曹彥波

(云南省地震局，云南 昆明 650224)

0 引言

隨著云計(jì)算、大數(shù)據(jù)、互聯(lián)網(wǎng)技術(shù)、智能移動(dòng)通信技術(shù)的高速發(fā)展，基于智能手機(jī)的社會(huì)媒體信息交互方式越來越普遍，人們獲取新聞資訊的技術(shù)手段更加多元化和智能化。美國(guó)全球媒體情報(bào)公司Cision(2017)發(fā)布的《2017全球社交媒體研究報(bào)告》統(tǒng)計(jì)顯示，全球社交媒體用戶排名前4的分別是美國(guó)的Facebook，Youtube，WhatsApp和Facebook Messenger，月活躍用戶總數(shù)60億，中國(guó)的新浪微博排名全球第十名。社交媒體已成為互聯(lián)網(wǎng)媒體中最為流行的媒體類型之一，憑借用戶基數(shù)大、信息傳播快、互動(dòng)功能強(qiáng)等特點(diǎn)，已成為突發(fā)事件消息、熱點(diǎn)事件、社會(huì)輿情等信息互聯(lián)網(wǎng)傳播的重要載體和傳播途徑。中共中央網(wǎng)絡(luò)安全和信息化委員會(huì)辦公室(CNNIC)(2018)發(fā)布的第41次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2017年12月，我國(guó)手機(jī)網(wǎng)民達(dá)7.53億，新浪微博月活躍用戶達(dá)3.76億。廣大網(wǎng)民越來越傾向于通過微博獲取新聞、評(píng)論、娛樂、知識(shí)等信息，特別是在重大災(zāi)害性事件發(fā)生后，大量網(wǎng)友通過微博來表達(dá)個(gè)人觀點(diǎn)、態(tài)度和情感等，使得社交媒體數(shù)據(jù)成為反應(yīng)社會(huì)行為活動(dòng)和災(zāi)害特征的一種重要的數(shù)據(jù)源。這些信息的充分挖掘和分析，對(duì)于政府進(jìn)行輿情的傳播、監(jiān)控、引導(dǎo)和輿情處置等有著十分重要的意義。

在利用社交媒體數(shù)據(jù)進(jìn)行災(zāi)害輿情演化分析研究方面，Seltzer等(2015)對(duì)比網(wǎng)民在Instagram和Flickr社交媒體上針對(duì)“埃博拉”話題的評(píng)論，認(rèn)為不同的社交媒體平臺(tái)對(duì)網(wǎng)絡(luò)輿情信息傳播具有不同影響；劉國(guó)巍等(2015)運(yùn)用最優(yōu)分割理論和Moran’s I指數(shù)構(gòu)建非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情演化模型，并用實(shí)證揭示非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情演化的時(shí)空分異規(guī)律；王亞民和胡悅(2016)提出一種基于詞對(duì)主題模型的微博輿情熱點(diǎn)發(fā)現(xiàn)方法，解決了傳統(tǒng)模型在文本建模中所面臨的高維度和稀疏性問題；胡悅和王亞民(2017)提出了基于模糊神經(jīng)網(wǎng)絡(luò)的微博輿情趨勢(shì)預(yù)測(cè)方法，以微博話題的博文總數(shù)作為微博話題發(fā)展趨勢(shì)的量化指標(biāo)，采用模糊神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)微博話題的發(fā)展趨勢(shì)。在地震輿情信息分析挖掘方面，趙金樓和成俊會(huì)(2015)以2013年四川雅安地震為例，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法研究突發(fā)事件微博輿情傳播的網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)微博信息傳播的影響；徐敬海等(2015)、褚俊秀和徐敬海(2016)建立了位置微博地震災(zāi)情抓取框架，以永善5.0級(jí)地震、魯?shù)?.5級(jí)地震為例，實(shí)現(xiàn)微博地震災(zāi)情的提取與展示；曹彥波等(2017a，b)調(diào)用新浪微博API，獲取景谷6.6級(jí)地震、九寨溝7.0級(jí)地震微博信息，通過對(duì)數(shù)據(jù)清洗挖掘，分析了微博災(zāi)情時(shí)空演變特征。社交媒體的情感分析主要包括詞語的情感極性判別和語句的情感分析等，在利用社交媒體數(shù)據(jù)分析地震事件情感反應(yīng)研究方面，王昊等(2012)利用基于情感的HITS算法分析了2011年日本9.0級(jí)地震發(fā)生后一周內(nèi)，人們?cè)谏缃幻襟w上對(duì)地震的評(píng)論和情緒反應(yīng)特征；Cheng等(2016)以2011日本東部9.0級(jí)大地震為例，調(diào)查了社會(huì)媒體如何影響人們對(duì)災(zāi)難的看法，及其在災(zāi)后恢復(fù)活動(dòng)方面的行為意圖，分析人們對(duì)災(zāi)難感知產(chǎn)生的不同影響；Li等(2017)獲取了2011年的日本地震和2010年的海地地震Twitter數(shù)據(jù)，基于情感詞典分析隨著時(shí)間的推移人們?cè)诘卣鹬械那楦蟹磻?yīng)特征。

