面向災害損失評估的黃河流域自然災害知識圖譜構(gòu)建

關(guān)鍵詞：自然災害知識圖譜；模式層；數(shù)據(jù)層；基礎(chǔ)地理信息；災害損失評估；黃河流域中圖分類號：TP39;TV882.1 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.07.015引用格式：，，，等.面向災害損失評估的黃河流域自然災害知識圖譜構(gòu)建[J].人民黃河，2025，47（7）：91-96.

Building of Yellow River Basin Natural Disaster Knowledge Graph for Disaster Impact Assessment

WU Tingxin'， YU Bo² ，HUANG Rui1，YANG Yang'， LIU Xinyi' （1.Guiyang EngineeringCorporation Limited，Power China，Guiyang 55OO81，China

2.Hydropower and Water Resources Planng amp; Design General Institute，Power China，Beijing 1OO12O，China）

Abstract：Inresposetothissuetatnaturaldisasterknowedgegaphsforsingledisastertypeshadanarowoverageofinforationakingitdifculttractowldgefromasivendcmplexifoation，issudypropodametodforlngaaturaldsasterow edgegraphforteelowiverBasinorntedtowardlossassessmentTenaturaldisasterknowldgegaphconsistedofdataesoucslay er，aknowledgeetractionlayer（（includingahemaayerandadatalayer），andanapplicationserviceyer.Theschemalaerwasbuilt byusingatop-doappoach，enteredonontologicalmodelsofnaturaldisasterevents，fundamentalgograpicinforationnddisaster losassessmetu-oeeerogousdataeolted，ndingaturaldsasterventatasicgaicifoatiata anddisasterlosdata，andhedatalyerasbiltbyusingabotom-upproach，nablingkowledgeextraction，knowedgefusionand knowledgestoragefrotsedivsedatasources.eaplicatiosiuatiossotatteowedggraphsupportsfietpatioral relationshipuesdpiddentifatioofalocutdisastesealsofOajodasterevetsieYoiersinfrom181toO18revealsanincreasingfrequencyofdisastesovertie，withfloodsbingtheostcomondisastertypeAditioaly， 37instancesofoncuredsastesareidifdisapreakstoughteliatiosoftetaditioalsingledisasterowdgte and improves the efficiency of disaster loss assessment.

Keywords：naraldisasterowdgegaph；patele;datale;asicgapciotio;dasterssessnt;YelloRiv er Basin

0 引言

受全球氣候變化和人類活動的影響，黃河流域各類自然災害呈現(xiàn)發(fā)生頻次高、覆蓋范圍廣的特點，對人民生命和財產(chǎn)安全造成極大威脅[1]。高效整合黃河流域水文、地質(zhì)與氣象等災害相關(guān)信息，對自然災害數(shù)據(jù)分析與防御決策具有非常重要的作用。

知識圖譜（KnowledgeGraph）的概念于2012年由谷歌首次提出，其本質(zhì)上是一種以圖結(jié)構(gòu)形式表示和組織知識的語義網(wǎng)絡(luò)，網(wǎng)絡(luò)中的節(jié)點代表實體、概念，邊代表實體、概念的屬性或者彼此之間的語義關(guān)系[2-4]。知識圖譜按照應(yīng)用領(lǐng)域可劃分為通用知識圖譜與領(lǐng)域知識圖譜兩類，其中：通用知識圖譜面向通用領(lǐng)域，主要包含大量常識性知識；領(lǐng)域知識圖譜又稱為行業(yè)知識圖譜或垂直知識圖譜，是由某一特定領(lǐng)域?qū)I(yè)數(shù)據(jù)構(gòu)成的知識庫[5-7]。知識圖譜能夠有效整合多源異構(gòu)數(shù)據(jù)并揭示事物的內(nèi)在規(guī)律，其在醫(yī)療[8]、電力[9]、農(nóng)業(yè)[10]、自然災害防御[11]等領(lǐng)域得到了廣泛應(yīng)用。在自然災害領(lǐng)域，知識圖譜相關(guān)研究主要聚焦于單災種的本體建模與知識體系構(gòu)建，如邱芹軍等[提出了面向災害應(yīng)急響應(yīng)的地質(zhì)災害鏈知識圖譜構(gòu)建方法，沈偉豪等[12]提出了基于多模態(tài)數(shù)據(jù)的洪澇災害知識圖譜構(gòu)建方法，王益鵬等[13提出了顧及時空過程的臺風災害事件知識圖譜表示方法。黃河流域自然災害信息來源廣泛、結(jié)構(gòu)不統(tǒng)一、時空演化機理復雜，單災種的自然災害知識圖譜覆蓋信息面窄，難以從海量復雜的信息中提煉知識。

