{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,4]]，“日期-时间”：“2024-06-04T10:31:57Z”，“时间戳”：1717497117091}，“引用-计数”：126，“发布者”：“MDPI AG”，“问题”：“24”，“许可证”：[{“开始”：{-date-parts”：[2022,12,15]]，“时间”：2022-12-15T00:00:00Z“，”时间戳“：1671062400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“name”：“新疆维吾尔自治区重点实验室开放项目”，“奖项”：[“2018D04027”，“2022B03001-3”，“2020 LCJ02”]}]，”content-domain“：{“domain”：[]，“crossmark-restriction”：false}，“short-container-title”：[”遥感“]，“摘要”：“建模和评估融雪洪水的敏感性对于洪水灾害管理至关重要。然而，目前对融雪洪水敏感性的研究缺乏有效的大规模建模方法。在本研究中，使用一种新的高性能深度学习模型Swin Transformer来评估昆仑山区融雪洪水频繁发生的地区的融雪敏感性。性能比较还包括支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）和卷积神经网络（CNN）。18个潜在调节因素与历史洪水清查相结合，形成数据库。除敏感性评估外，还进行了敏感性分析，以反映调节因素对不同类型融雪洪水敏感性的影响。结果表明，Swin Transformer在模型性能测试中取得了最高分数（AUC=0.99），并成功识别了调节因素与融雪洪水之间的关系。海拔和与河流的距离是影响研究区域融雪洪水的最重要因素，而降雨和雪水当量是混合型和变暖型的主要自然因素。此外，研究区域的中北部地区对融雪洪水的敏感性很高。该方法和结果可为融雪洪水建模和灾害管理提供科学支持<\/jats:p>“，”DOI“：”10.3390\/rs14246360“，”type“：”journal-article“，”created“：{”date-parts“：[2022,12,16]]，”date-time“：”2022-12-16T07:54:02Z“，”timestamp“：1671177242000}，”page“：前缀“：”10.3390“，”卷“：”14“，”作者“：[{”给定“：”瑞彪“，”家人“：”杨“，”序列“：”第一“，”从属“：[]}，{”ORCID“：”http://\/ORCID.org\/00000-0002-9126-8357“，”authenticated-ORCID“：false，”给定“:”国雄“，”家庭“：”郑“，“sequence”：“additional”，“affiliation”：[]}，{given“：”Ying“，”family“：”Liu“，”sequence“：”additional“，”affiliation“：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-7401-0912”，“authenticated-ORCID”：false，“given”：”Wenqiang“，”家庭“：”Xu“，“sequence”：“additional”，“affiliance”：[]{“givent”：“Anming”，“family”：“Bao”，“segment”：“additional”，“在线发布”：{“date-parts“：[2022,12,15]]}，“reference”：[{“key”：“ref_1”，“unstructured”：“Pascaline，W.，Debarati，G.-S.，Denis，M.，CRED，and UNISDR（2015）.《与气候有关的灾害的人类成本》1995\u20132015，UNISDR。”}，{“密钥”：“ref_2”，“doi-asserted-by”：“交叉引用”，“首页”：“1397”，“doi”：“10.1080\/09640568.2015.1077104”，“article-title”：“使用空间多标准决策将洪水灾害纳入滞留盆地选址”，“卷”：“59”，“作者”：“Ahmadisharaf”，“年份”：“2016年”，“新闻标题”：“J.Environ”。计划。管理。“｝，｛”key“：”ref_3“，”nonstructured“：”Wang，H.（2016）。融雪洪水三维可视化研究。[石河子大学硕士论文，2019年]。“｝，｛”key“：”ref_4“，”doi断言“：”crossref“，”首页“：”2089“，”doi“：”10.1002\/hyp.6206“，”文章标题“：”前言\u2014不同气候条件下冰川和雪盖对山区径流的贡献\u2014特刊“，”卷“：”20“，”作者“：”霍克“，”年份“：”2006“，”期刊标题“：”水文“。过程。“}，{”key“：”ref_5“，”first-page“：”667“，”article-title“：”气候变化下黑河上游春季融雪洪水预测“，”volume“：“16”，”author“：”Zhu“，”year“：”2020“，”journal-title”：“Adv.Clim.Chang.Res.”}，”{“key”：“ref_6”，“doi-asserted-by”：“crossref”，“first-pages”：“e12541”，“doi”：“10.1111\/jfr3.12541”，”articele title“：”基于数字高程模型的洪水淹没深度快速估算方法”，“体积”：“12”，“作者”：“Manfreda”，“年份”：“2019年”，“新闻标题”：“J.洪水风险管理”。“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”unstructured“：”Shahabi，H.、Shirzadi，A.、Ghaderi，K.、Omidvar，E.、Al-Ansari，N.、Clague，J.J.、Geertsema，M.、Khosravi，K.，Amini，A.和Bahrami，S.（2020）使用Sentinel-1遥感数据和机器学习方法进行洪水检测和敏感性制图：基于K-最近邻分类器的打包集成混合智能。遥感，12.“，”DOI“：”10.3390\/rs12020266“}，{“key”：”ref_8“，”DOI-asserted-by“：”crossref“，”first page“：”638“，“DOI”：”10.1007\/978-3662-49155-3_67“，”article-title“：”融雪洪水风险评估框架研究和流域水网提取”，“volume”：“volume 569”，“author”：“Bian”，“year”：“2016”，“journal-title”：“”资源管理与可持续生态系统中的地球信息学”}，{“key”：“ref_9”，“first page”：”950”，“article-title”：“新疆春季融雪洪水风险的动态评估”，“volume”：：“38”，“author”：“Zhou”，“year”：“2021”，“journal title”：10.2136\/vzj2018.04.0084“，“article-title”：“冻土中的融雪渗透和大孔隙流：概述、知识差距和概念框架”，“volume”：“17”，“author”：“Mohammed”，“year”：“2018”，“journal-title“：”Vadose Zone J.