洪涝灾害是全球最严重的自然灾害之一,发生频率高、危害大,对国民经济的影响严重。洪涝灾害风险评价是洪涝灾害管理的基础性工作,是制定各项防洪减灾措施的重要依据,对减轻洪涝灾害的损失有重要意义^[1]。指标体系法是洪涝灾害风险评价常用的方法之一,通过选取评价指标,确定各指标的权重,计算各指标的风险值^[2~4]。确定权重的方法主要有层次分析法（AHP）、熵值法、主成分分析法等^[4~6],这些方法各有所长,但没有考虑决策风险因素。

基于GIS的风险评价只是基于一种决策态度,没有体现决策者的不同态度。在相同的致灾因子、孕灾环境、承灾体的条件下,决策者对待风险的态度不同,其对各评价指标的重要程度的看法也会不同,从而得到不同的风险评价结果。目前国内外已有学者应用有序加权平均法（ordered weighted averaged,OWA）进行城市居住用地防灾适宜度评价^[7]和土地生态质量评价^[8],但将 GIS与OWA相结合用于洪涝灾害风险评价研究的尚不多见^[9]。本文以巢湖流域为研究对象,将OWA与GIS空间分析技术相结合,综合分析各因子对洪涝灾害风险影响的重要程度,评价多种决策水平下的巢湖流域洪涝灾害风险,为巢湖流域有效地防灾减灾提供科学依据。

1 研究区概况与研究方法

1.1 研究区概况

巢湖流域位于安徽省中部,30°58′00″N~32°58′00″N,116°24′30″E~118°00′00″E,流域面积达13 486 km²,辖居巢区、庐江县、无为县、和县、含山县、合肥市、肥东县、肥西县和舒城县。地势西高东低,地貌类型主要有低山、丘陵、岗地和冲积平原。北亚热带湿润季风气候,年降水量1 031.6 mm,降水多集中在5~9月。该流域是安徽省经济和社会发展水平较高、人口最密集的地区之一。2010年末人口975万,GDP达3 141亿元。

1.2 研究方法

1.2.1 层次分析法（AHP）

AHP确定评价指标权重的步骤如下：采用 1~9及其倒数的标度方法,对两两元素相对重要性程度进行量化。构造判断矩阵,计算准则权重。根据各层次所有元素的重要性权重值进行层次单排序与总排序;利用一致性指标（CI）、随机一致性指标（RI）和一致性比率（CR）进行一致性检验。若CR≤0.1,则判断矩阵具有满意的一致性。

1.2.2 有序加权平均法（OWA）

OWA算子是Yager^[10]提出的一种聚合技术。一个n维的OWA算子就是一个映射Rⁿ→R,假定有一个与R相关的n维权重向量w=(w_1,w₂…w₃)^T且w_j∈[0,1], ∑j=1nwj=1那么,任意给定n个输入参量,输入向量(X₁,X₂,…X_n)通过OWA算子聚合如下： L=OWA(X1,X2,⋯,Xn)=∑j=1nwjbj,其中,b_j是向量(X₁,X₂,…X_n)中第j大的元素,且b₁≥b₂≥…≥b_n是按照属性值大小降序排列^[11]。

OWA包括准则权重(u_j,j=1,2,…,n)和次序权重(v_j)。准则权重(u_j)表示第j个指标在所有指标中的相对重要性,次序权重(v_j)是将评价单元各指标标准化后经降序排列得到的。第一个次序权重v₁赋于每个评价单元中值最大的指标,v₂是赋给次大的指标,以此类推,v_n赋给最小的指标。OWA的计算包含以下3步：① 计算次序权重;② 将每个评价单元的准则属性值进行降序排列;③ 将属性值和相应的次序权重相乘并求和,每个评价单元得到一个综合评价值^[12]。

对于任一地理空间位置i(i=1,2,…,n),按照属性值大小进行降序排列后得到第j个评价指标的属性值Z_ij (j=1,2,…,n),u_j为第j个指标准则权重,u_j∈[0,1], v_j第j个指标为次序权重且v_j∈[0,1]。OWA表达式^[13]可写为：

