《Journal of Hydrology: Regional Studies》：cUrban–rural flood risk inequality in Pakistan: Coupling social vulnerability and flood susceptibility
编辑推荐：
在全球气候变化、快速城市化及城乡发展差距持续存在的背景下，巴基斯坦洪涝发生频率与损失规模呈持续上升趋势。然而该国社会脆弱性指数(Social Vulnerability Index, SVI)与洪涝易发性指数(Flood Susceptibility Inde
在全球气候变化、快速城市化及城乡发展差距持续存在的背景下，巴基斯坦洪涝发生频率与损失规模呈持续上升趋势。然而该国社会脆弱性指数(Social Vulnerability Index, SVI)与洪涝易发性指数(Flood Susceptibility Index, FSI)的空间分布特征及其耦合交互作用尚未得到充分表征，制约了针对性防灾减灾策略的制定。为此，研究人员构建了城乡洪涝风险评估框架(URSV-FS)：首先采用主成分分析法(Principal Component Analysis, PCA)构建城乡SVI，利用极端梯度提升(eXtreme Gradient Boosting, XGBoost)模型估算FSI；随后将SVI与FSI耦合得到洪涝风险，解析两指数的空间耦合关系；最终基于捕捉2022年极端洪涝事件的夜间灯光(Nighttime Light, NTL)遥感数据验证风险结果并评估城乡洪涝恢复力。结果表明：(1)农村SVI显著高于城市SVI，极高SVI农村区县占比达25.4%，其空间异质性与社会经济发展水平密切相关；(2)XGBoost模型表现优异，受试者工作特征曲线下面积(Area Under Curve, AUC)为0.948，准确率达0.877，土壤类型(沙普利值SHAP=0.833)、归一化植被指数(Normalized Difference Vegetation Index, NDVI)(SHAP=0.662)与坡度(SHAP=0.634)是影响FSI的最关键预测因子，模型将24.4%的研究区划分为高FSI区，主要分布于印度河平原沿河廊道及高度城市化区域；(3)洪涝风险在农村地区广泛分布，13.9%的农村区县属于极高风险区，12.09%的区县同时呈现高SVI与高FSI特征，两类比例均显著高于城市地区；(4)洪涝灾害期间，农村地区NTL下降幅度为城市的2.4倍，而灾后城市NTL恢复幅度为农村的2.7倍，表明农村地区灾后恢复能力更弱。
论文解读
研究背景与意义
南亚发展中国家受全球气候变化与快速城市化影响，洪涝灾害频发。巴基斯坦作为典型区域，2022年季风强降雨与喜马拉雅上游冰川融水引发大范围河流洪涝，淹没全国三分之一国土，影响3300万人，造成1730余人死亡，灾害对边缘人群与脆弱区域的冲击尤为突出，暴露了基础设施滞后、社会不平等与区域发展不均衡的结构性问题。当前研究存在三方面局限：一是社会脆弱性评估多局限于特定维度或区域，缺乏全国尺度区县层面的城乡差异化统一框架；二是洪涝易发性评估受限于历史数据，全国性机器学习建模不足且可解释性较弱；三是现有研究多孤立分析社会脆弱性与自然致灾因子，二者耦合机制及综合风险量化不足，且缺乏独立遥感观测的空间验证。因此，开展巴基斯坦城乡洪涝风险不平等性研究，对完善防灾减灾策略、推进气候适应与可持续发展具有重要科学价值，该成果发表于《Journal of Hydrology: Regional Studies》。
关键技术方法
研究人员整合巴基斯坦统计局区县普查数据、全球洪水数据库(Global Flood Database, GFD)、哨兵1号合成孔径雷达(Sentinel-1 SAR)2022年洪泛区数据、12项洪涝 conditioning factors（气象、地形、水文、环境类共12个指标）及NPP-VIIRS月度夜间灯光数据，构建覆盖全国105个城市区县与118个农村区县的样本队列。采用主成分分析法(PCA)降维构建城乡社会脆弱性指数(SVI)；通过方差膨胀因子(Variance Inflation Factor, VIF)检验剔除多重共线性的流功率指数(Stream Power Index, SPI)后，利用XGBoost模型结合沙普利加性解释(Shapley Additive Explanations, SHAP)量化洪涝易发性指数(FSI)的关键驱动因子；将标准化后的SVI与FSI按0.4:0.6权重耦合得到洪涝风险，通过3×3矩阵划分9类耦合类型；最终基于2022年洪灾前后夜间灯光(NTL)衰减量与恢复期变化量验证FSI空间精度及城乡韧性差异。