“}，{“key”：”ref_11“，”first page“：”1029“，“article-title”：“《西北山区融雪径流模拟综述》，“卷”：“44”，“作者”：“李”，“年份”：“2022年”，“期刊标题”：“冰川学杂志”。地热。“｝，｛”key“：”ref_12“，”doi asserted by“：”crossref“，”nonstructured“：”Steimke，A.L.，Han，B.，Brandt，J.S.，and Flores，A.N.（2018）。气候变化和削减：在融雪占主导地位的盆地中，在径流状况变化的背景下评估水管理实践。water，10.“，”doi“：”10.31223\/OSF.IO\/K8DSY“｝，｛”key“：”ref_13“，”doi asserted by“：”crossref”，“非结构化”：“Lastrada，E.，Garzon-Roca，J.，Cobos，G.，and Torrijo，F.J.（2021）。由于气候变化，西班牙山区与雪有关的现象的调节作用减弱。Water，13.“，”DOI“：”10.3390\/w13111550“}，{“key”：“ref_14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Peker，I.B.和Sorman，A.A.（2021）。SWAT的应用，使用积雪数据并检测土耳其东部山区的气候变化影响。Water，13。”，“DOI”：“10.3390\\w13141982”}，“key“：”ref_15“，”DOI-assert-by“：”crossref.“，”非结构化”：“Taraky，Y.M.，Liu，Y.B.，McBean，E.，Daggupati，P.和Gharabaghi，B.（2021）。喀布尔河流域跨界冲突与合作动态的洪水风险管理。Water，13.“，”DOI“：”10.3390\/w13111513“}，{“key”：“ref_16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Singh，V.，and Munoz-Arriola，F.（2021）。西喜马拉雅地区气候变化评估中次级集水区部分积雪和融雪参数化以及水文模型的改进。水文学，8.”，“DOI”：“10.3390\/hydrology8040179“｝，｛”key“：”ref_17“，”doi断言“：”crossref“，”非结构化“：”Mateo Lazaro，J.，Castillo Mateo，J.，Sanchez Navarro，J.A.，Fuertes Rodriguez，V.，Garcia Gil，A.和Edo Romero，V.（2019）。评估融雪在测量集水区洪水事件中的作用。水，11.“，”doi“：”10.3390\/w11030506“｝，｛”key“：”ref_18“，”doi-asserted-by“：”crossref“，”first page“：”1124“，”doi“：”10.1016\/j.scitotenv.2017.10.114“，”article-title“：”横峰地区洪水敏感性评估——将自适应神经模糊推理系统与遗传算法和差分进化相结合”，“volume”：“621”，“author”：“Hong”，“year”：“2018”，“journal-title”：“Sci”。总环境。“}，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”unstructured“：”Sarafanov，M.，Borisova，Y.，Maslyaev，M..，Revin，I.，Maximov，G.，and Nikitin，N.O.（2021）。使用复合模型和自动机器学习的短期河流洪水预报：Lena河案例研究。Water，13.“，doi”：“10.3390\/w13243482”}，“{”key“：“ref_20”，”doi-asserted-by“：”crossref“，”first page“：”1525“，”doi“：”10.1002\/hyp.5942“，”article-title“：”神经模糊网络建立洪水预报模型的策略“，”volume“：“20”，”author“：”Chen“，”year“：”2006“，”journal-title”：“Hydrol”。过程。“}，{”key“：”ref_21“，”first-page“：”339“，”article-title“：”新疆20年来融雪（冰）洪水频率时空变化与大气环流模式的组合分析“，”volume“：“38”，”author“：”Zhang“，”year“：”2021“，“journal-title”：“Arid Zone Res.”}，”{“key”：“ref_22”，“doi-asserted-by”：“crossref”，“unstructured”：“”Ma，M.H.、Liu，C.J.、Zhao，G.、Xie，H.J.、Jia，P.F.、Wang，D.C.、Wang、H.X.和Hong，Y.（2019）。基于机器学习技术的云南省山洪灾害风险分析。遥感器，11.“，”DOI“：”10.3390\/rs11020170“}，{”key“：”ref_23“，”DOI-asserted-by“：”crossref“，”first page“：“134514”，“DOI”：“10.1016\/j.scitotenv.2019.134514“，”article-title“：”使用双变量统计及其与机器学习模型的新型混合集成，对小型山区集水区内的暴发洪水潜力进行比较评估”，“卷”：“711”，“作者”：“Costache”，“年份”：“2020年”，“新闻标题”：“科学。总环境。“}，{”key“：”ref_24“，”doi-asserted-by“：”crossref“，”first-page“：”104450“，”doi“：”10.1016\/j.catena.2019.104450“journal-title“：”Catena“}，{“key”：“ref_25”，“doi-asserted-by”：“crossref”，“first page”：”101075“，“doi”：“10.1016\/j.gsf.2020.09.006”，“article-title”：“使用先进集成机学习模型的洪水敏感性建模”，“volume”：第12页，“author”：“Towfiqul”，“year”：“2021”，“journal-title”:“Geosci.Front.”}，“key“：”ref_26“，”doi-asser.ted-by“：”crossref“，”first page“：”2087“，”DOI“：”10.1016\/j.scitotenv.2018.0.064“，”article-title“：”使用多元判别分析、分类和回归树以及支持向量机的洪水敏感性集合预测“，”volume“：。