摘要 预估未来极端天气事件致灾危险性对于评估气候变化对人类经济和社会的潜在风险具有极其重要的意义。本研究采用PRECIS模式模拟的气候情景数据，选取年均暴雨日数、年均最大三日降水量、高程、坡度和距河湖距离五个指标，对SRES B2情景下未来安徽省县域尺度洪涝致灾危险性时空格局进行预估。结果表明：相对于现阶段（1981-2010），未来安徽省年均暴雨日数和最大三日降水量总体上呈现北部减少、南部增加的趋势；各时段安徽省洪灾危险性等级由北向南大致呈逐渐升高的趋势；未来安徽省洪灾危险性格局变化主要发生在近期（2011-2040）和中期（2041-2070）；到中期时段，安徽省洪灾危险性处于5级的县域个数和面积百分比分别为16个和17.87%，是现阶段的2倍和2.24倍。研究结果可为气候变化背景下该地区洪涝灾害风险管理提供科学依据。
关键词 PRECIS；洪涝致灾危险性；时空格局；SRES B2情景；安徽省
中图分类号 X43 文献标识码 A
文章编号 1002-2104（2012）11-0032-08 doi：10.3969/j.issn.1002-2104.2012.11.006
气象灾害给人类经济和社会造成了严重影响。1995-2004年十年间，由天气引发的灾害占自然灾害总数的90%，造成的死亡人数占60%，受灾人口占98%，且大多数发生在发展中国家[1]。在全球气候变暖背景下，未来极端天气事件的发生频率将呈增加趋势[2]，而这些灾害性天气事件的变化也许是气候变化带来的最严重的后果之一[3-5]。研究极端天气事件的潜在变化是评估未来气候变化对人类和自然系统影响的基础[6]。预估极端天气事件的方法之一是利用气象观测资料进行趋势外推[7-8]。尽管历史气象资料有很大的参考价值，但过去的气象统计信息只能部分地反映未来极端天气事件的发生概率。气候模式的不断改进为利用大气环流模式（GCMs）和区域气候模式（RCMs）预估极端天气事件及其影响提供了更可靠的工具[9-10]。已有一些学者应用气候模式来评估气候变化对干旱[11-12]、洪水[13]、风能[14]及水资源[15]可能造成的影响。但GCMs过粗的分辨率对于分析气候变化对区域尺度的潜在影响是不够的，而RCMs却能很好地反映影响局地气候的地面特征量和气候本身未来的波动规律，被认为是获取高分辨率局地气候变化信息的有效方法[16]。
我国是世界上洪涝灾害频繁且严重的国家之一。随着社会经济的迅速发展，洪涝灾害造成的社会影响和经济损失呈不断增大趋势。近些年，国内不少学者在洪涝灾害风险评估方面进行研究[17-19]，取得了大量成果，为区域洪涝防灾减灾提供了依据。但这些评估研究都是利用气象观测数据或历史灾情资料来开展的，并未考虑气候变化对未来极端降水事件发生频率、强度和空间格局的影响。翟建青等[20]利用ECHAM5/MPI-OM气候模式输出的2001-2050年逐月降水量资料，选取标准化降水指数预估了3种排放情景下中国2050年前的旱涝格局，但其所使用的气候情景数据分辨率较粗（1.875°），且未能从灾害风险角度分析未来旱涝致灾危险性变化。
本文应用Hadley气候预测与研究中心的区域气候模
① 本文之所以选择B2情景是因为该情景强调区域性的经济、社会和环境的可持续发展，是比较符合我国中长期发展规划的气候情景。
式系统PRECIS（Providing Regional Climates for Impacts Studies）模拟的气候情景数据，综合考虑降水、地形、地貌等自然要素，分近期、中期和远期三个时段对B2情景下①未来安徽省洪涝致灾危险性时空格局进行预估，以期为全球气候变化背景下该地区洪涝灾害风险管理和区域发展规划提供科学依据。
1 数据与方法
1.1 数据
本研究所使用的气候情景数据来自中国农业科学院农业环境与可持续发展研究所气候变化研究组。该研究组应用英国Hadley中心开发的PRECIS模式，模拟了IPCC《排放情景特别报告》（SRES）[21]中设计的B2情景下中国区域的气候变化（1961-2100年），其水平分辨率在旋转坐标下为0.44°×0.44°，在中纬度地区水平格点间距约为50 km。关于PRECIS物理过程的详细介绍可参阅文献[22]。许吟隆[16-23]和张勇[24]等人利用ECMWF再分析数据和气象站点观测数据验证PRECIS对中国区域气候模拟能力的研究表明：PRECIS具有很强的模拟降水能力，基本能够模拟出中国区域年、冬季和夏季平均降水的大尺度分布特征，很好地模拟了降水的季节变化，而且较好地模拟出中国区域年平均极端降水事件的空间分布特征。因此，本文不再对PRECIS模式进行验证。
