越南广义省 - 远征快速运输舰“俾斯麦城号”（T-EPF 9）和美国空军人员于 8 月 19 日抵达越南广义省，标志着太平洋伙伴关系 2024-2（PP24-2）和太平洋天使 2024-3（PA24-3）越南任务站的开始。
2024 NIST-NSF Disaster Resilience Research Symposium
记住日期注册即将开放！与美国国家科学基金会合作，盖瑟斯堡 NIST 工程实验室很荣幸主办第七届年度研讨会，主题是灾难恢复力资助研究计划
Inland counties top disaster list as extreme weather becomes more frequent
尽管人们普遍认为美国飓风或地震多发的海岸地区对气候相关灾害的风险最大，但联邦宣布的灾害最集中的地区实际上是肯塔基州或佛蒙特州等州。
New Courses Will Lead the Way on Climate Resilience and Equitable Disaster Response
哥伦比亚气候学院的国家灾害准备中心现在将提供 FEMA 认证的气候变化、公平和应急管理培训。
The Effects of Flood Damage on the Subsidy Cost of Federally Backed Mortgages: Working Paper 2024-04
CBO 使用美国每处住宅的抵押贷款和预期洪水损失数据来检查预计洪水损失将使联邦支持的抵押贷款成本增加多少。
US partners with Togo to reinforce country's resilience, natural disaster response
多哥洛美 - 无论是毁灭性的洪水、野火还是强大的风暴，多哥官员都致力于援助受到广泛影响的社区......
ИИ против стихии: Aurora спасет человечество от капризов природы
Microsoft 的新模型可以预测天气并超越地平线。
S. 3071, Disaster Management Costs Modernization Act
按照参议院国土安全和政府事务委员会于 2023 年 10 月 25 日的报告
Flood Damage Avoided by Potential Spending on Property-Level Adaptations: Working Paper 2024-03
本工作文件提供了因财产收购和加高而避免的洪水损失的估计值，并分析了适应性支出的影响如何因地区、地区收入和不同项目子集而异。
Gobi Wolf 2024 strengthens partnerships for disaster resilience
5 月 10 日，在蒙古乔巴山举行的闭幕式上，“戈壁之狼 2024”演习取得了圆满成功，标志着灾难准备和全球合作又迈出了重要一步。
Gobi Wolf 2024 strengthens partnerships for disaster resilience
5 月 10 日，在蒙古乔巴山举行的闭幕式上，“戈壁之狼 2024”演习取得了圆满成功，标志着灾难准备和全球合作又迈出了重要一步。
Gobi Wolf 2024 strengthens partnerships for disaster resilience
蒙古乔巴山 - 戈壁狼 2024 演习于 5 月 10 日在蒙古乔巴山举行的闭幕式上圆满结束，标志着...
IWR Leads USACE Participation in United Nations’ Water and Disasters Panel
弗吉尼亚州亚历山大（2024 年 4 月 17 日）——美国陆军工程兵团 (USACE) 是联合国 (UN) 水与灾害问题高级别专家和领导人小组 (HELP) 的参与者。 HELP 于 2007 年应联合国秘书长水与卫生咨询委员会 (UNSGAB) 的要求成立，由 21 个国际组织组成，旨在解决水灾备灾和响应问题。该小组与联合国减灾办公室（UNDRR）秘书处密切合作。 HELP 的 USACE 代表是 USACE 总工程师 Lt.将军斯科特·斯佩尔蒙。
IWR Leads USACE Participation in United Nations’ Water and Disasters Panel
弗吉尼亚州亚历山大（2024 年 4 月 17 日）— 美国陆军工程兵团 (USACE) 是联合国 (UN) 高级专家和领导人会议的参与者...
Artificial Intelligence in Natural Hazard Modeling: Severe Storms, Hurricanes, Floods, and Wildfires
GAO 的发现GAO 发现，机器学习是一种使用算法来识别信息模式的人工智能 (AI)，它正在应用于严重风暴、飓风、洪水和野火等自然灾害的预测模型，可能导致自然灾害。一些机器学习模型在日常预报中得到实际应用，例如可以缩短严重风暴预警时间的模型。机器学习的一些用途被认为接近可操作，而另一些则需要多年的开发和测试。GAO 确定了将机器学习应用于该领域的潜在好处，包括：从而增加建模成本。通过更充分地利用可用数据、使用传统模型无法使用的其他数据以及创建合成数据来填补空白，提高模型的准确性。通过改进集成建模（从众多模型生成组合预测的过程）以及更好地利用历史数据来减少模型输出的不确定性。使用机器学习预测自然
Premier all hazards command hosts inaugural National Capital Region Joint CBRNE Forum
马里兰州科基斯维尔 - 美国国防部首要的所有危险司令部主办了首届联合化学、生物、放射、核...
