基于代理模型的野火后住房恢复模拟

《Scientific Reports》：Post-wildfire housing recovery simulation via an agent-based model

　　

摘要

随着气候变化导致灾害的频率和严重程度增加，为灾后住房恢复制定主动规划对于减轻长期的社会和经济影响至关重要。计算模型可以通过模拟潜在的恢复路径来支持这一规划过程，但许多现有方法受到数据量庞大或适用范围有限的制约。在这里，我们介绍了RAAbIT（基于代理的工具的恢复评估模型），这是一种新颖的基于代理的模型，旨在利用灾害发生几周内可获得的数据来模拟住房恢复过程。RAAbIT将单个家庭、保险公司和承包商视为受经验行为规则约束的代理，并结合了可修改的系统级约束（如承包商的可用性），以反映特定情境下的恢复动态。我们通过回顾加利福尼亚州的两场野火——2017年圣罗莎的Tubbs火灾和2018年帕拉迪斯的Camp火灾——来展示该模型的实用性，这些火灾展示了不同的恢复路径。尽管面临的灾害情况相似，但两个社区的重建结果却大相径庭：圣罗莎在五年内重建了57%的受损房屋，而帕拉迪斯仅重建了9%的房屋。RAAbIT能够再现建筑许可和施工数据中观察到的恢复时间和空间模式。通过在通用性与数据真实性之间取得平衡，RAAbIT为灾后恢复规划提供了一个灵活且可迁移的工具，有助于在不确定性下做出更有效的决策，并增强社区在面对日益加剧的气候风险时的韧性。