Langt de fleste jordskælv rammer inde i ringen af ild, en række vulkaner og tektonisk aktivitet, der vikles rundt om kystlinjerne i Stillehavet. Men når et jordskælv rammer, er de områder, der oplever den stærkeste ryster, ikke altid de steder, der lider af den største skade.
Tag det massive Chi-Chi-jordskælv, der forårsagede omfattende skader i Taiwan i efteråret 1999 og dræbte mere end 2.400 mennesker. Fordelingen af skader fulgte et ujævnt mønster: dødsfald forårsaget af jordskælvet blev koncentreret ikke i tæt befolkede bycentre, men i disse byers forstæder og ydre frynser. Et lignende mønster er sket efter jordskælv i Kina, Chile og Nepal.
Mere end to årtier senere har forskere ved University of Washington identificeret en skjult faktor bag det, de kalder “forstadsyndrom” – migration. Arbejdere fra små, landdistrikterne bevæger sig ofte ind i de ydre kanter af byer, der giver større økonomiske muligheder, men ofte har boliger i lav kvalitet, der sandsynligvis vil lide større skader under et jordskælv. Risikoen vokser endnu mere, når migranter kommer fra lavindkomst- eller stammebyer.
Resultaterne antyder, at nødadministrationsorganisationer skal være større opmærksomme på migration og boligkvalitet, når de udvikler katastrofebegrænsnings- og svarplaner.
UW News talte med co-lead-forfatter Tzu-Hsin Karen Chen, en adjunkt i miljømæssige og erhvervsmæssige sundhedsvidenskab og af byplanlægning, for at diskutere “forstadsområde-syndrom”, hvordan migration kan forstærke forskelle i en katastrofes indflydelse, og hvad amerikanske embedsmænd kan Lær af en taiwanesisk katastrofe.
Dit arbejde med denne undersøgelse bygger på en eksisterende model, der vurderer jordskælvsrisiko ved at overveje migrationsmønstre og bevægelse af sårbare befolkninger. Hvad savner den eksisterende model, og hvorfor er det vigtigt at udfylde disse huller?
Denne risikovurderingsmodel er blevet brugt af mange organisationer internationalt og i USA. F.eks. Bruger FEMA en lignende risikomodel til at vurdere populationer udsat for farer, sårbarheder og potentielle katastrofepåvirkninger. De udfører typisk en omfattende risikovurdering geografisk inden for stater og amter, identificerer områder med potentielle større påvirkninger og udarbejder derefter en beredskabsplan.
I USA registrerer midlertidige indenlandske migranter og udokumenterede indvandrere ikke altid officielt i regeringssystemer. En almindelig årsag er frygt for deportation eller andre juridiske følger. Og så når et regeringsagentur som FEMA tildeler ressourcer til katastrofeberedskab eller opsving, kan det at stole på registrerede befolkningsdata føre til en undervurdering af den støtte, der kræves i visse områder.
I Taiwan, vores undersøgelsessag, opdaterer mange vandrende arbejdstagere, der flytter fra landdistrikter til byområder, ikke deres registrerede bopæl. De har stadig deres registrering tilbage i deres hjemby, som i et stammeområde. Det giver bare ikke mening at register igen, fordi de muligvis har flere job inden for et enkelt år forskellige steder.
For at minimere udgifterne ser nogle arbejdstagere efter den lavest mulige leje, og deres lejeboliger er muligvis heller ikke officielt registreret. Disse kunne være uformelle boligstrukturer, som et metalgulv tilsat oven på en betonbygning, som ikke overholder sikkerhedsbestemmelserne. Uformelheden af denne proces kan hjælpe med at sænke deres leveomkostninger, men kan også efterlade dem mere sårbare over for katastrofer.
Hvordan kom du i gang i denne forskning?
Jeg deler min personlige historie, men jeg vil også anerkende mine medforfattere for deres års arbejde i risikovurderinger. For mig startede det tilbage i 2010, da jeg meldte mig frivilligt i et stammeområde i Taiwan undervisning i computerfærdigheder. Dette gav større lektioner for mig end noget andet, jeg kunne have lært dem. Jeg lærte, hvordan teenagere ofte bevæger sig fra deres stammeområder ned ad bakke til nærliggende byer for at tage byggeopgaver i løbet af sæsonerne off-crop. Disse job betaler mere end landbrugsarbejde, men de er også meget fysisk krævende og mangler ofte arbejdstagerbeskyttelse som jobsikkerhed og sundhedsforsikring. At se det sætte et frø i mit sind.
Da jeg var en kandidatstuderende, arbejdede et team fra National Earthquake Center og Academia Sinica i Taiwan på en risikovurdering af Chi-Chi-jordskælvet ved hjælp af eksponering, sårbarhed og fareramme. De havde allerede offentliggjort en grundlæggende risikovurdering og nåede mig til at udvikle en udvidet undersøgelse ved at inkorporere rumlig statistik. Dette samarbejde udviklede sig til sidst til undersøgelsen i dette papir.
Den covid-19-pandemi formede også denne undersøgelse. Jeg stødte på nyheder om, hvordan vandrende arbejdstagere sad fast i byområderne i Indien. På grund af nedlukningen var de ikke i stand til at fortsætte deres arbejde, og deres overfyldte levevilkår efterlod dem endnu større risiko under pandemien. Jeg begyndte at undre mig: Hvordan kan vi skifte fra en ren statistisk model til noget mere meningsfuldt? Hvordan kan vi bringe migration ind i midten af diskussionen?