2018年8月13日1時(shí)44分云南省通?？h(24.19°N，102.71°E)發(fā)生5.0級(jí)地震，8月14日3時(shí)50分通海再次發(fā)生5.0級(jí)地震。地震發(fā)生后，震中附近大量網(wǎng)友在微博、微信、QQ空間等社交媒體平臺(tái)上發(fā)布了大量短文本、圖片、微視頻等信息，其中含有大量與本次地震相關(guān)的評(píng)論、觀點(diǎn)、感悟、心情、情感等輿情災(zāi)情信息。如何對(duì)這些海量輿情大數(shù)據(jù)進(jìn)行分析挖掘，有效利用網(wǎng)絡(luò)輿情信息輔助應(yīng)急決策成為政府輿情管控引導(dǎo)的關(guān)鍵環(huán)節(jié)。在前人研究成果的基礎(chǔ)上，本文基于新浪微博數(shù)據(jù)，獲取2018年通海地震微博信息，對(duì)信息進(jìn)行處理，挖掘與地震災(zāi)情相關(guān)的信息，分析本次地震輿情信息的時(shí)空演變特征。

1 技術(shù)方法及數(shù)據(jù)獲取

1.1 技術(shù)路線

筆者通過新浪微博提供的API接口程序采集通海地震震中附近微博用戶發(fā)布的信息，獲取經(jīng)緯度、博文、圖片等內(nèi)容，對(duì)獲取到的數(shù)據(jù)進(jìn)行清洗、分詞、災(zāi)情識(shí)別、挖掘以及分類統(tǒng)計(jì)，在GIS平臺(tái)支持下，研究微博數(shù)據(jù)時(shí)空特征，分析此次地震輿情信息時(shí)空演變規(guī)律，研究技術(shù)路線見圖1。

圖1 本文研究技術(shù)路線

1.2 數(shù)據(jù)獲取

微博數(shù)據(jù)的獲取方法有：調(diào)用新浪微博應(yīng)用程序接口(廉捷等，2011)，采用網(wǎng)絡(luò)爬蟲多策略方法(孫曉等，2014)，基于微博特征的事件提取算法(高永兵等，2016)和網(wǎng)格單元統(tǒng)計(jì)分析(雷程程等，2017)等。本文利用新浪微博開放平臺(tái)提供的數(shù)據(jù)接口服務(wù)功能，調(diào)用了“獲取用戶發(fā)布的微博”接口(statuses/user_timeline)，返回值字段包括微博創(chuàng)建時(shí)間、微博ID、微博信息內(nèi)容、微博來源、圖片、地理位置、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)等多個(gè)原始數(shù)據(jù)字段，數(shù)據(jù)獲取內(nèi)容如下：

(1)采集范圍：以地震震中為圓心，100 km為半徑，采集研究區(qū)約3萬km2范圍內(nèi)微博用戶發(fā)布的數(shù)據(jù)。

(2)采集時(shí)長(zhǎng)：地震發(fā)生后48 h內(nèi)微博用戶發(fā)布的數(shù)據(jù)，即2018年8月13日1時(shí)44分至8月15日1時(shí)44分。

