0 引言

地震灾害往往会在短时间内造成巨大的社会影响。社交媒体的兴起丰富了灾害信息传播与公众参与的路径。以微博为代表的社交媒体平台成为公众获取地震信息、表达自身诉求和情感的重要渠道，也为政府应急管理提供信息支撑。如2022年四川泸定地震，政府部门通过实时抓取微博热点话题精准识别物资短缺区域，实现48h内定向调配救援物资(黄君婷等，2023)，为数据驱动的应急决策提供了动态依据。

社交媒体在灾害治理中的作用已得到国内外学者的广泛关注，理论或案例实证研究多年来均有报道。国外相关研究中，Vieweg等(2010)提出“情境意识”概念，强调社交媒体在实时信息共享中的优势；Sakaki等(2010)通过Twitter构建地震实时监测系统，捕捉公众震时即时反应，从而为预警提供支持；Alexander(2014)讨论了社交媒体在灾害管理全周期中的整体作用、机遇和挑战；Houston等(2015)构建的灾害社交媒体功能框架，为此后的相关实证研究与技术系统开发奠定了重要的理论基础；Olteanu等(2015)揭示不同灾害类型下公众情感和信息需求的显著差异；Kim等(2018)则在2016年洪灾研究中证明社交媒体是获取紧急信息的重要渠道。

在我国类似研究也日益涌现。邬柯杰等(2020)指出，社交媒体数据具有丰富的感知信息，可以为灾害管理提供信息支持。周利敏等(2022)认为社交媒体以多种形式影响应急管理。我国很多学者注重基于社交媒体的舆情分析，运用主题模型、情感分析与时空方法深入探讨地震舆情传播规律(安璐等，2017；曹彦波，2018；宋蕾等，2014)。陈武等(2023)研究2021年南通风灾，发现社交媒体中的灾难信息具有独特的传播逻辑。陈力雄等(2024)分析2010—2019年6次重大地震的微博数据，发现中国政府高度重视基于社交媒体的公共危机沟通模式。

然而，现有研究较少从地震强度与灾情规模差异的视角，系统比较不同地震事件中社交媒体平台地震信息的传播特征。在研究平台选择方面，微博作为我国用户规模最大、信息传播效率较高的公共社交媒体平台之一，长期在突发事件与灾害信息传播中发挥重要作用。根据微博官方财报数据，2021—2025年期间，微博月活跃用户规模总体保持在5.7~5.9亿区间，用户基数稳定，平台活跃度较高，这一特征为分析公众震后信息关注点提供了良好的基础。

基于此，本研究以微博为例，选取四个不同地区案例，依据国标(GB 17740—2017)《地震震级的规定》(中华人民共和国国家质量监督检验检疫总局等，2017)，比较分析中强震(2024年9月18日安徽肥东4.7级、2025年1月2日宁夏永宁4.8级地震)和强震(2025年1月7日西藏定日6.8级、2024年1月23日新疆乌什7.1级地震)72h内的新媒体地震信息传播差异，并基于这些差异，提出应急响应政策建议。

1 研究地区地震风险背景与应急响应情况 1.1 我国地震应急响应体系的演进与制度框架

我国地震应急响应体系伴随国家应急管理体系的整体演进不断调整。我国应急管理理念实现了从传统“防灾减灾”到现代“韧性治理”的深刻转型(朱正威，2019)。2008年汶川地震暴露了原有应急管理体系的不足(温志强等，2018)，构建适应性、专门性、综合性、回应性为核心特征的第四代应急管理体系已成为当前应对重大灾害的战略目标(张海波，2022)。

2003年以后，我国实施应急管理体制改革，推动完善“一案三制”，建立了按灾情程度划分的Ⅰ、Ⅱ、Ⅲ、Ⅳ四级应急响应机制，其中Ⅰ级响应对应特别重大灾害，Ⅱ级响应对应重大灾害，Ⅲ级响应对应较大灾害，Ⅳ级响应对应一般灾害。2013年芦山地震后，应急管理强调属地管理原则。2018年应急管理部组建后，地震应急划归应急管理部，地震部门依法提供专业技术支撑。依据《中华人民共和国防震减灾法》及《国家地震应急预案》(全国人民代表大会常务委员会，2008；国务院办公厅，2025)，地震部门职能涵盖震情实时监测、震后参数快速测定、余震趋势科学研判、灾情损失预评估建议等，为政府信息发布、公众风险沟通等提供科技支撑。

