2019, Vol. 62
随着社会的现代化发展, 地震风险(Seismic Risk)的概念正被越来越频繁地使用.一个地区的地震风险指这个地区可能遭受的因地震引起的损失的可能性和程度.地震风险的计算可由式(1)表示:
|
(1) |
地震危险性、人工设施的易损性(Vulnerability)和承灾体(人工设施)暴露在地震危险性中的规模(Exposure)是影响地震风险的三个因素.
地震风险研究是当今地震学界的热点问题.在国际上, 全球地震模型(GEM)基金会致力于全球地震风险的研究(Silva et al., 2014), 目前已完成及正在进行欧洲、中亚、美国、南美等全球多地的地震风险分析工作(Silva et al., 2014; Wieland et al., 2015; Despotaki et al., 2017).同时, GEM开发了地震风险计算工具OpenQuake(Silva et al., 2014), 正在组织全球的地震风险评估工作.
除GEM外, 还有许多其他的地震风险相关研究.Salgado-Gálvez等(2016)进行了哥伦比亚麦德林地区的地震风险评估, 划分了麦德林城市的不同地震风险等级.Bartoli等(2016)对意大利San Gimignano的古建筑进行了地震风险评估, 建立了不同类型建筑的易损性模型, 并给出了不同建筑对地震作用的响应.在国内, 地震风险评估工作近年来也广泛开展.王志涛等(2008)研究了城市地震灾害风险区划方法, 以厦门市地震灾害风险区划分为例进行了风险区划网格划分, 并计算了不同网格的地震灾害风险, 找出了厦门市地震风险严重的区域.吕大刚和于晓辉(2013)开展了基于地震易损性解析函数的概率地震风险理论研究, 采用幂指数形式的地震危险性函数, 进一步将已获得的地震易损性解析函数拓展得到概率地震风险函数的解析形式, 发展了地震风险评估的方法.刘吉夫等(2008)研究了中国大陆地震风险分析模型, 通过收集中国大陆大量地震灾害基础资料, 根据实际地震影响烈度分布特点, 改进了地震脆弱性模型.
综上所述, 地震风险评估在世界各地的研究开展的时间不长, 还处在起步和发展阶段.地震风险评估比较常用的方法是将地震危险性资料和建筑、人口等承灾体的资料结合, 给出承灾体可能遭受的地震损失结果.
图像模式识别(Image Pattern Recognition)技术是人工智能(Artificial Intelligence, AI)技术的重要分支, 是根据图像对象的特征建立模式类, 并根据对象的模式取值, 确定对象的从属关系的技术.图像模式识别已经在卫星图片、遥感等二维图像处理研究中得到了较多应用(李小涛, 2004; 李燕等, 2012; 侯舒维等, 2014).但是, 对图像中三维特征的处理和识别技术还未在建筑结构类型的统计中获得广泛应用.本文尝试将三维图像模式识别技术应用在无人机航拍图像处理和模式识别中, 用于建筑类型和数量的统计, 为AI技术在地学研究中的更多应用进行探索.
西藏东南部包括拉萨、山南、林芝三市, 共27个区县(图 1), 总人口约200万, 约占西藏人口的三分之二, 是西藏人口最稠密、经济相对发达的地区.同时, 西藏东南部位于欧亚板块和印度板块边界, 分布有多条大型活动构造断裂, 大地震频繁发生, 地震危险性较高.西藏东南部三地市辖内有记录的6级以上地震共有33次, 其中8级或以上地震3次, 分别是拉萨当雄在1411年和1951年的8级地震, 以及林芝察隅在1950年的8.6级地震.近年来, 中国政府致力于重点扶持西藏的经济建设, 西藏东南部是首先发展的地区.因此, 了解西藏东南部的地震风险具有重要的意义.本文在对西藏东南部各县的建筑类型、数量、易损性调查的基础上, 结合当地的人口和住房特点, 估计了不同类型建筑在西藏东南部的分布情况, 建立了不同建筑物的结构易损性和人口易损性模型, 并且估算了西藏东南部各县在遭遇一次设定地震时的损失分布和基于危险性的未来50年可能的损失分布情况.
|
图 1 研究区域, 其中阴影地区为实地采集建筑资料的地区 Fig. 1 Study area, and the shaded areas have building image data |
西藏东南部人口分布数据来自第六次人口普查和各县市的年度报告(国务院人口普查办公室和国家统计局人口和就业统计司, 2010).可收集到的数据有每个县的总人口和总户数, 以及城镇人口数和农村人口数.
