A review on the application of social media data in natural disaster emergency management

Advances in Forest Fire Detection, Prediction and Behavior: A Comprehensive Survey

“…Social media-based approaches for forest fire detection have become increasingly popular in recent years, especially as more people share information and images about fires on social media platforms. Here are some examples of how social media can be used for forest fire detection (Wu et al, 2020;Sakaki et al, 2010;Mukkamala, 2018;Jaber et al, 2018) Crowdsourced data collection: Social media platforms can be used to crowdsource data about the fire, such as the location of the fire and its size.…”

“…Social media-based approaches for forest fire prediction are still in their infancy and are not yet widely used. However, there are some potential applications of social media for predicting forest fires (Wu et al, 2020;Sakaki et al, 2010;Mukkamala, 2018) •…”

Exploring Progress in Forest Fire Detection, Prediction, and Behavior: An In-Depth Survey

“…Machine Learning for Forest Fire Prediction: Machine learning is also applied to predict forest fires before they occur, estimating their likelihood and severity [58]:…”

Research on social impacts of rainstorm disaster considering infrastructure disruption: An analysis of sentimental and behavioral evolution from a public perspective

“…关键词：基础设施； 社会影响； 公众感知； 暴雨灾害； 水安全 在全球气候变化、快速城市化背景下，中国极端暴雨洪涝灾害频发，由此导致的基 础设施大面积中断扰乱生产、生活秩序，甚至威胁生命健康，造成了严重的社会影响 [1] 。 灾害中公众情绪与行为不仅能够反映出洪涝灾害特征与演化趋势，更是政府相关部门的 防御措施与能力能否满足公众需求的重要衡量标准 [2] 。因此，及时准确地从受灾群众视角 掌握洪涝风险变化及其多样化的社会影响，对于提升全社会的洪涝灾害防控水平显得尤 为重要。社交媒体数据作为一种新兴的数据源，可以实时动态地反映公众对灾情的态 度、认知以及行为倾向，正推动着灾害管理决策范式的变革 [3] 。利用舆情大数据快速捕捉 社会面备灾、救灾及适灾的动态信息，是应对日益突出的水灾害问题的迫切需求，更是 对水安全保障体系建设的有益补充。 目前，洪涝灾害及水灾害管理研究主要包括洪涝风险预测和应急管理两个方面。对 于洪涝风险的预测，主要运用神经网络模型 [4] 、系统动力学 [5] 、案例研究 [6] 等方法，定量 或定性评估和预测洪涝风险的大小及演化趋势，并提出提升城市韧性的策略。在洪涝灾 害应急管理方面，主要通过建立考虑多要素的应急管理网络 [7] 或采用多目标规划 [8] 等模型 算法，探究如何优化应急资源在灾前、灾中和灾后的配置，以提升网络鲁棒性、降低配 置成本、缩短救援时间等。从相关研究来看，尚缺少对洪涝灾害社会影响的研究，更缺 少对灾害过程中公众实时感知和反应的研究，而这些问题的探讨对于提升灾害情景下公 收稿日期：2023-03-20；修订日期：2023-08-14 基金项目：国家自然科学基金项目 (71802071，71901120) ；教育部人文社会科学研究青年基金项目 (18YJCZH166) ； 中央高校基本科研业务费专项资金资助 (B230207062) 作者简介：万欣 (1985-) ，女，吉林通化人，博士，副教授，硕士生导师，研究方向为城市韧性及灾害风险管理。 E-mail: wanxin@hhu.edu.cn 自 然 资 源 学 报 共资源配给的社会效能具有重要意义。 对灾害情景下基础设施影响的相关研究主要着眼于两方面：一方面是对基础设施中 断快速识别 [9] 和不同设施信息共享交互平台构建等技术层面的研究 [10] ；另一方面是从不同 利益相关者视角对基础设施管理优化的研究 [11] 。相关研究大多利用传统的物理感知、问 卷调查等方法获取数据，而基于社交媒体数据的研究尽管其可行性已经得到验证，但仍 处于起步阶段。Zhang 等 [12] 利用推特数据探究了飓风灾害导致社区中断的社会影响；同样 利用推特数据，Chen 等 [13,14] 对飓风灾害如何影响美国高速公路、电力等基础设施开展了 系列研究，通过分析公众对基础设施服务感知的时空演化特征，实现了对受灾位置与损 失程度的预测；Fan 等 [15,16] 则基于图论、核密度估计等方法，从公众评论中挖掘重大基础 设施网络失效的关联关系。此外，还有一些学者运用情感分析、主题建模等技术研究基 础设施韧性问题，包括对设施社会韧性水平的测量 [17] 以及在设施修复与韧性提升中考虑 社会公平 [18,19] 等。 极端暴雨灾害对社会关系、组织结构以及公众身心等产生不容忽视的影响，这种社 会层面的影响与基础设施服务能力下降密切相关 [20] [15,16] ，采用基于关键词的文本分类法对获取数据按基础设施 类型进行筛选和分类，即先利用算法提取高频词，再人工筛选与各类基础设施相匹配的 关键词 (表 1) 。经过分类匹配，最终得到与给排水、交通、电力和通讯等四类基础设施 相关的微博，共计 51116 条。根据事故调查报告 [21] ，确定暴雨中心抵达和离开郑州的时 图 1 研究框架 关社会影响的差异及特点。由图 3 可知，灾前"高速" "路段" "绕行" "防汛" "天气" "提示" "发布"等与交通调度及预警和部署相关的词汇频繁出现；而灾中"救援" "消 防" "积水" "地铁" "停电" "人员" "抢险" "救灾" "互助"等反映设施故障、除障及抢 险救援的词汇成为热词；灾后阶段的热词与灾中有重叠部分，但也增加了"恢复" "遇 难" "英雄" "生命" "新闻"等与恢复生活、生产及灾害评价相关的热词。…”