面向不同用户群体的社交媒体台风舆情演化分析及对比研究

社交媒体数据可以为台风灾害追踪、灾时救援和灾情评估提供及时有效的信息。现有研究常采用主题建模和情感分析等技术对台风期间社交媒体平台（如新浪微博等）舆论话题和情感变化进行研究。在省域范围内以小时为时间粒度的多维度有效性论证尚有欠缺,且在舆情分析时未能区分用户群体差异。本文以台风“利奇马”为例,在浙江省域范围内,以新浪微博数据为研究对象,首先从词频分析、台风关注度时空变化以及特定灾害事件响应3个角度探讨了微博数据对台风灾情响应的有效性;其次采用隐含狄利克雷分布（Latent Dirichlet Allocation,LDA）主题模型技术挖掘微博文本主题信息,并根据Louvain算法对主题社团进行划分;然后开发了一种基于自定义情感词典的情感分析方法用于情感指数计算,与SnowNLP相比情感倾向性预测精度得到了提高;最后分析了台风期间官方和民众在新浪微博平台上的话题关注以及情感演变差异。结果表明：① 在省级范围内,微博数据能有效反映台风动态和灾害时空分布;② 台风事件微博文本的主题变化反映了灾情不同阶段舆论关注点的动态变化;③ 官方微博文本比民众微博文本具有更明确的主题社团结构;④ 台风事件相关微博文本中的消极情绪在台风登陆后显著增加,其中民众微博文本对台风灾害的情绪响应更及时,官方微博文本中的情感表达始终相对积极。     

突发自然灾害事件网络舆情传播特征及影响因素研究

随着网络技术的发展,网络舆情分析在应对突发事件中发挥的作用日益显著。自然灾害发生后,准确把握舆情信息传播特征并分析其影响因素有助于应急管理部门及时采取有效的应急救援措施。本文以台风“利奇马”为例,基于“新浪舆情通”系统搜集的相关微博、微信、论坛、网站等全网舆情数据,探究台风灾害全过程舆情信息的时空分布特征,开展灾害舆情信息影响因素相关性分析。研究表明：① 相比于灰色EGM(1, 1)模型,ARIMA模型对于舆情的短时预测具有较高的适用度,所预测的舆情信息的时序变化与利奇马台风的生命周期相符;② 舆情的空间分布具有聚集性,其分布与受灾程度呈正相关关系,但同时受灾区经济状况和网络普及率影响;③ 灾情严重程度与原创舆情信息的相关性高于转发舆情信息,原创舆情信息更能反映受灾地区的实际受灾情况。研究内容为应急管理部门及时掌握舆情走势并调整应急救助决策提供了指导价值。     

顾及时空过程的台风灾害事件知识图谱表示方法

我国是受台风影响最严重的国家之一，台风灾害严重威胁着沿海地区的社会经济和自然环境。近年来，随着知识图谱相关理论和应用技术的发展，其强大的知识整合与表达能力可以为台风灾害事件的动态监测与管理决策提供有力支持。针对当前台风灾害事件相关模型对时空过程表达不足等方面存在的问题，首先，从台风灾害机理出发，通过对台风灾害事件组成要素和动态特性的分析，提出从概念、对象、状态、特征和关系5个层次建立的台风灾害事件知识表达模型。其次，充分顾及台风灾害事件信息的多粒度特性，在模型中将不同的特征信息统一到各个对象中。为了突出台风灾害事件的时空过程，以状态作为过程在特定时空下的截面。最后，以2021年台风烟花事件为案例，构建了台风灾害事件知识图谱。结果表明，该模型不仅突出了事件中不同对象的特征刻画，通过多个对象的状态序列表达出台风灾害事件的时空过程，进一步提高台风灾害事件的全过程信息表达与存储，为应急决策方案提供有效的数据与决策辅助支持。     