总环境。“}，{”key“：”ref_27“，”doi-asserted-by“：”crossref“，”unstructured“：”Zeng，Z.P.，Li，Y.J.，Lan，J.Y.，and Hamidi，A.R.（2021）。利用用户生成的内容和地理信息系统进行山区洪水敏感性建模：以中国建安市为例。可持续发展，13.“，“doi”：“10.3390\/su13126929”}，“key”：“ref_28”，“doi-assert-by”：“”crossref“，”first page“：”106899“，”DOI“：”10.1016\/j.knosys.2021.106899”，”article-title“：”结合多准则决策分析的深度学习洪水风险评估“，”volume“：“219”，“author”：“Pham”，“year”：“2021”，“journal-title”：“Knowl”-基于系统。“}，{”key“：”ref_29“，”doi-asserted-by“：”crossref“，”first page“：“125481”，”doi“：”10.1016\/j.jhydrol.2020.125481“，”article-title“：”河流洪水淹没快速预测的深度卷积神经网络模型“，”volume“：：“crossref”，“首页“：”124379“，”DOI“：”10.1016\/j.jhydrol.2019.124379。“}，{”key“：”ref_31“，”doi-asserted-by“：”crossref“，”first-page“：”124482“，”doi“：”10.1016\/j.jhydrol.2019.124482第“：”101687“，”页DOI“：”10.1016\/j.ijdrr.2020.101687“，”article-title“：”城市洪水风险制图中的危害和脆弱性：“机器学习技术和考虑市区的作用”，“volume”：“50”，“author”：“Eini”，“year”：“2020”，“journal-title”：“Int.j.Disaster risk Reduct”。“}，{”key“：”ref_33“，”doi-asserted-by“：”crossref“，”first-page“：”103812“，”doi“：”10.1016\/j.scs.2022.103812 y“：”crossref“，”首页“：”24“，”DOI“：”10.3389\/frobt.2019.00024“，“文章标题”：“开展放射学、病理学和眼科学白盒深度学习所需的正确方向：简短回顾”，“卷”：“6”，“作者”：“林下”，“年份”：“2019”，“期刊标题”：。机器人。AI“}，{”key“：”ref_35“，”doi-asserted-by“：”crossref“，”first page“：“2147”，”doi“：”10.1080\/19475705.2020.1833990“，”article-title“：”新的每像素和基于对象的洪水敏感性制图集成方法“，”volume“：‘11’，”author“：”Meena“，”year“2020”，”journal-title”：“Geomat.Nat.Hazards Risk”}，”{“key”：“ref_36”，”firstpage“2090”，“文章标题“：基于GIS和logistic回归分析的山地城市洪涝灾害敏感性评估：以江西省济阳市2019an为例”，“卷”：“29”，“作者”：“曾”，“年份”：“2020”，“期刊标题”：“资源”。环境。长江流域“}，{“key”：“ref_37”，“doi-asserted-by”：“crossref”，“unstructured”：“Mosavi，A.，Ozturk，P.，and Chau，K.-w.（2018）。使用机器学习模型进行洪水预测：文献综述。Water，10.”，“doi”：“10.20944”\/preprints201810.0098.v2”}，“key“：”ref_38“，”doi-assert-by“：”crossref.“，”，“首页”：“134413”，“doi”：“10.1016 \/j.scitotenv.2019.134413”，“article-title”：“预测山洪易发性的新型深度学习神经网络方法：高频热带风暴区的案例研究”，“volume”：“701”，“author”：“Bui”，“year”：“2020”，“journal title”：《Sci》。总环境。“}，{”key“：”ref_39“，”doi-asserted-by“：”crossref“，”first page“：“125235”，”doi“：”10.1016\/j.jhydrol.2020.15235“，”article-title“：”基于卷积神经网络的城市洪水敏感性评估“，”volume“：“：”Liu，Z.、Lin，Y.、Cao，Y.，Hu，H.、Wei，Y.和Z.，Lin，S.以及Guo，B.（2021）。Swin transformer：使用移动窗口的分层视觉变换器。arXiv公司。“，”DOI“：”10.1109\/ICCV48922.2021.00986“}，{”key“：”ref_41“，”DOI-asserted-by“：”crossref“，”unstructured“：”Fang，K.，Ouyang，J.，and Hu，B.（2021）。Swin-HSTPS:多源高分辨率遥感图像目标检测算法研究。Sensors，21.“非结构化”：“Xu，Z.，Zhang，W.，Zang，T.，Yang，Z.和Li，J.（2021）。遥感图像分割的高效变换器。Remote Sens.，13.”，“DOI”：“10.3390\/rs113183585”}，｛“key”：“ref_43”，“DOI asserted by”：“crossref”，“首页”：“10990”，“DOI”：“10.1109\/JSTARS.20213119654”，“文章标题”：“STransFuse:用于遥感图像语义分割的融合swin变换器和卷积神经网络”，“卷”：“14”，“作者”：“Gao”，“年份”：“2021”，“期刊标题”：“IEEE J.选择。顶部。申请。地球观测卫星遥感器“}，{”key“：”ref_44“，”doi-asserted-by“：”crossref“，”first page“：“1149”，”doi“：”10.5194\/henss-20-1149-2020“，”article-title“：”受邀视角：机器学习如何改变洪水风险和影响评估“，”volume“：20”，“author”：“Wagenaar”，“year”：“2020”，“journal-title”：“Nat.Hazards Earth Syst.Sci.”}，”{“key”：“ref_45”，“doi-asserted-by“：”crossref“，”first page“：”102030“，”doi“：”10.1016\/j.ijdrr.2020.102030“，”article-title“：”计算机视觉如何促进洪水管理：系统综述“，”volume“：“53”，“author”：“Iqbal”，“year”：“2021”，“journal-title”：“Int.j.Disaster Risk Reduct”。