中国海洋大学学报自然科学版  2024, Vol. 54 Issue (2): 142-153  DOI: 10.16441/j.cnki.hdxb.20220345

引用本文  

廖琪, 江文胜. 基于ArcGIS Engine的风暴潮淹没适应气候变化策略辅助决策系统开发[J]. 中国海洋大学学报(自然科学版), 2024, 54(2): 142-153.
Liao Qi, Jiang Wensheng. Development of Decision Support System of Climate Change Adaptation Strategies for Storm Surge Inundation Based on ArcGIS Engine[J]. Periodical of Ocean University of China, 2024, 54(2): 142-153.

基金项目

瑞士发展合作署资助国际合作项目(INTASAVE ACCC-045)资助
Supported by the International Cooperation Projects of Swiss Agency for Development and Cooperation(INTASAVE ACCC-045)

通讯作者

江文胜(1969—),男,博士,博导。E-mail: wsjang@ouc.edu.cn

作者简介

廖琪(1993—),女,博士生。E-mail:znliaoqi@163.com

文章历史

收稿日期:2022-07-15
修订日期:2022-08-31
基于ArcGIS Engine的风暴潮淹没适应气候变化策略辅助决策系统开发
廖琪 , 江文胜     
中国海洋大学环境科学与工程学院 海洋环境与生态教育部重点实验室,山东 青岛 266100
摘要:本研究构建了基于ArcGIS Engine的风暴潮淹没适应气候变化策略辅助决策系统,将风暴潮淹没适应气候变化策略研究过程流程化和简单化,并提供7个面向用户开放的决策端口,辅助决策者做出科学的风暴潮淹没适应气候变化策略选择。以青岛市风暴潮淹没为例的系统应用,进一步验证了该系统能够切实提高研究过程的分析效率,为中国沿海地区的适应风暴潮灾害提供技术支持。
关键词适应气候变化    辅助决策系统    ArcGIS Engine    风暴潮淹没    

气候变化是目前大家所关注的热点,减缓和适应是当前应对气候变化的两种有效路径。减缓是指通过减少温室气体排放或增加生态系统碳汇来缓解气候变化,而适应则是指采取适应措施和策略来改变或降低气候变化的不利影响[1-2]。由于风暴潮是直接由台风等强烈的大气扰动产生的,因此其受气候变化影响较大。针对风暴潮动力机制和预报的研究已经开展多年,而针对风暴潮淹没进行的适应气候变化研究相对较少。

辅助决策系统是城市环境规划与管理中常见的环境管理技术手段,可为决策者提供科学、高效的辅助决策工具。目前,ArcGIS Engine是地理信息相关的系统开发主流产品[3],它是一种独立的开发工具包系列产品,主要优势是能够依托C#、Visual Basic.NET、Java、Visual Basic、C/C++等语言编写复杂的独立程序,开发难度相对适中,其中的Visual Studio是一个完整的开发工具集,包含了UML工具、代码管控工具、集成开发环境(IDE)等,能够满足系统开发的基本需求,同时,基于ArcGIS Engine的辅助决策系统开发已被广泛应用到各类城市规划、环境决策和空间信息管理中[4-6]。2022年6月,生态环境部发布的《国家适应气候变化策略2035》文件表明,中国目前适应气候变化的相关理论研究与技术研发相对薄弱,而适应气候变化策略制定是区域环境管理的重要内容,但由于方法体系上还不够成熟,尚缺乏针对适应气候变化的辅助决策系统,尤其是在城市层面开展的研究更不多见。

针对风暴潮淹没的适应气候变化策略需要一定的专业技术背景和适应气候变化研究基础,这使得整个研究中的数据处理过程相对复杂,而将这部分流程化的内容形成有效的工具或系统平台,能够极大地提升研究的可操作性和实用性。因此本研究试图将风暴潮淹没适应气候变化策略研究加以流程化,并在此基础上构建辅助决策系统。

青岛市是中国北方典型的海岸带城市,海洋灾害类型较多,但风暴潮灾害影响最大[7]。在气候变化背景下,台风频次和路径会产生异常改变,使得风暴潮发生频次和重现期随之改变,进而影响风暴潮致灾水平[8-9],同时,气候变化引发的海平面上升会导致潮汐振幅变大,加上平均海平面上升本身会缩短极值水位的重现期,从而形成更为严重的风暴潮灾害[10]。因此在青岛市开展风暴潮淹没适应气候变化策略研究工作具有重要意义。

本研究建立了基于ArcGIS Engine的风暴潮淹没适应气候变化策略辅助决策系统,探索中国沿海地区的风暴潮灾害适应气候变化技术,主要工作是在Visual Studio 2012中利用ArcGIS Engine 10.2完成开发。

1 系统体系结构设计

系统设计思路将依据系统开发的理论基础和需求具体分析确定。

1.1 系统开发理论基础

为降低气候变化对风暴潮淹没的不利影响,本文以青岛市风暴潮淹没为例,建立了风暴潮淹没适应气候变化策略研究框架,如图 1所示。

图 1 风暴潮淹没适应气候变化策略研究框架 Fig. 1 Framework of storm surge inundation adapting to climate change
1.1.1 明确“风险”问题,确定风暴潮淹没风险水平

