大數據對于災害評估的建構性提升

段華明，何　陽

(中共廣東省委黨校，廣東 廣州 510053)

?

大數據對于災害評估的建構性提升

段華明，何陽

(中共廣東省委黨校，廣東 廣州 510053)

摘要:大數據技術及其應用，先行進入防災減災領域的監測、預防、報送、抗擊、救助和援建整個過程，驅動災害風險及損失的評估發生建構性變化。優化災害風險聯動評估，監測預測系統化網絡化有序化，強化災情災需智能評估，收集流程智能化、迅捷化、可視化，深化災害損失準確評估，規避統計中重復和矛盾現象，免除人為因素干擾，避免人財物力無謂浪費，這些都極大地促進了災害預測、災情收集、災損統計的效度和信度，進一步發揮災害評估的預測、跟蹤、決策、監督等職能，引領著災害評估新常態。

關鍵詞:災害評估；大數據技術；建構性提升

大數據技術及其應用(簡稱“大云物移”，即大數據、云計算、物聯網、移動通信)，在時間數軸上多向度延伸，在空間范疇上多維面展開，至深且巨地革新信息、統計和資料的獲取與使用，先行進入防災減災領域的監測、預防、報送、抗擊、救助和援建整個過程，驅動災害風險及損失的評估發生建構性提升——內容解析與結構重組，極大地促進了災害預測、災情收集、災損統計的效度和信度，創新引領著災害評估新常態。

1大數據重組災害監測預防，優化風險聯動評估效度

大數據技術及其應用，以其流動傳輸、耦合聚成、快捷加工、優化結構的信息交匯處理，對數據作出量與質的精準分析判斷，驅動災害監測預測系統化、網絡化、有序化，優化災害準備評估。

1.1　大數據整合海量信息：災害預測系統化

傳統的災害數據采集和存儲系統，基于人工設計、線性計算方法獲得結構化報表和統一方式計量，具有一定的代表性。但由于受技術和信息來源的限制，缺乏關鍵信息的有效提取[1]，難以高頻率短周期地收集和更新數據，表現出有限性、不連續性和不可擴充性。如以往通過檢索各類災害文獻，察看歷史上受災區域的統計數據，分析記錄的災害及致災因素的概率，來預測某一區域發生災害的可能性。這種依據經驗和模型所作的災害評估，只把有限衡量因子納入評估體系，難以把握整體聯系；只對于某一區域的傳統防災起預見作用，無法對新型突發災害進行數據觀照，不易收集不斷變化的致災因子進行變量比對，使得災害防御能力大打折扣。

大數據技術具有收集、整理、儲存、檢索、共享、分析等多重功能，通過總體分析而非樣本分析，以全然而精微的邏輯計算，多領域、深層次獲取并使用系統數據、完整數據和全面數據[2]，驅動災害監測預測系統化。如作為大數據技術重要載體的地理信息系統(GIS)，采集、儲存、管理、運算、顯示和描述多維地理空間信息，驅動綜合分析和動態預測，實現人機交互的空間決策[3]，檢測風險點和危險源。對于災變過程，利用衛星、飛機的遙感器收集到的數據信息，與歷史文獻記載、經濟社會統計、民政救災規程、新聞媒體報道、社交網絡平臺等集成大數據GIS，追蹤災情災因并實時更新，對異常波動及時獲取與比照，鎖定災害可能發生的區域與時段，因應采取防災減災措施，規避災害，減輕災損。大數據GIS系統還可對霧霾、熱島效應、水污染等城市災害遙控監視，自動報警，實現聯動預測，防患于未然。

