Physically interpretable flood susceptibility mapping using spatial cross-validation and SHAP-derived environmental thresholds: A statistically validated framework

In de voeten van de Himalaya, waar de steile, rotsachtige bergen de vlakke, vruchtbare laaglanden ontmoeten, gedraagt water zich op manieren die zowel levensgevend als verwoestend kunnen zijn. Deze overgangszone, bekend als de Siwalik-Terai, is een plek waar rivieren, opgezwollen door zware moessonregens, enorme hoeveelheden sediment meevoeren van de eroderende heuvels. Wanneer deze rivieren het vlakke land bereiken, vertragen ze, laten ze hun lading van zand en slib achter, en stromen ze vaak over hun oevers, waardoor de dorpen en boerderijen die langs hun paden liggen, overstromen. Decennialang hebben wetenschappers geprobeerd te voorspellen waar deze overstromingen de volgende keer zullen plaatsvinden. Ze gebruiken computerprogramma's die leren van eerdere gebeurtenissen, waarbij ze kijken naar factoren zoals hoe steil het terrein is, hoe dicht een locatie bij een rivier ligt en hoeveel regen er in een gebied valt. Deze computermodellen werken echter vaak als 'black boxes': ze geven een resultaat, maar leggen niet uit waarom ze tot die conclusie kwamen, en ze maken soms fouten omdat ze patronen die toevallig dicht bij elkaar liggen op een kaart, verwarren met patronen die daadwerkelijk overstromingen veroorzaken.

Een nieuwe studie richt zich op de Triyuga River Watershed in Zuidoost-Nepal, een regio die deze uitdagingen perfect illustreert. De onderzoekers zetten zich het doel om een voorspellingssysteem voor overstromingen te bouwen dat niet alleen accuraat is, maar ook transparant en geworteld in de fysieke realiteit van het landschap. In plaats van te vertrouwen op één enkel computeralgoritme, testten ze vier verschillende methoden om te zien welke het beste kon leren van de geschiedenis van overstromingen in het gebied. Cruciaal was dat ze hun testproces zo ontwierpen dat de computer niet simpelweg de kaart uit het hoofd leert, maar daadwerkelijk de regels van het terrein leert begrijpen. Door deze rigoureuze tests te combineren met een techniek die precies onthult welke omgevingsfactoren de voorspellingen aansturen, creëerden ze een nieuwe manier om gevaarlijke gebieden te identificeren. Het resultaat is een kaart die niet alleen een waarschijnlijkheid van overstroming laat zien, maar ook specifieke, meetbare condities benadrukt—zoals binnen een bepaalde afstand van een rivier zijn of onder een specifieke hoogte liggen—die aanwezig moeten zijn voordat een overstroming plaatsvindt.

De studie begon met een zorgvuldige verzameling van gegevens over waar overstromingen daadwerkelijk hebben plaatsgevonden tussen 2014 en 2025. Het team verzamelde 240 bevestigde locaties van eerdere overstromingen, geverifieerd via satellietbeelden en historische records. Om de computer te leren wat een veilig gebied is, moesten ze een set "niet-overstromingspunten" creëren. Dit is een lastige stap in de overstromingswetenschap, omdat echte veilige zones moeilijk te definiëren zijn; een plek die vorig jaar niet overstroomde, kan volgend jaar wel overstromen. De onderzoekers losten dit op door hun zoektocht naar veilige punten te beperken tot gebieden die fysiek in staat waren om te overstromen, maar dat op dat moment simpelweg niet hadden gedaan. Ze keken naar terrein dat laag genoeg en dicht genoeg bij de rivier lag om een risico te vormen, maar sloten het rivierbed zelf uit. Vervolgens testten ze vier verschillende computerleermethoden: een statistische benadering genaamd Logistische Regressie, en drie complexere machine learning-modellen bekend als Random Forest, XGBoost en Support Vector Machine.

Om de resultaten betrouwbaar te maken, deelden de onderzoekers hun data niet willekeurig op. Ze gebruikten een methode genaamd ruimtelijke kruisvalidatie (spatial cross-validation), waarbij de kaart wordt verdeeld in vijf afzonderlijke geografische blokken. De computer leert van vier blokken en wordt getest op de vijfde, waarbij alle combinaties worden doorlood. Dit voorkomt dat het model de specifieke locatie van een overstroming leert in plaats van de onderliggende oorzaak. Toen ze deze tests uitvoerden, presteerden de twee boom-gebaseerde modellen, Random Forest en XGBoost, het best, met een AUC van 0,905. Verrassend genoeg presteerde het eenvoudigere model van de Logistische Regressie bijna even goed, wat suggereert dat de regels die overstromingen in dit gebied beheersen, niet uiterst complex zijn. Het vierde model, Support Vector Machine, presteerde aanzienlijk slechter, wat aangeeft dat het niet het juiste instrument is voor dit specifieke landschap.

