re-sources 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 in-tegrating DMSP-OLS and SNPP-VIIRS[J].IEEE Transactions on Geoscience and Remote Sensing,2022,60:1-14. [25]钟凯文,黎景良,张晓东.土地可持续利用评价中GDP数据空间化方法的研究[J].测绘信息与工程,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]刘红辉,江东,杨小唤,等.基于遥感的全国GDP1km格网的空间化表达[J].地球信息科学,2005,7(2):120-123.(LIU H H,JIANG D,YANG X H,et al.Spatialization approach to1km grid GDP supported by remote sensing[J].Geo-Infor-mation Science,2005,7(2):120-123.(in Chinese))[27]LI X,GE L L,CHEN X L.Detecting Zimbabweᶄs 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 domesticproduct 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]程书波,岳颖,刘玉,等.黄河流域洪涝灾害社会脆弱性评价与分析[J].人民黄河,2022,44(2):45-50.(CHENG SB,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 bodybased on refined spatial patterns∗XU Zongxue1,2,TANG Qingzhu1,2,CHEN Hao1,2,YANG Fang3(1.Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology,Beijing100875,China;2.College ofWater Sciences,Beijing Normal University,Beijing100875,China;3.Pearl River Water ResourcesResearch Institute,Guangzhou510611,China)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.①A 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.②A 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 reaching6172.14million yuan/km2.③The 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 approximately8.8%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∗The study is financially supported by the National Natural Science Foundation of China(No.52079005;No.52239003).。

社区致灾因子评估研究摘要：风险的识别和评估是开展有效的应急管理的重要步骤，风险管理是应急管理的起点。

引入风险管理的应急管理模式和方法，更有利于资源配置和任务管理的优化。

开展风险评估，首先要确定风险评估的方法。

综合国内各类风险评估的相关研究成果，发现目前我国绝大多数研究团队已经认可社会风险由多致灾因子和承灾体脆弱性两个方面构成。

本文同样采用这一理论基础进行社区风险模型的构建。

关键词：社区致灾因子评估模型一、社区致灾因子评估模型构建对社区致灾因子的评估，分别对各因子的发生强度和发生频度两个方面进行评估。

1.社区致灾因子指标体系（C）参照《国家突发公共事件总体应急预案》，根据突发公共事件的发生过程、性质和机理，突发公共事件主要分为以下四类：自然灾害、事故灾难、公共卫生事件、社会安全事件。

本设计参考这一分类标准，分别从自然灾害、事故灾难、社会安全事件三个层面建构社区致灾因子指标体系。

指标体系：自然灾害包括（C1）：地震（C11）、暴雨（C12）、极端气温（C13）、雾霾（C14）、路面塌陷（C15）、山体滑坡（C16）等致灾因子。

事故灾害包括（C2）：生产安全事故（C21）、交通事故（C22）、公共设施事故（C23）、火灾事故（C24）、煤气中毒事故（C21）、食品安全事件（C21）等致灾因子。

社会安全事件包括（C3）：偷盗抢劫事件（C31）、个人极端事件（C32）、群体性事件致灾因子（C33）。

2.社区致灾因子强度打分标准参照《国家突发公共事件总体应急预案》的分类标准，本设计将社区内部各项致灾因子强度打分标准设置在1分～5分范围之内。

1分：社区内该项致灾因子没有造成过人员伤亡和财产损失2分：社区内该项致灾因子造成的人员伤亡和财产损失微小3分：社区内该项致灾因子造成的人员伤亡和财产损失较小4分：社区内该项致灾因子造成的人员伤亡和财产损失较大5分：社区内该项致灾因子造成的人员伤亡和财产损失重大按照指标解释和打分标准，运用专家打分法，请社区工作人员对各项风险因素进行打分。