社交媒体数据对反映台风灾害时空分布的有效性研究

当灾害事件发生时,与之相关的社交媒体数据不断产生,其中包含了丰富的灾情信息和签到地理位置信息,这为灾情态势的及时感知提供了一种新的数据源,但是因社交媒体用户量的地区差异及网络空间中信息传播模式的特点,给社交媒体签到数据所代表的空间点过程的模式分析带来了一些新的问题,如签到点密度与实际灾害点事件密度之间的对应关系、签到点之间的空间关系、点格局的空间异质性及其影响因素等。本文以2016年14号台风"莫兰蒂"为例,以"台风"和"莫兰蒂"为关键词,在新浪微博平台上采集了2016年9月14-17日的微博数据,使用文档主题生成模型(Latent Dirichlet Allocation,LDA)和支持向量机(Support Vector Machine,SVM)对微博文本进行分类,构建了含有签到位置信息的灾情点事件数据库。在此基础上,针对社交媒体用户分布的空间异质性提出了一种基于签到点用户活跃度的加权模型。以全局自相关统计量Moran′s I为指标,对加权前后的签到微博数据进行对比,发现这些在社交网络中产生的签到微博数据在现实地理空间中存在明显的空间自相关性;基于"雨"、"停电"等关键词,利用上述加权处理后的微博数据库进行灾害制图,结合真实灾情资料进行时空对比分析,结果表明系列图谱能够反映台风灾害的时空过程趋势。     

基于众源地理数据的GlobeLand30人造地表数据精度验证

GlobeLand30数据已被广泛应用于生态、环境、气候等研究领域,对其进行精度验证是保证GlobeLand30产品推广应用的首要前提.本文提出了一种基于众源地理数据的GlobeLand30人造地表精度验证方法:首先利用随机抽样的方法布设样本点,其次应用LDA(latent Dirichlet allocation)主题模型计算众源数据文档的地表覆盖主题,最后通过构建样本点与GlobeLand30数据产品之间的混淆矩阵,以实现人造地表数据的精度验证.研究区域为我国27个省级行政区,众源地理数据选用POI数据,对本文提出的方法进行了实例验证.结果表明:2000年和2010年的人造地表总体精度分别为87.63％和88.81％,这与GlobeLand30人造地表第三方评价精度86.97％相近,验证了本文方法的有效性.     

基于社交媒体的森林火灾舆情信息脉动分析

2019年和2020年四川省发生了两起大型森林火灾,受到政府高度重视,也在网络上引发了广泛讨论.为了呈现森林火灾后微博文本中蕴含的舆情信息,有效地了解舆情,掌握规律,对四川凉山前后两起重特大森林火灾发生后的舆情进行了数据挖掘和对比分析.使用核密度、地理探测器方法对两起森林火灾舆情时空扩散和空间分异进行了研究,使用LDA主题提取模型、朴素贝叶斯、词云方法对两起火灾舆情进行主题提取、情感分析和可视化表达.研究结果表明:时空扩散和主题分布上,四川省两起重大森林火灾舆情具有较强相似性;空间分异上,两起火灾舆情空间分异与区域经济发展水平显著相关;情感演变上,重复发生同类灾害事故对于网民的情绪冲击明显.     

利用卷积神经网络提取微博中的暴雨灾害信息

从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年“7.21北京特大暴雨”事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。     

重大自然灾害房屋倒塌程度高分辨率遥感识别方法:以舟曲特大泥石流灾害为例

重大自然灾害引起的房屋倒塌程度的快速制图,对灾害应急救援和灾后损失评估意义重大。针对目前利用高空间分辨率遥感数据开展房屋倒塌程度调查中存在的主要问题,如房屋倒塌分类标准不统一、解译标准缺乏等,在考虑人员和经济损失状况、灾害救助、恢复重建难度等方面的基础上,建立了高空间分辨率遥感数据支持下的重大自然灾害房屋倒塌程度的分类体系,分为未倒塌、轻度倒塌、中度倒塌、重度倒塌、完全倒塌5级。系统描述了房屋倒塌程度遥感解译规则,建立了遥感解译标志,并提出了一种基于瓦砾信息开展房屋倒塌程度的遥感识别方法。最后,以舟曲特大山洪泥石流灾害为例,开展了房屋倒塌程度遥感制图研究。结果表明,利用此方法,房屋倒塌程度识别精度达到92.73%,完全能够满足自然灾害应急救援和灾后损失评估的需求。该方法体系为重大自然灾害应急救援和灾后损失评估提供了科学支撑。      

