通过地理空间可解释机器学习对灾害韧性和公平性的情境敏感分析

《Sustainable Cities and Society》：Context-Sensitive Analysis of Disaster Resilience and Equity through Geospatial Explainable Machine Learning

本研究基于飓风伊玛和伊恩对佛罗里达社区的双重影响，运用地理加权神经网络分析公平性因素（地点规范、灾害暴露和建筑状况；社会经济与人口特征）对韧性（灾害影响遏制、资源动员、恢复能力）的作用，揭示情境敏感性，提出差异化的灾害管理策略。

　　

丁一蓉|张璐|张洋

弗吉尼亚理工大学迈尔斯-劳森建筑学院，布莱克斯堡，VA 24061

摘要

反复发生的飓风对灾害抵御能力和公平恢复提出了重大挑战，然而关于多个时间不同灾害中公平性在抵御能力中所起作用的研究却非常有限。为了解决这一差距，我们的研究分析了佛罗里达州先后受到飓风艾尔玛（2017年）和伊恩（2022年）影响的社区，利用FEMA个人援助声明来划定重叠的灾害区域。通过结合空间明确关系的可解释机器学习方法，我们探讨了灾害公平性与灾害抵御能力之间的相互作用。具体来说，我们研究了（1）基于位置的公平性（通过建筑规范标准、灾害暴露程度和建筑条件来衡量）以及（2）基于能力的公平性（通过社会经济和人口统计因素来衡量）如何影响抵御能力的三个关键维度：灾害影响控制、资源调动和恢复能力。此外，我们还评估了这些关系以及公平性决定因素在两次飓风事件之间的相对影响变化。这项研究通过提供关于经历反复灾害的社区中抵御能力-公平性相互作用动态的新见解，为灾害易发社区的灾害管理策略设计提供了可操作的指导。

引言

灾害在不同社区中的影响分布不均，某些人群由于灾害暴露程度、脆弱性和适应能力的差异而遭受更为严重的后果（Di Giulio等人，2025年；Flanagan等人，2011年；Hallegatte等人，2020年；Soden等人，2023年）。随着灾害频率和严重程度的增加，这些不平等现象凸显出迫切需要理解灾害抵御能力与公平性之间的复杂相互作用。这种相互作用具有情境敏感性；在不同的灾害事件中可能表现不同。在本研究中，情境指的是在特定灾害事件下，抵御能力行动如何转化为公平或不公平结果的时空和社区特定特征。这些情境因素决定了灾害如何与基础设施系统相互作用，中断如何在空间中传播，以及不同社区获取关键服务和恢复资源的机会如何不同。即使在同一灾害类别内，灾害事件在强度、时间和空间影响范围上也存在差异，从而产生不同的中断和恢复模式，进而导致不同的抵御能力结果。因此，总体上看似有效或公平的抵御能力策略，在特定的空间和事件背景下可能产生不同的公平性影响。忽视这种情境变异性可能会掩盖局部不平等现象，并导致未能解决特定地点需求、能力和恢复路径的泛化政策响应。因此，采取情境敏感的视角对于准确描述抵御能力-公平性相互作用以及制定能够应对空间不均衡和事件特定影响的灾害政策至关重要。

然而，尽管文献中对抵御能力-公平性相互作用的研究日益增多，但这一领域仍存在关键空白。首先，尽管学者们普遍认识到抵御能力-公平性相互作用的重要性，但缺乏基于灾害抵御能力和公平性的明确操作定义的系统性、数据驱动的研究（Fothergill等人，1999年；Peacock等人，2014年）。现有文献经常呼吁采取更加公平的做法来增强集体抵御能力（Comerio，1998年；Zhang和Drake，2019年），但很少提供定量分析特定公平性因素如何影响抵御能力结果所需的操作定义或指标。其次，许多抵御能力评估框架未能纳入全面的空间明确数据，限制了我们对资源、脆弱性和恢复结果在社区内部和之间的分布的理解（Finucane等人，2023年；Tate和Emrich，2021年）。这尤其成问题，因为灾害抵御能力数据本身具有空间自相关性，意味着相邻社区往往具有相似的脆弱性和结果（Ferman Carral等人，2024年）。第三，尽管有证据表明公平性-抵御能力动态因地区、社区特征和灾害事件而异（Cutter等人，2016年；Tierney，2014年；Wang和Ganapati，2018年），但仍然缺乏针对公平性抵御能力的情境敏感研究。空间维度是这些关系中的一个关键但未被充分探索的方面。最近的研究表明，非空间模型经常忽略重要的局部差异，只有30%的抵御能力相关指标在不同地理背景下保持稳定（Hoover和Tate，2025年）。未能考虑空间因素的传统方法常常忽略重要的空间效应和局部不平等现象，而这些对于设计有效的、情境敏感的干预措施至关重要（Buck等人，2021年；Dormann等人，2007年；Han等人，2024年）。这些研究空白对于推进理论理解和实际灾害管理具有重要意义。填补这些空白对于制定适应性强、基于数据的政策至关重要，以促进在多样化环境中的有效和公平的灾害抵御能力。