由台风导致的风暴潮淹没是青岛市气候变化风险的主要风险源之一。随着台风向近岸逼近,强风和低气压会将外海的海水带向海岸,引发风暴潮增水,所产生的增水叠加在天文潮之上,会引起风暴潮淹没,导致严重灾害。当土地被淹没时,土地上的受体,即人员、财产、企业和市政基础设施等处于暴露之下,产生一定经济损失。由于经济增长水平是影响未来风险的重要因素,在研究过程中必须对未来的经济发展水平加以考虑,因此影响青岛市风暴潮淹没的外源性变化驱动因子有台风、海平面上升及社会经济发展水平等因素。而由于青岛市没有大流量的河流,所以未考虑河流对淹没造成的影响。需要说明的是,正常潮汐起伏引起的淹没不会对沿海水产养殖业产生重大的经济损失,但强台风引发的风暴潮造成的淹没将破坏养殖设施,给水产养殖业造成经济损失,因此常规沿海风暴潮灾害面积的统计数据不包括滩涂的淹没面积,但在风暴潮淹没灾害对水产养殖业造成的经济损失中应考虑滩涂的淹没面积。

1.1.2 提出解决方案,制定适应气候变化策略方案

改变风险途径和受体状态,制定潜在的适应策略来做出内源性响应,可以避免或降低气候变化影响下的风暴潮淹没风险。“适应策略”指为降低风暴潮淹没风险所采取的一系列适应措施的组合;而“适应策略方案”指的是在最终形成适应策略之前初步提出的方案。其中,保持现状适应策略指在危险性、暴露性和脆弱性等方面保持现有的适应水平不变,不再额外采取措施;持续改进适应策略意味着决策者将通过不断加强或改进危险性(海岸带防护)、暴露性(城市规划、区域人口和经济发展)和脆弱性(监测和预警)等方面的措施,使整个适应措施具有相对较强的适应能力,以适应青岛市未来气候变化造成的风暴潮淹没风险;强化提高适应策略中适应措施的等级更高,尤其是在海岸带防护方面表现得更为明显,其他暴露性和脆弱性相关措施会在持续改进适应情景的基础上进一步得到提高,以达到降低风暴潮淹没风险的根本目的;最高等级适应策略在危险性、暴露性和脆弱性等方面的所有适应措施都将被设置为理想状态,其终极目标在于抵御所有的风暴潮淹没风险,不产生任何损失,意味着所有海岸线上都达到最高的堤坝防护标准,针对暴露性和脆弱性的适应措施最强。

1.1.3 对方案进行评估选择

在适应策略的制定过程中进行效果评价和分析,以增强适应策略的科学性。评估选择的原理是在考虑策略对风险的影响及其成本效益分析结果确定,最终需要选择对降低风险最有效,即效益成本比值(BCR)最大的适应策略方案为第一优先级,其值越小优先级越低,其中,措施或策略对风险的影响分析采用的是风暴潮淹没损失估算方法,确定策略实施后的风暴潮淹没经济损失变化,来衡量风险的变化情况。策略的成本和所产生的效益分析采用成本效益分析(CBA)法[11-13],如果该适应策略的成本(C)低于预期收益(B),则应实施该适应措施,反之,则需要进行慎重考虑或者调整后再实施。

通过评价分析确定最优的适应气候变化策略方案之后,进一步将现有方案完善和细化,形成具体可行的最优适应策略及措施。

1.2 需求分析

系统用户是城市适应气候变化管理决策者。从用户角度考虑,适应气候变化的研究涉及多个领域和部门,目前还未有成体系的风暴潮淹没适应气候变化策略辅助决策系统。风暴潮淹没的风险评估需要一定的专业技术背景,用户需要有一定的适应气候变化研究基础,需要处理的数据量较大,后续还需要绘制大量的风险图,且多为重复操作过程,繁杂的数据信息管理给用户造成了较大的实际困难。将风暴潮淹没适应气候变化策略研究流程、批量数据处理和数据信息管理等集成到决策系统中,形成有效的工具或系统平台,能够极大地提升风暴潮淹没适应气候策略研究的可操作性和实用性。

1.3 系统设计思路

系统的主要特点是将复杂的风暴潮淹没风险分析和适应策略研究过程流程化,并提供面向用户开放的决策端口,将风暴潮淹没适应气候变化策略研究过程中各类数据信息进行系统化管理。

1.3.1 风暴潮淹没适应策略研究过程流程化

将风暴潮淹没风险分析对应形成风暴潮淹没风险分析模块,分别设置风暴潮淹没风险分析和风险图绘制功能,然后在系统开发中将内源性响应模块转化形成风暴潮淹没适应策略方案制定模块,并设置4个情景适应策略制定功能。在完成风暴潮淹没风险分析和适应策略制定后,建立适应策略方案评价分析模块,对适应策略方案进行评价分析,确定最优适应策略及措施。

1.3.2 面向用户开放的决策端口

系统在对风暴潮淹没风险进行科学分析后,不仅能通过既定程序设置做出流程的适应策略制定和分析,还能在研究流程中给予用户一定的选择决策权。在开放性决策端口中,通过人为判断和选择一些可选项内容来辅助决策。系统开放的决策端口有7个,其中,风暴潮淹没适应策略方案制定模块中4种适应策略方案制定功能将各情景下的适应策略制定及成本估算等2个端口面向用户开放以便决策选择,在有更好的数据情况下,可选择输入用户认为可行的适应措施及其成本数据,进一步将适应策略精细化和具体化;风暴潮淹没适应策略方案选择分析模块中的风险计算功能在既有研究方法和流程基础上,开放当前土地利用类型单价、未来不同GDP增长水平、不同台风类型发生的概率、不同情景下风暴潮淹没面积汇总及当前风暴潮淹没情景选择等5个端口,由用户对估算得到的未来风暴潮淹没风险(损失)进行数据调整和决策选择。

