基于遥感基准图的洪水淹没预测稳健性评估：质量偏差影响与增强策略研究

本文深入探讨了遥感洪水淹没图（RS-FIM）作为评估基准在模型预测洪水淹没图（M-FIM）精度验证中的关键作用，揭示了基准图质量偏差（如植被遮挡导致的分类误差）对评估结果的显著影响。研究提出融合地形引导区域增长算法（HGRG）的RS-FIM增强方法，通过排除永久水体（PWB）和低置信度像元构建稳健评估框架，显著提升关键成功指数（CSI）和F1分数等指标的可靠性。成果为洪水模型标准化评估提供了方法论突破，对应急管理决策具有重要实践价值。

　　

洪水淹没预测评估的挑战与创新

Abstract

遥感洪水淹没图（RS-FIM）作为评估基准的吸引力与局限性并存。本研究系统分析了RS-FIM基准偏差对模型预测洪水淹没图（M-FIM）评估的影响机制，通过对比高置信度基准与退化基准的评估结果，揭示了低质量基准导致M-FIM精度评估显著差异的现象。提出的RS-FIM增强（间隙填充）程序能有效提升评估稳健性，但在存在大量假阳性网格时可能劣化基准质量。研究进一步阐明了永久水体（PWB）纳入评估对模型精度的高估效应，最终提出基于排除低置信度网格和PWB的新型评估策略。

1 Introduction

洪水淹没图（FIM）预测能力在NOAA国家水模型（NWM）、欧盟全球洪水预警系统（GloFAS）等框架中快速发展，但评估体系面临三大挑战：观测基准稀缺、评价指标缺乏标准、结果受洪水规模与空间尺度影响。当前主流评估方法包括点尺度验证、区域聚合报告和空间连续比对，其中RS-FIM凭借大范围覆盖和低成本优势被广泛应用，但其受植被遮挡、云层干扰和建筑遮蔽导致的分类偏差长期被忽视。

2 Methodology

研究选取2016年阿肯色河洪水事件，基于0.4米分辨率航拍影像人工数字化生成地面真实FIM（GT-FIM），并构建三类退化基准：传统遥感产品（TRS-FIM）、中度退化（DG1-FIM）和重度退化（DG2-FIM）版本。通过水动力模型HEC-RAS 2D生成两个M-FIM（12月26日低估预测和27日高估预测），采用地形引导区域增长算法（HGRG）进行RS-FIM增强，关键步骤包括种子对象创建、局部水面高程（LWSE）计算和洪水范围传播。评估指标涵盖关键成功指数（CSI）、真阳性率（TPR）、误报率（FAR）等五类指标。

3 Results

基准质量差异导致评估结果显著波动：使用DG2-FIM时CSI值比GT-FIM降低34%，TRS-FIM因包含误分类水体导致F1分数偏差达18%。RS-FIM增强使DG1-FIM评估偏差减少9个百分点，但TRS-FIM因算法放大误分类而恶化。排除PWB使GT-FIM的CSI降低28%，揭示常规评估存在严重精度高估。最终策略通过排除增强推测区域，使DG1-FIM评估结果与GT-FIM差异缩小至3%，但TRS-FIM仍存在23%偏差，突显初始RS-FIM质量的决定性作用。

4 Discussion

CSI和F1指标对基准质量最敏感，而准确率（ACC）几乎无辨别力。建筑影响分析显示，全域评估CSI（0.75）与建筑级评估（0.47）存在显著差异，强调终端用户需求导向评估的重要性。研究呼吁建立FIM评估国际标准，提出五大优先方向：指标优化、采样策略、基准敏感性、RS-FIM增强算法和用户中心评估框架。定性评估与定量指标的结合，以及避免使用极端洪水情景进行模型间比对，是提升评估实效性的关键。

5 Conclusions

本研究证实RS-FIM基准质量直接影响M-FIM评估可靠性，提出的增强策略通过地形引导间隙填充和PWB排除，显著提升评估稳健性。但该策略无法完全补偿低质量RS-FIM的固有缺陷，强调高质量初始遥感分类的基础地位。研究成果为洪水模型开发与业务化应用提供了方法论指导，推动从"全域像素匹配"向"用户需求导向"的多维评估范式转变。