未來土地利用變化情景下海南暴雨災害的社會經濟暴露度分析*

文小蘭，李 贊，奉莉軍，郭 浩，方偉華

(1.浙江師范大學 地理與環境科學學院,浙江 金華 321004；2.北京師范大學 環境演變與自然災害教育部重點實驗室，北京 100875；3.北京師范大學 地理科學學部災害風險科學研究院，北京100875；4.應急管理部——教育部 減災與應急管理研究院，北京 100875)

目前國內外針對暴雨災害風險評價開展較多，風險評估技術也相對成熟。關于暴雨災害危險性研究方法主要有歷史災情數據法、模型模擬法和危險性指標法評估法等[1-3]。其中危險性指標評估法應用更加廣泛，常見的暴雨危險性指標有暴雨頻次、暴雨強度[4]、暴雨日數、暴雨雨量等。由于暴雨災害危險性的分析受到各類指標影響較大且沒有統一的標準，有學者提出信息擴散理論，利用概率分析方法對災害進行危險性評估[5]。暴露是指某種災害危險地區的人口、財產或物品，反映在一定強度致險因子影響下，可能遭受損失的承災體總量[2]。暴露度是動態的，為時空尺度而異，并取決于經濟、社會、人口、文化、體制和管理等因素[6]。對于風險而言，暴露度越大其災害風險也就越大[7-8]。關于暴露度方面的研究多圍繞著人口暴露度、經濟暴露度(GDP、土地利用、農作物)、社會資產暴露度(建筑、基礎設施)等方面[9-11]，如王豫燕等人選取暴露于暴雨洪澇災害下的各縣(市、區) 的面積、受災人口數和受災的農作物面積分別作為災害暴露范圍指標、人口暴露度指標和農作物暴露度指標[12]；SHI Y等人關注城市范圍內各類老舊建筑物對其暴露度評估[13]，但暴露度的研究大多數基于現有的承災體進行分析，缺乏未來的預估及相關情景的構建。

土地利用變化一定程度上反映了其經濟、人口等社會因素和自然因素的變化，能夠更好的補充人口、經濟承災體動態性和分布不均勻等方面的不足，同時能夠更好的分析未來暴雨災害暴露度變化。而土地利用變換是一種復雜的受到多種外在和內在因素共同影響的動態系統，具有變換不連續、景觀鑲嵌、類別混合、變換不可逆等特性[14]。模型模擬是研究未來土地利用變化的重要工具之一。其中，由學者提出的基于神經網絡和GIS的CA模型能夠解決多種土地利用變化模擬和難題，同時有效簡化CA模型的結構，在未來土地利用預測方面已相當成熟[15-20]。綜上所述，本文以海南島地區為例，基于暴雨頻次致災因子，分析未來土地利用、人口和經濟承災體分布，構建多種發展情景，探究未來各類承災體在不同致災強度下的暴露度分布特征，建立暴雨綜合暴露度評價模型。期望為海南島地區在應對未來氣候變化、降低災害暴露度、提高風險防范水平等方面提供科學參考。

1 數據和研究方法

1.1 研究區概況

海南島地處熱帶北緣，為熱帶季風海洋性氣候，有明顯的多雨季和少雨季。多雨季一般出現在5—10月，多雨季受夏季臺風影響大，降水量占到全年70%～90%，容易發生暴雨現象?？傮w海拔較低，西南部海拔較高(圖1)。一般情況下，研究區入汛時間最遲、汛期時間最長，長達6個月。根據海南省應急管理廳[21]統計，秋季暴雨近40年內共出現了172次，其中日降水量達到特大暴雨級別的有22次，達到大暴雨級別的有57次。

社會經濟發展方面，根據海南省統計年鑒數據，2020年總人口達到945.29萬人，生產總值達到55 298 689萬元。人口的大范圍聚集和經濟的快速發展相當程度上增加了該地區面對暴雨災害的危險性。據海南省防汛防風防旱總指揮部辦公室統計，近40年內秋汛暴雨造成的經濟損失總數高達兩百多億。

