《Geomatics, Natural Hazards and Risk》：Multi-hazard risk mapping using geospatial techniques in coastal Bangladesh: implications for resilience
编辑推荐：
摘要
沿海地区在支撑生计、资源和经济活动方面发挥着重要作用，然而孟加拉国的沿海地区极易受到气旋、洪水、盐度入侵和侵蚀等气候诱发灾害的影响。在气候变化背景下，这些灾害预计将进一步加剧，从而增加沿海社区面临的风险。本研究以孟加拉国南部沿海地区的卡拉帕拉乌帕齐拉为研
摘要
沿海地区在支撑生计、资源和经济活动方面发挥着重要作用，然而孟加拉国的沿海地区极易受到气旋、洪水、盐度入侵和侵蚀等气候诱发灾害的影响。在气候变化背景下，这些灾害预计将进一步加剧，从而增加沿海社区面临的风险。本研究以孟加拉国南部沿海地区的卡拉帕拉乌帕齐拉为研究区，利用地理空间技术开发了综合多灾害风险图。研究在灾害、脆弱性和缓解能力三个关键组分下分析了共34项空间准则。每项准则均被转换为空间图层，并采用层次分析法（AHP）赋予权重。通过加权叠加对各组分指数进行集成，最终生成综合风险图。研究结果表明，16.08%的区域处于极高风险区，34.03%的区域处于高风险区，主要集中在南部和西南部地区，包括拉卢阿、卡普拉班加、巴利阿塔利、拉塔查普利和米塔甘杰。相比之下，低风险和极低风险区分别占研究区面积的14.25%和7.76%，主要分布在北部和中部地区。研究结果为政策制定者支持有针对性的灾害风险减缓和可持续沿海管理提供了有价值的见解。
**多灾害风险制图与抗灾韧性研究：孟加拉国沿海地区的综合评估框架**
**1. 研究背景与问题提出**
沿海地区是全球最具价值但同时也是灾害最易发的环境系统，支撑着大量生态、社会和经济活动。由于濒临海洋、人口密集且经济资产集中，沿海区域不成比例地暴露于热带气旋、风暴潮、沿海洪水、海平面上升和侵蚀等自然灾害之下。全球约70%的人口居住在沿海地区，这使得这些区域特别容易遭受灾害相关损失。近年来，自然灾害的频率和影响显著增加，在全球范围内造成了重大人员和经济损失。此外，气候变化和海平面上升预计将在整个21世纪进一步加剧低洼沿海地区的风险。因此，沿海社区的生命、生计、基础设施和生态系统面临日益严重的威胁，凸显了开展有效风险评估和气候韧性沿海管理的迫切需要。
孟加拉国是世界上灾害最易发的国家之一，由于贫困、人口密度高和适应能力有限，该国对自然灾害和气候变化的脆弱性极高。其沿海地区包括19个县，面积约47,200平方公里（占全国陆地面积的32%），支撑着约4,380万人口。该区域频繁受到多种相互作用灾害的影响，包括热带气旋、风暴潮、盐度入侵和海岸侵蚀。热带气旋尤其具有破坏性，因为孟加拉国漏斗状的海岸线和低洼的三角洲地形放大了风暴潮和沿海洪水。同时，由海平面上升、气候变化和过度抽取地下水驱动的盐度入侵威胁着农业、淡水资源和生计。海岸侵蚀进一步破坏定居点、基础设施和生产性土地。这些相互作用、交织的灾害凸显了开展综合多灾害风险评估以支持灾害风险减缓和气候韧性沿海规划的必要性。
尽管以往研究广泛应用GIS、遥感和空间建模评估了孟加拉国沿海的各类灾害，但大多数研究主要单独评估灾害或侧重于灾害风险的特定方面，对多种灾害之间的相互作用及其对沿海整体风险的联合影响考虑有限。尽管近年来韧性日益受到关注，但相对较少的研究在单一地理空间评估框架内整合灾害、脆弱性、缓解能力和模型验证。此外，在乌帕齐拉尺度上，将灾害、脆弱性和缓解能力整合到一个基于GIS的综合多灾害评估框架中的研究仍然不足，而空间明确的信息对于有效的地方灾害风险减缓和规划至关重要。复合多灾害风险图的验证受到的关注有限，降低了其实际应用的可信度。因此，决策者往往缺乏经过地方验证且空间整合的信息。为解决这些方法论上的不足，本研究开发并验证了一个基于GIS、遥感和AHP的综合多灾害风险评估框架，选取孟加拉国南部灾害最易发的沿海地区之一——卡拉帕拉乌帕齐拉作为研究区。具体目标包括：(1) 在基于GIS的多灾害评估框架内整合灾害、脆弱性和缓解能力指标；(2) 评估卡拉帕拉乌帕齐拉多灾害风险的空间分布；(3) 验证所得风险图，评估其用于灾害风险减缓和韧性导向规划的可靠性和适用性。
