陳齊超，林廣發(fā),2,3*，梁春陽，黃瀟，張明鋒,2,3，陳鑫，周星辰

(1.福建師范大學(xué) 地理科學(xué)學(xué)院，福州 350007；2.福建省陸地災(zāi)害監(jiān)測評估工程技術(shù)研究中心，福州 350007；3.海西地理國情動態(tài)監(jiān)測與應(yīng)急保障研究中心，福州 350007)

0 引言

臺風(fēng)災(zāi)害不僅影響范圍廣、破壞性強，而且發(fā)生頻率高，是造成中國社會經(jīng)濟損失最嚴(yán)重的自然災(zāi)害之一[1]?？焖佟?zhǔn)確地了解災(zāi)害過程，獲取災(zāi)損信息和識別受災(zāi)區(qū)域，并以圖表形式進行直觀展示，可為防災(zāi)減災(zāi)部門開展搶險救援工作提供重要參考。微博作為一種社交媒介，已經(jīng)成為了人們記錄事件、分享現(xiàn)場、發(fā)表看法、宣泄情感的一個平臺，大量、實時、廣域覆蓋的社交媒體信息充斥在網(wǎng)絡(luò)中[2]。對其中含有地理位置的微博文本進行采集、信息抽取和分析，從而得到數(shù)據(jù)中包含的臺風(fēng)災(zāi)害相關(guān)事件發(fā)生的地理位置、時間和影響范圍，以及各種實時災(zāi)情信息，逐漸成為災(zāi)害大數(shù)據(jù)領(lǐng)域的一個研究熱點。這些信息可用于臺風(fēng)天氣過程跟蹤、災(zāi)害事件檢測、預(yù)警和災(zāi)情準(zhǔn)實時評估，對于災(zāi)害研究和防范、應(yīng)急救災(zāi)具有獨特的價值。

近十年來，國內(nèi)外學(xué)者對于含有時空信息的社交媒體數(shù)據(jù)在自然災(zāi)害領(lǐng)域的應(yīng)用研究方興未艾，其中一些熱點話題包括洪澇區(qū)域識別[3]、干旱風(fēng)險管理[4]、火災(zāi)蔓延[5]、地震震情評估[6-7]、臺風(fēng)災(zāi)情評估[8]等。這些應(yīng)用的主要算法基礎(chǔ)，包括文本主題模型和文本情感分析模型。文本主題模型抽取一段文本所包含的特征詞，并對文本集包含的所有特征詞進行語義聚類，從而建立每個文本的主題概率分布矩陣，識別文本中所蘊含的災(zāi)情相關(guān)的主題信息。如梁春陽等綜合隱含狄利克雷分布 (Latent Dirichlet Allocation，LDA)主題模型和支持向量機模型將微博文本分為“災(zāi)情”“救援”等主題，實現(xiàn)對災(zāi)情信息的快速識別[9]；蘇凱等采用Biterm主題模型(Biterm Topic Model，BTM)實現(xiàn)“災(zāi)害地點”相關(guān)信息的識別[10]。因此，通過主題模型能夠快速地識別蘊含在文本中的災(zāi)情相關(guān)信息。文本情感分析模型主要思想是在災(zāi)害事件描述文本所反映的情緒類型及其強烈程度與災(zāi)情嚴(yán)重程度之間建立一種對應(yīng)關(guān)系。常見的情感分析方法有基于情感詞典的文本匹配、基于統(tǒng)計機器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法?；谇楦性~典的方法是借助情感詞典，如HowNet情感詞典、NTUSD情感詞典、清華大學(xué)李軍中文褒貶義詞典、BosonNLP情感詞典等，結(jié)合句式對情感詞加權(quán)計算得到文本的情感值；基于統(tǒng)計機器學(xué)習(xí)的分類是提取語料文本特征通過樸素貝葉斯、支持向量機等分類模型訓(xùn)練文本情感分類器，使用文本分類器對未標(biāo)注標(biāo)簽的文本進行情感分類；基于深度學(xué)習(xí)的方法是使用卷積神經(jīng)網(wǎng)絡(luò)、長短時記憶網(wǎng)絡(luò)等神經(jīng)深度學(xué)習(xí)模型自動提取文本特征，實現(xiàn)文本情感分級。不少學(xué)者基于以上情感分析方法開展了環(huán)境狀況監(jiān)測、災(zāi)情事件感知、受災(zāi)區(qū)域識別等方面的研究。如陳顧遠(yuǎn)等使用樸素貝葉斯分類器和情感詞典對文本情感進行正負(fù)極分類并打分，分析認(rèn)為公眾情感能夠較好地反映當(dāng)前環(huán)境狀態(tài)[11]；陳凌等采用長短時記憶網(wǎng)絡(luò)構(gòu)建情感分析模型，將情感分類結(jié)果結(jié)合詞云對災(zāi)害期間的輿情事件進行感知[12]；Gruebner等使用EMOTIVE高級情感檢測程序識別具有消極情緒的受災(zāi)者推文，從而挑選出最需要救援的區(qū)域[13]；張巖等使用樸素貝葉斯情感分類方法，通過分析表明情感指數(shù)能較好的用于重災(zāi)區(qū)的判斷[14]。

