關(guān)鍵詞：自然災(zāi)害知識(shí)圖譜；模式層；數(shù)據(jù)層；基礎(chǔ)地理信息；災(zāi)害損失評(píng)估；黃河流域中圖分類(lèi)號(hào)：TP39;TV882.1 文獻(xiàn)標(biāo)志碼：A doi：10.3969/j.issn.1000-1379.2025.07.015引用格式：，，，等.面向?yàn)?zāi)害損失評(píng)估的黃河流域自然災(zāi)害知識(shí)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(lèi)活動(dòng)的影響，黃河流域各類(lèi)自然災(zāi)害呈現(xiàn)發(fā)生頻次高、覆蓋范圍廣的特點(diǎn)，對(duì)人民生命和財(cái)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(zāi)害相關(guān)信息，對(duì)自然災(zāi)害數(shù)據(jù)分析與防御決策具有非常重要的作用。

知識(shí)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(shí)的語(yǔ)義網(wǎng)絡(luò)，網(wǎng)絡(luò)中的節(jié)點(diǎn)代表實(shí)體、概念，邊代表實(shí)體、概念的屬性或者彼此之間的語(yǔ)義關(guān)系[2-4]。知識(shí)圖譜按照應(yīng)用領(lǐng)域可劃分為通用知識(shí)圖譜與領(lǐng)域知識(shí)圖譜兩類(lèi)，其中：通用知識(shí)圖譜面向通用領(lǐng)域，主要包含大量常識(shí)性知識(shí)；領(lǐng)域知識(shí)圖譜又稱(chēng)為行業(yè)知識(shí)圖譜或垂直知識(shí)圖譜，是由某一特定領(lǐng)域?qū)I(yè)數(shù)據(jù)構(gòu)成的知識(shí)庫(kù)[5-7]。知識(shí)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(zāi)害防御[11]等領(lǐng)域得到了廣泛應(yīng)用。在自然災(zāi)害領(lǐng)域，知識(shí)圖譜相關(guān)研究主要聚焦于單災(zāi)種的本體建模與知識(shí)體系構(gòu)建，如邱芹軍等[提出了面向?yàn)?zāi)害應(yīng)急響應(yīng)的地質(zhì)災(zāi)害鏈知識(shí)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(zāi)害知識(shí)圖譜構(gòu)建方法，王益鵬等[13提出了顧及時(shí)空過(guò)程的臺(tái)風(fēng)災(zāi)害事件知識(shí)圖譜表示方法。黃河流域自然災(zāi)害信息來(lái)源廣泛、結(jié)構(gòu)不統(tǒng)一、時(shí)空演化機(jī)理復(fù)雜，單災(zāi)種的自然災(zāi)害知識(shí)圖譜覆蓋信息面窄，難以從海量復(fù)雜的信息中提煉知識(shí)。

針對(duì)上述問(wèn)題，筆者以黃河流域自然災(zāi)害為研究對(duì)象，圍繞自然災(zāi)害事件本體、基礎(chǔ)地理信息本體、災(zāi)害損失評(píng)估本體模型，建立模式層以及要素之間語(yǔ)義關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)從多源異構(gòu)數(shù)據(jù)中進(jìn)行知識(shí)抽取、融合與存儲(chǔ)，構(gòu)建面向?yàn)?zāi)害損失評(píng)估的黃河流域自然災(zāi)害知識(shí)圖譜，以期為災(zāi)害損失評(píng)估提供科學(xué)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?。▍^(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(gè)地貌單元，東西長(zhǎng)度約 1900km ，流域北抵陰山，南靠秦嶺，南北跨度約 1100km ，流域面積達(dá)79.5萬(wàn) km² 。黃河流域在我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展和生態(tài)安全方面具有十分重要的地位，但自然災(zāi)害特別是水害瀕發(fā)，給沿岸百姓造成了深重災(zāi)難。黃河流域地理跨度大、地質(zhì)條件復(fù)雜，重大自然災(zāi)害主要有上游巨型滑坡災(zāi)害、中游水土災(zāi)害和下游巨型洪災(zāi)，災(zāi)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(zāi)害，歷史上部分滑坡曾堵塞黃河，潰決形成超大洪災(zāi)[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(dǎo)致水土災(zāi)害分布廣、類(lèi)型多、突發(fā)性強(qiáng)，且災(zāi)害往往以鏈的形式發(fā)生，嚴(yán)重威脅人居安全與社會(huì)穩(wěn)定[15]。黃河下游流經(jīng)華北平原，其洪水災(zāi)害頻發(fā)主要受泥沙淤積、季風(fēng)氣候暴雨集中以及人類(lèi)活動(dòng)等多重因素共同作用。