本文采用的DEM数据来自国际农业研究磋商组织（CGIAR）地理空间数据网建立的分辨率为3弧秒（约为90 m）的全球陆地DEM；1∶400万水系图来自国家基础地理信息中心。
1.2 研究时段划分
本研究包括以下四个时段：现阶段为1981-2010年，未来分为近期（2011-2040）、中期（2041-2070）和远期（2071-2100）三个时段。文中所选指标均以各时段30年的平均值进行探讨。
1.3 洪涝致灾危险性评价指标体系与评价
洪涝灾害具有自然和社会双重属性，其中致灾危险性评价是从形成洪涝灾害的自然属性角度，即从形成洪涝灾害的致灾因子和孕灾环境两方面来评价洪灾危险性。总体上讲，造成洪涝灾害的主要因素是强降水，同时下垫面的自然地理环境又和天气气候条件相互影响，进而决定了洪涝的时空分布[25-26]。因此，本文选取年均暴雨日数、年均最大三日降水量、高程、坡度和河湖缓冲区五个指标，通过计算洪涝致灾危险性指数进行评价，具体包括以下四个步骤：一是对所选取的评价指标进行量化，包括对前四项
指标进行标准化以及根据距河湖距离和河湖级别对缓冲区进行危险性赋值（见表1）；二是利用层次分析法确定五个指标的权重（见图1）；三是建立致灾危险性数学评价模型（式1）；四是借助地理信息系统对各指标图层叠加，进行洪涝致灾危险性评价。 利用加权综合评分法建立洪涝致灾危险性评价模型：
HF=0.25Rd+0.35R3+0.06H+0.12S+0.22B（1）
式（1）中，HF为洪涝致灾危险性指数，Rd、R3、H、S、B分别代表年均暴雨日数、年均最大三日降水量、高程、坡度和河湖缓冲区量化后的值。
本文将洪涝致灾危险性分为5个等级。具体的分级方法如下：首先，按1∶2∶4∶2∶1的大致比例对现阶段全省78个县域的洪涝致灾危险性分级；之后，提取相邻等级两个县的洪灾危险性指数，以其平均值作为洪灾危险性的分级标准；最后，按照此分级标准对未来三个时段洪灾危险性进行分级。
2 结果与分析
2.1 年均暴雨日数（ARD）时空格局变化
如图2所示，在现阶段，安徽省年均暴雨日数平均为6.94天，最大值为12.15天，年均暴雨日数低于5天的地区占全省总面积的17.72%，集中分布在安徽省北部，而高于12天的地区仅占0.06%，位于安徽省最南端。到了近期，安徽省年均暴雨日数略有减少，为6.73天，主要是淮
河以北地区年均暴雨日数低于5天的面积增加为26.95%；这一时段年均暴雨日数最大值有所增加，为12.28天，其中大于12天的地区面积增加到0.24%，约为现阶段的4倍。在中期，安徽省年均暴雨日数为6.86天，最大值增加到12.91天，年均暴雨日数低于5天的地区面积百分比较近期也略有增加，为27.59%，而高于12天的地区则大幅增加为3.64%，范围也扩展到安徽省南部的多个县域。到远期，安徽省年均暴雨日数增加到7.02天，最大值为13.47天，年均暴雨日数低于5天的地区占安徽省总面积的27.41%，高于12天的地区继续增加为5.67%，约为现阶段的89倍之多，集中分布在该省长江以南地区。可见，未来安徽省年均暴雨日数总体上呈现北部有所减少，南部持续增加的趋势，尤其是年均暴雨日数超过12天的面积将大幅增加。
2.2 年均最大三日降水量（AM3DP）时空格局变化
从图3中可以发现，相对于现阶段，未来安徽省年均最大三日降水量也呈现出“两极分化”的格局，即年均最大三日降水量低于160 mm（主要分布于安徽省北部）和高于220 mm（主要分布于安徽省南部）的地区均不断增加。在现阶段，安徽省年均最大三日降水量的平均值为
