EN中文

地球信息科学学报 >

2020 , Vol. 22 >Issue 11: 2166 - 2176

DOI: https://doi.org/10.12082/dqxxkx.2020.190780

地球信息科学理论与方法

基于历史相似案例空间推演的地震伤亡人口评估方法研究

  • 曾婷婷 , 1, 2, 3 ,
  • 宫阿都 , 1, 2, 3, * ,
  • 陈艳玲 1, 2, 3 ,
  • 杨雨晴 1, 2, 3
展开
  • 1.北京师范大学 遥感科学国家重点实验室,北京 100875
  • 2.北京师范大学 环境遥感与数字城市北京市重点实验室,北京 100875
  • 3.北京师范大学地理科学学部,北京 100875
* 宫阿都（1976— ）,男,山东威海人,副教授,主要从事灾害遥感、城市遥感研究。E-mail:

曾婷婷（1995— ）,女,福建泉州人,硕士生,主要从事灾害遥感研究。E-mail:

收稿日期: 2019-12-16

  要求修回日期: 2020-03-15

  网络出版日期: 2021-01-25

基金资助

国家重点研发计划课题(2017YFB0504102)

国家重点研发计划课题(2017YFC1502402)

国家自然科学基金项目(41671412)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Study on Assessment Method of Earthquake Casualties based on Spatial Reasoning of Similarly Historical Cases

  • ZENG Tingting , 1, 2, 3 ,
  • GONG Adu , 1, 2, 3, * ,
  • CHEN Yanling 1, 2, 3 ,
  • YANG Yuqing 1, 2, 3
Expand
  • 1. State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875, China
  • 2. Beijing Key Laboratory of Environmental Remote Sensing and Digital City, Beijing Normal University, Beijing 100875, China
  • 3. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
* GONG Adu, E-mail:

Received date: 2019-12-16

  Request revised date: 2020-03-15

  Online published: 2021-01-25

Supported by

National Key Research and Development Program of China(2017YFB0504102)

National Key Research and Development Program of China(2017YFC1502402)

National Natural Science Foundation of China(41671412)

Copyright

Copyright reserved © 2020
Fold

摘要

地震是对人类生存构成最大威胁的自然灾害之一,往往导致巨大的损失。本研究选取中国2000—2013年震级为4.0级以上且有人员伤亡的地震灾害统计数据作为历史案例,以基于历史案例的灾情加权综合评估模型（Assessment Method of Natural Disaster Based on Similarly Historical Cases,SHC）为基础,考虑历史案例与当前灾害的空间相关程度,获得改进的基于历史相似案例空间推演的地震伤亡人口评估（Assessment Method of Earthquake Casualties Based on Spatial Reasoning of Similarly Historical Cases,SRSHC）;并选取2010年青海玉树地震、2013年四川芦山地震及2014年云南鲁甸地震作为验证案例,进行精度验证。结果表明:① 对于3个验证案例,SRSHC模型的最佳评估精度均在95%以上,表明该方法在地震伤亡人口评估方面具有一定的可行性及适用性;② SRSHC模型相较于SHC模型,参评案例的个数少且精度更高,以2010年四川芦山地震为例,当参评案例个数为3个时,SRSHC模型评估结果达到最佳（97.92%）;而SHC模型参评案例个数需6个达到评估结果最佳（35.49%）,这表明历史案例与当前灾害发生地区的空间相关程度对评估结果有较大影响;③ 灾情评估的精度与参评案例的个数有关,当参评案例在2个以上时,模型评估的精度随着参评案例个数的增加呈平稳下降趋势;当参评案例的个数为3~4个时,SRSHC模型的评估精度最佳。基于历史案例的灾情评估方法成本低、效率高、时效性强,且方法简单、约束条件较少、容易实现, 在灾情评估方面具有一定的实用价值。

关键词： 灾情评估; 快速评估; 空间推演; 历史相似案例; 地震; 伤亡人口; SRSHC模型; 空间相关程度

本文引用格式

曾婷婷 , 宫阿都 , 陈艳玲 , 杨雨晴 . 基于历史相似案例空间推演的地震伤亡人口评估方法研究[J]. 地球信息科学学报, 2020 , 22(11) : 2166 -2176 . DOI: 10.12082/dqxxkx.2020.190780

Abstract

Earthquake is one of the most serious natural disasters for our human existence, and often causes huge losses. Disaster assessment based on similar historical cases is useful for disaster analysis and quick policy making when detailed real disaster data are not available. Based on the framework of the Assessment Method of Natural Disaster Based on Similarly Historical Cases (SHC model), this paper constructs the Spatial Reasoning of Similarly Historical Cases (SRSHC) model for earthquake casualty assessment, which considers the spatial relevance of historical cases to current disasters. We select earthquake magnitude, focal depth, and time of earthquake to describe the characteristics of an earthquake and use a similarity assessment model based on Manhattan distance to evaluate its similarity to historical cases. Besides, this paper introduces the distance of earthquake fault to quantify the spatial correlation between historical cases and current disaster. In this study, earthquake disasters with a magnitude of 4.0 or above in China from 2000 to 2013 are selected as historical cases. Three representative cases are chosen for accuracy verification, including the Yushu earthquake in Qinghai in 2010, the Lushan earthquake in Sichuan in 2013, and the Ludian earthquake in Yunnan in 2014. Results show that: (1) For the three verification cases, the accuracy of the SRSHC model is all above 95%, indicating that the model has certain feasibility and applicability in assessment of earthquake casualty; (2) Compared with the SHC model, the SRSHC model requires fewer participating cases but higher accuracy. For example, for the Yushu earthquake, when the number of participating cases is three, the accuracy of the SRSHC model reaches highest (97.92%). While the SHC model requires six participating cases to reach the highest accuracy (35.49%). It reveals that the spatial correlation between historical cases and the current disaster has a great impact on the evaluation of results; and (3) The accuracy of the disaster assessment model is related to the number of participating cases. When there are more than two participating cases, the accuracy of the model assessment decreases with increasing number of participating cases. When the number of participating cases is three or four, the accuracy of the SRSHC model is the highest. In conclusion, the advantages of the method developed this study are low cost, high efficiency, timely effectiveness, its simplicity, less constraint, and easy to implement, which has certain practical value and prospects in disaster assessment．

