快速城镇化背景下, 建设用地大面积增加, 削弱了自然下垫面对降雨的调蓄功能, 加之气候变化和极端降雨事件频发, 城市洪涝风险大增^[1]。据中国应急管理部公开数据显示, 2023年洪涝灾害相关受灾人数达5278.9万, 因灾死亡失踪309人, 倒塌房屋13万间, 直接经济损失高达2445.7亿元, 洪涝灾害已成为我国发生最频繁和造成人员财产损失最严重的自然灾害类型之一^[2—3]。由于洪涝灾害不确定性强且危害性大, 近年来寻求适宜洪涝风险评估方法已成为地理、规划、水文等领域的研究重点之一^[4]。

目前, 洪涝风险评估主要围绕历史灾情评估、遥感影像评估、情景模拟评估以及指标体系评估四种方法展开^[1], 有限的数据资料、数据获取难度等客观因素一定程度上限制了前三种方法的使用^[4], 而指标体系评估主要围绕危险性、暴露性、脆弱性三方面构建^[5], 评估结果受指标选取、权重赋予等主观因素影响大^[6], 且缺少对于景观格局与雨洪径流过程的综合考量。洪涝风险高低取决于雨洪径流聚集区域的承灾脆弱性, 并且根据水流特性与相关学者研究^[7—9], 高程、坡度、距离是影响雨洪径流过程的关键因子；因此若根据脆弱性划分源汇景观, 则洪涝风险评估关键在于分析源汇景观在高程、坡度等方面空间格局的合理性。对于景观格局, 景观生态学中常常运用景观格局指数分析景观格局对特定生态过程的影响^[10]。目前雨洪领域主要将景观格局指数运用于研究蓝绿景观格局对雨洪调蓄能力影响^[11—12], 缺少从源汇角度考虑各类土地利用的景观格局；且研究所采用的景观格局指数多关注下垫面景观格局的二维几何特征^[13], 忽略了三维地形、与水域距离等影响洪涝风险的深层次驱动机制。而陈利顶等学者^[14]提出的源汇景观模型不受空间尺度限制, 从高程、坡度、距离三方面分析源汇景观格局的空间配置对于特定过程的影响, 弥补了传统的景观格局指数只关注几何特征而忽略景观格局内涵的不足, 被广泛运用于非点源污染^[15—18]、热岛效应^[19]、土壤侵蚀^[20—21]等风险评估。该模型可以将上述影响雨洪径流的关键因子与基于脆弱性划分的源汇景观相耦合, 通过比较源汇景观在高程、坡度、距离上的空间格局, 分析其对雨洪径流的影响, 从而推导流域洪涝风险的高低, 契合洪涝风险评估的关键点, 并且该模型数据获取方便, 因此可以尝试将其作为洪涝风险评估的新方法, 弥补雨洪领域景观格局的研究不足。

综上, 本文以洞庭湖流域为例, 修正并运用源汇景观模型, 从高程、坡度及距离三个方面刻画流域源汇景观格局的演变过程, 尝试将其应用于流域洪涝风险评估与成因分析；并采用SCS-CN模型与斯皮尔曼相关系数探究源汇景观格局特征与流域雨洪径流过程的相关关系, 以此验证景观格局洪涝风险评估模型的有效性。本研究有助于推进洞庭湖流域土地利用格局的优化配置, 通过合理的源汇景观空间布局, 降低流域洪涝风险；同时对其他流域洪涝风险的评估与防控具有借鉴意义, 可为流域洪涝风险防控与国土空间规划编制提供科学的参考依据。

1 研究区概况与数据来源 1.1 研究区概况

洞庭湖流域地处长江中游南部、南岭山脉北部, 位于107°16′—114°15′E, 24°38′—30°24′N, 包括湖南省大部和贵州、湖北等省份的部分地区, 总面积约26.28万km²(图 1)。流域境内水系发达, 分布着湘、资、澧、沅四大水系以及长江重要的蓄滞洪区洞庭湖, 根据水系布局可划分为洞庭湖环湖区、澧水、湘江衡阳以上、湘江衡阳以下、资水冷水江以上、资水冷水江以下、沅江浦市镇以上、沅江浦市镇以下八大子流域；地貌复杂多样, 东、西、南三面环山, 中部为低矮丘陵, 北部地势地平；受季风、副热带高压及西风带环流的综合影响, 梅雨暴雨和台风暴雨等极端天气较多, 不稳定的气候系统易引发各水洪峰齐集与长江高水位顶托, 加之快速城镇化使洞庭湖流域成为我国洪涝灾害最严重的地区之一^[22], 对当地农业生产、经济建设和生态环境造成了巨大的影响^[23—24]。

