科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着全球变暖日益严重,极端气候现象频发。面对内涝灾害,城市社会经济呈现高脆弱性,有效评估城市内涝风险成为城市建设和区域可持续发展的迫切要求。以三座长三角核心城市,即上海市、南京市和杭州市为研究区,通过社交媒体数据获取积水样本数据,从气象、地形和社会经济三方面选取评价指标,构建基于极端梯度提升(XGBoost)的城市内涝风险评估模型,在评估长三角核心城市内涝风险等级的基础上分析影响城市内涝的主要因素。结果表明:(1)运用XGBoost进行城市内涝灾害风险研究,其预测性能和预测精度优于其他常用机器学习模型;(2)从城市内涝风险分布来看,三个城市的内涝风险均呈现较高的空间异质性,主城区多为内涝高风险,周边新城区多为内涝低风险区,城市内涝风险等级呈现由中心城区向周围扩散的趋势,靠近河流、长江入海口处以及河网高密度区内涝风险也较高;(3)就影响因素而言,高程是影响研究区内涝风险的首要因素,道路分布和强降雨为影响上海城市内涝高风险地区的次级因素,受人为影响的地表覆盖是导致南京和杭州城市内涝高风险地区的次级因素。
- 单位
