编辑推荐：
为解决社会脆弱性评估中对无家可归者考量不足的问题，研究人员开展 “Social vulnerability gaps: Dynamics of the unsheltered homeless and wildfire hazards” 主题研究。结果显示现有社会脆弱性指标与无家可归者关联弱，提出改进方向。该研究为相关评估和政策制定提供依据。
在全球范围内，自然灾害频繁发生，给人类社会带来了巨大的冲击。其中，野火危害近年来愈发严重，其发生的频率、强度和规模都呈指数级增长。社会脆弱性评估在灾害管理中起着关键作用，它能够帮助我们识别易受灾害影响的人群和区域，从而合理分配资源，制定有效的应对策略。然而，当前的社会脆弱性评估存在诸多问题。一方面，在评估过程中，人口统计和社会经济因素的考量往往存在遗漏，导致对社会中高风险群体的特征刻画不完整。这不仅加剧了社会不平等，还使得那些真正需要帮助的人难以获得应有的资源和政策支持。另一方面，传统的社会脆弱性指数（SVI）在构建时，主要依赖于人口普查数据或类似的调查信息，这使得一些特殊群体，如未经授权的移民、非公民居民、无家可归者等，在评估中被忽视。尤其是无家可归者，他们在自然灾害面前面临着极高的风险，却由于其流动性大、居住不稳定等特点，在传统的人口普查信息中难以被准确统计。
在这样的背景下，研究人员开展了 “Social vulnerability gaps: Dynamics of the unsheltered homeless and wildfire hazards” 这一研究。该研究聚焦于无家可归者这一在社会脆弱性评估中被忽视的群体，旨在探究当前社会脆弱性评估方法对这一群体的反映程度，以及如何更准确地在评估中体现他们的情况。研究成果发表在《Applied Geography》上。
研究人员采用了多种关键技术方法。首先是探索性空间数据分析（ESDA）框架，该框架整合了地理信息系统（GIS）、统计学和地统计学。利用 GIS 收集和管理不同类型的空间数据，并通过可视化和汇总支持分析；统计学和地统计学则用于审查多种空间模式之间关系的强度和方向。研究使用了两种无家可归者（PEH）信息来源，即点时间计数（PITC）和营地响应协议（ERP），并将其与不同尺度的 CDC SVI 数据进行对比分析。
研究结果主要体现在以下几个方面：
- 社会脆弱性评估与无家可归者的关系：通过对不同尺度（如人口普查区、街区组、1km 网格和地块等）的 SVI 与 PEH 营地计数进行统计分析，发现尽管所有相关性分析的 t 检验结果都表明 SVI 与 PEH 计数之间存在关系，但系数大小显示两者之间几乎没有正线性相关性。在地块层面，SVI 与距离地块 500m 内的 PEH 计数相关性最高，但从统计学角度来看仍然很弱。
- 不同信息源的空间分布差异：对 PITC 和 ERP 的点模式分析表明，两者的空间分布存在显著差异。ERP 的点在 250m 左右的范围内比 PITC 的点更聚集，而在 1000m 之后更分散。不过，在 400m 左右的范围内，两者的点模式有相似之处。
- 空间表示与改进评估：研究尝试通过核密度和扩散插值来创建 PEH 模式的空间表示。结果显示，将 PEH 条件纳入现有 SVI 计算中，可以在一定程度上改进社会脆弱性评估。例如，以加权指数或作为变量重新计算 SVI 时，虽然最脆弱区域的分类没有改变，但在中等脆弱社区，重点区域能够更加凸显。
在研究结论和讨论部分，研究表明当前社会脆弱性评估指标与观察到的无家可归者情况相关性不足，粗分辨率数据会消除区域内的异质性，降低 SVI 的有效性。无家可归者营地的选择并非随机，需要更多关注其空间变化。该研究探索了一种新的视角来解释无家可归者的空间分布，强调了在社会脆弱性评估中考虑人口代表性的重要性。如果 SVI 不能涵盖真正脆弱的人群，将不利于资源分配和公共政策制定。此研究通过严格的空间分析，不仅推动了无家可归者相关研究的发展，还为更具包容性的灾害防范提供了支持，其研究方法也可为其他面临类似挑战的社会群体研究提供参考。
