EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 12: 2282 - 2296

DOI: https://doi.org/10.12082/dqxxkx.2022.220207

综述

自然灾害综合风险防范信息服务技术体系构建及展望

  • 廖永丰 , 1 ,
  • 吴玮 1 ,
  • 杨赛霓 2 ,
  • 胡卓玮 3 ,
  • 阿多 , 1, *
展开
  • 1.应急管理部国家减灾中心，北京 100124
  • 2.北京师范大学国家安全与应急管理学院，北京 100875
  • 3.首都师范大学资源环境与旅游学院，北京 100048
*阿多（1983— )，男，河南南阳人，助理研究员，主要从事灾害评估与灾害风险预警方面研究。 E-mail:

廖永丰（1974— ），男，甘肃陇南人，研究员，主要从事灾害评估与灾害风险预警方面研究。E-mail:

收稿日期: 2022-04-20

  修回日期: 2022-10-20

  网络出版日期: 2023-02-25

基金资助

国家重点研发计划项目(2018YFC1508904)

收起

Construction and Prospect of Information Service Technology System for Comprehensive Risk Prevention of Natural Disasters

  • LIAO Yongfeng , 1 ,
  • WU Wei 1 ,
  • YANG Saini 2 ,
  • HU Zhuowei 3 ,
  • A Duo , 1, *
Expand
  • 1. National Disaster Reduction Center of China, Beijing 100124, China
  • 2. School of national security and emergency management, Beijing Normal University, Beijing 100875, China
  • 3. School of resources, environment and tourism, Capital Normal University, Beijing 100048, China
*A Duo, E-mail:

Received date: 2022-04-20

  Revised date: 2022-10-20

  Online published: 2023-02-25

Supported by

National Key Research and Development Program of China(2018YFC1508904)

Fold

摘要

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。

关键词： 自然灾害; 综合风险防范; 数据协同; 网络大数据; 信息服务; 信息平台

本文引用格式

廖永丰 , 吴玮 , 杨赛霓 , 胡卓玮 , 阿多 . 自然灾害综合风险防范信息服务技术体系构建及展望[J]. 地球信息科学学报, 2022 , 24(12) : 2282 -2296 . DOI: 10.12082/dqxxkx.2022.220207

Abstract

To build a operational technological system of information service for comprehensive risk prevention of natural disasters is an inevitable requirement to support disaster prevention, mitigation and relief in the new era. Aiming to the demand for comprehensive risk prevention information service of the whole chain, multi-agent and multi disaster, this paper establishes the technical system framework of comprehensive risk prevention information service of natural disasters. We construct the comprehensive risk prevention information service product system covering the whole process of normal disaster reduction and abnormal disaster relief (such as, pre disaster prevention, in disaster rescue, post disaster recovery and reconstruction) and breaks through four key technologies, including the information product development, industry data collaboration, network big data mining Information and service platform integration. In terms of information product development, we have developed disaster information product production, expression and dynamic customization technology based on three standard disaster information elements: disaster causing, disaster situation and disaster relief. In the aspect of industry data collaboration, we have developed a new mechanism of two-way adaptive departmental micro service data sharing and multi-department and multi-source heterogeneous data access and fusion processing technology. In the field of network big data mining, we have developed information mining and fusion analysis technology of disaster causing, disaster situation and disaster relief elements based on Web pages, mobile communications, social networks, Internet of things and other network big data. For building information service integration platform, we have developed spatiotemporal distributed big data management, business tool model integration and "cloud + end" multi-channel information service technology based on cloud service architecture. The technical system solves the problems of low timeliness and insufficient completeness of disaster information services, and provides technical support for opening up a second way to obtain disaster information data distinguished from government statistics.

Key words： natural disasters; comprehensive risk prevention; data collaboration; network big data; information service and information platform

1 引言

在全球气候变化背景下，灾害风险日趋加剧，提升灾害风险信息管理与服务能力、防范化解重大灾害风险是全球各国的普遍共识[1-2]。自然灾害风险防范概念在自然灾害研究领域应用较广，但目前仍未有权威、统一的定义，狭义上特指灾前采取措施减轻灾害造成的潜在损失和影响；广义上与灾害风险管理相同，涵盖灾害发生、发展的全过程，包括日常风险管理及灾前预防、灾中应急和灾后恢复重建等灾害应对全过程的潜在损失和影响的控制[3]。适应新时代防灾减灾救灾体制机制改革要求，本文将灾害风险防范定义为灾害应对全过程的“超前部署”，综合风险防范信息服务覆盖重大灾害应急处置全业务链条、服务多类主体，强调服务产品综合化、服务关口前移、服务渠道多样化、服务对象大众化[4⇓-6]。
国内外在自然灾害综合风险防范信息服务关键技术研究及信息平台研制方面已具有良好基础。联合国及美国、欧洲、日本等发达国家已经建立了相对完善的灾害监测、预报和减灾应急等信息平台和产品体系，产品制作正由从单灾种走向多灾种综合的趋势。如联合国全球灾害警报和协调系统（GDACS）、美国地质调查局（USGS）、日本国土交通省防灾资讯网[7]等。中国的自然灾害风险防范信息服务体系建设发展迅速，应急[1]、地震[8]、地质[9⇓-11]、气象[12-13]、水利[14⇓⇓-17]、海洋[18]、林草等部门均分别建设了灾害风险监测、评估、预警预报和防治体系，拥有相对完善的灾害风险管理与信息服务平台[19]。部分保险企业及社会组织也建设了诸多灾害风险信息服务平台[20]。总体上，这些信息服务平台呈现部门自成体系、业务领域发展不平衡、上下游衔接不紧密、综合集成不足等特点[21-22]。因此，进一步健全部门、行业数据共享机制，推进数据与产品融合应用，发展综合风险防范信息服务是当前业务发展重大需求。
近年来，大数据、物联网、云计算等新信息理论和技术的发展，为自然灾害风险管理提供了新的可视化、分析和预测的方法与应用可能性，为灾害风险信息管理服务技术研发提供了新契机[12,19]，也将推进其在灾害损失与风险评估、预警和应急响应以及综合减灾等领域的发展[23-24]。譬如，利用新闻网站数据挖掘网络舆情[25-26]，利用社交媒体数据挖掘灾害强度和灾害损失信息[27⇓⇓⇓⇓⇓⇓⇓-35]，利用手机信令、腾讯位置大数据、公交刷卡信息、出租车轨迹等位置大数据评估灾区人口分布[36⇓⇓⇓⇓⇓⇓-43]等。因此，推进网络大数据与地面监测数据、卫星遥感监测等多源数据融合应用，发挥互联网大数据分析高时效特点，提升灾害监测、灾情提取、灾害风险评估精度是未来研究的主要趋势[44-45]。研究聚焦新时代自然灾害综合防治对高时效、高精准信息服务的需求[46]，构建了全链条、多主体、多灾种的信息服务技术体系，系统梳理了关键技术研究进展，最后分析了面临挑战和未来发展方向，为解决灾害信息服务时效性不高和完备性不足等问题提供了解决方案，开辟了与政府部门统计并行的灾害信息数据获取新途径。