針對上述問題，筆者以黃河流域自然災害為研究對象，圍繞自然災害事件本體、基礎(chǔ)地理信息本體、災害損失評估本體模型，建立模式層以及要素之間語義關(guān)聯(lián)關(guān)系，實現(xiàn)從多源異構(gòu)數(shù)據(jù)中進行知識抽取、融合與存儲，構(gòu)建面向災害損失評估的黃河流域自然災害知識圖譜，以期為災害損失評估提供科學依據(jù)和技術(shù)手段。

1 研究區(qū)域概況

黃河流域西起巴顏喀拉山，流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南、山東九省（區(qū)），東臨渤海，從西到東橫跨青藏高原、內(nèi)蒙古高原、黃土高原和黃淮海平原4個地貌單元，東西長度約 1900km ，流域北抵陰山，南靠秦嶺，南北跨度約 1100km ，流域面積達79.5萬 km² 。黃河流域在我國經(jīng)濟社會發(fā)展和生態(tài)安全方面具有十分重要的地位，但自然災害特別是水害瀕發(fā)，給沿岸百姓造成了深重災難。黃河流域地理跨度大、地質(zhì)條件復雜，重大自然災害主要有上游巨型滑坡災害、中游水土災害和下游巨型洪災，災害分布如圖1所示。

黃河流域上游受青藏高原持續(xù)隆升影響，地質(zhì)構(gòu)造活躍，沿河分布了大量巨型滑坡、堰塞湖、泥石流等災害，歷史上部分滑坡曾堵塞黃河，潰決形成超大洪災[14]。黃河中游流經(jīng)黃土高原，該地區(qū)生態(tài)環(huán)境脆弱，導致水土災害分布廣、類型多、突發(fā)性強，且災害往往以鏈的形式發(fā)生，嚴重威脅人居安全與社會穩(wěn)定[15]。黃河下游流經(jīng)華北平原，其洪水災害頻發(fā)主要受泥沙淤積、季風氣候暴雨集中以及人類活動等多重因素共同作用。

2自然災害知識圖譜整體框架

面向災害損失評估的黃河流域自然災害知識圖譜整體框架見圖2，主要分為數(shù)據(jù)資源層、知識抽取層和應(yīng)用服務(wù)層。數(shù)據(jù)資源層包括自然災害事件數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)、災害損失數(shù)據(jù)這3類原始數(shù)據(jù)，其中：自然災害事件數(shù)據(jù)主要包括全球地理編碼災害數(shù)據(jù)集（GDIS）[16]、緊急災難數(shù)據(jù)庫（EM-DAT）[17]、青藏高原數(shù)據(jù)中心提供的黃河流域洪水與地震災害數(shù)據(jù)等；基礎(chǔ)地理信息數(shù)據(jù)主要包括行政區(qū)劃、水系等數(shù)據(jù)，采用全國地理信息資源目錄服務(wù)系統(tǒng)發(fā)布的部分公眾版基礎(chǔ)地理信息數(shù)據(jù)：災害損失數(shù)據(jù)主要包括各年份水旱災害公報、各省份統(tǒng)計年鑒數(shù)據(jù)（涵蓋經(jīng)濟損失、人員傷亡、附屬設(shè)施破壞等詳細信息）以及黃河水文網(wǎng)提供的黃河水資源公報、泥沙公報與水土保持公報等。知識抽取層主要對實體概念模式進行定義和數(shù)據(jù)抽取，從而為應(yīng)用服務(wù)層提供專業(yè)的知識支撐。應(yīng)用服務(wù)層對外提供基于時空關(guān)系的知識檢索、并發(fā)災害識別與影響評估應(yīng)用，

3圖譜知識抽取層構(gòu)建流程與方法

3.1 構(gòu)建流程

自然災害知識圖譜知識抽取層構(gòu)建分為模式層構(gòu)建與數(shù)據(jù)層構(gòu)建，具體流程如圖3所示。模式層構(gòu)建以流域自然災害損失評估為出發(fā)點，自頂向下定義圖譜相關(guān)實體及其屬性、語義關(guān)系和約束規(guī)則等，構(gòu)建面向災害損失評估的本體庫。數(shù)據(jù)層構(gòu)建基于海量多源異構(gòu)的災害數(shù)據(jù)，自底向上識別抽取本體庫中定義的實體、屬性及其之間的關(guān)系，通過知識融合進行數(shù)據(jù)消歧，利用PostgreSQL與Neo4j數(shù)據(jù)庫進行存儲和管理。

