Mapeo de la susceptibilidad a las inundaciones en áreas urbanas áridas utilizando el aprendizaje conjunto apilado...

Área de la Ciencia:

• Ciencias del medio ambiente
• Análisis geoespacial
• Inteligencia artificial

Sus antecedentes:

• Las inundaciones representan una amenaza significativa y creciente en regiones áridas y de rápida urbanización como Jeddah, Arabia Saudita.
• Los limitados datos históricos sobre inundaciones y los sistemas de seguimiento dificultan la predicción eficaz de los riesgos en dichas zonas.
• El desarrollo de mapas precisos de susceptibilidad a las inundaciones es crucial para la planificación urbana y la gestión de desastres.

Objetivo del estudio:

• Crear un marco de mapeo de la susceptibilidad a las inundaciones preciso e interpretable para los entornos urbanos con escasez de datos.
• Integrar técnicas avanzadas de aprendizaje automático con inteligencia artificial explicable para mejorar la evaluación del riesgo de inundación.
• Proporcionar una solución transferible y escalable para la evaluación del riesgo de inundación en regiones similares.

Principales métodos:

• Se desarrolló un modelo de conjunto apilado que combina XGBoost, CatBoost y Gradient Boosting (HGB) basado en histogramas.
• SHapley Additive exPlanations (SHAP) fue empleado para la transparencia del modelo y el análisis de la importancia de las características.
• Los datos geoespaciales, incluidos el DEM, la pendiente, la dirección del flujo, el número de curvas, los índices topográficos y el LULC se utilizaron como predictores.

Principales resultados:

• El modelo de conjunto apilado logró un alto rendimiento predictivo (AUC = 0,92, Precisión = 0,82).
• El índice de rugosidad topográfica (TRI), el índice de posición del terreno (TPI) y la distancia a los ríos se identificaron como características clave influyentes.
• El modelo cartografió áreas significativas con una susceptibilidad a las inundaciones muy alta (139 km2) y alta (325 km2).

Conclusiones:

• El aprendizaje de conjunto apilado con IA explicable proporciona mapas confiables de susceptibilidad a inundaciones en entornos con datos restringidos.
• El marco desarrollado ofrece un enfoque práctico y escalable para la evaluación del riesgo de inundación en zonas áridas y urbanizadas.
• Las estrategias de validación creativas, como la intersección con los datos de carreteras, pueden complementar los métodos tradicionales en las regiones con escasez de datos.