2自然災(zāi)害知識(shí)圖譜整體框架

面向?yàn)?zāi)害損失評(píng)估的黃河流域自然災(zāi)害知識(shí)圖譜整體框架見(jiàn)圖2，主要分為數(shù)據(jù)資源層、知識(shí)抽取層和應(yīng)用服務(wù)層。數(shù)據(jù)資源層包括自然災(zāi)害事件數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)、災(zāi)害損失數(shù)據(jù)這3類(lèi)原始數(shù)據(jù)，其中：自然災(zāi)害事件數(shù)據(jù)主要包括全球地理編碼災(zāi)害數(shù)據(jù)集（GDIS）[16]、緊急災(zāi)難數(shù)據(jù)庫(kù)（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(zāi)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(guó)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(zāi)害損失數(shù)據(jù)主要包括各年份水旱災(zāi)害公報(bào)、各省份統(tǒng)計(jì)年鑒數(shù)據(jù)（涵蓋經(jīng)濟(jì)損失、人員傷亡、附屬設(shè)施破壞等詳細(xì)信息）以及黃河水文網(wǎng)提供的黃河水資源公報(bào)、泥沙公報(bào)與水土保持公報(bào)等。知識(shí)抽取層主要對(duì)實(shí)體概念模式進(jìn)行定義和數(shù)據(jù)抽取，從而為應(yīng)用服務(wù)層提供專(zhuān)業(yè)的知識(shí)支撐。應(yīng)用服務(wù)層對(duì)外提供基于時(shí)空關(guān)系的知識(shí)檢索、并發(fā)災(zāi)害識(shí)別與影響評(píng)估應(yīng)用，

3圖譜知識(shí)抽取層構(gòu)建流程與方法

3.1 構(gòu)建流程

自然災(zāi)害知識(shí)圖譜知識(shí)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(zāi)害損失評(píng)估為出發(fā)點(diǎn)，自頂向下定義圖譜相關(guān)實(shí)體及其屬性、語(yǔ)義關(guān)系和約束規(guī)則等，構(gòu)建面向?yàn)?zāi)害損失評(píng)估的本體庫(kù)。數(shù)據(jù)層構(gòu)建基于海量多源異構(gòu)的災(zāi)害數(shù)據(jù)，自底向上識(shí)別抽取本體庫(kù)中定義的實(shí)體、屬性及其之間的關(guān)系，通過(guò)知識(shí)融合進(jìn)行數(shù)據(jù)消歧，利用PostgreSQL與Neo4j數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)和管理。