199.66 mm，最大值为280.87 mm，其中大于220 mm的地区占总面积的17.05%。而在近期，安徽省年均最大三日降水量的平均值为200.88 mm，大于220 mm的地区增加到总面积的22.16%。中期阶段，安徽省年均最大三日降水量的平均值增加为202.76 mm，大于220 mm的地区相比近期也略有增加，为25.56%。到了远期，安徽省年均最大三日降水量的平均值为204.82 mm，最大值也增大到289.07 mm，其中大于220 mm的地区占全省面积的32.12%，较现阶段增加约15.07%，尤其是大于260 mm的面积增加更快，由现阶段的占全省3.88%变为9.20%，增加了1.37倍。
2.3 洪涝致灾危险性时空格局变化
对年均暴雨日数、年均最大三日降水量、高程、坡度、河湖缓冲区等评价指标数字化的基础上，依据评价模型（式1）在ArcGIS中对各指标图层进行叠加并分级，得到安徽省县域尺度洪涝致灾危险性评价结果（见图4）。为详细了解安徽省洪涝致灾危险性格局及其动态变化，表2列出了各时段洪灾危险性等级的县域个数、面积百分比和处于5级的县域。
可以发现，各时段安徽省洪涝致灾危险性等级大致呈
由北向南逐渐升高的趋势。相对于现阶段，未来安徽省洪灾危险性处于1级和5级的面积均有所扩大，这主要与对应区域未来年均暴雨日数和最大三日降水量的变化密切相关。此外，洪涝致灾危险性高于4级（包括4级）的县域主要集中在长江沿岸及其以南地区，这与该区域降水丰富、河网密度高、地势低平以及坡度变化较小有关。与现阶段相比，近期和中期安徽省处于洪灾危险性5级的县域个数和面积百分比不断增加，这是由于未来这些地区极端降水事件的概率（暴雨日数）和强度（最大三日降水量）都将有所增大。尤其在中期，处于洪灾危险性5级的县域个数快速增加为16个，面积增加为全省的17.87%，分别是各时段洪涝致灾危险性处于5级的县域（按危险性指数值自大至小排序）
安庆市辖区，望江县，休宁县，黟县，歙县，铜陵市辖区，黄山市辖区，宿松县
安庆市辖区，望江县，休宁县，歙县，黟县，铜陵市辖区，黄山市辖区，枞阳县，池州市辖区，宿松县
安庆市辖区，望江县，休宁县，歙县，黟县，铜陵市辖区，黄山市辖区，枞阳县，池州市辖区，宿松县，祁门县，芜湖市辖区，东至县，铜陵县，旌德县，绩溪县
安庆市辖区，望江县，休宁县，歙县，黟县，铜陵市辖区，黄山市辖区，枞阳县，池州市辖区，祁门县，宿松县，东至县，绩溪县，铜陵县，旌德县，芜湖市辖区现阶段的2倍和2.24倍。到远期，洪涝致灾危险性空间格局相对于中期变化不大，处于5级的县域与中期相同，但各县域的危险性值却有不同程度增大。需要指出的是，安庆市辖区始终是安徽省洪灾危险性最高的县域，在今后的洪灾风险管理及防洪减灾规划中需尤为注意。
3 结论与讨论
本文基于PRECIS区域气候模式，模拟了SRES B2情景下未来安徽省年均暴雨日数和最大三日降水量相对于现阶段的变化情况，并综合考虑降水、地形和地貌等自然要素，从灾害风险角度预估了该省县域尺度洪涝致灾危险性的时空格局，得出以下主要结论：
（1）相对于现阶段，未来安徽省极端降水事件将出现“两极分化”的格局，具体表现为年均暴雨日数和最大三日降水量总体上呈现北部减少、南部增加的趋势，并且年均暴雨日数超过12天、年均最大三日降水量超过220 mm的面积将持续大幅增加。
（2）各时段安徽省洪涝致灾危险性等级由北向南大致呈逐渐升高的趋势。相对于现阶段，未来安徽省洪灾危险性处于1级和5级的面积均有所扩大，洪灾危险性格局变化主要发生在近期和中期，远期与中期格局相近。在中期，安徽省洪灾危险性处于5级的县域个数和面积百分比分别为16个和17.87%，分别是现阶段的2倍和2.24倍。安庆市辖区是安徽省洪灾危险性最高的县域。 根据自然灾害风险分析理论[27]，在危险性评价的基础上，进一步考虑社会经济因素，如人口、GDP、耕地、居民点、交通线、油田、名胜古迹、大型厂矿区、各种工程设施等的分布情况，以及遭遇洪涝时这些承险体的易损程度、社会防灾救灾能力等，就可以进行洪涝灾害风险评价，辨识出高风险区，为各级政府开展风险管理提供科学依据。通过查阅《中国气象灾害大典-安徽卷》以及近些年的灾情资料可以发现，安徽省洪涝灾害严重的地区大致分布在沿江沿淮地区，尤其江淮之间及长江以南地区（这些地区降水丰富、地势低洼、河网交织、湖泊众多）。对比现阶段安徽省洪灾危险性评价结果表明，本文的评价结果与实际灾情发生区域基本符合。但由于洪涝灾害形成、发展及产生后果的复杂性，影响因子众多，目前的评价结果尚难以做到与实际情况完全吻合，有以下几方面原因，如考虑因子的全面性、各因子权重系数的真实性、预估气候数据的误差以及评价模型的科学性等等，还需要不断深入研究，做出更符合实际、更加可信的洪涝灾害风险评价。