建筑的分类基于中国地震局地球物理研究所对西藏东南部的实地考察.考察走访了西藏东南部27个区县中的13个(图 1), 采集的建筑物样本超过一千栋.考察中发现, 西藏东南部的建筑分布存在以下几个特点:
(1) 人口和建筑多分布于河谷, 集中于市区县城.
(2) 民居的结构类型和易损性特征在卫星图片上难识别, 但无人机航拍可识别.
(3) 城镇居民和农村居民的房屋结构和易损性存在差别, 城区楼房与内地城市差别不大, 农村分布有较多自建新房和传统老旧藏式建筑.
(4) 藏东南林区有相当数量的木结构房屋.
1.2 研究方案根据1.1的数据特征, 对西藏东南部的建筑进行逐栋的精确统计和分类很难实现.因此, 本文考虑使用合理的估算与抽样调查相配合的方法, 得到各类型建筑的数量.本文建筑分类和建立承灾体规模模型的方案如下:
(1) 假设所有的人口和建筑都集中在市区和县城的中心区域(即图 1中各点的位置).
(2) 由于城镇居民和农村居民住房结构类型和易损性存在差异, 因此将人口分为城镇人口和农村人口分别统计.
(3) 在建筑分类时, 将易损性相同的房屋归为一类.
(4) 由于很难精确统计出不同类型房屋的具体总数, 因此假设同属一户的房屋易损性相同, 将户数作为房屋数量统计.
(5) 假设城镇与农村的人口/户数比相同, 按照城镇/农村的人口比分配城镇和农村的总户数.
以下介绍具体的模型建立和地震风险计算过程.
2 承灾体模型的建立 2.1 人口分布西藏东南部各县人口数量如图 2所示.按照1.2的方法统计各县的农村人口和户数、城镇人口和户数.例如图 3给出了各县农村户数的分布.各县城镇、农村人口及户数分布如表 1所示.
|
图 2 西藏东南部各县人口分布图(数据来源:第六次人口普查) Fig. 2 Population of the towns in Southeastern Tibet (Data from the 6th National Census of China) |
|
图 3 西藏东南部各县农村户数分布图 Fig. 3 Numbers of rural households in each town |
|
表 1 各县城镇、农村人口及户数统计表 Table 1 Numbers of urban and rural households in each town |
根据在西藏东南部的实地调查结果, 将西藏东南部的建筑分为以下四类:公建房(PUB)、自建新房(PRV)、老旧房(OLD)和木结构房(WOD).四种建筑的典型图如图 4所示.
|
图 4 四种房屋建筑类型典型图 (a)公建房; (b)自建新房; (c)老旧房; (d)木结构.资料来源:中国地震局地球物理研究所地震保险项目组. Fig. 4 Typical images of the four building types (a) Public; (b) New-built Private; (c) Old; (d) Wood.Data source:Earthquake Insurance Group of Institute of Geophysics, China Earthquake Administration. |
4类建筑结构的外观特征较为鲜明:
(1) 公建房通常层数较多, 多不少于3层, 而其他3类建筑很少超过2层.
(2) 老旧房具有传统藏式建筑的特征, 开窗较小, 明显小于其他3类建筑.
(3) 木结构建筑的外观有明显的由于木桩(板)拼接形成的密集栅格状纹理.
这些特征可用于建立各类建筑的模式和模式类.
2.3 建筑类型模式类向量的建立和模式识别 2.3.1 模式类向量和模式识别算法要对建筑的图像进行模式识别, 需要确定所考虑的模式.通过对2.2节四种建筑类型的特征分析, 考虑建筑的3个模式:层数(F)、窗户面积比(W)和密集栅格状纹理(T).3个模式分别说明如下:
(1) 层数F:建筑的层数.该模式主要用于识别出公建房.
(2) 窗户面积比W:外墙窗户面积与墙面面积之比.该模式主要用于识别出老旧传统藏式建筑.
(3) 密集栅格状纹理T:外墙有密集栅格状纹理记为T=1, 反之记为T=0.该模式主要用于识别出木结构建筑.