3.2 模式層構(gòu)建

各災種災害損失數(shù)據(jù)作為社會經(jīng)濟統(tǒng)計數(shù)據(jù)的重要組成部分，通常是以各級行政區(qū)為單位的匯總數(shù)據(jù)[18]。基于該特點，模式層分為自然災害事件本體模型、基礎(chǔ)地理信息本體模型與災害損失評估本體模型，其中基礎(chǔ)地理信息本體模型中的行政區(qū)劃實體是另外兩者的關(guān)鍵紐帶。模式層組成如圖4所示。

自然災害事件本體模型基于《自然災害分類與代碼》（GB/T28921—2012）以及GDIS與EM-DAT的分類體系構(gòu)建而成，其主要分為水文、地質(zhì)、氣象三類主災害，每一類又劃分為不同子災害，子災害必須具備時間、地點（地名）等屬性，災害類型具體見表1。把災害事件劃分為重大災害事件與一般災害事件，重大災害事件須滿足以下3個條件中的任意1個[19]：有10人及以上人口因災死亡，有100人及以上人口受到災害影響，當?shù)卣槍暮κ录剂司o急狀態(tài)或請求國際援助。

基礎(chǔ)地理信息本體模型以全國地理信息資源目錄服務(wù)系統(tǒng)發(fā)布的部分公眾版基礎(chǔ)地理信息數(shù)據(jù)為主，涵蓋行政區(qū)劃、水系（面、線、點）水系附屬設(shè)施（面、線、點）以及地貌與土質(zhì)（面）等關(guān)鍵要素，構(gòu)建了一個多層次的地理空間框架，部分基礎(chǔ)地理信息數(shù)據(jù)見表2。其中行政區(qū)劃實體依據(jù)《中華人民共和國行政區(qū)劃代碼》（GB/T2260—2007），采用分級編碼體系，實現(xiàn)了省、市、縣、鄉(xiāng)（鎮(zhèn)）四級行政單元的空間拓撲關(guān)系表達與屬性關(guān)聯(lián)，為災害數(shù)據(jù)的集成、共享與智能分析提供了標準化的語義框架支撐。

災害損失評估本體模型通常分為直接災害損失與間接災害損失兩部分。直接災害損失通過行政區(qū)劃關(guān)聯(lián)的多維度數(shù)據(jù)（如人員傷亡、財產(chǎn)損失、房屋損毀等）可以直接量化，從而得到較為明確的災害損失結(jié)果。但這些直接損失數(shù)據(jù)僅反映了部分災害影響，各種自然災害在造成直接損失的同時，也會造成巨大的間接災害損失[19-20]。間接災害損失通常具有滯后性、復雜性和廣泛性，難以通過傳統(tǒng)的直接災害損失評估方法全面捕捉和量化，本研究通過為實體添加時間區(qū)間（hasTime）與空間多邊形（hasLocation）屬性，實現(xiàn)災害影響的時空約束推理。例如，當某區(qū)域發(fā)生持續(xù)干旱（DroughtEvent，時間范圍為2023年6—9月），系統(tǒng)自動檢索該時段內(nèi)空間重疊的農(nóng)業(yè)實體（Farm），并沿農(nóng)業(yè)災害事件（cropFailure） $$ 糧食價格變動（food-PriceRise） $$ 社會穩(wěn)定性（socialUnrest）路徑推導社會穩(wěn)定性風險。

在構(gòu)建面向災害損失評估的黃河流域自然災害知識圖譜過程中，各類實體之間基于其定義和內(nèi)在機理，存在復雜的語義關(guān)系，主要包括以下3類：1）層次關(guān)系，用于表達實體之間的從屬或包含關(guān)系，如災害類型、行政區(qū)劃的層級結(jié)構(gòu)等；2）關(guān)聯(lián)關(guān)系，用于表達不同實體之間的相互聯(lián)系，如災害事件與行政區(qū)劃相互關(guān)聯(lián)、不同災害事件之間相互關(guān)聯(lián)；3）空間關(guān)系，大部分實體都具備空間信息，本文主要考慮了GIS空間關(guān)系九交模型的方向關(guān)系與拓撲關(guān)系[21]

