2. 中国乌鲁木齐 830011 新疆维吾尔自治区地震局;
3. 中国北京 100036 中国地震局预测研究所
2. Earthquake Agency of Xinjiang Uygur Autonomous Region, Urumqi 830011, China;
3. Institute of Earthquake Science, China Earthquake Administration, Beijing 100036, China
地震发生之后, 快速估计其成灾范围、人员伤亡和经济损失等, 统称为地震灾害快速评估工作。其基本思路是: 观测到地震发生时间、地点和震级后, 在未到地震现场调查前, 利用当地人口、建筑、经济、环境等基础数据, 按照地震烈度计算、伤亡估计、经济损失估计等数学和经验模型, 估算烈度分布和震害损失。地震灾害的快速评估可为各级政府和应急管理部门的地震应急救援与指挥决策提供重要的信息服务(陈文凯等, 2020)。
影响地震灾害快速评估的因素主要有: 地震发生时刻、地震震级、极震区烈度估计、场地类型、烈度衰减关系、基础数据、易损性矩阵、人员伤亡估计模型、经济损失估计模型等(任静等, 2020)。各因素之间存在非线性和离散性, 评估结果与实际结果会有一定差距。在现有研究条件下, 如何克服上述因素的影响, 进一步提高震害快速评估的科学性、准确性、可靠性, 是应急工作当前面临的挑战之一。目前, 在全国地震应急评估领域开展了许多研究工作, 并取得一定成果, 如: 程显洲(2013)以地震灾害快速评估的空间散点聚类模型为基础, 提出一种依据散点信息与震例信息结合的地震灾害快速评估方法; 李成帅(2013)以南北地震带作为研究区域, 针对地震应急救援工作中快速估计灾情和建筑物损失的需要, 开展了“一种地震烈度图快速实现的思路”和“基于公里格网的震害损失快速评估技术”等的探索; 范传鑫(2014)提出构建地震灾害损失影响因子体系的方法, 运用改进的RBF神经网络算法, 对地震灾害损失进行评估; 朱林(2016)用BP神经网络建立地震应急损失快速评估模型, 计算震后死亡人数和经济损失, 建立震后死亡人数预测模型和经济损失评估模型; 丁香等(2019)依据地震损失评估原理, 采取前置确定性损失评估策略和算法优化, 结合GIS功能设计软件系统, 编程实现了风险评估相关数据千米格网化处理、地震损失预测与震后快速评估等核心功能。
中国地震台网中心官方发布: 2019年6月17日, 四川省宜宾市长宁县(28.34°N, 104.90°E)发生6.0级地震, 震源深度16 km。依据地震速报参数, 震后第一时间对地震灾害损失进行了快速评估, 结果如下: 此次地震最高烈度达Ⅷ度(8度), 可造成10余人死亡。据震后统计, 此次地震实际造成13人死亡、299人受伤, 经济损失52.68亿元①。为了提高地震灾害损失快速评估的精准性, 文中就人员伤亡、地震影响场分布、灾区人口分布、房屋易损性矩阵等参数, 探寻并分析此次地震快速评估结果与地震现场实际调查结果存在的偏差及原因, 为防灾减灾救灾提供基础数据, 为改进地震灾害损失快速评估模型提供科学参考。
① 四川地震局. 四川长宁6.0级地震灾害损失评估报告. 四川省地震局,2020.
