程呈1，曹新宇1，陈建2，王盼2，顾敏燕2，陶远泓1，陈磊1，何强1,*
（1. 三峡库区生态环境教育部重点实验室，重庆大学，重庆 400045；2. 上海市政工程设计研究总院（集团）有限公司，上海 200092）
摘要：近年来，随着城市化进程的加速和极端气候事件的增多，城市内涝灾害事件频发。本文以上海市中心城区为例，从致灾因子危险性、孕灾环境暴露性、承灾体脆弱性三要素选取8个指标，通过层次分析法-熵权法确定指标权重，基于GIS空间分析法进行内涝灾害风险评估。结果表明：上海市中心城区内涝风险等级面积占比分别为8%的高风险区、22%的次高风险区、30%的中风险区、27%的次低风险区和13%的低风险区，其内涝风险分布具有显著的空间差异，整体风险分布形态呈现出中心区域风险较高，逐渐向外围区域降低的趋势。
关键词：城市内涝；风险评估；AHP；熵权法；上海市中心城区
Urban Waterlogging Risk Assessment of Shanghai Central City Based on GIS Spatial Analysis
Cheng Cheng¹, Cao Xinyu¹, Chen Jian², Wang Pan², Gu Minyan², Tao Yuanhong¹, Chen Lei¹, He Qiang¹,*
(1. Key Laboratory of the Three Gorges Reservoir Region's Eco-Environment Ministry of Education , Chongqing University, Chongqing 400045, China; 2. Shanghai Municipal Engineering Design Institute Group Co., Ltd., Shanghai 200092, China)
Abstract: In recent years, with the acceleration of urbanization and the increase in extreme climate events, urban waterlogging disasters have occurred frequently. Taking the central city of Shanghai as an example, this paper selects eight indicators from three elements: hazard risk of disaster-causing factors, exposure of the hazard-prone environment, and vulnerability of the disaster-bearing body. The indicator weights are determined using the Analytic Hierarchy Process (AHP) and Entropy Weight Method. Based on GIS spatial analysis, a waterlogging disaster risk assessment is conducted. The results show that in Shanghai's central city, the area proportions of different waterlogging risk levels are 8% for high-risk areas, 22% for relatively high-risk areas, 30% for medium-risk areas, 27% for relatively low-risk areas, and 13% for low-risk areas. The distribution of waterlogging risk exhibits significant spatial differences, with the overall risk distribution pattern showing a trend of higher risk in the central area, gradually decreasing towards the peripheral areas.
Keywords: Urban waterlogging; Risk assessment; AHP; Entropy Weight Method; central city of Shanghai
0 引言
近年来，随着气候变化加剧和城市化进程加快，极端降雨事件所引发的城市内涝问题日益突出，严重制约了城市的有序发展[1]。这些灾害不仅对城市的基础设施造成严重损害，还极大地影响了居民的生活和经济活动。例如，2021年7月的郑州特大暴雨事件导致了广泛的内涝灾害，造成了严重的人员伤亡和财产损失[2]。城市内涝问题不仅仅是单一的降雨现象，而是涉及城市的地理位置、土地利用、气候变化、以及基础设施建设等多种复杂因素[3]。因此，为了有效应对城市内涝带来的挑战，进行系统的内涝风险评估变得至关重要[4]。通过科学的风险评估，能够有效识别潜在的高风险区域，评估不同地区的内涝风险水平，从而为决策者提供数据支持，使得城市在未来可以采取更加精准的防灾减灾措施[5]。常用的城市暴雨内涝风险评估方法包括基于历史灾情数据的评估、基于指标体系的评估和基于情景模拟的评估[6] [7]。其中，指标体系法因数据易获取、建模简便等优势已广泛应用于城市内涝风险评估研究中[8]。李国一[9]等基于层次分析法（Analytic Hierarchy Process，AHP）对快速城市化背景下的郑州市开展内涝风险评估，明确了内涝风险格局与主控因子。于磊[10]等基于AHP对北京城市副中心进行内涝风险评估，识别出高风险区域并为防灾减灾决策提供依据。赵佳慧[11]等通过构建熵权法（Entropy Weight Method，EWM）-TOPSIS-灰色关联分析方法，提出了一种新型城市内涝风险评估模型，并以郑州市为例，量化影响内涝风险的多个因素，最终通过风险等级划分为不同的区域，为城市内涝灾害管理与应急调度提供参考依据。吴泽宁[12]等采用能值理论对内涝灾害的脆弱性进行评估，通过ArcGIS对区域内的脆弱性进行了空间差异分析。
上海市中心城区位于东部沿海，属于亚热带季风气候，夏季降雨集中且强度大，内涝灾害频发，已成为影响上海城市安全和居民生活的重要问题。近年来，中心城区多次遭遇强降雨（见表1），2023年7月的台风引发了多个城区的严重积水，交通中断，地下设施被淹，2024年9月的台风再次导致城市内涝，部分地区居民被迫紧急转移。因此，本文以上海市中心城区作为研究对象，构建基于AHP-EWM的指标体系，对内涝风险进行评估，旨在为上海市中心城区的内涝风险管理提供科学依据。
表1 历史内涝区域
|
时间 |
历史内涝区域 |
内涝事件 |
|
2023年7月21日 |
普陀区真如镇街道 |
强降雨导致真如镇街道多处道路积水，部分居民小区出现积水现象，居民出行受阻。 |
|
长宁区天山路街道 |
暴雨导致天山路街道部分路段积水严重，车辆通行受阻，部分商铺进水。 |
|
|
杨浦区大桥街道 |
短时强降雨导致大桥街道多处路段积水，部分居民楼一楼出现进水情况。 |
|
|
2024年9月20日 |
虹口区北外滩街道 |
受台风“普拉桑”影响，短时强降雨导致北外滩街道部分路段积水，交通受阻。 |
|
静安区北站街道 |
强降雨导致北站街道多处道路积水，部分居民楼一楼出现进水情况。 |
|
|
黄浦区南京东路街道 |
暴雨导致南京东路街道部分路段积水严重，商铺进水，经济损失较大。 |