3.2 模式層構(gòu)建

各災(zāi)種災(zāi)害損失數(shù)據(jù)作為社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)的重要組成部分，通常是以各級(jí)行政區(qū)為單位的匯總數(shù)據(jù)[18]?；谠撎攸c(diǎn)，模式層分為自然災(zāi)害事件本體模型、基礎(chǔ)地理信息本體模型與災(zāi)害損失評(píng)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(shí)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(zāi)害事件本體模型基于《自然災(zāi)害分類(lèi)與代碼》（GB/T28921—2012）以及GDIS與EM-DAT的分類(lèi)體系構(gòu)建而成，其主要分為水文、地質(zhì)、氣象三類(lèi)主災(zāi)害，每一類(lèi)又劃分為不同子災(zāi)害，子災(zāi)害必須具備時(shí)間、地點(diǎn)（地名）等屬性，災(zāi)害類(lèi)型具體見(jiàn)表1。把災(zāi)害事件劃分為重大災(zāi)害事件與一般災(zāi)害事件，重大災(zāi)害事件須滿(mǎn)足以下3個(gè)條件中的任意1個(gè)[19]：有10人及以上人口因?yàn)?zāi)死亡，有100人及以上人口受到災(zāi)害影響，當(dāng)?shù)卣槍?duì)災(zāi)害事件宣布了緊急狀態(tài)或請(qǐng)求國(guó)際援助。

基礎(chǔ)地理信息本體模型以全國(guó)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(xiàn)、點(diǎn)）水系附屬設(shè)施（面、線(xiàn)、點(diǎn)）以及地貌與土質(zhì)（面）等關(guān)鍵要素，構(gòu)建了一個(gè)多層次的地理空間框架，部分基礎(chǔ)地理信息數(shù)據(jù)見(jiàn)表2。其中行政區(qū)劃實(shí)體依據(jù)《中華人民共和國(guó)行政區(qū)劃代碼》（GB/T2260—2007），采用分級(jí)編碼體系，實(shí)現(xiàn)了省、市、縣、鄉(xiāng)（鎮(zhèn)）四級(jí)行政單元的空間拓?fù)潢P(guān)系表達(dá)與屬性關(guān)聯(lián)，為災(zāi)害數(shù)據(jù)的集成、共享與智能分析提供了標(biāo)準(zhǔn)化的語(yǔ)義框架支撐。

災(zāi)害損失評(píng)估本體模型通常分為直接災(zāi)害損失與間接災(zāi)害損失兩部分。直接災(zāi)害損失通過(guò)行政區(qū)劃關(guān)聯(lián)的多維度數(shù)據(jù)（如人員傷亡、財(cái)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(zāi)害損失結(jié)果。但這些直接損失數(shù)據(jù)僅反映了部分災(zāi)害影響，各種自然災(zāi)害在造成直接損失的同時(shí)，也會(huì)造成巨大的間接災(zāi)害損失[19-20]。間接災(zāi)害損失通常具有滯后性、復(fù)雜性和廣泛性，難以通過(guò)傳統(tǒng)的直接災(zāi)害損失評(píng)估方法全面捕捉和量化，本研究通過(guò)為實(shí)體添加時(shí)間區(qū)間（hasTime）與空間多邊形（hasLocation）屬性，實(shí)現(xiàn)災(zāi)害影響的時(shí)空約束推理。例如，當(dāng)某區(qū)域發(fā)生持續(xù)干旱（DroughtEvent，時(shí)間范圍為2023年6—9月），系統(tǒng)自動(dòng)檢索該時(shí)段內(nèi)空間重疊的農(nóng)業(yè)實(shí)體（Farm），并沿農(nóng)業(yè)災(zāi)害事件（cropFailure） $$ 糧食價(jià)格變動(dòng)（food-PriceRise） $$ 社會(huì)穩(wěn)定性（socialUnrest）路徑推導(dǎo)社會(huì)穩(wěn)定性風(fēng)險(xiǎn)。

在構(gòu)建面向?yàn)?zāi)害損失評(píng)估的黃河流域自然災(zāi)害知識(shí)圖譜過(guò)程中，各類(lèi)實(shí)體之間基于其定義和內(nèi)在機(jī)理，存在復(fù)雜的語(yǔ)義關(guān)系，主要包括以下3類(lèi)：1）層次關(guān)系，用于表達(dá)實(shí)體之間的從屬或包含關(guān)系，如災(zāi)害類(lèi)型、行政區(qū)劃的層級(jí)結(jié)構(gòu)等；2）關(guān)聯(lián)關(guān)系，用于表達(dá)不同實(shí)體之間的相互聯(lián)系，如災(zāi)害事件與行政區(qū)劃相互關(guān)聯(lián)、不同災(zāi)害事件之間相互關(guān)聯(lián)；3）空間關(guān)系，大部分實(shí)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?fù)潢P(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(shí)抽取、知識(shí)融合與知識(shí)存儲(chǔ)的全過(guò)程，具體如圖5所示。

