引言

在暴雨防灾减灾工作中，保障人民生命安全是至关重要的内容。随着城市化进程加快，人口趋于集中、人口密度增加，人口受暴雨灾害影响的风险加剧(Hanson et al, 2011; Peduzzi et al, 2012)。

基于灾害系统理论，人口损失(包括人口死亡和失踪)是致灾因子危险性、承灾体脆弱性、孕灾环境不稳定性综合作用的结果(尹卫霞等，2016)，暴雨灾害人口损失评估研究需综合考虑“致灾因子—孕灾环境—承灾体”与人口损失的关系。研究方法主要有情景查找、经验统计(Penning-Rowsell et al, 2005)、多元回归(王志军等, 2008)和概率网络(Peng and Zhang, 2012)等。扈海波和张艳莉(2014)参照北京地区暴雨洪涝的历史灾情资料，运用模糊隶属函数建立等效日雨量与人员损失之间的损失系数估算方程，并用因子乘积方式建立人员损失风险预评估模型。王秀荣等(2016)将各类环境脆弱性影响要素结合暴雨致灾因子要素，由层次分析法得出各指标权重系数，通过加权求和建立了暴雨灾害综合风险评估模型。

“致灾因子—孕灾环境—承灾体”与人口损失之间具有复杂的非线性关系，而机器学习算法对此具有优势。机器学习算法能直接通过训练样本确定模型结构、参数，对变量间依赖关系进行拟合，适合于多变量、非线性问题(Breiman, 2001a)。利用人工智能技术(包括机器学习)，发掘历史灾情数据中隐藏的规律对灾害损失进行评估，是洪涝灾害损失评估的主要方法之一(杨帅和苏筠，2014)。随着数据挖掘技术的发展和历史暴雨灾害人口损失数据的积累，运用机器学习算法建立暴雨灾害人口损失预估模型，是本研究的主要目的。

气象灾害损失预估离不开气象要素预报。以降水预报为前端的下游气象服务，如农业气象、水文气象等对降水预报的精细化程度需求也越来越高(曹勇等，2016)。我国无缝隙精细化网格预报业务技术的发展起步于2014年，现已初步建立了滚动更新、实时共享的全国5 km分辨率0~30 d无缝隙精细化网格天气预报业务(金荣花等，2019)。但智能网格对于社会气象服务以及气象防灾减灾的实践尚偏少。进一步将网格气象预报与不同行业的数据和服务需求相融合，提高基于网格气象预报的服务能力，也是我国无缝隙精细化网格预报发展有待加强的方向(金荣花等，2019)。由于智能网格产品具有较高的时空分辨率，与暴雨灾害人口损失预估模型结合, 可得到精细化的预估结果，更好地为防灾减灾提供依据。

本文基于历史暴雨灾害人口损失记录，计算相应的致灾因子、承灾体、孕灾环境等变量，运用机器学习算法，挖掘人口损失与解释变量之间的关系，构建暴雨灾害人口损失预估模型；并以智能网格降水实况分析和预报产品驱动模型，预估人口损失分布。1算法和数据处理

1.1 方法 1.1.1 随机森林算法

随机森林(random forest，RF)是由Breiman(2001b)提出的一种基于统计学习理论的机器学习算法，是在分类树算法(Breiman, 1996)基础上发展而来。使用有放回的重复采样方法从原始数据中随机抽取训练样本，并对每个样本随机选取解释变量进行分类树构建，然后对所有分类树的预测进行组合并通过投票方式得出最终结果。RF的基本思想是把多个弱分类器集合起来组成一个强分类器，而这些弱分类器间起到互补的作用，可以把单个分类器错误的影响缩小从而提高分类准确率和稳定性。大量理论和实例表明RF具有极强的数据挖掘能力和很高的预测准确率，且对异常值和噪声具有很好的容忍度，不容易出现过拟合(Iverson et al, 2008)。

RF作为一种自然的非线性建模工具，对解决多变量的预测具有很好的效果，因而被应用到水利(赵铜铁钢等，2012；王盼等，2014；赖成光等，2015)、地质(Dong et al, 2013；李亭等，2014；吴小君等，2018)、生态(Iverson et al, 2008)等众多领域，近年来在气象领域的应用也逐渐增多，例如对强对流天气进行诊断和预报(Mcgovern et al, 2011；Williams, 2014；李文娟等，2018)。

