Emergency Rescue Geospatial Intelligence： Conceptual Characteristics， Generation Technologies， and Application Practices

WANG Yong; HAN Yaoyao; LIU Jiping; CAO Yuanhui; CHEN Hongyu; KANG Mengjun; ZHU Jun

doi:10.13203/j.whugis20240485

您当前的位置：

首页 >

文章列表页 >

Emergency Rescue Geospatial Intelligence： Conceptual Characteristics， Generation Technologies， and Application Practices

更新时间：2026-11-05

- Emergency Rescue Geospatial Intelligence： Conceptual Characteristics， Generation Technologies， and Application Practices
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 6, Pages: 1110-1125(2025)
- 作者机构：
  
  1.中国测绘科学研究院，北京，100830
  2.安徽理工大学空间信息与测绘工程学院，安徽淮南，232001
  3.武汉大学资源与环境科学学院，湖北武汉，430079
  4.西南交通大学地球科学与工程学院，四川成都，611756
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20240485
  CLC： P237
- Received：25 December 2024，
  
  Published：05 June 2025
- 稿件说明：
移动端阅览
王勇,韩遥遥,刘纪平，等.应急救援地理空间情报：概念特征、生成技术及应用实践[J].武汉大学学报（信息科学版）,2025,50(6):1110-1125.

WANG Yong,HAN Yaoyao,LIU Jiping,et al.Emergency Rescue Geospatial Intelligence: Conceptual Characteristics, Generation Technologies, and Application Practices[J].Geomatics and Information Science of Wuhan University,2025,50(6):1110-1125.
王勇,韩遥遥,刘纪平，等.应急救援地理空间情报：概念特征、生成技术及应用实践[J].武汉大学学报（信息科学版）,2025,50(6):1110-1125. DOI：10.13203/j.whugis20240485

WANG Yong,HAN Yaoyao,LIU Jiping,et al.Emergency Rescue Geospatial Intelligence: Conceptual Characteristics, Generation Technologies, and Application Practices[J].Geomatics and Information Science of Wuhan University,2025,50(6):1110-1125. DOI：10.13203/j.whugis20240485

摘要

自然灾害和事故灾难频繁发生，对应急救援行动的效率和效果提出了更高要求。应急救援情报作为支撑救援行动的先导，其空间化、精准化、即时化的需求愈发迫切。针对目前应急救援情报分类体系欠缺、地理位置信息匮乏、数据来源单一以及融合利用不足等关键问题，提出应急救援地理空间情报（emergency rescue geospatial intelligence，ER-GeoINT）的概念内涵、分类体系和质量评价指标。在此基础上，构建了以全源感知汇集、智能提取分析、多源融合验证为核心的ER-GeoINT智能生成技术框架，并系统分析了相关技术与方法的研究进展。面向典型自然灾害应急救援需求，开发了地理空间情报搜集分析与服务系统，显著提高了应急救援的响应速度和决策准确性。

Abstract

Objectives

Frequent

large-scale natural disasters inflict substantial harm on modern society

posing serious challenges to emergency decision-making

response

and assessment. During the emergency response processes

geospatial disaster data rapidly expands across physical

social

and information spaces. Despite extensive research on disaster geospatial big data

studies have yet to integrate into a unified intelligence system. As a result

fragmented disaster geospatial data fails to reflect its inherent information value. Converting complex disaster geospatial big data into emergency rescue geospatial intelligence (ER-GeoINT) is an emerging trend in modern emergency rescue.

Methods

First

in response to the current challenges such as the difficulty in emergency rescue data integration

the ambiguous application system of emergency intelligence

and the low efficiency of emergency rescue decision-making

we build on existing geospatial data integration processing and analysis methods. By examining the structure and characteristics of current disaster spatiotemporal big data

this paper proposes the concept

features

architecture

sources

and quality metrics for ER-GeoINT. This clarifies the information sources and classification system of ER-GeoINT. Then

a system framework for ER-GeoINT generation technology that supports multiple disaster scenarios is developed to address technical challenges in mining and analyzing disaster geospatial big data. This framework elaborately presents the current research on data perception aggregation

intelligent extraction and analysis of intelligence information

and the integrated intelligence generation technology of spatial intelligence.