1.2　大數據聯動智能傳感：災害監測網絡化

中國有10多萬處地質災害點需要監測預警，每年通過“群測群防”方式動員數10萬群眾晝夜值守，不僅耗費大量人力物力財力，而且漏報率較高[4]。究其原因，主要是“群測群防”捕捉到的信息分散而局限，難以達到防范災害應有的數據支持需求。大數據應用智能傳感器的復合功能，內嵌到災害頻發的山體、橋梁、隧道、公路、建筑、大壩、油氣管道等位置，構成節點結合、連線對接的智能傳感網絡，同步監測，遠程監控，反映物體外在和內在變量的數字信息，實現災害預測聯動網絡化，降低信息報告的失靈風險，強化災害預測的效度。

中外災害管理部門均較為重視災害數據庫建設，對各類災害發生的時段、范圍、強度、孕災環境、致災因子、承災體抗災性能等進行評估，輔助減災決策。但是，已有的災害數據庫大多孤立封閉，壁壘分明，普遍成了“信息孤島”，制約數據交換效率，給災害聯動預測帶來困擾。大數據以其流動傳輸、耦合聚成、快捷加工、優化結構的信息處理，使數據庫彰顯關聯性，從而改變各自為營的散落局面。時下，中國基于地震、氣象等致災數據，災區經濟社會數據，遙感監測數據，現場調查數據和地方上報數據等信息匯集成多源信息網，針對地震的快速評估一般在30~40 min內完成，針對洪澇、臺風、旱災的評估在2~4 h內完成[5]。到2015年底，國家和省級地質災害數據庫、全國突發性災害數據庫將全面建成[6]。由此而論，世界范圍的災害數據庫建設趨勢將是縱橫交織的數據網群，每個災害數據庫都是網上并聯串聯的交織點，數據在網絡中穿梭流動，通過搜索、鏈接和交互，生成互用性信息，達到事半功倍的聯動預測效果。

1.3　大數據識別定位追蹤：災害避難有序化

眾多事實表明，造成人員傷亡過多的因素并不是災害本身，而是由于災害來臨時無序逃生導致無謂傷亡。中國的重大地震災害多屬于主震-余震型，主震一般持續數秒至數十秒，這個過程倒塌建筑是小部分，大部分房屋搖搖欲墜。伴隨頻頻襲來的余震，危如累卵的房屋不斷倒塌，要想死里逃生，關鍵在于主震與余震之間逃離方式和路線的抉擇。

大數據運用云計算、智能識別和定位追蹤，長時間監測人們的災難行為認知，追蹤個體與群體在災難逃生和自救中的下意識行為，評估面對各類災害預警信息各色人等的應激反應，對受災區域可能發生的規模人群避難遷移行為進行預測，加以有序引導，推薦最佳避難場所，指引便捷撤離路線，提升應急疏散的響應能力[7]。日本東京大學研究人員建立了160萬人在日本一年中的GPS移動軌跡數據庫，利用這個數據庫對2011年3月11日東日本9.0級大地震及其該地震所引發的海嘯造成的福島核事故發生后的災民避難行為進行了建模和模擬[8]。瑞典斯德哥爾摩大學研究人員收集了海地190萬手機用戶的移動數據，通過這些數據分析2010年海地7.3級大地震中災民的移動行為模式[9]，設計規劃臨災時的人群快速避難轉移。2015年春運期間，百度公司基于定位服務的人口遷徙大數據項目“百度遷徙”上線，通過分析5億手機網民定位信息，折射出人群的遷徙軌跡，可視化展現全國范圍8 h時段內的春運動態：最熱的遷徙線路，最熱的遷出遷入城市[10]。

2大數據整合災情采集流程，強化災需智能評估力度

大數據技術及其應用，不僅能夠掌握并處理海量數據，更在于萃取數據的價值信息，驅動智能化、迅捷化、可視化地集成、傳遞數據，實現多元協作、實時高效的災害應急評估。

2.1　大數據聚成遙感觀測數據：災情評估迅捷化

災情信息獲取的速度和程度是實施有效應急救助的關鍵環節。2008年5月12日汶川8.0級地震發生，直到14日相關部門才陸續獲得汶川縣和北川縣的災情，15日獲得部分重災鄉鎮的災情，19日獲得大部分受災村莊的災情[11]。災情反饋的不及時，直接影響災害損失評估的不全不準，導致救災初期救援資源未能有效調配，大批救援部隊和大量救災物資積聚滯留在成都、都江堰地區，嚴重影響了應急救援，致使災區損失蔓延擴大。

