点击蓝字 关注我们
软著专栏
洪涝灾害是威胁人类生命财产安全和社会发展的重大挑战。为了更有效地应对这一挑战，深入分析洪涝的影响因素至关重要。洪涝影响因素分析是指对导致洪涝灾害发生的各种因素进行系统性分析和评估。这一过程旨在确定各因素的相对重要性，了解它们之间的非线性暴露反应关系，以及考虑因素之间的交互作用。通过这种深入分析，我们能够更准确地识别和评估洪涝灾害的风险，从而为制定有效的防灾减灾政策提供科学依据。今天我们要分享的是华西健康医学地理课题组成功研发的《洪涝影响机制时空分析与可视化系统》。
这是一款基于R-Shiny技术的先进Web应用程序，它集成了Boruta算法、GAM、Spatial RF等先进模型，采用B/S架构设计，为用户提供了一个直观、便捷的洪涝影响分析工具。该系统无需安装任何软件，用户只需通过浏览器即可访问，实现数据的展示、分析和下载。
软著专栏
系统界面设置
系统界面分为“数据展示”和“影响因素分析”两大板块，前者聚焦于数据的基础信息和时空分布，后者则深入探讨影响因素的相关性和交互作用。如图1所示。
图1 洪涝影响机制时空分析与可视化系统界面
软著专栏
数据可视化展示
用户可利用该界面中的可视化设置工具，根据需要设置数据展示的年份、不同变量等交互信息，设置完成后的数据将会在各个组件中进行展示。如图2、图3所示。
图2 响应变量的选择与时间序列箱线图展示
图3地图属性的选择与空间映射展示
软著专栏
影响因素分析结果展示
该程序中，影响因素分析主要通过两个框架实现，第一个框架为“Boruta-Pearson-GAM”，首先通过Boruta算法从13个潜在影响因子中筛选出对因变量-洪涝发生率相对更重要的几个解释变量，本案例中为六个（如图4所示）。接着通过Pearson相关性分析对筛选出的解释变量进行相关性分析，绘制相关系数矩阵（如图4所示）。最后通过GAM模型探讨响应变量与每个解释变量之间的数值非线性关系，体现为暴露反应关系图（如图5所示）。第二个框架是在空间随林模型的基础上实现的，空间随机森林可以在处理因变量与自变量关系的同时考虑空间自相关。同时第二个框架在第一个框架展示的非线性反应关系（如图6所示）的基础上增加了因子间交互作用对因变量的影响（如图7所示）。
图4 因子重要性排序与相关系数矩阵图
图5非线性暴露与反应关系图
图6基于空间随机森林的暴露反应关系图
图7 因子间交互作用图
END
软著专栏
拓展阅读
欢迎关注公众号，每周分享优质资源。
供稿 | 孙琪、严国强
编辑 | 林凯薇
审校 | 袁凤玲
