基于PSO-ML耦合模型的中國山西省洪水易發性時空預測與氣候情景分析

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

【字體： 大 中 小 】 時間：2025年12月03日 來源：Scientific Reports 3.9

　　

隨著全球氣候變化加劇，洪水災害已成為威脅人類生命財產安全的主要自然災害之一。中國山西省作為典型的黃土高原地區，近年來極端降水事件頻發，洪水風險持續增加。然而，傳統的洪水風險評估方法存在精度不足、靈活性差等局限性，難以準確預測洪水易發區的時空變化規律。在這一背景下，如何開發高效精準的洪水風險預測模型，成為當前災害防治領域亟待解決的關鍵科學問題。

山西農業大學資源環境學院的Azhar Ali Laghari、沈永恒等研究人員在《Scientific Reports》上發表了題為"基于PSO-ML耦合的氣候變化情景下洪水易發區時空變化預測"的研究論文。該研究創新性地將粒子群優化算法(PSO)與多種機器學習(ML)模型相結合，構建了PSO-ML耦合模型，系統分析了山西省在不同共享社會經濟路徑(SSP)情景下的洪水風險時空演變特征。

研究團隊采用了多源數據融合的技術路線，主要包括：基于Sentinel-1 SAR衛星影像提取2016-2023年歷史洪水淹沒區；利用CMIP6中的CNRM-CM6-1-HR模式數據，通過delta偏差校正方法對未來氣候情景進行降尺度處理；結合15個洪水影響因子（包括地形、氣象、土地利用等）構建訓練數據集；采用10折交叉驗證優化模型參數，比較了PSO-XGBoost、PSO-RF、PSO-KNN等6種耦合模型的預測性能。

歷史極端降水事件時空分布

研究結果顯示，1981-2023年山西省日降水量≥50mm的極端降水天數從23天增加至71天，呈現顯著上升趨勢。空間上，從最北部的大同(DT)到最南部的運城(YC)，極端降水天數逐漸增加，存在明顯的南北梯度差異。這一發現為洪水易發性預測提供了重要的氣候背景依據。

未來氣候變化趨勢

通過對CMIP6數據進行偏差校正，研究發現四種情景下月平均降水量總體呈現"下降-上升-下降-上升"的波動趨勢。值得注意的是，SSP585情景下的溫度變化最為劇烈，最高與最低平均溫差達10°C，這與我國"2030年碳達峰、2060年碳中和"目標下的碳排放控制政策密切相關。

模型性能與因子重要性

在模型比較中，PSO-ML耦合模型顯著優于傳統機器學習模型。其中PSO-XGBoost表現最佳，訓練集和驗證集的AUC值分別達到0.98和0.94。特征重要性分析顯示，土地利用變化(LUCC)、高程(DEM)、坡度、土壤水分(Mrsos)和道路距離是影響洪水易發性的前五位關鍵因子，權重分別為10.37%、10.01%、8.76%、8.05%和7.72%。

預測結果

基于PSO-XGBoost模型的預測表明，四種情景下山西省洪水易發區面積均呈現增加趨勢。到2100年，SSP126、SSP245、SSP370和SSP585情景下的洪水易發區面積將分別達到13739.52 km²、14872.99 km²、7660.116 km²和13859.45 km²。特別值得注意的是，洪水易發區呈現明顯的南移趨勢，橢圓中心從初始的(112.24°E,37.59°N)向西南方向移動，這一變化與山西省"東北高、西南低"的地形特征以及未來城鎮化發展方向密切相關。

討論與結論

本研究通過構建PSO-ML耦合模型，有效解決了傳統洪水風險評估方法在參數優化和預測精度方面的不足。研究發現，山西省洪水風險不僅受氣候因素影響，更與土地利用變化、地形特征和人類活動密切相關。城市化進程中的不透水面增加、自然植被減少等人為因素，顯著加劇了區域的洪水敏感性。

研究的創新性在于將先進的機器學習算法與智能優化技術相結合，實現了多源數據的有效整合和高精度預測。所構建的PSO-XGBoost模型在洪永易發性預測中表現出色，為區域洪水風險管理提供了可靠的技術工具。同時，研究首次系統揭示了山西省洪水易發區向南遷移的時空規律，為未來國土空間規劃和災害防治提供了科學依據。

需要注意的是，當前預測主要考慮自然地理因素，尚未納入城鎮化率、排水基礎設施改善等社會經濟變量，這可能在實際情況中引入一定偏差。未來的研究應結合社會經濟指標，建立更加綜合的洪水風險評估體系。

該研究不僅為山西省的洪水風險管理提供了具體的技術方案，更為全球類似區域的氣候變化適應策略制定了范例。隨著極端氣候事件頻發，基于智能算法的災害預測模型將在構建韌性社會中發揮越來越重要的作用，而今天的科學決策將深刻影響未來的災害防御能力。