Key words： disaster assessment; rapid assessment; spatial reasoning; similar historical cases; earthquake; casualties; SRSHC model; spatial correlation

1 引言

我国地处环太平洋地震带和欧亚地震带之间,地震断裂带十分活跃,因而发生破坏性地震的风险也较高。随着社会经济的发展,在相同震级的条件下,地震所带来的人员伤亡及经济损失正在逐步增加[1,2]。破坏性地震不仅使国家蒙受了巨大的经济损失,而且造成了较大的人员伤亡[3]。而地震可能造成的死亡人数是政府部门在震后启动应急响应以及部署救灾力量的重要依据,因此,在地震发生后,对地震伤亡人口进行评估显得尤为重要。然而,由于地震现场的复杂性,实地灾情调查及精确的损失评估工作都需要大量的时间,无法满足立即制定应急措施、实施救灾决策的需要,故震后的地震伤亡人口评估一直是研究的重点和难点。
目前,地震伤亡人口评估的方法主要有经验公式法、概率分析法、动态评估法。由于影响地震伤亡人口的因素众多,不同学者通过经验公式法构建模型时考虑的影响因素也各不相同。Christokov等[4]认为地震死亡人数与人口密度相关性高,并以人口密度为参数构建地震死亡人数评估模型;Lomnitz[5]基于地震死亡人数与发震时间的关系构建地震评估模型;而Wyss[6]则统计了喜马拉雅地区因地震造成的死亡人数,归纳出了死亡人数与震级、人口密度之间的关系;Xing等[7]以震级,震中强度,人口密度,地震发生时间和受损建筑面积为指标,拟合改进高斯曲线,构建预测模型。张莹等[8]在系统分析造成地震人员伤亡影响因素的基础上,选取震中烈度、震区面积、发震时间、人口密度、建筑物破坏率作为模型参数,进行多元非线性回归建模。较为典型的概率分析方法,如肖光先[9]以破坏程度为主要参数,用概率的方法求得人员死亡率;程家瑜等[10]在建立评估地震人员伤亡的软件系统时,利用房屋伤亡率矩阵,考虑不同时间段的在室率、地区类型、人的类型、节假日等因素,得出人员伤亡数的计算公式;郑山锁等[11]考虑了人员密度、结构类型、建筑功能、人员在室率和结构在不同破坏状态下的伤亡率等因素,构建了地震人员伤亡计算模型。而动态评估法方面,赵振东等[12]定义了人员伤亡指数的概念,用来量化地震中人员的伤残程度,并研究了地震压埋人员的伤亡状态与时间的关系。此后,赵振东[13]进一步给出初始人员伤亡矩阵,并借助于几个概率分布函数确定了砖砌体结构的初始人员伤亡矩阵,建立了地震人员伤亡动态量化评估方法,并以此方法对唐山地震进行了人员伤亡数量的模拟与评估。杨明儒[14]通过分析地震人员压埋原因及伤亡动态变化,构建地震压埋人员分布评估方法,得到一定时间间隔内地震人员压埋分布情况。
此外,国内外许多学者还基于不同角度构建地震伤亡人口评估模型,如陈棋福等[15]认为地震所造成的损失应同时包含生命损失和经济损失2类,并提出了能够体现经济损失的震害损失评估方法。王晓青等[16]对1989—2004年我国大陆地区所发生的157次破坏性地震数据资料进行分析,统计了不同烈度区域下的人口数量、国内生产总值以及地震死亡人数等相关数据,回归得到了以人均GDP为分档标准的人员伤亡评估模型。Hashemi等[17]提出了基于GIS的地震损失评估方法并应于伊朗德黑兰地区。丁香等[18]利用 GIS 对地震灾害的快速评估和应急指挥管理系统进行研制。Aghamohammadi等[19]将人工神经网络模型应用于地震伤亡预测,将建筑类型和损伤程度作为伤亡预测因子。Muhammet和Ali[20]以地震发生时间,震级和人口密度为预测指标,利用土耳其40年来5级以上的地震作为实验数据,构建了人工神经网络预测模型。杨帆等[21]建立了以BP人工神经网络为基础,综合运用GIS系统、人口分布数据以及以往震害数据等信息对所发生的地震进行人员伤亡预测的模型。于山等[22]在其研究中选取中国大陆发生的20个严重震例,将人口密度、震中烈度、房屋倒塌与破坏率、震害预报情况、抗震设防标准、震级以及发震时间等作为指标,提出了三层BP神经网络震害人员伤亡评估模型。周德红等[23]将地震等级、地震时间、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差、人口密度7个对人员伤亡数目影响较大的因素作为参数,基于遗传算法优化的BP神经网络,建立了地震死亡人数预测模型。
目前,地震伤亡人口评估的主要方法中,经验公式法可在地震灾害发生初期,快速地获得评估结果,但考虑的因素较为片面,评估精度不稳定;概率分析法和动态评估法的计算均相对复杂,且模型所需的数据不易获取,无法在地震灾害发生初期进行快速评估。基于历史案例的评估方法[24]则是针对灾害发生初期获取少量灾害信息这一局限,根据抽象出的少量灾害信息,快速评估当前灾害所造成的灾情后果。然而,国内外基于历史案例的评估方法目前仍是针对某一灾害,研究分析其历史案例的发展规律,通过与现状的比较,预测未来灾害发展的可能性及可能造成的影响。该类方法侧重于研究灾害发展规律,预测的结果对灾害发展规律的依赖性较大。而直接筛选与当前灾害较为相似的历史案例进行灾情评估,根据与当前灾害特征相似的历史案例所造成的灾损情况,能更为快速直接地评估当前灾害的灾损情况,方法简单、约束条件少且时效性强,在一定程度上,更好地满足立即制定应急措施、实施救灾决策的需要。此类方法较为少见,目前仅在台风[25]、干旱[26]等自然灾害灾情评估中有良好应用,但在地震灾害灾情评估中仍未有涉及。而在地震发生初期,难以快速获取详尽的灾损信息,所以基于少量地震灾害信息,结合历史案例,直接筛选与当前灾害较为相似的历史案例进行灾情评估,有利于及时为政府部门在震后启动应急响应以及部署救灾力量提供重要依据。
因此,本研究旨在以2010年青海玉树地震、2013年四川芦山地震及2014年云南鲁甸地震3个地震事件作为研究案例,探索基于历史相似案例的评估方法在地震灾情快速评估方面的可行性及适用性;同时考虑到灾害发生区域的空间差异对评估结果存在影响,对目前的基于历史案例的灾情加权综合评估模型进行改进,以期提高灾情评估的准确性,为地震初期的抗灾救灾工作提供决策参考。

