入汛以来，长江流域持续的强降雨使得沿岸多地成为洪水风险极高地区，抗洪、抢险、救灾继新冠病毒之后成为又一个攻坚阵地。如何科学地评估洪水风险，是快速决策的关键。

实际生活中，根据风险是否可控，一般将洪水风险大致分为两类：一类是通过数据分析可以得出其发生的可能性和后果，如强降雨引发的区域性洪水、水库/大坝溃决洪水等。这类洪水可以通过有关资料分析和设定一定条件计算得到可能的损失后果，也就是说，风险可以预判。另一类洪水风险基本是未知的，如滑坡堵塞河道形成堰塞湖引发的洪水，无法预知事件发生的地点和规模，具体的洪水风险无法预判。

针对第一类洪水风险，即可预知洪水风险，可以利用QGIS提供的FloodRisk2插件，对洪水造成的人员和财产损失进行预判。

评估模型

一般来说，洪水风险由引发风险的事件、受影响事/物、敏感性等因素共同决定。

引发风险的事件：对于洪水风险来说，常见的引发事件是强降雨。

受影响事/物：即暴露程度（Exposure），通常指的是洪水发生区域的人或者社会经济财物。

敏感性：即易损性（Vulnerability），洪水发生区域中人群或者财物受损坏的容易程度。

洪灾风险的产生，取决于受影响地区的暴露程度（人、财）和易损性，因此，洪水风险可以用“洪灾发生的概率*损失”来描述。即：

风险（Risk）=灾害发生概率（Probability）*产生结果（Consequence）

数据获取

要量化和预估洪水灾害，需要提供洪泛区的洪水特征地图、区域的人口和财产分布、脆弱性等数据，下载地址：

https://github.com/FloodRiskGroup/FloodRisk-doc/tree/master/FloodRiskData_2

数据说明：

一般情况下，在洪水风险评估时，按照不同的风险特征如重现时间、水深、流速等分为不同的模拟场景，涉及的数据包括：最大水深（maximum depth values）、最大水流速度（maximum velocity values）和报警时间（warning time map）。

暴露程度数据指的是洪水地区的人口、财产、可能受到影响的经济活动，包括：研究区域边界、人口普查图、建筑物/土地利用图、基础设施图。

脆弱性又叫易损性，是系统的一种特征，它描述了系统受到伤害的可能性，主要由死亡率、淹没深度损失函数等数据来衡量。

安装FloodRisk2插件

在QGIS中，点击菜单【插件】->【管理并安装插件…】，打开【插件】管理对话框。

在搜索框中输入“flood”，选择“FloodRisk2”插件，点击【安装插件】按钮。

插件安装完成后，在工具栏中找到FloodRisk2工具条，该插件共提供5个按钮，项目管理（ProjectManagement）、数据库管理（DatabaseManager）、直接经济损失评估（Direct Economic Damages）、伤亡评估（Loss of Life）、成本效益分析（Cost Benefit Analysis）和帮助（Help）。

设置项目参数

点击FloodRisk2工具条左边的【ProjectManagement】按钮，弹出项目管理对话框。

FloodRisk2插件将项目数据存储在sqlite数据库中，因此，需要首先新建sqlite数据库。点击【Spatial Geodatabase】右侧的【New File】，在弹出的对话框中为新数据库选择保存路径和名称，点击【保存】按钮。

接下来设置洪水灾害场景。在【Set HAZARD Instances】中，【ID Code】文本框填写场景编号，编号可以填写任意整数，不重复即可。点击【Save】按钮，输入场景描述，如“S0T25”。在文件上传设置区域【Upload HAZARD Files】中，洪水重现周期【Insert Flood Return Period】填写25，表示25年一遇的洪水规模。设置【Water Depth Raster Layer】为“Scen0\T25\ Max_H_S0Q25.tif”，表示最大水深图层；【Flow Velocity Raster Layer】为“Scen0\T25\ Max_V_S0Q25.tif”，表示最大水流速度图层，【Warning Time Vector Layer】为“Scen0\T25\shp\ WarningTime.shp”，表示报警时间图层。如果有多个场景，可以逐个设置场景的ID、描述、重现周期和相关图层参数。

