《Water》：Comparing Machine Learning Algorithms for Nationwide Flood Susceptibility Mapping in South Korea: Spatial Generalization to an Unseen City
编辑推荐：
与气候变化相关的强降雨增加以及城市化的持续推进，使得从空间上识别洪涝易发区并采取主动应对措施变得愈发重要。本研究构建了韩国全国范围的100米网格洪水易发性地图，并在相同输入数据和空间划分条件下，比较了CatBoost、XGBoost和基于面片的卷积神经网络（p
与气候变化相关的强降雨增加以及城市化的持续推进，使得从空间上识别洪涝易发区并采取主动应对措施变得愈发重要。本研究构建了韩国全国范围的100米网格洪水易发性地图，并在相同输入数据和空间划分条件下，比较了CatBoost、XGBoost和基于面片的卷积神经网络（patch-based CNN）的空间泛化性能。洪水标签由通过国家灾害与安全门户API收集的38003个洪水痕迹多边形构建而成。经过质量检查、校正和重建后，使用了与地形、水文、土地覆盖、植被、土壤和地质相关的11个空间变量作为输入。釜山广域市被完全排除在训练、早停和模型选择之外，其65727个有效网格单元（自然洪水率3.50%）被用作地理外部评估集。在非釜山区域，应用了16公里空间分块和1.6公里缓冲区，以防止训练与评估面片之间的空间重叠。在釜山外部评估中，三个模型的ROC-AUC值相近，介于0.831至0.835之间，而CNN取得了最高的PR-AUC（0.142）和F1分数（0.204）——分别为随机预测基线的4.1倍，而CatBoost和XGBoost仅为2.7倍和2.8倍——表明其在保持可比召回率的同时减少了假阳性。各模型的相对优势因评估指标而异，这表明在自然类别不平衡条件下，以及在评估训练中未见过的城市时，需要综合解读ROC-AUC、PR-AUC和固定阈值指标。
研究背景与现存问题
随着气候变化导致的短时强降水和极端降雨事件频率与强度增加，以及城市化进程中不透水面的扩张，洪水发生的可能性及其造成的损失不断上升。在城市区域，快速地表径流超出河流与排水系统的承载能力会引发内涝；而在低洼和临河地区，地形和水文条件则主导着淹没的空间分布。因此，主动减少洪灾损失的关键在于，结合历史洪水记录与地形、水文及土地覆盖特征，从空间上识别高度易受洪涝影响的区域。
洪水易发性地图（flood susceptibility map）提供的是基于物理和环境条件的相对洪水发生可能性的空间信息，它不同于同时考虑暴露资产及其脆弱性的洪水风险地图（flood risk map）。此类地图可作为识别易涝区和支撑防洪减灾及空间规划的基础数据。在大范围评估时，这些地图能为将有限的行政和财政资源优先分配给相对脆弱的区域提供依据。因此，对于洪水易发性地图而言，不仅研究区内的预测精度至关重要，其在不同区域条件下可靠应用的空间泛化性能同样关键。
早期研究主要依赖专家判断的多准则决策技术（如层次分析法AHP）和统计数据驱动方法（如频率比、证据权重、逻辑回归）。随后支持向量机（SVM）和人工神经网络（ANN）被引入，自2010年代末以来，随机森林（RF）、梯度提升及混合集成模型的应用和对比评估日益增多。这些数据驱动模型能够学习洪水发生与其影响因素之间的非线性关系以及变量间的交互作用。然而，其相对性能会随所用洪水清单、输入变量、样本组成、空间分辨率和验证设计的不同而变化。近年来，基于卷积神经网络（CNN）和地理空间人工智能（GeoAI）的方法开始兴起，它们不仅能学习单个点或中心网格单元的变量值，还能学习周围网格单元的空间布局。尽管如此，CNN的相对性能优势在不同研究条件下并不一致；空间面片输入的价值更在于其能表征中心单元周围的变量值及其空间配置与上下文环境。