2 数据来源与研究方法

2.1 数据来源

本研究所用数据主要来源于国家地震科学数据共享中心,具体包括2000—2013年中国大陆4.0级以上地震的发震时间、震中经纬度、震级大小等地震信息101条（表1、表2）。其中,有受伤人数及死亡人数记录的地震50例。本研究选取4.0级以上且有人员伤亡的地震灾害统计数据作为历史案例基数,对验证案例进行基于历史相似案例空间推演的灾情评估,并以统计公开的地震伤亡人数作为验证。此外,本研究选取2000—2013年中国统计年鉴各地区国内生产总值GDP及总人口数;并结合地震断层矢量数据[27]进行灾情评估中空间相关程度的判断。
表1 2000—2013年中国大陆历史震例统计表（震级4.0级以上且有人员伤亡）

Tab. 1 Statistics of historical earthquakes in mainland China from 2000 to 2013 (with a magnitude of 4.0 or above and casualties)

伤亡人口数/人 <10 10~50 50~100 100~500 500~1000 >1000
历史震例数/个 8 14 4 10 6 8
表2 数据来源及用途

Tab. 2 Data sources and uses

数据 来源 用途
2000—2013年中国大陆4.0级以上
地震灾害统计数据		 国家地震科学数据共享中心（http://data.earthquake.cn/gcywfl/index.html） 提供地震震级、震源深度等地震信息参与计算案例相似度;提供历史案例的地震伤亡人数参与模型评估
2000—2013年中国各地区国内生产总值GDP 中国统计年鉴（http://www.stats.gov.cn） 计算抗灾减灾能力修正系数
2000—2013年中国各地区总人口数 中国统计年鉴（http://www.stats.gov.cn） 计算承灾体数量修正系数
地震断层矢量数据 中国地震局地质研究所邓起东院士团队[27] 计算地震震中位置与断层的空间距离

2.2 研究方法

基于历史案例的灾情加权综合评估模型（Assessment Method of Natural Disaster Based on Similarly Historical Cases,SHC）是基于地震灾害发生初期所获取的较少的灾害信息,通过历史案例提取与灾情相关的灾害指标,采用以最小距离法为原理的相似度评估模型,对历史案例与当前灾害进行相似度评估,获取参与灾情评估的历史相似案例,并辅以当前灾害发生地的抗灾救灾能力、人口暴露度进行修正,综合评估当前自然灾害的受灾情况。具体模型[24]如下:
P 0 = ∑ j = 1 n a j b 0 j W j P j
式中:P0为评估的受灾情况;aj为当前灾害相比历史案例的抗灾救灾能力修正系数;b0j为当前灾害与历史案例j的承灾体暴露数量修正系数;Wj表示选定的历史案例的权重,Pj为参与评估的相似历史案例j对应的实际受灾情况。
由于不同地域之间存在自然差异,因此同一灾种发生在不同地区,所造成的灾情严重程度也不同。根据地理学第一定律,“任何东西与别的东西之间都是相关的,但近处的东西比远处的东西相关性更强”,可认为灾害发生区域的空间相关程度较高,则灾情的严重程度较相近。因此,本研究在SHC模型的框架下,考虑了历史案例灾害发生地区与当前灾害发生地区的空间相关程度;根据地震灾害的相关特性,引入地震断层距对历史案例灾害发生地区与当前灾害发生地区的空间相关程度进行量化。在式（1)的选定历史案例的权重 W j 计算过程中,同时考虑历史案例的相似性及历史案例的空间相关程度,改进SHC模型,获得基于历史相似案例空间推演的地震伤亡人口评估模型（Assessment Method of Earthquake Casualties Based on Spatial Reasoning of Similarly Historical Cases,SRSHC）。技术路线如图1所示。
图1 基于历史相似案例空间推演的地震伤亡人口评估的技术流程

Fig. 1 Technical process of earthquake casualties assessment based on spatial reasoning of similarly historical cases

2.2.1 相似度判断指标的选取
相似度判断指标是用来判断当前地震灾害指标与历史地震灾害指标的相似程度,以便在此基础上进行案例相似度判断。相似度判断指标的选取是根据当前可获取的地震灾害数据,选取与需要评估的灾情指标相关性较高的灾害指标。有不少研究[28,29]表明震级、发震时间、烈度、震中强度、震源深度等因素均对地震伤亡人数有一定影响。因此,模拟地震初期仅获取少量灾害信息的条件,本研究选择较易获取的地震震级、震源深度、发震时间作为灾害指标（表3）,与历史地震案例进行相似度判断,进而开展针对地震伤亡人数的灾情评估。
表3 地震案例相似度评估指标