在知識(shí)抽取階段，各類(lèi)數(shù)據(jù)被轉(zhuǎn)換為“實(shí)體-關(guān)系-實(shí)體”的三元組形式。對(duì)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(gè)獨(dú)立的實(shí)體，通過(guò)為其分配唯一標(biāo)識(shí)符（ID），并基于字段間的邏輯關(guān)系構(gòu)建相應(yīng)的實(shí)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(shù)狀層次結(jié)構(gòu)數(shù)據(jù)）通過(guò)基于DOM樹(shù)的XML解析器和JsonPath進(jìn)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(shí)體及關(guān)系。非結(jié)構(gòu)化數(shù)據(jù)（主要是統(tǒng)計(jì)年鑒等PDF文件）的知識(shí)獲取是本圖譜構(gòu)建過(guò)程中的關(guān)鍵，具體如圖6所示。首先，利用光學(xué)字符識(shí)別（OCR）方法識(shí)別各類(lèi)統(tǒng)計(jì)年鑒、水資源公報(bào)的文本內(nèi)容;其次，通過(guò)jieba庫(kù)進(jìn)行分詞與詞性標(biāo)注；再次，采用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)（BiLSTM）與條件隨機(jī)場(chǎng)（CRF）的組合模型（BiLSTM-CRF）進(jìn)行命名實(shí)體識(shí)別與關(guān)系抽取，其中BiLSTM能夠有效捕獲長(zhǎng)距離上下文依賴(lài)關(guān)系，CRF層對(duì)標(biāo)簽序列間的約束關(guān)系進(jìn)行建模，能夠確保輸出的標(biāo)簽序列滿(mǎn)足語(yǔ)法結(jié)構(gòu)約束；最后，基于實(shí)體類(lèi)型與句法分析將抽取的實(shí)體和關(guān)系轉(zhuǎn)化為“頭實(shí)體-關(guān)系-尾實(shí)體”的三元組結(jié)構(gòu)。

知識(shí)融合旨在消除異構(gòu)數(shù)據(jù)源之間的差異，實(shí)現(xiàn)信息的一致性整合。本研究采用實(shí)體對(duì)齊和屬性對(duì)齊兩種策略來(lái)達(dá)成這一目標(biāo)。實(shí)體對(duì)齊過(guò)程中，對(duì)實(shí)體間的相似度進(jìn)行計(jì)算，當(dāng)相似度超過(guò)預(yù)設(shè)閾值時(shí)，將多個(gè)實(shí)體合并為單一實(shí)體。屬性對(duì)齊依賴(lài)定義明確的屬性映射規(guī)則，確保來(lái)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(shí)體的空間信息存儲(chǔ)于PostgreSQL數(shù)據(jù)庫(kù)并建立空間索引，屬性信息存入Neo4j數(shù)據(jù)庫(kù)形成實(shí)體節(jié)點(diǎn)。每個(gè)對(duì)象在2個(gè)數(shù)據(jù)庫(kù)中共享唯一ID，建立PostgreSQL空間表與 Neo4j節(jié)點(diǎn)間的雙向映射機(jī)制?；赑ostgreSQL數(shù)據(jù)庫(kù)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(shí)現(xiàn)不同對(duì)象之間的空間關(guān)系提取，同時(shí)利用Neo4j數(shù)據(jù)庫(kù)的Cypher查詢(xún)語(yǔ)言實(shí)現(xiàn)多維語(yǔ)義關(guān)系的動(dòng)態(tài)推理與知識(shí)發(fā)現(xiàn)，最終構(gòu)建一個(gè)既具備強(qiáng)大空間分析能力又擁有豐富語(yǔ)義關(guān)聯(lián)的綜合性自然災(zāi)害知識(shí)圖譜。

