基於地理因果推理的自然災害空間異質性識別方法

摘要

為克服傳統相關性和靜態空間統計在災害因果分析中的不足，構建了一種地理因果推斷機制，結合因果發現、個體化效應估計和空間約束聚類方法，以識別災害風險的區域差異。計算過程涉及結構因果模型和流域拓撲權重。DML 算法與因果森林算法協作提取 CATE（類別經驗指數），並測試了 GNN 因果正則化與面板模型的一致性。採用反事實模擬技術建立 ΔRisk–ΔCost 帕累託前沿，為政策分區和資源分配製定指導原則。基於 EM-DAT（2015-2024 年）數據進行的區域實證測試表明，該技術顯著降低了高暴露和強溢出效應地區 CATE 的誤差，增強了因果一致性指標和政策排名的穩定性。本研究針對極端氣候變化背景下的區域管理、預算優化以及在線風險控制提出了具體的技術實施路徑。