一个基于地理人工智能（GeoAI）的多标准土地适宜性模型，用于评估尼日利亚易发生洪水的拉各斯地区的土地利用情况

《Land Use Policy》：A GeoAI-driven multi-criteria land-use suitability model of flood-prone Lagos, Nigeria

拉各斯沿海城市通过整合环境与人文因素，运用GeoAI驱动的多准则决策模型评估洪水风险及土地利用适宜性，识别出沿海高危险区和内陆中风险区，提出优先保护区、有条件扩展区及撤迁区规划策略，为防洪型城市可持续发展提供决策支持。

　　

Opeyemi Aniramu|Olamide Iyanda|Chika David Egenus|Ezekiel Gangaya John|Oluwagbenga Orimoogunje

尼日利亚奥巴费米·阿沃洛沃大学生态与环境研究学院

摘要

拉各斯沿海城市的无序扩张加剧了洪水灾害的风险，尤其是与失控的土地利用变化相关的频繁洪水。本研究利用基于地理人工智能（GeoAI）的多标准决策分析（MCDA）框架来模拟拉各斯的土地利用适宜性。整合了来自环境和人为因素的地理空间数据，包括海拔、坡度、排水设施的接近程度、土壤特性、土地覆盖类型和居住密度；通过混合GeoAI–MCDA和机器学习（ML）聚类方法进行空间加权、适宜性评估和可持续规划。研究结果表明，海拔在-3至4米之间的区域与洪水发生相关。大多数居住区的排水系统较差，位于99米至1000米之间，而主要住宅区则靠近水体，距离小于99米。MCDA洪水模型识别出沿海岸带的高风险区域，而中等风险区域则分布在快速城市化的内陆走廊。关于土地利用适宜性的研究发现，高度适宜（0.01%）和中等适宜（40.79%）的区域被推荐用于城市开发，而高度不适宜的区域（59.20%）与高密度居住区相对应。基于德尔菲法和GIS的模型将土地利用适宜性分为优先保护区、条件扩张区和人口疏散区。本研究为当地规划者、政策制定者和全球灾害风险机构提供了基于证据的指导，以加强尼日利亚拉各斯的洪水相关城市土地利用法规。

引言

关于环境因素（包括土地配置、水文-气象特征和土地利用系统）的学术观点与洪水发生模式和死亡率密切相关（Song等人，2021年；Abass，2022年；Adeola等人，2025年）。在整个撒哈拉以南非洲地区，不断扩张的居住区、土地利用模式、不完善的排水基础设施、湿地侵占以及海平面上升正在增加城市洪水的空间复杂性（Kasim等人，2022年；Bibi和Kara，2023年；Sambe等人，2025年）。沿海城市的城市化速度加剧了洪水和其他与气候相关的灾害的风险（Wahab和Ojolowo，2018年；Otokiti等人，2019年；Bunyangha等人，2021年；Echendu，2021年；Cao等人，2022年；Zhang等人，2024年）。在这些城市中，拉各斯因其海岸地貌、土地利用变化和高人口密度而尤为突出（拉各斯可持续发展峰会，2024年）。洪水现象既有物理影响，也有社会经济影响，表现为周期性的基础设施破坏、人员伤亡以及公共卫生危机的紧急情况（拉各斯州应急管理署（LASEMA），2023年）。拉各斯仍然是尼日利亚最大的城市中心之一和经济巨头（拉各斯州政府（LASG），2022年）。然而，持续的降雨和沿海洪水仍然反复破坏基础设施、住房和经济活动（Adeniran等人，2020年；Isiaka等人，2023年；Onifade等人，2023年）。当前的讨论焦点在于不断增加的人为压力、土地利用、地形、水文、植被和土壤条件的变化，这些因素共同决定了非洲城市的洪水脆弱性以及未来进一步土地开发的可能性。