OWAi=∑j=1nujvj∑j=1nujvjZij（1）

按指标的重要等级w_k来确定次序权重v_j ^[14] ,其计算公式为：

vj=∑k=1jwkα-∑k=1j-1wkα（2）

式中：α(α>0)为算子系数,表示决策风险的大小。w_k表示指标的重要等级,根据指标数值大小确定,其计算公式为：

wk=n-rk+1∑l=1k(n-rl+1)(k=1,2,⋯,n)（3）

式中：r_k为依据指标数值大小对重要性等级进行取值,最大取1,次大取2,最小取n。

应用OWA-GIS进行风险评价的步骤：①在研究区风险识别的基础上,选取风险评价指标,建立风险评价指标体系。②利用AHP法计算各指标的准则权重。③对评价单元各指标属性值进行降序排列,准则权重也做相应的排序,根据排序后的准则权重,给定决策风险系数值α,计算不同决策风险下各指标的次序权重。④将准则权重和次序权重综合,应用GIS空间分析技术评价不同决策风险水平下的风险。

1.3 指标数据的处理

1:10万地形图来自安徽省测绘局,数字化后构建巢湖流域DEM,用于提取地形因子等;水系图从地形图描绘而成;巢湖流域主要气象站点的逐日地面降水量数据（1960~2010年）来源于安徽省气象局;遥感数据为2010年8月TM影像。

1.3.1 致灾因子

降水是洪涝灾害发生的主要致灾因子。根据巢湖流域气象站点1960~2010年逐日地面降水量,选取最大3日降雨量、暴雨次数作为降水对洪涝灾害危险性影响的指标。运用GIS空间分析技术和克里格插值方法生成巢湖流域最大3日降雨量、暴雨次数空间分布图,经标准化后分别赋予权重再叠加,得到综合降水影响分布图。

1.3.2 孕灾环境

1) 地形。地形的起伏状况对洪水的排泄有较大的影响。地势越平坦,洪水不易排泄,发生洪涝灾害的危险程度就越高^[15]。选取高程和高程标准差表征地形对洪涝灾害危险性的影响。基于巢湖流域DEM,提取地形因子并计算高程标准差。综合地形影响度如表1所示。根据表1将高程和高程标准差分别进行重分类,再综合并赋值得到综合地形影响分布图。

2) 水系。水系的分布直接影响洪涝灾害的发生情况。距离河道湖泊越近,遭遇洪涝灾害的危险性越大,不同级别的河流由于其径流量不同造成的危险性也不同,此外,同一级别的河流由于其所处的地形高程不同洪水危险性也不同。本文首先对主要河流及湖泊做缓冲区,根据缓冲区级别分别赋予影响度值,得到综合水系影响分布图。

3) 径流。径流是反映下垫面产流的主要参数,也是体现洪水分布和流通的重要特征指数^[16]。本文综合考虑土地利用方式与土壤类型,选取径流曲线的CN值来反映径流因素。参考前人的研究成果,得到巢湖流域不同土地利用类型CN值。将土地利用类型和土壤图叠加,得到巢湖流域CN值分布图。

4) 过境洪水。巢湖不仅承受着上游河流来水,还要接受下游长江洪水的倒灌和顶托,汛期上游来水量大,巢湖水位较高,同期如果长江水位过高,巢湖受到江水的顶托泄洪困难或者受到江水的倒灌,就会造成洪涝灾害。文中选取与长江主河道的距离表示过境洪水对研究区危险性的影响。在ArcGIS中通过距离制图得到与长江的距离分布图。

1.3.3 承灾体

对于同一强度的洪水,经济越发达、人口和资产越密集的地方遭受同样程度洪水损失越大,在人口稀少经济不发达的地方损失则会降低^[17]。文中选取耕地密度、人口密度、工业总产值和地均GDP作为评价易损性的指标。其中耕地密度通过提取土地利用类型中的耕地,然后求取单位面积耕地比重而得,其余3个指标均来自巢湖流域统计年鉴,统计后按照巢湖流域行政边界进行空间拓展。

1.3.4 防灾减灾能力

防灾减灾能力包括一些工程和非工程措施。区域的防灾减灾能力与当地的经济条件息息相关^[18]。将农民人均纯收入和人均财政收入作为衡量区域防灾减灾能力的指标,人均医疗财政投入作为区域救灾能力的指标。上述数据均来自巢湖流域各县统计年鉴,在ArcGIS中将这些统计数据空间展布到每个行政区。

