程朋根，黃 毅，郭福生，周萬蓬,吳 靜

(1.東華理工大學 測繪工程學院，江西 南昌 330000；2.自然資源部環(huán)鄱陽湖區(qū)域礦山環(huán)境監(jiān)測與治理重點實驗室，江西 南昌 330000；3.東華理工大學 地球科學學院，江西 南昌 330013)

近年來，隨著城市的高速發(fā)展和全球氣候變化的不斷加劇，也使得城市災害變得更加頻繁[1-2]。其中，據(jù)統(tǒng)計城市洪澇災害占比城市災害約為40%，城市洪澇災害成為城市災害的主要來源[3-4]。因此，提高城市的抗洪澇災害風險能力，是實現(xiàn)城市可持續(xù)發(fā)展的重要保障，而掌握城市內(nèi)產(chǎn)生洪澇災害的風險程度和面對洪澇災害產(chǎn)生時的抵抗能力是其重要基礎[5]。

城市洪澇災害風險評估是指由孕災因子、致災因子、承災因子和洪澇災情共同組合成的復雜地球表層異變系統(tǒng)[6]。目前，對于城市洪澇災害風險的研究評估，國內(nèi)外許多專家學者已經(jīng)有了較多的研究和評估方法[7]。通過梳理總結，前人的主要的方法有四種[8]：一是基于歷史災情數(shù)據(jù)的數(shù)理統(tǒng)計法，如方建等[9]通過統(tǒng)計全球范圍內(nèi)的降水、數(shù)字高程、土地利用、城市人口經(jīng)濟以及利用歷史城市洪澇損失等數(shù)據(jù)對全球城市洪澇災害風險進行評估；二是基于RS和GIS構建分析模塊，朱靜[10]基于遙感和GIS方法的應用,將數(shù)字高程模型同山洪水位和洪峰流量相結合進行淹沒分析，并模擬分析洪澇淹沒范圍和淹沒水深；三是基于水文水利學的模擬法，葉陳雷等[11]基于InfoWorks ICM建立水文水動力耦合模型，對沿海城市福州市主城區(qū)白馬河片區(qū)進行城市洪澇模擬和風險評估，實現(xiàn)了對片區(qū)洪澇危險性的量化計算和空間分析；四是指標體系評估法，如劉媛媛等[12]通過收集孟印緬地區(qū)的土地利用、河網(wǎng)、數(shù)字高程以及雨季降水等10個指標，基于AHP和熵權法對孟印緬地區(qū)的洪澇災害進行風險評估。CAI Shunyao等[13]基于三角模糊數(shù)的層次分析法確定了在山區(qū)城市中與洪澇災害相關的11個指標的權重，探測評估了動態(tài)變化的洪澇災害風險地區(qū)。

不同的洪澇評估模型適應于不同的評估環(huán)境，但收集研究區(qū)域內(nèi)歷史洪澇災害數(shù)據(jù)和城市氣候與城市地形等數(shù)據(jù)，是保證城市洪澇評估有效性的關鍵。而城市數(shù)據(jù)的收集往往成為制約城市洪澇評估關鍵因素；同時，應用較廣普適性較好的指標體系評估法，對于市級單位的評估結果效果較好，但在傳統(tǒng)的指標權重參數(shù)設置方面，因不同城市、學者所采用的指標不同，權重設置較難固定。為探究一種可供復現(xiàn)的可靠城市洪澇評估方法，本文通過收集整理城市開源數(shù)據(jù)以及互聯(lián)網(wǎng)城市數(shù)據(jù)，并從中提取洪澇因子，結合隨機森林回歸分析和AHP和熵權法構建洪澇災害風險評估模型，以南昌市為例，評估市級城市的洪澇災害風險。

1 城市洪澇災害風險評估指標體系構建

基于城市洪澇災害的相關理論，城市洪澇災害的產(chǎn)生有三個階段：①地區(qū)在短時間內(nèi)產(chǎn)生足夠多的降雨量，導致降雨地區(qū)環(huán)境在短時間內(nèi)無法將雨水迅速排出；②形成洪澇積水；③地區(qū)內(nèi)的洪澇積水對當?shù)禺a(chǎn)生了破壞性影響。因此，本文從洪澇災害產(chǎn)生的機理條件出發(fā)，對引發(fā)洪澇災害的三大階段分別梳理，構造出城市洪澇災害的致澇危險性(產(chǎn)生洪澇災害的致澇因子)、孕澇敏感性(形成洪澇積水的地理環(huán)境的孕澇因子)和承澇脆弱性(城市的經(jīng)濟發(fā)展程度與防洪減災救災能力的承澇因子)。因此洪澇災害風險結構可以表示為如下形式。

