跳到主要内容

感谢您访问nature.com。您使用的是对CSS支持有限的浏览器版本。为了获得最好的体验，我们建议您使用最新的浏览器(或关闭Internet Explorer的兼容性模式)。同时，为了确保持续的支持，我们将在没有样式和JavaScript的情况下显示站点。

卫星图像显示受洪水影响的人口比例增加

自然体积596，页面80 - 86 (2021）引用本文

主题

摘要

洪水对人口的影响超过任何其他环境危害，并阻碍可持续发展1，2．投资于洪水适应战略可以减少洪水造成的生命和生计损失3.．由于快速城市化，洪水发生的地点和方式以及遭受洪灾的人群正在发生变化4，防洪基础设施5泛滥平原的定居点也在增加6．由于缺乏观测数据，以前对全球受洪水影响人口的估计一直受到限制，而是依赖于具有高度不确定性的模型3.，7，8，9，10，11．在这里，我们使用250米分辨率的每日卫星图像来估计2000年至2018年913次大型洪水事件的洪水范围和人口暴露。我们确定洪水淹没总面积为223万平方公里，有2.55亿至2.9亿人直接受到洪水影响。我们估计，从2000年到2015年，卫星观测到的洪水地区的总人口增加了5800万至8600万。这意味着全球受洪水影响的人口比例增加了20%至24%，比以前的估计高出10倍7．2030年气候变化预测表明，受洪水影响的人口比例将进一步增加。卫星观测的高空间和时间分辨率将提高我们对洪水在哪里变化以及如何最好地适应的理解。根据这些观测数据生成的全球洪水数据库将有助于改进脆弱性评估、全球和地方洪水模型的准确性、适应干预措施的有效性以及我们对土地覆盖变化、气候和洪水之间相互作用的理解。

这是订阅内容的预览，通过你所在的机构访问

相关的文章

引用本文的开放获取文章。

访问选项

买条

在ReadCube上获得时间限制或全文访问。

32.00美元

买

所有价格均为净价格。

图1:全球洪水数据库的统计摘要。
图2:所选极端事件的观测淹没和洪水持续时间。
图3:2000-2018年观测淹没区每像素(250 m分辨率)种群动态。
图4:2000年至2015年观测到的各国遭受洪水影响的人口比例变化以及对2030年的预测。

数据可用性

这里分析的MODIS数据集6可在美国地质调查局EROS中心的NASA LP DAAC (https://lpdaac.usgs.gov/products/mod09gav006/，https://lpdaac.usgs.gov/products/mod09gqv006/)，并在谷歌Earth Engine数据目录(https://developers.google.com/earth-engine/datasets/catalog/MODIS_006_MOD09GA，https://developers.google.com/earth-engine/datasets/catalog/MODIS_006_MYD09GQ)．MODIS NRT全球洪水产品可在NASA LANCE近实时数据和图像服务(https://earthdata.nasa.gov/earth-observation-data/near-real-time/mcdwd-nrt)．陆地卫星5 TM、7 ETM和8 OLI地表反射率产品可从美国地质勘探局(https://earthexplorer.usgs.gov/)，并在谷歌Earth Engine数据目录(https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LT05_C01_T1_SR，https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LE07_C01_T1_SR，https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LC08_C01_T1_SR)为这项研究从全球洪水数据库生成的数据集可在“云到街道”网站(http://global-flood-database.cloudtostreet.ai)，并在谷歌地球引擎(https://developers.google.com/earth-engine/datasets/catalog/GLOBAL_FLOOD_DB_MODIS_EVENTS_V1)．补充表提供每个事件的概要估计，所有数据可从http://global-flood-database.cloudtostreet.ai/．源数据提供了这篇论文。

代码的可用性

谷歌Earth Engine的web界面允许在方程中定义洪水映射算法(1)及(2)，应用于任何MODIS图像。制作所有数字和洪水地图的代码可在https://github.com/cloudtostreet/MODIS_GlobalFloodDatabase．

