Vad driver bildandet och utvecklingen av samarbetsnätverk vid extrema väderhändelser: en studie baserad på exponentiell slumpmässig grafmodell

Varför samarbete under stormar spelar roll

När en stad drabbas av rekordstora regnmängder kan ingen enskild myndighet hantera krisen ensam. Brandmän, meteorologer, transportansvariga, grannskapsvolontärer och många andra måste samordna insatser under extrem tidspress. Denna artikel undersöker vad som faktiskt driver det samarbetet i kaoset vid extremt väder, med de dubbla skyfallen i Zhengzhou, Kina, 2021 som ett naturligt experiment. Genom att jämföra en första, dåligt koordinerad insats i juli med ett mycket mer effektivt agerande vid en liknande nederbörd i augusti visar författarna hur nödsamarbetsnätverk bildas, varför de ibland fallerar och hur de snabbt kan förbättras.

Två stora stormar, två mycket olika insatser

I juli 2021 översvämmades Zhengzhou av ett hundraårsregn, vilket orsakade stora förluster och offentlig kritik mot det lokala agerandet. Bara en månad senare drabbade ännu ett kraftigt skyfall stora delar av samma område, men denna gång fungerade stadens nödsystem smidigare: färre organisationer var inblandade, samtidigt som samordningen var tajtare och snabbare. Denna ovanliga följd av katastrofer gav en sällsynt möjlighet att observera hur samarbetsmönster förändras på kort tid under nästan identiska förhållanden. Författarna rekonstruerade vilka som samarbetade med vem i varje händelse utifrån hundratals officiella nyhetsrapporter och myndighetsdokument, och omvandlade sedan dessa kopplingar till två stadsövergripande kartor över samarbete: ”julinätverket” och ”augustinätverket”.

Hur forskarna läste den dolda väven

För att gå bortom enkla uppräkningar av vem som pratade med vem använde forskarteamet ett statistiskt verktyg kallat Exponentiell Slumpmässig Grafmodell. Istället för att behandla varje partnerskap som en isolerad händelse undersöker denna metod hur hela mönstret av länkar uppstår. Den kan pröva till exempel om organisationer tenderar att föredra regeringspartners, liknande typer av myndigheter, bygger vidare på tidigare gemensamma övningar eller klustrar sig till tätt sammanlänkade grupper. Den fångar också självorganiserande tendenser: stjärnliknande mönster kring starka nav, slutna trianglar där ”en väns vän blir en partner”, och öppna kedjor där en megler länkar annars separata grupper. Genom att jämföra många simulerade nätverk med de verkliga kunde författarna se vilka tendenser som bäst förklarar de observerade mönstren i juli respektive augusti.

Vad som påverkar vem som teamar upp i en kris

Studien visar att både yttre omständigheter och intern struktur spelar roll, men interna nätverksmönster dominerar ofta. I juli visade organisationerna tydliga preferenser: de var mer benägna att samarbeta med ideella grupper och med organ som hade kommandounder eller samordningsroller, samt med dem som kontrollerade människor eller pengar. Myndigheter på samma förvaltningsnivå och med liknande uppgifter tenderade också att knyta kontakt och bilda välbekanta, bekväma kluster. Dessa attributbaserade preferenser kunde emellertid inte fullt ut förklara hur nätverket såg ut eller presterade. Den starkaste drivkraften var transitivitet: organisationer var särskilt benägna att samarbeta med partner som redan delade en gemensam samarbetspartner, vilket skapade många tätt sammanlänkade trianglar. Denna ”väns-vän”-effekt stödde förtroende, snabb informationsdelning och pålitliga resursflöden, medan långa kedjelika broar spelade en mindre roll än man ofta antagit.

Lärande från övningar och från praktiskt agerande

Samarbete före katastrofen lämnade djupa spår i nätverken. Gemensamma beredskapsövningar som genomfördes före skyfallen gjorde det lättare för organisationer att samarbeta när den första stormen slog till. Ännu mer betydelsefull var färsk praktisk erfarenhet: julinsatsens nätverk blev i sig en stark prediktor för vilka som skulle samarbeta i augusti. När den andra stormen anlände behövde myndigheterna inte längre förlita sig lika mycket på matchande roller, sektorstyp eller formella planer. Istället återanvände och effektiviserade de de partnerskap som just prövats i verkligheten, släppte mindre användbara länkar och förstärkte effektiva smågrupper. Augustinätverket var mindre men tätare, med kortare vägar mellan aktörerna och mer klustring—bevis på ett slankare, mer effektivt nät byggt på mycket färska erfarenheter.

Vad detta innebär för säkrare städer

För icke-specialister är huvudbudskapet att framgången i en storminsats beror mindre på fasta organisationsscheman och mer på levande nätverk av förtroende och vana. Stabilt, tvärsektoriellt mikrosamarbete där aktörer tränar tillsammans, delar information väl och redan litar på varandra kan aktiveras snabbt när katastrofen inträffar, vilket gör ”vem som känner vem” lika viktigt som ”vem som ansvarar”. Nödlägesplaner och övningar är fortfarande viktiga, men endast om de ständigt uppdateras och kopplas till verkliga operationer så att lärdomar från kriser inte går förlorade. Genom att medvetet vårda dessa samarbetande nät innan nästa extrema väderhändelse kan stadsregeringar reagera snabbare, samordna bättre och skydda fler liv när himlen öppnar sig igen.

Citering: Qie, Z., Bai, N. & Sun, Y. What motivates the formation and evolution of emergency collaboration networks for extreme weather events: a research based on exponential random graph model. Humanit Soc Sci Commun 13, 461 (2026). https://doi.org/10.1057/s41599-026-06800-4

Nyckelord: samarbetsnätverk vid nödsituationer, insatser vid extremt väder, katastrofkoordination, analys av sociala nätverk, stadens resiliens