加州2018年“营火”（Camp Fire）被认为是该州最具破坏性的野火之一。研究记录显示，这场火灾造成85人死亡、近19,000栋建筑被毁，并迫使指定火灾范围内近一半居民在一年内迁移。

上述发现来自康奈尔大学主导的一项研究。研究团队构建并发布名为 MIGRATE 的公开数据集，对2010年至2019年美国社区之间的年度迁移进行细致绘制。研究称，该数据的细致度约为标准公共数据的4600倍，并显示多数受灾后迁移者仍留在受影响县内，因此相关流动未被通常按县级、且以较低频率汇总的公共迁移统计所反映。

为观察本地迁移提供新视角

研究团队指出，美国每年约有4400万人发生迁移，但大量迁移在官方数据中难以被识别。该研究以营火后的迁移为案例，认为更细粒度的迁移信息可帮助研究人员与政策制定者从自然灾害影响到学校资金、经济适用房以及经济隔离等议题，开展更贴近社区层面的观察。

康奈尔大学经济学系及Jeb E. Brooks公共政策学院教授Maria Fitzpatrick表示，MIGRATE揭示了在更粗粒度数据中被遗漏的趋势，包括高收入社区迁入增加、不同种族群体向上流动差距，以及野火后迁出的局部冲击。她称，该数据集为社区、记者、研究人员与规划者提供社区级视角，可用于关注气候风险、住房压力与机会，并供非营利研究使用。

研究论文《推断美国细粒度迁移模式》已发表于《自然通讯》。作者包括：康奈尔科技、雅各布斯理工康奈尔学院及康奈尔工程运筹学与信息工程助理教授Nikhil Garg；康奈尔科技博士生Gabriel Agostini；加州大学伯克利分校计算机科学助理教授Emma Pierson（前康奈尔科技）；以及明尼苏达大学助理教授Rachel Young。

现有迁移数据的局限与MIGRATE方法

研究团队表示，政府免费数据源如十年一次的人口普查或年度美国社区调查（ACS）在估计准确性方面具有优势，但存在频率较低、样本较小等限制，且多以县际迁移为主要呈现单位。商业数据源通过投票与房产记录、手机使用等公开或数字数据追踪人口流动，虽能提高细节，但可能带来错误与偏差，例如对部分地区与收入群体的过度代表。

MIGRATE团队称，其方法结合公开数据与购买的消费者数据，并通过概率建模的迭代过程进行推断与校验，最终绘制了约470亿对人口普查街区组（CBG）之间的年度迁移地图，从而实现近似社区级的迁移观察。

细粒度数据揭示的迁移差异

研究中的多个案例显示，细粒度数据可能改变对迁移模式的理解。研究称，在2010年至2019年间，全国范围内人们更倾向迁入高收入社区，但不同种族群体之间存在显著差异：主要亚裔社区居民迁入顶级收入社区的可能性几乎是其他群体的两倍；主要黑人社区居民迁入低收入社区的可能性则为两倍。

Agostini表示，向上流动是社会与经济层面的核心关切，识别哪些群体能够负担迁入高收入社区，有助于住房政策、教育与城市基础设施投资等议题的讨论。他称，该数据集使研究者能够在更细致的时空层面提出问题，并获得此前难以取得的亚群体细节。

以纽约市为例，研究称县级数据可能掩盖迁移中的经济差异：来自曼哈顿中部和下城（收入较高）的居民更倾向迁往市内平均收入最高的社区（CBG），而来自曼哈顿上城的迁出者则更多迁往收入较低地区。对公共住房居民的分析显示其迁移性较低，但在离开者中可观察到向上流动迹象。

野火后的局部迁移在官方数据中不显著

在加州案例中，研究称营火火灾范围内居民迁移的可能性至少是火灾边缘或布特县其他地区居民的三倍。研究还提到，2017年纳帕和索诺玛县的Tubbs火灾后也出现类似模式。但在公开数据中，受影响县的迁出率整体显示保持平稳。

Fitzpatrick表示，能够获得反映更狭窄、细致层面实际情况的迁移数据，有助于确保资源更有效投放，并期待研究人员基于该数据带来更多发现。