《Geomatics, Natural Hazards and Risk》：A dual-framework approach to regional flood susceptibility: coupling frequency ratio with logistic regression in Tokat, Türkiye
编辑推荐：
洪水易损性制图是灾害风险降低（DRR）的关键工具，特别是在遭受反复洪水侵袭的地区。本研究针对土耳其黑海中部地区的托卡特省，开展了一项基于GIS的区域洪水易损性评估。采用了一种结合改进频率比（FR）方法和逻辑回归（LR）的双重统计框架来评估洪水易发性。将142个
洪水易损性制图是灾害风险降低（DRR）的关键工具，特别是在遭受反复洪水侵袭的地区。本研究针对土耳其黑海中部地区的托卡特省，开展了一项基于GIS的区域洪水易损性评估。采用了一种结合改进频率比（FR）方法和逻辑回归（LR）的双重统计框架来评估洪水易发性。将142个历史洪水点位的清单与十个条件因子相结合。将传统FR值转换为归一化洪水易损性指数，然后作为LR建模的输入，以评估多变量效应。使用ROC和Kappa指标评估模型性能。ROC-AUC结果显示两种模型均具有令人满意的预测性能，其中LR表现出更强的区分能力（AUC=0.84），高于基于FR的模型（AUC=0.79）。然而，在固定0.5阈值下，基于FR的模型产生了更稳定的分类性能（Kappa=0.43；准确率=0.71），而LR较低的Kappa和准确率主要反映了预测概率的不对称分布。研究结果为空间规划、风险缓解策略和区域尺度灾害管理提供了有价值的见解。考虑到该地区的人口和定居特征，应紧急在全省份开展洪水灾害和风险评估。
洪水是全球最具破坏性的自然灾害之一，对生命、基础设施、农业和区域经济构成严重威胁。气候变化、土地利用变化和快速城市化导致全球洪水事件显著增加，土耳其黑海地区因地形、气候和流域特征而尤为易发。托卡特省位于叶希尔河盆地，处于中央安纳托利亚与黑海地区的过渡带，河谷平原和冲积扇上集中了大量居民点和农田，加之人类活动对河流廊道的干扰，使该区域面临频繁的洪水威胁。然而，区域尺度的洪水易损性评估尚不充分，缺乏系统性方法比较。为填补这一空白，研究人员开展了一项基于GIS的区域洪水易损性研究，旨在通过双变量统计（频率比，FR）与多元统计（逻辑回归，LR）的耦合框架，识别洪水热点区域，并为空间规划、风险缓解和灾害管理提供科学依据。该研究发表在《Geomatics, Natural Hazards and Risk》。
研究人员采用的关键技术方法包括：基于GIS平台，整合142个历史洪水点（来自土耳其灾害与应急管理局AFAD，1958–2023年）与142个随机选取的非洪水点，按70%训练、30%验证划分；选取10个条件因子（7个连续因子：曲率CRV、数字高程模型DEM、距排水距离DTD、排水密度DRD、降水PRE、坡度SLP、湿度指数WIN；3个分类因子：岩性LIT、土地利用LUS、土壤类型SOT）；FR方法中，计算各因子类别的FR值，进而归一化为相对频率RF，再计算预测率PR，最终得到FS值作为易损性指标；LR方法以FS值为输入，采用二项逻辑回归建模，通过最大似然估计系数；模型性能评估采用ROC-AUC、Kappa系数和总体准确率。
研究结果如下：
**FR模型结果**：通过分析FR值及转换后的FS值，发现距排水距离（DTD）是控制洪水易发性的主导因子，DTD<616 m类别的FS值最高（3.173），表明洪水主要由河道控制过程主导。非土壤及崩积单元表现出高FS值，反映其低渗透性导致快速地表径流。城市化和人工地表类别的FS值显著偏高，凸显建设用地作为洪水放大因子的作用。降水虽为触发因素，但空间分布较均匀，区分能力较弱，为次要约束变量。
**LR模型结果**：逻辑回归分析显示，岩性（LIT）和降水（PRE）具有最强的正回归系数，主导洪水空间分布。伪R
2值高于0.2，表明模型拟合良好；对数似然值从?2Log(L
0)=203283.725降至?2Log(L)=159664.588，证实解释变量显著提升模型性能。负截距（?7.563）反映了低基线概率，符合稀有事件空间模型特征。曲率（CRV）和坡度（SLP）的负系数表明其高值降低易损性。
**空间分布**：基于FR的模型在五个易损性等级（极低至极高）上分布相对均衡，而LR模型约57%的区域被归类为极低易损性，极高仅占1.7%。这种差异源于FR各因子类别的直接贡献与LR统计概率函数的非线性映射。
**模型性能比较**：ROC-AUC分析显示，LR模型具有更强的区分能力（AUC=0.84），高于FR模型（AUC=0.79），体现LR捕捉多变量交互及非线性响应的优势。然而，在固定0.5阈值下，FR模型产生更稳定的分类性能（Kappa=0.43，准确率=0.71），而LR的Kappa（0.04）和准确率（0.52）偏低，主要因预测概率分布不对称，不反映模型内在质量。
**人口与风险叠加**：将极高易损区与建筑物及脆弱人口数据叠加，发现大量建筑物位于高风险区，且脆弱人口空间分布与高风险区一致，表明洪水易损性直接威胁人类安全和社会经济活动，强调了紧急开展全等风险评估的必要性。
讨论部分指出，LR模型在预测细节上更满意，但FR模型因透明性和计算简易性具有实践优势。局限性包括：点状洪水记录可能限制空间细节，降雨数据可借助高分辨率雷达或卫星产品改进，且未详细考虑土壤湿度、渗透性及气候的时间变异性。未来研究可集成集成机器学习技术、流体动力学模拟或气候情景预测。研究结论部分翻译如下：本研究所产生的易损性图与历史洪水记录高度一致。尽管存在固有局限性，本研究为理解区域尺度洪水易损性提供了稳健的数据驱动基础。研究结果有助于减少洪水相关损失和增强灾害韧性的持续努力。从实践角度看，所产生的易损性图为洪水风险降低和土地利用管理提供了有价值的指导。省级当局、规划者和应急响应单位可利用这些图支持区划决策和洪水备灾规划。
