文丨吐不满的痰娱

编辑丨吐不满的痰娱

前言

根据全球自然灾害事件及相关风险数据库，过去几十年来，经济损失的程度显著上升。区分和理清因灾害发生或损害潜力变化而产生的趋势很重要，但也很困难。准确量化变化的灾害需要高质量的数据集和强大的统计方法。在这里我们介绍了地球和数据科学在定量评估不断变化的世界中的自然灾害方面取得的最新进展。

目前欧洲的冬季风暴变得更加频繁和严重；德国的极端降水表现出季节性变化和强度随区域变化；由于河流网络的变化、积雪减少，中欧的河流径流正在发生变化，和降水量的变化；尽管冰川融化和湖泊迅速增长，喜马拉雅山脉冰川湖溃决洪水的频率在过去 30 年中保持不变。

变化中的自然灾害现象，造成了灾害补救费用增加

随着废水注入井的出现，俄克拉荷马州（美国）的地震活动有所增加。我们推断，数据科学的最新进展可以有效地从大数据集中提供新知识，但解释这些结果需要对底层过程有扎实的理解和相当详细的分析。我们推断，数据科学的最新进展可以有效地从大数据集中提供新知识。

但解释这些结果需要对底层过程有扎实的理解和相当详细的分析。我们推断，数据科学的最新进展可以有效地从大数据集中提供新知识，但解释这些结果需要对底层过程有扎实的理解和相当详细的分析。

从 1980-1999 年开始各国的自然灾害现象造成的费用就已经从1.63万亿美元增至 2000-2019 年的 2.96 万亿美元。损失增加的主要原因是灾害多发地区的人员和经济资产暴露程度不断增加。暴露程度增加最多的是规模、人口和私营和公共部门资产逐渐增长的城市地区。

鉴于损失不断增加，社会已出现一些缓解措施，以降低其对自然灾害影响的脆弱性。例如适当的空间规划、全面的财产层面缓解措施、有效的洪水预警和有针对性的防洪系统维护是减少洪水损失的有效措施。此外，由于预警系统和疏散计划的改进，近几十年来自然灾害事件造成的死亡人数有所下降，社会的脆弱性也有所降低。

然而，即使在高收入国家，仍可能发生造成毁灭性破坏和大量受害者的事件。尽管数据库不断增长，但人类对自然系统的干扰，尤其是大气变暖，在多大程度上导致了与天气有关的事件和相关损失的增加，仍然存在争议；2020 年相关部门的气候变化专门委员会报告了越来越多的证据，表明自然灾害的发生率、强度和空间范围发生了变化。

然而识别和描述瞬态灾害具有挑战性。此时，重要的是要注意触发自然灾害事件与其造成的损害之间的区别。与造成的损害直接相关的事件通常被通俗地称为自然灾害。

鉴于自然灾害事件固有的复杂性，运用先进的评估技术和对所研究灾害的透彻理解对于区分瞬态和时间或空间尺度上的自然变化至关重要。不仅如此，了解灾害对于识别环境驱动因素及其潜在相互作用也至关重要。

评估自然灾害变化面临的挑战

自然灾害的特点是时间变化和控制单个事件发生的随机过程。例如地震的发生被认为遵循随机泊松过程，气候数据可能具有跨年度甚至跨十年的周期性 。此外温度或径流数据包括长记忆过程的特征，这意味着今天测量的值显示出对过去测量值的长期依赖性。这种自相似性导致气候变量的时间序列呈现出趋势，很难与气候变化信号区分开来。非平稳行为与随机过程的区分需要仔细分析可靠的长期数据。

空间变异性不仅体现在风险潜力上，还体现在自然灾害趋势上，可以在不同的空间尺度上观察到。全球研究揭示了极端气候事件发展的地理模式。由于大气变暖和随之而来的水文条件变化，欧洲主要河流沿岸的洪水规模既有增加也有减少。地理差异限制了时间相关风险模型的空间可转移性，通常要求将基础数据限制在某个区域内。

若干相互作用的因素可能会加剧潜在的不利自然过程的发生。例如滑坡活动可能会受到气候变化的各种叠加影响，例如滑坡触发降水频率的改变、冰川消融和多年冻土退化，以及积雪持续时间的缩短。影响因素的相互作用不仅可以消除或加剧自然灾害的发生，还可以消除或加剧其影响。