3.3 數(shù)據(jù)層構(gòu)建

數(shù)據(jù)層構(gòu)建涵蓋從結(jié)構(gòu)化、半結(jié)構(gòu)化到非結(jié)構(gòu)化數(shù)據(jù)的知識抽取、知識融合與知識存儲的全過程，具體如圖5所示。

在知識抽取階段，各類數(shù)據(jù)被轉(zhuǎn)換為“實體-關(guān)系-實體”的三元組形式。對于結(jié)構(gòu)化數(shù)據(jù)（主要是二維表結(jié)構(gòu)數(shù)據(jù)），每一行代表一個獨立的實體，通過為其分配唯一標識符（ID），并基于字段間的邏輯關(guān)系構(gòu)建相應(yīng)的實體及關(guān)聯(lián)關(guān)系。半結(jié)構(gòu)化數(shù)據(jù)（主要是XML、JSON等格式的樹狀層次結(jié)構(gòu)數(shù)據(jù)）通過基于DOM樹的XML解析器和JsonPath進行結(jié)構(gòu)化解析，然后基于解析后的結(jié)構(gòu)化數(shù)據(jù)構(gòu)建實體及關(guān)系。非結(jié)構(gòu)化數(shù)據(jù)（主要是統(tǒng)計年鑒等PDF文件）的知識獲取是本圖譜構(gòu)建過程中的關(guān)鍵，具體如圖6所示。首先，利用光學字符識別（OCR）方法識別各類統(tǒng)計年鑒、水資源公報的文本內(nèi)容;其次，通過jieba庫進行分詞與詞性標注；再次，采用雙向長短期記憶網(wǎng)絡(luò)（BiLSTM）與條件隨機場（CRF）的組合模型（BiLSTM-CRF）進行命名實體識別與關(guān)系抽取，其中BiLSTM能夠有效捕獲長距離上下文依賴關(guān)系，CRF層對標簽序列間的約束關(guān)系進行建模，能夠確保輸出的標簽序列滿足語法結(jié)構(gòu)約束；最后，基于實體類型與句法分析將抽取的實體和關(guān)系轉(zhuǎn)化為“頭實體-關(guān)系-尾實體”的三元組結(jié)構(gòu)。

知識融合旨在消除異構(gòu)數(shù)據(jù)源之間的差異，實現(xiàn)信息的一致性整合。本研究采用實體對齊和屬性對齊兩種策略來達成這一目標。實體對齊過程中，對實體間的相似度進行計算，當相似度超過預設(shè)閾值時，將多個實體合并為單一實體。屬性對齊依賴定義明確的屬性映射規(guī)則，確保來自不同數(shù)據(jù)源的屬性能夠統(tǒng)一到一致的屬性名下。

完成上述步驟后，將所有實體的空間信息存儲于PostgreSQL數(shù)據(jù)庫并建立空間索引，屬性信息存入Neo4j數(shù)據(jù)庫形成實體節(jié)點。每個對象在2個數(shù)據(jù)庫中共享唯一ID，建立PostgreSQL空間表與 Neo4j節(jié)點間的雙向映射機制。基于PostgreSQL數(shù)據(jù)庫的PostGIS插件提供豐富的空間函數(shù)和操作符（如ST_In-tersects、ST_Buffer），實現(xiàn)不同對象之間的空間關(guān)系提取，同時利用Neo4j數(shù)據(jù)庫的Cypher查詢語言實現(xiàn)多維語義關(guān)系的動態(tài)推理與知識發(fā)現(xiàn)，最終構(gòu)建一個既具備強大空間分析能力又擁有豐富語義關(guān)聯(lián)的綜合性自然災害知識圖譜。

4自然災害知識圖譜具體應(yīng)用

傳統(tǒng)的知識圖譜通常側(cè)重于表達語義關(guān)系，而忽略了對象之間的時空屬性特征。本研究將實體空間信息存儲在支持空間索引與空間分析運算的PostgreSQL數(shù)據(jù)庫中，結(jié)合相關(guān)算法與函數(shù)，半自動化地構(gòu)建了實體之間的時空關(guān)系并導人Neo4j數(shù)據(jù)庫，從而支持時空關(guān)系的知識檢索。通過對災害事件實體時間與空間屬性的設(shè)置，可快速識別區(qū)域并發(fā)災害，同時基于行政區(qū)劃關(guān)聯(lián)的災害影響數(shù)據(jù)，可支持高效獲取災害損失評估結(jié)果。