参考文献

  1. Hallegatte, S.， Vogt-Schilb, A.， Bangalore, M. & Rozenberg, J.。《牢不可破:建立贫困人口面对自然灾害的复原力》第3章，63-77(世界银行，2016)。

  2. 信誉,UNDRR。灾害的人力成本。近20年概况:2000-2019年．https://reliefweb.int/report/world/human-cost-disasters-overview-last-20-years-2000-2019(UNDRR, 2020)。

  3. 琼曼，B.等。减少对河流洪水的脆弱性和适应气候变化的全球效益。国家科学院学报美国112， e2271-e2280(2015)。

    文章中科院PubMed公共医学中心谷歌学者

  4. 刘，等。1985 - 2015年全球城市变化的高时空分辨率地图。Nat。维持．3.， 564-570(2020)。

    文章谷歌学者

  5. 格尔，G.等人。绘制世界上自由流动的河流。自然569， 215-221 (2019);作者修正572， e9(2019)。

    文章广告中科院PubMed谷歌学者

  6. Ceola, S, Laio, F. & Montanari, A.卫星夜间灯光显示全球范围内越来越多的人类暴露在洪水中。地球物理学。卷．41， 7184-7190(2014)。

    文章广告谷歌学者

  7. 琼曼，B.，沃德，P. J. & Aerts, J. C. J. H.河流和沿海洪水的全球暴露:长期趋势和变化。水珠。环绕。改变22， 823-835(2012)。

    文章谷歌学者

  8. Winsemius, H. C.等。未来河流洪水风险的全球驱动因素。Nat,爬。常．6， 381-385(2016)。

    文章广告谷歌学者

  9. Trigg, m.a.等。全球河流洪水风险分析的可信度挑战。环绕。卷．11， 094014 (2016);应改正的错误13， 099503(2018)。

    文章广告谷歌学者

  10. Tanoue, M.， Hirabayashi, Y. & Ikeuchi, H.过去50年全球尺度的河流洪水脆弱性。科学。代表．6， 36021(2016)。

    文章广告中科院PubMed公共医学中心谷歌学者

  11. 福梅塔，G.和Feyen, L.全球对气候相关灾害脆弱性下降的经验证据。水珠。环绕。改变57， 101920(2019)。

    文章PubMed公共医学中心谷歌学者

  12. Hoegh-Guldberg, O.等人全球变暖1.5°C。IPCC关于在加强全球应对气候变化威胁、可持续发展和努力消除贫困的背景下，全球变暖比工业化前水平升高1.5°C的影响和相关全球温室气体排放途径的特别报告(eds Masson-Delmotte, V.等人)第3章(IPCC, 2018)。

  13. Alfieri, L.等人。全球变暖中河流洪水风险的全球预测。地球将来时．5， 171-182(2017)。

    文章广告谷歌学者

  14. Najibi, N. & Devineni, N.全球洪水频率和持续时间的近期趋势。地球系统。直流发电机．9， 757-783(2018)。

    文章广告谷歌学者

  15. 沃德，P. J.等。城市地区河流防洪未来成本和收益的全球框架。Nat,爬。常．7， 642-646(2017)。

    文章广告谷歌学者

  16. 凯莱特，J. &卡拉瓦尼，A。资助减少灾害风险:国际援助的20年故事60 (gfdrr, odi, 2013)。

  17. 联合国政府间气候变化专门委员会。2014年气候变化:影响、适应和脆弱性。A部分:全球和部门方面。第二工作组对政府间气候变化专门委员会第五次评估报告的贡献(C. B.菲尔德等编)(剑桥大学出版社，2014)。

  18. 特纳，b.l.等。可持续性科学中的脆弱性分析框架。国家科学院学报美国One hundred.， 8074-8079(2003)。

    文章广告中科院PubMed公共医学中心谷歌学者

  19. 桑普森，C. C.等。高分辨率全球洪水灾害模型。窟。Resour。Res．51， 7358-7381(2015)。

    文章广告谷歌学者

  20. 鲁法特，S.，泰特，E.，伯顿，C. G.和马鲁夫，A. S.洪水的社会脆弱性:案例研究的回顾和测量的意义。Int。J.减少灾害风险．14， 470-486(2015)。