3个模式对应的模式类向量可表示为层数模式类(FPUB, FPRV, FOLD, FWOD)、窗户面积比模式类(WPUB, WPRV, WOLD, WWOD)和栅格状纹理模式类(TPUB, TPRV, TOLD, TWOD).模式识别的思想为, 将图像转换为像素信息矩阵; 在像素信息矩阵中识别出符合建筑矩阵特征的子矩阵, 作为建筑单元并统计建筑数量; 以每幢建筑为单位, 分别读取建筑图像模式F、W和T, 当F≥3时识别为PUB; 当F < 3且W < 0.1是识别为OLD; 当F < 3且W≥0.1且T=1时识别为WOD; 其余识别为PRV.模式识别的流程图如图 5所示.对一幅图像的模式识别示例如图 6所示.
|
图 5 建筑图像模式识别流程图 Fig. 5 Flow chart of building image pattern recognition |
|
图 6 建筑图像模式识别示例 Fig. 6 An example of pattern recognition for a building image |
2.3.1节的模式识别算法的准确率如何, 需要实例加以检验.本节选取了房屋数量较少的4张无人机航班照片, 比较采用模式识别算法与人工统计方法的结果, 分析模式识别算法的准确率.
4张照片分别计为照片1-4, 如图 7所示.模式识别和人工统计的各类型建筑的数量及准确率如表 2所示.由表 2可见, 本文的模式识别算法对公建房、老旧房识别准确率较高, 木结构识别准确率稍低, 但总体对类型建筑数量的统计较准确.
|
图 7 模式识别算法检验实例图 (a)照片1; (b)照片2; (c)照片3; (d)照片4. Fig. 7 Examples of testing the pattern recognition algorithm (a) Picture 1; (b) Picture 2; (c) Picture 3; (d) Picture 4. |
|
|
表 2 模式识别与人工统计建筑数量统计表(幢) Table 2 Building numbers counted by pattern recognition and by artificial counting |
用抽样调查的方法估算四种类型的建筑在各县的分布数量.将拉萨、山南、林芝三个市的市区分为市主城区和市郊乡村两类区域分别统计, 将24个县也分为县城城区和县辖乡村分别统计.林区的木结构分布区也抽样统计.选用的抽样地区如表 3所示.抽样采用无人机航拍的方式.各抽样点的航拍图如图 8所示.使用2.3节的模式识别方法统计出各抽样地区的建筑数量分布, 如表 4所示, 其中岗堆村与帮加村联合统计, 代表木结构分布密集区.
|
|
表 3 建筑数量统计抽样地区 Table 3 Building number sampling areas |
|
图 8 各抽样点航拍图 (a)山南市乃东区; (b)拉萨市城关区娘热乡; (c)拉萨市曲水县才纳乡; (d)林芝市鲁朗镇; (e)波密县岗堆村; (f)米林县帮加村.资料来源:中国地震局地球物理研究所地震保险项目组). Fig. 8 UAV aerial images of each sampling point (a) City center of Shannan; (b) Niangre County; (c) Qushui Town; (d) Lulang County; (e) Gangdui Village, (f) Bangjia Village.Data source:Earthquake Insurance Group of Institute of Geophysics, China Earthquake Administration. |
|
|
表 4 抽样点的各类型建筑分布数量与比例统计 Table 4 Numbers and proportion of buildings at sampling points |
将表 1中的各县城镇和农村户数按照表 4中的比例分配各类型建筑数量.例如, 拉萨市林周县城镇户数489户, 则各类型建筑的比例参照县城城区曲水县才纳乡的统计结果, 林周县县城区自建新房数量为489×25.88%≈127(栋).据此方法统计出的西藏东南部各县各类型建筑数量如表 5所示.
|
|
表 5 各县各类型建筑总数统计表 Table 5 Numbers and occupancy of each building type in each town |
为了计算地震可能造成的人员伤亡, 需要统计出各类型建筑中居住的人口.将各区县的总人口乘以该县特定类型建筑的比例, 可计算出该县该类型建筑居住的总人口.各县各类型建筑的建筑人口如表 5中所列.
为了计算地震造成的财产损失, 需统计出各类型建筑的价值.本文只考虑地震造成的建筑结构破坏造成的损失.根据市场行情, 本文取市区公建房、县城公建房、自建新房、老旧房和木结构的价值分别为每栋30万元、25万元、20万元、10万元和10万元.统计出的各县各类型建筑的总价值如表 6所示.
|
|
表 6 各县各类型建筑总价值(单位:万元) Table 6 Total value of each building type in each town (in 104 RMB) |
对第2节的四种建筑类型建立易损性模型.建立方法主要基于西藏及周边地区近年来地震灾害的震害统计资料, 如2010年青海玉树地震M7.1级地震(谭明等, 2010; 秦松涛等, 2010; 黄思凝等, 2011; 白国良等, 2011), 2015年尼泊尔MW7.8级地震(高锦瑞等, 2015; 王晓青等, 2015; 曲哲和杨永强, 2015; 张昊宇等, 2016; 潘毅等, 2017)、2017年西藏米林M6.9地震等.玉树地震、尼泊尔地震的典型震害图片如图 9所示.
