影响因子的相关性、阈值和交互作用
4.2.1影响因子的相关性
2019—2021年6个影响因子与水淹灾害核密度的因子探测器分析结果（表3）显示：植被覆盖度的q值最大，说明植被覆盖度是影响杭州主城区水淹灾害空间分布的主导因子；高程、坡度和距河流距离为次要影响因子。各因子与杭州主城区暴雨水淹灾害的相关性排序为：植被覆盖度＞坡度＞高程＞距河流距离＞非渗透表面丰度＞天然水体保持率。所有影响因子p值均小于0.01，相关性极显著。
4.2.2影响因子的阈值
运用GD模型中的风险探测器确定暴雨水淹灾害影响因子的阈值和相关关系。结合表2中划分的影响因子层级，对2019—2021年暴雨水淹灾害核密度与影响因子层级的相关关系进行表达（图4）。
根据分析结果得出2019—2021年杭州主城区范围内最严重水淹灾害的因子阈值和最轻微水淹灾害的因子阈值（表4）。另外，分析发现杭州主城区暴雨水淹灾害核密度与城市空间的高程、坡度、植被覆盖度、距河流距离呈负相关关系，与非渗透表面丰度呈正相关关系，与天然水体保持率无明显的正、负相关关系（图4）。
在城市500m×500m的空间单元内，植被覆盖度小于10%通常表示很高的硬质率。笔者在调研时发现城市中的主要道路、下穿隧道、广场等硬质率极高的场所，往往具有非常完备的排水系统，能够缓解一定程度的水淹灾害。当城市空间单元内植被覆盖度超过80%，代表空间具有良好的生态调节功能，对于雨水的汇集、地表渗透十分有利。本研究结果表明，植被覆盖度越高，越能缓解水淹灾害风险。
同时，本研究发现当非渗透表面丰度在40%~100%时，水淹灾害核密度值始终都处于较高水平，这是由于不透水面的结构减少了水向地表的渗透，从而增加了与暴雨有关的涝渍风险。当非渗透表面丰度在10%~20%时，非渗透表面在城市空间占据较小的比例，此区间内的地区水淹灾害最轻微。
在城市建设实践中，建设用地受到城市规划限制，植被覆盖面积不可能无限增加，非渗透表面面积也不能一味降低。因此，本研究除关注水淹灾害最轻微及最严重的因子阈值外，还探究了对杭州主城区的水淹灾害具有实际指导意义的影响因子区间值。
基于ArcGIS10.2软件中影响因子图层的属性表统计工具，计算出杭州主城区各影响因子现状的平均值：高程平均值为38m；坡度平均值为4°；植被覆盖度平均值为51%；非渗透表面丰度平均值为45%；距河流距离平均值为652m。
为缓解杭州主城区高风险与次高风险区域的水淹灾害，本研究确定将中风险层级核密度最高值作为划定因子区间的标准，以探究缓解城市暴雨水淹灾害影响因子的合理阈值区间。分析主城区暴雨水淹灾害核密度与风险水平（图3）可知，2019—2021年中风险区域的核密度区间分别为424~839、684~1618、434~923。同时，将2019—2021年核密度值低于839、1618、923的各影响因子区间进行归纳整理，得到城市空间可避免高风险和次高风险水淹灾害的因子区间（表4）。
综合考虑2019—2021年的风险模拟结果发现，当城市空间的高程大于40m，坡度大于10°，植被覆盖度大于60%，非渗透表面丰度大于40%，距河流距离大于500m时，能够对高风险与次高风险区域严重的水淹灾害起到有效的缓解作用。张妤[30]的研究同样显示，在暴雨情境下，植被覆盖度提升到58%左右才能达到基本的径流调节供需平衡，与本研究的结论相近。同时，对比当前影响因子的现有平均值数据可知，该因子区间具有一定的合理性和实践的可操作性。
4.2.3影响因子的交互作用分析
本研究发现2019—2021年影响因子交互作用的整体结果具有一致性，选择2020年的影响因子数据作为代表进行交互探测分析，分析结果显示植被覆盖度和坡度与其他因子交互作用的q值偏高，其中植被覆盖度与坡度两者交互后的q值（0.033）最大，对水淹灾害有最明显的增强作用。
所有影响因子的交互作用均增强了单因子对水淹灾害的影响力，呈现相互增强或非线性增强关系。其中，天然水体保持率与高程、坡度、植被覆盖度、非渗透表面丰度交互作用呈现非线性增强的关系，植被覆盖度与非渗透表面丰度交互作用后也呈现非线性增强的关系；其余因子的交互作用均呈现相互增强的关系（表5）。