2 综合风险防范信息服务体系架构

新时代自然灾害综合风险防范信息服务要求覆盖常态减灾和非常态救灾的灾害管理全过程，服务政府、企业、社会组织、公众4类主体，涵盖政府救助、灾害保险、社会力量综合减灾、公众防灾减灾4大领域，强调多灾种综合和灾害链分析[3,46]。信息服务体系由产品体系、关键技术、服务平台和应用模式4方面组成（图1）。其中，产品体系是核心，信息产品的制作、表达、发布等关键技术是支撑条件，服务平台是工具，应用模式是业务工作机制。因此，新时代自然灾害风险防范信息服务体系研究的目标是开发全链条、多主体、多灾种的自然灾害综合风险防范产品体系，以信息产品的制作、表达、发布为主线，突破多部门数据协同共享和网络大数据挖掘2个渠道的数据获取技术，并通过研制“云+端”集成信息服务平台，面向政府、企业、社会组织和公众提供灾害风险防范信息服务。
图1 自然灾害综合风险防范信息服务技术体系总体架构

Fig. 1 The structure of information service technology system for comprehensive risk prevention of nartural disasters

2.1 灾害综合风险防范信息服务产品体系

灾害综合风险防范信息服务产品体系是服务于自然灾害风险防范全业务链条、按照特定的分级分类规则有序组织的一系列信息产品的总和。信息产品是自然灾害风险防范信息服务工作的核心，产品体系是规划建设业务信息平台、基础数据库、运行保障模式、技术标准规范等灾害综合风险防范信息服务技术体系的前提和基础。
新时代自然灾害风险防范信息服务的总需求是服务于政府、保险公司、社会组织、公众等多个主体，覆盖常态减灾和非常态救灾的灾前预防、灾中救援、灾后恢复重建等全过程，适应多灾种和灾害链的综合应对。中国自然灾害综合风险防范信息产品体系采用三级分类体系构建：一级大类按照灾害管理过程划分，二级中类按照各灾害管理过程的业务类型划分，三级小类按照各项业务的措施划分。信息产品设计包括定义产品名称、制定产品编码和设计产品内容。结合中国主要自然灾害类型，逐级细化建立了符合我国国情的自然灾害综合风险防范信息服务的产品体系（表1）。
表1 自然灾害综合风险防范信息服务产品体系

Tab. 1 The information service product system for comprehensive risk prevention of natural disasters

大类 中类 小类 灾害保险 灾害救助 社会力量
常态减灾类产品
 风险监测与管理类产品 阶段型自然灾害综合风险监测产品 √ √ √
备灾类产品 防灾减灾救灾资源信息产品 - √ √
灾前预防类产品
 灾害预警类产品 自然灾害预警信息产品 √ √ √
自然灾害临灾预评估 √ √ √
自然灾害遥感监测信息产品 √ √ √
防灾减损类产品 防灾防损信息产品 √ √ √
灾中救援类产品 抢险救援类产品 灾害损失与影响评估信息产品 √ √ √
灾区灾情动态监测信息产品 √ √ √
应急救助类产品 自然灾害应急救助信息产品
 - √ √
灾区应急救援保障信息产品 - √ √
救灾捐赠信息产品 - √ √
灾后恢复重建类产品 过渡期救助产品 灾害损失及影响综合评估产品 √ √ √
灾害保险快速理赔产品 √ - -
灾区重建类产品 灾后重建进度监测产品 - √ √

2.2 灾害综合风险防范信息服务关键技术

针对政府灾害救助、灾害保险、社会力量参与综合减灾、公众防灾减灾等重大业务的信息服务需求，从信息产品开发、行业数据协同、网络大数据挖掘、信息服务平台集成等方面开展了关键技术研究，解决灾害综合风险信息产品的规范化制作、差异化表达、协同化分析、精准化服务的技术难点。
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。

2.3 多灾种综合风险防范信息服务集成平台

应急管理部制订的相关信息化发展战略规划框架（2018—2022年）中明确提出，要建设中央、省两级的“应急云”服务平台，对应急管理业务信息系统建设体系提出了规范要求。多灾种综合风险防范信息服务集成平台遵循应急管理信息化框架的技术要求，平台采用“1+32”、中央-省两级部署的方案，建立1个中央级数据库以及32个省级数据库，为国、省、市、县（区） 4级提供灾害综合风险防范服务信息。
中央级平台和各省级平台通过多网络通信融合管理将各数据库物理连接为统一的整体，满足各数据库之间的信息共享、交换、数据库访问与发布。集成平台在产品体系和关键技术研制的基础之上，采用“微内核+插件”管理集成模式，包括产品制作、行业灾害数据接入和集成、灾害信息大数据挖掘与分析、产品多渠道发布、灾害信息服务管理、数据库管理、平台管理和集成展示8大功能模块。

2.4 多灾种综合风险防范信息服务模式

随着我国灾害管理由注重灾害救助，向防灾减灾转变，灾害风险防范工作成为重点；应急管理部成立后，防灾减灾救灾业务开展对信息化水平的要求也逐步提高，如何优化我国灾害风险防范管理的信息服务模式成为当务之急。
信息服务模式分析梳理了政府灾害救助、灾害保险、社会力量参与综合减灾等业务流程，规范了我国自然灾害综合风险防范信息服务机制，着重规定了服务对象、产品类型、产品制作流程和发布渠道，形成面向特定类型用户，以台风、洪涝和山体滑坡泥石流、地震等为主，集产品制作、发布和服务为一体的风险防范信息服务链条和服务模式，提升政府、企业、社会组织等防范重大自然灾害风险的信息保障水平。

3 信息服务关键技术

3.1 基于标准灾害要素信息的模板化产品动态制作技术

在信息产品开发方面，国内主流还是数据驱动的标准模板自适应定制技术，地震、地质、气象等单灾种信息产品及综合灾害信息产品都分别开发了信息产品的模板，基本实现了产品自动化制作，促进了信息产品标准化及制作发布的高时效。但依然存在单灾种信息产品缺乏统一标准，产品要素的定义、表达和语义未统一，无法实现多部门信息产品自动交互和综合风险防范信息产品多部门协同制作。本文提出了基于标准灾害要素信息的模板化产品动态制作技术（图2），通过标准灾害要素信息分类与提取、产品要素标准化表达和产品动态定制，实现基于统一产品要素信息的行业单灾种信息产品共享及综合信息产品多部门协同制作。
图2 基于标准灾害要素信息的模板化产品智能制作技术

Fig. 2 Intelligent manufacturing technology of template products based on standard disaster element information

3.1.1 产品要素信息分类与提取

国内各级各类灾害信息产品虽然在载体、渠道和表达方式等方面各异，但是其内容均可以抽象为致灾、灾情和救灾3类信息。基于行业灾害信息分类标准，分别构建致灾、灾情、救灾等灾害要素信息的指标体系，建立基于文本的灾害要素指标信息快速提取技术方法。目前，利用基于灾害信息文档提取灾害信息指标、图元文件的技术已经基本成熟并广泛应用于信息产品制作业务。

3.1.2 产品要素信息的表达

随着新兴信息技术发展和信息发布渠道的迭代，产品要素信息的表达方式也在持续变化。早期主要为格式化文档，表达方式以格式化文本和图表为主，如政府部门文件。网络电子地图出现后，灾害信息以专题地图形式传播，如以谷歌、百度、天地图等商用电子地图为载体的各类网络在线电子地图。近年来，移动互联网和虚拟情景技术迅速发展，网络在线地图服务与AR/VR融合，灾害信息服务开始为用户提供沉浸式交互式体验。随着新时代灾害风险防范信息服务的深入发展，政府应急管理决策和互联网大众化服务2类需求并存，格式化文档、互联网电子地图、沉浸式交互体验3代信息产品将融合发展，需要持续开发适应不同信息发布渠道的产品要素组件。

