从观点到行动：社交网络和信息政策对私人应对洪水行为的影响

《Environmental Science & Policy》：From opinion to action: Impact of social networks and information policy on private adaptation to floods

　　托里德·瓦根布拉斯特（Thorid Wagenblast）、塔蒂亚娜·菲拉托娃（Tatiana Filatova）、劳伦·格里姆利（Lauren Grimley）、安东尼亚·塞巴斯蒂安（Antonia Sebastian）、尼希特·戈亚尔（Nihit Goyal）
荷兰代尔夫特理工大学技术、政策与管理学院多智能体系统系，地址：Jaffalaan 5, Delft 2628BX

**摘要**
尽管人们努力减缓气候变化，但适应措施仍显得至关重要。在由气候变化引发的各种灾害中，洪水是最具破坏性和影响范围最广的灾害，这就需要从政府层面到家庭层面采取各种适应措施。如果家庭采取适当的适应措施，可以减少损失并加快恢复速度。实证研究表明，在社会行为因素中，社会规范和同伴影响对家庭是否采取适应行动起着关键作用。然而，社会网络在家庭层面的适应过程中所起的作用尚未得到系统性的研究，尤其是在社会影响存在的情况下，私人家庭适应行为与公共信息政策之间的相互作用，以及社会网络内意见和信息的交流如何影响个人决策方面。为了更好地理解社会影响对私人家庭适应行为的影响，我们建立了一个基于实证数据的代理模型。我们利用在美国德克萨斯州哈里斯县收集的家庭调查数据，以及洪水风险情景信息，研究了在不同社会影响下私人适应行为的传播效果。此外，我们还利用该模型来测试不同的信息政策设计选择（例如，针对特定家庭还是所有家庭，以及传达关于洪水适应的不同方面信息，如洪水损失、成本或措施的有效性）如何影响私人适应行为的传播，并进一步分析这些因素对区域剩余洪水损失的影响。研究结果表明，无论社会网络的结构如何，社会影响都能促使家庭采取更多的适应措施，从而使区域剩余洪水损失额外减少5-10%。值得注意的是，社会规范的作用取决于网络内部交流的信息类型；其中，关于措施有效性和潜在损失的讨论比关于适应措施成本的讨论或对洪水的担忧更能促使家庭采取适应行动。此外，虽然信息宣传活动能够影响个人认知，从而促进家庭层面的适应行为，但仅提供预期损失的信息在引导公众意见及家庭适应方面效果不佳；相比之下，将此类信息与有关应对措施的信息结合起来则会更为有效。我们的研究结果表明，社会影响和信息政策能够影响私人行为的成功，强调了理解不同尺度之间相互作用在气候变化适应中的重要性。

**1. 引言**
随着气候变化影响的加剧，预计其强度和频率也将进一步上升（IPCC, 2022）。洪水（包括雨洪、河洪和海洪）是最具破坏性和影响范围最广的灾害，其中沿海风暴和洪水占全球所有灾害的72%，导致69%的全球损失（CRED和UNDRR, 2020）。跨尺度的有效适应至关重要（Adger等, 2005；Berrang-Ford等, 2021）。除了政府主导的公共适应措施外，家庭层面的私人适应措施对于管理气候变化带来的风险也越来越重要。公共适应措施通常能降低灾害发生的概率，而私人适应措施则旨在减少物理脆弱性，有时还能降低灾害发生时的直接损失（例如，通过搬迁）。如果采取适当的私人洪水适应措施（如防水处理、收集洪水风险信息或将资产移至更高楼层），损失可减少25-50%（Sairam等, 2019），甚至在某些情况下可减少高达85%（Kreibich等, 2015）。尽管私人适应措施通常具有成本效益，但家庭往往忽视或推迟采取这些措施，或者采取无效的行动。经济、意识、文化等因素限制了家庭采取适应措施的能力（Thomas等, 2021）。家庭调查提供了大量关于影响家庭适应决策因素的证据，这些证据一致表明，行为和社会因素比对概率和损失的理性评估更为关键（例如，Bubeck等, 2012a；Bubeck等, 2012b；Duijndam等, 2023；Noll等, 2022；van Valkengoed和Steg, 2019）。由于私人适应决策很大程度上基于主观认知（Grothmann和Reusswig, 2006），文献强调了社会网络、社会影响和规范在人们适应行为中的特殊作用（Wilson等, 2020）。在面临风险的决策过程中，社会影响主要通过关于风险和适应方案的主观意见动态表现出来，同时随着个人行为的改变，社会规范也会发生变化（Bubeck等, 2018）。在此背景下，我们将社会影响定义为在特定社会网络结构内发生的意见交流，这种交流会直接影响个人的决策。当社会影响削弱个人采取适应措施的意愿时，这种现象被称为适应的“软性”限制（Thomas等, 2021），可能导致适应不足（Gawith等, 2020）。适应的“软性”限制的变化足以显著改变家庭的行为，从而影响区域剩余损失（Taberna等, 2023）。除了社会影响外，信息政策也可以引导个人采取期望的行为，例如促进私人适应（Benartzi等, 2017）。然而，尽管信息宣传活动和社会影响在私人适应中起着关键作用，但两者之间的相互作用仍缺乏系统研究。因此，了解社会影响的作用及其如何促进或阻碍适应政策及最终损失减少至关重要。

在探索私人适应在风险评估中作用的方法中，基于代理的模型（ABMs）越来越受欢迎（Taberna等, 2020）。由于ABMs能够明确编码关于多个有限理性代理的行为和互动规则，这些模型特别适合用于研究信息政策和社会影响的效果（Aerts, 2020；Filatova等, 2013）。前者通常表现为向家庭提供事实信息；后者则包括更新个人信念和社会规范的意见动态。一些研究细致地描绘了社会影响的关系（例如，Cunningham等, 2016），而其他研究则基于简单的空间邻近性定义社会网络（例如，Haer等, 2016）。然而，关于社会影响在适应背景下效果的结构性测试仍不完善。由于社会网络并非均匀分布，这种影响的方式可能对适应措施的传播和剩余损失减少等结果产生影响。此外，通过社会网络演变的主观意见如何影响个人决策，也受到人们通过信息政策获得的关于客观风险或适应选项的信息的调节。

