基于千米格網(wǎng)的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)開發(fā)

徐敬?！“不摹÷櫢弑?/p>

1)南京工業(yè)大學(xué)測繪學(xué)院，空間信息綜合減災(zāi)研究所，南京　211816 2)中國地震局地質(zhì)研究所，北京　100029

?

基于千米格網(wǎng)的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)開發(fā)

徐敬海1)安基文2)聶高眾2)

1)南京工業(yè)大學(xué)測繪學(xué)院，空間信息綜合減災(zāi)研究所，南京211816 2)中國地震局地質(zhì)研究所，北京100029

震后地震應(yīng)急災(zāi)情的準(zhǔn)確、快速評估(盲估)是有效地震應(yīng)急決策的關(guān)鍵之一。為提高應(yīng)急災(zāi)情評估的速度與準(zhǔn)確性，文中提出開發(fā)基于千米格網(wǎng)技術(shù)的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)。闡述了預(yù)評估數(shù)據(jù)計算模型，包括承災(zāi)體數(shù)據(jù)、災(zāi)情計算用致災(zāi)因子和計算公式。介紹了千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)計算的算法，該算法通過對計算參數(shù)的空間化和地圖代數(shù)的應(yīng)用實現(xiàn)。最后論述了預(yù)評估數(shù)據(jù)在地震應(yīng)急災(zāi)情評估與應(yīng)急救援中的應(yīng)用，并以近期中國大陸發(fā)生的2次實際破壞性地震為實驗案例，展示和檢驗了其應(yīng)用。實驗結(jié)果表明，千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)能較好地提升災(zāi)情評估速度和準(zhǔn)確度，還能精細(xì)地展示災(zāi)情的空間分布，為地震應(yīng)急指揮和救援提供參考。

地震應(yīng)急千米格網(wǎng)地震應(yīng)急災(zāi)情災(zāi)情評估空間化

0　引言

中國是世界上地震災(zāi)害最嚴(yán)重的國家之一，僅2014年便發(fā)生了云南魯?shù)楹驮颇暇肮?次6級以上破壞性地震，給人民生命和財產(chǎn)帶來了較大的損失。在地震預(yù)報還處于世界性難題的現(xiàn)今，震后及時有效的地震應(yīng)急救援已被多次地震救災(zāi)證明是有效的減輕地震災(zāi)害的重要途徑之一(中國地震局震災(zāi)應(yīng)急救援司，2004)。震后的即時地震應(yīng)急輔助決策是地震應(yīng)急指揮的關(guān)鍵，其中地震應(yīng)急災(zāi)情的快速獲取又是基礎(chǔ)。由于地震應(yīng)急災(zāi)情獲取中的 “黑箱效應(yīng)”存在，目前常用震后快速評估(盲估)災(zāi)情代替 “黑箱期”的真實災(zāi)情(聶高眾，2012)。該方法以地震經(jīng)緯度、震源深度、時間、震級等地震4要素作為輸入，通過災(zāi)情預(yù)測模型推算可能的人口傷亡、經(jīng)濟(jì)損失等災(zāi)情。在“黑箱期”通過盲估獲取的地震應(yīng)急災(zāi)情與其他階段應(yīng)急災(zāi)情獲取評估不同，對時效性要求非常高。目前評估耗時常>25min，遇到大地震時需要40min以上。災(zāi)情盲估結(jié)果，通常還需經(jīng)相關(guān)專家會商，然后形成地震應(yīng)急處置建議報告提交到相關(guān)抗震救災(zāi)指揮部。然而，中國政府對即時地震應(yīng)急災(zāi)情和對應(yīng)的處置方案的時效性要求非常高，通常在30min內(nèi)(苗崇剛等，2004)。即使汶川地震這樣的大地震，也要求于震后1h內(nèi)提交第1次災(zāi)情分析與處置建議報告，因此探索提升地震應(yīng)急災(zāi)情盲估速度的方法，具有較強(qiáng)的急迫性。除了地震應(yīng)急災(zāi)情評估的速度要求高以外，地震應(yīng)急災(zāi)情的快速評估結(jié)果的準(zhǔn)確性也是一個困難而復(fù)雜的問題。近幾年逐漸發(fā)展起來的千米格網(wǎng)技術(shù)，如基于千米格網(wǎng)的人口、建筑物、GDP等數(shù)據(jù)的發(fā)展和應(yīng)用，為提高地震應(yīng)急災(zāi)情的評估速度和準(zhǔn)確性提供了可能的解決方案(劉紅輝等，2005；韓貞輝等，2013；熊俊楠等，2013)。本文將在千米格網(wǎng)承災(zāi)體數(shù)據(jù)基礎(chǔ)上，開發(fā)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)，并探索對應(yīng)的災(zāi)情評估方法，旨在提高地震應(yīng)急災(zāi)情評估速度和準(zhǔn)確性。

1　地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)

本節(jié)將介紹千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的定義與來源，并在理論上闡述其在提高災(zāi)情評估速度和準(zhǔn)確性中的應(yīng)用。

1.1地震災(zāi)情預(yù)評估數(shù)據(jù)的來源

在地理信息領(lǐng)域中，千米格網(wǎng)技術(shù)也常被稱為人文要素的空間化，其本質(zhì)是采用離散的空間格網(wǎng)精確地展示地理要素的空間分布。目前在全國尺度上(經(jīng)緯格網(wǎng)30″×30″，30″在赤道處對應(yīng)的地面長度約1km，其他地方隨著緯度升高長度變小，但為了表述方便仍將30″格網(wǎng)簡稱為千米格網(wǎng))的千米格網(wǎng)是一種主流趨勢。經(jīng)過多年的發(fā)展已形成一定的千米格網(wǎng)生成算法，如比例系數(shù)法，RS與GIS結(jié)合方法，空間插值法等(Goodchildetal.，1993；劉紅輝等，2005；江東，2007)。國外在人口空間化方面的研究較多，其中美國能源部所屬橡樹嶺國家實驗室(ORNL)開發(fā)的LandScan數(shù)據(jù)已基本成為全球人口分布領(lǐng)域的標(biāo)準(zhǔn)數(shù)據(jù)(Dobsonetal.，2000；Caietal.，2006；Bhadurietal.，2007)。

