《Remote Sensing》：A Hybrid Multicriteria Index for Assessing Documentary-Methodological Robustness in Flood Mapping: Integrating Documentary Evidence, Entropy-Based Weighting, Remote Sensing, DEMs, Hydrological Data, and Statistical Validation
编辑推荐：
洪水动态可以通过日益多样化的遥感源、数字高程模型（DEM）、水文/水力学模型以及统计验证技术来表示。然而，目前尚无统一的基于证据的框架来系统比较这些备选方案的文献-方法支持程度。本研究提出了一种混合多准则指数，用于评估整合遥感、DEM、水文/水力学信息和统计验
洪水动态可以通过日益多样化的遥感源、数字高程模型（DEM）、水文/水力学模型以及统计验证技术来表示。然而，目前尚无统一的基于证据的框架来系统比较这些备选方案的文献-方法支持程度。本研究提出了一种混合多准则指数，用于评估整合遥感、DEM、水文/水力学信息和统计验证方法的洪水制图方法的文献-方法稳健性。在此，文献-方法稳健性指所评阅文献语料库中方法备选方案的重复性、可追溯性、结构支持及报告一致性；它并不代表技术精度、预测性能、局部适用性或普遍的方法优越性。一项包含173个案例研究记录的全球文献评阅被组织为六个主题维度：光学影像、SAR影像、影像融合、DEM信息、水文/水力学信息和统计验证。变量和类别在0-1尺度上进行归一化，并通过一种结合研究者定义的方法相关性与熵导出的客观权重的混合加权策略整合到主题基础指数中。引入文献覆盖调整以考虑各主题维度间的不均衡代表性。结果表明，光学影像和水文/水力学信息维度获得了更强的文献-方法支持，尤其是Landsat、NDWI、变化检测、流量数据、水位和 hydrodynamic 建模。SAR、影像融合、DEM和统计验证维度表现出相对较低但仍相关的文献支持。跨五个λ情景的敏感性分析显示，六种代表性方法组合中有五种保持了其稳健性等级，仅IRIH组合从高稳健性转变为极高稳健性。所提出的框架将描述性评阅转化为一种定量且可复制的决策支持工具，用于根据文献-方法支持程度筛选方法备选方案。在操作应用中选择方法之前，独立的实证验证仍是必要的。
**论文解读：基于混合多准则指数的洪水制图文献-方法稳健性评估框架**
**1. 研究背景与问题**
洪水对人类生命、基础设施、生态系统和领土规划产生重大影响，且因气候变率、土地覆盖变化和无序的城市扩张而加剧。这些压力增加了洪水易发区的暴露度和脆弱性，亟需能够以足够空间细节和时效性识别、划定、监测和模拟淹没的工具。现有洪水制图方法主要包括三大类：基于影像的技术（光学和合成孔径雷达(SAR)数据，独立或融合使用）、整合数字高程模型(DEM)与水文/水力学信息的物理基础方法，以及统计验证方法。然而，现有方法在系统比较和选择方面存在明显不足。影像方法虽能生成洪水范围和水体信息，但受云层、大气条件或斑点噪声等限制；物理模型虽能代表径流、水流路径和水位动态，但其性能依赖数据可用性和模型假设；统计验证仅评估已生成产品的性能，无法为选择最佳数据源组合提供统一依据。传统多准则决策方法（如AHP、TOPSIS、ELECTRE、PROMETHEE）虽能整合异构标准，但通常要求预先定义备选方案，且结果依赖专家判断和主观权重。客观方法如香农熵虽能减少主观性，但未考虑各准则的方法论功能。在评阅文献范围内，尚未发现一个统一框架能同时将文献重复性转化为可比较的定量得分、整合方法论相关性与熵导出的判别能力、考虑不等文献覆盖，并对洪水制图各主要组件的证据进行空间情境化。这一空白使得难以区分经常报告的方法、技术相关标准和受可获取性、报告实践或学术热度影响的类别。