在上述研究的基礎(chǔ)上，本研究將LDA主題模型、情感分析模型結(jié)合可視化技術(shù)引入臺風(fēng)災(zāi)情過程探測中。以2020年第6號臺風(fēng)“米克拉”為例，挖掘了臺風(fēng)災(zāi)害事件相關(guān)微博中蘊含的災(zāi)情信息、主題信息和情感信息并對其進行可視化，分析臺風(fēng)災(zāi)害前后用戶發(fā)文主題和情感值的變化與時空分布，進而探測臺風(fēng)災(zāi)害的時空過程。

1 數(shù)據(jù)采集與處理

1.1 數(shù)據(jù)采集

2020年第6號臺風(fēng)“米克拉”于8月11日7時許在福建省漳州市漳浦縣登陸，于12日6時許消逝。本研究以新浪微博作為數(shù)據(jù)源，選擇“米克拉 臺風(fēng)”作為采集關(guān)鍵詞，以臺風(fēng)預(yù)報前一天至預(yù)警解除后一天(8月9日0時至8月13日0時)作為采集的起止時間，使用基于模擬登錄的方法，利用前期開發(fā)并部署于華為云端的爬蟲采集微博數(shù)據(jù)。采集得到的微博數(shù)據(jù)包括用戶id、微博發(fā)文時間、文本信息、簽到位置、用戶注冊位置等字段信息。通過對字段不完整和字?jǐn)?shù)少于6的信息進行過濾，合計采集與臺風(fēng)“米克拉”相關(guān)原創(chuàng)微博數(shù)據(jù)共5 916條。

1.2 數(shù)據(jù)預(yù)處理

微博文本數(shù)據(jù)是一種非結(jié)構(gòu)化的數(shù)據(jù)，其中雖蘊含著各類屬性信息，但未經(jīng)處理則不能直接用于分析使用?！霸~”是組成文本的最小單位，準(zhǔn)確的中文詞匯切分是文本特征提取和文本分析的基礎(chǔ)。但中文分詞的準(zhǔn)確度并不高，詞語時常被分詞器誤切分，因此需要通過構(gòu)造領(lǐng)域用戶詞典，實現(xiàn)詞典內(nèi)的詞匯能夠被準(zhǔn)確切分。使用HanLP中文分詞工具的基于條件隨機場(Conditional Random Field，CRF)的分詞模式[15]，實現(xiàn)文本詞語的準(zhǔn)確切分。中文分詞對專業(yè)領(lǐng)域名詞識別效果不佳，時常出現(xiàn)誤切分的情況，因此引入自定義的臺風(fēng)災(zāi)害事件詞匯作為用戶詞典。分詞結(jié)果中往往存在大量與分析目的無關(guān)且頻率很高的詞匯，此類詞匯參與分析則會影響分析結(jié)果，需要構(gòu)建停用詞表對無關(guān)詞匯進行過濾。本研究在哈工大停用詞典的基礎(chǔ)上補充了微博文本常出現(xiàn)的無關(guān)詞，實現(xiàn)微博無關(guān)詞的過濾。

