基于机器学习融合多源成因因子的全球30米洪水易发性制图（GFSM v1）

《Scientific Data》：A high-resolution global flood susceptibility dataset derived from multi-source earth observation and geospatial data

　　

摘要

洪水是全球破坏性最强的灾害之一，迫切需要高分辨率模型来揭示地形和环境条件在多大程度上使社会面临洪涝风险。虽然地理空间数据对于洪涝易发性制图至关重要，但全面且全球一致的数据集仍然稀缺。我们提出全球洪水易发性地图（GFSM v1），这是一个全球协调一致的30米洪水易发性数据集，通过在机器学习框架中融合多源洪水成因因子而生成，涵盖地形、水文、气象及人为特征。梯度提升树模型基于约17,000个精选网格瓦片（约3,045万个训练样本）进行训练，以全球洪水淹没数据集作为训练标签，并采用九个成因因子（高程、坡度、坡向、湿润指数、植被指数、距最近排水通道高度、距水体/道路远近及降雨频次）。模型依据地缘政治与气候分层（共192个单元）进行部署，以生成全球像素级易发性结果。严格的交叉验证表明模型具有高度预测精度（中位数曲线下面积约0.95），输出结果捕捉到了全球各地的局部洪涝高风险区域。GFSM v1 提供了一个全球开源、高分辨率的资源，以支持洪涝风险管理决策，尤其适用于数据匮乏地区。