用于评估大规模基准数据库中洪水淹没预测的框架

《Environmental Modelling & Software》：A Framework for the Evaluation of Flood Inundation Predictions Over Extensive Benchmark Databases

洪水淹没映射评估框架FIMeval基于像素级和影响级指标，整合高分辨率遥感与模型预测数据，开发了模块化开源工具，支持多案例研究验证。摘要：FIMeval是一种开放源代码的洪水淹没映射评估框架，包含基准数据库（含四级遥感及模型数据）和自动化处理流程，支持AOI、SE、CH三种区域选择方法，可计算FPR、CSI、POD等指标，并结合建筑 footprint进行影响分析。应用案例包括2016年密西西比河洪水和飓风马修事件，以及基于FEMA的100/500年洪涝模拟。结果表明CH方法在降低误报率（FPR平均降低24.6%）和提升模型准确性（CSI平均提高7.7%）方面优于SE，但需结合具体地形选择方法。

　　### 研究背景与重要性

洪水淹没图（Flood Inundation Map, FIM）是用于预测和评估洪水灾害的重要工具。FIM能够提供关于洪水淹没范围、危险区域划分、洪水深度以及水流路径等关键信息，对灾害管理机构制定应急行动计划具有重要意义。传统的方法通常基于像素级别的比较，这种方法虽然直观，但往往耗时且容易出错。为了解决这些问题，研究者们开发了FIMeval这一开源工具集，用于大规模FIM的评估。

FIMeval与一个基准数据库相连，该数据库包括美国大陆地区的高质量FIM基准，这些基准来源于遥感技术和高保真模型预测数据。通过引入FIMeval，研究者们能够更有效地评估模型预测的FIM与基准FIM之间的差异。此外，FIMeval还整合了基于影响的评估方法，利用建筑物的足迹数据来分析洪水对建筑的影响。这种方法能够提供更全面的评估，帮助决策者更好地理解洪水的潜在危害。

### FIMeval的核心功能

FIMeval的主要功能包括像素级别的比较、去除永久水体、选择感兴趣区域（Area of Interest, AOI）以及基于影响的评估。在FIMeval中，模型预测的FIM（M-FIM）与基准FIM（B-FIM）被转换为二进制栅格数据，其中淹没区域被标记为2，非淹没区域被标记为0。去除永久水体是确保评估仅针对洪水水体的重要步骤，通过将永久水体的像素排除在外，可以减少误判的可能性。

选择AOI是FIMeval评估流程中的关键步骤，因为它影响评估结果的准确性。FIMeval提供了三种不同的AOI选择方法：用户自定义的洪水范围、最小范围（Smallest Extent, SE）和凸包（Convex Hull, CH）。SE方法通过找到B-FIM和M-FIM的交集来确定评估区域，而CH方法则通过计算所有淹没像素的最小包围多边形来定义评估范围。这两种方法各有优劣，SE方法能够减少计算量，但可能忽略某些洪水区域，而CH方法则能提供更精确的洪水边界，但可能因洪水形状的凹凸而引入偏差。

### 基准数据库的构建

为了确保FIMeval的评估结果具有可靠性，研究者们构建了一个多层次的基准数据库。该数据库包括不同来源的FIM，如遥感数据和高保真模型预测数据。数据库分为四个层级，每个层级代表不同的数据质量和分辨率。例如，Tier 1的FIM具有最高的分辨率（40厘米），而Tier 4的FIM则基于FEMA的Base Level Engineering（BLE）数据，具有10米的空间分辨率。

通过使用这些多层次的基准数据，FIMeval能够更全面地评估不同模型的性能。此外，基准数据库还支持与AWS S3存储的无缝集成，使得永久水体数据的获取和处理更加高效。这种集成不仅提高了数据的可访问性，还减少了人工干预，使得整个评估流程更加自动化。

### FIMeval的应用实例

为了验证FIMeval的有效性，研究者们使用了多个案例研究。其中包括2016年美国中西部洪水和飓风Matthew引发的洪水。在这些案例中，FIMeval展示了其在不同评估方法下的表现，如SE和CH。研究结果显示，不同的评估方法对性能指标（如CSI、POD、F1分数和FPR）产生了显著的影响。

在2016年中西部洪水案例中，FIMeval的评估结果与GVAL（另一个常用的评估工具）相比显示出较高的效率和一致性。此外，FIMeval在基于建筑物影响的评估中也表现出色，能够准确计算建筑物被淹没的数量。这些结果表明，FIMeval不仅能够提供精确的统计评估，还能够通过建筑物的影响分析来增强评估的实用性。

### FIMeval的软件架构与安装

FIMeval是一个基于Python的开源框架，其代码结构模块化，便于用户根据需求进行扩展和定制。研究者们利用Jupyter Notebook来实现FIMeval的功能，使得用户能够轻松地进行交互式评估。此外，FIMeval还支持在ArcGIS Pro中作为地理处理工具使用，为不具备编程技能的用户提供了一个图形化界面。

FIMeval的安装过程相对简单，用户可以通过“pip install fimeval”命令在本地系统或云平台上进行安装。安装过程中，所有依赖库和工具都会被自动下载，确保了框架的完整性和可用性。为了提高用户的使用体验，研究者们还计划在未来版本中将基准数据库与预定义的文件夹结构集成，从而简化数据管理和处理流程。

### 计算效率与性能评估

FIMeval在计算效率方面表现出色，特别是在处理大规模的洪水淹没数据时。通过使用SE和CH方法，FIMeval能够在较短的时间内完成评估任务，同时保持较高的准确性。例如，在45个HUC-8流域的评估中，FIMeval的计算时间仅为约1小时4分钟，这比传统的评估方法更为高效。

此外，FIMeval在处理建筑物影响分析时也显示出良好的性能。虽然这一过程需要额外的时间，但其结果能够提供更详细的洪水影响信息。通过将建筑物足迹数据与混淆矩阵栅格进行叠加，FIMeval能够更精确地评估模型预测的洪水对建筑物的影响，从而为灾害管理提供更有价值的信息。

### 结论与未来展望

FIMeval的引入为洪水淹没图的评估提供了新的方法和工具。通过其模块化的架构和开源特性，FIMeval能够适应不同的评估需求，并为用户提供灵活的解决方案。研究结果表明，FIMeval在统计评估和基于影响的评估方面都表现出色，能够有效减少评估过程中的偏差和不确定性。

未来，研究者们计划进一步增强FIMeval的功能，包括引入基于对象的评估方法，以减少传统像素评估方法带来的偏差。此外，他们还希望将FIMeval与FIMserv集成，以实现更高效的模型预测和评估流程。这些改进将有助于提高FIMeval的适用性和准确性，使其成为洪水评估领域的标准工具之一。

### 贡献与合作

本研究的作者们各自在FIMeval的开发和应用中做出了重要贡献。Dipsikha Devi负责撰写原始草稿、可视化、验证、方法学、数据管理和概念化。Supath Dhital则专注于评审和编辑、可视化、软件开发和方法学。Yixian Chen和Anupal Baruah参与了撰写、验证和方法学的制定。Sagy Cohen提供了监督、资源、调查、资金获取和概念化方面的支持。Dinuke Munasinghe负责撰写、验证、软件开发和方法学。Dan Tian参与了撰写和资源管理，而Carson Pruitt则负责资源和方法学的协调。

通过这些作者的共同努力，FIMeval不仅在技术上得到了完善，还在实际应用中展现了巨大的潜力。未来，随着更多功能的加入和更广泛的使用，FIMeval有望成为洪水评估领域的重要工具，为灾害管理和应对提供更准确和可靠的数据支持。