气候变化背景下家庭层面的洪水脆弱性：印度上杰赫勒姆次流域的基于指标评估

《Environmental Development》：Household-level flood vulnerability in a changing climate: An indicator-based assessment in the Upper Jhelum Sub-catchment, India

　　

摘要

气候变化引发的洪水已变得更加频繁和广泛，给全球各地的社区带来了日益严峻的挑战。印度克什米尔喜马拉雅山脉的杰赫勒姆河上游子集水区因其高洪水脆弱性、脆弱的生态系统、反复发生的洪水事件和生计脆弱性而被选为研究区域。我们在家庭层面整合了九个脆弱性领域（社会、经济、气候变化与环境、生态系统、洪水暴露、早期预警系统、当地社区适应、灾后适应和洪水防护），构建了综合洪水脆弱性指数（CFVI）。基于文献调研和专家知识，共选择了这九个领域的66项指标。指标数据通过问卷对24个村庄的480户家庭进行了调查收集。大多数抽样村庄经历了高和中度洪水脆弱性。低社会经济条件、气候变化与环境、高生态影响、高洪水暴露和低适应策略加剧了这些村庄的中度到高度洪水脆弱性。回归分析表明，脆弱性程度最受气候变化与环境领域的影响，其次是生态系统和洪水暴露领域。提高意识、本地适应策略、有效的早期预警系统和洪水防护措施有助于社区增强其适应能力。因此，CFVI不仅在村庄优先排序方面证明了其有效性，还帮助识别了可以努力减轻洪水脆弱性的领域区域。

引言

近年来，气候变化已成为全球影响人类生活和自然资源的最重大且令人担忧的挑战之一（Roshani等，2022；Ali等，2024）。人类活动引发的开发活动增加了二氧化碳浓度，进而导致温度和降水模式的改变（Abraham等，2018）。联合国政府间气候变化专门委员会（IPCC）已经警告称，如果全球温度继续以目前的速度上升，2023年至2052年间温度将升高1.5°C，对水文循环及其组成部分产生负面影响（IPCC，2018）。随着温度的持续上升，气候变化影响预计在未来近期内将进一步加剧（Rahman等，2024；Masroor等，2024）。由于水文循环的改变、大气环流模式的变化和海平面上升，全球气候变化引发的洪水频率和强度已有所增加。极端降水强度因气候变化、暴雨和河流洪水而增加（Seneviratne等，2021）。因此，天气模式的变化、风暴路径的转移和河流径流规律的改变增加了洪水风险的量级（Lenderink等，2017；Willkofer等，2024）。

洪水灾害是指在特定地点和特定时间段内洪水发生的可能性和严重程度。灾害表明事件对环境可能构成的威胁，而脆弱性衡量的是一个社区因暴露于灾害而实际遭受的损失（Islam等，2025；Liu等，2025）。洪水造成大规模破坏，扰乱正常日常生活，并增加社会经济和生态脆弱性（Rehman等，2019；Rehman等，2023）。它通过毁坏农作物、侵蚀肥沃表土和淹没可耕地，影响了依赖农业的社区的生计，导致收入减少、粮食不安全感和贫困加剧（Mohammadi和Mohammadi，2021）。近期研究表明，洪水通过破坏农作物、牲畜损失和农场基础设施损坏，给受灾家庭造成了大量收入损失（Kushwaha等，2024；Desalegn和Mulu，2021；Mushwani等，2025）。此外，洪水对贫困人口和更脆弱的社会群体造成了不成比例的影响（Rehman等，2019）。洪水还给生态系统、水文规律、栖息地结构和生物群落带来深刻且往往有害的变化（Ali等，2024）。洪水可能对自然和人工防御设施造成损害，如湿地、洪泛区和韧性基础设施，使社区更容易受到未来事件的威胁，并造成环境退化和社会脆弱性增加的恶性循环（Mashwama和Phesa，2025）。多位学者建立了评估洪水脆弱性的重要框架（Mushwani等，2025；Kaur等，2025；Hoover和Tate，2025）。物理脆弱性方面已广泛利用深度-损害函数和地理信息系统进行研究（Desalegn和Mulu，2021；Ajtai等，2023；Elliot等，2025；Nair等，2025）。Papathoma-K?hle等（2022）引入了脆弱性曲线和指数，以量化建筑特性和环境背景在确定洪水损害程度方面的作用。指标的综合化已被广泛用于采用重标度、权重和综合过程并辅以稳健性检验（Nazeer和Bork，2021）。地理空间方法与层次分析法和专家知识的结合已被应用于评估洪水脆弱性和管理策略（Hoque等，2019；Sarkar等，2022；Abdrabo等，2023；Mushwani等，2025）。

