EN中文

热带地理 >

2025 1 - 13

DOI: https://doi.org/10.13284/j.cnki.rddl.20240741

三元空间下数智赋能城市暴雨态势感知的组态路径研究

  • 闫绪娴 , 1 ,
  • 王俊丽 , 1 ,
  • 温烜 2 ,
  • 刘杨 1
展开
  • 1. 山西财经大学 管理科学与工程学院，太原 030006
  • 2. 中央民族大学 经济学院，北京 100081
王俊丽（1994—），女，山西晋中人，博士研究生，主要研究方向为应急管理与韧性城市，（E-mail）。

闫绪娴（1978—），女，山西朔州人，博士，教授，主要研究方向为应急管理与韧性城市，（E-mail）；

收稿日期: 2024-11-19

  修回日期: 2025-06-10

  网络出版日期: 2025-06-19

基金资助

山西省2024年度研究生科研创新项目“三元空间视角下数智赋能城市暴雨态势感知的内在机理及匹配路径”(2024KY487)

国家社科学基金一般项目“我国城市暴雨内涝灾害形成机理、韧性评估及防治对策研究”(20BGL260)

山西省研究生教育创新计划支持“优秀研究生导师团队”(2024TD25)

收起

Research on the Configuration Path of Digital-Intelligent Enabled Urban Rainstorm Situation Awareness in Ternary Space

  • Xuxian Yan , 1 ,
  • Junli Wang , 1 ,
  • Xuan Wen 2 ,
  • Yang Liu 1
Expand
  • 1. School of Management Science & Engineering, Shanxi University of Finance and Economics, Taiyuan 030006, China
  • 2. School of Economics, Central University for Nationalities, Beijing 100081, China

Received date: 2024-11-19

  Revised date: 2025-06-10

  Online published: 2025-06-19

Fold

摘要

数智技术是提升城市暴雨态势感知能力的重要手段，从物理-信息-社会三元空间视角出发，通过fsQCA（Fuzzy-Set Qualitative Comparative Analysis）和LDA（Latent Dirichlet Allocation）的混合使用，解决数智手段赋能城市暴雨感知的路径问题，并探讨不同组态路径下的城市受灾特征。结果表明，实现高赋能水平存在3种模式：物理-信息-社会三元空间均衡型赋能、物理-社会空间主导的三元空间型赋能和物理-社会空间交互的二元空间型赋能。同时，一元空间的低赋能模式难以实现灾害的全面感知，验证了三元空间组态交叉的必要性。此外，LDA主题模型分析显示，不同的数智赋能模式匹配了不同受灾类型的城市，二元空间型赋能路径更适合致灾因子敏感型城市（如广州等），物理-社会空间主导的三元空间型赋能模式更匹配孕灾环境敏感型城市（如西安等），三元空间均衡型赋能模式更适合承灾体敏感型城市（如北京、上海等）。

关键词： 三元空间; 数智赋能; 城市暴雨态势感知; fsQCA; LDA

本文引用格式

闫绪娴 , 王俊丽 , 温烜 , 刘杨 . 三元空间下数智赋能城市暴雨态势感知的组态路径研究[J]. 热带地理, 2025 : 1 -13 . DOI: 10.13284/j.cnki.rddl.20240741

Abstract

Against the backdrop of rapid urbanization and escalating risks posed by extreme rainstorms, the complexity of urban hydrological systems and limitations of fragmented data-driven approaches underscore the necessity of constructing integrated frameworks to enhance rainstorm situation awareness. Traditional methodologies typically rely on isolated physical monitoring, digital modeling, or social response mechanisms and fail to address the interdependencies among physical infrastructure, informational technologies, and social systems. This study aims to deepen our understanding of how digital and intelligent technologies can be configured across a physical–informational–social ternary space to achieve robust urban rainstorm governance by identifying context-specific empowerment paths and their applicability to diverse urban typologies. Guided by the theoretical framework of the physical–informational–social ternary space, this study employs a mixed-method approach combining fuzzy-set qualitative comparative analysis (fsQCA) and Latent Dirichlet Allocation (LDA) modeling to investigate the pathways through which digital and intelligent tools empower urban rainstorm perception and to explore the disaster-affected characteristics of cities under different configurational paths. By tracking 35 typical Chinese cities, the fsQCA analysis reveals three differentiated empowerment configurations: (1) Balanced ternary space empowerment (G1), which achieves high-efficiency empowerment through three-dimensional collaboration among physical space data integration (including real-time sensor networks for hydrological monitoring), informational space intelligent analysis (including machine-learning-based risk prediction models), and social space emergency response (including interagency coordination systems), relying on dynamic interactions across the three domains. (2) Physically–socially dominant ternary space empowerment (G2): Grounded in core conditions of multisource data integration (combining meteorological, topographical, and citizen-generated data) and high disaster perception efficiency, this configuration incorporates peripheral conditions of server-side intelligence (including cloud-based data analytics) and user-side participation (including mobile application-driven hazard reporting), emphasizing data diversity and user-centric empowerment. (3) Physically–socially interactive binary space empowerment (G3): Empowerment is realized through the binary coupling of multisource data integration and high perception efficiency as the core conditions, prioritizing the technical synergy between physical monitoring and informational processing. Concurrently, a single-dimensional, low-empowerment configuration, which relies on isolated spatial data or technologies, is found to be insufficient for comprehensive disaster perception, thus empirically validating the necessity of ternary space configurational intersections. LDA topic modeling further demonstrates that different digital-intelligent empowerment patterns align with distinct disaster-sensitive city types: G3 suits hazard-sensitive cities (including Guangzhou), G2 matches vulnerable cities (including Xi'an), and G1 benefits exposure-sensitive megacities (including Beijing and Shanghai). Theoretical contributions of this study include constructing a "ternary space for urban rainstorm situation awareness" framework, which systematically analyzes the effects of digital-intelligent empowerment through the coupling mechanism of real-time physical space perception, intelligent informational space processing, and optimized social space decision-making—thereby transcending the limitations of traditional technological determinism. Methodologically, the research overcomes the constraints of single-method approaches by retaining fsQCA's strength in causal necessity analysis and integrating LDA's capability for semantic theme identification, forming a complete explanatory chain of "causal mechanisms-adaptive paths-type characteristics." At a practical level, this study proposes differentiated implementation strategies that provide both theoretical foundations and practical guidance for the digital and intelligent enhancement of urban rainstorm situation awareness.

Key words： ternary space; digital-intelligent empowerment; urban rainstorm situation awareness; fuzzy-set qualitative comparative analysis; Latent Dirichlet Allocation

近年来，极端暴雨等自然灾害呈现趋多、趋频、趋强、趋广态势，“常态化”的极端天气及城市化的双重压力下，“红色暴雨”考验城市的反应能力，虽是突发，更需要感知与预判。面对传统安全防御体系失效的风险，态势感知能全面感知威胁态势，已成为目前安全领域聚焦的热点（张金良 等，2024）。《“十四五”国家综合防灾减灾规划》提出要建设重大灾害风险早期识别和预报预警系统，提升长中短临灾害风险感知能力（国家减灾委员会，2022）。AI、物联网、大数据等数智技术成为契合信息化社会与风险社会的最佳“盟友”，城市复杂的治理结构使其必须依靠数智赋能走系统完善的智慧化之路。与此同时，数智赋能过程中也出现一些问题：1）目前对数智赋能的效果有待提升，中心监测与实地响应之间的断档问题导致应急体系的失效，信息协同效率亟待提升（刘星，2022）；2）数智赋能手段较为单一，各城市的数智赋能过程往往是借鉴试点城市的经验，忽略了城市本土的灾害特点，使得灾害的应对过程变得模式化。因此，理清数智赋能城市暴雨态势感知的内在机理及匹配模式具有重要的现实意义。鉴于此，本研究立足于明晰数智赋能城市暴雨态势感知的因果关系，并解决不同城市如何匹配不同路径的问题。