1 研究思路基于2019年长宁地震实际震害特征, 就此次地震影响场评估方案、人员伤亡评估模型、公里网格人口分布、房屋易损性矩阵等因素, 结合我国西部历史地震案例, 探讨地震影响场的不确定性, 分析地震灾害损失评估结果与真实结果的偏差性。在地震灾害损失快速评估中, 公里格网人口数据源自李志强②的研究成果, 该成果是在人口统计数据、行政区划数据、DEM等地形数据、土地利用数据分析处理基础上, 建立的多影响因素全国人口公里格网数据集; 采用的地震易损性数据源于何玉林等(2000)的“四川省房屋建筑易损性研究”成果。
②“南北地震带大震极灾区速判及关键技术研究——地震带区域基础数据更新与数据模式转换”项目
2 地震致灾因素的影响 2.1 地震影响场烈度快速评估模型选择地震灾害损失主要受地震影响场的影响, 而地震影响场受地震强度(震级大小)、空间分布、地震动衰减等因素的影响, 烈度衰减关系是地震动参数确定的前提和基础。
将地震现场影响场评估结果所用现场调查烈度图定义为模型a, 肖亮等(2011)提出的中国西部分区地震烈度衰减关系模型定义为模型b, 孙继浩等(2013)提出的川滇及邻区中强地震烈度衰减关系模型定义为模型c, 董曼等(2015)提出的川滇分区地震烈度衰减关系模型和川滇地区走滑型地震烈度衰减关系模型定义为模型d、e, 对比5种模型的烈度分布结果, 分析本次地震灾害损失评估结果的精准性。5种模型见表 1, 地震影响场分布见图 1。
![]() |
表 1 地震现场影响场评估结果与4种地震影响场评估模型 Table 1 On-site evaluation results and four types of earthquake influence field evaluation models |
![]() |
图 1 5种评估模型的地震影响场分布 Fig.1 Distribution map of seismic influence field of five assessment models |
(1) 模型a。该模型为基于地震现场实际震害调查的地震烈度图①, 主要通过灾区的抽样震害调查, 并参考震区构造背景、余震分布、震源机制等因素, 结合强震动观测记录等确定。因此, 模型a的影响场分布与真实地震灾害相符程度较高。
(2) 模型b。该模型采用基于四川地震烈度衰减关系模型的快速评估影响场, 地震参数采用中国地震台网中心正式速报结果: 震级6.0, 震中位置(28.34°N, 104.90°E), 震源深度16 km; 震源破裂方向由震中附近活动构造方向确定; 烈度衰减关系模型采用肖亮等(2015)提出的中国西部分区地震烈度衰减关系模型(川藏区), 公式如下
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{a}}} = 6.4580 + 1.2746\mathit{M} - 4.4700{\rm{lg}}({R_{\rm{a}}} + 25.000)} \end{array} $ | (1) |
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{b}}} = 3.3682 + 1.2746\mathit{M} - 3.3119{\rm{lg}}({\mathit{R}_{\rm{b}}} + 9.000} \end{array}) $ | (2) |
式中, Ia和Ib为椭圆衰减模型沿长、短轴方向的烈度值, Ra和Rb分别为长、短轴半径(km), M为震级。
(3) 模型c。模型c采用基于四川地震烈度衰减关系模型的快速评估影响场, 地震参数、震源破裂方向与模型b相同, 烈度衰减关系模型采用孙继浩等(2011)提出的川滇及邻区中强地震烈度衰减关系模型(四川盆地地区), 公式如下
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{a}}} = 7.1410 + 1.6580M - 2.3350{\rm{ln}}({R_{\rm{a}}} + 57.480} \end{array}) $ | (3) |
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{b}}} = 4.0270 + 1.2180M - 1.3810{\rm{ln}}({\mathit{R}_{\rm{b}}} + 8.880} \end{array}) $ | (4) |
式中, Ia和Ib为椭圆衰减模型沿长、短轴方向的烈度值, Ra和Rb分别为长、短轴半径(km), M为震级。
