Geosci. Front. | 利用多时相哨兵一号数据与极限深度学习模型的新型集成进行洪水敏感性制图

本研究针对干旱地区山洪灾害频发的问题，提出了一种基于极限深度因子分解机（xDeepFM）和哨兵一号（Sentinel-1）卫星数据的洪水敏感性制图方法。研究背景是山洪对农业用地、人类生命和基础设施的严重威胁，尤其是在气候变化影响下。研究目的是通过xDeepFM模型提升洪水敏感性制图的精度，并利用遥感技术更新洪灾事件目录。研究在阿联酋富查伊拉酋长国进行，整合了13个影响因素，结果显示xDeepFM模型在召回率、F1分数、精确率和总体准确率上均优于传统机器学习模型。研究结论指出，降雨量、高程、河网密度和地貌是主导洪水敏感性的四大因子，贡献率接近50%。该方法为决策者提供了科学依据，但模型复杂度和泛化能力仍需进一步优化。