1 文献综述

对城市暴雨灾害的研究主要集中在：1）城市暴雨的灾害特征演变研究，发现城市暴雨灾害出现降雨频率加快、降雨强度增大、降雨极值增高、单次极端降雨持续时间增长、影响范围增广等变化趋势，经济社会系统的脆弱性日益增加，灾害治理难度加大（黄华兵 等，2021）；2）城市暴雨防灾减灾治理体系研究，初期是以经验为主的抗灾救灾治理（王振耀 等，2006），中期是系统的预警预案行动管理（闪淳昌 等，2020），到近期的政府主导、多方参与的现代化灾害治理体系（闫绪娴 等，2024）；3）城市暴雨态势感知的技术研究，暴雨灾害前兆信息辨识的研究主要集中在气象水文预报、RS、GIS信息处理等环节（Yasumitsu et al., 2019）。近年来，大数据方法逐渐应用于气象水文、灾害管理等领域，包括社交媒体信息、多源信息融合、海量信息挖掘与智能方法分析。城市暴雨治理由以管理流程为主的线性范式逐渐向以数据为中心的扁平化范式转变（Wu et al., 2021；陈积银 等，2022）；4）数智视角下的城市暴雨感知困境研究，认为监测与响应断档造成的应急体系失效现象，信息协同效率亟需提升（Abdulhamid et al., 2020；王永明 等，2023）。总体上，当前城市暴雨灾害治理研究正朝着数智技术赋能的智慧化方向演进，但赋能过程仍有待解问题，赋能机理与效能有待提升。
在此背景下，部分学者对数智技术赋能城市暴雨态势感知的机理开展了方法论层面的初步探索，为揭示复杂致灾过程提供了新视角。其中，暴雨内涝的物理过程涉及降雨、地表产汇流、管网排水和河道排涝等多个环节，同时受到自然因素和人为活动的综合影响，致灾机理复杂且具有显著的区域差异（闫绪娴 等，2024；吴国凤 等，2024）。在研究方法上，传统的水动力模拟是主流（Ke,2024），能较精准地表达水动力过程（Liang et al., 2024），但难以满足大范围高精度模拟的需求；而机器学习方法具有强大的模式识别能力和高计算效率（Zou et al., 2024），不过所得结论受制于训练样本，泛化能力有限；fsQCA方法的应用为理解灾害感知的复杂因果关系提供了新视角（申霞，2024），已有研究采用fsQCA方法探索了数智化手段对自然灾害应急准备能力的提升路径（Liu et al., 2024; Han et al., 2025），证实了fsQCA方法对解决数智赋能灾害感知机理研究的有效性。此外，LDA主题识别方法为城市暴雨灾情特征分析提供了新思路（杨辰 等，2021）。He等（2024）将fsQCA方法与LDA模型相结合，利用fsQCA方法分析驱动路径的要素配置，利用LDA模型对政策文本数据进行主题聚类分析，构建了相关研究的综合分析框架。因此，fsQCA组态分析和LDA主题识别可为明晰暴雨灾害感知的机理问题提供新思路，利用案例和文本数据也可以明确数智赋能暴雨灾害感知的效能和实现路径。
因此，本研究聚焦智慧应急、智慧城市建设、数字防汛、国家城市安全风险综合监测预警工作体系建设试点单位等35个代表城市的统计数据和文本资料，从物理-信息-社会三元空间的视角展开，采用fsQCA方法揭示数智赋能城市暴雨态势感知的复杂因果关系，理清数智赋能的组态路径，利用LDA主题模型对赋能模式下的城市特征进行主题聚类，提取城市受灾类型特征，解决不同城市如何匹配不同路径的问题。以期为极端天气背景下的城市灾害感知与监测预警提供理论支撑，对不同受灾类型城市的数智赋能模式提供借鉴作用。

2 理论框架与研究设计

2.1　理论分析框架

随着信息技术的发展，“物理-信息-社会”三元空间深度融合，人类社会进入三元空间风险交织的时代（巩宜萱 等，2022）。态势感知的概念源于1988年Endsley（1988）为美国航空飞行员开发的态势感知评估技术，包括态势要素获取、态势分析和态势决策三级阶段，现被广泛用于安全与风险的全过程监测治理。态势感知的三级阶段分别对应三元空间中物理空间的数据集成、信息空间的信息分析和社会空间的风险决策。因此，三元空间是数智赋能城市暴雨态势感知的面向对象。数智赋能城市暴雨态势感知指利用数智技术挖掘有用信息，实现暴雨态势的智能化分析，实现智能决策行动，进而维护城市安全（王秉 等，2024）。三元空间下数智赋能城市暴雨态势感知模型如图1所示。
图1 三元空间下数智赋能城市暴雨态势感知模型

Fig.1 The model of digital and intelligent empowerment for urban rainstorm situation perception under the ternary space framework

2.2　变量选取

2.2.1　前因变量

物理空间：基于三元空间理论，物理空间由实体要素构成，通过物联网、大数据等技术实现灾害信息的数字化采集与处理，最终构建城市暴雨态势感知数据集成体系。
数据集成的质量与集成数据的多样性和全面性密切相关，城市暴雨的数据集成可从空间数据与地面数据的立体覆盖维度考虑，本文参考《全国气象发展“十四五”规划》（中国气象局，2021）的相关数据，以暴雨要素预报产品空间分辨率和地面自动暴雨站网平均间距作为城市暴雨全面性的集成技术的衡量指标；多样性的集成数据主要体现在应急指挥中心数智化平台融合数据类型的多样性（王威 等，2023a），并实现多部门应急联动，因此，以数智化平台可融合灾害数据类型数目和协同部门数量2个指标体现多样性的集成数据。
信息空间：基于三元空间理论，信息空间通过多源数据融合、态势分析及智能建模，将不确定数据转化为可感知的灾害信息，实现信息的智能应用。
城市暴雨信息资源的利用主要依赖信息中心服务端的数智化水平和用户端的数智化水平，不确定性的风险情境制约着预警响应功能的发挥，公众能感受风险的主要渠道是政府发布的预警信息（刘星，2022），通过信息中心天气预报的水平以及监测灾害性天气发生的时间间隔的准确率体现服务端的信息处理能力（吴俊杰 等，2023），因此，选用24 h晴雨天气预报准确率和强对流天气预警提前量衡量信息中心感知灾害信息的服务端的数智化水平；通过公众获取暴雨服务产品的覆盖率即暴雨服务公众覆盖率，衡量用户端的数智化水平（王威 等，2023b）。
社会空间：社会空间包含社会实体组织要素，承担城市暴雨态势调控功能，涵盖决策制定、科学推进、评估及反馈流程，体现组织赋能的感知效能。
城市暴雨的社会感知效能体现在灾害组织的管理水平和及时响应水平。从灾害管理组织维度看，救援队伍的规模反映管理水平（谢雪苗 等，2024；喻修远 等，2024），因此，以应急救援队伍人数衡量暴雨内涝发生后的救援水平。从受灾人群维度考虑，灾害发生后受灾群众基本生活得到有效救助的时间也可反映暴雨灾害的感知效能（喻修远 等，2024）。因此以应急救援队伍人数和受灾群众基本生活得到有效救助的时间2个指标衡量社会空间的感知效能。

2.2.2　结果变量

数智赋能城市暴雨感知的效果可作为结果变量。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（中华人民共和国国务院，2021）（下文简称“十四五”规划）明确要求提升自然灾害防御水平，将“年均自然灾害损失GDP占比”作为核心考核指标，同时年均自然灾害损失GDP占比与“十四五”规划提出的“构建综合监测预警网络体系”目标高度一致，反映数智技术对灾害综合防控效能的提升水平；“十四五”规划提出的“强化数字技术在自然灾害应对中的运用”要求，需通过满意度指标检验技术应用的社会价值，因此选择年均自然灾害损失GDP占比和公众暴雨服务满意度作为数智赋能效果的结果变量。
综上，以三元空间为基础，对应态势感知的三级阶段选择相应的衡量指标，构建数智赋能城市暴雨感知的指标体系（表1）。
表1 数智赋能城市暴雨感知的前因变量和结果变量指标体系

