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

在喜马拉雅山的脚下，当陡峭多石的山脉与平坦肥沃的平原交汇时，水的行为既能带来生命，也能带来灾难。这个被称为西瓦利克-特莱（Siwalik-Terai）的过渡带，河流受沉重的季风降雨影响而剧烈波动，从侵蚀的山丘中携带大量的沉积物。当这些河流到达平坦的土地时，流速减慢，卸下沙石和淤泥的负荷，并经常漫过河岸，淹没沿途的村庄和农田。几十年来，科学家们一直试图预测这些洪水将在哪里发生。他们使用计算机程序，通过学习过去的事件，观察地形坡度、距河流距离以及某一地区降雨量等因素。然而，这些计算机模型往往像“黑箱”一样：它们给出结果，却不解释为何得出该结论，并且有时会因为将地图上恰好相邻的模式误认为是导致洪水的实际原因而犯错。

一项新的研究聚焦于尼泊尔东南部特里尤加河（Triyaga River）流域，该地区完美地展示了这些挑战。研究人员致力于构建一个不仅准确，而且透明且基于景观物理现实的洪水预测系统。研究人员没有依赖单一的计算机算法，而是测试了四种不同的方法，以观察哪一种能最好地从该地区的洪水历史中学习。至关重要的是，他们设计了测试过程，以确保计算机不仅仅是在“背诵”地图，而是在真正学习地形的规律。通过将这些严格的测试与一种能够揭示哪些环境因素驱动预测的技术相结合，他们创造了一种识别危险区域的新方法。其结果是一张不仅显示洪水概率，还强调了必须具备的特定、可测量的条件（例如：处于距离河流一定距离内，或位于特定的海拔高度以下）的地图。

研究始于对2014年至2025年间实际发生洪水情况的仔细数据收集。团队收集了240个经由卫星图像和历史记录验证的既往洪水确切位置。为了教计算机识别什么是安全区域，他们必须创建一个“非洪水”点集。这在洪水科学中是一个棘手的步骤，因为真正的安全区很难定义；去年没发生洪水的地方明年可能会发生。研究人员通过将寻找安全点的范围限制在物理上具备淹没能力但此次并未发生淹没的区域来解决这一问题。他们寻找的是足够低且足够靠近河流、具有风险的地形，但排除了河流河道本身。随后，他们测试了四种不同的机器学习方法：一种称为逻辑回归（Logistic Regression）的统计方法，以及三种更复杂的机器学习模型，即随机森林（Random Forest）、XGBoost和支持向量机（Support Vector Machine）。

为了确保结果可靠，研究人员并没有简单地随机划分数据。他们使用了名为“空间交叉验证”（spatial cross-validation）的方法，将地图分为五个不同的地理区块。计算机从四个区块中学习，并在第五个区块上进行测试，循环遍历所有组合。这防止了模型学习特定位置的洪水，而是学习其潜在成因。当运行这些测试时，两种基于树的模型——随机森林和XGBoost表现最佳，AUC达到了0.905。令人惊讶的是，较简单的逻辑回归模型表现也几乎同样出色，这表明该地区控制洪水的规律并非极其复杂。第四种模型——支持向量机，表现明显较差，表明它并不适合这种特定的景观。

这项研究最重大的突破在于研究人员要求计算机解释其决策。通过使用能够拆解模型逻辑的SHAP技术，他们发现有五个特定的环境因素是导致洪水的首要驱动力。计算机识别出：距离河流226米以内、海拔低于119米、坡度小于4.57度、地形湿度指数高于8.33以及年降水量超过1359毫米，是关键的阈值。这些不是模糊的猜测；它们是风险发生剧烈变化的精确边界。例如，226米的距离与河流活跃泛滥平原的典型宽度非常接近，而119米的海拔高度则标志着从陡峭山丘向水流汇集平原的过渡。

研究人员随后将这五条规则合并为一个易于理解的单一指标。他们创建了一张地图，根据每个位置满足这五个关键条件的数量进行评分。满足零个条件的地点被视为极低风险，而满足全部五个条件的地点则被归类为极端危险。结果令人震惊。当他们将这张新地图与历史洪水记录进行比对时，发现85%的既往洪水位置都落在至少满足其中三个阈值的区域。更具说服力的是，满足全部五个条件的地点发生洪水的可能性是满足零个条件地点的141倍。这证明了该地区的洪水并非由单一因素（如仅靠降雨或仅靠距河距离）引起，而是由多个特定条件的共同存在所导致的。

研究还制作了一张显示计算机“不确定性”的地图。这些高不确定性区域主要分布在平坦的泛滥平原与稍高的阶地交界处。在这些过渡地带，环境条件具有模糊性，使得任何模型都难以确定。研究人员建议，这些正是未来监测工作应重点关注的地方，因为它们代表了洪水风险最为动态的边界。通过识别这些区域，该研究为在哪里投入资源进行更好的数据采集和早期预警系统提供了清晰的指南。

这项工作为管理数据匮乏的山区洪水风险提供了一个新模板。不同于以往依赖复杂算法却无法解释其逻辑的研究，这种方法提供了一套透明的规则，便于当地规划者理解和使用。研究结果证实，在特里尤加河流域，洪水风险是由土地的物理形状和降雨量控制的，而非由神秘或不可预测的力量控制。该研究表明，通过将严格的测试与可解释的人工智能相结合，可以创建出既具有科学稳健性又具有实际用途的洪水图。在此开发的框架可以应用于该地区的其他河流流域，为识别危险区域和指导土地利用决策提供了一种可靠的方法，而无需大量的历史数据或复杂的动力学模型。