1.2 数据来源

主要基础数据包括：①DEM高程数据, 空间分辨率为12.5m, 由ALOS卫星获取, 来源于美国国家航空航天局地球科学数据网站(https://www.earthdata.nasa.gov)；②土地利用数据, 空间分辨率为30m, 来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn), 基于中科院一级土地利用分类标准, 包括耕地、林地、草地、水域、建设用地和未利用地6类；③土壤类型数据, 空间分辨率为1000m, 来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn), 根据全国土壤普查办公室1995年编制并出版的《1：100万中华人民共和国土壤图》数字化生成, 采用了传统的“土壤发生分类”系统。

2 研究方法 2.1 基于源汇景观格局的洪涝风险评估模型

源汇景观模型(source-sink landscape model, SSLM)是中国科学院生态环境研究中心城市与区域生态国家重点实验室开发的空间分布式评价模型^[25—26], 其通过源汇景观划分与赋权、集水区与水系提取、洛伦兹曲线绘制、源汇负荷比指数计算等步骤, 计算出源汇景观高程负荷比(LWLI.E)、坡度负荷比(LWLI.S)、距离负荷比(LWLI.D)及源汇景观空间负荷对比指数(Location-Weighted Landscape Index, LWLI), 以此评估不同景观格局对生态过程的影响。

2.1.1 源汇景观划分

由于洪涝灾损主要产生于建筑人口密集、开发程度较高的建设用地^[27], 故洪涝风险评估关键在于分析建设用地的空间格局相较于其余用地是否更有利于雨洪径流的外排。因此本研究将洪涝脆弱性较高、雨洪径流需要外排以降低洪涝风险的建设用地划分为源景观, 将脆弱性相对较低、雨洪径流需要内聚以分担洪涝风险的耕地、林地、草地划分为汇景观。由于水域多为自然形成、存在于高程坡度较小的区域, 一般承担着流景观的作用, 因此不适合被定义为源景观或汇景观；此外未利用地在流域中占比仅为0.3%, 因此本研究未考虑未利用地景观格局的影响。

2.1.2 风险评估模型修正

由于洪涝风险分析框架下源汇景观占比悬殊, 因此本研究将原模型中面积比例因子修正为子流域中某类景观面积占整个流域该类景观总面积的比例, 并增加时间因子将其定义为各年份各流域中某类景观面积占研究基年此流域该类景观面积的比例。而原模型中的权重因子依据《资源环境承载能力和国土空间开发适宜性评价技术指南(试行)》及相关文献^[28]中各类景观对雨洪径流过程的贡献差异, 确定耕地、林地、草地及建设用地的权重分别为0.5、0.25、0.25、0.9。基于源汇景观模型的洪涝风险评估修正公式如下：

式中, LWLI.E、LWLI.S和LWLI.D分别指高程、坡度和距离负荷比指数；i、j分别指源汇景观；M、N为源汇景观的类型数；p为空间因子, 指子流域源汇景观相对于整个流域对应景观的面积占比；q为时间因子, 指各年份流域源汇景观相对研究基年对应景观的面积占比；w指各景观的权重因子；A指源汇景观基于洛伦兹曲线的累计面积比例；x表示各景观的空间分布值；D表示流域内各景观的最大高程、坡度或距离。

模型中各负荷比指数具备雨洪过程的生态学意义, 能够反映流域景观格局对雨洪过程的影响。当LWLI.E与LWLI.S大于0.5时, 表示源景观相较汇景观更集中于高程低、坡度小的地方, 根据水流重力特性, 雨洪径流易向源景观聚集且不易外排, 相应流域的洪涝风险较高；当LWLI.D大于0.5时, 表示源景观相较汇景观更集中于距离流域出水口近的地方, 易受上游来水、水体溢流的影响, 相应流域的洪涝风险较高。基于三个指数得到景观空间负荷对比指数, 计算公式如下：