3.1.3 灾害信息产品动态定制

产品动态定制以产品模板和产品组成要素标准化为基础，研究产品要素自适应组合的规则体系，实现模板驱动的信息产品动态快速制作。模板驱动的信息产品动态定制技术起源于Web应用界面自动生成，应用于参数化文档制作，目前已广泛应用于在线地图服务、微信公众号、手机短信等各类信息产品的定制。灾害综合风险防范信息产品动态定制的技术核心是模板、组件和生成工具，以灾害综合风险防范信息服务产品体系为依据建设信息产品模板库，按照致灾、灾情、救灾3大分类体系建设产品组件库，整合产品动态生成工具和产品要素表达技术建设规则库。围绕中国重大灾害应急处置需求，通过研制地震灾情评估、地质灾害风险监测等信息产品模板，建立主要灾种致灾要素、灾情要素和救灾要素信息的主要指标，可以实现基于模板和基本灾害要素信息的产品智能化制作。

3.2 多部门大数据业务协同机制与应急联动技术

行业部门灾害信息共享是制作自然灾害综合风险防范信息产品的权威数据源，目前主要采取文件交换和部门Web在线服务方式[47]。各部门信息服务平台独立运行，呈分布式部署，服务间耦合关系松散，难以支撑综合风险防范信息产品制作高时效需求。通过建立多部门协同联动的数据共享机制（图3），可解决文件交换和部门Web在线服务 2种方式下多部门、多源异构灾害要素信息的接入、管理和融合处理关键技术，实现重大灾害应急处置多部门灾害信息快速接入、实时动态集成与融合处理、综合信息产品协同制作。
图3 多部门大数据业务协同机制与应急联动技术框架

Fig. 3 Multi-department big data business collaboration mechanism and emergency linkage technology framework

3.2.1 实时动态多部门数据协同共享机制

目前，文件共享和Web在线服务这两种信息共享方式的技术机制全部采用主动推送或在线服务模式。重大灾害应急处置要求实时、动态完成多部门信息的集成，多部门协同制作灾害风险防范信息产品，为“超前部署”提供决策支持，主动推送或在线服务机制无法满足高时效性需求，需要构建以重大灾害应急多部门数据协同为目标的新型数据共享机制[48]。通过对现有主动推送服务机制进行技术升级，研究提出并设计了一种以多部门协同业务应用为驱动、双向自适应的部门微服务数据共享新机制[49]。各部门微服务单元既可以及时、自动地被动接收来自各微服务单元更新发布的实时数据，又可以根据应急状态和业务需求从各微服务单元主动获取灾害信息数据，破解了多部门数据协同开展信息产品制作的时效性保障难题。

3.2.2 多部门多源异构数据自动接入与管理

文件交换和Web在线服务这2种数据共享方式数据格式复杂，涉及文本、图像、音频、视频、Web页面数据等，主要为半结构化和非结构化数据，需要开发专用数据接入工具进行数据结构化处理[50]。近年来，文本图像OCR识别、AI音频文本实时转换、网络爬虫等技术日渐成熟，已能够较好地支撑半结构化和非结构化数据的结构化处理需求。针对重大灾害应急多部门数据协同联动需求，研究开发Web API、Web PAGE、文件抽取3种接入技术，兼具结构化、半结构化和非结构数据同步存储的数据库管理机制，可解决文件交换、Web在线服务3种方式多部门灾害信息数据的快速获取、传输、存储和管理的难题。

3.2.3 多部门多源异构数据融合处理

单一部门的数据难以支撑灾害风险产品的综合制作，且影响工作时效性。但来自多部门的多灾种数据存在格式不一致的问题，且不同部门对相同或相似数据的关注点也不同，导致数据内容和属性表也不同。同时，数据在长期的生产和传输的过程往往会产生内容缺失、乱码和错排等问题，影响对数据的正常使用。基于此，多部门协同制作灾害综合风险防范信息产品，需要将多部门获取的结构化、非结构化数据进行预处理、转换和融合。按照致灾、灾情、救灾等灾害信息要素数据标准进行同化，形成统一空间基准的空间要素图层。目前，国内外在结构化、非结构化数据和地理空间数据的融合处理技术研究方法已经相对成熟，多部门灾害信息数据融合亟待突破灾害语义信息融合和灾害空间矢量要素融合两方面的关键技术。文章通过提出并设计非结构化灾害文本信息分类和语义融合处理方法[51]，开发了地图数据同名实体匹配算法，可以用于实现同一地区不同行业、不同时相、不同地理空间参考系统的多幅地图融合为一幅地图，消除了多源数据之间几何和语义等方面的差异性。

3.3 多灾种综合风险防范大数据智能挖掘与融合分析技术

网页、移动通信、社交网络、物联网等渠道的网络大数据因其时效性高、样本量大、代表性好、易于获取等特点，已经成为快速获取灾害信息的重要渠道。目前的研究聚焦灾害网络舆情和灾区人口分布及流动监测等技术的应用，尚不能支撑实时动态获取重大灾害的致灾、灾情和救灾指标及其空间分布信息的需求。通过开发面向灾害要素指标的网络大数据信息智能挖掘方法及其空间化技术，构建了网络大数据灾害要素信息分析模型库（图4）。
图4 多灾种综合风险防范大数据智能挖掘与融合分析技术及其应用框架

Fig. 4 Big data intelligent mining and fusion analysis technology for multi-disaster comprehensive risk prevention and its application framework

3.3.1 致灾信息挖掘与融合应用

当前基于网络大数据的研究仅限于文本语义信息的提取，对致灾因子强度空间化的研究相对较少[52]。
针对地震灾害，文章开发了基于微博大数据模拟地震烈度空间分布的技术，提出了基于网络大数据提取致灾因子强度信息并进行空间化的通用方法[53]，包括微博灾情的抓取统计与时空分析、通用地震词表的构建与烈度插值方法、基于热-烈度矩阵与烈度衰减关系方程的融合修正技术[28]。该烈度速估技术优势在于融合受灾舆情特点，反映经济、人口等因素下具备社会属性和震害情况的宏观烈度特征，对于动态获取灾情、辅助灾区救援具有参考价值，能较好地补充现有震后灾情获取体系。针对地质灾害多发山区，依托机器学习算法（如随机森林），构建含地域灾害诱发特征的评价因子特征数据集，经模型学习训练，对测试样本进行地质灾害是否发生的二值化分类，精度检验后空间化预测灾害发生概率，生成地质灾害易发性栅格地图[54]。
针对台风灾害，开发了基于微博大数据的台风灾害信息挖掘模型。基于利奇马台风期间全国近7万条含定位信息的微博文本及用户属性数据，通过结合地名识别技术和百度地图API地理编码提取出中文文本中的空间信息。采用隐狄利克雷分配模型[55]、双向长短记忆网络[56]等机器学习算法构建了中文文本关键词提取、分类、情感分析等多个模型。基于模型训练结果，验证了方法的可行性，并强调不可忽略社交媒体数据在本地异地、男女性别、自然环境等方面的人群敏感性差异[57]。

