Hurricane Prediction and Communication Dynamics in the Modern Information Environment

Rebecca E. Morss (morss@ucar.edu)National Center for Atmospheric Research (Boulder, CO, USA)

Chris Davis, Chris Snyder, Heather Lazrus, Olga Wilhelmi, Julie Demuth, Kate Fossell, Zita Toth (NCAR)

Leysia Palen, Kenneth Anderson, James Martin, Martha Palmer, Jennings Anderson, Marina Kogan

(University of Colorado Boulder)C. Michael Barton, Joshua Watts (Arizona State University)

Communicating Hazard Information in the Modern Environment (CHIME)

• Grant from U.S. National Science Foundation’s Hazards SEES (Science, Engineering and Education for Sustainability) program: 2013‐2017 (US$3 million)

• Integrates concepts, methods, and expertise from 1) atmospheric and related sciences, 2) social and behavioral sciences, 3) computer and information science

• Goal: Investigate how interactions among actors and information influence risk interpretations and behavioral responses as a hurricane approaches and arrives– In the context of evolving meteorological predictions and the modern information environment

TRADITIONAL HAZARD/DISASTER 

CYCLE(Response to a weather 

forecast/warning)

Recovery

Recovery

ResponseMitigation

Preparedness & Warning

EVENT

coastline

Forecasted Area of risk

Recovery

Hurricane 5 days before 

landfall

3 days before landfall

12 hours before landfall

Recovery

ResponseMitigation

Preparedness & Warning

EVENT

Dynamic Weather Information System

Recovery

Hurricane 5 days before 

landfall

3 days before landfall

12 hours before landfall

coastline

Forecasted Area of risk

Social information network

Recovery

ResponseMitigation

Preparedness & Warning

EVENT

Interactive creation, communication, interpretation, and use of evolving information about approaching risks 

Dynamic Weather Information System

Communicating Hazard Information in the Modern Environment (CHIME)

Overarching research questions: 1. How does information about hurricane risk propagate 

through the information system as a hurricane approaches? 

2. How does risk communication alleviate or exacerbate societal vulnerability to hurricanes?

3. Given ongoing developments in science and technology, how can hurricane forecast and warning information and its communication be improved? 

Methods

• Modeling of the information system– High resolution, coupled ensemble prediction of hurricanes and storm surge hazards

– Agent‐based modeling of information flow

• Empirical analysis of the information system– Analysis of social media (Twitter) data collected during hurricane threats

– Follow‐up interviews; Focus groups with traditionally and digitally vulnerable populations 

• Prototype visual integrations of information, tested in focus groups with members of the public

• Stakeholder interactions

Hurricane – Storm Surge Modeling

• Investigate the predictability of storm surge across a range of lead times– Later: Couple with agent‐based model to study how temporally evolving, uncertain predictions propagate through information system

• Advanced Hurricane WRF (AHW) ensemble simulations, coupled with ADCIRC (hydrodynamic model used to simulate and predict storm surge along coastal areas)

Chris Davis, Chris Snyder, Kate Fossell

Hurricane – Storm Surge Modeling

• Testing for Hurricane Ike underway• Next step: Expand AHW runs to full ensemble to be used 

as forcing to multiple instances of ADCIRC

Example of ADCIRC output, using AHW data as forcing input: Water elevation about geoid (meters) and wind speed (m/s)

[Graphics generated with FigureGen(Dietrich et al., 2013)]

Chris Davis, Chris Snyder, Kate Fossell

Agent‐Based Modeling (ABM)• Modeling of social actors who pursue, process, and 

transmit information– Implementation of the Protective Action Decision Model (Lindell, Perry): individuals obtain information from multiple sources and weigh benefits of various protective actions

Josh Watts, Michael Barton

Agent‐Based Modeling (ABM)

Josh Watts, Michael Barton

Agent‐Based Modeling (ABM)

Josh Watts, Michael Barton

Agent‐Based Modeling (ABM)

• Explore – in a virtual, simplified laboratory – interactions among hurricane information, information networks, and decisions– Sensitivity analysis to explore parameter space; calibrate and refine model

– Experiments, e.g., do different social network topologies result in different patterns of information flow and evacuation?

– Later: Integrate ABM with spatially explicit meteorological and storm surge models, to run coupled experiments

Josh Watts, Michael Barton

Analysis of Social Media Data (Twitter) Streams

• Crisis Informatics: The study of how technology is changing the way the world responds to mass emergency events

• Challenges include:– A single event can generate hundreds of millions of tweets to collect, store, and analyze

– Need to store tweets as they are being generated (streaming)

– To answer behavioral questions, you need detailed analysis on a small, representative set of tweets

Leysia Palen, Ken Anderson, and colleagues

Hurricane Sandy Twitter Data Set

Data set # of users # of tweets

Full keyword 8 x 106 (8 million) 22 x 106 (22 million)

