融合VGI和遥感等多源数据的洪涝范围提取与模拟方法

及时准确的洪涝范围提取可以提高应急管理部门对于洪涝灾害的响应能力，减轻灾害影响。SAR遥感不受云雨影响，是洪涝灾害监测的有效工具。然而，由于卫星重返周期的限制，基于SAR的洪涝连续观测较难实现。在应急背景下，如何快速、实时进行洪涝范围提取是急需解决的问题。本文提出了一种结合遥感、VGI等多源数据的洪涝范围提取与模拟方法：(1)构建Albert+CNN的文本分类模型提取社交媒体洪涝信息；(2)基于异常值剔除方法利用社交媒体和OSM等VGI数据代替人工采样对Sentinel-1 SAR数据进行分类，提取洪涝范围；(3)结合社交媒体、水位数据等多源数据基于SNIC分割和成本距离等方法模拟无可用SAR数据时的洪涝淹没情况，提高洪涝的淹没范围提取频次。研究表明，本文基于Albert+CNN与异常值剔除的样本自动生成方法，可以有效辅助SAR数据的洪涝分类；利用VGI数据结合水情、DEM等多源数据进行了洪涝范围的模拟可以增加洪涝监测的时间分辨率。本研究有助于提高洪涝信息提取能力，为VGI支持洪涝灾害的应急管理提供参考。     

重大公共卫生事件中的舆情分析方法研究——以新冠肺炎疫情为例

2019年12月以来,新冠肺炎疫情迅速席卷全球,截至北京时间2020年5月10日16时40分,全球累计确诊病例4 115 662例,已成为全球聚焦的主要话题。微博等社交媒体平台成为此次疫情相关信息传播的重要渠道和公众情绪的有效传感器之一。对微博信息进行深入挖掘分析不但能研判舆情特点,更有助于政府对公众的情绪进行针对性疏导,合理管控舆情。因此,本文采集了2020年1月18日到2020年1月28日期间关于新冠肺炎的33万余条新浪微博数据,基于Louvain和Kmeans的空间聚类、改进的BTM主题词提取等算法,将用户关注热点信息和情感特征作为地域标签,构建了反映情感特征、地域关联与热点关注在内的舆情评价方法,实现了基于位置的信息融合,能够分析不同区域的舆情特点与关注主题差异。研究表明：基于BERT词向量的BTM主题词提取方法可以有效弥补传统主题词提取的计算量大、数据冗余等缺点,在热点挖掘时具有更强的表达能力;不同区域关注热点具有一定的差异性,结合省级、市级及基于Louvain-Kmeans的空间聚类的多尺度舆情分析方法,可以全方位展现不同区域舆情特点。本文提出的舆情分析方法可以有效反映不同区域的舆情特征,为重大公共卫生事件的舆情分析提供参考。