Table 1 The indicator system of antecedent variables and outcome variables for the digital and intelligent empowerment of urban rainstorm perception

变量类型 一级指标 二级指标 三级指标 指标属性 权重 数据解释

前

因

变

量

物理

空间

全面性的

集成技术X 11

 暴雨要素预报产品空间分辨率/km - 0.805 反映自然灾害空间监测数据的精密程度
地面自动暴雨站网平均间距/km - 0.195 反映自然灾害地面监测数据的精密程度

多样性的

集成数据X 12

 可融合灾害数据类型数目/种 + 0.594 反映应急指挥中心可融合的多源数据类型数量
协同部门数据类型/个 + 0.406 反映应急指挥中心可调控的应急联动部门数量

信息

空间

服务端的数智化

信息X 21

 24 h晴雨天气预报准确率/% + 0.487 反映24 h晴雨天气预报的水平
强对流天气预警提前量/min + 0.513 从发布灾害性天气预警到通过监测手段确认灾害性天气发生的时间间隔

用户端的数智化

信息X 22

 暴雨服务公众覆盖率/% + 1.000 通过各种媒体传播渠道，使公众获取暴雨服务的覆盖率情况

社会

空间

社会的灾害

感知X 31

受灾群众基本生活得到

有效救助时间/h

 - 0.558 反映当地的灾害响应水平的指标
应急救援队伍人数/人 + 0.442 反映当地的应急救援队伍规模的指标

结果

变量

 赋能效果 年均自然灾害损失GDP占比/% - 0.697 （自然灾害直接经济损失/全年GDP）×100
公众暴雨服务满意度/分 + 0.303 主要评价公众对暴雨预报预警等各种服务的满意程度

注：“权重”用熵权法测算得到，计算步骤参考文献（张林刚 等，2022；昂昊 等，2024）的步骤。

各指标权重采用熵权法（Entropy Weight Method,EWM）客观赋权方法（张林刚 等，2022；昂昊 等，2024），熵权法基于信息论中的熵概念，通过量化指标间的信息差异确定权重，有效地规避了主观赋权的随意性。本研究涉及的11项评估指标具有异质化特征，熵权法通过向量归一化处理消除量纲影响，确保数据可比性，并通过信息熵计算各指标的无序程度，识别各指标的重要程度，权重结果如表1所示。

3 方法与数据

3.1　fsQCA与LDA混合的方法

模糊集定性比较分析（fsQCA）采用整体视角进行跨案例的比较分析，致力于探索哪些条件要素的组态引起预期结果的出现，哪些组态引起预期结果缺乏或不存在等因果复杂性问题（赵云辉 等，2025）。数智赋能城市暴雨感知的复杂机理属于这类问题，三元空间下各前因变量的组合导致不同的赋能路径，单个数智要素又不足以支撑城市暴雨感知效能，适合采用fsQCA方法破解赋能“黑箱”。
潜在狄利克雷分配模型（Latent Dirichlet Allocation，简称LDA模型）可用于智能分析大量文本数据，并识别文本中隐藏的主题，以实现主题提取任务。运用LDA主题模型对案例文档进行分析，从中挖掘案例的主要特征，为基于文本数据的决策提供参考（王博 等，2015）。基于fsQCA方法的组态分析能揭示数智赋能城市暴雨感知的多重路径，但多案例研究面临特征组态识别的挑战。本研究引入LDA主题模型，通过文本语义挖掘技术识别同一路径下案例城市的共性特征，突破传统定性比较分析在特征提取方面的局限。通过构建fsQCA-LDA混合分析框架，实现方法的优势互补：既保留fsQCA对因果复杂性的组态解释能力，又发挥LDA在非结构化数据中提取潜在特征的优势，从而系统揭示数智赋能的复杂作用机制。

3.2　数据来源

为使案例具有代表性与典型性，选取35个数智化应急的案例城市（附表1）。本文的暴雨要素预报产品空间分辨率、地面自动暴雨站网平均间距、24 h晴雨天气预报准确率、强对流天气预警提前量、暴雨服务公众覆盖率、公众暴雨服务满意度等数据来源于案例样本涉及城市的《十四五气象发展规划》，受灾群众基本生活得到有效救助时间、应急救援队伍人数、年均自然灾害损失GDP占比来源于各地的《十四五应急管理体系规划》，可融合灾害数据类型数目、协同部门数量等数据来源于各地应急管理局即案例文本，融合灾害数据类型数目和协同部门数量由于各城市的标准不统一，存在缺失，这部分缺失数据首先使用所在省份的平均数值代替，若仍缺失则使用该指标均值填充。

4 结果分析

4.1　数据校准与转换

数据校准与转换是fsQCA的重要前提，可将条件变量转化为集合关系，以便软件识别和运算。采用惯常做法，以0.75（完全隶属）、0.5（交叉点）、0.25（完全不隶属）作为定性锚点校准原始数据（刘慧君 等，2023）。各变量校准点及其描述性统计分析结果见表2所示，可以看出，各指标数据不存在异常值，说明本研究指标构建合理，不会造成组态误差（刘慧君 等，2023）。
表2 变量校准锚点及描述性统计

Table 2 Variable calibration anchor points and descriptive statistics

变量 模糊校准点 描述性统计
完全隶属/75% 交叉点/50% 完全不隶属/25% 均值 标准差
全面性的集成技术 0.812 0.569 0.463 0.485 0.416
多样性的集成数据 0.500 0.313 0.175 0.495 0.422
服务端的数智化信息 0.551 0.434 0.277 0.493 0.394
用户端的数智化信息 0.760 0.585 0.409 0.443 0.412
社会的灾害感知 0.343 0.219 0.095 0.523 0.382
赋能效果 0.801 0.644 0.544 0.508 0.410

4.2　必要条件分析

fsQCA4.0通过一致性和覆盖度2个指标反映必要性结果，通常以“一致性”是否＞0.9判定前因变量是否构成结果变量的必要条件（Fiss, 2007；昂昊 等，2024）。从表3看，在高赋能水平与低赋能水平2种情境下，所有前因变量及其相反值的一致性均＜0.9，即均不构成结果变量的必要条件。
表3 条件变量对于结果变量的必要性分析

Table 3 The necessity analysis of conditional variables for outcome variables.

条件变量 高赋能水平 低赋能水平
一致性 覆盖度 一致性 覆盖度
全面性的集成技术 0.484 0.507 0.604 0.612
~全面性的集成技术 0.630 0.621 0.514 0.491
多样性的集成数据 0.616 0.631 0.462 0.459
~多样性的集成数据 0.473 0.477 0.629 0.613
服务端的数智化信息 0.539 0.556 0.537 0.526
~服务端的数智化信息 0.549 0.551 0.555 0.538
用户端的数智化信息 0.471 0.540 0.499 0.553
~用户端的数智化信息 0.610 0.557 0.585 0.517
社会的灾害感知 0.688 0.670 0.495 0.466
~社会的灾害感知 0.451 0.480 0.649 0.668

注：“～”表示该指标的相反值。

4.3　组态分析

本文主要探讨数智如何赋能城市暴雨感知，从高赋能水平和低赋能水平2个视角构建组态。在运用fsQCA4.0进行组态条件分析时，需设置样本的参数，考虑本研究所选样本为中小样本（10~50个样本），因此借鉴主流做法，在样本规模较小时，将案例频数阈值设置为1，将原始一致性阈值设置为0.8，PRI一致性阈值设置为0.7（程恋军 等，2023）。模糊集定性比较分析（fsQCA）会产生复杂解、中间解和简单解，通过核心条件识别（Fiss, 2007）并以中间解作为最终的路径组态结果，最终得出3个高赋能水平路径和3个低赋能水平路径（表4）。
表4 数智赋能城市暴雨感知的组态分析