研究范围也从单个流域和城市扩展到了国家尺度。尽管已有研究证明了国家尺度建模的可行性，但由于空间分辨率、洪水标注方式、样本组成和空间验证设计各不相同，直接比较报告的性能需谨慎。在韩国本土的研究中，主要研究空白不在于全国尺度的分析或深度学习本身的应用，而在于对模型在开发过程中未观测区域的空间可迁移性进行严格评估。
洪水易发性模型的性能深受采样和空间验证设计的影响。忽略空间结构的随机划分会保留相邻训练与评估样本间的空间依赖性，从而在未观测区域产生过于乐观的性能估计。此外，在不平衡二分类任务中，仅靠受试者工作特征曲线下面积（ROC-AUC）不足以评估对正类的检测性能，因此也应评估精确率-召回率曲线下面积（PR-AUC），且洪水与非洪水样本的比例还可能影响评估结果。然而，很少有研究能在控制空间面片直接重叠的前提下，将基于中心网格的树模型与基于空间面片的CNN在原始类别比例下进行比较，并将整个大城市从训练、早停和模型选择中排除。
在国家尺度的洪水易发性评估中，输入空间数据的质量和一致性同样重要。由不同机构编制、源自不同来源的空间数据集在整合时，可能出现坐标系、空间分辨率、网格原点和对齐、缺失数据区域、空间范围和类别编码的不一致，这可能导致模型学习到数据编译过程中的误差而非真实的洪水发生机制。因此，对输入栅格进行系统性质量检查并将其对齐到统一网格，应被视为国家尺度模型开发的先决条件。
研究内容与结论
本研究旨在构建全国范围的100米网格洪水易发性地图，并在相同的11个源空间变量图层和相同的数据划分下，比较基于中心网格的CatBoost和XGBoost模型与基于16×16空间面片的卷积神经网络（CNN）的空间泛化性能。为此，研究人员通过国家灾害与安全门户API收集了38003个洪水痕迹多边形，经筛选后转换为100米网格，并将11个空间变量在经过全面质量检查、校正和重建后，对齐到一个共同的EPSG:5179 100米网格上。釜山广域市被完全排除在训练、早停和模型选择之外，其所有有效网格单元均用于外部地理评估。对于该国其余地区，应用了16公里空间分块划分和1.6公里缓冲区以防止面片重叠。
研究得出的主要结论包括：在釜山全城外部评估中，三个模型的ROC-AUC值相近（0.831-0.835），而CNN取得了最高的PR-AUC（0.142）和F1分数（0.204），分别为随机预测基线的4.1倍，而CatBoost和XGBoost仅为2.7倍和2.8倍。这表明CNN的优势不在于检测到更多洪水网格单元，而是在保持可比召回率的同时产生了更少的假阳性。各模型的相对优势因评估指标而异，表明在自然类别不平衡条件下评估未见城市时，需要综合解读ROC-AUC、PR-AUC和固定阈值指标。
关键技术方法
研究人员采用了三种主要的机器学习模型进行比较：CatBoost、XGBoost和卷积神经网络（CNN）。CatBoost和XGBoost均为基于梯度提升的决策树集成模型，它们利用每个100米网格单元提取的11个输入变量作为单一特征向量来预测洪水发生。CNN是一种深度学习模型，它以一个16×16多通道面片（patch）作为输入，每个通道代表一个与洪水相关的变量（如DEM、坡度、TWI等），通过学习相邻网格单元的地形和环境条件的空间排列来预测中心网格单元的洪水状态。研究中使用了来自韩国行政安全部国家灾害与安全门户API的38003个洪水痕迹多边形（2002-2022年）作为洪水标签来源，排除了潮汐或风暴潮原因的记录及小于100平方米的多边形。研究区域覆盖整个韩国领土，其中釜山广域市被完全排除于训练、早停和模型选择之外，专门用作地理外部评估集。
研究结果
3.1 模型性能比较
在内部空间测试集中，CatBoost取得了最高的ROC-AUC（0.897），而CNN记录了最高的平均精确率（AP，0.711）和F1分数（0.619）。在釜山全城外部评估中，XGBoost取得了最高的ROC-AUC（0.835），而CNN记录了最高的AP（0.142）和F1分数（0.204）。在0.50阈值下，CatBoost、XGBoost和CNN检测到的实际洪水数量分别为1472、1438和1433个，召回率分别为0.640、0.625和0.623。相比之下，CNN产生的假阳性最少（10338个），低于CatBoost的12278个和XGBoost的11325个，因此获得了最高的精确率（0.122）和F1分数（0.204）。因此，CNN的区分度不在于检测到更多洪水单元，而在于在维持相似召回率的同时减少了假阳性。
