2022年四川3次地震輿情風險評估與監測研究

摘要：為準確評估與監測地震輿情風險，正確引導社會輿論方向，基于供需偏離理論，采用層次分析法和熵值法相結合的組合賦權法，構建地震輿情風險評估指標體系，以2022年四川蘆山6.1級、馬爾康5.8級和瀘定6.8級3次地震后7 d內發布的相關微博及其評論為數據樣本，衡量和評價其輿情風險。結果表明：震后24 h是地震輿情的風險監測關鍵時段，需要高度關注和密切觀察。地震的震級較高或余震較多時，輿情風險指數波動性就會變大。構建的地震輿情風險評估指標體系，適用于對多個地震輿情風險的指標度量、動態監測及規律演變，可為震后政府與媒體的應急救援和輿論引導提供參考。

關鍵詞：地震輿情；風險評估；動態監測；四川

中圖分類號：P315.9；G353.1 文獻標識碼：A 文章編號：1000-0666（2024）02-0263-10

doi：10.20015/j.cnki.ISSN1000-0666.2024.0013

0 引言

地震是對人類最具威脅的自然災害之一，具有突發性和難以預測性（何萍，俞崗，2019）。破壞性地震一旦發生，會對當地的基礎設施、電力通信、經濟生活等方面產生不同程度的影響，極易導致災區物資緊缺，使居民產生劇烈的心理波動。

中國互聯網信息中心（2023）數據顯示，截至2022年12月，中國網民規模達到10.67億，互聯網普及率達到75.6%。互聯網的普及使地震災害信息傳播速度不斷加快，社交媒體用戶一旦觀點產生沖突，極易形成網絡輿情，甚至激發社會公眾恐慌情緒，對災害輿情引導工作產生不利影響。

近年來，隨著移動互聯網技術的迅速發展，蘊含海量數據的社交媒體平臺為開展災害輿情的風險監測與分析提供了豐富的數據源（薄濤等，2018）。結合實時更新的社交媒體數據進行災害輿情的供需分析與風險監測，有助于做好輿論引導，提高災害應急救助過程中的時效性和準確性。一些學者利用微博數據，將自然災害和網絡輿情結合起來，主要圍繞輿情風險評估、輿情監測預警等方向開展創新性研究：如Shan等（2019）、Fang等（2019）、李紹攀等（2022）基于新浪微博數據，對不同類型的災害輿情分別進行了評估；曹彥波（2018）、He等（2023）分析了地震輿情信息時空演變規律；高承實等（2011）、方潔和龔立群（2013）、聶峰英和張旸（2015）、梁冠華和鞠玉梅（2018）結合信息空間模型和生命演化周期理論，構建微博輿情監測指標體系；曹睿娟等（2020）和張宇等（2018）分別對城市內澇網絡輿情和地震災害網絡輿情進行風險監測。

目前存在多種有關災害輿情風險和監測預警等方面的評估指標體系，但是在構建指標體系過程中，仍然存在以下局限：一是大部分研究只考慮供給或者需求的單一方面，沒有同時考慮兩者之間的相互影響，研究不夠系統；二是既往研究多數是對災害輿情的靜態風險分析，沒有考慮到災害輿情的動態風險變化，靜態風險分析割裂了時間維度的風險變動，必須采用動態數據對災害輿情風險進行實時監測；三是在災害輿情中沒有考慮政府、媒體和民眾的綜合作用，研究主體不充分，系統性不強。鑒于此，本文將政府、媒體和民眾同時納入地震輿情評估和監測的范圍，基于供需偏離理論的角度，構建地震輿情風險評估指標體系，選用新浪微博數據，對地震事件的供需指數進行度量，動態監測和比較評價2022年四川3次地震的災害輿情風險指數，為震后政府與媒體應急救援和輿論引導工作提供一定參考。

1 評估方法

1.1 層次分析法

層次分析法是一種將與決策有關的元素分解成目標、準則、方案等層次，并在此基礎上進行定性和定量分析的決策方法。具體步驟為：建立層次結構模型；構造判斷矩陣，計算權向量并做一致性檢驗；計算組合權向量并進行組合一致性檢驗，若檢驗通過，則可按組合權向量表示的結果進行決策，若檢驗不通過，則需重新考慮模型或者重新構造出一致性比率較大的判斷矩陣。