微博中含有3種位置信息：注冊位置、簽到位置以及文本位置。注冊位置，是用戶設(shè)置個人信息時選擇的位置，該位置可獲得的最小范圍為地市尺度，一般與具體某個微博所描述事件的地點沒有什么關(guān)系；簽到位置，為用戶發(fā)微博時自行定位的位置，多是體現(xiàn)微博用戶發(fā)微博時所在的位置，該位置的準(zhǔn)確度取決于微博用戶，從省域到非常具體的某個興趣點均可，但不一定是事件發(fā)生的地點；文本位置，是微博文本中所蘊含的位置，該位置一般是微博描述事件所在的位置，具有較高的準(zhǔn)確性。在位置的選擇上優(yōu)先使用文本位置，當(dāng)文本位置空缺時采用簽到位置。文本位置蘊含在文本中，不像注冊位置和簽到位置一樣能夠輕易的獲取。本研究使用基于CRF的方法[16]對文本中的位置實體進行識別，從而抽取出文本包含的位置信息。使用以上方法獲得有效的位置信息共4 912條，占微博總數(shù)的83%。本研究使用百度地圖提供的地理編碼服務(wù)將文本地理位置轉(zhuǎn)為經(jīng)緯度坐標(biāo)，實現(xiàn)文本數(shù)據(jù)的地圖可視化展示。

2 研究方法

2.1 基于LDA的臺風(fēng)主題模型詞提取

采用Blei提出的LDA主題生成模型[17]實現(xiàn)臺風(fēng)“米克拉”微博文本的主題分類。LDA主題模型屬于無監(jiān)督分類的3層貝葉斯概率模型，包含詞、主題、文檔3層結(jié)構(gòu)。該模型假設(shè)文檔是由若干個隱含主題構(gòu)成，而這些主題由文檔中若干個特定詞匯構(gòu)成。

由于模型計算是反復(fù)迭代的過程，本研究設(shè)置迭代次數(shù)為200次，為了能得到較好的效果、較快收斂，先驗參數(shù)根據(jù)經(jīng)驗取值，α=50/k，β=0.01[18]。文本-主題概率分布矩陣表示每條微博文本數(shù)據(jù)可能包含的主題的概率，文本以概率最大的那個主題作為單條微博文本的主題，最終所有微博被分為16個主題類別，其中出現(xiàn)頻率排前10位的特征詞及主題序號矩陣如表1所示。通過對特征詞的判讀可以將相似主題進行分類：1、5、8、15劃分為預(yù)警類信息，是災(zāi)害發(fā)生前氣象臺等政府部門發(fā)布的預(yù)警信號及臺風(fēng)運動軌跡等信息；6、9、10、12、13劃分為防御類信息，是關(guān)于交通班次停運、航線停航、公園關(guān)閉等相關(guān)信息；3、4、7、11、14劃分為災(zāi)損類信息，是用戶報道的大風(fēng)、暴雨、路面損失等描述信息。0、2為無關(guān)信息。

2.2 臺風(fēng)微博情感分析

使用基于情感詞典的方法進行劃分，通過建立通用情感詞、程度副詞、否定詞和專業(yè)領(lǐng)域詞典，結(jié)合句式詞庫對情感詞加權(quán)計算得到微博文本的情感值，然后通過人工設(shè)定正負(fù)傾向的閾值來進行情感的分類，該方法簡單易行且通用性好。BosonNLP情感詞典是從微博、新聞、論壇等渠道獲取的文本數(shù)據(jù)經(jīng)過情感標(biāo)注構(gòu)建生成。該詞典囊括了大量的網(wǎng)絡(luò)用語，對微博文本的情感分析有很好的實用性。因此，使用BosonNLP詞典作為具有情感分值詞的情感詞詞典，情感值計算公式[19]如式(1)所示。

表 1 “主題-特征詞”矩陣 Table 1 Subject-word matrix

(1)

degree(t)是文本t的情感值得分，qi為一篇文章中第i個情感詞，wi為情感詞qi對應(yīng)的程度副詞，k為情感詞qi前否定詞的個數(shù)。通過對文本的句式劃分，對文本中多個情感詞語程度副詞進行加權(quán)累加，最終得到一篇文章的情感值，情感值大于0為積極正面的微博，小于0則為消極負(fù)面消極的微博。