|
图 9 震害统计图片 (a)尼泊尔地震后的西藏樟木, 烈度8度; (b)尼泊尔地震后的西藏吉隆, 烈度8度; (c)玉树地震后的结古镇, 烈度9度; (d)米林地震后的林芝市, 烈度7度.图片来源:高锦瑞等(2015); 白国良等(2011); 曲哲和杨永强(2015). Fig. 9 Images of destruction in earthquake disasters in Tibet and surrounding areas in recent years (a) Zhangmu after the 2015 Nepal Earthquake; (b) Jilong after the 2015 Nepal Earthquake; (c) Jiegu after the 2010 Yushu Earthquake; (d) Nyingchi after the 2017 Milin Earthquake.Data source:Gao et al.(2015); Bai et al.(2011); Qu and Yang (2015). |
根据以上资料, 分别统计上述地震在不同地震动强度地区造成的不同建筑类型的损失率和人口伤亡率, 如表 7和表 8所示.绘出四种建筑类型的结构和人口易损性曲线如图 10所示.
|
|
表 7 不同地震动强度造成的建筑损失率表 Table 7 Loss ratio of buildings destructed by different ground motions |
|
|
表 8 不同地震动强度造成的不同建筑类型的人口伤亡率表 Table 8 Casualties from buildings by different ground motions |
|
图 10 四种类型建筑的易损性曲线 (a)结构易损性; (b)人口易损性. Fig. 10 Vulnerability curves of the four types of buildings (a) Structural vulnerability; (b) Occupancy vulnerability. |
同时, 本文将所建立的易损性模型与Chaulagain等(2015)对尼泊尔的地震危险性和地震风险评估研究中尼泊尔的几种建筑的易损性进行了比较.选取的尼泊尔的建筑类型分别为混凝土、不设防砖混、土坯房、木结构.四种建筑结构分别与尼泊尔的四种建筑的结构易损性曲线比较如图 11所示.由图可见, 西藏的公建房、自建新房的抗震性好于尼泊尔的混凝土和不设防砖混, 老旧房与土坯房易损性接近, 两地区的木结构易损性接近.
|
图 11 西藏与尼泊尔建筑结构易损性曲线的比较 (a)西藏公建房与尼泊尔混凝土结构易损性比较; (b)西藏自建新房与尼泊尔不设防砖混易损性比较; (c)西藏老旧房与尼泊尔土坯房易损性比较; (d)西藏木结构与尼泊尔木结构易损性比较. Fig. 11 Vulnerability models comparison between buildings in Southeastern Tibet and Nepal (a) Public vs Concrete; (b) Private vs UBM; (c) Old vs Adobe; (d) Tibetan Wood vs Nepal Wood. |
根据以上建立的承灾体规模模型和易损性模型, 估算西藏东南部一次地震可能造成的损失情况.考虑模拟历史地震的重现.图 12为西藏东南部的断层分布和历史地震(截止2012年)情况.其中曲松—桑日断裂1915年发生了7~7.5级地震.另外, 2017年11月18日林芝米林发生了6.9级地震.地震动模拟是生成地震动影响场的常用方法(孟庆筱和党学会, 2018).模拟米林地震并产出震后损失分布图, 与实际震害比较, 能够在一定程度上验证本文承灾体模型和易损性模型的可靠性.因此本文分别模拟了这两次地震的地震动分布, 并计算了西藏东南部可能遭受的人员伤亡分布.
|
图 12 西藏东南部的断层分布和历史地震分布图(截止2012年) Fig. 12 Faults and history earthquakes in Southeastern Tibet (Until 2012) |
设定地震使用的断层参数如表 9所示.发震断层设为一条与雅鲁藏布江断裂共轭的NW-SE走向断裂.震级-破裂尺度的经验关系使用Wells和Coppersmith (1994)提出的关系, 地震动衰减关系使用俞言祥等(2013)对中国地震动参数区划图使用的衰减关系.模拟出的地震动分布如图 13所示.