2 准则权重和次序权重的计算

2.1 准则权重的计算

在IDRISI 2.0的WEIGHT模块中,首先计算系统层B的权重,构造比较矩阵,输入WEIGHT模块得到各权重（表2）,其一致性比率CR为0.01,说明判断矩阵具有满意的一致性。同理,分别计算指标层C₁~C₅对于系统层B₁,指标层C₆~C₉对于系统层B₂,指标层C₁₀~C₁₂对于系统层B₃的权重值,其一致性比率CR分别为0.02、0.01、0.01,均具有满意的一致性。

2.2 次序权重的计算

对各指标进行排序,从大到小依次取 1、2、3…12 作为任一评价单元 12个指标的重要性等级r_k,根据公式2计算得到各指标的重要程度w_k为：12/78、11/78、10/78 …1/78。决策风险水平α分别取 0.001、0.1、0.5、1、2、10、1 000,根据公式3计算得到不同决策风险水平下的次序权重,如表3 所示。

3 结果与分析

将分级后的12个评价指标的栅格图、各指标的准则权重及次序权重代入 IDRISI 2.0 中OWA模块中,依次计算不同风险系数下的危险性、易损性及综合洪涝灾害风险,受篇幅的限制,只展示5种典型决策风险水平下的评价结果（图1）。

图1显示：当决策风险系数α=0.001时,整个流域的洪涝灾害风险系数都比较大,大部分地区风险等级都达到五级,只有巢湖东部的低山丘陵等一些零散的地区风险等级略低,为四级。整体上来看,整个区域洪涝灾害风险都处于高水平,此时洪涝灾害风险最大。当决策风险系数α=0.5时,巢湖流域东南部的长江沿岸地区风险最大,风险为四级;东部南部大部分地区及巢湖西部的几大干流沿岸风险都为三级,巢湖东部的银屏山等低山区、流域西南角的大别山山区及流域的西北部和北部风险较低,为二级。当决策风险系数α=1时,流域大部分地区的的洪涝灾害风险为三级和四级,在巢湖的南部及东南部沿江平原区的风险最大,西南部大别山及西北部的一些丘陵山地风险较小,为二级,其它地区风险都为三级。当决策风险系数α=2时,整个流域的洪涝灾害风险较低,大部分地区为二级,只有东南部沿江地区风险为三级。当决策风险系数α=10时,流域大多数地区风险为一级,沿长江一带风险稍高,也仅为二级。

从整体上看,随着风险系数α从0向无穷大变化,评价结果也发生变化。α→0时,计算得到的洪涝灾害风险值最大,此时的决策风险系数也最大。随着α越来越接近无穷大,评价得到的流域洪涝灾害风险也随之变小。直到α→∞时,评价结果最小,此时的决策风险系数也最小。随着α值的增大,表示的是决策者的态度由乐观到悲观,随着决策者态度的改变,得到的风险值也越来越大。

从空间分布来看,巢湖流域南部和东南部洪涝灾害风险高于其他地区,该区域汛期降水较大且集中,地势相对比较平缓,河网密集,且离长江比较近,受长江倒灌影响最严重,因此发生洪涝灾害的危险性相对较高,人口相对较密集,耕地面积也比较大,综合洪涝灾害风险也较大。特别是庐江、无为、居巢区、和县等地风险相对较大,这与研究区历史发生的洪涝灾害情况也比较吻合。而西南部、西北部和北部洪涝灾害风险较小,如舒城、肥西、肥东县等地。特别是东南部大别山山区由于地势较高,不易发生洪涝灾害,人口相对较稀疏,耕地面积较小,洪涝灾害风险最小。

应用OWA方法评价,α=1时相当于权重线性叠加,只考虑准则权重,而不考虑次序权重的影响。此时属于中等决策风险水平。图2和图3分别是α=1时所得到的研究区洪涝灾害危险性与易损性评价结果。

图2可以看出,巢湖流域东南部洪涝灾害危险性最大,由东南向西北逐渐降低。这与研究区由西北到东南逐渐降低的地势条件紧密相关,此外东南部降水及其变率都比西北部大,河网密集且距离长江较近,受长江洪水影响较大。所得的危险性评价结果与实际相符。图3表明：巢湖流域的西北部易损性最大,该区域主要为合肥市,是安徽省的政治经济中心,人口和资产最密集,因而易损性最大。而西南部属大别山山区,人口稀少、经济不发达,其易损性最小。

4 结 论

在巢湖流域洪涝灾害风险识别的基础上,选取风险评价指标,建立评价指标体系。运用层次分析法计算评价指标的准则权重,基于OWA法计算次序权重;构建OWA-GIS洪涝灾害风险评价模型,对巢湖流域洪涝灾害进行风险评价。得出以下结论：