社会影响在私人洪水适应中起着重要作用，因为适应决策很大程度上受到认知的驱动（例如，Grothmann和Reusswig, 2006；Noll等, 2022；van Valkengoed和Steg, 2019）。ABMs可以结合网络的理论和实证方面来研究人类互动（Will等, 2020）。尽管许多与洪水相关的ABMs都采用了某种形式的社会影响（Taberna等, 2020），但交流信息的选择和社会网络的结构往往具有临时性，且尚未得到系统研究。除了适应和灾害减少研究外，意见动态和信息交流也经常通过ABMs进行探讨（Flache等, 2017；Will等, 2020）。尽管在这方面取得了许多进展，但以往的研究往往仅关注极化等问题，很少将意见变化与后续行为变化联系起来。在本研究中，我们将关于社会影响的理论见解与调查中的实证观察结合起来，模拟家庭的私人适应决策，观察不同社会网络下的意见传播对家庭适应行为的影响，以及这些动态对区域损失的综合影响。

为填补文献中的空白，我们系统地研究了私人适应的传播速度和范围及其对区域剩余洪水损失的影响，同时改变了洪水情景、社会网络配置、交流的信息类型和信息政策。为此，我们旨在解答以下研究问题：
1. 社会动态如何影响家庭间的适应行为传播？
2. 这些动态如何影响低收入家庭和高收入家庭在适应行为和收益分配上的差异？
3. 不同信息政策（即传达的信息类型）在多大程度上影响私人适应行为的传播和整体区域损失？

为了解决这些问题，我们开发了一个基于代理的模型（ABM），该模型具有扎实的理论和实证行为基础，用于描述私人适应行为。家庭的行为基于保护动机理论（PMT，Grothmann和Reusswig, 2006），并基于在美国德克萨斯州哈里斯县进行的洪水适应行为调查的微观数据（Filatova等, 2022）。然后，我们设计了一系列计算实验，通过三种洪水淹没情景来模拟灾害发生的不同情况。此外，我们不仅假设一个固定的社会网络，还通过测试三种常见的网络结构来变化社会影响动态，这些结构既是家庭意见动态的渠道，也是社会规范演变的途径。最后，为了研究不同信息政策设计的效果，我们改变了传达的信息类型（例如，关于风险或应对措施的信息范围）、关于灾害严重性的信息强度（即普通洪水与随着气候变化而变得更加频繁的极端事件），以及信息接收者（例如，仅向洪泛区居民传达信息还是向所有家庭传达）。

本文的结构如下：首先，《方法》部分介绍了我们的ABM模型，包括私人适应行为、社会影响和信息政策。接着，我们解释了计算实验的设计，并展示了关键研究结果。最后，我们讨论了社会影响和信息政策在私人适应行为传播及由此产生的剩余损失中的作用及其在家庭间的分布。

**2. 方法**
**2.1 基于代理的洪水私人适应模型、社会影响和信息政策**
为了研究社会影响对家庭适应行为的影响，我们采用了基于代理的计算建模方法。ABMs使我们能够模拟代理（即家庭）、他们的个体选择以及由此产生的互动模式（Macal, 2016；Will等, 2020）。我们的模型包含三个层面（图1）：家庭的私人适应行为（微观层面）、家庭间的社会影响（中观层面），以及政府为告知家庭风险而制定的信息政策（宏观层面）。作为案例研究，我们选择了德克萨斯州的哈里斯县，该县包括休斯顿大都会区，是美国人口第三大的县。这一高度城市化的地区经常受到热带气旋和强降雨的影响而发生洪水。2017年，飓风哈维在德克萨斯州南部登陆，造成约1250亿美元的损失——其中大部分发生在哈里斯县，使其成为美国历史上第二严重的风暴（NCEI, 2022）。

**图1. 本研究中考虑的不同层次的气候变化适应措施，并在我们的基于代理的模型中进行了编码。**
- **微观层面（左侧）：**家庭根据保护动机理论和个人经济状况决定采取私人适应措施。这种个体行为减少了每个家庭的损失。
- **中观层面（中间）：**家庭通过不同的社会网络进行互动，并交流关于各种类型的信息。
- **宏观层面（右侧）：**不同的信息政策（在范围、严重性和选择性方面有所不同）影响家庭的适应行为。

