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。     

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。     

闽三角城市群地质灾害敏感性评价

生态安全是地区社会经济可持续的根本保障,然而地质灾害会对地区的生态安全造成严重威胁,对闽三角城市群进行地质灾害敏感性分析具有重要意义。本文分别选取坡度、高程、土壤类型、NDVI、岩性、多年平均降水量、距主要公路距离和5 km格网内的地质灾害点数目这8个指标,基于SPCA、全局Moran's I和局部Moran's I,对闽三角城市群的地质灾害敏感性进行综合评价。结果表明：闽三角城市群整体处于中度敏感,不同敏感性的面积大小顺序为：中度敏感>高度敏感>轻度敏感>极敏感>不敏感,占比分别为26.96%、25.67%、23.89%、11.75%和11.72%;地质灾害敏感性由东南沿海向西北内陆呈现出由不敏感向极敏感逐渐过渡的整体趋势,并存在着明显的地带性特征;不同县（市、区）间及其内部的地质灾害敏感性均存在较大的空间异质性;地质灾害敏感性存在显著的空间自相关性,且为显著正相关,并呈现出显著的空间集聚性特征,在德化县、永春县、安溪县和南靖县为高高聚集,在惠安县、丰泽区、鲤城区、晋江市和石狮市为低低聚集;不同土地利用类型下的地质灾害敏感性综合指数大小顺序为：林地>草地>未利用地>耕地>水域>建设用地,林地和草地整体处于中度敏感,水域、耕地、建设用地和未利用地整体处于轻度敏感;多年平均降水量、坡度、距主要公路距离、地质灾害点数目、岩性和土壤类型是研究区地质灾害的主要驱动因子。