近幾年，隨著對地震應(yīng)急指揮要求的提高，人文要素的空間化思想逐漸引入到應(yīng)急基礎(chǔ)數(shù)據(jù)的研制中，并逐漸生產(chǎn)了格網(wǎng)化地震應(yīng)急基礎(chǔ)數(shù)據(jù)，如千米格網(wǎng)人口數(shù)據(jù)、千米格網(wǎng)建筑物數(shù)據(jù)等。目前，在中國地震局地質(zhì)研究所的牽頭下已基本建立了覆蓋全國的人口、建筑物、GDP等千米格網(wǎng)數(shù)據(jù)。多個省地震局也正在開展格網(wǎng)地震應(yīng)急基礎(chǔ)數(shù)據(jù)升級工作，地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫的發(fā)展呈現(xiàn)出明顯的格網(wǎng)化趨勢。

在此背景下，本文提出開發(fā)基于千米格網(wǎng)的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)，并建議將此數(shù)據(jù)集作為地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫的建設(shè)內(nèi)容之一。所謂預(yù)評估數(shù)據(jù)是指震前將各類震后需評估的應(yīng)急災(zāi)情信息(具體內(nèi)容包括建筑物震害、人口死亡、直接經(jīng)濟(jì)損失等) 在全國范圍內(nèi)事先完成計算，并以千米格網(wǎng)形式保存的數(shù)據(jù)。圖1 展示了預(yù)評估數(shù)據(jù)的形成思路，通常震后的災(zāi)情評估包含3個主要步驟： 1)評估參數(shù)獲取與輸入；2)災(zāi)情評估計算；3)災(zāi)情評估結(jié)果輸出。其中災(zāi)情評估計算是整個評估流程的關(guān)鍵，也是一個耗時的過程，常在震后實時計算。

如果能將整個評估過程中最耗時的部分工作(基于評估模型的災(zāi)情計算)分離出來，在震前完成計算，必將能有效地提高災(zāi)情評估效率。千米格網(wǎng)技術(shù)為此提供了可能，通過選擇合適的評估參數(shù)，震前計算災(zāi)情數(shù)據(jù)，并以千米網(wǎng)格形式保存，便形成了地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)。于是震后的應(yīng)急災(zāi)情評估，可直接根據(jù)地震影響范圍對預(yù)評估數(shù)據(jù)進(jìn)行空間統(tǒng)計，從而能較大幅度地提高地震應(yīng)急災(zāi)情評估速度。

圖1　地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)來源Fig. 1　Source of data for earthquake emergency disaster information pre-evaluation.

1.2預(yù)評估數(shù)據(jù)對評估準(zhǔn)確性的提高

預(yù)評估數(shù)據(jù)不僅能較好地提高災(zāi)情評估速度，也能在一定程度上提升災(zāi)情評估的準(zhǔn)確性。引起評估結(jié)果準(zhǔn)確性問題的原因是多方面的，如地震影響場模擬誤差、建筑物易損性估計誤差等，但地震應(yīng)急基礎(chǔ)數(shù)據(jù)的誤差和現(xiàn)有表達(dá)與使用方法的不足，是其中一個廣為熟知的原因。地震應(yīng)急基礎(chǔ)數(shù)據(jù)是指當(dāng)?shù)卣鸢l(fā)生后，為了開展對災(zāi)區(qū)的救災(zāi)活動所需要了解和掌握的各種社會、經(jīng)濟(jì)、人口、城市地圖、自然地理地貌、重要目標(biāo)位置、救災(zāi)隊伍、救災(zāi)通信聯(lián)絡(luò)和地震應(yīng)急預(yù)案等綜合性數(shù)據(jù)(聶高眾，2002)。其中人口、建筑物數(shù)據(jù)等是震后應(yīng)急災(zāi)情評估的基礎(chǔ)和關(guān)鍵。

傳統(tǒng)的地震應(yīng)急災(zāi)情評估基礎(chǔ)數(shù)據(jù)常以縣級行政區(qū)劃為最小統(tǒng)計單元(或類似于縣級行政區(qū)劃的評估單元)，如得到的人口數(shù)據(jù)詳細(xì)粒度為某縣多少人。在進(jìn)行災(zāi)情評估計算時，如果一個地震影響范圍只影響了此縣的一部分，究竟多少人口應(yīng)用于災(zāi)情分析。以圖2a所示為例，假定某次地震影響場為IF，有A、B、C 3個區(qū)域(縣)受到了地震的影響，傳統(tǒng)地震應(yīng)急基礎(chǔ)數(shù)據(jù)支持的計算方法通常采用式(1)確定用于計算分析的人口數(shù)：

(1)

式(1)中，Popc為用于災(zāi)情分析計算的人口數(shù)，Sinfa為A區(qū)域內(nèi)被地震影響場IF覆蓋部分的面積，Sa為整個A區(qū)域的面積，Popa為A區(qū)域內(nèi)的總?cè)丝跀?shù)。

圖2　基于行政區(qū)的人員死亡評估示例(a)和基于千米格網(wǎng)的人員死亡評估示例(b)Fig. 2　Illustration of death toll assessment based on administration unit(a) and Illustration of death toll assessment based on km grid unit(b).