2.2 雨洪径流过程模拟模型 2.2.1 流域产流模拟

径流曲线数法(Curve Number Method, SCS-CN模型)由美国农业部水土保持局开发, 能够客观反映土地利用方式、土壤类型对极端强降雨下地表径流的影响^[29]。模型计算基于水量平衡方程, 主要参数确定如下：CN值参考美国工程手册^[30], 并结合相关文献^[31—34]对邻近类似区域的选值确定(表 1)；初损率确定为0.2^[35]；土壤类型参考Kumar等人的研究划分^[36]；流域总降水量是《湖南省雨水控制与利用工程技术标准》中各市州百年一遇的24h最大降水量。

2.2.2 流域汇流模拟

由于研究区地形复杂, 湖泊河网众多, 因此本文选取局部等体积法模拟流域汇流过程。局部等体积法的基本原理是根据水系分布将研究区域划分成若干集水区, 相等时长下每个集水区内的径流总量等于淹没总量^[37]；径流根据重力特性和地形起伏情况在子集水区内汇流, 分别填充各洼地, 最终可反映流域的淹没状况^[38]。

本研究利用ArcGIS水文分析工具将洞庭湖流域划分为9509个子汇水区, 借助等体积算法得到子流域淹没水深。参考Coto对哥斯达黎加地区四种淹没水深下33种土地利用类型的脆弱性值^[39]以及彭建等学者的相关研究成果^[40], 构建暴雨洪涝风险指数R(表 2), 表征不同淹没水深下各土地利用类型的暴雨洪涝风险。其中, 水体、裸地和林地由于脆弱性相对较小, 风险指数也相对较低, 而建设用地、耕地和草地由于脆弱性较高, 风险指数也相对较高。根据R值采用等间隔分级法划分高中低风险区, 最终通过统计子流域各风险区占比、平均淹没水深、平均径流量等指标反映汇流模拟结果。

2.3 相关性分析

借助Origin 2024进行斯皮尔曼相关系数分析, 研究源汇景观空间负荷对比指数与雨洪径流过程平均径流量、平均淹没深度、各等级洪涝风险区占比等特征量之间的关系, 斯皮尔曼相关系数ρ取值范围为[-1, 1], ρ＞0表示正相关, ρ＜0表示负相关, |ρ|越大相关程度越高。

3 结果分析 3.1 源汇景观的时空演变特征

1980—2020年流域土地利用占比见图 2。整体上看, 40年间源景观建设用地增加趋势最为显著, 净增3825km², 增长了2.38倍, 速度先慢后快, 2010—2020年增长最为显著；而汇景观中耕地与草地的面积占比下降趋势较为显著, 面积减少量分别为3001km²与1908km², 减少的幅度分别为3.94%与12.53%。

从阶段性变化来看, 不同时期洞庭湖流域景观间的转换具有异质性：1980—1990年景观间的转换相对缓慢, 源景观增加了217km², 增幅仅为7.82%, 以环洞庭湖、湘江下游及沅水上游三个流域耕地转为建设用地为主；1990—2000年景观间的转换趋势增强, 以汇景观中耕地和林地的变化最为显著, 耕地减少了567km², 林地增加了378km², 主要源于湘江流域的耕地转为林地, 但源景观仅增加了191km², 新增的源景观集中于湘江与澧水流域；2000—2010年景观转换趋势进一步增强, 以源景观的变化最为显著, 增加了660km², 增幅为20.74%, 其主要来源于湘江下游与环洞庭湖流域的耕地和林地, 资水上游和沅水下游的源景观也有较大幅度的提升；2010—2020年景观转换最为激烈, 源景观增加了2757km², 增幅为71.76%, 以湘江下游、湘江上游、环洞庭湖以及沅水上游四个子流域的耕地和林地为主要的转入者, 转入量占源景观转入总量的81.71%, 汇景观中大面积耕地和草地转化为林地, 分别减少了1779km²和1417km², 耕地转林地主要发生在湘江、环洞庭湖、沅水上游以及资水上游流域, 草地转林地主要发生在沅水流域。

流域各源汇景观的分布也具有较强的空间分异性, 统计结果(图 3)表明：源景观主要集中于环洞庭湖、湘江、资水等流域的平原和丘陵地区；汇景观以林地和耕地为主, 其中林地占比约为61%, 主要集中于沅水、湘江及澧水流域东西南三面高海拔陡坡区域, 耕地占比接近30%, 集中于环洞庭湖平原以及湘江与资水流域地势较为平缓的地区, 而草地占比较低, 集中于沅水与湘江上游流域西部的山地地带。

