Flood Susceptibility Mapping in Yola Metropolis, Nigeria, Using Random Forest, Terrain-Derived Predictors, and Nested Spatial Cross-Validation
本研究利用地形和土地利用预测因子，通过嵌套空间交叉验证，开发了适用于尼日利亚约拉大都市的基于随机森林的洪水易发性图，旨在确定海拔为主要影响因素，并将92.24%的区域划分为低至中度风险，从而为数据受限环境下的灾害规划提供一种可复制的筛选工具。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在快速增长的城市中，洪水是一个持续存在的威胁，尤其是在详细气象记录和排水地图都较为匮乏的地区。当暴雨降临或河流上涨时，水会向低洼处汇集；但在快速扩张的城市区域，新建的建筑和铺设的道路往往阻断了水分自然排出的路径。为了保护人民和财产，规划者需要了解哪些部分最容易发生洪水。这就是洪水易发性制图发挥作用的地方。这些地图并不是试图精确预测洪水何时发生或水位会有多深，而是识别出具有易受洪水影响的物理特征（如低海拔或特定的土地覆盖类型）的区域。通过使用卫星图像和计算机模型，科学家们甚至可以在难以收集地面数据的地区创建这些地图，从而为灾害规划提供关键的第一步。
在位于尼日利亚东北部的约拉市（Yola），研究人员最近应用了这种方法来绘制一份详细的洪水风险图。约拉位于贝努埃河附近的一个低洼地带，这使得它在面对水位上升时显得十分脆弱，但该地区又缺乏进行精确工程研究通常所需的广泛局部数据。来自比勒陀利亚大学和其他机构的一组科学家致力于构建一个模型，该模型仅利用从卫星图像和数字地图中获取的信息来识别易受洪水影响的区域。他们的目标不仅是制作一张地图，更是测试一种严谨的方法，以确保即使在数据有限的情况下，地图也是准确且可靠的。他们重点研究了影响洪水的三个主要因素：地形高度、地面坡度以及地表覆盖物（如树木、农作物或建筑物）。
为了构建模型，研究人员使用了一种名为“随机森林”的强大计算机学习技术。这种方法通过创建数千棵决策树，观察不同数据的组合以发现模式。团队将来自数字高程模型的（该模型充当了地面高度的三维地图）以及显示当年地面覆盖情况的2022年土地利用图输入计算机。他们还加入了一份关于2022年观测到洪水的832个特定位置及其对应干燥位置的记录。这份记录充当了计算机学习的“答案解析”。研究人员非常谨慎地避免了制图中常见的一个错误：他们确保计算机不会使用与其正在测试的数据点相邻的数据点进行测试。相反，他们将城市划分为大型区块，并在计算机从未见过的整个区块上进行测试，这种方法能更真实地反映模型在现实世界中的运作效果。
结果显示，预测洪水最重要的因素仅仅是土地的高度。计算机模型判定，了解海拔高度比了解确切的地面坡度或距离河流的距离更为关键。虽然加入坡度数据略微改善了模型，但加入到河流的距离实际上反而降低了模型正确识别受淹区域的能力。表现最好的模型结合了海拔、坡度和土地覆盖，能够以极高的准确度识别受淹和未受淹区域。它成功地将91.7%的实际洪水位置归类为高风险区，并将93.1%的干燥位置归类为安全区。这一精准水平表明，在这一特定景观中，地形形状是控制水分积聚的主导力量。
利用这些发现，团队创建了一份最终地图，将约拉分为三个类别：低、中、高易发性。他们根据模型在测试阶段的表现而非使用武断的界限来设定这些类别的边界。地图显示，在模型可以进行预测的区域中，绝大部分（约82.8%）属于低易发性类别。这意味着该市的大部分地区处于足够高的地面，在典型条件下能保持干燥。约9.4%的面积被划分为中等易发性，而较小的一部分（约7.8%）被标记为高易发性。这些高风险区集中在最低洼的地区，这符合水流运动的物理现实。然而，研究人员也注意到一个小区域（约5.26平方公里）无法进行制图。这是因为该特定地点的土地覆盖类型是计算机在训练数据中从未见过的植被类型，因此它明智地拒绝猜测，而不是编造答案。
研究结论认为，这张地图是一个强大的规划工具，但它并非完整的解决方案。它作为一个筛选工具，帮助官员决定在哪里进行更深入的观察。如果开发商想在高易发性区域进行建设，这张地图就会发出信号，提示需要进行详细的工程研究以检查排水和水深。研究人员特别强调，他们的地图并不预测水深或洪水发生的频率；它仅显示基于其物理环境哪些地方最容易变湿。通过证明简单的海拔与土地覆盖组合可以产生如此清晰的图像，这项研究为其他数据匮乏地区的城市提供了一个可靠的工作流程。它证明了即使没有复杂的局部测量，通过对卫星数据的仔细分析，也能提供应对气候变化带来的水位上升所需的必要指导，从而保护社区。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。