1.3.3 数据信息系统化管理

数据信息系统化管理是系统开发的基础内容,也是系统顺畅运行的保障。将影响风暴潮淹没的外源性驱动因子的相关数据信息通过构建数据库来实现系统化管理功能,形成青岛市适应气候变化基础信息模块。需要说明的是本系统只是将外源性驱动因子(风暴潮、潮汐、海平面上升)涉及的各类数据结果作为输入,然后应用到针对风暴潮淹没的适应策略研究中,风暴潮等模拟模型本身未在系统中体现。

2 系统设计

本文将基于需求分析和系统设计思路选择系统开发环境,在Visual Studio 2012开发平台中,利用ArcGIS Engine 10.2、Geodatabase数据库,以及运行于NET Framework之上的C#语言进行设计开发。

2.1 系统数据库构建

系统数据库由空间数据库和属性数据库两部分内容组成,将利用ArcGIS Geodatabase中的File Geodatabase进行存储,所有数据信息将被严格按照各自类型,统一管理、储存和使用。

系统中的青岛市适应气候变化基础信息数据包括为用户存储和管理台风、风暴潮和海平面上升数据、社会经济增长水平数据和基础地理信息数据;风暴潮淹没风险分析数据是不同情景下风暴潮淹没风险(损失);适应策略数据主要是存储管理4种适应情景下的适应策略;不同情景下的适应策略成本效益数据是适应策略成本和效益等;适应策略选择分析结果是存储管理系统运行完成后的风暴潮淹没空间分布特征图、风暴潮淹没风险、适应策略成本效益分析结果和适应策略选择结果等。

2.2 系统架构设计

利用面向对象的分析与设计方法,遵循系统开发的实用性、稳定性、经济性和开放性等原则[5],将系统分为基础应用层、数据管理层以及应用与可视化层,如图 2所示。基础应用层包括地图操作功能、地图浏览功能、图层控制功能和地图查询功能;数据管理层包含各项空间数据及其相关属性数据;应用与可视化层包含青岛市适应气候变化基础信息模块、风暴潮淹没风险分析模块、风暴潮淹没适应策略方案制定模块、风暴潮淹没适应策略方案选择分析模块和系统工具。

图 2 系统架构图 Fig. 2 Framework of the system
3 系统功能开发及可靠性验证

本节将对系统功能开发以及开发完成的系统进行可靠性验证进行介绍。

3.1 系统功能开发

系统中的5个主要功能模块的具体内容如下:

3.1.1 青岛市适应气候变化基础信息模块

该模块主要通过设置不同的查询条件,用折线图、柱状图和图片等方式展示台风、海平面变化、风暴潮、社会经济水平和基础地理数据信息。

3.1.2 风暴潮淹没风险分析模块

风暴潮淹没风险定量化分析包含风暴潮淹没风险分析和风暴潮淹没风险图绘制模块,前者是后者的基础。

3.1.2.1 风暴潮淹没风险分析

该模块将主要完成模拟数据输入到淹没损失数据输出的中间环节工具化和程序化过程,其主要过程分为范围提取、面积计算、损失计算和结果导出等功能,通过ArcGIS Engine调用ArcGIS建模器(Model builder)构建的模型工具实现。其中,范围提取功能是将种子蔓延算法模拟得到的风暴潮淹没点数据形成淹没点的聚合面,然后叠加土地利用信息图层,用Clip工具完成淹没范围的提取,最后在ArcGIS Engine10.2中调用工具;面积计算功能是通过Calculate field计算不同土地利用类型的面积,然后调用该模型工具;风暴潮淹没损失计算功能是将土地利用单价与淹没面积的乘积作为淹没损失,并调用该模型工具;结果导出功能需调用Table To Excel工具。

3.1.2.2 风暴潮淹没风险图绘制

风暴潮淹没风险图绘制模块包含风险图批量绘制、当前及未来风险图集的功能。其中,风暴潮淹没风险图批量绘制功能是先形成Python脚本工具,然后在ArcGIS Engine 10.2中调用脚本工具,实现风暴潮淹没风险图绘制功能;当前风险图集功能是按照台风类型查询并展示当前风暴潮淹没风险结果;未来风险图集功能是按照台风类型、年份和气候变化增温情景等条件查询展示未来风暴潮淹没风险结果。

3.1.3 风暴潮淹没适应策略方案制定模块

风暴潮淹没适应策略方案制定模块是根据风暴潮淹没风险分析得到的当前及未来情景下风暴潮淹没空间分布特征和风险,初步提出风暴潮淹没适应气候变化策略方案,并对适应成本进行估算。