1.2 案例地区地震风险背景与应急准备概况

本研究选取的西藏、新疆、安徽、宁夏四省在地震风险特征与应急准备方面具有代表性。西藏、新疆地区地震活动强烈，以历史震例为例，1950年墨脱8.6级地震影响波及察隅、墨脱等地，该地震由印度板块与欧亚板块碰撞引发，极震区最大烈度达Ⅻ度，是我国周边陆地最强震之一(詹慧丽等，2023)；新疆则有1902年阿图什8级强震的历史震例。宁夏位于南北地震带北端，1920年海原8.5级地震造成重大人员伤亡与财产损失。安徽位于郯庐地震带南端，自公元294年至2021年共发生4级以上地震34次，其中5级以上23次、6级以上4次，最大为1831年凤台6 1/4级与1917年霍山6 1/4级地震，安徽属于东部人口稠密地区地震风险较高省份。

在应急机制建设方面，国家地震应急预案明确县级以上地方抗震救灾指挥机构负责本行政区域抗震救灾工作的统一指挥与协调，并与国家层面指挥协调体系衔接。各地在省级预案中对指挥机构运行方式与职责分工作出具体规定，例如《宁夏回族自治区地震应急预案》(宁夏回族自治区人民政府，2017)明确自治区抗震救灾指挥部办公室设在自治区应急厅，并由地震部门牵头组织震情会商等专业支撑工作；《新疆维吾尔自治区地震应急预案》(新疆维吾尔自治区人民政府，2021)亦对自治区抗震救灾指挥部的统一领导与协调职责作出规定。

防震减灾科普宣教是应急准备的重要组成部分。西藏自治区地震部门在“国际减灾日”等节点开展防震减灾宣传，采用汉藏双语资料普及应急避险知识(西藏自治区地震局，2024)；安徽地震部门开展防震减灾科普进校园等活动，提升公众避险与自救互救能力(安徽省地震局，2022)；宁夏在推进农村民居抗震加固改造的过程中，依托《宁夏回族自治区防震减灾条例》(宁夏回族自治区人民代表大会常务委员会，2013)等相关制度安排，同步加强对基层建筑技术人员和农村居民的防震减灾知识培训与风险认知引导，将工程措施与科普宣传相结合；新疆则通过主流视听渠道上线“地震科普”专题专栏，推动公众科普覆盖(新疆维吾尔自治区地震局，2026)。上述制度与实践为震后快速启动响应、开展权威信息发布与风险沟通提供了基础保障。

1.3 四个震例的应急响应级别与处置概况

根据四地的地震规模与受灾情况，国家和地方政府启动的应急响应级别存在差异(表 1)，这种差异既体现在不同震例之间，也体现在同一震例不同层级政府的响应安排上。一般来说，针对同一地震事件，行政层级越低的地方政府，其启动的应急响应级别往往越高，这一规律符合属地管理原则。

如 表 1所示，强震发生后，当地均启动自治区层面的综合应急协调机制，其中，定日县地震发生后，由西藏自治区应急指挥部统一指挥；乌什地震发生后，由新疆维吾尔自治区抗震救灾指挥部统一指挥。西藏定日6.8级地震是四个案例中唯一造成较多人员伤亡的地震，社会关注度极高。截至2025年1月底，该地震导致126人遇难，日喀则市7个县20万人受灾，13.9万人紧急转移，2.69万间房屋倒塌，直接经济损失达89.45亿元(中华人民共和国中央人民政府，2025；中华人民共和国应急管理部，2025)。西藏自治区应急指挥部在震后12h将应急响应级别从Ⅱ级升级为Ⅰ级。国家层面，国务院抗震救灾指挥部办公室、中国地震局等部门将响应由Ⅲ级上调至Ⅱ级，响应重点聚焦跨区域救援力量调度与应急物资统筹保障。

研究震例中，新疆乌什7.1级地震尽管震级最高，但截至地震发生当日20时，共造成3人遇难，5人受伤，1.24万人转移安置(新疆维吾尔自治区应急管理厅，2024)，人员伤亡较少。基于此国务院抗震救灾指挥部办公室、应急管理部启动Ⅲ级响应，新疆维吾尔自治区启动Ⅱ级响应，应急处置聚焦精准搜救与次生灾害排查。