Det sidste skub kom fra kollegers arbejde på UW. Jeg har bemærket initiativer til udokumenterede studerende og forskningsindsats omkring miljømæssig retfærdighed og sundhedsmæssig retfærdighed. For eksempel var min medforfatter Diana Ceballos ‘forskning om vandrende arbejdstageres helbred især motiverende. Vi læste og skrev frem og tilbage for at forfine indramningen og diskussionen i dette papir.
Hvordan inkorporerede du migrationsdata i en større jordskælvsrisikomodel, og hvad fandt du?
På tidspunktet for Chi-Chi-jordskælvet i slutningen af 1990’erne havde vi ikke nogen detaljerede migrationsdata. I dag bruger ny forskning mobiltelefonsignaler til at spore folk, men sådanne data var ikke tilgængelige dengang. Så vi tilpassede strålingsmodellen-en model, der var vidt brugt til at forudsige menneskelig migration-til at estimere migrationsstrømmen og brugte den som en ny måde at estimere migranter fra lavindkomst- og stammeområder. Dette gav nye variabler til at indarbejde i den store risikomodel.
De fleste af vores fund støtter tidligere undersøgelser, hvor vi logisk set kan se, hvis der er stærkere jordbevægelse, er der sandsynligvis flere dødsulykker. Det er en meget ligetil måde at tænke på, hvordan katastrofer kan ske. Det er dog ikke kun en fysisk historie. Vi bekræfter også, at der i områder, hvor indkomsterne er lavere, er flere dødsulykker. Indkomst er en kendt risikofaktor i sårbarhedsteorien. Det, der er unikt i denne undersøgelse, er, at vi testede, om en stigning i migrationsstrømme fører til en stigning i dødsfald, og vi fandt, at det var sandt.
Fortæl mig om migrationsmodellen. Hvad estimerer det?
Vi anvendte strålingsmodellen og tilpassede den til at måle forskellige migrationspopulationer. Den grundlæggende idé om strålingsmodellen kommer fra en simpel model kaldet Gravity Model. I denne sammenhæng henviser tyngdekraften til ideen om, at større populationer har en stærkere “pull” på mennesker i nærliggende samfund. Modellen antager, at antallet af mennesker, der ønsker at migrere til nærliggende byer, afhænger af befolkningsstørrelsen på disse byer. Større byer har en tendens til at tiltrække flere mennesker.
Hvis afstanden er for langt, koster det for meget at rejse, så modellen vil forudsige færre migranter. Men hvis byen er tættere eller endda langt væk, men har en meget stor befolkning, bliver den en mere attraktiv destination, hvilket fører til større migrationsstrøm.
Strålingsmodellen bygger på disse principper og tilføjer et andet lag. Det overvejer konkurrenter undervejs. Med andre ord kan migrationsstrøm også blive påvirket af andre byer eller muligheder, der ligger mellem udgangspunktet og destinationen.
Ved første øjekast synes det åbenlyst, at større migration ville føre til højere dødsfald i et givet område, bare fordi der er flere mennesker til stede, når katastrofen rammer. Er det den primære driver, eller er der andre faktorer, der spiller?
Logisk set, hvis der er flere mennesker, og procentdelen af dødsfald er ens, skal der være flere mennesker, der dør af en bestemt begivenhed. Men vi fandt, at det ikke kun handler om befolkningsnumre. Der er to yderligere faktorer: Når vandrende arbejdstagere er fra områder med lavere indkomster, eller når de kommer fra stammeområder, bidrager disse faktorer væsentligt til højere dødsfald på de steder, de migrerer til.
Vores hypotese er, at det handler om boligsikkerhed. Vandrende arbejdstagere har en tendens til at flytte til byer, og når byer er dyrere, kan velhavende arbejdstagere muligvis være i stand til at sikre boliger, der giver bedre beskyttelse mod katastrofer. Imidlertid har arbejdstagere fra stamme- eller lavindkomstområder en tendens til at bosætte sig i byområderne, hvor overkommelige boligmuligheder muligvis ikke opfylder sikkerhedsstandarderne, hvilket gør dem mere sårbare over for jordskælv.
Hvorfor valgte du især at studere dette jordskælv fra 1999?
Forskerteamet, der inviterede mig til at arbejde på dette projekt, var interesseret i Chi-Chi-jordskælvet, delvis fordi det var en af de mest katastrofale i Taiwans historie. Og endda 20 år senere er der stadig en konference, der fokuserer på Chi-Chi-jordskælvet, der bringer indenlandske og internationale forskere til at tale om det.
Hvor vidt anvendelige er dine fund? Kunne de hjælpe os med bedre at forstå farer i andre jordskælvutsatte områder i verden, som f.eks. Det nordvestlige stillehav?
Det er vigtigt at betragte denne risikovurdering som et værktøj til beredskab til fremtidige farer. Når det næste jordskælv opstår, vil vandrende samfund sandsynligvis have forhøjede påvirkninger, hvis boligsikkerhedspolitikker ikke forbedres.
Jeg tror, at migrationskomponenten er universelt vigtig, selv uden for Taiwan. Der har altid været et paradoks, et strukturelt dilemma med katastrofestyring: Fordi migranter ofte er usynlige, lider de af lidt støtte. Men at gøre dem synlige kan undertiden føre til udelukkelse og forskelsbehandling. Denne model repræsenterer migranter i en geografisk forstand i stedet for at identificere enhver person individuelt gennem regeringsovervågning, hvilket kan tackle denne udfordring. Ved at beskytte anonymitet, mens den stadig tegner sig for migrantpopulationer, kan modellen muligvis hjælpe med at sikre, at deres behov overvejes i boligsikkerhed og ressourcefordeling.