传统的洪水评估方法已不足以应对复杂城市系统中洪水风险的多维性（Hoque等人，2019年；Zhang等人，2024年；Tella等人，2025年）。许多研究评估了拉各斯的洪水风险和土地利用动态，大多依赖于传统的地理信息系统（GIS）、多标准决策分析（MCDA）和感知-SWOT-AHP技术（Salami等人，2020年；Onajomo，2022年；Odunsi等人，2024年；Aniramu和Orimoogunje，2025年）。这些模型通常采用静态加权方案，缺乏稳健的验证程序，并且很少整合能够捕捉非线性空间关系的机器学习技术（Bowei等人，2024年）。此外，居住密度和建成区的扩张作为洪水暴露的关键驱动因素，通常被描述性地处理（Obiefuna等人，2021年；Lawanson等人，2023年；Anifowose和Rollason，2024年），而不是作为适宜性构建的一部分。随着新的地理空间智能、机器学习工具和多标准评估（MCE）的出现，现在有了新的机会将异构空间数据与强大的土地利用适宜性评估工具结合起来，用于易受洪水影响的地区（Rahman等人，2021年；Osanyintuyi等人，2022年；Ozegin和Ilugbo，2024年）。这些集成工具可以帮助研究人员、规划者和政策制定者系统地评估环境-人为因素与易受洪水影响地区的土地利用适宜性之间的相互作用（Faisal Koko等人，2021年；联合国环境规划署（UNEP），2022年；联合国人居署，2024年）。

将空间分析与决策支持建模相结合，对于制定针对高洪水风险、居住区脆弱性和特定地点的韧性规划至关重要。地理人工智能的最新进展增强了人工智能技术在地理空间分析中的应用，提供了创建空间决策支持系统的机会。通过结合机器学习能力和结构化的MCDA加权方法，基于GeoAI的方法可以提高预测性能、空间精度和模型透明度。然而，在西非沿海城市（特别是尼日利亚的拉各斯）进行的研究中，这种混合框架的应用仍然有限。本研究通过利用基于GeoAI的多标准技术对尼日利亚拉各斯的易受洪水影响地区的土地利用适宜性模型进行了研究，具体目标包括：(a) 识别并权衡影响尼日利亚拉各斯洪水灾害风险的关键环境和人为因素；(b) 将GeoAI技术与MCDA结合，以提高洪水风险区域的空间建模稳健性；(c) 估计土地利用适宜性模式和基于自然的可持续土地利用规划方案。考虑到可持续发展目标（SDGs）的要求，特别是SDG 11（可持续城市和社区）和SDG 15（陆地生命），这项研究具有重要意义，有助于全球关于土地利用适宜性、沿海脆弱性和城市洪水韧性的科学讨论（Orimoogunje和Aniramu，2025年）。作为具有代表性的沿海城市，拉各斯强调了基于GeoAI的MCDA工具在土地利用适宜性建模和快速城市化沿海地区的实质性洪水相关城市规划中的贡献。

本研究将环境因素、城市洪水过程和空间决策支持建模之间的相互作用的概念框架付诸实践，旨在建立一个典型的脆弱城市的土地适宜性模型，具体参考了尼日利亚的拉各斯。该框架包括三个关键概念模块：景观系统属性、动态洪水脆弱性和空间多标准决策支持模型。这些元素代表了定义全球易受洪水影响城市环境的自然和人为变量（Hoque等人，2019年）。景观因素被概念化为一个复合系统，包括地形指标：海拔、坡度、曲率和地形粗糙度（Fashae等人，2022年）。此外，水文指标包括排水密度、水流积聚、靠近河流/运河的程度、湿度指数（TWI），而表面特征包括土地利用/土地覆盖类型、不透水性、植被指数（NDVI）以及地下指标：土壤质地、渗透能力和水文土壤组。这一概念反映了利用所强调的环境指标的综合洪水行为，为洪水风险评估提供了基本的空间层次（Chandio和Bin Matori，2011年）。这些因素决定了降雨如何转化为地表径流、水流在地面上的运动方式以及洪水可能发生的地点（Ewunetu等人，2021年）。

