Модель, основанная на данных соцсетей, для оценки взаимосвязанных ущерба от наводнений и устойчивости на мелком масштабе

Почему эта история о наводнениях и телефонах важна

По мере того как в городах под изменением климата участятся сильные ливни, планировщикам срочно нужно знать не только где наводнения наносят наибольший урон, но и какие районы восстанавливаются быстрее. В этом исследовании прослеживается катастрофический ливень июля 2021 года в Чжэнчжоу, Китай, и показано, как посты в соцсетях — просьбы о помощи, фотографии и выражения страха — можно превратить в подробные карты как ущерба от наводнения, так и устойчивости. Работа объясняет, почему некоторые районы с развитой инфраструктурой всё равно сильно страдали, тогда как другие избегали худшего, и предлагает дорожную карту для более грамотного планирования уличного уровня против наводнений в городах по всему миру.

От дождя на улицах до сигналов на экранах

Исследователи начали с переосмысления того, как мы измеряем последствия наводнений. Традиционные подходы опираются на грубые статистики — страховые выплаты или отчёты властей — которые сглаживают различия между кварталами и улицами. Здесь команда собрала более восьми тысяч сообщений с нескольких онлайн‑платформ, включая Weibo и краудсорсинговые документы по спасению, во время и после шторма в Чжэнчжоу. С помощью геометок и анализа текста они построили два типа индикаторов ущерба: физический ущерб, основанный на местах, где люди искали и предлагали материальную помощь, и психологический ущерб, выводимый по эмоциональной окраске постов, описывающих панику, потери или облегчение. Эти сигналы нанесли на сетку с ячейкой один километр, покрывающую центр города, что позволило получить детальные карты того, насколько сильно пострадала каждая территория.

Видеть город как сеть сильных и уязвимых мест

Ущерб — это лишь половина картины; другая половина — устойчивость — способность справляться и восстанавливаться. Команда собрала широкий набор признаков устойчивости для каждой ячейки сетки. Сюда вошли экологические условия (такие как зелёные зоны и расстояние до рек), социально‑экономический контекст (плотность населения, возрастная структура, цены на жильё) и, что особенно важно, наличие и доступность служб — пожарных частей, больниц, дорожной сети, общественных объектов и укрытий. Они различали «базовую» устойчивость, укоренённую в долгосрочных характеристиках инфраструктуры и институтов, и «адаптивную» устойчивость, отражающую концентрацию волонтёрских усилий, временных укрытий и социальных спасательных действий, инициированных через соцсети. Вместе эти слои создали многомерный портрет того, насколько подготовлена, связана и отзывчива была каждая часть города в момент удара шторма.

Сопоставление онлайн‑тревоги с реальным наводнением

Чтобы убедиться, что данные соцсетей действительно отражают физическое затопление, авторы сравнили плотность постов, связанных с ущербом, со спутниковыми картами затоплений с учётом плотности населения. Совпадение оказалось сильным: в местах с большим количеством воды на земле и большим числом жителей фиксировалось больше сообщений о бедствии. Затем они применили машинное обучение — пошаговую кластеризационную модель — в сочетании с техникой иерархической раздельной оценки, чтобы распутать, какие факторы устойчивости сильнее всего формировали наблюдаемый ущерб. Доступность пожарных частей оказалась самым важным фактором, за ней шли близость медицинских учреждений, структура дорожной сети, плотность населения и плотность общественных служб. Удивительно, но растительность и другие природные факторы внесли относительно небольшой вклад при этом экстремальном ливне, когда объёмы воды превысили способность земли их впитать.

Город, разделённый на пять типов риска

Далее команда исследовала, насколько согласованы между собой устойчивость и ущерб, используя меру сопряжённости‑координации. Это позволило разделить город на пять типов зон — от больших потерь и слабой устойчивости на окраинах до плотно застроенных центров с хорошими службами, но всё же серьёзными потерями. Отдалённые пригородные деревни (Категория A) имели относительно хорошие природные условия, но плохой доступ к экстренным службам и мало общественных объектов, что оставляло жителей уязвимыми при наводнениях. Новые переселённые районы и промышленные пояса (Категория B) сочетали высокий риск с тонкими социальными связями и слабо развитой инфраструктурой. Старые соседства ближнего круга и университетские районы (Категории C и D) справлялись лучше благодаря более сильным институтам, плотной сети дорог и служб и тесным сообществам. Оживлённый центр города (Категория E) демонстрировал высокую устойчивость, но также очень большой ущерб, поскольку концентрация людей и активности превышала пропускную способность даже хорошо оснащённых систем.

Преобразование выводов в целевые действия

Опираясь на эти шаблоны, авторы наметили адаптированные стратегии для разных городских ситуаций. В изолированных пригородных зонах они рекомендуют расширять аварийные маршруты и покрытие связью. Новым жилым районам и промышленным окраинам нужны местные группы взаимопомощи, соседские склады с запасами и лучшие повседневные услуги, чтобы укреплять социальные связи до наступления бедствий. Промежуточным кольцам города полезны более проницаемые поверхности и восстановление береговых буферов для управления стоком. Старые центральные кварталы и университетские территории могут использовать свои сильные общественные связи, обозначая школы и общественные здания в качестве общих укрытий. В густонаселённых деловых центрах добавление небольших парков и открытых пространств, которые также служат для дренажа и сборов, может помочь снизить нагрузку на перегруженные системы.

Что это значит для городов, готовых к наводнениям

Проще говоря, исследование показывает, что то, что спасает жизни и снижает страдания при городских наводнениях, — это не только куда уходит вода, но и как быстро помощь может добраться до людей и насколько эффективно соседи могут мобилизоваться. Объединив сигналы соцсетей, карты физического затопления и богатый набор городских характеристик, авторы создают практичную схему, которую могут адаптировать города с активными онлайн‑сообществами. Их ключевое послание: инвестиции в экстренные службы, дорожный доступ и сети общественной поддержки не менее важны, чем дренажи и дамбы — и с правильными инструментами цифровые следы кризиса могут направлять очень конкретные улучшения «квартал за кварталом» в устойчивости к наводнениям.

Цитирование: Sun, D., Mi, X., Zhang, Z. et al. A social media driven model for evaluating coupled flood damage and resilience at a fine scale. Sci Rep 16, 14451 (2026). https://doi.org/10.1038/s41598-026-44294-x

Ключевые слова: урбанистическая устойчивость к наводнениям, данные социальных сетей, картирование рисков бедствий, доступ экстренных служб, адаптация к изменению климата