遙感技術具有覆蓋面廣、持續監測、高分辨率的特點，通過數據共享機制不斷拓展穩定的數據源，聚成災害應急遙感大數據[5]，迅速展開對房屋倒損、人員傷亡情況快速評估，判斷災區損失情況、啟動應急響應，擺脫守株待兔式逐級上報災情再組織救災的被動局面，優化了災情評估工作流程。2008年和2011年，中國先后發射環境減災星座A、B、C三顆衛星，為火災、地震、干旱、臺風、洪澇等災害監測提供了空間數據支撐[5]。2015年3月，中國發射第17顆北斗導航衛星，具有全球組網、星間鏈路的高精度應用效果[12]。中國還正在實施高分辨率對地觀測國家重大專項，通過建設基于衛星、平流層飛艇和航拍的高分辨率觀測系統，并與其他觀測手段結合，形成全天候、全天時、全球覆蓋的對地觀測[13]。在2010年江西撫州決堤、2013年黑龍江流域性洪水等重大洪澇災害的災情評估中，遙感技術發揮了重要作用。2014年2月12日，新疆于田縣發生7.3級地震，民政部國家減災中心立即啟動遙感監測評估，并綜合協調國內外衛星遙感數據，以大數據處理模式第一時間制作發布了震中附近地區衛星遙感圖像。美國利用“伊克洛斯”(IKONOS)衛星和“快鳥”(Quick-Bird)2衛星遙感拍攝到加勒城市火車站區域海嘯前后高分辨率衛星影像，對城市建筑物的損毀影像解譯對比評估[14]。

2.2　大數據匯成地理時空圖像：災況評估可視化

每臨地質災害，災區道路受損，屢發山體滑坡、堰塞湖等次生災害，交通中斷，進退維谷，有如“圍城”，亟需評估交通路況，讓救災人員與救災物資盡快進入災區施救。以往災區受損道路及可行道路的評估，一般是交通管理部門組織調研組抵達災區開展基礎數據整理、分析、制圖等有關工作來完成，向來延后拖沓。

大數據的圖像識別、多源數據融合技術，實現災情及救災的信息采集和地圖標繪，互聯網、電話語音、手機短信、微博微信等多種信息接入，災害相關圖片、音頻、視頻信息的采集、管理、查詢、統計的分析挖掘，構建設施——數據——服務一體化時空信息平臺，為相關部門和人員提供直觀、便捷、持續、立體化資訊[15]。如交通部門將路況信息、可用資源和監控數據傳輸到信息平臺進行可視化處理，確定通行路段和避免路段，保持應急處置和業務連續性之間的張力[16]。2013年蘆山7.0級地震投入使用的國家地理信息公共服務平臺——天地圖，采用云計算，將受災區域的電子地圖、影像、地形等基礎地理空間數據，通過門戶網站提供一站式的數據資源，任何人皆可點擊平臺網頁查看高分辨率的災區影像、地質災害點、滑坡點、道路阻塞點等狀況。在放大版的電子地圖上，還可以清楚查看次生地質災害點的標記以及堰塞湖的風險提示[17]。2009年美國南加州杰蘇斯塔大火，民間組織和個人建立了27個自發式地圖站點，及時匯總不斷出現的民間信息和官方信息，如火災位置、疏散命令、緊急避難所位置等[18]。

