高精度承災體數據支撐的地震災情快速評估

安基文 徐敬海 聶高眾 白仙富

1)中國地震局地質研究所， 北京 100029 2)南京工業(yè)大學測繪學院， 南京 211816 3)云南省地震局， 昆明 650224

高精度承災體數據支撐的地震災情快速評估

安基文1)徐敬海2)*聶高眾1)白仙富3)

1)中國地震局地質研究所， 北京 100029 2)南京工業(yè)大學測繪學院， 南京 211816 3)云南省地震局， 昆明 650224

地震災情快速評估是震后地震應急響應的核心技術支撐。目前， 隨著高精度人口社會經濟數據的推廣， 中國地震局下屬單位的地震災情快速評估所采用的承災體數據大多由原來的縣級精度提升到30″×30″(經緯度)的高精度。然而， 基礎數據精度得到提升的同時， 災情評估的主要算法和技術流程卻沒有改變。結果是評估準確度得到了一定提高， 而縣級精度數據支撐下的評估耗時較多(10～20min， 大震時可在30min以上)， 震害損失空間分布不夠精細等問題仍然沒有得到解決。因此， 文中首先介紹了高精度承災體數據(30″×30″)， 描述地震災情快速評估的原理及縣級數據支撐下的實現過程， 之后闡述利用高精度承災體數據改善地震災情快速評估數據基礎的原理， 在評估過程中利用柵格代數運算提高計算效率和保持數據精度的原理， 以及通過分割和重新組織快速評估技術流程提高評估速度的方法。經試驗驗證， 改進后地震災情快速評估的準確度有所提高， 能夠產出高精度的(30″×30″)的震害分布， 并且評估耗時縮減到1min以內(不含出圖耗時)。大范圍的高精度承災體數據是一種模擬數據而非調查數據， 盡管其基礎是普查數據， 但準確度與實際情況仍有一定的差距， 需要進一步研究與優(yōu)化。

高精度承災體數據 地震災情快速評估 地震應急救援 震后應急響應

0 引言

中國是地震頻發(fā)且災情嚴重的國家。20世紀中國大陸發(fā)生了445次6.0～7.9級地震、 9次8.0級以上地震， 死亡約59萬人①。長期的理論研究與工作實踐證明， 震后應急救援是減少地震傷亡和損失的有效途徑(Wegscheideretal.， 2013; Xuetal.， 2014)。地震應急救援的關鍵點在于能否在最短的時間內， 做出科學合理的應急救援計劃并付諸行動。破壞性地震發(fā)生之后的短時間內， 往往無法獲得災區(qū)現場的真實的震害信息， 因此， 此時地震應急救援計劃的擬定， 其科學依據由災區(qū)后方的技術部門提供。震后應急救援技術支撐的核心是地震災情快速評估， 這是對地震災害損失情況的模擬與評價， 是震后短時間內應對真實災情信息缺失的有效手段， 其準確度、 信息質量和評估速度等直接影響震后應急救援的效率。

美國地質調查局(U.S. Geological Survey， USGS)響應全球范圍的重大地震， 常常在尚未有現場災情報告上報之前， 迅速評估地震影響， 并向應急響應部門、 政府機關和援助機構發(fā)出警報， 告知可能發(fā)生的地震破壞事件。為此， USGS開發(fā)了PAGER(Prompt Assessment of Global Earthquakes for Response)系統， 用于震后快速評估可能的人員傷亡和經濟損失的范圍(http: ∥earthquake.usgs.gov/earthquakes/pager/)。中國地震局負有快速響應發(fā)生在或波及到中國境內的地震事件， 迅速評估地震影響并向國務院匯報潛在地震破壞事件的責任。中國地震局及其下屬單位也開發(fā)了類似PAGER的地震災情快速評估技術系統。

本研究開展之初， 中國地震局下屬單位的災情快速評估大多仍在采用縣級精度的承災體數據， 僅有中國地震局地質研究所、 山西省地震局、 四川省地震局等少數單位采用高精度承災體數據(30″×30″)(聶高眾等， 2011; 楊斌等， 2011)。之后， 依托中國地震局地震行業(yè)科研專項南北地震帶大震極災區(qū)速判及關鍵技術研究”(楊建思等)和國家科技支撐計劃項目 “地震災情服務及應急決策支撐平臺研究”(聶高眾等)， 在中國地震局的支持下研發(fā)并在其應急工作中可用的高精度承災體數據得到進一步完善和更新； 依托 “國家地震社會服務工程(中國地震局地質研究所)”(張培震等)， 高精度承災體數據在地震災情快速評估中的應用已在中國各個省、 自治區(qū)和直轄市的地震應急工作中得到普及。然而， 基礎數據精度得到提升的同時， 災情評估的主要算法和技術流程卻沒有改變。結果是評估準確度得到了一定的提高， 但是縣級承災體數據支撐下快速評估中存在的其他問題仍然沒有得到解決。原地震災情快速評估中存在如下幾個亟待改進的問題：

