损失几何学:通过城市形态与水系分析飓风破坏的空间层次结构及多尺度预测

《Computers, Environment and Urban Systems》:The geometry of loss: Spatial hierarchies and multiscale predictions of hurricane damage via urban form and water networks

【字体: 大 中 小 】 时间:2026年07月26日 来源:Computers, Environment and Urban Systems 8.9

编辑推荐:

  •城市分形几何学预测显示,飓风“哈维”造成的洪水损失与R2值在0.27–0.47之间。•县级尺度的分形维数在特征重要性中起主导作用,反映出自上而下的风险分布特征。•仅考虑空间聚类现象无法解释分形特征所呈现的预测信号。•各区域内的水道密度差异始终是预测洪水的关键因素。•即便控制了建

  
  • •
    城市分形几何学预测显示,飓风“哈维”造成的洪水损失与R2值在0.27–0.47之间。
  • •
    县级尺度的分形维数在特征重要性中起主导作用,反映出自上而下的风险分布特征。
  • •
    仅考虑空间聚类现象无法解释分形特征所呈现的预测信号。
  • •
    各区域内的水道密度差异始终是预测洪水的关键因素。
  • •
    即便控制了建筑物的暴露情况,分形维数所反映的信号依然存在。

引言

城市系统极为复杂且持续演变,其相互作用涉及空间、时间和社会多个层面(AghaKouchak等人,2018;Fekete等人,2010;Fuchs等人,2013;Nazarian等人,2022;Serre等人,2011;Zevenbergen等人,2008)。当面临飓风、洪水或热浪等自然灾害时,这些多尺度动态会显著影响风险程度,若忽视这些因素,构建的模型将会出现缺陷,导致城市缺乏应对能力。
本研究聚焦空间尺度,这一概念可理解为对数字地图的放大与缩小操作。从宏观视角看,一座城市可能因其整体绿地面积而显得具有抗灾能力(Gra?a等人,2022;Hu等人,2024;Hutchins等人,2021)。然而在更精细的尺度上,一些社区却因以不透水表面为主且缺乏树木覆盖而显得脆弱(Elvidge等人,2007;Rousta等人,2018)。这类差异凸显出风险评估在很大程度上取决于空间分辨率的高低。
城市中的各个子系统(如建筑物、交通设施、绿地)与灾害的相互作用程度并不均匀。在某些地区能够降低洪水风险的措施,由于地形、基础设施或环境条件的差异,在其他地区可能效果甚微(Thouret等人,2014)。尽管如此,许多研究仅分析单一尺度,这往往会导致对局部重要差异的忽视(Graveline & Germain,2022;Zevenbergen等人,2008)。
尺度还具有层级结构。城市由街区、社区和行政区等相互嵌套的层级构成,各种过程和影响会在这些层级间逐级传递。例如,局部的排水系统故障可能逐步发展成全市范围的洪水。而像城市热岛这样的宏观现象,则是由气候和基础设施等宏观因素导致的;至于街道级别的洪水则与局部排水状况或建筑材料有关(Yang等人,2016)。若只关注单一尺度,就有可能忽略这些跨层级的相互作用。
我们将建成环境定义为包括建筑物和道路在内的各类基础设施,它为研究这些动态关系提供了有效的视角。建成环境涵盖多个空间层级,同时反映了体现在土地使用和设计中的社会政治决策,而这些决策又决定了当前的风险格局。土地使用类型本身往往能体现城市的脆弱性,因为住宅区、工业区和商业区面临灾害时的情况各不相同(Liu等人,2016)。但目前的研究方法很少将尺度和层级结构纳入考量,这限制了研究结果在不同场景下的重复性和普遍适用性。
建成环境的某一可量化属性能够体现这种多尺度复杂性,那就是“形状”。在本文中,形状特指随着放大或缩小视角,建筑物空间排列方式的变化情况,这一特征可通过分形维数来量化。在多个尺度上看起来分布较为分散的建筑物群,其分形维数较高(结构更为复杂),而无论在哪个尺度上都显得紧密聚集的建筑物群,则分形维数较低(结构较为简单)。与尺度和层级结构类似,分形维数并非单一分辨率下的测量值,而是跨不同尺度都会呈现出的特性,因此非常适合用于本研究所追求的多尺度风险分析。
为弥补尺度方面的不足,本研究开发了一种可扩展的模型,用以预测飓风“哈维”在德克萨斯州37个县范围内造成的损失情况。具体而言,我们的目标包括:
  • 1.
    确定损失预测的关键因素:通过分析建成环境在不同行政层级上的分形维数空间分布,探讨其是否能够在街区群体层面预测损失,并确定这些预测因素最具效的作用尺度。
  • 2.
    揭示空间层级结构:研究自上而下的因素(如历史发展情况)与自下而上的因素(如当地基础设施)如何在不同的嵌套层级间相互作用,进而影响损失程度。
  • 3.
    建立可重复的研究方法:设计一种可扩展的建模方法,将建成环境形状复杂度指标以及水网异质性指标纳入分析,覆盖不同的行政层级,从而为基于空间结构的损失预测提供框架。
通过结合尺度概念与空间层级结构,本研究旨在深入理解建成环境形态和水网布局与洪水损失之间的关系,同时证明基于层级结构的特征分布对于进行空间结构化的损失预测具有实用价值。

