《Marine Pollution Bulletin》：Predicting coastal subsidence and sea-level scenarios in the Sundarbans Delta using InSAR and artificial intelligence for sustainable coastal management
编辑推荐：
本研究整合地理空间信息、InSAR和机器学习框架，分析印度 Sundarbans delta 土地沉降、评估洪水脆弱性并预测未来海平面上升。利用多时相 Sentinel-1 InSAR 变形数据、GRACE 水循环异常及地形气候预测变量，结合人工神经网络、支持向量机等模型，验证线性回归和集成模型表现优异（R2=0.86-0.99）。ARIMA 预测显示，至2100年部分区域变形率将达8.33 mm/yr，加剧相对海平面上升（R2=0.77-0.85），导致洪水范围扩大。研究提出可持续地下水管理、红树林恢复和生态防洪策略，支持可持续发展目标11、13、15。
伊斯梅尔·蒙达尔（Ismail Mondal）| 鲁帕·高什（Rupa Ghosh）| 贾蒂桑卡尔·班迪奥帕德亚（Jatisankar Bandyopadhyay）| 法哈德·阿尔谢赫里（Fahad Alshehri）| 费利克斯·何塞（Felix Jose）| 穆希丁·朱利夫（Mukhiddin Juliev）
加尔各答大学海洋科学系，西孟加拉邦加尔各答，700019，印度
摘要
本研究提出了一个集成的地理空间–InSAR–机器学习框架，用于分析印度孙德尔本斯地区的地面沉降、评估洪水脆弱性，并预测未来的相对海平面上升（RSLR）。通过结合多时相Sentinel-1 InSAR变形数据、GRACE/GRACE-FO水文异常数据以及地貌–水文气候预测因子，并使用监督学习模型（包括人工神经网络（ANN）、支持向量机（SVM）、线性回归（LR）和集成方法），我们评估了沉降动态并预测了未来趋势。模型验证采用了标准的准确性指标（R2、RMSE、MAE、MSE），其中LR和集成模型表现出卓越的预测性能（R2 = 0.86–0.99）。通过相关性矩阵和多重共线性筛选进行变量选择，发现沉降、潮汐模式、水深、土地利用变化和海平面波动之间存在强烈关联。自回归积分移动平均（ARIMA）模型预测，目前多个地区的年变形率超过2毫米/年，到2100年这一速率预计将上升至约8.33毫米/年。这种加速趋势，加上预期的海平面上升（SLR），将显著加剧相对海平面上升（RSLR），显示出沉降与洪水深度之间的显著统计关系（R2 = 0.77–0.85）。2015年至2024年的洪水对比地图显示，由于地面沉降和潮汐效应，淹没范围持续扩大。研究结果强调了协调适应策略的紧迫性，例如可持续的地下水管理、红树林恢复和基于生态系统的防洪措施。通过将相关预测因子与先进的机器学习技术相结合，本研究为研究三角洲环境中的沉降–洪水相互作用提供了一个可移植的框架，并加强了政策与可持续发展目标11、13和15的一致性。
引言
海岸沉降是指由于沉积物压实、构造活动及三角洲负荷等因素导致的土地逐渐下沉，这一问题因人类活动（如地下水抽取、城市扩张和资源开采）而日益严重（张等人，2025年）。同时，由海洋热膨胀和冰川融化驱动的海平面上升（SLR）因全球变暖而加速，最新评估表明目前每年上升约3.2毫米，在高排放情景下到2100年可能接近1米（伦班-高尔等人，2024年；IPCC，2021年；比尔格曼等人，2000年）。沉降与海平面上升之间的相互作用加剧了沿海地区的脆弱性，增加了潮汐淹没、风暴潮和盐度入侵的风险。迪纳尔等人（2021年）和巴赫里-加夫科什等人（2021年）的研究指出，沉降已成为许多沿海大城市和三角洲地区的重要风险因素，特别是在软沉积物条件和快速城市化交汇的东南亚和东亚地区，以及美国和地中海沿岸的某些地区（张等人，2025年）。雅加达、胡志明市、马尼拉、曼谷、上海、东京、新奥尔良和威尼斯等主要城市，以及湄公河、密西西比河、尼罗河和昭披耶河等三角洲地区，都在应对海平面上升叠加沉降的双重挑战，显示出沉降严重程度的提高，凸显了人口密集的低洼地区面临的风险加剧（吴等人，2022年；泰等人，2022年；托恩奎斯特等人，2008年）（图1）。在这些地区，相对于陆地的海平面上升速度远快于全球海洋基准，这突显了综合监测框架和主动灾害评估的迫切需求（尼科尔斯等人，2021年；希尔扎伊等人，2021年）。