**2.1.1 私人家庭适应行为（微观层面）**
我们使用在哈里斯县收集的调查数据来初始化1000个异质性家庭的代理模型，这些数据有助于更好地理解家庭的适应决策过程（Filatova等, 2022）。我们采用了2020年4月进行的第一轮调查结果（Noll等, 2022；Noll等, 2022），该调查涵盖了849户哈里斯县家庭的回答。调查通过YouGov在线平台进行，受访者来自符合全国统计特征的代表性样本。补充材料提供了更多关于模型中如何使用调查数据的信息。家庭代理人可以在十个CCA措施中选择，这些措施包括五种常见的结构性措施和五种非结构性措施（详见附录A）。通过采取适应性措施，家庭代理人可以减少潜在的洪水损害，不同的措施会导致不同程度的损害减少（见附录B）。风险感知和应对评估是私人适应决策过程中的关键影响因素。这解释了为什么许多研究使用PMT来解释洪水适应决策（例如，Erdlenbruch和Bonté，2018；Grothmann和Reusswig，2006；Koerth等人，2013；Noll等人，2022）。PMT最初是在心理学中发展起来的，用于概念化在风险下的保护性决策（Rogers，1975；Rogers和Prentice-Dunn，1997），近二十年来已被应用于自然灾害（Bubeck等人，2018；Grothmann和Reusswig，2006；Noll等人，2022），并被认为是解释个体CCA行为的主流理论（van Valkengoed和Steg，2019）。威胁评估涉及对风险的理性评估（感知概率和损害）和情感（担忧或恐惧），即如果不采取措施，结果会有多“糟糕”。应对评估考虑了适应响应（即如何减少威胁的影响以及个人是否觉得有能力采取必要的行动）。在洪水适应的情况下，“威胁评估”包括对潜在洪水的担忧、感知概率和预期损害；而“应对评估”则包括对适应措施感知成本、总体效果效能以及家庭在实施这些措施方面的自我效能，这也取决于过去实施其他措施的经验。此外，过去的洪水经历也会起到作用。威胁和应对评估的影响是从调查数据中 empirically 得出的，基于在非常近的未来采取措施的意图与感知和其他适应限制（包括社会影响）之间的关系，正如调查数据中所观察到的。使用逻辑回归，我们估计了一个家庭采取特定CCA措施的概率如何受到行为、经济和社会因素的影响。具体来说，逻辑回归考虑了代理人的威胁和应对评估、洪水经历以及已经采取的措施（详见报告技术模型描述的补充材料，即ODD）。代理人在初始化时使用经验函数，并在模拟过程中进行调整。每个时间步，根据不断演变的社会规范和可能的信息政策以及他们已经采取的措施，更新一个家庭打算采取的十个CCA措施中的每一个的概率。家庭还会检查他们是否有能力承担某项措施：他们积累储蓄（每个时期节省一部分月收入），这些储蓄需要超过该措施的成本（详见附录B中的各措施成本）。根据家庭代理人在县内的位置（如OpenStreetMap (OSM contributors, 2017) 中记录的住宅建筑），他们可能会经历1%（F-1:100）或0.2%（F-1:500）年超越概率（AEP）的降水事件，或者类似Harvey的降水事件，我们假设这大约相当于0.001%（F-1:10000）AEP的事件（Van Oldenborgh等人，2017）（见图2）。由于气候变化，极端事件如Hurricane Harvey预计会变得更加频繁，在这里作为CCA的基准危险。我们使用Super-Fast INundation of CoastS (SFINCS)模型（Leijnse等人，2021）生成了每个事件的洪水深度和范围。SFINCS之前已被用于模拟全球多个城市和沿海地区的洪水（Eilander等人，2023；Grimley等人，2023；Nederhoff等人，2023），包括Texas的Houston在Hurricane Harvey之后的情况（Sebastian等人，2021）。有关模型设置和降水事件推导的更多详细信息，请参阅补充材料。下载：下载高分辨率图像（614KB）下载：下载全尺寸图像 图2. 使用SFINCS模型生成的洪水深度图，分别对应1%年超越概率（AEP）降水事件（F-1:100，左）和0.2% AEP降水事件（F-1:500，中），以及类似Harvey的或0.001% AEP降水事件（F-1:10000，右）。我们采用标准方法，使用北美地区的洪水模型深度和深度-损害曲线来估计每个家庭的财产损失（Huizinga等人，2017）。鉴于我们的研究问题，我们在这里不模拟洪水事件的发生。相反，每个家庭代理人评估他们在不同洪水情景（F-1:100、F-1:500、F-1:10000）下的潜在洪水损害，以帮助他们评估私人CCA的好处并估计个体剩余损害。也就是说，如果一个家庭在时间步t投资了某种CCA，在时间步t+1他们的洪水损害会根据他们选择的措施的有效性按比例减少（详见附录B中的每种措施的有效性以及补充材料ODD中的损害计算方法）。2.1.2. 社会影响（中层）ABM的中层整合了不同的社会影响（见图1）。我们将社会影响定义为社交网络结构及其内部意见交换的结合。关于CCA讨论相关的社交网络确切连接性的数据几乎不存在，但网络结构——即家庭与谁交换意见——可能对私人洪水适应的传播很重要。为了系统地测试社会影响对私人CCA行为和剩余损害的影响，我们将没有家庭代理人之间互动的模拟（无网络 - NoN）与在三种常见网络中的代理人互动进行比较，这些网络展示了“典型”网络的特性：Erd?s-Renyi随机网络（N-ER）、Watts-Strogatz小世界网络（N-WS）和Barabasi-Albert无标度网络（N-BA）（Lehmann和Kaufmann，2005；Peach等人，2022）。N-ER的特点是所有节点的连接度相似（Erd?s和Rényi，1959）。N-WS的特点是平均路径长度高和聚类系数高（Watts和Strogatz，1998）。在度分布方面与N-ER相似，但其标准差较大，意味着一些节点的社会联系比其他节点更多（Peach等人，2022）（见图1，中间）。最后考虑的网络是N-BA，它具有层次结构，特别是与其他两种网络相比（Held等人，2015；Peach等人，2022）。其度分布遵循幂律渐近分布（Barabasi和Albert，1999），导致少数大型连接枢纽与其他节点相比。这三个网络代表了不同文化和背景下多样化的社会关系类型。除了定义代理人就风险和CCA选项交流意见的基本网络结构外，我们还指定了代理人与哪些类型的家庭互动。具体来说，对于给定的网络结构，我们根据同质性将代理人连接起来：如果家庭的收入、房屋和储蓄相似，它们更有可能相互连接。在ABM中，每个家庭代理人被随机分配到所选网络结构中的一个节点，并使用Degroot（1974）的意见动态模型与他们的联系人交换意见——该模型是各种意见动态模型的基础（Flache等人，2017）。家庭代理人的意见受到他们联系人意见的影响，这些意见根据调查中测量的社会期望进行加权。根据这些权重和社会网络中联系人的意见，家庭代理人调整他们的意见。交换的信息是多方面的，并与PMT相关：除了侧重于一维的意见交换（例如，仅交换适应决策）之外，家庭代理人还就多个项目交换意见。具体来说，他们可以交换有助于评估威胁的信息，如共享担忧（I-Worry）和感知的洪水损害（I-Damage），或者有助于评估应对策略的信息，如感知的成本（I-Costs）和措施的感知有效性（I-Effect）。我们没有包括对感知概率或自我效能的交换，因为这些概念更为抽象（前者，Strathie等人，2017）或较少受到意见交换的驱动（后者，Warner和French，2020）。我们不知道现实中的家庭最常谈论什么，因此在ABM中分别和联合测试了所有四个维度的信息交换（I-All）。2.1.3. 信息政策（宏观层）最后，我们引入了信息政策来引导意见，目的是推动私人CCA和风险减少（见图1，右）。这些信息政策通常是政府主导的传播活动，提供客观信息（例如基于专家的CCA措施的概率或有效性评估）。信息政策可以以多种方式设计，例如，通过改变传播信息的范围（例如，关于风险或解决方案），通过选择关注最严重的还是平均危害，以及是所有公民还是仅关注法定防洪区内的公民。为了捕捉信息政策如何干预意见动态，我们引入了一个与网络中的每个家庭相连的客观节点。该节点的值不会随时间变化，因为它代表了不同措施预期洪水损害成本及其有效性的客观值（详见附录C中的传达值）。我们通过测试仅在三种不同洪水情景下传播威胁信息的效果来改变信息范围（P-Damage-100、P-Damage-500、P-Damage-10000）、应对变量（P-Costs和P-Effect或组合P-Coping），或者这些的组合（P-All-100（P-Coping + P-Damage-100）、P-All-500（P-Coping + P-Damage-500）、P-All-10000（P-Coping + P-Damage-10000））。此外，我们测试将这些信息传递给每个家庭代理人（T-All）或仅传递给位于官方FEMA防洪区内的家庭代理人（T-Flood）（HCFCD，n.d）作为目标受众会有什么不同（T-Flood）。通常，只有位于官方防洪区内的家庭会收到风险信息，但更多人可能会从信息中受益（Rufat和Botzen，2022；Weill，2023）。为了明确区分，我们将“意见”用于描述代理人之间的交流，而“信息”用于描述来自政策的交流。2.2. 实验设计为了评估社会影响和信息政策对1000个家庭代理人中私人CCA扩散和总体剩余损害的作用，我们将相关模拟与基线情景进行比较（Exp 1，表1）。然后我们通过添加不同形式的社会影响（Exp 2，表1）和信息政策（Exp 3，表1）系统地构建实验。每个模拟运行80个季度步骤，代表20年。我们改变了不同的洪水情景、不同的社会网络结构、家庭之间交换的不同类型的信息，以及实施信息政策的不同方式。我们的实验设置包括120种独特的情景组合，每种组合重复50次，总共6000次模拟实验（不包括敏感性分析）。我们对合成家庭数量的敏感性分析——从1000个增加到10,000个和45,000个代理人——显示结果在质量上是相同的（见附录G）。表1。实验概述。