1.2 熵值法

熵值法的概念來源于信息熵，本質上是表達反映數據的離散程度。熵值法是一種客觀確定指標體系中各指標權重的方法，其基本原理是依據指標信息熵的大小決定指標的權重：熵越小，表明提供的信息量越多，在評價中的影響程度越大，權重越大；反之，熵越大，表明提供的信息量越少，在評價中的影響程度越小，其權重也越小。其計算步驟為：①空值處理：指標值中若存在空值，則剔除該指標數據。②異常值處理：剔除占比大于1的指標數據（特殊指標占比除外），再分別計算各指標下數據的均值和標準差，對于超過均值3倍標準差的數據，被視為異常值剔除。③數據標準化：正向指標和負向指標數值代表的含義不同，因此需要利用不同的算法進行數據標準化處理。具體方法如下：

對于正向指標：

對于負向指標：

式中：f_ij為標準化后第i個樣本的第j個指標的數值。

第j個指標下第i個樣本占該指標的比重為：

所求指標的信息熵值為：

所求指標的信息效用值為：

d_j=1-e_ij""" （5）

各項指標的權重為：

1.3 組合權重計算方法

本文將層次分析法主觀賦權與熵值法客觀賦權方法相結合，形成組合權重法，以減少主客觀賦權的影響，計算公式為：

w=w′_j*w_j""" （7）

式中：w為所求三級指標的組合權重；w′_j為該指標所處二級指標的主觀權重；w_j為所求三級指標的客觀權重。

2 地震輿情風險評估指標體系

2.1 指標體系設計

為了實現輿情風險的精準分級，本文結合經濟學的供給與需求要素，構建地震輿情風險指標體系，系統衡量地震輿情的風險大小。該指標體系細分為供給指數和需求指數兩個子體系，共選取5個一級指標、7個二級指標、15個三級指標，分級衡量輿情風險，見表2。

供給指數體系涵蓋震前的基本資源應用能力以及救援部門和官方媒體在震后的反應能力。參考李姜等（2021）采用經濟水平、醫療救援力量等指標衡量抗震救災能力的做法，再結合防震減災轉移支付資金、巨災保險賠付等指標，共同構成基本資源應用能力。基本資源應用能力作為供給指數體系的基本要素，能夠降低地震災害對民眾造成的生命財產損失，進而降低網絡中的輿情風險；而救援部門與官方媒體作為震后救援與輿情引導的主要供給力量，可以最大程度上減少災害損失和輿論風險，主要通過粉絲量、發文量、轉發量和點贊數來體現輿情熱度和關注度（林琛，2015；邢云菲等，2018；楊柳等，2022）。具體來看，在供給指數體系中，災區所擁有的基本資源和救援部門與官方媒體在網絡上傳達災區救援信息的反應能力會在一定程度上影響災害輿情的演變走勢。本文在供給指數下設基本資源應用能力、救援部門反應能力和官方媒體反應能力3個一級指標，基本資源應用能力供給包括現有資源和災害資金，這2個一級指標各包括2個指標因子；救援部門和官方媒體反應能力代表了救援部門和官方媒體通過網絡傳播給民眾應急救援信息的供給。影響力越大的媒體，發布的消息越權威，能夠引起民眾足夠的關注，媒體的參與度越高，災害輿情影響范圍越廣。因此，救援部門和官方媒體反應能力分別包括救援部門和官方媒體微博賬號的原生能力和衍生能力，這2個一級指標各包括2個指標因子。

需求指數體系主要包括實際災情和心理反應兩個方面。實際災情強調災害的物理屬性，對災民實際需求產生重要影響（張宇等，2018）。另一方面，震后除衣食住等基本生活要素外，心理反應也是需求要素的重要成分。心理反應通常考慮從市場和政府角度來表示，市場角度主要通過由民眾對巨災保險需求來反應來衡量，政府角度主要通過民眾對應急救援的需求來反應。鑒于當前我國對巨災保險的供給和需求表現出雙向不足的特征，相應的需求數據較少，本文的心理反應主要考慮民眾對應急救援需求所形成的心理反應，包括積極情緒和恐慌情緒的變化。具體來看，需求指標下設實際災情和心理反應指標，實際災情又分為自然災情和社會災情兩類，其中自然災情包括地震震級、烈度級別2個指標因子，社會災情包括人員傷亡、財產損失和受災人口3個指標因子，地震震級和烈度級別等是突發地震災害本身的固有特性，地震災情的嚴重程度會引發不同程度的災民需求，對于輿情風險的產生與傳播起到了基礎的決定性作用。心理反應指民眾在地震災害相關微博的評論中所表達出的情感態度，由于突發地震災害本身具有較強的敏感性，很容易得到大量民眾的關注并使其出現悲觀、失望等恐慌情緒或鼓勵、祝福等積極情緒，而這些情緒均是引發輿情風險的重要影響因素。