Tab. 3 Earthquake case similarity assessment index

灾害指标 灾情指标
地震震级、震源深度、发震时间 地震伤亡人数
2.2.2 案例相似度评估
基于相似度判断指标判断当前地震灾害与历史灾害的相似程度,构建案例相似度评估模型,从而在历史案例数据中快速检索出相似的历史案例,对灾情进行初步评估。本研究基于最小距离原则,采用基于曼哈顿距离的历史案例相似度评估模型,即在给定当前地震灾害的灾害指标的情况下,计算每一灾害指标到历史案例库中的每一个案例的曼哈顿距离,并根据距离排序,筛选出历史相似案例。
计算历史案例灾害指标与当前灾害指标的绝对差,公式如下:
D ij = x ij - x i 0
式中:Dij表示第j历史案例的第i个灾害指标与当前灾害的第i个灾害指标的绝对差,该值越小表示2个灾害事件越相似;xij表示第j历史案例的第i个灾害指标;xi0表示当前灾害的第i个灾害指标。
为消除数据单位量纲的影响,需对上述计算的绝对差数据进行标准化处理,并同时进行逆向转换,公式如下:
S ij = max D ij - D ij max D ij - min D ij
式中:Sij表示第j个历史案例的第i个灾害指标与当前灾害的第i个灾害指标绝对差的归一化值,该值越大表示历史案例与当前灾害在该项灾害指标的相似度越高;Dij表示第j历史案例的第i个灾害指标与当前灾害的第i个灾害指标的绝对差。
根据曼哈顿距离原理,将同一历史案例的所有灾害指标Si求解,获得与当前灾害的总体相似度,公式如下:
C S j = ∑ i = 1 n S ij
式中:CSj表示第j个历史案例与当前灾害的综合相似度;Sij表示第j个历史案例的第i个灾害指标与当前灾害的第i个灾害指标绝对差的归一化值。
2.2.3 参评案例的初步选取及历史相似度权重计算
将通过上述相似度评估模型计算得到的历史案例综合相似度按照大小排序,取一定数量的历史相似案例,或通过阈值规则,初步选取参与灾情评估的历史案例个数。本研究采用按照相似度大小排序,进而选取一定数量的历史相似案例个数作为参评案例集合,参与灾情评估。选中案例的权重系数则基于相似度归一化得到,公式如下:
H j = C S j * ∑ j = 1 n C S j *
式中:Hj表示选定的历史案例的权重; C S j * 表示选定的历史案例的综合相似度。
2.2.4 参评案例的确定及空间相关程度权重计算
地震所造成的灾害严重程度与其距断层的距离有一定关系,故本研究以当前灾害发生地的断层距与历史灾害发生地的断层距之间差值,体现历史案例与当前灾害的空间相关程度。根据灾害空间相关程度的大小,最终确定参与灾情评估的历史案例个数。其中,参评的历史案例个数需要针对地震灾害的历史案例数据进行实验。将该结果进行归一化和逆向转换处理,以此作为参评案例空间相关程度的权重。并与历史相似度权重取均值,作为历史案例参与灾情评估的最终权重。公式如下:
d j = ( x - x j ) 2 + ( y - y j ) 2
D j = 1 - d j - d * ∑ j = 1 n d j - d *
W j = ( H j + D j ) / 2
式中:Dj表示选定的历史案例与当前灾害的空间相关程度;dj表示选定的历史案例与其最近断层的空间最短距离;d*表示当前灾害与其最近断层的空间最短距离;x、y表示与第j个历史案例震中位置距离最近的断层的空间坐标,xj、yj表示第j个历史案例的震中位置的空间坐标;Wj表示历史案例参与灾情评估的最终权重;Hj表示选定的历史案例的权重。
2.2.5 抗灾救灾能力和承灾体数量修正系数的确定
自然灾害抗灾救灾能力的表现主要是在经济、技术和生活物质资料的投入和分配上,综合为社会经济发展水平,而GDP总量能够在一定程度上反映一个地区的社会经济发展水平。然而,不同地区的社会经济发展水平存在差异,因此,对地震灾害所造成的伤亡人数存在一定影响。故本研究以历史灾害发生地区的GDP总量与当前灾害发生地区的GDP总量相比,以此修正因不同地区社会经济发展水平不一而导致的结果差异。公式如下:
a j = GD P j GD P 0
式中:aj为选定的历史案例j发生地区与当前灾害发生地区的抗灾能力修正系数;GDPj为选定的历史案例j发生地区当前年份的GDP总量;GDP0为当前灾害发生地区当前年份的GDP总量。
灾害系统是由孕灾环境、致灾因子、承灾体与灾情共同组成的。同样的致灾因子发生在不同的承灾体暴露区域,对总体的灾情水平影响明显。本研究评估的灾情要素为地震伤亡人数,因此,选择灾害发生地区的人口总量作为承灾体进行系数修正。通过当前灾害发生时所在地区承灾体的数量与选定的历史案例对应年份灾害发生地区承灾体的数据进行比较,确定承灾体数量修正系数。计算公式如下:
b j = D b 0 D b j
式中:bj为当前灾害与历史案例j的人口暴露修正系数;Db0为当前灾害发生区域内人口暴露数量;Dbj为历史案例j对应年份灾害发生区域内的人口暴露数量。
2.2.6 基于历史案例空间推演的灾情加权综合评估
基于对历史案例进行相似度评估,进而筛选、确定参与灾情评估的历史相似案例,并对选定的历史相似案例进行一定的修正,最后对修正后的历史相似案例进行加权求和,获得灾情评估结果。综上所述,基于历史相似案例空间推演的地震伤亡人口评估模型（SRSHC模型）的计算公式如下:
P 0 = ∑ j = 1 n a j b j W j P j
式中:P0为评估的地震伤亡人数;aj为第j个历史相似案例的抗灾救灾能力修正系数;bj为第j个历史相似案例的承灾体暴露数量修正系数;Wj为历史相似案例参与灾情评估的最终权重系数;Pj为第j个历史相似案例的地震伤亡人数。

