基于多源数据融合的中部特大城市内涝空间异质性解析与治理分区研究

为解决极端降雨与快速城市化叠加加剧的城市内涝风险问题，研究人员整合遥感影像、社交媒体和政府监测数据，构建BERT-BiLSTM-CRF模型提取内涝信息，结合XGBoost-SHAP可解释机器学习方法，揭示了武汉、长沙、郑州三市地形(NDVI)、不透水面(ISR)等6类主导因子的差异化影响机制，并通过K-means聚类提出分区治理策略，为韧性城市建设提供科学依据。

　　

随着全球气候变化加剧，中国中部特大城市正面临"逢雨必涝"的困境。2021年郑州"7·20"特大暴雨造成直接经济损失409亿元，2017年长沙持续强降雨影响145万人口——这些触目惊心的数字背后，暴露出现代化大都市在极端天气面前的脆弱性。传统防洪体系难以应对"百年一遇"的极端降雨，而城市扩张导致不透水面(ISR)激增、绿地萎缩，更使内涝风险雪上加霜。

湖南大学建筑与规划学院的研究团队独辟蹊径，选择武汉、长沙、郑州这三个最具代表性的中部特大城市作为研究对象。他们创新性地融合了三类数据源：通过Sentinel-1 SAR雷达影像识别城郊洪涝区，利用基于BERT-BiLSTM-CRF模型的社交媒体文本挖掘技术捕捉核心区积水点，再辅以政府监测数据验证，最终构建了包含长沙1008个、武汉960个、郑州675个积水点的多年度高时效性内涝地图。这项发表于《Environmental and Sustainability Indicators》的研究，首次系统揭示了中部特大城市内涝成因的空间异质性规律。

研究团队运用三项关键技术：1）通过Google Earth Engine平台处理SAR影像，采用OSTU阈值分割法提取新增积水区域；2）基于Scrapy框架爬取微博数据，结合POI地名库进行地理编码；3）采用Boruta算法筛选特征后，构建XGBoost预测模型，并引入SHAP值解析因子贡献度。

【4.1 内涝灾害时空分布特征】
积水点时空热力图显示：三市73%内涝发生在6-8月，郑州7月峰值达54处。Getis-Ord Gi*分析发现长沙存在3个显著热点区，均位于开发强度高的中心城区，呈现"中心集聚、外围稀疏"的典型空间格局。

【4.2 城市间驱动机制差异】
XGBoost模型（AUC>0.838）揭示：长沙内涝主要受地形主导（E的SHAP值0.183），低洼谷地风险概率达87%；武汉受建设强度（ISR贡献度0.118）和绿地配置双重影响；郑州则呈现NDVI（0.153）与容积率（FAR）的复合作用机制。

【4.3 城市内部分区治理】
PCA降维结合K-means聚类将各市划分为6类治理区：长沙"丘陵地形主导型"区域需严格控高，中心城区应改造排水系统；武汉"建设强度驱动型"区域需灰色-绿色-蓝色设施协同更新；郑州"绿地调节敏感型"区域重点提升绿道连通性。

这项研究构建的"多源数据融合-可解释建模-分区治理"框架，突破了传统防洪研究的三大局限：首次实现社交媒体动态数据与遥感静态数据的时空互补，创新性地将SHAP值作为分区依据，并验证了NDVI在建成区的减灾潜力比郊区高40%。研究提出的"差异化治理单元"概念，为《海绵城市建设指南》修订提供了实证支撑，特别建议郑州等平原城市在新区规划中预留15%应急滞洪空间。未来可进一步结合土地利用演变模拟，预判城市扩张带来的风险迁移规律，推动防洪管理从经验判断向"机理解析-空间优化"的双轨模式转型。