2.3　大數據集成聚合性信息：災需評估多元化

災害作為非常規性事件，準確實時的救災需求信息是快速合理配置救援資源的先決條件?，F實中，災情信息發布速度遠滯后于媒體和輿論需求，主要通過民政部官網、國家減災網和向新華網供稿的方式發布，公眾覆蓋度不足。由于災區信息的雜亂性和差異性，救援需求(災民)和災情提供(包括記者報道)信息不對稱，還可能因次生災害等變數，或救災物資在運輸途中遭到意外損毀，導致額外的救災需求，加劇物資配送的困難。在汶川地震救災過程中，就發生救災捐贈物資出現“過?！焙投倘辈⒋娴臓顩r，甚至一些捐贈物資與災區實際需求完全脫節。2012年3月18日《第一財經日報》記者章軻在微博中稱，四川省北川縣擂鼓鎮敬老院內有大量地震后外界捐助的救災物資，尚未開包[19]。2014年4月29日《中國之聲》又報道，綿陽市三臺縣新生鎮德光辦事處在清理院內雜物時，發現大量霉爛的汶川地震救災物資，有礦泉水、方便面、面包、大米、農膜和衣服等[20]。這些問題引人反思：如何切實評估災民需求，合理分配救災資源，避免無謂的浪費？救災物資需求具有非例行性和不確定性等特點，而災區現場信息紛繁復雜且高度動態變化，以致于愛心捐贈者得不到明確的災民需求作為參考，只能憑自己的主觀感受把握，造成某些救災物資不得不被“儲備”[21]。

大數據是開源技術，促使災需提供主體多元化。一方面，突破原有的政府體系內部災情信息的采集、分析、服務模式，將公共數據和個人數據結合，讓更多社會組織和更廣泛的社會公眾參與其中，并發揮越來越重要的作用。另一方面，多方形成的聚合性信息，能夠跨地域跨部門快速共享。2013年蘆山7.0級地震，首個多層化社會公益的益云地圖,為NGO用戶提供匯集共享災害數據的信息平臺，發布危機預警、尋找親人、需求詳情、地理位置、聯系方式等災區信息，并呈現信息認證狀態，增強NGO災害響應的有效協作性。百度公司整合統計災區民政部門、權威媒體、社交平臺聯合提供的物資需求數據，推出蘆山地震“救災動態地圖”，連續更新災區物資需求分布、災區路況、獻血站、救助站、災民分布等信息，為實施救援提供了直觀參考[22]。

大數據是全民織網，將個人移動通信數據納入數據采集端，眾人都是社會傳感網的數據輸送者，以一種沒有預料規劃卻及時有效的方式監測和推動救災的進程。微博、微信、QQ、貼吧、BBS等社交媒體平臺傳輸的數據信息，覆蓋互聯網的每個角落，使信息更容易被需要的人尋覓和瀏覽。災區每個人都能成為災情預報員，發送匯總傷亡情況、所需救援人員與物資，轉發相關部門災害損失統計，傳遞避難場所坐標，尋找親人報送平安等信息[23]。社交媒體實現人機界面的在線互動，救災信息的交互共享，災需數據的延伸覆蓋，極大地提高了災害救助的時效性。蘆山地震抗震救災中，“蘆山地震救助賬號”、“成都公益圈”等一批微信公眾賬號，以數秒鐘一條信息的速度傳送災區情況、所需資源、救援隊伍合作等信息，裂變式傳播給更多關注者。壹基金整個團隊前線評估蘆山地震災民需求、后線運輸物資全部通過微信平臺傳遞，集群交流解決問題[24]。

3大數據提升災害統計能力，深化災損準確評估信度

大數據技術及其應用，以其自動檢測、自我反饋和智能控制的功能，多維棱鏡觀察和極速秒級計算，對數據流進行分布式挖掘和并行式處理，驅動災害統計能力轉型升級，深化災后評估信度。