“}，{”key“：”ref_46“，”first-page“：”480“，”article-title“：”2015年夏季南疆地区高温引发的冰雪融水洪水特征“，”volume“：“38”，”author“：”Shang“，”year“：”2016“，”journal-title”：“J.Glaciol.Geocryol.”}，“key”：“ref_47”，“first-page:”546“，”article-titel“：”基于RS，2001\u20132015”，“卷”：“41”，“作者”：“张”，“年份”：“2019”，“期刊标题”：“J.Glaciol”的昆仑山夏季雪线高程变化及其影响因素分析。地热。“}，{”key“：”ref_48“，”doi-asserted-by“：”crossref“，”first-page“：”101076“，”doi“：”10.1016\/j.gsf.2020.09.007“，”article-title“：”空间显式预测山洪概率的深度学习神经网络“，”volume“：“文章标题”：“西北干旱区融雪洪涝灾害预报关键技术进展与问题”，“卷”：“36”，“作者”：“陈”，“年”：“2021”，“期刊标题”：“Adv.EarthSci。“}，{”key“：”ref_50“，”doi-asserted-by“：”crossref“，”first-page“：”111664“，”doi“：”10.1016\/j.rse.2020.111664doi-asserted-by“：”crossref“，”unstructured“：”Swain，K.C.，Singha，C.，and Nayak，L.（2020）。通过使用云的GIS-AHP技术绘制洪水敏感性图。Isprs Int.J.Geo-Inf.，9.“，”DOI“：”10.3390\/ijgi9120720“}，{“key”：“ref_52”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mehmood，H.，Conway，C.，and Perera，D.（2021）。使用陆地卫星与谷歌地球引擎云平台绘制洪水区域。Atmosphere，12.“，”DOI“：：“crossref”，“首页“：”124808“，”DOI“：”10.1016\/j.jhydrol.2020.124808”，“文章标题”：“使用模糊决策、双变量统计和机器学习的新型混合方法进行洪水潜在区域的空间预测”，“卷”：“585”，“作者”：“Costache”，“年份”：“2020”，“期刊标题”：”j.Hydrol。“}，{”key“：”ref_54“，”doi-asserted-by“：”crossref“，”first-pages“：”62“，”doi“：”10.1109\/TSMC.1979.4310076“，”article-title“：”灰度直方图阈值选择方法“，”volume“：“9”，“author”：“Otsu”，“year”：“1979”，“journal-title”：“IEEE Trans.Syst.Man Cybern.”第“：”216“，”doi“：”页10.1016\/j.jclepro.2018.06.047“，“article-title”：“开发中东干旱地区洪水敏感性地图的多标准方法”，“卷”：“196”，“作者”：“Mahmoud”，“年份”：“2018”，“期刊标题”：“j.Clean”。Prod.“}，{”key“：”ref_56“，”doi-asserted-by“：”crossref“，”first page“：“104179”，”doi“：”10.1016\/j.catena.2019.104179“，“article-title”：“使用GIS和人工智能、机器学习和双变量统计的新型混合集成识别急流河谷”，“volume”：“183”，“author”：“Costache”，‘year’：“2019”，“journal-title“：”Catena“}，{“key”：“ref_57”，“doi-asserted-by”：“crossref”，“unstructured”：“Rahmati，O.，Yousefi，S.，Kalantari，Z.，Uuemaa，E.，Teimurian，T.，Keesstra，S..，Tien Dat，P.，and Dieu Tien，B.（2019）。使用机器学习技术的多手暴露映射：伊朗的一个案例研究。遥感，11.”，“doi”：“10.3390\/rs11161943”}，“key“：”ref_58“，”doi-asserted-by“：”crossref“，”first page“：”147360“，”doi“：”10.1016\/j.scitotenv.20211.147360“，“article-title”：“引入强降雨和融雪变量以实施与过程相关的非平稳浅层滑坡敏感性分析”，“volume”：“786”，“author”：“Camera”，“year”：“2021”，“journal-title:”Sci。总环境。“}，{”key“：”ref_59“，”首页“：”279“，”article-title“：”新疆夏季零温层高度变化对年径流量的响应“，”volume“：“62”，”author“：”Zhang“，”year“：”2007“，”journal-title”：“Acta Geogr.Sin.”}，“key”：“ref_60”，“doi-asserted-by”：“crossref”，“首页”：“274”，“doi”：“10.1016\/jhydrol。2014.03.058“，”article-title“：“寻求一种改进的方法来绘制黎巴嫩的雪盖面积图并得出雪-水当量”，“卷”：“513”，“作者”：“Mhawej”，“年份”：“2014年”，“新闻标题”：“J.Hydrol。“}，{”key“：”ref_61“，”first-page“：”48“，”article-title“：”渭干河流域暴雨暴雪洪水预报与服务新技术“，”volume“：“30”，”author“：”Zhang“，”year“：”2004“，”journal-title”：“Meteorol.Mon.”}，”{“key”：“ref_62”，“first-page:”216“，”article-titel“：”《新疆融雪洪水特征及防洪措施研究》，“卷”：“14”，“作者”：“鲁”，“年份”：“2007年”，“期刊标题”：“土壤水利研究”。“}，{”key“：”ref_63“，”doi-asserted-by“：”crossref“，”first-page“：”1137“，”doi“：”10.1007\/s11069-021-04723-8“，“article-title”：“中国玛纳斯河流域洪水期间河流流量中的雨雪和冰川融水定量”，“volume”：“108”，“author”：“Liu”，“year”：“2021”，“journal-title“：”Nat.Hazards“}”，{“key”：”ref_ 64“，“first-page:”“72”，“article-title“：基于一致性结果的综合评价数据标准化研究”，“卷”：“41”，“作者”：“李”，“年份”：“2011”，“期刊标题”：“数学”。实际。