基于随机森林算法的城市内涝风险预估方法及应用——以南昌市为例

摘要

利用南昌市2016—2022年内涝灾情资料及110个国家和区域气象观测站小时降雨数据，首先分析了南昌市内涝灾害的时空分布特征，确定了不同积水深度降雨指标强度临界值，结合承灾体条件，建立内涝风险预估等级；然后进一步基于随机森林算法，构建积水深度预估模型，开展城市内涝风险预评估；最后应用典型个例对风险等级预报的准确性进行检验。结果表明：(1)内涝灾害月变化呈现单峰型分布特征，峰值出现在6月；日变化呈现双峰型分布特征，峰值分别出现在09时和16时，灾害点多集中在城区核心区域。(2)短时强降雨或暴雨是导致南昌市50 cm以上积水深度的主要降雨类型，当1 h降雨量>40 mm、3 h累计降雨量>78 mm、6 h累计降雨量>98 mm、12 h累计降雨量>123 mm或24 h累计降雨量>135 mm时，极易引发50 cm以上的积水深度。(3)积水深度预估模型训练集和测试集平均精确率分别为96%和79%。依据积水深度预估区间[10, 25) cm、[25, 50) cm、≥50 cm，结合人口和GDP条件，将内涝气象风险划分为低、中、高3级。(4)南昌市两次暴雨过程内涝灾害点风险.等级预估准确率分别为67%和56%，提前1～3 h预估的27个内涝点均在预估风险区域内。

关键词

内涝 / 随机森林 / 风险预估 / 南昌市