May 21, 2021, Yangbi, Yunnan MS 6.4 Analysis of the Results of Rapid Assessment of Earthquake Disaster Losses
-
摘要: 本文针对2021年5月21日云南漾濞6.4级地震,选取不同的地震烈度衰减关系模型,对各模型地震影响场评估结果与发布的地震烈度图进行对比分析,并对地震影响范围不确定性进行研究。选取多种死亡人数评估模型,分别计算各模型在不同地震影响场下的死亡人数、人口分布数量,探讨各地震影响场模型下的人口分布特征及影响人员死亡的主要因素。通过对比分析可知,导致此次地震灾害损失评估结果与真实地震现场结果不同的主要原因是地震影响场分布、人口分布、房屋建筑抗震能力偏差、地形地貌、次生灾害等多种因素不同。研究结果表明,有效提高地震灾害损失快速评估精确性的途径为提高地震影响场评估精度,提高人口分布、房屋建筑等数据空间分布评估精度,后期专家检验等。Abstract: This paper selects different seismic intensity attenuation relationship models for the May 21, 2021 Yangbi M6.4 earthquake in Yunnan, and compares and analyzes the seismic impact field evaluation results of each model with the released seismic intensity map, and conducts a comparison of various intensity attenuation models. Uncertainty analysis of the earthquake impact range; select multiple casualty assessment models to calculate and analyze the number of deaths and population distribution of each death model under different earthquake impact fields, and explore the population distribution characteristics of each earthquake impact field model And the main factors affecting the casualties of the earthquake. Through comparative analysis, it can be seen that the main reasons for the difference between the loss assessment results of the Yunnan Yangbi M6.4 earthquake and the real earthquake site results are: the distribution of the earthquake affected field, the population distribution, the deviation of the estimation of the building (seismic capacity), the topography, and the frequency of the earthquake. It is caused by various factors such as natural disasters. The results show that the ways to effectively improve the accuracy of the rapid assessment of earthquake disaster losses are: improving the accuracy of the earthquake impact field assessment, improving the accuracy of the spatial distribution of data such as population distribution, housing and construction, and major factors such as later expert intervention.
-
Key words:
- Earthquake disaster loss /
- Intensity /
- Casualties /
- Population distribution /
- Assessment
-
引言
震后初期,由于交通、电力、通信中断或瘫痪,地震现场是复杂、多任务、多兵种协同工作的现场,实地灾情调查及精确的损失评估工作需要大量时间,难以快速获取灾情,无法满足立即制定应急措施、实施救灾决策的需要。因此,对地震灾害损失进行高精度快速评估尤为重要。
