《Environmental Modelling & Software》：UrbanFloodBench: Bridging AI and hydrology through benchmarking of coupled 1D–2D urban flood surrogate models
编辑推荐：
基于物理的水动力模型是城市洪水模拟的标准方法，但在实时建模中计算成本过高。尽管机器学习代理模型提供了一种有前景的替代方案，但现有方法大多依赖私有或简化数据集，限制了可复现性和严格比较，尤其是在耦合1D–2D洪水系统中。为弥补这一空白，研究人员引入了UrbanF
基于物理的水动力模型是城市洪水模拟的标准方法，但在实时建模中计算成本过高。尽管机器学习代理模型提供了一种有前景的替代方案，但现有方法大多依赖私有或简化数据集，限制了可复现性和严格比较，尤其是在耦合1D–2D洪水系统中。为弥补这一空白，研究人员引入了UrbanFloodBench，这是首个用于受控耦合1D–2D城市洪水模拟器仿真的开放基准。UrbanFloodBench结合了多流域HEC-RAS派生数据集、方差感知评估框架以及可复现的大规模AI挑战。该Kaggle竞赛评估了在空间均匀合成降雨条件下，两个简化、未校准HEC-RAS基准流域的水位预测，吸引了全球264支队伍和3799份提交。结果表明，多种建模方法均可取得较强性能，而1D排水组件仍是主要未解决挑战。UrbanFloodBench为推进基于AI的代理建模以及未来数据驱动洪水仿真方法的评估奠定了可复现基础。
UrbanFloodBench：耦合1D–2D城市洪水代理模型的开源基准研究解读
城市洪水是全球最具破坏性且频发的自然灾害之一，快速城市化与气候变化下的极端降雨加剧了其影响。基于物理的水动力模型是模拟城市洪水过程的标准手段，然而这类模型计算开销极大，单个复杂城市流域的模拟往往需要数小时，严重制约了其在实时建模、集合不确定性分析和快速情景筛选中的应用。为此，机器学习（ML）代理模型被广泛探索，以期在显著降低计算成本的同时模拟物理求解器的行为。早期代理方法多采用浅层架构，如人工神经网络和支持向量机，用于点尺度水位预测；近年来，深度学习极大地拓展了代理建模的范围，包括循环架构处理时间序列水力预测、卷积模型绘制淹没范围，以及显式利用排水系统网络结构和非结构水力网格的图模型。
尽管方法快速多样化推动了进展，该领域仍缺乏针对耦合城市洪水代理建模的开放基准设施。这一问题导致严格比较难以开展，报告的性能提升究竟是真实的方法论进步还是数据集特定特征的伪影，也难以判断。尤其对于耦合1D–2D系统，地下排水网络与地表淹没之间的相互作用在高密度城区主导洪水行为，但现有大多数代理模型仅在2D地表数据集上开发和评估，忽略了控制超载、地表积水与跨域流量交换的排水动态。此外，尽管业务化洪水建模同时要求预测精度和低延迟推理，尚无基准对代理架构的推理性能进行标准化比较。评估方法也面临挑战：耦合1D–2D系统中，排水节点与地表节点空间尺度根本不同，水位方差差异显著，传统全局均方根误差（RMSE）指标过度加权高方差节点和事件，掩盖误差来源，使跨方法比较困难。
为解决上述缺口，研究人员构建了UrbanFloodBench，这是首个面向耦合1D–2D城市洪水代理建模的开放基准生态系统。该基准整合了多流域基准数据集、方差感知评估框架和全球AI挑战赛，以支持大规模、可复现的代理建模方法比较。本文的主要贡献包括：建立开放基准与AI挑战，提供新的公共基准数据集、方差感知评估框架和大型Kaggle竞赛；通过分析来自264支队伍的3799份提交，首次对耦合城市洪水仿真领域进行大规模经验比较，涵盖序列模型、图模型、经典ML方法和混合流水线；识别与预测性能强相关的建模策略和训练原则，对顶尖方案进行推理时间基准测试，并公开数据集、评估代码和顶尖方案实现。