理论“}，{“key”：“ref_65”，“doi-asserted-by”：“crossref”，“首页”：“317”，“doi”：“10.1016\/j.jhydrol.2016.06.027”，“article-title”：“基于神经模糊推理模型和元启发式优化的混合人工智能方法，用于基于GIS的高频热带气旋区洪水敏感性建模”，“卷”：“540”作者：“Pradhan”，“年份”：“2016年”，“新闻标题”：“J.Hydrol。“}，{”key“：”ref_66“，”doi-asserted-by“：”crossref“，”first-page“：”42“，”doi“：”10.1080\/10106049.2015.1041559“，”article-title“：”使用频率比和证据权重模型绘制伊朗戈拉斯坦省的洪水敏感性图“，”volume“：“31”，”author“：”Rahmati“，“year”：“2016”，”journal-title”：“Geocarto Int.”}，“{”key“：doi断言为：“crossref”，“首页”：“104587”，“doi”：“10.1016\/j.envsoft.2010.9104587”，“文章标题”：“基于人工神经网络的洪水淹没模拟建模框架：应用、挑战和未来方向”，“卷”：“124”，“作者”：“Chu”，“年份”：“2020”，“期刊标题”：“Environ。模型。柔和。“}，{”key“：”ref_68“，”doi-asserted-by“：”crossref“，”unstructured“：”Lee，M.-J.，Kang，J.-e，and Jeon，S.（2012年1月22日\u201327）频率比模型的应用和使用GIS绘制预测洪泛区敏感性图的验证。2012年IEEE地球科学和遥感国际研讨会论文集，德国慕尼黑。“，”DOI“：”10.1109\/IGARSS.2012.6351414“}，{“key”：”ref_69“，”DOI-asserted-by“：”crossref“，”first page“：”1080“，“DOI”：”10.1080\/19475705.2017.1294113“，”article-title“：”使用多传感器遥感数据和GIS集成基于机器学习的洪水风险评估地理空间方法“，”volume“：“8”，”author“：”Mojaddadi“，”year“：”2017“，”新闻标题“：”Geomat。Nat.Hazards Risk“}，{”key“：”ref_70“，”doi-asserted-by“：”crossref“，”first-pages“：”59“，”doi“：”10.1007\/s12040-017-0828-9“，“article-title”：“GIS环境研究中集成证据权重和频率比统计方法的闪洪潜力评估和制图：Basca Chiojdului River集水区（罗马尼亚）”，“volume”：“126”，“作者：“Costache”，“year”：“2017”，“journal-title”：“J.Earth Syst。科学。“}，{”key“：”ref_71“，”doi-asserted-by“：”crossref“，”first page“：“493”，”doi“：”10.1038\/nature02002“，”article-title“：”受厄尔尼诺影响的亚马孙河漫滩突发性沉积物堆积“，”volume“：，“首页”：“91“，”DOI“：”10.1016\/j.catena.2014.10.017“，”article-title“：”使用基于GIS的不同核类型支持向量机模型进行洪水敏感性评估“，”volume“：”125“，”author“：”Tehrany“，”year“：”2015“，”journal-title”：“catena”}，{“key”：“ref_73”，“DOI-asserted-by”：“crossref”，“first-pages”：“39”，“DOI”：“10.1016\/j.geomorph.2012.12.015”，“”article-title“：“地形位置指数在异质景观中的应用”，“volume”：“186”，“author”：“Bourgeois”，“year”：“2013”，“journal-title”：“Geophotology”}，{“key”：”ref_74“，”doi-asserted-by“：”crossref“，”first page“：”58“，”doi“：”10.1016\/j.eswa.2017.06.037“，”article-title“基于区间粗糙数的群体多准则决策新方法：混合DEMATEL-ANP-MAIRCA模型“，“卷”：“88”，“作者”：“Pamucar”，“年”：“2017”，“期刊标题”：“专家系统。申请。“}，{”key“：”ref_75“，”doi-asserted-by“：”crossref“，”first page“：“193”，”doi“：”10.1016\/S1001-6279（11）60086-3“，”article-title“：”陡峭砂层季节性河流中的洪水泥沙输移“，”volume“：“crossref”，“first page”：“65”，“doi”：“10.1016\/j.enggeo.2005.07.011“，“文章标题”：“2005年3月17日Kuzulu滑坡（土耳其Sivas）及其附近的滑坡易感性图”，“卷”：“81”，“作者”：“Gokceoglu”，“年份”：“2005”，“新闻标题”：”Eng.Geol。“}，{”key“：”ref_77“，”首页“：”513“，”article-title“：”新疆冰川和雪盖对气候变化的响应（I）：水文效应“，”volume“：“35”，”author“：”Shen“，”year“：”2013“，”journal title“：“J.Glaciol.Geocryol.”}，”{“key”：“ref_78”，”doi-asserted-by“：”crossref“，”unstructured“：”Duan，Y.、Liu，T.、Meng，F.、Luo，M.、Frankl，A.、De Maeyer，P.、Bao，A.、Kurban，A.和Feng，X.（2018）。在SWAT模型中包含修正的融雪和洪水过程。Water，10.“，”DOI“：”10.3390\/w10121715“}，{“key”：“ref_79”，“DOI-asserted-by”：“crossref”，“unstructured”：“Moran-Tejeda，E.，Fassnacht，S.R.，Lorenzo-Lacruz，J.，Lopez-Moreno，J.I.，Garcia，C.，Alonso-Gonzalez，E.，and Collados-Lara，A.J.（2019）。西班牙山区河流主要洪水的水文气象特征。Water，11.”，“DOI”：“10.3390\/w11122641“｝，｛“key”：“ref_80”，“doi asserted by”：“crossref”，“首页”：“125683”，“doi”：“10.1016\/j.Hydrol.20212.125683”，“文章标题”：“围绕冰冻温度的亚日温度波动会改变宏观尺度的融雪模拟吗？”