基于LightGBM-NSGA2混合模型的透水面空间优化提升城市内涝韧性研究

针对城市更新中透水面空间布局优化效率低、传统模型忽略周边单元空间特征的问题，研究人员提出融合LightGBM（轻量梯度提升机）和NSGA2（非支配排序遗传算法）的混合模型，实现洪水风险降低25.4%，中高风险区历史内涝点减少58.82%，为海绵城市建设和低影响开发（LID）提供创新技术路径。

　　

随着城市化进程加速，中国154个城市年均遭受内涝灾害，直接经济损失占GDP的0.35%（2011-2018年数据）。传统依赖地下管网改造的防洪策略成本高昂且破坏生态，而低影响开发（Low Impact Development, LID）理念下透水面空间优化成为提升城市韧性（Resilience）的关键。然而，现有土壤保持服务水文模型（SCS）等静态模型忽略周边单元空间特征，且优化效率低下。针对这一难题，广州大学的研究团队在《Habitat International》发表研究，提出融合LightGBM和NSGA2算法的混合优化模型。

研究采用三大关键技术：1）基于滑动窗口提取透水面景观格局指数（面积、形状、聚集度）；2）整合高程、坡度等6类因子构建LightGBM洪水风险评估模型；3）耦合NSGA2算法实现多目标优化。结果显示，LightGBM的预测准确率达0.92-0.94，显著优于ANN（0.64精度）和SVM（0.71精度）；优化后极高风险区面积减少66.49%，验证了模型在保留城市景观结构的同时提升防洪效能的突破性。

研究结果

1. 不同机器学习算法对比
   LightGBM在测试集上精准度（Precision）和召回率（Recall）达0.78/0.76，较ANN（0.64/0.78）和SVM（0.71/0.59）更均衡，表明其能同时准确识别内涝与非内涝样本。

2. 帕累托前沿解集
   超体积（Hypervolume, HV）指标显示，算法在100代内快速扩展帕累托前沿，800代后收敛稳定，证明NSGA2有效平衡透水面布局优化与风险控制目标。

3. 优化效果验证
   总透水面面积不变前提下，中高风险区历史内涝点减少58.82%，极端高风险区面积下降66.49%，证实空间重组而非简单减量可显著改善水文效应。

结论与意义
该研究首次将透水面周边单元空间特征纳入评估体系，LightGBM-NSGA2模型较传统SCS模型优化效率提升显著。成果为城市更新中的韧性规划提供两重创新：技术上，突破静态水文模型局限，实现动态空间耦合优化；实践上，为海绵城市政策落地提供可量化工具。研究团队赵炬超等强调，该方法可扩展至流域管理、热岛缓解等空间优化场景，推动“基于自然的解决方案”（Nature-based Solutions, NbS）在城市治理中的应用。