1.2 數據來源與處理

1.2.1 氣象數據

歷史氣象數據來自國家氣象信息中心發布的中國地面氣候資料日值數據集逐日降水量數據。包括海南地區12個國家基本站和7個一般站1977—2014年的逐日降水量數據。

未來降水數據來自于世界氣候研究計劃組織(World Climate Research Programme ，WCRP，https://www.wcrp-climate.org/)提供的耦合模式比較計劃第 5 階段(CMIP5)多氣候模式不同排放情景下的逐日降水數據。綜合了8個模式的未來降水數據進行未來暴雨危險性分析，包括：BCC-CSM1-1、BNU-ESM、CanESM2、CCSM4、GFDL-ESM2M、INM-CM4、IPSL-CM5A-MR、MIROC5 。

1.2.2 人口、經濟數據

歷史人口、經濟統計數據來源于以縣級行政區為單位的海南省統計年鑒。未來人口數據來源于清華大學，該數據考慮了中國近年來實施的促進生育政策和特大城市人口上限限制，基于SSP 情景和中國人口普查，建立的未來柵格數據及省級統計數據[22]。在本研究中提取了SSP2(中等發展路徑，中等生育能力，中等死亡，中等移民，中等教育，有效的二孩政策)與SSP5(不均衡發展路徑，低生育能力，低死亡，高移民，高教育，無效的生育政策)兩種共享社會經濟途徑下未來2030年和2050年人口數據。

未來經濟數據是由研究區縣域單元1990—2018年歷史GDP數據線性擬合出一個以年份為自變量，GDP為因變量的預測函數，得到所需未來2030年與2050年縣域GDP值。并在其基礎上利用ArcGIS中的柵格空間計算工具將未來GDP數據按實際權重降尺度到網格單元，實現其空間化[23]。計算公式為：

GDPij=GDP×α。

(1)

式中：GDPij為柵格單元值，GDP為該柵格單元所在行政區的GDP值；α為該柵格單元GDP占行政區單元總GDP值的比例。

基于2015年海南地區各縣域GDP柵格數據與各縣域GDP總值，計算出每個柵格的值，根據公式將2030年和2050年的預測GDP值進行柵格空間，每個柵格代表該柵格范圍(1km2)內的GDP總值(萬元/km2)。

1.2.3 土地利用數據

土地利用基準數據來源于中國科學院資源環境科學數據中心。其中土地利用類型包括耕地、林地、草地、水域、居民地和未利用土地6個一級類型。此外，研究還使用了來自地理空間數據云的高程數據，中國科學院資源環境科學與數據中心的城鎮分布、公路和鐵路分布數據等。

圖1 研究區概況(審圖號：GS(2020)4619號，底圖未修改，下同)

1.3 研究方法

1.3.1 致災因子危險性

在本研究中選用暴雨頻次表示暴雨災害的致災因子。參考國家氣象局對暴雨的定義[24]，日降水≥50 mm被定義為暴雨，其中連續性多天日降水量≥50 mm同樣被認為是一次暴雨事件，一年的暴雨事件的次數被定義為暴雨頻次。

重現期是指在一定數據記錄統計時段內，大于或等于此水文要素在較長時期內重復出現的平均時間間隔，常以多少年一遇表示[25]。本研究使用信息擴散方法計算海南地區暴雨頻次的重現期[26]。信息擴散理論是一種為了解決信息不足而利用樣本模糊信息對樣本進行集值化處理的模糊數學處理法，即將一個分明值樣本點，變成一個模糊集合。

已知災害指數論域U：

U={u1,u2,…,um}。

(2)

通過公式(2)，一個單值觀測樣本點所攜帶的信息被擴散到U中的全部樣本點。

(3)

式中：h稱為擴散系數。其值由樣本中最大值b與最小值a以及樣本點總數n共同確定。

令

(4)

則對應模糊子集的隸屬函數為:

(5)

式中：稱μxi(uj)為樣本點xi歸一化信息分布。對μxi(uj)進行處理,可獲得較為理想的風險評估結果。

令

(6)