Results

Focusing on emergency rescue scenarios for typical natural disasters such as forest and grassland fires

earthquakes

and geological hazards

a multi-hazard supported intelligence collection and analysis service system (ICASS) is developed. ICASS integrates geospatial intelligence mining technologies and methods for disaster online monitoring and early warning

multimodal emergency intelligence information extraction

rapid disaster loss assessment

and on-site situation simulation and deduction. Through these integrations

an all-source intelligence database

intelligence collection and analysis service system

and an application demonstration pattern for emergency rescue intelligence demand services are established.

Conclusions

The sources and types of global disaster emergency data are increasingly expanding

while the demands for emergency rescue intelligence are shifting towards more intelligent

spatial

granular

and personalized approaches. Current challenges and opportunities for ER-GeoINT include developing a credible and precise intelligence quality evaluation system

strengthening the human-in-the-loop intelligent rescue intelligence generation technology system

enhancing the fine-grained element spatial perception

grid-based intelligence collaborative management

deepening the exploration of value-added spatial intelligence through three-dimensional emergency mapping services and improving the integration with disaster emergency response plans.

关键词

Keywords

references

宁慧涵，眭海刚，王金地，等 . 顾及时空关系的事故灾难事理图谱构建方法研究［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 5 ）： 831 - 843 .

NING Huihan ， SUI Haigang ， WANG Jindi ， et al . Construction of Disaster Event Evolutionary Graph Based on Spatiotemporal Relationship ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 5 ）： 831 - 843 .

郭长青，侯勇光 . 面向战略的情报感知刻画研究［J］. 情报杂志， 2023 ， 42 （ 6 ）： 104 - 109 .

GUO Changqing ， HOU Yongguang . Analysis of the Role of Intelligence Awareness Characterization Toward to Strategy ［J］. Journal of Intelligence ， 2023 ， 42 （ 6 ）： 104 - 109 .

林森，刘蓓蓓，李建文，等 . 基于BERT迁移学习模型的地震灾害社交媒体信息分类研究［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 9 ）： 1661 - 1671 .

LIN Sen ， LIU Beibei ， LI Jianwen ， et al . Social Media Information Classification of Earthquake Disasters Based on BERT Transfer Learning Model ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 9 ）： 1661 - 1671 .

JIANG S S ， QI S B . The Construction of Emergency Intelligence Service System for Think Tanks in the Context of Big Data ［J］. Journal of Computational Methods in Sciences and Engineering ， 21 （ 6 ）： 2107 - 2123 .

胡剑，朱鹏，戚湧 . 基于区块链的重大公共卫生事件下应急情报体系构建［J］. 情报理论与实践， 2022 ， 45 （ 5 ）： 156 - 164 .

HU Jian ， ZHU Peng ， QI Yong . Construction of Emergency Intelligence System for Major Public Health Events Based on Blockchain ［J］. Information Studies （Theory & Application）， 2022 ， 45 （ 5 ）： 156 - 164 .

沈伟豪，钟燕飞，王俊珏，等 . 多模态数据的洪涝灾害知识图谱构建与应用［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 12 ）： 2009 - 2018 .

SHEN Weihao ， ZHONG Yanfei ， WANG Junjue ， et al . Construction and Application of Flood Disaster Knowledge Graph Based on Multi-modal Data ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 12 ）： 2009 - 2018 .

李金泽，夏一雪，张鹏，等 . 突发舆情事件的情报感知模型研究［J］. 情报理论与实践， 2021 ， 44 （ 10 ）： 119 - 128 .

LI Jinze ， XIA Yixue ， ZHANG Peng ， et al . Research on Information Perception Model of Emergent Public Opinion Events ［J］. Information Studies （Theory & Application）， 2021 ， 44 （ 10 ）： 119 - 128 .

张成龙，李振洪，张双成，等 . 综合遥感解译2022年Mw 6.7青海门源地震地表破裂带［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 8 ）： 1257 - 1270 .

ZHANG Chenglong ， LI Zhenhong ， ZHANG Shuangcheng ， et al . Surface Ruptures of the 2022 Mw 6.7 Menyuan Earthquake Revealed by Integrated Remote Sensing ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 8 ）： 1257 - 1270 .