|
|
表 9 模拟米林地震的断层参数 Table 9 Fault parameters of simulated Milin Earthquake |
|
图 13 模拟米林6.9级地震的地震动影响场 Fig. 13 Ground motion field of simulated Milin M6.9 Earthquake |
根据地震动影响场、承灾体规模模型和易损性模型, 计算曲松-桑日地震在西藏东南部各县造成的建筑物轻度以上破坏数量和人员伤亡分布, 如图 14—15所示.本文所述的轻度以上破坏指建筑物损失率超过10%.各县建筑物轻度以上破坏数量和人员伤亡如表 10所示.可见, 模拟的米林地震可能造成的建筑物轻度以上破坏数量总数约6600间, 人员伤亡总数约50人, 其中林芝市损失最重.
|
图 14 模拟米林6.9级地震在西藏东南部造成的建筑轻度以上受损数量分布 Fig. 14 Numbers of simulated damaged buildings worse than slight damage by M6.9 Milin Earthquake |
|
图 15 模拟米林6.9级地震在西藏东南部造成的人员伤亡分布 Fig. 15 Simulated casualties in Milin M6.9 Earthquake |
|
|
表 10 模拟米林6.9级地震造成各县人员伤亡列表 Table 10 Simulated casualties in each town in Milin M6.9 Earthquake |
2017年米林6.9级地震的实际震害为房屋受损7800余间, 2人受伤.可见本文的建筑损失的模拟结果比实际震害偏轻, 人员伤亡的模拟结果比实际震害偏重, 但总体误差在合理范围内.
4.2 模拟曲松—桑日M7.5级地震损失估计设定地震使用的断层参数如表 11所示.发震断层设为曲松—桑日断裂.震级-破裂尺度的经验关系使用Wells和Coppersmith (1994)提出的关系, 地震动衰减关系使用俞言祥等(2013)对中国地震动参数区划图使用的衰减关系.模拟出的地震动分布如图 16所示.
|
|
表 11 模拟曲松—桑日地震的断层参数 Table 11 Fault parameters of the simulated Qusong-Sangri Earthquake |
|
图 16 模拟曲松—桑日7.5级地震(震源深度5 km)的地震动影响场 Fig. 16 Ground motion field of simulated Qusong-Sangri Earthquake (hypocenter depth is 5 km) |
根据地震动影响场、承灾体规模模型和易损性模型, 计算曲松—桑日地震在西藏东南部各县造成的人员伤亡分布, 如图 17所示.人员伤亡最严重的10个县的列表如表 12所示.可见, 如果曲松—桑日发生7.5级地震, 可能对拉萨、山南两市造成较重的人员伤亡, 其中乃东区和曲松县最重, 可能均超过1500人.
|
图 17 模拟曲松—桑日7.5级地震(震源深度5 km)在西藏东南部造成的人员伤亡分布 Fig. 17 Simulated casualties in Qusong-Sangri M7.5 Earthquake (hypocenter depth is 5 km) |
|
|
表 12 模拟曲松—桑日7.5级地震造成人员伤亡最重的10个县列表 Table 12 Top ten towns with the most serious casualties in Qusong-Sangri M7.5 Earthquake |
本文还研究了震源深度可能对地震损失的分布产生的影响.使用相同方法模拟了曲松—桑日7.5级地震震源深度分别为10 km、15 km和20 km(其余参数均不变)时在各县可能造成的伤亡情况, 也列在表 12中.由表 12可看出, 随着震源深度的增加, 各地的可能伤亡数量均呈加速减少趋势.可见震源深度对大地震的损失分布有明显影响, 随着震源深度的增加, 可能造成的伤亡加速减少.
5 基于地震危险性的地震风险分析本节基于西藏东南部的地震危险性资料估算未来50年可能遭受的地震财产损失分布.地震危险性的资料来源于《中国地震动参数区划图(GB18306-2015)》(中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会, 2015).西藏东南部地震危险性图如图 18所示.
|
图 18 西藏东南部地震危险性图 Fig. 18 Seismic hazard map of Southeastern Tibet |
使用基于蒙特卡洛的地震危险性计算方法(Ebel and Kafka, 1999)生成50年的随机地震目录, 对每次地震计算个各县的损失情况, 再计算出50年的总损失.各县的50年超越概率10%的损失分布情况如图 19所示.经济损失风险最高的10个县的列表如表 13所示.可见, 未来50年财产损失风险最高的地区是拉萨市区、林芝市区和错那县, 超越概率10%的损失可能超过6亿元.其中拉萨市区可能超过20亿元.
|
图 19 西藏东南部各县50年超越概率10%的财产损失分布图 Fig. 19 Building economic losses with 10% exceedance in 50 years in Southeastern Tibet |
|
|
表 13 西藏东南部地震财产损失风险最高的10个县列表 Table 13 Top ten towns with most losses in 50 years in Southeastern Tibet |
本文使用西藏东南部的人口和建筑结构类型资料, 用估算的方法建立了人口和建筑的承灾体模型, 根据藏式建筑结构在历史地震中的震害资料建立了各类型建筑的结构易损性和人口易损性模型, 并对西藏东南部的地震人员伤亡和建筑经济损失风险进行了评估.本文的研究中有以下几点值得讨论:
(1) 本文建立承灾体规模模型的过程中, 使用了诸多假设, 如假设全县人口均集中在县城、假设城乡的人口/户数比例相同等.这些假设源自实地调研的认识, 多数假设符合当地特点和实际, 类似方法可在有相同特点地区推广.