地震灾害损失快速评估指地震灾害发生后,快速评估地震成灾范围、人员死亡和经济损失等相关工作(陈文凯等,2020),不仅能够为各级政府和应急管理部门地震应急指挥决策提供重要信息服务,也能作为地震应急救援与指挥决策的重要支撑平台(丁香等,2019)。地震灾害损失快速评估基本思路为:在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,利用震前获得的当地人口、建筑、经济、环境等基础数据,按照地震烈度计算、死亡评估、经济损失评估等数学和经验模型估算烈度分布和震害损失。
影响地震灾害损失快速评估的因素主要包括地震发生时刻、地震震级、场地类型、烈度衰减关系、死亡人数评估模型等(任静等,2020)。由于各因素之间存在非线性与离散性,会造成评估结果与实际结果存在一定偏差。在现有研究条件下,需克服上述因素之间的影响,进一步提高地震灾害损失快速评估的科学性、精确性、可靠性。
根据中国地震台网中心发布的信息,2021年5月21日,云南省大理州漾濞县(25.67°N,99.87°E)发生6.4级地震,震源深度8 km。此次地震造成3人死亡。依据此次地震速报参数,震后第一时间进行地震灾害损失快速评估,结果表明,此次地震最高烈度达Ⅷ度,可能造成10余人死亡。为探寻此次地震灾害损失快速评估结果与实际地震现场调查结果的偏差,本文基于地震灾害损失快速评估中涉及的地震影响场分布、灾区人口分布、死亡人数模型及其影响因素等,进行对比分析,为提高震后第一时间的快速评估精度提供参考,从而为政府部署救援力量和抗震救灾阶段的划分提供依据。
1. 基本思路与方法
本文选择不同地震影响场烈度快速评估模型和不同死亡人数评估模型,从地震现场影响场评估结果与所选影响场模型损失评估结果对比、地震影响场不确定性分析、地震灾害死亡人数快速评估结果分析、各影响场模型下死亡人数模型损失计算结果对比、灾区人口分布特征对人员死亡的影响等方面,综合分析各模型下地震灾害损失快速评估结果与真实结果的偏差,其中地震灾害损失快速评估中,公里格网人口数据集建立在多因素(人口统计数据、行政区划数据、DEM地形数据等)的影响上,数据集选自《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转换》项目。
2. 地震影响场快速评估结果分析
2.1 地震影响场烈度快速评估模型的选择
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)、地震动衰减等因素的影响。地震动参数确定的基础和前提是烈度衰减关系,为了分析地震灾害损失评估结果的精确性,本文采用地震现场影响场评估结果与5种地震影响场评估模型的烈度分布进行分析,各评估模型如表1所示,将地震现场影响场评估结果定义为模型a。
评估模型a采用的是地震现场调查评定后的地震烈度影响场,如图1所示,通过对震区进行抽样调查,并参考震区构造背景、震源机制解、强震动观测记录等诸多因素确定的,影响场分布与真实地震影响场情况最相符。
评估模型b采用的是云南地震烈度衰减关系模型的快速评估影响场,如图1所示,涉及的地震参数为中国地震台网中心正式速报三要素结果,即震级6.4级,震中位置25.67°N,99.87°E,震源深度8 km。震源破裂方向由震中附近活动构造方向确定。选取的烈度衰减关系模型为中国分区地震动衰减关系模型(中国西部):
$$ {I_{\rm{a}}} = 5.253\;0 + 1.398\;0M - 4.164\;0\lg \left( {{R_{\rm{a}}} + 26.000} \right) $$ (1) $$ {I_{\rm{b}}} = 2.019 + 1.398M - 2.943\lg \left( {{R_{\rm{b}}} + 8.000} \right) $$ (2) 式中,Ia 和Ib分别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。
评估模型c采用的是云南地震烈度衰减关系模型的快速评估影响场,如图1所示,涉及的地震参数为中国地震台网中心正式速报三要素结果,即震级6.4级,震中位置25.67°N,99.87°E,震源深度8 km。震源破裂方向由震中附近活动构造方向确定。选取的烈度衰减关系模型为中国西部分区地震烈度衰减关系模型(川藏区):
$$ {I_{\rm{a}}} = 6.458\;0 + 1.274\;6M - 4.470\;0\lg \left( {{R_{\rm{a}}} + 25.000} \right) $$ (3) $$ {I_{\rm{b}}} = 3.368\;2 + 1.274\;6M - 3.311\;9\lg \left( {{R_{\rm{b}}} + 9.000} \right) $$ (4) 评估模型d采用的是云南地震烈度衰减关系模型的快速评估影响场,如图1所示,涉及的地震参数和震源破裂方向与模型b相同,烈度衰减关系模型为川滇及邻区中强地震烈度衰减关系模型(西南地区):