由于各評價指標量綱不同，無法直接參與計算，首先采用極值法對各指標數據進行標準化處理（杜金瑩等，2020）。具體計算方法如下：

對于正向指標：

對于負向指標：

式中：X為標準化處理后的數據；X₀為指標原始數據；X_max為指標原始數據最大值；X_min為指標原始數據最小值。

災害輿情風險指數表示為：

R_t=f（D_t，S_t）""" （10）

式中：t表示時間點，表明不同的時間點R_t所發生的動態變化；D_t代表災害輿情需求指數；S_t代表災害輿情供給指數。當災害發生，D_t與S_t的缺口會變大，導致R_t變高。為了簡化，本文對R_t的計算進行線性化處理，即：

R_t=D_t-S_t""" （11）

式中：α_ijk為供給體系中三級指標S_ijk的組合權重；P_ijk為供給體系中三級指標S_ijk的數據標準值。

式中：β_ijk為需求體系中三級指標D_ijk的組合權重；Q_ijk為需求體系中三級指標D_ijk的數據標準值。

2.2 指標權重確定

本文采用組合賦權法對地震輿情風險指標體系的各級指標進行權重計算。參照專家打分將各層次中的因素相互比較得出判斷矩陣，并對其進行一致性檢驗。在檢驗通過后，由判斷矩陣可求出各體系一級指標和二級指標的主觀權重值，結果見表3～8。

利用熵值法對三級指標進行客觀評價，并將其結果與層次分析法所得結果相融合，計算出地震輿情風險評估的指標權重值，組合權重結果見表9。

3 四川地震輿情風險動態監測應用

3.1 數據來源與處理

本文選取2022年四川省 6月1日蘆山6.1級地震、6月10日馬爾康5.8級地震和9月5日瀘定6.8級地震為研究對象，運用地震輿情風險評估指標體系，對這3次地震的輿情風險進行度量和監測。

供給指標體系中，選取了粉絲數較多、活躍度較高的中國地震臺網速報、四川省地震局等救援部門微博賬號，以及人民日報、央視新聞等官方媒體微博賬號作為數據樣本，利用Python爬蟲技術，抓取了地震發生后一周內各個微博賬號發布的相關數據。有關“蘆山地震”“馬爾康地震”和“瀘定地震”的數據信息分別抓取到529、334和1 290條，數據類型主要包括相關微博賬號所發布的內容、時間、轉發數及點贊數等。篩選并刪除微博數據中的重復數據，經整理得到3次地震的有效數據分別為400、267和1 076條。經濟水平數據和醫療救援力量數據來源于3次地震發生時當地政府公布的統計公報及地方統計年鑒（蘆山縣統計局，2022；馬爾康市人民政府，2022；瀘定縣人民政府，2022；雅安市統計局，2022）；防震減災轉移支付資金數據來源于《四川省財政廳和四川省地震局關于下達2021年省級防震減災轉移支付資金預算的通知》文件（四川省財政廳，四川省地震局，2022）；3次地震的巨災保險賠付金額由中國人民財產保險股份有限公司四川分公司提供，本文將其劃分為1、2、3、4四個等級處理。

需求指標體系中，心理反應指標選取了人民日報的微博評論作為數據樣本，主要是考慮到人民日報微博賬號的粉絲數為1.5億，不僅人數眾多而且民眾關注程度高、代表性強。利用爬蟲技術抓取地震發生后一周內人民日報微博發布的相關評論信息，獲得有關“蘆山地震”“馬爾康地震”和“瀘定地震”的評論數分別共計9 308、3 060和9 028條。數據信息包括評論內容、評論時間及評論者的IP地址。對采集到的原始數據進行人工處理，包括刪除重復性文本、刪除無用詞語等，篩選出IP地址位于四川省內評論者的評論數據，最終得到用于3次地震心理反應指標計算的微博評論分別為1 534、1 072和1 370條。地震震級、烈度、人員傷亡、受災人口及財產損失所用數據來自國務院和部委機構網站，以及四川應急管理廳網站（中華人民共和國中央人民政府，2022；中華人民共和國自然資源部，2022；中華人民共和國應急管理部，2022a，b；中國地震局，2022a，b；四川省應急管理廳，2022）。