(2) 本文估算不同建筑类型居住人口的方法, 类似于“费米问题”(周小奋, 2011)使用的估算方法, 虽存在误差, 但总体是合理的.今后如能获取更精确的数据, 能改进本文的结果.
(3) 本研究随机不确定性主要来自于易损性模型标准差.认知不确定性主要来自于建立承灾体规模模型过程中的假设、模式识别正确率的不确定性, 以及建筑分类、抽样调查中认知不足造成的不确定性.
(4) 西藏东南部近年来重大工程、基础设施建设快速发展, 吸引了许多内地人支援建设, 人口增长十分迅速.因此, 承灾体模型正在不断变化.本文的研究希望能对认识该地区的地震风险现状、制定减灾对策提供参考.
(5) 本文的模式识别方案是利用建筑的外观识别建筑的模式, 当外观特征不明显难以识别时(如木结构的密集栅格), 需要人工辅助识别.本文的三维图像模式识别方法是否适用于于更多地区更多类型的建筑, 如何提高识别的正确率, 还需要更多的研究和应用的检验和探索.
本文得出的主要结论有:
(1) 西藏东南部的公建房和木结构房抗震性能较好, 自建新房有一定抗震能力, 老旧房抗震性能较差.
(2) 本文的米林6.9级地震建筑损失模拟结果比实际震害偏轻, 人员伤亡模拟结果比实际伤亡偏重, 但总体误差在合理范围内, 证明了本文模型的合理性.
(3) 若曲松—桑日发生7.5级地震, 可能造成拉萨、山南两市较重的人员伤亡, 其中曲松县和乃东区最重, 可能均超过1500人.
(4) 震源深度对大地震的损失分布有明显影响, 随着震源深度的增加, 可能造成的伤亡呈加速减少趋势.
(5) 西藏东南部未来50年建筑地震风险最高的地区是拉萨市区、林芝市区和错那县, 其中拉萨市区的建筑财产损失风险最高.
(6) 本文使用的三维图像模式识别方法在数秒内识别了1000余幢建筑物的模式特征, 效率远高于人工识别, 根据识别结果建立的承灾体模型结果模拟地震震害的检验, 说明了该AI技术在对西藏东南部建筑图像分类与识别中的有效性.
致谢 本文资料收集及撰写过程中, 得到了以下单位和个人的大力支持和无私帮助, 在此特别表示感谢:西藏自治区政府、西藏地震局、拉萨市城关区娘热乡政府、娘热乡加尔西村支部、堆龙德庆区桑木村支部、山南市地震局、林芝市地震局.本文计算地震风险使用的是全球地震模型(GEM)基金会开发的OpenQuake软件(Silva et al., 2013, 2014).2017年西藏米林MS6.9地震的震害资料来自网络和中国地震局地震应急救援队.
Bai G L, Xue F, Xu Y Z. 2011. Seismic damage analysis and reduction measures of buildings in village and town in the Yushu Earthquake. Journal of Xi'an University of Architecture & Technology (Natural Science Edition) (in Chinese), 43(3): 309-315. |
Bartoli G, Betti M, Vignoli A. 2016. A numerical study on seismic risk assessment of historic masonry towers:a case study in San Gimignano. Bulletin of Earthquake Engineering, 14(6): 1475-1518. DOI:10.1007/s10518-016-9892-9 |
Chaulagain H, Rodrigues H, Silva V, et al. 2015. Seismic risk assessment and hazard mapping in Nepal. Natural Hazards, 78(1): 583-602. DOI:10.1007/s11069-015-1734-6 |
China General Administration of Quality Supervision, Inspection and Quarantine (CGAQSIQ), China National Standardization Administration (CNSA). 2015. GB 18306-2015 Seismic Ground Motion Parameters Zonation Map of China. Beijing: China Standard Press.