(4) 模型d。模型d采用基于四川地震烈度衰减关系模型的快速评估影响场, 地震参数、震源破裂方向与模型b、c相同, 烈度衰减关系模型采用董曼等(2015)提出的川滇分区地震烈度衰减关系模型(四川盆地地区), 公式如下
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{a}}} = 7.3580 + 0.9880\mathit{M} - 3.9760{\rm{lg}}({R_{\rm{a}}} + 22.225} \end{array}) $ | (5) |
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{b}}} = 4.8270 + 0.9880M - 2.9910{\rm{lg}}({\mathit{R}_{\rm{b}}} + 8.341} \end{array}) $ | (6) |
式中, Ia和Ib为椭圆衰减模型沿长、短轴方向的烈度值, Ra和Rb分别为长、短轴半径(km), M为震级。
(5) 模型e。模型e采用基于破裂方式的四川地震烈度衰减关系模型的快速评估影响场, 震源破裂方向由震中附近活动构造方向确定。在印度板块推挤作用的动力学背景下, 川滇块体侧向挤出滑移, 造成东边界左旋剪切变形, 并形成多条巨型走滑断裂(董曼等, 2015)。走滑断层为沿走向延伸的剪切断裂, 形成于受水平挤压、但岩石变形有条件侧向扩展的动力学环境, 且受不均匀水平挤压或拉张的动力学环境影响, 使得此类型地震烈度分布呈较对称的长条状近似椭圆形(董曼等, 2015)。选取四川、云南区域地震台网震中距250 km以内的地震台站宽频带波形记录, 采用CAP方法, 反演获得长宁6.0级地震震源机制解。结果显示, 错动类型为走滑型。为了将传统烈度衰减关系模型与在此基础上考虑发震构造影响的烈度衰减关系模型进行对比, 选择董曼等(2015)提出的川滇地区走滑型地震烈度衰减关系模型, 公式如下
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{a}}} = 6.1410 + 1.1970M - 4.0650{\rm{lg}}({R_{\rm{a}}} + 21.010} \end{array}) $ | (7) |
$ \begin{array}{*{20}{l}} {{\mathit{I}_{\rm{b}}} = 3.5120 + 1.1970M - 3.0470{\rm{lg}}({\mathit{R}_{\rm{b}}} + 8.6080} \end{array}) $ | (8) |
式中, Ia和Ib为椭圆衰减模型沿长、短轴方向的烈度值, Ra和Rb分别为长、短轴半径(km), M为震级。
2.2 不同模型损失评估结果对比依据模型b、模型c、模型d、模型e所示烈度衰减关系模型, 计算得到4种影响场评估结果, 而模型a为基于地震现场影响场的评估结果, 其极震区烈度、各烈度区长(短)轴距离、烈度区面积均经测量计算。5种模型的计算结果见表 2, 可见模型a极震区烈度达Ⅷ度, 模型b、模型c、模型d、模型e极震区烈度估算仅为Ⅶ度(7度)。
![]() |
表 2 地震现场影响场评估结果(模型a)与四种影响场评估方案的地震损失评估结果对比 Table 2 Comparison of the on-site intensity map evaluation results (model a) and the seismic loss evaluation results of four influence field evaluation schemes |
(1) 模型a。该模型为此次地震现场调查评定烈度图实际测量结果, 烈度分区结果为: ①Ⅷ度(8度): 长轴13 km, 短轴8 km, 面积84 km2; ②Ⅶ度(7度): 长轴31 km, 短轴19 km, 面积436 km2; ③Ⅵ度(6度): 长轴72 km, 短轴54 km, 面积2 538 km2。
(2) 模型b。该模型烈度分区结果为: ①Ⅶ度(7度): 长轴27 km, 短轴15 km, 面积320 km2; ②Ⅵ度(6度): 长轴80 km, 短轴47 km, 面积2 672 km2;
(3) 模型c。该模型烈度分区结果为: ①Ⅶ度(7度): 长轴36 km, 短轴28 km, 面积795 km2; ②Ⅵ度(6度): 长轴116 km, 短轴78 km, 面积6 285 km2。
