基于百万微博数据进行洪涝灾害反演推理

台风是地球上最大的移动物体，尺度可达数百至上千公里，在我国主要发生在夏秋之际。由于人们对它复杂的形成机理尚未完全掌握，难以做到长时期的预警。台风杜苏芮是近几年以来对我国影响最大的台风灾害，虽然防守最严密的是登陆地点的沿海居民，实际上产生影响最大的却是京津冀一带，北京市本次降雨量为140年以来最大。我们以'暴雨', '强降雨', '洪水', '内涝', '山洪', '水灾', '灾害性降雨', '降雨量', '暴雨警报', '雨水', '雨情', '防汛', '抗洪', '灾情', '气象预警', '天气灾害', '险情', '险情预警', '险情发布', '险情汇报'等灾害关键字，检索周边的相关灾害社交媒体内容，来感知洪涝事件的时空热度。

    首先是灾害相关的响应量，先是绘制北京的，可以看到30日与31日讨论比较多，后期讨论的衰减实际上与洪峰转移的过程有关。

按照之前的讨论看看热度，好像保定的灾情还要严重些~

    这种洪涝建模分析还不甚精准，我们拉长到空间维度来观察下。

    7月31日下午北京城区西侧出现了异常红点，即最近新闻出现频次较多的门头沟区，旁边河流为海河水系的永定河。

    视野拉至全省尺度上再来看看。感觉像病毒扩散一样~

    看到其他博主做的水流仿真，感觉也挺有意思的，以后可以尝试结合降雨径流和社会感知，互相增强可靠性~

    随机抽取1000张灾区群众发表的图片，拼图起来（这确定不是朋友圈点赞？？），为啥感觉大部分人还是吃喝玩乐哈哈，这种信息需要过滤掉，或者讨论下这种网络与现实存在的参差感。

    以一个烂俗的词云图结束，咋感觉啥也看不出来

，如果对图片进行一个分类，然后再进行一些处理会不会对灾害的态势感知更精确些呢？能不能建模出灾害最严重地点的最新状态呢？城市洪涝灾害时间短强度大，这次洪峰在北京受影响最严重的也只有两天且聚集于城郊，却产生了相当大的人员财产损失，短短一天后洪峰来到了保定等地，考虑到地理临近性，地形与水系的交叉影响，我们能否对这种态势进行更精准的时空建模，期待以后的工作，使我们可以更加积极主动的对城市洪涝灾害进行响应（本文时空可视化基于kepler.gl）。