    文章谷歌学者

  21. 沃德，P. J.等。全球洪水风险模型的有用性和局限性。Nat,爬。常．5， 712-715(2015)。

    文章广告谷歌学者

  22. Shastry, A.等人。小规模人为变化影响漫滩水力学:模拟鱼渠对Logone漫滩的影响。j .二聚水分子．588， 125035(2020)。

    文章谷歌学者

  23. Coltin, B.， McMichael, S.， Smith, T. & Fong, T.从卫星数据自动增强洪水地图。Int。J.遥感．37， 993-1015(2016)。

    文章广告PubMed公共医学中心谷歌学者

  24. 德弗里，B.等人。利用谷歌地球引擎上的Sentinel-1和陆地卫星数据，快速、可靠地监测洪水事件。遥感，环境．240， 111664(2020)。

    文章广告谷歌学者

  25. Pekel,肯尼迪。，Cottam, A., Gorelick, N. & Belward, A. S. High-resolution mapping of global surface water and its long-term changes.自然540， 418-422(2016)。

    文章广告中科院PubMed谷歌学者

  26. 纪丽，龚平，王军，史俊，朱忠。2001-2016年500 m分辨率全球地表水日变化数据库的构建。窟。Resour。Res．54， 10270-10292(2018)。

    文章广告谷歌学者

  27. 伯恩霍芬，m.v.等。尼日利亚和莫桑比克重大洪水全球河流洪水模型的首次集体验证。环绕。卷．13， 104007(2018)。

    文章广告谷歌学者

  28. 波利利，F.等水文极值遥感(编。拉克希米，V.) 47(施普林格，2016)。

  29. 史密斯等人。利用高分辨率人口数据对发展中国家洪水风险的新估计。Nat。Commun．10， 1814(2019)。

    文章广告PubMed公共医学中心中科院谷歌学者

  30. 欧洲委员会、联合研究中心和哥伦比亚大学、国际地球科学信息网络中心。GHS人口网格，源自GPW4, Multitemporal (1975, 1990, 2000, 2015)https://ghsl.jrc.ec.europa.eu/ghs_pop.php(2015)。

  31. Facebook连接实验室和国际地球科学信息网络中心- CIESIN -哥伦比亚大学。高分辨率沉降层(HRSL)https://www.ciesin.columbia.edu/data/hrsl/(2016)。

  32. Riahi, K.等。RCP 8.5——温室气体排放相对较高的情景。爬。改变109， 33-57(2011)。

    文章广告中科院谷歌学者

  33. Riahi, K.等。共享的社会经济途径及其能源、土地利用和温室气体排放的影响:概述。水珠。环绕。改变42， 153-168(2017)。

    文章谷歌学者

  34. 从灰度直方图中选择阈值的方法。自动化11， 23-27(1975)。

    谷歌学者

  35. 尼格罗，J.，杀背，D.，波利利，F. &布雷肯里奇，G. R.。NASA/DFO MODIS近实时(NRT)全球洪水测绘产品的洪水和永久水探测评估https://floodmap.modaps.eosdis.nasa.gov/documents/NASAGlobalNRTEvaluationSummary_v4.pdf(2014)。

  36. 灾害流行病学研究中心。Em-Dat:国际灾难数据库https://public.emdat.be/(访问时间:2020年7月)。

  37. 世界资源研究所。渡槽全球洪水风险地图https://www.wri.org/data/aqueduct-floods-hazard-maps(2015)。