(4) 模型d。该模型烈度分区结果为: ①Ⅶ度(7度): 长轴32 km, 短轴19 km, 面积484 km2; ②Ⅵ度(6度): 长轴91 km, 短轴61 km, 面积3 923 km2;
(5) 模型e。该模型烈度分区结果为: ①Ⅶ度(7度): 长轴30 km, 短轴15 km, 面积362 km2; ②Ⅵ度(6度): 长轴85 km, 短轴52 km, 面积3 119 km2。
将4种影响场评估模型与地震现场影响场评估结果(模型a)进行对比, 发现: ①Ⅵ度(6度)长轴偏差8—44 km, 短轴偏差2—24 km, 面积偏差134—3 747 km2; Ⅶ度(7度)长轴偏差1—5 km, 短轴偏差0—9 km, 面积偏差48—359 km2; ②模型b、e与地震现场调查评估(模型a)结果相近, 其中模型b采用地震评估软件的地震烈度衰减关系, 而模型e则为判定为走滑型地震的烈度衰减关系成果; ③各模型与模型a结果存在偏差, 原因如下: 真实地震烈度衰减关系受震源特性、深部构造、传播介质、场地条件、建筑物结构类型和居民点分布、地形等因素的影响, 模型b、c、d采用椭圆衰减关系模型, 认为烈度随震中距呈对数关系衰减, 而模型e采用加入“走滑型”地震因素的椭圆衰减关系模型, 未考虑更多影响因素。
2.3 人员伤亡评估模型及结果 2.3.1 人员伤亡评估模型采用3种现有人员伤亡模型进行评估, 分别为刘金龙等(2012)模型、P.A.Page模型(马玉宏等, 2000)、肖光先等(1991)模型。
(1) 人员伤亡模型1:刘金龙等(2012)模型。地震灾害损失快速评估软件中所使用的人员伤亡评估模型以震中烈度作为核心参数, 震级、人口密度作为修正参数, 建立其与死亡人数之间的关系, 公式如下
$ \mathit{D} = {\mathit{\alpha }_{\rm{m}}}{\mathit{\alpha }_{{\rm{den}}}}{D_{\rm{m}}} = {{\rm{e}}^{{{12.2}_{{\mathit{\alpha }_{\rm{m}}}{\mathit{\alpha }_{{\rm{den}}}}{{\rm{e}}^{^{ - {{({\rm{ln}}({\rm{ln}}\mathit{t}) - 2.445)}^2}/{{0.3}^2}}}}}}}} $ | (9) |
其中, lnt为震中烈度, αm为震级修正系数, αden为人口密度修正系数, D为死亡人数。
(2) 人员伤亡模型2:P.A.Page模型(马玉宏等, 2000)。公式如下
$ {{\rm{ln}}{\mathit{N}_日} = - 22.73{\rm{ }} + 10.6{\rm{ln}}\mathit{I} + 0.34{\rm{ln}}\mathit{\rho }} $ | (10) |
$ {\ln {\mathit{N}_夜} = - 11.35{\rm{ }} + 5.77{\rm{ln}}\mathit{I} + 0.36{\rm{ln}}\mathit{\rho }} $ | (11) |
$ {{\rm{ln}}{\mathit{N}_夜}/{N_日} = {\rm{ }}11.38 - 4.83{\rm{ln}}\mathit{I}} $ | (12) |
式中, N日、N夜分别为白天、夜间发震时的死亡人数; ρ为人口密度; I为烈度。
(3) 人员伤亡模型3:肖光先等(1991)模型。公式如下
${{\rm{ln}}{\mathit{R}_{{{\rm{D}}_\mathit{j}}}} = 44.365 + 7.516{I_j} - 0.329\mathit{I}_\mathit{j}^2} $ | (13) |
$ {\rm{ln}}{\mathit{R}_{{{\rm{D}}_\mathit{j}}}} = 44.466 + 14.331{\mathit{I}_\mathit{j}} + 0.96{\rm{ln}}\mathit{\rho } $ | (14) |
$ {N_D} = \sum\limits_{\mathit{I} = 6}^{{\mathit{I}_{{\rm{max}}}}} {({\mathit{A}_j} - {\mathit{A}_{j + 1}})} \mathit{\rho } \times {\mathit{R}_{{{\rm{D}}_\mathit{j}}}} $ | (15) |
式中, RDj表示烈度为Ij时每单位建筑面积的平均死亡率, ρ为人口密度; ND为死亡数, Aj表示I≥Ij的面积。