研究人员基于HEC-RAS水动力建模软件（版本6.7 Beta 4a）开发了四个城市洪水模型，每个模型代表rain-on-grid耦合1D–2D水动力系统。其中三个模型改编自HEC-RAS文档提供的算例，第四个模型源自澳大利亚Coogee真实案例。所有模型均有意简化，排除泵、堤防等主动控制结构，且未针对真实洪水事件校准。数据生成方面，针对每个模型生成了约100个合成降雨事件，涵盖5年、20年和100年重现期以及3小时、12小时和24小时历时，降雨在空间上均匀但随时间变化。水动力计算采用HEC-RAS中的浅水方程-欧拉-拉格朗日方法（SWE-ELM），2D域采用固定时间步长，1D域采用自适应时间步长（目标Courant数0.90）。输出以5分钟间隔记录水位、水量、流量和流速等变量。为确保物理一致性，移除了计算伪影（如ghost cells）。四个模型覆盖了从简单邻里排水到大型城区排水系统的广泛空间尺度和拓扑复杂度，流域面积从0.21 km2到63.2 km2，1D节点数从17到293，2D网格规模从3704到19711个节点。数值一致性验证显示，所有模拟事件的体积平衡误差均低于总流量的5.4×10
-4，表明HEC-RAS参考仿真具有数值一致性。
数据采用节点-链接图格式结构化，直接反映HEC-RAS拓扑，便于图模型、循环序列模型和任意ML框架集成。数据集分为1D排水域和2D地表域，分别提供静态和动态特征CSV文件。1D域静态节点特征包括平面坐标、垂直深度、倒虹吸高程、地表高程和基底存储面积；静态边特征包括管长、上下游位置偏移、内径、截面形状、曼宁粗糙系数和纵向坡度。动态节点特征为节点水位和带符号的1D–2D进口流量；动态边特征为带符号的平均管流和流速。2D域静态节点特征包括质心坐标、单元面积、曼宁粗糙度、最小和质心地形高程、坡向、曲率和汇流累积指数；静态边特征描述相邻单元几何关系；动态节点特征为降雨深度、水位和每单元存储水量；动态边特征为跨共享边的带符号单元间流量和平均地表流速。所有流域还提供地理空间参考文件（shapefiles）。数据集以三个版本发布：竞赛数据集、可复现数据集和完整基准数据集，均采用知识共享署名-非商业4.0许可。
基准评估协议方面，竞赛在Kaggle平台进行，旨在评估两个模型（Model 1和2）中每个1D排水节点和2D地表单元在未见降雨事件下的水位预测。数据按事件60/40划分训练/测试集，确保降雨强度、历时和时程模式在两部分均有体现。针对耦合1D–2D系统，研究人员提出了方差感知的分层评估指标——标准化均方根误差（SRMSE），该指标先对节点误差按类型（1D/2D）训练集标准差归一化，然后通过节点级、节点类型级、事件级和模型级四级层次聚合计算最终得分。这种设计确保任一节点类型、事件或城市设置中的性能短板无法通过聚合掩盖。竞赛于2026年1月至3月运行十周，之后对顶尖提交进行验证，并邀请参与者填写赛后调查和提交方法报告。
在方法学格局方面，提交方案可归类为几大模型族：序列深度学习模型（如LSTM、Transformer）主要捕捉降雨驱动的时间演化；图神经网络（GNN）显式表示耦合系统的图结构，通过消息传递捕捉空间交互；经典ML方法（如梯度提升决策树）依赖大量特征工程；混合/集成流水线结合多种范式的互补归纳偏置。高绩效方案中反复出现的关键训练策略包括：时序特征表示（降雨历史、水位轨迹、多尺度降雨概要）、物理信息特征（存储指标、超载状态、域间流量交换）、残差学习、课程式滚动调度、多阶段精化流水线，以及与SRMSE对齐的定制训练目标。顶尖方案包括：Team 1的节点中心LSTM模型（非自回归预测累积水量变化）；Team 2和4的同质/异质GNN（编码器-处理器-解码器框架，结合GRU和注意力消息传递）；Team 3、5、7的混合神经-树流水线（GNN+梯度提升残差校正、自适应混合建模、异质集成）；Team 6和9的特征工程经典ML流水线（ARX线性模型+残差校正、LightGBM）。