3 结果与分析

3.1 SRSHC模型评估结果

本研究以中国2000—2013年震级为4.0级以上且有人员伤亡的地震灾害统计数据作为历史案例,考虑到历史案例大部分分布在中国西部地区,故选取处于地震灾害频发地区、伤亡人数较多、灾害影响较大的3个案例:2010年青海玉树地震事件、2013年四川芦山地震事件及2014年云南鲁甸地震事件作为验证案例,对SRSHC模型（式（11））进行精度测试。其中,2010年青海玉树地震事件为2010年4月14日上午7时49分发生在青海省玉树藏族自治州玉树市的最高震级为里氏7.1级地震,震源深度14 km,共计伤亡人数14 425人;2013年四川芦山地震事件为2013年4月20日上午8时02分发生在四川省雅安市芦山县的最高震级为里氏7.0级地震,震源深度13 km,共计伤亡人数11 687人;2014年云南鲁甸地震事件为2014年8月3日发生在云南省昭通市鲁甸县的最高震级为里氏6.5级地震,震源深度12 km,共计伤亡人数3872人。
由于参与评估的历史案例的个数不同对灾情评估结果有一定影响,该部分将在本文的参评案例个数与模型精度中进行具体分析。由表4可知,SRSHC模型评估2010年青海玉树地震事件的伤亡人数为14 725人,与实际伤亡人数在同一个数量级,最高精度达97.92%;SRSHC模型评估2013年四川芦山地震事件的伤亡人数为11 830人,与实际伤亡人数同在一个数量级,最高精度达98.78%;对2014年云南鲁甸地震事件的地震伤亡人数评估,SRSHC模型的评估结果为3799人,与实际伤亡人数接近,最高精度达98.11%。与SHC模型相比,SRSHC模型的伤亡人数评估结果均与实际伤亡人数在同一数量级,且最佳评估结果精度均在95%以上。而SHC模型对3个验证案例的评估精度较低,且评估结果的精度波动较大;其中,伤亡人数最佳评估结果与实际伤亡人数最接近的评估精度为71.76%,与实际伤亡人数相差较大的评估精度仅为32.98%。
表4 SRSHC模型与SHC模型地震伤亡人口最佳评估结果

Tab. 4 Results of the best assessment of SRSHC model and SHC model for earthquake casualties

验证案例 实际伤亡人数/人 SRSHC模型 SHC模型
伤亡人数评估结果/人 精度/% 伤亡人数评估结果/人 精度/%
2010年青海玉树地震 14 425 14 725 97.92 5119 35.49
2013年四川芦山地震 11 687 11 830 98.78 8387 71.76
2014年云南鲁甸地震 3872 3799 98.11 1277 32.98
在2010年青海玉树地震事件进行伤亡人口评估中,参与评估的地震历史案例为2000—2010年的地震灾害统计数据。当参与评估的地震历史案例个数为3个时,SRSHC模型的评估结果最佳,精度达到最高（97.92%）。参与评估的3个地震历史案例分别为2007年云南宁洱地震、2008年四川汶川地震和2008年四川青川余震。与SRSHC模型相比,SHC模型获得最佳评估结果所需要的参评历史案例个数更多。当历史案例个数为6个时,SHC模型的评估结果最佳。参与评估的6个地震历史案例分别是2008年青海大柴旦地震、2003年新疆巴楚地震、2007年云南宁洱地震、2003年新疆昭苏地震、2000年云南姚安地震和2008年四川汶川地震（表5）。
表5 SRSHC模型与SHC模型参与评估的历史案例（最佳评估结果）

Tab. 5 The historical cases of SRSHC model and SHC model participating in evaluation (best evaluation results)

