2018年全球典型重大洪水災害及影響
簡(jiǎn) 介
2019年11月22日，科學(xué)技術(shù)部在北京舉行新聞發(fā)布會(huì )，發(fā)布了“全球生態(tài)環(huán)境遙感監測2019年度報告”，面向國家重大需求、國際社會(huì )可持續發(fā)展以及全球應對氣候變化的迫切需要，選定“全球森林覆蓋狀況及變化”、“全球土地退化態(tài)勢”、“全球重大自然災害及影響”及“全球大宗糧油作物生產(chǎn)與糧食安全形勢”四個(gè)專(zhuān)題開(kāi)展監測分析。至今，科技部已連續八次發(fā)布年度報告，對全球生態(tài)環(huán)境進(jìn)行了一系列的遙感監測與科學(xué)分析。這是我國遙感科技界積極應對全球變化，推進(jìn)全球生態(tài)文明建設的一項實(shí)際行動(dòng)，也是我國深度參與全球環(huán)境治理，落實(shí)聯(lián)合國2030年可持續發(fā)展議程的重要舉措。
北京師范大學(xué)地理學(xué)部副部長(cháng)武建軍教授組織編寫(xiě)“全球重大自然災害及影響”報告，宮阿都老師、周紅敏老師、唐宏老師、蔣衛國老師、楊華老師等團隊人員編寫(xiě)其中全球典型干旱災害、洪水災害、熱帶氣旋災害、森林火災和地震災害章節，蔣衛國老師和蔣梓杰碩士生編寫(xiě)其中“全球重大洪水災害及影響”章節內容。
1. 概 要
本報告綜合考慮洪水影響范圍、受災人口及災害損失情況等因素，選取美國弗羅倫斯颶風(fēng)洪水、尼日利亞尼日爾河洪水及中國山東壽光洪水等三個(gè)典型事件，分析洪水災害的發(fā)生背景、致災因子和受災情況，評價(jià)不同地區災害響應機制及措施的差異，探討不同發(fā)展水平地區的防災減災措施對實(shí)現聯(lián)合國《可持續發(fā)展目標》的貢獻與啟示。
(1）與1989-2017年相比，2018年全球洪水災害發(fā)生次數及損失略低；2018年全球洪水災害集中分布于亞洲南部、北美洲東部和非洲中部地區，發(fā)生時(shí)間主要集中在7月至9月。
(2）洪水防災減災工程措施，如修建堤壩、水庫、排水渠等具有明顯的防災減災效益，北美洲東部、亞洲東部等地區的防災減災設施較為完善，受洪水災害的影響程度低于全球平均水平，而非洲中部等地區的防災減災設施較為匱乏，受影響程度較高。
(3）通過(guò)國際社會(huì )的共同協(xié)作，持續加強資金與技術(shù)的雙重支持以健全洪水災害的“防災、減災、救災體系，有助于實(shí)現聯(lián)合國《可持續發(fā)展目標》中建造具備抵御災害能力的基礎設施的目標。
2. 全球洪水災害基本特征
1989-2018年，全球共發(fā)生重大洪水災害3945起，亞洲東部、南部和東南部是洪水災害頻繁發(fā)生的地區，中國、印度、美國、印度尼西亞等國家是洪水災害發(fā)生次數最多的國家，累計發(fā)生約1200余次。
1989 -2018年全球洪水災害死亡人口及受災人口都呈現持續下降的趨勢，1998年、2007年、2010年和2013年洪水災害死亡人口及受災人口比較多。根據EM-DAT統計，2018年共發(fā)生109起洪水災害事件。2018年洪水災害死亡人口和受災人口比較少，分別為1995人和1262萬(wàn)人。
經(jīng)濟損失方面，全球洪水災害的經(jīng)濟損失呈上升趨勢，2011年全球洪水災害總經(jīng)濟損失最大，2018年全球洪水災害直接經(jīng)濟損失為45億美元。
根據2018年的洪水災害死亡人口、受影響人口、經(jīng)濟損失及社會(huì )關(guān)注度等多方面因素，以下十個(gè)洪水災害事件是2018年洪水災害典型事件。
3. 典 型 案 例
3.1美國弗羅倫斯颶風(fēng)洪水
美國弗羅倫斯颶風(fēng)洪水是遭受三十年以來(lái)最強颶風(fēng)所引發(fā)的重大洪水災害事件。河流水位上漲導致洪水漫淹河流兩岸，內陸多地發(fā)生嚴重內澇，受災區域從沿海延伸至中部地區，造成大范圍受災，經(jīng)濟損失巨大。
（1）美國弗羅倫斯颶風(fēng)洪水災害時(shí)空分布特征
據美國颶風(fēng)中心資料顯示，此次受災的主要城市包括費耶特維爾、新伯爾尼等城市。
9月12日，颶風(fēng)所致的降雨過(guò)程從美國東南沿海開(kāi)始，逐步影響內陸城市。
（2）美國弗羅倫斯颶風(fēng)洪水災害影響
被淹城鎮建筑用地面積約189km2，其中費耶特維爾市、杰克森維爾等城市為受災嚴重的城市。
