全国洪水模型对家庭和财产的风险评估很不到位

2024年7月24日，加利福尼亚州尔湾市——加州大学尔湾分校的研究人员表示，政府机构、保险公司和灾害规划人员依赖于私营部门提供的国家洪水风险模型，但这些模型在较小范围（如社区和单个财产）内并不可靠。

加州大学尔湾分校土木与环境工程系专家在最近发表于美国地球物理联合会期刊《地球的未来》上的一篇论文中警告称，相对较新的全国性洪水数据未能充分展现当地地形和基础设施情况，而这些因素是已知的控制城市地区洪水蔓延的因素。

“在对洛杉矶县的分析中，我们发现该县人口超过40个美国州，并拥有80多个独立市政区。全国数据所得的全县洪水暴露估计值实际上与我们使用更详细模型得出的结果相似。然而，关于哪些社区和财产面临风险的预测则大相径庭，”第一作者、加州大学尔湾分校土木与环境工程学及城市规划和公共政策学特聘教授布雷特·桑德斯说。

“此外，这些模型之间的差异意味着不同社会群体（包括黑人、白人和弱势社会阶层）在暴露程度上的不平等，”他说。“暴露热点和社会不平等是城市洪水风险规划中的关键因素，而过度依赖这些数据可能导致保护措施的适应不良。”

桑德斯和加州大学尔湾分校以及迈阿密大学的同事开发了一个名为PRIMo-Drain的更详细模型，据说该模型通过纳入高分辨率地形数据、堤防和河道状况信息以及涵洞、地下管道和街道排水等雨水基础设施的详细信息，提高了洪水淹没预测的准确性。

“我们将暴露评估与全国数据模型以及PRIMo-Drain进行了对比，发现各城市的估计值相差10倍，”桑德斯说。“此外，我们发现全国数据和加州大学尔湾分校的数据在哪些财产面临极端事件引发的一英尺以上洪水风险问题上只有四分之一的概率是一致的。”

他说，绘制美国各地洪水危害的联邦计划未能跟上土地利用和气候变化的步伐，而各级政府以及保险行业迫切需要这些信息来管理风险。

“为满足这一需求，私营部门出现了新的全国性数据来源，但遗憾的是，这些模型缺少准确绘制城市地区洪水风险所需的详细程度，”桑德斯说。“新模型若能纳入更完整的排水基础设施表示（如堤防、洪水通道、涵洞和雨水排水系统），以及测深和水文数据，将大有裨益。”

他和同事还指出了一项获取更好全国性数据的新策略。

“科学家和工程师与利益相关者合作，使用尖端区域模型进行协作式洪水建模，可以形成规模经济，降低覆盖较贫穷和较小社区所需的间接成本，同时提高受影响人群的洪水意识和准备程度，”桑德斯说。“洪水风险意识对于参与洪水保险计划至关重要；更准确的数据将帮助保险公司识别可投保财产；财产所有者也将更清楚地了解防洪措施的成本效益。”

参与该项目的还有加州大学尔湾分校土木与环境工程系研究专家约亨·舒伯特和迈阿密大学的凯瑟琳·马赫。该团队得到了First Street Foundation的数据协助以及NCAR-Wyoming超级计算中心的高性能计算支持，该中心获得美国国家科学基金会的资助。