在全球气候变化的背景下，孙德尔本斯三角洲是一个高度敏感的沿海生态系统。该地区人口密集，经济与气候模式紧密相关，拥有丰富的红树林，对风暴防护和碳封存起着关键作用（蒙达尔等人，2021年）。然而，阿姆凡（Amphan）、布尔布尔（Bulbul）、纳尔吉斯（Nargis）和艾拉（Aila）等频繁发生的飓风事件，加上持续的地面沉降和海平面上升，正在显著改变这一三角洲。这些变化导致海岸线侵蚀、堤坝决口和盐度入侵增加，对生态系统和人类栖息地构成严重威胁（哈兹拉等人，2002年；蒙达尔等人，2025a）。沿海地区的低洼特性，加上其对农业和渔业的依赖，加剧了社会生态脆弱性，尤其是在淡水资源短缺和土壤退化加剧的地区（达斯等人，2025年）。
应对这些复杂灾害不仅需要全面评估当前的沉降情况，还需要了解驱动空间变异性的因素以及沉降–海平面上升风险如何共同导致未来洪水（佩德雷蒂等人，2024年；泰等人，2022年；肖等人，2022年）。基于卫星的InSAR技术为监测动态三角洲环境中的地面变形提供了有效方法，并越来越多地用于评估沿海地区的沉降（张等人，2025年）。当与机器学习（ML）方法（如ANN、SVM和集成模型）结合使用时，这些数据能够进行变形模式的预测建模，识别自然和人为驱动因素，并评估复合灾害的发展（纳拉库尔蒂等人，2024年；拉姆等人，2018年；詹等人，2024年）。
尽管之前的研究丰富了关于海岸线动态、红树林脆弱性和洪水风险的知识，但尚缺乏将InSAR衍生的沉降测量数据与机器学习诊断、基于ARIMA的变形预测和特定情景下的洪水建模相结合的综合性分析。本研究旨在通过创建一个集成框架来填补这一空白，该框架结合了卫星数据和创新的数据驱动方法：
(i)利用InSAR量化孙德尔本斯地区当前的地面沉降幅度和空间分布；
(ii)使用机器学习模型识别影响沉降的最主要环境和人为因素；
(iii)评估不同未来情景下地面沉降和预测的海平面上升对洪水淹没范围的综合影响。
本研究获得的见解旨在增强气候适应性规划，优先考虑基础设施发展，并促进孙德尔本斯地区的生态系统管理。这项研究直接为可持续发展目标11（SDG-11）提供了关键信息，有助于制定风险敏感的定居策略；通过促进针对沿海社区的气候行动倡议，支持可持续发展目标13（SDG-13）；并通过促进面临环境挑战的红树林生态系统保护，推动可持续发展目标15（SDG-15）的实现。
研究区域
孙德尔本斯三角洲位于北纬21.5°至22.5°、东经88.0°至89.5°之间，横跨印度和孟加拉国的沿海地区，面积约为10,000平方公里，其中约40%位于印度境内（图2）。该三角洲地区在过去约7000年中由恒河–布拉马普特拉–梅格纳（GBM）系统的沉积物堆积形成，形成了由细粒易压实沉积物组成的复杂第四纪冲积地貌。
结果
将Sentinel-1 InSAR时间序列数据与垂直变形模型相结合，揭示了孙德尔本斯地区沉降的空间变异性。使用SNAP处理的干涉图经过相位到位移转换后，能够以厘米级精度精确量化地面变形，从而在整个研究期间实现一致的时间比较。得到的变形表面显示，沉降热点区域...
讨论
孙德尔本斯位于GBM三角洲的交汇处，由于其低洼的地貌和有限的沉积物补充，对垂直地面运动和海平面变化极为敏感。虽然前文讨论了控制地面沉降、海平面上升和洪水动态的物理过程，但其更广泛的影响需要在更广泛的科学和全球灾害背景下进行综合分析。沉降和海平面上升的叠加效应加剧了相对海平面上升（RSLR），...
结论
本研究对孙德尔本斯的地面沉降、海平面上升和洪水淹没动态进行了综合评估，表明它们的共同作用加速了相对海平面上升并提高了沿海地区的脆弱性。InSAR衍生的变形模式，结合GRACE/GRACE-FO水文趋势表明，由沉积物压实、地下水抽取和土地利用压力引起的沉降已经在多个地区超过每年2毫米，并预计将进一步加剧。
CRediT作者贡献声明
伊斯梅尔·蒙达尔（Ismail Mondal）：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，正式分析，数据管理，概念化。鲁帕·高什（Rupa Ghosh）：撰写 – 审稿与编辑，软件，数据管理，概念化。贾蒂桑卡尔·班迪奥帕德亚（Jatisankar Bandyopadhyay）：撰写 – 审稿与编辑，监督。法哈德·阿尔谢赫里（Fahad Alshehri）：撰写 – 审稿与编辑。费利克斯·何塞（Felix Jose）：撰写 – 审稿与编辑。穆希丁·朱利夫（Mukhiddin Juliev）：撰写 –
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
作者感谢沙特国王大学的Abdullah Alrushaid地球科学遥感研究主席提供的资金支持。作者还要感谢在整个研究过程中提供宝贵数据、技术支持和指导的机构和个人。特别感谢野外调查团队和Google Earth的帮助。