空单元格
实验因素
Exp 1：基线
Exp 2：社会互动
Exp 3：信息政策

家庭适应决策（数值使用调查数据初始化）

威胁评估因素：
担忧
感知到的洪水损害
感知到的洪水概率
平均值2.29，标准差1.12（1：完全不担心 – 5：非常担心）
平均值2.66，标准差1.23（1：不严重 – 5：非常严重）
平均值4.14，标准差2.62（1：完全安全 – 9：每年洪水超过一次）

应对评估因素：
措施m1-m10的感知效果
措施m1-m10的自我效能感知
措施m1-m10的感知成本
已经采取的其他措施
详见附录E，了解每个措施（m1-m10）的平均值和标准差

洪水经历
平均值0.55，标准差0.50（0：无经历，1：有经历）

风险概率与严重程度
0.1% AEP降水事件（百年一遇的洪水事件）
0.2% AEP降水事件（五百年一遇的洪水事件）
0.001% AEP降水事件（千年一遇的洪水事件）
(F-1:100)
(F-1:500)
(F-1:10000)

网络结构
节点数量：1000，详见附录D了解网络属性信息。
无网络（NoN）
无网络（NoN）
Erd?s-Renyi随机网络（N-ER）
Watts-Strogatz小世界网络（N-WS）
Barabasi-Albert无标度网络（N-BA）

家庭间意见动态中交换的信息类型
不适用

威胁评估因素：
担忧
感知到的洪水损害

应对评估因素：
措施m1-m10的感知效果
措施m1-m10的感知成本
上述所有因素（应对和威胁评估因素）
(I-Threat)
(I-Worry)
(I-Damage)
(I-Coping)
(I-Effect)
(I-Costs)
(I-All)

政策针对的信息类型 – 范围和严重程度
无政策
无政策

威胁评估因素：
不同洪水严重程度下的损害
100年一遇洪水
500年一遇洪水
10000年一遇洪水
(P-Damage-100)
(P-Damage-500)
(P-Damage-10000)

应对评估因素：
措施m1-m10的目标效果
措施m1-m10的目标成本
(P-Effect)
(P-Costs)

不同洪水严重程度下的应对与损害：
应对与100年一遇洪水
应对与500年一遇洪水
应对与10000年一遇洪水
(P-All-100)
(P-All-500)
(P-All-10000)

详见附录D了解传达的值

信息政策的目标受众 – 选择性
不适用
不适用
仅限洪泛区居民
所有人（T-Flood）
(T-All）

关注的结果
残余洪水损害（每个家庭）：DH = fD,H*Df*SD
H: 家庭损害系数
Df = 1216.65美元/平方米（最大损害每平方米）
S：房屋面积（平方米）（Huizinga等人，2017年；经通胀调整）

损害减少（每个家庭）：ΔDH = DH,noadapt – DH,adapt
DH,noadapt：采取适应措施前的家庭损害
DH,adapt：采取适应措施后的家庭损害

总残余洪水损害（总计）：Dtotal = ∑i+1nDH,in：家庭数量

适应扩散：随着时间推移，在代理群体中采取的结构措施比例（每个家庭5项措施）。

适应障碍：家庭根据其PMT本应采取措施，但由于缺乏资金而未能采取的次数。

为了回答我们的研究问题，我们追踪了这些不同因素对以下结果的影响：适应扩散、适应障碍、残余洪水损害和总残余洪水损害（见表1底部）。我们将CCA措施的适应扩散定义为在特定时间步骤中采取这五种结构措施的家庭人口比例。我们的模型估计了每个家庭以及整个地区在可能适应后的残余损害。

3. 结果与讨论

3.1. 基线情景下不同洪水风险下的私人适应采纳情况（Exp 1）

在基线情景（Exp 1）中，我们考察了三种洪水情景下的残余损害：F-1:100、F-1:500和F-1:10000，没有社会影响或信息政策。正如预期的那样，更严重洪水（F-1:10000）的总潜在损害大于较小事件（F-1:100）的损害。然而，图3显示了一些异常值——有些家庭代理可能遭受非常高的损害（最大残余洪水损害约为220,000美元），这与房屋的极高价值或合成人群最终位于高风险区域有关。无论哪种情况，我们的分析都关注受社会影响和信息政策影响的CCA决策的采纳情况，因此我们关注的是适应扩散以及相应的损害变化。

下载：下载高分辨率图像（129KB）
下载：下载全尺寸图像

图3. 三种洪水情景下无适应（NA）和有家庭适应（HA）的残余洪水损害DH的箱形图。须状线代表数据的最小值和最大值，箱形代表四分位数范围。数据的中位数以橙色表示，平均值以蓝色表示。

我们报告了无适应（NA）和家庭适应（HA）后的损害，这些数据对应于我们调查数据中报告的CCA水平分布。我们的结果表明，在没有社会影响或信息政策的情况下，私人适应的扩散非常低。这是因为家庭代理不会更新他们对风险的认知，因此很少重新考虑适应决策。尽管如此，HA适应减少了所有洪水情景下的残余损害（图3）。

