摘要
山地大城市面临着一种特殊的降雨积水问题，其中地形控制的径流汇聚、地表不透水性的加剧以及排水系统的老化共同作用，导致长期且空间上集中的积水现象，而非随机事件。现有的评估框架（如水动力建模、数据驱动的机器学习以及多标准综合指数）在市政层面存在局限性。本研究针对中国重庆，通过三种综合方法开发并验证了一个基于网格的全城评估框架。首先，将韧性重新定义为“适应风险的稳定性比率”，并通过与独立积水观测数据的对比进行有效性检验。其次，整合了多源的水文气候、地形-水文、土地覆盖和服务可达性指标，这些指标在500米网格（共22,500个单元格）上使用CRITIC-Entropy权重法和TOPSIS算法进行排序，并通过500次迭代的蒙特卡洛权重扰动分析来评估框架的稳健性。第三，采用具有SHAP解释功能的空间分组LightGBM分类器，既作为独立验证工具，也用于分析非线性驱动因素的阈值。该综合风险模型的ROC-AUC值分别为0.834和0.873（针对两个独立的积水数据库），表现出强烈的空间聚集性（Moran’s I = 0.81，p < 0.001），并且在剧烈的权重扰动下仍能保持其排序结果（Spearman ρ ≥ 0.95，适用于95%的情景）。然而，有效性检验揭示了一个反直觉的现象：在两组数据中，韧性的ROC-AUC值均低于0.5，表明基于服务可达性的能力指标实际上反映了城市的中心性而非排水系统的稳健性，这可能是一个普遍存在于韧性指数研究中的测量问题。LightGBM算法将88.0%的积水单元格集中在评分最高的10%的网格中，而SHAP分析得出的阈值与经典水文学中的饱和积水、排水良好以及径流汇聚热点区域相吻合。这些结果将复杂地形下的积水评估从单纯的制图工作转变为一个可验证的、基于资源优先级的评估框架，并阐明了为什么容量地图和风险地图应作为洪水治理的互补工具共同使用。