Table 4 Configuration analysis of digital and intelligent empowerment for urban rainstorm perception

前因变量 高赋能水平 低赋能水平
G1 G2 G3 D1 D2 D3
全面性的集成技术 ● ⊕ ○ ○ ○ ○
多样性的集成数据 ⊕ ● ● ⊕ ⊕ ⊕
服务端的数智化信息 ● ○ ⊕ ⊕ ⊕ ○
用户端的数智化信息 ⊕ ○ ⊕ ⊕ ⊗ ○
社会的灾害感知 ● ● ● ⊗ ⊕ ⊗
一致性 0.882 0.974 0.947 0.913 0.863 0.934
原始覆盖度 0.298 0.193 0.193 0.318 0.225 0.172
唯一覆盖度 0.140 0.082 0.020 0.066 0.042 0.072
总体一致性 0.911 0.874
总体覆盖度 0.587 0.558

注：●表示核心条件存在，⊗核心条件缺失；○表示边缘条件存在，⊕表示边缘条件缺失。

4.3.1　物理-信息-社会三元空间均衡型赋能

组态G1表明，以全面性的集成技术、高服务端数智化信息水平、高灾害感知效能为核心条件，可以实现高水平暴雨灾害感知结果，故将其命名为“三元空间均衡型赋能”。该赋能模式的形成有赖于三元空间的良性交互：物理空间依托监测技术提升数据集成效率，信息空间通过智能算法挖掘数据价值，社会空间借助组织整合实现精准响应。该模式在应急管理数字化场景中表现为：1）物联网技术支撑数据实时采集与传输；2）机器学习算法处理多源数据并发现潜在规律；3）跨部门协同机制保障预警决策与救援响应的时效性。
该组态对应的典型案例城市有北京、上海、天津、南京、重庆。以上海为例，上海是城市暴雨数智化管理的代表性城市。上海的风险特征表现在超大型城市人口密度大，灾害后果严重，近年来上海在安全应急管理智能化方面取得多项突破：1）实现了智能化风险管理，全市建立了城市运行的数据集成，整合众多感知终端，能及时发现和处置问题；2）打造了平台化的运行模式，依托一网统管平台，实现了多部门的应急联动；3）基层组织的应急治理得到重视和发展。这些举措的实施不仅提升了上海的暴雨灾害防范和应对能力，也推动了城市暴雨灾害数智化管理的发展。

4.3.2　物理-社会空间主导的三元空间型赋能

组态G2表明，以多样性的集成数据、高灾害感知效能为核心条件，以服务端数智化信息水平和用户端数智化信息水平为边缘条件，可以实现高水平的数智赋能城市暴雨灾害感知结果。该模式也是三元空间交互型赋能，与G1相比，该赋能侧重点体现在多样性的集成数据和用户端的数智化水平方面，因此命名为“物理-社会空间主导的三元空间型赋能”。通过三重机制实现系统协同：1）物理空间整合多模态多源数据（地理信息系统、卫星遥感等）；2）信息空间构建多渠道公众信息服务体系（移动应用/社交媒体/广播电视）；3）社会空间通过公众参与提升预警响应效率。该模式在灾害管理中表现为：多部门数据融合保障信息全面性，用户端技术应用增强信息可达性，最终形成“数据整合-信息传播-社会响应”的闭环赋能机制。
该组态对应的典型案例城市有深圳、西安。以深圳为例，深圳以创建国家安全发展示范城市和首批国家城市安全风险综合监测预警工作体系建设试点为契机，建立了各方齐抓共管、更加紧密配合的自然灾害防治体系，实现对城市安全风险的“能监测、会预警、快处置”。2023年9月初，台风“苏拉”2次登陆广东。深圳面临强度超强、持续时间超长、强降雨范围超大的极端特大暴雨侵袭，全市33座水库、58处河道水位超警、186处出现地质灾害等灾情险情。深圳通过精准施策、分步实施，实现了城市的“一键暂停到一键恢复”的平稳切换，将台风对城市经济社会影响降到最低，得到市民的广泛肯定。在该轮台风、暴雨极端天气中，深圳未出现群死群伤、水库溃坝漫坝重大险情，人员因灾零死亡，灾后12 h城市整体秩序基本恢复正常，灾后72 h供水、供电、供气、通信基本恢复正常。这是深圳各级、各部门做足防灾减灾救灾准备的真实体现。深圳通过科技信息化技术，健全完善预警覆盖发布渠道，完善预警信息发布机制。当暴雨等极端天气引发的灾情来临时，深圳可通过短信、微信公众号及小程序、政府官方网站等全媒体渠道，运用智能数据分析与定位系统，结合GIS技术，实现对全体市民以及处于特定风险区域（如地势低洼地段、易发生内涝区域、老旧建筑集中区等）、特定时段（如灾害发生前的预警时段、灾害持续期间的动态信息更新时段、灾后恢复重建的关键信息发布时段等）、特定人群（如老年人、儿童、残障人士等特殊群体，以及处于灾害核心影响区域的居民、相关行业从业者等）的靶向式、立体式、全覆盖的精准信息发布，涵盖灾害预警级别、应对措施建议、避险路线指引、救援资源分布等关键内容，最大程度降低灾害可能造成的损失。

4.3.3　物理-社会空间交互的二元空间型赋能

组态G3明表，以多样性的集成数据、高灾害感知效能为核心条件，全面性的集成数据为边缘条件也能实现高水平的数智赋能城市暴雨灾害感知效果，因此命名为“物理-社会空间交互的二元空间型赋能”。该模式有赖于物理-社会两重空间的协同：1）物理空间整合多模态数据（地理信息/遥感监测）；2）社会空间构建技术-社会协同响应体系。该模式在灾害管理中表现为：多源数据融合保障信息完整性，公众参与机制提升响应精准度，最终形成“数据整合-社会协同”的赋能路径。
该组态的代表案例有广东广州、佛山。广东地处沿海，暴雨风险特征表现在极端降雨强度大、影响范围广等特点。近年来，广州应急管理局聚焦“实况、实时、实用、实战”目标，持续深化“智慧应急”建设，推动基础设施逐步建强，监测预警基本覆盖，数据资源不断丰富，关键应用完成布局，通信保障保底可靠，科技创新不断突破，打造具有广州特色的“智慧应急大脑”，以科技信息化助推应急管理现代化。2022年汛期，广州应急管理局运用大数据、人工智能、物联网等新技术，接入水位监测站、雨量监测站、遥测站、全自动气象监测站、监控视频等数据，整合广州水系、风险隐患、水情超警、重点部位、危险区域、队伍物资、风雨水情等图层信息，加入雨量表、预警响应等实时监测功能，接入无人机信息，实现现场图像实时回传，并结合融合通信能力，随时指挥到街镇、村居及水库、堤坝、内涝点、隧道、涵洞等地点的责任人，建成“三防一张图”，实现一屏统览、挂图作战，助力三防工实时监测、动态预警、令行禁止、有呼必应。3种赋能路径的优劣势对比如表5所示。
表5 数智赋能城市暴雨感知的路径优劣对比

Table 5 Comparison of the advantages and disadvantages of the paths for digital and intelligent empowerment of urban rainstorm perception

