《International Journal of Disaster Risk Science》：Flood Exposure and Governance Insights for the Dongting Lake Region under Climate Change and Urbanization
编辑推荐：
摘要专业翻译
在气候变化与快速城市化的双重压力下，作为中国重要粮食产区的洞庭湖区域，其洪水风险在过去二十年间持续加剧。然而，该区域洪水暴露的时空变化及其驱动机制尚不明确，制约了有效的洪水风险减缓与管理工作。本研究利用多源遥感影像与人口数据，量化了2000—20
摘要专业翻译
在气候变化与快速城市化的双重压力下，作为中国重要粮食产区的洞庭湖区域，其洪水风险在过去二十年间持续加剧。然而，该区域洪水暴露的时空变化及其驱动机制尚不明确，制约了有效的洪水风险减缓与管理工作。本研究利用多源遥感影像与人口数据，量化了2000—2020年间洞庭湖区域五次典型洪水事件（2002年8月、2010年7月、2016年7月、2017年7月及2020年7月）中的人口暴露情况，并选取具有可比性的洪水事件分析暴露动态变化。进一步应用XGBoost-SHAP框架，检验环境与社会经济因素对洪水暴露的非线性影响。研究结果表明：（1）洞庭湖洪泛区中93.2%的区域处于低洪水暴露水平，中高暴露区域集中于城市及支流附近；（2）东洞庭湖周边洪水暴露人口比例呈持续上升趋势，分解分析表明淹没范围扩张对这一趋势的贡献强于人口再分布；（3）人口密度、建筑密度、年均气温、地形湿度指数（TWI）及植被覆盖度是塑造洪水暴露格局的重要驱动因子。本研究为长江沿岸滨湖城市区域的洪水韧性规划提供了科学依据，并支持气候变化背景下的适应性洪水管理。
论文解读文章
一、研究背景与问题提出
在全球气候变化与人类活动加剧的双重驱动下，越来越多的人口暴露于洪水灾害的影响之下，尤其在湖泊区域，人口与基础设施高度集中，洪水威胁尤为突出。城市化进程推动滨湖、滨河城市向洪泛区及低洼地带扩张，显著增加了人口对洪水的暴露程度。同时，不透水面的增长、水资源需求上升及围湖造田等人类活动削弱了湖泊的洪水调蓄能力，破坏了自然的洪水滞留功能。气候变化背景下极端降雨事件愈发频繁，湖泊区域对气候变化的敏感性较高，水文过程受到扰动，进一步加剧了洪水风险。
尽管洪水暴露研究日益受到关注，但现有研究多聚焦于单一洪水事件或较短时间尺度，缺乏对长期、多事件洪水暴露的系统分析。传统线性模型仍占主导地位，对洪水暴露的非线性驱动机制理解不足，尤其在具有复杂水文过程和强烈人类活动的湖泊区域。此外，基于行政单元的分析常受空间均质化限制，难以揭示精细尺度的暴露格局。这些局限性制约了对湖泊区域洪水暴露变化及其驱动因素的深入认识，可能削弱洪水减缓策略的有效性。因此，亟需对代表性湖泊区域开展精细研究，以阐明洪水暴露的长期变化及其复杂的非线性驱动机制。
二、研究内容与核心发现
本研究聚焦洞庭湖区域，构建了整合多源遥感数据与可解释XGBoost-SHAP模型的分析框架。利用2000—2020年间五次重大洪水事件的淹没范围与人口数据，构建了洪水暴露数据集。将气候变化、城市化及经济发展作为关键驱动因子，量化其对洪水暴露的贡献与非线性影响，同时揭示空间异质性。研究框架旨在增进对长期多事件洪水暴露的理解，为洪水管理与灾害韧性规划提供支撑。
研究得出以下核心结论：洞庭湖洪泛区中93.2%的区域处于低洪水暴露水平，中高暴露区域集中于城市及支流附近，长沙与岳阳两城市在五次洪水事件中均受到严重影响。五次事件中，2004年洪水暴露人口最多，约601,500人，占当时总人口的2.6%；2016年洪水影响面积最大，受影响人口约380,300人。五次洪水事件暴露总人口超过164万，平均每次约329,100人。在2012、2016和2020年三次水文可比洪水事件中，淹没范围扩张对暴露动态的贡献强于人口再分布。东洞庭湖周边区域被识别为洪水暴露比例持续上升的热点区域，对淹没扩张高度敏感。人口密度、建筑密度、年均气温、地形湿度指数及植被覆盖度被确认为塑造洪水暴露格局的重要驱动因子。