不難發(fā)現(xiàn)式(1)的方法是將該縣總?cè)丝诎凑杖h面積進(jìn)行平均然后乘以該縣被地震影響范圍的面積得到相應(yīng)的人口數(shù)據(jù)。這種方法忽略了基礎(chǔ)數(shù)據(jù)在縣范圍內(nèi)空間分布的不均勻性，易產(chǎn)生較大的誤差?，F(xiàn)實中人口數(shù)據(jù)可能在空間上圍繞居民點、城鎮(zhèn)中心等分布，如A區(qū)域內(nèi)被地震影響場IF覆蓋的區(qū)域(infa)中可能無人口分布。

千米格網(wǎng)技術(shù)的應(yīng)用為地震應(yīng)急基礎(chǔ)數(shù)據(jù)空間分布異質(zhì)性問題的解決提供了可能的解決方案。將以行政區(qū)(如縣行政區(qū)劃)為基本空間單元的數(shù)據(jù)統(tǒng)計方式，改為以較高精度的格網(wǎng)方式展示空間數(shù)據(jù)，通過千米格網(wǎng)將空間區(qū)域進(jìn)行細(xì)分，并將承災(zāi)體的值(如人口數(shù)) 量化表達(dá)為千米格網(wǎng)的屬性值，可實現(xiàn)承災(zāi)體數(shù)據(jù)空間異質(zhì)性的精細(xì)化表達(dá)。如圖2b所示，每個深色千米格網(wǎng)表示了人口的實際空間分布。從而能在一定程度上減少以行政區(qū)平均所帶來的災(zāi)情評估誤差。

2　預(yù)評估數(shù)據(jù)開發(fā)模型與算法

2.1計算模型

2.1.1模型框架

在具體實現(xiàn)方法上，人口、GDP等千米格網(wǎng)數(shù)據(jù)的開發(fā)，本質(zhì)上是將統(tǒng)計得到的專題數(shù)據(jù)從空間分辨率低的計量單元(如行政區(qū)劃)，按照一定的規(guī)則解算到空間分辨率相對較高的計量單元(千米格網(wǎng))，其中空間插值方法和空間插值模型是常用手段。按照此思路災(zāi)情預(yù)評估數(shù)據(jù)的格網(wǎng)化，似乎也可以首先按照歷史震例，以影響場為范圍，統(tǒng)計災(zāi)情，再應(yīng)用空間插值形成格網(wǎng)災(zāi)情，但受制于歷史災(zāi)情資料的局限性，此思路明顯存在較大的局限性。

本文采用一種基于地震致災(zāi)機(jī)理的災(zāi)情評估模型開發(fā)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)，該模型的主要思路如圖3 所示，通過應(yīng)用災(zāi)情評估模型，分析承災(zāi)體數(shù)據(jù)在致災(zāi)因子影響下的損失，計算生成千米格網(wǎng)的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)。

圖3　地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)生成模型框架Fig. 3　Model framework of earthquake emergency disaster information evaluation data generation.

2.1.2承災(zāi)體數(shù)據(jù)

地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)由人員傷亡、建筑物震害、直接經(jīng)濟(jì)損失等組成，因此相應(yīng)的承災(zāi)體數(shù)據(jù)也由對應(yīng)的千米格網(wǎng)數(shù)據(jù)組成。本文在開發(fā)千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)時，采用的承災(zāi)體數(shù)據(jù)來源于前期研究工作(地震行業(yè)專項： 地震應(yīng)急數(shù)據(jù)指標(biāo)化和應(yīng)急能力評價指標(biāo)體系技術(shù)研究)的成果。以人口數(shù)據(jù)為例，在綜合考慮了高程(DEM)、土地利用/土地覆蓋等人-地綜合關(guān)系建立的回歸關(guān)系，將第5次全國人口普查數(shù)據(jù)(2000年)分解到細(xì)分的格網(wǎng)中，形成千米格網(wǎng)人口數(shù)據(jù)。2013年，采用第6次全國人口普查數(shù)據(jù)(2010年)對此數(shù)據(jù)集進(jìn)行了更新，如圖4 所示。房屋建筑物數(shù)據(jù)，按照面向建筑物易損性分析需求，按照結(jié)構(gòu)類型分為鋼混結(jié)構(gòu)、混合結(jié)構(gòu)、磚木結(jié)構(gòu)和其他結(jié)構(gòu)共4種類型。

圖4　中國大陸千米格網(wǎng)人口數(shù)據(jù)Fig. 4　Chinese mainland population data in 1km grid format.

2.1.3災(zāi)情計算用致災(zāi)因子

地震災(zāi)害的孕災(zāi)環(huán)境和致災(zāi)因子較為復(fù)雜，如自然因素和社會人文因素等(高慶華，2011)。就地震應(yīng)急而言，需要在震后快速評估地震可能造成的損失災(zāi)情以輔助地震應(yīng)急指揮。目前震后通常能在幾min內(nèi)獲取地震4要素(地震發(fā)生地的經(jīng)緯度、時間、震級、震源深度)，這也是震后短時間內(nèi)應(yīng)急決策所能獲得的關(guān)于地震的有限有效信息，因此從地震災(zāi)情快速評估的角度，本文初步認(rèn)為地震4要素可以選為災(zāi)情快速評估用的致災(zāi)因子，這里強(qiáng)調(diào)為災(zāi)情快速評估用致災(zāi)因子，是為了與真正意義上的地震災(zāi)害致災(zāi)因子區(qū)分。

然而，同樣大小震級的地震，甚至同樣大小地震4要素的地震，可能造成的破壞不一樣，如地震持續(xù)時間對地震破壞的影響便非常巨大。另外，同一次地震在不同地方的破壞也明顯不同，因此現(xiàn)實中人們常常采用地震烈度衡量地震造成的破壞。于是本文選擇地震烈度作為地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)計算用致災(zāi)因子，作為圖3 中的輸入。在實際地震應(yīng)急中，獲得地震4要素后，可根據(jù)震級-烈度衰減關(guān)系進(jìn)行換算。