，“卷”：“596”，“作者”：“Nasab”，“年”：“2021”，“期刊标题”：“j.Hydrol.”｝，｛“key”：“ref_81”，“首页“：”801“，”article-title“：”西天山小流域动态融雪过程及其与气温的关系“，”volume“：”36“，”author“：”Gulimire“，”year“：”2019“，”journal-title”：“Arid Zone Res.”}，{“key”：“ref_82”，“doi-asserted-by”：“crossref”，“first page”：”3017“，”doi“：”10.5194\/hess-25-3017-221“，”article-title“：“调查人工神经网络结构和训练，以从雪深估算雪水当量”，“卷”：“25”，“作者”：“Ntokas”，“年份”：“2021年”，“新闻标题”：“水文”。地球系统。科学。“}，{”key“：”ref_83“，”doi-asserted-by“：”crossref“，”first-pages“：”321“，”doi“：”10.1002\/hyp.13586“，”article-title“：”中欧低山山脉最近的积雪变化“，”volume“：“34”，“author”：“Dong”，“year”：“2020”，“journal-title”：“Hydrol.Process.”}，}“key”：“ref_84”，“doi-assert-by”：“Crosref”，“first-page”：“23”，“doi”：“10.1016\/j.jhydrol.2010.01.022“，“文章标题”：“通过Terra-Aqua MODIS和Aqua AMSR-E测量，实现先进的每日无云雪覆盖和雪水当量产品”，“体积”：“385”，“作者”：“高”，“年份”：“2010”，“期刊标题”：《j.Hydrol》。“}，{”key“：”ref_85“，”first-page“：”1181“，”article-title“：”北疆AMSR2积雪覆盖深度产品的降尺度算法与验证“，”volume“：“33”，”author“：”Deng“，”year“：”2016“，”journal-title”：“Arid Zone Res.”}，“key”：“ref_86”，“doi-asserted-by”：“crossref”，“first-page:”437“，”doi“：”10.1007\/s11069-016-2428-4“，”article-ti标题“：”2014年克什米尔河谷洪水灾害和风险评估：基于空间的多传感器方法“，”卷“：”84“，”作者“：”库马尔“，”年份“：”2016“，”新闻标题“：”自然灾害“}，{“key”：“ref_87”，“doi-asserted-by”：“crossref”，“unstructured”：“Phuong-Thao Thi，N.、Nhat-Duc，H.、Pradhan，B.、Quang Khanh，N.，Xuan Truong，T.、Quang Minh，N..、Viet Nghia，N.和Samui，P.以及Bui，D.T.（2018年）。一种新的混合群优化多层神经网络，用于使用Sentinel-1 SAR图像和地理空间数据对热带地区山洪暴发进行空间预测。传感器，18.“，”DOI“：”10.3390\/s18113704“}，{“key”：”ref_88“，”DOI-asserted-by“：”crossref“，“first page”：“903”，“DOI”：“10.1016\/j.jhydrol.2019.04.087”，“article-title”：“基于地面观测的中国湿润至半湿润过渡带土壤水分时空变异性分析”，“volume”:“574”，“author”：“Zhang”，“year”：“2019”，“新闻标题“：”J.Hydrol。“}，{”key“：”ref_89“，”doi-asserted-by“：”crossref“，”first page“：“477”，”doi“：”10.1007\/s11600-019-00398-9“，“article-title”：“区间粗糙AHP与模糊逻辑的集成，用于区域尺度洪涝易发区评估”，“volume”：“68”，“author”：“Sepehri”，“year”：“2020”，“journal-title“：”地球物理学报“}”，{“key”：”ref_ 90“，”doi-asserted-by“”：“crossref“，”first page“：”332“，”DOI“：”10.1016\/j.jhydrol.2014.03.008“，”article-title“：”GIS中使用新型集成证据权重和支持向量机模型绘制洪水敏感性图“，”volume“：“512”，”author“：”Tehrany“，”year“：”2014“，”journal-title”：“j.Hydrol”。“}，{”key“：”ref_91“，”doi-asserted-by“：”crossref“，”first-page“：”53“，”doi“：”10.1016\/j.gloplacha.2009.11.007“，”article-title“：”全新世晚期气候变率和土地利用变化对西班牙东南部瓜达伦丁河洪水水文的影响“，“volume”：“70”，“author”：“Benito”，“year”：“2010”，“journal-title”：“Globa.Planet.Chang.”}，}“”key“：”ref_92“，”doi-asserted-by“：”crossref“，”first-page“：”823“，”doi“：”10.1007\/s00267-017-0912-6“，”article-title“：”使用空间多标准分析进行道路规划的自然灾害敏感性评估“，”volume“：“60”，“author”：“Karlsson”，“year”：“2017”，“journal-title”：“Environ”。管理。“}，{”key“：”ref_93“，”doi-asserted-by“：”crossref“，”unstructured“：”Mirkes，E.M.，Allohibi，J.，and Gorban，A.（2020）。分数范数和准范数无助于克服维数灾难。熵，22.“，“doi”：“10.3390\/e22101105”}，“{”key“：2018.01.266“，”article-title“：“伊朗北部Haraz流域暴洪敏感性建模决策树算法的比较评估”，“卷”：“627”，“作者”：“Khosravi”，“年份”：“2018年”，“期刊标题”：“科学”。总环境。“}，{”key“：”ref_95“，”doi-asserted-by“：”crossref“，”first page“：“975”，”doi“：”10.1016\/j.scitotenv.2019.02.263“，”article-title“：”中国燕山县滑坡易感性填图卷积神经网络比较“，”volume“：doi-asserted-by“：”crossref“，”first page“：”450531“，”doi“：”10.1155\/2015\/450531“。数学。