暴雨和洪水灾害的级联效应是指由暴雨和洪水事件引发的一系列连锁反应，导致次生灾害或受影响区域的逐渐扩大，从而显著增加其复杂性和破坏性[[1], [2], [3], [4], [5]]。在全球气候变化和城市化的背景下，亚洲山区城市的极端暴雨和洪水事件日益频繁，导致与洪水相关的灾害事件显著增加。同时，该地区脆弱的生态环境和复杂的社会经济条件使得城市系统不仅容易受到暴雨和洪水灾害引起的广泛水浸和侵蚀[[6], [7], [8], [9]]，还容易受到这些灾害引发的级联事件（如山体滑坡、泥石流、建筑物倒塌和交通事故）的影响，从而导致更大的损失[[10], [11], [12], [13]]。根据Public EM-DAT统计，2024年亚洲的洪水灾害影响了约3184万人，直接经济损失约为3.5亿美元。山区城市在亚洲广泛分布，其明显的地形起伏和高度的系统耦合使得暴雨洪水灾害具有强烈的突发性、复杂的演变路径和显著的级联效应[[14], [15], [16], [17], [18], [19]]。如果在灾害过程中未能有效识别和中断关键的灾害链，其影响往往会持续传播，从而加剧不同地区的韧性差异[[20], [21], [22], [23]]。因此，仅从单个灾害事件的角度或通过静态框架来评估城市系统的韧性不足以完全捕捉复杂暴雨-洪水情景下的真实风险特征[24]。在这种情况下，如何将暴雨-洪水灾害的不确定性与其复杂的级联效应相互作用结合起来，以提高城市系统的韧性，已成为一个亟待解决的问题。
暴雨和洪水灾害的级联效应非常复杂，主要源于自然系统、社会系统、城市系统以及人类活动的耦合相互作用。它们的影响范围通常以非线性方式传播[25]。研究表明，应用复杂网络理论来表示和分析暴雨和洪水灾害系统的复杂性和非线性是有效的[26,27]。复杂网络是一种由节点及其连接边组成的拓扑结构，可以表示现实世界中的复杂系统[[28], [29], [30], [31], [32]]。复杂系统理论强调其揭示灾害级联效应一般特征的潜力，为灾害风险降低和系统韧性增强提供了重要的理论支持[[33], [34], [35]]。现有研究已将复杂网络方法引入城市灾害研究。例如，陈等人[2]构建了一个城市洪水级联复合灾害事件网络，并评估了因果链的脆弱性，而唐等人[36]采用系统导向的视角和耦合复杂网络方法对深圳的台风灾害级联情景进行了建模和分析。这些研究表明了复杂网络方法在识别关键级联事件和支持灾害预防和减灾决策方面的可行性。然而，现有研究主要集中在单一时期或静态结构分析上，对城市演变过程中关键节点的时空迁移模式关注较少[[37], [38], [39]]。鉴于城市系统的显著动态演变特征，不同时期的灾害链触发机制可能有很大差异。因此，迫切需要从动态角度分析关键节点的演变模式和级联效应的复杂行为，以便更好地理解灾害影响的积累和转化，并支持城市暴雨-洪水治理从被动响应向主动适应的转变。
此外，在全球气候变化的背景下，传统的防洪措施已不足以应对日益增加的暴雨和洪水风险。因此，提高洪水韧性已成为当前灾害风险降低研究的重点。韧性研究可以追溯到20世纪60年代，当时Holling将这一概念引入生态系统，引起了广泛关注[40]。此后，它在工程和环境管理领域得到了广泛讨论和研究[[41], [42], [43], [44], [45]]。韧性城市是指能够通过自身能力抵御灾害、最小化损失并有效分配资源以快速从中断中恢复的城市系统[[46], [47], [48], [49]]。然而，在中国，韧性概念出现得相对较晚，尚未在实践中得到广泛应用。2021年，中国首次将“韧性城市”的概念纳入国家级发展规划文件[50]，强调需要加强地区对洪水和地震等灾害的韧性。当前关于城市洪水韧性的研究主要集中在优化评估指标上。例如，张等人[51]从生态系统服务的角度出发，纳入了水资源保护、土壤保护和水质净化等生态指标，定量评估城市洪水韧性。Schwarz等人[52]基于与防洪基础设施、社会经济条件和社区服务相关的指标开发了洪水韧性指数，并在澳大利亚案例研究中进行了应用。此外，与基础设施相关的指标（包括道路连通性[53]、车辆流动性[54]和道路网络韧性指数[55]）也广泛应用于洪水情景下的城市韧性评估。然而，暴雨-洪水灾害本质上是动态过程，具有明显的级联特征，特别是在山区，不同的灾害事件通常通过链式传播耦合。现有研究主要集中在从各种角度引入或优化静态韧性指标上，对城市系统在暴雨-洪水事件级联传播过程中的动态演变关注较少。因此，这些方法难以捕捉与灾害突发性和级联放大相关的真实风险特征。因此，将级联效应明确纳入韧性评估框架有助于揭示山区洪水灾害背后的隐含时空关联和链式机制，从而降低系统级韧性评估的不确定性。
总之，现有研究尚未系统地揭示山区城市发展过程中暴雨-洪水级联事件中关键节点的动态演变模式。同时，在复杂的级联灾害情景下，多维城市暴雨-洪水韧性的时间演变机制及其主要影响因素仍不够清楚。这些限制阻碍了对灾害链传播机制及其相关韧性效应的全面理解。因此，如何量化灾害因果网络的结构特征，并在此基础上构建能够表征级联效应的暴雨-洪水韧性指标系统，已成为亟需解决的关键科学问题，以便在山区城市中预防灾害和增强韧性。本研究以亚洲典型的山区城市东川作为研究区域。通过实地调查，我们收集了2000年至2020年研究区域的暴雨洪水灾害事件记录，提取了灾害节点和因果关系。利用复杂网络理论构建了不同时期的暴雨洪水灾害级联网络，并将灾害事件级联节点定义为级联效应，纳入洪水韧性指标框架。应用t-SNE降维和K-Means聚类机器学习方法计算韧性结果，同时使用轮廓系数和Calinski-Harabasz指数评估最终的聚类结果。本研究揭示了这些情景下洪水级联灾害的韧性效应和演变特征，旨在揭示极端气候条件下山区城市中级联灾害事件和韧性机制的演变模式，为典型亚洲山区城市的暴雨和洪水灾害风险预防和减灾提供决策支持。