竞赛结果方面，264支队伍中有185支在公共和私有排行榜均取得低于1.0的竞争性SRMSE。公共与私有分数高度一致，126支队伍（68%）的相对变化低于5%，表明未出现严重公共集过拟合。顶尖方案的SRMSE约为0.01量级，其中获胜方案私有SRMSE为0.0120，领先明显。2D淹没范围分类评估显示，获胜方案在5cm和30cm阈值下CSI分别为0.976和0.969，表明最强SRMSE性能也对应准确的地表淹没范围再现。按模型族分析，不同方法在不同子任务上各有优势：序列模型可有效捕捉时间响应，GNN在处理空间复杂度和Model 2的大排水网络时表现突出，经典ML在特定组件上具有竞争力，混合流水线通过残差校正和集成结合多种优势。域间差异显著：所有队伍的1D排水RMSE远大于2D地表RMSE，如Model 2中顶尖方案1D RMSE范围为0.098–0.276 ft，而2D RMSE均低于0.10 ft。这反映排水节点的非线性超载动态比平滑的地表水位更难近似。事件级分析显示，困难事件各队伍共同出现误差尖峰，表明挑战来自降雨事件的水力特征而非模型特有弱点。时间步级轨迹比较表明，在1D节点各模型均能逼近四峰结构，误差集中在峰幅和退水阶段；在2D节点信号动态范围小但高频波动明显，部分模型出现系统性偏差。推理时间基准显示，基于同质GNN的Team 2最快，Model 1和2分别仅需10.28s和19.68s，相比HEC-RAS实现约795倍和524倍加速；Team 3（异质GNN+XGBoost）也获得约290倍加速；而异质GNN Team 4约90倍。相反，获胜的LSTM模型推理时间为12056.64s和16858.16s，反而慢于HEC-RAS仿真。该结果表明预测精度与推理效率并非天然一致，更快的模型可牺牲一定精度换取实用性。
讨论部分总结了六个关键发现：第一，时间建模在水位仿真任务上表现强劲，无显式空间消息传递的序列模型可超越GNN，但该结论限于当前水位评估，并不否定空间建模在更复杂系统中的价值。第二，1D排水子问题在复杂系统中仍是主要误差来源，Model 2的198节点网络展示了超载和存储相关的非线性挑战。第三，多种建模范式均可实现强性能，各有子任务优势，不存在普遍最优架构。第四，物理信息特征设计对所有模型族都至关重要，将存储容量、流向和1D–2D耦合等知识编码到输入中显著提升性能。第五，预测精度与推理效率并非必然一致，未来基准应联合评估两者。第六，开放基准有效吸引了AI社区参与水文学问题，264支队伍中大多数人此前无液压ML经验，说明清晰定义的基准能成功地促进跨学科参与。与现有文献比较，UrbanFloodBench首次为耦合1D排水-2D地表仿真提供了可复现的公平比较平台，不同于以往仅针对单一域的代理研究。局限性包括：数据集仅含简化未校准模型、合成降雨空间均匀、使用单一仿真框架（HEC-RAS）、竞赛提供10步暖启动初始化不代表真实观测可用性，以及评估仅限水位而缺乏对1D–2D交换流和完整水力状态的直接诊断。未来方向包括扩展到真实业务化流域、采用操作感知评估（联合精度与推理速度）、多目标和耦合感知指标、端到端可微分两阶段流水线、不确定性量化作为一等公民目标，以及跨流域泛化轨道。
结论部分指出，UrbanFloodBench是首个用于耦合1D–2D城市洪水代理建模的开放基准，结合了HEC-RAS派生数据集、方差感知评估框架和大规模AI挑战。结果表明多种AI方法可实现强水位仿真性能，但精度高度依赖于对时间动态、空间连接性和水力结构的表达方式。较复杂流域的1D排水组件仍是主要预测误差来源，凸显未来模型开发的重要挑战。该基准应被解读为可复现的耦合1D–2D水动力模拟器仿真基准，而非业务化洪水建模就绪的证据。研究展示了开放基准用于水位仿真的可行性和价值，但尚未证明物理完整的水力状态仿真、观测事件预测技能或业务部署就绪性。扩展到校准的真实流域、空间可变降雨、多变量水力状态预测、不确定性量化和业务化初始化，仍是未来得出更广泛结论的必要条件。