3.2 地震輿情風險監測結果分析

地震輿情風險監測能夠有效獲取地震輿情的整體特征和變化趨勢，為輿情引導提供重要的參考依據。3次地震的輿情風險監測結果如圖1a-1～c-1所示，圖1a-2～c-2描述了在地震發生后168 h內供給指數和需求指數的動態變化。

蘆山6.1級地震發震時間為6月1日17：00時。圖1a-1顯示，蘆山地震輿情風險可劃分為爆發期和穩定期兩個階段。高風險的爆發期主要發生在震后24 h內，表現出急漲快落的變動特征。輿情風險指數呈現出2個向上的尖峰值，最高達到0.35，輿情風險每次爆發大概持續6～8 h。23 h過后，輿情步入低風險的穩定期，風險指數基本穩定在-0.21左右，可以視為基本沒有輿情風險。從圖1a-2可以看出，第一個尖峰出現的時間階段大概為震后第0～8 h。首先蘆山縣擁有基本資源的水平較高（基本資源能力指數為0.06），發生地震后的應急救援包括物資供應和調配相對充分迅速，同時救援部門和官方媒體在微博上及時發布地震信息，供給指數在1 h內快速上升，同時需求指數（主要是恐慌情緒）也在上升，但是低于供給指數，導致蘆山縣的風險指數最初是下降的。隨著救援部門和官方媒體發文量的不斷下降，供給指數開始快速下降，而需求指數保持穩定狀態，導致風險指數快速上升并出現第一個峰值（在震后第5 h）；從震后第8 h（6月2日凌晨01：00）開始，由于關注微博的人數變少，需求指數快速下降，導致輿情風險下降。從震后第17 h（6月2日10：00）開始，官方媒體發布了震后傷亡情況，需求指數快速上升，到第22 h（6月2日15：00）達到第二個峰值，隨后快速下降，導致風險指數出現第二個峰值，同時呈現快漲快跌的走勢。從震后第23 h之后，供給指數、需求指數均表現出穩定不變的特征，風險指數也保持較低的穩定水平。

馬爾康5.8級地震發震時間為6月10日00：03。圖1b-1顯示，馬爾康地震的輿情風險指數變動特征與蘆山地震有很多相似的地方。馬爾康地震輿情風險的爆發期主要發生在震后10 h內，同樣表現出快漲快落的特征。輿情風險指數呈現出2個向上的尖峰值，最高達到0.52，輿情風險每次爆發大概持續3～5 h。10 h過后，輿情步入穩定期，風險指數基本穩定在-0.25～-0.10。馬爾康地震和蘆山地震供需指數的變動特征也很相似。供需指數的第一個向上的尖峰出現在震后第0～3 h（圖1b-2）。馬爾康擁有基本資源的水平較低（基本資源能力指數為0.03），但是救援部門和官方媒體在微博上發布信息較為迅速，供給指數在震后1 h內快速上升，需求指數上升但低于供給指數，因此馬爾康的風險指數最初也是下降的。隨后，供給指數和需求指數均開始快速下降，但是供給指數下降更快，導致風險指數快速上升并出現第一個峰值0.30（在震后第2 h）。從震后第5 h（上午5時）開始，救援部門發布震后傷亡情況，需求指數快速上升，到震后第8 h（上午8時）達到第二個峰值0.63，隨后快速下降，第二個峰值出現。從震后第10 h之后，供給指數、需求指數和風險指數均沒有太大波動。

瀘定6.8級地震發震時間為9月5日12：52。圖1c-1顯示，瀘定地震的輿情風險指數變動特征與蘆山和馬爾康地震略有不同。瀘定地震輿情風險的爆發期主要發生在震后12 h內，輿情風險指數有2個向上的尖峰值，最高達到0.39，呈現出持續高位的走勢，持續時間大概為12 h。隨后，輿情步入穩定期，但是風險指數波動性相對較大，波動范圍在-0.38～-0.13。瀘定地震的供需指數與蘆山和馬爾康地震相比，有相似之處，但差異主要表現在瀘定地震的需求指數在輿情風險爆發期呈現高位運行特征，供給指數在穩定期波動頻繁（圖1c-2）。主要原因為瀘定地震余震次數較多，且震級相對較高，從而造成人員傷亡較多，經濟損失相對較大。

