Page 89 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 王 勇等：应急救援地理空间情报：概念特征、生成技术及应用实践 1111

existing geospatial data integration processing and analysis methods. By examining the structure and charac‑
teristics of current disaster spatiotemporal big data, this paper proposes the concept, features, architecture,
sources, and quality metrics for ER-GeoINT. This clarifies the information sources and classification sys‑
tem of ER-GeoINT. Then, a system framework for ER-GeoINT generation technology that supports mul‑
tiple disaster scenarios is developed to address technical challenges in mining and analyzing disaster geospa‑
tial big data. This framework elaborately presents the current research on data perception aggregation, intel‑
ligent extraction and analysis of intelligence information, and the integrated intelligence generation technolo‑
gy of spatial intelligence. Results: Focusing on emergency rescue scenarios for typical natural disasters such
as forest and grassland fires, earthquakes, and geological hazards, a multi-hazard supported intelligence
collection and analysis service system (ICASS) is developed. ICASS integrates geospatial intelligence
mining technologies and methods for disaster online monitoring and early warning, multimodal emergency
intelligence information extraction, rapid disaster loss assessment, and on-site situation simulation and de‑
duction. Through these integrations, an all-source intelligence database, intelligence collection and analy‑
sis service system, and an application demonstration pattern for emergency rescue intelligence demand ser‑
vices are established. Conclusions: The sources and types of global disaster emergency data are increasing‑
ly expanding, while the demands for emergency rescue intelligence are shifting towards more intelligent,
spatial, granular, and personalized approaches. Current challenges and opportunities for ER-GeoINT in‑
clude developing a credible and precise intelligence quality evaluation system, strengthening the human-in-
the-loop intelligent rescue intelligence generation technology system, enhancing the fine-grained element
spatial perception, grid-based intelligence collaborative management, deepening the exploration of value-
added spatial intelligence through three-dimensional emergency mapping services and improving the inte‑
gration with disaster emergency response plans.
Key words： emergency rescue； geospatial intelligence； emergency mapping； intelligent intelligence genera‑
tion； spatiotemporal data mining

地震、洪涝、滑坡和林火等灾害与突发事故 对灾害要素和应急处置所涉及空间位置信息的
愈发频繁，对社会发展和人民生命财产构成严重 关 注 ，导 致 目 前 应 急 救 援 情 报 的 空 间 定 位 粒 度
威胁，更为灾损风险精准评估和快速应急指挥决 粗 、发 现 慢 、属 性 少 ，对 应 急 救 援 指 挥 决 策 的 精
策带来严峻挑战。《“十四五”国家应急体系规划》 准性、一体化支撑能力不足。
和《“十四五”国家综合防灾减灾规划》明确提出 近年来，应急测绘在国家突发应急处置中作
智慧应急目标，为应急救援保障工作指明了方向 用日益凸显，遥感监测、位移与形变监测、物联监
和任务。空间化、精准化、实时化情报直接服务 测和众源社会感知等方式产生的地理空间数据
指挥救援等应急处置业务，其需求日益凸显，已 成为应急管理大数据的重要来源 ［10］ ，也初步形成
成为智慧应急能力的重要组成部分 ［1-2］ 。 了灾害监测预警、应急位置服务、应急快速制图
在 应 急 情 报 领 域 ，国 内 外 学 者 主 要 围 绕 以 等典型应用 ［11-12］ 。但由于未能从灾害学与应急救
下 3 个方面开展研究：（1）应急情报理论框架，重 援业务角度进行系统性分析和治理，传统地理信
点 关 注 应 急 情 报 体 系 及 其 协 同 机 制 ，如 情 报 概 息在支撑应急救援管理时往往存在定位精准但
念 内 涵 、内 容 价 值 、组 成 要 素 和 响 应 模 式 等 ，以 情报价值不高、数据量大但聚焦服务效果不理想
提 高 应 急 活 动 及 组 织 间 的 情 报 交 互 能 力 ［3-4］ 。 等现象 ［13-15］ 。因此，融合最新时空大数据分析挖
（2）应 急 情 报 提 取 技 术 ，综 合 利 用 机 器 学 习 、深 掘技术和应急救援需求，拓展应急情报理论方法
度 学 习 、知 识 图 谱 等 技 术 建 立 面 向 多 源 信 息 的 与生成技术，对提升应急救援决策活动的智能、
应急情报提取方法，提升情报分析、挖掘和预测 精准和快速响应能力具有重要意义。
的效果 ［5-7］ 。（3）应急情报赋能应用，针对不同灾 本文聚焦典型自然灾害救援需求，提出并系
种、人员和应用场景需求进行情报信息建模，为 统 分 析 应 急 救 援 地 理 空 间 情 报（emergency res‑
救援处置和应急管理提供灾情评估、监测预警、 cue geospatial intelligence，ER-GeoINT）的概念与
方案规划等服务 ［8-9］ 。然而，这些研究普遍缺乏 特征、分类体系和质量评价方法；在此基础上，提