3.2 基于源汇景观模型的洪涝风险时空演变特征与原因分析

1980—2020年洞庭湖流域源汇景观空间负荷对比指数见图 4。整体上看, 40年间流域LWLI呈现上升趋势, 由1980年的0.51升高至2020年的0.72, 2010—2020年增长最为显著；LWLI.E、LWLI.D和LWLI.S同样表现出上升的趋势, 增幅分别为41.97%、39.31%、44.03%, 说明源汇景观在高程与坡度上的空间分布变化更为明显；但对于同一时期, LWLI.D略高于LWLI.E、LWLI.S, 表明源汇景观在距离上的空间分布是引发流域洪涝风险的关键原因。

从时间上看, 不同时期洞庭湖流域洪涝风险演变特征如下：1980—1990年, 部分流域洪涝风险有小幅上升, 以沅水上游与洞庭湖流域较为突出, 增幅分别为11%与7%, 资水下游由于新增的草地更集中于高程与坡度较大的区域, 其洪涝风险也略有上升；1990—2000年大部分流域的洪涝风险未发生较大幅度的变化, 唯独澧水流域的洪涝风险出现了较大幅度的上升, 增加幅度为26%, 其原因在于澧水流域的源景观有较大幅度的增长, 且新增的源景观更趋向于高程较小、距离流域出口较近的区域；2000—2010年各流域洪涝风险均上升且增幅加大, 其中湘江下游、资水上游、沅水下游增幅较大, 均位于11%附近；2010—2020年洪涝风险呈剧烈上升趋势, 洞庭湖流域洪涝风险的变化幅度约为2000—2010年的3倍, 风险提升以沅水上游、湘江上游、资水上游最为突出, 增长幅度分别为74%、34%与26%, 其原因在于这些流域的源景观大幅上升, 草地耕地等汇景观呈减少趋势, 且源景观在空间上的分布更趋向于距离流域出口近的区域, 而汇景观在空间上的分布趋向于距离流域出口远且相对高程高的区域, 最终导致流域的洪涝风险上升。

从空间上看, 流域洪涝风险分布也具有明显的异质性。从多年的平均结果来看, 各源汇景观空间负荷对比指数高于0.5的流域以湘江下游、环洞庭湖、资水上游、湘江上游为主, 其原因在于这些流域中源景观建设用地占比相对较高, 且主要分布于相对高程较低与坡度较缓的平原和丘陵地区, 汇景观中耕地林地草地更集中于距离流域出口较远的区域, 故洪涝风险较高。总体上看, 洞庭湖流域洪涝风险整体呈现出东高西低的分布格局, 源汇景观格局相似的流域洪涝风险评估结果也具有相似性；高风险区主要集中于湘江、环洞庭湖以及资水流域, 低风险区则以澧水与沅水流域为主。

3.3 基于产汇模拟模型的雨洪径流时空演变特征

1980—2020年洞庭湖流域雨洪径流特征见图 5。模拟结果表明, 40年间平均径流量、淹没深度及高风险区占比整体上呈逐期缓慢波动上升趋势, 雨洪径流过程加剧使得洪涝风险不断上升, 2010—2020年的增长态势最为显著。

分阶段来看, 不同时期雨洪径流过程各指标的变化具有异质性：1980—2000年绝大多数流域雨洪径流过程特征较为稳定, 仅洞庭湖流域的平均径流量与淹没深度有小幅扩大, 环洞庭湖、澧水及湘江流域的雨洪风险区增长相对明显, 变化面积为465.21hm², 占风险区变化总面积的83.72%, 沅水上游高风险区增长最为明显；2000—2010年环洞庭湖与湘江下游的平均径流量与淹没深度出现了较小幅度的增长, 湘江下游高风险区有较大幅度增长, 增加了1692.18hm², 沅水下游、资水上游及环洞庭湖的低风险区有了一定幅度的扩大, 该时期流域洪涝风险上升；2010—2020年大部分流域的平均径流量与淹没深度均有上升, 以湘江、资水上游、沅水上游最为突出, 湘江与环洞庭湖流域高风险区面积激增, 增加了3219.75hm², 该时期流域洪涝风险进一步加剧。

