在极端灾害应急响应中，获取实时、准确的人口动态信息至关重要。然而，受限于数据隐私政策，研究者通常只能获取空间聚合的手机位置数据，缺乏个体轨迹。本研究以2023年京津冀“23·7”特大暴雨（门头沟区）为例，利用经验正交函数（EOF）分解方法，针对格点尺度空间聚合手机位置数据，构建了一套能够揭示极端灾害下受灾人口移动特征及基础设施损毁情况的分析框架，为“舆情盲区”提供了科学的监测手段。
在极端强降雨引发的特大山洪与地质灾害中，传统实地调查和网络舆情数据面临严重的“信息孤岛”挑战。
门头沟区累计降雨持续83小时，局地小时雨强突破100mm。56条沟道全部发生山洪，受灾人口约31万，占全区总人口77%。
暴雨导致电力中断、道路损毁，受灾严重的区域与外界失联。舆情高热度区往往集中在城市，而真正的重灾区却成为“舆情洼地”。
受隐私政策限制，研究者通常只能获取空间聚合数据（1km×1km格点小时计数），难以直接应用传统的人口移动分析方法。
研究流程分为基准构建、日均人口计算和 EOF 分解三个核心步骤，旨在从宏观聚合数据中提取群体移动的主导模式。
选取暴雨前三个完整周期（包含周末与工作日）进行平均，排除日常状态下的自然波动（如昼夜节律、周末效应）。
通过对每24小时的数据进行均值处理，从宏观尺度观察人口规模的演进趋势，识别异常的聚集或流失。
将时空数据分解为空间模态（反映地域差异）和时间主成分（反映演化趋势）。相比聚类分析，EOF 能够更精细地刻画区域内部的异质性变化。
i 为网格序号，t 为小时索引，k 为暴雨前的3个对照周期。用于消除日常的人口流动噪音。
对每24小时的数据求均值，用于观察灾害不同阶段（初期、中期、后期）的宏观人口规模变化。
通过对异常数据的 EOF 分析，成功提取了整体消长与避险移动两大主导模式，并客观评估了基础设施的损毁情况。
空间上正负异常交替，人口持续从低海拔危险区（负异常）向高海拔安全区（正异常）转移，且避险路径高度依赖既有交通网络。
中西部地区在暴雨发生60小时后人口骤降至零。排除大规模撤离可能，判定为电力与通信基础设施受损导致的信号中断。
灾害中后期，新城及军庄镇人口显著回升（增加区较前一日增加370%），反映了灾民向安全安置点的大量流入。
| 区域 | 避险与迁移情况描述 | 受灾程度（零人口时长） |
|---|---|---|
| 新城/军庄 | 接收周边灾民，设立大量安置点，人口小幅上升 | 极轻（基本无中断） |
| 潭柘寺/王平 | 向高处避险，部分转移至军庄安置点 | 中度（24-48小时） |
| 斋堂/雁翅 | 就地向附近高处避险，通信完全中断 | 重度（>48小时） |
| 清水镇 | 就地避险，北部高海拔地区最早失联 | 极重（>72小时） |
本研究验证了 EOF 方法在处理空间聚合手机位置数据时的优越性，为极端灾害下的应急救援提供了科学支撑。