《International Journal of Disaster Risk Reduction》：Development of a building-scale integrated flood damage quantifying framework using a hydrodynamic model and multisource geospatial data
编辑推荐：
为解决传统洪水损害评估方法时效低、空间覆盖有限及精度不足的问题，本研究融合多源地理空间数据、机器学习与水动力模型，构建了单体建筑尺度的洪灾直接经济损失定量评估框架。以2023年河北东淀蓄滞洪区洪水为案例，实现了建筑功能类型高精度分类（随机森林算法准确率达98.4%），并模拟了结构与室内资产损害比的空间分布。最终估算该区域建筑资产总直接经济损失为100.0–119.1亿元人民币。该框架超越了传统调查方法的局限，为提升洪泛区灾害韧性与减少财产风险提供了可全球推广的精确评估工具。
洪水是全球最具破坏力的自然灾害之一，其对建筑物造成的损害是洪灾直接经济损失的主要组成部分。随着气候变化加剧和城市化进程加快，洪水风险持续上升，对基础设施安全构成严重威胁。然而，传统的洪水损害评估方法主要依赖现场调查和统计报告，存在时间效率低、空间覆盖有限、主观性强等局限性，难以满足大规模快速评估的需求。早期的评估方法多基于统计分析和经验模型，如美国陆军工程师兵团开发的深度-损害曲线方法，但往往采用网格化评估单元，忽略了建筑密度分布、高度变化和微地形变化对损害的影响，空间分辨率和评估精度有限。此外，现有研究缺乏精细化的建筑功能类型区分（如住宅、商业、工业），而不同功能的建筑在资产价值、脆弱性特征和恢复能力上存在显著差异，忽视这些差异会引入偏差，影响最终评估的准确性。因此，开发一种能够在单体建筑尺度上进行精确、快速、空间显式的洪灾损害量化框架，对于灾害风险评估、保险理赔、应急决策和灾后重建规划至关重要。
为了应对这些挑战，并突破现有网格化方法的精度限制，研究人员开展了一项创新研究，旨在开发一个集成了多源地理空间数据的单体建筑洪水损害定量评估框架。该研究以2023年中国河北省海河流域东淀蓄滞洪区（FSDA）的洪水事件为案例，通过精细化的功能分类和多源地理数据融合，构建了针对单体建筑资产（包括结构和室内财产）的损害评估模型。这项研究主要包括三个部分：(1) 利用随机森林（Random Forest）机器学习结合多源地理空间数据，开发精细化的商业、住宅和工业建筑分类方法，并构建建筑资产估值模型；(2) 实施二维水动力建模和损害函数，用于模拟单体建筑资产损害比的空间分布；(3) 建立单体建筑尺度的洪水损害量化方法，能够分别评估结构损害和室内资产损害。该研究最终量化了洪灾对建筑资产的直接经济损失及其空间分布模式，为提升洪水风险管理和应急响应能力提供了关键支持。这项研究成果已发表在《International Journal of Disaster Risk Reduction》上。
研究人员为开展此项研究，主要应用了以下几个关键技术方法：首先，利用高分辨率光学影像、夜间灯光数据、兴趣点（POI）数据、道路网络数据等多源地理空间数据，从单体建筑轮廓中提取了光谱、亮度、空间等多类特征指标，构建了建筑分类特征集。其次，基于实地调查与遥感影像解译获取的训练样本，采用随机森林算法对建筑进行住宅、商业、工业三类功能分类。接着，结合中国建筑业统计年鉴数据和已有研究确定的装饰、室内资产与主体结构成本的比例关系，构建了建筑资产价值空间模型。然后，应用中国水利水电科学研究院独立开发的集成洪水建模系统（IFMS）平台，构建了一维-二维耦合水动力模型，模拟了研究区洪水淹没过程，获得了最大淹没深度空间分布。最后，基于美国陆军工程师兵团的深度-损害曲线（Depth–damage functions），利用实地调查数据进行了本地化校准和拟合，建立了适用于不同建筑类型和财产类别（结构、装饰、室内资产）的连续深度-损害函数，并将其与建筑资产价值、淹没深度结合，实现了单体建筑直接经济损失的空间模拟与估算。