  38. Collenteur, R. A.， de Moel, H.， Jongman, B. & Di Baldassarre, G.堤防失效效应:社会从洪水灾害中吸取教训了吗?Nat。危害76， 373-388(2015)。

    文章谷歌学者

  39. Mykhnenko, V.和Turok, I.东欧城市——增长和衰退的模式，1960-2005。Int。Plann。螺柱．13， 311-342(2008)。

    文章谷歌学者

  40. Zaninetti,人类。萎缩的新奥尔良:卡特里娜飓风后的人口调整。城市Geogr．33， 675-699(2012)。

    文章谷歌学者

  41. Birkmann, J. & Fernando, N.测量斯里兰卡沿海社区对海啸的暴露和紧急脆弱性。灾害32， 82-105(2008)。

    文章PubMed谷歌学者

  42. 联合国经济和社会事务部人口司。《世界城市化展望:2018年修订版》．报告没有。圣/ ESA /爵士。A/420(联合国，2019年)。

  43. 费德勒等人。商业风险和气候分析的出现。Nat,爬。改变11， 87-94(2021)。

  44. 盖拉德，J. C.等。持续减少灾害风险的替代办法。人类。Geogr．3.， 66-88(2010)。

    文章谷歌学者

  45. de Bruijn, J. A.等。基于社交媒体的全球历史和实时洪水事件数据库。科学。数据6， 311(2019)。

    文章PubMed公共医学中心谷歌学者

  46. 塞德斯，A. R.，日野，M. &马赫，K. J.战略和管理气候撤退的案例。科学365， 761-763(2019)。

    文章广告中科院PubMed谷歌学者

  47. 一个不方便的成本:气候变化对市政债券的影响。j . Financ。经济学．135， 468-482(2020)。

    文章谷歌学者

  48. 苏明斯基，S. & Oramas-Dorta, D.发展中国家的洪水保险计划和气候适应。Int。J.减少灾害风险．7， 154-164(2014)。

    文章谷歌学者

  49. 布卢姆，A. G.，费拉罗，P. J.，阿奇菲尔德，S. A.和Ryberg, K. R.不透水覆盖对美国年洪水量级的因果效应。地球物理学。卷．47， e2019GL086480(2020)。

    广告谷歌学者

  50. 魏克塞尔加特纳，J. & Kelman, I.弹性的地理:一个描述性概念的挑战和机遇。掠夺。嗡嗡声。Geogr．39， 249-267(2015)。

    文章谷歌学者

  51. Tennekes, M. tmap: R.专题地图。J.统计．84， 6(2018)。

    文章谷歌学者

  52. 罗宾逊，D.，布莱恩，J.和伊莱亚斯，J.。fuzzyjoin0.1.6版本,https://cran.r-project.org/web/packages/fuzzyjoin/fuzzyjoin.pdf(2020)。

  53. Brakenridge, R. & Anderson, E. in《跨界洪水:通过洪水管理降低风险(eds Marsalek, J. et al.) 1-12(施普林格，2006)。

  54. 坂本，T.等。从MODIS时间序列图像检测柬埔寨和越南湄公河三角洲年度洪水程度的时间变化。遥感，环境．109， 295-313(2007)。

    文章广告谷歌学者

  55. Islam, A. S.， Bala, S. K. & Haque, M. A.使用MODIS时间序列图像的孟加拉国洪水淹没图:孟加拉国洪水淹没图。J.洪水风险管理．3.， 210-222(2010)。

    文章谷歌学者

  56. Boschetti, M.， Nutini, F.， Manfron, G.， Brivio, P. A. & Nelson, A.用于检测淹水水稻种植系统地表水的modis归一化差异光谱指数的比较分析。《公共科学图书馆•综合》9， e88741(2014)。

    文章广告PubMed公共医学中心中科院谷歌学者

  57. Klein, I.， Dietz, A.， Gessner, U.， Dech, S. & Kuenzer, C.全球水包的结果:一种每天评估内陆水体动态的新产品。遥感卫星．6， 78-87(2015)。

    文章谷歌学者

  58. Gorelick, N.等人。谷歌地球引擎:每个人的行星尺度地理空间分析。遥感，环境．202， 18-27(2017)。

    文章广告谷歌学者

  59. 雷纳，B. &格尔，G.全球河流水文和网络路由:基线数据和研究世界大河流系统的新方法。二聚水分子。的过程。27， 2171-2186(2013)。

    文章广告谷歌学者

  60. 评估遥感数据分类准确性的综述。遥感，环境．37， 35-46(1991)。

    文章广告谷歌学者

  61. Vermote, e.f.， El Saleous, n.z. & Justice, c.o. MODIS数据在可见光到中红外的大气校正:第一个结果。遥感，环境．83， 97-111(2002)。

    文章广告谷歌学者

  62. 甘德利，L.， Descloitres, J. & Schmaltz, J.。创建重投影真彩MODIS图像:教程https://ftp.ssec.wisc.edu/pub/willemm/Creating_Reprojected_True_Color_MODIS_Images_A_Tutorial_process.pdf(威斯康星大学麦迪逊分校，2010)。