(1)評估誤差較大。主要來源于地震影響場模擬偏差、 震害評估模型誤差和承災體數據誤差等。縣級精度的數據認為承災體在行政單元內部均勻分布， 因此當1個行政單元與1個烈度范圍有部分重疊時， 該部分的承災體數量由重疊面積乘以承災體平均密度得出。顯然， 這是不合理的， 有可能產生大量誤差。

(2)評估得出的震害分布不夠精細。受限于承災體數據的精度， 評估結果只能給出縣級精度的震害分布， 而對于分秒必爭的地震應急救援， 這個范圍可能會顯得非常大(尤其在中國西部地區(qū))， 在對救援目標的進一步搜尋中， 很可能會失去挽救更多生命的機會。

(3)評估速度不夠快。目前震害評估的耗時大多在10～20min， 遇到特大地震時甚至需要30min以上。對于災情快速評估結果， 地震及其他領域的專家會進一步進行分析與討論， 形成災情報告并提交給政府相關部門。2008年汶川地震后， 中國政府要求技術支撐部門于震后1h之內提交第1次災情報告， 留給災情分析與報告編寫的時間非常有限。為了給專家們更多的時間以更好地完成災情分析工作， 災情評估需要提速。

地震應急快速評估有很多模型， 可歸類為基于統計的經驗模型(傅征祥等， 1993; 高惠瑛等， 2010; 劉金龍等， 2012)和基于震害機理的分析模型(程家喻等， 1996; 馬玉宏等， 2000； 李媛媛等， 2014)， 而目前作為主流的是分析模型。分析模型要求對建筑物進行詳細的結構分類， 再通過結構的抗力分析或歷史震害的統計求得其易損性， 震時根據地震烈度與結構響應的關系求出建筑物的倒塌概率， 繼而結合人口或經濟的暴露情況求出相應的損失。國內將以分析模型為核心的震害評估方法稱為易損性分類清單法， 于1995年提出并有詳細描述(李樹楨， 1995; 尹之潛， 1995)， 后來也有很多學者對該方法的發(fā)展做出貢獻。易損性分類清單法是先進的， 目前絕大多數單位的震害快速評估所用的都是這個方法， 而且基礎數據精度的改變對評估模型沒有適用性方面的要求， 但是與模型的具體實現， 即算法有直接的聯系， 甚至需要調整算法以適應新的數據。因此， 本研究不提出或改進震害評估模型， 而是在算法層面上， 對評估技術進行改進， 以提高快速評估的效率。

本文首先肯定地震災情快速評估中采用易損性分類清單法， 并以其分析模型的原理為背景， 充分利用高精度格網數據的技術特點， 改進震害快速評估的主要算法， 改進評估模型的業(yè)務邏輯在技術上的實現流程， 以圖解決或改善目前震害快速評估中依然存在的一些問題。本文在第2節(jié)說明地震災情快速評估的原理及縣級承災體數據支撐下的評估技術流程。在第3節(jié)詳細說明高精度承災體數據支撐下地震災情快速評估的改進。在第4節(jié)利用歷史地震案例進行試驗與評價。最后， 在第5節(jié)進行討論與總結， 并提出對未來研究工作的設想。

1 數據

可獲得的中國的國家普查數據一直以縣行政區(qū)劃為基本統計單元。本文的研究工作開展之初， 中國地震局下屬單位的災情快速評估大多仍在采用縣級精度的承災體數據。然而， 在以往多次破壞性地震的應急救援工作中已充分認識到縣級精度的不足， 并一直努力發(fā)展符合中國地震應急救援工作需求的高精度承災體數據的生產技術。

高精度承災體數據是相對縣級精度的數據而言的， 目前沒有明確規(guī)定必須達到某個分辨率。本文所指的是30″×30″經緯度大小(在赤道附近有約1km的分辨率)的格網數據， 內容包括中國大陸范圍的人口、 分類型建筑物及GDP(本文沒有使用)數據， 相較縣級數據其精度優(yōu)勢是非常明顯的。實際上， 國際上也有100m分辨率人口格網數據的研究案例(Linardetal.， 2012)， 但是就目前我們所掌握的資源， 只能研制30″×30″分辨率的承災體數據， 而該分辨率已可以滿足地震應急響應與救援業(yè)務的需求。

