面向可持续减灾的淮河安徽段多模型耦合洪水风险评估

《Sustainability》：Multi-Model Coupled Flood Risk Evaluation of Huaihe Anhui Reach for Sustainable Disaster Risk Reduction

　　

淮河流域安徽段具有地势低平、河网密布以及洪水风险空间异质性高的特点，制约了区域的社会生态可持续性。传统的洪水风险评估在采用单一经验或无监督聚类模型时，存在指标不完整、分级主观以及输出片面等问题。基于灾害系统理论，研究人员构建了包含14个指标的评价体系，涵盖致灾危险度、环境敏感性和承灾脆弱性。通过博弈论均衡融合层次分析法（AHP）和熵权法的主客观权重，构建了博弈论-层次分析法-熵权法耦合模糊综合评价模型（GAE-FCE Model），用于全面量化洪水风险。同时，采用主成分分析（PCA）进行指标降维，并开发了K-Means和高斯混合模型（GMM）两种无监督聚类模型。采用混淆矩阵、调整兰德指数和相关分析比较四种模型的输出。由于风险表征机制不同，单一模型表现出较弱的相关性；集成方案弥补了单一模型的缺陷，在最优化权重下实现了曲线下面积（AUC） = 0.9161，召回率 = 0.9231，以及F₁分数 = 0.8889，并进一步提出多模型耦合框架以获得综合洪水风险分区。结果表明，五个主导因素（距河流距离、地形粗糙度、归一化植被指数（NDVI）、距湖泊距离和人口密度）贡献了超过59.6%的总权重。GAE-FCE反映了淹没特征，但缺乏自然因素的全面性；聚类方法捕捉了自然背景差异，但忽略了社会经济脆弱性，而集成耦合弥补了单一模型的缺陷。高风险区集中于主要河流沿岸，而低风险区主要分布于南部山区。该多模型框架为防洪和领土空间优化提供了科学支持，推进了淮河流域及类似平原流域的可持续灾害风险减轻。

在全球变暖背景下，极端降水事件频发，洪水灾害已成为制约区域社会经济可持续发展和威胁城乡安全的关键自然灾害。由于现有洪水风险评估方法存在指标不完整、权重确定主观以及评价模型单一等缺陷，特别是在低平河网平原区，当前研究缺乏对机制驱动与数据驱动方法的多模型融合探索。为解决这些问题，研究人员以淮河安徽段典型冲积平原为研究对象，开展了多模型耦合洪水风险评估研究。结果表明，多模型集成框架能够有效弥补单一模型的片面性，生成合理的洪水风险空间分区。该研究为流域防灾减灾和国土空间优化提供了科学支撑，论文发表在《Sustainability》上，对类似平原流域的可持续灾害风险减轻具有重要意义。

研究人员基于灾害系统理论构建了包含致灾危险度、环境敏感性和承灾脆弱性3个维度的14项指标评价体系。研究主要采用以下关键技术方法：首先，基于层次分析法（AHP）与熵权法，通过博弈论纳什均衡模型计算最优融合系数，构建了GAE-FCE模型；其次，排除社会经济指标后，利用主成分分析（PCA）对11个自然背景指标进行降维去冗余，并分别采用K-Means和高斯混合模型（GMM）进行无监督聚类分区；最后，引入混淆矩阵、箱线图统计和相关分析多维评估指标，结合历史洪水灾害样本点进行模型交叉验证，并通过五级数值累积策略实现多模型加权集成分区。样本队列和空间数据来自淮河安徽段多源遥感影像、地形数据及安徽省市级统计数据。