4.1 基于時空關(guān)系的知識檢索

把黃河上游（河源至內(nèi)蒙古河口鎮(zhèn)）、中游（河口鎮(zhèn)至河南省桃花峪）和下游（桃花峪至入海口）[22]分別作為單獨的實體導人知識圖譜，通過PostgreSQL的ST_Contains空間分析函數(shù)，建立黃河流域上、中、下游分區(qū)與1981—2018年重大災害事件（包括洪水、風暴和地震等）的時空包含關(guān)系，實現(xiàn)災害數(shù)據(jù)的結(jié)構(gòu)化語義建模，并導人Neo4j數(shù)據(jù)庫進行存儲。1981—2018年黃河流域上、中、下游分區(qū)重大災害事件數(shù)據(jù)具體如圖7所示。該知識圖譜采用PostgreSQL與Neo4j數(shù)據(jù)庫的雙重存儲架構(gòu)，既保留空間拓撲關(guān)系又支持語義推理，可有效突破傳統(tǒng)GIS系統(tǒng)在跨時空維度關(guān)聯(lián)分析中的局限。根據(jù)圖譜關(guān)系統(tǒng)計可得，黃河流域1981—2018年共發(fā)生了160次重大災害事件，災害類型主要是洪水（80次）風暴（31次）和地震（19次），黃河上游區(qū)域共發(fā)生災害64次，中游區(qū)域共發(fā)生災害96次，下游區(qū)域未發(fā)生重大災害，洪水是各分區(qū)最為頻繁的災害類型，且每個區(qū)域的災害事件發(fā)生次數(shù)都呈增加趨勢，具體如圖8所示。

4.2并發(fā)災害識別與影響評估

并發(fā)災害是指多種災害在時間與空間上相互重疊的現(xiàn)象，與孤立災害相比，其影響更為顯著[23]。由于2種災害事件發(fā)生的空間與時間不可能完全相同，因此本研究通過在災害之間設(shè)置不同的時間與空間容忍度進行匹配。具體而言，設(shè)定重大災害事件空間影響范圍是省（區(qū)）級，一般災害事件空間影響范圍是市縣級。如果是洪水、暴雨等突發(fā)性事件，其災害持續(xù)時間設(shè)定為15d，重大災害時間設(shè)定為1a（GDIS、EM-DAT等數(shù)據(jù)集災害事件的時間粒度是1a）；如果是干旱等持續(xù)性事件，其時間設(shè)定為3個月。將所有災害事件根據(jù)省（區(qū)）市縣不同層級地理單元進行分組，如果在同一區(qū)域同一時間段識別到2種及以上災害，則認為發(fā)生了并發(fā)災害。1992—2019年共識別到并發(fā)災害37次，具體如圖9所示。2017年黃河流域4個省（區(qū)）發(fā)生了并發(fā)災害，其中：陜西省發(fā)生10次，山西省發(fā)生4次，甘肅省發(fā)生3次，寧夏回族自治區(qū)發(fā)生2次。

5 結(jié)束語

本文描述了面向災害損失評估的黃河流域自然災害知識圖譜構(gòu)建及應(yīng)用過程。在模式層定義了自然災害事件本體模型、基礎(chǔ)地理信息本體模型與災害損失評估本體模型，在多源異構(gòu)的自然災害事件數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)與災害損失數(shù)據(jù)基礎(chǔ)上，通過實體與關(guān)系識別、知識融合、知識存儲構(gòu)建黃河流域自然災害知識圖譜，同時通過PostgreSQL與Neo4j數(shù)據(jù)庫進行存儲和管理，支持基于時空關(guān)系的知識檢索和并發(fā)災害識別與影響評估。

基于黃河流域自然災害知識圖譜，通過多源異構(gòu)數(shù)據(jù)融合與時空關(guān)系建模，可提升災害損失評估的效率，同時突破傳統(tǒng)單災種知識體系的局限，將黃河流域海量復雜的自然災害信息提煉成知識，對于促進自然災害領(lǐng)域數(shù)據(jù)的充分利用與快速分析，提升黃河流域自然災害防御決策能力具有一定的理論與應(yīng)用價值。但隨著各類傳感器與遙感等新技術(shù)的快速發(fā)展與應(yīng)用，如何高效存儲與管理海量數(shù)據(jù)，以及如何無縫接入實時數(shù)據(jù)流，已成為亟待解決的關(guān)鍵問題。在后續(xù)研究中，需要繼續(xù)完善知識圖譜模式層本體模型，擴充數(shù)據(jù)來源，從而提高知識圖譜的完整度。

參考文獻：

[1]蘭恒星，彭建兵，祝艷波，等.黃河流域地質(zhì)地表過程與重大災害效應(yīng)研究與展望［J].中國科學：地球科學，2022，52（2） ：199-221.