3.1　大數據交互性數控功能：規避災害統計中的重復和矛盾現象

從根本上而言，災害評估不只是單純的災后清點、經濟損失盤算，而是及時準確、客觀全面地反映災情災需災損情況，為抗災救災和災后重建提供科學依據，完善優化減災管理[21]。但由于中國災害管理是多部門平行管理，災情災損統計是各自進行。這種方式使數據信息部門化、碎片化、分裂化，帶來部門之間的不協調，出現職能交叉的多頭統計、重復統計等問題[25]。新華網2009年報道：汶川地震時，四川省崇州市旅游局和交通局上報的損失數據匯總重復，多列受災損失12.34億元[26]，引起公眾嘩然，引發負面外溢效應。大數據技術的網絡結構是最能適應外部環境變化的組織結構，網絡具有多個結點，對各種變化更敏感，能夠更快探測到環境的變量；網絡結構是疏耦合，不僅更具有韌性，也更容易根據信息交互進行調整，從而相互適應。也就是說，大數據信息并非統計部門一家獨享，而是通過開放性的計算機網絡實現信息交互共享，供人們查詢、驗證。各級政府主導建立起上下結合有機互動的災害數控系統，對各種災害匯集統計并統一公布災害損失數據，避免出現統計數據遺漏、重復或矛盾的現象，提高災害統計數據的科學性、準確性和共享性[25]。

3.2　大數據熱備份高容錯性能：免除災害調查中人為因素干擾

中國現行救災體制中災害損失統計的傳遞，通過地方民政部門和統計機構采集災損及災需信息，科層逐級上報，上級民政部門根據所報信息逐級分配發放救災物資[27]。具體的災害損失統計有三種方式方法：一是各級民政和統計部門報表式獲取數據；二是設計調查問卷和走訪災民獲取數據；三是現場抽樣推算總體獲取數據。然而，這些統計方式方法比較難以規避調查統計中人為因素帶來的問題，災害損失的誤報、漏報、重報，甚至虛報、瞞報屢有發生，致使災害統計數據嚴重失真，導致救災工作出現“盲點”，而矯正這些誤差的成本往往又很高。2012年湖南桃江縣暴雨洪澇災害，縣防汛辦向媒體提供的直接經濟損失是8 900萬元，其后縣民政局的數字卻是1 800萬元[28]。此事在社會上引起軒然大波，疑為套取救災資金，殃及政府公信力。

大數據建立災情數據質量評價體系，形成自動檢測災情數據不規范報災行為的機制。衛星網絡、無線網絡、專用集群網絡、IP多媒體通信網絡互聯互通，即使通信網絡受損，評估人員亦可優先利用殘存的通信資源建立會話，保障通信，記錄數據[29]。并且，整合的數據流只能通過網絡輸出，想要從中篡改數據則非常困難，保證災害損失數據的收集和傳遞，進而確保數據質量。云計算技術的容災系統通過數據備份、數據復制、網絡存儲，使數據之間互為鏡像、零數據丟失，統計數據系統熱備份、高容錯，保護數據安全，提高數據的持續可用性，增強網絡報災系統的支撐能力。2012年國家統計局推行聯網直報工程，改變層層上報的數據采集方式，基層直接將數據傳到國家數據中心，用兩點一線模式保障原始數據真實可信[30]。目前正在形成覆蓋國家-省-市-縣-鄉-村六級的“云+網+端”災情信息報送網絡體系，固定終端與移動終端相結合，有線網、移動網、衛星通信網相互支撐采集報送災情。

人工災情數據統計客觀上存在著數據量小、干擾性大的缺點，對達到救災預期有一定局限性。大數據以“樣本=總體”的思維方式和技術方法，把目標全體作為樣本[31]，將數學運算于全量數據，建立結構性數據和非結構性數據相關性分析，超越局部事實和經驗判斷進行全面研判，繼而作出正確的評估。大數據可以全息挖掘災區既往的日常生活數據，如自來水廠、電網公司和銀行交易、超市交易額等數據庫，對災區的民眾生活必需品數量、承災能力、實際損失進行精細化估算，不僅減少信息收集環節，降低調查成本，而且提高技術含量，免除調查過程中的人為因素干擾。