由經信息擴散可推斷，如果災害觀測值只能取u1,u2,…,um中一個，將xi均看作是樣本點代表時，則uj樣本點個數q(uj)為觀測值。一般而言q(uj)不是一個整數,但一定是個不小于零的數，再令

(7)

上式表明Q為各uj點上樣本點個數總和。就理論而言，應有Q=n，但實際計算中由于四舍五入等問題帶來的誤差，導致Q和n在數值上略有區別。

(8)

可將樣本點落在uj上的頻率視為概率的估值。 超越uj的概率值是：

(9)

式中：P(uj)就是暴雨超越概率估計值。 最后利用反距離加權插值法(IDW)對研究區各氣象站點不同重現期的暴雨頻次分布進行插值，得到研究區暴雨危險性空間分布情況[27]：

(10)

式中：Z為相鄰點估計值；Zi為第i個樣本的數值；Di為距離；p為距離的冪(最小平均絕對誤差)。

1.3.2 基于FLUS模型的未來土地利用預測

FLUS模型可以模擬多種類型土地利用的長期空間演變軌跡，通過自上而下的系統動力學及元胞自動機之間的相互耦合，在CA模型中建立了一種自適應的慣性和競爭機制，從而提高了模擬和預測的能力[28]。

本文基于地理模擬與優化系統(GEOSOS-FLUS)設計三個不同社會發展路徑：慣性發展情景、經濟優先發展情景、生態優先發展情景。參考海南地區歷史土地利用統計數據，在2018—2020年間，6種土地利用類型中建設用地總量呈現增加態勢，而其他5種土地利用類型均有所減少，其中林地減少最多，耕地次之?；谠撏恋乩妙愋妥兓闆r，利用ArcGIS工具建立慣性發展情景的土地利用轉移矩陣，再次基礎上根據海南省生態保護發展規劃，海南省“十三五規劃”等，分別設計經濟優先發展情景和生態保護優先發展情景下的土地利用類型轉移矩陣。在未來土地預測過程中需確定各類土地利用類型的鄰域因子參數，其參數大小反應了土地利用面積變化的擴張能力大小[29]。在本研究中鄰域因子參數值參考式(11)由2018—2020年土地利用面積變化量經無量綱化處理而來，具體參數大小參考表1。

(11)

式中：X*表示離差標準化值，Xmax、Xmin分別為數據中的最大值和最小值。

表1 土地利用類型鄰域因子參數值

1.3.3 貢獻率計算

本研究分析了未來人口、經濟、致災因子等要素對于災害暴露度的貢獻率[30-31]。

ΔE1=G1×ΔC+C1×ΔG+ΔC×ΔG；

(12)

ΔE2=P1×ΔC+C1×ΔP+ΔC×ΔP。

(13)

式中：ΔE1、ΔE2是暴露的總變化。G1、P1、C1是歷史時期的經濟、人口和暴雨頻次，ΔG、ΔP、ΔC是未來相對于歷史時期的經濟、人口和暴雨頻次的變化。G1×ΔC、P1×ΔC稱為氣候效應，C1×ΔG為經濟效應，C1×ΔP為人口效應，ΔC×ΔG、ΔC×ΔP為相互作用效應。將方程的兩側分別除以E1、E2，則可以計算出每個指標的百分比變化估計值。

(14)

(15)

式中：E1、E2是基準期暴露量，式(14)和式(15)用來計算氣候效應、人口效應、經濟效應、相互作用效應和暴露度總變化各自的百分比變化，在此基礎上對暴露度總變化百分比進行歸一化處理，并分別計算出以上四種效應在總變化中的占比，即貢獻率。

1.3.4 暴露度計算

利用ArcGIS技術,將人口暴露度、經濟暴露度與土地利用暴露度采用數學模型進行評估，在空間上進行表達, 獲得暴露度空間分布圖。對極端降水人口暴露定義為平均每單位單元的致災危險性與單位單元內人口總數的乘積，表達式為：

EPOP=R×POP。

(16)

式中：EPOP是單位單元(1 km × 1 km)的人口暴露度(人口均值：人·次/年)；R是單位單元暴雨頻次(次/年)；POP(人) 指居住在單位單元中的人口數。經濟暴露度與土地利用同理，其中土地暴露度的計算要分別考慮每種土地利用類型。