4 結論

本文基于供需偏離理論，采用Python爬蟲技術，收集微博平臺的地震災害輿情數據，建立地震輿情風險評估指標體系，對2022年四川3次地震事件進行災害輿情風險度量及動態監測，得到主要結論如下：

（1）初步構建地震輿情風險評估指標體系。該體系包括分別衡量供給指數和需求指數2個子體系。供給體系包括3個一級指標、6個二級指標和12個三級指標，需求體系包括2個一級指標、3個二級指標和7個三級指標。運用層次分析法和熵值法相結合的組合賦權方法，確定各組合權重，形成地震災害輿情風險評估指標體系，可用于地震輿情風險度量及動態監測。

（2）選擇6月1日蘆山6.1級地震、6月10日馬爾康5.8級地震和9月5日瀘定6.8級地震的相關微博信息作為數據源，按時間序列分別度量3次地震的供需指數及風險指數，發現一些規律：地震輿情風險指數一般在地震發生后24 h內出現數次正向脈沖現象，隨后逐步趨于低穩狀態。因此對地震輿情的風險監測，震后24 h是關鍵時段，需要高度關注和密切觀察這一時段的輿情。一般而言，資源應用能力和資金籌措能力較高的震區，或者災害輿情反應能力較強的震區，在震后1 h內，該震區的地震輿情風險指數通常會表現出一個快速向下的脈沖響應。如果震區發生地震的震級較高，會給民眾帶來較為嚴重的恐慌情緒，對風險指數的上升起到助推作用。當地震后的余震較多、地震的震級較高、或者造成的人員傷亡和經濟損失相對嚴重時，地震輿情風險指數波動性往往就會變大。

（3）運用地震輿情風險評估指標體系動態監測震災輿情風險，可以幫助政府及相關部門及時采取應急管理措施，引導地震輿情的良性發展。因此，對地震輿情進行風險度量和動態監測具有必要性和可行性。對于地震輿情反應明顯遲緩的地區，一方面應當擴大應急救援信息的正向傳播力，提高災害供給指數；另一方面，應高度關注地震引起的恐慌情緒，進行適度干預和輿論信息引導，降低地震災害的需求指數。通過多措并舉的方式，及時有效地降低地震輿情風險。

參考文獻：

薄濤，李小軍，陳蘇，等.2018.基于社交媒體數據的地震烈度快速評估方法［J］.地震工程與工程振動，38（5）：206-215.

Bo T，Li X J，Chen S，et al.2018.Research of seismic intensity rapid assessment based on social media data［J］.Earthquake Engineering and Engineering Dynamics，38（5）：206-215.（in Chinese）

曹睿娟，姜仁貴，解建倉，等.2020.基于大數據的城市內澇網絡輿情監測及演化機理［J］.西安理工大學學報，36（2）：151-158.

Cao R J，Jiang R G，Xie J C，et al.2022.Monitoring the internet public opinion and evolution mechanism for urban waterlogging using big data［J］.Journal of Xi’an University of Technology，36（2）：151-158.（in Chinese）

曹彥波.2018.基于新浪微博的2018年云南通海5.0級地震輿情時空特征分析［J］.地震研究，41（4）：525-533.

Cao Y B.2018.Analysis of the spatial and temporal characteristics of public opinion about Yunnan Tonghai M_S5.0 earthquake in 2018 Based on Sina Micro-blog［J］.Journal of Seismological Research，41（4）：525-533.（in Chinese）

杜金瑩，唐曉春，徐建剛.2020.熱帶氣旋災害影響下的城市韌性提升緊迫度評估研究——以珠江三角洲地區的城市為例［J］.自然災害學報，29（5）：88-98.

Du J Y，Tang X C，Xu J G.2020.Study on urgency assessment of urban resilience promotion：A case study of typhoon disasters in the Pearl River Delta region［J］.Journal of Natural Disasters，29（5）：88-98.（in Chinese）

方潔，龔立群.2013.利益相關者視角下的微博輿情監測指標體系研究［J］.情報雜志，32（9）：29-33.

Fang J，Gong L Q.2013.A study on Microblog public opinion monitoring indexes from perspective of stakeholders［J］.Journal of Intelligence，32（9）：29-33.（in Chinese）

高承實，榮星，陳越.2011.微博輿情監測指標體系研究［J］.情報雜志，30（9）：66-70.

