基于NASA卫星数据的马来西亚洪水预测机器学习框架

本研究利用NASA POWER MERRA-2卫星再分析数据，构建覆盖马来西亚8个主要城市的洪水与山洪预测系统，对比决策树、随机森林和XGBoost三种模型性能。核心发现包括：XGBoost在洪水和山洪预测中表现最优（AUC-ROC分别达0.9824和0.9651）；新山洪水风险最高，东北季风期风险是其他月份20倍；3天滚动平均降雨量为关键预测因子。研究成果可为灾害预警、保险定价及城市规划提供支持。

马来西亚热带季风气候导致每年11月-次年1月东海岸洪灾频发，2014、2021年特大洪水造成数十亿林吉特损失及人员伤亡。传统预警依赖地面站数据，偏远地区受限。本研究提出卫星数据+机器学习框架，弥补地面观测不足，为资源有限地区提供可靠预警。

数据来源：NASA POWER MERRA-2数据集（2010.1-2026.3，16年，47367条日度记录），覆盖8城市（东海岸：哥打巴鲁、关丹；南部：新山、马六甲；中部：吉隆坡、莎阿南；东马：古晋、亚庇）。特征设计：基础气象（气温、湿度、风速）、滚动统计（3/7/14天降雨平均、7天累计）、时间特征（月份、季风指示）。标签定义：洪水（日降雨≥50mm，占1.43%）、山洪（≥80mm，占0.48%），类别极度不平衡。注：日降雨仅用于标签，避免数据泄露。

对比模型：决策树（基准，可解释但易过拟合）、随机森林（集成降低方差）、XGBoost（梯度提升，正则化控制复杂度）。评估指标：准确率、精确率、召回率、F1分数、AUC-ROC。灾害预警中召回率优先（漏报代价更高）。

洪水预测（≥50mm）：XGBoost最优（F1=0.2979，AUC=0.9824）；决策树召回率高（80.49%）但精确率低；随机森林精确率高但召回率低。山洪预测（≥80mm）：XGBoost AUC领先（0.9651）。关键发现：1. 新山洪水风险最高（2.85%），是马六甲8倍；2. 东北季风期风险是其他月份20倍；3. 3天滚动平均降雨为最重要特征；4. 模型AUC均≥0.88，学习到真实模式。

1. 灾害预警：集成到NADMA系统，实时卫星数据提前预测高风险区，支持疏散与资源调配；2. 保险金融：用于风险评估与保费定价，结合GIS绘制精细风险地图；3. 城市规划：指导防洪基建（如新山加强排水系统），季风前重点维护。

局限：MERRA-2空间分辨率50公里（小尺度事件不足）；山洪样本仅226例；未考虑地形等地理因素。改进：整合GPM高分辨率数据；尝试LSTM/Transformer时序模型；融合雷达、水位、社交媒体等多源数据；开发实时API服务。

本研究验证了卫星数据+机器学习在洪水预测的潜力。XGBoost模型表现最优，适合作为预警核心算法。成果为马来西亚及类似气候国家提供可复制方案，有望减少洪灾损失。