$$ {I_{\rm{a}}} = 3.296 + 1.647M - 1.669\ln \left( {{R_{\rm{a}}} + 30.845} \right) $$ (5) $$ {I_{\rm{b}}} = 1.331 + 1.450M - 1.173\ln \left( {{R_{\rm{b}}} + 7.390} \right) $$ (6) 评估模型e采用的是云南地震烈度衰减关系模型的快速评估影响场,如图1所示,涉及的地震参数和震源破裂方向与模型b、模型c、模型d相同,烈度衰减关系模型为川滇分区地震烈度衰减关系模型(滇西地区):
$$ {I_{\rm{a}}} = 6.617 + 0.847M - 3.360\lg \left( {{R_{\rm{a}}} + 16.046} \right) $$ (7) $$ {I_{\rm{b}}} = 4.146 + 0.847M - 2.401\;1\lg \left( {{R_{\rm{b}}} + 4.025} \right) $$ (8) 评估模型f采用的是云南地震烈度衰减关系模型的快速评估影响场,如图1所示,涉及的地震参数和震源破裂方向与模型b、模型c、模型d、模型e相同,烈度衰减关系模型为云南地区地震烈度评估模型(滇西地区):
$$ {I_{\rm{a}}} = 6.805\;3 + 1.297\;2M - 4.760\;3\lg \left( {{R_{\rm{a}}} + 22.000} \right) $$ (9) $$ {I_{\rm{b}}} = 5.331\;5 + 1.201\;3M - 4.191\;7\lg \left( {{R_{\rm{b}}} + 10.000} \right) $$ (10) 2.2 地震现场影响场评估结果与5种影响场模型评估结果对比
对真实地震现场影响场评估结果(模型a)和依据上述烈度衰减关系模型计算出来的5种影响场模型(模型b、模型c、模型d、模型e、模型f)评估结果进行对比分析,对极震区烈度,烈度区长、短轴距离,烈度圈面积进行测量计算,结果如表2所示。
表 2 地震现场影响场评估结果与5种影响场模型评估结果对比Table 2. Comparison of the assessment results of the earthquake impact field between the earthquake site and the five assessment models模型 最高
烈度Ⅵ度区/km Ⅶ度区/km Ⅷ度区/km Ⅵ度区
面积/km²Ⅶ度区
面积/km²Ⅷ度区
面积/km²长轴长度 短轴长度 长轴长度 短轴长度 长轴长度 短轴长度 a Ⅷ度 106 76 50 28 19 10 5 500 930 170 b Ⅷ度 118 82 51 29 11 5 6493 1 112 36 c Ⅷ度 119 76 51 29 11 6 5 914 1 104 43 d Ⅷ度 156 88 58 29 4 3 9 467 1 309 13 e Ⅶ度 93 54 31 16 — — 3 522 376 — f Ⅷ度 119 75 56 35 18 12 5 481 1 386 166 由表2可知,除模型e评估的极震区烈度结果为Ⅶ度外,其他模型评估的极震区烈度均为Ⅷ度。Ⅵ度区长轴长度相差12~50 km,短轴长度相差0~22 km,面积相差19~3 967 km²,与真实的Ⅵ度区结果最接近的是模型f(张方浩等,2016);Ⅶ度区长轴长度相差1~19 km,短轴长度相差1~12 km,面积相差174~554 km²,与真实的Ⅶ度区结果最接近的是模型c(肖亮等,2011);Ⅷ度区长轴长度相差1~15 km,短轴长度相差2~7 km,面积相差4~157 km²,与真实的Ⅷ度区结果最接近的是模型f(张方浩等,2016)。
综上所述,根据模型b、模型c、模型d、模型e、模型f得到的各烈度区长、短轴长度与面积均与真实的地震现场调查评定后的结果(模型a)有所偏差,这是因为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、地形等多种因素影响(任静等,2020),模型b、模型c、模型d、模型e、模型f 中,烈度衰减关系模型均采用椭圆模型,而椭圆烈度衰减关系模型中,涉及的变量仅有烈度、震级、长轴半径、短轴半径,且认为烈度随震中距呈对数关系衰减,未考虑更多的影响因素。模型f的偏差相对较小,这是因为地震影响场具有明显的区域特征,模型f是在云南大区域尺度上建立的细化分区,相比其他模型,分区模型评估结果与实际影响场的平均偏差最小,可知在评估具体区域地震影响场时采用更精细的分区较大分区更合理。
目前的评估均为静态的,未引入可修正的动态数据,未来可考虑接入实时动态行业大数据,利用移动互联网产出的实时灾情信息大数据等对评估结果进行修正,以进一步提高评估结果精度。
2.3 地震影响场评估不确定性分析
自21世纪90年代初,中国地震局组织开展了历次破坏性地震震害调查、烈度评定、地震灾害损失评估等现场相关工作,调查的历史地震数据真实可靠地反映了当时的地震情况,为比较地震影响场评估的不确定性,本文选取1949—2020年我国西部地区震级为6.0~6.9级的地震烈度分布资料,数据来源真实可靠(中国地震局震灾应急救援司,2001,2010,2015;国家地震局震灾应急救援司,2015),对所选烈度图进行精准配准、数字化,并测量历史震例各烈度圈的实际面积(任静等,2020)。