4自然災(zāi)害知識(shí)圖譜具體應(yīng)用

傳統(tǒng)的知識(shí)圖譜通常側(cè)重于表達(dá)語(yǔ)義關(guān)系，而忽略了對(duì)象之間的時(shí)空屬性特征。本研究將實(shí)體空間信息存儲(chǔ)在支持空間索引與空間分析運(yùn)算的PostgreSQL數(shù)據(jù)庫(kù)中，結(jié)合相關(guān)算法與函數(shù)，半自動(dòng)化地構(gòu)建了實(shí)體之間的時(shí)空關(guān)系并導(dǎo)人Neo4j數(shù)據(jù)庫(kù)，從而支持時(shí)空關(guān)系的知識(shí)檢索。通過(guò)對(duì)災(zāi)害事件實(shí)體時(shí)間與空間屬性的設(shè)置，可快速識(shí)別區(qū)域并發(fā)災(zāi)害，同時(shí)基于行政區(qū)劃關(guān)聯(lián)的災(zāi)害影響數(shù)據(jù)，可支持高效獲取災(zāi)害損失評(píng)估結(jié)果。

4.1 基于時(shí)空關(guān)系的知識(shí)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?？冢22]分別作為單獨(dú)的實(shí)體導(dǎo)人知識(shí)圖譜，通過(guò)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(zāi)害事件（包括洪水、風(fēng)暴和地震等）的時(shí)空包含關(guān)系，實(shí)現(xiàn)災(zāi)害數(shù)據(jù)的結(jié)構(gòu)化語(yǔ)義建模，并導(dǎo)人Neo4j數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)。1981—2018年黃河流域上、中、下游分區(qū)重大災(zāi)害事件數(shù)據(jù)具體如圖7所示。該知識(shí)圖譜采用PostgreSQL與Neo4j數(shù)據(jù)庫(kù)的雙重存儲(chǔ)架構(gòu)，既保留空間拓?fù)潢P(guān)系又支持語(yǔ)義推理，可有效突破傳統(tǒng)GIS系統(tǒng)在跨時(shí)空維度關(guān)聯(lián)分析中的局限。根據(jù)圖譜關(guān)系統(tǒng)計(jì)可得，黃河流域1981—2018年共發(fā)生了160次重大災(zāi)害事件，災(zāi)害類(lèi)型主要是洪水（80次）風(fēng)暴（31次）和地震（19次），黃河上游區(qū)域共發(fā)生災(zāi)害64次，中游區(qū)域共發(fā)生災(zāi)害96次，下游區(qū)域未發(fā)生重大災(zāi)害，洪水是各分區(qū)最為頻繁的災(zāi)害類(lèi)型，且每個(gè)區(qū)域的災(zāi)害事件發(fā)生次數(shù)都呈增加趨勢(shì)，具體如圖8所示。

4.2并發(fā)災(zāi)害識(shí)別與影響評(píng)估

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

本文描述了面向?yàn)?zāi)害損失評(píng)估的黃河流域自然災(zāi)害知識(shí)圖譜構(gòu)建及應(yīng)用過(guò)程。在模式層定義了自然災(zāi)害事件本體模型、基礎(chǔ)地理信息本體模型與災(zāi)害損失評(píng)估本體模型，在多源異構(gòu)的自然災(zāi)害事件數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)與災(zāi)害損失數(shù)據(jù)基礎(chǔ)上，通過(guò)實(shí)體與關(guān)系識(shí)別、知識(shí)融合、知識(shí)存儲(chǔ)構(gòu)建黃河流域自然災(zāi)害知識(shí)圖譜，同時(shí)通過(guò)PostgreSQL與Neo4j數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)和管理，支持基于時(shí)空關(guān)系的知識(shí)檢索和并發(fā)災(zāi)害識(shí)別與影響評(píng)估。