2.1.4災(zāi)情計算公式

災(zāi)情計算模型的目的是分別計算千米格網(wǎng)承災(zāi)體數(shù)據(jù)，在不同致災(zāi)因子影響下所產(chǎn)生的可能震害，并作為盲估時的地震應(yīng)急災(zāi)情，因此此時震害就是災(zāi)情。事實上在地震工程領(lǐng)域中，已有大量關(guān)于震害計算的研究，其代表性思路表現(xiàn)為對地震引起的建筑物破壞進(jìn)行分類，然后劃定破壞等級，確定破壞程度、損失比等，并由此得到地震引起的建筑物破壞、人員傷亡、經(jīng)濟(jì)損失等災(zāi)情(震害)。本文選擇應(yīng)用較廣，易于應(yīng)用于千米格網(wǎng)應(yīng)急數(shù)據(jù)開發(fā)的震害計算模型，具體包括建筑物震害、人員死亡和直接經(jīng)濟(jì)損失計算模型。經(jīng)過多次地震損失評估實踐，許多地震應(yīng)急專家認(rèn)為尹之潛先生提出的承災(zāi)體震害計算方法有好的代表性，在實際中應(yīng)用較多。

本文采用其建筑物震害計算模型，實現(xiàn)建筑物災(zāi)情數(shù)據(jù)的計算。I烈度下，S類建筑物破壞的計算公式為Dsj(I)=P[Dj|I]BS，其中P[Dj|I]是S類建筑物的震害矩陣，BS是S類建筑物的總面積，j是震害等級(尹之潛，1995)。

關(guān)于人員死亡模型，尹之潛提出的模型具有較強(qiáng)的代表性，該模型重點考慮了不同類型建筑物破壞對人員死亡的影響，先計算人口死亡率，然后計算死亡人口(尹之潛，1995)。馬玉宏等(2000)在尹之潛模型的框架下，更新了人口死亡率的計算方法，并在計算人口死亡數(shù)時，引入了地震發(fā)生的時間修正系數(shù)(分為白天和晚上2個時段)和人口密度修正系數(shù)。本文采用此計算模型實現(xiàn)人員死亡災(zāi)情的計算。

公式為：log(RD)=9.0(RB)0.1-10.07 ；ND=ftfp(RD)P。其中，ND為死亡人口，RD為地震死亡率，RB為房屋建筑的倒塌率，P為目標(biāo)區(qū)域內(nèi)總?cè)丝?，ft為地震發(fā)生時間的修正系數(shù)，fp為人口密度修正系數(shù)。

在地震經(jīng)濟(jì)損失評估方面尹之潛對地震經(jīng)濟(jì)損失產(chǎn)生機(jī)理進(jìn)行了詳細(xì)的分析，提出的模型較精細(xì)，但模型計算需要的參數(shù)多，有些參數(shù)不易獲取，這也影響了模型的可操作性。也有研究人員建議采用震害損失評估的宏觀震害分析法，如陳颙等(1999)提出地震導(dǎo)致的直接損失和商業(yè)中斷引起的潛在損失與該地區(qū)的經(jīng)濟(jì)條件直接相關(guān)，而地區(qū)經(jīng)濟(jì)條件可以用一些宏觀經(jīng)濟(jì)指標(biāo)進(jìn)行概略的表述。王曉青等(2009)搜集了中國大陸1989—2004年的地震災(zāi)害損失資料，并以此為基礎(chǔ)進(jìn)行分析研究，得出了中國大陸的地震烈度-GDP損失率關(guān)系模型及對應(yīng)的地震直接經(jīng)濟(jì)損失快速評估模型，該模型針對汶川地震場景取得了較好的應(yīng)用效果。本文采用其計算模型，具體公式為

L=∑If(I，GDP)×GDPI

其中，GDPI為烈度Ⅰ區(qū)域的GDP總量，f(I，GDP)是GDP損失率函數(shù)。

于是經(jīng)過以上的分析，圖3 中的災(zāi)情計算公式可細(xì)化表達(dá)為

(2)

2.2基于地圖代數(shù)的算法

2.2.1算法框架

圖3 和式(2)雖然在理論上解決了應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的計算過程和模型，但仍需具體的、可操作的面向千米格網(wǎng)數(shù)據(jù)的算法方能實現(xiàn)文中討論的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的計算。千米格網(wǎng)數(shù)據(jù)在GIS中本質(zhì)上是一種柵格數(shù)據(jù)，通過觀察式(2)不同類型災(zāi)情的計算公式，發(fā)現(xiàn)均是計算參數(shù)與柵格千米格網(wǎng)承災(zāi)體的代數(shù)運(yùn)算，如相加，求冪等。因此，可以通過GIS中柵格數(shù)據(jù)的地圖代數(shù)法實現(xiàn)千米格網(wǎng)預(yù)評估數(shù)據(jù)的計算，具體計算過程如圖5 所示。為了實施柵格代數(shù)運(yùn)算，災(zāi)情計算模型的參數(shù)也需格網(wǎng)空間化。

圖5　千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)生成算法框架Fig. 5　Algorithm framework of earthquake emergency disaster information pre-evaluation data generation.