將通過普查獲得的1個行政單元的社會要素數量值， 利用數學模型分解到該行政單元內部細分的格網中， 以便更精確地反映其分布情況， 這就是高精度承災體數據的生產原理， 很多學者稱之為社會要素空間化。目前， 人口空間化的研究案例很多(Lietal.， 2005; Yueetal.， 2005； Balketal.， 2006; Briggsetal.， 2007; Liuetal.， 2008; Silvn-Crdenasetal.， 2010; Azaretal.， 2013; Batista e Silvaetal.， 2013)， 也產出了實用的高精度人口數據集。美國能源部所屬橡樹嶺國家實驗室(Oak Ridge National Laboratory， ORNL)開發(fā)的LandScan數據是全球人口分布的領域標準(Dobsonetal.， 2000； Bhadurietal.， 2002; Caietal.， 2006; Bhadurietal.， 2007)。它利用空間數據與影像分析技術和多變量密度建模方法將人口統計數據分解到行政單元內部的30″×30″經緯度大小(在赤道附近有約1km的分辨率)的格網中， 是目前精度最高的全球人口動態(tài)分布數據。該數據集覆蓋全球84°N到90°S的范圍， 目前僅對美國聯邦政府機構免費提供(GIST， http: ∥web.ornl.gov/sci/landscan/index.shtml)。

圖1 高精度(30″×30″)中國人口和房屋面積分布Fig. 1 The high-precision(30″×30″)population and housing area distributions in China.a 人口分布； b 全部房屋建筑分布； c 多層鋼筋混凝土房屋分布； d 多層砌體房屋分布； e 單層房屋分布； f 其他類型房屋分布

依托于中國地震局地震行業(yè)科研專項“地震應急數據指標化和應急能力評價指標體系技術研究”(聶高眾等)， 中國地震局地質研究所與中國科學院地理科學與資源研究所合作開發(fā)了1套中國大陸范圍的高精度人口與分類型房屋建筑數據集(30″×30″)(圖1)。通過現場調查獲取了大量的關于人口、 房屋建筑要素密度與多種環(huán)境因子關系的樣本， 分析得出回歸模型， 并將第5次全國人口普查數據(2000)分解到細分的格網中。數據集的生產充分考慮了地震行業(yè)的應用需求， 比如房屋建筑數據按照承災體的地震易損性及已有的房屋建筑地震破壞比資料分為4類——鋼筋混凝土結構、 多層砌體結構、 單層民宅和其他。2013年， 我們采用第6次中國人口普查數據(2010)對數據集進行了更新。我們研制高精度人口社會經濟數據的方法及數據已應用于多個研究中(黃耀歡等， 2007； 陳振拓等， 2012; 韓貞輝等， 2013; 丁文秀等， 2014)， 其適用性已得到驗證。

2 地震災情快速評估的原理

2.1 震害的快速評估

地震災情的詳細評估是震后通過對災區(qū)的現場調查得出的， 結果比較準確和真實， 但需要調查人員進入災區(qū)， 而且完成調查需要較長的時間， 往往是幾天甚至幾周。由于時效性較差的緣故， 此類評估對于地震應急救援是沒有意義的， 因此我們在震后短時間內利用數學方法模擬地震災情， 給震后應急響應提供技術支撐， 并稱之為地震災情快速評估。

在地震災情快速評估中， 震害的大小由承災體暴露量和承災體在地震影響下的破壞比或傷亡比決定(傅征祥等， 1993; 李樹楨， 1995; 尹之潛， 1995)(式(1))。為了得到準確的地震災情， 震害快速評估需要做到準確地提取受到地震影響的承災體暴露量， 以及正確地獲取承災體的損失比或傷亡比。

damage=exposure×loss_ratio

(1)

承災體暴露量是指暴露在地震影響之下的承災體數量， 通過匯總被地震影響場所覆蓋范圍內的承災體數量得出。因此， 震害快速評估首先需要獲得準確的地震影響場范圍， 再根據準確的承災體空間分布， 利用GIS技術提取承災體的暴露量。

房屋建筑的倒塌是導致地震人員傷亡的主要原因之一(李樹楨， 1995)， 因此傷亡比往往由房屋建筑的震害推導而出， 其空間差異性由房屋建筑震害的空間分布決定。房屋建筑的破壞比由建筑物的抗震性能和地震動作用的強度決定。建筑結構、 建筑材料、 建筑年代和抗震設防標準等都是影響房屋抗震性能的因素。因此， 房屋建筑的破壞比在不同區(qū)域， 不同烈度下很可能是不相同的。

由于以上原因， 震害快速評估中需要根據房屋建筑破壞比的地域性和地震烈度圈對災區(qū)進行分割(圖2)， 對每個分區(qū)提取承災體的暴露量， 并采用合理的破壞比參數進行震害的計算， 最后對整個災區(qū)進行災情的匯總。

2.2 縣級承災體數據支撐下的地震災情快速評估

針對地震災情快速評估模型中房屋建筑破壞比參數的地域性和烈度相關性， 學者們通過對指定范圍的震例研究， 提出了適用于中國大陸不同地區(qū)和各個烈度的地域性模型參數(房屋建筑破壞比)(尹之潛， 1995； 胡少卿等， 2010)。地域性模型參數一般存儲為表格格式， 同時將模型參數的適用范圍存儲為多邊形矢量格式， 并通過索引進行關聯(圖2)。由于房屋建筑的抗震性能往往以行政地區(qū)為研究范圍進行評價， 地域性模型參數的適用范圍邊界與部分行政區(qū)劃邊界重疊。