3.3.2 灾情信息挖掘与融合应用

中国自然灾害灾情统计指标包括人口受灾、房屋倒损、农作物受灾和因灾直接经济损失等。其中，人口受灾网络大数据挖掘国内已有成熟技术，利用手机信令数据模拟灾区高精度人口空间分布、高时间分辨率通勤人口规模及空间格局，结合灾害影像范围精确估计受灾人口规模及其时空动态变化；房屋受灾情况无法利用网络大数据直接模拟其规模及时空分布情况，本研究运用深度学习技术实现受灾区域建筑物目标智能提取，并深度融合众源地理信息与网络爬虫数据，实现灾区建筑及其功能制图，并开发了灾区建筑物空间分布及其各类建筑物脆弱性修正的方法[58-59]；农作物分布远离市区，同样难以利用网络大数据提取受灾信息，研究成果分析了台风/暴雨天气下遥感植被指数的响应特点[60]，并通过联合作物脆弱性模型与降尺度分析方法，融合遥感与气象数据，建立了农作物受损率空间分布的动态快速评估方法，估算了2010—2019年登陆中国的25个强台风造成的农作物受灾面积并得到初步验证[61]。

3.3.3 救灾信息挖掘与融合应用

救灾信息传递采用自下而上的逐级汇报方式，其工作方式效率低、耗时长，应急需求预测和需求紧迫度评估方法数据来源较为单一[62⇓-64]，无法满足救灾信息传播迅速、精准的需求。在基于网络舆情数据实时分析提出灾区各区域灾情损失估计方法[65]的基础上，研发了提取灾区各区域救灾需求的技术方法。该方法从应急指挥及救援保障需求、灾后紧急救援需求、基本生活保障需求、公共基础设施保障需求4个方面，构建了灾区救灾需求紧迫度的分级指标体系，开发了基于网络舆情数据的灾区救灾需求紧迫度分级评估方法，基于组合赋权法和灰色改进TOPSIS方法构建了需求紧迫度分级评估模型，通过利奇马台风实际案例验证了该模型的适用性。

3.4 多灾种综合风险防范信息服务集成平台搭建技术

目前，我国灾害综合风险信息服务平台建设相对分散，政府灾害救助、灾害保险、社会力量参与综合减灾等业务领域已初步建设有相关信息系统。近年来，互联网、物联网、大数据、云计算等新信息技术迅猛发展，为综合风险信息服务提供新的技术条件。多灾种综合风险防范信息服务集成平台的研制须基于现有业务平台从数据、模型、产品、服务等维度进行集成开发，亟待解决跨部门多源异构大数据管理、业务工具模型集成、多渠道信息发布与服务等方面的关键技术（图5）。
图5 多灾种综合风险防范信息服务集成平台搭建框架

Fig. 5 The framework of building an integrated information service platform for multi-disaster comprehensive risk prevention

3.4.1 时空分布式大数据管理

自然灾害综合风险防范数据来源复杂，包括基础地理信息、社会经济统计、行业部门、互联网与物联网等数据，且存储管理方式多样，有传统关系型数据库、分布式网络数据库和网页在线数据等。“综合实体数据库+数据交换平台”的传统技术方案已无法满足当前跨部门多源异构网络大数据的管理需求，采用“微服务”架构开发多源数据异构数据接入引擎，实时动态接入、组织、集成、存储各类数据[66]，是当前云服务技术体系下时空分布式大数据库管理的有效解决方案，解决了传统技术方案基于实体数据库综合集成的资源冗余、交互低效问题，实现了综合风险防范信息服务数据的高时效、高可用。

3.4.2 业务工具模型集成与管理

各行业的业务应用集成多采用系统松耦合模式或系统工具箱模式，系统接口复杂、模型适配技术要求高，系统兼容性、扩展性差。云服务体系下，业务应用采用“微服务”方式集成，应用的加载、管理、使用、卸载与硬件平台分离，大大提升了信息服务集成平台的兼容性、扩展性和可定制性[67-68]。“微服务”标准化是云平台体系下业务应用集成的另一个技术趋势，采用“标准插件+容器”的技术将应用工具进行标准化封装、注册和加载，实现应用工具的“即插即用”和快速集成[69-70]。采用Spring Cloud微服务架构和Docker容器技术开发的多灾种综合风险防范信息服务平台的集成框架，可实现产品开发、多部门数据协同、大数据信息融合分析等功能的集成。

3.4.3 “云+端”多渠道信息服务

面向各类用户主体，紧密结合台风、洪涝和山体滑坡泥石流、地震等灾害全过程的综合风险防范服务信息需求，集成产品表达与多渠道自适应发布软件插件，在“微内核+插件”组合技术框架环境中，构建信息最优组合、多样化表达、多渠道自适应切换和多渠道迅捷发布等功能，实现针对Web网页、手机App、微信公众号、手机报、微博等多渠道的综合风险信息高效自动化发布[71⇓⇓-74]，满足不同用户多层次、全方位了解灾害综合风险信息的需求。

3.4.4 信息服务产品精准推荐

大数据背景下，移动设备的快速发展为信息获取提供便利，但同时也大大增加了有用信息的选择难度。尤其在灾害背景下，面对灾害信息的大量涌现，需要快速发现有价值的信息，辅助救援或逃生。因此，满足需求的个性化推荐变成一项紧迫的任务。面向防灾减损的目标利用微博等社交媒体平台挖掘公众、保险公司、社会力量、政府等用户在灾前、灾中、灾后、常态4种不同状态下的灾害信息需求，在传统的推荐算法的基础上，考虑灾害信息地域性、社会性等独特特征，提出满足用户信息需求的基于规则的推荐方法[75-76]。

4 展望

我国的自然灾害防灾减灾救灾体制机制改革仍在深化，灾害保险、社会力量参与综合减灾等领域业务体系建设还在探索推进，灾害风险防范信息服务业务技术体系建设还将持续完善。物联网、大数据、云服务等新兴技术的应用仍在持续深化，在防灾减灾救灾应用领域还需要突破一些关键技术。灾害综合风险防范信息服务研究将着重推进3方面研究：
（1）社会力量灾害风险防范信息服务技术。社会力量参与综合减灾业务在2018年机构改革后得到了整合重塑，社会组织和志愿者日益成为我国防灾减灾救灾工作的重要力量。社会组织、志愿者、社会公众灾害信息服务需求将日趋在灾害信息服务中占据主导地位，完善社会力量信息服务的产品体系、创新信息服务模式、研制配套的软件工具是未来灾害信息服务研究的主要方向。
（2）网络大数据灾害信息挖掘与融合分析。文中提出了致灾、灾情、救灾要素信息网络大数据挖掘与融合分析的技术框架，开发了社交媒体、网络大数据挖掘典型灾种致灾因子和典型灾情指标的空间分布信息的技术，初步展现了网络大数据融合分析的优势。但是，防灾减灾救灾领域关于网络大数据应用的认识还刚起步，应用的深度和广度都不够，如何利用深度学习、人工智能等技术，持续加强网络大数据灾害信息挖掘技术的研究是未来主要方向。
（3）新型信息服务渠道开发。新兴信息技术发展将推动信息传播的载体加速换代并日趋多样化，灾害信息产品传播应跟踪信息技术最新进展，持续推进发布渠道技术创新，提升信息服务效果。借鉴其他领域经验，研发轻量级移动应用灾害信息发布、物连网多端统一发布、AR/VR灾害信息智能表达等是未来亟待突破的关键技术。