验证案例 参与评估的历史案例
SRSHC模型 SHC模型
2010年青海玉树地震 2007年云南宁洱地震
2008年四川汶川地震
2008年四川青川余震		 2008年青海大柴旦地震
2003年新疆巴楚地震
2007年云南宁洱地震
2003年新疆昭苏地震
2000年云南姚安地震
2008年四川汶川地震
2013年四川芦山地震 2010年青海玉树地震
2007年云南宁洱地震
2012年云南昭通地震		 2010年青海玉树地震
2008年青海大柴旦地震
2014年云南鲁甸地震 2007年云南宁洱地震
2013年四川芦山地震
2003年甘肃民乐地震
2008年四川青川余震		 2003年云南大姚地震
2012年新疆新源地震
2003年新疆岳普湖地震
2007年云南宁洱地震
2008年西藏当雄地震
2013年四川芦山地震
其中,2008年四川汶川地震对评估结果的影响较大。主要原因是,相较于其他历史案例在震级、发震时间等灾害指标上的高相似度,汶川地震在灾害指标具有较高相似度的基础上,震中位置与地震断层的距离与青海玉树地震的情况更为相近,空间相关程度高。而且两次地震均是印度洋板块与亚欧板块碰撞造成的,成因相近。SHC模型仅考虑各项灾害指标的相似度,使得对评估结果影响较大的历史案例（2008年四川汶川地震）在评估中所占比重较低,故整体评估精度不高。而SRSHC模型综合考虑了灾害指标的相似性及历史案例的空间相关程度,增加了2008年四川汶川地震历史案例的评估比重,从而提高了评估精度。
在2013年四川芦山地震事件的伤亡人口评估中,参与评估的地震历史案例个数为3个时,SRSHC模型的评估结果最佳,精度达到最高（98.78%）。参与评估的3个地震历史案例分别为2010年青海玉树地震、2007年云南宁洱地震和2012年云南昭通地震。当参与评估的地震历史案例个数为2个时,SHC模型的评估结果最佳。参与评估的2个地震历史案例分别是2010年青海玉树地震和2008年青海大柴旦地震（表5）。
其中,2010年青海玉树地震对评估结果的影响大。其原因在于该历史案例与四川芦山地震在震级、震源深度、发震时间等因素上都极为相似,且震中位置的断层距也十分接近。虽然青海玉树地震在两个模型中都是相似度最高的历史案例,且SHC模型参与评估的历史案例个数更少,但SRSHC模型加入空间权重之后,更加凸显了青海玉树地震案例在评估中的重要性,使得模型评估精度大大提高。
在2014年云南鲁甸地震事件的伤亡人口评估中,参与评估的地震历史案例个数为4个时,SRSHC模型的评估结果最佳,精度达到最高（98.11%）。参与评估的4个地震历史案例分别为2007年云南宁洱地震、2013年四川芦山地震、2003年甘肃民乐地震和2008年四川青川余震。当参与评估的地震历史案例个数为6个时,SHC模型的评估结果最佳。参与评估的6个地震历史案例分别是2003年云南大姚地震、2012年新疆新源地震、2003年新疆岳普湖地震、2007年云南宁洱地震、2008年西藏当雄地震、2013年四川芦山地震（表5）。
其中,2013年四川芦山地震对评估结果的影响较大,2007年云南宁洱地震次之。云南宁洱地震的受灾时间较短,且房屋虽然存在倒损情况,但并没有因此造成大量的人员伤亡;而四川芦山地震除震级高,而且余震频发,灾害累积效应造成人员大量伤亡,与鲁甸地震事件受灾时间较长、多次余震且次生灾害频发的情况更为相近。因此,参与评估的历史案例与实际情况相符。在SHC模型中,上述参与计算的历史案例的相似度差异较小,故每个案例在模型计算中呈现无差别状态。而SRSHC模型在各项灾害指标差异较小的情况下,引入空间相关程度,使得参评的历史案例之间的差异明显化,增加与当前评估灾害的综合情况更相近的历史案例的计算权重,从而提高评估精度。
通过对上述3个历史地震案例的伤亡人口数的测试,验证了SRSHC模型在地震伤亡人口评估方面具有一定的可行性和适用性,能够在一定程度上满足地震初期的灾情快速评估的需求。此外,地震所造成的人口伤亡除了与地震的震级、震源深度等地震自身的因素有关,与地震所发生区域的地理环境、社会环境等也有一定程度的相关性。SHC模型仅考虑了灾害自身因素及社会环境因素,而本研究提出的SRSHC模型补充考虑了地理环境因素对灾情评估的影响,因此获得的灾情评估结果更为准确。同时说明了进一步考虑历史案例与当前灾害发生地区的空间关系,能够显著提高灾情评估的准确度。

3.2 参评案例个数结果分析

在灾情评估过程中,参与评估的历史灾害案例的选取对灾情评估的结果影响较大。因此,本研究对验证案例进行实验测试。考虑到基于一个历史灾害案例进行评估存在较大的偶然性,故本研究测试的参评案例为2个及以上的历史灾害案例。在不同参评案例个数下,分别使用SRSHC模型和SHC模型进行伤亡人数评估,评估结果详见表6。
表6 不同参评案例个数的SRSHC模型和SHC模型灾情评估结果

Tab. 6 Results of SRSHC Model and SHC model disaster assessment for different number of cases

案例
个数		 SRSHC模型评估精度/% SHC模型评估精度/%
2010年青海
玉树地震		 2013年四川
芦山地震		 2014年云南
鲁甸地震		 2010年青海
玉树地震		 2013年四川
芦山地震		 2014年云南
鲁甸地震
2 0.35 90.51 4.81 4.14 71.76 9.59
3 97.92 98.78 76.66 2.92 64.22 6.54
4 93.16 96.02 98.11 2.26 48.73 7.12
5 90.86 92.14 85.93 2.27 40.60 5.93
6 90.02 89.25 83.52 35.49 34.25 32.98
7 89.06 89.91 80.66 30.85 29.98 28.68
8 84.49 89.13 76.38 27.37 26.71 28.56
9 79.37 91.82 75.56 24.67 24.32 25.99
10 73.80 86.45 68.61 22.56 22.71 24.87
由图2可知,使用SRSHC模型对3个验证案例进行评估,当参评案例个数为2时,SRSHC模型的评估精度波动巨大,最高精度达到90.51%,而最低精度不到1%。其原因在于当参评案例个数过少时,对历史案例与当前灾害的相似度要求更高,不仅需要考虑地震因素（震级、震源深度等）、地理环境、社会环境等表层条件,还需要结合地震发生机理方面的信息进行判断。当选中的2个历史案例恰好与当前灾害的相似度极高,不仅在各项指标上相似度高,在地震发生机理上也有一定相关,如2013年四川芦山地震的案例评估,则SRSHC模型评估精度高;而当选中的2个历史案例仅满足各项表层条件的相似,则评估结果与实际情况存在较大出入。因此,基于2个历史地震案例的SRSHC模型评估存在较大偶然性。而当参评的案例个数在2个以上时,SRSHC模型的评估精度较高,模型的评估精度大部分在80%以上;随着案例个数的增加,SRSHC模型精度略有下降,但总体较为稳定。
图2 不同参评案例个数的SRSHC模型评估精度

Fig. 2 Evaluation accuracy of SRSHC model with different number of participating cases

对于3个验证案例而言,随着参评案例个数的变化,SRSHC模型和SHC模型的评估精度在总体趋势上呈现一致性,但验证案例之间存在略微差异。如图3（a）所示,对于2010年青海玉树地震事件而言,当参评案例个数为2个以上时,SRSHC模型精度在73.8%~97.92%;随着参评案例个数的增加,模型精度呈现缓慢下降的趋势,且选取3个历史案例进行评估时评估精度最佳。SHC模型在参评案例个数为6时,评估精度最佳,此后随着案例个数增加,精度略微下降,趋势与SRSHC模型一致。如图3（b）所示,在2013年四川芦山地震事件评估中,当参评案例个数为2个及以上时,SRSHC模型精度在86.45%~98.78%;随着参评案例个数的增加,模型精度略有波动,但总体趋势平稳,且选取3个历史案例进行评估时评估精度最佳。而SHC模型随着参评案例个数的增加,模型精度呈现下降趋势,在参评案例个数为2时达到模型精度最佳。如图 3（c）所示,在2014年云南鲁甸地震事件评估中,SRSHC模型与SHC模型的总体趋势一致,SRSHC模型在参评案例个数为4时达到评估精度最佳,而SHC模型在参评案例个数为6时评估精度最佳,此后都随着案例个数的增加,呈现平稳下降的趋势。其中,当参评案例个数在2个以上时,SRSHC模型的评估精度在68.61%~98.11%之间。
图3 不同参评案例个数的SRSHC模型和SHC模型评估精度比较