YANG Y X ， GUO Z X . RETRACTED ARTICLE： Research on the Evaluation of Public Emergency Management Intelligence Capability in Probabilistic Language Environment ［J］. Annals of Operations Research ， 2021 ， 326 ： 55 .

刘纪平，王琢璐，徐胜华，等 . 人工智能时代下的应急测绘［J］. 武汉大学学报（信息科学版）， 2024 ， DOI： 10.13203/j.whugis20240300 http://dx.doi.org/10.13203/j.whugis20240300 .

LIU Jiping ， WANG Zhuolu ， XU Shenghua ， et al . Emergency Mapping in the Era of Artificial Intelligence ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， DOI： 10.13203/j.whugis20240300 http://dx.doi.org/10.13203/j.whugis20240300 .

冯昊亮，苏鑫，朱武，等 . 差分信息引导的三分支洪涝水淹道路检测网络［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 8 ）： 1456 - 1465 .

FENG Haoliang ， SU Xin ， ZHU Wu ， et al . Differential Information Guided Triple Branch Network for Flooded Road Detection ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 8 ）： 1456 - 1465 .

董传凯，余法承，张卫星，等 . 改进的GNSS-PWV三因子阈值降雨预报方法研究［J］. 武汉大学学报（信息科学版）， 2023 ： 1 - 14 .

DONG Chuankai ， YU Facheng ， ZHANG Weixing ， et al . Research on Improved GNSS-PWV Three-Factor Threshold Rainfall Forecasting Method ［J］. Geomatics and Information Science of Wuhan University ， 2023 ： 1 - 14 .

AEDO I ， DÍAZ P ， CARROLL J M ， et al . End-User Oriented Strategies to Facilitate Multi-Organizational Adoption of Emergency Management Information Systems ［J］. Information Processing & Management ， 2010 ， 46 （ 1 ）： 11 - 21 .

FERTIER A ， BARTHE-DELANOË A M ， MONTARNAL A ， et al . A New Emergency Decision Support System： The Automatic Interpretation and Contextualisation of Events to Model a Crisis Situation in Real-Time ［J］. Decision Support Systems ， 2020 ， 133 ： 113260 .

史培军 . 三论灾害研究的理论与实践［J］. 自然灾害学报， 2002 ， 11 （ 3 ）： 1 - 9 .

SHI Peijun . Theory on Disaster Science and Disaster Dynamics ［J］. Journal of Natural Disasters ， 2002 ， 11 （ 3 ）： 1 - 9 .

李晴晴，张慧，寇静行 . 基于PDCA循环的地理空间情报流程研究［J］. 情报杂志， 2024 ， 43 （ 2 ）： 68 - 73 .

LI Qingqing ， ZHANG Hui ， KOU Jingxing . Research on Geospatial Intelligence Process Based on PDCA Cycle ［J］. Journal of Intelligence ， 2024 ， 43 （ 2 ）： 68 - 73 .

朱光，颜燚，张琳娜 . 大数据情境下面向突发气象灾害应急决策的情报响应体系研究［J］. 情报工程， 2022 ， 8 （ 1 ）： 3 - 11 .

ZHU Guang ， YAN Yi ， ZHANG Linna . Research on Emergency Decision-Making and Intelligence Response System for Meteorological Disasters in Big Data ［J］. Technology Intelligence Engineering ， 2022 ， 8 （ 1 ）： 3 - 11 .

于峰，樊博 . “ 情景—结构—要素” 视角下复杂灾害治理的情报协同体重构［J］. 情报理论与实践， 2024 ， 47 （ 6 ）： 154 - 165 .

YU Feng ， FAN Bo . Intelligence Collaboration System Reconstruction for Complex Disaster Governance Under the Perspective of “Scenario-Structure-Element ”［J］. Information Studies （Theory & Application）， 2024 ， 47 （ 6 ）： 154 - 165 .

彭知辉 . 情报流程研究：述评与反思［J］. 情报学报， 2016 ， 35 （ 10 ）： 1110 - 1120 .