目前中國地震局在震害快速評估中采用的縣級承災體數據以多邊形矢量格式存儲。地震發(fā)生之后， 快速評估技術系統首先通過疊加承災體多邊形與分割出的災區(qū)小分區(qū)， 計算小分區(qū)的承災體數量。其次， 對每個災區(qū)小分區(qū)讀取與之關聯的地域性模型參數， 建立各自的地域性快速評估模型， 分別進行評估， 最后進行匯總(圖2)。

圖2 地域性模型參數的原使用方式和基于格網的新的使用方式Fig. 2 The original and grid-based new usage of regional model parameters. ID1—5所標識的地區(qū)分別有各自適用的地域性模型參數； 虛線圈定的地區(qū)表示受到地震影響的范圍； layera、 layerb和layerc是地域性模型參數a、 b和c的空間化表示

3 地震災情快速評估的改進

高精度承災體數據往往以柵格格式存儲和使用， 有利于數據的定位存取， 以及疊加及代數或邏輯運算， 簡單而高效。地震災情評估過程中， 多數操作是區(qū)域的疊加、 區(qū)域內數值統計、 區(qū)域和區(qū)域的對位運算等， 非常適合以柵格代數運算方式實現。因此， 我們將評估中涉及的其他數據， 包括地震影響場和地域性模型參數等， 也由矢量結構或數值轉換為柵格結構， 以便參與柵格代數運算。

地域性模型參數的柵格化， 首先將參數適用范圍轉換為同等精度的柵格， 再將關聯的參數值賦到對應的柵格中， 而每個參數形成1個數據層， 最終產出多個數據層(圖2)。柵格化之后， 地震影響場跨越多個參數適用范圍的情況下， 不再需要對災區(qū)進行分割， 因為通過柵格化已經體現了模型參數的地域性特點。災情快速評估時， 根據評估模型， 直接對承災體和模型參數等的柵格數據層實施柵格代數運算即可， 避免了繁雜的分割、 循環(huán)計算等操作。

3.1 評估準確度有所提高

地震災情快速評估中采用縣級承災體數據的情況下， 縣行政區(qū)劃與災區(qū)小分區(qū)的部分重疊是不可避免的， 而由此產生1個問題——如何計算重疊區(qū)域的承災體暴露量？對于縣級承災體數據， 我們認為承災體在行政單元內部是均勻分布的， 藉此將1個縣的統計數值除以該縣的面積而得出承災體分布的平均密度， 而重疊區(qū)域的承災體暴露量由該部分面積乘以承災體密度得出。這種做法很可能會產生較大的誤差， 尤其在縣政府所在地位于重疊區(qū)域之外的情況下， 因為在中國的很多縣， 縣政府所在地的承災體密度遠遠大于整個縣的平均密度， 而部分鄉(xiāng)或村及其周邊的承災體密度則遠遠小于整個縣的承災體平均密度(圖3)。

圖3 3種情況下人口分布的模擬Fig. 3 The simulations of population distribution in three cases.a 行政單元級別精度下人口的均勻分布； b 基于居民點的人口實際分布； c 高精度下人口的模擬分布； 點表示人口而紅色邊界圈定的地區(qū)表示受到地震影響的范圍

高精度承災體數據對承災體分布的模擬比較接近真實情況， 可以描述行政區(qū)劃內部承災體分布的不均勻性， 但是在每個格網單元內部， 認為承災體是均勻分布的。盡管如此， 其精確度與準確度已遠遠高于縣級數據， 足以滿足地震應急的需求。

3.2 災情定位精度大幅提高

采用縣級承災體數據的情況下， 震害快速評估中的部分處理步驟脫離空間處理過程， 而進行數值計算。通過多邊形的疊加計算災區(qū)小分區(qū)的承災體數量的過程是一個空間處理過程。而接下來， 將小分區(qū)的承災體暴露量輸入到對應的地域性評估模型進行計算， 產出的震害損失是數值結果， 這是一個數值計算過程。最后， 再根據行政區(qū)劃或烈度將震害損失的數值結果進行匯總(圖2)。受限于承災體數據的精度， 產出的災情分布的精度也只能到縣級。

采用高精度承災體數據的情況下， 災情快速評估以柵格代數運算實現模型中的各個計算過程。柵格代數運算同時在每個格網單元處實施獨立的計算操作， 過程中不改變格網單元的空間位置， 具有保持數據精度和空間信息的特點(圖4)。因此， 高精度承災體數據支撐下的震害快速評估始終進行空間處理， 最終產出同樣高精度的震害損失分布。

圖4 柵格代數運算過程中空間信息的持續(xù)性Fig. 4 The persistence of spatial information during the grid algebraic operations.

