利用社交媒体和预训练的大型语言模型实现快速灾害响应与损失评估：从多次飓风灾害中获得的启示

《Annals of the American Association of Geographers》：Rapid Disaster Response and Damage Estimation with Social Media and Pretrained Large Language Models: Insights from Multiple Hurricanes

本研究提出基于预训练大语言模型的社交媒体信息解析框架，实时分类人道救援、动物救助、基础设施损毁及避难所信息，经哈维、伊玛拉、伊恩等飓风验证，有效预测间接灾害损失（如洪水），为应急决策提供支持。

　　

摘要

鉴于社交媒体在提升情境感知能力方面的潜力，这些平台已被广泛用于与灾害相关的研究和实践中。然而，从社交媒体中挖掘关键、可操作信息的准确性仍有待提高，以支持实时的灾害管理。本研究提出了一种新颖的框架，该框架利用预训练的大型语言模型，准确解析来自X（前身为Twitter）的细粒度、基于位置的信息，以实现实时灾害响应。该框架将信息分为四类：请求救援的人员、需要帮助的动物、基础设施受损情况以及避难所信息。该框架的性能通过手动验证，并通过随机抽样证明其可靠性。研究使用了2017年哈维飓风、2017年艾尔玛飓风和2022年伊恩飓风的相关数据进行了对比分析。时空分析表明，社交媒体索引可以作为预测灾害损失的额外来源，尤其是对于那些主要造成洪水淹没等间接损失而非直接风损的飓风。从社交媒体数据分析中获得的知识可以帮助政策制定者、第一响应者和志愿者更好地应对未来的灾害。这项研究证明了社交媒体的潜力，并倡导以尊重隐私的方式改进数据访问机制，进一步强化了社交媒体在灾害响应中的作用。