一个框架来评估来自社交媒体的洪水淹没地点的可信度,使用多来源数据
Yilin Chen1, Xiaolan Li1, Xiaohong Chen1
1School of Civil Engineering, Sun Yat-sen University and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China; Guangdong Engineering Technology Research Center of Water Security Regulation and Control for Southern China, Sun Yat-sen University, Guangzhou 510275, China; Key Laboratory of Water Cycle and Water Security in Southern China of Guangdong High Education Institute, Sun Yat-sen University, Guangzhou 510275, China.
本研究引入了一个框架来评估社交媒体洪水数据的可信性,通过解决位置模糊性来提高准确性. 整合多个数据源可以通过社交媒体信息来加强洪水风险区的识别.
科学领域:
- 地质科学和环境科学 地球科学和环境科学
- 计算机科学和人工智能 人工智能
- 灾害管理和应急响应
背景情况:
- 由于其数量,多样性,低成本和直接性,社交媒体数据对灾害管理有价值.
- 一个关键的挑战是社交媒体数据质量的不确定性,特别是在洪水灾害管理方面.
- 现有的方法与地理编码模糊性以及评估社交媒体洪水信息可靠性的斗争.
研究的目的:
- 提出一个框架来评估来自社交媒体 (FLLSs) 的洪水淹没地点的可信度.
- 提高社交媒体数据在洪水灾害应急管理中的质量和应用.
- 使用可解释机器学习分析评估指标和FLLS可信度之间的相关性.
主要方法:
- 开发了一个整合气象,地形和城市基础设施数据的框架.
- 实施了一种方法,从模两可的地理编码社交媒体位置中选择最有可能被淹没的坐标.
- 在FLLS可信度评估中采用联合权重方法,并使用可解释的机器学习进行分析.
主要成果:
- 该框架通过解决地理编码问题,将本地化准确度提高了22.81%.
- 评估FLLS可信度显著提高了社交媒体数据在洪水风险区识别中的性能.
- 暴雨因素和地形湿度指数被确定为对FLLS可信度产生重大影响的因素.
结论:
- 社交媒体数据显示,人们对城市洪水灾害的关注偏向于郊区和农村地区.
- 拟议的框架有效地提高了社交媒体数据的可靠性,用于洪水管理.
- 整合社交媒体数据与其他来源对于全面的洪水灾害分析至关重要.
相关概念视频
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Applications of GIS: Disaster Management and Emergency Response
Responses to Drought and Flooding
Levels of Use of a GIS
Steps in Outbreak Investigation
Social Foundations of Self IV: Self in Digital Communication


