Page 51 - 《华中农业大学学报（自然科学版）》2023年第9期

第 4 期 朱黎青 等：气候变化视角下上海黄浦江滨水区洪涝风险评估与分区分策 45

6）排水密度。排水密度通过河网长度除以单位 1980 年、1990 年、1995 年、2000 年、2005 年、2008 年、
面积计算，采用国家 1/25 万基础地理信息数据。因 2015 年共 7 个 时 期 土 地 利 用 数 据 解 译（图 1），在
为河流受到严格的法定保护，假定2030年、2050年及 GIS 软件中首先对各个年份土地利用数据进行空
2100年河流形态不受变化。 间配准，然后对地类进行重新分类，统一为 6 大地
7）土地利用类型。本研究利用根据 Landsat 5、 类，分别为农业用地、建设用地、农村居民用地、生
7、8 进行遥感解译数据，构建 BP 神经网络空间类型 态用地、其他建设用地与非建设用地，分类完成后，
模拟得到 2030 年、2050 年及 2100 年模拟数据。具体 通过转化工具从栅格转出，再导入 IDRISI 软件的
过程为：运用获得的中国科学院资源环境数据中心 土地利用数据进行重新分类，实现地类分类呈现。

A：1980 年； B：1990年； C：1995年； D：2000年； E：2005年； F：2008年； G：2015年.
图 1 上海市1980—2015年不同时期的土地利用分类情况
Fig.1 Land use classification of Shanghai in different periods from 1980 to 2015
应用 2015 年以前的多期数据在 Markov 模块中 作为迭代演化的单位时间。CA_MARKOV 工具需
生成土地利用数据转移矩阵。Markov工具用于分析 要相当长的演化预算时间，并随着迭代次数增加大

2 组土地利用类型数据之间的变化情况，计算得到 1 幅增加。
个过渡概率矩阵、1 个过渡区域矩阵和 1 组条件概率 8）建筑空间类型。从上述模拟中分离相关要
文件。过渡概率矩阵记录了 2 组土地利用类型数据 素，进一步得到建筑空间类型敏感度。从建筑质量
中每个土地类别转变为其他类别的概率；过渡区域 来看，城镇建筑质量高于农村居民点，农村居民点高
矩阵记录了在单位时间内每个土地类别转变为其他 于其他建设用地（存在诸多工矿企业建筑）。根据建
土地类别的期望像素数量；条件概率文件组表征了 筑空间类型敏感度归一化取值：非建设用地建筑空
在单位时间后每个像素出现各个土地类别的概率。 间为 0.000，城镇建筑空间为 0.333，农村居民点建筑
CA_MARKOV 工具是一个基于概率论的马尔科夫 空间为0.667，其他建设用地建筑空间1.000。
链，以元胞自动机为演变引擎的土地演变预测程序。 9）地表径流因子。本研究地表排水系数取值基
通过输入基础土地利用类型图像、过渡区域矩阵、过 于 GB 50015—2009《建筑给水排水设计规范》，地表
渡适宜性文件组，工具以元胞自动机为引擎进行土 建筑密集区屋顶与道路取值 0.9，较密集区取值 0.5，
地类型的演化预测。元胞自动机次数决定了演化的 建筑稀疏区取值 0.3，公园绿地取值 0.15。由于建筑
迭代次数，或者说对于演化时间段的划分次数，也 与道路对于上海市域而言过于详细，且城市建设大
代表了对每次迭代的时间单位的定义。对于 1 次 部分完成后不同年份变化有限，考虑到本项指标占
1 0 a 跨度的预测，迭代次数 1 0 代表了每次演化基 总权重约 2%，因而没有进行 2030 年、2050 年及 2100
于 1 a 的土地利用变化，迭代次数 2 0 则将以 6 个月 年的场景模拟，此指标均采用2019年数据。