2 數(shù)據(jù)處理與分析

2.1 數(shù)據(jù)處理

微博文本作為一種特別的短文本形式，具有短小、不規(guī)則、碎片化、口語化等特點(diǎn)，博文中大量使用了縮寫、替代、網(wǎng)絡(luò)新詞及表情符號(hào)，這些特點(diǎn)決定了難以用規(guī)則的語法對(duì)微博內(nèi)容進(jìn)行理解。本文采用NLPIR漢語分詞系統(tǒng)對(duì)原始微博內(nèi)容進(jìn)行預(yù)處理，包括去噪、去重、分詞解析等。通過調(diào)用新浪微博API，共采集到震后48 h內(nèi)研究區(qū)范圍內(nèi)微博用戶發(fā)布的5 156條原始信息。經(jīng)過分詞解析，統(tǒng)計(jì)對(duì)比2次地震后微博詞頻和詞云可以看出(表1，圖2)，排名前10位的名詞中，“地震”高居首位，提及達(dá)377次，其余如“玉溪”“通?！薄罢鸶小钡雀哳l詞，全部均與此次地震相關(guān)。從排名前10位的動(dòng)詞和形容詞也可以看出，震后頻頻提及“起來”“出來”“晃動(dòng)”“強(qiáng)烈”“悲傷”“明顯”“害怕”等詞匯。以上高頻詞匯表明：震后震區(qū)附近廣大微博網(wǎng)友高度關(guān)注此次地震事件，發(fā)布了大量針對(duì)地震的個(gè)人感悟、心情、情感、隨筆、圖片、視頻等。

參考《中國(guó)地震烈度表》(GB/T 17742—2008)、《防震減災(zāi)術(shù)語第1部分：基本術(shù)語》(GB/T 18207.1—2008)、《防震減災(zāi)術(shù)語第2部分：專業(yè)術(shù)語》(GB/T 18207.2—2005)等相關(guān)國(guó)家標(biāo)準(zhǔn)中提及到的地震專業(yè)詞匯，結(jié)合人工解譯和判讀，筆者對(duì)本次地震微博原始內(nèi)容分詞結(jié)果進(jìn)行了篩選和分類。與地震相關(guān)的微博特征詞分為人的反應(yīng)、器物反應(yīng)、房屋破壞、救援處置、震情5類(表2)，博文里還出現(xiàn)了大量表達(dá)情緒的表情符號(hào)。

表1 通海2次5.0級(jí)地震后2 h內(nèi)微博詞頻統(tǒng)計(jì)

圖2 8月13日(a)、8月14日(b)通海5.0級(jí)地震后2 h內(nèi)微博詞云
Fig.2 The words clouds of the micro-blog in two hours after TonghaiMS5.0 earthquakes on >Aug.13(a)，Aug.14(b)in 2018

表2 微博特征詞匯分類

2.2 數(shù)據(jù)統(tǒng)計(jì)

經(jīng)過數(shù)據(jù)預(yù)處理，研究區(qū)采集到的5 156條微博原始信息里，與地震相關(guān)的信息有898條，占總數(shù)的17%，其中，提及到人的反應(yīng)信息777條，器物反應(yīng)90條，房屋破壞33條，救援處置93條，地震震情101條。災(zāi)情類別主要集中于人的反應(yīng)、器物反應(yīng)方面，約占總數(shù)的79%，由于本次地震無人員死亡，少量人員受傷，微博網(wǎng)友反映人員傷亡等信息較少(圖3)。

對(duì)比2014年以來川滇地區(qū)8次M≥5.0地震后2 h，100 km范圍內(nèi)的地震微博數(shù)據(jù)發(fā)現(xiàn)(表3)：在8次震例樣本中，微博網(wǎng)友關(guān)注度最高的是2017年8月8日四川九寨溝7.0級(jí)地震，2 h內(nèi)共發(fā)布了276條信息，其次是通海5.0級(jí)地震的246條，遠(yuǎn)高于其他6次地震。

表3 2014年1月—2018年8月川滇地區(qū)M≥5.0地震微博關(guān)注數(shù)量對(duì)比

圖3 微博災(zāi)情數(shù)據(jù)分類統(tǒng)計(jì)

