大规模突发事件常常会导致受灾地区关键资源短缺。在时间紧迫、供应短缺、不确定环境下进行应急救援是一个困难且复杂的过程,需综合考虑公平性、可靠性、时效性,并兼顾成本。作为应急救援网络中的一环,应急资源系统是连接供给和需求的纽带,涉及应急救援设施、应急救援物资、救援设备、救护人员等,并为未受伤灾民、受伤灾民/患者等不同类型受灾人员提供应急资源。因此,应急管理决策者既需要通过应急资源系统合理调配应急资源以最大限度满足未受伤灾民需求,又需要通过应急资源系统合理调度和分配应急资源以满足患者需求。所以,本文从应急资源系统的功能角色出发,深入研究不确定应急资源系统调配问题。首先,研究行驶时间不确定、道路信息缺失、模糊供需情形下多中心单受灾点应急资源调配问题。引入模糊控制的概念来选择可靠救援路径,综合考虑应急设施选址、可靠路径选择和应急车辆调度,构建基于模糊机会约束的模糊随机规划模型确保应急资源以一定概率准时到达灾区。为克服模型求解维度过高和参数信息模糊等难点,本文提出一种将模糊机会约束规划转化为混合整数规划的新方法。进一步地,用实际数据验证模糊机会约束模型的可靠性和经济性,并证明该模型在信息缺失情形下的鲁棒性。其次,研究应急管理中的多中心多受灾点应急资源调配问题,其中每个中心到受灾点的行驶时间是不确定的。针对该问题,本文提出一个联合机会约束模型,同时决策应急配送中心选址、从中央储备库运送到应急配送中心的应急资源数量、车辆的分配和路线及各灾区应急资源的公平分配。本文构建一个分布式鲁棒优化模型（Distributionally Robust Optimization,DRO）,将联合机会约束模型转化为非凸二阶锥规划,并提出一个固定点迭代算法来有效地求解该模型。进一步地,将模型和算法应用于实际数据,结果表明,分布式鲁棒优化方法在降低成本和提高可靠性方面优于基于场景的随机规划模型,且倾向于在不同路径上均匀分布车辆,以缩短救援时间。然后,研究突发事件下应急资源调配问题,旨在决策不同医院之间动态转运患者数、患者的入院和出院及应急资源分配,以最小化死亡人数。本文将该问题刻画为一个随机动态规划模型,其中患者的健康状况由马尔可夫链表示,并给出不同条件下最优决策和不同类型患者的优先级,基于此提出前向动态规划算法。为克服随机规划的计算复杂性和参数概率分布未知性等难点,提出一种基于分布式鲁棒优化方法的事后决策方法,利用二阶锥不确定集,将模型近似为混合整数二阶锥规划。数值实验表明,分布式鲁棒优化方法在大规模问题下的计算时间较低,并以相对较高的转运频率产生较高的转运价值,即降低死亡人数。最后,研究随机资源消耗下应急资源调配问题,综合考虑应急资源调度、应急资源分配和患者调度。构建一个两阶段优化模型来刻画该问题,其中,第一段决策应急配送中心运输到每个医院的应急资源数量,第二阶段通过一个马尔科夫决策过程模型来决策医院之间患者转运数量和应急资源的分配,并给出不同条件下最优策略。考虑到灾后参数的不可获得性和需求间的相关性,构建考虑交叉矩信息的二阶锥不确定集,将分布式鲁棒优化模型转换为混合整数二阶锥规划模型,并提出一个滚动时域算法来求解该模型。通过数值实验,本文验证考虑患者转运的模型、考虑资源再运输的模型较抽样平均近似法、不考虑转运和再运输的模型在减少运输成本和未被服务患者人数方面的优势。为有效提高灾后应急救援响应速度和能力,针对不确定应急资源系统调配优化问题,本文综合运用不同决策方法优化应急资源调配,从多中心单受灾点应急资源调配、多中心多受灾点应急资源调配、不确定需求下应急资源调配、随机资源消耗下应急资源调配等方面开展深入研究,以进一步丰富和拓展应急资源调配领域相关理论和方法。