结合我们调查数据中的适应模式，F-1:100事件的家庭平均残余损害减少了9750美元，F-1:500事件减少了10,700美元，F-1:10000事件减少了15,200美元（见图3中NA和HA情景的蓝线差异）。此外，F-1:100和F-1:500的最大损害较低，F-1:500和F-1:10000的中位数损害也较低。这表明即使适度采纳私人适应措施也能对减少最严重的损害产生积极影响。在F-1:10000情景中，残余损害的中位数是其他两种HA情景的三倍以上，反映了飓风哈维（0.001% AEP）与1%（F-1:100）或0.2% AEP（F-1:500）降水事件之间的洪水严重程度差异（图3，橙线）。

需要指出的是，我们只考虑了一个相对较短的时间跨度（约20年）。我们没有考虑适应措施的衰减，也没有考虑采取措施对威胁或应对评估的影响。此外，我们没有考虑同时采取多种措施的可能性。这可能导致对适应好处的高估或低估。我们的敏感性分析表明，三种不同洪水情景（F-1:100、F-1:500、F-1:10000）观察到的趋势在实验2和3中QUALITatively没有变化。因此，在接下来的分析中，我们只关注最极端的洪水事件（F-1:10000）。

3.2. 引入社会互动（Exp 2）

3.2.1. 关于风险和适应的意见动态对聚合损害的影响

为了回答关于社会动态对家庭适应影响的第一个研究问题，我们测试了之前介绍的三种常见网络结构N-ER、N-WS和N-BA，以及五种不同类型的意见交换（I-Costs、I-Effect、I-Damage、I-Worry）及其组合（I-All），并将其与没有适应的基线情况进行比较。社会影响是模型的关键要素，因为家庭代理的意见仅在社会影响的驱动下发生变化。

图4显示了与没有适应的基线相比，不同网络结构和意见交换组合下的平均残余洪水损害变化。无论网络结构如何，社会影响都会使每个家庭的平均残余洪水损害降低11-15%（图4）。主要影响来自于网络中交换的内容，而不是网络结构本身。这可能与完全连接的网络与同化型社会影响模型（Flache等人，2017年）的结合有关。

下载：下载高分辨率图像（123KB）
下载：下载全尺寸图像

图4. 社会互动对残余洪水损害DH的影响（与无适应相比的百分比变化），针对最极端的情景（Exp2：F-1:10000）。结果是基于50次蒙特卡洛运行的平均值。

在所有网络类型（N-BA、N-ER、N-WS）中，当代理交换关于感知成本的意见时（I-Costs列，图4），我们观察到较低的扩散和更大的损害。家庭代理之间交换关于CCA效果的意见通常会导致最高的适应扩散和最大的损害减少（与关于其他类型信息的意见动态相比，I-Effect列，损害减少15%，图4）。当考虑至少采取了一项结构CCA措施的代理与未采取措施的代理的平均残余损害时（I-Effect，表2），这一点得到了证实：采取适应措施的家庭代理平均损失5904至6166美元，而未采取措施的代理损失超过5000美元（见表2）。值得注意的是，无论社会网络的结构如何，如果家庭交换关于效果或损害的意见，CCA的扩散和私人CCA的好处最大。相反，当家庭代理在适应感知成本或担忧方面相互影响时（I-Costs、I-Worry），CCA的采纳率下降（图4），私人CCA的好处也下降（表2）。

表2. 模拟结束时各种社会网络中家庭的意见动态下的残余洪水损害DH。采取了至少一项结构适应措施的家庭与未采取措施的家庭相比较。结果基于50次蒙特卡洛运行的平均值，针对极端洪水情景（F-1:10000）。

空单元格
平均残余损害（每个家庭），DH，[$/HH]
社会网络中的互动
是否适应
私人适应的好处（差异）

Exp 2: N-BA
I-Costs
98,005
100,636
2631
I-Effect
93,532
99,651
6119
I-Damage
94,431
99,665
5234
I-Worry
96,971
99,988
3017
I-All
93,996
99,961
5965

Exp 2: N-ER
I-Costs
97,971
1100,718
2747
I-Effect
93,689
99,715
6026
I-Damage
94,541
99,646
5104
I-Worry
97,104
100,189
3086
I-All
94,071
99,975
5904

Exp 2: N-WS
I-Costs
97,922
100,780
2858
I-Effect
93,678
99,844
6166
I-Damage
94,851
99,865
5014
I-Worry
97,241
1100,337
3096
I-All
94,202
100,170
5969

家庭受哪些认知影响决定了他们的适应采纳情况。然而，还有其他因素可能影响个人的认知，例如洪水经历（Wachinger等人，2013年）。关于风险和适应认知变化的数据很少；如果仅在相对较短的时间内获得，且没有显示出显著变化（Bubeck等人，2020年；B. L. Noll，2023年）。这可能会影响适应采纳，并应进行调查。

3.2.2. 不同收入家庭之间的损害分布

除了观察总体结果外，我们的ABM还允许我们量化不同收入家庭之间的损害分布（第二个研究问题）。众所周知，在灾难事件中，低收入家庭受到不成比例的影响（Hallegatte等人，2020年）。我们的结果显示，这不仅涉及损害，还涉及适应的好处：由于私人CCA，高收入家庭的损害减少幅度始终更大（表3）。这里我们将“低收入”定义为调查数据中属于最低两个收入五分位的家庭代理；“高收入”家庭代理是指位于最高三个收入五分位的家庭代理。无论社会影响如何，高收入家庭代理减少的损害都大于低收入家庭代理。特别是考虑到低收入家庭代理可能拥有较少的资产需要保护，因此私人适应的好处在不同收入群体之间的差异令人担忧。证据表明，低收入家庭通常位于最危险的地区（Collins等人，2018年），并且他们拥有较少的社会资源和资本来帮助恢复（Bixler等人，2021年；Liu和Mostafavi，2023年）。此外，在我们的模型中，家庭代理的意见并不是固定的，不受他们的社会经济背景影响。我们预计，在现实中，不同收入群体的意见可能有不同的分布，例如高收入家庭可能受教育程度更高或更容易获得风险或应对信息，这会影响适应决策。尽管如此，我们结果中观察到的适应好处差异仍然显著，因为模型中的家庭代理是随机分布在住宅区的，高收入家庭代理也可能“居住”在危险区域。

