计算机模型在洪水前评估风险

在水位上涨之前, 政府, 银行和保险公司可以帮助生活在洪水易发地区的人们, 这要感谢北卡罗来纳大学吉林斯全球公共卫生学院的研究人员.

格雷格Characklis教授, 环境系统金融风险研究中心主任, 他的团队使用尖端的数学技术开发了计算模型，将人口普查记录与环境和金融数据相结合，以评估风险. 这种首创的建模涉及一系列先进的方法, 包括机器学习, 估计抵押贷款违约和财产放弃的概率下降到社区规模. Characklis是W.R. 该小. 学院环境科学与工程系特聘教授.

这些模型所显示的可以帮助决策者和利益相关者制定有效和公平的战略，帮助社区恢复. 在洪水和其他自然灾害之后，人们有时会放弃受损的房屋. 他们可能会拖欠抵押贷款，因为维修费用要么负担不起，要么高于房产的价值.

格雷格Characklis

有了更好的风险信息，决策者就有更好的机会通过援助项目降低抵押贷款违约率. 它还可以降低房产遗弃率, 当业主和贷款人都不承担损坏财产的责任时，会发生什么. 在这种情况下，地方政府往往承担维护或拆除它们的负担.

这些模型产生基于人口普查区的汇总数据报告, 它们都很小, 一个县相对固定的统计区域平均约为4,000居民. 报告指出了政府和实体可以通过制定政策来帮助的高风险社区, 提供资源, 补贴洪水保险或建立买断计划. 这些模型使用的数据是家庭靠近溪流和其他水体的数据, 家海拔, 铺地, 洪水政策及理赔. 这些模型还会评估人口普查记录, 抵押贷款数据和房屋价值，以估计损失的金额和估计违约或放弃的风险.

通过估算抵押贷款余额和房屋价值, 研究人员确定哪些房主可以用房屋净值抵押贷款来进行洪水后的维修. “那些抵押贷款余额较低、房屋净值较高的人更有能力以房屋价值为抵押进行贷款. 拥有洪水保险的房主不太容易违约，因为他们有能力利用他们的保单来偿还部分或全部损失,Characklis说.

对于一个 2023年的一项研究发表在 地球的未来上, 一个模型估计，在北卡罗来纳州东部，由于财产价值变化和与佛罗伦萨飓风有关的未投保的洪水损失，以前未量化的金融风险为5.62亿美元. Characklis和Antonia Sebastian, 地球助理教授, 海洋与环境科学, 与第一作者霍普·汤姆森共同撰写了这篇论文, 研究生.

“所有这些金融风险之前都没有被量化，”Characklis说. “我们的工作有可能提供可以用来改善人们处境的信息.”

Characklis已经向一些州政府官员简要介绍了这些模型的性能, 他打算通知N.C. 大会成员. 北卡罗来纳合作实验室由联合国大会设立，为实验室的工作提供资金.

“我们的政府不希望人们长时间呆在联邦应急管理局的拖车里、汽车旅馆或酒店里,他说. “通过识别经济上有风险的群体，国家可以更好地确定援助目标.”