基于PSO-ML耦合模型的中国山西省洪水易发性时空预测与气候情景分析

《Scientific Reports》：Predicting spatiotemporal changes in flood prone regions using PSO-ML coupling under climate change scenarios

本研究针对传统洪水风险评估方法精度不足的问题，开发了粒子群优化-机器学习(PSO-ML)耦合模型，结合CMIP6气候模式数据，系统预测了山西省在不同气候情景下(SSP126、SSP245、SSP370、SSP585)洪水易发区的时空变化规律。研究发现PSO-XGBoost模型预测性能最优(AUC=0.98)，土地利用变化(LUCC)、高程(DEM)和坡度是影响洪水易发性的关键因子。研究为区域洪水风险管理提供了新方法，对制定气候变化适应策略具有重要意义。

　　

随着全球气候变化加剧，洪水灾害已成为威胁人类生命财产安全的主要自然灾害之一。中国山西省作为典型的黄土高原地区，近年来极端降水事件频发，洪水风险持续增加。然而，传统的洪水风险评估方法存在精度不足、灵活性差等局限性，难以准确预测洪水易发区的时空变化规律。在这一背景下，如何开发高效精准的洪水风险预测模型，成为当前灾害防治领域亟待解决的关键科学问题。

山西农业大学资源环境学院的Azhar Ali Laghari、沈永恒等研究人员在《Scientific Reports》上发表了题为"基于PSO-ML耦合的气候变化情景下洪水易发区时空变化预测"的研究论文。该研究创新性地将粒子群优化算法(PSO)与多种机器学习(ML)模型相结合，构建了PSO-ML耦合模型，系统分析了山西省在不同共享社会经济路径(SSP)情景下的洪水风险时空演变特征。

研究团队采用了多源数据融合的技术路线，主要包括：基于Sentinel-1 SAR卫星影像提取2016-2023年历史洪水淹没区；利用CMIP6中的CNRM-CM6-1-HR模式数据，通过delta偏差校正方法对未来气候情景进行降尺度处理；结合15个洪水影响因子（包括地形、气象、土地利用等）构建训练数据集；采用10折交叉验证优化模型参数，比较了PSO-XGBoost、PSO-RF、PSO-KNN等6种耦合模型的预测性能。

历史极端降水事件时空分布

研究结果显示，1981-2023年山西省日降水量≥50mm的极端降水天数从23天增加至71天，呈现显著上升趋势。空间上，从最北部的大同(DT)到最南部的运城(YC)，极端降水天数逐渐增加，存在明显的南北梯度差异。这一发现为洪水易发性预测提供了重要的气候背景依据。

未来气候变化趋势

通过对CMIP6数据进行偏差校正，研究发现四种情景下月平均降水量总体呈现"下降-上升-下降-上升"的波动趋势。值得注意的是，SSP585情景下的温度变化最为剧烈，最高与最低平均温差达10°C，这与我国"2030年碳达峰、2060年碳中和"目标下的碳排放控制政策密切相关。

模型性能与因子重要性

在模型比较中，PSO-ML耦合模型显著优于传统机器学习模型。其中PSO-XGBoost表现最佳，训练集和验证集的AUC值分别达到0.98和0.94。特征重要性分析显示，土地利用变化(LUCC)、高程(DEM)、坡度、土壤水分(Mrsos)和道路距离是影响洪水易发性的前五位关键因子，权重分别为10.37%、10.01%、8.76%、8.05%和7.72%。

预测结果

基于PSO-XGBoost模型的预测表明，四种情景下山西省洪水易发区面积均呈现增加趋势。到2100年，SSP126、SSP245、SSP370和SSP585情景下的洪水易发区面积将分别达到13739.52 km²、14872.99 km²、7660.116 km²和13859.45 km²。特别值得注意的是，洪水易发区呈现明显的南移趋势，椭圆中心从初始的(112.24°E,37.59°N)向西南方向移动，这一变化与山西省"东北高、西南低"的地形特征以及未来城镇化发展方向密切相关。

讨论与结论

本研究通过构建PSO-ML耦合模型，有效解决了传统洪水风险评估方法在参数优化和预测精度方面的不足。研究发现，山西省洪水风险不仅受气候因素影响，更与土地利用变化、地形特征和人类活动密切相关。城市化进程中的不透水面增加、自然植被减少等人为因素，显著加剧了区域的洪水敏感性。

研究的创新性在于将先进的机器学习算法与智能优化技术相结合，实现了多源数据的有效整合和高精度预测。所构建的PSO-XGBoost模型在洪永易发性预测中表现出色，为区域洪水风险管理提供了可靠的技术工具。同时，研究首次系统揭示了山西省洪水易发区向南迁移的时空规律，为未来国土空间规划和灾害防治提供了科学依据。

需要注意的是，当前预测主要考虑自然地理因素，尚未纳入城镇化率、排水基础设施改善等社会经济变量，这可能在实际情况中引入一定偏差。未来的研究应结合社会经济指标，建立更加综合的洪水风险评估体系。

该研究不仅为山西省的洪水风险管理提供了具体的技术方案，更为全球类似区域的气候变化适应策略制定了范例。随着极端气候事件频发，基于智能算法的灾害预测模型将在构建韧性社会中发挥越来越重要的作用，而今天的科学决策将深刻影响未来的灾害防御能力。