孟加拉国冰雹灾害住房脆弱性制图：一种灾害风险降低的决策支持方法

《Progress in Disaster Science》：Mapping housing vulnerability to hailstorms in Bangladesh: A decision-support approach for disaster risk reduction

　　

冰雹风暴是南亚地区反复发生但未得到充分研究的气候灾害，其对结构脆弱住房和社会经济贫困社区造成不成比例的后果。在孟加拉国朗布尔区（Rangpur Division），高冰雹频率、近乎普遍的次标准住房（sub-standard housing）与根深蒂固的贫困相汇聚，产生了复合脆弱性，而现有灾害风险框架尚未在可操作的尺度上对其进行空间解析。研究人员通过在三个与IPCC（Intergovernmental Panel on Climate Change）一致的组件——暴露（Exposure）、敏感性（Sensitivity）和适应能力（Adaptive Capacity）中整合层次分析法（AHP, Analytical Hierarchy Process）与地理信息系统（GIS, Geographic Information Systems），构建首个乌帕齐拉（upazila）级别的冰雹脆弱性指数（HVI, Hailstorm Vulnerability Index），该指数通过源自气象记录、卫星影像和人口普查数据的十五个指标进行操作化。空间分析识别出明显的自北向南脆弱性梯度，其中极高（Very High）脆弱性区域（1713.27 km2；占该区面积的10.8%）集中在Panchagarh、Thakurgaon、Nilphamari和Lalmonirhat，这些地区30年内冰雹频率达65.57至72.00次，次标准住房占住房存量的高达96.8%，贫困率在65.14%至79.79%之间。暴露与适应能力之间的反向空间关系放大了应对能力最受限制地区的风险。ROC-AUC（Receiver Operating Characteristic–Area Under the Curve）验证产生0.957的AUC值，证实了判别可靠性。由此产生的HVI提供了一种可转移的决策支持工具，用于针对符合《仙台框架》（Sendai Framework）优先事项的气候韧性住房投资。

研究背景与问题提出

气候变迁正在加剧全球极端天气事件的频率与严重程度，冰雹风暴作为南亚地区极具破坏性但未获充分研究的灾害，在孟加拉国对其住房、农业及生计造成反复损害，然而相较于洪水与气旋，其在国家灾害风险论述中处于边缘地位。这种忽视对西北部的朗布尔区尤为严重，该地区结构脆弱性、深层贫困与高冰雹发生率的交汇为农村社区创造了复合且不成比例的脆弱性。结构脆弱的家庭主要为半永久性和临时（kutcha）建筑，对冰雹冲击抵抗力极低，依赖农业的家庭面临连锁损失，受损作物迅速转化为收入冲击、粮食不安全及根深蒂固的贫困，削弱了恢复与适应的资源。现有脆弱性评估虽常包含暴露、敏感性和适应能力三维度，但在孟加拉国北部冰雹易发区，缺乏将政策意图转化为针对性实地行动的空间显式（spatially explicit）、次区级（sub-district-level）工具，存在关键的实施缺口。此外，现有冰雹研究多集中于气候特征与农业影响，对脆弱性空间决定因素关注有限，且GIS多准则评估多用于洪水、气旋等，应用于冰雹仍稀缺。因此，气象暴露、住房结构特征与社会经济适应能力对冰雹脆弱性的综合影响在数据匮乏的发展中地区理解不足。为填补此空白，研究人员开发了首个朗布尔区乌帕齐拉级的冰雹脆弱性指数（HVI），集成环境暴露、住房敏感性与适应能力于AHP-GIS框架中，提供稳健的决策支持工具以指导高风险区的住房韧性与减灾规划。该研究发表于《Progress in Disaster Science》。

主要关键技术方法

研究人员采用基于层次分析法（AHP, Analytical Hierarchy Process）的多准则空间分析框架，结合地理信息系统（GIS, Geographic Information Systems）评估孟加拉国朗布尔区住房对冰雹风险的脆弱性。数据获取涵盖三个关键维度共十五项指标：暴露维度包括30年冰雹记录、露点、温度、降水、湿度及高程，源自由孟加拉国气象局、NASA POWER、WorldClim及USGS SRTM-1等提供的2022年数据集；敏感性维度包括人口密度（2020 WorldPop）、土地利用/覆被（LULC, Land Use/Land Cover）、归一化植被指数（NDVI, Normalized Difference Vegetation Index）及归一化建筑指数（NDBI, Normalized Difference Built-up Index）；适应能力维度包括种植强度、住房条件（次标准及永久/半永久住房占比）及贫困率，源自2022年人口与住房普查。所有指标栅格图层采用最小-最大重缩放标准化至0–1无量纲尺度，通过Saaty标度进行成对比较推导准则权重并验证一致性比率（CR, Consistency Ratio ≤ 0.10）。复合冰雹脆弱性指数（HVI, Hailstorm Vulnerability Index）按乘-除结构公式整合加权暴露、敏感性与适应能力（w_E=0.539, w_S=0.297, w_A=0.164）。模型通过ROC-AUC（Receiver Operating Characteristic–Area Under the Curve）分析及历史记录对比进行验证，最终利用Jenks自然断点法将HVI栅格分为五类脆弱性分区。

研究结果

3.1. Individual risk component analysis

各构成指标独立分为五类风险并量化空间范围。暴露指标中冰雹频率权重最高（0.425），极高带集中于Panchagarh和Thakurgaon；露点（0.202）与温度（0.153）与之共变，湿度（0.083）在北部的极高级别与之重叠，降水（0.099）和高程（0.039）为次级放大器，形成明显的自北向南暴露梯度。敏感性指标中人口密度（0.417）驱动最强，农业用地（0.269）广泛分布，NDVI（0.193）与NDBI（0.121）在城乡过渡带交汇，中等敏感性类在空间占主导。适应能力指标中种植强度（0.401）呈自南向北递减的反向梯度，次标准住房（0.219）与贫困率（0.168）在北部最高，永久（0.079）与半永久（0.133）住房在中段提供细分判别，北部应对能力最低。

