海岸沉降是指由于沉积物压实、构造活动及三角洲负荷等因素导致的土地逐渐下沉现象，而人为因素（如地下水抽取、城市扩张和资源开采）进一步加剧了这一过程（张等人，2025年）。同时，由海洋热膨胀和冰川融化引起的海平面上升（SLR）因全球变暖而加速，最新评估表明目前每年上升约3.2毫米，在高排放情景下到2100年可能达到近1米（Lumban-Gaol等人，2024年；IPCC，2021年；Bürgmann等人，2000年）。沉降与海平面上升之间的相互作用加剧了海岸脆弱性，增加了潮汐淹没、风暴潮和盐度入侵的风险。Dinar等人（2021年）和Bagheri-Gavkosh等人（2021年）的研究指出，沉降已成为许多沿海大都市和三角洲地区的关键风险因素，特别是在东南亚和东亚地区，这些地区软沉积物条件与快速城市化相结合，以及美国和地中海沿岸的某些区域（张等人，2025年）。雅加达、胡志明市、马尼拉、曼谷、上海、东京、新奥尔良和威尼斯等主要城市，以及湄公河、密西西比河、尼罗河和昭披耶河等三角洲地区，都在应对海平面上升与沉降共同带来的双重挑战，显示出较高的沉降严重程度指数，凸显了人口密集的低洼地区面临的风险（吴等人，2022年；Tay等人，2022年；Törnqvist等人，2008年）（图1）。在许多地点，相对于陆地的海平面上升速度远快于全球海洋基准，这凸显了综合监测框架和主动灾害评估的迫切需求（Nicholls等人，2021年；Shirzaei等人，2021年）。
在全球气候变化的背景下，孙德尔本斯三角洲是一个高度敏感的沿海生态系统。该地区人口密集，经济与气候模式紧密相关，拥有丰富的红树林，对风暴防护和碳封存起着关键作用（蒙达尔等人，2021年）。然而，阿姆phan、Bulbul、Nargis和Aila等频繁发生的 cyclonic 事件，加上持续的土地沉降和海平面上升，正在显著改变这一三角洲。这些变化导致海岸线侵蚀、堤坝溃决和盐度入侵增加，从而对生态系统和人类栖息地构成严重威胁（Hazra等人，2002年；蒙达尔等人，2025a）。沿海地区的低洼特性，加上其对农业和渔业的依赖，加剧了社会生态脆弱性，特别是在淡水短缺和土壤退化严重的地区（Das等人，2025年）。
应对这些复杂灾害不仅需要全面评估当前的沉降情况，还需要了解驱动空间变异性的因素以及沉降–海平面上升复合风险如何导致未来洪水（Pedretti等人，2024年；Tay等人，2022年；Hsiao等人，2022年）。基于卫星的InSAR技术为动态三角洲环境中的地面变形监测提供了有效方法，并越来越多地用于评估沿海地区的沉降（张等人，2025年）。当与机器学习（ML）方法（如ANN、SVM和集成模型）结合使用时，这些数据可以用于变形模式的预测建模、自然和人为驱动因素的识别以及复合灾害发展的评估（Nalakurthi等人，2024年；Ram等人，2018年；Zhan等人，2024年）。
尽管之前的研究丰富了关于孙德尔本斯地区海岸线动态、红树林脆弱性和洪水风险的知识，但缺乏将InSAR衍生的沉降测量数据与机器学习诊断、基于ARIMA的变形预测和特定情景下的洪水建模相结合的综合性分析。本研究旨在通过创建一个综合框架来填补这一空白，该框架结合了卫星数据和创新的数据驱动方法：
(i)利用InSAR量化孙德尔本斯地区当前的土地沉降幅度和空间分布；
(ii)利用机器学习建模识别沉降的最主要环境和人为驱动因素；
(iii)评估不同未来情景下土地沉降和预测的海平面上升对洪水淹没范围的综合影响。
本研究旨在增强气候适应性规划，优先考虑基础设施发展，并促进孙德尔本斯地区的生态系统管理。这项研究直接为可持续发展目标11（SDG-11）提供了关键信息，有助于制定风险敏感的定居策略；通过促进针对沿海社区的气候行动倡议，支持可持续发展目标13（SDG-13）；并通过保护面临环境挑战的红树林生态系统，推动可持续发展目标15（SDG-15）的实现。