路径模式 优势 劣势

物理-信息-社会三元

空间均衡型赋能（G1）

 三元协同闭环优化灾害响应全链条；动态耦合机制抵御极端暴雨，降低损失率；数字孪生驱动系统迭代，降低技术更新成本 5G基站密度和专业人才要求高，限制中西部推广；高算力需求导致年均运维成本高；多源数据融合存在隐私风险，需强化数据安全防护
物理-社会空间主导的三元空间型赋能（G2） 社交媒体实现预警信息秒级触达；多模态数据融合提升灾情识别准确率；社会成员参与，补充监测盲区 AI模型需5年历史数据，新城市初期效果受限；多渠道导致信息过载与公众识别困难；城乡数字鸿沟导致农村覆盖率显著低于城市
物理-社会空间交互的二元空间型赋能（G3） 无需复杂算法，初期成本较G1降低；人机协同实现老旧城区监测覆盖；社区参与数据采集提升预警接受度 依赖传统传感器导致暴雨预测误差率较高；单维数据集成难以应对多灾种叠加场景；人工干预导致响应效能滞后

4.3.4　一元空间赋能

低赋能水平的3条组态D1、D2、D3表明，以单一空间的条件赋能，会导致低水平的城市暴雨态势感知效能。D1、D2组态表明缺少两元空间以上的条件要素，难以实现较高水平的数智赋能效能。D3表明缺乏物理-信息空间的基础建设，即使具有较好的社会公众感知城市暴雨的基础，也很难实现数智赋能城市暴雨态势感知的高效能。若物理、信息、社会三元空间未能协同发挥作用，单纯依赖物理空间的监测数据、信息空间的算法模型，或社会空间的应急管理机制，均难以全面捕捉暴雨灾害发生、发展过程中的复杂动态，无法有效整合多源异构信息，更难以协调多方社会资源形成应对合力，最终导致难以实现对城市暴雨态势的全面感知与高效处置。因此，只有将物理、信息和社会3个空间的数据和技术有机结合，才能实现对城市暴雨态势的高效感知和响应，提高城市的抗灾能力和应对水平。

4.4　稳健性检验

采用提高原始一致性和PRI一致性2种方式，对组态结果进行稳健性检验，将原始一致性由0.8调整为0.85（陈曦 等，2023）或将PRI一致性由0.7调整为0.8（刘进进 等，2024），结果见表5，可知，将原始一致性由0.8调整为0.85后，与表4组态分析的结果基本一致，将PRI一致性由0.7调整为0.8后，少了1组组态路径，其余2组组组态也是原结果的子集。上述数据显示结果稳健。
表6 产生高赋能水平的组态的稳健性检验

Table 6 Robustness Test of the Configurations that Generate a High Level of Empowerment

前因变量 提高原始一致性至0.85 提高PRI至0.8
G1 G2 G3 G1 G2
全面性的集成技术 ● ⊕ ○ ● ⊕
多样性的集成数据 ⊕ ● ● ⊕ ●
服务端的数智化信息 ● ○ ⊕ ● ○
用户端的数智化信息 ⊕ ○ ⊕ ⊕ ○
社会的灾害感知 ● ● ● ● ●
一致性 0.882 0.974 0.947 0.949 0.974
原始覆盖度 0.298 0.192 0.193 0.178 0.193
唯一覆盖度 0.140 0.082 0.020 0.054 0.020
总体一致性 0.911 0.964
总体覆盖度 0.587 0.382

注：●用表示核心条件存在，⊗核心条件缺失；○用表示边缘条件存在，⊕表示边缘条件缺失。

4.5　组态路径的特征分析

以fsQCA分析的组态路径为基础，识别每个赋能路径下对应的典型案例城市，为了使数智赋能城市暴雨态势感知的过程更具有针对性和推广性，需提取这些城市的共有特征。采取LDA主题模型对同一赋能路径下的城市的暴雨灾害特征进行主题识别，文本挖掘过程包括3个步骤：数据获取及预处理、提取高频词、识别主题特征（王博 等，2015）。
数据获取通过生成式人工智能对每个案例城市的暴雨灾害特征及城市客观环境特征进行解读，并结合每个城市相关主题的现有文献资料，以“暴雨”和“XX城市”为关键词检索获得以CSSCI、CSCD和北大核心为来源的相关文献510篇，以文献摘要的文本数据为基础，进行典型城市受灾类型的主题识别。选择基于词典的切分方式，并将“的”“了”等常用停用词从文本中移除以简化模型，并清除与主题明显不相关的关键词，采用TF-IDF方法统计词频，得到各类城市暴雨灾害特征的50个高频词。
由fsQCA的组态分析结果可知，物理-信息-社会三元空间均衡型赋能模式（G1）的代表案例有北京、上海、天津、南京、重庆，对该类赋能模式的城市受灾类型特征进行主题识别，识别结果如图2-a所示。结合自然灾害系统特征（史培军，2005），该类城市的共有特征是城市发展较好，对承灾体敏感性更高，人口、建筑、基础设施等承受暴雨灾害影响的能力相对较弱，对灾害后果的承受能力较差。这些城市可能位于人口密集区、经济发达区域、基础设施老化区域等，在暴雨来临时，可能会受到较大的灾害损失。因此，组态G1的物理-信息-社会三元空间均衡型赋能模式适合于承灾体敏感型城市。
图2 组态G1（a）、G2（b）和G3（c）的代表城市受灾特征识别结果

Fig.2 Identification results of the disaster-affected characteristics of representative cities in configuration G1(a), G2(b), and G3(c)

物理-社会空间主导的三元空间型赋能模式（G2）的代表城市有深圳、西安，该类赋能模式的城市受灾类型特征的主题识别结果如图2-b所示。综合自然灾害系统概念，该类城市排水系统急需提高，地面基础设施建设与城市发展不同步，容易孕育洪涝灾害的发生，对孕灾环境更敏感。这些城市在地理环境与基础设施建设方面呈现显著特征，包括但不限于地处低洼地形、排水管网系统存在结构性缺陷（如管径不足、老化破损、连通性差等），以及土地利用规划缺乏对水文条件的科学考量（如过度开发滨水区域、不透水地面占比过高、海绵设施配置不足等），暴雨发生时水流容易聚集、排水不畅，从而增加了城市发生暴雨洪涝的风险。因此，组态G2的物理-社会空间主导的三元空间型赋能模式适合于孕灾环境敏感型城市。
物理-社会空间交互的二元空间型赋能模式（G3）的代表城市有广州市、佛山市，该类赋能模式的城市受灾类型特征的主题识别结果如图2-c所示。综合自然灾害系统概念，该类城市在暴雨来临时，自然灾害的外部影响对暴雨灾害的发生具有高度敏感性，对致灾因子更为敏感。如在沿海地区，受到海洋气候的影响，台风、热带气旋等极端气候现象频繁，从而增加了暴雨灾害的发生频率和强度，极端暴雨灾害发生概率较其他地区较大。因此，组态G3的物理-社会空间交互的二元空间型赋能模式适合于致灾因子敏感型城市。

5 结论与讨论

5.1　结论

本文以三元空间为视角，运用fsQCA与LDA主题模型2种方法，对数智赋能暴雨灾害态势感知的组态路径及城市特征展开分析。主要结论为：
fsQCA分析结果表明：实现数智赋能城市暴雨态势感知的高赋能水平有三种模式。第一种是物理-信息-社会三元空间均衡型赋能模式，城市暴雨灾害物理空间给予数据集成的技术支持，信息空间服务端的数智化水平保障灾害感知的信息分析过程，社会空间的社会感知效能表现为对暴雨灾害的救援和响应及时性，该赋能模式的形成有赖于三元空间的良性交互。第二种是物理-社会空间主导的三元空间型赋能模式，以多样性的集成数据、高灾害感知效能为核心条件，以服务端数智化水平和用户端数智化水平为边缘条件，可以实现高水平的数智赋能城市暴雨灾害感知结果。与G1相比，该赋能侧重点体现在多样性的集成数据和用户端的数智化水平方面。第三种是物理-社会空间交互的二元空间型赋能，以多样性的集成数据、高灾害感知效能为核心条件，这意味着不仅需要各种类型的数据来源，还需要能快速、准确地感知和响应灾害的能力。最后，一元空间的低赋能模式说明仅依赖单一空间的数据和技术很难实现城市暴雨的全面感知和高效应对，低赋能模式也反向验证了三元空间组态融合的必要性。
LDA主题模型结果显示：对数智赋能模式的城市受灾类型进行特征识别，可以更好地提高赋能的效率，不同城市的赋能模式要多元考虑，因地制宜。物理-社会空间交互的二元空间型赋能路径适合致灾因子敏感型城市；物理-社会空间主导的三元空间型赋能模式匹配孕灾环境敏感型城市；物理-信息-社会三元空间均衡型赋能模式适合承灾体敏感型城市。这不仅验证了三元空间组态交叉的必要性，也揭示了在城市灾害管理中，需根据城市的特定特征和需求，定制化地选择和实施赋能策略。