方法医学“}，{”key“：”ref_97“，”doi-asserted-by“：”crossref“，”first page“：“101”，”doi“：”10.1016\/j.enggeo.2015.04.004“，”article-title“：”使用遗传算法在浅层平移滑坡易感性绘图中选择最佳调节因子“，”volume“：ref_98”，“doi断言由”：“crossref”，“非结构化”：“Wang，J.，Zhang，Z.，Luo，L.，Zhu，W.，Chen，J.和Wang，W.（2021）。SwinGD：一种在复杂葡萄园环境中基于swin变换器的鲁棒葡萄束检测模型。园艺学，7.“，”DOI“：”10.3390\/园艺学7110492“}，{“key”：“ref_99”，“unstructured”：“Dosovitskiy，A.，Beyer，L.，Kolesnikov，A.，Weissenborn，D.，Zhai，X.，Unterthiner，T.，Dehghani，M.，Minderer，M.、Heigold，G.和Gelly，S.（2020）。图像值16\u00d7 16个单词：用于大规模图像识别的变形金刚。arXiv.”}，“key“：”ref_100“，”doi-asserted-by“：”crossref“，”first page“：”61“，”doi“：”10.1016\/j.knosys.2016.01.002“，”article-title“：”利用果蝇优化进化支持向量机进行医学数据分类“，”volume“：“96”，”author“：”Shen“，”year“：”2016“，”journal-title”：“Knowl”-基于系统。“}，{”key“：”ref_101“，”doi-asserted-by“：”crossref“，”first-page“：”5“，”doi“：”10.1023\/A:1010933404324“，”article-title“：”Random forests“，”volume“：“45”，”author“：”Breiman“，”year“：”2001“，”journal-title doi“：”10.1016\/j.jhydrol.2015.06.008“，”文章标题“：”基于随机森林的洪水灾害风险评估模型”，“卷”：“527”，“作者”：“王”，“年份”：“2015年”，“期刊标题”：“J.Hydrol。“}，{”key“：”ref_103“，”doi-asserted-by“：”crossref“，”first-page“：”1133“，”doi“：”10.1016\/j.scitotenv.2017.0.037“，”article-title“：”绘制中国全国范围的山区洪水敏感性“，”volume“：交叉参考“，”首页“：”57“，”DOI“：”10.1016\/j.rse.2018.06.034“，”article-title“：”城市土地利用分类的基于对象的卷积神经网络（OCNN）“，”卷“：”216“，”作者“：”张“，”年份“：”2018“，”期刊标题“：”遥感环境。“}，{”key“：”ref_105“，”doi-asserted-by“：”crossref“，”first page“：“125552”，”doi“：”10.1016\/j.jhydrol.2020.125552“，”article-title“：”伊朗国家尺度洪水灾害空间预测的卷积神经网络方法“，”volume“：“725”，“article-title“：“使用带条件随机场的全卷积神经网络进行道路分割”，“卷”：“58”，“作者”：“宋”，“年份”：“2018年”，“期刊标题”：“清华大学科学院学报”。Technol公司。“}，{”key“：”ref_107“，”doi-asserted-by“：”crossref“，”unstructured“：”Akiba，T.，Sano，S.，Yanase，T.、Ohta，T.和Assoc-Comp，M.（2019年1月4日\u20138）。Optuna:下一代超参数优化框架。第25届ACM SIGKDD国际知识发现与数据挖掘会议论文集，美国阿拉斯加州安克雷奇”，“DOI”：“10.1145\/3292500.33330701”}，｛“key”：“ref_108”，“DOI asserted by”：“crossref”，“首页”：“582928”，“DOI”：“10.3389\/frai.2021.582928”，“文章标题”：“用于训练卷积神经网络的修改AUC：考虑置信度”，“卷”：“4”，“作者”：“Namdar”，“年份”：“2021”，“期刊标题”：“前面。Artif公司。智力。“}，{”key“：”ref_109“，”doi-asserted-by“：”crossref“，”first-page“：”1488“，”doi“：”10.1080\/19475705.2021.1920480“，”article-title“：”使用最先进的机器学习模型检测容易发生洪水风险的区域“，”volume“：“12”，“author”：“Costache”，“year”：“2021”，“journal-title”：“Geomat.Nat.Hazards risk”}，”{“key”：“ref_110”，“doi-assert-by”：“”crossref“，”first page“：”126524“，”DOI“：”10.1016\/j.jhydrol.2021.126524”，”article-title“：”城市洪水淹没模型中输入因素的影响和相互作用：基于方差的全球敏感性分析检验“，”volume“：“600”，”author“：”Xing“，”year“：”2021“，”journal-title”：“j.Hydrol”。“}，{”key“：”ref_111“，”doi-asserted-by“：”crossref“，”first page“：：“528”，“doi”：“10.1177\/0962280214551190“，”article-title“：”经验受试者操作特征曲线下部分区域的刀切方差“，”volume“：”26“，”author“：”Bandos“，”year“：”2017“，”journal-title”：“Stat.Methods Med.Res.”}，{“key”：“ref_113”，“doi-asserted-by”：“crossref”，“first page”：”937“，”doi“：”10.1007\/s12665-014-3442-z“，”article-titel“：”使用最大熵模型对多个地质环境数据集进行滑坡敏感性制图”，“卷”：“73”，“作者”：“公园”，“年份”：“2015年”，“期刊标题”：“环境”。地球科学。“｝，｛”key“：”ref_114“，”doi asserted by“：”crossref“，”首页“：”62“，”doi“：”10.1016\/j.dsp.2018.11.008“，”文章标题“：”基于两步聚焦方法的高超音速车载多通道雷达杂波抑制和地面运动目标成像方法“，”卷“：”85“，”作者“：”王“，”年份“：”2019“，”期刊标题“：”数字信号处理“。