1） 巢湖流域的东南部地区洪涝灾害风险较大。特别是庐江,无为,居巢区及和县等地风险相对较大。低风险区主要分布在西南部、西北部和北部。

2） 决策者对待风险的态度对风险评价影响较大。随着决策系数的增大,决策者的态度由乐观到悲观,得到的风险值也越来越大。

3） 将有序加权平均法（OWA）与GIS相结合,进行基于OWA-GIS的洪涝灾害风险多准则评价。相比传统的权重线性叠加,增加了次序权重,将决策者的决策态度纳入了考虑范围,揭示了不同决策态度下区域洪涝灾害风险空间分布特征,使评价结果更加全面,为制定合理的防洪减灾措施提供科学依据。

基于OWA-GIS的洪涝灾害风险评价是一种情景分析,考虑不同决策态度下的风险状况。可拟定更多的情景,预测未来的自然和经济条件下和不同决策态度下的风险状况。同时,评价指标的选取应进一步完善,防灾减灾工程、措施以及防灾应变能力也应考虑。受到资料的限制,一些经济指标只能以县域为单位,下一步应将经济指标的空间化,以提高评价的精度。

The authors have declared that no competing interests exist.

---

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子

[1]	许有鹏,李立国,蔡国民,等. GIS技术下中小流域洪水风险图系统研究 [J].地理科学,2004,24(4):452~457. [本文引用: 1]
[2]	周成虎,万庆,黄诗峰. 基于GIS的洪水灾害风险区划研究 [J].地理学报,2000,55(1):15~24. https://doi.org/10.3321/j.issn:0375-5444.2000.01.003      URL      [本文引用: 1]      摘要 洪水灾害风险区划是洪灾评估与管理的重要内容,本文在分析洪灾形成的各主要因子的基础上,提出了基于地理信息系统的洪灾风险区划指标模型,并结合辽河流域具体情况,以降雨、地形和区域社会经济易损为主要指标,得出辽河流域洪灾风险综合区划.
[3]	盛绍学,石磊,刘家福. 湖泊洼地区域暴雨洪涝风险评估 [J].地理研究,2010,29(3):416~421. Magsci      摘要 <p>根据自然灾害风险评估基本原理,从暴雨洪涝致灾因子危险性及承灾体易损性出发,以沿淮湖泊洼地区域为示范研究区,综合考虑降水量、径流量、地形与河网密度、土地利用数据、人口及经济数据等指标,利用GIS的数据处理功能,运用标准化方法对相关指标进行标准化处理,得到标准化的多源栅格数据;基于层次分析法确定各影响指标因子权重,采用ARCGIS9.2的ModelBuilder建模工具建立暴雨洪涝灾害风险评估模型;通过地理信息系统的地图代数功能及综合指数法,得出洪水灾害综合风险等级评价图;并利用2003年沿淮湖泊洼地区域暴雨洪涝淹没面积数据验证暴雨灾害综合风险评估结果;统计分析发现,洪涝淹没区有60.66％位于高风险区,33.29%位于中高风险区,6.05％位于中风险区;结果表明, 沿淮湖泊洼地区域暴雨洪涝中高风险及高风险区的准确度达93.95％,洪涝灾害风险评估结果基本符合实际情况,风险评估精度较高。模型的建立及风险区划图的制作,对暴雨洪涝灾害宏观决策具有重要的参考价值。</p>
[4]	刘家福,李京,刘荆,等. 基于GIS/AHP集成的洪水灾害综合风险评价—以淮河流域为例 [J].自然灾害学报,2008,17(6):111~114. URL      [本文引用: 2]
[5]	曾蓉,李俊业,王宝亮,等. 基于熵权的模糊综合评价法在公路洪灾风险评价中的应用 [J].地质灾害与环境保护,2010,21(3):83~86. https://doi.org/10.3969/j.issn.1006-4362.2010.03.016      URL      摘要 公路洪灾是一个多因素耦合的复杂系统,本文针对公路洪灾风险的复 杂性、模糊性及不确定性,构造了基于熵权的模糊综合评价模型,通过熵权使权重由主观判断转为由各指标数据之间的关系来确定,从危险性和易损性两方面选取 24个评价因子,定量地对重庆境内渝黔高速公路进行洪灾风险评价.评价结果表明,熵权模糊综合评价法是科学可行的,为公路洪灾风险趋势预测以及风险等级划 分提供了良好的分析方法,在实践中具有一定的应用价值.
[6]	孟翠丽,匡昭敏,李莉,等. 基于GIS的广西暴雨灾害风险实时评估技术研究 [J].中国农学通报,2013,29(26):184~189. https://doi.org/10.3969/j.issn.1000-6850.2013.26.034      URL      [本文引用: 1]      摘要 为了科学应对广西暴雨灾害频发、影响日趋严重这一问题,选用广西自动站实时降雨量数据、历年 暴雨灾情数据、广西社会经济数据及基础地理数据,采用主成分分析法、层次分析法等方法,结合GIS技术,研究了暴雨灾害危险度实时评估的技术方法,并基于 暴雨灾害实时危险度、孕灾环境脆弱度、承灾体易损度和抗灾力等4个因子,构建了广西农业暴雨灾害风险度实时评估模型,选择2011年的一次暴雨过程对模型 进行验证,结果表明：评估结果与实际灾情较为吻合,模型实践检验效果较好。