綜合暴露度的計算要同時考慮人口、經濟和土地利用三者的權重關系?？筛鶕髦笜碎g的重要程度和內在聯系運用層次分析法[11]對其分別賦值。以人口、經濟、土地利用為一級指標構建判斷矩陣，計算矩陣的特征向量與特征值，進行一致性檢驗：

CI=(λmax-n)/(n+1)。

(17)

式中：CI為一致性指標；λmax為最大特征值；n為指標個數。

CR=CI/RI。

(18)

式中：RI為隨機一致性指標。若CR<0.1，說明該矩陣符合一致性檢驗，否則需對此矩陣做相應調整，直至通過檢驗。

通過層次分析法分別確定以下6種一級指標權重賦值方案(表2)

表2 6種權重賦值方案

利用泛系觀控[11]計算公式得到6個方案的約束信息量BI值為：

(19)

(20)

式中：Pi為第i個觀控對象所對應的概率；n為觀控指標數；m為方案數。

如表3所示，分別算出6個方案的約束信息量，表中BI值越小，代表不確定性更小，風險更低，由此選擇方案5為最佳賦值方案?；谏鲜龇椒ㄇ蟪龅囊患壷笜?，綜合未來人口、經濟、土地利用各類承災體及未來不同重現期下的致災危險性進行疊加分析，為保證三類承災體量綱一致，對其進行歸一化處理。其中計算出各類土地利用類型各自對應年份經濟密度以代替土地利用數據。

表3 6種不同權重賦值方案的約束信息量

具體公式如下：

Ej=(Ap×POP+Ag×GDP+Al×LAND)×D。

(21)

式中：Ej表示j地區的綜合暴露度；Ap、Ag、Al分別表示人口、經濟、土地利用數據一級指標權重；POP、GDP、LAND分別表示研究地區未來人口、經濟、各類土地利用類型所對應經濟密度；D為20年一遇和100年一遇重現期下致災危險性，即暴雨頻次。

2 結果與分析

2.1 海南暴雨危險性分析

綜合歷史氣象數據和8個模式(2015—2060年)暴雨頻次均值分布，對比分析逐年暴雨頻次的變化。如圖2所示，海南地區歷史暴雨頻次總體呈上升趨勢，但年際變化波動較大，受臺風影響明顯，貢獻率在26.15%左右。未來不同排放濃度路徑下預測數據有階段性的差別，RCP8.5濃度路徑下的暴雨頻次總體呈下降趨勢，RCP4.5濃度路徑下呈上升趨勢，增長速率約為0.16次/10年；以2040年左右作為時間節點，前期RCP8.5濃度路徑暴雨頻次更高，后期RCP4.5濃度路徑更高，分析推測在RCP8.5濃度路徑后期，由于全球氣溫升高至一定限度，導致全球氣溫差異變小，海洋和陸地溫差減小影響到我國夏季風的強度，導致暴雨發生次數出現下降趨勢。

圖2 海南地區逐年暴雨頻次變化圖(其中：2014年前為歷史數據，后為模型預測數據)

圖3 不同重現期暴雨危險性分布(單位：次)

如圖3所示，隨著重現期的增加，海南地區的暴雨危險性的程度和空間范圍呈現出不同程度地加深和擴大。從空間差異來看，結合海南地區地形分布及夏季風的影響，暴雨發生頻次低值區出現在西部，高值區分布范圍廣，以?？谑?、瓊海市、儋州市、保亭市為高值中心。20年一遇時，暴雨危險性高值約為13次，低值約為7次,平均值約為11次；100年一遇時，暴雨危險性有所增加，高值達到14次，平均值約為12次，低值保持穩定。