动态洪水脆弱性（DFS）关联了环境因素、人为行为和城市洪水脆弱性之间的联系（Oladipo，2023年）。Ndimele等人（2024年）指出，DFS的概念化体现在洪水机制中：暴露性（人员和财产对洪水源的可达性）、敏感性（内在的景观脆弱性，例如低海拔、排水系统受损等）和灾害强度（降雨峰值、风暴峰值、潮汐效应）。地形、地表覆盖、土壤和水文的综合影响决定了该模型中的脆弱性（Chamling等人，2020年）。不透水覆盖比例高、海拔低、靠近排水设施以及粘土土壤的地区被认为是洪水高风险区域（Cao等人，2022年）。

基本讨论提出了关于环境因素、人为因素或气候相关因素在塑造洪水发生和其他相关灾害风险中的相对影响的问题。本研究采用了Folke（2006年）开发并由Nojang和Jensen（2020年）扩展的社会生态状态指数（SESI），来评估易受洪水影响城市中的当前环境-人为指标和居住区概况。SESI方法的应用涉及整合各种指数以生成综合指数值，分析拉各斯环境中不同地点的空间脆弱性，并提出可持续的土地利用适宜性方案以减少城市灾害。采用空间多标准决策支持模型作为决策支持引擎，将空间层次转换为结构化的决策产品，使用指标标准化、加权工具、空间叠加和洪水指标建模等方法生成洪水脆弱性指数、聚类区和适宜性分类，以制定未来的城市可持续发展计划（Ajibade等人，2021年；Adedeji，2022年；Ewunetu等人，2021年；Alam等人，2023年）。

本研究采用基于GeoAI的MCDA混合GIS框架，通过洪水相关的土地利用规划来模拟可持续的土地利用适宜性。因此，整合物理（海拔、坡度、排水）、环境（土地覆盖类型、靠近水体的程度）和社会城市因素，有望通过机器学习洪水聚类算法推进知识（Punhani等人，2022年）。这种GeoAI–MCDA框架提供了适用于城市土地利用规划和基于自然的解决方案的空间特征堆栈，这在非洲是罕见的研究。研究结果形成了基于证据的规划建议和政策决策。本研究强调了通过景观数据和决策规则的数学组合在概念关系中的操作化（Jain，2010年）。它旨在模拟特定结果，推进关于洪水脆弱性地图、土地适宜性地图和基于证据的拉各斯规划的建议。这些产品将为城市规划者、政策制定者和环境管理者提供有关分区、基础设施升级和未来土地利用规划的明智决策。

研究区域

研究区域

研究区域是尼日利亚的拉各斯，如图1所示，这是非洲最著名的城市中心之一，也是社会、经济和人口活动的重要中心（拉各斯州政府（LASG），2022年）。其海岸线毗邻大西洋，由低洼的沿海平原景观、屏障岛、湿地、泻湖和填海土地组成，形成了拉各斯的环境和居住模式。作为增长最快的沿海城市

地形和NDVI分析

通过分析拉各斯的海拔、坡度、朝向、曲率和NDVI等地理空间数据，确定了导致城市洪水及其频繁发生的主要景观因素（见图3）。结果显示，拉各斯的海拔范围在-3米至73米之间，其中大部分地区低于海平面。低洼区域主要分布在Badagry、Apapa、Eti-Osa、Lagos Island和Amuwo-Odofin等沿海行政区，这些区域的

结论、政策实施和未来研究

本研究提出了基于GeoAI的多标准土地利用适宜性模型，用于易受洪水影响的拉各斯。研究目标是通过整合环境和人为洪水驱动因素，利用GeoAI–MCDA提高建模的稳健性，将居住密度纳入可持续土地利用规划和适宜性分类。研究结果展示了随着快速土地利用进程加剧的景观、生态和人为过程之间的空间相互关系。

临床试验编号

不适用

CRediT作者贡献声明

Opeyemi Aniramu：写作——审阅与编辑、初稿撰写、可视化、验证、软件开发、方法论、调查、数据分析、概念化。Chika David Egenus：可视化、验证、项目管理、调查。Olamide Iyanda：写作——审阅与编辑、初稿撰写、验证、项目管理、数据管理、概念化。Orimoogunje Oluwagbenga O. I.：写作——审阅与编辑、初稿撰写

伦理、参与同意和发表同意

不适用。

资金

本研究未获得政府或非政府组织的资助

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。