[7]	朱庆杰,苏幼坡,陈静. 城市居住用地防灾适宜度评价的OWA方法 [J].地理研究,2009,28(1):1~9. Magsci      [本文引用: 1]      摘要 <p>城市居住用地的安全受到多种灾害威胁,防灾决策的主要问题之一是开发基于GIS的多准则评价 (MCE)方法。文章介绍了在基于GIS的次序权重平均法 (OWA)中,依据重要性等级计算次序权重和应用层次分析程序 (AHP)构建比较矩阵计算准则权重的方法;通过OWA评价方法与布尔决策和权重线性叠加 (WLC)等多准则评价方法的比较,分析了不同方法的决策风险和指标等级重要次序的影响,并以唐山市为例,建立了各灾害因子的适宜度评价准则,计算了唐山市居住用地的防灾适宜度,对唐山市居住用地的合理开发提出了几点建议。</p>
[8]	修丽娜. 基于OWA-GIS的区域土地生态安全评价研究[D] .北京:中国地质大学,2011. [本文引用: 1]
[9]	周峰,许有鹏,石怡. 基于AHP-OWA方法的洪涝灾害风险区划研究—以秦淮河中下游地区为例 [J].自然灾害学报,2012, 21(6):83~90. URL      [本文引用: 1]
[10]	Yager R R. On ordered weighted averaging aggregation operators in multicriteria decision making [J]. IEEE Transactions on Systems, Man and Cybernetics,1988,18:183-190. URL      [本文引用: 1]
[11]	Tesfamariam S, Sadiq R. Probabilistic risk analysis using ordered weighted averaging (OWA) operators [J]. Stoch Environ Res Risk Assess,2008,22:1-15. https://doi.org/10.1007/s00477-006-0090-1      URL      [本文引用: 1]      摘要 ABSTRACT The concepts of system load and capacity are pivotal in risk analysis. The complexity in risk analysis increases when the input parameters are either stochastic (aleatory uncertainty) and/or missing (epistemic uncertainty). The aleatory and epistemic uncertainties related to input parameters are handled through simulation-based parametric and non-parametric probabilistic techniques. The complexities increase further when the empirical relationships are not strong enough to derive physical-based models. In this paper, ordered weighted averaging (OWA) operators are proposed to estimate the system load. The risk of failure is estimated by assuming normally distributed reliability index. The proposed methodology for risk analysis is illustrated using an example of nine-input parameters. Sensitivity analyses identified that the risk of failure is dominated by the attitude of a decision-maker to generate OWA weights, missing input parameters and system capacity.
[12]	Rinner C, Malczewski J. Web-enabled spatial decision analysis using ordered weighted averaging (OWA) [J].Geographical Systems,2002, 4:385-403. https://doi.org/10.1007/s101090300095      URL      [本文引用: 1]      摘要 This paper presents a spatial decision support tool that implements the Ordered Weighted Averaging (OWA) method. OWA is a family of multicriteria evaluation operators characterised by two sets of weights: criterion importance weights and order weights. We propose a highly interactive way of