在不同适应情景下,将危险性、暴露性和脆弱性等措施分成保持现状、高水平、较高水平和最高水平等4种适应模式[14-15],并根据海岸带城市具体的需求,形成保持现状、持续改进、强化提高和最高等级等不同情景下的适应策略方案。4种适应策略方案的主要内容及其各项适应措施的成本值都是面向用户开放端口,由用户根据研究区域的特点,经自主判断分析后,对系统中初步设定的策略及措施进行修改,对应设置合理的措施成本,用户给出的适应策略、措施及成本信息都将链接至风暴潮淹没适应策略方案选择分析模块中,成本数据信息将通过影响成本效益比(BCR),进而影响适应策略方案选择。系统中初步设定的策略及措施来源于作者所在课题组承担的“中国适应气候变化——青岛风暴潮淹没适应案例研究”项目成果,其主要参考依据为《山东省海洋环境保护条例》、《青岛市胶州湾保护条例》、《青岛市海洋环境保护规定》、《青岛市国民经济和社会发展第十四个五年规划和2035年远景目标纲要》、《西海岸新区(黄岛区)国民经济和社会发展第十四个五年规划和2035年远景目标纲要》等。

3.1.4 风暴潮淹没适应策略方案选择分析模块

风暴潮淹没适应策略方案选择分析模块将对所制定的适应策略方案进行评价分析,确定最优适应策略及措施。

3.1.4.1 风险计算功能

通过评估策略实施后的风暴潮淹没面积及其造成的风暴潮淹没经济损失,来衡量风险的变化情况。

该模块中的风险计算功能开放当前土地利用类型单价、未来不同GDP增长水平、不同台风类型发生的概率、不同情景下风暴潮淹没面积汇总及当前风暴潮淹没情景选择等5个端口,前4个端口主要是通过用户在界面中直接设定或修改数据信息,进而获得更加精确的风暴潮淹没风险(损失)计算结果,最后用户可以自主选择风暴潮淹没情景,将其作为效益计算以及适应策略方案选择的重要依据。

3.1.4.2 风险变化功能

将所有情景下的风暴潮淹没风险变化绘制成柱状图,辅助决策者选择最佳适应情景。

3.1.4.3 策略选择功能

适应策略方案的优先级是综合考虑策略对风险的影响及其成本效益分析结果确定,最终需要选择对降低风险最有效的方案,即BCR值越大,优先级越高,BCR值越小优先级越低。

各策略方案中的适应措施的成本之和作为该适应策略方案的成本,适应效益一方面是策略实施后减少的风暴潮淹没灾害经济损失,另一方面是政府部门针对风暴潮淹没灾害所支付的补偿成本(金额)。

3.1.5 系统工具

系统主页功能主要是依托于ArcGIS Engine开发的文件操作、数据预处理工具和制图工具集等。其中,文件操作包含打开、保存和关闭等基本文件操作功能;数据预处理包含裁剪、缓冲、分类统计汇总和点聚合等GP(Geoprocessing)工具;制图工具集将用于加载的数据和数据处理结果标准化制图。

开发完成后得到的基于ArcGIS Engine的风暴潮淹没适应气候变化策略辅助决策系统主界面如图 3

图 3 系统主界面 Fig. 3 Main interface of the system
3.2 系统应用可靠性验证

目前对涉及框架模型构建的系统开发验证大多是选取样本数据,反复通过模型应用训练,与已有的数据进行对比,检验模型的可靠程度[16]。本系统需要验证的有风暴潮淹没风险模块分析和风暴潮淹没适应策略方案制定模块。

3.2.1 风暴潮淹没风险模块分析结果验证

由于青岛风暴潮灾害损失的数据很少,验证框架模型得到的经济损失结果的有效性仍相对困难。2005年前青岛风暴潮灾害经济损失范围为3~9亿元,台风8509(Mamie)对青岛造成的影响最为严重,经济损失高达5.08亿元[17-18],本文用2005年的数据作为参照标准,验证青岛风暴潮淹没造成的经济损失。利用该模块得到0509(Matsa)台风风暴潮淹没灾害损失为11.91亿元(按照2019年经济发展水平)与历史真实记录的0509(Matsa)造成的4.04亿元损失值(按照2005年经济发展水平) 相比,其结果在同一数量级上。将2005年的4.04亿元换算到2019年得到的损失是13.50亿元,可以看出该模块分析结果在量级上是一致的,具有一定可靠性。

3.2.2 风暴潮淹没适应策略方案制定模块的可靠性分析

通过构建风暴潮淹没适应策略方案选择分析模块,使用成本效益分析(CBA)方法,对提出的适应策略方案进行可靠性分析,最终选定有效的适应策略方案。

4 系统应用

在系统开发完成后,将作者所在课题组承担的“中国适应气候变化——青岛风暴潮淹没适应案例研究”项目成果导入到系统中,进行系统的试运行。研究情景是未来全球气候变化增温2和4 ℃的背景下,分别将未来情景设置为2010—2029年、2030—2049年和2050—2059年三个阶段,如表 1所示。当前情景指的是在现阶段研究区遭受的气候风险情景,以青岛市典型台风风暴潮淹没风险及损失作为依据。下面将对每个模块的应用情况分别说明。