对于二分类问题，运用RF算法建立模型后，常使用混淆矩阵(表 1)来评估分类效果(张雪蕾等，2018)，其中:TP是被模型预测为正的正样本数量，TN是被模型预测为负的负样本数量，FP是被模型预测为正的负样本数，FN是被模型预测为负的正样本数。用分类准确率表示模型总体的分类精度，计算公式为(TP+TN)/(TP+TN+FP+FN)；漏报率表示实际是正类而被分类成负类的比例，计算公式为FN/(TP+TN+FP+FN)；空报率表示实际是负类而被分类成正类的比例，计算公式为FP/(TP+TN+FP+FN)。在本研究中，正类表示出现人口损失，负类表示没有出现人口损失。

1.1.2 技术路线

本文基于历史灾情数据，运用RF算法构建暴雨灾害人口损失预估模型；并以精细化网格降水产品驱动模型，进行预报试验。技术流程如下(图 1)：(1)清洗整理历史暴雨灾情记录，并分析暴雨灾害的时空分布特点；(2)根据灾情记录，计算解释变量，包括过程最大日雨量、最大小时雨量、短时强降水频次、前10 d降水距平百分率，以及灾害发生地的人口密度、地质条件、经济水平(GDP)，将上述7个解释变量和因变量(有、无人口损失)构成样本集；(3)把样本分为训练和测试样本，基于训练样本运用RF算法构建模型，并计算各解释变量的重要性，用测试样本对模型进行检验；(4)基于精细化网格降水实况和预报产品，计算与降水有关的4个解释变量，并将人口密度、地质条件、GDP这3个解释变量统一到网格分辨率，共同驱动模型，得到预估结果。其中，根据历史灾情信息计算相应的解释变量并生成可靠的训练样本是构建模型的关键，基于精细化网格降水产品计算有关解释变量是应用模型的关键。本文以广西为例进行研究。

1.2 数据处理 1.2.1 历史暴雨灾情

原始灾情数据为2009年1月1日至2017年12月31日的广西县级暴雨灾情记录，源自中国气象局灾情直报系统，共计1471条，灾情记录包含暴雨过程开始和结束时间、发生地点具体到县(市、区)、死亡和失踪人口数、受灾人口数及报送时间等信息。对原始灾情数据进行清理：(1)去除明显奇异值(死亡人口超过100人)、重复报送及信息不完整的灾情记录；(2)去除有人口损失但受灾人口数≤3人的事件，认为是局地偶然事件，不具有可预测性；(3)本文通过RF分类算法建立模型，以有、无人口损失为预估对象，因此将历史暴雨灾情中的人口损失情况记为1(有人口损失)或0(无人口损失)，参与建模。由于有人口损失的灾情记录远少于无人口损失的灾情记录，是一个非平衡数据集，通过在数据层进行欠抽样处理(吴琼等，2013)，减少多数类样本数量，降低数据集的不平衡度。最终得到用于建模的暴雨灾害事件530件，其中有人口损失的105件，有其他灾害而没有人口损失的425件。

1.2.2 致灾因子数据

本文考虑的致灾因子为降水。构建模型的原始降水数据为2009年1月1日至2017年12月31日广西地区2411个区域站逐小时降水数据和92个国家站逐日降水数据。根据每条灾情记录的起止时间和地点信息，使用区域站逐小时降水数据，计算县域范围内的过程最大日雨量(08—08时)、最大小时雨量、短时强降水频次(1 h降水量超过30 mm的小时数)，使用国家站逐日降水数据计算过程开始前10 d的累计降水量距平百分率。验证和应用模型的降水数据为全国智能网格实况分析产品和预报产品，空间分辨率为0.05°×0.05°，时间分辨率为1 h。

1.2.3 承灾体数据

基于中国公里网格2010年人口分布数据集(付晶莹等，2014)，利用地理信息系统的空间分析功能，叠加广西县级行政边界，得到各县(市、区)平均人口密度数据(图 2a)。

1.2.4 孕灾环境数据

基于中国公里网格2010年GDP分布数据集(黄耀欢等，2014)和1 400万全国地质灾害易发程度区划(自中国地质调查局发展研究中心网站^*)，利用地理信息系统，得到各县(市、区)总GDP(图 2b)和平均地质灾害易发程度(图 2c)。