Fig.3 The classification and statistics of the micro-blog disaster data

3 時(shí)空特征分析

3.1 時(shí)間變化特征

通海5.0級(jí)地震發(fā)生后，震中附近微博日活躍量激增，微博用戶熱議的主題主要圍繞地震相關(guān)的話題。地震后3 min，即8月13日1：47：33，距離震中32 km的玉溪市紅塔區(qū)微博網(wǎng)友就發(fā)布了信息：“就在剛剛！凌晨1：45，地！震！啦！躺在床上嚇個(gè)半死！[淚]”。2：02：00，距離震中11 km的江川區(qū)玉江大道職教小區(qū)微博網(wǎng)名為“我是一只小小鳥哇”的用戶發(fā)布了信息：“地震了！??！震感強(qiáng)烈，硬生生被搖醒了！震了兩次之后全小區(qū)的人幾乎都出來了，可怕[淚][淚]平生第二次經(jīng)歷”，同時(shí)還發(fā)了一張室外避難照片(圖4)。從上述2位網(wǎng)友的博文內(nèi)容我們也能清晰地感受到震區(qū)震感強(qiáng)烈，人們驚慌失措。

從震后48 h(2018-08-13 01：44—08-15 01：44)微博分時(shí)段發(fā)布數(shù)量的統(tǒng)計(jì)來看(圖5)，震后1 h是微博發(fā)布的高峰期，與地震相關(guān)的微博數(shù)達(dá)到158條，占總數(shù)的18%；隨著時(shí)間的增加微博條數(shù)逐漸減少，在震后第22 h內(nèi)(22：44—23：44)，出現(xiàn)了一個(gè)小高峰。部分網(wǎng)友擔(dān)心還會(huì)不會(huì)來地震？還私信云南省地震局和中國(guó)地震臺(tái)網(wǎng)速報(bào)官方微博，發(fā)布了是否會(huì)再發(fā)地震的博文，并曬出外出避難以及塔帳蓬的圖片等(圖6)。在震后第27 h內(nèi)，8月14日3時(shí)50分通海再次發(fā)生5.0級(jí)，微博發(fā)布數(shù)量突然激增至80條，出現(xiàn)峰值。15日20：44—00：44的4 h內(nèi)，微博數(shù)量又逐漸上升至22條，再次出現(xiàn)峰值，這與地震期間謠傳密切相關(guān)。據(jù)2018年8月15日玉溪市公安局發(fā)布的信息，在玉溪市通?？h發(fā)生2次5.0級(jí)地震后，少數(shù)網(wǎng)民通過互聯(lián)網(wǎng)、微信群和手機(jī)短信散布謠傳、不實(shí)信息，擾亂社會(huì)秩序。因地震謠傳在互聯(lián)網(wǎng)傳播極快，導(dǎo)致災(zāi)區(qū)生產(chǎn)生活秩序和社會(huì)穩(wěn)定受到極大影響，廣大民眾緊張、恐慌情緒蔓延，在微博上發(fā)布了大量個(gè)人心情、感悟、隨想、避難等信息。

圖4 通海地震室外避難照片

本次地震博文里除了包含與地震相關(guān)的震情、災(zāi)情、應(yīng)急避難等信息外，還含有大量個(gè)人觀點(diǎn)、態(tài)度和情感傾向的表達(dá)。筆者在大連理工大學(xué)信息檢索研究室情感詞匯本體庫基礎(chǔ)上(徐琳宏等，2008)，結(jié)合博文中的新浪微博表情符號(hào)和出現(xiàn)的網(wǎng)絡(luò)新詞，采用關(guān)鍵字匹配和人工解析方式，對(duì)博文從不同情緒角度來進(jìn)行情感分析，將微博內(nèi)容分為正面情緒(“高興”“喜歡”)、負(fù)面情緒(“生氣”“厭惡”“恐懼”“悲傷”“疑惑”)和中性情緒3種類型，同一條微博可能包含多種情緒，例如：在震后10 min，距離震中12 km的玉溪市紅塔區(qū)微博網(wǎng)友發(fā)布了信息：“是哪里發(fā)生了地震呀？玉溪紅塔區(qū)，明顯震感，直接被搖醒，待在床上不敢動(dòng)，[允悲][允悲]。該條微博信息里包含了對(duì)地震“疑惑”“恐慌”和“悲傷”情緒表達(dá)。通過對(duì)震后與地震相關(guān)的898條博文中體現(xiàn)的總體情感極性來看，此次地震中，反映正面情緒的有10條信息，中性情緒的有361條，負(fù)面情緒有527條，在震后48 h內(nèi)總體以負(fù)面情緒為主。在正面情緒中，有10名網(wǎng)友對(duì)救援行動(dòng)、醫(yī)療救助、救援人員點(diǎn)贊和正面評(píng)論，表達(dá)了“高興”“喜歡”等正面情緒。在負(fù)面情緒中，在博文中提及“生氣”有50條、“恐慌”322條、“悲傷”157條、“疑惑”118條(圖7)。