将测量后的数据分为3组,第1组为1949—1978年数据,因1979年以前大多房屋建筑不设防;2004年开始,国家开始实施并建设西部农居抗震安居工程,因此第2组为1979—2003年数据;第3组为2004—2020年的数据(任静等,2020)。
将所选震例分组后,绘制Ⅵ度、Ⅶ度、Ⅷ度、Ⅸ度区震级-烈度圈面积分布图,如图2所示,由于此次地震最大地震烈度为Ⅷ度,所以无Ⅸ度区面积数据。由图2可知,6.0~6.9级地震烈度最大可达Ⅸ度,当发震震级相同时,同一烈度下的地震烈度圈面积最多可相差2个数量级,差距较大。由抗震设防分组数据对比结果可知,房屋、建筑物抗震设防水平对各烈度圈面积具有一定影响,但烈度圈面积的确定除受房屋抗震设防水平的影响外,还受生命线工程破坏程度、地震地质灾害等多因素的影响(任静等,2020)。
3. 地震灾害死亡人数快速评估结果分析
3.1 死亡人数评估模型的选取
当前,对死亡人数评估模型的要求是应用条件简单,实证及效能评估方便快捷,因此最常用的模型包括基于地震参数模型和基于房屋易损性模型。此外还有基于时间序列的方法模型、神经网络方法模型及动态评估法模型等,这些模型应用条件相对复杂,实证及效能评估相对困难(亓凤娇等,2021)。
考虑到地震灾害损失快速评估中,死亡人数评估模型计算快速性需求,结合各模型自身的特点及相关参数获取的难易性等因素,本文选用以下5个模型计算此次地震造成的死亡人数,分析各模型的适用范围和精确性。
3.1.1 刘金龙模型
刘金龙等(2012)选取我国1990—2006年造成人员死亡的破坏性地震震例,基于死亡人数据,建立了以震中烈度为主要参数,以震级和人口密度为辅助参数的修正死亡人数预测模型(本文简称刘金龙模型):
$${{D}} = {\alpha _{\rm{m}}}{\alpha _{{\rm{den}}}}{D_{\rm{m}}} = {{\rm{e}}^{12.2}{{{\alpha _{\rm{m}}}{\alpha _{{\rm{den}}}}}^{{{\rm{}}{\rm{e}}^{ - {{(\ln ({\rm{ln}}t) - 2.445)}^2}/{{0.3}^2}}}}}}$$ (11) $$ {{\boldsymbol{\alpha}} _{\text{m}}} = \dfrac{{M_{\text{ag}} - 5}}{{0.533{\text{ln}}t - 3}} $$ (12) $$ {{\boldsymbol{\alpha }}}_{\text{den}}=0.113\text{ln}(D\text{en})+0.443 $$ (13) 式中,lnt为震中烈度;Mag为实际地震震级;Den为地震发生当地人口平均密度值;
$ {\mathrm{\alpha }}_{\mathrm{m}} $ 为震级修正系数;$ {\mathrm{\alpha }}_{\mathrm{d}\mathrm{e}\mathrm{n}} $ 为人口密度修正系数;D为死亡人数。3.1.2 Page P. A.模型
Page P. A.等(马玉宏等,2000a)将发震时间划分为白天(08:00—18:00)和夜晚(08:01—7:59),分别计算,以烈度、人口为主要参数建立评估模型(本文简称Page P. A.模型):
$$ \mathrm{ln}{N}_{白}=-22.73+10.6\mathrm{ln}I+0.34\mathrm{ln}\rho $$ (14) $$ \mathrm{ln}{N}_{夜}=-11.35+5.77\mathrm{ln}I+0.36\mathrm{ln}\rho $$ (15) $$ \mathrm{ln}{N}_{夜}/{N}_{白}=11.38-4\text{.83ln}I $$ (16) 式中,N白、 N夜 分别表示白天、夜间发震时的死亡人数;
$ \rho $ 表示人口密度;I 表示烈度。3.1.3 肖光先模型
肖光先(1991)考虑了不同烈度区烈度、人口密度对死亡人数的影响,分烈度区估算地震灾害死亡人数模型(本文简称肖光先模型):
$$ \ln R{D_j} = -44.365 + 7.516{I_j}-0.329I_j^2 $$ (17) $$ \ln R{D_j} = -44.466 + 14.331\ln {I_j} + 0.96\ln \rho $$ (18) $$ ND = \sum\limits_{j = 6}^{{j_{\max }}} {\left( {{A_j}{{ - }}{A_{j + {\text{1}}}}} \right)} \mathop {}\limits^{} \rho R{D_j} $$ (19) 式中,RDj表示烈度为Ij时每单位建筑面积的平均死亡率;
$ \rho $ 表示人口密度;ND表示死亡人数;Aj表示I ≥ Ij 的面积。本文选取式(18)进行平均死亡率计算。
3.1.4 李雯模型