3.2 洪水易发性制图
所有三个模型估算的高洪水易发性区域主要分布在河流网络周边、低洼地区以及沿海和平原区域，其空间格局与观测到的洪水清单大致相似。CatBoost和XGBoost估算的中等高或更高易发性区域范围相对较广，而CNN显示高易发性区域更连续地集中在沿河轴线及低洼地带。在釜山评估区，三个模型估算的高易发性区域主要在观测到洪水历史的区域，CNN倾向于将高易发性区域集中在观测到洪水历史的位置附近，其高易发性区域与河岸和低洼地区等有利于洪水的空间条件对应较好。
3.3 模型解释
皮尔逊相关分析显示，坡度与TWI之间存在最强相关性（r=-0.852），TWI与GNDVI（r=-0.670）、DEM与坡度（r=0.660）、DEM与TWI（r=-0.634）也存在较强相关性。SHAP分析表明，所有三个模型都将TWI、DEM和GNDVI作为相对重要的变量。对于CatBoost，DEM、距河流距离（DisRiver）、TWI、GNDVI和地质类别（GeolClass）是关键变量；对于XGBoost，TWI、DEM、GNDVI、DisRiver和坡度是排名靠前的变量；在CNN中，TWI、DEM、GNDVI、坡度和排水等级（DrainageGrade）构成了关键通道。这表明虽然三个模型都共同使用了地形湿度潜力、高程和植被条件信息，但不同模型结构赋予了其他变量不同的额外重视程度。
讨论与结论
讨论总结：各模型的相对性能随评估指标和评估集的变化而变化，不存在某个模型的持续优越性。在釜山外部评估中，树模型记录了最高的ROC-AUC，而CNN记录了最高的AP和F1分数。CNN的相对优势在于减少假阳性而非检测更多洪水单元。这种性能模式可能与模型输入结构和空间信息利用方式的差异有关。在空间分布上，CNN显示出更极化的得分分布，将输出更多地集中在低分和极高分区段，且其观测洪水率随易发性等级单调递增，而树模型则在最高等级出现下降。SHAP分析表明，三个模型都利用了TWI、DEM和GNDVI作为主要预测信息，但对DisRiver、坡度和DrainageGrade的贡献存在差异。研究局限性包括：外部评估仅限于釜山一市，未纳入高分辨率城市基础设施数据，标签不确定性源于源数据位置精度和网格化规则，自然低洪水率下的精确率有限，以及未进行多次种子平均或概率集成。未来研究应涵盖多个城市的留一法外部评估、概率校准、集成高分辨率城市基础设施与降雨时间序列数据，以及评估性能不确定性。
研究结论翻译：本研究利用11个校正和重建后的空间变量，为整个韩国构建了一幅100米分辨率的洪水易发性地图，并比较了CatBoost、XGBoost和基于面片的CNN。釜山广域市被完全排除在训练、早停和模型选择过程之外，对非釜山区域应用了空间分块划分。在对整个釜山区域的外部评估中，CatBoost、XGBoost和CNN的ROC-AUC值分别为0.8306、0.8354和0.8322，PR-AUC值分别为0.0936、0.0986和0.1425。在0.50阈值下，F1分数分别为0.1834、0.1909和0.2037。XGBoost取得了最高的ROC-AUC；CNN取得了最高的PR-AUC、精确率和F1分数；CatBoost取得了最高的召回率。因此，各模型的相对优势随评估指标的不同而不同。在SHAP分析中，三个模型共同使用TWI、DEM和GNDVI作为主要预测信息，而DisRiver、坡度和DrainageGrade的相对贡献在各模型间存在差异。然而，由于在自然低洪水率条件下精确率有限，且输出得分未应用概率校准，这些结果应被解释为在未见城市中优先排序相对脆弱区域的手段，而非用于实际操作的真正洪水概率。