全球气候变化将给人类社会和自然系统带来诸多风险。气候变化风险源主要包括两个方面：一是平均气候状况（气温、降水、海平面上升等）；二是极端天气变化（热带气旋、风暴潮、干旱、极端降水、高温热浪等）[28]。由前面
分析可知，虽然未来安徽省年均暴雨日数和最大三日降水量的平均值相对于现阶段变化幅度不大，但不同区域间的差异却非常明显，突出表现为未来安徽省淮河以北地区年均暴雨日数和最大三日降水量有所减小，而长江以南地区极端降水事件发生的概率将大大增加，这与张增信等人[29]的研究结果相符。暴雨日数和最大三日降水量等极端降水事件变化的原因可能是在全球气候变暖背景下，地表温度的大幅上升将加强大气环流，从而改变降水的空间格局。通过比较未来与现在极端天气事件致灾危险性的时空格局，可以更好地了解一些典型区域或更大尺度上将要发生的变化。
本文只选取了SRES B2情景，虽然这一情景是比较符合我国中长期发展规划的气候情景，但仍然存在较大不确定性。在以后的研究中，需要进一步拓展降低不确定性的方法，在现有情景预估的基础上，进一步发展集合概率预测等技术手段，建立基于多情景多模式的集合概率预测情景方案。同时加强气候模式模拟研究，提高模拟数据精度，降低气候系统模式的不确定性[30]。
致谢：承蒙中国农业科学院农业环境与可持续发展研究所许吟隆研究员在论文数据方面提供的帮助，在此表示衷心的感谢！
（编辑：王爱萍）
参考文献（References）
[1]
International Federation of Red Cross and Red Crescent Societies. World Disasters Report 2005： Focus on Information in Disasters [R]. Geneva： IFRC， 2005.
[2]IPCC. Climate Change 2007： The Scientific Basis [M]. London： Cambridge University Press， 2007.
[3]Beven K J. Riverine Flooding in a Warmer Britain [J]. The Geographical Journal， 1993， 159（2）： 157-161.
[4]Milly P C， Wetherald R T， Dune K A， et al. Increasing Risk of Great Floods in a Changing Climate [J]. Nature， 2002， 415： 514-517.
[5]Botzen W J， Bergh J C， Bouwer L M. Climate Change and Increased Risk for the Insurance Sector： A Global Perspective and an Assessment for the Netherlands [J]. Natural Hazards， 2010， 52（3）： 577-598.
[6]Tebaldi C， Hayhow K， Arblaster J M， et al. Going to Extremes： An Intercomparison of Model-simulated Historical and Future Changes in Extreme Events [J]. Climatic Change， 2006， 79（3-4）： 185-211.
[7]Yin Y X， Xu Y P， Chen Y. Change of Flood Patterns in China under the Influences of Climate Change and Human Activities [J]. Chinese Journal of Population， Resources and Environment， 2009， 7（3）： 67-71.
