在全球气候变化的大背景下,我国极端降水事件也越来越多,与此同时,城市的防涝设施并未得到同步改善。每年受强降雨的影响,出现了大量的经济损失和人员伤亡,直接影响着我国经济发展和人民财产安全。在暴雨灾害管理中,政府和志愿者救援组织需要尽可能多地收集和了解相关的灾情信息,即态势感知,这对于减灾、救援等应急响应活动的实施具有重要的意义。由于灾害的复杂性,在城市级别短时间进行大范围的态势感知通常耗费大量的人力、物力和财力。随着移动互联网的发展,各种社交网站如Twitter、Facebook、新浪微博等发展迅速,暴雨灾害研究和管理人员开始尝试使用社交媒体数据进行态势感知。然而,目前的研究主要存在下面几个问题:（1）基于社交媒体的态势感知研究大多数是在社交媒体文本挖掘和分类的基础上进行的。然而,由于社交媒体文本较短、语义不够明确,导致文本分类和主题挖掘困难,难以支撑后续的时空分析工作。（2）在结合社交媒体语义和时间的态势感知研究中,目前常用的主题分析方法没有考虑主题之间的内在联系,难以建立主题之间随时间的演化关系,无法定量分析社交媒体主题演化过程和城市暴雨灾害的阶段之间的关系。（3）在结合社交媒体语义和空间的态势感知研究中,目前研究忽略了社交媒体的多模态特性,由于社交媒体文本数据的不确定性,难以支撑细粒度的空间分析,从而无法准确地进行城市内涝的识别和评估。针对上面三个问题,本文主要包含以下三方面的工作:（1）提出了词共现主题发现方法（Topic Discovery Method Based on Co-words,TDMBOC）,并依据该方法挖掘与分类出社交媒体中与暴雨灾害相关的危机信息。具体来说,首先提出了一种结合词频-逆文档频率和头尾分割算法的社交媒体主题关键词提取方法,提取出和暴雨灾害相关的主题关键词;依据提取的主题关键词,提出了两种用于在微博文档中构建共词网络的方案:文档共词网络和关键词共词网络;基于构建的两种共词网络,提出了使用共词网络社区表示社交媒体文本主题的方法,探索了两种共词网络社区在社交媒体短文本主题发现与分类上适用性。得到的结论有:在主题发现上,基于共词网络的两种方法均比常用主题模型的准确率和召回率高,基于文档共词网络的主题发现与分类效果要略优于基于关键词共词网络的主题发现与分类效果;基于文档共词网络的社交媒体主题发现与分类能够很好地用于支撑后续的时空分析和挖掘工作。（2）提出了社区演化超网络模型（Community Evolutional Meta-Network,CEMNetwork）,并依据该模型分析了社交媒体文本中主题的演化过程及其与灾害过程的关系。首先,提出使用关键词共词网络的社区演化表示社交媒体中主题随时间的演化;确定了用于分析主题演化的几种社区演化事件类型,设计了一种简化的GED（Group Evolution Discovery）算法用以识别这些主题演化事件,并基于头尾分割算法,探索了GED算法中关键参数的设定方法;根据识别的主题演化事件,提出了社区演化超网络、超社区和超社区的生命周期的概念,量化了社交媒体中主题的演化过程,探索了社交媒体主题演化过程和灾害发展过程的相关关系。本研究所得到结论有:基于关键词共词网络的社区演化超网络模型,可以有效地量化暴雨灾害发生时社交媒体中相关危机主题的演化,揭示出暴雨灾害的阶段和过程。（3）提出了基于多模态迁移学习的积水点探测和评估模型。构建了视觉特征迁移模块,通过迁移外部大型图片数据集,获取了社交媒体图片模态的视觉特征;构建了文本情感迁移模块,通过迁移外部评论倾向数据集,获取了社交媒体文本模态的情感特征;提出了多模态特征融合模型,进而完成了城市暴雨灾害中的积水探测和积水程度评估。本研究所得到的结论有:在使用社交媒体进行态势感知时,特别是在使用社交媒体进行精细的空间分析时,利用社交媒体的多模态信息可以有效弥补社交媒体文本的不确定性;本研究所提出的方法能够有效地融合社交媒体的多模态信息,准确地探测出暴雨灾害中的积水点和积水程度。