李雯等(2019)选取1966—2016年我国大陆地震灾害生命损失数据为研究对象,将人口密度分组作为依据(表3),选取震中烈度、震区面积(Ⅵ度及以上)、震中烈度与抗震设防烈度之差作为参数,建立模型(本文简称李雯模型):
表 3 西南地区人口密度分组Table 3. Population density groups in southwest China人口密度$ \rho $/(人·km−2) b0 b1 b2 b3 相关系数R2 $ \rho < 60 $ −23.390 3.230 −0.000 030 −0.980 0.965 $ 60 \leqslant \rho < 150 $ 4.926 −0.762 0.000 300 1.559 0.980 $ \rho > 150 $ −10.485 1.763 0.000 006 −0.276 0.980 $$ D={{\displaystyle \text{e}}}^{({\text{b}}_{0}+{\text{b}}_{1}I+{\text{b}}_{2}S+{\text{b}}_{3}\Delta I)} $$ (20) 式中,D表示地震灾害死亡人数;I表示震中烈度;S表示震区面积;ΔI表示震中烈度与抗震设防烈度之差;b0、b1、b2、b3为回归系数。
3.1.5 陈棋福模型
陈棋福等(2005)选取我国1980—2000年震例数据进行研究,将地震发震时间分为白天 (7:00—19:00)和夜晚(19:00—7:00),建立死亡人数与烈度的经验公式(本文简称陈棋福模型):
$$ \mathrm{lg}{N}_{日}=32.704\mathrm{lg}I+0.689\mathrm{lg}D-29.786 $$ (21) $$ \mathrm{lg}{N}_{夜}=19.795\mathrm{lg}I+0.292\mathrm{lg}D-1\text{7}\text{.047} $$ (22) 式中,N日、N夜分别表示白天、夜晚地震发生时的死亡人数;I表示地震烈度;D表示人口密度。
3.2 各影响场模型下的死亡人数计算结果对比
利用人员死亡评估模型计算得到模型a、模型b、模型c、模型d、模型e、模型f下死亡人数,如表4所示。
表 4 人员死亡评估模型计算结果对比Table 4. Comparison of earthquake death assessment results of different impact field assessment models影响场
模型最高
烈度实际死亡
人数/人刘金龙
模型/人Page P. A.模型/人 肖光先
模型/人李雯
模型/人陈棋福模型/人 a Ⅷ度 3 15 10 2 2 25 b Ⅷ度 3 15 10 1 3 25 c Ⅷ度 3 15 10 2 3 25 d Ⅷ度 3 15 10 2 8 25 e Ⅶ度 3 12 5 1 4 2 f Ⅷ度 3 15 10 2 5 25 由表4可知,对于模型a,刘金龙模型计算的死亡人数为15人,Page P.A.模型计算的死亡人数为10人,肖光先模型和李雯模型计算的死亡人数均为2人,陈棋福模型计算的死亡人数为25人;刘金龙模型计算的模型b、模型c、模型d、模型f死亡人数均为15人,而计算的模型e死亡人数为12人,这是因为模型e将地震影响场烈度作为参数,模型e极震区烈度为Ⅶ度,而其他模型极震区烈度均为Ⅷ度;Page P.A.模型计算的模型b、模型c、模型d、模型f死亡人数均为10人,而计算的模型e死亡人数为5人,造成模型e计算结果不同的原因同样是因为模型e将地震影响场烈度作为参数;肖光先模型计算的模型c、模型d、模型f死亡人数均为2人,而计算的模型b、模型e死亡人数为1人;李雯模型计算的模型b、模型c、模型d、模型e、模型f 死亡人数分别为3、3、8、4、5人,造成计算结果不同的原因是李雯模型选取震中烈度、震区面积(Ⅵ度及以上)、震中烈度与抗震设防烈度之差作为参数;陈棋福模型计算的模型b、模型c、模型d、模型f死亡人数均为25人,而计算的模型e死亡人数为2人,造成模型e计算结果不同的原因同样是因为模型e将地震影响场烈度作为参数。
综上所述,对于模型b与模型c,李雯模型计算结果与真实的地震灾害死亡人数相同。
3.3 灾区人口分布特征对人员死亡评估的影响
云南漾濞6.4级地震灾区人口分布情况如图3所示,同时叠加了真实地震现场影响场评估结果(模型a)、模型b、模型c、模型d、模型e、模型f的地震烈度分布图。
现场勘察结果显示,真实地震现场影响场评估结果(模型a)Ⅵ度区涉及漾濞县、洱源县、云龙县、永平县、巍山县、大理市,共42个乡(镇),涉及857 938人;Ⅶ度区主要涉及漾濞县苍山西镇、漾江镇、富恒乡、太平乡、顺濞镇、平坡镇,云龙县团结乡,洱源县西山乡、炼铁乡,巍山县紫金乡,大理市太邑乡,共11个乡镇,涉及42 651人;Ⅷ度区主要涉及漾濞县苍山西镇、漾江镇、太平乡3个乡镇,涉及34 322人,如表5所示。
表 5 各模型下的人口数量估算结果Table 5. Population estimation results under each model模型 最高
烈度Ⅵ度区
面积/km²Ⅶ度区
