近日，西北农林科技大学水土保持科学与工程学院（水土保持研究所）、中国科学院水利部水土保持研究所、水土保持与荒漠化整治全国重点实验室王飞研究员团队在洪水风险制图与灾害管理研究领域取得新进展。相关成果以“A novel entropy-based machine learning framework for flood risk mapping in Pakistan”（一种用于巴基斯坦洪水风险绘图的基于熵的新型机器学习框架）为题，发表在国际知名水文学期刊Journal of Hydrology: Regional Studies上。
近年来，南亚地区特别是巴基斯坦洪水发生的频率和强度日益增加，对人类安全、基础设施和生态系统构成重大威胁。尽管已有许多研究聚焦洪水灾害，但对水文、地形与社会经济因素对洪水风险的综合影响研究仍然有限。为解决这一差距，该研究团队提出了一种创新的区域级洪水风险评估模型（D-FRAM），整合机器学习算法、卫星观测与国家社会经济数据，实现高时空分辨率评估洪水风险。
该研究开发了一个综合性洪水风险框架，包括三个组成部分：（1）使用随机森林（Random Forest）、梯度提升（Gradient Boosting）和XGBoost等先进的监督式机器学习模型得出的洪水易感性指数（FSI）；（2）使用混合自组织映射（SOM）和均匀流形逼近与投影（UMAP）聚类算法构建的洪水脆弱性指数（FVI）；（3）通过熵权多标准分析整合水文和脆弱性指标计算得出的洪水风险指数（FRI）。
研究结果表明，XGBoost模型在预测洪水易感性方面准确性最高（AUC = 0.95，准确率 = 0.89）。Sujjawal、Jacobabad、Kashmore和Jaffarabad 地区因海拔低、水系密度高和基础设施不足而被确定为最易发生洪水的地区。信德省（Sindh Province）被划分为“极高”洪水易感性的土地比例最大（50.3%），而俾路支省（Balochistan）的Sibi、Kech和Mastung等地区则表现出与卫生设施、教育和技术普及率低相关的高脆弱性。在时间上，全国洪水风险在8月份达到峰值，与季风季节相对应，信德省和俾路支省东部成为关键的热点地区。
本研究为洪水风险绘图提供了一个科学严谨且可扩展的框架，增强了早期预警能力，并为气候复原力和备灾提供了数据驱动的决策支持。D-FRAM模型为整合洪水风险的物理和社会维度提供了新视角，并可适用于其他易受极端水文事件影响的地区。
西北农林科技大学博士生 Komelle Askari (安晨) 和郑文德 (Wende Zheng) 为该论文的共同第一作者，王飞研究员为通讯作者。本研究得到了中国科学院国际伙伴计划（批准号：16146kysb20200001）、国家自然科学基金（批准号：42177344、U2243213）、“111”计划（批准号：B20052）以及陕西省自然科学基础研究计划（项目号：2024JC-YBQN-0297）的支持。
论文链接：https://doi.org/10.1016/j.ejrh.2025.102911
编辑：王容娜
终审：李小梅
附件下载：