2.2.2計算參數(shù)的空間化

參數(shù)的空間化需將參數(shù)適用的空間區(qū)域(如全國范圍)轉(zhuǎn)換為與承災(zāi)體數(shù)據(jù)同等空間分辨率的空間格網(wǎng)(即千米格網(wǎng))，并將模型參數(shù)關(guān)聯(lián)于對應(yīng)的格網(wǎng)中。對于簡單的參數(shù)可直接作為格網(wǎng)屬性值，復(fù)雜的參數(shù)可采用ID進(jìn)行關(guān)聯(lián)，最終形成參數(shù)千米格網(wǎng)圖層。建筑物震害矩陣便是一種復(fù)雜的模型參數(shù)，下面以其為例進(jìn)一步說明模型參數(shù)的空間化。

本文僅以鋼混結(jié)構(gòu)震害矩陣為例，說明其空間化過程，其他結(jié)構(gòu)類型的震害矩陣類似。(鋼混結(jié)構(gòu))震害矩陣表現(xiàn)為在不同烈度下各不相同，如表1 和表2 所示。為簡化問題的說明，在本文中全國采用一樣的震害矩陣，對于省(市)不同的震害矩陣可用類似方法處理。

表1　烈度Ⅵ度地區(qū)鋼混結(jié)構(gòu)的震害矩陣

Table1　Earthquake damage matrix of steel-concrete building in intensity Ⅵ area　%

烈度完好輕微破壞中等破壞嚴(yán)重破壞毀壞ⅥⅦⅧⅨⅩ85604020101535363715.505212839.5002.512.525.5000.52.59.5

注其他烈度下針對不同類型建筑結(jié)構(gòu)有不同的震害矩陣，此處省略。

表2　烈度Ⅶ度地區(qū)鋼混結(jié)構(gòu)的震害矩陣

Table2　Earthquake damage matrix of steel-concrete building in intensity Ⅶ area　%

烈度完好輕微破壞中等破壞嚴(yán)重破壞毀壞ⅥⅦⅧⅨⅩ887555351512233330.520.50210.325.540.5001.57.516.5000.21.57.5

注其他烈度下針對不同類型建筑結(jié)構(gòu)有不同的震害矩陣，此處省略。

首先以全國第3代地震烈度區(qū)劃圖為模板，構(gòu)建全國地震烈度分布圖，此時不同的烈度區(qū)以矢量多邊形的形式存在。接著在全國地震烈度分布圖中根據(jù)不同的烈度值添加ID，并將不同的烈度對應(yīng)于不同的ID。將不同烈度下的鋼混結(jié)構(gòu)建筑物震害矩陣以屬性表的形式存儲于數(shù)據(jù)庫，并通過ID實現(xiàn)二者之間的鏈接。最后，利用ArcGIS提供的空間分析操作工具將鏈接后的基于矢量多邊形的震害矩陣離散化處理，形成基于千米格網(wǎng)的震害矩陣，從而完成了震害矩陣的空間化。

模型計算參數(shù)經(jīng)過空間化后將產(chǎn)生新的千米格網(wǎng)參數(shù)圖層，此時式(2)中的建筑物震害計算公式便轉(zhuǎn)換為可直接應(yīng)用于地圖代數(shù)計算的公式：

其中，Dsj是s類建筑物遭受j級別破壞的損失面積，Rsj是s類建筑物遭受j級別破壞的破壞率，AS是s類建筑物的面積。

這時的計算過程如圖6 所示，將特定烈度分布下5種等級破壞率(Rsj)與不同類型的建筑物數(shù)據(jù)進(jìn)行空間乘運(yùn)算，便可得出4種結(jié)構(gòu)類型、5個破壞等級的災(zāi)區(qū)房屋建筑破壞分布數(shù)據(jù)，共20層。

圖6　基于地圖代數(shù)的千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)計算過程Fig. 6　Earthquake emergency disaster information pre-evaluation data calculation process based on map algebra.

3　預(yù)評估數(shù)據(jù)的開發(fā)實現(xiàn)

應(yīng)用上面的模型和算法，本文開發(fā)了中國大陸范圍的千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)集。開發(fā)中應(yīng)用ArcGIS Geodatabase實現(xiàn)了數(shù)據(jù)的存儲與管理，采用Python結(jié)合ArcGIS Desktop編寫了數(shù)據(jù)開發(fā)程序。開發(fā)完成的應(yīng)急災(zāi)情快速評估數(shù)據(jù)集包括： 中國大陸范圍千米格網(wǎng)建筑物震害預(yù)評估數(shù)據(jù)集(包括Ⅵ—Ⅹ度烈度下4種建筑結(jié)構(gòu)的5個破壞等級，共100個數(shù)據(jù)層)，中國大陸范圍千米格網(wǎng)人口死亡預(yù)評估數(shù)據(jù)集(包括Ⅵ—Ⅹ度烈度下白天和晚上2個時間段，共10個數(shù)據(jù)層)，中國大陸范圍千米格網(wǎng)直接經(jīng)濟(jì)損失預(yù)評估數(shù)據(jù)集(包括Ⅵ—Ⅹ度烈度下的損失數(shù)據(jù)共5個數(shù)據(jù)層)(圖7)。

圖7　中國大陸范圍千米格網(wǎng)地震應(yīng)急災(zāi)情快速評估數(shù)據(jù)庫Fig. 7　Nationwide 1km format database of earthquake emergency disaster information evaluation data.

圖8　基于千米格網(wǎng)災(zāi)情數(shù)據(jù)的應(yīng)急災(zāi)情評估過程Fig. 8　Workflow of emergency disaster information evaluation based on km grid data.