3 結(jié)果分析

圖 1 微博數(shù)量-時間序列Figure 1 The number of microblogs-time series

本研究以小時作為時間分辨率，對微博文本數(shù)量、內(nèi)容、主題類別和情感極性進行時空統(tǒng)計分析。從相關(guān)微博數(shù)量隨時間變化情況來看，8月9日晚21時發(fā)布了第一條與“米克拉”臺風(fēng)相關(guān)的微博，隨后氣象部門等發(fā)布了大量的預(yù)警信號，該臺風(fēng)事件逐漸被人們所關(guān)注，在10日15時許達到第一個小高峰；由于午夜時分用戶休息，微博數(shù)量在凌晨0時至6時降為低谷；隨著臺風(fēng)在11日8時許登陸漳州市漳浦縣并對當(dāng)?shù)鼐用癯鲂泻蜕?、生產(chǎn)造成影響，微博數(shù)量在11日10時達到第二個高峰；臺風(fēng)登陸后逐漸減弱并于11日14時降為熱帶低壓，此后相關(guān)微博也逐漸減少(圖1)。

3.1 “米克拉”臺風(fēng)事件主題分析

圖 2 事件主題類別-時間序列Figure 2 Text category-time series

按預(yù)警、災(zāi)損與防御類文本主題，分別統(tǒng)計其發(fā)文數(shù)量和高頻詞隨時間的變化(圖2)，可以看出，與“米克拉”臺風(fēng)相關(guān)的第一條微博是屬于預(yù)警類信息，描述了臺風(fēng)即將生成，并逐漸向臺灣、福建和廣東地區(qū)靠近的情況；在臺風(fēng)登陸前，關(guān)于臺風(fēng)風(fēng)向、風(fēng)力強度、預(yù)計路徑和預(yù)計暴雨強度等的預(yù)警類信息占主要部分；其次是關(guān)于漁船撤離、景點關(guān)閉、航班取消、列車停運等相關(guān)的防御信息；關(guān)于大風(fēng)大雨影響描述的災(zāi)情信息只占少數(shù)。隨著臺風(fēng)逐漸向內(nèi)陸靠近，微博中災(zāi)損類信息大量增加，在11日8時左右微博中的災(zāi)損類信息超過預(yù)警類信息，這反映11日8時臺風(fēng)登陸漳州市漳浦縣并對周邊地區(qū)造成大量的災(zāi)害損失，其中的“福建、漳州、廈門、樹木、車輛、道路、交通”等高頻詞，可以看出“米克拉”臺風(fēng)災(zāi)害在漳州、廈門兩地，主要造成了樹木倒塌、道路交通堵塞等災(zāi)損影響。在降為熱帶低壓且逐漸消逝的過程中，災(zāi)損類信息仍占主導(dǎo)地位，其中高頻詞語有“廠房、樹木、護欄、道路”等，是對臺風(fēng)影響整個過程中造成的廠房被吹倒、樹木倒塌、護欄壓到民警、道路擁堵等事件的描述。

圖 3 臺風(fēng)登陸前后災(zāi)損類信息點密度Figure 3 Density of damage information before and after typhoon landing

將主題分類后微博文本信息中的文本位置轉(zhuǎn)換成地圖上的點事件，并通過核密度聚類生成熱力圖對災(zāi)損類信息進行空間可視化，從而與實際災(zāi)情進行比較(圖3)?？梢园l(fā)現(xiàn)：臺風(fēng)登陸前，漳州、廈門有些許災(zāi)損信息，主要描述大風(fēng)大雨對民眾出行造成影響；臺風(fēng)入境后，泉州、福州等沿海地區(qū)有些許災(zāi)情信息生成，廈門、漳州兩地有大量災(zāi)情信息生成，主要描述了樹木倒塌、道路交通堵塞、倉庫倒塌、停電等信息；漳浦、平和、南靖、廈門市有大量的災(zāi)損類事件聚集，反映了此次臺風(fēng)事件的災(zāi)情分布，主要存在于福建省閩南沿海一帶。

根據(jù)氣象部門預(yù)報，“米克拉”臺風(fēng)在福建漳浦登陸后向西北方向移動，途徑漳浦、平和、南靖地區(qū)，造成福建東南沿海大風(fēng)和暴雨，導(dǎo)致漳州多縣區(qū)房屋受損、樹木倒伏、電力受毀等。因此，對微博數(shù)據(jù)進行文本抽取、可視化展示并分析，能夠快速直觀地了解此次臺風(fēng)事件造成的災(zāi)情影響、影響區(qū)域等信息。