5 结论

在深化落实我国自然灾害防灾减灾救灾体制机制改革的大背景下，倡导风险管理、强化综合减灾、鼓励社会参与成为政府和社会的共识，自然灾害综合风险防范概念被赋予新的内涵，其更强调灾害应对全过程的超前部署，强调灾害风险分析、灾害风险评价、灾害管理与决策。因此，构建新时代自然灾害综合风险防范信息服务业务技术体系，开发全新的信息产品体系，建设综合风险防范信息服务集成平台，建立信息服务业务模式并制定配套技术标准，是适应新时代自然灾害应急管理工作的必然要求。新时代自然灾害综合风险防范信息服务要求覆盖常态减灾、灾前预警、灾中应急、灾后恢复重建等全过程，服务政府、企业、社会组织、公众4类主体，涵盖政府救助、灾害保险、社会力量综合减灾、公众防灾减灾4大领域，强化多灾种综合。
本文聚焦全链条、多主体、多灾种综合风险防范需求，系统总结提出了自然灾害综合风险防范信息服务的业务体系框架，具体研究成果如下：
（1）研究建立了多灾种综合风险防范信息服务的产品体系，丰富了灾害风险防范信息内容。同时，开发了信息产品制作、发布、服务和系统集成的成套关键技术，为提高风险信息服务的服务效果和服务质量提供了成套的模式和机制。
（2）围绕信息产品制作两大数据源——多部门灾害信息数据协同共享、网络大数据灾害信息挖掘，突破了双向自适应数据共享和网络数据空间化的关键技术，解决了灾害信息服务时效性不高、完备性不足等重大问题，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新的思路。
（3）通过研究“微服务”和Docker容器技术，研制了信息服务集成平台，解决了多源异构数据管理和系统工具插件多样集成问题，有效实现了系统建设集成工作的轻量化、模块化，提高了信息化工作的效率。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张晓宁, 吴玮. 灾害综合风险监测的探索与实践[J]. 中国减灾, 2020(17):16-19.

[ Zhang X N, Wu W. Exploration and practice of comprehensive disaster risk monitoring[J]. Disaster Reduction in China, 2020(17):16-19.] DOI:10.3969/j.issn.1002-4549.2020.17.004

DOI

[2]
倪长健. 论自然灾害风险评估的途径[J]. 灾害学, 2013, 28(2):1-5.

[ Ni C J. Discussion on the approaches of natural disaster risk assessment[J]. Journal of Catastrophology, 2013, 28(2):1-5.] DOI:10.3969/j.issn.1000-811X.2013.02.001

DOI

[3]
廖永丰. 多灾种综合风险防范服务产品开发与集成平台建设示范[J]. 中国科技成果, 2019(4):1.

[ Liao Y F. Demonstration of product development and integration platform construction of multi-disaster comprehensive risk prevention service[J]. China Science and Technology Achievements, 2019(4): 1. ] DOI:10.3772/j.issn.1673-6516.2021.01.023

DOI

[4]
尹占娥. 自然灾害风险理论与方法研究[J]. 上海师范大学学报(自然科学版), 2012, 41(1):99-103,111.

[ Yin Z E. Literature review of research on theory and method of natural disaster risk[J]. Journal of Shanghai Normal University (Natural Sciences), 2012, 41(1):99-103,111. ] DOI:10.3969/j.issn.1000-5137.2012.01.014

DOI

[5]
史培军. 综合自然灾害风险评估与保险关键技术[Z]. 北京市,北京师范大学, 2011:3-11.

[ Shi P J. Comprehensive natural disaster risk assessment and insurance key technologies[Z]. Beijing, Beijing Normal University, 2011:3-11. ]

[6]
阿多, 廖永丰, 吴玮, 等. 政府灾害风险防范信息服务模式研究[J]. 灾害学, 2022, 37(3):186-191.

[ A Duo, Liao Y F, Wu W, et al. Research on information srvice mode of government disaster risk prevention[J]. Journal of Catastrophology, 2022, 37(3):186-191. DOI:10.3969/j.issn.1000-811X.2022.03.030. ]

DOI

[7]
张京红. 日本气象业务简介[J]. 陕西气象, 2003(4):43-45.

[ Zhang J H. Brief introduction of meteorological service in Japan[J]. Journal of Shaanxi Meteorology, 2003(4):43-45.] DOI:10.3969/j.issn.1006-4354.2003.04023.

DOI

[8]
黎益仕, 林碧苍, 陈华静, 等. 基于灾害风险管理的震害防御业务体系架构建立[J]. 震灾防御技术, 2021, 16(1):186-192.

[ Li Y S, Lin B C, Chen H J, et al. Establishment of earthquake disaster prevention service system framework based on the disaster risk management[J]. Technology for Earthquake Disaster Prevention, 2021, 16(1):186-192. ]

[9]
杨向敏, 吴福, 陈柏基. 地质灾害预警预报技术创新与应用[J]. 地理空间信息, 2021, 19(3):112-114,8.

[ Yang X M, Wu F, Chen B J. Innovation and application of geological disaster early warning and prediction technology[J]. Geospatial Information, 2021, 19(3):112-114,8. ] DOI:10.3969/j.issn.1672-4623.2021.03031

DOI

[10]
李彦星, 李倩倩. 浅析地质灾害监测预警[J]. 华北自然资源, 2021(2):106-107.

[ Li Y X, Li Q Q. Analysis of geological disaster monitoring and early warning[J]. Huabei Natural Resources, 2021, 2:106-107. ]

[11]
杜岩, 谢谟文, 蒋宇静, 等. 岩体崩塌灾害成因机制与早期预警研究综述[J]. 金属矿山, 2021(1):106-119.

[ Du Y, Xie M W, Jiang Y J, et al. Review on the formation mechanism and early warning of rock collapse[J]. Metal Mine, 2021(1):106-119. ]DOI:10.19614/j.cnki.jsks.202101008

DOI

[12]
王昕, 王国复, 黄小猛. 科学大数据在全球气候变化研究中的应用[J]. 气候变化研究进展, 2016, 12(4):313-321.

[ Wang X, Wang G F, Huang X M. The application of scientific big data in the research of global climate change[J]. Climate Change Research, 2016, 12(4):313-321. ] DOI:10.12006/j.issn.1673-1719.2016.028

DOI

[13]
李轶群, 马丽莉. 基于GIS技术构建农业气象灾害监测预警系统[J]. 河北农机, 2020(11):124,126.

[ Li Y Q, Ma L L. Constructing monitoring and early warning system of agrometeorological disasters based on GIS technology[J]. Hebei Agricultural Machinery, 2020(11):124,126. ] DOI:10.15989/j.cnki.hbnjzzs.2020.11072

DOI

[14]
原文林, 刘远驰, 付磊, 等. 基于防灾能力的山洪灾害预警指标估算模型及应用[J]. 水电能源科学, 2020, 38(12):66-70.

[ Yuan W L, Liu Y C, Fu L, et al. Research and application of estimation model of flash flood warning index based on disaster prevention ability[J]. Water Resources and Power, 2020, 38(12):66-70. ]

[15]
陶玮, 郭婷, 吴瑞姣, 等. 安徽省暴雨灾害预警等级的划分及其应用[J]. 暴雨灾害, 2021, 40(2):174-181.

[ Tao W, Guo T, Wu R J, et al. Classification of early warning levels for rainstorm disaster and its application in Anhui Province[J]. Torrential Rain and Disasters, 2021, 40(2):174-181.] DOI:10.3969/j.issn.1004-9045.2021.02.009

DOI

[16]
田以堂. 我国水旱灾害防御工作成就辉煌[J]. 中国防汛抗旱, 2019, 29(10):1-5.

