《Frontiers in Environmental Science》：Integration hierarchical analysis process (AHP) and geographic information systems to map flood risk levels in the province of Utcubamba, Peru
编辑推荐：
中文翻译：洪水是全球最常见且破坏性最强的自然灾害之一，造成重大经济损失和人员伤亡。在秘鲁，这一问题尤为严峻，约151万居住在洪水易发区的人口受到影响。本研究旨在利用半定量方法，整合层次分析法（Analytic Hierarchy Process, AHP）、地
中文翻译：洪水是全球最常见且破坏性最强的自然灾害之一，造成重大经济损失和人员伤亡。在秘鲁，这一问题尤为严峻，约151万居住在洪水易发区的人口受到影响。本研究旨在利用半定量方法，整合层次分析法（Analytic Hierarchy Process, AHP）、地理信息系统（Geographic Information System, GIS）工具及加权线性组合（Weighted Linear Combination, WLC），识别并绘制秘鲁亚马孙大区乌特库班巴省洪水易发区域。研究人员选取了归入地形、地貌、水文、气候和人为五大因子的15个条件变量，进行加权与空间叠加。层次分析法一致性比率（CR = 0.076）验证了模型的方法学有效性。结果表明，省级领土约401.39 km2（10.09%）呈现极高洪水风险，主要集中在亚马孙大区人口最多的城市巴瓜格兰德，而824.25 km2（22.47%）对应高风险区域。模型验证采用两种互补方法：（1）将相对平均误差（Relative Mean Error, RME）与均方根误差（Root Mean Square Error, RMSE）方法应用于来自INDECI/SINPAD国家应急数据库的585条地理参考洪水事件记录，得出RME = 12.82%（表现良好）和RMSE = 0.7845；（2）受试者工作特征（Receiver Operating Characteristic, ROC）曲线分析，曲线下面积（Area Under the Curve, AUC）为0.816（95%置信区间：0.721–0.895），证实了模型良好的判别能力。上述结果凸显了该区域开展国土空间规划与灾害预防措施的迫切性，同时论证了AHP-GIS方法在数据稀缺的热带地区洪水风险评估中的稳健性与可复制性。
论文解读
一、研究背景与意义
洪水是全球最常见且破坏性最强的自然灾害之一，造成巨大的经济损失和人员伤亡。近年来，受环境退化、气候变化、人口快速增长以及不合理土地利用等因素影响，洪水发生频率显著增加。根据世界经济论坛《2025年全球风险报告》，极端天气事件在过去两年位列全球第二大风险，在过去十年中位列第一大风险。秘鲁是受影响最严重的国家之一，约有151万人居住在洪水易发区。1981至2021年间，该国共发生414次洪水，摧毁42628栋房屋，另有75680栋受到影响。其中最具灾难性的事件发生于2017年沿海厄尔尼诺现象期间，造成极端降雨、严重洪水、107人丧生及北部秘鲁重大经济损失。
在数据稀缺的热带山间盆地环境中，洪水易发性受降雨、地形形态、水系组织、坡面动态、岩性、土地利用和暴露模式之间相互作用的控制。乌特库班巴省位于秘鲁亚马孙大区，近年经历了显著的城市扩张，且扩张方向朝向低承载力的土地和乌特库班巴河附近区域，增加了基础设施和人口对洪水的脆弱性。该省主要支流乌特库班巴河正经历生态水质退化，加上河岸的城市和人为压力，导致河床改道和退化。然而，秘鲁在利用先进方法论和技术手段开展洪水研究方面仍较为有限。因此，本研究作为乌特库班巴省首个市级尺度的系统性洪水风险制图工作，采用AHP-WLC模型，整合多种变量并经过严格的统计验证，具有重要的方法学创新意义和应用价值。
二、研究内容与主要技术方法
研究人员以秘鲁亚马孙大区乌特库班巴省（面积约3850.93 km2，下辖巴瓜格兰德、埃尔米拉格罗、卡哈鲁罗、昆巴、隆亚格兰德、哈马尔卡和亚蒙七个区）为研究区，利用层次分析法（AHP）结合地理信息系统（GIS）工具和加权线性组合（WLC）方法，对洪水风险进行系统制图。研究选取了分属地形、地貌、水文、气候和人为五大因子的15个条件变量，包括高程、坡度、剖面曲率、平面曲率、地形粗糙度指数（TRI）、地形位置指数（TPI）、地形湿度指数（TWI）、水流动力指数（SPI）、洼地、降水、改进型归一化差异水体指数（MNDWI）、河网密度、土地利用、人口密度和距河流距离。数据来源包括SRTM数字高程模型（30 m分辨率）、WorldClim降水数据、Landsat 8卫星影像、秘鲁交通通信部地理门户及国家人口普查数据，均在QGIS软件中处理并统一重采样至30 m分辨率。研究采用Pearson相关分析检验变量间的多重共线性，通过AHP构造15×15成对比较矩阵确定各变量权重，使用Jenks自然断点法将各变量重分类为五个风险等级，最终通过加权线性组合生成洪水风险图，并采用相对平均误差（RME）、均方根误差（RMSE）和受试者工作特征（ROC）曲线进行模型验证。
三、研究结果
AHP模型性能评估：层次分析法生成矩阵的一致性比率（CR）为0.076，低于Saaty推荐的10%阈值，验证了结果的连贯性。各变量中，降水（Pp）的优先向量最高，为14.29%，其次为坡度（P）的13.53%和高程（E）的13.16%，表明降雨强度和地形条件是决定该区域洪水发生和规模的关键因素。
洪水风险空间分布：通过加权线性组合生成的洪水风险图显示，约401.39 km2（10.09%）的省级领土呈现极高洪水风险，主要集中在巴瓜格兰德——亚马孙大区人口最多的城市；824.25 km2（22.47%）对应高风险区域。地形和水文变量的最高易感性值集中在乌特库班巴河及其主要支流的洪泛平原，而人为变量在巴瓜格兰德城市中心及周边城郊区域呈现最大值。
模型验证：采用两种互补方法验证模型性能。其一，将相对平均误差（RME）和均方根误差（RMSE）方法应用于来自INDECI/SINPAD国家应急数据库的585条地理参考洪水事件记录，得出RME = 12.82%（表现良好）和RMSE = 0.7845。其二，受试者工作特征（ROC）曲线分析产生曲线下面积（AUC）为0.816（95%置信区间：0.721–0.895），证实模型具有良好的判别能力。
四、讨论与结论
讨论部分指出，AHP-GIS方法在数据稀缺的热带山间流域洪水风险评估中具有独特优势，相比需要大量历史洪水记录进行训练的机器学习方法，该方法整合了可获取的空间变量、专家判断和地貌信息，为市级和流域尺度的洪水风险评估提供了实用框架。研究结果凸显了该区域开展国土空间规划与灾害预防措施的紧迫性，同时论证了AHP-GIS方法在数据稀缺热带地区洪水风险评估中的稳健性与可复制性。研究结论强调，该模型不仅适用于乌特库班巴省，还可推广至其他面临洪水问题且数据有限的地区，为发展中国家的灾害风险管理提供科学依据。