[2] 賈賀，劉輝，卜新魁，等.基于知識圖譜的泵站運行方案智能推薦與優(yōu)化[J].人民黃河，2024，46（4）：125-130.

[3] 劉嶠，李楊，段宏，等.知識圖譜構(gòu)建技術(shù)綜述[J].計算機研究與發(fā)展，2016，53（3）：582-600.

[4] 張軍琿，黃希揚，桂明宇，等.面向數(shù)字孿生工程的水利知識圖譜構(gòu)建及應(yīng)用[J].人民黃河，2024，46（4）：121-124，130.

[5] 劉燁宸，李華昱.領(lǐng)域知識圖譜研究綜述[J].計算機系統(tǒng)應(yīng)用，2020，29（6）：1-12.

[6] 曾曉玲，張弓.基于黃河資源整合共享的知識圖譜研究和應(yīng)用[J].人民黃河，2021，43（增刊2）：282-284.

[7] 朱浩，趙紅莉，段浩，等.水利多領(lǐng)域知識圖譜關(guān)聯(lián)融合方法研究［J].人民黃河，2025，47（3）：123-129，134.

[8] 侯夢薇，衛(wèi)榮，陸亮，等.知識圖譜研究綜述及其在醫(yī)療領(lǐng)域的應(yīng)用[J].計算機研究與發(fā)展，2018，55（12）：2587-2599.

[9] 蒲天驕，談元鵬，彭國政，等.電力領(lǐng)域知識圖譜的構(gòu)建與應(yīng)用[J].電網(wǎng)技術(shù)，2021，45（6）：2080-2091.

[10] 侯琛，牛培宇.農(nóng)業(yè)知識圖譜技術(shù)研究現(xiàn)狀與展望[J].農(nóng)業(yè)機械學報，2024，55（6）：1-17.

[11] 邱芹軍，吳亮，馬凱，等.面向災害應(yīng)急響應(yīng)的地質(zhì)災害鏈知識圖譜構(gòu)建方法[J].地球科學，2023，48（5）：1875-1891.

[12] 沈偉豪，鐘燕飛，王俊珪，等.多模態(tài)數(shù)據(jù)的洪澇災害知識圖譜構(gòu)建與應(yīng)用[J].武漢大學學報（信息科學版），2023，48（12）：2009-2018.

［13］王益鵬，張雪英，黨玉龍，等.顧及時空過程的臺風災害事件知識圖譜表示方法[J].地球信息科學學報，2023，25（6）：1228-1239.

[14] 蘭恒星，祝艷波，李郎平，等.黃河流域地質(zhì)-地貌-氣候多過程相互作用及其孕災機制研究[J].中國科學基金，2021，35（4） ：510-519.

[15] 祝艷波，蘭恒星，彭建兵，等.黃河中游地區(qū)水土災害機理與災害鏈效應(yīng)研究進展[J].人民黃河，2021，43（8）：108-116，147.

[16] ROSVOLD EL，BUHAUG H.GDIS，a Global Dataset ofGeocoded Disaster Locations[J].Scientific Data，2021，8（1） ：61.

[17] 王毅，楊舒楠，張立生，等.三個全球氣象災害數(shù)據(jù)庫對比及展望[J].氣候變化研究進展，2022，18（2）：253-260.

[18] 郭紅翔，朱文泉.社會經(jīng)濟統(tǒng)計數(shù)據(jù)空間化研究進展[J].地理學報，2022，77（10）：2650-2667.

[19] 吳吉東，何鑫，王菜林，等.自然災害損失分類及評估研究評述[J].災害學，2018，33（4）：157-163.

[20] 唐彥東，張佳麗，于汐，等.災害間接經(jīng)濟損失評估研究綜述[J].自然災害學報，2023，32（6）：1-11.

[21] 吳華意，劉波，李大軍，等.空間對象拓撲關(guān)系研究綜述[J].武漢大學學報（信息科學版），2014，39（11）：1269-1276.

[22] 黃河上、中、下游的分界點在哪里？上、中、下游的長度各是多少？［J].河南水利與南水北調(diào)，2024，53（3）：7.

[23] XUYL，DAI Q，ZHUJX，et al.Increased Significance ofGlobal Concurrent Hazardsfrom 1981 to 2O20[J].EarthsFuture，2024，12（9） ： e2024EF004490.

【責任編輯 栗銘】