表 1 研究区情景设置 Table 1 Time horizons and epochs of interest
4.1 青岛市适应气候变化基础信息模块

青岛市适应气候变化基础信息模块中的数据是系统应用的数据源,主要包含自然变化数据、社会经济变化和基础地理信息数据。自然变化数据中的台风数据是根据1949—2014年间影响青岛的热带气旋年鉴和地面观测资料,用Mann-Kendall非参数秩次检验和Morlet小波分析法分析了影响青岛的台风特征,确定影响青岛的台风有71个,可分为A(0515卡努)、B(0509麦莎)、C(1210达维)、D(1105米雷)、E(1109梅花)、F(8114艾妮丝)、G(7708宝佩)和H(7308艾瑞丝)等8种类型[19];历史海平面变化数据来源于《2021年中国海平面公报》,项目组研究人员在青岛海平面历史观测数据的基础上,利用海平面变化随机动态预测模型预测得知在全球升温2 ℃情景下,青岛海平面在2025、2035和2055年分别可能会上升7、12和21 cm,而在全球升温4 ℃情景下,在2025、2035和2055年青岛海平面分别可能会上升7、0.14和24 cm[10];在每种台风类型选取一场历史上真实的台风作为典型代表,然后利用ADCIRC模型对风暴潮增水进行模拟[20],该模型是一个深度集成的非结构化的有限元水动力循环模型[21],该模式采用非结构网格进行计算,它既能够适用地形和岸线变化复杂的海区,也能够适用地形变化相对缓慢、相对较远的海区,在深海、大陆架和近海等[22]应用广泛,具有一定的代表性,能够较好的应用到青岛近海风暴潮研究中[10, 23-26]。针对青岛的风暴潮模拟范围覆盖整个渤海、黄海和东海,青岛及其周边地区网格分辨率为900 m[19],得到增水和潮位等数据作为风暴潮淹没风险分析模块的重要数据来源,其中已发生的风暴潮的潮位数据来源于验潮站观测数据,未来可能发生的风暴潮潮位数据是通过ADCIRC模型模拟得到。需要特别说明的是,上述未来台风、风暴潮、海平面变化所使用的分析和模拟方法未在系统内有所体现,本系统只是将它们的数据结果应用到风暴潮淹没适应气候变化策略辅助决策中。社会经济变化数据中的历史GDP变化数据从《2021年青岛市统计年鉴》中获得,基础地理信息数据中的研究区位置数据来源于中国科学院数据镜像站点(http://www.gscloud.cn/sources/)下载的90 m分辨率数字高程数据产品,土地利用数据来源于美国地质调查局网站(https://glovis.usgs.gov/)上的Landsat 4-5 TM和Landsat 8数据处理后得到。

将上述数据信息形成Geodatabase数据库文件后导入到系统中,一方面将其展示在青岛市适应气候变化基础信息模块,另一方面将其作为其他各模块的主要数据源。

4.2 青岛市风暴潮淹没风险

将模拟得到的青岛市风暴潮增水和潮位等数据作为基础输入数据[19],结合行政区划图、土地利用分类图及社会经济数据,在系统应用中得到如图 4所示的当前及未来风暴潮淹没风险图。

图 4 青岛市未来风暴潮淹没风险图 Fig. 4 Future storm surge inundation risk map in Qingdao
4.2.1 青岛市风暴潮淹没范围提取

按照预先设定好的数据类型输入数据,其中风暴潮淹没模拟结果数据的格式为.txt格式文论文件,选定XYZ坐标列,方向为Input,土地利用数据格式为.shp格式矢量文件,方向为Input,处理结果输出栏中填写具体的输出路径和文件名,方向为Output,在完成所有的数据输入后,单击确定键运行,系统执行完成后获得风暴潮淹没范围的.shp文件,并弹出运行结果提示。

4.2.2 青岛市风暴潮淹没面积计算

打开面积计算菜单,在弹出的窗口中输入风暴潮淹没范围提取结果,字段名称由用户命名,精度选择Double,在面积计算表达式中使用Round函数保留小数位数,确定所有的输入信息后,点击确定完成面积计算,可以在输出路径下查看计算结果(.xslx),对话框弹出结果运行提示“风暴潮淹没面积计算完成!”。

4.2.3 青岛市风暴潮淹没损失估算

打开损失估算功能,选择风暴潮淹没面积文件(上一环节的输出结果),字段选择L,类型选择PYTHON_9.3,点击确定按钮即可完成损失估算。

4.2.4 青岛市风暴潮淹没损失估算结果

打开结果导出,直接选择上一环节中风暴潮淹没损失估算结果文件作为输入文件,确定导出路径,点击确定即可完成淹没损失结果导出。

4.2.5 青岛市风暴潮淹没风险图批量绘制

使用时只需打开风险图批量绘制功能选择风暴潮淹没范围文件,然后选择专题图模板(.mxd)文件确定好的制图模板,设置输出路径,点击确定即可。

在系统中分别选择当前风险图集和未来风险图集菜单,即可查看青岛市未来风暴潮淹没风险图集(见图 4)。从图中可以看出,青岛市各个区域的风暴潮淹没特征差异化较大,西海岸新区和环胶州湾地区受淹没影响最大。西海岸新区、城阳区和李沧区等有大片的建设用地被台风风暴潮淹没,胶州市与西海岸新区耕地被淹没的区域相对较大,水体被淹没区域主要是西海岸新区、城阳区和胶州市等靠近海岸线片区,海岸线上有零星的水体淹没点存在,草地和林地的淹没区主要在西海岸新区。

4.3 青岛市风暴潮淹没适应策略方案

海岸工程的管理和堤坝防洪工程能够有效降低风暴潮淹没危险性,改变风险影响,是对风暴潮淹没风险水平影响最大的适应措施类型,也是能直接在风暴潮模拟中体现适应措施与风险的关系的措施。海岸堤防工程措施的适应水平是不同情景适应气候变化策略方案的划分依据,通过青岛市风暴潮淹没空间分布特征及风险水平确定。

