将脆弱性与韧性纳入洪水风险评估：长三角地区的情景分析

《Sustainable Cities and Society》：Integrating vulnerability and resilience into flood risk assessment: A multi-scenario analysis in the Yangtze River Delta

　　

• 开发了一个多情景框架来评估长三角地区的洪水风险。• 脆弱性使洪水风险增加30.26%，而韧性使洪水风险降低21.03%。• 核心城市的洪水风险变化幅度小于中小城市。• 在各情景中，人口密度的相对SHAP重要性最高。引言在全球气候变化和快速城市化的共同作用下，极端天气事件的频率和强度不断增加，加剧了洪水风险，使洪水成为全球范围内分布最广、经济损失最严重的自然灾害之一（IPCC, 2022；Zhou等, 2017）。由此产生的洪水风险增加不仅对城市基础设施的安全运行构成持续压力，还对社会经济稳定和区域可持续发展带来长期挑战（Li等, 2023b）。对此，国际政策和框架日益强调加强灾害风险识别与评估、提升城市适应与恢复能力的必要性，并推动灾害管理从被动应对转向主动预防和韧性建设（Busayo等, 2020；Majlingova和Kádár, 2025）。在中国，洪水风险防控已被纳入国家治理现代化的更广泛努力之中，政策重点已从防灾减灾扩展到韧性提升和可持续发展（Zhu等, 2021）。在此背景下，建立一个科学合理的洪水风险评估框架对于提升防灾能力和改进风险管理策略至关重要（Shetty等, 2026）。洪水风险评估是灾害风险管理的核心组成部分，为理解风险形成过程、识别高风险区域以及制定有效的防灾减灾策略提供了基础（Jung等, 2025；Phommavong等, 2025）。目前，洪水风险评估已从基于历史灾害统计的单因子方法发展为整合自然和社会经济因素的多维框架（Chen等, 2022；Li等, 2023a）。其中，灾害-暴露-脆弱性（H-E-V）框架因其概念清晰、内在一致性和实际适用性而成为洪水风险评估中最广泛使用的概念框架之一（Merz等, 2004）。联合国气候变化政府间专门委员会（IPCC）也将灾害、暴露和脆弱性确定为气候相关风险的三大核心要素，强调其对理解风险随时间变化的重要性以及为决策提供依据的作用（IPCC, 2014）。基于这一框架，研究人员开发了多种洪水灾害预测模型，包括水动力模型、基于损失的分析和基于指标的评估方法。水动力模型能够较为详细地表征不同降雨和地形条件下的洪水物理过程，被广泛用于模拟淹没范围、水深和流态动力学（Shastry等, 2023）。然而，水动力模型通常需要高分辨率的地形、降雨和排水数据，这限制了其在大规模评估中的应用。基于历史洪水记录、经济损失数据和保险记录进行损失评估和模型验证也为估计洪水影响和评估模型可靠性提供了重要的实证支持，但此类分析的稳健性取决于历史灾害记录的完整性和一致性（Merz等, 2010）。与上述方法相比，基于指标的评估方法被广泛用于识别区域洪水风险和分析空间变化（Azizi等, 2025；Feng等, 2023）。这些方法在指标选择和权重设定方面可能存在一定的主观性，且对洪水物理过程的表征仍有限。尽管如此，它们能够表征与自然环境、社会经济条件和基础设施相关的多维度风险，其在区域洪水风险评估中的有效性和实用价值已在以往研究中得到验证（Wang等, 2023）。洪水风险评估越来越多地从更全面的角度进行审视。早期研究倾向于强调灾害强度、淹没过程和暴露要素的特征。然而，仅凭这些维度无法完全解释洪水影响在区域间的差异，因为面临相似洪水灾害和暴露条件的地区在损失和恢复过程中仍可能存在显著差异（Shastry等, 2023；Zeng等, 2017）。这种差异通常与社会经济条件、基础设施供给和人口特征有关，凸显了社会脆弱性在洪水风险评估中的重要作用（Rufat等, 2015；Turner等, 2003）。随着近年来极端洪水事件的频率不断增加，洪水风险研究更加强调防灾减灾中的人类和制度因素，特别是应急响应、基础设施适应性和灾后恢复等与韧性相关的容量（Fu等, 2024；Ye等, 2022）。类似的趋势在纽约、鹿特丹和东京等沿海城市的洪水风险管理实践中也显而易见，其方法已从以工程为中心的防洪转向强调系统适应性、基础设施韧性、跨部门协调和社区参与（Singh等, 2021；van Herk等, 2015）。在中国快速城市化的地区，包括北京和上海，洪水风险管理也开始优先关注复杂城市系统对洪水扰动的适应和恢复能力，同时建立更加综合的治理体系以应对不断上升的城市洪水风险（Liu等, 2025）。尽管韧性日益受到重视，但在洪水风险评估中，韧性往往被作为脆弱性的抵消因素而非风险结构建模中的独立维度纳入（Fekete等, 2014；Noy和Yonson, 2018；Tabasi等, 2025）。这种处理方式使得难以明确考察纳入韧性对评估洪水风险变化的影响。即使韧性被明确评估，灾害、暴露、脆弱性和韧性之间的交互作用也很少在统一框架中得到阐明，限制了对它们在洪水风险评估中作用的直接比较（Chen, 2021；Joyce等, 2018；Liu等, 2025）。