洞庭湖流域雨洪径流过程的特征也呈现明显的空间异质性, 从模拟结果来看：各子流域中环洞庭湖、湘江及资水流域的平均径流量与淹没深度较高, 环洞庭湖、湘江及资水流域的高风险区面积占比相对较大, 环洞庭湖、湘江及澧水流域的中低风险区面积占比相对较高, 沅水流域各指标均相对较低。总的来看, 流域洪涝风险整体呈现出东高西低的特征, 该洪涝风险模拟结果与上述源汇景观模型对洪涝风险的评估结果具有一致性。

3.4 雨洪径流过程对源汇景观格局的响应

由相关性统计分析可知(图 6), LWLI、LWLI.E、LWLI.D及LWLI.S与径流量、淹没深、各风险区占比均呈显著的正相关关系, 表明源汇景观在相对高程、坡度、距离上的空间分布格局对雨洪径流过程存在影响；雨洪径流过程指标与流域源景观占比呈显著正相关, 除中风险区占比与草地间无显著相关关系外, 雨洪径流过程各指标与汇景观中林地与草地的占比均呈显著负相关, 但与汇景观中耕地的占比呈正相关, 这说明耕地在各流域内的空间分布较不合理, 容易使流域的洪涝风险上升, 引发洪涝灾害。综上雨洪径流过程对源汇景观组成及其在高程、坡度、距离上的空间分布格局具有显著的响应, 因此修正的源汇景观模型可运用于流域的洪涝风险评价。

4 结论与讨论 4.1 讨论

本研究将源汇景观模型修正后运用于流域洪涝风险评价, 借助传统的洪涝风险评估模型证明了新模型的可行性, 评估结果对于洪涝风险管控有指导意义。修正的源汇景观模型能够将影响雨洪径流的关键因子与基于脆弱性划分的源汇景观格局相结合, 通过比较分析源汇景观在相对高程、坡度及距离上的空间分布, 来评估解释流域的洪涝风险。该模型的优点在于不受空间尺度限制^[14], 弥补传统研究评估数据资料难以获取、评价指标体系主观性强的不足^[4]；通过对比LWLI.E、LWLI.S及LWLI.D明确区域源汇景观空间配置的优化重点。以本研究为例, 洞庭湖流域LWLI.D相对较高, 应调整传输距离较近的源景观空间布局, 使汇景观尤其是耕地合理地向流域出口趋近, 充分发挥其消纳雨水的能力；LWLI.E与LWLI.S随时间增长较快, 应控制源景观的扩张速率与方向, 增强其外排雨水的能力。但该模型缺点在于必须基于子汇水区的划分来识别不同汇水区之间的洪涝风险差异, 无法判断同一汇水区内部洪涝风险差别^[19]。

同时本研究存在以下不足需要进一步完善：首先, 新模型主要考虑了地形、与水体距离、人类活动强度等影响洪涝关键因子, 忽略了气候不确定性^[41]、水利设施空间布局^[42]等其他因子的影响。其次, 本研究将源景观定义为脆弱性较高的建设用地, 未考虑建设用地内人口密度、地区生产总值、人口年龄组成比例、防灾减灾能力等指标差异^[43], 后续可基于这些指标进一步提高模型评估的准确性。

4.2 结论

本文创新性地将源汇景观模型修正后运用于洪涝风险评估, 基于景观生态学格局与过程原理探究了洞庭湖流域洪涝风险的时空演变特征及原因, 揭示了源汇景观空间格局对雨洪径流过程的影响, 为流域洪涝风险评估提供新方法, 对流域洪涝防治具有重要意义。研究结果表明：①40年间流域洪涝风险逐渐提高, 主要原因在于源景观大幅上升, 汇景观持续下降, 汇景观向源景观转变更集中于高程较低且距离流域出口较近的区域；②洞庭湖流域洪涝风险整体呈现出东高西低的特征, 湘江与环洞庭湖流域风险较高, 资水流域次之, 澧水与沅水流域最低, 风险水平相似的流域源汇景观格局也具有相似性；③新模型评估结果与传统模型模拟结果相契合, LWLI、LWLI.E、LWLI.S、LWLI.D与雨洪径流过程各特征指标均呈显著正相关关系, 模型适用于流域洪涝风险评价, 可运用于源汇景观布局优化, 进而有效降低流域的洪涝风险。