相较于上述两个强震案例，宁夏永宁和安徽肥东发生的中强地震，当地未启动省级综合协调响应。宁夏永宁县4.8级地震(地震发生当日16时金凤区发生4.6级余震)，由于地震发生区位于南北地震带北端，三个月内该区域累计发生18次显著有感地震，此次地震造成6人轻微伤，4300余间房屋损坏，直接经济损失2.6亿元(中华人民共和国应急管理部，2025)。宁夏回族自治区启动省级Ⅳ级响应(银川人民政府，2025)，1月9日抗震救灾抢险救援工作结束，终止应急响应。

安徽肥东4.7级地震发生区域位于郯庐断裂带南段，该区2024年已发生3次显著有感地震，此次地震无人员伤亡和房屋倒塌，水电气及通信均正常(肥东县人民政府，2024)。但是由于市域震感明显，公众关注度高，合肥市启动Ⅱ级应急响应，肥东县启动Ⅰ级响应，中国地震局同步启动Ⅲ级响应并组织安徽省地震局、江苏省地震局、浙江省地震局、上海市地震局联合会商。

综上所述，地震后政府相关部门依据应急预案，根据人员伤亡情况，启动不同级别应急响应。下文将根据新媒体数据，对地震后的信息传播情况进行具体分析。

2 数据来源及方法

本研究依托社交媒体平台“新浪微博”，以西藏定日6.8级地震、新疆乌什7.1级、宁夏永宁4.8级、安徽肥东4.7级地震为研究对象，收集震后72h内的新浪微博地震信息发帖数据，具体方法见 图 1。

数据收集。以“地震所在地(省份、震中)+地震”为关键词，时间范围覆盖各震情发生后关键阶段，通过Python语言结合Scrapy库构建网络爬虫程序(孙晓等，2014；孙瑜，2019)，利用微博开放平台API接口(廉捷等，2011)，筛选并采集相关讨论信息的发帖。

数据处理。首先，合并去重，消除数据冗余；其次，标准化处理，清除噪声文本，如广告、无关内容等；接着，运用jieba分词拆解文本，去除停用词，再通过文本向量化实现语义特征转化，最终形成四组结构化数据集。

数据分析。包括：①发帖总量和增长量分析：统计不同时段、不同震级事件的信息发布频次，拟合增长曲线，识别震后发帖量增长、衰减节点；②特征词分析：提取各数据集高频特征词，对比强震、中强震场景下公众地震信息关注差异；③情感分析：采用SnowNLP提供的通用情感倾向模型对微博文本进行初步分析，考虑到灾害情境下存在大量风险描述类语言，往往带有紧张、担忧等词汇，但并不等同于负面情绪宣泄，为提高地震语境下情感判别的有效性，在通用模型输出基础上，基于四个震例微博语料的高频词统计结果，结合地震应急管理与风险沟通相关研究，对文本中出现的核心语义进行人工归纳，构建地震语境词表进行校正；④空间差异分析：结合国内IP地址信息，利用ArcGIS空间可视化功能，绘制发帖量热度分布地图，探究震中周边、省际发帖密度差异。

3 分析结果 3.1 微博地震信息的时间演化特征

震后微博发帖总量存在时序增长趋势。图 2(a)显示，四例地震的微博讨论均呈现震后前期(24h)快速增长、后期增长速率逐步放缓的特点，其中多数震例在震后约36h后进入相对平稳阶段，仅定日地震在48h后发帖量有显著增长。

如 图 2(a)所示，西藏定日地震的微博发帖总量和其他三例震例不同，呈现出更为持久的上升趋势：震后24h内，发帖总量为8623条，48h为1.3万条左右，72h逼近峰值1.8万条。从 图 2(b)可见，西藏定日地震震后48~66h期间，其发帖增长量显著高于其他三个地区，这一趋势说明强震导致较严重的人员伤亡引发公众持续关注。

新疆乌什7.1级地震震级最高，震后24h发帖总量10393条，远超同期定日地震发帖量，凸显震级强度对公众注意力的初始吸附效应。然而，后续增长动能减弱，其48h发帖总量与定日地震接近，此后增速显著放缓，总量最终远低于定日地震。这表明高震级吸引公众关注，但人员伤亡少的情况下，公众关注会逐渐下降。