choosing, modifying, and fine-tuning the decision strategy defined by the order weights. This exploratory approach to OWA is supported by a graphical representation of the operator's behaviour in terms of decision risk and tradeoff/dispersion between criteria. Our prototype implementation is based on the CommonGIS software, and thus, Web-enabled and working with vector data. We successfully demonstrate online, exploratory support of spatial decision strategies using a data set of skiing resorts in Wallis, Switzerland.
[13]	Jacek M. Ordered weighted averaging with fuzzy quantifiers: GIS-based multicriteria evaluation for land-use suitability analysis [J]. International Journal of Applied Earth Observation and Geoinformation,2006,8(4):270-277. URL      [本文引用: 1]
[14]	Yager R R. Quantifier guided aggregation using OWA operation [J]. International Journal of Intelligent Systems,1996, 11(1):49-73. [本文引用: 1]
[15]	张念强. 基于GIS的鄱阳湖地区洪水灾害风险评价[D] .南昌:南昌大学,2006. [本文引用: 1]
[16]	于文金,闫永刚,吕海燕,等. 基于GIS的太湖流域暴雨洪涝灾害风险定量化研究 [J].灾害学,2011,26(4):1~7. https://doi.org/10.3969/j.issn.1000-811X.2011.04.001      URL      [本文引用: 1]      摘要 暴雨洪水灾害是威胁人类的区域重要气象灾害,暴雨风险研究具有重 要的现实意义.在GIS/RS技术支撑下,采用AHP层次分析法和综合指数方法对太湖区域暴雨洪水风险压力进行了定量化研究.研究发现:①由于降水频度高 危险性指数为5.5～7.1,湖西区属于重度危险到极度危险区；浦东浦西区危险性指数为4.5 ～5.5,属于中度危险到重度危险区；武澄锡区、阳澄淀泖区由于地势低洼,危险性指数为4.2 ～5.5,属于轻度危险到重度危险区；杭州湾北岸的杭嘉湖区、浙西区受径流影响,危险指数为2.3 ～4.8,属于微度危险到中度危险区.②上海的浦东、浦西区与苏州、无锡、常州、杭州、镇江的脆弱性指数为7～ 10,属于重度脆弱到极度脆弱区；张家港、常熟、太仓、昆山以及浙北地区的湖州、嘉兴等地脆弱性指数为4.8～7.0,属于中度脆弱到重度脆弱区；浙西的 山区脆弱性指数为1～4.6,属于微度脆弱到轻度脆弱区.③太湖流域北岸的湖西区、武澄锡区、阳澄淀泖区以及浦东浦西区的综合风险指数较高；杭嘉湖区次 之；浙西区综合风险最低.
[17]	苏飞,殷杰,尹占娥,等. 黄浦江流域洪灾动态风险演化趋势研究 [J].地理科学,2014,34(5): 621~626. Magsci      [本文引用: 1]      摘要 <p>改革开放以来，黄浦江流域经历了快速的城市化过程，人类活动极大改变了流域的自然环境和洪灾风险特征。利用洪水数值模型开展1979、1990、2000 和2009 年黄浦江流域5、50 和500 年一遇洪水情景模拟。在此基础上，参考相关标准，构建基于土地利用的脆弱性分级方法和风险判别矩阵，进而分析了黄浦江流域洪灾动态风险的演化特征。研究结果显示：转型期黄浦江流域洪灾动态风险呈现先缓慢增加后显著降低的演化趋势，在空间上洪灾风险表现为从几乎全流域分布到中上游地区集中分布的趋势，防汛墙的扩建加固以及快速城镇化进程是导致洪灾风险演化的主要因素。</p>
[18]	陈萍,王兴玲,陈晓玲. 基于栅格的鄱阳湖生态经济区洪灾脆弱性评价 [J].地理科学,2012,32(8): 958~964. Magsci      [本文引用: 1]      摘要 <p>目前洪灾脆弱性研究主要是基于行政区划上的社会脆弱性评价, 无法揭示评价单元内部脆弱性的空间分布。选取鄱阳湖生态经济区作为研究对象, 根据人与环境系统的特点, 选择影响洪灾脆弱性的15 个变量, 建立了基于栅格的洪灾脆弱性综合指数模型。结果表明, 研究区域的洪灾脆弱性以中度脆弱为主, 极度与高度脆弱区主要分布在人口密集的鄱阳湖东南与西南部的湖滨地区、主要河流的缓冲区以及土地利用类型为水田的区域。从脆弱性的3 个要素(暴露度、敏感性和适应能力)的空间分布揭示了洪灾脆弱性空间分布形成的原因。基于栅格的评价结果, 能够充分反映县市内部和行政边界处洪灾脆弱性的空间分布与变化情况。</p>