2.3.2 各影响场模型下人员死亡模型损失计算结果对比此次长宁地震造成13人死亡, 依据现有3种人员伤亡评估模型, 计算模型a、b、c、d、e等5种地震影响场模型下的死亡人数, 结果见表 3。
![]() |
表 3 3种伤亡模型的评估结果对比 Table 3 Comparison of seismic loss assessment results of different influence field assessment schemes |
结果表明: ①应用刘金龙等(2012)模型计算死亡人数: 基于模型a的数据, 计算所得人口伤亡数为21, 基于模型b、c、d、e所得结果均为4。死亡人数存在偏差的原因是, 该模型设及参数有震中烈度、震级、地震发生当地人口平均密度值, 但是对于5种模型而言, 模型a采用震中烈度Ⅷ度(8度)的计算结果, 而模型b、c、d、e采用震中烈度Ⅶ度(7度)的计算结果, 故后4者结果相同, 而模型a结果偏大; ②应用P.A.Page模型计算死亡人数: 基于模型a的数据, 计算所得人口伤亡数为16, 基于模型b、c、d、e所得结果均为7, 造成偏差的原因与刘金龙等(2012)模型相同, 即由极震区烈度不同引起; ③应用肖光先等(1991)模型计算死亡人数: 涉及参数有震中烈度、人口密度和各烈度区面积, 因模型a与模型b、c、d、e的震中烈度略有不同, 各烈度区面积也略有不同, 模型b、e因与模型a(地震现场影响场评估结果)面积相差较小, 故与实际死亡人数接近, 而其他模型因与模型a(地震现场影响场评估结果)面积相差较大, 故而导致与实际死亡人数相差较大。
2.4 地震影响场的不确定性自20世纪90年代初, 中国组织开展多次破坏性地震现场工作, 主要进行震害调查、烈度评定和地震灾害损失评估。为了比较地震影响场估计的不确定性, 选取1949—2019年我国西部地区6.0≤M≤6.9地震烈度分布资料(国家地震局震灾应急救援司, 2015; 国家地震局震灾应急救援司, 2010; 国家地震局震灾应急救援司, 2015; 中国地震局监测预报司, 2001), 进行地理坐标配准和数字化, 测量不同地震不同烈度圈的实际面积(任静等, 2020)。
1979年以前我国大多数房屋建筑不设防, 2004年开始实施西部农居抗震安居工程, 以此时间节点, 将测量数据分为3组, 分别为: ①1949—1978年数据; ②1979—2003年数据; ③2004—2019年数据(任静, 2020)。选取并统计我国西部地区1949—2019年6.0≤M≤6.9地震, 可知地震烈度最大可达Ⅸ度。基于此, 按以上测量数据分组, 绘制烈度分别为Ⅵ度(6度)、Ⅶ度(7度)、Ⅷ度(8度)、Ⅸ度(9度)的震级—烈度区面积分布图, 结果见图 2, 图中绿色点表示1979—2003年震例数据, 棕色点表示1979—2003年震例数据, 粉色点代表2004—2019年震例数据, 红色点表示2019年6月17日四川长宁MS 6.0地震(最大地震烈度为Ⅷ度, 无Ⅸ度区面积数据)。
![]() |
图 2 所选震例震级与各分类烈度区面积的关系 Fig.2 The relationship between the magnitude of the selected earthquake and the area of each classified intensity zone |
由图 2可知, 震级相同时, 烈度相同的地震, 烈度区面积最大可相差2个数量级; 由抗震设防分组数据可见, 房屋抗震设防水平对烈度圈面积大小有一定影响(生命线工程破坏程度、地震地质灾害等也是影响因素)。
3 灾区人口分布影响将四川长宁MS 6.0地震灾区人口分布叠加在模型a(地震现场影响场评估结果)、模型b、c、d、e所示地震烈度分布图上, 结果见图 3。
![]() |
图 3 四川长宁MS 6.0地震灾区人口分布 (a) 模型a地震公里格网人口分布;(b) 模型b地震公里格网人口分布;(c) 模型c地震公里格网人口分布;(d) 模型d地震公里格网人口分布;(e) 模型e地震公里格网人口分布 Fig.3 Population distribution in the disaster area of Changning MS 6.0 earthquake in Sichuan |