PENG Zhihui . Research on the Intelligence Process： Review and Reflection ［J］. Journal of the China Society for Scientific and Technical Information ， 2016 ， 35 （ 10 ）： 1110 - 1120 .

AL-YADUMI S ， XION T E ， WEI S G W ， et al . Review on Integrating Geospatial Big Datasets and Open Research Issues ［J］. IEEE Access ， 2021 ， 9 ： 10604 - 10620 .

许强，徐繁树，蒲川豪，等 . 2024年4月广东韶关江湾镇极端降雨诱发群发性滑坡初步分析［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 8 ）： 1264 - 1274 .

XU Qiang ， XU Fanshu ， PU Chuanhao ， et al . Preliminary Analysis of Extreme Rainfall-Induced Cluster Landslides in Jiangwan Township， Shaoguan， Guangdong， April 2024 ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 8 ）： 1264 - 1274 .

朱军，付林，李维炼，等 . 知识引导的滑坡灾害场景动态表达方法［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 8 ）： 1255 - 1262 .

ZHU Jun ， FU Lin ， LI Weilian ， et al . Knowledge-Guided Dynamic Representation Method of Landslide Disaster Scene ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 8 ）： 1255 - 1262 .

黎杰 . 地理空间传感网时空观测能力对象场及计算服务研究［D］. 武汉：中国地质大学， 2023 .

LI Jie . Research on Spatiotemporal Observation Capability Object Field and Computing Service under the Geospatial Sensor Web Environment ［D］. Wuhan ： China University of Geosciences ， 2023 .

ADEEL A ， GOGATE M ， FAROOQ S ， et al . A Survey on the Role of Wireless Sensor Networks and IoT in Disaster Management ［EB/OL］. （ 2019-09-23 ）. https：//arxiv.org/abs/1909.10353v1 https://arxiv.org/abs/1909.10353v1 .

AL QUNDUS J ， DABBOUR K ， GUPTA S ， et al . Wireless Sensor Network for AI-Based Flood Disaster Detection ［J］. Annals of Operations Research ， 2022 ， 319 （ 1 ）： 697 - 719 .

CHEN J D ， CHO Y K . CrackEmbed： Point Feature Embedding for Crack Segmentation from Disaster Site Point Clouds with Anomaly Detection ［J］. Advanced Engineering Informatics ， 2022 ， 52 ： 101550 .

DHINAKARAN D ， UDHAYA SANKAR S M ， LATHA B C ， et al . Dam Management and Disaster Monitoring System Using IoT ［C］// 2023 International Conference on Sustainable Computing and Data Communication Systems （ICSCDS）， Erode， India ， 2023 .

RAMESH M V . Design， Development， and Deployment of a Wireless Sensor Network for Detection of Landslides ［J］. Ad Hoc Networks ， 2014 ， 13 ： 2 - 18 .

VERA-ORTEGA P ， VÁZQUEZ-MARTÍN R ， FERNANDEZ-LOZANO J J ， et al . Enabling Remote Responder Bio-Signal Monitoring in a Cooperative Human–Robot Architecture for Search and Rescue ［J］. Sensors ， 2023 ， 23 （ 1 ）： 49 .

FOROUGHNIA F ， MACCHIARULO V ， BERG L ， et al . Quantitative Assessment of Earthquake-Induced Building Damage at Regional Scale Using LiDAR Data ［J］. International Journal of Disaster Risk Reduction ， 2024 ， 106 ： 104403 .

JIANG N ， LI H B ， LI C J ， et al . A Fusion Method Using Terrestrial Laser Scanning and Unmanned Aerial Vehicle Photogrammetry for Landslide Deformation Monitoring Under Complex Terrain Conditions ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 4707214 .

HAO H Y ， WANG Y . Leveraging Multimodal Social Media Data for Rapid Disaster Damage Assessment ［J］. International Journal of Disaster Risk Reduction ， 2020 ， 51 ： 101760 .

ZHOU B ， ZOU L ， MOSTAFAVI A ， et al . VictimFinder： Harvesting Rescue Requests in Disaster Response from Social Media with BERT ［J］. Computers， Environment and Urban Systems ， 2022 ， 95 ： 101824 .