安徽肥东地震和宁夏永宁中强震的讨论演变趋势和新疆乌什地震类似，均是前期讨论迅速增长，中后期变缓。从不同震例的对比结果来看，公众对地震事件的关注度受震级及人员伤亡等因素影响显著。

3.2 特征词变化

不同地震情景下，热点话题不同，显示出公众关注焦点的推移。表 2列举了四例地震后2h、24h、72h前十个高频特征词的对比。

震后2h，四地特征词高度聚焦基础震情要素，如“震中”、“震感”、“震源”等关键词，显示公众在地震发生初期对基本震情信息的强烈关注。然而，因震级与区域特征的差异，不同地震场景下仍表现出一定区分度。强震场景下，如定日地震，“震中”“震源”“深度”等专业词汇高频出现，反映强震发生后公众对精确震情信息的迫切需求。乌什7.1级地震虽同样关注震情信息，但“平安”“大家”“希望”等情感类词汇进入前十，显示公众在强震情境中更关注人员安全。中强震场景下，“发生”“震感”高频出现，契合震感明显但未造成严重损失的震情特征。肥东地震发生在人口密集地区，“震感”“发生”“视频”“大家”等成为高频词，同时“明显”“感觉”等主观感受词进入前十，表明在人口密集的城市，中强地震更易激发公众群体震感确认的需求。

震后24h，定日地震因震级高、伤亡重，“全力”“搜救”“遇难”“灾区”“驰援”等词汇高频出现，体现公众对生命救援进度的高度关注，以及应急响应升级后跨区域救援行动带来的关注。虽然乌什地震也属于强震，但关注点更多聚焦于“应急”“救援”“余震”等。中强震场景中，“地震局”“余震”“窗口期”等专业词汇在微博讨论中的受关注程度明显上升，其中“地震局”一词在相关高频词中的排序显著前移，反映出公众在震后信息获取过程中对专业机构的信息需求增强。

震后72h，定日地震“捐款”“灾区”“平安”等词汇主导，反映公众关注焦点由生命救援转向灾后重建与社会支援。永宁地震中，“地震局”“可能”“震源”“大家”成为核心词，表明公众对地震趋势研判的专业需求攀升。肥东地震中，“奶奶”“大家”“感觉”等生活化词汇进入前十，标志公众情绪从恐慌转向日常化讨论；与此同时，“视频”“地震局”等词频仍居前列，反映官方持续科普(如断裂带活动解读)对公众讨论发挥了引导作用。

综上所述，震后新媒体关注热点与灾情密切相关。破坏性强震后的讨论焦点高度集中在生命救援与物资协调(Yates et al，2011)，而在未造成严重人员伤亡的中强震情境下，公众在初步了解灾情后转向后续地震情况的风险评估需求，从而引发对权威解读和科学信息的持续关注(Lachlan et al，2014)。值得关注的是，在中强震案例中，“地震局”相关词汇在震后较短时间内进入高频词前列，这一现象与不同级别地震所处的应急响应情境密切相关。强震发生后，一方面公众讨论议题更为多元，另一方面，更多主体参与救援和宣传，导致地震信息传播主题发生变化；而中强震由于灾害损失相对有限，公众在获取基本灾情信息后，更容易将注意力转向余震风险研判等后续震情判断内容，这一过程与灾害情境下公众保护性行动决策路径相一致(Lindell et al，2012)。

3.3 公众情感差异

基于通用情感模型并结合地震语境语义(表 3)校正结果，四个震例在震后72h内的公众情感结构呈现出显著差异(图 3)。与通用模型结果相比，地震语境校正后，中强震场景下的负面情感占比有所下降，但其相对高于强震的趋势保持不变。

西藏定日6.8级地震震后72h内，通用模型显示正向情感占比为69.6%，经地震语料库校正后进一步提升至72.8%，明显高于其他震例。经语义分析发现，其正向情绪主要集中于“救援”“全力”“平安”“驰援”等词汇，反映出在人员伤亡较为严重的强震情境下，公众情绪呈现出以社会动员、互助支持为主的特征。与此同时，“遇难”“倒塌”等灾情损失类词汇对应的负面情绪占比为16.9%(校正后)，主要来源于对实际灾害后果的直接反映，属于灾损冲击型负面情绪。

