中亚干旱区区域洪水风险的时空异质性与多情景演变

《Environments》：Spatiotemporal Heterogeneity and Multi-Scenario Evolution of Regional Flood Risk in Arid Central Asia

　　

本研究构建了一个可解释且经过验证的XGBoost–SHAP框架，该框架整合了多源地理空间数据和历史洪水观测数据，并通过独立验证评估模型性能，利用偏差校正的CMIP6气候情景驱动未来预测，以刻画哈萨克斯坦三个地区（2000–2025年）洪水驱动因素的时空变化及其贡献。结果表明，洪水驱动因素存在显著的空间差异：延迟融雪与地形性降水耦合主导了多山阿拉木图州的洪水变率；水文记忆效应调节了阿克莫拉平原的洪水响应；社会经济暴露度对突厥斯坦州洪水风险演变的贡献不断增加。未来多情景模拟表明，在SSP2-4.5情景下，阿拉木图州洪水影响面积预计将增加10.8%，这与增强的融雪过程相关；而在SSP5-8.5情景下，阿克莫拉州可能会减少23.2%，这与蒸发–土壤水分相互作用的变化有关。社会经济发展与自然灾害之间的相互作用导致了不同的风险轨迹：阿克莫拉州和突厥斯坦州的城市扩张可能抵消水文气候灾害的下降，从而产生潜在的风险悖论；而山区仍然对灾害强度和暴露度的同步增加保持敏感。这些发现表明，所研究的中亚干旱区洪水风险演变除受自然灾害影响外，正日益受到社会经济动态的影响，凸显了差异化适应性规划策略的重要性。

全球变暖加速了水文循环，干旱与半干旱区正面临前所未有的复合洪水威胁。中亚干旱区水资源高度依赖山地冰川与融雪，对气候波动极其敏感。哈萨克斯坦地形从北部平原延伸至东南部山地，不同地貌单元的洪水机制存在显著空间异质性，但以往研究多集中于单一流域或单一灾害类型，缺乏对驱动机制时空异质性的系统比较，也缺少气候与社会经济情景耦合的未来风险预测和综合性评估框架。为此，研究人员选取阿克莫拉州、阿拉木图州和突厥斯坦州作为代表区域，构建了集驱动归因、未来预测与综合风险评价于一体的研究框架，相关成果发表于《Environments》。

研究人员利用2000–2025年多源地理空间数据与历史洪水观测，开发了可解释的XGBoost–SHAP机器学习框架，量化各驱动因子的贡献及其年际演变；基于偏差校正后的CMIP6气候情景（SSP2-4.5和SSP5-8.5）预测未来洪水规模；并在“危险性–敏感性–脆弱性”（HSV）框架下，结合熵权法与耦合协调度模型（CCD）评估综合风险。研究揭示出三种区域驱动范式，并指出社会经济暴露正日益主导洪水风险演变，为干旱区差异化适应性规划提供了科学依据。

方法上，研究人员基于Liu等提出的多源遥感洪水制图框架，采用Sentinel-1 SAR数据构建2000–2025年历史洪水淹没目录，并参考FloodCastBench数据集的构建策略，以1:1比例在非淹没区随机生成负样本；预测变量经方差膨胀因子和Pearson相关筛选后，以30 m分辨率统一归一化。XGBoost模型通过网格搜索与k折交叉验证进行超参数优化，并以独立测试集和极端事件表现评估。未来气候数据使用Delta方法对CMIP6温度和降水进行偏差校正，土地利用采用CA–Markov模型模拟；综合风险则利用熵权法和耦合协调度模型在HSV框架下计算。

在结果方面，关于“洪水淹没范围时空演变特征”，研究人员通过2000—2025年淹没面积的年际与季节分布分析，识别出三种区域响应模式。阿拉木图州：地形滞后效应与热力驱动机制，表现为洪峰滞后于平原融雪季节，雨季淹没面积显著偏高，如2003年雨季淹没面积达4101.6 km²，约为融雪季的2.1倍；洪水主要聚集于伊犁河三角洲与巴尔喀什湖南岸。阿克莫拉州：平原滞留与雨季增强的复合效应，2024年雨季淹没面积达到7318.5 km²，超过融雪季的4640.3 km²，反映早期融雪的水文记忆与春季极端降水的叠加。突厥斯坦州：早春暴发特征与系统性风险共振，2017年4月融雪季淹没面积达3139.1 km²，并与北部地区形成跨区域风险联动，其洪水受锡尔河主河道与上游水库调度控制。

关于“洪涝驱动机制时空异质性分析”，通过SHAP平均重要性排序与多因子耦合网络，研究人员发现：驱动因素重要性的区域分异表现为阿拉木图州以坡度为主导（平均重要性13.02%），且其贡献呈显著上升趋势（p<0.01），属于稳态地形控制；阿克莫拉州坡度（15.67%）与土壤湿度（11.93%）为核心，其中土壤湿度重要性显著下降（p<0.01），体现水文记忆效应；突厥斯坦州夜间灯光（13.22%）超过融雪（12.89%）和温度（11.75%），反映社会暴露主导。耦合网络进一步显示：阿拉木图州“