Significant negative impacts are observed in productivity, economy, and social well-being because of the reduced human activity due to extreme events. Community resilience is an important concept to understand and quantify the impacts of an extreme event to population activity. Resilience is generally defined as the ability of a system to manage shocks and return to a steady state in response to an extreme event. In this paper, we analyze aggregate location data from Facebook in response to Hurricane Ida. Using changes in the number of Facebook users before, during, and after the disaster, we empirically define and quantify community resilience as a function of the magnitude of impact and the time to recover from the extreme situation. We measure resilience and the transient loss of resilience in population activity for the affected communities in Louisiana. The loss in resilience of the affected communities was explained by three types of factors, including disruption in physical infrastructures, disaster conditions due to hurricanes, and socio-economic characteristics of a community. We find that a greater loss in community resilience is associated with factors such as disruptions in power and transportation services and disaster conditions. We also find socioeconomic disparities in loss of resilience with respect to median income of a community. Understanding community resilience using the decreased population activity levels due to a disaster and the factors associated with loss in community resilience will allow us to improve hazard preparedness, enhance disaster management practices, and create better recovery policies towards strengthening infrastructure and community resilience.


翻译:社区复原力是了解和量化极端事件对人口活动的影响的重要概念。复原力一般被定义为应对极端事件而管理冲击和恢复稳定状态的系统的能力。本文分析脸书针对 " Ida " 飓风提供的综合定位数据。利用脸书用户人数的变化,在灾害发生之前、期间和之后,我们通过经验确定和量化社区复原力,视其影响程度和从极端局势中恢复的时间而定。我们衡量路易斯安那受影响社区人口活动的复原力和过度丧失。受影响社区的复原力受到三种因素解释受影响社区的复原力丧失,包括有形基础设施的中断、飓风造成的灾害状况以及社区的社会经济特征。我们发现,社区复原力的更大损失与诸如电力和运输服务中断以及灾害条件等因素有关。我们还发现,在社区中位收入的复原力损失方面存在社会经济差距。我们了解,利用减少的人口复原力衡量路易斯安那地区受影响社区人口活动在适应能力方面的暂时丧失。受影响社区的复原能力,将随着社区抗灾能力的降低,提高社区适应能力,从而提高社区抗灾能力,提高社区适应能力,同时提高社区适应能力,提高社区适应能力,因为灾害管理能力,提高社区适应能力,提高社区复原能力,提高社区适应能力,提高灾害的能力。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
20+阅读 · 2022年10月10日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Arxiv
26+阅读 · 2019年3月5日
VIP会员
相关VIP内容
相关资讯
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员