[ Tian Y T. Great achievements in the prevention of flood and drought disasters in China[J]. China Flood & Drought Management, 2019, 29(10):1-5.] DOI:10.16867/j.issn.1673-9264.2019169

DOI

[17]
张新海, 赵容娇, 王圣辉. 山洪灾害入户预警技术研究[J]. 人民黄河, 2020, 42(S2):28-29.

[ Zhang X H, Zhao R J, Wang S H. Study on the early warning technology of mountain flood disasters[J]. Yellow River, 2020, 42(S2):28-29. ]

[18]
王悦静. 我国海洋环境监测技术及系统的研究[J]. 中国新技术新产品, 2019(8):124-125.

[ Wang Y J. Research on marine environmental monitoring technology and system in China[J]. New Technology & New Products of China, 2019(8):124-125.] DOI:10.13612/j.cnki.cntp.2019.08.074.

DOI

[19]
李方舟, 贾宗仁. 自然灾害监测网络建设的背景、现状及对策[J]. 中国矿业, 2021, 30(S1):9-16.

[ Li F Z, Jia Z R. The background, current situation and countermeasures of natural disaster monitoring network construction[J]. China Mining Magazine, 2021, 30(S1):9-16.]

[20]
阿多, 廖永丰, 李大千, 等. 基于GEOVIS数字地球的多灾种综合风险防范信息服务集成平台关键技术研究[J]. 河南师范大学学报(自然科学版), 2021, 49(4):30-38.

[ A D, Liao Y F, Li D Q, et al. Key technology research of the multi-hazard comprehensive risk prevention information service integration platform based on GEOVIS digital earth[J]. Journal of Henan Normal University(Natural Science Edition), 2021, 49(4):30-38.] DOI:10.16366/j.cnki.1000-2367.2021.04.005

DOI

[21]
赵朝峰. 当代中国自然灾害救助管理机构的演变[J]. 中国行政管理, 2015(7):137-142.

[ Zhao C F. The evolution of natural disaster relief agency in contemporary China[J]. Chinese Public Administration, 2015(7):137-142.] DOI:10.3782/j.issn.1006-0863.2015.07.23.

DOI

[22]
朱煌武, 吴华章. 对我国灾害管理体系与能力建设现状、问题的思考与对策建议[J]. 今日科苑, 2021(7):77-82.

[ Zhu H W, Wu H Z. The study and suggestions for disaster management system and capacity building of disaster resistance in China[J]. Modern Science, 2021(7):77-82.]

[23]
任奉宇, 吴倩, 石秀丽. 民航东北地区冰雪灾害监测预警机制研究[J]. 中国应急管理科学, 2021(4):83-94.

[ Ren F Y, Wu Q, Shi X L. Study on monitoring and early warning mechanism for civil aviation in ice snow disaster in northeast China[J]. Journal of China Emergency Management Science, 2021(4):83-94. ]

[24]
陈海燕, 雷小途, 潘劲松, 等. 气象灾害风险评估业务发展研究[J]. 气象科技进展, 2018, 8(4):15-21.

[ Chen H Y, Lei X T, Pan J S, et al. Research on business development of meteorological disaster risk assessment[J]. Advances in Meteorological Science and Technology, 2018, 8(4):15-21.] DOI:10.3969/j.issn.2095-1973.2018.04.002

DOI

[25]
刘景发, 李新, 蒋盛益. 基于网页空间进化算法的暴雨灾害主题爬虫策略[J]. 计算机工程, 2019, 45(2):184-190.

[ Liu J F, Li X, Jiang S Y. Focused crawler for rainstorm disaster strategy based on web space evolutionary algorithm[J]. Computer Engineering, 2019, 45(2):184-190.] DOI:10.19678/j.issn.1000-3428.0052035

DOI

[26]
Chen Q, He Y, Su Q, et al. Building A natural disaster knowledge base expert system based on the distributed and incremental crawling technology[J]. IOP Conference Series: Earth and Environmental Science. 2020, 435(1):012024. DOI:10.1088/1755-1315/435/1/012024

DOI

[27]
薄涛, 李小军, 陈苏, 等. 基于社交媒体数据的地震烈度快速评估方法[J]. 地震工程与工程振动, 2018, 38(5):206-215.

[ Bo T, Li X J, Chen S, et al. Research of seismic intensity rapid assessment based on social media data[J]. Earthquake Engineering and Engineering Dynamics, 2018, 38(5):206-215.] DOI:10.13197/j.eeev.2018.05.206.bot.024

DOI

[28]
曹彦波, 吴艳梅, 许瑞杰, 等. 基于微博舆情数据的震后有感范围提取研究[J]. 地震研究, 2017, 40(2):303-310.

[ Cao Y B, Wu Y M, Xu R J, et al. Research about the perceptible area extracted after the earthquake based on the microblog public opinion[J]. Journal of Seismological Research, 2017, 40(2):303-310.] DOI:10.3969/j.issn.1000-0666.2017.02.018

DOI

[29]
梁春阳, 林广发, 张明锋, 等. 社交媒体数据对反映台风灾害时空分布的有效性研究[J]. 地球信息科学学报, 2018, 20(6):807-816.

DOI

[ Liang C Y, Lin G F, Zhang M F, et al. Assessing the effectiveness of social media data in mapping the distribution of typhoon disasters[J]. Journal of Geo-Information Science, 2018, 20(6):807-816. ] DOI:10.12082/dqxxke.2018.180022

DOI

[30]
邬柯杰, 吴吉东, 叶梦琪. 社交媒体数据在自然灾害应急管理中的应用研究综述[J]. 地理科学进展, 2020, 39(8):1412-1422.

DOI

[ Wu K J, Wu J D, Ye M Q. A review on the application of social media data in natural disaster emergency management[J]. Progress in Geography, 2020, 39(8):1412-1422. ] DOI:10.18306/dlkxjz.2020.08.014

DOI

[31]
徐敬海, 褚俊秀, 聂高众, 等. 基于位置微博的地震灾情提取[J]. 自然灾害学报, 2015, 24(5):12-18.

[ Xu J H, Chu J X, Nie G Z, et al. Earthquake disaster information extraction based on location microblog[J]. Journal of Natural Disasters, 2015, 24(5):12-18. ] DOI:10.13577/j.jnd.2015.0502

DOI

[32]
杨腾飞, 解吉波, 李振宇, 等. 微博中蕴含台风灾害损失信息识别和分类方法[J]. 地球信息科学学报, 2018, 20(7):906-917.

DOI

[ Yang T F, Xie J B, Li Z Y, et al. A method of typhoon disaster loss identification and classification using micro-blog information[J]. Journal of Geo-Information Science, 2018, 20(7):906-917. ] DOI:10.12082/dqxxkx.2018.180062

DOI

[33]
周艳, 李妍羲, 黄悦莹, 等. 基于社交媒体数据的城市人群分类与活动特征分析[J]. 地球信息科学学报, 2017, 19(9):1238-1244.

DOI

[ Zhou Y, Li Y X, Huang Y Y, et al. Analysis of classification methods and activity characteristics of urban population based on social media data[J]. Journal of Geo-Information Science, 2017, 19(9):1238-1244. ] DOI:10.3724/SP.J.1047.2017.01238

DOI

[34]
Guan X Y, Chen C. Using social media data to understand and assess disasters[J]. Natural Hazards, 2014, 74(2):837-850. DOI:10.1007/s11069-014-1217-1

DOI

[35]
赵飞, 廖永丰. 突发自然灾害事件网络舆情传播特征及影响因素研究[J]. 地球信息科学学报, 2021, 23(6):992-1001.