新疆乌什7.1级地震的情感结构与定日地震存在明显差异。通用模型显示其正向情感占比为44.4%，校正后提升至46.5%，仍显著低于定日地震；通用模型负面情绪占比为34.4%，校正后为28.5%。进一步语义分析表明，该负面情绪中相当一部分来源于“滑坡”“倒塌”等潜在灾害链风险的讨论，以及对震区安全状况的持续关注。这表明，在震级较高但实际灾损相对较轻的情境下，公众情感更易呈现为对次生风险的不确定性担忧，而非高度一致的救灾动员情绪。

宁夏永宁4.8级地震震后72h内，通用模型显示负面情感占比达44.7%，经语义校正后降至34%，仍高于上述两次强震。经语义校正后发现，该负面情绪并非主要源于灾害损失，而更多集中于“害怕”“恐慌”“反复”“会不会再来”等风险研判类表达，这与永宁地区在短期内多次发生有感地震的背景高度相关。频繁震动强化了公众对地震序列活动的不确定性认知，使得风险感知持续累积，从而在中强震情境下形成较高比例的负面情绪表达。

安徽肥东4.7级地震的负面情感占比在通用模型中最高，达51.5%，经校正后降至39.5%。语义分析显示，该负面情绪主要集中于对郯庐断裂带活动性及未来强震可能性的讨论。由于震中位于人口密集区域，公众对“断裂带”“会不会更大”“要不要跑”等问题表现出高度关注。这类表达本质上属于风险认知与信息求证型文本，反映的是中强震发生后，在缺乏明确余震趋势判断信息时，公众对潜在地震风险的放大感知。

综合来看，强震情境下，实际人员伤亡与灾情损失更容易激发以互助、救援为核心的正向情绪结构；而中强震在未造成显著灾损的情况下，公众情绪更易受到未来风险不确定性的影响，从而表现出较高比例的负面情绪表达。这一差异表明，中强震后负面情绪的形成机制与强震并不相同，其核心并非直接的灾害冲击本身，而更可能与余震趋势不明、权威风险解释信息相对不足等因素相关，从而引发公众对潜在地震风险的认知焦虑。

3.4 空间扩散模式对比

图 4~ 图 7展示了四例地震发生后2h、24h、72h微博讨论的空间扩散情况。鉴于不同震例的社交媒体发帖总量差异较大，本文在空间分布图中以单一震例为单位对省级发帖量进行可视化展示。各图内部的颜色梯度用于比较该震例下不同省份的相对活跃程度，不同震例之间的图例刻度代表该震例下各省份不同阶段的发帖量。

西藏定日地震震后2h，讨论集中于震区(西藏36条)及邻近省份(四川49条)，形成以震中为核心的辐射圈。震后24h，中东部省份参与度显著提升，山东(332条)、江苏(406条)、浙江(239条)合计占比达42%，反映出经济发达地区的信息传播优势。震后72h，讨论区域进一步向全国扩展，原本讨论量较低的地区如黑龙江、新疆等也有不同程度增长，讨论范围不断扩大。而西部省份(新疆、青海等)讨论量仍低于100条，凸显区域间信息传播能力差异。在整个72h内，东部沿海省份如山东、江苏、浙江、广东等始终保持较高的讨论量。相比之下，西部部分省份讨论量相对较低。

新疆乌什地震震后2h，讨论集中于新疆、甘肃、陕西等西北省份，扩散呈现西北带状分布。震后24~72h讨论向中东部人口密集区扩散，但新疆本地讨论量始终占据高位。

宁夏永宁地震震后2h，讨论量高的区域集中在宁夏以及中东部地区。震后24~72h，高讨论量区域不断向外扩展，但西部地区对该地震的讨论仍然保持在较低水平。

安徽肥东地震震后2h，周边省份为讨论初始集中区域。24h后，讨论向全国扩散，东部和中部地区整体讨论量一直相对较高。随着时间推移，讨论量高值区域虽有扩大，但其空间扩散趋于平稳。

总体来说，地震发生后信息关注随时间变化发生空间扩散，信息从发生地向周边和全国扩散，人员损失越大的地震越容易受到公众关注。在四个震例中，四川和东部沿海省份对地震信息始终保持较高关注度。四川关注度高可能和汶川地震后当地地震多发、公众地震信息关注度高相关，东部沿海地区公众关注度高或许与当地信息发达情况相关。

