相关实验视频
Updated: Jun 3, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
在Yarlung Tsangpo河流盆地使用H2O Auto-ML进行可解释的突然洪水易感性测绘
Fei He1,2, Suxia Liu3,4, Xingguo Mo1,2
1Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research (IGSNRR), Chinese Academy of Sciences (CAS), Beijing, 100101, China.
在Yarlung Tsangpo河流盆地 (YTRB) 评估了闪电洪水易感性地图,使用机器学习进行了评估. 像DEM这样的地形因素显著影响了洪水风险,有助于减轻风险的策略.
科学领域:
- 环境科学 环境科学
- 地质科学是地球科学.
- 水文学的水文学
背景情况:
- 快速洪水易感度测绘对于灾害预防和管理至关重要.
- 雅鲁伦桑普河流域 (YTRB) 面临着严重的突发洪水风险.
- 有效的洪水缓解需要准确识别易受影响的地区.
研究的目的:
- 通过使用自动机器学习 (ML) 来评估YTRB中的突然洪水易感性.
- 为了确定驱动突发洪水发生的关键因素.
- 为决策制定一个可解释的快速洪水易感性地图.
主要方法:
- 利用H2O自动化ML平台测试多个ML模型.
- 采用了极端随机树 (XRT) 模型作为表现最好的模型.
- 应用沙普利增量解释 (SHAP) 用于模型解释性分析.
主要成果:
- 该XRT模型在快速洪水易感度绘制中实现了高精度.
- 地图显示,YTRB的重要部分处于中度至非常高风险 (74.9%).
- 地形因素 (DEM,TWI,TPI) 被确定为主要驱动因素,其次是NDVI和降水.
结论:
- 可解释的ML模型有效地评估了突然洪水的易感性.
- 地形特征是YTRB的突然洪水风险的关键决定因素.
- 这些发现为突发洪水减缓规划和政策提供了宝贵的指导.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
09:49Visualizing Hyporheic Flow Through Bedforms Using Dye Experiments and Simulation
Published on: November 18, 2015
相关概念视频
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Applications of GIS: Disaster Management and Emergency Response
Responses to Drought and Flooding
Rapidly Varying Flow
Manipulation and Analysis
Design Example: Creating a Hydraulic Model of a Dam Spillway