用可解释机器学习阐明长江三角洲观测到的洪水发生情况

《Geomatics, Natural Hazards and Risk》：Elucidating observed flood occurrences in the Yangtze River Delta with interpretable machine learning

　　

理解洪水与潜在因素之间的关系是有效风险管理的基础；然而，进展常常受到空间明确的洪水数据的稀缺以及传统模型解读复杂非线性关系能力的限制。为了解决这些限制，本研究开发了一个区域尺度的解释性框架，利用遥感衍生的洪水记录、多源环境变量和可解释机器学习模型。以中国长江三角洲（YRD）为例，结果表明，基于XGBoost的SHAP模型在区域洪水预测中优于随机森林和逻辑回归，达到了0.970的准确率。该模型刻画了洪水发生与环境因素之间的非线性关系，揭示了特定驱动因子在识别阈值上的相反关联。这些关系随地形和土地利用类型而变化。山区的洪水主要与地形湿度指数（TWI）和地表纹理指数（TSI）相关，而平原地区的洪水则受河网密度（RND）和地表纹理指数的共同影响。值得注意的是，最大斑块指数（LPI）对洪水的影响从森林中的负向转为城市中的正向。这些发现推进了对区域洪水发生的理解，并支持因地制宜的洪水缓解策略。

洪水是全球最具地理普遍性和社会经济破坏性的自然灾害之一，在长江三角洲（YRD）这一高度发达且人口密集的区域，洪水风险由多种环境与人为因素的复杂非线性耦合所驱动。然而，以往研究大多依赖历史洪水报告点，空间精度有限且难以获取区域尺度数据；传统模型（如逻辑回归）虽被广泛使用，但无法有效解释非线性关系。为克服这些限制，研究人员开发了一个区域尺度的解释性框架，整合遥感衍生的洪水观测数据、多源环境变量与可解释机器学习模型，旨在揭示洪水发生与环境因素之间的非线性关系、阈值效应及空间异质性。该研究以中国长江三角洲为案例，发表在《Geomatics, Natural Hazards and Risk》期刊上。

研究人员开展了以下研究：首先，利用遥感获取的2000–2020年洪水观测数据（来自中国历史洪水空间数据集SDHFC）构建洪水样本，并通过频率比（FR）和缓冲区分析生成非洪水样本，最终以1:3的采样比例获得高质量数据集（9,530个洪水样本与28,590个非洪水样本）。其次，从降水、地形、排水能力、景观格局和人类活动五个类别中筛选出11个环境因子（包括地形湿度指数TWI、地形地表纹理指数TSI、最大斑块指数LPI、河网密度RND、土壤渗流能力指数SIC、河网密度RD、年降水AR、人口密度POP、坡度SLOPE、不透水面比例ISR、景观形状指数LSI），采用方差膨胀因子（VIF）和皮尔逊相关分析消除多重共线性。然后，训练并比较了逻辑回归、随机森林（RF）和极端梯度提升（XGBoost）模型，通过网格搜索和3折交叉验证优化超参数，使用SMOTE处理数据不平衡。最后，基于最优模型（XGBoost）结合SHAP（SHapley Additive exPlanations）方法，分析全局因子贡献、非线性阈值、交互效应及空间响应模式，并利用K-means聚类识别典型区域模式。

研究结果如下：

**4.1 XGBoost在最优样本比例下表现出稳定且高的预测性能**：基于MODIS观测，YRD在2000–2020年总洪泛面积达9,977 km²。通过比较不同采样比例，确定1:3为最优。模型评估显示，XGBoost在准确率（0.970）、F1分数（0.938）和AUC（0.962）上均优于逻辑回归和RF（RF的AUC为0.963，但其他指标略低），因此选为基准模型。

**4.2 地形和人类活动是YRD洪水发生的关键驱动因素**：基于XGBoost的SHAP分析表明，TWI（16.85%）、TSI（13.27%）和LPI（12.60%）是影响最大的因子。地形因素（36.59%）和人类活动因素（21.58%）的贡献占比最大。TWI、RD、LSI总体呈正向贡献，而TSI、LPI、RND、ISR呈负向贡献。K-means聚类识别出三种空间模式：模式1（安徽北部和江苏平原）正贡献以地形为主（62.37%），负贡献以景观格局和人类活动为主；模式2（安徽南部山区和浙江大部）正贡献以人类活动为主（58.22%），负贡献以地形为主（96.55%）；模式3（上海及周边高城市化区）城市化水平高，弱化渗透和排水能力，增加洪水风险。

**4.3 YRD洪水相关因素的非线性响应与阈值行为**：所有因子均表现出显著非线性效应，多个因子存在关键转折点。例如，TWI<13.86时负相关，>13.86时正相关；TSI<64.42时正相关，>64.42时负相关；LPI<75.55时正相关，>75.55时负相关；ISR<7.07时正相关，>7.07时负相关；LSI>2.23时正相关，<2.23时负相关。这些阈值提示需根据不同区间采取差异化策略。

**4.4 环境因素间的显著交互作用**：最强交互对包括POP×TSI（0.55）、LPI×AR（0.47）、LPI×TSI（0.44）、POP×SLOPE（0.43）、TWI×AR（0.42）、SIC×TSI（0.36）。例如，在高人口密度区域，陡坡或高TSI加速径流汇聚，增加洪水风险；在高LPI区域，强降水或高TSI导致快速径流集中；低TWI区域在高降水条件下也会出现正向洪水响应。

**4.5 不同地理环境下主导因子和关系的差异**：山区河流区域以TWI和TSI为主导（贡献>59%），平原河流区域以RD和TSI为主导（贡献>44%）。因子影响方向随环境逆转：LPI在森林中负向贡献（增强渗透和延缓径流），在城市中正向贡献（促进径流积累）；TSI在山区为负向，在平原为正向。

**4.6 局限性与未来展望**：本研究基于20年聚合洪水数据，未捕捉事件动态；未评估输入不确定性；随机训练-测试分割可能高估模型性能；SHAP解释限于统计归因，缺乏因果机制。未来需纳入事件级数据、空间交叉验证和因果分析。

**结论**：本研究开发了区域尺度洪水评估框架，关键发现包括：（1）XGBoost模型在区域尺度上实现高精度预测（准确率0.970，F1分数0.938，AUC 0.962）；（2）主导因子为TWI、TSI和LPI，所有因子均呈现非线性响应，TWI、TSI和LPI具有显著阈值效应，影响方向在转折点处相反；（3）多个因子对存在交互效应，如人口密度与TSI、人口密度与坡度，在人口密集区域，陡峭地形或高TSI条件下洪水发生概率增加；（4）洪水发生与环境因素的关系存在空间异质性：山区受地形因子（TWI、TSI）主导，平原受河网密度和TSI共同驱动；LPI对洪水的影响方向从森林中的负向转为城市中的正向。据此，区域洪水风险防控应遵循针对性、因地制宜的原则，优先应对核心因子的非线性和阈值效应，并在山区、平原和森林景观中实施差异化政策。这些结论对深化区域洪水事件理解及推进联合国可持续发展目标（SDGs）具有重要科学和实践意义，所提框架可推广至其他区域。