表3. 在三种社会网络中存在社会影响的情况下，高收入和低收入家庭之间损害减少和适应障碍的差异（家庭希望适应但由于财务限制而未能采取措施的时间次数）。

平均ΔDH（对于F-1:10000）[$/HH]
平均适应障碍[次数/HH]（76次可能中）
低收入家庭不适应的可能性相对于高收入家庭

Exp 2: 社会互动
信息交换
低收入
高收入
次数更高
低收入
高收入

Exp 2: N-BA
I-Costs
965
3128
661.33
2.88
1.36
112.01%
I-Effect
111
1219
251.17
3.86
4.43
94.34%
I-Damage
1089
5179
201.64
7.12
3.60
97.85%
I-Worry
954
2146
271.53
5.19
2.25
131.12%
I-All
1245
0176
441.42
6.31
1.68
276.34%

Exp 2: N-ER
I-Costs
940
613
1081.39
3.04
1.49
103.83%
I-Effect
1082
319206
1.77
8.73
4.38
99.20%
I-Damage
1062
8179
371.69
7.20
3.54
103.38%
I-Worry
9287
14600
1.57
5.27
2.22
137.20%

家庭受哪些认知影响决定了他们的适应采纳情况。然而，还有其他因素可能影响个人的认知，例如洪水经历（Wachinger等人，2013年）。关于风险和适应认知变化的数据很少；如果仅在不同时间段内获得，且没有显示出显著变化（Bubeck等人，2020年；B. L. Noll，2023年）。这可能会影响适应采纳情况，应该进行进一步研究。

3.2.2. 不同收入家庭之间的损害分布

除了观察总体结果外，我们的ABM还允许我们量化不同收入家庭之间的损害分布（第二个研究问题）。众所周知，在灾难事件中，低收入家庭受到的影响不成比例（Hallegatte等人，2020年）。我们的结果显示，这不仅涉及损害，还涉及适应的好处：由于私人CCA，高收入家庭的损害减少幅度始终更大（表3）。我们将“低收入”定义为调查数据中报告的两个最低收入五分位的家庭代理；“高收入”家庭代理是指位于三个最高收入五分位的家庭代理。无论社会影响如何，高收入家庭代理减少的损害都大于低收入家庭代理。特别是考虑到低收入家庭代理可能拥有较少的资产需要保护，不同收入群体之间私人适应好处的差异令人担忧。证据表明，低收入家庭通常位于最危险的地区（Collins等人，2018年），并且他们拥有的社会资源和资本较少，难以帮助恢复（Bixler等人，2021年；Liu和Mostafavi，2023年）。此外，在我们的模型中，家庭代理的意见并不固定在他们的社会经济背景上。我们预期，在现实中，不同收入群体的意见可能会有所不同，例如高收入家庭可能受教育程度更高或更容易获得风险或应对信息，这会影响适应决策。即便如此，我们结果中观察到的适应好处差异仍然显著，因为模型中的家庭代理是随机分布在住宅区的，高收入家庭代理和低收入家庭代理“居住”在危险区域的可能性相同。这可能与他们的社会资本有关——较贫困的家庭代理人可能与其他贫困的家庭代理人有联系——并且在他们的直接网络中拥有较少的“适应性积极”的观点。在我们的模型中，这很可能是由财务限制驱动的——缺乏足够的收入或储蓄。他们可能试图采取适应措施，但由于缺乏储蓄而无法做到：低收入家庭的平均适应障碍几乎是高收入家庭的两倍（表3）。无论他们是否愿意适应，低收入家庭代理人平均有3-9次未能适应（四舍五入，表3 - 实验2：N-BA，I-成本；实验2：N-ER，I-效应），而高收入家庭代理人只有1-4次未能适应（四舍五入，表3 - 实验2：N-BA，I-成本；实验2：N-BA或N-WS，I-效应）。这意味着由于财务限制，低收入家庭代理人适应的可能性降低了280%（N-BA，I-全部，表3）。此外，我们假设每月的储蓄率为5%，与收入无关；然而，我们承认低收入家庭可能由于其他需求或生活成本相对于收入过高而无法使用这些储蓄来进行适应。我们进行了敏感性分析，发现模型中应用的储蓄率会影响采取适应措施的速度（附录G）。这些发现共同表明，尽管许多家庭代理人愿意投资于洪水适应措施，但他们受到了资金短缺的阻碍。在不同的研究中已经发现了收入和风险不平等问题（Bixler等人，2021年；Hallegatte等人，2020年；Liu和Mostafavi，2023年），在这里也再次出现。特别是反应性适应政策可能会加剧现有的脆弱性和不平等（Pahl-Wostl等人，2023年）。有针对性的政策或计划提供补贴以降低适应成本——尤其是对于更可能位于风险区域的低收入家庭（Liu和Mostafavi，2023年）——可能会增加适应洪水的低收入家庭的数量和比例。

3.3 信息政策（实验3）
对于信息政策，我们测试了不同的公共沟通策略。首先，我们改变了接收信息的人的选择性。我们检查了向所有人通报（T-All）与仅向位于洪泛区的家庭代理人通报（T-Flood）之间的差异，同时考虑了信息通过不同网络结构的传播方式。接下来，我们改变了信息范围。我们测试了通报应对策略（P-Coping），包括不同措施的有效性和成本信息，通报不同洪水情景下的损害情况（P-Damage-100、P-Damage-500、P-Damage-10000），或者同时通报这两种信息（P-All-100、P-All-500、P-All-10000）。与之前一样，每种组合都重复了50次，以控制随机种子数的影响。