3.3 評估速度大幅度提升

如3.1節(jié)所述， 破壞性地震發(fā)生之后， 縣級承災體數據支撐下的地震災情快速評估首先必須獲得地震影響場， 之后開始整個震害評估流程(圖5)。從圖5 的評估流程可以發(fā)現， 所有評估耗時均發(fā)生于震后應急響應階段， 而其中大部分耗時用于災區(qū)的分割、 承災體暴露量的提取以及震害損失的計算等3個進程中。

圖5 原來的地震災情快速評估過程Fig. 5 The original process of earthquake disaster rapid assessment.

采用高精度承災體數據和柵格代數運算方式之后， 不再需要對地震災區(qū)進行分割(圖2)。這一點啟發(fā)我們用不同的方式去思考震后災情快速評估的技術流程。新的計算環(huán)境下， 原技術流程中的進程1—3(圖5)可以從整個評估流程中剝離出來， 于日常工作中完成。而地震發(fā)生之后， 只需要根據地震烈度范圍從日常工作中準備好的中國全境的震害損失中提取本次地震影響范圍內的損失即可。新的技術流程如下(圖6)：

圖6 改進的地震災情快速評估過程Fig. 6 The new process of earthquake disaster rapid assessment.

(1)日常數據維護。1)將中國全境的縣級承災體數據和各個烈度下的地域性模型參數(房屋建筑破壞比)轉換為相同精度的柵格數據， 模型參數的地域性將直接體現在柵格數據中(圖2)； 2)計算設定烈度下中國全境的震害損失分布。得益于高精度柵格環(huán)境， 我們可以不考慮具體的地震影響場， 而分別設定中國全境處于Ⅵ—Ⅹ度中的1個烈度下， 并根據中國全境的高精度承災體數據和該烈度下的地域性模型參數的柵格數據， 按照評估模型實施柵格代數運算， 得出各個設定烈度下中國全境的高精度震害損失分布并存儲到數據庫中。

以上操作都是比較耗時的， 也是原技術流程中占大部分評估耗時的工作內容。在新的技術流程中， 這部分工作在日常工作中完成， 其耗時對震后災情快速評估不會有任何影響。

(2)震后災情快速評估。 1)以地震影響場中各個烈度范圍作為掩膜， 從日常工作中準備好的設定烈度下中國全境高精度震害損失分布中分別提取對應烈度下的震害損失。 2)將各個烈度下的震害損失拼接成1個地震影響場范圍的震害損失分布。 3)根據需求， 對震害損失分布進行空間統計分析并輸出。

上述流程中， 震后評估工作的內容少、 操作簡單， 耗時也非常少， 大幅度提升了評估速度。

4 試驗與評價

本文以近幾年在中國大陸發(fā)生的4次破壞性地震為例(表1)， 分別用原評估系統和新的評估系統進行地震災情快速評估， 評估中采用的地震參數和影響場范圍等信息均來自震后中國地震局正式發(fā)布的資料。2次評估的內容、 各類損失評估模型是相同的。

表1 案例研究與評價中采用的破壞性地震的信息

Table1 The information of destructive earthquakes used in the case study and evaluation

ID發(fā)震位置發(fā)震時間震級(MS)震源深度/km最大烈度E1中國四川省汶川縣,31.0°N103.4°E2008-05-1214:288.01411E2中國云南省彝良縣,27.6°N104.0°E2012-09-0711:195.7148E3中國甘肅省岷縣、漳縣交界,34.5°N104.2°E2013-07-2207:456.6208E4中國云南省魯甸縣,27.1°N103.3°E2014-08-0316:306.5129

我們將原評估系統和新的評估系統安裝在同一臺PC機上， 在相同的運行環(huán)境下(Intel Core2 Quad CPU Q9550@2.83GHz， 4.00GB RAM， Windows 7 Pro 32-Bit with SP1)， 分別運行評估系統對上述4個震例逐個進行災情快速評估。我們主要考察對應急救援最為關鍵的人員死亡評估結果。另外， 對整個災情評估所消耗的時間進行了測量， 結果如表2 所示。

表2 評估結果和實際死亡人口

Table2 The assessment results and the actual deaths

評估內容結果來源E1E2E3E4死亡(人)原評估系統170739(246.6.1%)31(38.8%)68(71.6%)237(38.4%)新評估系統63093(91.1%)75(93.8%)70(73.7%)369(59.8%)真實的情況692278095617耗時原評估系統20min以上8min以上9min以上9min以上新評估系統38s26s30s29s

注 死亡人數后括號里的百分比是評估死亡人數與實際死亡人數的比值。

試驗評估結果， 改進之后的評估準確度確實有一定的提高， 尤其是對汶川地震和彝良地震人員死亡的評估比較成功， 準確率均達到90%以上。對魯甸地震人員死亡的評估準確率較低， 根據我們震后的現場調查， 由以下幾個原因導致了地震損失的加重： 1)云南省魯甸縣是國家級貧困縣， 經濟發(fā)展落后， 房屋的抗震性能非常差； 2)魯甸縣有87.9%的面積屬于山區(qū)， 地震滑坡等次生地質災害頻發(fā)， 加重了震害損失。

改善之后， 幾次震例的評估耗時(包括人員死亡及其他損失評估)均在30s左右， 遠少于原來的評估耗時。新的評估系統產出30″×30″精度的震害損失分布， 其精度與承災體數據的精度一致(圖7)。

圖7 以高精度柵格方式表現的汶川地震人員死亡分布(評估結果)Fig. 7 The high-precision grid distribution of earthquake deaths in Wenchuan earthquake(assessed results).

