社交媒体作为自然灾害发生期间独特的信息来源,蕴含丰富的灾情时空信息,对灾害事件的态势感知和防灾减灾工作有着重要意义。然而,灾害舆情数据的获取、存储、处理和分析均面临着重大挑战,因此如何有效提高数据获取效率、实现高效地存储检索,如何从非结构化社交媒体数据中快速提取灾害信息、探索时空分布趋势以辅助灾情及时响应评估是当前亟待解决的问题。本文基于目前国内最热门的社交媒体平台——新浪微博,研究并提出了顾及时空主题特征的分布式灾害舆情信息获取与分析方法,从另一种视角反映现实灾害事件,研究内容主要包括:1)分布式框架下的灾害舆情精准爬取与高效存储技术。为解决现有微博信息采集方式存在的主题相关性缺乏和可选择性不足等问题,提出了一种顾及灾害主题特征的爬行策略;针对多元化的灾害舆情数据时空检索需求,提出并搭建了基于QBPSTR-tree的灾害舆情分布式存储架构;在此基础上,通过Scrapy框架的重新定制以及关键技术模块的优化改进,设计实现了面向新浪微博平台的灾害数据获取与存储框架,可为灾情态势感知提供精准可靠的数据支持。2)灾害舆情信息时空-主题分析方法。构建了一种基于文本主题语义和时空约束的主题分类模型,充分考虑灾害舆情数据的主题语义和时空聚集等特性,对灾害信息进行实时提取分类;考虑到社交媒体用户时空分布异质性对分析的影响,基于用户活跃度构建了灾害舆情时空加权模型,在此基础上,从时空双重定位视角提出灾害舆情时空-主题演化过程的分析方法,充分挖掘灾害舆情数据与现实灾害事件之间的关联性,为灾害事件时空模式的探索提供新的分析视角。搭建实验测试平台并选取“台风山竹”为典型案例,验证本文研究方法的有效性。研究结果表明,本文方法能够针对灾害事件时空主题特征,从海量微博数据中及时、准确地获取相关的舆情数据,减少了非相关数据的干扰,有效提高大规模数据量场景下的存储与检索效率;通过灾害舆情主题分类模型,结合地理时空大数据分析与动态可视化技术,较全面地提取出社交媒体数据中的灾害主题信息,能够反映现实灾害事件的发展态势,且经加权处理后的灾害舆情数据能更好的体现灾害分布的时空格局,可为灾害事件的及时应对提供分析参考。