洪水数据的社交媒体整合：一种基于藤 Copula 的方法

洪水是世界上许多国家最常见且最严重的自然灾害之一。随着全球变暖持续加剧海平面上升与极端天气，政府当局与环境机构面临着对洪水风险进行及时准确评估与预测的迫切需求。当前的洪水预报通常基于监测站环境变量的历史测量值。近年来，除传统数据源外，大量与洪水相关的信息已通过社交媒体可用。公众持续且迅速地在社交媒体平台上发布关于当地环境现象的信息与更新。尽管学者们对自然灾害期间在线数据使用的兴趣日益增长，大多数研究仅将社交媒体作为独立数据源，而其与其他类型信息的联合使用仍未被探索。本文提议填补这一空白，将洪水的传统历史信息与从 Twitter 和 Google Trends 提取的数据相整合。我们的方法基于藤 copula，其使我们能够以非常灵活的方式捕捉边缘分布间的依赖结构，而边缘分布通过适当的时间序列方法建模。我们将该方法应用于与英国（UK）南部海岸三个不同沿海地点相关的数据。结果表明，我们这种基于社交媒体数据整合的方法在洪水事件评估与预测方面优于传统方法。