Дані та аналітика

Нова база даних вперше картографує ризики зсувів для 6,5 мільйона американців

B

by University of Washington

3 хв читання

Концептуальна ілюстрація карти США з накладеними шарами даних, що відображають схильність до зсувів та соціально-економічну вразливість у регіонах Аппалачів та Західного узбережжя.

Систематична оцінка ризиків зсувів у США

Нова база даних Landslide Exposure Database (LED), розроблена дослідниками Університету Вашингтона, є першим ресурсом, що систематично картографує ризики зсувів для будівель по всій території Сполучених Штатів. Раніше не існувало загальнонаціонального обліку людей, які найбільше піддаються ризику зсувів, попри те, що вони щорічно завдають збитків на мільярди доларів та призводять до численних жертв.

LED оцінює 128 мільйонів будівель за схильністю до зсувів та використовує соціально-економічні дані для оцінки вразливості мешканців до небезпек та руйнувань, спричинених зсувами.

Ключові висновки та географічна концентрація

Згідно з аналізом, приблизно 6,5 мільйона людей проживають у регіонах, схильних до зсувів. Більшість цих людей зосереджені в Аппалачах та вздовж Західного узбережжя. Хоча майже 20% території країни схильні до зсувів, там проживає лише 2% населення, що становить близько 6,5 мільйона осіб.

80% мешканців із найвищим ризиком живуть або на Західному узбережжі, або в Аппалачах. Західна Вірджинія виявилася штатом із найбільшою часткою мешканців у зоні ризику.

Міський та сільський поділ у вразливості

Дослідження виявило значний поділ між міськими та сільськими районами щодо вразливості до зсувів:

  • У сільській місцевості громади, схильні до зсувів, часто стикаються з більшими економічними обмеженнями і, отже, є більш вразливими. Мешканці там, як правило, мають менше ресурсів для підготовки або відновлення після зсуву і частіше проживають у структурах, віддалених від служб екстреної допомоги.
  • У міських районах ситуація протилежна. Схильні до зсувів території в містах часто є високоцінними районами на схилах пагорбів з бажаними краєвидами. Населення, що проживає там, як правило, більш забезпечене та має більші фінансові можливості для відновлення після збитків.

Методологія та значення

Для створення нової бази даних дослідницька група об'єднала кілька великих наборів даних: карту рельєфу та схильності до зсувів від Геологічної служби США; дані про забудову від Overture Maps Foundation та Корпусу інженерів армії США; а також соціально-економічні дані від Бюро перепису населення, що включали інформацію про дохід, інвалідність, доступ до транспорту та стан житла.

Результати надають державним установам та менеджерам з надзвичайних ситуацій спосіб пріоритизувати ресурси для освіти та пом'якшення наслідків зсувів. Вони також можуть допомогти окремим мешканцям зрозуміти власний ризик. Дослідники застерігають від універсального підходу до політики щодо зсувів, рекомендуючи стратегії, специфічні для кожного регіону. Наприклад, це можуть бути системи раннього попередження в Аппалачах або регулювання, що перешкоджає забудові на небезпечних схилах у Сіетлі чи Сан-Франциско.

База даних доступна онлайн разом із зручними інструментами для широкої публіки.

Що це означає для розробників

Нова база даних Landslide Exposure Database (LED) об'єднує великі набори географічних та соціально-економічних даних, надаючи розробникам доступ до комплексного ресурсу для оцінки ризиків зсувів на рівні будівель. Це дозволяє створювати більш точні інструменти для містобудування, розробки систем раннього попередження та планування реагування на надзвичайні ситуації, враховуючи як фізичні, так і людські аспекти вразливості.

Ключові факти

  • Нова база даних Landslide Exposure Database (LED) вперше систематично оцінює ризики зсувів для будівель по всій території США.

  • LED оцінює 128 мільйонів будівель за схильністю до зсувів та використовує соціально-економічні дані для оцінки вразливості мешканців.

  • Приблизно 6,5 мільйона людей проживають у регіонах США, схильних до зсувів, більшість з яких зосереджені в Аппалачах та вздовж Західного узбережжя.

  • У сільській місцевості громади, схильні до зсувів, часто є більш вразливими через економічні обмеження, тоді як у міських районах мешканці таких територій, як правило, більш забезпечені.

  • База даних створена шляхом об'єднання даних від Геологічної служби США, Overture Maps Foundation, Корпусу інженерів армії США та Бюро перепису населення.

Джерела

Дані та аналітикаЕкологіяСуспільство

Попередні статті

Сучасна медична лабораторія з біологічним зразком та абстрактною візуалізацією даних машинного навчання на екрані.

Машинне навчання для діагностики рідкісних пухлин: потенціал та виклики "ярликового навчання"

Дослідження показує, що машинне навчання може покращити діагностику рідкісних пухлин надниркових залоз, але вимагає ретельної перевірки на "ярликове навчання".

Концептуальна ілюстрація, що зображує AI-агент Hermes, який навчається та автоматизує процеси, з абстрактними потоками даних, що з'єднують його з керованими хмарними сервісами та самостійно розміщеними серверами.

Налаштування Hermes Agent: Керований сервіс чи самостійне розміщення на VPS

Дізнайтеся, як налаштувати Hermes Agent — постійно активний AI-агент, що навчається та автоматизує робочі процеси. Оберіть між керованим сервісом або самостійним розміщенням на VPS за допомогою Docker.

Наступні статті

Концептуальне зображення затримки оновлень пакетів у програмному ланцюгу поставок
29 липня 2026Кібербезпека

Захист оновлень пакетів npm та pip в Amazon Linux за допомогою затримки публікації

Перші години після публікації пакетів npm та PyPI є найризикованішими. Amazon Linux пропонує конфігурацію затримки оновлень (cooldown) для захисту від несподіваних пакетів, надаючи час для виявлення загроз.

Концептуальна ілюстрація, що зображує центральний механізм управління, який забезпечує дотримання політик у різних інструментах розробки для агентного кодування.

Агентне кодування: Другий шанс для DevOps та потреба в управлінні масштабу ШІ

Новий CEO CloudBees Мориц Плассніг стверджує, що агентне кодування виявляє незавершеність DevOps і вимагає нового підходу до управління, щоб безпечно масштабувати розробку в епоху ШІ.

Концептуальна ілюстрація архітектури перевіреного AI-асистента для кодування з NVIDIA NeMo Guardrails

Самостійне розміщення перевіреного AI-асистента для кодування з NVIDIA NeMo Guardrails

NVIDIA пропонує рішення для самостійного розміщення перевіреного AI-асистента для кодування, що вирішує проблеми безпеки, ризиків ланцюга поставок та відстеження дефектів у чутливих середовищах.