致澇因子:

(1)

孕澇因子:

(2)

承澇因子:

(3)

洪澇災害風險系數(shù):

R(X)=WMM(X)+WBB(X)+WSS(X)。

(4)

式中：Mji(X)、Bji(X)和Sji(X)是各指標標準歸一化后的值；M(X)、B(X)和S(X)的值分別表示洪澇災害風險系數(shù)中的致澇因子危險度、孕澇因子敏感度和承澇因子脆弱性；WM、WB、WS是相應度評估因子的權重，R(X)表示該區(qū)域洪澇災害風險系數(shù)值。

指標選取原則：基于洪澇災害的形成機理，綜合城市的實際情況，依據(jù)洪澇災害發(fā)展的各個階段，選取出具有普適性和代表性的洪澇指標因素。最終通過參考城市洪澇災害風險評估指標體系法的相關研究[12-15]和查閱城市建設相關標準等[16]，構建城市洪澇災害風險評價指標體系表(表1)。評估流程圖如圖1所示。

表1 南昌市洪澇災害風險評價指標體系

圖1 實驗流程圖

2 研究區(qū)域及數(shù)據(jù)來源

2.1 研究區(qū)域

南昌市作為江西省省會，地理位置較為優(yōu)越，水資源豐富(圖2)。東北部緊靠我國最大的淡水湖鄱陽湖，是中國唯一一個毗鄰珠江三角洲、珠江長江三角洲和閩南金三角的省會中心城市。全市以平原為主，南北長約112.1 km、東西寬約107.6 km，全市面積約為7 194.61 km2，截止2019年，南昌市人口已達到536萬人。

圖2 南昌市水系分布情況(審圖號：GS(2021)6026號，底圖無修改，下同)

2.2 數(shù)據(jù)來源

隨著評估精度要求的提升，為收集到更高精度的指標數(shù)據(jù)，可以利用互聯(lián)網(wǎng)搜集城市數(shù)據(jù)，提取出洪澇災害風險指標[17]，如城市人口分布情況(城市熱力值)等可由互聯(lián)網(wǎng)進行收集整理，以獲取更高的數(shù)據(jù)精度。

本文所使用的研究數(shù)據(jù)共分為4類：氣象水文數(shù)據(jù)、基礎地理數(shù)據(jù)、遙感數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)(表2)。

表2 數(shù)據(jù)來源

3 基于AHP和熵權法的洪澇災害風險評估模型

3.1 隨機森林回歸分析

隨機森林是一種Bagging類型的集成算法，通過組合弱評估器，構建多個決策樹形成森林，再通過Bagging隨機采樣，使得模型結果具有較高的泛化性能。隨機森林算法的優(yōu)點在于樣本隨機和特征隨機，使得隨機森林不易于過擬合且增強了森林的抗噪能力；能夠判別特征的重要程度和不同特征之間的相互影響；由于是樹的組合，隨機森林可以處理非線性的高維數(shù)據(jù)，對于數(shù)據(jù)集的適應性較強，且易于實現(xiàn)、訓練速度較快、精度較高，能夠處理大規(guī)模數(shù)據(jù)，適應于本實驗。缺點在于對于數(shù)據(jù)集的維度有一定限制，低維數(shù)據(jù)訓練效果不如高維數(shù)據(jù)；并且在某些噪音較大的分類或回歸問題上容易出現(xiàn)過擬合[20]。

隨機森林的弱評估器使用的是CART決策樹(分類回歸樹)，當輸入算法數(shù)據(jù)集為離散型數(shù)據(jù)時，決策樹為分類樹；當數(shù)據(jù)集為連續(xù)性數(shù)據(jù)時，決策樹為回歸樹，并計算其均值作為回歸預測值?；貧w算法的核心是通過建立一系列回歸決策樹{h(x,θt),t=1,2,…,T}，并計算其均值作為回歸結果。其中，θt表示隨機變量，x表示自變量，屬于特征向量X，T表示決策樹數(shù)量。

分類預測結果為：

(5)

回歸模型預測結果為：

(6)

