文献分享 | 南京大学ES&T发文构建多源数据融合框架,精准解析强降雨期间城市人流动态并揭示其洪水风险适应效应

全球城市在过去几十年中经历了日益增多的洪水事件及其灾难性影响。城市洪水发生在降雨超过排水系统承载能力时，对供水系统、能源传输与分配设施及交通系统等城市基础设施造成严重破坏。1980年至2013年间，全球因洪水造成的直接经济损失超过1万亿美元，22万人丧生。预计到2050年，在全球社会经济与气候变化背景下，年均洪水损失将超过600亿美元。若无适应策略，城市洪水的频率和强度预计将持续上升。

联合国于2015年提出的可持续发展目标（SDG）#11旨在建设包容、安全、韧性和可持续的城市与社区，其核心之一是提升城市对自然灾害和气候变化的适应能力。有效的城市洪水适应策略包括防水基础设施、预警系统、基于自然的解决方案及风险融资计划等。而精细化洪水风险图谱是实施这些适应性措施的基础前提，有助于识别洪水热点和驱动因素，并支持高效资源配置。

现有研究多基于指标框架评估洪水风险，但其数据可用性常受限于空间尺度细化，且指标与权重设定主观性较强。这些研究多关注基础设施与社会经济因素对脆弱性的影响，往往忽略了暴露度的影响因素，尤其是人类流动性这一动态塑造居民洪水暴露的变量。强降雨事件会改变人类活动模式，导致人口空间分布不均，进而重塑城市内洪水暴露的空间格局。因此，追踪强降雨与洪水事件期间的人类流动，对于理解城市洪水风险的动态映射至关重要。

近年来，实时地理定位大数据（如手机记录、社交媒体签到、车辆GPS轨迹）的可获取性不断提高，使研究者能在前所未有的时空分辨率下建模人类流动模式。然而，现有研究多聚焦于单一或少数案例城市，难以解释城市间差异，也未能深入分析人类流动如何导致人口分布异质性并进而影响动态洪水风险暴露。本研究旨在填补上述研究空白，通过整合高分辨率人类流动数据与洪水风险图谱，为精细化城市洪水适应提供科学依据。

图1. 研究摘要图

本研究以中国江苏省为研究区域，利用2018年6月1日至9月30日期间来自中国电信的约260万条匿名手机信令数据，构建了一个高空间分辨率（500米网格）的人类流动变化评估框架。数据覆盖约90万个基站，代表江苏省约35%的人口，具有良好的区域人口与流动模式代表性。

为识别强降雨事件，研究采用欧洲中期天气预报中心提供的时空分辨率为0.25°（约25公里）的模拟降水数据，并结合中国气象局标准筛选出24小时累计降雨量大于25毫米的事件。通过计算各基站在降雨事件期间访问量的五日移动平均作为基线，量化降雨引起的访问量变化百分比，进而生成全省范围的高分辨率人类流动响应图谱。

在市级层面，研究将网格级流动变化按人口权重聚合至地级市，并运用分段结构方程模型，从城市规模、交通系统、拥挤水平和经济条件四个潜变量出发，分析影响人类流动响应的驱动因素。此外，通过叠加历史洪水淹没图（30米分辨率）与流动变化图，构建了一个指数来评估流动变化对城市洪水风险暴露的影响，量化了人口在洪水易发区内的动态变化。

图2. 计算强降雨后网格级流动变化的数据处理步骤

图3. 响应降雨事件的人类流动变化映射

图4. 地级市层面强降雨后人类流动的变化及其潜在驱动因素

图5. 各城市城市洪水风险暴露的变化及其与强降雨后人类流动的关联

本研究为高时空分辨率下的人类流动与城市洪水风险研究提供了新框架，但仍有若干方向值得进一步探索。未来研究可整合更精细化的个体轨迹数据，结合社交媒体内容分析，揭示不同社会背景群体在面对小尺度自然灾害时的行为差异与决策机制。同时，可引入实时洪水监测数据，动态更新风险图谱，提升预警系统的时效性与准确性。

在模型方法方面，可对比不同去趋势算法的稳健性，并尝试融合机器学习技术，提升对人类流动模式的预测能力。此外，研究可扩展至更多城市与气候区域，比较不同地理、经济与治理结构下人类流动对极端天气的响应模式，提炼普适性的适应策略。

从系统视角出发，未来工作应进一步纳入城市形态、水体邻近度、土地利用变化等空间效应，构建多维度、动态交互的风险评估模型。最终，通过深度融合人类行为大数据与城市灾害管理系统，推动智慧韧性城市的建设，为实现SDG #11及相关可持续发展目标提供科学支持。