Gao C S，Rong X，Chen Y.2011.Research on public opinion monitoring index-system in micro-blogging［J］.Journal of Intelligence，30（9）：66-70.（in Chinese）

何萍，俞崗.2019.基于耦合因子的廣東地區地震災害人員傷亡評估方法［J］.地震研究，42（2）：280-287，306.

He P，Yu G.2019.Evaluation method of injuries and deaths of earthquake disastersin guangdong area based on coupling factor［J］.Journal of Seismological Research，42（2）：280-287，306.（in Chinese）

李姜，張合，劉志輝.2021.張家口地區精細化地震災害風險評估［J］.震災防御技術，16（1）：134-145.

Li J，Zhang H，Liu Z H.2021.Refined risk assessment of earthquake disaster in Zhangjiakou Area［J］.Technology for Earthquake Disaster Prevention，16（1）：134-145.（in Chinese）

李紹攀，趙飛，周義棋，等.2022.基于微博數據的臺風災害輿情分析與災害損失估計［J］.清華大學學報（自然科學版），62（1）：43-51.

Li S P，Zhao F，Zhou Y Q，et al.2022.Analysis of public opinion and disaster loss estimates from typhoons based on Microblog data［J］.Journal of Tsinghua University（Science and Technology），62（1）：43-51.（in Chinese）

梁冠華，鞠玉梅.2018.基于輿情演化生命周期的突發事件網絡輿情風險評估分析［J］.情報科學，36（10）：48-53.

Liang G H，Ju Y M.2018.The analysis of public opinion risk assessment of sudden events based on public relation life cycle［J］.Information Science，36（10）：48-53.（in Chinese）

林琛.2015.基于網絡輿論形成過程的輿情指標體系構建研究［J］.情報科學，33（1）：146-149，161.

Lin C.2015.Research on the construction of public opinion indicator system basedon the formation process of public voice［J］.Information Science，33（1）：146-149，161.（in Chinese）

蘆山縣統計局.2022.2021年蘆山縣主要經濟指標運行情況［EB/OL］.（2022-01-28）［2023-02-03］.http：//video.scms.gov.cn/gongkai/show/271a7afbea9a2c2493c088ac576555bd.html.

Statistics Bureau of Lushan County.2022.The operation of major economic indicators in Lushan County in 2021［EB/OL］.（2022-01-28）［2023-02-03］.http：//video.scms.gov.cn/gongkai/show/271 a7afbea9a2c2493c088ac576555bd.html.（in Chinese）

瀘定縣人民政府.2022.瀘定縣2021年國民經濟和社會發展統計公報［EB/OL］.（2022-06-28）［2023-02-03］.http：//www.luding.gov.cn/tjgb/article/326548.

The People’s Government of Luding.2022.The statistical bulletin of national economic and social development of Luding County in 2021［EB/OL］.（2022-06-28）［2023-02-03］.http：//www.luding.gov.cn/tjgb/article/326548.（in Chinese）

馬爾康市人民政府.2022.馬爾康市2021年國民經濟和社會發展統計公報［EB/OL］.（2022-05-16）［2023-02-03］.http：//www.maerkang.gov.cn/maerkang/c100087/202205/b0f9e953383748 e393f002af0139a29e.shtml.

The People’s Government of Maerkang.2022.The statistical bulletin of national economic and social development of Barkam City in 2021［EB/OL］.（2022-05-16）［2023-02-03］.http：//www.maerkang.gov.cn/maerkang/c100087/202205/b0f9e953383748e393f002 af0139a29e.shtml.（in Chinese）

聶峰英，張旸.2015.移動社交網絡輿情預警指標體系構建［J］.情報理論與實踐，38（12）：64-67.

Nie F Y，Zhang Y.2015.Construction of indicator system for early warning of public opinion on mobile social networks［J］.Information Studies：Theory amp; Application，38（12）：64-67.（in Chinese）

四川省財政廳，四川省地震局.2021.四川省財政廳四川省地震局關于下達2021年省級防震減災轉移支付資金預算的通知［EB/OL］.（2021-06-03）［2023-02-03］.http：//czt.sc.gov.cn/scczt/c102423/2021/6/3/0bb07b65910246e29545caa07be7a48b.shtml.

