审视众包报告中的数据不平衡以改进山洪灾害态势感知

众包数据的使用在增强灾害期间态势感知方面正得到实际应用。尽管近期研究展示了众包数据用于洪水制图潜力的可喜结果，但鲜有研究关注可能引入偏差的数据不平衡问题。我们审视众包报告中的偏差以识别数据不平衡，目标是改进灾害态势感知。在分析了 2019 年热带风暴 Imelda 与 2021 年飓风 Ida 后收集的来自 3-1-1、Waze 报告及 FEMA 损失数据所上报的洪水后，我们考察了样本偏差、空间偏差与人口统计偏差。将 3-1-1 报告中其他洪水相关主题整合进全局 Moran's I 与局部空间关联指标（LISA）检验，揭示出更多受洪水影响的社区。为考察空间偏差，我们在人口普查 tract 与 block group 层级对三个数据集执行 LISA 与 BI-LISA 检验。通过考察两种地理聚合尺度，我们发现较大空间聚合尺度（人口普查 tract）在结果中呈现较少的数据不平衡。最后，对 BI-LISA 生成的聚类执行单因素方差分析（ANOVA）显示，数据不平衡存在于少数族裔人口居住的区域。通过回归分析，我们发现 3-1-1 与 Waze 报告在少数族裔人口居住区域存在数据不平衡局限。本研究的发现增进了对日益用于灾害态势感知的众包数据集中数据不平衡与偏差的理解。