[8]周后福，王兴荣，翟武全，等. 基于混合回归模型的夏季高温日数预测[J]. 气象科学，2005，25（5）：505-512. [Zhou Houfu， Wang Xingrong， Zhai Wuquan， et al. Test Prediction for MultiRegression Model on High Temperature Days [J]. Scientia Meteorologica Sinica， 2005， 25（5）： 505–512.]
[9]Zwiers R W， Kharin V V. Changes in the Extremes of the Climate Simulated by CCC GCM2 under CO2 Doubling [J]. Journal of Climate， 1998， 11（9）： 2200-2222. [10]贺山峰，戴尔阜，葛全胜，等. 中国高温致灾危险性时空格局预估[J]. 自然灾害学报，2010，19（2）：91-97. [He Shanfeng， Dai Erfu， Ge Quansheng， et al. Preestination of Spatiotemporal Pattern of Extreme Heat Hazard in China [J]. Journal of Natural Disasters， 2010， 19（2）： 91-97.]
[11]Blenkinsop S， Fowler H J. Changes in European Drought Characteristics Projected by the PRUDENCE Regional Climate Models [J]. International Journal of Climatology， 2007， 27： 1595-1610.
[12]Hirabayashi Y， Kanae S， Emori S， et al. Global Projections of Changing Risks of Floods and Droughts in a Changing Climate [J]. Hydrological Sciences Journal， 2008， 53（4）： 754-772.
[13]Raff D A， Pruitt T， Brekke L D. A Framework for Assessing Flood Frequency Based on Climate Projection Information [J]. Hydrology and Earth System Sciences Discussions， 2009， 6： 2005-2040.
[14]Bloom A， Kotroni V， Lagouvardos K. Climate Change Impact of Wind Energy Availability in the Eastern Mediterranean Using the Regional Climate Model PRECIS [J]. Natural Hazards and Earth System Science， 2008， 8： 1249-1257.
[15]Zhu T J， Jenkins M W， Lund J R. Estimated Impacts of Climate Warming on California Water Availability under Twelve Future Climate Scenarios [J]. Journal of American Water Resources Association， 2005， 41（5）： 1027-1038.
[16]许吟隆，张勇，林一骅，等. 利用PRECIS分析SRES B2情景下中国区域的气候变化响应[J]. 科学通报，2006，51（17）：2068-2074. [Xu Yinlong， Zhang Yong， Lin Yihua， et al. Analyses on the Climate Change Responses over China under SRES B2 Scenario using PRECIS [J]. Chinese Science Bulletin， 2006， 51（18）： 2260-2267.]
[17]周成虎，万庆，黄诗峰，等. 基于GIS的洪水灾害风险区划研究[J]. 地理学报，2000，55（1）：15-24. [Zhou Chenghu， Wan Qing， Huang Shifeng， et al. A GISbased Approach to Flood Risk Zonation [J]. Acta Geographica Sinica， 2000， 55（1）： 15-24.]
[18]张游，王绍强，葛全胜，等. 基于GIS的江西省洪涝灾害风险评估[J]. 长江流域资源与环境，2011，20（增1）：166-172. [Zhang You， Wang Shaoqiang， Ge Quansheng， et al. Risk Assessment of Flood Disaster in Jiangxi Province Based on GIS [J]. Resources and Environment in the Yangte Basin， 2011， 20（supp.1）： 166-172.]
[19]陈香，王静爱，陈静. 福建暴雨洪灾时空变化与区域划分的初步研究[J]. 自然灾害学报，2007，16（6）：1-7. [Chen Xiang， Wang Jingai， Chen Jing. Primary Study on Spatiotemporal Change and Regionalization of Stormflood in Fujian Province [J]. Journal of Natural Disasters， 2007， 16（6）： 1-7.]
[20]翟建青，曾小凡，苏布达，等. 基于ECHAM5模式预估2050年前中国旱涝格局趋势[J]. 气候变化研究进展，2009，5（4）：220-225. [Zhai Jianqing， Zeng Xiaofan， Su Buda， et al. Patterns of Dryness/Wetness in China before 2050 Projected by the ECHAM5 Model [J]. Advances in Climate Change Research， 2009， 5（4）： 220-225.] [21]Nakicenovic N， Alcamo J， Davis G， et al. Special Report on Emissions Scenarios [M]. London： Cambridge University Press， 2000.
[22]Jones R G， Noguer M， Hassell D C， et al. Generating High Resolution Climate Change Scenarios Using PRECIS [M]. Exeter： Met Office Hadley Centre， 2004.
