中国全境的县级尺度城市洪水数据集（2000-2022）

针对中国城市洪水威胁加剧但现有数据集（如《中国水旱灾害公报》）仅提供省级尺度、缺乏时空连续性的问题，本研究构建了首个覆盖中国全境的县级尺度城市洪水数据集（2000-2022），通过机器学习技术从新闻文本中提取洪水事件信息。

数据介绍

数据资源：中国全境的​​县级尺度城市洪水数据集（2000-2022）

图2、洪水信息收集和提取的方法框架

数据来源

新闻数据库：CNKI（学术性新闻）和WiseNews（全面新闻），使用关键词组合（如“洪水+城市/县”）检索2000-2022年新闻。

过滤无效内容（如预警信息、重复报道），保留实际洪水事件报道。

对比数据：官方《中国水旱灾害公报》的城市级洪水统计（2006-2018）。

机器学习框架

BERT模型：微调中文阅读理解模型（基于CMRC2018数据集），通过三组问答提取信息：

灾害类型（确认是否洪水事件）

发生时间（精确到日）

影响地点（县级区域）

BiLSTM-CRF模型：从BERT输出中识别标准化县级地名，结合最新行政区划调整更新。

性能评估：F1分数0.86（地点识别），精确匹配率（EM）0.82，洪水事件识别F1达0.98。

数据处理流程
新闻文本→ 清洗分割 → BERT问答 → 事件确认 → 时空信息提取 → 地名标准化 → 空间可视化（ArcGIS）。

数据信息

本数据集为2000至2022年中国城市洪涝事件编目数据库,数据集内不包含洪水频率的空间分布shp数据，有需要的同学可以自己做。数据源自中国新闻文本，采用BERT模型提取洪涝事件的时间和空间信息。时间尺度精确至日级，无法提取具体日期的条目仅标注月份。空间尺度为中国县级行政区划。

年度洪涝事件数据按年份存储为CSV文件（文件名即对应年份），包含以下字段：

• Year：事件发生年份

• PAC：事件发生县级行政区的行政区划代码

• Province：受影响省级行政区

• City：受影响地级市

• County：事件发生县级行政区

• Occurrence：该区域当年洪涝发生频次

• Time：该区域每次洪涝事件的具体日期

shapefile.zip压缩包包含".shp"、".shx"、".dbf"等文件，是作者用于数据可视化的中国行政区划矢量数据（县级）。

数据如下：

以2000为例打开可以获取2000年的洪水信息

数据格式：CSV（压缩包内含数据来源、引用方法）