例如对于山洪暴发描述了极端降雨强度、径流形成、土壤和河岸侵蚀以及随后的城市地区洪水和极端破坏之间的相互作用和放大效应。通过分析大规模干旱灾害，发现地中海地区干旱和热浪同时发生的次数增加，这加剧了单个事件的负面后果。危险过程的联合或顺序发生使不断变化的影响的量化变得复杂。

在许多情况下，观察期无法稳健地跟踪自然灾害发生频率或强度的变化。在边界有争议的地区，监测过程可能会中断，例如在高山亚洲，那里的数据是保密的，非居民对这些地区的物理访问可能会受到限制。这些地区通常提供不一致且注释不充分的数据库，国际上对自然灾害的认识仍然很少。

例如喜马拉雅山脉海拔 5,000 米以上仍然没有永久运行的气象站，那里可能发生山洪、山体滑坡、泥石流或冰川脱落等气候驱动的灾害。在其他情况下，极端事件可能会扰乱连续测量。例如，峰值流量可能会损坏流量计或超过其记录容量。历史清单通常以报告差距和偏差为特征，因为只有最大的事件或具有灾难性后果的事件才会被记录下来。

再保险公司在其灾难性自然事件目录中报告了 1980 年以后更一致的记录，尽管此类数据库可能偏向于有保险损失的事件。公众利益和政治发展也可能影响自然灾害的记录。如今，气候相关数据的研究更加深入，例如在政治倡议框架内，如《2015-2030 年联合国仙台减少灾害风险框架》和 国际灾害数据库。

意识的提高和更密集的报道可能会增加自然灾害事件的报告数量和相关损失。此外，技术发展改善了数据采集、存储和交换的条件。例如现代仪器和不断变化的站点密度影响大气和水文变量的连续测量。值得注意的是，据报道在某些地区密度增加，而在其他地区密度则降低。

然而仪器的变化可能会导致记录不一致，精度、分辨率和测量位置也会发生变化。例如海面温度数据收集的变化导致了 20 世纪初错误的变暖模式。由于自然灾害记录中存在这些障碍，对其进行分析不仅需要良好的统计学知识，还需要数据采集、数据处理和研究过程的知识，以避免数据评估中的陷阱。

自然灾害评估的数据科学

尽管存在这些限制，但过去几年在均质化全球地球科学和气候数据集方面取得了重大进展。例如，全球每日气温的收集可以追溯到 19 世纪 50 年代，这使得对全球变暖的分析更加精确。重建过去事件和均质化事件目录有助于建立大陆规模的数据库。

例如用于河流洪水或热带气旋的数据库，此类目录使研究人员能够追踪数十年来超越概率或重现水平的变化。此外，遥感技术有助于独立估计地貌和水文自然灾害发生的时间、空间范围和部分影响，至少在过去几十年里是这样。

随着 21 世纪获取、存储和分析数据的能力迅速提高，越来越多的自然灾害评估可以基于数据密集型算法。例如，越来越多的卫星任务、地震台站和自动河流水位计产生的数据量已经超过人工或目视解释的数据量。

为了解决自然变异、干扰影响和数据质量等问题，自然灾害分析需要整合数据采集和处理方面的知识、对研究过程的物理和机械理解，以及适用算法和数据评估潜在缺陷的方法专业知识。因此自然灾害分析受益于不同研究分支之间的动态反馈，包括统计学、机器学习和物理模型，这些模型描述了地震学、水文气象学、生态学或地貌学过程。

为了最有效地利用现有数据，分析需要仔细选择合适的评估技术，同时考虑研究问题和基础物理学。尤其是机器学习方法可能无法完全追踪，在某些方面就像一个黑匣子。此外数据中的随机巧合或伪影可能会导致意外结果。为了减少误解，研究应该旨在证明或反驳某个假设，例如“高废水注入率会增加地震活动”因此有用的研究设计需要对底层过程有物理理解，并了解适用的算法。

结语

所呈现的研究组合表明，需要进行充分和定制的分析和模型选择。选择适当的研究设计对于在变化的情况下进行可靠和有效的危害评估至关重要。如果正确应用并得到对控制过程的机械/物理理解的支持，这将能够解开正在调查的危害类型的动态。

文章描述过程、图片都来源于网络，此文章旨在倡导社会正能量，无低俗等不良引导。如涉及版权或者人物侵权问题，请及时联系我们，我们将第一时间删除内容！如有事件存疑部分，联系后即刻删除或作出更改。