DOI

[ Zhao F, Liao Y F. Research on the dissemination characteristics and influencing factors of network public opinion of sudden natural disaster events[J]. Journal of Geo-information Science, 2021, 23(6):992-1001. ] DOI:10.12082/dqxxkx.2021.200526

DOI

[36]
胡永恺, 宋璐, 张健, 等. 基于手机信令数据的交通OD提取方法改进[J]. 交通信息与安全, 2015. 33(5):84-90,111.

[ Hu Y K, Song L, Zhang J, et al. An improved method of extracting OD information based on mobile phone data[J]. Journal of Transport Information and Safety, 2015, 33(5):84-90,111. ] DOI:10.3963/j.issn1674-4861.2015.05.013

DOI

[37]
李东平, 黄乐, 陈海鹏, 等. 基于手机位置数据的四川九寨沟7.0级地震人流分析[J]. 中国地震, 2017, 33(4):602-612.

[ Li D P, Huang L, Chen H P, et al. Change of population distribution during the Jiuzhaigou Ms7.0 earthquake emergency period based on mobile phone location data[J]. Earthquake Research in China, 2017, 33(4):602-612. ] DOI:10.3969/j.issn.1001-4683.2017.04.016

DOI

[38]
史新颖. 面向灾害应急的手机信令数据快速聚类及受灾人口计算方法[D]. 抚州: 东华理工大学, 2019.

[ Shi X Y. Rapid clustering of mobile phone signaling data for disaster emergency and calculation method of disaster population[D]. Fuzhou: East China University of Technology, 2019. ]

[39]
杨彬彬. 基于手机信令数据的城市轨道交通客流特征研究[D]. 南京: 东南大学, 2015.

[ Yang B B. Research of urban rail transit passenger flow characteristics based on phone signaling data[D]. Nanjing: Southeast University, 2015. ]

[40]
Bengtsson L, Lu X, Thorson A, et al. Improved response to disasters and outbreaks by tracking population movements with mobile phone network data: A post-earthquake geospatial study in Haiti[J]. PLoS Medicine, 2011, 8(8):e1001083. DOI:10.1371/journal.pmed.1001083

DOI

[41]
张天然. 基于手机信令数据的上海市域职住空间分析[J]. 城市交通, 2016, 14(1):15-23.

[ Zhang T R. Job-housing spatial distribution analysis in Shanghai metropolitan area based on cellular signaling data[J]. Urban Transport of China, 2016, 14(1):15-23. ] DOI:10.13813/j.cn11-5141/u.2016.0103

DOI

[42]
钟炜菁, 王德, 谢栋灿, 等. 上海市人口分布与空间活动的动态特征研究——基于手机信令数据的探索[J]. 地理研究, 2017, 36(5):972-984.

DOI

[ Zhong W J, Wang D, Xie D C, et al. Dynamic characteristics of Shanghai's population distribution using cell phone signaling data[J]. Geographical Research, 2017, 36(5):972-984. ] DOI:10.11821/dlyj2 01705013.

DOI

[43]
赵时亮, 高扬. 基于移动通信的人口流动信息大数据分析方法与应用[J]. 人口与社会, 2014, 30(3):20-26.

[ Zhao S L, Gao Y. Mobile- communication- based analytic approach to macro data of population movement and its application[J]. Population and Society, 2014, 30(3):20-26. ] DOI:10.14132/j.2095-7963.2014.03.019.

DOI

[44]
Cervone G, Schnebele E, Waters N, et al. Using social media and satellite data for damage assessment in urban areas during emergencies[M]// Springer Geography. Cham: Springer International Publishing, 2016:443-457. DOI:10.1007/978-3-319-40902-3_24

DOI

[45]
Cervone G, Sava E, Huang Q Y, et al. Using Twitter for tasking remote-sensing data collection and damage assessment: 2013 Boulder flood case study[J]. International Journal of Remote Sensing, 2016, 37(1):100-124. DOI:10.1080/01431161.2015.1117684

DOI

[46]
廖永丰, 赵飞. 强化我国自然灾害风险管理技术途径的思考[J]. 中国防汛抗旱, 2018, 28(11):33-36.

[ Liao Y F, Zhao F. Reflection on improving natural disaster risk management technologies in China[J]. China Flood & Drought Management, 2018, 28(11):33-36. ] DOI:10.16867/j.issn.1673-9264.2018194.

DOI

[47]
张小燕. 基于WebGIS 的综合风险信息服务平台的研究[D]. 西安: 西北大学, 2007.

[ Zhang X Y. Research on integrated risk information service platform based on WebGIS[D]. Xi'an: Northwest University, 2007. ]

[48]
孟德存. 跨部门的任务协同模式及其在城市应急联动系统中的应用[D]. 青岛: 山东科技大学, 2011.

[ Meng D C. Studies on cross-organization task coordination patterns and their applications in urban emergency response systems[D]. Qingdao: Shandong University of Science and Technology, 2011. ]

[49]
胡卓玮, 李小娟, 王志恒, 等. 一种双向自适应的多源异构大数据动态处理方法:CN112711625A[P]. 2021-04-27.

[ Hu Z W, Li X J, Wang Z H, et al. Bidirectional self-adaptive multi-source heterogeneous big data dynamic processing method : CN112711625A[P]. 2021-04-27. ]

[50]
万里鹏. 非结构化到结构化数据转换的研究与实现[D]. 成都: 西南交通大学, 2013.

[ Wan L P. Research and implemantation of the transformation from unstructured to structured data[D]. Chengdu: Southwest Jiaotong University, 2013. ]

[51]
王月明, 胡卓玮, 陈锡. 基于社交媒体文本的灾情信息识别方法比较研究[J]. 自然灾害学报, 2022, 31(1):179-187.

[ Wang Y M, Hu Z W, Chen X. Comparative study on disaster information recognition methods based on social media text[J]. Journal of Natural Disasters, 2022, 31(1):179-187. ] DOI:10.13577/j.jnd.2022.0117

DOI

[52]
Tang J T, Yang S N, Wang W P. Social media-based disaster research: Development, trends, and obstacles[J]. International Journal of Disaster Risk Reduction, 2021, 55:102095. DOI:10.1016/j.ijdrr.2021.102095

DOI

[53]
Yao K Z, Yang S N, Tang J T. Rapid assessment of seismic intensity based on Sina Weibo: A case study of the Changning earthquake in Sichuan Province, China[J]. International Journal of Disaster Risk Reduction, 2021, 58:102217. DOI:10.1016/j.ijdrr.2021.102217

DOI

[54]
Yao K Z, Yang S N, Wu S N, et al. Landslide susceptibility assessment considering spatial agglomeration and dispersion characteristics: A case study of Bijie City in Guizhou Province, China[J]. International Journal of Geo-Information, 202, 11(5):269. DOI:10.3390/ijgi11050269.