章节节选

数据与方法

本研究采用的方法旨在预测街区群体层面的损失情况,同时充分考虑建成环境所具有的复杂空间依赖关系。首先,已有研究表明,建成环境的布局与人口分布密切相关(Ortman等人,2014;Ortman等人,2015)。其次,诸如街区群体和区域之类的普查边界,是根据人口密度来划定的。因此,普查边界的空间结构本质上反映了建成环境的布局特征。

结果

本部分旨在评估分层结构的建成环境和水网特征在预测飓风“哈维”造成的街区群体层面损失方面的性能。我们首先分析了核心模型设定(M1),该模型包含了按行政区层级划分的街区群体、区域和县三级上的分形维数分布以及水道密度变量,随后在四种不同的空间分辨率和两种不同的结果设定下对该模型进行了测试。在整个研究过程中,有一个重要的参考标准

讨论

本研究找出了与飓风“哈维”造成的损失密切相关的建成环境特征以及自然地形特征。研究结果表明,建成环境并非随机分布,而是围绕某些内在关联因素进行有序排列,尤其是与水网相关联的因素。通过对行政区层级上分形维数的统计分析,可以发现建成环境的形状呈现出围绕水网密度形成的嵌套结构,同时也能看出建成环境形状的异质性

结论

本研究证明,建成环境的布局是预测飓风造成损失的重要因素。建成环境并非随机分布,而是与自然地形(如水网)相契合,同时在城市环境的行政架构中也呈现出层级结构。通过对分形维数的统计分析,可以了解空间单元的平均形状复杂度,以及不同街区群体、区域之间这种复杂度的差异程度和不对称性

CRediT作者贡献说明

Caitlín Mc Shane:撰写——审阅与编辑、撰写——初稿、可视化处理、验证工作、方法设计、研究实施、正式分析、数据整理、概念构思、项目管理、软件应用。Stefan Leyk:撰写——审阅与编辑、监督工作、资源协调。

关于写作过程中生成式人工智能及人工智能辅助技术的声明

在撰写本论文的过程中,作者使用了ChatGPT(OpenAI)和Claude Code等工具,旨在提升文本的清晰度、简化行文、减少冗余内容,并提高整篇论文的可读性,尤其是结果分析与讨论部分。在使用这些工具或服务之后,作者对内容进行了必要的审阅和修改,并对最终发表的文章内容承担全部责任。

利益冲突声明

无需要声明的利益冲突。

致谢

本研究得到了美国国家科学基金会研究生研究奖学金计划(NSF-GRFP,学者编号2020291383)的支持。此外,美国国家科学基金会的人类网络与数据科学基础设施计划(项目编号2121976)也为这项研究提供了部分资助,资金由科罗拉多大学博尔德分校获得。我们还要感谢通过科罗拉多大学博尔德分校与相关方签订的数据使用协议,得以使用Zillow交易与评估数据集(ZTRAX)。
Caitlín Mc Shane|Stefan Leyk
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号