De belangrijkste doorbraak van de studie kwam toen de onderzoekers de computer vroegen om zijn beslissingen uit te leggen. Met behulp van een techniek genaamd SHAP, die de logica van het model uiteenlegt, ontdekten ze dat vijf specifieke omgevingsfactoren de primaire drijfveren van overstromingen waren. De computer identificeerde dat binnen 226 meter van een rivier zijn, onder een hoogte van 119 meter liggen, een helling hebben die vlakker is dan 4,57 graden, een topografische natheid-index (topographic wetness index) boven de 8,33 hebben en meer dan 1.359 millimeter jaarlijkse neerslag ontvangen, de kritieke drempelwaarden waren. Dit zijn geen vage gissingen; het zijn precieze grenzen waar het risico op overstromingen drastisch verandert. Zo komt de afstand van 226 meter nauw overeen met de typische breedte van de actieve uiterwaarden van de rivier, terwijl de hoogte van 119 meter de overgang markeert van de steile heuvels naar de vlakke vlaktes waar water zich ophoopt.

De onderzoekers combineerden deze vijf regels vervolgens tot één enkele, gemakkelijk te begrijpen indicator. Ze creëerden een kaart waarop elke locatie een score krijgt op basis van hoeveel van deze vijf kritieke condities het vervult. Een plek die geen van de condities vervult, wordt beschouwd als een zeer laag risico, terwijl een plek die alle vijf de condities vervult, wordt geclassificeerd als een extreem gevaar. De resultaten waren opmerkelijk. Toen ze deze nieuwe kaart controleerden tegen de historische gegevens van overstromingen, ontdekten ze dat 85 procent van alle eerdere overstromingslocaties viel in gebieden die aan minstens drie van deze drempelwaarden voldeden. Nogzegender was dat locaties die aan alle vijf de condities voldeden, 141 keer vaker een overstroming hadden ervaren dan gebieden die aan geen enkele voldoen. Dit bewees dat overstromingen in deze regio niet worden veroorzaakt door slechts één factor, zoals regen of afstand tot de rivier alleen, maar door de gelijktijdige aanwezigheid van verschillende specifieke condities.

De studie produceerde ook een kaart die liet zien waar de computer onzeker was. Deze gebieden van hoge onzekerheid bevonden zich voornamelijk langs de randen waar de vlakke uiterwaarden de iets hogere terrassen ontmoeten. In deze overgangszones zijn de omgevingscondities ambigu, waardoor het voor elk model moeilijk is om zeker te zijn. De onderzoekers suggereren dat dit precies de plaatsen zijn waar toekomstige monitoring inspanningen op gericht moeten worden, omdat zij de grenzen vertegenwoordigen waar het overstromingsrisico het meest dynamisch is. Door deze zones te identificeren, biedt de studie een duidelijke leidraad voor waar middelen geïnvesteerd moeten worden in betere gegevensverzameling en vroege waarschuwingssystemen.

Dit werk biedt een nieuw sjabloon voor het beheer van overstromingsrisico's in dataschaarse bergregio's. In tegen tegenstelling tot eerdere studies die vertrouwden op complexe algoritmen zonder hun logica uit te leggen, biedt deze aanpak een transparante set regels die lokale planners kunnen begrijpen en gebruiken. De bevindingen bevestigen dat in de Triyuga River Watershed het risico op overstromingen wordt beheerst door de fysieke vorm van het land en de hoeveelheid regen, in plaats door mysterieuze of onvoorspelbare krachten. De studie demonstreert dat door rigoureuze tests te combineren met uitlegbare kunstmatige intelligentie, het mogelijk is om overstromingskaarten te maken die zowel wetenschappelijk robuust als praktisch bruikbaar zijn voor de bescherming van gemeenschappen in de Himalaya. Het ontwikkelde kader kan worden toegepast op andere rivierbekkens in de regio, wat een betrouwbare manier biedt om gevaarlijke gebieden te identificeren en landgebruikbeslissingen te sturen zonder dat daar uitgebreide historische data of complexe hydraulische modellen voor nodig zijn.