面积/km²Ⅷ度区
面积/km²Ⅵ度区
人口数量/万人Ⅶ度区
人口数量/万人Ⅷ度区
人口数量/万人a Ⅷ度 5 500 930 170 85.793 8 4.265 1 3.432 2 b Ⅷ度 6 493 1 112 36 99.000 0 8.500 0 0.170 0 c Ⅷ度 5 914 1 104 43 89.000 0 8.500 0 0.200 0 d Ⅷ度 9 467 1 309 13 130.000 0 9.600 0 0.040 0 e Ⅶ度 3 522 376 — 24.000 0 1.500 0 — f Ⅷ度 5 481 1 386 166 86.000 0 10.000 0 0.750 0 图4所示为云南漾濞6.4级地震各影响场Ⅵ度区以上区域总人口数对比,由图4可知,真实地震现场影响场评估结果(模型a)Ⅵ度区以上区域总人口为93.4万人;模型b Ⅵ度区以上区域总人口为107.7万人,与真实地震现场影响场评估结果(模型a)总人口数相差14.4万人;模型c Ⅵ度区以上区域总人口为97.7万人,与真实地震现场影响场评估结果(模型a)总人口数相差4.3万人;模型d Ⅵ度区以上区域总人口为139.64万人,与真实地震现场影响场评估结果(模型a)总人口数相差46.24万人;模型e Ⅵ度区以上区域总人口为25.5万人,与真实地震现场影响场评估结果(模型a)总人口数相差67.9万人;模型f Ⅵ度区以上区域总人口为96.75万人,与真实地震现场影响场评估结果(模型a)总人口数相差3.35万人。
本研究采用的是公里格网人口数据集,可知不同烈度衰减关系下得出的地震烈度圈(模型b、模型c、模型d、模型e、模型f)与真实地震现场影响场评估结果(模型a)公里格网人口数相差3.35~67.9万人,这是因为各模型烈度圈面积范围不同,引起了人口分布数量不同。在刘金龙模型、Page P.A.模型、肖光先模型中,均含人口密度参数,因此烈度圈面积范围内人口数量存在差异,这也造成了影响场评估模型(模型b、模型c、模型d、模型e、模型f)估计死亡人数与真实地震现场影响场评估结果(模型a)的不同。综上所述,地震灾害损失评估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确性具有重要影响。
3.4 其他因素对死亡人数评估的影响
云南漾濞6.4级地震中,实际地震灾害死亡人数远小于模型计算结果,除上述影响人员死亡的因素外,还有其他影响因素。
2004年开始,国家开始实施并建设西部农居抗震安居工程,云南实施脱贫攻坚、农危改、校安工程、改薄工程等,使建造的房屋具有良好的抗震性能,大大减少了倒塌房屋数量,从而降低了人员死亡概率。此次漾濞6.4级地震中,人员死亡虽受多种因素的影响,但无因建筑物倒塌而造成的人员死亡。
有专家学者以致死性地震为研究对象,对地震造成人员死亡的原因进行了分析,认为主要原因有房屋等建筑物的破坏和倒塌、地震引发的次生灾害、社会环境的破坏,其中75%的人员死亡是由于建筑物破坏和倒塌(田丽莉,2012)导致的,而地震引发的次生灾害与社会环境的破坏同样影响着地震人员死亡。
3.4.1 房屋抗震性能的影响
房屋抗震性能是造成人员死亡的主要因素之一,地区抗震设防水平及设防烈度越高,对建筑物修建的要求和标准越严格,建筑物抗震性能越好,震后房屋倒塌和破坏的数量越少,人员死亡概率越小,反之,人员死亡概率越大(马玉宏等,2000b)。提高房屋抗震性能是减少人员死亡的重要措施之一。
此次地震中,并无因建筑物抗震性能差而倒塌引起的人员死亡,这是因为漾濞县城和大理市区主要以砖混结构和框架结构房屋为主,新建砖混结构房屋采用现浇钢筋混凝土楼盖、屋盖,砌块、水泥砂浆砌筑墙体,设有钢筋混凝土圈梁、构造柱,整体抗震性能较好。框架结构房屋采用钢筋混凝土梁、柱构成承重体系,各类砌体砌筑的墙体起维护和分隔作用,经正规抗震设防设计,抗震性能较好(杨健强等,2021)。可见,震区房屋抗震性能越好,人员死亡概率越小。
3.4.2 次生灾害的影响
地震次生灾害是强烈震动后,以工程结构和自然环境破坏为导因引起的一系列其他灾害,如火灾、爆炸、泥石流、滑坡等(吴微微,2013)。破坏性地震作用下,除造成建(构)筑物倒塌和破坏直接导致的人员死亡外,还经常伴随次生灾害造成的人员死亡。目前,除本文所述死亡人数评估模型外,张莹等(2017)采用多元非线性回归法建立了基于多因素的地震灾害死亡人数评估模型,并考虑次生地质灾害对评估结果的影响进行修正,提高了死亡人数评估模型在四川地区的适用性及评估结果的可靠性;(白仙富等2021)以2014年鲁甸Ms6.5级地震滑坡死亡人数为样本,建立了基于公里网格单元的地震滑坡人员死亡率logistic回归模型,但该模型的建立基于鲁甸地震灾区,其检验效果具有局限性,当模型移植到其他区域时,应对模型进行本地化修正,对模型进行外延适用性检验和修正是亟待解决的问题。
此次云南漾濞地震中,滑坡、崩塌、震陷等次生地质灾害均有发生,具有点多面广、单点规模较小的特点。调查发现,整个灾区范围内未发生大规模的滑坡、崩塌、泥石流等严重威胁居民和基础设施安全的地质灾害,分析认为这应与本区域生态环境保护较好有关(卢永坤等,2021)。