圖5 8月13日通海MS5.0地震后48 h微博發(fā)布數(shù)量的時(shí)間變化特征

Fig.5 The temporal variation characteristic of micro-blog released quantity in 48 hours after TonghaiMS5.0 earthquake on Aug.13

圖6 通海縣體育場(chǎng)室外搭建帳篷避難

從本次地震負(fù)面情緒時(shí)間序列可以看出(圖8)：地震發(fā)生后震中附近大部分網(wǎng)友被“震醒”“晃醒”，感到困惑、害怕和傷心。震后2 h是網(wǎng)友“生氣”“恐懼”“悲傷”“疑惑”情緒表達(dá)比較集中的時(shí)段，部分微博網(wǎng)友關(guān)注地震部門微博，轉(zhuǎn)發(fā)地震信息，多次感受到強(qiáng)余震并在微博中提及和轉(zhuǎn)發(fā)，并向中國(guó)地震臺(tái)網(wǎng)速報(bào)提出了疑問，如：“我提出了問題‘你好，我想請(qǐng)問一下這幾天通?？h地震將會(huì)持續(xù)發(fā)生嗎?’@中國(guó)地震臺(tái)網(wǎng)速報(bào)@云南省地震局”。一些網(wǎng)友也表達(dá)了對(duì)地震謠傳很生氣，13日3時(shí)13分，距離震中40 km的1位微博網(wǎng)友發(fā)布了信息“造謠的人立刻停止 不要害得人心惶惶的。也不要拿大家的生命和時(shí)間開玩笑[怒]”。8月14日第2次地震發(fā)生后2 h內(nèi)(03：50—05：50)，人們的負(fù)面情緒又出現(xiàn)了一個(gè)峰值，微博網(wǎng)友提出很多疑問，如地震后續(xù)趨勢(shì)、地震什么時(shí)候會(huì)結(jié)束、救災(zāi)物資供應(yīng)、救災(zāi)帳篷領(lǐng)用等。到了15日夜間，人們擔(dān)心后續(xù)還會(huì)不會(huì)有地震，紛紛外出避難，“恐懼”“悲傷”“疑惑”情緒再次上升。

圖7 微博情感極性統(tǒng)計(jì)

圖8 8月13日通海MS5.0地震后48 h負(fù)面情緒時(shí)間序列

3.2 空間特征

從震后48 h微博空間分布看(圖9a)，以地震震中為圓心，微博空間分布遵循距離衰減效應(yīng)，與距離震中遠(yuǎn)近密切相關(guān)。由于地震未造成大面積通信中斷，距離震中越近的地方，空間分布越密集，微博活躍程度也遠(yuǎn)高于平時(shí)。震中區(qū)通海縣微博數(shù)量最多，達(dá)到268條，其次分別為：紅塔區(qū)260條，江川區(qū)66條，華寧縣58條，建水縣46條(圖9b)。由于地震期間謠傳傳播，災(zāi)區(qū)民眾恐慌情緒加重，322條微博提及到對(duì)地震恐慌的情緒，最高的是通海縣有98條，其次是紅塔區(qū)95條。

地震期間云南省地震局工作人員電話詢問了紅河、曲靖、楚雄、昆明、玉溪地震部門：曲靖未收到有感報(bào)告；紅河石屏震感強(qiáng)烈；個(gè)舊、開遠(yuǎn)、彌勒、滬西有感；楚雄雙柏、祿豐有感；玉溪除元江未收到報(bào)告外，全境有感，通過詢問人工標(biāo)注了此次地震有感范圍(圖9a中紅圈)。對(duì)震后網(wǎng)友發(fā)布的微博解析發(fā)現(xiàn)，提及人對(duì)地震反應(yīng)的微博信息有777條，基于核密度算法，利用ArcGIS擬合了微博地震災(zāi)情影響范圍圖。從圖9可以看出，越靠近震中，震感越強(qiáng)烈，有感范圍主要集中在人口密集的通?？h、江川區(qū)、紅塔區(qū)、華寧縣、石屏縣、建水縣以及昆明市城區(qū)和部分鄉(xiāng)鎮(zhèn)，旅游景點(diǎn)交通線附近，這一空間分布特征與人工電話調(diào)查詢問勾畫的有感范圍情況一致。

