数据集概述
本数据集为2021年泰国（9月26-27日）和尼泊尔（6月16-17日、7月1-2日）洪水事件的Twitter相关图像数据集。通过VisualCit流程自动过滤相关帖子，结合深度学习图像分析与CIME算法地理定位处理，包含4个文件，支持洪水事件的社交媒体数据研究。
文件详解
- 元数据文档：
- 文件名称：Metadata.docx
- 文件格式：docx
- 字段映射介绍：未提供具体字段，推测包含数据集收集、处理流程及相关说明
- 泰国洪水地理定位输出文件：
- 文件名称：case 1 thailand2627sep2021_geolocated_output.csv
- 文件格式：csv
- 字段映射介绍：包含id（推文ID）、text（推文文本）、CIME_geolocation_centre（CIME定位中心）、CIME_geolocation_osm（CIME定位OSM信息）、CIME_geolocation_string（CIME定位字符串）、media_url（媒体链接）
- 尼泊尔洪水（7月1-2日）地理定位输出文件：
- 文件名称：case 2b nepal0102lug2021_geolocated_output.csv
- 文件格式：csv
- 字段映射介绍：包含id（推文ID）、media_url（媒体链接）、text（推文文本）、CIME_geolocation_centre（CIME定位中心）、CIME_geolocation_string（CIME定位字符串）
- 尼泊尔洪水（6月16-17日）地理定位输出文件：
- 文件名称：case 2a nepal1617jun2021_geolocated_output.csv
- 文件格式：csv
- 字段映射介绍：推测与其他CSV文件结构一致，包含推文ID、文本、地理定位信息及媒体链接等字段
适用场景
- 洪水灾害事件监测：利用Twitter数据及地理定位信息，实时或回溯监测洪水事件发生范围与影响
- 社交媒体灾害响应研究：分析灾害期间社交媒体用户发布内容，研究公众参与灾害响应的行为模式
- 深度学习图像分析应用：基于数据集中的洪水相关图像，训练或验证灾害图像识别模型
- 地理定位算法评估：使用CIME算法定位结果，评估社交媒体数据地理定位技术的准确性与适用性