考虑次生地质灾害的死亡人数评估模型,会增大震中烈度较大的评估值,对于此次云南漾濞6.4级地震而言,会造成目前的评估值偏大。
3.4.3 临震前震的影响
此次地震发生前,自2021年5月18日起,共发生了3.0级以上地震10次(表6),其中震级最大的一次为2021年5月21日21时21分发生的5.6级地震,距此次地震发生时间仅相差27 min,震前的密集前震及临震的5.6级地震,使震区人员多滞留在屋外等空旷地,州、县、乡三级党委政府及时地组织了疏散安置并采取了避震措施,这也是此次地震造成人员死亡较少的主要原因之一,可见,提高人们的防震意识及防震常识,也是有效减少人员死亡的重要途径。
表 6 云南漾濞6.4级地震临震前震(M>3.0)目录Table 6. Catalogue of imminent foreshocks (M>3.0) of the M6.4 Yangbi earthquake序号 时间 纬度 经度 震级/级 震源深度/km 震中位置 1 2021-05-18 18:49 26.65°N 99.93°E 3.2 8 云南漾濞 2 2021-05-18 20:56 26.65°N 99.93°E 3.0 8 云南漾濞 3 2021-05-18 21:39 25.65°N 99.93°E 4.0 8 云南漾濞 4 2021-05-19 3:27 25.65°N 99.92°E 3.1 8 云南漾濞 5 2021-05-19 20:05 25.66°N 99.92°E 4.4 8 云南漾濞 6 2021-05-19 21:13 25.68°N 99.89°E 3.2 8 云南漾濞 7 2021-05-20 21:13 25.67°N 99.90°E 3.2 11 云南漾濞 8 2021-05-21 20:56 25.63°N 99.93°E 4.2 8 云南漾濞 9 2021-05-21 21:21 25.63°N 99.92°E 5.6 10 云南漾濞 10 2021-05-21 21:23 25.66°N 99.97°E 4.5 8 云南漾濞 3.4.4 地震预警的影响
地震预警主要通过在一定区域范围内部署多个传感器,形成地震监测台网。当地震发生时,通过监测、分析与计算、处理、发布与紧急处置,充分利用电磁波与地震波传播形成的时间差,在地震波到达目标区域之前向各目标用户发出地震预警信息,提醒其进行紧急处理与避险(李翔等,2020)。云南漾濞6.4级地震发生后6.1 s,全省共有675台预警终端收到预警信息(赵至柔等,2021)。
云南移动和云南电信采用用户自行下载安装的方式,将“云南地震预警”应用在电视首页上显示入口,点击安装后即可在电视上接收地震预警信息。此次地震发生前,云南移动约有4.2万电视用户下载安装“云南地震预警”应用,地震发生时在线用户数约1.4万,均收到了地震预警信息,为市民提前做好安全防护赢得了宝贵时间(吴艳梅等,2021)。
积极探索业务应用成熟的第三方平台预警信息发布渠道,充分利用各类传播渠道建立重大地震灾害预警信息全网发布机制,最大限度地保护人民生命财产安全,减少地震灾害风险。
3.4.5 地形地貌的影响
震区地形地貌也是造成人员死亡的主要诱因之一,位于高原、山地等高山深谷的地区,由于地形地貌等自然环境的影响,震后更易发生次生地质灾害,其交通条件等也可能对震后人员搜救造成影响(田丽莉,2012)。漾濞县位于大理州中部,属横断山滇西高山峡谷区,地形起伏较大,地势由北向南渐次降低,北部山势陡峻,南部山势平缓,地震发生后,该地形地貌特征引发了滚石滑落,造成了1人死亡。
3.4.6 公众自救互救能力的影响
公众自救互救能力也是影响人员死亡的重要因素,漾濞地震中,有2人为避震致死,如果公众有良好的自救互救能力,懂得更多的防震避震常识,也是减少人员死亡的途径。
3.4.7 其他因素的影响
除上述因素外,影响人员死亡的因素还有地质构造、区域救援能力、建筑物结构构件和内部设施情况、人员作业方式、地震时人员所处的周围囤陷环境等(马玉宏等,2000b)。
总之,死亡人数评估是系统复杂的工作,地震人员死亡是致灾因子、孕灾环境、承灾体等多因子耦合作用的结果。
4. 结论与讨论
在进行地震灾害损失快速评估时,选取模型的评估结果与实际结果会有一定偏差,造成偏差的原因是受地震震级、极震区烈度估计、烈度衰减关系模型、死亡人数评估模型等影响(各因素自身存在随机性)。
本文针对2021年5月21日云南漾濞6.4级地震,选取了不同地震影响场烈度快速评估模型,对不同模型地震影响场评估结果与真实影响场结果进行对比,根据我国西部地区烈度圈面积进行地震影响场不确定性分析。选取不同死亡人数评估模型,进行死亡人数快速评估结果对比分析,并探讨了各模型人口分布特征,得出以下结论:
(1)地震影响场具有明显的区域特征,采用云南省域内更细化的分区模型,相比国内其他模型,在评估云南省某个具体区域的地震影响场时更具合理性。
(2)死亡人数评估是系统复杂的工作,地震人员死亡是致灾因子、孕灾环境、承灾体等多因子耦合作用的结果,由于云南地区孕灾环境和承灾体时空差异大,目前的死亡人数评估方法均存在一定局限性。
