أين تكون Amuwo-Odofin الأكثر عرضة للفيضانات

السؤال

أين تكون الفيضانات أكثر احتمالًا في Amuwo-Odofin، ولماذا؟ كثيرًا ما لا تُقارَن خرائط الفيضانات المبنية على أوزان يحددها الخبراء بفيضانات حقيقية، ونادرًا ما تشرح لماذا يحصل مكان على درجة أعلى من غيره. يُدرَّب GeoAID على فيضانات مرصودة ويشرح كل تنبؤ.

ثلاث طبقات

1. قابلية التعرض البنيويةأي المناطق معرّضة للفيضانات بطبيعتها؟ يغذّي 14 عاملًا مستخلصًا من الأقمار الصناعية نموذج الغابة العشوائية (Random Forest) الذي ينتج خريطة خطر من أربعة مستويات.
2. التفعيل المباشرهل يتفعّل هذا الخطر الآن؟ تُقارَن الأمطار شبه الآنية من NASA GPM IMERG بخريطة الخطر.
3. التعرّضمن وما الذي يقع في طريق المياه؟ سكان WorldPop، والمدارس والمرافق الصحية والطرق من OpenStreetMap، فوق مستويات الخطر.

البيانات والنموذج

يأتي سجل الفيضانات من رادار Sentinel-1 عبر 4 فيضانات موثّقة في لاغوس بين 2017 و2022، مع قناع يستبعد المياه الدائمة. وتغطي العوامل المؤثرة التضاريس والأمطار والغطاء الأرضي والنبات والتربة والمسافة إلى شبكة التصريف، وكلها على شبكة موحدة بدقة 100 م.

اختيرت الغابة العشوائية بدلًا من الانحدار اللوجستي وXGBoost. ويفسّر SHAP كل تنبؤ: الغطاء النباتي هو أقوى محرّك لقابلية التعرض، وهذا يتفق مع أهمية المتغيرات التي يحسبها النموذج نفسه.

ما مدى جودته؟

التقسيم العشوائي≈ 0.798

التحقق المتقاطع المكاني≈ 0.642

0.50.751.0

بالتقسيم العشوائي يحقق النموذج نحو 0.798. هذا الرقم يجامله، لأن الخلايا المتجاورة في مجموعتي التدريب والاختبار متشابهة. أما بالتحقق المتقاطع المكاني، حيث تُحجب كتل كاملة من الأرض، فينخفض إلى نحو 0.642. خطّط على أساس الرقم الثاني. يستطيع GeoAID الإشارة إلى مناطق تستحق نظرة أدق، لكن لا ينبغي أن يكون أساسًا لقرار بشأن قطعة أرض بعينها.

اكتشاف خطأ في البيانات

صنّفت نسخة مبكرة من سجل الفيضانات الراداري 97.7% من منطقة الدراسة على أنها مغمورة، لأن المياه الدائمة كانت تتسرب إلى فئة «مغمور». وبعد التشخيص وتطبيق القناع، انخفضت النسبة المغمورة إلى 5.18%، وهي نسبة معقولة فيزيائيًا. هذا التصحيح، وكل تصحيح آخر، موثّق في سجل المنهجية (بالإنجليزية).

الحدود

• قابلية التعرض ليست توقعًا. إنها تُظهر أين تجعل الظروف الفيضان أكثر احتمالًا، لا متى سيحدث.
• اثنان من المدخلات الأربعة عشر، وكلاهما من بيانات الأمطار، أخشن دقةً من منطقة الدراسة، مما يحدّ من قدرتهما على التمييز بين مكان وآخر.
• دُرّب النموذج واختُبر على Amuwo-Odofin فقط. ولم يُختبر بعدُ إن كان يصلح لمناطق حكم محلي أخرى.

النسخة الأولية من البحث

Oyinloye, O. A. and Mustapha, I. O. (2026). GeoAID: An Explainable Geospatial Disaster Intelligence Framework for Urban Flood Risk in a Data-Poor Coastal Megacity. Preprints.org. doi:10.20944/preprints202609.1630.v1

البحث بالإنجليزية. النسخ الأولية من الأبحاث لم تخضع لتحكيم الأقران. أُنجز GeoAID بوصفه أطروحتي لماجستير تقنية المعلومات في جامعة Miva المفتوحة.