5 討論與總結

與原災情快速評估相比， 高精度承災體數據和柵格代數運算支撐下的地震災情快速評估在地理信息表達的精確性與地理處理的效率上具有明顯的優(yōu)勢。經試驗驗證， 評估準確度有所提高、 災情分布的精細度和評估速度大幅度提升， 高精度承災體數據支撐下地震災情快速評估能力確實得到有效的提高。

借助地震災情快速評估能力的提高以及高精度的災情信息， 我們可以以多個尺度表示震害分布， 如省級、 市級、 縣級、 鎮(zhèn)級和格網級， 并給出不同層次上的資源調度與救援指引相關的決策建議， 以幫助政府部門擬定科學合理、 高效的指揮決策。簡單介紹如下：

(1)災情的多尺度分析與資源調度相關的建議。 以省級到縣級的各個尺度表示災情分布， 并在各個尺度分析與定位重災區(qū)。在此基礎上可以給出以下方面的決策建議。 1)在省級尺度上， 根據各省的死亡人口判斷并建議是否啟動國務院地震應急響應及啟動幾級響應， 是否成立國務院抗震救災指揮部或省抗震救災指揮部， 以統一指揮和協調抗震救災工作， 是否立即出動國家級地震災害救援隊或省級地震災害救援隊， 同時組織和出動醫(yī)療隊伍等； 2)在市級尺度上， 根據災區(qū)各市的死亡人員識別重災市并建議優(yōu)先調動哪些城市的地震專業(yè)救援隊和物資儲備， 并準備接收轉移的傷患等； 3)在縣級尺度上， 根據災區(qū)各縣的死亡人員識別重災縣并建議調動周邊各縣的救援人員、 設備和物資儲備， 并指示準備接收轉移的傷患和疏散民眾。根據各縣的震害， 根據已有模型估算救援需求， 如救援隊伍需求、 醫(yī)療隊伍需求以及帳篷需求等， 并上報國務院。

(2)救援目標的精確定位與救災路線設計相關的建議。 根據鎮(zhèn)級尺度的震害表示， 分析與識別重災鎮(zhèn)， 并結合災區(qū)公路分布與我們的其他研究成果——災區(qū)滑坡導致的公路阻斷快速評估結果， 給出關于救援目標定位和救災路線設計的決策建議。到達重災鎮(zhèn)之后， 救援隊伍可以根據技術支撐部門提供的格網級精度的震害表示， 進行精確尋址， 找到救援目標。

地震應急救援需要政府部門統籌、 有序和高效地指揮救援力量的部署和救援物資的調配， 如快速成立符合行政管理程序的應急指揮體系， 指出重點救援目標和優(yōu)先調動的救援資源， 擬定合理的救援行動計劃等。這就要求政府部門掌握精確而多尺度的災情信息， 以擬定出科學的應急救援計劃。高精度的震害分布及基于多尺度表示的重災區(qū)逐級定位可以在一定程度上滿足政府部門的信息需求。

地震災害快速評估的準確度是非常不易控制的， 因為其影響因素太多太復雜， 包括地震影響場的偏差， 評估模型產生的誤差(主要是建筑物易損性的不確定性太大)， 地震次生災害如地質災害、 火災以及毒氣災害等的難以定量評估， 還有高精度承災體數據作為模擬數據所固有的誤差等。本文通過提高評估所用基礎數據的精度在一定程度上提升了評估準確度， 但其影響非常有限。比如， 在試驗驗證中考察的魯甸地震人員死亡， 評估誤差還是非常大的， 盡管相比原評估技術有所提高。中國地震局對震害快速評估準確度的要求是將評估誤差控制在1個數量級以下?？梢娞岣哒鸷焖僭u估的準確度， 現狀不容樂觀而未來還要繼續(xù)努力。目前， 高精度承災體數據在中國境內的部分地區(qū)沒有數據或數據質量較差， 對災情評估和應急決策建議工作有較大影響， 需要在未來的工作中進一步深入研究。

陳振拓， 李志強， 丁文秀， 等. 2012. 面向防震減災的人口數據空間化研究： 以2007年寧洱地震災區(qū)為例 [J]. 震災防御技術， 7(3): 273—284.

CHEN Zhen-tuo， LI Zhi-qiang， DING Wen-xiu，etal. 2012. Study of spatial population distribution in earthquake disaster reduction: A case study of 2007 Ning’er earthquake [J]. Technology for Earthquake Disaster Prevention， 7(3): 273—284(in Chinese).