2 模型建立与验证 2.1 广西暴雨灾害的时空分布特点

首先，根据2009—2017年暴雨灾情记录，统计分析广西暴雨灾情概况，验证灾情信息可靠性。从空间分布来看(图 3)，暴雨灾害发生次数较多的地区位于南宁市马山、上林、横县及河池市巴马、天峨县，累计超过30次，平均每年发生3~6次；暴雨造成的人口损失大值区主要位于广西东南部，其中2010年6月1—2日广西玉林市容县发生暴雨洪涝灾害，造成41人死亡，是2009—2017年广西单县人口损失最多的暴雨灾害事件。

从年际变化来看(图 4a)，2009—2017年广西地区暴雨灾害事件数略有增加趋势，人口损失数基本保持平稳；平均每年发生暴雨灾害133次，造成人口损失24人。2017年广西共发生暴雨灾害210次，造成人口损失48人。

从多年平均的逐月暴雨灾害和人口损失数来看(图 4b)，大值集中在5—7月，与当地汛期一致，其中发生暴雨灾害和人口损失的峰值均在6月。平均而言，每年6月广西发生暴雨灾害50件，造成10人死亡或失踪。

2.2 RF模型建立

本研究基于Python语言机器学习程序包进行建模。以选取的7个预报因子作为解释变量(自变量)，2个分类作为目标变量(因变量)，建立RF分类模型。具体实现步骤如下：

(1) 训练数据。采用五折交叉验证方法(杨柳和王钰，2015；赖成光等，2015)，把所有样本D随机分成相等容量的5份子集，取其中1份D_i作为测试数据集Test_i，剩下的4份作为训练数据集Train_i，从而构成第i组训练—测试集(Train_i，Test_i)，i=1，2，3，4，5。在每组训练—测试集中，用训练集生成模型，并在测试集中进行预测检验。

(2) 参数设置。RF算法中有两个重要参数影响预测能力，即树的个数m和预选变量个数k。m决定了随机森林的整体大小，k决定了单个决策树的情况。m越大，RF算法过拟合效应越小；k越大，子预报模型间差异性越小。根据测试集的分类准确率，对RF算法的参数不断调优，找出准确率最高的对应参数。

(3) 精度评判。用5组训练—测试集进行训练和测试，联合这5组结果的平均进行精度评判。若满足训练与测试精度要求即可进行下一步计算，若不满足则需要修改参数或重新取样。

经测算得到m取值为50，k取值为 $ \sqrt{7}$时模型精度最高，建立的RF模型精度如表 2所示，该模型对训练集拟合很好(准确率为98.8%)，且测试集的准确率也达到92%。

(4) 指标重要性计算。RF算法中用精度下降率来表征各解释变量的重要性，即去除某个解释变量后分类准确率的降低程度。精度下降率越大, 说明该变量越重要。图 5为7个解释变量的重要性排序。致灾因子(降水情况)是最主要的解释变量，产生的精度下降率均超过10 %，重要性从大到小依次为前10 d降水距平、最大日雨量、最大小时雨量、短时强降水频次。其次是人口密度、GDP和地质灾害易发程度。致灾因子的重要度累加达85.6%，对人口损失起最关键作用。

2.3 基于智能网格实况的模型验证

使用全国智能网格实况分析产品，对2018年以来广西地区多个县(市、区)出现人口损失的较大范围强降雨过程，进行回报试验。

2018年6月20—25日的一次强降水过程造成都安、武鸣、钦州、灵山、凌云5个县(市、区)出现人口死亡(图 6)。通过计算这次过程的4个致灾因子变量，即前10 d(6月10—19日)累计降水距平百分率(图 6a)、6月20日08时至26日08时过程期间最大日雨量、最大小时雨量、短时强降水频次(图 6b~6d)，结合相应网格化人口密度、GDP、地质灾害易发程度，使用之前训练得到的RF模型预测是否会发生人口损失，结果如图 6e所示，红色打点区表示预测有人口损失发生。可以看出，由于前期广西地区大部分地区降水为负距平，人口损失分布主要受强降雨落区(图 6b)影响，在县域精细化结构上则与最大小时雨量、短时强降水频次(图 6c，6d)有关。模型预测结果(图 6e)与实际发生人口损失的地区(图 6f)有较好的对应关系。基于县域统计，模型分类准确率为89.6%, 空报率为8.3%, 漏报率为2.1%。