Geotagged tweetsbefore/during/afterHurricane Sandy landfall

~1% of tweets are geotagged (geolocated)

Leysia Palen, Ken Anderson, and colleagues

Hurricane Sandy Twitter Data Set

Data set # of users # of tweets

Full keyword 8 x 106 (8 million) 22 x 106 (22 million)

Full contextual 92 x 103 (92 thousand) 205 x 106 (205 million)

Leysia Palen, Ken Anderson, and colleagues

Hurricane Sandy Twitter Data Set

Data set # of users # of tweets

Full keyword 8 x 106 22 x 106

Full contextual 92 x 103 205 x 106

Geographically‐vulnerable keyword,Oct 25‐30

20 x 103 100 x 103

Geographically‐vulnerable contextual, Oct 25‐30

20 x 103 700 x 103

Leysia Palen, Ken Anderson, and colleagues

27‐Oct‐12 Spent the evening singing for our service men and women in North Carolina! Hung out with #GeneralDempsey and #KrisKristofferson. ! AllisonRh

28‐Oct‐12 Flying back to NYC from Raleigh NC...just gotta beat that storm!!! Wish me luck AllisonRh

28‐Oct‐12 1/2 block away from Hurricane Sandy evacuation zone... To go...or to stay??? That is the question. AllisonRh

28‐Oct‐12 @WTFisToni "I want to go to there"... Maybe I will AllisonRh

28‐Oct‐12 Coffee table is the perfect place to store things from kitchen widow. Hurricane Sandy. http://t.co/na17Vu3Z AllisonRh*

29‐Oct‐12 These branches tangled in power and cable lines make me nervous!!! http://t.co/2X4ATeyK AllisonRh

29‐Oct‐12 The roar of Sandy is terrifying and stunning all at the same time... AllisonRh

29‐Oct‐12 Made some Hurricane Sandy Beef Stew! Mmmmhttp://t.co/qiEwm6xM AllisonRh

29‐Oct‐12 "Am I a man...or muppet"?? Hah AllisonRh29‐Oct‐12 Kermit has a swimmers body...such a large chest!!! AllisonRh30‐Oct‐12 @bryanbinaxas Alive and have power! AllisonRh

* Geotagged tweet

Sample Twitter stream

27‐Oct‐12 Spent the evening singing for our service men and women in North Carolina! Hung out with #GeneralDempsey and #KrisKristofferson. ! AllisonRh

28‐Oct‐12 Flying back to NYC from Raleigh NC...just gotta beat that storm!!! Wish me luck AllisonRh

28‐Oct‐12 1/2 block away from Hurricane Sandy evacuation zone... To go...or to stay??? That is the question. AllisonRh

28‐Oct‐12 @WTFisToni "I want to go to there"... Maybe I will AllisonRh

28‐Oct‐12 Coffee table is the perfect place to store things from kitchen widow. Hurricane Sandy. http://t.co/na17Vu3Z AllisonRh*

29‐Oct‐12 These branches tangled in power and cable lines make me nervous!!! http://t.co/2X4ATeyK AllisonRh

29‐Oct‐12 The roar of Sandy is terrifying and stunning all at the same time... AllisonRh

29‐Oct‐12 Made some Hurricane Sandy Beef Stew! Mmmmhttp://t.co/qiEwm6xM AllisonRh

29‐Oct‐12 "Am I a man...or muppet"?? Hah AllisonRh29‐Oct‐12 Kermit has a swimmers body...such a large chest!!! AllisonRh30‐Oct‐12 @bryanbinaxas Alive and have power! AllisonRh

* Geotagged tweet

Sample Twitter stream

Retweeting Behavior of Geographically‐Vulnerable Users

• Propagate more information during the disaster period and have denser retweet networks than before or after

• Retweet quite differently than the global population of twitterers who are interested in the same event– Overrepresented retweets are more likely to have some kind of local utility

For more details, see: Kogan, Palen, Anderson, to appear

Learning about Protective Decision Making from a Twitterer’s Geo‐Location throughout an event

Jennings Anderson, Leysia Palen, Ken Anderson, and colleagues

Summary

• Goal: Investigate how interactions among actors and information influence risk interpretations and behavioral responses as a weather hazard approaches and arrives

• Modeling of the information system– Hurricane ‐ storm surge ensemble modeling– Agent‐based modeling of information flow

• Empirical analysis of the information system– Analysis of social media (Twitter) data collected during hurricane threats

– Follow‐up interviews; Focus groups

Questions?

Rebecca E. Morssmorss@ucar.edu

National Center for Atmospheric Research (Boulder, CO, USA)

Chris Davis, Chris Snyder, Heather Lazrus, Olga Wilhelmi, Julie Demuth, Kate Fossell, Zita Toth (NCAR)

Leysia Palen, Kenneth Anderson, Martha Palmer, James Martin, Jennings Anderson, Marina Kogan (University of 

Colorado Boulder)C. Michael Barton, Joshua Watts (Arizona State University)