Fig. 3 Comparison of evaluation accuracy between SRSHC model and SHC model with different number of participating cases

通过对3个验证案例进行测试,结果表明,当参评案例的个数为2个以上时,SRSHC模型的评估精度较高;随着参评案例个数的增加,模型的评估精度略微下降,但总体平稳;且当参评案例的个数为3~4个时,SRSHC模型的评估精度最佳。

4 结论与讨论

4.1 结论

本研究在基于历史案例的灾情加权综合评估模型的基础上,针对地震灾害,引入了地震断层距对历史案例与当前灾害的空间相关程度进行量化,改进了参与模型评估的历史案例的权重计算,构建了基于历史相似案例空间推演的地震伤亡人口评估模型,即SRSHC模型。选取中国2000—2013年震级为4.0级以上且有人员伤亡的地震灾害统计数据作为历史案例,以2010年青海玉树地震事件、2013年四川芦山地震事件及2014年云南鲁甸地震事件为验证案例,进行模型的精度验证。结果显示:
（1）对于3个验证案例,SRSHC模型的最佳评估精度均在95%以上,表明该方法在地震伤亡人口评估方面具有一定的可行性及适用性;
（2）SRSHC模型相较于SHC模型,参评案例的个数少且精度更高,表明历史案例与当前灾害发生地区的空间相关程度对评估结果有较大影响;
（3）灾情评估的精度与参与评估的相似历史案例个数相关,当参与评估的历史案例在2个以上时,随着参与评估的相似历史案例个数增加,模型评估的精度呈现下降趋势;当参评案例的个数为3~4个时,SRSHC模型的评估精度最佳。

4.2 讨论

基于历史案例的灾情评估方法成本低、效率高、时效性强,且方法简单、约束条件较少、容易实现,能够满足在灾害发生初期对灾情快速评估的需求,在灾情评估方面具有一定的实用价值。但该方法目前也存在如下缺点:① 该方法的应用基础是历史案例,但目前不同部门的灾害数据统计口径不一致且数据获取困难,没有建设完善的自然灾害案例数据库;② 该方法只能得到评估区域灾情损失的总体估计值,而没有具体的空间分布信息。
此外,选取哪些灾害指标能够更加客观全面地体现地震灾害特征,选取何种相似度评估方法能够更加客观地体现历史案例与当前灾害的相关程度,选取何种方法能够更加客观地体现历史案例与当前灾害的空间差异,都是下一步研究的方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Xu Z, Lu X, Guan H, et al. Seismic damage simulation in urban areas based on a high-fidelity structural model and a physics engine[J]. Natural Hazards, 2014,71(3):1679-1693.

DOI

[2]
Ara S. Analyzing population distribution and its effect on earthquake loss estimation in Sylhet, Bangladesh[D]. Netherlands: University of Twente, 2013.

[3]
柏杨. 简支梁桥在地震激励下的扭转反应分析[D]. 哈尔滨:哈尔滨工业大学, 2011.

[ Bai Y. Torsional response of simply-supported girder bridge subjected to ground motion[D]. Harbin: Harbin Institute of Technology, 2011. ]

[4]
Christoskov L, Samardjieva E. An approach for estimation of the possible number of casualties during strong earthquakes[J]. Bulg Geophys, 1984,4:94-106.

[5]
Lomnitz C. Casualties and behavior of populations during earthquakes[J]. Bull Seism SocAmer, 1970,60:1309-1313.

[6]
Wyss M. Human losses expected in Himalayan earthquakes[J]. Natural hazards, 2005,34(3):305-314.

DOI

[7]
Huang X, Zhou Z L, Wang S Y. The prediction model of earthquake casuailty based on robust wavelet v-SVM[J]. Natural Hazards, 2015,77(2):717-732.

DOI

[8]
张莹, 郭红梅, 尹文刚, 等. 基于多因素的地震灾害人员伤亡评估模型研究[J]. 震灾防御技术, 2017,12(4):870-881.

[ Zhang Y, Guo H M, Yin W G, et al. Study of Multiple Factors-based Earthquake Disaster Casualties Evaluation Model[J]. Technology for Earthquake Disaster Prevention, 2017,12(4):870-881. ]

[9]
肖光先. 地震工程中的经济问题[J].世界地震工程,1986(1):3-10,19.

[ Xiao G X. Economic issues in earthquake engineering[J]. World Earthquake Engineering, 1986(1):3-10,19. ]

[10]
程家喻, 杨喆. 评估地震人员伤亡的软件系统[J].地震地质,1996(4):462-470.

[ Cheng J Y, Yang Z. A software system of evaluating earthquake casualties[J]. Seismology and Geology, 1996(4):462-470. ]

[11]
郑山锁, 张睿明, 陈飞, 等. 地震人员伤亡评估理论及应用研究[J]. 世界地震工程, 2019,35(1):87-96.

[ Zheng S S, Zhang R M, Chen F, et al. Research on theory and application of earthquake casualty estimates[J]. World Earthquake Engineering, 2019,35(1):87-96. ]

[12]
赵振东, 郑向远, 钟江荣, 等. 地震人员伤亡的动态评估[J]. 地震工程与工程振动, 1999,19(4):149-156.

