要旨: 豪雨洪水はインドのヒマーチャルプラデーシュ州（HP）で最も破壊的な自然災害であり、2023年のモンスーン期だけで400人を超える死者と12億ドルの損失を引き起こしています。既存のリスクマップは各ピクセルを独立して扱い、上流の洪水が下流のリスクを高めるという基本的な事実を無視しています。私たちは、流域接続グラフ（460のサブ流域、1,700の有向エッジ）上で訓練されたグラフニューラルネットワーク(GraphSAGE)を用いてこれに対処します。このグラフは、6年間のSentinel-1 SAR洪水インベントリ（2018-2023、3,000件のイベント）と30 m分解能の12の環境変数から構築されています。4つのピクセルベースのMLモデル（RF、XGBoost、LightGBM、スタッキング・アンサンブル）がベースラインとして機能します。すべてのモデルは、ランダム分割による5〜15%のAUC過大評価を避けるため、流域を1つ除外した空間的交差検証で評価されます。適合予測は、統計的に保証された90%のカバレッジ区間を備えた、初のHP感受性マップを生成します。
GNNはAUC = 0.978 +/- 0.017を達成し、最良のベースライン（AUC = 0.881）および公表済みのHPベンチマーク（AUC = 0.88）を上回りました。+0.097の向上は、川の連結性がピクセルベースのモデルが見逃す予測信号を運ぶことを示しています。高感受性ゾーンは1,457kmの高速道路（うち217kmはManali-Leh回廊を含む）、2,759の橋梁、そして4つの主要な水力発電設備と重なる。適合区間は、保持外の2023年テストセットで82.9%の経験的カバレッジを達成しましたが、高リスクゾーンでのカバレッジは低く（45-59%）、SARラベルのノイズが今後の課題であることを示しています。