  63. Donchyts, G.， Schellekens, J.， Winsemius, H.， Eisemann, E. & van de Giesen, N. a. 30 m分辨率地表水掩模，包括使用Landsat 8、SRTM和OpenStreetMap估算位置和主题差异:澳大利亚默里-达令盆地的案例研究。远程Sens．8， 386(2016)。

    文章广告谷歌学者

  64. Verpoorter, C.， Kutser, T. & Tranvik, L.使用陆地卫星多光谱数据自动绘制水体:自动绘制水体。Limnol。Oceanogr。方法10， 1037-1050(2012)。

    文章谷歌学者

  65. 丹尼尔森，j.j. &格施，d.b.。全球多分辨率地形高程数据2010 (GMTED2010)．报告没有。OFR 2011-1073(美国地质调查局，2011)。

  66. Dinerstein, E.等。以生态区域为基础的方法，保护一半的陆地领域。生物科学67， 534-545(2017)。

    文章PubMed公共医学中心谷歌学者

  67. 徐浩。修正归一化差异水指数(NDWI)以增强遥感图像中的开阔水域特征。Int。J.遥感．27， 3025-3033(2006)。

    文章广告谷歌学者

  68. Carroll, M. L, Townshend, J. R.， DiMiceli, C. M.， Noojipady, P. & Sohlberg, R. A.一种新的250米分辨率的全球光栅水掩模。Int。j .数字。地球2， 291-308(2009)。

    文章广告谷歌学者

  69. Ashouri, H.等人。PERSIANN-CDR:用于水文和气候研究的多卫星观测的日降水气候数据记录。公牛。点。Meteorol。Soc．96， 69-83(2015)。

    文章广告谷歌学者

  70. Chini, M.等。Sentinel-1 InSAR相干探测城市地区洪水:休斯顿和飓风哈维作为测试案例。远程Sens．11， 107(2019)。

    文章广告谷歌学者

  71. 霍克，L.等。比较地球观测和洪水模型来绘制洪水灾害。环绕。卷．15， 124032(2020)。

    文章广告谷歌学者

  72. 莱克，S.等。人口空间配置:大规模网格化人口数据产品及其适用性综述。地球系统。科学。数据11， 1385-1409(2019)。

    文章广告谷歌学者

  73. Archila Bustos, M. F.， Hall, O.， Niedomysl, T. & Ernstson, U.五个多时间全球网格人口数据集的像素级评估:1990-2015年瑞典的案例研究。Popul。环境．42， 255-277(2020)。

    文章谷歌学者

  74. 陈锐，闫宏，刘峰，杜文文，杨勇。全球人口数据集的差异与空间分布特征。ISPRS Int。j . Geoinf．9， 637(2020)。

    文章谷歌学者

  75. Pesaresi, M.等人。从1975年、1990年、2000年和2014年的陆地卫星数据制作全球人类住区层的操作程序．报告没有。JRC97705(欧盟出版局，2016)。

  76. Bhaduri, B.， Bright, E.， Coleman, P. & Urban, M. L. LandScan USA:人口分布和动态的高分辨率地理空间和时间建模方法。GeoJournal69， 103-117(2007)。

    文章谷歌学者

  77. 哥伦比亚大学国际地球科学信息网络中心。世界网格人口，版本4 (GPWv4):人口密度https://doi.org/10.7927/H4NP22DQ(SEDAC, 2016;访问2019年8月)。

  78. 沃德，P. J.等。在全球范围内评估洪水风险:模型建立、结果和敏感性。环绕。卷．8， 044019(2013)。

    文章广告谷歌学者

  79. Irvine, P. J.， Sriver, R. L. & Keller, K.通过太阳辐射管理减少海平面上升和全球变暖之间的紧张关系。Nat,爬。常．2， 97-100(2012)。

    文章广告中科院谷歌学者

  80. 沃德，P. J.等。渡槽洪水方法论(世界资源研究所，2020年)。

  81. 布莱特，e.a.，科尔曼，p.r.，罗斯，a.n. &厄本，m.l.。LandScan 2010https://landscan.ornl.gov/landscan-datasets(2011)。