|
Despotaki V, Burton H V, Schneider J, et al.2017."Back to Normal": Earthquake Recovery Modelling.California Seismic Safety Commission, CSSC Publication No.2017-06.
|
Ebel J E, Kafka A L. 1999. A Monte Carlo approach to seismic hazard analysis. Bulletin of the Seismological Society of America, 89(4): 854-866. |
Gao J R, Ni ma, Wen S L, et al. 2015. Characteristics of seismic damage by the Nepal M8.1 earthquake in the Tibet area of China. Technology for Earthquake Disaster Prevention (in Chinese), 10(4): 961-968. |
Hou S W, Sun W F, Zheng X S. 2014. Overview of cloud detection methods in remote sensing images. Space Electronic Technology (in Chinese), 11(3): 68-76, 86. |
Huang S N, Yuan Y F, Meng Q L, et al. 2011. Study on seismic resistance of rural houses based on earthquake damage to buildings in Yushu earthquake. World Earthquake Engineering (in Chinese), 27(2): 77-82. |
Li X T.2004.Application Research on remote sensing image classification based on geostatistics and ANN[Master's thesis] (in Chinese).Ji'nan: Shandong University of Science and Technology.
|
Li Y, Chen Y, Dong X L, et al. 2012. Remote sensing image recognition algorithm based on neural network. Geomatics & Spatial Information Technology (in Chinese), 35(2): 156-158. |
Liu J F, Chen Y, Shi P J, et al. 2008. On seismic risk assessment in Mainland China. Journal of Beijing Normal University (Natural Science) (in Chinese), 44(5): 520-523. |
Lv D G, Yu X H. 2013. Application study of probabilistic seismic risk assessment based on analytical functions of seismic fragility. Journal of Building Structures (in Chinese), 34(10): 49-56. |
Meng Q X, Dang X H. 2018. Research on Current Crustal Deformation in the Jiuzhaigou Area under the Constraints of GPS Results by Discontinuous Contact Model. Journal of Seismological Research (in Chinese), 41(3): 390-397. |
Pan Y, Wang Z K, Shi S J, et al. 2017. Investigation and analysis on seismic damage of residential buildings along the highway from Kathmandu to Zhangmu in MS8.1 Gorkha Earthquake.Journal of Hunan University. Journal of Hunan University (Natural Sciences) (in Chinese), 44(3): 35-44. |
Qin S T, Li Z M, Tan M, et al. 2010. Analysis of damage characteristics of the M7.1 Yushu earthquake of Qinghai and the enlightenments. Journal of Catastrophology (in Chinese), 25(3): 65-70. |
Qu Z, Yang Y Q. 2015. Seismic damages to owner-built dwellings in the 2015 earthquake sequence in Nepal. Earthquake Engineering and Engineering Dynamics (in Chinese), 35(4): 51-59. |
Salgado-Gálvez M A, Romero D Z, Velásquez C A, et al. 2016. Urban seismic risk index for Medellín, Colombia, based on probabilistic loss and casualties estimations. Natural Hazards, 80(3): 1995-2021. DOI:10.1007/s11069-015-2056-4 |
Silva V, Crowley H, Pagani M, et al. 2014. Development of the OpenQuake engine, the Global Earthquake Model's open-source software for seismic risk assessment. Natural Hazards, 72(3): 1409-1427. DOI:10.1007/s11069-013-0618-x |
State Council Census Committee (SCCC), National Bureau of Statistics Population and Employment Statistics Division (NBSPESD). 2010. Tabulation on the 2010 Population Census of the People's Republic of China (in Chinese). Beijing: China Statistics Press.