5.2　理论贡献

1）当前城市暴雨态势感知领域研究多聚焦于技术层面的单点突破，对管理机制的系统性研究存在缺口，尤其缺乏数智技术与管理要素的跨学科整合，研究视角多基于物理空间维度，尚未构建起包含物理、信息与社会的三元空间理论框架。针对以上局限，本研究创新性地构建了“城市暴雨态势感知的三元空间”理论框架，通过物理空间实时感知、信息空间智能处理、社会空间决策优化的耦合机制，实现数智赋能效应的系统化解析。本研究通过理论架构的重构和实证数据的支撑，为城市暴雨应急管理提供了可量化、可追溯、可迭代的新型方法论体系，丰富了数智赋能在城市应急管理领域的理论基础。
2）本研究通过fsQCA的条件组态分析确定关键因果关系，结合LDA主题模型的语义网络挖掘，构建“条件组态-作用路径-语义主题”的三维分析模型。该框架突破了单一方法的局限性，既保留了fsQCA在因果必要性分析上的优势，又通过语义主题识别实现了对变量异质性特征的深度解析，形成“因果机制-适配路径-类型特征”的完整解释链条。该模型通过方法融合构建了可同时处理结构化数据与非结构化文本的混合研究范式，为复杂社会技术系统的赋能机制研究提供了方法论创新样本。

5.3　研究局限与未来展望

本研究仍存在一些局限性：1）对城市暴雨态势感知能力的影响因素进行了组态分析，得出了提高城市暴雨态势感知能力的多种条件组合。在实际情况中，城市暴雨态势感知能力的提升是一个涉及多层面相互作用的复杂动态过程，城市的发展、人口流动、环境变化等因素都处于动态变化中，这些变化可能随时影响城市暴雨态势感知能力以及数智赋能的效果。如城市的扩张可能导致原本有效的监测设备覆盖范围不足，或者新的建筑布局改变了雨水径流路径，进而影响洪涝风险评估。本研究主要基于静态数据，对于动态因素的考虑不足，可能导致结果在实际应用中的时效性和适应性受限。因此，未来需构建城市暴雨内涝灾害本体，对气象数据、灾害数据、社交平台数据等多源异构数据进行有效融合，实现数据的降维和灾害识别，为应急决策提供支持；也可以开发动态模型，模拟城市暴雨态势感知在不同时间和空间条件下的变化趋势。如利用水文水动力模型和机器学习算法，结合实时数据，进行快速预测。
2）fsQCA方法在确定条件变量和结果变量时，可能无法完全涵盖所有影响城市暴雨态势感知的因素，而且，分析结果可能受样本选择和校准方式的影响，不同的校准点和样本可能会得出略有差异的组态路径。LDA主题模型在对文本数据进行主题识别时，其结果的准确性和解释性依赖于算法本身的设定和研究者对主题的主观判断，可能存在一定的模糊性和不确定性。未来需进一步丰富和完善fsQCA方法的理论基础，引入AI大模型更全面地识别条件变量和结果变量，结合复杂系统对变量关系进行深入剖析。同时，可以利用机器学习算法辅助变量选择和校准，减少人为因素的干扰。针对LDA主题模型的不足，可以改进LDA算法的参数设置和优化方法，提高主题识别的准确性和稳定性。如通过引入更多的先验知识和约束条件，减少结果的模糊性主题解释性增强，结合多种数据源，如气象数据、社交媒体数据、传感器数据等，进行综合分析，提高对城市暴雨态势感知的全面性和准确性。

附录

附表1 数智赋能城市暴雨感知的案例集 Appendix Table 1 Case Collection of Digital and Intelligent Empowerment for Urban Rainstorm Perception

序号 城市 项目名称 代表性实践
1 福建省厦门市 “急”中生“智”：智慧应急何以助推协同之网——以厦门市为例 入选《2023中国新型智慧城市典型案例集》
2 山东省青岛市 青岛市城市安全风险综合监测预警项目
3 天津市 天津市“智慧应急” 应急管理部“智慧应急”试点建设
4 安徽省合肥市 合肥市城市安全风险综合监测预警平台建设

国家城市安全风险综合监测

预警工作体系建设试点单位

5 辽宁省沈阳市 沈阳市城市安全风险综合监测预警平台建设
6 江苏省南京市

国家安全风险监测预警体系建设试点城市—打造“城市之眼”，

“智慧”减灾救灾

7 广东省深圳市 深圳市城市安全风险综合监测预警平台建设
8 四川省成都市 成都市城市安全风险综合监测预警平台建设—“一图式”智能化应急
9 陕西省西安市 西安市城市安全风险综合监测预警平台建设
10 河南省洛阳市 洛阳市城市安全风险综合监测预警平台建设
11 湖北省宜昌市 宜昌市城市安全风险综合监测预警平台建设
12 湖南省常德市 常德市城市安全风险综合监测预警平台建设
13 广东省佛山市 佛山市城市安全风险综合监测预警平台建设—“智慧安全佛山”
14 广西省南宁市 南宁市城市安全风险综合监测预警平台建设
15 贵州省遵义市 遵义市城市安全风险综合监测预警平台建设
16 北京市通州区 通州区城市安全风险综合监测预警平台建设
17 上海市浦东新区 浦东新区城市安全风险综合监测预警平台建设
18 重庆市 重庆市打造智慧气象多跨融合“样板间”

中国气象局和商务部作为

数字防汛典型案例

19 浙江省杭州市 城市运行与社会治理“一网统管”平台

中国信通院《2023年城市数字化转型

优秀案例》

20 安徽省淮北市 淮北市城市大脑和城市运行“一网通管”项目
21 山西省太原市 太原市城市内涝安全预警监测系统 国际标准《城市治理与服务数字化管理框架与数据》（ISO 37170）应用优秀案例
22 湖北省武汉市 武汉市浪潮智慧水利

《中国城市治理数字化转型应用场景建设

蓝皮书（案例库）》2023年

23 广东省广州市 广州市“智慧应急”—“三防一张图” 地方省会城市
24 河北省石家庄市 石家家市“智慧应急”-应急管理信息化综合应用平台
25 吉林省长春市 长春市“智慧应急”-应急管理信息化综合应用平台
26 黑龙江省哈尔滨市 哈尔滨市“智慧应急”-信息化综合应用平台
27 福建省福州市 福州市“智慧应急”-信息化综合应用平台
28 江西省南昌市 南昌市“智慧应急”-信息化综合应用平台
29 河南省郑州市 郑州市“智慧应急”-信息化综合应用平台
30 湖南省长沙市 长沙市“智慧应急”-信息化综合应用平台
31 海南省海口市 海口市“智慧应急”-信息化综合应用平台
32 云南省昆明市 昆明市“智慧应急”-信息化综合应用平台
33 贵州省贵阳市 贵阳市“智慧应急”-信息化综合应用平台
34 甘肃省兰州市 兰州市“智慧应急”-信息化综合应用平台
35 青海省西宁市 西宁市市“智慧应急”-信息化综合应用平台

闫绪娴：统筹整体研究思路与文章修改；

王俊丽：承担本研究的数据处理、数智赋能理论框架构建与指标体系构建、结果统计分析、文章撰写与修改；

温 烜：承担本研究统计变量数据的收集与整理；

刘 杨：承担案例文本资料收集和文献整理。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Abdulhamid Najeeb Gambo, Ayoung Daniel Azerikatoa, and Kashefi Armin. 2020. A Survey of Social Media Use in Emergency Situations: A Literature Review. Information Development, 37(2): 389-399.