3.2. Exposure sub-index

整合六项指标得出极高暴露区2418.83 km²集中于Panchagarh、Thakurgaon和Nilphamari，高频、高露点及高温共存利于大冰雹对流形成；高暴露区2345.45 km²延伸至Kurigram和Lalmonirhat；中等暴露1685.54 km²在Dinajpur和Gaibandha部分区域；低与极低共9680.63 km²占全区超60%在南部。频率与大气热力学指数主导空间异质性而非单纯地形。

3.3. Sensitivity sub-index

极高敏感性仅176.71 km²限于最高密度城市核，高敏感性4445.62 km²涵盖城乡农业边缘带，中等类6047.12 km²主导。敏感性空间模式不与暴露镜像，高中部与南部农业区敏感性广泛，意味着中度气候灾害区仍具显著社会生态易损性。

3.4. Adaptive capacity sub-index

中等适应能力主导（5867.71 km²），高与极高区（3450.81 km²和1988.94 km²）集中于Rangpur和Dinajpur部分，低与极低（共5458.68 km²）聚于北部。适应能力最低处恰为暴露最高处，反向空间关系放大北部复合脆弱性，构成风险梯度主因。

3.5. District-level mean scores of vulnerability sub-indices

暴露空间差异最大，Panchagarh（4.92）和Thakurgaon（4.43）远超均值2.89，Gaibandha（1.00）最低；乌帕齐拉级Panchagarh四区达满分5.00。敏感性分布均匀（2.6–3.1），局部峰值在Saidpur（3.50）等。适应能力与暴露大体反向，Kurigram区最高（4.84），其下Sadar等乌帕齐拉达5.00；Saidpur（1.09）等最低。Nilphamari区暴露高、敏感性高且适应力低于平均，结构脆弱最尖锐。

3.6. Composite hailstorm vulnerability index and spatial risk distribution

HVI加权（0.539, 0.297, 0.164）重分类为五类。极高与高风险共4605.20 km²（约29%）集中于北部四区；极高占1713.27 km²（10.8%），高风险2891.93 km²（18.2%）。中等2529.12 km²（15.9%），低与极低共8762.84 km²（55.1%）主要在南部Gaibandha、Rangpur和Dinajpur。北部高暴露、中高敏感与低适应力汇聚成明显北南梯度。极高类中Tentulia、Panchagarh Sadar、Ranisankail和Jaldhaka受频率最大、适应力最低及高密度农业暴露最严重，需优先干预；Nilphamari和Lalmonirhat乌帕齐拉次之。南部极低风险区如Rangpur Sadar等构成相对韧性走廊可作救灾后勤基地。

3.7. Model validation

预测高风险区与孟气象局历史记录定性吻合，北部四区确为最易发区；AHP矩阵CR≤0.10满足一致性；ROC-AUC得AUC=0.957，超0.90杰出判别基准，证实框架稳健适于业务减灾与韧性规划。

讨论与结论翻译总结

讨论指出HVI揭示朗布尔区结构连贯的北南脆弱梯度，由气候暴露、次标准住房与社会经济剥夺复合驱动，极高与高脆弱在北部四区集中，冰雹频率65.57–72.00次、降水229.34–268.08 mm、温湿条件维持湿层结利于大雹，高程超25.5 m加剧失稳。Panchagarh Sadar等乌帕齐拉暴露满分5.00证实危害强度非均匀分布于北部核心。社会经济敏感性在北部放大信号，密度达29705人/km²、贫困65.14%–79.79%限制备灾与恢复；Saidpur敏感性最高（3.50）而适应力最低（1.09）显示脆弱可由社经结构赤字独立构成而非仅气候危害。次标准竹、茅草、波纹铁皮住房对冰雹风压近乎零抵抗，使中度事件致巨损并强化贫困陷阱；Jaldhaka与Kishoreganj为高暴露、高敏感、低适应最尖锐汇聚。南部Gaibandha与Rangpur因频率低、贫困少（9.31%–33.91%）及植被缓冲而脆弱低；乌帕齐拉级Kurigram Sadar等适应力满分5.00与Saidpur等1.00以下对比突显恢复力由社经结构塑造。暴露与适应力反向关系是核心政策发现。政策上Panchagarh等四区需即刻干预替换次标准住房，Tentulia等乌帕齐拉为最高优，Saidpur与Taraganj需社经支持与住房升级并重，为孟加拉国气候变更战略与行动计划（BCCSAP）及仙台框架提供数据分配依据。局限包括农村乌帕齐拉社经与住房数据不确定、AHP专家权重主观性及依赖历史数据未纳动态气候情景。未来应扩至多灾种、纳降尺度气候投影及性别分户社经数据，框架可转移至其他冰雹评估资源受限区。结论为研究人员应用AHP-GIS框架评估朗布尔区冰雹住房脆弱性，集成三维度入验证复合指数，脆弱高度聚于北部四区暴露于高频率、结构脆弱与贫困且适应力最低处；Tentulia等乌帕齐拉为最关键干预点，Saidpur示社经结构赤字可独立于危害构成急脆；AUC 0.957证指数可靠适於数据稀缺区优先级划分；空间图为决策支持工具指导韧性投资、气候住房计划及对接仙台框架与BCCSAP，框架可扩展高分辨率社经数据、动态投影与纵向监测，并提供可转移方法论予其他灾区风险知情适应规划。