瑞得推动地理信息软件交互式三维可视化和组件化的新浪潮

可视化在GIS领域并不算是一个新概念,传统的二维图纸就是对保存在数据文件或数据库中的地理信息的可视化表示,这种方法可以较清晰地表示地理信息的平面部分。但是,我们的真实世界是三维的,空间中任意一点的位鼍必须由三个独立的变量才能唯一确定。     

基于新浪微博的省域出游驱动力空间分布特征

信息化社会下的旅游流空间分布特征是一个全新的研究视角。从中国大陆31个省份中选取69个A级景区,利用新浪微博,获取省域范围内的粉丝分布情况。从总体、区域和主要出游地区3个方面,提取省域出游驱动力的空间分布特征。在微博用户的关系视角下,全国出游驱动力分布呈现明显差异,广东、北京两地在出游驱动力方面遥遥领先;通过省份-景点微博关系矩阵构成的出游驱动有向流发现,和东部地区的联系几乎占了全国出游驱动流的全部,而全国旅游接待的分布却相对均衡;最后,还发现了5个主要的聚类出游地区,并分析其特征。     

地球与其他星球体积对比:土星环可放6个地球

1在这幅图像中,英国的天文爱好者布拉迪展示了一颗中子星相对于英格兰西北部——利物浦与沃灵顿——的大小。中子星虽然体积较小,但质量却可达到太阳的1.5倍。这种天体密度极大,一茶勺中子星物质的重量便超过10亿公吨。2在这幅图像中,布拉迪将北美洲与火星上的奥林匹斯山进行比较。这座火山几乎完全覆盖美国亚利桑那州。奥林匹斯山座落于火星塔尔西斯山群,是太阳系内最大的火山。它的高度是珠穆朗玛峰的3倍多,宽度超过374英里(约合624公里)。3火星的直径是地球的一半左右。在布拉迪绘制的图像中,火星轻轻松松覆盖整个北美同时还余下很大空间。     

基于微博数据和情感分析法的台风“米克拉”灾情过程探测

以2020年第6号台风“米克拉”为例,采集了5916条新浪微博作为数据源,综合应用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型、文本情感分析方法和空间分析技术,挖掘、分析台风的灾情时空过程。基于LDA主题模型建立了主题-词矩阵并进行隐含主题聚类,这些微博文本被分为灾损类信息、预警类信息、防御类信息和无关信息;从主题信息和文本情感值两个角度入手,对此次台风事件网络舆情的演化过程进行分析。结果表明:“米克拉”登陆前有大量积极情感的微博,主要包含渴望降雨、降温等信息,此类微博大量分布在漳州、厦门、福州等地区;在台风入境后消极情感的微博大量增多,主要描述道路、树木等受大风和大雨影响的灾损类信息,此类信息的空间位置主要分布在漳州和厦门,能较好地反映台风灾害影响的时空分布。通过对微博主题类别和情感极性进行时空分析,实现台风灾害事件发展趋势的监测,为防灾减灾提供参考依据。     

新媒体时代背景下涉震舆情处置建议——以四川省地震局官方微博开展涉震舆情处置为例

为了总结四川省地震局在新媒体时代的涉震舆情引导处置经验,给相关部门提供借鉴案例,本文以四川省地震局官方微博为研究对象,探讨其在2019年长宁MS6.0地震后虚假信息、燕子群飞、2020年绵阳老井升温、2018年“古天文学家王笑冬”预报地震4个典型涉震舆情事件中的应对策略,并提出5点新媒体时代涉震舆情处置的建议：把“化危为机”作为舆情应对的“战略考量”,把团队培养作为舆情处置的“储备考量”,把实时监控作为舆情操作的“决策考量”,把科普宣传作为舆情优化的“手段考量”,把“战时思维”作为舆情引导的“意识考量”。     

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。     

基于社交媒体的城市污染信息探测

了解城市污染状况是治理城市污染的首要环节。社交媒体中包含了能够反映人们对周围环境的感受的数据资料,可以帮助人们更直观地了解城市污染现状。本文以新浪微博为例,提出了从社交媒体中获取城市污染相关数据的方案,设计了基于社交媒体的城市污染信息分类法和可视化方法,在实验部分以北京市为例对本方法的结果进行了分析与讨论。     

基于微博数据的西藏那曲比如县地震舆情分析

震后对网络舆情信息的监控与分析,对于相关部门开展震灾应急救援、掌握救灾动态、稳定民众情绪具有重要意义。本研究基于新浪微博数据,运用网络爬虫技术,获取西藏自治区那曲市比如县6.1级地震震后24小时及震后一周的相关微博及评论;利用Python中文分词组件“jieba”和ROST CM6软件,对数据进行分类、去重、分词等处理,得到结构化的分级、分类数据,并制成震后微博时间序列图、地理分布图、舆情热词词频表、情绪极性统计图等,实现微博舆情数据的可视化。研究结果表明,本次地震事件的微博舆情整体呈现积极情绪,微博活跃程度与当地经济发展程度密切相关。在本次地震舆情传播中,政府部门的舆情引导起到至关重要的作用,舆情传播中的防灾视频传播具有明确的正向引导作用。本研究对于中国西部欠发达少数民族地区的地震舆情分析及引导工作具有借鉴意义。     

新浪微博地震舆情数据库的设计与实现

社交媒体地震舆情数据可实时反映灾区现状,为震后应急提供较好的地震灾情舆情研判服务。选取新浪微博作为数据源,对接EQIM,采用新浪微博开放平台API与分布式网络爬虫相结合的方式获取地震舆情数据。在数据清洗和基于fastText地震相关性分类模型进行数据预处理的基础上,应用MySQL关系型数据库,设计并实现我国大陆地区准实时新浪微博地震舆情数据库及管理平台。现阶段,该数据库收集了2021年1月1日至2022年3月31日我国大陆地区3.0级及以上地震447次、地震舆情数据732 949条,实现数据下载、快速查询及精确查询,方便数据查询与管理,有助于震后舆情监控与灾情快速获取。     

综合LDA与特征维度的丽江古城意象感知分析

论文通过建立基于LDA(Latent Dirichlet Allocation)模型和包含两级特征维度的旅游地意象感知研究框架,将LDA主题模型用于旅游微博文本分析,以特征维度半定量刻画旅游地意象感知特征,减少LDA主题凝练的主观性,帮助研究者在特定维度框架约束下准确、客观地提取旅游地意象特征。丽江古城案例证明,一级特征维度可以完整勾勒出丽江古城意象感知的基本框架,包括以聚落形态、音乐意境、标志人物、休闲空间和纳西美食为核心的5组空间与景观元素,深度旅游者、城市居民、年轻人、女孩子4类人群的特殊感知体验,及旅游者与环境要素的不同互动特征;二级特征维度进一步精细解读丽江古城的意象感知特征,表现为丽江古城慢活性、夜生活和浪漫之都的文化意象、旅游者对地方文化与现代风情融合的凝视与体验等。结合特征维度的LDA模型,准确构建了意象基本框架,成功刻画了丽江古城的形象及精细特征,并能进一步解析意象的形成机制,为旅游地意象感知研究提供了新视角,有助于深度解读意象形成的地方意义,厘清认知、情感和行为意象间的关系。