3.3　大數據物聯網智能管控：避免救災人財物力的無謂浪費

舉國之力調動人財物支援災區，是中國災害應對的優勢和特色。災害發生后，全國上下洶涌的愛心匯集災區，幫助災民。但需要厘清，忽視對救援人員的統籌，無序的社會組織和志愿者參與，可能導致部分救災力量或成為災區的負擔，造成忙中添亂、適得其反的效果。2010年玉樹7.1級地震抗震救災中，由于災區地處高原，廣東救援隊150人一抵達災區，多數人便出現高原反應、重感冒甚至肺水腫等癥狀，全部隊員不得不在2 d后分批撤離[32]。2013年蘆山7.0級地震抗震救災時，各地涌入的非專業救援者過多，志愿者大多有救援熱情但缺乏知識和經驗，到了災區以后無所適從，又沒有帶食品和戶外用品，食宿都無法解決，還要消耗災區的物資，幾近淪為災民。當地政府不得不勸返志愿者，以致1 d內勸返上千人[33]。

云計算、移動互聯網、物聯網、APP軟件等大數據主要技術，對救災人員和物資的統籌與發放起到聯控作用。物聯網通過射頻識別、紅外感應器、全球定位系統、激光掃描器等信息傳感設備，把人員和物資與移動互聯網連接起來進行信息交換和通訊，實現智能識別、定位、跟蹤、監控和管理的網絡化[15]。相關部門將救援組織信息、災情需求信息和資源調配信息納入物聯網，通過云計算集成數據中心加以調控，讓互用性數據流在政府與公眾之間互通聯享，讓救援人員知曉哪里有救援需求，需求量是多少，動態有序地施展救援，做到按需調控分配，人盡其用，貨暢其流。

大數據定位監測個人地理位置，對災區人員流量進行智能管控，當災區人數逼近臨界點時，便發出警報，疏導災區人員，不至于積重難返。從2010年開始，北京西單、天安門廣場等區域已經使用“人群聚集風險預警系統”，對流動人群進行實時監控。該系統可提前30 min實現重點區域人群安全容量預警，可預測未來1 d甚至1周的人群總量和峰值時段[34]，根據人群流動密度采取疏導、限流等措施，避免人群密度過高產生擁擠踩踏等風險。2015年春節期間，四川九寨溝等景區運用了大數據技術防范人滿為患，保障景區人流安全。

對于救災物資的評估與發放，已有樂思輿情監測系統通過分析瀏覽采集到的數據，按照需求設置進行自動分類、聚類，提取信息數據摘要，實現人名識別、地名識別和機構識別聚集，對數據信息實施判別，形成直觀數據報告，減少對災情不了解造成的資源分配浪費。物流公司通過物流APP軟件，根據地理位置和物流信息描述自主優化，選擇最為便捷的運輸路徑，減輕災區交通壓力。運輸救援物資途中，相當于人的眼耳鼻喉和皮膚等神經末梢的無線溫度傳感器、濕度傳感器和位置傳感器不斷監控救援物資(尤其是恒溫恒濕藥品、新鮮食品)內在狀況，保障救援物資按量保質抵達。救援物資發放到哪位災民手中，追蹤系統皆可查詢，多余的物資可徑直調往需要的地方，既保證救援物資的發放公平又杜絕無謂浪費。

4簡短結論和深沉隱憂

大數據技術及其應用，致廣大而盡精微，以其全面快速收集、分析、決策的反應機理，形成技術與組織制度的全景式建構，更有預見性和更高準確度的運行機制，優化風險聯動評估效度，強化災情智能評估力度，深化災損準確評估信度，使得災害準備評估、應急評估、災后評估和綜合評估跨越式提升，進一步發揮災害評估的預測、跟蹤、決策、監督等職能，開拓了防災減災救災的新境界。