**2. 研究内容与结论**
为解决上述问题，研究人员开发了一个混合多准则框架，将173个洪水制图案例研究记录转化为六个主题指数，涵盖光学影像、SAR影像、影像融合、DEM信息、水文/水力学信息和统计验证。该框架整合了归一化文献重复性、研究者定义的方法权重、熵导出的权重、控制两者相对贡献的平衡参数λ、文献覆盖调整、空间情境化以及跨λ值的敏感性分析。与常规文献计量和多准则决策方法不同，该框架在方法案例记录层面运作，并从评阅语料中直接导出评估备选方案。最终指数提供了一个透明程序，用于识别具有更强文献-方法支持的配置，而非对其技术精度或局部性能进行排名。研究结论表明，最终IRI值依赖于归一化类别得分、最终混合权重、文献覆盖和空间情境化之间的交互作用，而非单一信息来源。该框架将描述性评阅转化为定量决策支持系统，支持在六个主题维度内根据文献-方法支持程度筛选和比较方法组合。论文发表在《Remote Sensing》。
**3. 主要关键技术方法**
研究人员采用以下关键技术方法：（1）全球文献评阅，从Scopus、Web of Science Core Collection、Google Scholar和MDPI平台检索，最终提取173个案例研究记录，以案例记录而非出版物为分析单元；（2）最大频率归一化方法，将类别频率转化为0-1可比得分，保留原始顺序和频率比例；（3）混合加权策略，结合研究者定义的方法功能权重与基于香农熵的客观权重，通过平衡参数λ控制相对贡献，基线设λ=0.50；（4）文献覆盖调整系数，基于维度内记录数占总记录比例及其标准误差进行保守修正；（5）敏感性分析，评估五个λ情景（0.00至1.00）对指数分类的影响。
**4. 研究结果**
**4.1 主题矩阵与基础稳健性指数（步骤1和2）**
光学影像矩阵：Landsat影像、NDWI处理和变化检测分析获得最强文献-方法支持。时间/时空分析获得最高混合权重（0.403），变化检测出现在81个案例记录中。SAR影像矩阵：Sentinel-1、阈值处理和VV极化构成最强支持配置，SAR影像处理获得最高混合权重（0.423），阈值化出现在49个记录中。影像融合矩阵：融合方法变量混合权重达0.715，影像验证是最常报告类别（40个记录），光学-SAR融合具有最强文献支持（32个记录）。DEM信息矩阵：高程产品选择和空间分辨率获得相似混合权重（0.422和0.411），SRTM和30米产品占主导。水文/水力学信息矩阵：水文数据获得最高混合权重（0.440），流量是最常报告变量（56个记录），配置整合观测流量或水位信息与水文或水动力建模。统计验证矩阵：RMSE和Kappa集中出现（25和24个记录），统计验证变量混合权重0.680。
**4.2 步骤3. 主题维度稳健性指数**
文献覆盖与最终IRI结果：IRIO和IRIH具有最高相对文献覆盖（121和118个记录，λ值0.699和0.682），IRIS和IRIF最低（78和84个记录，λ值0.451和0.486），IRID和IRIV居中（各99个记录，λ值0.572）。调整因子仅从0.962到0.965变化，产生适度修正。空间分布显示，高和极高IRI值主要集中在亚洲、美洲和欧洲，与这些区域的方法组合重复性一致。
敏感性分析：五个λ情景下，六种代表性组合中五种保持其稳健性等级，仅IRIH从高稳健性（λ=0.00）转变为极高稳健性（λ≥0.25）。总体分类一致性为96.7%。IRIH表现出最大绝对敏感性（0.720至0.902），其他指数标准差低（0.003至0.017）。
**5. 讨论与结论**
讨论部分总结了框架的适用性和局限性。与常规MCDM方法相比，该框架保留归一化、加权、聚合和敏感性评估原则，但备选方案直接从语料导出，评估文献重复性、可追溯性和功能相关性。局限性包括：加权求和是补偿性的；研究者定义权重保留判断成分；熵仅反映文献分散性而非技术重要性；可能保留与数据可获取性、报告完整性和语料组成相关的偏见。未来研究应使用独立洪水制图案例进行实证验证，比较IRI优先配置的局部性能。
结论部分强调，该框架的主要科学贡献在于构建了一个整合比例归一化、研究者定义加权、熵导出客观加权、多准则聚合和文献覆盖调整的稳健性指数框架。IRI值应被解释为文献-方法支持度的度量，而非技术优越性或预测精度的绝对指标。实际应用中，数据稀缺场景可优先选择Landsat-NDWI、Sentinel-1和30米DEM产品等可及组合；若具备水文观测和技术能力，可补充光学-SAR融合和水文/水动力建模。这些建议需根据当地数据可用性、环境条件、应用尺度和验证要求进行调整。