本研究试图通过采用空间明确、数据驱动的方法来探讨灾害抵御能力与灾害公平性之间的相互作用，从而填补研究空白。在全面文献回顾的基础上（Bruneau等人，2003年；Cutter等人，2014年；Emrich等人，2022年；Ferreira等人，2024年；NIST，2016年；Norris等人，2008年），我们首先仔细明确了灾害抵御能力和灾害公平性的概念。利用这些定义，我们分析了灾害公平性的多个方面如何影响两次重大飓风——飓风艾尔玛（2017年）和飓风伊恩（2022年）在五年期间对佛罗里达州同一地区的影响结果。这种比较分析允许我们考察不同飓风事件和空间背景下抵御能力-公平性关系的情境敏感性。具体来说，我们解决了两个主要研究问题：RQ1：与灾害公平性相关的因素如何影响飓风背景下的抵御能力结果？以及RQ2：这些影响在不同飓风事件和地理区域中如何表现出情境敏感性？为了回答这些问题，我们利用了空间建模技术，特别是地理加权神经网络（GWNN），该技术在捕捉空间变化关系和传统数据驱动方法常忽略的局部异质性方面表现优异。我们的方法结合了空间诊断来检测聚类模式，利用空间建模方法来捕捉局部变化，并利用模型可解释性方法来揭示连接灾害抵御能力和公平性的潜在机制。

本文的其余部分结构如下。首先，我们提供了关于灾害抵御能力和公平性的概念化和评估的文献回顾，以及适合我们研究问题的空间建模技术。然后我们详细介绍了研究方法，包括研究背景、理论框架、数据收集程序和分析方法。接下来，我们展示了建模结果，并讨论了结论、实际意义、局限性和对未来研究的建议。

节选内容

灾害抵御能力和灾害公平性

灾害抵御能力的概念源于Holling关于生态系统的开创性工作（Holling，1973年），并已成为理解社区如何应对灾害的核心框架（Alexander，2013年）。尽管没有单一的、被普遍接受的定义（Mayunga，2007年），但文献普遍认为，具有灾害抵御能力的社区应具备持续减轻、承受和从灾害影响中恢复的能力和资源（Cutter等人，2014年；

理论框架

图1展示了指导我们研究的概念框架，说明了我们如何将灾害抵御能力和灾害公平性之间的多维度相互作用具体化。文献回顾中提供了一些关于灾害抵御能力和公平性的概念背景；本节的目的是将这些关系形式化为一个结构化分析的框架。

我们的框架从“抵御能力三角”中改编了灾害抵御能力的三个核心组成部分

模型性能

表3和表4分别展示了飓风艾尔玛和伊恩的三个目标变量上的模型性能比较。结果表明，所提出的GWNN方法取得了相对较高且稳定的性能，有效捕捉了对灾害抵御能力建模至关重要的复杂非线性关系和空间依赖性。在影响控制方面，GWNN的R2得分分别为0.834（艾尔玛）和0.939（伊恩），显著优于其他最佳模型

政策和规划建议

本研究的结果强调了需要制定明确纳入公平性考虑的灾害抵御能力政策，并根据抵御能力结果的产生方式作出响应。政策干预不应将抵御能力视为一个统一的目标，而应认识到不同的公平性维度塑造了抵御能力的不同方面，且它们的影响因灾害事件和空间环境而异。

结论、贡献、局限性和未来工作

本研究采用空间明确、数据驱动的方法，重点探讨了飓风背景下灾害抵御能力与灾害公平性之间的相互作用。通过分析飓风艾尔玛（2017年）和伊恩（2022年），利用多事件比较和局部可解释性技术，研究了建成环境、社会经济和人口统计因素如何塑造抵御能力

写作过程中使用生成式AI和AI辅助技术的声明

在准备本作品时，作者使用了ChatGPT4o和Claude来完善论文中的一些语言表达。使用这些工具/服务后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。

数据可用性

数据可应要求提供。

未引用的参考文献

Roberts等人，2017年

CRediT作者贡献声明

丁一蓉：撰写——原始草稿、验证、软件、方法论、正式分析、数据整理、概念化。张璐：撰写——审稿与编辑、监督、资源管理、项目管理、方法论、调查、资金获取、概念化。张洋：撰写——审稿与编辑、监督、方法论、调查、资金获取、概念化。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：张璐、张洋报告称获得了弗吉尼亚理工大学社会、文化和环境研究所的财务支持。如果有其他作者，他们声明没有已知的可能会影响本文报告工作的财务利益或个人关系。

致谢

本材料基于弗吉尼亚理工大学社会、文化和环境研究所（ISCE）在ISCE学者资助项目下的支持。材料中表达的任何观点、发现、结论或建议均为作者个人观点，并不一定反映ISCE的观点。