3.3.1 在不同信息政策设计下剩余洪水损害的变化
信息政策在所有模型情景中都减少了剩余损害（图5）；然而，其效益有所不同。当比较向所有家庭代理人通报（T-All）与仅向位于洪泛区的家庭代理人通报（T-Flood）时，我们发现向所有人通报会激励他们加固房屋以抵御洪水，从而总体上减少了更多的损害。这并不奇怪，因为更多家庭代理人收到了有关洪水暴露和应对策略的信息，并可以据此采取行动。随着气候变化，实际洪水区域的边界正在变化，即使是以前安全的地方也可能面临风险（Aryal等人，2022年），因此位于官方洪泛区之外的家庭代理人也可能面临洪水风险。
下载：下载高分辨率图像（221KB）
下载：下载全尺寸图像
图5. 不同信息政策（针对所有人（T-all）与仅针对洪泛区内的家庭（T-Flood）对极端洪水情景下剩余洪水损害（DH，与未采取任何适应措施的百分比变化）的影响（实验3：F-1:10000）。
在T-Flood设置中，损害减少幅度始终低于T-All设置。对于T-All，洪水损害范围为89,000美元/户 ≤ DH ≤ 96,000美元/户（与未采取任何适应措施相比减少了高达19%的损害），而对于T-Flood，损害范围为93,000美元/户 ≤ DH ≤ 97,000美元/户（与未采取任何适应措施相比减少了不到15%的损害）。T-Flood的损害减少幅度较小，因为没有信息传播到洪泛区外的家庭（NoN设置），这意味着没有信息通过社会影响传递给这些家庭。而在包括社会影响的实验中（图5：T-Flood，对于N-BA、N-WS和N-ER网络），政策的信息并没有像向所有人通报那样在社交网络中广泛传播。社交网络中信息传播的减少可能是由于建模的时间跨度有限，导致信息没有快速且充分地传播。更有可能的是，信息與意见之间存在交互作用：政策提供的信息与其他家庭代理人的意见相互竞争并被“否决”，这意味着信息没有传播到直接接收者之外的家庭（即洪泛区内的家庭）。这可能是信息政策建模方式的一个特点。

为了使这些信息政策最有效，了解社交网络中交换的信息类型非常重要。例如，当人们仅交流洪水威胁的信息（I-Threat）时，通报应对策略（P-Coping）的效果不如当家庭还从网络连接中收到应对信息（I-Coping）时有效。这暗示了如果社会影响和沟通政策能够相互配合，可能会产生潜在的协同效应。为人们提供对预期洪水的实际损害预期似乎对于减少损害很重要。在P-All-1000和P-Damage-10000中，与通报较轻微的洪水情况（P-All-100或-500、P-Damage-100或-500）相比，损害减少幅度更大。

3.3.2 不同类型信息对改变行为和损害的重要性
观察传达的信息，我们发现它以不同的方式影响私人CCA行为（图6）。这导致专注于通报风险（P-Damage）或应对机制（P-Coping）的活动与同时通报这两种信息的活动在总体剩余洪水损害上存在差异，无论社会影响设置如何（图5）。

下载：下载高分辨率图像（272KB）
下载：下载全尺寸图像
图6. 20年后适应措施的扩散情况，作为所有可能采取的结构措施（每个家庭5项）的一部分（NoN、N-BA、N-ER、N-WS；所有I-All）和沟通政策（实验3：F-1:10000）。如果所有家庭都采取所有5项结构措施，适应措施的扩散将达到100%。附录F中显示了随时间变化的适应扩散情况。

观察网络结构，我们发现在没有社会影响的情况下，适应措施的传播速度和范围可以最大，但效果也可能最差（NoN，图6）。目标信息直接到达家庭代理人，并且不会受到连接者主观观点的影响，因为后者的观点被抑制了。这使得家庭代理人能够完全吸收信息（也见表4 – NoN，实验3），并据此采取行动。在这种设置中，传达的信息尤为重要，因为它直接影响适应措施的采纳情况（见图6b中P-Damage-100/-500/-1000的适应采纳差异）。然而，在现实中总是存在某种形式的社会影响，可能会以正面或负面的方式改变信息政策活动的影响。我们的结果显示，三种网络导致的适应扩散情况相似。政策随着时间的推移增加了适应措施的采纳率（更多细节见附录F），但不同信息政策的影响通过社会影响而减弱（图6）。

表4. 在0.001% AEP情景下，平均实际损害与感知损害之间的比较。我们将没有政策的实验（实验1和实验2）与有政策的实验（实验3）进行比较，针对不同的社会互动设置（NoN；N-BA/N-ER/N-WS，I-All）。我们比较了三种不同沟通情景（实验3：P-Damage-100、-500和-10000）中传达的损害因素（Communicated value (P-Damage) 与家庭的感知损害（Perceived flood damage at tend）。每个家庭根据其位置都有一个个性化的洪水损害因素；这里显示了所有家庭的平均值。
空白单元格
空白单元格
感知损害在tend
空白单元格
空白单元格
实验3：P-Damage-100
实验3：P-Damage-500
实验3：P-Damage-10000
洪水风险（F-1:10000）0.52
传达的价值（P-Damage）0.28
0.32
0.52
NoN
实验1 0.529
实验3：P-Damage 0.30
0.34
0.54
10
N-BA, I-All
实验2 0.43
实验3：P-Damage 0.35
0.37
0.48
N-ER, I-All
实验2 0.43
实验3：P-Damage 0.34
0.37
0.49
N-WS, I-All
实验2 0.43
实验3：P-Damage 0.33
0.36
0.509
这等于所有情景的初始感知损害10
这种高于P-Damage-10000传达的价值可能是由于在计算政策对家庭代理人意见影响时进行了四舍五入造成的。
当我们观察在没有网络设置（NoN）与其他三种网络（N-BA-N-ER，N-WS；表4）之间的感知损害变化时，这一点得到了证实。虽然Huizinga等人（2017年）提出的洪水损害因素的可比性值得质疑，但本研究中的家庭代理人倾向于高估（表4 – NoN，实验1：0.52）或低估（表4 – N-BA//N-ER/N-WS，I-All，实验2：0.43）F-1:10000情景下的洪水损害。实验3中的信息政策（P-Damage-100/-500/-10000）可以将他们引导到“正确”的方向，在NoN设置中效果最明显：P-Damage的传达价值与感知损害的高度一致（表4，NoN，实验3），而在其他网络中，平均感知损害与传达的损害之间始终存在差距（表4，N-BA/N-ER/N-WS，实验3）。

考虑到这种社会影响的多样性，重要的是要认识到开展风险信息活动是密集型的，其成功取决于许多因素（Kellens等人，2013年）。例如，如果再次发生类似哈维飓风的洪水（F-1:10000），向家庭通报1%或0.2% AEP事件可能导致的潜在损害（P-Damage-100，P-Damage-500）会让他们低估自己的洪水风险（表4：F-1:10000的风险为0.52，传达的风险（P-Damage-100，P-Damage-500）较低）。