根据地震灾评报告, 结合图 3进行分析, 可知: ①模型a(地震现场影响场评估结果): Ⅵ度以上区域含6个县(区)、61个乡(镇), 总人口173.7万, 其中Ⅷ度区域主要涉及长宁县的双河镇、富兴乡和兴文县的周家镇(部分区域), 人口4.4万①; ②模型b: Ⅵ度以上区域总人口104万, 与模型a人口总数相差69.7万, 其中Ⅶ度区人口约10万, Ⅵ度区人口约94万; ③模型c: Ⅵ度以上区域总人口264万, 与模型a人口总数相差70.3万, 其中Ⅶ度区人口约24万, Ⅵ度区人口约220万; ④模型d: Ⅵ度以上区域总人口155万, 与模型a人口总数相差33.7万, 其中Ⅶ度区人口约15万, Ⅵ度区人口约140万; ⑤模型e: Ⅵ度以上区域总人口122万, 与模型a人口总数相差63.7万, 其中Ⅶ度区人口约12万, Ⅵ度区人口约110万。
虽然均采用李志强②给出的同一人口公里格网数据, 但模型a范围为勘探现场地震烈度圈, 模型b、c、d、e为4种不同烈度衰减关系下得出的地震烈度圈, 相应人口公里格网人数相差33.7万—70.3万。造成模型b、c、d、e范围内的人口公里格网数量与模型a范围的人口数量有所差别的原因是: 5种模型对应的各烈度圈面积不同, 导致区域内人口数量不同, 进而造成人口密度不同, 采用不同类型的人员伤亡模型(刘金龙模型、P.A.Page模型、肖光先模型), 从而导致伤亡模型结果的不同。综上所述, 受灾区人口分布的影响, 准确的人口数据和地震影响场对地震灾害损失评估结果的精准性具有重要影响。
4 地震易损性影响建筑物震害预测是, 一个地区或城市在遭遇一定烈度的地震后, 对建筑物可能发生的破坏程度的估计(孙柏涛等, 1996)。在抗震防灾工作中, 研究地震对房屋建筑的影响或破坏状态是其中一个重要环节。加强对房屋建筑结构的易损性研究, 可以预测房屋建筑在地震发生时的受损情况, 从而采取相应抗震加固措施, 加以防范; 另外, 对于实际发生的地震, 若地震影响场确定, 利用房屋易损性参数, 可迅速有效地对地震造成的房屋建筑破坏情况及经济损失作出具有科学意义的评估(孙柏涛等, 1996)。
按相关国家标准的要求, 考虑到震区实际受灾情况及等烈度线形态, 将研究区划分为5个评估区, 其中: ①第1评估区: 面积130 km2, 包含Ⅷ度区及附近区域和2019年6月22日5.4级余震后新增的2个Ⅷ度点, 涉及长宁县、兴文县及珙县的双河镇、珙泉镇、富兴乡、周家镇、硐底镇; ②第2评估区: 面积390 km2, 主要为地震烈度Ⅶ度区, 涉及长宁县、珙县、兴文县、江安县, 共14个乡镇; ③第3评估区: 面积2 538 km2, 主要为地震烈度Ⅵ度区, 涉及高县、兴文县、珙县、长宁县、江安县、翠屏区, 共58个乡镇; ④第4评估区: 珙县县城巡场镇; ⑤第5评估区: 长宁县县城①。
抽样调查的主要目的是, 确定各类结构在不同破坏等级下的破坏比, 即每一种结构在每一种破坏等级下, 破坏面积所占比例。本次地震灾区范围内房屋结构类型主要包括框架结构、砖混结构及砖木结构。其中: 框架结构和砖混结构是灾区的主要建筑结构形式, 具有抗震设防措施, 抗震性能较好, 但农村地区自建砖混房屋多未采取抗震设防措施, 抗震能力较差; 砖木结构房屋抗震性能一般, 在灾区分布较广, 主要作为厨房等使用①。
按《地震现场工作第三部分: 调查规范GB18208.3—2011》, 将建筑物遭受破坏分为毁坏、严重破坏、中等破坏、轻微破坏、基本完好①5个等级。按以上5个评估区, 汇总此次长宁MS 6.0地震灾害损失评估报告中不同结构类型房屋在不同烈度下的破坏比(易损性矩阵), 结果见表 4。利用胡少卿等(2007)提出的适合四川地区的易损性矩阵, 计算震区不同结构类型的房屋建筑破坏比, 结果见表 5, 与实际结果(表 4)进行对比, 探讨此次长宁MS 6.0地震灾害损失评估的精准性。
![]() |
表 4 四川长宁MS 6.0地震评估区各结构类型居住房屋破坏比资料总汇① Table 4 Summary table of damage ratio of residential buildings of various structure types in the Changning MS 6.4 earthquake evaluation area, sichuan |
![]() |
表 5 四川长宁MS 6.0地震各结构类型居住房屋破坏比资料总汇[据何玉林等(2000)的“四川省房屋建筑易损性研究”成果] Table 5 Damage ratio data of residential houses of various structural types in the MS 6.0 earthquake in Changning, Sichuan (The results of "Study on the Vulnerability of Buildings in Sichuan Province" by He Yulin and others (2000)) |