  82. 范·惠斯蒂，J.，范·本梅尔，B.，鲍曼，A.和范·莱因，F.。朝向城市预览:用2UP模拟未来城市增长https://www.pbl.nl/en/publications/towards-an-urban-preview(PBL荷兰环境评估机构，2018)。

  83. 联合国的栖息地。非正式定居点https://unhabitat.org/habitat-iii-issue-papers-22-informal-settlements(2016)。

下载参考

确认

我们感谢华盛顿大学的学生对全球洪水数据库进行质量检查和验证:S. Lau、C. C. Wu、P. K. Kamaluddin、W. Pietsch、S. Lau、G. J. Kim、H. Tran和J. Crinkey。我们感谢德克萨斯大学奥斯汀分校的学生，包括C.诺顿。我们感谢云到街的工作人员对数据库的其他部分进行质量检查:S. Weber和E. Glinskis。我们感谢B. L. Turner II、U. Lall、V. Lakshmi、P. Kareiva、C. Tuholkse、J. Doss-Gollin、D. Farnham和A. Massmann对手稿的评论。该项目由谷歌地球引擎研究奖和NASA 80nssc18k0426,16 - geo16 -0068奖提供资金，用于当地洪水预测和影响评估的全球遥感和建模系统集成。本研究使用了LandScan 2010高分辨率全球人口数据集，版权归UT-Battelle有限责任公司所有，该公司是橡树岭国家实验室的运营商。DE-AC05-00OR22725与美国能源部合作。美国政府对这个数据集有一定的权利。UT-Battelle, LLC或美国能源部，或其任何员工均不对数据集的准确性、完整性或有用性作出任何明示或暗示的保证，或承担任何法律责任或责任。

作者信息

作者指出

  1. 这些作者贡献均等:B. Tellman, J. A. Sullivan

作者及隶属关系

  1. 哥伦比亚大学地球研究所，美国纽约

    b . Tellman

  2. 云到街道，布鲁克林，纽约，美国

    B.台尔曼，J. A.沙利文，C. S.道尔

  3. 美国亚利桑那州图森市亚利桑那大学地理、发展与环境学院

    B.台尔曼和J. A.沙利文

  4. 美国密歇根大学安娜堡分校环境与可持续发展学院

    j·a·沙利文

  5. 华盛顿大学环境与森林科学学院，美国华盛顿州西雅图

    c·库恩

  6. INSTAAR，达特茅斯洪水观测站，科罗拉多大学，博尔德，科罗拉多州，美国

    A. J.凯特纳和G. R.布雷肯里奇

  7. 德克萨斯大学地理与环境系，美国德克萨斯州奥斯汀

    c·s·道尔

  8. 谷歌，美国加州山景城

    t.a.埃里克森

  9. 科学系统和应用公司，生物圈科学实验室，美国宇航局戈达德太空飞行中心，绿带，马里兰州，美国

    d。a。杀回

作者
  1. b . Tellman
    查看作者出版物

    您也可以在PubMed谷歌学者

  2. j·a·沙利文
    查看作者出版物

    您也可以在PubMed谷歌学者

  3. c·库恩
    查看作者出版物

    您也可以在PubMed谷歌学者

  4. a·j·凯特纳
    查看作者出版物

    您也可以在PubMed谷歌学者

  5. c·s·道尔
    查看作者出版物

    您也可以在PubMed谷歌学者

  6. g·r·布雷肯里奇
    查看作者出版物

    您也可以在PubMed谷歌学者

  7. t.a.埃里克森
    查看作者出版物

    您也可以在PubMed谷歌学者

  8. d。a。杀回
    查看作者出版物

    您也可以在PubMed谷歌学者

贡献

B.T.构思了这项研究，并领导了人口暴露分析、写作和项目管理。J.A.S.构思了研究和算法，设计了验证，领导了数据管理，并对写作和编辑做出了贡献。C.K. led算法精度和验证分析及质量控制。C.S.D.对算法开发、数据可视化和管理做出了贡献。A.J.K.对质量控制、写作和编辑都有贡献。G.R.B.对事件数据库的编辑和数据管理做出了贡献。t.a.e对数据管理做出了贡献。D.A.S.对质量控制和数据可视化做出了贡献。