复式推覆体内矿坑涌水量预测的地下水数值模拟

由于推覆体内构造作用强烈,含水介质具有极强的空间不连续性及各向异性,对λ于推覆体内的矿区来 说,含水系统结构的刻画是模型概化的一大难点,也是影响矿坑涌水量预测精度的主要因素.为了提高推覆体内 矿区含水系统结构刻画及涌水量预测结果的精度,以刚果(金)Sicomines铜钴矿为例,对复式推覆体内矿区水文 地质概念模型的建立方法进行了研究,将模型垂向上精细加密剖分,严格按照实绘水文地质剖面逐一对模型中横 向、纵向剖分图进行水文地质参数赋值来区分含水层结构,构建了地下水流数值模拟模型,并利用地下水λ动态 及矿坑排水量资料对模型进行了识别,然后分别对矿区１２３０,１１１０,９９０m 开采标高的矿坑涌水量进行了预测, 结果表明:１２３０,１１１０,９９０m 开采标高的矿坑平水年涌水量分别为１３０４００,１０３２００,９７０００m３/d,可作为矿山防 治水的依据.      

主题模型与SVM组合的小尺度街区用地分类方法

城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机（SVM）相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周（7天）出租车GPS数据处理,结合区域兴趣点（POI）数据,基于隐含狄利克雷分布（LDA）模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。     

“一带一路”经济走廊资源环境信息开发利用研究进展与展望

六大经济走廊是“一带一路”倡议的战略支柱,该区域横跨亚、欧、非大陆,涉及国家众多,地理条件千差万别,资源环境本底复杂。通过对沿线区域资源环境信息进行系统性、全面性的揭示,能够为科学推进“一带一路”倡议实施提供至关重要的决策支持作用。本文提出了面向协同创新的“一带一路”空间信息服务系统框架,综述了“一带一路”经济走廊地区在资源环境信息开发利用进展,具体包括资源环境格局与时空演变、联合国可持续发展目标监测与评价、防灾减灾知识服务关键技术应用、资源环境信息集成与共享、新冠疫情对经济社会发展影响,进而展望了其发展趋势和潜在的研究方向,为“一带一路”经济走廊的可持续发展提供决策支持。     

基于语义规则和词向量的台风灾害网络情感分析方法

灾害期间的舆情引导有助于维护社会稳定。社交媒体是舆论传播的重要渠道,通过微博评论了解用户的网络情感及关注的话题,可以帮助相关舆情监测部门掌握公众的关注热点,从而选择适当的干预节点来应对网络舆情,并对公众情绪进行疏导,这对于应急管理具有现实意义。现有的研究大多是利用有监督的机器学习方法进行情感分类,这需要人工进行语料的标注,工作量大。本文根据微博评论文本的特点,综合考虑情感词以及表情符号等多重情感源,构建了台风灾害领域情感词典。在此基础上,提出了一种基于情感词语义规则的情感倾向计算方法,以及基于词向量的话题聚类方法。首先,采集了近年5次台风灾害期间共计40多万条微博评论文本,基于大连理工情感词汇本体库进行扩展构建了台风灾害领域情感词典,结合PMI法构建表情符号词典,根据语义规则确定情感倾向,并使用3500条评论文本验证了该方法的有效性。然后,本文基于词向量、TF-IDF与K-means的聚类方法探索灾害期间热点话题。最后,以2020年4号台风“黑格比”为例,基于台风期间的5万余条微博评论文本进行了舆情情感分析,并识别出6类与台风相关的话题。通过时空分析发现,随着时间的推移,微博评论文本的数量发生一定变化,评论数量多的地区大都集中在沿海地区和经济水平高的地区,台风登陆当天浙江省的恐惧情感达到最高。结果表明,基于语义规则和词向量的台风灾害网络情感分析方法,能在类似灾害事件发生时为政府部门掌握和引导网络舆情提供辅助。     

