洪涝灾害对人类生命财产造成严重威胁。探索洪涝灾害的空间驱动因素和机制，对于防灾减灾具有重要理论价值。本项研究在考虑空间异质性的基础上，提出了洪涝灾害驱动因子优化与影响机制可解释性的综合分析框架。该框架利用基于参数优化的地理探测器(OPGD)、递归特征消除算法(RFE)和轻量梯度提升机(LGBM)构建了OPGD - RFE - LGBM耦合模型，可识别洪涝灾害的基本驱动因素及模拟灾害的空间分布，结合SHAP解释器揭示洪涝灾害空间分布的驱动机制。

图1.洪涝灾害驱动因素综合分析框架示意图

该项研究选择云南省为案例研究区，基于《云南减灾年鉴》、《中国气象灾害纲大典(云南卷)》、《云南水旱灾害》等资料，研究团队编制了包含云南省1986~2020年间的7332个历史的洪涝灾害事件清单，并构建了相应的空间数据集。基于初步筛选出的22个与降水、地表环境、人类活动相关的潜在驱动因子，应用综合分析框架进行了灾害关键影响因子识别、分布模拟和驱动机制分析。研究结果表明：(1)云南省洪涝灾害分布具有显著的空间异质性。地貌分区对历史洪水灾害空间分异的贡献率为66.1%，是评价云南省洪涝灾害空间驱动因素的最佳分区方案。(2)基于OPGD-RFE-LGBM耦合模型识别的基本驱动因子的数量和组合在各区域之间存在差异，且与自然环境和社会经济条件的差异密切相关。在云南4个地貌分区中，极端降水相关因子始终是最关键的驱动因子。然而，相同的因素在不同地区可能表现出不同的驱动机制。(3) OPGD-RFE-LGBM耦合模型在识别基本驱动因素和进行定量影响分析方面比单独的LGBM具有明显的优势。尽管因子数据减少，但模拟性能仍有改善。说明该耦合模型具有较好的性能和可靠性，洪涝灾害的空间格局可以使用基本的气候、环境和人类活动变量进行模拟和解释。

图2.云南省1986~2020年间洪涝灾害事件分布

图3.基于OPGD交互探测器的洪涝灾害驱动因素交互效应

图4.主要驱动因素对洪涝灾害分布的影响方式和程度

基于OPGD-RFE-LGBM耦合模型的综合分析框架是一种更加客观的空间定量研究方法。该框架在云南省的应用表明，探索空间相关性和空间异质性有助于深入了解洪涝灾害的驱动机制。这些发现为开展洪涝灾害的综合研究提供了方法参考，也为灾害管理部门制定针对性的宏观防灾策略提供依据。

该成果于2024年7月发表在中国科技期刊卓越行动计划重点期刊《Geoscience Frontiers》，题为“A comprehensive framework for assessing the spatial drivers of flood disasters using an optimal Parameter-based geographical Detector–machine learning coupled model”（https://doi.org/10.1016/j.gsf.2024.101889）。云南大学为该文的第一作者单位，国际河流与生态安全研究院2020级资源与环境专业硕士研究生杨璐忆为第一作者，季漩副研究员为通讯作者。该研究得到了国家重点研发计划课题（2022YFF1302405）等项目共同资助。