洪水是全球最具破壞力的自然災害之一，其對建筑物造成的損害是洪災直接經濟損失的主要組成部分。隨著氣候變化加劇和城市化進程加快，洪水風險持續上升，對基礎設施安全構成嚴重威脅。然而，傳統的洪水損害評估方法主要依賴現場調查和統計報告，存在時間效率低、空間覆蓋有限、主觀性強等局限性，難以滿足大規模快速評估的需求。早期的評估方法多基于統計分析和經驗模型，如美國陸軍工程師兵團開發的深度-損害曲線方法，但往往采用網格化評估單元，忽略了建筑密度分布、高度變化和微地形變化對損害的影響，空間分辨率和評估精度有限。此外，現有研究缺乏精細化的建筑功能類型區分（如住宅、商業、工業），而不同功能的建筑在資產價值、脆弱性特征和恢復能力上存在顯著差異，忽視這些差異會引入偏差，影響最終評估的準確性。因此，開發一種能夠在單體建筑尺度上進行精確、快速、空間顯式的洪災損害量化框架，對于災害風險評估、保險理賠、應急決策和災后重建規劃至關重要。

為了應對這些挑戰，并突破現有網格化方法的精度限制，研究人員開展了一項創新研究，旨在開發一個集成了多源地理空間數據的單體建筑洪水損害定量評估框架。該研究以2023年中國河北省海河流域東淀蓄滯洪區（FSDA）的洪水事件為案例，通過精細化的功能分類和多源地理數據融合，構建了針對單體建筑資產（包括結構和室內財產）的損害評估模型。這項研究主要包括三個部分：(1) 利用隨機森林（Random Forest）機器學習結合多源地理空間數據，開發精細化的商業、住宅和工業建筑分類方法，并構建建筑資產估值模型；(2) 實施二維水動力建模和損害函數，用于模擬單體建筑資產損害比的空間分布；(3) 建立單體建筑尺度的洪水損害量化方法，能夠分別評估結構損害和室內資產損害。該研究最終量化了洪災對建筑資產的直接經濟損失及其空間分布模式，為提升洪水風險管理和應急響應能力提供了關鍵支持。這項研究成果已發表在《International Journal of Disaster Risk Reduction》上。

研究人員為開展此項研究，主要應用了以下幾個關鍵技術方法：首先，利用高分辨率光學影像、夜間燈光數據、興趣點（POI）數據、道路網絡數據等多源地理空間數據，從單體建筑輪廓中提取了光譜、亮度、空間等多類特征指標，構建了建筑分類特征集。其次，基于實地調查與遙感影像解譯獲取的訓練樣本，采用隨機森林算法對建筑進行住宅、商業、工業三類功能分類。接著，結合中國建筑業統計年鑒數據和已有研究確定的裝飾、室內資產與主體結構成本的比例關系，構建了建筑資產價值空間模型。然后，應用中國水利水電科學研究院獨立開發的集成洪水建模系統（IFMS）平臺，構建了一維-二維耦合水動力模型，模擬了研究區洪水淹沒過程，獲得了最大淹沒深度空間分布。最后，基于美國陸軍工程師兵團的深度-損害曲線（Depth–damage functions），利用實地調查數據進行了本地化校準和擬合，建立了適用于不同建筑類型和財產類別（結構、裝飾、室內資產）的連續深度-損害函數，并將其與建筑資產價值、淹沒深度結合，實現了單體建筑直接經濟損失的空間模擬與估算。

基于隨機森林模型的建筑分類在驗證集上整體準確率達到98.4%。利用多源社會經濟數據和實地調查，對東淀蓄滯洪區的建筑資產價值進行了統計分析與空間模擬。結果顯示，工業建筑雖然數量僅占8.4%，但其總資產價值最高，達130.6–151.4億元，體現了“數量少、價值高”的特點；住宅建筑數量最多（占72.95%），總價值為67.5–80.3億元，呈現“數量多、價值低”的分布；商業建筑總價值最低，為38.1–45.4億元。資產價值空間分布異質性顯著，高價值建筑主要集中在區域中部和西部的城鎮中心及鄰近工業區。