相应的作者

对应到b . Tellman．

道德声明

相互竞争的利益

两位作者(B.T.和C.D.)受雇于一家名为“云到街”(Cloud to Street)的公司，并持有该公司的股份，该公司销售洪水观测和卫星监测技术。本文中的数据是免费开放的，公司不希望从这项研究中获得直接的经济利益。

额外的信息

同行评审信息自然感谢Brenden Jongman, Albert van Dijk和其他匿名审稿人对这项工作的同行评审所做的贡献。同行评审报告是可用的。

出版商的注意施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

扩展的数据图形和表格

扩展数据图1由DFO和全球洪水数据库编目的洪水事件全球分布。

一个- - - - - -c， 1985年1月1日至2018年12月31日珠三角地区的洪水事件(n= 4712;一个)，并与MODIS图像(n= 3127;b)，并通过全球洪水资料库(n= 913;c)．底图:美国政府大规模国际边界(LSIB)多边形(2017)。

扩展数据图2用于计算水分类的自适应阈值的双峰直方图示例，平均近似于水分类阈值的标准版本。

一个，b，类间方差(ICV;蓝线，右轴)从MODIS图像中提取，用于确定B2B1的最佳阈值比（K1；一个)及DN短波红外成像（K2；b)．红色和黑色虚线分别反映了估计的大津阈值和标准阈值。c，d，全球洪水数据库中每次洪水事件估计大津阈值的分布情况(n= 913)，用于B2B1比（K1；c)及DN短波红外成像（K2；d)．B2B1全球洪水数据库的平均大津阈值比（K1= 0.77;红色虚线c)及DN短波红外成像（K2= 599;红色虚线d)与标准阈值(K1= 0.70，虚线黑线在一个；K2= 675，虚线黑线在b)．

扩展数据图3 Landsat 5、7和8图像的分布。

用于评估全球洪水数据库中123次洪水事件的陆地卫星图像分布在全球，覆盖15个生物群落66跨度15年。用于验证的洪水事件是根据陆地卫星图像的可用性选择的。符合条件的图像包括:Landsat图像发生在洪水最大天数的24小时内，与洪水区域相交，云量小于20%。底图的生物群落形状文件(灰色阴影;https://ecoregions.appspot.com/)表示不同的植被模式可能会影响我们的遥感算法的准确性。

扩展数据图4全球洪水数据库精度度量。

一个， 10次洪水事件随机采样500点的精度指标灵敏度图。b，显示真阳性(tp)，真负(tn)、假阳性(fp)及假阴性(fn)，其中中心线代表中位数，铰链代表第25和第75百分位，上须从铰链延伸到最大值不超过1.5*IQR(四分位范围)，下须从铰链延伸到最小值不超过1.5*IQR(四分位范围)，点表示在须范围外的异常点。c，精度统计数据，给出均值和标准差(s.d)，总结每种阈值方法和图像合成选择(每个事件的指标在补充表中2)．

扩展数据图5基于全球洪水数据库123个洪水事件的准确性指标的全球分布。

一个，b，整体准确度(一个)在全球范围内一致分布，而委托错误(b)在高纬度地区膨胀，而遗漏的错误(c)均低于委托误差，且无明显的空间格局。基础地图:GADM(全球行政区域)2018，版本3.6。

图6质量控制评估结果。

全球洪水数据库覆盖的地区包括美国东南部、中美洲、南美洲、东南亚、澳大利亚、西非和东非。一个- - - - - -c，已发生洪水事件的次数(b)或失败(一个)的质量控制(QC)，以及合格的事件占总洪水事件的比例(c)．基地地图:美国政府LSIB多边形(2017)。