Islam等（2025）利用针对特定场地的暴露度、适应能力和敏感性指标来确定生计对洪水灾害的脆弱性。此外，各学者采用了多种方法通过指标法和建模框架评估洪水脆弱性。Pham等（2022）通过利用信息增益率识别有影响的预测因子并整合到高级机器学习模型中，提出了洪水灾害指数。同样，Schwarz和Kuleshov（2022）通过结合遥感技术和GIS的环境和社会经济因素，开发了一个洪水脆弱性指数（FVI）。Miranda和Ferreira（2019）提出了一个简化的洪水脆弱性指数，强调暴露度和敏感性指标，特别为评估文化遗产地的脆弱性而设计。然而，学术界对基于特定场地指标评估脆弱性以识别风险地区和优先适当的适应策略产生了很大兴趣（Rehman等，2023；Masroor等，2023）。Ullah等（2021）通过对社会、经济、物理和制度因素进行定量测量，计算了巴基斯坦开伯尔-普什图省洪水灾害的综合得分。该研究还强调了通过改善风险减少策略、灾害管理计划和早期预警系统优先确定洪水减缓策略地点的必要性。Das等（2025）利用地貌指标和随机森林机器学习模型评估了朗吉特河子集水区的洪水风险。其他学者使用了频率比（Sarkar和Mondal，2020；Saha等，2022）、频率比和统计指数（Sharma等，2024）进行洪水灾害和脆弱性制图。Saikh和Mondal（2023）利用机器学习模型准确评估了洪水易发性制图，而证据权重和香农熵指数的有效性已用于洪水易发性制图（Dutta等，2023）。学者们也使用地貌参数进行集水区洪水管理的优先排序（Sutradhar和Mondal，2023）。

我们通过整合气候变化、社会、经济、环境、生态系统、洪水暴露、早期预警系统、当地社区适应和灾后适应领域，使用其特定场地指标在家庭层面构建综合脆弱性指数，以评估洪水脆弱性。综合脆弱性指数在检验洪水脆弱性方面显示了有效性（Balaganesh等，2020；Rehaman等，2023）。综合脆弱性指数在分析复杂多样的指标和比较脆弱性程度方面具有优势。本研究的新颖性在于其全面和多维的方法，用于评估喜马拉雅杰赫勒姆河上游子集水区气候变化引发的洪水脆弱性，而在现有文献中此类综合分析仍未得到充分探讨。以往喜马拉雅地区的研究往往侧重于洪水水文建模，而本研究独特地将与社会经济、气候、环境和生态系统维度直接结合到洪水动态和社区层面响应中。此外，本研究弥合了喜马拉雅子集水区中科学评估与实践决策之间的现有差距。本研究提供了村庄层面的洞察，使适应计划能够针对子集水区多样的社会现实和生态现实进行调整。本研究评估了选定村庄的洪水脆弱性，有助于识别脆弱性热点区域并支持有针对性的适应计划。CFVI使用基于问卷的数据构建，因为研究聚焦于家庭层面的洪水脆弱性和适应能力。脆弱性本质上是多维度的，包括诸如风险认知、准备程度、资源获取和应对能力等主观维度，这些无法充分通过水文和气象变量来捕捉。因此，该指数旨在代表感知的洪水脆弱性而非物理洪水灾害。社会经济脆弱性与生态系统、洪水暴露和社区适应能力相结合，提供了一种决策支持工具。本研究强调了本地适应策略在保护上游山区人口和下游依赖这些水资源的社区方面的重要性。我们认为，本研究采用的方法学框架可以帮助未来研究在不同空间尺度上使用各种特定场地指标分析洪水脆弱性。