還應當看到，方興未艾的大數據融入到災害評估領域還處在磨合階段，相關數據平臺尚在搭建之中，一些宏大戰略和應用戰術還處于開發狀態。更需要注意，由于大數據信息源的多樣性，準確信息和干擾信息同時存在，勢必產生混亂與矛盾，若不加以仔細分辨會誤導決策和行為?！洞髷祿臅r代》一書就申明：“數據量的大幅增加會造成結果的不準確，一些錯誤的數據會混進數據庫”[2]，這相應地對大數據應用于災害評估工作提出了防范侵擾的要求，須對網絡、社交媒體傳播的救援信息加強實時核查，阻滯虛假信息的傳播擴散，避免釀造成沖突和過失。另外，在救災過程中，救援信息的價值效用如何在開放共享中確保安全，規制數據泄漏風險，也是亟需解決的問題。

參考文獻：

[1]李金昌.大數據與統計新思維[J].統計研究，2104(1):10-15.

[2]維克托·邁爾·伯舍恩伯格,肯尼思·庫克耶.大數據時代[M].杭州：浙江人民出版社,2013.

[3]黃曉雪,羅麟,程香菊.遙感技術在災害監測中的應用[J].四川環境,2004(6)：102-105.

[4]范宏喜.我國地質災害防災減災問題的幾點思考——中國地質調查局殷躍平博士訪談[J].水文地質工程地質,2009,12(5)：142-146.

[5]袁藝.制度建設推動下的自然災害風險與損失評估[J].中國應急管理, 2015(2)：15-18.

[6]中國廣播網.“十二五”末我國將建立地質災害數據庫[EB/OL].(2012-04-14)[2015-05-14]. http://news.sina.com.cn/o/2012-04-14/070024271282.shtml.

[7]宋軒.大數據下的災難行為分析和城市應急管理[J].中國計算機學會通訊,2013(8)：25-29.

[8]Song X,Zhang Q, Sekimoto Y,et al.An intelligent system for large-scale disaster behavior analysis and reasoning[R]. IEEE Intelligent Systems, 2013.

[9]Lu X,Bengtssona L, Holme P.Predictability of population displacement after the 2010 Haiti earthquake, Proc[J]. The National Academy of Sciences Of USA (PNAS), 2012(109):11576-11581.

[10]張舵,李崢巍,趙婧夷.“百度遷徙”如何知道我們去哪兒了？[EB/OL].(2014-02-12)[2015-05-10]. http://news.xinhuanet.com/fortune/2014-02/12/c_119308083.htm.

[11]帥向華,聶高眾,姜立新,等.國家地震災情調查系統探討[J].震災防御技術, 2011(4)：396-405.

[12]央廣網.中國成功發射首顆新一代北斗導航衛星 全球布網啟動[EB/OL]. (2015-03-30)[2015-04-10]. http://military.cnr.cn/kx/20150330/t20150330_518176536.html.

[13]劉宇宏,姚崇斌,葉曦.用好遙感大數據,助力上海大發展[J].衛星應用, 2014(6)：28-32.

[14]王樹良,丁剛毅,鐘鳴.大數據下的空間數據挖掘思考[J].中國電子科學研究院學報, 2013,8(1)：8-17.

[15]李德仁,姚遠,邵振鋒.智慧城市中的大數據[J].武漢大學學報:信息科學版, 2014,39(6)：631-640.

[16]馬奔,毛慶鐸.大數據在應急管理中的應用[J].中國行政管理,2015(3)：143-149.

[17]網易新聞.新技術助力地震救援[EB/OL].(2013-07-17)[2014-04-10]. http://news.163.com/13/0717/13/9405H7NS00014AED.html.

[18]Goodchild M F,Glennon J A.Crowdsourcing geographic information for disaster response: A research frontier[J]. International Journal of Digital Earth,2010(3)：31-40.

[19]張文.北川：救災物資被封存未發放？[N].人民日報, 2012-03-21(4).