利用IFMS/Urban構建的耦合水動力模型模擬了洪水淹沒深度空間分布。建筑淹沒深度大多不超過4米，主要集中區間為1.5–2.5米。基于構建的深度-損害曲線函數和淹沒深度模擬結果，進行了損害比的空間模擬。總體而言，室內資產損害比高于建筑結構損害比。除了0–0.1的損害比區間外，結構損害比主要集中在0.2–0.3區間，表明大多數建筑結構僅遭受輕度損害；而室內資產損害比則集中在0.9–1.0區間，表明接近完全損毀，且該區間內建筑多數為住宅，凸顯了住宅室內資產的嚴重脆弱性。

通過整合損害比和建筑資產價值的空間模擬結果，對東淀蓄滯洪區的建筑損害進行了空間建模與估算。對于整個區域，2023年海河流域特大洪水造成的建筑資產直接經濟損失估計為100.0–119.1億元（約合14.2–16.9億美元）。按建筑用途分類，工業建筑損失最大，估計為68.7–79.9億元，占總損失的主導地位；住宅建筑其次，為20.9–26.7億元；商業建筑損失相對較低，為10.3–12.6億元。按鄉鎮統計，勝芳鎮損失最重，達30.6–36.3億元。通過與實地調查的典型建筑損害值對比驗證，模擬結果在數值范圍和分布趨勢上與觀測值基本一致，證明了該估算框架的可靠性。

本研究開發并驗證了一個能夠在單體建筑尺度上精確量化洪水損害的綜合框架。該框架成功整合了多源地理空間數據、機器學習分類和二維水動力建模。主要結論包括：第一，在東淀蓄滯洪區，工業建筑雖然數量占比小，但占據了總資產價值的一半以上，是區域財產風險管理的重點；住宅建筑數量龐大但單體價值較低。第二，洪水損害在淹沒深度1.5–2.5米的區域最為集中，該深度下建筑結構損害比約為0.2–0.3，而室內資產損害比高達0.9–1.0，近乎全損。第三，此次洪水導致建筑資產的直接經濟損失總額估計為100.0–119.1億元，其中工業建筑損失占比超過60%，是損失最主要的類別。

在討論部分，作者指出本研究的框架在建筑類型識別精度（98.4%）上優于傳統的基于土地利用的分類方法，且單體建筑尺度的評估能更準確地反映財產損害的空間異質性。然而，研究也存在一定局限性：采用的深度-損害函數主要源自美國經驗曲線，可能不完全符合中國建筑的結構和資產特征，這在復雜工業場景和專業商業/住宅資產的驗證中出現了較大偏差；室內資產估值依賴于統計數據外推，可能不夠及時準確；當前分析主要將淹沒深度作為唯一的致災因子，未明確納入流速、淹沒持續時間等其他重要洪水特征，可能導致在高能流或長時間淹沒區域的損害被低估；建筑分類中未包含建筑年齡、結構類型等工程屬性，可能影響結構損害估算的精度。

盡管如此，這項研究實現了從匯總統計到建筑特異性風險表征的方法學進步，為制定有針對性的減災策略提供了重要情報。該框架支持基于脆弱性的規劃和差異化的資產保護，有助于決策者優先保護高價值基礎設施。雖然本研究針對中國東淀蓄滯洪區開發，但其模塊化架構展示了在全球洪水風險評估中的轉化潛力。未來研究應致力于開發符合中國本地建筑特征的洪水脆弱性參數、整合更多致災因子（如流速、歷時）、利用深度學習提升建筑識別與損害預測能力，并集成動態數據集以提升資產估值的時效性和準確性，從而進一步增強洪泛區適應性的災害風險應對能力。