研究结果部分：
4.1.1. AHP主观权重及一致性检验结果：通过建立三层次递阶结构并计算最大特征值，得出各层判断矩阵的CR值均小于0.10，验证了专家判断矩阵具有合理逻辑关系与满意一致性，主观权重有效可信。
4.1.2. 熵权法客观赋权结果：基于标准化指标数据集计算信息熵与客观权重，结果显示地形粗糙度、GDP密度和人口密度位列前三，反映了这些指标在空间离散度与承灾暴露区域不平衡性方面具有较强解释力。
4.1.3. 博弈论耦合赋权结果分析：通过最小化AHP与熵权向量偏差求解最优融合系数（α = 0.7235，β = 0.2765），得出距河流距离、地形粗糙度等5个主导因子贡献了超过59.6%的总权重，修正了纯熵权法对地形指标的过度放大。
4.1.4. 基于GAE-FCE模型的洪水风险评估：将博弈论组合权重代入模糊综合评价（FCE）模型计算连续风险得分，结合受试者工作特征（ROC）曲线与约登指数确定最优阈值，实现了全流域五级洪水风险分区。
4.2.1. PCA模型评价结果：对自然背景指标进行降维提取前7个主成分，基于历史灾害样本驱动生成风险分区，发现PCA模型存在明显分级偏差，大部分极低风险样本被预测为低风险。
4.2.2. K-Means模型评价结果：通过肘部法、轮廓系数等多指标综合评估确定最佳聚类数为5，在250次迭代后误差平方和（SSE）曲线趋于稳定，实现了网格单元硬聚类风险分区。
4.2.3. GMM模型评价结果：利用贝叶斯信息准则（BIC）判定最佳聚类数为5，基于多维高斯分布实现网格单元软聚类，输出样本属于不同风险等级的隶属概率，反映了洪水风险模糊渐变特征。
4.3.1. 混淆矩阵与分级一致性分析：对比无监督模型与GAE-FCE基准数据，发现各模型间一致性较低，主要由于GAE-FCE基准融合了社会经济驱动因素，而聚类模型仅采用自然致灾因子。
4.3.2. 各聚类等级对应FCE得分统计特征：箱线图表明K-Means和GMM的基准得分中位数随风险等级单调递增，验证了聚类导出的风险等级与实际洪水风险强度呈正相关。
4.3.3. 多模型分级结果相关性：通过层次散点矩阵和皮尔逊相关系数分析发现单一模型间相关性较弱，说明集成框架需要互补各模型在建模维度与机制上的固有缺陷。
4.3.4. 模型权重耦合敏感性分析：遍历权重组合发现GAE-FCE权重对综合得分影响最大，在最优化权重方案下集成模型达到AUC = 0.9161，Recall = 0.9231，F₁ = 0.8889，显著提升了灾害识别的综合能力。
4.3.5. 多模型耦合综合洪水风险分区：基于最佳权重线性叠加各模型标准化得分生成综合分区，高风险区集中于主干河流及河岸低地，低风险区分布于南部山地，空间格局与地形水文条件高度吻合。
4.3.6. 减灾管理建议：针对五个风险等级提出差异化策略，包括高风险区加固堤防与生态修复，中高风险区推进海绵城市建设，低风险区作为流域防洪物资储备基地，支撑流域整体可持续发展。
4.4. 比较分析与研究局限性：尽管集成模型量化性能良好，但研究受限于离散历史灾害点样本，且未纳入土壤渗透率、降雨强度等动态水文变量，评估结果主要反映长期静态洪水易感性。

讨论与结论部分：
研究人员总结了以下研究结论：(1) 基于灾害系统理论构建的三维评价体系，通过博弈论均衡模型融合主客观权重（α = 0.7235，β = 0.2765），有效纠正了纯熵权法过度放大地形指标而削弱水系因素贡献的缺陷。(2) 构建了四个互补的评价模型，GAE-FCE模型重现了完整洪水机制并纳入人口经济暴露，而PCA、K-Means和GMM仅采用自然变量而忽略人类脆弱性，单一模型无法支持可持续发展的平衡治理。(3) 采用五级风险加权融合策略实现多模型集成，耦合分区继承了水文规律和自然空间梯度，高风险带集中在河流走廊，南部山区形成连续低风险区，集成输出具有更平滑的风险过渡和更高可靠性，为流域梯级可持续防洪与社会经济协调发展提供了科学空间证据。