[23]许吟隆，Jones R. 利用ECMWF再分析数据验证PRECIS对中国区域气候的模拟能力[J]. 中国农业气象，2004，25（1）：5-9. [Xu Yinlong， Jones R. Validating PRECIS with ECMWF Reanalysis Data over China [J]. Chinese Journal of Agrometeorology， 2004， 25（1）： 5-9.]
[24]张勇，许吟隆，董文杰，等. 中国未来极端降水事件的变化：基于气候变化预估结果的分析[J]. 自然灾害学报，2006，15（6）：228-234. [Zhang Yong， Xu Yinlong， Dong Wenjie， et al. Change of Extreme Precipitation Events in China in Future： An Analysis Based on Prediction of Climate Change [J]. Journal of Natural Disasters， 2006， 15（6）： 228-234.]
[25]张继权，李宁. 主要气象灾害风险评价与管理的数量化方法及其应用[M]. 北京：北京师范大学出版社， 2007. [Zhang Jiquan， Li Ning. Quantitative Methods and Application of Risk Assessment and Management on Main Meteorological Disasters [M]. Beijing： Beijing Normal University Press， 2008.]
[26]李景宜. 渭河下游洪水灾害的降水危险性评估与区划 [J]. 中国人口·资源与环境， 2011， 21（2）： 106-111. [Li Jingyi. Evaluation and Regionalization of Precipitation Fatalness for Flood in Lower Reacher of Weihe River [J]. Chinese Journal of Population， Resources and Environment， 2011， 21（2）： 106-111.]
[27]葛全胜，邹铭，郑景云，等. 中国自然灾害风险综合评估初步研究[M]. 北京：科学出版社，2008. [Ge Quansheng， Zou Ming， Zheng Jingyun， et al. Integrated Assessment of Natural Disaster Risks in China [M]. Beijing： Science Press， 2008.]
[28]IPCC. Climate Change 2007： Impacts， Adaptation and Vulnerability [M]. London： Cambridge University Press， 2007.
[29]张增信，KLAUS F，姜彤，等. 2050年前长江流域极端降水预估[J]. 气候变化研究进展，2007，3（6）：340-344. [Zhang Zengxin， Klaus F， Jiang Tong， et al. Projection of Future Precipitation Extremes in the Yangtze River Basin for 2001-2050 [J]. Advances in Climate Change Research， 2007， 3（6）： 340-344.]
[30]吴绍洪，潘韬，贺山峰. 气候变化风险研究的初步探讨[J]. 气候变化研究进展，2011，7（5）：363-368. [Wu Shaohong， Pan Tao， He Shanfeng. Primary Study on the Theories and Methods of Research on Climate Change Risk [J]. Advances in Climate Change Research， 2011， 7（5）： 363-368.]
Projecting Spatiotemporal Patterns of Flood Hazard over Anhui Province
HE Shanfeng1，2 GE Quansheng2 WU Shaohong2 DAI Erfu2 WU Wenxiang2
（1. Emergency Management School， Henan Polytechnic University， Jiazuo Henan 454000， China；
2. Institute of Geographic Sciences and Natural Resources Research， Chinese Academy of Sciences， Beijing 100101， China） Abstract
Prediction of hazard changes in climate extremes is of important significance for assessing the potential impacts of climate change on human society and natural systems. Using simulations of ‘Providing Regional Climates for Impacts Studies （PRECIS）’，authors selected five indicators （annual rainstorm days， annual maximum 3day precipitation， elevation， gradient and distance to riverlake） to project the spatial patterns of flood hazard over Anhui Province at county scale for the present （1981-2010） and future （2011-2100） under SRES B2 scenario. The results showed that compared with the present period， the mean annual rainstorm days and 3day maximum precipitation over Anhui Province in the future would decrease in the north and increase in the south， while the probability of extreme precipitations would significantly increase. The flood hazard grade increased gradually from north to south in the four study periods. Changes of flood hazard patterns over Anhui Province in the future would mainly occur in the nearterm （2011-2040） and midterm （2041-2070）， and the number of counties in grade five of flood hazard would be 16 and the area percentage would be 29.75% in the midterm， 1 and 1.24 times more than present period respectively. The results can provide scientific basis for flood risk management under climate change in this area.
Key words PRECIS； flood hazard； spatiotemporal pattern； SRES B2 scenario； Anhui Province