4　預(yù)評估數(shù)據(jù)的應(yīng)用

4.1震后災(zāi)情快速評估應(yīng)用

在千米格網(wǎng)災(zāi)情預(yù)評估數(shù)據(jù)的支持下，地震應(yīng)急災(zāi)情評估流程與傳統(tǒng)災(zāi)情評估流程有所不同，如圖8 所示。該流程中將原來耗時的災(zāi)情模型計算過程在震前計算完成，并采用千米格網(wǎng)的方式存儲于數(shù)據(jù)庫中。震后可根據(jù)理論影響場直接從格網(wǎng)的災(zāi)情預(yù)評估數(shù)據(jù)中抽取，并統(tǒng)計計算出可能的災(zāi)情。

為驗證數(shù)據(jù)的有效性，本文選取了近年發(fā)生在中國的2次破壞性地震(甘肅岷縣地震和四川蘆山地震)為算例，進(jìn)行實驗分析。以計算地震應(yīng)急處置與救援決策中最關(guān)鍵的人員死亡災(zāi)情為評估內(nèi)容，分別應(yīng)用本文開發(fā)的千米格網(wǎng)應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)和基于行政區(qū)劃的承災(zāi)體基礎(chǔ)數(shù)據(jù)，進(jìn)行災(zāi)情評估。2次災(zāi)情評估應(yīng)用的評估模型、參數(shù)和硬件運(yùn)行環(huán)境均一致，結(jié)果如表3 所示。

表3　算例災(zāi)情評估結(jié)果效率與準(zhǔn)確性對比

Table3　Comparing calculation speed and assessment results accuracy of experimental cases

對比性能計算用數(shù)據(jù)源甘肅岷縣地震(MS6.6)四川蘆山地震(MS7.0)硬件配置計算時間非千米格網(wǎng)數(shù)據(jù)10.4min14.7minIntelCore2i3CPUM380@2.53GHz,4.00GBRAM的筆記本電腦千米格網(wǎng)預(yù)評估數(shù)據(jù)34s54s人口死亡數(shù)非千米格網(wǎng)數(shù)據(jù)60人116人千米格網(wǎng)預(yù)評估數(shù)據(jù)107人212人實際值95人196人

注以上計算時間，僅以人口死亡評估算法開始直至算法結(jié)束時間，不包含界面I/O等其他時間。

試驗結(jié)果表明，文中開發(fā)的千米格網(wǎng)應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)，能顯著提高地震應(yīng)急災(zāi)情盲估效率，主要原因為千米格網(wǎng)應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)，針對應(yīng)急災(zāi)情評估需要，以不同烈度為計算用致災(zāi)因子，在震前已完成了不同災(zāi)情的計算，并以千米格網(wǎng)格方式存儲，震時可直接根據(jù)影響場對不同烈度下的災(zāi)情進(jìn)行統(tǒng)計，完成地震應(yīng)急災(zāi)情的快速評估。相比較而言，傳統(tǒng)承災(zāi)體數(shù)據(jù)及對應(yīng)的災(zāi)情評估方法不僅評估計算工作量大，而且計算流程固定，如為了評估人員死亡災(zāi)情，必須先完成建筑物震害的評估，而這些計算過程全部執(zhí)行于地震發(fā)生之后，消耗寶貴的地震應(yīng)急處置時間。

實驗還表明，應(yīng)用千米格網(wǎng)應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)能在一定程度上提高災(zāi)情評估準(zhǔn)確性，主要原因為： 千米格網(wǎng)數(shù)據(jù)考慮了不同災(zāi)情計算承災(zāi)體數(shù)據(jù)的空間異質(zhì)性，以千米格網(wǎng)的形式離散化表達(dá)原來以行政區(qū)平均的承災(zāi)體數(shù)據(jù)，提高了應(yīng)急災(zāi)情評估數(shù)據(jù)的合理性。當(dāng)然地震應(yīng)急災(zāi)情快速評估具有較強(qiáng)的復(fù)雜性，存在多個因素影響評估結(jié)果，如評估參數(shù)(如建筑物震害矩陣)的準(zhǔn)確性，地震模擬影響場的準(zhǔn)確性等?？傮w上千米格網(wǎng)應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)能顯著提高災(zāi)情評估效率，也能有效改進(jìn)評估的準(zhǔn)確性。

4.2輔助應(yīng)急救援應(yīng)用

圖9　預(yù)估蘆山地震應(yīng)急救援重點分布圖Fig. 9　Prediction of earthquake rescue key points in “Lushan earthquake”.

千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)還能在震后輔助搜救中發(fā)揮很好的作用。震后的應(yīng)急搜救工作對減輕人員傷亡有重要的作用，受災(zāi)人員(特別是壓埋人員)的快速定位是其中的一個關(guān)鍵因素，也是目前的一個困難問題。千米格網(wǎng)應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)提供的災(zāi)情評估結(jié)果還可給出災(zāi)情的空間分布，根據(jù)評估的人員傷亡分布，形成應(yīng)急救援重點分布圖。以四川蘆山地震為例，如圖9 所示，由于千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的支持，震后可快速評估出應(yīng)急救援重點分布圖(圖9 中紅色圈所指示的范圍)，輔助地震應(yīng)急救援。

5　結(jié)論

如何在震后1～2h內(nèi)快速評估地震應(yīng)急災(zāi)情，是地震應(yīng)急輔助決策的關(guān)鍵內(nèi)容之一。地震應(yīng)急災(zāi)情的快速評估是目前常用的解決方案，然而其時效性和準(zhǔn)確性還存在一些不足?；谇赘窬W(wǎng)的地震應(yīng)急基礎(chǔ)數(shù)據(jù)為此問題的解決提供了可能的方案。目前關(guān)于地震應(yīng)急承災(zāi)體基礎(chǔ)數(shù)據(jù)(如人口、GDP、建筑物等)的格網(wǎng)化方法已有較多的探討。在此基礎(chǔ)上本文分析了地震應(yīng)急基礎(chǔ)數(shù)據(jù)的格網(wǎng)化發(fā)展趨勢，提出開發(fā)基于千米格網(wǎng)的地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)(包括千米格網(wǎng)建筑物災(zāi)情數(shù)據(jù)、千米格網(wǎng)人員死亡數(shù)據(jù)、千米格網(wǎng)直接經(jīng)濟(jì)損失數(shù)據(jù)等)，并建議將此數(shù)據(jù)列入地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫建設(shè)。