昂昊，吴成颂. 2024. 内生环境如何决定商业银行绿色信贷发展——基于NCA与fsQCA方法. 金融经济学研究，39（2）：42-57.

Ang Hao and Wu Chengsong. 2024. Determinants of Green Credit Evolution in Commercial Banks: An Examination of the Endogenous Environment through NCA and fsQCA Method. Financial Economic Research, 39(2): 42-57.

陈积银，宋春妮，崔怡珂. 2022. 信息救济、情绪安抚与公众参与：社交媒体在非传统安全事件中的社会治理. 全球传媒学刊，9（2）：21-36.

Chen Jiyin, Song Chun'ni, and Cui Yike. 2022. Information Relief, Emotional Soothing and Public Participation: Research on the Social Governance Model of Social Media in Non-Traditional Security Incidents. Global Journal of Media Studies, 9(2): 21-36.

陈曦，白长虹，陈晔，徐进. 2023. 数字治理与高质量旅游目的地服务供给——基于31座中国城市的综合案例研究. 管理世界，39（10）：126-150.

Chen Xi, Bai Changhong, Chen Ye, and Xu Jin. 2023. Digital Governance and High-Quality Tourism Destination Service Supply: A Comprehensive Case Study Based on 31 Chinese Cities. Management World, 39(10): 126-150.

程恋军，王琳茜. 2023. 资源型城市经济高质量发展的制度组态研究——基于NCA和动态QCA的分析. 城市问题，（9）：22-33.

Cheng Lianjun and Wang Linqian. 2023. Institutional Configurations for High-Quality Economic Development in Resource-Based Cities: An Analysis Based on NCA and Dynamic QCA. Urban Problems, (9): 22-33.

Endsley M R. 1988. Situation Awareness Global Assessment Technique (SAGAT). In: IEEE. Proceedings of the IEEE 1988 National Aerospace and Electronics Conference.Piscataway: IEEE, 789-795.

Fiss P C. 2007. A Set-Theoretic Approach to Organizational Configurations. Academy of Management Review, 32(4): 1180-1198.

巩宜萱，史益豪，刘润泽. 2022. 大安全观：超大型城市应急管理的理论构建——来自深圳的应急管理实践. 公共管理学报，19（3）：46-57，168.

Gong Yixuan, Shi Yihao, and Liu Runze. 2022. Theoretical Construction of the Emergency Management in the Holistic Security View for Megacities—Based on the Practical Cases of Emergency Management in Shenzhen. Journal of Public Management, 19(3): 46-57, 168.

国家减灾委员会. 2022. “十四五”国家综合防灾减灾规划. （2022-06-19）[2025-04-29]. https://www.mem.gov.cn/gk/zfxxgkpt/fdzdgknr/202207/t20220721_418698.shtml.

National Disaster Re-duction Committee. 2022. The 14th Five-Year Plan for National Comprehensive Disaster Prevention and Mitigation. (2022-06-19) [2025-04-29]. https://www.mem.gov.cn/gk/zfxxgkpt/fdzdgknr/202207/t20220721_418698.shtml.

Han Bingqin, Song Shuang, Liu Diyi, and Mo Jiapei. 2025. Mechanism of Online Public Opinion Formation in Major Risk Events in China: A Qualitative Comparative Analysis. Information Processing and Management, 62(1): 103924.

黄华兵，王先伟，柳林. 2021. 城市暴雨内涝综述：特征、机理、数据与方法. 地理科学进展，40（6）：1048-1059.

Huang Huabing, Wang Xianwei, and Liu Lin. 2021. A Review on Urban Pluvial Floods: Characteristics, Mechanisms, Data, and Research Methods. Progress in Geography, 40(6): 1048-1059.

Ke Z. 2024. Study of the Hydrologic and Hydrodynamic Coupling Model (HHDCM) and Application in Urban Extreme Flood Systems. Applied Water Science, 14(4): 1-13.

Liang Yongshuai, Liao Weihong, Zhang Zhao, Li Haichen, and Wang Hao. 2024. Using a Multiphysics Coupling-Oriented Flood Modelling Approach to Assess Urban Flooding under Various Regulation Scenarios Combined with Rainstorms and Tidal Effects. Journal of Hydrology, 645(PA): 132189.

Liu Wei, Qian Jiayu, and Wu Songjiang. 2024. How to Improve Smart Emergency Preparedness for Natural Disasters? —Evidence from the Experience of Ten Pilot Provinces in China for Smart Emergency. Heliyon, 10(11): e32138.

刘慧君，吴鹏. 2023. 健康老龄化服务效能何以提升？——基于NCA与QCA的混合分析. 西安交通大学学报（社会科学版），43（5）：48-58.

Liu Huajun and Wu Peng. 2023. How Can the Effectiveness of Healthy Aging Services Be Improved?—A Hybrid Analysis Based on NCA and QCA. Journal of Xi'an Jiaotong University(Social Sciences), 43(5): 48-58.

刘进进，顾爽. 2024. 城市数字生态变革提升政务服务效能的制度组态研究——基于我国32个重点城市面板数据的动态QCA分析. 城市问题，（7）：58-69.

Liu Jinjin and Gu Shuang. 2024. Urban Digital Ecosystem Transformation Enhancing Government Service Efficiency: Research on Institutional Configurations Based on Dynamic QCA Analysis of Panel Data from 32 Key Cities in China. Urban Problems, (7): 58-69.

刘星. 2022. 预警响应缘何失灵：基于应急管理过程论的一个解释框架——德国洪灾与河南暴雨的启示. 云南民族大学学报（哲学社会科学版），39（6）：85-95.

Liu Xing. 2022. A Study of the Causes of Failure in Early Warning Responses Based on an Explanatory Framework in the Theoretical Perspective of Emergency Management Process: Enlightenment from the Flood in Germany and the Rainstorm in Henan. Journal of Yunnan Minzu University(Philosophy and Social Sciences Edition), 39(6): 85-95.

He Nianchu, Jia Junwei, Xu Jiangbo and Wen Subin. 2024. Big Data Analysis of Policy Coordination Paths Based on Latent Dirichlet Allocation Model and Fuzzy-Set Qualitative Comparative Analysis Method. China Communications, 21(12): 309-325.

闪淳昌，周玲，秦绪坤，沈华，宿洁. 2020. 我国应急管理体系的现状、问题及解决路径. 公共管理评论，2（2）：5-20.

Shan Chunchang, Zhou Ling, Qin Xukun, Shen Hua, and Su Jie. 2020. The Current Status, Challenges, and Solutions of China's National Emergency Management System. China Public Administration Review, 2(2): 5-20.

申霞. 2024. 基于fsQCA的灾害事故跨域协同治理共同体研究. 中国安全科学学报，34（10）：205-213.

Shen Xia. 2024. Study on Cross-Domain Collaborative Governance Community for Disaster Accidents Based on fsQCA. China Safety Science Journal, 34(10): 205-213.

史培军. 2005. 四论灾害系统研究的理论与实践. 自然灾害学报，（6）：1-7.

Shi Peijun. 2005. Fourth Treatise on the Theory and Practice of Disaster System Research. Journal of Natural Disasters, (6): 1-7.

Wu Meimei, Wu Zening, Ge Wei, Wang Huiliang, Shen Yanxia, and Jiang Mengmeng. 2021. Identification of Sensitivity Indicators of Urban Rainstorm Flood Disasters: A Case Study in China. Journal of Hydrology, 513(7): 781-791.

王秉，周佳胜，史志勇. 2024. 数智赋能安全态势感知与塑造模型. 图书馆论坛，44（8）：1-7.