3.2 AHP和熵權法

3.2.1 AHP層次分析法

AHP層次分析法的主要思想是通過將最終目標拆分成各個因素指標，并根據(jù)層次關系將指標組成不同級別的層次結構，通過重要程度指標進行權重評分，并以此構建權重判斷矩陣，最終自下而上求出目標結果。

構建過程為：①構建結構層次模型；②構建判斷矩陣；③一致性檢驗。最終利用一致性合格的判斷矩陣計算各層次中指標的相應權重值。AHP層次分析法是一種簡便、靈活且實用對定權方法，但是缺點在于人為對主觀性過強，過于依賴人為判斷。

3.2.2 熵權法

熵權法是利用數(shù)據(jù)的信息熵來描述數(shù)據(jù)指標差異程度的概念。根據(jù)熵權法的基本理論，數(shù)據(jù)指標的數(shù)值差異度越大，則表示該指標離散程度較大，對綜合評價結果的影響較大，即相應的權重值較高。

構建過程為：①洪澇指標數(shù)據(jù)標準化；②構建評價指標矩陣；③計算洪澇指標權重。過程相對簡單，普適性較強，缺點在于對于部分指標無法進行人為修正。

3.2.3 AHP和熵權法

AHP層次分析法是由專家經(jīng)驗對目標進行比較判出指標權重，熵權法則由客觀數(shù)據(jù)判出指標權重，由于AHP層次分析法和熵權法都是通過先獲取指標權重，再對權重目標進行評估計算，因此可以將兩種權重評估方法進行集成[21]。

本文所用的AHP和熵權賦權法的原理是根據(jù)不同洪澇指標在兩種定權方法間的差異度，采用“距離函數(shù)的組合評價法”[22]，將AHP層次分析法所得到的m個洪澇因子的權重值WAHP和由熵權法所計算出的m個洪澇因子的權重值WEWM當作兩組m維的向量，再從兩組向量Wm×1間找出一組向量，使其到WAHP和WEWM的距離和最小，此時可以將Wm×1當作AHP與熵權法的組合權重。構造公式如下：

(7)

式中：α與β分別為AHP與熵權法的分配系數(shù)，其值與WAHP和WEWM的差異度相同。而WAHP和WEWM的差異度可有距離函數(shù)D(α,β)2求得：

(8)

由此可以求出組合權，由于組合權之和∑Wm×1不等于1，故還需對其進行歸一化處理，最終得到歸一化處理過后的指標數(shù)據(jù)矩陣W。

4 洪澇災害風險評估

依據(jù)洪澇災害風險評價指標體系，將采集到的多源數(shù)據(jù)按照指標屬性的正負性，做歸一化指標處理劃分入柵格網(wǎng)中，數(shù)據(jù)的投影坐標系為WGS84-UTM，各柵格圖層單元大小為200 m×200 m，共計181 643個柵格單元。

4.1 隨機森林回歸分析

隨機森林能夠?qū)μ卣饕蜃舆M行評分，揭示特征因子對結果影響程度，本文根據(jù)隨機森林回歸分析，對洪澇災害風險因子與城市洪澇對相關性進行研究，對洪澇災害風險因子間的重要性進行對比分析，為指標權重設置提供參考依據(jù)[23]。

本文將洪澇因子作為特征向量(X)，將洪澇積水點作為目標向量(Y)，對南昌市洪澇危險性指標和洪澇脆弱性指標與南昌市洪澇積水點(由2020年夏季南昌市洪澇災情數(shù)據(jù)提取)進行隨機森林回歸分析。在200 m的格網(wǎng)尺度下，通過將洪澇災害風險區(qū)域以70%和30%的比例劃分為訓練集和測試集，并在訓練集上利用sklearn中的GridSearchCV(格網(wǎng)搜索和交叉驗證)工具，從所有參數(shù)中找出找到訓練集上精度最高的參數(shù)。

實驗結果如圖3所示，在南昌市洪澇災害風險指標中，暴雨占比的重要性最高，達到0.22；其次暴雨變化趨勢、短歷時暴雨占比以及歸一化植被指數(shù)也具有較強的洪澇相關性；相對而言，河路密度在南昌市城市洪澇影響中重要性最小，說明在洪澇災害中，城市的河網(wǎng)中的河水外溢的概率較小，與城市道路密度和洼地深度等相比，對城市洪澇災害的影響較小。