研究了千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的計算模型，論述了數(shù)據(jù)的計算框架。介紹了框架中的承災(zāi)體數(shù)據(jù)，包括千米格網(wǎng)GDP數(shù)據(jù)、千米格網(wǎng)人口數(shù)據(jù)和千米格網(wǎng)建筑物數(shù)據(jù)等。接著從災(zāi)情計算的角度討論了計算用致災(zāi)因子，并選擇地震烈度作為計算用致災(zāi)因子。分別從建筑物震害、人員死亡、直接經(jīng)濟(jì)損失等方面詳細(xì)介紹了應(yīng)急災(zāi)情計算模型。以建筑物震害計算參數(shù)為例，論述了其空間化方法，將其轉(zhuǎn)化為基于空間千米格網(wǎng)的計算參數(shù)圖層。在此基礎(chǔ)上，通過應(yīng)用地圖代數(shù)方法，介紹了應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)計算模型的算法化實現(xiàn)。

以Python和ArcGIS為工具應(yīng)用前期課題開發(fā)的千米格網(wǎng)GDP、人口和建筑物數(shù)據(jù)，實現(xiàn)了中國大陸范圍千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的開發(fā)。接著以中國境內(nèi)的2次破壞性地震為案例，以人口死亡評估為內(nèi)容，測試了千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)的應(yīng)用。應(yīng)用結(jié)果表明，文中開發(fā)的應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)能較好地提升地震應(yīng)急災(zāi)情評估速度，并在一定程度上改善地震應(yīng)急災(zāi)情評估的準(zhǔn)確性。同時千米格網(wǎng)地震應(yīng)急災(zāi)情預(yù)評估數(shù)據(jù)可給出地震應(yīng)急災(zāi)情的空間分布，形成地震應(yīng)急救援重點分布圖，為地震應(yīng)急救援提供參考。未來將進(jìn)一步探索千米格網(wǎng)承災(zāi)體數(shù)據(jù)的開發(fā)模型，提升千米格網(wǎng)數(shù)據(jù)的準(zhǔn)確性，并研究地震應(yīng)急災(zāi)情快速評估優(yōu)化算法與方法，提高地震應(yīng)急災(zāi)情評估的準(zhǔn)確性和時效性。

陳颙，劉杰. 1999. 地震危險性分析和震害預(yù)測 [M]. 北京： 地震出版社.

CHEN Yong，LIU Jie. 1999. Earthquake Risk Analysis and Hazard Prediction [M]. Seismological Press，Beijing(in Chinese).

高慶華. 2011. 論地震風(fēng)險 [M]. 北京： 氣象出版社.

GAO Qing-hua. 2011. On Earthquake Disaster Risk [M]. Meteorological Press，Beijing(in Chinese).

韓貞輝，李志強(qiáng)，陳振拓，等. 2013. 人口、房屋數(shù)據(jù)空間化及其在震災(zāi)快速評估中的應(yīng)用: 以彝良地震為例 [J]. 地震地質(zhì)，35(4)： 894—906. doi: 10.3969/j.issn.0253-4967.2013.04.018.

HAN Zhen-hui，LI Zhi-qiang，CHEN Zhen-tuo，etal. 2013. Population，housing statistics data spatialization research in the application of rapid earthquake loss assessment-A case of Yiliang earthquake [J]. Seismology and Geology，35(4): 894—906(in Chinese).

江東. 2007. 人文要素空間化研究進(jìn)展 [J]. 甘肅科學(xué)學(xué)報，19(2)： 91—94.

JIANG Dong. 2007. Study on the progress of spatialization of anthrop factors [J]. Journal of Gansu Sciences，19(2): 91—94(in Chinese).

劉紅輝，江東，楊小喚，等. 2005. 基于遙感的全國GDP 1km格網(wǎng)的空間化表達(dá) [J]. 地球信息科學(xué)，7(2)： 120—123.

LIU Hong-hui，JIANG Dong，YANG Xiao-huan，etal. 2005. Spatialization approach to 1km grid GDP supported by remote sensing [J]. Geo-information Science，7(2): 120—123(in Chinese).

馬玉宏，謝禮立. 2000. 地震人員傷亡估算方法研究 [J]. 地震工程與工程振動，20(4)： 140—147.

MA Yu-hong，XIE Li-li. 2000. Methodologies for assessment of earthquake causality [J]. Earthquake Engineering and Engineering Vibration，20(4): 140—147(in Chinese).

苗崇剛，聶高眾. 2004. 地震應(yīng)急指揮模式探討 [J]. 自然災(zāi)害學(xué)報，13(5)： 48—54.

MIAO Chong-gang，NIE Gao-zhong. 2004. Exploration on mode of earthquake emergency command [J]. Journal of Natural Disasters，13(5): 48—54(in Chinese).

聶高眾，安基文，鄧硯. 2012. 地震應(yīng)急災(zāi)情服務(wù)進(jìn)展 [J]. 地震地質(zhì)，34(4)： 782—791. doi: 10.3969/ j.issn.0253-4967.2012.04.020.

NIE Gao-zhong，AN Ji-wen，DENG Yan. 2012. Advances in earthquake emergency disaster service [J]. Seismology and Geology，34(4): 782—791(in Chinese).

聶高眾，陳建英，李志強(qiáng)，等. 2002. 地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫建設(shè) [J]. 地震，22(3)： 105—112.

NIE Gao-zhong，CHEN Jian-ying，LI Zhi-qiang，etal. 2002. The construction of basic database for earthquake emergency response [J]. Earthquake，22(3): 105—112(in Chinese).