研究结果
4.1 城乡社会脆弱性空间格局
经PCA提取6个主成分，累计解释71.12%的方差，其中社会经济水平（解释33.61%）、人口健康与性别结构、家庭基础设施、人口压力、经济满意度与人口特征、健康脆弱性为核心维度。空间分布显示：城市区县中仅1.9%为高SVI，而农村区县中极高SVI占比达25.4%，极低SVI农村区县仅占0.8%；整体呈现东北低、西南高的梯度特征，信德省与俾路支省农村为极高脆弱性集聚区，城乡发展失衡显著，农村因基础设施薄弱、识字率低、贫困率高、公共服务不足导致社会脆弱性远高于城市。
4.2 洪涝易发性评估
XGBoost模型性能最优，AUC达0.948，准确率为0.877，优于支持向量机(Support Vector Machine, SVM)与随机森林(Random Forest, RF)。SHAP分析表明：土壤类型(|SHAP|=0.833)、NDVI(|SHAP|=0.662)、坡度(|SHAP|=0.634)与土地利用/土地覆盖(Land Use/Land Cover, LULC)(|SHAP|=0.577)是核心影响因子，高植被覆盖降低易发性，耕地与建设用地因地表调蓄能力下降提升易发性；地形湿度指数(Topographic Wetness Index, TWI)、降水、距河流距离(Distance to River, DTR)与高程(Elevation, Ele)贡献中等，坡向、强降雨频率与曲率贡献较低。空间上，北部兴都库什山脉、西部苏莱曼-基尔塔尔山脉及南部塔尔沙漠为低易发区，印度河平原、旁遮普省与信德省沿河区域及高度城市化区为高易发区，高、极高易发区占国土面积的24.4%。
4.3 洪涝风险分布与空间耦合模式
农村极高风险区县占比(13.9%)显著高于城市(7.45%)，海得拉巴、拉尔卡纳、德拉伊斯梅尔汗等为城乡共同高风险区。耦合分析显示：农村高-高(H-H)耦合类型占比达12.09%，而城市仅为0.21%，农村低-低(L-L)类型完全缺失，表明农村普遍面临“高自然致灾风险+高社会经济脆弱性”的双重负担；旁遮普省、信德省沿河区域风险由高洪涝易发性主导，俾路支省虽致灾风险低，但因长期贫困积累高社会脆弱性。
4.4 夜间灯光遥感验证
洪涝期间平均夜间灯光减少量(ΔANTL)随FSI升高而增大，极高FSI区ΔANTL为极低FSI区的2.85倍，验证了FSI空间分布的准确性，印度河平原农业核心区与高度城市化区受灾最重。城乡韧性对比显示：ΔANTL随SVI升高而减小，高SVI区恢复能力更弱；以拉合尔为例，洪涝期间农村ANTL降幅(35.1%)是城市(14.6%)的2.4倍，灾后农村ANTL恢复率(8.07%)仅为城市(21.42%)的2.7分之一，证实农村社会脆弱性更高且灾后恢复能力显著弱于城市。
讨论与结论
讨论部分指出，城乡社会脆弱性差异本质是发展水平失衡，教育、信息获取能力与基础设施差距是核心诱因；XGBoost模型有效捕捉了巴基斯坦洪涝“大尺度季风降雨与上游来水主导、局部地形影响有限”的特征；研究提出的差异化策略包括：旁遮普省限制洪泛区开发、保护湿地调蓄能力，信德省加强沿河堤防建设与低收入住房抗洪改造，俾路支省提升教育与公共服务覆盖率，开伯尔-普赫图赫瓦省推进山区生态修复与山洪防控。夜间灯光数据为大规模灾害验证提供了低成本、高时效的新范式，可拓展至多灾种评估。
结论表明：巴基斯坦农村社会脆弱性显著高于城市，高洪涝易发性集中于印度河平原沿河带与城市化区域，农村面临更高复合洪涝风险，夜间灯光数据可有效验证风险并量化城乡韧性差异。该研究填补了巴基斯坦全国尺度城乡差异化洪涝风险评估的空白，为南亚发展中国家制定差异化防灾减灾政策、提升城乡洪涝适应能力提供了理论支撑。研究人员建议优先向高SVI农村倾斜防洪资源与公共服务供给，在高FSI区强化土地利用管控与生态修复，构建城乡协同的预警-应急响应-恢复体系以提升整体韧性。