YIN K ， LIU C K ， MOSTAFAVI A ， et al . CrisisSense-LLM： Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics ［EB/OL］. （ 2024-02-07 ）. https：//arxiv.org/abs/2406.15477v2 https://arxiv.org/abs/2406.15477v2 .

HUANG L D ， SHI P P ， ZHU H C ， et al . Early Detection of Emergency Events from Social Media： A New Text Clustering Approach ［J］. Natural Hazards ， 2022 ， 111 （ 1 ）： 851 - 875 .

HOU H W ， SHEN L ， JIA J N ， et al . An Integrated Framework for Flood Disaster Information Extraction and Analysis Leveraging Social Media Data： A Case Study of the Shouguang Flood in China ［J］. Science of the Total Environment ， 2024 ， 949 ： 174948 .

WANG Z Y ， YE X Y . Space， Time， and Situational Awareness in Natural Hazards： A Case Study of Hurricane Sandy with Social Media Data ［J］. Cartography and Geographic Information Science ， 2019 ， 46 （ 4 ）： 334 - 346 .

HUANG L D ， SHI P P ， ZHU H C . An Integrated Urgency Evaluation Approach of Relief Demands for Disasters Based on Social Media Data ［J］. International Journal of Disaster Risk Reduction ， 2022 ， 80 ： 103208 .

SINGH J P ， DWIVEDI Y K ， RANA N P ， et al . Event Classification and Location Prediction from Tweets During Disasters ［J］. Annals of Operations Research ， 2019 ， 283 （ 1 ）： 737 - 757 .

XING Z Y ， ZHANG X D ， ZAN X L ， et al . Crowdsourced Social Media and Mobile Phone Signaling Data for Disaster Impact Assessment： A Case Study of the 8.8 Jiuzhaigou Earthquake ［J］. International Journal of Disaster Risk Reduction ， 2021 ， 58 ： 102200 .

ZIAULLAH A W ， OFLI F ， IMRAN M . Monitoring Critical Infrastructure Facilities During Disasters Using Large Language Models ［EB/OL］. （ 2024-04-12 ）. https：//arxiv.org/abs/2404.14432v1 https://arxiv.org/abs/2404.14432v1 .

SEEBERGER P ， RIEDHAMMER K . Multi-Query Focused Disaster Summarization via Instruction-Based Prompting ［EB/OL］. （ 2024-09-08 ）. https：//arxiv.org/abs/2402.09008v1 https://arxiv.org/abs/2402.09008v1 .

MADICHETTY S ， M S . Classifying Informative and Non-Informative Tweets from the Twitter by Adapting Image Features During Disaster ［J］. Multimedia Tools and Applications ， 2020 ， 79 （ 39 ）： 28901 - 28923 .

ZHAI W ， PENG Z R . Damage Assessment Using Google Street View： Evidence from Hurricane Michael in Mexico Beach， Florida ［J］. Applied Geography ， 2020 ， 123 ： 102252 .

PI Y L ， NATH N D ， BEHZADAN A H . Detection and Semantic Segmentation of Disaster Damage in UAV Footage ［J］. Journal of Computing in Civil Engineering ， 2021 ， 35 （ 2 ）： 04020063 .

GUPTA R ， GOODMAN B ， PATEL N ， et al . Creating XBD： A Dataset for Assessing Building Damage from Satellite Imagery ［C］// CVPR Workshops ， Paris， France ， 2016

BAI Y B ， HU J J ， SU J H ， et al . Pyramid Pooling Module-Based Semi-Siamese Network： A Benchmark Model for Assessing Building Damage from xBD Satellite Imagery Datasets ［J］. Remote Sensing ， 2020 ， 12 （ 24 ）： 4055 .

ZHENG Z ， ZHONG Y F ， WANG J J ， et al . Building Damage Assessment for Rapid Disaster Response with a Deep Object-Based Semantic Change Detection Framework： From Natural Disasters to Man-Made Disasters ［J］. Remote Sensing of Environment ， 2021 ， 265 ： 112636 .