根据4.1节中得到的青岛市风暴潮淹没空间分布特征图集可知,未来情景下西海岸新区和环胶州湾地区受淹没影响最大。据此,将4种不同适应情景进行划分,其中,保持现状适应情景是保持现有的适应水平不变,不再采取新的海岸堤防工程措施;持续改进适应情景是在现有的适应措施基础上,在胶州湾西岸和西海岸新区新建或加固原有堤坝,提升该岸段防护能力;强化提高适应情景是以加强海岸带堤坝防护工程建设为重点,加强沿海城市的海岸带防护管理水平,在胶州湾东岸风暴潮淹没区域全部新建或加固原有堤坝;最高等级适应情景是在胶州湾西岸、西海岸新区和胶州湾东岸海岸线周围建造新的堤坝,并增加现有堤坝的长度和宽度,以达到抵御所有沿海风暴潮淹没的目的。

每种适应策略方案包含了海岸保护、城市规划、区域人口与经济发展优化以及监测和预警等4类措施,然后分别针对具体措施进行成本估算。图 5给出了风暴潮淹没适应策略方案。

图 5 风暴潮淹没适应策略方案 Fig. 5 Storm surge inundation adaptation strategy
4.3.1 海岸保护措施

从源头上降低风暴潮淹没风险,包含海岸工程的管理水平和防洪措施,如提高防洪标准、加强堤坝建设和围垦管理。

4.3.2 城市规划措施

从影响途径上降低风暴潮淹没风险,主要是根据城市总体规划在建设用地变化和城市基础设施安全方面提出相应的措施。

4.3.3 区域人口与经济发展优化

人口与经济发展是影响经济损失的关键因素,较高的GDP增长率和更多的区域人口将导致更高的经济损失和风险。

4.3.4 监测和预警措施

科学的监测和预警措施可以显著减少灾害损失,并在帮助人们撤离以及减少沿海地区的人员伤亡方面起着重要的作用。

4.4 青岛市风暴潮淹没适应策略方案选择

上节提出的4种策略方案是在不同气候变化情景和未来社会发展基础上,从海岸保护、城市规划、区域人口与经济发展优化以及监测和预警等方面广泛提出的,需要通过适应气候变化策略方案对风险的影响及其成本效益进行分析,确定青岛市最优适应策略方案。

4.4.1 风险计算

风险评估的重点是明确事件的特点并区分该事件的严重程度,这意味着风暴潮淹没损失的大小能够在一定程度上表征该事件的严重程度,同时未来风暴潮淹没损失发生的变化本身也能说明未来风暴潮淹没风险的变化,因此关注它的损失变化情况也是衡量风险变化的一种较好的方式。台风风暴潮淹没直接经济损失采用的是Tezuka等[27]在估算稻田、其他农业用地、住宅区用地、高尔夫球场和交通用地等不同用地类型的灾害损失时给出的方法,它是在获得灾害损失面积、水深和损失率后,计算各类用地受灾害影响的直接经济损失,它不适用于其他土地利用类型,如裸露土地、河流、湖泊以及滩涂等经济损失的估算[28]。不同种类台风风暴潮淹没造成的经济损失计算方法如式(1):

$ L_{\mathrm{D}}=\sum\limits_{i=1}^5 S_i P_i R_i。$ (1)

式中:LD为台风风暴潮淹没直接经济损失;Si为不同土地利用类型台风风暴潮淹没面积;Pi为不同土地利用类型损失单价。

打开损失估算菜单,将当前土地利用单价和未来不同GDP增长水平、不同台风类型发生概率填入,然后导入风暴潮淹没面积等数据,点击确定即可估算风暴潮淹没造成的损失,如图 6所示。

图 6 不同情景适应策略影响下的风险计算 Fig. 6 Risk calculation under theinfluence of different scenario adaptation strategies

分析发现,气候变化增温、台风、土地利用类型和GDP增长水平是影响风暴潮淹没风险的重要因素。气候变化增温越高,产生的风暴潮淹没风险越大;同类型台风变化对风暴潮淹没风险的影响不同,以C、B类台风影响最大,D类台风影响最小;未来淹没面积呈现增长趋势,建设用地>水体>耕地>草地>林地;在相同的增温和GDP增长情景下,未来淹没区域将比近期更大,且会产生更多的损失,GDP增长水平与气候变化对风暴潮淹没风险的影响同等重要。

风险变化功能是在完成: 4种适应策略情景损失估算后,将结果数据绘制成柱状图,可以点击右上角的选择菜单查看不同适应策略方案对风暴潮淹没的影响变化,保持现状情景的风险变化见图 7

图 7 不同情景适应策略影响下的风险变化 Fig. 7 Risk changes under the influence of different scenario adaptation strategies

与保持现状适应情景相比,实施持续改进适应策略后,风暴潮灾害经济损失和风险有一定程度降低,不同策略方案对风险的影响结果随着适应水平的提高而降低,强化提高>持续改进>保持现状。在强化提高情景下,2025年之前青岛市的发展状况与保持现状适应情景差别不大,适应策略主要影响的是2025年之后的年份。

4.4.2 策略选择

计算得到4种不同情景适应策略净现值和成本效益比如图 8

图 8 适应策略选择 Fig. 8 Adaptation strategy selection

策略选择功能不需要用户输入或更改任何内容,打开后即可看到策略选择的结果。显然,不同适应策略方案适应效果差异较大,适应措施等级越高,降低风险的效果越好,成本也会越高,但它的成本效益比不一定最大。在4种适应策略方案中,强化提高适应策略具有第一优先级,最终得到的最优适应策略及措施见图 8中灰色标注部分,决策者可在此基础上进一步给出青岛市风暴潮淹没最优适应策略及措施。