據美國聯(lián)邦緊急事務(wù)管理局資料顯示，此次洪水災害共導致57人喪生，受影響人口數總計150余萬(wàn)人。
3.2尼日利亞尼日爾河洪水
尼日利亞屬熱帶草原氣候，總體高溫多雨，5月至10月西南季風(fēng)盛行，此時(shí)正值尼日利亞雨季，持續強降雨過(guò)程致使河流水位上漲，洪水漫淹河道兩岸，形成洪水災害。
（1）尼日利亞尼日爾河洪水災害時(shí)空分布特征
水淹沒(méi)區域位于尼日利亞的科吉州、尼日爾州境內。
該地長(cháng)時(shí)間的降雨和較大的雨量是直接影響洪水災害發(fā)生及災害嚴重程度的主要因素。
（2）尼日利亞尼日爾河洪水災害影響
洪水淹沒(méi)區受淹耕地面積達到1516km2，淹沒(méi)區內耕地占比高，此次洪水災害對尼日利亞當地農業(yè)影響巨大。
此次洪水淹沒(méi)區位于尼日爾州和科吉州境內。兩地總計約460萬(wàn)人，其中90%以上為農村人口。據尼日利亞國家應急管理局數據統計，此次洪水災害導致200多人喪生，受影響人口數總計200多萬(wàn)人。
3.3中國山東壽光洪水
受臺風(fēng)“溫比亞”影響，8月18、19日山東壽光多地連降暴雨，流域上游冶源水庫、嵩山水庫、黑虎山水庫接近或超過(guò)汛末蓄水位，為確保水庫安全，依據國家省市相關(guān)規定，決定向下游泄洪,隨著(zhù)泄洪流量的增加，壽光彌河沿岸多個(gè)村莊遭遇河水倒灌，大量建筑、耕地、大棚及養殖場(chǎng)等受洪水影響，損失慘重。
（1）中國山東壽光洪水災害時(shí)空分布特征
冶源水庫、高山水庫、黑虎山水庫坐落在南部。洪水淹沒(méi)區位于彌河兩側，洪水淹沒(méi)范圍沿地形逐漸大面積擴散。
8月18日流域內單日降雨強度達到特大暴雨級別。
（2）中國山東壽光洪水災害影響
據濰坊市人民政府報告，此次洪水災害壽光市的直接經(jīng)濟損失高達92億元
此次洪水事件直接造成約19余萬(wàn)頂的蔬果大棚受淹或損毀，產(chǎn)生絕收現象。多個(gè)村莊和社區被淹，跨河橋梁遭到損壞，街道路面被沖毀，在道路密集區域產(chǎn)生積水，道路受阻，交通癱瘓。
4. 專(zhuān) 欄
專(zhuān)欄4-1洪水防災減災措施對SDGs的政策啟示
不同的洪水災害應對措施具有不同的防災減災效益，全球各國通力協(xié)作、完善洪水防災減災工程措施、加強災害預警是實(shí)現聯(lián)合國《可持續發(fā)展目標》目標9“建造具備抵御災害能力的基礎設施”的有效措施。
北美洲地區基礎設施建設完善，預警措施到位，因災死亡人口較少，體現了“大幅減少包括水災在內的各種災害造成的死亡人數和受災人數”（指標11.5）的發(fā)展要求。提升公民防災減災意識，建立健全災害保險制度，開(kāi)發(fā)有抵御災害能力的可持續基礎設施，能夠有效降低“災害造成的與國內生產(chǎn)總值有關(guān)的直接經(jīng)濟損失”（指標11.5）。非洲中部地區經(jīng)濟發(fā)展水平較低，基礎設施建設不足，災害預警未及時(shí)到位，未能有效地減少災害的發(fā)生及災害的影響。因此，通過(guò)國際社會(huì )的通力合作，“向非洲國家、最不發(fā)達國家、內陸發(fā)展中國家和小島嶼發(fā)展中國家提供更多的財政、技術(shù)和技能支持，以促進(jìn)其開(kāi)發(fā)有抵御災害能力的可持續基礎設施”（指標9.a），同時(shí)，欠發(fā)達國家和地區應加強在應對洪水災害方面的能力建設，與國際社會(huì )攜手合作，建立健全洪水災害防災、減災、救災體系與措施，以確保公民生命安全，大幅降低因災造成的經(jīng)濟損失，實(shí)現可持續發(fā)展。亞洲東部地區經(jīng)濟增長(cháng)迅速，防災減災效果初見(jiàn)成效，因災死亡人口和受災人口大幅下降，但同時(shí)經(jīng)濟損失也不可忽略。通過(guò)防災減災工程建設與生態(tài)環(huán)境保護緊密結合，建立災害預警、監測、評估、應急、救援救助網(wǎng)絡(luò )體系，以確保人民生命安全和減少財產(chǎn)損失，有利于實(shí)現指標11.b的發(fā)展要求，即大幅增加采取和實(shí)施綜合政策和計劃以構建包容、資源使用效率高、減緩和適應氣候變化、具有抵御災害能力的城市和人類(lèi)住區數量”。
5. 參 考 文 獻
1. 全球生態(tài)環(huán)境遙感監測2019年度報告［EB/OL］.www.nrscc.gov.cn.2019-11-24.
