基于XGBoost-SHAP模型的黄河流域河南段城市内涝韧性解码：机理识别与空间优化

《Journal of Environmental Management》：Decoding urban flood resilience in the Henan section of the Yellow River Basin: Insights from an XGBoost–SHAP analysis

本文创新性地融合抵抗-适应-恢复（RAR）模型与物理-事理-人理（WSR）系统，构建了面向联合国可持续发展目标（SDGs）的城市内涝韧性（UFR）评估框架。通过EFAST全局敏感性加权与TOPSIS（逼近理想解排序法）量化黄河流域河南段10市2010-2021年韧性演变，结合XGBoost-SHAP可解释机器学习识别出保险密度、人均可支配收入等关键驱动因子，为洪涝风险区的韧性城市规划提供新范式。

　　

^研究亮点

^{RAR-WSR框架}

本研究构建的RAR-WSR理论框架巧妙融合了过程导向的韧性特征与系统思维：RAR模型聚焦城市系统抵抗（Resistance）、适应（Adaptability）和恢复（Recovery）的动态能力，而WSR系统从物理维度（排水管网密度等硬件基础）、事理维度（应急响应预案等管理机制）和人理维度（社区参与度等社会资本）解析韧性构成要素，形成多维立体评估网络。

^{时间演变特征}

基于EFAST-TOPSIS模型的量化结果显示，2010-2021年黄河流域河南段城市内涝韧性指数呈现稳健上升趋势（从0.41增至0.49），犹如一条持续攀升的“韧性曲线”。郑州作为区域核心展现出辐射带动效应，形成中部高、周边渐低的空间格局。子系统分析揭示出“抵抗主导、适应趋同、恢复滞后”的差异化特征——就像人体免疫系统，防御能力强但修复机能仍需加强。

^讨论

研究发现与近年来中国城市韧性提升趋势相吻合，这得益于生态文明建设与国家安全战略的双轮驱动。特别有趣的是，SHAP模型解析出保险密度（如同城市“防灾保险丝”）与人均可支配收入（反映个体抗逆资本）对韧性提升具有非线性助推作用，而广播人口覆盖率（信息传播神经网络）和基础设施投资（城市血管系统）则构成韧性跃升的关键杠杆点。这些发现为精准制定韧性干预策略提供了“基因编辑”式的科学依据。

^结论

研究证实黄河流域河南段城市内涝韧性呈持续增强态势，并识别出四类核心驱动因子。建议未来韧性建设应注重：1）构建“免疫-适应-再生”三位一体的韧性循环系统；2）强化基于大数据画像的差异化治理；3）推动跨尺度协同的流域韧性共同体建设。