5 结语

本文构建了基于ArcGIS Engine的风暴潮淹没适应气候变化策略辅助决策系统,并以青岛市风暴潮淹没适应气候变化策略研究为例,进行了应用。通过实例应用发现,该系统能够科学、快速、有效地进行风暴潮淹没适应气候变化策略研究,可进一步推广应用到其他受风暴潮淹没影响严重的海岸带城市, 为适应气候变化背景下风暴潮灾害管理提供一定的技术支持。

致谢: 感谢刘关涛在系统界面图像和菜单工具图标设计方面给予的帮助。

参考文献
[1]
Intergovernmental Panel on Climate Change. Climate Change: Work Group I Contribution to the IPCC Fifth Assessment Report[R]. Switzerland: IPCC, 2013. (0)
[2]
Pinto R, Martins F C. The portuguese national strategy for integrated coastal zone management as a spatial planning instrument to climate change adaptation in the Minho River Estuary (Portugal NW-Coastal Zone)[J]. Environmental Science & Policy, 2013, 33: 76-96. (0)
[3]
金靖. 基于ArcGIS Engine的地理信息系统二次开发原理和方法[J]. 测绘与空间地理信息, 2012, 35(3): 46-49.
Jing J. The principle and method of secondary development of GIS based on ArcGIS Engine[J]. Geomatics & Spatial Information Technology, 2012, 35(3): 46-49. DOI:10.3969/j.issn.1672-5867.2012.03.013 (0)
[4]
王凯, 张绪冰, 张良. 基于ArcGIS Engine的长阳清江国家地质公园信息管理系统设计与实现[J]. 测绘与空间地理信息, 2021, 44(10): 94-97.
Wang K, zhang X B, Zhang L. Design and implementation of the Changyang Qingjiang National Geopark information management system based on ArcGIS Engine[J]. Geomatics & Spatial Information Technology, 2021, 44(10): 94-97. DOI:10.3969/j.issn.1672-5867.2021.10.024 (0)
[5]
李寒冰, 袁希平, 甘淑. 基于ArcGIS Engine的唐山南湖周边土地商业开发适宜性评价系统构建与实现[J]. 浙江农业科学, 2017, 58(3): 528-530.
Li H B, Yuan X P, Gan S. Construction and realization of suitability evaluation system for commercial development of land around Nanhu Lake in Tangshan based on ArcGIS Engine[J]. Journal of Zhejiang Agricultural Sciences, 2017, 58(3): 528-530. (0)
[6]
吴蔚, 苏天赟, 张君珏, 等. 基于GIS的海岛规划管理系统设计与实现——以唐山市打网岗岛开发适宜性评价为例[J]. 中国海洋大学学报(自然科学版), 2015, 45(4): 122-129.
Wu W, Su T Y, Zhang J Y, et al. Design and realization of island planning and management system based on GIS: A case study of the development suitability evaluation of Dawarggang Island in Tangshan City[J]. Periodical of Ocean University of China, 2015, 45(4): 122-129. (0)
[7]
袁本坤, 曹丛华, 江崇波, 等. 青岛市海洋灾害及其防御对策研究[J]. 海洋开发与管理, 2012, 29(11): 56-61.
Yuan B K, Cao C H, Jiang C B, et al. The study of the marine disaster and defence strategy in Qingdao[J]. Marine Development and Management, 2012, 29(11): 56-61. DOI:10.3969/j.issn.1005-9857.2012.11.015 (0)
[8]
冯爱青, 高江波, 吴绍洪, 等. 气候变化背景下中国风暴潮灾害风险及适应对策研究进展[J]. 地理科学进展, 2016, 35(11): 1411-1419.
Feng A Q, Gao J B, Wu S H, et al. Review of storm surge disaster risk research and adaptation in China under climate change[J]. Progress in Geography, 2016, 35(11): 1411-1419. (0)
[9]
张明顺, 李欢欢. 气候变化背景下城市韧性评估研究进展[J]. 生态经济, 2018, 34(10): 154-161.
Zhang M S, Li H H. Review of urban resilience assessment in the context of climate change[J]. Ecological Economy, 2018, 34(10): 154-161. (0)
[10]
Feng J L, Jiang W S, Bian C W. Numerieal prediction of storm surge in the Qingdao area under the impact of climate change[J]. Journal of Ocean University of China, 2014, 13(4): 539-551. DOI:10.1007/s11802-014-2222-4 (0)
[11]
Andre C, Boulet D, Valette H, et al. Protection by hard defence structures or relocation of assets exposed to coastal risks: Contributions and drawbacks of cost-benefit analysis for long-term adaptation choices to climate change[J]. Ocean & Coastal Management, 2016, 134: 173-182. (0)
[12]
Li H, Kuo S, Chen W, et al. Benefit analysis of flood adaptation under climate change scenario[J]. Natural Hazards, 2018, 95(3): 547-568. (0)
[13]
Poussin J K, Botzen W J, Aerts J. Effectiveness of flood damage mitigation measures: Empirical evidence from French flood disasters[J]. Global Environmental Change, 2015, 31: 74-84. DOI:10.1016/j.gloenvcha.2014.12.007 (0)
[14]
Sayers P, Rowsell E C, Horritt M, et al. Climate Change Risk Assessment 2017: Projections of Future Flood Risk in the UK[R]. London: Committee on Climate Change, 2015. (0)
[15]
Sayers P, Rowsell E C, Horritt M. Flood vulnerability, risk, and social disadvantage: Current and future patterns in the UK[J]. Regional Environmental Change, 2018, 18(3): 1-14. (0)
[16]
郭腾蛟, 李国胜. 风暴潮灾害经济损失灾前预评估研究进展[J]. 灾害学, 2018, 33(4): 164-168.