2. 蔣梓杰,蔣衛國,武建軍,周紅敏.全球重大洪水災害典型案例數據集（2018.01-2018.12）.國家青藏高原科學(xué)數據中心,2019.doi:10.11888/Disas.tpdc.270209.
3. Emergency Events Database [EB/OL]. http://www.emdat.be/.2018-12-31.
4. S. K. McFEETERS. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing. 1996,17(7):1425-1432.
5. Jia K , Jiang W, Li J , et al. Spectral matching based on discrete particle swarm optimization: A new method for terrestrial water body extraction using multi-temporal Landsat 8 images[J]. Remote Sensing of Environment, 2018, 209:1-18.
6. Deng, Y., et al., Change in Intensity and Frequency of Extreme Precipitation and its Possible Teleconnection With Large-Scale Climate Index Over the China From 1960 to 2015. Journal of Geophysical Research-Atmospheres, 2018. 123(4): p. 2068-2081.
7. Wang X , Wang W , Jiang W , et al. Analysis of the Dynamic Changes of the Baiyangdian Lake Surface Based on a Complex Water Extraction Method[J]. Water, 2018, 10(11).
8. Pinzeng R , Weiguo J , Yukun H , et al. Dynamic Change Analysis of Surface Water in the Yangtze River Basin Based on MODIS Products[J]. Remote Sensing, 2018, 10(7):1025-.
9. 孔凡明，蔣衛國，李京，等．基于MODIS的2011年泰國洪澇受災信息提取與分析［J].災害學(xué)，2013,28(2):95-99.
10. 李小文．遙感原理與應用［M］.北京：中國科學(xué)院遙感應用研究所.2008.
11. 饒品增,蔣衛國,賈凱,王曉雅.2013年黑龍江省洪水對植被影響評估[J].災害學(xué),2017,32(04):195-201.
12. 廖永豐，聶承靜，楊林生，等．洪澇災害風(fēng)險監測預警評估綜述［J].地理科學(xué)進(jìn)展，2012,31(3):361-367.
13. 彭凱鋒,蔣衛國,鄧越.武漢城市圈濕地受損程度識別及驅動(dòng)因素分析[J].自然資源學(xué)報,2019,34(08):1694-1707.
14. 劉新立，史培軍．區域水災風(fēng)險評估模型研究的理論與實(shí)踐［J］.自然災害學(xué)報，2001,10(2):66-72.
15. 饒品增，蔣衛國，賈凱，等.2013年黑龍江省洪水對植被影響評估［J].災害學(xué)，2017,32(4):195-201.
16. 王志輝，易善幀．不同指數模型法在水體遙感提取中的比較研究［J］.科學(xué)技術(shù)與工程，2007,7(4):534-537
17. 趙英時(shí)．遙感應用分析原理與方法［M］.北京：科學(xué)出版社，2013.
18. 王曉雅,蔣衛國,鄧越,蔣梓杰.“山竹”臺風(fēng)影響地區的小時(shí)降雨動(dòng)態(tài)變化及危險性動(dòng)態(tài)評估[J].災害學(xué),2019,34(03):202-208.
19. 許超,蔣衛國,萬(wàn)立冬,王文杰,白雪.基于MODIS時(shí)間序列數據的洞庭湖區洪水淹沒(méi)頻率研究[J].災害學(xué),2016,31(01):96