Dynamic Estimates of Displacement in Disaster Regions: A Policy-driven framework triangulating data
Elisabetta Pietrostefani, Matt Mason, Rodgers Iradukunda, Hong Tran-Jones, Iryna Loktieva and Francisco Rowe
虽然传统数据系统仍然是人道主义反应的基础,但它们往往缺乏捕捉日益复杂的流离失所模式所需的实时响应能力和空间精度。 到2024年底,国内流离失所人数达到了前所未有的8340万人,这突出表明迫切需要创新的数据驱动方法来监测和了解人口流动。 本报告探讨了如何将传统数据源与新兴的数字跟踪数据(如手机GPS和社交媒体活动)相结合,如何增强位移监测的准确性、响应性和粒度。 该报告借鉴了最近危机的教训,包括乌克兰战争升级和2022年巴基斯坦洪灾,提出了结构化的试点努力,测试了多个数据流的三角测量,以产生更稳健和可靠的流离失所估计。 来自数字跟踪数据的统计指标与国际移民组织,流离失所跟踪矩阵数据集进行基准测试,以评估其有效性,透明度和可扩展性。 研究结果展示了三角数据方法如何提供实时,高分辨率的人口流动见解,改善人道主义资源分配和干预规划。 该报告包括一个可扩展的危机监测框架,利用数字创新来加强人道主义数据系统,并支持复杂紧急情况下的循证决策。
While traditional data systems remain fundamental to humanitarian response, they often lack the real-time responsiveness and spatial precision needed to capture increasingly complex patterns of displacement. Internal displacement reached an unprecedented 83.4 million people by the end of 2024, underscoring the urgent need for innovative, data driven approaches to monitor and understand population movements. This report examines how integrating traditional data sources with emerging digital trace...