2.2 未來不同社會經濟情景下土地利用變化及暴露度分析

基于FLUS模型選擇滿足精度要求的9類驅動因素，地形因子包括高程數據(DEM)以及由高程數據計算得到的坡度；社會因子，包括人口和國民生產總值經濟數據；區位因子為到城鎮中心的距離，交通因子為距普通公路、高速公路、鄉間道路和鐵路的距離；除此之外，還包括城市適宜性圖層，用于生態優先發展情景下對建設用地的限制。對以上9類驅動因子和限制性圖層進行重采樣、歸一化等預處理，消除量綱影響。以2018年數據為基準，預測2020年的土地利用情況，與2020年真實土地利用數據進行對比分析，驗證在三種發展情景下轉移矩陣的科學性，最終得到表4。Kappa系數均大于0.960，Kappa系數值越大表明精度越高，滿足精度要求，同時，Fom系數均不大于0.020，根據Fom系數要求，每模擬年數增加一年，Fom指數增加不大于0.010為標準水平，在該研究中，模擬年份跨度為2年，因此滿足Fom指數要求，三種發展情景下的精度都符合要求，驗證了轉移矩陣的可行性。

表4 不同發展情景下土地利用模擬精度

如圖4、表5所示，相較于歷史土地利用數據，三種情景下耕地占有量變化沒有顯著差異，從2018—2050年均降低了約0.58%；林地、草地、水域土地類型的占有量在生態保護發展情景下有所提高，平均增速分別約為2.69km2/年、0.25km2/年、2.91km2/年，其余兩種情景出現不同程度的下降；而受人類活動影響最大的建設用地在慣性發展和經濟高速發展情景下增加顯著，其中，在慣性發展情景下平均增速約為29.91km2/年，經濟優先發展情景下約為31.72 km2/年，而生態保護發展情景下只有6.85 km2/年?？傮w來說，在生態保護發展情景下，建設用地增速放緩，其發展受到一定程度的限制，而林地、草地、水域等自然用地較其他兩種情景都有所增加；慣性發展情景和經濟高速發展情景中建設用地快速擴張；作為滿足人類最基礎生產生活的耕地、林地資源保持相對穩定?？臻g分布上表現出明顯的差異，建設用地分布更為密集，主要分布在北部、東部、南部的沿海地區，以三亞市、?？谑凶顬榈湫?，并有向內部地區延伸的走勢，中部地區分布較分散，呈點狀分布，面積較小，其中生態保護發展情景下，建設用地面積明顯縮??；中部地區大部分分布自然用地。

將三種不同社會發展情景下未來2030年與2050年土地利用分布數據按土地類型分別提取，并結合未來RCP4.5和RCP8.5各濃度路徑下對應年份的暴雨危險性——暴雨頻次圖，綜合分析未來各類土地利用暴露量變化情況(圖5)。暴雨危險性的變化影響到土地暴露度的情況，相對比RCP4.5和RCP8.5濃度路徑下暴雨危險性情況，2030年，RCP4.5與RCP8.5濃度路徑的暴雨頻次高值分別為10.7次、11次，RCP8.5濃度路徑下危險性相對較大；2050年分別為10.8次、10.5次，RCP8.5路徑下危險性有所降低；從空間上來看，暴雨危險性高值區都較為統一，主要集中在海南地區的中部地區?？傮w來看，2030年由于暴雨危險性的程度差異，導致RCP8.5路徑下的各土地類型暴露量要高于RCP4.5情景；而在2050年耕地和林地土地利用類型的暴露量在RCP4.5路徑下更大，此時三種情景平均暴露量分別為65 637.96 km2·次、171 088.2 km2·次，其他土地利用類型暴露量差別較小，兩種路徑下差值均小于640 km2·次，進一步分析發現有可能是受到各類土地利用類型的分布地區及暴雨危險性的空間分布，導致耕地和林地資源的暴露量出現較大的差異。同時，在RCP4.5路徑下，林地三種情景平均暴露量為171 088.2 km2·次，在RCP8.5路徑下，平均暴露量為163 875.6 km2·次，受海南地區土地利用情況影響，林地的暴露量始終最大。