(1) 评估区1。由表 4可知, 在四川长宁MS 6.0地震中, 对于房屋建筑出现少数倒毁和大量严重破坏的情况, 在评估区1中, 具有中等以上破坏的, 砖木结构占比94.98%, 砖混结构占比53.60%, 框架结构占比8.89%。由表 5可知, 同等条件下, 在评估区1中, 具有中等以上破坏的, 砖木结构占比9.67%, 砖混结构占比54.87%, 框架结构占比3.32%。可见, 在评估区1中, 评估结果与各类房屋真实破坏性抽样调查结果存在偏差, 分别相差85.31%、5.57%、1.27%。
(2) 评估区2。由表 4可知, 在评估区2中, 房屋建筑具有中等以上破坏的, 砖木结构占比50.32%, 砖混结构占比13.06%, 框架结构占比0.36%。由表 5可知, 同等条件下, 在评估区2中, 具有中等以上破坏的, 砖木结构占比0.25%, 砖混结构占比34.74%, 框架结构占比0%。可见, 在评估区2中, 评估结果与各类房屋真实破坏性抽样调查结果存在偏差, 分别相差50.07%、21.68%、0.36%。
(3) 评估区3。由表 4可知, 在评估区3中, 房屋建筑具有中等以上破坏的, 砖木结构占比17.36%, 砖混结构占比2.77%, 框架结构占比0%。由表 5可知, 同等条件下, 在评估区3中, 具有中等以上破坏的, 砖木结构占比0%, 砖混结构占比19.39%, 框架结构占比0%。可见, 在评估区3中, 评估结果与各类房屋真实破坏性抽样调查结果存在偏差, 分别相差17.36%、16.62%、0%。
(4) 评估区4。由表 4可知, 在评估区4中, 房屋建筑具有中等以上破坏的, 砖木结构占比63.26%, 砖混结构占比39.11%, 框架结构占比6.72%。由表 5可知, 同等条件下, 在评估区4中, 具有中等以上破坏的, 砖木结构占比9.67%, 砖混结构占比54.87%, 框架结构占比3.32%。可见, 在评估区4中, 评估结果与各类房屋真实破坏性抽样调查结果存在偏差, 分别相差相53.59%、15.76%、3.4%。
(5) 评估区5。由表 4可知, 在评估区4中, 房屋建筑具有中等以上破坏的, 砖木结构占比10.26%, 砖混结构占比0.93%, 框架结构占比0%。由表 5可知, 同等条件下, 在评估区5中, 具有中等以上破坏的, 砖木结构占比0%, 砖混结构占比19.39%, 框架结构占比0%。可见, 在评估区5中, 评估结果与各类房屋真实破坏性抽样调查结果存在偏差, 分别相差相10.26%、18.46%、0%。
对比可知, 在评估区1—评估4中, 砖木结构的房屋建筑破坏比相差最大, 而在评估区5中, 砖混结构的房屋建筑破坏比相差较大, 主要原因是: 房屋建筑的破坏程度不仅与其结构、材料、建筑习俗等有关, 还与地震的场地条件和类型等有关。就此次四川长宁MS 6.0地震而言, 基于何玉林等(2000)的分析, 砖木结构的房屋建筑易损性误差较大, 今后应精进该区房屋震害易损性矩阵研究, 为震害预测及地震灾害的快速评估提供科学依据。
5 结论与讨论地震发生后进行震后灾害快速评估, 受震级、极震区烈度估计、烈度衰减关系模型、人员伤亡评估模型、房屋易损性矩阵等影响, 且各要素自身存在随机性, 造成快速评估结果与实际震害存在一定偏差。
文中就地震的发生时刻、震级、极震区烈度估计、烈度衰减关系模型、人员伤亡评估模型、易损性矩阵等, 对2019年6月17日四川长宁MS 6.0地震灾害进行快速评估, 发现与真实结果存在偏差, 对二者的偏差性和评估结果的精准性进行探讨, 得出以下结论。
(1) 极震区烈度。4种地震影响场评估模型(模型b、c、d、e)极震区烈度为Ⅶ度, 地震现场影响场评估结果(模型a)的极震区烈度为Ⅷ度。
(2) 烈度分布。将模型b、c、d、e与模型a对比可知, Ⅵ度区长轴、短轴相差2—44 km, 面积相差134—3 747 km2; Ⅶ度区长轴、短轴相差在0—9 km, 面积结果相差在48—359 km2。且此次地震实际影响场面积分布在同震级历史震例影响场面积范围内。
(3) 死亡人数。应用刘金龙等(2012)模型和P.A.Page模型(马玉宏等, 2000)计算, 地震影响场评估模型b、c、d、e所得死亡人数相同。而应用肖光先等(1991)模型计算时, 模型b与e与真实地震现场影响场评估结果(模型a)最接近, 这是因为, 公式涉及震中烈度、人口密度和各烈度区面积等参数, 且5种影响场模型的极震区烈度略有不同, 各烈度区面积采用的烈度衰减关系不同, 导致各模型计算结果不同。