|
Tan M, Li Y, Hu W H, et al. 2010. Investigation and analysis on seismic hazards on building construction of Yushu 7.1 Earthquake in Qinghai. Inland Earthquake (in Chinese), 24(2): 173-179. |
Wang Z T, Su J Y, Ma D H, et al. 2008. Research on risk zoning of urban seismic disasters. China Safety Science Journal (in Chinese), 18(9): 5-10. |
Wang X Q, Huang S S, Ding X, et al. 2015. Extraction and analysis of building damage caused by Nepal MS8.1 earthquake from remote sensing images. Technology for Earthquake Disaster Prevention (in Chinese), 10(3): 481-490. |
Wells D L, Coppersmith K J. 1994. New empirical relationships among magnitude, rupture length, rupture width, rupture area, and surface displacement. Bulletin of the Seismological Society of America, 84(4): 974-1002. |
Wieland M, Pittore M, Parolai S, et al. 2015. Towards a cross-border exposure model for the Earthquake Model Central Asia. Annals of Geophysics, 58(1): S0106. DOI:10.4401/ag-6663 |
Yu Y X, Li S Y, Xiao L. 2013. Development of ground motion attenuation relations for the new seismic hazard map of China. Technology for Earthquake Disaster Prevention (in Chinese), 8(1): 24-33. |
Zhang H Y, Wang T, Lin X C, et al. 2016. Seismic damages of RC frames in Nepal MS8.1 earthquake. Engineering Mechanics (in Chinese), 33(9): 59-68. |
Zhou X F. 2011. Three cases of Fermi problems. Physics Bulletin (in Chinese), (5): 85-88. |
白国良, 薛冯, 徐亚洲. 2011. 青海玉树地震村镇建筑震害分析及减灾措施. 西安建筑科技大学学学报(自然科学版), 43(3): 309-315. |
高锦瑞, 尼玛, 文升梁, 等. 2015. 尼泊尔8.1级地震对中国西藏地区造成的震害特征分析. 震灾防御技术, 10(4): 961-968. |
国务院人口普查办公室委员会, 国家统计局人口和就业统计司. 2010. 中国2010年人口普查资料. 北京: 中国统计出版社.
|
侯舒维, 孙文方, 郑小松. 2014. 遥感图像云检测方法综述. 空间电子技术, 11(3): 68-76. DOI:10.3969/j.issn.1674-7135.2014.03.014 |
黄思凝, 袁一凡, 孟庆利, 等. 2011. 由玉树地震结构震害看村镇房屋抗震. 世界地震工程, 27(2): 77-82. |
李小涛.2004.地统计学和神经网络在遥感影像分类中的应用研究[硕士论文].济南: 山东科技大学.
|
李燕, 陈莹, 董秀兰, 等. 2012. 基于神经网络的遥感图像识别算法. 测绘与空间地理信息, 35(2): 156-158. DOI:10.3969/j.issn.1672-5867.2012.02.047 |
刘吉夫, 陈颙, 史培军, 等. 2008. 中国大陆地震风险分析模型研究. 北京师范大学学报(自然科学版), 44(5): 520-523. DOI:10.3321/j.issn:0476-0301.2008.05.018 |
吕大刚, 于晓辉. 2013. 基于地震易损性解析函数的概率地震风险理论研究. 建筑结构学报, 34(10): 49-56. |
孟庆筱, 党学会. 2018. GPS约束下九寨沟地区断裂带现今运动速率的非连续接触模拟研究. 地震研究, 41(3): 390-397. DOI:10.3969/j.issn.1000-0666.2018.03.007 |
潘毅, 王忠凯, 时胜杰, 等. 2017. 尼泊尔8.1级地震加德满都-樟木沿线民居震害调查与分析. 湖南大学学报(自然科学版), 44(3): 35-44. |
秦松涛, 李智敏, 谭明, 等. 2010. 青海玉树7.1级地震震害特点分析及启示. 灾害学, 25(3): 65-70. DOI:10.3969/j.issn.1000-811X.2010.03.014 |
曲哲, 杨永强. 2015. 尼泊尔自建民居在2015年地震序列中的震害. 地震工程与工程振动, 35(4): 51-59. |
谭明, 李洋, 胡伟华, 等. 2010. 青海玉树7.1级地震房屋建筑震害调查和分析. 内陆地震, 24(2): 173-179. DOI:10.3969/j.issn.1001-8956.2010.02.012 |
王志涛, 苏经宇, 马东辉, 等. 2008. 城市地震灾害风险区划的研究. 中国安全科学学报, 18(9): 5-10. DOI:10.3969/j.issn.1003-3033.2008.09.001 |
王晓青, 黄树松, 丁香, 等. 2015. 尼泊尔8.1级地震建筑物震害遥感提取与分析. 震灾防御技术, 10(3): 481-490. |
俞言祥, 李山有, 肖亮. 2013. 为新区划图编制所建立的地震动衰减关系. 震灾防御技术, 8(1): 24-33. DOI:10.3969/j.issn.1673-5722.2013.01.003 |
张昊宇, 王涛, 林旭川, 等. 2016. 尼泊尔8.1级地震钢筋混凝土框架典型震害及讨论. 工程力学, 33(9): 59-68. |
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 2015. GB 18306-2015中国地震动参数区划图. 北京: 中国标准出版社.
|
周小奋. 2011. 费米问题三例. 物理通报, 2011(5): 85-88. DOI:10.3969/j.issn.0509-4038.2011.05.031 |