图7总体不确定性分析。

一个修正因子确定为每个大陆HRSL洪水暴露与GHSL洪水暴露的比率，其中中心线代表中位数，铰链代表第25和第75百分位，上须从铰链延伸到最大值不超过1.5*IQR(四分位范围)，下须从铰链延伸到最小值不超过1.5*IQR(四分位范围)，点表示在须范围之外的点。b，针对每个国家洪水暴露趋势绘制的不确定性分析(2000-2015年)。右上象限的国家代表了在人口估计方面具有似乎很高的不确定性的区域，因此我们对其洪水暴露趋势没有信心(unc。不确定性;股份有限公司，增长趋势;12月，呈下降趋势)。国家由ISO 1366标准的Alpha-2两个字母的国家代码标记(来自LSIB)，并按大洲着色。

图8 2010-2030年洪水暴露变化回归期敏感性分析。

一个，受洪水影响的总人口变化(对数尺度;2030 - 2010)，为每个回归期，按大洲汇总。b， 2010年至2030年每个回归期遭受洪水影响的人口增长百分比。c，各大洲2010年至2030年总人口增长百分比。d，受洪水影响的人口比例的乘法变化(7)方法)。对于所有箱线图(一个- - - - - -d)，中心线表示中位数，胡须表示第25和第75百分位，上胡须从铰链延伸到最大值不超过1.5*IQR(四分位范围)，下胡须从铰链延伸到最小值不超过1.5*IQR(四分位范围)，圆点表示胡须范围外的点。

扩展数据图9 DFO和Em-Dat数据库的比较。

我们发现，在美国、澳大利亚和俄罗斯，DFO中的事件比Em-Dat中的事件具有更大的代表性，而在非洲和拉丁美洲，DFO中的事件目录比Em-Dat中的事件目录要小。一个， DFO和Em-Dat的年度洪水事件。b，每个国家的DFO洪水事件数减去Em-Dat洪水事件数。基础地图:Natural Earth, tmap R包51．

从GLOFRIS确定的100年事件中受洪水影响的每个国家人口(使用2010年气候和人口)的比较，以及从2000-2018年全球洪水数据库估算的受洪水影响的总人口。

r= 0.89,P< 0.001。蓝线表示GLOFRIS和全球洪水数据库确定的人口等值线;黑线是线性回归线。国家名称按大洲着色。

补充信息

补充信息

该文件包含补充表1-5、7和8、补充讨论和补充参考。

补充表6

估计每次洪水事件暴露的人口和淹没面积。gfd_area_km2提供面积估计和gfd_population_exposed表示本研究的人口暴露估计。其他信息包括GLIDE编号、DFO ID编号、事件开始和结束日期，以及来自每个事件的DFO的其他元数据。

补充表9

质量控制信息主要为质量控制问卷中询问的问题。

补充数据

该文件包含从卫星数据(MODIS)观测到的洪水(图2 (a和b))的250米分辨率光栅。tiff图像，以及图2 (c和d)观测到的洪水持续天数。

补充数据

该文件包含了从卫星数据(MODIS)观测到的2015年至2000年淹没地区人口变化的250m分辨率光栅图像(图3)。

补充数据

该文件包含图4的压缩源数据(shapefiles)。

同行评审文件

源数据

权利和权限

转载及权限

关于本文

通过CrossMark验证货币和真实性

引用本文

特尔曼，B，苏利文，j。a，库恩，C。et al。卫星图像显示受洪水影响的人口比例增加。自然596， 80-86(2021)。https://doi.org/10.1038/s41586-021-03695-w

下载引用

  • 收到了：

  • 接受：

  • 发表：

  • 发行日期：

  • DOI：https://doi.org/10.1038/s41586-021-03695-w

这篇文章被引用

评论

通过提交评论，您同意遵守我们的条款而且社区指导原则．如果您发现一些滥用或不符合我们的条款或指导方针，请标记为不适当。

搜索

高级搜索

快速链接

自然简报

报名参加自然简报时事通讯-什么重要的科学，免费到您的收件箱每天。

获取当天最重要的科学故事，免费在您的收件箱。 注册《自然简报》
Baidu
map