社交媒体数据支持的城市承灾体脆弱性评估——以深圳极端天气为例

世界范围内极端天气频度和强度的显著增强,对高密度城市中公众和基础设施等承灾体造成严峻威胁,揭示和评估城市承灾体脆弱性对提升城市韧性具有重大意义。相对传统数据在极端突发灾害事件中的应用局限,社交媒体数据包含了实时且丰富时空信息而呈现出巨大潜力。研究以2018年“山竹”台风灾害3个时间序列阶段和深圳76个街道的空间分布为例,获取并预处理灾害期间相关微博数据后,分别基于LDA模型和SnowNLP模型训练得到公众灾害感知脆弱性和公众情绪脆弱性,并基于语料库构建进一步细分得到6种类型的基础设施脆弱性。研究发现这3种脆弱性的集中峰值呈现依次滞后的时间序列特征以及南北圈层差异和“哑铃状”的空间分布特征。最后针对性提出提升城市承灾体脆弱性时空协调性的相关建议,对城市灾害韧性提供一定规划指引。