城市内涝是暴雨季最直接的威胁——郑州"7·20"特大暴雨的教训犹在眼前。可传统积水监测主要靠专业观测设备，投入大、运维贵、覆盖有限；遥感在水陆边界处"犯迷糊"，视频监测怕雨滴干扰。而暴雨期间，互联网上自发涌现的海量积水帖文实时性强、覆盖广、几乎零成本，却语义碎片化、地名简写、信息隐含，传统"关键词匹配"根本读不懂。怎么办？让爬虫去"跑"，让大模型去"读"。

基于 Scrapy 框架构建的多源采集管道，融合门户网站、社交媒体与搜索引擎，引入动态渲染技术攻克复杂环境下的数据获取难题；系统采用小时级任务调度，对 6 个渠道的舆情数据平均 3 分钟内完成爬取。分层架构设计让采集、处理、存储各司其职，为后续的智能抽取打好地基。

图1　积水数据采集爬虫架构｜图源：原文

抓回来的文本五花八门："小区门口淹了半米深""xx路口积水没过轮胎"……研究引入经气象领域语料微调的 UIE 通用信息抽取模型，无需编写复杂规则，即可从口语化、碎片化文本中精准识别积水点位置、积水形成时间与积水深度三大关键要素（见系统定义的积水数据模型）。处理全链路时延控制在 10 分钟内完成结构化入库，配套的数据清洗策略负责去重、辨伪与时域对齐。

表1　系统定义的积水数据模型｜图源：原文

图2　暴雨积水点实时采集系统总体架构图｜图源：原文

2026 年 4 月 9 日，湖北武汉局地大暴雨（100~147 mm，最大小时雨强 30~53 mm）。系统从腾讯网抓到记者实地探访：硚口区解放大道旁一小区门口出现深约 30 cm 的积水——记者报道公信力强，系统即以此订正了风险识别模型 44.3 cm 的模拟输出；当日 11 时的全国实时积水风险指数图上，武汉附近被标为较高风险级别（27~40 cm）。一个真实暴雨夜，"网友晒图 → AI 读帖 → 风险地图"的完整闭环就此跑通。系统已在四川、天津、江西等地试用，反馈良好。

图3　全国实时积水风险指数图（2026 年 4 月 9 日 11 时）｜图源：原文