**2. 关键技术与方法**
本研究采用了空间AHP-MCDM方法，并与GIS和遥感技术相结合。AHP通过成对比较为多准则赋权提供系统化框架。风险计算采用公式：风险 = 灾害 × 脆弱性 × 暴露度/缓解能力。研究使用了约34项环境、气候、地形和社会经济参数。气候数据来源于CHIRPS、MODIS、NOAA和孟加拉国气象局（BMD）等全球知名机构；地形变量（坡度、高程、坡向、海岸距离和潮汐涌浪数据）来自USGS SRTM和NOAA风暴潮数据；社会经济参数来自孟加拉国统计局（BBS）、灾害管理部和NASA夜间灯光数据；遥感和地理空间数据从MODIS和Landsat影像获取并使用Google Earth Engine处理。数据获取时间为2024年3月至5月。所有栅格图层采用30×30米空间分辨率，投影为UTM Zone 45N，基准面为WGS 1984。大多数准则的阈值来自已发表文献；无文献阈值时采用ArcGIS 10.8中的Natural Breaks (Jenks)分类法。评估中的每项准则层按从1（极低风险）到5（极高风险）的风险等级进行分类，并通过标准化公式将等级值转换为0到1的线性尺度。由六位国家认可的GIS、遥感、灾害风险减缓、沿海灾害评估等领域专家使用Saaty九点成对比较量表独立评估准则相对重要性，最终获得各风险组分的权重集。一致性比率（CR）用于评估成对比较矩阵的一致性，CR≤0.10视为可接受。此外，在模型开发过程中进行了迭代敏感性分析，约12–13次迭代中系统调整准则权重，以检验AHP权重的稳健性。风险指数通过ArcMap栅格计算器将灾害指数和脆弱性指数相乘后除以缓解指数获得，并将归一化风险指数分为极低、低、中等、高和极高五个等级。采用受试者工作特征（ROC）曲线和曲线下面积（AUC）评估模型可靠性，使用110个来自实地调查、当地观察和独立历史灾害信息的地理参考验证点。
**3. 研究结果**
**3.1 灾害制图**
灾害分析纳入洪水、气旋、盐度入侵和海岸侵蚀四种主要灾害，生成综合灾害指数。灾害图显示，约19.22%（84.97平方公里）的区域属于极高灾害区，另有26.77%（118.44平方公里）被划分为高灾害区。这些区域主要位于研究区的东南部、南部和西南部，靠近孟加拉湾和活跃河流网络，极易受到风暴潮、潮汐洪水、盐水入侵和侵蚀过程的影响。中等灾害区占27.81%（123.03平方公里），主要位于研究区中部。低和极低灾害区分别占18.22%（80.56平方公里）和7.93%（35.05平方公里），主要位于研究区北部和东北部，与相对较高的海拔和远离直接海岸影响有关。
**3.2 脆弱性制图**
物理脆弱性分析表明，极高和高脆弱性区域分别覆盖23.60%（104.77平方公里）和21.07%（93.61平方公里），表明近一半研究区对多种沿海灾害高度脆弱。这些区域主要集中在南部和中部，包括Dhulasar、Latachapli和Nilganj部分地区等靠近孟加拉湾的低洼地区。社会脆弱性分析显示，极高和高脆弱性区域分别占4.14%（18.34平方公里）和23.58%（104.51平方公里），极高脆弱性集中在Dhulasar、Latachapli等南部和西南部联合委员会，而高脆弱性区域延伸至包括Baliatali和Chakamaiya在内的中部和东南部地区。综合脆弱性图显示，极高和高脆弱性区域覆盖10.38%（50.72平方公里）和32.36%（158.04平方公里），主要位于南部、西南部和中部地区。低和极低脆弱性区域分别覆盖17.7%（86.5平方公里）和4.44%（21.72平方公里），主要位于北部和东北部，包括Dalbuganj和Tiakhali。
**3.3 缓解能力制图**
缓解能力图显示，极高和高缓解能力区域覆盖24.21%（119.21平方公里）和14.15%（69.66平方公里），主要位于卡拉帕拉的西南部和南部，关键区域包括Dhulasar、Latachapli、Nilganj、Tiakhali、Chakamaiya和Mithaganj部分地区，这些地区受益于改善的基础设施、气旋避难所、道路通达性和社区备灾能力。中等缓解能力占39.46%（194.26平方公里），主要位于中部和中北部地区。低和极低缓解能力区域分别占5.9%（29.48平方公里）和6.18%（30.44平方公里），主要位于北部和东北部地区，包括Dhankhali、Lalua和Chakamaiya，这些地区获得紧急服务和基础设施的途径有限。