DOI

[55]
Jelodar H, Wang Y L, Yuan C, et al. Latent Dirichlet allocation (LDA) and topic modeling: Models, applications, a survey[J]. Multimedia Tools and Applications, 2019, 78(11):15169-15211. DOI:10.1007/s11042-018-6894-4

DOI

[56]
Cai W W, Liu B T, Wei Z G, et al. TARDB-Net: Triple-attention guided residual dense and BiLSTM networks for hyperspectral image classification[J]. Multimedia Tools and Applications, 2021, 80(7):11291-11312. DOI:10.1007/s11042-020-10188-x

DOI

[57]
Tang J T, Yang S N, Liu Y M, et al. Typhoon risk perception: A case study of typhoon lekima in China[J]. International Journal of Disaster Risk Science, 2022, 13(2):261-274. DOI:10.1007/s13753-022-00405-6

DOI

[58]
Zhao W Z, Bo Y C, Chen J G, et al. Exploring semantic elements for urban scene recognition: Deep integration of high-resolution imagery and OpenStreetMap (OSM)[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 151:237-250. DOI:10.1016/j.isprsjprs.2019.03.019

DOI

[59]
葛小三, 陈曦, 赵文智, 等. 基于生成对抗网络的建筑物损毁检测[J]. 测绘学报, 2022, 51(2):238-247.

[ Ge X S, Chen X, Zhao W Z, et al. Detection of damaged building based on generative adversarial networks[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(2):238-247. ]

[60]
Xu S, Zhu X L, Helmer E H, et al. The damage of urban vegetation from super typhoon is associated with landscape factors: Evidence from Sentinel-2 imagery[J]. International Journal of Applied Earth Observation and Geoinformation, 2021, 104:102536. DOI:10.1016/j.jag.2021.102536

DOI

[61]
朱传海, 陈学泓, 叶涛. 融合气象与遥感数据的农作物台风灾情快速评估方法研究[J]. 中国农业信息, 2021, 33(6):1-14.

[ Zhu C H, Chen X H, Ye T. Study on rapid assessment method of crop typhoon disaster based on meteorological and remote sensing data[J]. China Agricultural Informatics, 2021, 33(6):1-14. ]

[62]
Sheu J B. An emergency logistics distribution approach for quick response to urgent relief demand in disasters[J]. Transportation Research Part E: Logistics and Transportation Review, 2007, 43(6):687-709. DOI:10.1016/j.tre.2006.04.004

DOI

[63]
Yang X L, Ding J H, Hou H. Application of a triangular fuzzy AHP approach for flood risk evaluation and response measures analysis[J]. Natural Hazards, 2013, 68(2):657-674. DOI:10.1007/s11069-013-0642-x

DOI

[64]
王英, 苏柏林, 闫鹏, 等. 基于改进TOPSIS的受灾点需求紧迫性分级研究[J]. 安全与环境学报, 2019, 19(1):140-146.

[ Wang Y, Su B L, Yan P, et al. Approach to the classification of the demand urgency of the affected points based on the improved TOPSIS[J]. Journal of Safety and Environment, 2019, 19(1):140-146. ] DOI:10.13637/j.issn.1009-6094.2019.01.022

DOI

[65]
李绍攀, 赵飞, 周义棋, 等. 基于微博数据的台风灾害舆情分析与灾害损失估计[J]. 清华大学学报(自然科学版), 2022, 62(1):43-51.

[ Li S P, Zhao F, Zhou Y Q, et al. Analysis of public opinion and disaster loss estimates from typhoons based on Microblog data[J]. Journal of Tsinghua University (Science and Technology), 2022, 62(1):43-51. ] DOI:10.16511/j.cnki.qhdxxb.2021.26.031

DOI

[66]
刘继东, 李春锋, 李雁飞, 等. GEOVIS iData空天大数据助力灾害监测[J]. 卫星应用, 2020(9):39-43.

[ Liu J D, Li C F, Li Y F, et al. GEOVIS iData aerospace big data helps disaster monitoring[J]. Satellite Application, 2020(9):39-43. ]

[67]
刘扬, 贺志伟, 王嘉颖, 等. 利用面向服务(SOA)架构的新一代指挥控制信息系统[J]. 软件, 2021, 42(6):101-104.

[ Liu Y, He Z W, Wang J Y, et al. New generation command and control information system based on serviceoriedtend-architecture[J]. Software, 2021, 42(6):101-104. ]

[68]
杨强根, 王晓蕊, 马维峰, 等. 基于微服务架构的地质灾害监测预警预报系统设计[J]. 地球科学, 2021, 46(4):1505-1517.

[ Yang Q G, Wang X R, Ma W F, et al. Design of geo-hazard early warning and forecast system based on micro-service architecture[J]. Earth Science, 2021, 46(4):1505-1517. ]

[69]
夏鹏. 基于开源框架及容器技术的微服务架构[J]. 电子技术与软件工程, 2018(20):148.

[ Xia P. Microservice architecture based on open source framework and container technology[J]. Electronic Technology & Software Engineering, 2018(20):148. ]

[70]
许京乐. 基于容器和微服务的弹性web系统设计与实现[D]. 成都: 电子科技大学, 2021.

[ Xu J (L/Y). The design and implementation of elastic web system based on container and microservice[D]. Chengdu: University of Electronic Science and Technology of China, 2021. ]

[71]
李鸿庭. 基于NetSeis/IP协议的地震信息自动化发布[J]. 地震地磁观测与研究, 2019, 40(6):146-151.

[ Li H T. Method and implementation of automatic distribution of seismic information based on NetSeis/IP protocol[J]. Seismological and Geomagnetic Observation and Research, 2019, 40(6):146-151. ] DOI:10.3969/j.issn.1003-3246.2019.06.021

DOI

[72]
肖静, 秦生, 赵光辉. 海南省“互联网+防灾减灾”综合信息平台设计与实现[J]. 中国防汛抗旱, 2017, 27(6):87-91.

[ Xiao J, Qin S, Zhao G H. Design and implementation of comprehensive information platform of “Internet plus disaster prevention and mitigation” in Hainan Province[J]. China Flood & Drought Management, 2017, 27(6):87-91. ] DOI:10.16867/j.cnki.cfdm.20170303.014

DOI

[73]
何霆, 陈修吾. 多渠道地震应急指挥信息发布关键技术研究与实现[J]. 华南地震, 2019, 39(3):109-113.

[ He T, Chen X W. Research and implementation of key technologies for multi-channel earthquake emergency command information release[J]. South China Journal of Seismology, 2019, 39(3):109-113. ] DOI:10.13512/j.hndz.2019.03.016

DOI

[74]
李珀任, 吴建平, 黄静, 等. 基于实时技术和3D WebGIS的地震信息发布系统[J]. 地震地磁观测与研究, 2016, 37(1):107-112.

[ Li P R, Wu J P, Huang J, et al. Design and implementation of earthquake information publishing system based on real-time technology and 3D WebGIS[J]. Seismological and Geomagnetic Observation and Research, 2016, 37(1):107-112. ] DOI:10.3969/j.issn.1003-3246.2016.01.018

DOI

[75]
李增, 刘羽, 李诚诚. 基于用户行为的新闻推荐算法的研究[J]. 计算机工程与科学, 2020, 42(3):529-534.

[ Li Z, Liu Y, Li C C. A news recommendation algorithm based on user behavior[J]. Computer Engineering & Science, 2020, 42(3):529-534. ] DOI:10.3969/j.issn.1007-130X.2020.03.020

DOI

[76]
黄贤英, 鲁燃, 王智昊. 融合用户特征与偏好的个性化微博推荐. 信息技术与信息化, 2018(Z1):52-57.

[ Huang X Y, Lu R, Wang Z H. Personalized microblog recommendation integrating user characteristics and preferences. Information Technology and Informatization, 2018(Z1):52-57.] DOI:10.3969/j.issn.1672-9528.2018.h2.01

DOI

Options
文章导航

/

〈 〉