“一带一路”沿线国家农田生态系统脆弱性及其对气候变化的响应

全球气候变化背景下,“一带一路”沿线国家农田生态系统脆弱性直接影响着所在国家或地区的粮食安全问题。本文基于农田生态系统总初级生产力（GPP）,使用定量的脆弱性评价方法,系统分析了“一带一路”沿线国家农田生态系统脆弱性的空间分布特征及其对气候变化的响应。结果表明：① “一带一路”沿线国家农田生态系统脆弱性普遍处于较高的程度,77.1%的农田生态系统表现为中度和重度脆弱,且农田生态系统脆弱性呈现出明显的空间分异格局,中亚、西亚和蒙古脆弱性较高,中国、东南亚和南亚的脆弱性处于中等水平,俄罗斯、独联体和中东欧脆弱性较低;② 1980年以来“一带一路”沿线农田生态系统暖干化趋势明显,暖干化区域面积占64.06%,暖干化是“一带一路”沿线国家农田生态系统气候变化的主要特征;③ 农田生态系统脆弱性由低到高的气候变化区依次为暖湿区、冷湿区、暖干区、冷干区。暖湿区农田生态系统脆弱性最低,而冷干区农田生态系统脆弱性最高。气温和降水的变化及其耦合关系控制着农田生态系统脆弱性程度,其中降水变化趋势是影响农田生态系统脆弱性的重要因子。本研究为“一带一路”沿线国家应对和解决粮食安全问题,促进农业可持续发展,为加强各国之间的农业国际合作提供科学依据和有益参考。     

基于Web文本的灾害事件信息获取进展

大数据时代海量网络文本中蕴含的灾害事件信息是防灾减灾研究和应用的重要资源。从异构的Web文本中快速、准确抽取灾害事件时空信息和属性信息,分析其时空动态变化模式与趋势并进行可视化表达,是当前地理信息与灾害信息领域关注的热点。本文从Web文本挖掘的整体技术框架、灾害主题页面抓取、灾害事件信息解析与抽取、灾害事件信息空间展示分析、以及防灾减灾应用系统等方面调研和综述了相关进展。针对防灾减灾领域的Web文本信息获取未来趋势,分析概括了全流程的Web文本灾害事件信息提取适用技术,并指出未来研究趋势：① 重点开展全球灾害信息全景式获取分析,实现全球灾害事件信息的自动化获取、分析及可视化展示;② 向联合国可持续发展目标（SDGs）和中国“一带一路”倡议,加强典型热点区域的Web灾害事件信息获取分析应用研究并形成示范系统;③ 按照数据、信息、知识的应用层次,建立以大数据挖掘和分析技术支撑的新型防灾减灾知识服务系统。     

An international program on Silk Road Disaster Risk Reduction——a Belt and Road initiative (2016-2020)

Belt and Road Initiative (BRI) is a Chinese national strategy which calls for cooperative economic, political and cultural exchange at the global level along the ancient Silk Road. The overwhelming natural hazards located along the belt and road bring great challenges to the success of BRI. In this framework, a 5-year international program was launched to address issues related to hazards assessment and disaster risk reduction (DRR). The first workshop of this program was held in Beijing with international experts from over 15 countries. Risk conditions on Belt and Road Countries (BRCs) have been shared and science and technology advancements on DRR have been disseminated during the workshop. Under this program, six task forces have been setup to carry out collaborative research works and three prioritized study areas have been established. This workshop announced the launching of this program which involved partners from different countries including Pakistan, Nepal, Russia, Italy, United Kingdom, Sri Lanka and Tajikistan. The program adopted the objectives of Sendai Framework for Disaster Risk Reduction 2015–2030 and United Nation Sustainable Development Goals 2030 and was implemented to assess disaster risk in BRCs and to propose suitable measures for disaster control which can be appropriate both for an individual country and for specific sites. This paper deals with the outcomes of the workshop and points out opportunities for the near future international cooperation on this matter.     

大规模航运数据下“一带一路”国家和地区贸易网络分析

在“一带一路”沿线的65个国家中,46个国家拥有登记在案的港口,同时海上航运贸易占国际贸易总量的75%以上。为了充分了解“一带一路”沿线国家和地区航运贸易情况,评估国家、区域之间贸易往来关系,本文选取了2016年“一带一路”国家和地区船舶历史运动轨迹,首先基于规则判定的方法挖掘船舶停港事件,并以港口为主要节点,港口间货运往来事件为连接形成“一带一路”国际航运贸易网络。在此基础上,对贸易网络进行如下网络结构分析：① “一带一路”贸易网络基本属性统计,包括网络连通性、度分布、平均最短路径;② 网络节点中心度计算,主要采用Eigenvector Centrality评估分析贸易网中节点中心度;③ 结合社会网络挖掘中社区挖掘的概念,使用Fast Unfolding算法对贸易网络进行社区发现。可以看出,“一带一路”沿线国家和地区贸易往来错综复杂,港口之间呈现小世界网络特性;土耳其、俄罗斯、中国等国的港口影响力靠前;并且形成五大贸易社区,这些社区的分布和地理位置分布基本吻合,但仍然有部分国家受特殊贸易行为的影响,所属社区有所打破区域限制。本文旨在通过航运大数据构建贸易网络,在网络分析基础上,更好地评价节点影响力,更清晰地分析贸易网络结构,为“一带一路”战略更好地实施提供帮助。     