SHEN Y ， ZHU S J ， YANG T ， et al . BDANet： Multiscale Convolutional Neural Network with Cross-Directional Attention for Building Damage Assessment from Satellite Images ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2021 ， 60 ： 5402114 .

GE P L ， GOKON H ， MEGURO K . A Review on Synthetic Aperture Radar-Based Building Damage Assessment in Disasters ［J］. Remote Sensing of Environment ， 2020 ， 240 ： 111693 .

李聪妤，刘家奇，刘欣鑫，等 . 适应复杂区域的时序SAR影像洪水监测与分析［J］. 遥感学报， 2024 ， 28 （ 2 ）： 346 - 358 .

LI Congyu ， LIU Jiaqi ， LIU Xinxin ， et al . Flood Monitoring and Analysis Based on Time-Series SAR Image for Complex Area ［J］. National Remote Sensing Bulletin ， 2024 ， 28 （ 2 ）： 346 - 358 .

RAO A ， JUNG J ， SILVA V ， et al . Earthquake Building Damage Detection Based on Synthetic-Aperture-Radar Imagery and Machine Learning ［J］. Natural Hazards and Earth System Sciences ， 2023 ， 23 （ 2 ）： 789 - 807 .

ZHOU J ， HUO L S ， HUANG C ， et al . Feasibility Study of Earthquake-Induced Damage Assessment for Structures by Utilizing Images from Surveillance Cameras ［J］. Structural Control and Health Monitoring ， 2024 ， 2024 （ 1 ）： 4993972 .

LI Y ， LI J ， PEI J R ， et al . Application of Non-Contact Video Quantitative Measurement Method in Reservoir Bank Landslide Monitoring ［J］. Frontiers in Earth Science ， 2024 ， 12 ： 1378046 .

ALAM F ， OFLI F ， IMRAN M ， et al . Deep Learning Benchmarks and Datasets for Social Media Image Classification for Disaster Response ［C］// IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining （ASONAM）， Hague， Netherlands ， 2020 .

ZHANG Y ， ZONG R H ， WANG D . A Hybrid Transfer Learning Approach to Migratable Disaster Assessment in Social Media Sensing ［C］// IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining （ASONAM）， Hague， Netherlands ， 2020 .

Daly S ， Thom J A . Mining and Classifying Image Posts on Social Media to Analyse Fires ［C］// ISCRAM ， Frankfurt， Germany ， 2016 .

VERNIER M ， FARINOSI M ， FORESTI A ， et al . Automatic Identification and Geo-Validation of Event-Related Images for Emergency Management ［J］. Information ， 2023 ， 14 （ 2 ）： 78 .

AHMAD K ， POGORELOV K ， RIEGLER M ， et al . Social Media and Satellites ［J］. Multimedia Tools and Applications ， 2019 ， 78 （ 3 ）： 2837 - 2875 .

CHEN Y J ， ZHANG J ， ZHOU A C ， et al . A Modeling Method for a Disaster Chain–Taking the Coal Mining Subsidence Chain as an Example ［J］. Human and Ecological Risk Assessment： an International Journal ， 2018 ， 24 （ 5 ）： 1388 - 1408 .

HAN L N ， ZHANG J Q ， ZHANG Y C ， et al . Hazard Assessment of Earthquake Disaster Chains Based on a Bayesian Network Model and ArcGIS ［J］. ISPRS International Journal of Geo⁃Information ， 2019 ， 8 （ 5 ）： 210 .

刘昭阁，李向阳，朱晓寒 . 融合多源空间数据的城市暴雨级联灾害情景态势转化推演方法［J］. 地球信息科学学报， 2023 ， 25 （ 12 ）： 2329 - 2339 .

LIU Zhaoge ， LI Xiangyang ， ZHU Xiaohan . A Method for Urban Rainstorm Cascading Disaster Scenario Converting Deduction by Integrating Multi-source Spatial Data ［J］. Journal of Geo⁃Information Science ， 2023 ， 25 （ 12 ）： 2329 - 2339 .

SUN F ， LI H B ， CAI J M ， et al . Examining Organizational Collaboration and Resource Flows of Disaster Response System Based on a Time-Dynamic Perspective ［J］. International Journal of Disaster Risk Reduction ， 2024 ， 108 ： 104565 .