圖3 洪澇災害因子比值重要性對比

4.2 AHP和熵權法評估分析

本文基于AHP層次分析法的基本思想，利用隨機森林所得重要性，構建判斷矩陣。由于洪澇災害的發(fā)生只與災害發(fā)生前的環(huán)境因素相關，對于災害發(fā)生后，洪澇災害并不能反映出不同區(qū)域間的救災能力，因此本文根據(jù)實際情況只對洪澇危險性以及洪澇敏感性進行隨機森林回歸分析，利用隨機森林重要性結果作為南昌市洪澇危險性以及洪澇敏感性判斷矩陣的構造依據(jù)，對于城市經(jīng)濟能力和抗洪救災指標的洪澇脆弱性，則參考前文以及相關文獻中的洪澇因子對比結果以及咨詢相關專家后，完成洪澇脆弱性因子的對比分析，進而構建相應的洪澇脆弱性判斷矩陣[12]。將所構建的判斷矩陣，做一致性檢驗，在檢驗通過后，由判斷矩陣可求出各層洪澇指標的主觀權重值；同時利用熵權法對數(shù)據(jù)進行客觀評價，并將結果與AHP層次分析法所得結果相融合，最終計算出洪澇災害風險評估的指標權重值，組合權重結果如表3所示。

4.3 洪澇災害風險評估結果

依據(jù)組合權的計算結果，分別將洪澇因子權重與洪澇柵格單元數(shù)據(jù)相結合，可得南昌市的洪澇災害風險評價結果。

表3 指標權重

4.3.1 洪澇危險性

洪澇危險性是反映洪澇災害程度的因素之一，根據(jù)指標權重可計算出各柵格區(qū)域內(nèi)的洪澇危險性，最后利用自然斷點法將洪澇危險性評價結果分為高度風險、較高風險、中等風險、較低風險和低風險。評價結果如圖4所示。從圖4中可以看出，南昌市的洪澇降雨風險呈現(xiàn)出中部點狀較高，并向外下降，從縱向看則呈現(xiàn)出由北向南梯度下降的趨勢。中部西湖區(qū)東南部與青云譜區(qū)南部為高風險地區(qū)，由于“城市雨島效應”的影響，該地段的降雨量更多，短歷時暴雨占比占據(jù)了總暴雨雨量的80%以上，致澇危險性系數(shù)較高；其次，除去“城市雨島效應”的影響，從整體上來看，南昌以北的新建區(qū)也有較高的致澇風險，原因在于新建區(qū)地帶暴雨頻率逐年呈快速上升趨勢，且暴雨雨量占比大，因此也有較高的洪澇危險性。

4.3.2 洪澇敏感性

洪澇危險性表現(xiàn)了在暴雨來臨時，研究區(qū)域的地形地貌、植被與河流等不同地理環(huán)境對洪澇災害形成的敏感度。同理根據(jù)危險性權重指標可計算出各柵格區(qū)域內(nèi)的洪澇危險性。評價結果如圖5所示。從南昌市洪澇敏感性分布情況上看，敏感性和城市發(fā)展狀況相關度較高，高敏感區(qū)域主要分布在城市中部的主城區(qū)，主要原因在于西湖區(qū)、東湖區(qū)與青云譜區(qū)等地位處于平原，植被較少，道路密度大,不透水層的占比率較高，加大了城市洪澇的形成風險；同時，安義縣中部向南和進賢縣以東的城鎮(zhèn)部分區(qū)域也有較高的洪澇敏感性風險；其次，南昌縣西部敏感性較高，東部敏感性高風險地區(qū)呈點狀分布，原因在于南昌縣西部的植被歸一化指數(shù)較差，而東部植被指數(shù)表現(xiàn)較好，但存在較大范圍的洼地，增加了洪澇敏感性風險；北部的新建區(qū)由于植被歸一化指數(shù)較好且地表較為平緩又復雜密集的道路和水路網(wǎng)，因此在洪澇敏感性風險中整體表現(xiàn)最好。