王曉青，丁香，王龍，等. 2009. 四川汶川8 級大地震災(zāi)害損失快速評估研究 [J]. 地震學(xué)報，31(2)： 205—211.

WANG Xiao-qing，DING Xiang，WANG Long，etal. 2009. A study on fast earthquake loss assessment and its application to 2008 WenchuanM8 earthquake [J]. Acta Seismologica Sinica，31(2)： 205—211(in Chinese).

熊俊楠，韋方強(qiáng)，蘇鵬程，等. 2013. 基于多源數(shù)據(jù)的四川省GDP千米格網(wǎng)化研究 [J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報，21(2)： 317—326. doi: 10.3969 /j.issn.1005-0930.2013.02.013.

XIONG Jun-nan，WEI Fang-qiang，SU Peng-cheng，etal. 2013. Research on GDP spatialization approach of Sichuan Province supported by multi-source data [J]. Journal of Basic Science and Engineering，21(2): 317—326(in Chinese).

尹之潛. 1995. 地震災(zāi)害及損失預(yù)測方法 [M]. 北京： 地震出版社.

YIN Zhi-qian. 1995. Earthquake Disaster and Loss Prediction Method [M]. Seismological Press，Beijing(in Chinese).

中國地震局震災(zāi)應(yīng)急救援司. 2004. 地震應(yīng)急 [M]. 北京： 地震出版社.

Earthquake Emergency Rescue Department，China Earthquake Administration. 2004. Earthquake Emergency Response [M]. Seismological Press，Beijing(in Chinese).

Bhaduri B，Bright E，Coleman P，etal. 2007. LandScan USA: A high-resolution geospatial and temporal modeling approach for population distribution and dynamics [J]. GeoJournal，69：103—117.

Cai Q，Rushton G，Bhaduri B L，etal. 2006. Estimating small-area populations by age and sex using spatial interpolation and statistical inference methods [J]. Transactions in GIS，10： 577—598.

Dobson J E，Bright E A，Coleman P R，etal. 2000. Landscan: A global population database for estimating populations at risk [J]. Photogrammetric Engineering & Remote Sensing，66： 849—857.

Goodchild M F，Anselin L，Deichmann U. 1993. A framework for the areal interpolation of socioeconomic data [J]. Environment and Planning A，25: 383—397.

The development of the km grid technology provides good prospect to solve this problem. The paper suggests to develop earthquake disaster information pre-estimation data with the support of the km grid technology. The definition and source of the pre-estimation data are introduced and its possibility in improving the estimation speed and accuracy are analyzed theoretically.

Then，we elaborate the calculation model of the pre-estimation data. The framework of the model includes disaster-bearing body data，disaster-causing factors used in calculation and calculation formula. The disaster-bearing body data in km grid format are introduced，including population data in km grid format and building data in km grid format. Then the four elements of the earthquake(earthquake occurrence time，earthquake location，earthquake magnitude and focal depth)are selected as disaster-causing factors for calculation. Map algebra method is used to realize the calculation model in which calculation parameters are associated with base map in the km grid format. So the pre-estimation data are developed by python and ArcGIS，which includes building damage dataset(100 layers)，death toll dataset(10 layers)and direct economic loss dataset(5 layers).

Finally，the pre-estimation data based method for earthquake emergency disaster information estimation is presented. With the support of this method，two real earthquake cases are used to validate the effect of the pre-estimation data. The validation results show the pre-estimation data can not only significantly improve the speed of the estimation but also greatly improve the accuracy of the estimation. Another good result is found in the validation process that with the support of the pre-estimation data，the estimated result can display the spatial distribution of the disaster information，which will effectively aid earthquake emergency response and rescues.

DEVELOPMENT OF EARTHQUAKE EMERGENCY DISASTER INFORMATION PRE-EVALUATION DATA BASED ON KM GRID

XU Jing-hai1)AN Ji-wen2)NIE Gao-zhong2)

1)InstituteofSpatialInformationandComprehensiveDisasterReduction，CollegeofGeomaticsEngineering，NanjingUniversityofTechnology，Nanjing211816，China2)InstituteofGeology，ChinaEarthquakeAdministration，Beijing100029，China

After an earthquake，earthquake emergency response and rescue is one of the effective ways to reduce casualties from the earthquake. Earthquake emergency disaster information is one of crucial factors to effectively guide the rescue work. However，there is a “black box effect” on the emergency disaster information acquisition after an earthquake，which means real-time earthquake disaster information is insufficient. Hazard estimates are usually used as a substitute for the real-time disaster information in the “black box” period. However，it is subject to the accuracy and speed of the estimation.

earthquake emergency，kilometer (km) grid，earthquake emergency disaster information，disaster information estimation，spatialization

10.3969/j.issn.0253- 4967.2016.03.020

2015-03-23收稿，2016-07-07改回。

中國地震局地質(zhì)研究所基本科研業(yè)務(wù)專項(IGCEA1506)、國家科技支撐計劃項目(2012BAK15B06)、空間信息智能感知與服務(wù)深圳市重點實驗室(深圳大學(xué))開放基金資助項目(201404)、江蘇省測繪地理信息科研項目(JSCHKY201506)與中國地震局工程力學(xué)研究所基本科業(yè)務(wù)費(fèi)專項(2016QJGJ16)共同資助。

P315.9

A

0253-4967(2016)03-0760-13

徐敬海，男，1977年生，2006年于武漢大學(xué)獲攝影測量與遙感專業(yè)博士學(xué)位，副教授，主要從事地震應(yīng)急、空間技術(shù)減災(zāi)集成與工程應(yīng)用研究，電話： 025-58139462，E-mail: xu_jing_hai@163.com。