**3.4 风险制图**
综合风险图揭示了显著的空间变异性。极高和高风险区域分别占研究区的16.08%（71.04平方公里）和34.03%（150.36平方公里），主要集中在Lalua、Khaprabhanga、Baliatali以及Latachapli和Mithaganj部分地区的南部和西南部联合委员会。这些区域靠近海岸线，表现出高暴露度、高脆弱性和相对有限的缓解能力。中等风险占27.66%（122.16平方公里）。低和极低风险区域分别占14.25%（62.94平方公里）和7.76%（34.25平方公里），主要位于北部和中部地区，包括Tiakhali、Nilganj以及Chakamaiya和Dhankhali部分地区。值得注意的是，Dhankhali显示出广泛的极低风险区域，是乌帕齐拉中最具韧性的联合委员会之一。
**3.5 风险图验证**
ROC分析显示AUC值为0.91，表明模型具有出色的预测精度和性能，能够以91%的正确率预测灾害易发区域。曲线向图表左上角急剧上升，反映了高真阳性率和极低假阳性率。此外，灾害（0.008）、脆弱性（0.0105）和缓解（0.062）成对比较矩阵的CR值均低于可接受阈值（CR<0.10），确认了专家判断的可靠性和一致性。迭代调整AHP权重仅导致灾害和风险等级空间分布的微小变化，高风险和极高风险区域在整个测试迭代过程中始终集中在卡拉帕拉的南部沿海地区，最终权重组合被认为稳健可靠。
**4. 讨论与结论**
本研究揭示了高风险区域集中于卡拉帕拉南部和西南部，这反映了低洼地形、海岸邻近性和多种灾害暴露的综合影响，而北部和东北部地区表现出相对较低的风险。这些空间格局与以往在孟加拉国沿海进行的研究一致。该空间格局主要与低洼地形、靠近孟加拉湾、密集的河流网络以及频繁暴露于风暴潮和盐水入侵有关。虽然各类灾害被单独评估，但它们在沿海系统中密切关联：气旋常引发风暴潮和洪水，促进盐度入侵进入土地和水资源；反复的盐水淹没可退化植被覆盖和土壤质量，从而增加侵蚀风险；侵蚀可能削弱自然和工程海岸防御，增加对未来洪水和气旋事件的脆弱性。这些相互作用表明，高风险区域受到级联和复合灾害过程的影响，而非孤立灾害的影响。与以往主要关注单一灾害或特定风险组分的研究不同，本研究在单一GIS-AHP框架内整合了灾害、脆弱性和缓解能力，提供了更全面且与地方相关的多灾害风险表述。
研究也存在一些局限性。由于高分辨率数据集的有限可用性，研究使用了Sentinel-2影像和30米DEM，且部分变量（如排水密度、预警覆盖范围和地下水位）未能纳入。数据集代表了不同的获取时期（2021-2024年），可能引入轻微的不确定性。此外，传统AHP框架假设评估准则相互独立，未明确考虑专家判断或空间数据集中的不确定性。尽管如此，该模型表现出强大的预测性能（AUC=0.91），表明综合GIS-AHP框架对于区域尺度的多灾害风险评估足够稳健。未来研究应纳入更高分辨率的高程数据（如LiDAR）、额外的灾害和缓解指标、多时相数据集、更全面的量化不确定性评估，以及与模糊AHP、ANP、模糊逻辑、集成机器学习和深度学习模型等先进方法的比较评估。
本研究开发并验证了一个综合的基于GIS、遥感和AHP的多灾害风险评估框架。所得多灾害风险图显示，约一半的研究区域处于高至极高风险区域，最大风险集中在南部和西南部沿海联合委员会。研究通过将灾害、脆弱性和缓解能力整合到乌帕齐拉尺度的单一地理空间框架中，并验证所得风险图（AUC=0.91），为现有文献做出了贡献，提供了可靠且与地方相关的循证决策工具。生成的风险图可支持政策制定者和灾害管理机构在脆弱沿海社区优先开展减缓措施、气候适应、土地利用规划、基础设施开发和资源分配。与以往许多主要关注单一灾害或沿海脆弱性评估的区域研究不同，本研究提供了一个同时纳入灾害、脆弱性和缓解能力的综合多灾害地理空间框架，为韧性导向的规划和决策提供了更全面的基础。