4.3.3 洪澇脆弱性

洪澇脆弱性表現(xiàn)了在城市中形成洪澇災害后，城市的救災、抗災的抵御災害能力。同理利用自然斷點法將洪澇脆弱性評價結果進行分級。評價結果如圖6所示。城市的發(fā)展規(guī)模能夠體現(xiàn)在洪澇發(fā)生時的抗洪能力，但是在大比例尺范圍內(nèi)，不同地區(qū)間在面臨相同規(guī)格的洪澇災害時，抗風險能力不同，較為發(fā)達地區(qū)所造成的洪澇損失更多。從圖6 e南昌市洪澇脆弱性分布圖中可以看出，東湖區(qū)南部與西湖區(qū)北部屬于脆弱性高風險地區(qū)；其次，青山湖區(qū)與青云譜區(qū)為較高風險地區(qū)；低風險地帶集中在新建區(qū)北部、南昌縣東北部和進賢縣北部地區(qū)。從整體上看，南昌市的洪澇脆弱性分布情況呈現(xiàn)中部以及西南地帶較高，北部地區(qū)脆弱性整體偏低，人口稀疏、城市建設度較低，洪澇產(chǎn)生的破壞性風險不高。

圖4 洪澇危險性評估結果

圖5 洪澇敏感性評估結果

圖6 洪澇脆弱性評估結果

4.3.4 洪澇災害風險綜合評估

洪澇災害風險綜合評估是綜合洪澇危險性、洪澇敏感性和洪澇脆弱性，根據(jù)AHP和熵權法的所求出的組合權重將所有的洪澇因子導入評估模型，最終得出評估結果。最終結果如圖7所示。

圖7 南昌市洪澇災害風險評估結果

由南昌市的洪澇災害風險評估結果可以看出，南昌市的東湖區(qū)南昌部、西湖區(qū)同青云譜區(qū)和南昌縣西部屬于洪澇高風險地帶；其次，青山湖區(qū)與安義縣和進賢縣南部部分地區(qū)屬于洪澇較高風險地區(qū)；安義縣和進賢縣洪澇災害風險等級整體呈中等偏高；灣里區(qū)整體的洪澇災害風險較低；新建區(qū)東北部與南昌縣中北部屬于低風險地區(qū)。從分布結果上看，南昌市洪澇災害風險呈現(xiàn)出中間高、兩端低的包裹狀態(tài)；中部主城區(qū)地勢平坦且河流交錯，植被較少、不透水層的占比率較高屬于洪澇高風險地區(qū)，而且人口較為密集，發(fā)生洪澇災害時，經(jīng)濟損失較為嚴重；植被較多地勢高的灣里區(qū)屬于洪澇中低風險區(qū)域；中部南昌縣洪澇災害風險地區(qū)較為分散，中部以北洼地較多，有較多零散的中高洪澇災害風險地區(qū)，西南與青云譜區(qū)接壤區(qū)域?qū)儆诤闈掣唢L險地帶，該部分城市建設較為發(fā)達、人口分布較為密集、植被較少且有較大面積的不透水層，極大的增加了洪澇災害風險；進賢縣外接撫河，內(nèi)有軍山湖，而湖泊水系周圍的陸地伴有較多的洼地，植被歸一化指數(shù)較差，因此湖泊水系兩岸也有較多零碎的中高洪澇災害風險地區(qū)；新建縣整體屬于中等洪澇災害風險，東部地帶雖然靠近鄱陽湖，但是城市居住人口較少，水域占比率較大，城市建設度沒有西湖區(qū)與東湖區(qū)等地高，因此，所能產(chǎn)生的洪澇損失有限，洪澇災害風險略低于中南部。

4.5 評估結果驗證

為更為清晰直觀的反映城市洪澇的真實狀況，本文以人工視檢法對南昌市洪澇災害風險評估結果進行驗證。通過中國農(nóng)業(yè)大學和國家對地觀測科學數(shù)據(jù)中心提供的2020年7月11—30日的夏季洪澇災情數(shù)據(jù)，以其中兩期高分辨率衛(wèi)星遙感影像提取洪澇災情期間南昌市的水體信息，該數(shù)據(jù)空間分辨率為10 m；再經(jīng)過裁剪拼接，得到的南昌市的洪澇災情水體分布結果；最后，從水體數(shù)據(jù)中剔除南昌市晴朗時段的湖泊、河流等水體數(shù)據(jù)，得到南昌市洪澇災情期間的積水分布概況，并在此基礎上添加由百度地圖提取出的南昌市建筑輪廓分布數(shù)據(jù)。最終結果如圖8所示。