3.4 私人适应对区域损害的累积效应
对飓风哈维造成的财产损失的估计各不相同。哈里斯县洪水控制区估计，在飓风哈维期间，有154,170处房产被淹没，约占哈里斯县总建筑物的9-12%（HCFCD，2018年）。从我们模拟的1000个家庭推断到哈里斯县实际受影响的约150,000个家庭，如果我们不采取进一步的私人CCA措施，我们估计在类似哈维的情景下总财产损失约为150亿美元（表5 – 累积剩余洪水损害，tStart）。我们的模型表明，仅通过社会影响的家庭适应就可以将这一损失减少多达10亿美元（表5 – 累积损害减少，实验2），而通过适当的信息政策，损失还可以进一步减少近18亿美元（表5 – 累积损害减少，实验3）。重要的是，私人适应的采纳是从基层开始的，具有成本效益，并且符合个人观点和社会规范。

表5. 家庭DH和总损害Dtotal（150,000个受影响的房产（即家庭）在哈里斯县的比较（美国人口普查局，2022年）——根据平均剩余洪水损害插值）。
空白单元格
空白单元格
剩余洪水损害DH[$/户]
累积剩余洪水损害Dtotal [十亿美元]
累积损害减少 [十亿美元]
实验
社会影响
政策
tStart
tEnd
tStart
tEnd
Dtotal,tStart
?Dtotal,tEnd
实验1
NoN
100,982
94,440
15.15
14.17
0.98
实验2：
N-BA, I-All
100,976
93,996
15.15
14.10
1.05
N-ER, I-All
100,993
94,071
15.15
14.11
1.04
N-WS, I-All
101,103
94,202
15.17
14.13
1.04
实验3：
NoNP-Coping, T-All
100
982
933
101
5.15
14.00
1.15
P-Damage-10000, T-All
100
982
9176
15.15
13.76
1.38
P-All-10000, T-All
100
982
891
40
15.15
13.37
1.78
N-BA, I-All
P-Coping, T-All
100,976
92,931
15.15
13.94
1.21
P-Damage-10000, T-All
100,976
93,492
15.15
14.02
1.12
P-All-10000, T-All
100,976
90,726
15.15
13.61
1.54
N-ER, I-All
P-Coping, T-All
100,993
91,115
15.15
13.67
1.48
P-Damage-10000, T-All
100,993
93,533
15.15
14.03
1.12
P-All-10000, T-All
100,993
90,702
15.15
13.61
1.54
N-WS, I-All
P-Coping, T-All
101,103
92,605
15.17
13.89
1.27
P-Damage-10000, T-All
101,103
93,577
15.17
14.04
1.13
P-All-10000, T-All
101,103
90,533
15.17
13.58

社会影响和信息活动的积极效应累积起来，显著减少了损害。然而，它们不能完全防止损害。私人适应决策是CCA中的一个重要因素；公共信息政策是促进跨规模成功适应的一个例子。为了缩小适应差距，需要在所有层面上大幅增加适应行动，从地方政府和私人利益相关者到国际气候政策（Magnan等人，2023年）。

4. 结论
本文系统地研究了社会影响和信息政策在私人财产层面适应决策及最终区域损害减少中的作用。我们系统地测试了不同网络结构和信息政策对家庭决定适应洪水的影响，并估计了在损害减少方面的相关效益。我们采用了来自美国德克萨斯州哈里斯县的实证调查数据和模拟的洪水淹没数据，来开发一个关于家庭灾难准备行为的-Agent-Based Model（ABM），并研究了在个体和社会过程相互作用的情况下政策的效果。尽管我们只研究了一个有限的地理区域以及十种私人财产层面的适应措施，但仍可以得出一些一般性的结论。我们发现，在这个社交网络中交流的信息类型（例如关于损害、担忧、成本或措施效果的信息）对适应行为的传播以及最终的区域损害有显著影响（与不采取任何措施相比，损害减少了10%-15%），其中低收入家庭适应行为的可能性始终较低。尽管如此，这对信息政策的设计来说是个好消息，因为这表明在不同的社交网络结构中（这些结构可能因文化而异），影响个人观点并决定是否广泛采用家庭层面灾难准备措施的关键仍然是信息类型。信息政策可以进一步支持私人适应行为。根据通过调查获得的实证行为模式，并在我们的ABM中动态地研究这些模式在空间和时间上的变化，我们观察到，同时针对家庭的应对措施和风险评估进行公共沟通（提供有关不同适应措施的成本/效果以及避免的私人损害的信息）似乎在进一步减少区域预期损害方面最为有效（损害减少了20%）。仅传播关于风险的信息（如不同洪水情景下的预期损害）的陷阱在于，这可能导致人们误判私人风险，或者在缺乏可采取行动途径的情况下因焦虑而产生行为瘫痪，这两种情况都会导致更少的家庭采取适应措施，从而在更极端的事件（如哈维飓风）中造成更大的损害。

我们的发现对灾难准备政策的设计具有直接意义。虽然有几项研究建议提供公共信息作为灾难准备的干预措施，但很少有研究关注这些干预措施的设计。在这里，我们发现信息政策的不同特征——包括其范围、选择性和严厉性——可能会影响政策的有效性。例如，包含应对信息（如适应措施的成本和效果）的信息政策通常比仅仅传播风险信息更有效。此外，确保信息能够传达到所有人而不仅仅是高风险人群也很重要。我们还认为，信息政策的有效性可能依赖于社交网络的结构以及网络内部交换的内容（因此可能比现有研究假设的更为依赖于具体情境）。未来的工作需要进一步探讨这一点，特别是不同意见动态模型对行为出现的影响，以及在这种实证背景下现实的网络结构和信息交换方式。具体来说，网络结构和非正式信息交换可能因地点和文化而大相径庭。我们需要研究哪些人具有影响力，人们如何相互连接，收入或教育等其他特征的同质性是否起作用，以及信息交换的频率和强度（即人们观点受影响的程度）。同时，也需要认识到现有的脆弱性和不平等问题。此外，我们还需要了解其他机构（如媒体、政府机构、规范（Davidson等人，2024年）对人们灾难准备信念的影响——这里使用的信息政策只是这方面的初步尝试。最后，私人灾难准备只是更大范围灾难准备中的一部分，需要在多个层面上实施；我们需要深入理解公共和私人行动之间的相互作用。

**作者贡献声明：**
- Thorid Wagenblast：撰写——审稿与编辑、撰写——初稿、可视化、验证、软件、方法论、正式分析、概念化。
- Tatiana Filatova：撰写——审稿与编辑、监督、项目管理、方法论、概念化。
- Lauren Grimley：撰写——初稿、方法论。
- Antonia Sebastian：撰写——审稿与编辑。
- Nihit Goyal：撰写——审稿与编辑、概念化。