｝，{“key”：“ref_115”，“doi-asserted-by”：“crossref”，“first page”：”173“，“doi”：“10.1007”，s11069-018-3536-0“，”article-title“：“中国武宁地区滑坡易感性评价：多准则决策、双变量统计和机器学习方法的比较”，“volume”:“96”，“author”：“Hong”，“year”：“2019”，“journal-title”：“自然灾害”}，{“key”：“ref_116”，“doi-asserted-by”：“crossref”，“首页”：“104396”，“doi”：“10.1016\/j.catena.2019.104396“，“article-title”：“交替决策树与AdaBoost和套袋集合在滑坡易感性绘图中的应用”，“volume”：”187“，”author“Wu”，“year”：“2020”，“journal-title“：”catena“}”，{”key“ref_117”，“doi-asserted-by”：“crossref”，“first page”：“126382”，“doi”：“10.1016\/j.jhydrol.20211.26382”，“article-title”：“XGBoost-based method for flash flood risk assessment”，“volume”：”598“，“author”：“Ma”，”year“：”2021“，”journal-title“：”j.Hydrol.“}，{”key“：”ref_118“，”doi-assert-by“：”Crosref“，”unstructured“：“Arabameri，A.、Nalivan，O.A.、Saha，S.、Roy，J.、Pradhan，B.、Tiefenbacher，J.P.和Ngo，P.T.T.（2020）。沟壑侵蚀敏感性建模中机器学习技术的新集成方法。遥感，12.”，“DOI”：“10.3390\/rs12111890”}，{“key”：“ref_119”，“DOI-asserted-by”：“crossref”，“first page”：：“10.1080\/19475705.2020.1837968”，“article-title”：“基于伊朗Fareghan流域倾斜决策树集合随机森林的切头沟侵蚀敏感性建模”，“volume”：“11”，“author”：“Pham”，“year”：“2020”，“journal-title“：”Geomat.Nat.Hazards Risk“}，{”key“：”ref_120“，”doi-asserted-by“：”crossref“，”first page“295”，“doi”：“10.1007\/s12665-021-09599-2”，“article-title”：“使用深度学习和基本机器学习算法模拟不丹Phuentsholing的沟壑侵蚀敏感性”，“volume”：“80”，“author”：“Saha”，“year”：“2021”，“journal-title“：”Environ.Earth Sci.“}，{”key“：”ref_121“，”doi-asserted-by“：”crossref“，”first page“571”，”doi“：“10.1007\/s11069-019-03826-7”，“article-title”：“自然灾害风险分析方法综述”，“volume”：“100”，“author”：“Sun”，“year”：“2020”，“journal-title“：”Nat.Hazards“}，{“key”：”ref_122“，”doi-asserted-by“：”crossref“，”first page“：”125475“，”doi“10.1016\/jhydrol.2020.125475”，“article-title”：“在洪水敏感性评估中，将洪水事件表示为点矢量格式并创建洪水库存图是否科学正确？”，“volume”：“590”，“author”：“Pradhan”，“year”：“2020”，“journal-title”：“J.Hydrol.”}，{“key”：”ref_123“，”doi-asserted-by“：”crossref“，”unstructured“：“Kimura，N.，Yoshinaga，I.，Sekijima，K.，Azechi，I.和Baba，D.（2020）。卷积神经网络与转移学习方法相结合，用于时间序列洪水预测。Water，12.”，“DOI”：“10.3390\/w12010096”}，{“key”：“ref_124”，“DOI-asserted-by”：“crossref”，“first page”：”51“，“DOI:”10.1007\/s12145-020-00530-0“，”，“article-title”：“使用极端梯度增强（EGB）进行洪水敏感性评估，伊朗”，“卷”：“14”，“作者”：“米尔扎伊”，“年份”：“2021年”，“期刊标题”：“地球科学信息”}，{“关键”：“ref_125”，“doi-asserted-by”：“crossref”，“非结构化”：“Zhou，T.，Liu，Z.Y.，Jin，J.L.，and Hu，H.X.（2019）评估单变量和双变量洪水频率方法对水库运行洪水风险核算的影响。Water，11.“，”DOI“：”10.3390\/w11030475“}，{“key”：“ref_126”，“DOI-asserted-by”：“crossref”，“首页”：“890”，“DOI”：“10.1039\/D1EM00037C”，“article-title”：“气候变暖对东北地区多年冻土流域季节性径流和溶解碳通量影响的调查”，“volume”：”23“author”：“Guo”，“year”：“2021”，“journal-title:”环境。科学。过程。影响。“}]，”container-title“：[”Remote Sensing“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/2072-4292\/14\/24\/6360\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}”，“deposed”：{“date-parts”：[2022,12,21]]，“date-time”：“202”2-12-21T05:16:11Z“，”时间戳“：1671599771000}，“score”：1，“resource”：{“primary”：}“URL”：“https:\/\/www.mdpi.com/2072-4292\/14\/24\/6360”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2022,12,15]]}，”references-count“：126，”journal-issue“：{”issue“：”24“，”published-on-line“：”{“date-ports”：[2022,12]]}}“alternative”id“：[”rs14246360“]，”URL“：”http://\/dx.doi.org\/10.3390\/rs1424636“，“关系”：{}，“ISSN”：[“2072-4292”]，“ISSN-type”：[{“值”：“2072~4292”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[2022,12,15]]}}}