圖8 洪澇水體分布情況

圖9 南昌市鄉(xiāng)鎮(zhèn)級洪澇災害風險評估結果

從圖8洪澇水體分布圖中可以看出，7月20日前后南昌市江河湖泊部分的水體明顯減少，而城市居民住宅區(qū)附近零碎的洪澇水體在大幅增加，說明雖然城市暴雨雖然在持續(xù)進行，但洪水正在消退。而新增的零散洪澇水體，為城市洪澇災害風險較高地域，在城市暴雨時期，更易產(chǎn)生洪澇積水。從洪澇水體整體分布上看，在南昌2020年夏季災情期間，大塊的洪澇積水集中在新建區(qū)北部和南昌縣的南北地區(qū)，這類區(qū)域均處于贛江以及撫河兩岸，雖然對比晴朗時期的水域有所擴展，但考慮到江河流域的實際寬度與河岸高度，并未大范圍的漫延至城市居民地帶，江河的水體外溢的程度有限，潛在洪澇災害風險較大；南昌市中部以東湖區(qū)、西湖區(qū)和青云譜區(qū)為中心的區(qū)域，具有較為密集的城市建筑物，通過放大洪澇水體分布圖后可以發(fā)現(xiàn)，存在部分建筑地段被洪澇水體淹沒覆蓋，且在城市道路中出現(xiàn)洪澇水體，說明在洪澇暴雨期間，南昌市主城區(qū)存在交通癱瘓和城市建筑的淹沒狀況，值得說明的是，城市城區(qū)中的城市建筑物較多，當房屋周圍出現(xiàn)可識別性的洪澇水體時，說明城區(qū)內(nèi)已有較為嚴重的城市洪澇狀況；同時，在洪澇水體分布圖中，可以發(fā)現(xiàn)南昌縣北部，存在部分較為規(guī)整的條形洪澇水體，說明在本次洪澇災害期間，南昌縣北部的較大范圍的農(nóng)作物被洪水淹沒，造成了農(nóng)作物的直接損失。

將洪澇水體分布圖與洪澇因子分布情況進行對比可以看出，南昌市洪澇致澇危險性分布較高的中部主城區(qū)，在本次城市暴雨期間，洪澇積水點增加較快；致澇危險性較高的新建區(qū)，存在較大范圍的持續(xù)性積水區(qū)域，但洪澇水體減退較快；在南昌市的孕澇敏感性分布圖中，在除去江河湖泊與城市建筑物后，孕澇敏感性分布狀況與洪澇水體分布情況高度一致，以人口較少的進賢縣和南昌縣北部為例，在孕澇敏感性較高的地段，洪澇水體面積更為集中、密集，在孕澇敏感性較低的地區(qū)，洪澇水體更少。與實際災情相符。因此，本文利用AHP和熵權賦權法對洪澇因子的權重進行取值的結果較為合理。

4.6 評估結果展示

為更為直觀的展示南昌市各區(qū)之間的洪澇災害風險差距，將柵格化的圖7洪澇災害風險評估結果以地區(qū)的平均值進行分區(qū)統(tǒng)計匯總，以繪制出南昌市的鄉(xiāng)鎮(zhèn)級洪澇災害風險分布圖,結果如圖9所示。

5 結論

本文通過梳理國內(nèi)外城市洪澇災害風險評估的相關研究，改進了一種指標評估法，從歷年城市暴雨特征、城市自然地理環(huán)境與城市發(fā)展狀況出發(fā)，建立南昌市洪澇災害風險的指標體系，篩選洪澇災害風險因子?；陔S機森林算法分析洪澇災害風險因子與洪澇災害的相關性，并計算洪澇因子間對于洪澇災害的相關重要性。根據(jù)隨機森林計算的洪澇因子重要性，融合利用AHP層次分析法與熵權法相結合的組合方法確定各洪澇因子的最終權重，最后將柵格化預處理后的各洪澇因子數(shù)據(jù)導入建立的洪澇災害風險評估模型中，得到南昌市的洪澇災害風險評估結果。

其中，通過爬取開源數(shù)據(jù)以及互聯(lián)網(wǎng)城市數(shù)據(jù)，克服了傳統(tǒng)洪澇評估中數(shù)據(jù)獲取困難的短板，為城市洪澇評估數(shù)據(jù)的獲取途徑提供新的方向。結合RS與GIS手段，利用隨機森林回歸算法，能夠因地適宜的對洪澇因子的重要性進行定量對比分析，改進了為以層次分析法為主的洪澇評估方法中權重值對比困難的問題，有效降低人為誤判概率。為缺乏城市關鍵性數(shù)據(jù)的同類型洪澇災害風險評估提供參考依據(jù)，同時能夠為城市洪澇災害風險管理、土地利用規(guī)劃和洪澇災害應急避難等提供重要依據(jù)。