三、主要技术方法
研究人员采用了多源遥感数据与机器学习相结合的技术路线。遥感数据方面，使用了Landsat光学影像、Sentinel雷达影像及MODIS影像，其中2002年洪水因云层干扰采用增强型时空自适应反射率融合模型（ESTARFM）算法进行影像融合。水体提取方面，光学影像采用改进型归一化差异水体指数（MNDWI），雷达影像采用VH极化单波段自适应全局阈值法，并结合数字高程模型（DEM）去除阴影区域。人口数据来自全球人类居住层（GHSL）的GHS-POP-R2023A数据集，以1km×1km网格进行暴露量化。驱动因子分析采用XGBoost回归模型结合SHAP解释方法，选取地形湿度指数（TWI）、年均气温（AAT）、7日总降水量（STP）、人口数量（NI）、归一化差异植被指数（NDVI）、建筑密度（BD）、国内生产总值（GDP）、耕地密度（CD）及距水体距离（DSW）九个潜在驱动因子。此外，研究利用城陵矶与南咀水文站水位数据验证洪水可比性，并采用反事实分解方法量化淹没变化与人口再分布的相对贡献。
四、研究结果
4.1 洪水暴露识别与时空分布
五次洪水事件的水体提取总体精度（OA）均超过90%，Kappa系数均高于70%，提取精度较高。洪水暴露以低暴露为主，五次事件洪泛区平均93.2%处于低暴露水平。中高暴露集中于城市与支流附近，长沙与岳阳在五次事件中均受严重影响。2004年暴露人口最多，2016年影响面积最大。
4.2 洪水暴露变化趋势
基于城陵矶与南咀水文站警戒水位选取2012、2016和2020年三次水文可比洪水事件进行分析。结果显示，2016年40%区域暴露人口比例上升，2020年36%区域下降。反事实分解分析表明，淹没范围变化对暴露动态的贡献强于人口再分布，人口再分布起次要或抵消作用，交互项显示两驱动因子间存在协同效应。
4.3 洪水暴露驱动因素
SHAP分析识别出人口数量（NI）、建筑密度（BD）、年均气温（AAT）、地形湿度指数（TWI）和植被覆盖度（NDVI）为洪水暴露的关键驱动因子。人口数量具有最显著的影响，建筑密度呈现正负双向效应，年均气温的影响在五次事件中持续增强。降水对洪水暴露的贡献有限，归因于降水与洪水响应间的时空滞后效应。偏依赖图（PDP）揭示了各驱动因子的非线性响应模式。
4.4 模型性能评估
XGBoost模型平均决定系数（R2）为0.63，有效捕捉了驱动因子与洪水暴露间的非线性关系。2002、2004和2012年的R2相对较低，归因于影像融合误差、云层干扰及样本量限制等因素。
五、讨论与结论
2024年东洞庭湖洪水事件验证表明，2024年洪水暴露人口比例较2020年显著增加，证实了该区域相对洪水暴露的持续加剧。分解分析显示，2012—2016、2016—2020及2020—2024三个时期，淹没范围变化对暴露动态的平均贡献为+135.15%，而人口再分布的平均贡献为?11.6%，进一步印证了东洞庭湖区域洪水暴露对淹没扩张的高度敏感性。
在防洪可持续发展方面，2024年7月洞庭湖管涌溃堤事件暴露了传统工程防洪措施的脆弱性。研究表明，仅关注水与人矛盾的洪泛区管理不可持续，基于自然的解决方案（NBS）与综合管理策略可能提供更可持续的防洪路径。地形湿度指数作为关键驱动因子，凸显了空间规划在洪水管理中的重要性。
本研究提出的分析框架可推广至其他洪水易发湖泊区域，但需根据当地条件重新校准相关参数。研究的主要局限性包括：影像融合算法可能影响小型水体提取精度、遥感技术无法保证捕捉洪水最大淹没范围、以及部分人类活动驱动因子未被纳入分析。
研究结论指出，洞庭湖区域洪水管理应优先考虑适应性规划、生态修复与智慧风险响应。关键措施包括扩大自然蓄洪能力、限制高风险洪泛区开发、在高暴露区域推进风险导向的搬迁与适应性土地利用规划，以及加强实时洪水监测与多源预警系统建设。未来研究应进一步将气候变化不确定性纳入长期洪水暴露预测，并加强跨学科方法在变化环境下的适应性洪水风险管理应用。