Visual analysis of the evolution and focus in landslide research field

This paper analysed the evolution of landslide research and research foci in different countries. The data comprise 3105 landslide SCI articles published between January 1977 and June 2015 from the Web of Science. The data are extracted under interaction constraints of the journal title, category, and keywords. The complex network method is used for the analysis. First, from the perspective of topics and methods, the evolution is systematically assessed by generating a co-citation network of the articles and a semantic cluster analysis. Second, from the perspective of topics and landsliderelated disasters, the focus in different countries is discussed by generating co-occurrence networks. These networks are the co-occurrence of the countries and keywords, and the co-occurrence of countries and landslide-related disaster phrases. The main conclusions are as follows:(1) landslide susceptibility analysis and methods of machine learning are popular research topics and methods, respectively. The topics change through time, and the article output is influenced by increasing landslide-related disasters, increasing economic losses and casualties, a desire for a more complete and accurate landslide inventory, and the use of effective methods, such as geographical information Science(GIS) and machine learning.(2) The research focus in each country is related with the country-specific disasters or economic costs caused by landslides to some degree. In addition to Italy and the USA, China is the country most commonly affected by landslides, and it should develop its own landslide database and complete in-depth studies of disaster mitigation.     

“一带一路”成员国居民健康状况的时空统计分析

健康是影响不同国家和地区发展的关键因素,全面了解“一带一路”成员国的居民健康状况,是探讨“一带一路”成员国之间健康医疗合作的重要基础。本文选择了4个代表性的健康状况指标（出生期望寿命、总生育率、过早非传染性疾病死亡率和结核病发病率）,利用Moran's I指数、Getis-Ord G指数对“一带一路”135个成员国的健康状况进行时空统计,分析了健康状况的空间相关性和空间分布模式,研究了健康状况的时空格局。研究发现：① 2000—2016年“一带一路”大部分成员国的各项健康状况指标均朝着改善和优化方向发展;健康状况指标均呈现显著的正空间自相关性;② 总体而言,在“一带一路”成员国中,欧洲国家的居民健康状况最好;南北美洲和大洋洲国家的居民健康状况良好;亚洲国家的居民健康状况总体良好,但东南亚部分国家的结核病发病率较高;非洲国家的居民健康状况虽有明显改善,但仍处于较低状态。因此,“一带一路”成员国应进一步加强健康医疗合作,共同推动健康丝绸之路的发展。     

自然灾害综合风险防范信息服务技术体系构建及展望

构建自然灾害综合风险防范信息服务业务技术体系是支撑新时代防灾减灾救灾工作的必然要求。文章聚焦全链条、多主体、多灾种综合风险防范信息服务需求,建立了自然灾害综合风险防范信息服务的技术体系框架,构建了涵盖常态减灾和灾前预防、灾中救援、灾后恢复重建等非常态救灾全过程的综合风险防范信息服务产品体系,建立了信息产品开发、行业数据协同、网络大数据挖掘、信息服务平台集成等方面的关键技术。其中,信息产品体系构建从灾害管理过程、主要业务类型和工作任务方面进行三级分类。信息产品开发方面研发了基于致灾、灾情、救灾3类标准灾害信息要素的灾害信息产品制作、表达和动态定制技术;行业数据协同方面研发了双向自适应的部门微服务数据共享新机制及多部门多源异构数据接入、融合处理技术;网络大数据挖掘领域研发了基于网页、移动通信、社交网络、物联网等网络大数据的致灾、灾情、救灾要素信息挖掘与融合分析技术;信息服务集成平台搭建领域研发了基于云服务架构的时空分布式大数据管理、业务工具模型集成、“云+端”多渠道信息服务技术。该技术体系解决灾害信息服务时效性不高、完备性不足等问题,为开辟与政府部门统计并行的灾害信息数据获取新途径提供了技术支撑。