Wang Bing，Zhou Jiasheng, and Shi Zhiyong. 2024. Digital Intelligence-Driven Security Situation Awareness and Model Construction. Library Tribune, 44(8): 1-7.

王博，刘盛博，丁堃，刘则渊. 2015. 基于LDA主题模型的专利内容分析方法. 科研管理，36（3）：111-117.

Wang Bo, Liu Shengbo, Ding Kun, and Liu Zeyuan. 2015. Patent Content Analysis Method Based on LDA Topic Model. Science Research Management, 36(3): 111-117.

王威. 2023a. 基于三元空间反馈控制结构的新型智慧城市评价模型及评价标准研究. 系统科学学报，31（3）：58-64.

Wang Wei. 2023a. Evaluation Model and Evaluation Standard of New-Type Smart City Based on Ternary Space Feedback Control Structure. Chinese Journal of Systems Science, 31(3): 58-64.

王威，于新月，杨佩，马东辉. 2023b. 京津冀城市群防灾韧性时空格局和空间收敛性研究. 灾害学，38（4）：1-6.

Wang Wei, Yu Xinyue, Yang Pei, and Ma Donghui. 2023b. Spatial and Temporal Patterns of Disaster Resilience and Spatial Convergence in the Beijing-Tianjin-Hebei City Cluster. Journal of Catastrophology, 38(4): 1-6.

王永明，郑姗姗. 2023. 地方政府应急管理效能提升的多重困境与优化路径——基于“河南郑州‘7·20’特大暴雨灾害”的案例分析. 管理世界，39（3）：83-96.

Wang Yongming and Zheng Shanshan. 2023. Multiple Dilemmas and Optimization Path for Improving the Efficiency of Local Government Emergency Management: Case Analysis Based on Henan Zhengzhou Torrential Rain-Caused Disaster on July 20. Journal of Management World, 39(3): 83-96.

王振耀，田小红. 2006. 中国自然灾害应急救助管理的基本体系. 经济社会体制比较，（5）：28-34.

Wang Zhenyao and Tian Xiaohong. 2006. Basic System of Emergency Relief Management for Natural Disasters in China. Comparative Economic & Social Systems, (5): 28-34.

吴国凤，刘青，许瀚卿，魏旭辰，王军. 2024. 海平面上升情景下沿海城市极端雨潮复合洪涝危险性评估——以海口市为例. 热带地理，44（6）：1025-1035.

Wu Guofeng, Liu Qing, Xu Hanqing, Wei Xuchen, and Wang Jun. 2024. Risk Assessment of Extreme Rainfall and Storm Surge Compound Flooding in Coastal Cities under Sea Level Rise Scenarios: A Case Study of Haikou City. Tropical Geography, 44(6): 1025-1035.

吴俊杰，段晶晶，辛欣，周炳君，王健捷. 2023. 台风“黑格比”造成浙东北滞后型暴雨成因分析及多模式预报检验. 热带气象学报，39（6）：857-871.

Wu Junjie, Duan Jingjing, Xin Xin, Zhou Bingjun, and Wang Jianjie. 2023. Cause Analysis And Multi-Model Forecast Verification Of Retarded Rainstorm Related With Typhoon Hagupit In Northeastern ZheJiang Province. Journal of Tropical Meteorology, 39(6): 857-871.

谢雪苗，邵亦文. 2024. 社交媒体数据分析在台风灾害管理中的应用潜力探究——以台风“杜苏芮”对福建省的影响为例. 热带地理，44（6）：1090-1101.

Xie Xuemiao and Shao Yiwen. 2024. Application Potential of Social Media Data Analytics in Typhoon Disaster Management: Taking the Impact of Typhoon Doksuri on Fujian Province as an Example. Tropical Geography, 44(6): 1090-1101.

Yasumitsu Mawjima, Takemasa Miyoshi, Masaru Kunii, Hiromu Seko and Kae Sato. 2019. Impact of Dense and Frequent Surface Observations on 1-Minute-Update Severe Rainstorm Prediction: A Simulation Study. Journal of the Meteorological Society of Japan, 97(1): 253-273.

闫绪娴，王俊丽，孔锋，米俊，刘杨. 2024. 城市暴雨内涝灾害的链式成灾路径分析——基于DEMATEL-AISM-MICMAC模型. 灾害学，39（4）：1-7.

Yan Xuxian, Wang Junli, Kong Feng, Mi Jun, and Liu Yang. 2024. Analysis of Chain Disaster Path of Urban Rainstorm Waterlogging Disaster—Based on the DEMATEL-AISM-MICMAC Model. Journal of Catastrophology, 39(4): 1-7.

杨辰，潘顺，严岩. 2021. 基于自然语言识别的上海市报警灾情数据识别及其气象灾害特征分析研究. 自然灾害学报，30（3）：142-150.

Yang Chen, Pan Shun, and Yan Yan. 2021. Research on Recognition of Alarm Disaster Data and Analysis of Meteorological Disaster Features in Shanghai Based on Natural Language Recognition Algorithm. Journal of Natural Disasters, 30(3): 142-150.

喻修远，张胜. 2024. 结构、过程和功能：城市特大暴雨灾害应对的组织协同优化策略. 中国行政管理，40（2）：144-153.

Yu Xiuyuan and Zhang Sheng. 2024. Structure Process and Function Organizational Coordination Optimization Strategies for Urban Extreme Rainstorm Disaster Response. Chinese Public Administration, 40(2): 144-153.

Zou Yalin, Huang Yi, Wang Yifan, Zhou Fangrong, Xia Yongqi, and Shen Zhenhong. 2024. The Construction of Urban Rainstorm Disaster Event Knowledge Graph Considering Evolutionary Processes. Water, 16(7): 1-23.

张金良，罗秋实，王冰洁，李荣容，盖永岗，陈翠霞. 2024. 城市极端暴雨洪涝灾害成因及对策研究进展. 水资源保护，40（1）：6-15.

Zhang Jinliang, Luo Qiushi, Wang Bingjie, Li Rongrong, Ge Yonggang, and Chen Cuixia. 2024. Research Progress on Causes and Countermeasures of Urban Extreme Rainstorm Flood Disasters. Water Resources Protection, 40(1): 6-15.

张林刚，戴国庆，熊焰，耿文月. 2022. 中国制造业数字化转型评价及影响因素——基于模糊集定性比较分析. 科技管理研究，42（7）：68-78.

Zhang Lingang, Dai Guoqing, Xiong Yan, and Geng Wenyue. 2022. Evaluation and Influencing Factors of Digital Transformation of the Manufacturing Industry in China: Based on Qualitative Comparative Analysis of Fuzzy Set. Science and Technology Management Research, 42(7): 68-78.

赵云辉，梁宇奇，冯泰文，杜运周. 2025. 营商环境生态如何驱动城市经济韧性提升？——基于复杂系统观的组态分析. 管理评论，37（2）：57-71.

Zhao Yunhui, Liang Yuqi, Feng Taiwen, and Du Yunzhou. 2025. How Does Business Ecosystem Drive Urban Economic Resilience: A Configuration Analysis Based on Complex Systems View. Management Review, 37(2): 57-71.

中华人民共和国国务院. 2021. 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要. （2021-03-12）[2025-04-29]. https://www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

The State Council of the People's Republic of China. 2021. The Fourteenth Five-Year Plan.(2021-03-12) [2025-04-29]. https://www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

中国气象局. 2021. 全国气象发展“十四五”规划. （2021-11-29）[2025-06-09]. https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202112/t20211224_4325497.html.

China Meteorological Administration. 2021. The 14th Five-Year Plan for National Meteorological Development. (2021-11-29) [2025-06-09]. https://www.cma.gov.cn/2011xwzx/2011xqxxw/2011xqxyw/202112/t20211224_4325497.html.

Options
文章导航

/

〈 〉