程家喻， 楊喆. 1996. 評估地震人員傷亡的軟件系統 [J]. 地震地質， 18(4): 462— 470.

CHENG Jia-yu， YANG Zhe. 1996. A software system of evaluating earthquake casualties [J]. Seismology and Geology， 18(4): 462— 470(in Chinese).

丁文秀， 張亦梅， 陳振拓， 等. 2014. 湖北省人口數據空間化及在巴東MS5.1地震災情盲估中的應用 [J]. 大地測量與地球動力學， 34(3): 28—30.

DING Wen-xiu， ZHANG Yi-hai， CHEN Zhen-tuo，etal. 2014. Spatialization of population data for Hubei Province and its application to rapid assessment of earthquake loss: A case of BadongMS5.1 earthquake [J]. Journal of Geodesy and Geodynamics， 34(3): 28—30(in Chinese).

傅征祥， 李革平. 1993. 地震生命損失研究 [M]. 北京: 地震出版社. 78—126.

FU Zheng-xiang， LI Ge-ping. 1993. Research on the Loss of Life in Earthquake [M]. Seismological Press， Beijing. 78—126(in Chinese).

高惠瑛， 李清霞. 2010. 地震人員傷亡快速評估模型研究 [J]. 災害學， 25(S1): 275—277.

GAO Hui-ying， LI Qing-xia. 2010. Study on the rapid evaluation model for seismic casualties [J]. Journal of Catastrophology， 25(S1): 275—277(in Chinese).

韓貞輝， 李志強， 陳振拓， 等. 2013. 人口、 房屋數據空間化及其在震災快速評估中的應用： 以彝良地震為例 [J]. 地震地質， 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).

胡少卿， 孫柏濤， 王東明. 2010. 基于建筑物易損性分類的群體震害預測方法研究 [J]. 地震工程與工程振動， 30(3): 96—101.

HU Shao-qing， SUN Bai-tao， WANG Dong-ming. 2010. A method for earthquake damage prediction of building group based on building vulnerability classification [J]. Journal of Earthquake Engineering and Engineering Vibration， 30(3)， 96—101(in Chinese).

黃耀歡， 楊小喚， 劉業(yè)森. 2007. 人口區(qū)劃及其在人口空間化中的GIS分析應用： 以山東省為例 [J]. 地球信息科學， 9(2): 49—54.

HUANG Yao-huan， YANG Xiao-huan， LIU Ye-sen. 2007. A study on Class-2 population regionalization and its application to population spatial distribution based on GIS: A case of Shandong Province [J]. Geo-information Science， 9(2): 49—54(in Chinese).

李樹楨. 1995. 地震災害評估 [M]. 北京: 地震出版社. 71—100.

LI Shu-zhen. 1995. The Assessments of Earthquake Disaster [M]. Seismological Press， Beijing. 71—100(in Chinese).

李媛媛， 蘇國峰， 翁文國， 等. 2014. 地震人員傷亡評估方法研究 [J]. 災害學， 29(2): 223—227.

LI Yuan-yuan， SU Guo-feng， WENG Wen-guo，etal. 2014. A review of researches on seismic casualty estimation [J]. Journal of Catastrophology， 29(2): 223—227(in Chinese).

劉金龍， 林均岐. 2012. 基于震中烈度的地震人員傷亡評估方法研究 [J]. 自然災害學報， 21(5): 113—119.

LIU Jin-long， LIN Jun-qi. 2012. Study on assessment method for earthquake casualty based on epicentral intensity [J]. Journal of Natural Disasters， 21(5): 113—119(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， 30(4): 140—147.

MA Yu-hong， XIE Li-li. 2000. Methodologies for assessment of earthquake casualty [J]. Earthquake Engineering and Engineering Vibration， 30(4): 140—147(in Chinese).

聶高眾， 安基文， 鄧硯. 2011. 地震應急評估與決策指標體系的構建 [J]. 震災防御技術， 6(2): 146—155.

NIE Gao-zhong， AN Ji-wen， DENG Yan. 2011. Construction of the index system for earthquake emergency loss evaluation and decision-making [J]. Technology for Earthquake Disaster Prevention， 6(2): 146—155(in Chinese).

楊斌， 程紫燕， 鄭樹平. 2011. 山西地震應急評估系統模型本地化研究 [J]. 山西地震， (2): 42— 45.

YANG Bin， CHENG Zi-yan， ZHENG Shu-ping. 2011. Study on the localization of Shanxi earthquake emergency responding evaluation system model [J]. Earthquake Research in Shanxi， (2): 42— 45(in Chinese).

尹之潛. 1995. 地震災害及損失預測方法 [M]. 北京: 地震出版社. 100—131.

YIN Zhi-qian. 1995. Methods on the Prediction of Earthquake Disaster and Loss [M]. Seismological Press， Beijing. 100—131(in Chinese).

Azar D， Engstrom R， Graesser J，etal. 2013. Generation of fine-scale population layers using multi-resolution satellite imagery and geospatial data [J]. Remote Sensing of Environment， 130: 219—232.