点击【Add all Layers to Map Canvas】，将最大水深图、最大水流速度图和报警时间地图加载到地图窗口中。

加载暴露程度数据

点击FloodRisk2工具条的【Database Manager】按钮，弹出【FloodRisk2|Database Manager】对话框。

注意到，数据库管理界面中默认已经加载了上面步骤所建立的项目数据库文件，后续的设置参数也将存储在该数据库中。在对话框的左侧【Import Alphanumeric Input Data】区域，设置非地图类参数。首先勾选【Select all Data for Input】，激活所有输入框。【Occupancy Type by Land Use Map】设置为“Exposure/Tables/OccupancyType.csv”，表示土地的居住类型。【List of Depth-Damage Curves】设置为“Exposure/Tables/ListDepthDamageCurves.csv”，表示淹没深度损失曲线类型列表。【Depth-Damage Curves】设置为“Exposure/Tables/DepthDamageCurves.csv”，表示淹没深度损失函数取值。【Fatality Rate】设置为“Exposure/Tables/FatalityRates.csv”，表示人员死亡率。【Flood Severity】设置为“Exposure/Tables/FloodSeverity.csv”，表示洪水严重程度。点击【Load selected tables into Geodatabase】，将所设置的输入参数装载到项目数据库中。

在数据库管理对话框右侧设置暴露程度数据。在洪水风险评估中，人员和财产暴露程度不同，其造成的损失也不同，因此相同的洪水风险条件下，可以设置多个暴露场景。在【Set EXPOSURE Instances】中，为场景设置ID和描述信息。勾选【Select all Data for Input】激活所有输入框。【Analysis Domain Area】设置为“Exposure/AnalysisArea.shp”，表示洪水区域界限。【Property Polygon Vector Layer by Land Use Map】设置为“Exposure/PropertyPoly.shp”，表示财物分布图。【Infrastructures Line Vector Layer】设置为“Exposure/InfrasctrucLines.shp”，表示基础设施线图层。【Census Data Layer】设置为“Exposure/CensusBlocks.shp”，表示人口普查图层。点击【Load Selected layers into Geodatabase】，将所设置的图层加载到项目数据库中，也可以点击【View】按钮，将图层添加到地图窗口中。点击【Close】关闭对话框。

直接经济损失评估

点击【FloodRisk2】工具条上的第三个按钮，调出【Direct Economic Damage】对话框。

在【create New SCENARIO and Play The SIMULATION】部分，设置场景参数。设置场景ID，添加场景描述后，【HAZRD Instance】选择选择“1”，【EXPOSURE Instance】选择“0”，分别对应于前面设置的风险特征场景和暴露数据场景，【VULNERABILITY】选择“2-Standard Method”，表示易损性计算方式。点击【Save The Scenario】保存场景，然后点击【Run The Simulation】开始洪水风险评估计算。

FloodRisk2将输入的地图数据进行归一化处理，即将人口普查图、财产分布图、基础设施图等矢量数据按照最大水深图/最大水流速度图的分辨率进行栅格化，以方便后期做栅格运算。脆弱性数据通过前面的设置已经上传到空间数据库中，部分函数算法直接集成在FloodRisk2工具里，使用SQL查询语句，可以将这些数据按需求读出参与模型运算。FloodRisk2的洪水评估计算单元由Python脚本写成，引用GDAL和numpy等Python开源库进行图层之间的代数运算从而得到最终的评估结果。

经济损失评估结果为2个栅格图层和1个纯属性表格。其中，Damage_1_T25.tif是经济损失评估结果图层，每个栅格代表估算的损失数据，用欧元/平方米来表示。该图层包括两个波段，波段1代表建筑物损失评估值，波段2代表财物损失评估值。PercentDamage_1_T25.tif是易损性评估结果图层，每个栅格表示经济易损性百分比，同样，该图层包含两个波段，波段1表示建筑物易损性，波段2表示财物易损性。可以将栅格图层添加到地图窗口中，设置合适的风格以观察模拟结果。

将表示财物分布的PropertyPoly图层和基础设施分布InfrastructureLines图层勾选，同时将经济损失评估结果图层Damage_1_T25.tif设置为单波段伪彩色样式，损失为每平方米0欧元的地区设置为浅色，突出显示有经济损失的像元。通过图层叠加，可以看出研究区域内，水域上游主要流经森林和山脉地区，下游有少量建筑物分布，但是25年重现周期的洪水风险相对强度不大，对建筑物未造成严重影响，有经济损失的区域与道路分布重合，因此可以得出初步结论：对于25年一遇的洪水，直接经济损失集中在道路沿线，可能是流水冲刷导致道路损毁。

由于FloodRisk2插件所提供的洪水风险评估模型，是基于简单场景的假设，注重评估过程，需要大量的数据支撑，难以形成系统评估流程。因此，本文所使用的洪水风险评估过程是抛砖引玉，希望GIS在洪水灾害管理和决策方面能发挥更大作用。

吴建玲

2020年7月19日

版权声明

本文欢迎转载，转载时请注明出处。