12、改进决策
OBSTATLE：公共和私人代理的法律数据、模型和能力
到目前为止，本报告第三部分中提出的三项建议已经强调了需要制定标准和法规、计划和财*激励措施来建立基础设施系统的弹性（见第9-11章）。但一个主要的挑战是要将自然灾害、危害和气候变化纳入这些法规、计划和激励措施。在没有自然灾害和气候变化数据和模型的情况下，善意的运营商无法提高弹性，监管机构也无法制定聪明、有效的法规和激励措施。因此，一套有弹性的基础设施*策应包括投资，以确保利益相关者能够获得正确的数据和工具，并支持决策制定方式的改进。
主要的“数据瓶颈”损害了对更有弹性的基础设施的设计。其中一个例子是高分辨率数字高程模型(DEM)，这是一个提供给定区域地形的数据集。这些数据是许多灾害模型和评估的基础，包括水文和洪水模型以及滑坡敏感性分析。这些数据通常是使用安装在平面上的激光雷达来生成的。最近使用无人机以较低的成本生成的——例如在达累斯萨拉姆，通过世界银行和红十字会之间的合作——但当需要绘制大片面积时，这种方法有限制。尽管一DEM通常适用于高收入国家的所有城市化地区，但在中低收入国家，此类数据通常无法使用，因此无法编制所需的洪水和山体滑坡灾害图。在一个DEM上投资几百万美元将有助于改善价值数十亿美元的住宅基础设施的设计。
数据瓶颈的另一个例子是缺乏长时间系列的水文气象数据。这些数据是设计基础设施所需要的，但它们可能不可用，因为这些数据从未被收集过，或者因为它们从未被数字化过，或者因为它们只能以高昂的价格进行访问。利用卫星、无人机和计算技术进行的遥感，使监测和模拟环境条件变得更容易、更便宜。然而，这些新工具并不能完全取代在许多低收入国家仍然缺少的维护良好的气象和水监测站和数据处理网络。这种情况的部分原因是世界大部分国家水文气象服务的通行能力低和资源不足（罗杰斯和锡尔库诺夫，年）。
由于气候变化和其他长期趋势，从土地利用人工化到土壤退化，历史数据现在还不足以预测未来的风险。许多研究表明，基础设施的设计和管理不能假设未来会像过去一样(麦克卡尔、维拉维森西奥和吴，年；米莉等人。)。今天，适当的风险评估应该包括气候变化的影响，使用目前可用的许多气候模型。然而，气候模型的输出与对历史气候的观测结果非常不同（年；卡拉等人。，并且使用它们需要考虑到这些结果中的不确定性。
关于自然灾害和气候变化的数据还不够。还需要提供关于用户如何管理中断的数据。例如，在建筑规范和标准中可以设置的最低弹性水平取决于基础设施服务的用户可以很容易地处理的东西。引入电力或水中断补偿系统（如在芬兰，配电公司必须对用户提供补偿），需要估计这些停电的经济成本。这些信息反过来又依赖于从基础设施用户那里收集数据，以及了解中断如何影响家庭的日常生活，以及企业的生产力和效率。然而，这些知识非常薄弱，特别是在中低收入国家，需要更有系统的家庭和企业调查，以更好地映射和了解用户的需求（见第2章和第3章）。
建议4：改进决策
应对因数据、模型、技能和能力不足而导致对自然灾害和气候变化的考虑不足的这些挑战的解决方案是什么？除了在新技术的帮助下投资于有关这些问题的自由获取的数据外，还必须适当利用这些数据，在面对巨大的不确定性时确定稳健的决策，并最大限度地减少出现遗憾和灾难性失败的可能性。同时，各国*府应建立创造和使用数据和模型所需的技能，并调动私营部门的专门知识。
行动4.1：投资于可自由获取的自然灾害和气候变化数据
通过改进数十亿美元的长期基础设施资产的设计，对数据和模型的投资可以提供极高的投资回报。第6章中制定的场景表明，如果投资是针对最暴露和最关键的资产，那么加强基础设施就会便宜得多。目标投资的能力估计将成本除以10，从1,亿美元至6,亿美元减少至亿美元至亿美元。这一发现表明，精确的危险信息的价值比生成这些数据和建模结果的成本高出几个数量级。其他研究得出结论，投资风险数据和预测能力非常具有成本效益（；罗杰斯和瑟库诺夫；气象组织等。)。