Balk D L， Deichmann U， Yetman G，etal. 2006. Determining global population distribution: Methods， applications and data [J]. Advances in Parasitology， 62: 119—156.

Batista e Silva F， Gallego J， Lavalle C. 2013. A high-resolution population grid map for Europe [J]. Journal of Maps， 9(1): 16—28.

Bhaduri B， Bright E， Coleman P.etal. 2002. LandScan: Locating people is what matters [J]. Geoinformatics， 5(2): 34—37.

Bhaduri B， Bright E， Coleman P，etal. 2007. LandScan USA: A high-resolution geospatial and temporal modeling approach for population distribution and dynamics [J]. Geo-Journal， 69(1-2): 103—117.

Briggs D J， Gulliver J， Fecht D，etal. 2007. Dasymetric modelling of small-area population distribution using land cover and light emissions data [J]. Remote Sensing of Environment， 108(4): 451— 466.

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(7): 849—857.

Li G， Weng Q. 2005. Using Landsat ETM+imagery to measure population density in Indianapolis， Indiana， USA [J]. American Society for Photogrammetry and Remote Sensing， 71(8): 947—958.

Linard C， Gilbert M， Snow R W，etal. 2012. Population distribution， settlement patterns and accessibility across Africa in 2010 [J]. PLOS ONE， 7(2): e31743.

Liu X H， Kyriakidis P C， Goodchild M F. 2008. Population-density estimation using regression and area-to-point residual Kriging [J]. International Journal of Geographical Information Science， 22(4): 431— 447.

Wegscheider S， Schneiderhan T， Mager A，etal. 2013. Rapid mapping in support of emergency response after earthquake events [J]. Natural Hazards， 68(1): 181—195.

Xu J， Nyerges T L， Nie G. 2014. Modeling and representation for earthquake emergency response knowledge: Perspective for working with geo-ontology [J]. International Journal of Geographical Information Science， 28(1): 185—205.

Yue T， Wang Y， Liu J，etal. 2005. Surface modelling of human population distribution in China [J]. Ecological Modelling， 181(4): 461— 478.

EARTHQUAKE DISASTER RAPID ASSESSMENT FOR EMERGENCY RESPONSE SUPPORTED BY HIGH-PRECISION DATA OF HAZARD BEARING BODY

AN Ji-wen1)XU Jing-hai2)NIE Gao-zhong1)BAI Xian-fu3)

1)InstituteofGeology，ChinaEarthquakeAdministration，Beijing100029，China2)CollegeofGeomaticsEngineering，NanjingTechUniversity，Nanjing211816，China3)YunnanEarthquakeAdministration，Kunming650224，China

The earthquake disaster rapid assessment(EDRA)is the core technical support for the post-earthquake emergency response. At present， with the popularization of high-precision population， social and economic data， most of the subordinate units of China Earthquake Administration(CEA)have heightened the precision of hazard bearing body data used in EDRA from the original county-level precision to the 30″×30″ precision. However， while the precision of fundamental data has been heightened， no efforts have been made to improve the main algorithms and the technical process of EDRA. It turns out that the assessment has become more accurate， but the problems of the time-consuming process(10-20 minutes， probably 20 minutes or more in great earthquakes)and the low-precision losses distributions that exposed in EDRA supported by county-level precision data remain unresolved.

This paper introduces the high-precision(30″×30″)hazard bearing body data， and describes the principle of EDRA and its implementation under the support of county-level precision data at first. Then the paper elaborates the principle of improving EDRA’s data foundation using high-precision hazard bearing body data， the principle of improving the computation efficiency and persisting the data precision in the assessment process by means of the cell-to-cell grid algebraic operation， and the method for improving the assessment speed through the segmentation and reorganization of the technical process of EDRA.

It is validated that through the improvements， the EDRA has become more accurate and much less time-consuming(less than 1 minute)， and is able to output high-precision(30″×30″)distributions of seismic losses. The high-precision hazard bearing body data of wide range are the simulated data but not the survey data. Though the data have been simulated based on the census data， there is still a gap between their accuracy and the real situation. Further research and optimization on the data are needed.

high-precision hazard bearing body data， earthquake disaster rapid assessment， earthquake emergency rescue， post-earthquake emergency response

10.3969/j.issn.0253- 4967.2015.04.022

2014-11-13收稿， 2015-05-18改回。

中國地震局地質研究所基本科研業(yè)務專項(IGCEA1109)資助。 *通訊作者： 徐敬海， 副教授， E-mail: xu_jing_hai@163.com。 ① 中國地震信息網， http: ∥www.csi.ac.cn/。

P316

A

0253-4967(2015)04-1225-17

安基文， 男， 1981年生， 2010年于中國科學院地理科學與資源研究所獲地理信息系統與地圖學專業(yè)博士學位， 助理研究員， 主要研究方向為地震應急與減災， 電話： 010-62009159， E-mail： coramap@outlook.com。