邓青，施成浩，王辰阳，等 . 基于E-LVC技术的重大综合灾害耦合情景推演方法［J］. 清华大学学报（自然科学版）， 2021 ， 61 （ 6 ）： 487 - 493 .

DENG Qing ， SHI Chenghao ， WANG Chenyang ， et al . Coupled Disaster Scenario Evaluation and Response Method Based on the E-LVC Technology ［J］. Journal of Tsinghua University （Science and Technology）， 2021 ， 61 （ 6 ）： 487 - 493 .

LI J W ， LI X W ， CHEN C C ， et al . Three-Dimensional Dynamic Simulation System for Forest Surface Fire Spreading Prediction ［J］. International Journal of Pattern Recognition and Artificial Intelligence ， 2018 ， 32 （ 8 ）： 1850026 .

刘纪平，王勇，胡燕祝，等 . 互联网泛在地理信息感知融合技术综述［J］. 测绘学报， 2022 ， 51 （ 7 ）： 1618 - 1628 .

LIU Jiping ， WANG Yong ， HU Yanzhu ， et al . A Review of Web-Based Ubiquitous Geospatial Information Discovery and Integration Technology ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 7 ）： 1618 - 1628 .

李泽荃，徐淑华，李碧霄，等 . 基于知识图谱的灾害场景信息融合技术［J］. 华北科技学院学报， 2019 ， 16 （ 2 ）： 1 - 5 .

LI Zequan ， XU Shuhua ， LI Bixiao ， et al . Information Fusion Technology of Disaster Scenario Based on Knowledge Graph ［J］. Journal of North China Institute of Science and Technology ， 2019 ， 16 （ 2 ）： 1 - 5 .

GUO Y Y ， LIU Z Y ， HUANG C ， et al . A Framework for Threat Intelligence Extraction and Fusion ［J］. Computers & Security ， 2023 ， 132 ： 103371 .

LI S C ， LIU C ， ZHOU Z Q ， et al . Multi-Sources Information Fusion Analysis of Water Inrush Disaster in Tunnels Based on Improved Theory of Evidence ［J］. Tunnelling and Underground Space Technology ， 2021 ， 113 ： 103948 .

王利，许豪，舒宝，等 . 利用互信息和IPSO-LSTM进行滑坡监测多源数据融合［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 10 ）： 1478 - 1488 .

WANG Li ， XU Hao ， SHU Bao ， et al . A Multi-source Heterogeneous Data Fusion Method for Landslide Monitoring with Mutual Information and IPSO-LSTM Neural Network ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 10 ）： 1478 - 1488 .

CAI K ， XU W H . An Efficient Multi-source Information Fusion Approach for Dynamic Interval-Valued Data via Fuzzy Approximate Conditional Entropy ［J］. International Journal of Machine Learning and Cybernetics ， 2024 ， 15 （ 9 ）： 3619 - 3645 .

WANG S L ， LI R ， WU H Y . Integrated Expression and Analysis of Urban Flood Disaster Events from the Perspective of Multi-spatial Semantic Fusion ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 132 ： 104032 .

Views

100

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research Progress of Spatiotemporal Data Mining and Prediction for Maritime Transportation

Forest Fire Burning Spread Prediction Model and Forecasting Platform

Disaster Information Perception and Communication Technology and Equipment for Emergency Rescue in Urban Underground Space

A Review of GNSS Intentional Interference Detection Technologies for Mass-Market Intelligent Terminals： Research Status and Prospects

Research Progress in Spatiotemporal Modeling， Analysis， and Prediction of Urban Activity Flows in Built Environment

Related Author

XU Lei

LU Yifan

XU Xiaohan

YU Hongchu

XIANG Zhongyi

GAO Yunji

ZHANG Yuchun

YUE Weiting

Related Institution

School of Navigation, Wuhan University of Technology

State Key Laboratory of Maritime Technology and Safety, Wuhan University of Technology

Sanya Science and Education Innovation Park of Wuhan University of Technology

National Engineering Research Center for Geographic Information System, China University of Geosciences

School of Resource and Environmental Sciences, Wuhan University

AI问答

⁰