对数据瓶颈的具体投资可能是转型性的，并会产生巨大的好处。例如，使用飞机安装的激光雷达，生产DEM的成本在每平方公里$和$之间，其他选择（如立体摄影）在每平方公里$30到$之间。为中低收入国家的所有城市地区生产DEM将花费在万$和4亿$之间，从而可以对所有新基础设施资产进行深入的风险评估，并在此过程中，每年通知数亿的投资。除了设计得更好的基础设施系统外，这些数据还将允许提供有风险信息的土地使用和城市化规划，这也将带来巨大的效益。如果这些数据是免费的，人们可以期待私营部门的参与者以创新的方式利用这些数据来改善整个经济的风险管理。总体而言，由于收集和处理数据的新技术（方框12.1)，这些数据的产生和分发费用至少要比产生和分发这些数据的费用大一个数量级，这一费用也在不断下降）。
为了改善数据的可用性，一些组织开展了“数据救援”，特别是将水文气象数据的纸质记录数字化(WMO)。除了历史数据外，天气预报和预警系统还可在预测极端天气事件和减轻其对基础设施系统的影响方面发挥关键作用。例如，发电厂通常在飓风到来之前被削减，以尽量减少损坏和级联事件的可能性。在年飓风桑迪袭击纽约市之前，大都会交通管理局将其列车移出洪水易发地区，尽量减少对其设备的影响，并使其能够在风暴后相对迅速地恢复服务。
为了更有用，就需要向那些做出决策的人提供数据。改善风险和风险数据获取机会的多项举措有助于改进决策，如全球减灾和恢复设施(GFDRR)思考风险！该平台提供了对全球各地的风险暴露口的简单估计，并与进行更深入评估所需的基础数据建立了链接。
此外，越来越多的人呼吁在*府和学术研究中采用opendata*策，以确保这些数据产生尽可能多的好处。开放数据许可支持透明度、效率和参与*府；对科学的同行审查；以及更广泛和有效地利用数据进行一般决策。自年以来，全球减灾论坛的抗灾能力开放数据倡议一直在与灾害和气候风险评估有关的这些问题上开展工作。开放灾害风险研究所与各国*府、大学和社区组织合作，推出数据共享平台，如斯里兰卡灾害风险信息平台。目标是支持灾害风险评估的社区规划项目，并建立向不同利益攸关方传播复杂风险信息的工具。GFDRR（）编制了一份关键原则清单，用于将开放数据方法应用于灾害风险管理。
为确保这些数据影响和支持决策，对改善基础设施资产的设计和维护非常有用的资产管理系统（见第9章）可以容易地升级，以将气候变化和自然灾害风险纳入决策过程。特别是，记录的数据可以包括每项资产面临各种危险的情况，这将有助于确定维修行动的优先次序。例如，可以优先考虑让涵洞免受频繁洪水的影响，避免浪费，从而降低其脆弱性，并最终降低暴雨后的修复成本。
方框12.1新技术使数据的收集和处理得更容易
卫星图像和图像处理。今天，城市发展、运输网络和发电站可以通过对卫星图像的后处理来进行映射。例如，格雷瑟等人。（）利用卫星图像和机器学习来绘制了加拉加斯、喀布尔、坎大哈和拉巴斯的非正式定居点的地图，帮助识别基础设施服务较差的地区，并支持投资的优先级。然而，困难的挑战仍然存在，如映射电网的算法相对较低的性能所说明。a在灾后情况下，航空和卫星图像也可以用来快速评估损害，并确定紧急行动的优先级（GFDRR）。
众包。本术语描述了互联网和移动电话促进将数据收集任务外包给公众的方式。众包可以用于实时收集大量数据，其成本可能低于传统方法(UNISDR)。在本报告第一和第二部分讨论的风险评估中广泛使用的开放路线图是众包建立的开放数据库的最著名的例子之一，但它并不是唯一的例子。在DaresSalam，RamaniHuria社区地图确定了洪水易发地区。该项目于年启动，培训学生和社区成员创建每个社区的详细洪水地图，并出版地图集，其中包括21个最容易发生洪水的病房的社区地图（世界银行，年）。
社会网络分析。社交媒体数据包括丰富的信息，但这里的挑战是管理海量的数据，提取对决策有用的信息。例如，洪水标签使用Twitter信息、自然语言处理和映射工具，通过识别洪水紧急情况的位置来支持洪水后应急管理。该工具已由红十字会在菲律宾试用。虽然这些方法不会取代直接的数据收集，但它们对危机提供了有益的补充见解，并有助于指导行动。
传统调查。这些调查继续在收集数据和了解基础设施服务及其中断的重要性方面发挥重要作用。本报告第一部分提供了多个商业或家庭调查的例子，这些调查提供了关于基础设施中断成本的信息。这些调查支持为基础设施服务提供者设计适当的激励措施。例如，当服务中断超过规定时，它们有助于确定适当的惩罚幅度，或当性能超过施工规范时，奖励。
使数据广泛可用面临重大挑战。一是收集基础设施服务个别用户的数据可能会造成隐私问题。由于数据收集提高了其空间分辨力，而智能手机等设备收集个人数据，因此将风险信息与特定个人联系起来成为可能。