Effekterna av klimatförändringarna drabbar hårdast i socialt och ekonomiskt utsatta samhällen; att veta detta, forskare har konstruerat en mängd olika index för att försöka identifiera populationer som är mest utsatta. Dessa datamängder är ofta beroende av demografiska data, men utelämna viktig finansiell information och fastighetsinformation som kan hjälpa till att identifiera samhällen där utsatta grupper kan drivas ut genom stigande översvämningsförsäkringspriser eller förändrade fastighetsvärden.

En ny datamängd, skapad av forskare vid Columbia University och publicerade idag i Environmental Justice, syftar till att fylla denna lucka. Datauppsättningen Socio-Economic Physical Housing Eviction Risk (SEPHER) integrerar socioekonomisk information med risken från skogsbränder, torka, kust- och flodöversvämningar, och andra faror, plus finansiell information från fastighetsdatabaser och etnicitet, ras- och könsdata. Målet är att redogöra för den ekonomiska sårbarhet som är förknippad med bostadsmarknaden. SEPHER täcker hela USA, och är fritt tillgänglig för andra forskare.

"Vi vill tillhandahålla ett verktyg för alla att utforska frågor i korsvägen mellan ras, social och klimaträttvisa, " sa huvudförfattaren Marco Tedesco, en forskningsprofessor vid Lamont Doherty Earth Observatory vid Columbia University och en filial till Columbias Data Science Institute. Han är också affiliate professor vid Institute of Economics vid Scuola Superiore Sant'Anna, Pisa. Projektet finansierades av Earth Institute vid Columbia University och är en del av ett pågående samarbete med Columbia Business School.

"Vår primära avsikt är att göra det möjligt för användare att bedöma effekterna av klimatrelaterade faror på de mest utsatta befolkningarna, " tillade studiens medförfattare Carolynne Hultquist, en postdoktorand forskare vid Columbias Center for International Earth Science Information Network (CIESIN) och Lamont-Doherty Earth Observatory. "Vi måste kunna identifiera dessa populationer för att säkerställa att de inte tar på sig onödiga bördor från klimatförändringarna."

Många studier som fokuserar på skador och ekonomiska konsekvenser av klimatförändringar är beroende av kommersiella datauppsättningar som kostar hundratusentals dollar att köpa. Dessa kostnader kan vara ett betydande hinder för många forskare och samhällen.

Istället, SEPHER-dataset kombinerar data från många allmänt tillgängliga källor, Inklusive:

• Social Vulnerability Index från Centers for Disease Control and Prevention, som inkluderar en rad socioekonomiska data samt information om funktionshinder och minoritetsstatus;
• FEMA:s nationella riskindex för naturrisker, som kombinerar sannolikheten och förväntade förluster från naturrisker med sociala sårbarhetsfaktorer och motståndskraft.
• Uppgifter om bostadslånelagen, inklusive information om huruvida bolåneansökningar godkändes eller avslogs, egenskapsegenskaper, och sökandens demografi som etnicitet, lopp, och kön;
• Vräkningsdata från Vräkningslaboratoriet vid Princeton University;
• Hyresprisutveckling för fastigheter.

"Det är verkligen mycket arbete att få ihop det, " sade Tedesco. "Men genom att korsa all denna information, vi kan börja ställa frågor som:Hur många afroamerikaner eller personer som tillhör underrepresenterade grupper och socialt utsatta grupper som nekades bolån i regioner som var mer eller mindre utsatta för klimatrisker, jämfört med vita människor, och hur har detta förändrats med åren? Hur spelar klimatrisker en roll i gentrifieringsprocessen?"

Fallstudie:bevis på klimatgentrifiering Miami-Dade

Under den nyligen genomförda konferensen Managed Retreat som arrangerades av Columbia Climate School, Tedesco presenterade resultat som använde SEPHER-data för att indikera att klimatgentrifiering sker i samhället Little River i Florida. Majoriteten av fallstudiens detaljer kommer att finnas tillgängliga i ett kommande dokument.

Traditionellt, invånare i Little River har låg inkomst, missgynnade människor som inte hade råd att bo längs kusten. Dock, när översvämnings- och orkanriskerna ökar, Little River, som är mer skyddad från dessa händelser, is becoming a prime area for real estate speculation and development.

These changes are captured by the SEPHER dataset, which showed that rents have increased exponentially, as have evictions. And after the 2009 financial crisis, the percentage of loans denied to African Americans in Little River was 44% higher than loans denied to whites. In coastal areas, i jämförelse, these proportions didn't change.

SEPHER helped to show that Little River is undergoing big changes, said Tedesco. The test case study demonstrates the dataset's potential to identify other areas where climate gentrification is happening or could happen in the future, as well as to diagnose other relationships between housing and race, inkomst, and climate impacts.

"Clearly, data itself does not solve the problem, " the authors write in the paper, "but it's a first step, as one cannot truly understand where the worst inequities lie until the data are available and can be properly used or assessed."

Tedesco emphasized that while SEPHER can pinpoint areas for further investigation, the data need to be paired with local research and community engagement. He recently traveled to Little River and other communities in the Miami-Dade area to talk to citizens, small business owners, and community leaders, to learn how SEPHER could be adapted to suit their needs.

He emphasized the need for scientists and community leaders to work together on climate research, anpassning, och motståndskraft. He expressed optimism that the newly formed Columbia Climate School represents a first step in this direction.

"I hope that the Climate School will create this cohesion between academia and external partners such as government, industri, and community partners, " said Tedesco, "so that we can start moving forward in a useful way and focus on crucial issues, especially those concerning climate and environmental justice."

Den här historien är återpublicerad med tillstånd av Earth Institute, Columbia University http://blogs.ei.columbia.edu.