基于黃河流域自然災(zāi)害知識(shí)圖譜，通過(guò)多源異構(gòu)數(shù)據(jù)融合與時(shí)空關(guān)系建模，可提升災(zāi)害損失評(píng)估的效率，同時(shí)突破傳統(tǒng)單災(zāi)種知識(shí)體系的局限，將黃河流域海量復(fù)雜的自然災(zāi)害信息提煉成知識(shí)，對(duì)于促進(jìn)自然災(zāi)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(zāi)害防御決策能力具有一定的理論與應(yīng)用價(jià)值。但隨著各類(lèi)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(chǔ)與管理海量數(shù)據(jù)，以及如何無(wú)縫接入實(shí)時(shí)數(shù)據(jù)流，已成為亟待解決的關(guān)鍵問(wèn)題。在后續(xù)研究中，需要繼續(xù)完善知識(shí)圖譜模式層本體模型，擴(kuò)充數(shù)據(jù)來(lái)源，從而提高知識(shí)圖譜的完整度。

參考文獻(xiàn)：

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

[2] 賈賀，劉輝，卜新魁，等.基于知識(shí)圖譜的泵站運(yùn)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(shí)圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展，2016，53（3）：582-600.

[4] 張軍琿，黃希揚(yáng)，桂明宇，等.面向數(shù)字孿生工程的水利知識(shí)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(shí)圖譜研究綜述[J].計(jì)算機(jī)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(shí)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(shí)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(mèng)薇，衛(wèi)榮，陸亮，等.知識(shí)圖譜研究綜述及其在醫(yī)療領(lǐng)域的應(yīng)用[J].計(jì)算機(jī)研究與發(fā)展，2018，55（12）：2587-2599.

[9] 蒲天驕，談元鵬，彭國(guó)政，等.電力領(lǐng)域知識(shí)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(shí)圖譜技術(shù)研究現(xiàn)狀與展望[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2024，55（6）：1-17.

[11] 邱芹軍，吳亮，馬凱，等.面向?yàn)?zāi)害應(yīng)急響應(yīng)的地質(zhì)災(zāi)害鏈知識(shí)圖譜構(gòu)建方法[J].地球科學(xué)，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(zāi)害知識(shí)圖譜構(gòu)建與應(yīng)用[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2023，48（12）：2009-2018.

［13］王益鵬，張雪英，黨玉龍，等.顧及時(shí)空過(guò)程的臺(tái)風(fēng)災(zāi)害事件知識(shí)圖譜表示方法[J].地球信息科學(xué)學(xué)報(bào)，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(guò)程相互作用及其孕災(zāi)機(jī)制研究[J].中國(guó)科學(xué)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(zāi)害機(jī)理與災(zāi)害鏈效應(yīng)研究進(jìn)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(gè)全球氣象災(zāi)害數(shù)據(jù)庫(kù)對(duì)比及展望[J].氣候變化研究進(jìn)展，2022，18（2）：253-260.

[18] 郭紅翔，朱文泉.社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)空間化研究進(jìn)展[J].地理學(xué)報(bào)，2022，77（10）：2650-2667.

[19] 吳吉東，何鑫，王菜林，等.自然災(zāi)害損失分類(lèi)及評(píng)估研究評(píng)述[J].災(zāi)害學(xué)，2018，33（4）：157-163.

[20] 唐彥東，張佳麗，于汐，等.災(zāi)害間接經(jīng)濟(jì)損失評(píng)估研究綜述[J].自然災(zāi)害學(xué)報(bào)，2023，32（6）：1-11.

[21] 吳華意，劉波，李大軍，等.空間對(duì)象拓?fù)潢P(guān)系研究綜述[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2014，39（11）：1269-1276.

[22] 黃河上、中、下游的分界點(diǎn)在哪里？上、中、下游的長(zhǎng)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(zé)任編輯 栗銘】