[20]盛翔,蘇宜.救災物資霉爛的啟示[N].西安日報, 2014-05-01(8).

[21]段華明.社會學視閾的災害損失評估研究[J].廣州大學學報:社會科學版,2014,13(6)：19-24.

[22]百度推救災動態圖：可查物資缺口及災民分布[EB/OL].(2013-04-24)[2015-03-12]. http://tech.sina.com.cn/i/2013-04-24/18288274623.shtml.

[23]曾大軍,曹志東.突發事件態勢感知與決策支持的大數據解決方案[J].中國應急管理,2013(11)：15-23.

[24]馬化騰：微信承載了騰訊國際化的機會[EB/OL].(2013-05-07)[2014-06-12]. http://tech.qq.com/a/20130507/000123_8.htm.

[25]朱勝,成美純.災害統計工作存在的問題與改進[J].中國統計,2010(3)：13-14.

[26]張曉松.崇州災情數據重復,多列損失超12億[EB/OL].(2009-01-02)[2014-07-09].http://news.xinhuanet.com/mrdx/2009-01/02/content_10590080.htm.

[27]自然災害情況統計制度[EB/OL].(2013-04-24)[2014-05-17]. http://www.gzsmzt.gov.cn/content-84-5752-1.html.

[28]周勉.湖南桃江回應夸大災情:數據未上報統計有差異[EB/OL].(2012-05-23)[2014-05-17]. http://news.xinhuanet.com/local/2012-05/23/c_112022693.htm.

[29]朱勝,夏青.建立重大自然災害統計應急機制初探[J].網絡財富,2010(1)：20-21.

[30]中新網.防范統計數據失真 統計局啟動“聯網直報”[EB/OL].(2011-09-06)[2014-06-18]. http://www.chinanews.com/cj/2011/09-06/3310933.shtml.

[31]曾鴻,豐敏軒.大數據與統計變革[J].中國統計,2013(9)：49-50.

[32]趙楊,周志坤,謝苗楓,等.粵救援隊153人撤離抵穗[N].南方日報,2010-4-18(2).

[33]吳楠,周明杰.愛心如何疏堵？[EB/OL].(2013-04-25)[2014-06-18]. http://news.ifeng.com/gundong/detail_2013_04/25/24653772_0.shtml.

[34]馬姍姍.大數據助力人群密集場所風險管控[N].光明日報, 2015-04-20(11).

閻俊愛， 郭藝源.非常規突發事件救援物資輸送的路徑優化研究[J].災害學, 2016,31(1):193-200.[Yan Junai and Guo Yiyuan.Unconventional Emergency Aid Delivery Path Optimization Research[J].Journal of Catastrophology, 2016,31(1)：193-200.]

Constructive Promotion of Big Data for Disaster Assessment

Duan Huaming and He Yang

(PartySchooloftheGuangdongCommitteeofC.P.C,Guangzhou510053,China)

Abstract:Technology and application of big data contribute to estimate the loss of disaster risk and constructive changes, restructuring disaster monitoring and prediction, optimizing risk linkage evaluation; integrating the collection process of disaster, strengthening the intelligence assessment of disaster; improving the capacity of disaster statistics, deepening the accuracy of damage assess, promoting greatly the disaster forecast and disaster collection, validity and reliability of damage statistics, innovation leads the new normal of disaster assessment.

Key words:disaster assessment; technology of big data; constructive promotion

作者簡介：段華明(1957-)，男，陜西咸陽人，二級教授，法學碩士，主要研究方向為災害社會學.E-mail:dhming@163.com

基金項目：國家哲學社會科學 “我國災害損失評估的社會學研究”(12BSH024)

收稿日期：2015-07-01修回日期：2015-08-26

中圖分類號：X43

文獻標志碼：A

文章編號：1000-811X(2016)01-0188-05

doi:10.3969/j.issn.1000-811X.2016.01.035