[ Zhao Z D, Zheng X Y, Zhong J R, et al. Dynamic method of assessing seismic casualties[J]. Earthquake Engineering and Engineering Vibration, 1999,19(4):149-156. ]

[13]
赵振东, 郑向远. 唐山地震人员伤亡数值模拟与评估[J]. 地震工程与工程振动, 2006,26(3):28-30.

[ Zhao Z D, Zheng X Y. Numerical simulation and assessment of Tangshan seismic casualties[J]. Earthquake Engineering and Engineering Vibration, 2006,26(3):28-30. ]

[14]
杨明儒. 地震压埋人员分布评估方法研究[D]. 哈尔滨:中国地震局工程力学研究所, 2014.

[ Yang M R. Study on the assessment method of buried personnel distribution in earthquake[D]. Harbin: Institute of Engineering Mechanics, China Earthquake Administration, 2014. ]

[15]
陈棋福, 陈凌. 利用国内生产总值和人口数据进行地震灾害损失预测评估[J].地震学报,1997(6):83-92.

[ Chen Q F, Chen L. Forecast of earthquake disaster losses using GDP and population data[J]. Acta Seismologica Sinica, 1997(6):83-92. ]

[16]
王晓青, 丁香, 王龙 等. 四川汶川8级大地震灾害损失快速评估研究[J]. 地震学报, 2009,31(2):205-211,235.

[ Wang X Q, Ding X, Wang L, et al. A study on fast earthquake loss assessment and its application to 2008 Wenchuan M8 earthquake[J]. Acta Seismologica Sinica, 2009,31(2):205-211,235. ]

[17]
Hashemi M, Alesheikh A A. A GIS-based earthquake damage assessment and settlement methodology[J]. Soil Dynamics & Earthquake Engineering, 2011,31(11):1607-1617.

[18]
丁香, 王晓青, 窦爱霞. 基于GIS的地震现场应急指挥管理信息系统研制[J]. 地震, 2014,34(3):160-170.

[ Ding X, Wang X Q, Dou A X. Development of an Earthquake Field Emergency Management Information System Based on GIS[J]. Earthquake, 2014,34(3):160-170. ]

[19]
Aghamohammadi H, Mesgari M S, Mansourian A, Molaei D. Seismic human loss estimation for anearthquake disaster using neural network[J]. Environ Sci Technol, 2013,10(5):931-939.

DOI

[20]
Muhammet G, Ali F G. An artificial neural network based on earthquake casualty estimation model for Istanbul city[J]. Nat Hazards, 2016,84:2163-2178.

DOI

[21]
杨帆, 郑宝柱, 剡亮亮. 基于BP神经网络的地震伤亡人数评估体系研究[J]. 震灾防御技术, 2009,4(4):428-435.

[ Yang F, Zheng B Z, Yan L L. System of earthquake casualty assessment based on BP neural network[J]. Technology of Earthquake Disaster Prevention, 2009,4(4):428-435. ]

[22]
于山, 王海霞, 马亚杰. 三层BP神经网络地震灾害人员伤亡预测模型[J]. 地震工程与工程振动, 2005,25(6):113-117.

[ Yu S, Wang H X, Ma Y J. Three layer BP network model for estimation of casualties in an earthquake[J]. Earthquake Engineering and Engineering Vibration, 2005,25(6):113-117. ]

[23]
周德红, 冯豪, 程乐棋, 等. 遗传算法优化的BP神经网络在地震死亡人数评估中的应用[J]. 安全与环境学报, 2017,17(6):2267-2272.

[ Zhou D H, Feng H, Cheng L Q, et al. Earthquake casualty assessment based on the BP neural network of the optimized genetic algorithm[J]. Journal of Safety and Environment, 2017,17(6):2267-2272. ]

[24]
夏兴生, 朱秀芳, 潘耀忠, 等. 基于历史案例的自然灾害灾情评估方法研究[J]. 灾害学, 2016,31(1):219-225.

[ Xia X S, Zhu X F, Pan Y Z, Zhang J S. Study on evaluation method of natural disaster based on historical cases[J]. Journal of Catastrophology, 2016,31(1):219-225. ]

[25]
刘雅玉. 基于案例推理的台风灾害快速评估方法[D]. 武汉:武汉大学, 2018.

[ Liu Y Y. Rapid assessment of typhoon disaster based on case-based reasoning[D]. Wuhan: Wuhan University, 2018. ]

[26]
夏兴生, 朱秀芳, 潘耀忠, 等. 基于历史相似案例的农业旱灾灾情快速评估方法研究[J]. 北京师范大学学报(自然科学版), 2015,51(S1):77-81.

[ Xia X S, Zhu X F, Pan Y Z, Zhang J S. Assessment of disaster losses based on similarly historical drought disaster dataset[J]. Journal of Beijing Normal University (Natural Science), 2015,51(S1):77-81. ]

[27]
邓起东, 张培震, 冉勇康, 等. 中国活动构造与地震活动[J].地学前缘,2003(S1):66-73.

[ Deng Q D, Zhang P Z, Ran Y K, et al, Active tectonics and earthquake activities in China[J]. Earth Science Frontiers, 2003(S1):66-73. ]

[28]
赵振东, 郑向远. 地震人员伤亡研究的回顾与进展[J].自然灾害学报,2000(1):93-99.

[ Zhao Z D, Zheng X Y. Review and progress of seismic casualties assessment[J]. Journal of Natural Disasters, 2000(1):93-99. ]

[29]
张莹, 尹文刚, 郭红梅, 等. 地震灾害人员伤亡关键影响因素指标体系构建[J]. 防灾减灾学报, 2017,33(4):87-94.

[ Zhang Y, Yin W G, Guo H M, He Y F. The construction of earthquake disaster casualties key influence factors index system[J]. Journal of Disaster Prevention and Reduction, 2017,33(4):87-94. ]

Options
文章导航

/

〈 〉