Guo T J, Li G S. Research progress on economic loss preevaluation of storm surge disaster[J]. Journal of Catastrophology, 2018, 33(4): 164-168. DOI:10.3969/j.issn.1000-811X.2018.04.027 (0)
[17]
岳心阳, 管长龙. 基于1985—2010年历史资料的山东省台风灾害风险评估[J]. 中国海洋大学学报(自然科学版), 2014, 44(8): 1-10.
Yue X Y, Guan C L. The risk assessment of disasters induced by typhoons in Shandong Province based on historical data during 1985—2000[J]. Periodical of Ocean University of China, 2014, 44(8): 1-10. (0)
[18]
殷克东, 韦茜, 李兴东. 风暴潮灾害社会经济损失评估研究[J]. 海洋环境科学, 2012, 31(6): 835-837.
Yin K D, Wei Q, Li X D. The evaluation techniques of the socio-economic loss caused by storm surge disaster[J]. Marine Environmental Science, 2012, 31(6): 835-837. (0)
[19]
Wang Z F, Li S T, Hao Y, et al. Estimation and prediction of typhoons and wave overtopping in Qingdao, China[J]. Journal of Ocean University of China, 2020, 19(5): 1017-1028. DOI:10.1007/s11802-020-4378-4 (0)
[20]
张乐晨. 基于ADCIRC的台风风暴潮灾害影响预测技术研究[J]. 安全科学技术, 2014, 35(12): 12-14.
Zhang L C. Prediction of the impact of typhoon storm surge disaster based on ADCIRC[J]. Safety & Security, 2014, 35(12): 12-14. (0)
[21]
Westerink J J, Luettich R A, Baptists A M, et al. Tide and storm surge predictions using finite element model[J]. Journal of Hydraulic Engineering, 1992, 118(10): 1373-1390. DOI:10.1061/(ASCE)0733-9429(1992)118:10(1373) (0)
[22]
Luettich R A, Westerink H J. Formulation and Numerical Implementation of the 2D/3D ADCIRC Finite Element Model Version 44. XX[R]. Morehead City NC: [s. n. ], 2004. (0)
[23]
Feng X R, Yin B S, Yang D Z. Development of an unstructured-grid wave-current coupled model and its application[J]. Ocean Modelling, 2016, 104: 213-225. DOI:10.1016/j.ocemod.2016.06.007 (0)
[24]
Sebastian A, Proft J, Dietrich J C, et al. Characterizing hurricane storm surge behavior in Galveston Bay using the SWAN + ADCIRC model[J]. Coastal Engineering, 2014, 88(6): 171-181. (0)
[25]
Wang Y P, Mao X Y, Jiang W S. Long-term hazard analysis of destructive storm surges using the ADCIRC-SWAN model: A case study of Bohai Sea, China[J]. International Journal of Applied Earth Observation & Geoinformation, 2018, 73: 52-62. (0)
[26]
Xie D M, Zou Q P, Cannon J W. Application of SWAN+ADCIRC to tide-surge and wave simulation in Gulf of Maine during Patriot's Day storm[J]. Water Science and Engineering, 2016, 9: 33-41. DOI:10.1016/j.wse.2016.02.003 (0)
[27]
Tezuka S, Takiguchi H, Kazama S, et al. Estimation of the effects of climate change on flood-triggered economic losses in Japan[J]. International Journal of Disaster Risk Reduction, 2014, 9: 58-67. DOI:10.1016/j.ijdrr.2014.03.004 (0)
[28]
刘森, 李永明, 栗端付, 等. 洪灾经济总损失按产值估算方法探讨[J]. 灾害学, 2015, 30(3): 29-32.
Liu S, Li Y M, Li D F, et al. Flooding economic total losses according to the value estimation method[J]. Journal of Catastrophology, 2015, 30(3): 29-32. DOI:10.3969/j.issn.1000-811X.2015.03.006 (0)
Development of Decision Support System of Climate Change Adaptation Strategies for Storm Surge Inundation Based on ArcGIS Engine
Liao Qi , Jiang Wensheng     
The Key Laboratory of Marine Ecology and Environmental Sciences, Ministry of Education, College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100, China
Abstract: Currently, the theoretical and technological research on climate change adaptation is relatively weak, and there is a lack of a decision support system based on adaptation to climate change. This paper develops a decision support system of climate change adaptation strategies for storm surge inundation based on ArcGIS Engine, which streamlines and simplifies the research process, and provides seven decision-making portals for users to make scientific choices of strategies for adapting to climate change due to storm surge inundation. The application of the system in Qingdao proves that the system can effectively enhance the analysis efficiency, and provides technical support for adapting to storm surge disasters in coastal areas.
Key words: adaptation to climate change    decision support system    ArcGIS Engine    storm surge inundation