Sichuan Provincial Finance Department，Sichuan Earthquake Agency.2021.Notice on the budget for provincial seismic prevention and disaster reduction transfer payments in 2021 issued by Sichuan Provincial Finance Department and Sichuan Earthquake Administration［EB/OL］.（2021-06-03）［2023-02-03］.http：//czt.sc.gov.cn/scczt/c102423/2021/6/3/0bb07b65910246e29545caa07be 7a48b.shtml.（in Chinese）

四川省應急管理廳.2022.雅安：“6·1”蘆山地震市縣抗震救災聯合指揮部召開新聞發布會［EB/OL］.（2022-06-03）［2023-02-03］.https：//yjt.sc.gov.cn/scyjt/shizhoudongtai/2022/6/3/7ed6db06aedf46c3a8e53a8431747b12.shtml.

Department of Emergency Management of Sichuan Province.2022.Ya’an：Joint earthquake relief command of city and county for the Lushan Earthquake on June 1st Holds Press Conference［EB/OL］.（2022-06-03）［2023-02-03］.https：//yjt.sc.gov.cn/scyjt/shizhoudongtai/2022/6/3/7ed6db06aedf46c3a8e53a8431747b12.shtml.（in Chinese）

邢云菲，王晰巍，王鐸，等.2018.基于信息熵的新媒體環境下負面網絡輿情監測指標體系研究［J］.現代情報，38（9）：41-47.

Xing Y F，Wang X W，Wang D，et al.2018.Research on the negative network public opinion monitoring index system based on information entropy in new media environment［J］.Journal of Modern Information，38（9）：41-47.（in Chinese）

雅安市統計局.2022.2022年雅安統計年鑒［EB/OL］.（2022-12-07）［2023-02-03］.https：//tjj.yaan.gov.cn/xinwen/show/29f0b55940c03abe9a60abcf47b1ce8c.html.

Statistics Bureau of Ya’an City.2022.Ya’an statistical yearbook in 2022［EB/OL］.（2022-12-07）［2023-02-03］.https：//tjj.yaan.gov.cn/xinwen/show/29f0b55940c03abe9a60abcf47b1ce8c.html.（in Chinese）

楊柳，徐宇昭，鄧春林.2022.高校網絡輿情風險評估及預警研究［J］.情報科學，40（5）：65-72，83.

Yang L，Xu Y Z，Deng C L.2022.Risk assessment and early warning of university network public opinion［J］.Information Science，40（5）：65-72，83.（in Chinese）

張宇，傅敏，羅加蓉.2018.震災網絡輿情風險監測指標及其評估方法［J］.重慶大學學報（社會科學版），24（6）：33-44.

Zhang Y，Fu M，Luo J R.2018.Risk monitoring indexes and assessment method of network public opinion of earthquakedisaster［J］.Journal of Chongqing University（Social Science Edition），24（6）：33-44.（in Chinese）

中國地震局.2022a.中國地震局發布四川蘆山6.1級地震烈度圖［EB/OL］.（2022-06-04）［2023-02-03］.https：//www.cea.gov.cn/cea/xwzx/fzjzyw/5661356/index.html.

China Earthquake Administration.2022a.China Earthquake Administration eleases seismic intensity map of the Lushan M_S6.1 Earthquake in Sichuan［EB/OL］.（2022-06-04）［2023-02-03］.https：//www.cea.gov.cn/cea/xwzx/fzjzyw/5661356/index.html.（in Chinese）

中國地震局.2022b.中國地震局發布四川馬爾康6.0級震群地震烈度圖［EB/OL］.（2022-06-13）［2023-02-03］.https：//www.cea.gov.cn/cea/xwzx/fzjzyw/5662853/index.html.

China Earthquake Administration.2022b.China Earthquake Administration releases seismic intensity map of the M_S6.0 Earthquake Swarm in Maerkang，Sichuan［EB/OL］.（2022-06-13）［2023-02-03］.https：//www.cea.gov.cn/cea/xwzx/fzjzyw/5662853/index.html.（in Chinese）

中國互聯網絡信息中心.2023.第51次《中國互聯網絡發展狀況統計報告》［EB/OL］.（2023-03-02）［2023-10-21］.https：//cnnic.cn/n4/2023/0302/c199-10755.html.

China Internet Network Information Center. 2023. The 51th Statistical Report on China’s Internet Development［EB/OL］.（2023-03-02）［2023-10-21］.https：//cn-nic.cn/n4/2023/0302/c199-10755.html.（in Chinese）

中華人民共和國應急管理部.2022a.應急管理部發布四川瀘定6.8級地震烈度圖［EB/OL］.（2022-09-11）［2023-02-03］.https：//www.mem.gov.cn/xw/yjglbgzdt/202209/t20220911_422190.shtml.