3.2 “米克拉”臺風(fēng)微博用戶情感趨勢

在臺風(fēng)災(zāi)害事件中，身處受災(zāi)區(qū)的用戶會發(fā)布大量關(guān)于災(zāi)情相關(guān)的微博，此類微博多是對災(zāi)情的描述，其情感值大多是負(fù)向消極的。因此，對用戶的情感進行分析可以探測臺風(fēng)災(zāi)害的影響區(qū)域和程度?！懊卓死迸_風(fēng)的文本情感分析結(jié)果顯示有72.4%的微博用戶對此次臺風(fēng)持積極的態(tài)度，27.6%的微博用戶持消極態(tài)度。此次臺風(fēng)事件微博情感值最低值為-16，該微博發(fā)布于廈門市湖里區(qū)東百蔡塘廣場，描述了廈門市的大風(fēng)、停電和服務(wù)業(yè)受影響等多個消極事件；情感值最高分為27，該微博發(fā)布于12日，聲稱臺風(fēng)為廈門市降溫降雨，并且在晚上能夠看到英仙座流星雨。

從時序和主題分析上來看，在8月9日9時之前，尚未確定臺風(fēng)會影響中國時，關(guān)于“米克拉”的話題幾乎沒有用戶討論，此時屬于輿情傳播的潛伏期。在8月10日有大量預(yù)警類報道，確定臺風(fēng)會登陸福建閩南一帶，此時微博大量發(fā)布。在10日15時達到一個小高峰，此時持積極態(tài)度的預(yù)警類和無關(guān)類微博占主體地位，根據(jù)高頻詞匯可知主要是因為此次臺風(fēng)預(yù)測強度不大且前期一直處于高溫狀態(tài)，大量用戶渴望臺風(fēng)能夠給當(dāng)?shù)貛斫涤旰徒禍兀祟愇⒉┲饕植荚趶B門、福州等高溫地區(qū)。在11日8時“米克拉”登陸漳州市漳浦縣，持消極態(tài)度的微博大量生成，主要描述護欄被吹倒、樹木倒伏、暴雨肆虐等災(zāi)情信息，此類微博主要發(fā)布在廈門、漳州等地區(qū)(圖4)。

圖 4 登陸前后積極無關(guān)類與消極災(zāi)損類信息點密度 Figure 4 Density of positive irrelevant and negative damage information before and after landing

超強臺風(fēng)“莫蘭蒂”于2016年9月15日登陸福建省廈門市，登陸時恰逢天文大潮，對福建、浙江、江西等省造成了嚴(yán)重的影響，大面積的基礎(chǔ)設(shè)施損壞嚴(yán)重，上百萬人受災(zāi)。本研究當(dāng)時收集了臺風(fēng)災(zāi)害事件相關(guān)微博共52 882條，其中有43.4%的微博用戶對此次臺風(fēng)持積極的態(tài)度，56.6%的微博用戶持消極態(tài)度。其中持消極態(tài)度的微博多是災(zāi)損類信息，分布于以廈門為中心的福建沿海地區(qū)。情感值最低為-30，該微博發(fā)布于廈門市瑞景商業(yè)廣場，描述了廈門當(dāng)?shù)赝Ｋ?、停電、斷網(wǎng)、物資緊缺、道路堵塞、交通癱瘓等多種災(zāi)情信息；情感值最高分為33，因臺風(fēng)登陸時正好碰上傳統(tǒng)節(jié)日中秋節(jié)，該微博描述了中秋佳節(jié)的祝福信息；其他積極態(tài)度的文本包括描述中秋佳節(jié)祝福、停課放假的欣喜、以及對災(zāi)區(qū)的祈愿等，多分布在不受災(zāi)害影響或受災(zāi)不嚴(yán)重的地區(qū)。通過對比兩次臺風(fēng)可以發(fā)現(xiàn)，發(fā)布負(fù)向極性的微博多是來自于受災(zāi)區(qū)，且描述的是當(dāng)?shù)厥転?zāi)害信息?！澳m蒂”臺風(fēng)用戶情感持正向態(tài)度的多處于無災(zāi)區(qū)或輕災(zāi)區(qū)；“米克拉”臺風(fēng)持消極態(tài)度的微博占比與持積極的微博都位于臺風(fēng)影響范圍的區(qū)域。同樣是臺風(fēng)災(zāi)害事件，由于造成災(zāi)害影響程度的不同，微博文本的情感極性占比和文本類別也大不相同。嚴(yán)重的臺風(fēng)事件帶來大量的災(zāi)損類消極信息，而較弱的臺風(fēng)帶來大量積極的信息。因此，通過對微博主題類別和情感極性進行時空分析，可用于臺風(fēng)災(zāi)害事件的影響范圍和災(zāi)損影響程度的輿情監(jiān)測。