各章节内容

研究区域

位于印度查谟和克什米尔南部的杰赫勒姆河上游子集水区，介于北纬33°20′至34°10′和东经74°30′至75°30′之间（图1）。子集水区总面积为5201平方公里。子集水区东临皮尔潘贾尔山脉，东南临大喜马拉雅山脉（Ali等，2025）。子集水区包含八个集水区（1E1D1-1E1D8）。这些集水区的地理名称为Arapal、Rembaira，

数据与方法

本研究采用的方法论包括五个阶段，旨在评估杰赫勒姆河上游子集水区家庭层面的洪水脆弱性。第一阶段侧重于识别用于洪水脆弱性评估的特定场地指标，这些指标通过广泛查阅现有文献和专家知识来选择，以确保相关性和科学严谨性。在第二阶段，利用高分辨率Google Earth进行村庄选择，

抽样家庭简况

按年龄分布的总抽样受访者显示，大多数受访者（49.89%）年龄在41岁以上，其次是21-40岁年龄段（25.62%）、61-80岁年龄段（16.04%）和20岁以下（8.45%）。在总受访者中，55.85%为男性，其余44.15%为女性。大多数受访者属于一般种姓（78.95%），其次是其他落后

讨论

我们采用基于指标的方法来考察杰赫勒姆河上游子集水区的洪水脆弱性。多位学者展示了基于指标的方法在洪水灾害方面的有效性（Nazeer和Bork，2021；Ajtai等，2023；Ayele等，2025；Devi等，2025）。这些学者强调了可以使用多准则决策方法和综合指数有效评估洪水脆弱性。他们也

结论

综合洪水脆弱性指数使用了其九个领域（社会、经济、气候变化与环境、生态系统、洪水暴露、早期预警系统、当地社区适应、灾后适应和洪水防护）构建。这些领域的特定场地指标数据来自子集水区24个村庄480户家庭的全面调查。结果表明Lallan、Khandi Pahari、Semithan、Booch、Malangpora、Ghat Pushwari和

CRediT作者贡献声明

Daawar Bashir Ganaie：调查、形式分析。Haroon Sajjad：撰写——审阅与编辑、监督、概念化。Rayees Ali：撰写——审阅与编辑、撰写——原始草稿、方法论、调查、形式分析、数据整理、概念化。Md Sahil：数据整理。Rehan Ali：数据整理。Md Hibjur Rahaman：可视化。Hira Ahtsham：调查

未引用参考文献

Acosta-Espa?a等，2024；Ali等，2025a；Dobbie和Dail，2013；Manda和Msasa，2025；Marchand等，2022；Masroor和Sajjad，2024；Rahaman等，2024；Rivera和Dela Vega，2025；Rufat等，2015。

利益冲突声明

作者声明没有利益冲突

数据可用性

数据可在要求下提供

资金

本研究未获得任何资金资助。

利益冲突声明

? 作者声明他们没有已知的竞争性经济利益或个人关系，这些可能会影响本文所报告工作的公平性。

致谢

第一作者感谢Dr.

感谢 Sufia Rehman（研究助理，NITMN，国家技术学院曼尼普尔分校，曼尼普尔邦因法尔）在研究过程中提供的深刻见解和亲切支持。第一作者感谢匿名审稿人提出的深刻评论和建议，这些意见提升了本手稿的质量。

Rayees Ali | Haroon Sajjad | Daawar Bashir Ganaie | Md Hibjur Rahaman | Rehan Ali | Md Sahil | Hira Ahtsham
地理系，理学院，印度新德里米尔亚穆斯林大学