4 討論與結(jié)論

本文基于新浪微博API，獲取了2018年8月13日，14日通海2次5.0級(jí)地震后微博數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行了分詞、清洗、分類統(tǒng)計(jì)和時(shí)空特征挖掘分析，取得了以下主要認(rèn)識(shí)：

(1)從分類統(tǒng)計(jì)結(jié)果來看，震后微博活躍量總數(shù)激增，網(wǎng)友高度關(guān)注此次地震事件，發(fā)布了大量針對(duì)地震的個(gè)人感悟、心情、情感、隨筆、圖片、視頻等信息。與地震相關(guān)的信息有898條，可分為人的反應(yīng)信息、器物反應(yīng)、房屋破壞、救援處置、地震震情5類信息，災(zāi)情類別主要集中于人的反應(yīng)、器物反應(yīng)方面，約占總數(shù)的79%。對(duì)震后2 h微博詞頻統(tǒng)計(jì)后發(fā)現(xiàn)，排名前10位的名詞、動(dòng)詞、形容詞基本是與地震相關(guān)的高頻詞。

(2)從時(shí)空分布特征來看，微博日活躍量與時(shí)間的關(guān)聯(lián)度明顯，震后1 h是微博發(fā)布的高峰區(qū)間，之后發(fā)布數(shù)量逐漸降低，由于地震期間謠傳影響，出現(xiàn)多個(gè)波動(dòng)。微博的數(shù)量和空間分布與震中距遠(yuǎn)近密切相關(guān)，遵循距離衰減效應(yīng)；有感范圍主要集中在人口密集的通?？h、江川區(qū)、紅塔區(qū)、華寧縣、石屏縣、建水縣以及昆明市城區(qū)和部分鄉(xiāng)鎮(zhèn)，旅游景點(diǎn)交通線附近。

(3)從情感特征分析看，在震后48 h里總體以負(fù)面情緒為主，負(fù)面情緒包括對(duì)地震事件“生氣”“恐慌”“悲傷”“疑惑”等情感表達(dá)，2次地震后人們的情緒出現(xiàn)峰值，由于地震期間謠傳傳播，災(zāi)區(qū)民眾恐慌、悲傷、疑惑情緒加重。

本次地震震級(jí)雖小，災(zāi)害程度與同級(jí)別地震相比也不高，但是對(duì)社會(huì)的影響時(shí)間較長(zhǎng)，空間范圍較廣。造成本次地震社會(huì)輿情影響大的原因是多方面的，地震謠傳是主要原因，2次地震期間，當(dāng)?shù)夭糠置癖娹D(zhuǎn)發(fā)和傳播地震謠傳，產(chǎn)生了較大輿情和社會(huì)影響。其次與該地區(qū)地震背景、震情形勢(shì)、人口密度、文化水平、互聯(lián)網(wǎng)普及率等也密切相關(guān)。災(zāi)區(qū)人口高度密集，震中通?？h四街鎮(zhèn)人口密度593人/km2，距離不到10 km的通?？h城人口密度高達(dá)1 426人/km2，超過云南省平均人口密度的10倍以上；經(jīng)濟(jì)水平高，互聯(lián)網(wǎng)普及率高，加之當(dāng)?shù)貧v史上發(fā)生過7.8級(jí)大地震，造成大量人員死亡，多因素疊加在一起，造成了當(dāng)?shù)孛癖娍只徘榫w蔓延，震后數(shù)天里，大量民眾還室外避難，不肯回家。由此可見，震前要做好民眾防震減災(zāi)科普知識(shí)、防震避震知識(shí)、地震謠傳識(shí)別等知識(shí)宣傳普及；震后及時(shí)進(jìn)行輿情監(jiān)控，做好輿情引導(dǎo)，同時(shí)與網(wǎng)信辦、通信管理局、公安等建立地震謠傳應(yīng)對(duì)機(jī)制等，是地震輿情監(jiān)管的有效途徑。