用社群通報做震度初篩：我的十分鐘流程與三個失效邊界

我住的老公寓在 2024 年 4 月花蓮地震時晃得厲害，管委會事後想快速知道周邊幾個里的震度分佈，好決定先檢查哪幾棟的管線。官方報告要等，我手邊只有社群平台上零散的「我家好晃」貼文。於是我試著用這些通報做十分鐘內的初篩，不是取代官方數據，而是先給管委會一個排序依據。

做法很簡單：先從公開的社群貼文抓出有明確地點（里或路名）和時間戳的句子，放進一個 CSV，欄位是 time, place, text。接著用一個小腳本把每個里的通報數和平均主觀震度（用「小晃、明顯、很大」對應 1–3 級）算出來，再對照中央氣象署最近一次速報的震央和規模，人工標記哪些里在合理影響範圍內。程式片段大概長這樣：

import csv, collections
d = collections.defaultdict(list)
with open('reports.csv') as f:
    for row in csv.DictReader(f):
        d[row['place']].append(int(row['level']))
for place, levels in d.items():
    print(place, len(levels), sum(levels)/len(levels))

這樣十分鐘內就能產出一張排序表。代價是主觀震度無法校正，而且通報密度和人口密度、網路使用習慣高度相關，所以只能當作「哪裡可能要先去看」的線索，不能當成震度等值線。

失效邊界我踩過三次：第一，山區或偏遠里的通報幾乎為零，不代表不晃，只代表沒人發文；第二，同一則貼文被轉發多次，會重複計數，我後來手動去重，但還是可能漏；第三，時間戳如果是「幾分鐘前」，換算成絕對時間會有誤差，跨速報更新時容易對不上。還有一個反例：有一次通報集中在某個里，結果是那邊剛好停電，大家上網抱怨，不是震度特別大。

所以我的結論是：社群通報適合做十分鐘內的粗略排序，但不適合做精細震度估計。你們在應急初篩時，會用什麼方式過濾重複和偏誤？