4 結(jié)論與展望

(1)基于LDA主題模型對“米克拉”臺風(fēng)事件的微博進行聚類，分為災(zāi)損信息類、防御信息類、預(yù)警信息類和無關(guān)信息類。分析各類微博的時間過程可以看出，臺風(fēng)登陸前有大量預(yù)警類信息；隨著臺風(fēng)逐漸向內(nèi)陸靠近，受災(zāi)地區(qū)的災(zāi)損類微博大量增加，災(zāi)損類微博在臺風(fēng)登陸時達到最高峰。因此，通過對主題類別的時序統(tǒng)計可以輔助探測臺風(fēng)的登陸過程及其災(zāi)情時空分布。(2)利用情感分析方法，挖掘微博文本所蘊含的情感值，并通過空間統(tǒng)計制圖分析，發(fā)現(xiàn)臺風(fēng)登陸前后的微博中存在情感較為復(fù)雜：在臺風(fēng)登陸前，對福建高溫地區(qū)的微博文本存在明顯的正面影響，文本多是描述渴望降溫、降雨的信息；在臺風(fēng)登陸后，對受災(zāi)區(qū)用戶的微博文本存在明顯的負(fù)面影響，文本多是描述災(zāi)情信息，這很好地佐證了臺風(fēng)并不總是帶來負(fù)面影響的觀點[20]。臺風(fēng)登陸雖給受影響地區(qū)帶來了一定的自然災(zāi)害，但同時也帶來了降溫、降雨，往往給前期受高溫干旱天氣影響的當(dāng)?shù)鼐用駧矸e極的影響。(3)持負(fù)向態(tài)度的微博多是來自于受災(zāi)區(qū)。通過對比2016年“莫蘭蒂”和2020年“米克拉”這兩次臺風(fēng)的微博輿情可以發(fā)現(xiàn)，較弱的臺風(fēng)會帶來較多的積極信息。因此，正、負(fù)向微博的占比可以側(cè)面反映臺風(fēng)的災(zāi)情程度；臺風(fēng)災(zāi)害期間，也可以利用實時產(chǎn)生的微博數(shù)據(jù)進行分析，快速識別受災(zāi)區(qū)域和災(zāi)損影響程度，從而輔助政府部門掌握臺風(fēng)動態(tài)發(fā)展趨勢。

利用微博數(shù)據(jù)雖能夠較好地探測出臺風(fēng)登陸的時間節(jié)點，但是對于具體臺風(fēng)災(zāi)害事件發(fā)生位置并不能很準(zhǔn)確地探測。其限制因素包括：(1)微博用戶多集中于大中城市，當(dāng)災(zāi)害事件在廣大農(nóng)村、山區(qū)發(fā)生時，事發(fā)地并不會大量發(fā)布微博；(2)用戶的隱私保護意識也使得微博地理位置精度受限，在不開放具體坐標(biāo)信息時無法獲得位置信息或者僅標(biāo)注到縣市單元；(3)從微博文本中識別位置的精度則依賴于地理特征詞抽取準(zhǔn)確性及足夠詳細(xì)且現(xiàn)勢性強的地理編碼庫的支持。鑒于微博中往往包括很多照片、視頻等多媒體信息，其中經(jīng)常嵌入了拍攝時間和地理坐標(biāo)，因此如何利用這些信息提取地理位置，以及基于機器學(xué)習(xí)方法從照片中直接提取路標(biāo)、災(zāi)害場景特征等信息，以改進本研究前述方法是目前一個研究熱點。