这一问题是现有研究尚未完全解决的，已有的多情景洪水风险研究通常考察降雨重现期、气候路径或土地利用的变化，同时保留固定的风险维度集合（Sun等, 2022a）。尽管这些研究捕捉了外部条件变化下的风险变异，但它们并未直接揭示纳入脆弱性和韧性如何影响评估的洪水风险及其空间格局。在本研究中，韧性被作为灾害、暴露和脆弱性之外的一个独立维度纳入，并通过比较包含不同维度组合的情景来量化纳入脆弱性和韧性所带来的洪水风险变化。洪水风险形成涉及多因素之间的非线性关系和相互作用（Lv等, 2021）。因此，洪水风险评估需要能够整合多维指标并考虑其复杂关系的方法。现有研究通常将层次分析法（AHP）或熵权法与线性加权聚合相结合进行综合评估（Lv等, 2020）。尽管这些方法为整合多维指标提供了实用的手段，但其结果可能受到主观判断或输入数据分布和变异性的影响（Ekmekcio?lu等, 2022）。此外，线性加权聚合的加性结构限制了其表征形成洪水风险的因素间非线性相互作用的能力（Tella等, 2026）。为克服这些局限性，数据驱动的方法，包括机器学习，越来越多地被应用于洪水风险评估。这些方法能够捕捉复杂的非线性关系，但通常需要大量的历史灾害样本，且其性能受数据质量和样本量的影响（Sun等, 2023）。在此背景下，扩展突变渐进法（ECPM）为多维评估提供了一种替代方法。它在复杂系统评估中的应用，包括环境风险、基础设施韧性和事故风险，表明其在具有复杂相互作用和内部机制不完全明确的层次化多维系统评估中具有的潜力（Wang等, 2017；Zhang等, 2024a；Zheng和Huang, 2023b）。长三角地区是一个具有全球经济意义、国家优先发展的城市群，以人口密度高和经济集中度高为特征。该地区长期面临严重的洪水风险。以往研究报告指出，2000年至2020年间该地区发生了超过20次洪水事件。2020年，洪水影响了超过1000万人，造成了数十亿元人民币的直接经济损失（Ji等, 2024；Zhou等, 2025a）。因此，本研究以长三角地区为研究对象，开发了一个整合灾害（H）、暴露（E）、脆弱性（V）和韧性（R）的洪水风险评估框架，重点关注不同风险要素如何共同塑造空间风险格局。主要研究目标包括：（1）基于多源自然和社会经济数据，运用ECPM量化灾害（H）、暴露（E）、脆弱性（V）和韧性（R），并表征其空间异质性；（2）通过渐进扩展情景（H-E、H-E-V和H-E-V-R）的比较分析，评估纳入脆弱性和韧性如何改变区域洪水风险格局；（3）结合相关性分析和XGBoost-SHAP分析，识别风险要素与洪水风险之间的关系，并表征各情景下各指标的相对SHAP重要性。各章节要点研究区域：长三角地区（115.76°E–123.16°E，28.01°N–34.47°N）位于中国长江下游地区（图1）。该地区东临东海和黄海，涵盖浙江省、江苏省、安徽省和上海市（Li等, 2013）。该地区面积约21.17万平方公里。地形以平原为主，河流网络密集，湖泊众多。主要水体包括长江干流及其支流……多维洪水风险评估：本研究运用ECPM量化了长三角地区的洪水灾害、暴露、脆弱性和韧性，并采用自然断点法将每个维度划分为低、中、高和最高四个等级（图4）。总体而言，四个风险维度表现出明显的空间异质性，沿海和高城市化地区与内陆地区之间存在显著差异。洪水灾害以中等为主，高风险或最高风险区域呈连续分布……洪水风险评估框架的可靠性和稳健性：本研究开发的洪水风险评估框架在长三角地区表现出良好的空间判别能力。其可靠性和稳健性通过历史洪水点、蒙特卡洛不确定性分析、单因素敏感性分析和与替代聚合框架的比较进行了评估。历史洪水点与洪水风险指数（FRI）结果的叠加分析表明，上海、杭州、盐城、南京和宁波的洪水点集中在被划分为高风险或最高风险的区域……结论：通过将灾害、暴露、脆弱性和韧性整合到一个多情景评估框架中，本研究量化了长三角地区洪水风险的变化，并考察了各情景下的指标重要性。评估结果显示三个情景的空间格局总体相似，高风险区域主要集中在东部沿海地区、沿河平原和高城市化地区。与H-E情景相比，纳入脆弱性增加了……CRediT作者贡献声明：Weiwen Yu：撰写—审阅与编辑、撰写—初稿、方法论、概念化。Run Wang：监督、资金获取。Mingjun Jiang：撰写—审阅与编辑、数据整理。Yongxin Wang：撰写—审阅与编辑、形式分析。Le Yin：可视化、项目管理、资金获取。Baolei Zhang：验证、监督、资金获取。利益冲突声明：作者声明他们不存在已知的经济利益冲突或个人关系可能影响本研究报告的工作。致谢：本研究由山东省研究生教学改革项目（SDYJSJGC2024068）、山东省本科教学改革项目（Z20220004）、济南市校地融合项目（JNSX2023036）、国家自然科学基金委员会（42201308）以及山东省自然科学基金（ZR2021ME203、ZR2021QD127）资助。Weiwen Yu | Run Wang | Mingjun Jiang | Yongxin Wang | Le Yin | Baolei Zhang