圖4 不同社會發展情景下未來土地利用分布

表5 不同社會發展情景下土地類型變化

圖5 三種社會發展情景土地利用暴露度變化

2.3 未來人口、經濟暴露度特征

2.3.1 未來人口暴露度

人口承災體在中等發展路徑下密度整體要大于不均衡發展路徑，但空間分布差異不大，主要集中在?？?、三亞為主的經濟發達的地區。分析發現人口暴露度分布和人口密度分布呈現出較為相似的特點(圖6)。以?？谑信c三亞市為例，2030年SSP2路徑下?？谑腥丝诿芏葹? 651.48人/ km2，人口暴露度均值為11 282.17人·次，最大值可達1 336 776.75人·次；而三亞市人口密度為513.50人/km2，人口暴露度均值為3 446.92人·次，最大值為343 033人·次。發現人口分布密度大，最終導致受暴雨危險性所影響的暴露度也呈現高值。除上述地區之外，其他高值區分布分散且面積較小，由經緯度確定其主要分布在各市縣中心，人口分布較多。除此之外，在RCP8.5-SSP5下，由于承災體的變化2050年人口暴露度出現降低趨勢。

2.3.2 未來經濟暴露度

如圖7所示，未來2030年與2050年經濟暴露度空間分布上極高值存在相似特征，主要分布在?？谑泻腿齺喪?，不同情景下2030年和2050年最大值均大于100萬·次，其中2050年極高值范圍出現明顯擴大。次高值與中值區在分布上2030年與2050年有極為明顯的差別。2030年，暴露度分布較低的地區主要包括儋州市、瓊?？h、萬寧市，約為1～3萬元·次，西部地區暴露度低。到2050年，次高值區范圍出現明顯擴大，從2030年分布面積小、嚴重程度低逐漸演變為分布面積廣泛，擴展到7個沿海城市，嚴重程度明顯增加，約為3～6萬元·次，西部地區暴露度也逐漸增加至中等程度。在不同排放路徑暴雨危險性下，經濟暴露度也出現差別。在2030年，RCP8.5濃度路徑下的暴露度明顯要高于RCP4.5路徑，而在2050年，RCP8.5路徑下的暴露度相較于RCP4.5路徑下差別不大?？傮w來看，隨著海南島地區經濟的快速發展，未來經濟暴露度將持續增加，且高值區空間分布主要集中在以?？谑?、三亞市等為代表的經濟發達地區。中部地區危險性雖較高，但由于經濟相對落后，導致經濟暴露度低。同時相較于人口暴露度來說，經濟暴露度分布更加明顯。

圖6 海南地區未來人口暴露度分布(單位：人·次)

圖7 海南地區未來經濟暴露度分布(單位：萬元·次)

2.3.3 貢獻率分析

綜上研究分析發現，未來人口和經濟暴露度與人口、經濟分布呈現出較好的一致性，為了更好的解釋海南地區未來人口、經濟暴露度分布的成因，以2022—2050年為未來時期，1986—2014為歷史時期，利用式(12-15)分別計算經濟與氣候、人口與氣候的貢獻率關系(圖8)。將經濟同氣候結合分析發現，在RCP4.5和RCP8.5濃度路徑下，經濟效應的貢獻明顯高于氣候效應和相互作用效應，但在2046年后期，氣候效應的變化曲線與暴露總變化的曲線表現出相似性；將人口同氣候結合時，人口效應和氣候效應的貢獻率差距明顯縮小，但還是人口效應占主要。對于人口效應而言，RCP4.5-SSP2和RCP8.5-SSP5兩種路徑下后期都出現了下降趨勢。在得出各類效應百分比變化基礎之上，進行歸一化，求出各貢獻率占比。經濟效應的貢獻率始終占較高，達到90%以上，人口效應的占到85%以上，氣候效應的占比都較小，但又決定了暴露總變化的基本走向。綜上，在海南地區，暴雨災害暴露度的原因主要側重于人文因素，經濟效應的貢獻最大，人口效應次之，而氣候效應的貢獻率保持在較低的層次，但氣候效應的貢獻比隨著不同濃度路徑的變化出現差異，在RCP4.5路徑下貢獻率較低，RCP8.5路徑下貢獻率上升，說明未來假設人類對于全球氣候變暖問題沒有做出良好的舉措，導致空氣中溫室氣體濃度維持在高水平，會導致海南地區出現更大的暴雨危險性。

