由香港中文大學（中大）地理與資源管理學系研究助理教授 Muhammad Sajjad 領導，聯同香港浸會大學及阿卜杜拉國王科技大學的研究團隊，成功研發全球首個 30 米高解像度、統一標準的全球洪水易發性數據集。該數據集命名為全球洪水易發性地圖（Global Flood Susceptibility Map, GFSM v1），提供前所未有的精細空間資訊，有助提升全球洪水風險初步篩查及管理工作。這個開放數據集除了可提升香港以至整個粵港澳大灣區的防洪韌性外，亦能為數據匱乏、缺乏詳細洪水研究的高危地區提供重要風險資訊。研究成果已正式刊登於《自然》旗下的期刊《Scientific Data》。
AI 建模如何克服全球數據不足？
洪水是全球造成損失最嚴重及影響最廣泛的自然災害之一，但各地獲取精確洪水風險資訊的條件存在差異。現有大部分全球洪水災害模型通常採用 1 至 10 公里的解像度，往往過於粗略，難以反映局部地形特徵及社區層面的洪水易發程度差異。針對這個不足，GFSM v1 成為全球首個解像度達 30 米的洪水易發性數據集，能夠提供更精細的空間資訊，讓使用者識別社區層面的洪水易發區域，涵蓋廣闊的沖積平原以至狹窄山谷等不同地貌環境。
研究團隊利用機器學習，並整合多源地球觀測及地理空間數據建立數據集，將全球每個 30 米像素的洪水易發程度劃分為極低、低、中等、高及極高五個等級。團隊利用全球 17,069 個網格中約 3,045 萬個樣本，訓練梯度提升樹機器學習模型（XGBoost）。模型整合地形、降雨量、土地覆蓋及水文變量等因素，分析在不同地貌下多項因素如何產生相互作用，影響洪水易發程度。論文通訊作者 Muhammad Sajjad 教授表示：「這個數據集的優勢在於全球一致性及易於取用。無論是孟加拉國的社區、巴西的城市規劃人員，或是莫桑比克的災害管理機構，現在都能夠獲取採用相同方法和高解像度的洪水易發性資訊。對於數據匱乏、未必具備詳細本地洪水建模能力的地方而言，這項資源尤其重要。」
對大灣區防洪有何作用？
除了具備全球應用價值外，GFSM v1 亦可為香港以至整個大灣區的洪水風險評估提供參考。區內地形陡峭，沿海平原狹窄，而且城市發展密集，加上極端降雨日趨嚴重，均可能增加洪水風險。GFSM v1 現階段主要作為初步篩查工具，有助城市規劃人員及應急人員識別值得進一步關注的潛在風險區域。數據集可作為土地用途規劃、應急準備及氣候韌性工作的輔助參考，並促進大灣區就洪水風險管理進行更廣泛討論。
例如，將 GFSM v1 與人口及基礎設施數據結合，可協助規劃人員識別值得進一步研究的地區，評估改善排水系統的需要，或作為醫院、緊急庇護設施等重要設施的選址研究的參考。數據集亦可透過改善洪水風險資訊的獲取，支援以實證為本的決策，為全球落實聯合國《仙台減少災害風險框架》及可持續發展目標工作作出貢獻。Sajjad 教授補充：「GFSM v1 是讓洪水風險資訊普及的重要一步。透過提供開放取用、高解析度及全球一致的數據，我們希望為洪水研究匱乏或欠缺的地區提供實用的初步風險篩查工具，協助決策者作出判斷。」
跨院校協作提供甚麼支援？
這項研究亦獲阿卜杜拉國王科技大學的專業知識及高性能運算能力。阿卜杜拉國王科技大學的 Shaheen 超級電腦設施為全球數據集的大規模地理空間數據處理及模型開發提供支援，展示共享科研基礎設施及跨院校專業協作為推動開放環境數據發展，從而提升應對氣候變化及災害風險的能力。阿卜杜拉國王科技大學環境科學與工程學院研究及合作事務副院長、Ibn Rushd 教授 Sami G. Al-Ghamdi 教授表示：「這項合作展現匯聚跨院校科研專長及先進運算基礎設施的價值。透過提升洪水易發性資訊的可及性，GFSM v1 有助研究人員及決策者識別潛在高風險地區、提升氣候韌性，並優先識別最需要進一步開展詳細本地評估的區域，從而為災害風險管理及氣候適應工作提供更具科學依據的參考。」
中大提供的圖片說明指出，左圖為傳統洪水風險圖，空間解析度約為一公里，雖可顯示大灣區整體洪水風險分布，但難以反映局部地形差異；右圖為 GFSM v1，其 30 米空間解析度能更精細地呈現洪水易發區分布，有助識別較細尺度的潛在風險區域。