4.1. 单体建筑资产价值空间模拟
基于随机森林模型的建筑分类在验证集上整体准确率达到98.4%。利用多源社会经济数据和实地调查，对东淀蓄滞洪区的建筑资产价值进行了统计分析与空间模拟。结果显示，工业建筑虽然数量仅占8.4%，但其总资产价值最高，达130.6–151.4亿元，体现了“数量少、价值高”的特点；住宅建筑数量最多（占72.95%），总价值为67.5–80.3亿元，呈现“数量多、价值低”的分布；商业建筑总价值最低，为38.1–45.4亿元。资产价值空间分布异质性显著，高价值建筑主要集中在区域中部和西部的城镇中心及邻近工业区。
4.2. 单体建筑损害比空间模拟
利用IFMS/Urban构建的耦合水动力模型模拟了洪水淹没深度空间分布。建筑淹没深度大多不超过4米，主要集中区间为1.5–2.5米。基于构建的深度-损害曲线函数和淹没深度模拟结果，进行了损害比的空间模拟。总体而言，室内资产损害比高于建筑结构损害比。除了0–0.1的损害比区间外，结构损害比主要集中在0.2–0.3区间，表明大多数建筑结构仅遭受轻度损害；而室内资产损害比则集中在0.9–1.0区间，表明接近完全损毁，且该区间内建筑多数为住宅，凸显了住宅室内资产的严重脆弱性。
4.3. 单体建筑资产损害定量估算
通过整合损害比和建筑资产价值的空间模拟结果，对东淀蓄滞洪区的建筑损害进行了空间建模与估算。对于整个区域，2023年海河流域特大洪水造成的建筑资产直接经济损失估计为100.0–119.1亿元（约合14.2–16.9亿美元）。按建筑用途分类，工业建筑损失最大，估计为68.7–79.9亿元，占总损失的主导地位；住宅建筑其次，为20.9–26.7亿元；商业建筑损失相对较低，为10.3–12.6亿元。按乡镇统计，胜芳镇损失最重，达30.6–36.3亿元。通过与实地调查的典型建筑损害值对比验证，模拟结果在数值范围和分布趋势上与观测值基本一致，证明了该估算框架的可靠性。
本研究开发并验证了一个能够在单体建筑尺度上精确量化洪水损害的综合框架。该框架成功整合了多源地理空间数据、机器学习分类和二维水动力建模。主要结论包括：第一，在东淀蓄滞洪区，工业建筑虽然数量占比小，但占据了总资产价值的一半以上，是区域财产风险管理的重点；住宅建筑数量庞大但单体价值较低。第二，洪水损害在淹没深度1.5–2.5米的区域最为集中，该深度下建筑结构损害比约为0.2–0.3，而室内资产损害比高达0.9–1.0，近乎全损。第三，此次洪水导致建筑资产的直接经济损失总额估计为100.0–119.1亿元，其中工业建筑损失占比超过60%，是损失最主要的类别。
在讨论部分，作者指出本研究的框架在建筑类型识别精度（98.4%）上优于传统的基于土地利用的分类方法，且单体建筑尺度的评估能更准确地反映财产损害的空间异质性。然而，研究也存在一定局限性：采用的深度-损害函数主要源自美国经验曲线，可能不完全符合中国建筑的结构和资产特征，这在复杂工业场景和专业商业/住宅资产的验证中出现了较大偏差；室内资产估值依赖于统计数据外推，可能不够及时准确；当前分析主要将淹没深度作为唯一的致灾因子，未明确纳入流速、淹没持续时间等其他重要洪水特征，可能导致在高能流或长时间淹没区域的损害被低估；建筑分类中未包含建筑年龄、结构类型等工程属性，可能影响结构损害估算的精度。
尽管如此，这项研究实现了从汇总统计到建筑特异性风险表征的方法学进步，为制定有针对性的减灾策略提供了重要情报。该框架支持基于脆弱性的规划和差异化的资产保护，有助于决策者优先保护高价值基础设施。虽然本研究针对中国东淀蓄滞洪区开发，但其模块化架构展示了在全球洪水风险评估中的转化潜力。未来研究应致力于开发符合中国本地建筑特征的洪水脆弱性参数、整合更多致灾因子（如流速、历时）、利用深度学习提升建筑识别与损害预测能力，并集成动态数据集以提升资产估值的时效性和准确性，从而进一步增强洪泛区适应性的灾害风险应对能力。