4 讨论与结论 4.1 讨论

通过四个地震案例的新媒体数据分析，发现震级越高，公众的初期关注度越高，灾情严重程度决定后期相关讨论的强度与持续度。乌什地震震级最高，震后初期关注上升最快，但因多重防灾减灾措施成效显著，实际灾情较轻(王耀华等，2024)，后期讨论热度下降速度较快。相比之下，定日地震造成了较多人员伤亡，且发生在高原高寒地区，地理环境制约救援效率与信息可达性(Lu et al，2014)。公众对该地震的关注在72h内保持较高水平，体现出灾情严重程度对信息传播持续性的影响。

相比之下，中强地震在确认未造成人员伤亡后，信息传播更快达到阶段性峰值，随后进入相对平缓的传播状态。中强震中，地震部门受到公众关注，这与地震应急响应情况相符。以银川永宁地震为例，震后主流媒体发布震情、灾情等信息，总浏览量达730余万次(中国日报网，2025)，信息传播较为有序，公众能够及时了解地震情况和政府应对措施，24h后讨论相对稳定，热点话题也主要围绕官方发布的信息展开。这表明，在中强震情境下，权威信息的及时供给在一定程度上有助于稳定舆论关注节奏。

情感分析结果显示，强震情境下，人员伤亡造成的灾情冲击容易引起公众的共情，公众情绪更容易围绕支持、救援与社会动员等内容展开，并对其持续保持较高的关注度；而在中强震情境中，较高比例的负面情绪更多体现为对未来地震风险不确定性的担忧，地震局作为专业机构，其发声更容易受到公众关注，公众也积极寻求地震局的专业发声。结合特征词分析可以发现，公众的讨论多与“余震”“震感”等内容相关，反映的是灾害情境下的风险认知需求，而非单纯的情绪宣泄。

此外，地震信息空间扩散呈现“由近及远”特征。震后初期讨论集中于震区及邻近省份，中后期向人口密集、网络发达的中东部地区扩散；和西部相比，东部沿海地区尤其广东等地对四例地震始终保持较高的关注，反映出区域间信息传播与公众参与度的差异。网络对地震的关注受地震发生地的影响，也和当地网络发达情况相关。

综合来看，地震信息传播过程并非由单一因素主导，而是震级、灾情严重程度、应急响应与信息发布节奏、公众风险认知以及区域网络条件等多种因素共同作用的结果。

4.2 结论与建议

基于四例地震新媒体数据的综合分析可以发现，新媒体空间中的地震讨论在强震与中强震情境下呈现出不同特征，其演化过程受到多种因素影响。这种差异对震后地震部门信息发布方式及公共服务内容提出了新要求。

首先，震后地震信息发布有必要区分中强震和强震情境，并据此完善分情景的信息发布预案。研究表明，在中强地震情境下，公众关注点往往由已发生的灾情转向对余震趋势及未来是否发生更大地震的判断，这对风险解释型信息的及时性和针对性提出了更高要求。因此，地震信息发布预案中应提前纳入余震趋势研判、区域地震风险解释等内容，并对发布节奏、表达方式、发布平台及信息层级进行系统设计。在保证科学的前提下，将专业地震学判断转化为公众易于理解的表达方式，并通过统一口径的风险解释，降低公众对未来地震不确定性带来的认知焦虑。

其次，震后信息传播策略需要结合不同地区的新媒体环境特征进行差异化应对。本次四个地震案例研究表明，地震信息的空间扩散存在区域差异，由于东部属于人口稠密地区，信息传播活跃，加强这一地区的地震信息传播具有维护社会稳定的重要作用。通过灾害前的联动和准备，做到不论国内哪里发生地震，全国各地地震部门能够既结合地域特点，又能够根据不同震级、不同受灾情况，随时间变化动态发布新媒体信息。

最后，事先开展多元主体参与的地震应急信息传播协作准备。案例分析显示震后地震风险传播不仅地震部门一家，尤其强震后更多机构和专业力量参与地震信息传播，这就要求地震部门要多开展与不同部门，包括媒体、志愿者组织等的合作、沟通、培训，通过平时的协同准备，提高地震后多元主体参与的地震应急信息的传播效率和成效。

本研究基于微博数据分析了四例地震后的信息传播情况，但由于微博数据未区分不同发布主体的信息内容，未来需通过实地调查来加强线上与线下数据的对比研究。