基于历史灾情和机器学习算法的全球洪灾风险评估
编号：2056
稿件编号：1798 访问权限：仅限参会人
更新：2021-06-16 17:49:03 浏览：703次
口头报告
摘要
基于EM-DAT数据库提供的洪灾记录计算全球范围不同区域的洪水灾害度，从触发因子、孕灾环境、承灾体三个方面选择9个洪灾条件因子并采用共线性分析法判断因子的合理性。在全球范围选择共7000个样本点，基于百分比分级方法按照灾害度将样本分为无风险、低风险、较低风险、中风险、较高风险、高风险共6类，以洪灾条件因子为输入，洪灾风险等级为输出构建随机森林分类模型，结合GIS技术，预测并绘制全球重大洪灾风险等级评估图，分析全球洪灾风险的空间格局和内在规律。结果表明：（1）随机森林模型在大尺度范围的洪灾风险评估中表现出良好的性能，在选择最优参数组合的情况下，其评估精度普遍能达到80%左右（2）洪涝灾害的发生受多种条件因子的共同影响，其中水系密度(RD)、降雨量(RAIN)和高程(DEM)三个因子对洪灾风险等级的贡献最大。（3）全球约半数陆地区域都存在较大的洪灾危险性，其中中国东南部、印度北部、日本南部沿海及欧洲中部是洪灾的最高风险区域，当地应加强洪灾的预警和防治工作。
关键字
机器学习,熵权法,洪涝灾害,GIS,风险评估
稿件作者
方秀琴
河海大学水文水资源学院
袁玲
河海大学水文水资源学院
发表评论