同样对2018年5月6—10日的降水过程(图 7)进行回报试验。这次过程造成博白、浦北两县出现人口死亡(图 7f)。将前10 d(4月26日至5月5日)累计降水距平百分率及过程最大日雨量、最大小时雨量、短时强降水频次(图 7a~7d)，输入RF模型进行预测，结果如图 7e所示。可以看出，预估有人口损失的地区位于广西东南部和西部，与前期累计降水正距平大值区(图 7a)有较好的对应关系。尤其是广西东南部博白、浦北县附近，前10 d累计降水量较常年同期偏多5倍，导致人口损失发生的可能性高。基于县域统计，RF模型对这次过程的人口损失分类准确率为91.7%, 空报率为8.3%, 漏报率为0%。

2019年6月5—13日广西地区发生暴雨灾害，造成全州、资源等13个县(市、区)出现人口死亡。基于全国智能网格实况分析产品，运用RF模型进行回报，分类准确率为81.3%, 空报率为17.7%, 漏报率为1%(图略)。

3 基于智能网格降水预报的模型应用

基于全国智能网格降水预报产品，计算过程最大日雨量、最大小时雨量、短时强降水频次；利用全国智能网格降水实况分析产品，计算过程开始前10 d的累计降水距平百分率。同时，将承灾体、孕灾环境数据插值到智能网格相同分辨率。将上述解释变量输入之前建立的暴雨灾害人口损失预估模型，便可进行人口损失预报。由于参与建模的训练样本是历史暴雨灾害事件，该模型适用于汛期(5—7月)强降雨时段的人口损失预报。

以2018年5月6—10日的降水过程为例，说明基于智能网格的模型应用效果。使用智能网格降水实况和预报产品计算致灾因子变量，即前10 d降水距平百分率(图 8a)和过程最大日雨量(图 8b)、最大小时雨量(图 8c)、短时强降水频次(由于预报的逐小时降水较弱，没有出现小时降水量超过30 mm的短时强降水，图略)，结合网格化的平均人口密度、总GDP、平均地质灾害易发程度，运用之前建立的RF模型，预估人口损失分布(图 8d)。预报结果与实际发生人口损失的县(市、区)(图 7f)有较好的对应关系。

对2019年6月5—13日的强降雨过程，由于过程持续时间长，且从2019年开始智能网格逐小时降水预报业务产品的最长时效为72 h，因此运用RF模型进行逐日滚动预报，将逐日预报结果合成，得到过程人口损失预报。与实际人口损失相比，预报准确率为71.9%, 空报率为28.1%, 漏报率为0%(图略)。

4 结论和讨论

本研究对2009—2017年广西的县级暴雨灾情数据进行了整理分析，综合考虑致灾因子、孕灾环境和承灾体因素选取了7个解释变量，基于RF分类算法，构建了暴雨灾害人口损失预估模型。结果表明，RF模型的拟合效果较好，训练样本和测试样本的准确率均在90%以上。致灾因子(降水情况)是最主要的解释变量，重要性从大到小依次是前10 d降水距平百分率、最大日雨量、最大小时雨量和短时强降水频次，其次是人口密度、经济水平和地质灾害易发程度。应用智能网格降水产品驱动模型对近两年广西地区发生的主要暴雨灾害过程进行回报，准确率在70%以上。

本研究将机器学习算法运用到暴雨灾害人口损失评估，取得了较好效果。但影响暴雨灾害人口损失的因素很多，除了文中考虑的解释变量，在孕灾环境方面还有河网密度、不透水地表组成等因素，承灾体方面还需考虑人口结构、人的主观能动性，如预警和转移安置，及强降雨的发生时间等(Boyd, 2010；扈海波和张艳莉，2014；王秀荣等，2016；尹卫霞等，2016)。智能网格产品具有高时空分辨率，可以反映短时强降水的致灾危险性，并给出县域尺度上的精细化分布。但由于智能网格业务化时间较短，其实况分析和预报产品的准确度还有待检验，这会对灾害损失预估模型的结果产生影响。

今后，可通过增加合理的解释变量，进一步完善模型。在获取全国暴雨灾情资料的基础上可将此模型拓展到全国范围，并对接全国智能网格产品，进行精细化暴雨灾害人口损失预报，为防灾减灾提供依据。