2.4 綜合暴露等級分布

基于綜合暴露度評估模型式(21)分析海南地區未來暴露度情況，以自然斷點法將其分別劃分為高、較高、中等、較低、低五個等級區域，按照三種不同社會發展路徑下的土地利用，綜合分析得到三組暴露度等級分布圖，以慣性發展情景下的土地利用為例說明海南地區不同重現期下的未來綜合暴露度情況(圖9)。

圖8 海南地區暴雨危險性暴露量變化

圖9 海南地區2030年綜合暴露度等級分布(以慣性發展土地利用情景為例)

總體來說，在不同濃度路徑和兩個重現期下綜合暴露度高值區集中分布在以?？谑?、三亞市為典型代表的經濟發達、人口密集、建設用地分布高的市縣，次高值主要分布在沿海地區，如儋州市、臨高縣、瓊海市、萬寧縣等地，受地形、交通、氣候、經濟等因素的影響，沿海地區承災體——人口密度、經濟密度分布較大，導致暴露度等級分布較高。從暴雨危險性的角度來看，中等暴露等級以上地區與致災暴雨危險性分布沒有表現出較好的一致性；同時隨著承災體的變化，暴露度分布出現擴大趨勢，其中以?？谑凶顬榈湫?。

3 結論與討論

(1)海南地區歷史暴雨頻次總體呈上升趨勢，但年際變化波動較大，受臺風影響明顯，臺風對暴雨頻次的貢獻率在26.15%左右；RCP4.5濃度路徑下呈上升趨勢，增長速率約為0.16次/10年；；隨著重現期的增加，暴雨危險性的程度和空間范圍呈現出不同程度地加深和擴大；發生頻次低值區出現在西部，高值區分布范圍廣。

(2)以建設用地為例，在生態保護情景下擴張速度為6.85 km2/年，而另外兩種情景擴張速度均在30 km2/年左右，環境保護一定程度上減輕了城市化帶來的消極影響。在慣性、生態、高速三種情景中，林地的面積始終最大，以2050年為例，分別為20 920、21 499、20 920 km2，受其分布情況制約暴露量最大。在三種情景中建設用地在生態保護情景下暴露度最小。

(3)承災體的暴雨災害暴露量受到危險性和承災體的雙重影響。未來人口暴露度方面，空間分布上表現出一定的共性，呈點狀分布，高值多集中在市區的城鎮中心；經濟暴露度高值在空間分布上主要集中在?？谑?、三亞市等經濟發達的區域，其余主要分布在沿海地區的市中心，呈分散點狀分布。分析各個因素對海南地區暴雨災害暴露度的貢獻情況，經濟效應的貢獻率達到90%以上，人口效應為85%以上，氣候效應的占比小。

(4)綜合暴露度等級分布方面，高值區主要分布在?？谑?、三亞市等經濟發達、人口密集、建設用地占比高的區域，次高值主要分布在沿海地區，內陸地區受人文因素等影響小，暴露度低。

未來研究可從以下三個方面進一步深入：①本研究設定了三種未來社會經濟發展情景，但影響區域發展的因素是多樣的、偶然的，不僅受地區資源稟賦影響，同時受國家戰略政策和規劃的影響程度更深，因此，未來需建立政策影響下的社會經濟發展動態模擬模型，能在預測模擬過程中充分耦合區域歷史特征、資源條件及政策影響等綜合要素。②本研究使用暴雨頻次作為致災因子危險性分析的要素，衡量暴雨強度的指標由多種，但各指標的側重點不同。本研究重點考慮了暴雨的年際差異，因此選擇了暴雨頻次作為危險性指標，未來可進一步豐富暴雨危險性指標，提高暴雨強度分析的準確性。③在暴露度研究中多關注人口和經濟承災體，但其二者并不能完全代表社會發展狀況，如城市化發展/人口的遷移等等導致承災體變化更為復雜，而土地利用格局能夠好的綜合反映社會經濟的情況，未來將會在研究過程中嘗試將更多的承災體綜合應用。