Ministry of Emergency Management of the People’s Republic of China.2022a.Ministry of Emergency Management releases seismic intensity map of the Luding M_S6.8 Earthquake in Sichuan［EB/OL］.（2022-09-11）［2023-02-03］.https：//www.mem.gov.cn/xw/yjglbgzdt/202209/t20220911_422190.shtml.（in Chinese）

中華人民共和國應急管理部.2022b.應急管理部發布2022年全國十大自然災害［EB/OL］.（2023-01-12）［2023-02-03］.https：//www.mem.gov.cn/xw/yjglbgzdt/202301/t20230112_440396.shtml.

Ministry of Emergency Management of the People’s Republic of China.2022b.Ministry of emergency management releases the Top Ten Natural Disasters in China in 2022［EB/OL］.（2023-01-12）［2023-02-03］.https：//www.mem.gov.cn/xw/yjglbgzdt/202301/t20230112_440396.shtml.（in Chinese）

中華人民共和國中央人民政府.2022.四川馬爾康6.0級地震災區災損斷道農村公路已全部恢復通行［EB/OL］.（2022-06-18）［2023-02-03］.http：//www.gov.cn/xinwen/2022-06/18/content_5696389.htm.

The State Council of the People’s Republic of China.2022.All damaged rural roads and highways in the earthquake stricken area of the Maerkang M_S6.0 earthquake in Sichuan have been restored to traffic［EB/OL］.（2022-06-18）［2023-02-03］.http：//www.gov.cn/xinwen/2022-06/18/content_5696389.htm.（in Chinese）

中華人民共和國自然資源部.2022.響應四川蘆山6.1級地震自然資源系統全力投入應急測繪和地災排查［EB/OL］.（2022-06-02）［2023-02-03］.https：//www.mnr.gov.cn/dt/ywbb/202206/t20220602_2738308.html.

Ministry of Natural Resources of the People’s Republic of China.2022.Responding to the M_S6.1 earthquake in Lushan，Sichuan，the natural resources system fully mobilized for emergency surveying and mapping and geological disaster investigation［EB/OL］.（2022-06-02）［2023-02-03］.https：//www.mnr.gov.cn/dt/ywbb/202206/t20220602_2738308.html.（in Chinese）

Fang J，Hu J M，Shi X W，et al.2019.Assessing disaster impacts and response using social media data in China：A case study of 2016 Wuhan rainstorm［J］.International journal of disaster risk reduction，34：275-282.

He W M，Yuan Q L，Li N.2023.Research on the characteristics of internet public opinion and public sentiment after the sichuan earthquake based on the perspective of Weibo［J］.Applied Sciences，13（3）：1335.

Shan S Q，Zhao F，Wei Y G，et al.2019.Disaster management 2.0：A real-time disaster damage assessment model based on mobile social media data—A case study of Weibo（Chinese Twitter）［J］.Safety science，115：393-413.

Risk Assessment and Survey of the Public Opinion

on Three Earthquakes in Sichuan in 2022

YUAN Qinglu¹，FANG Wanlin¹，SUN Ruiting¹，HU Jun²

（1.School of Economics and Management，Institute of Disaster Prevention，Sanhe 065201，Hebei，China；

2.Sichuan Branch，PICC Property and Casualty Co.，Ltd.，Chengdu 610016，Sichuan，China）

Abstract

In order to accurately monitor and assess the risk of earthquake-related public opinion and to correctly guide the social opinion，based on the theory of supply-and-demand deviation，this paper constructs a risk assessment index system of the earthquake-related public opinion using a combination weighting method which consists of the analytic hierarchy process and the entropy method.The study utilizes data samples from the posts and comments on Sina Weibo，the largest social software platform in China within 7 days after the Lushan M_S6.1 earthquake，the Maerkang M_S5.8 earthquake，and the Luding M_S6.8 earthquake which occurred in Sichuan province in 2022，to evaluate the risk of public opinion on these three earthquakes.The results show that the post-earthquake 24 hours is a critical period for the earthquake-related public opinion.The higher magnitude or the more aftershocks of an earthquake，the larger the fluctuation of the public opinion risk index.The constructed risk assessment index system is suitable for the index measurement，dynamic observation，and evolution-law analysis of multiple risks of the earthquake-related public opinion.The risk assessment index system can provide a reference for government’s emergency response and for the mainstream social media’s public opinion guidance after destructive earthquakes.

Keywords：earthquake public opinion；risk assessment；dynamic monitoring；Sichuan