Deep Impact: Geo-Simulations as a Policy Toolkit for Natural Disasters

پیامدهای ناشی از بلایای طبیعی پس از فاجعه در مناطق کم درآمد مانند افزایش سطح مهاجرت درونی و میزان مصرف کم، ناشی از شکست بازار، سازوکار ضعیف برای ثبات درآمد و فقدان بازارهای بیمه ای است که مردم را تحت تاثیر قرار می دهد تا پاسخ دهند و سازگاری پیدا کنند به شوک آنها روبرو می شوند. در محیط فضایی، با مکان های متعدد با بازارهای مستقل اما متصل، این انتقال به سرعت به پیچیده و غیر خطی به دلیل حلقه های بازخورد بین تصمیم های کوچک در سطح فردی و تصمیمات بازار داخلی. برای ترسیم این تعاملات مرسوم مداوم در حال تکامل، این مقاله ارائه یک مدل مبتنی بر عامل مبتنی بر فضایی صریح برای تجزیه و تحلیل شوک های فاجعه بار طبیعی به مناطق کم درآمد است. هدف از مدل این است که به طور موقت و فضایی، چگونه میزان توزیع جمعیت، درآمد و سطح مصرف، به منظور شناسایی کارگران کم درآمد که ناامن غذا هستند، تکامل یافته است. این مدل به زلزله سال 2005 در شمال پاکستان اعمال شده است که با افت و خیزهای فاجعه بار و سطوح بالای جابجایی در کوتاه مدت مواجه شده و با اختلال در بازار، سطح بالای عدم امنیت غذا را به همراه داشته است. این مدل به روند پیش از بحران کالیبره شده است و با استفاده از خروجی های مبتنی بر فاصله و کارکردهای از دست رفته برای تکثیر تأثیرات زلزله شوکه شده است. نتایج مدل نشان می دهد که چگونه عوامل مختلفی مانند درآمد موجود و سطوح صرفه جویی، فاصله از خط گسل و اتصال به مکان های دیگر، می تواند بینش های مربوط به ظهور فضایی و زمانی آسیب پذیری را ارائه دهد. چارچوب شبیه سازی ارائه شده در اینجا، از فعالیت های مدل سازی فعلی که اغلب با برآورد های از دست دادن کل درامد طولانی مدت برخورد می کند، جلوگیری می کند و به سیاست گذاران اجازه می دهد تا سیاست های کوتاه مدت را در محیطی که داده ها در آن وجود ندارد، ارائه دهند، وابسته و منابع محدود هستند.