(4) 灾区人口分布。利用影响场模型b、c、d、e计算所得地震灾区人口分布, 与模型a(地震现场影响场评估结果)相差33.7万—70.3万人。误差原因是: 5种地震影响场各烈度圈面积范围不同, 引起了人口分布数量的不同。
(5) 易损性矩阵。现有研究中长宁地区易损性矩阵需要进一步精进研究。
在新时代背景下, 伴随着算法的精进和测量仪器精准性的加强, 震源破裂过程和震源深度反演的精准性不断提高, 在地震烈度衰减关系和地震影响场方向的判定过程中, 可以就以下方面开展深入研究: ①综合考虑震源机制解、发震构造环境、余震序列等因素, 进一步提高地震影响场评估的精准性; ②对于人口公里格网数据和房屋建筑易损性矩阵等数据, 可以考虑利用“第一次国情普查建筑数据”进行相关评估。“第一次国情普查建筑数据”是真实建筑调查结果, 可以提高数据精准度, 但目前仍处于涉密阶段, 尚未投入相关研究。
综上所述, 造成本次四川长宁MS 6.0地震损失评估结果与真实结果不同的主要因素是地震影响场分布、人口与房屋建筑(对应抗震能力)数量估计的偏差, 提高地震影响场评估精准性, 提高人口、房屋建筑等数据空间分布的准确性, 对于提高地震灾害损失快速评估结果的准确性具有重要意义。
陈文凯, 周中红, 张灿, 等. 新一代区域地震灾害快速评估系统设计与实现——以甘肃省为例[J]. 地震工程学报, 2020, 42(6): 1683-1692. DOI:10.3969/j.issn.1000-0844.2020.06.1683 |
程显洲. 基于与差异权重聚类的地震灾害评估模型研究[D]. 中国地震局兰州地震研究所, 2013.
|
丁香, 王晓青, 袁小祥, 等. 2017年5月11日新疆塔什库尔干5.5级地震生命损失评估对比分析[J]. 震害防御技术, 2019, 14(2): 431-437. |
董曼, 程佳, 魏文薪, 等. 川滇分区地震烈度衰减特征研究[J]. 震灾防御技术, 2015, 10(Z1): 760-769. |
董曼, 杨天青, 郑通彦, 等. 川滇地区走滑型地震烈度衰减特征研究[J]. 地震, 2015, 35(3): 147-154. |
范传鑫. 基于改进的RBF神经网络的城市震害损失评估模型[D]. 哈尔滨工业大学, 2014.
|
国家地震局震灾应急救援司. 1966-1989年中国大陆地震灾害损失评估汇编[M]. 北京: 地震出版社, 2015.
|
国家地震局震灾应急救援司. 2001-2005年中国大陆地震灾害损失评估汇编[M]. 北京: 地震出版社, 2010.
|
国家地震局震灾应急救援司. 2006-2010年中国大陆地震灾害损失评估汇编[M]. 北京: 地震出版社, 2015.
|
何玉林, 黎大虎, 范开红, 等. 四川省房屋建筑易损性研究[J]. 中国地震, 2002, 18(1): 52-58. |
胡少卿, 孙柏涛, 王东明, 等. 经验震害矩阵的完善方法研究[J]. 地震工程与工程振动, 2007, 27(2): 46-50. |
李成帅. 南北地震带震害损失快速评估技术研究[D]. 中国地震局地球物理研究所, 2013.
|
刘金龙, 林均岐. 基于震中烈度的地震人员伤亡评估方法研究[J]. 自然灾害学报, 2012, 21(5): 113-119. |
马玉宏, 谢礼立. 地震人员伤亡估算方法研究[J]. 地震工程与工程振动, 2000, 20(4): 140-147. |
任静, 阿里木江·亚力昆, 李志强, 等. 2020年1月19日新疆伽师6.4级地震灾害损失快速评估精准性分析[J]. 震灾防御技术, 15(2): 349-358. |
孙柏涛, 赵振动, 林均岐. 城市震害时空序列的展开过程分析[J]. 自然灾害学报, 1996, 5(4): 41-49. |
孙继浩, 帅向华. 川滇及其邻区中强地震烈度衰减关系适用性研究[J]. 地震工程与工程震动, 2011, 31(1): 11-18. |
肖光先. 震后灾害损失快速评估[J]. 灾害学, 1991, 6(4): 12-17. |
肖亮, 俞言祥. 中国西部地区地震烈度衰减关系[J]. 震害防御技术, 2015, 6(4): 358-371. |
中国地震局监测预报司. 1996-2000年中国大陆地震灾害损失评估汇编[M]. 北京: 地震出版社, 2001.
|
朱林. BP神经网络模型在地震应急损失快速评估中的应用[D]. 中国地震局地震预测研究所, 2016.
|