在地震影响场方面,随着新时代算法的精进和仪器测量精确性的加强,震源破裂过程和震源深度反演精确性的不断提高,在地震烈度衰减关系和地震影响场方向的判定过程中,可进行深入研究,如综合考虑震源机制解、发震构造环境、余震序列等多种因素进行综合判定,可进一步提高地震影响场评估的精确性。
进行死亡人数评估时,如果震区地形地貌以高原山地为主,高烈度区需考虑次生地质灾害对人员死亡的影响,还应考虑震前预警、区域救援能力、公众自救互救能力等多种因素。发生震级较高的破坏性地震后,由于地震灾害死亡人数评估系统的复杂性,应对地震快速评估计算结果进行专家检验,确保结果精确。
-
表 1 地震现场影响场评估结果与5种地震影响场评估模型
Table 1. On-site evaluation results and five types of earthquake-influenced field evaluation models
表 2 地震现场影响场评估结果与5种影响场模型评估结果对比
Table 2. Comparison of the assessment results of the earthquake impact field between the earthquake site and the five assessment models
模型 最高
烈度Ⅵ度区/km Ⅶ度区/km Ⅷ度区/km Ⅵ度区
面积/km²Ⅶ度区
面积/km²Ⅷ度区
面积/km²长轴长度 短轴长度 长轴长度 短轴长度 长轴长度 短轴长度 a Ⅷ度 106 76 50 28 19 10 5 500 930 170 b Ⅷ度 118 82 51 29 11 5 6493 1 112 36 c Ⅷ度 119 76 51 29 11 6 5 914 1 104 43 d Ⅷ度 156 88 58 29 4 3 9 467 1 309 13 e Ⅶ度 93 54 31 16 — — 3 522 376 — f Ⅷ度 119 75 56 35 18 12 5 481 1 386 166 表 3 西南地区人口密度分组
Table 3. Population density groups in southwest China
人口密度$ \rho $/(人·km−2) b0 b1 b2 b3 相关系数R2 $ \rho < 60 $ −23.390 3.230 −0.000 030 −0.980 0.965 $ 60 \leqslant \rho < 150 $ 4.926 −0.762 0.000 300 1.559 0.980 $ \rho > 150 $ −10.485 1.763 0.000 006 −0.276 0.980 表 4 人员死亡评估模型计算结果对比
Table 4. Comparison of earthquake death assessment results of different impact field assessment models
影响场
模型最高
烈度实际死亡
人数/人刘金龙
模型/人Page P. A.模型/人 肖光先
模型/人李雯
模型/人陈棋福模型/人 a Ⅷ度 3 15 10 2 2 25 b Ⅷ度 3 15 10 1 3 25 c Ⅷ度 3 15 10 2 3 25 d Ⅷ度 3 15 10 2 8 25 e Ⅶ度 3 12 5 1 4 2 f Ⅷ度 3 15 10 2 5 25 表 5 各模型下的人口数量估算结果
Table 5. Population estimation results under each model
模型 最高
烈度Ⅵ度区
面积/km²Ⅶ度区
面积/km²Ⅷ度区
面积/km²Ⅵ度区
人口数量/万人Ⅶ度区
人口数量/万人Ⅷ度区
人口数量/万人a Ⅷ度 5 500 930 170 85.793 8 4.265 1 3.432 2 b Ⅷ度 6 493 1 112 36 99.000 0 8.500 0 0.170 0 c Ⅷ度 5 914 1 104 43 89.000 0 8.500 0 0.200 0 d Ⅷ度 9 467 1 309 13 130.000 0 9.600 0 0.040 0 e Ⅶ度 3 522 376 — 24.000 0 1.500 0 — f Ⅷ度 5 481 1 386 166 86.000 0 10.000 0 0.750 0 表 6 云南漾濞6.4级地震临震前震(M>3.0)目录
Table 6. Catalogue of imminent foreshocks (M>3.0) of the M6.4 Yangbi earthquake
序号 时间 纬度 经度 震级/级 震源深度/km 震中位置 1 2021-05-18 18:49 26.65°N 99.93°E 3.2 8 云南漾濞 2 2021-05-18 20:56 26.65°N 99.93°E 3.0 8 云南漾濞 3 2021-05-18 21:39 25.65°N 99.93°E 4.0 8 云南漾濞 4 2021-05-19 3:27 25.65°N 99.92°E 3.1 8 云南漾濞 5 2021-05-19 20:05 25.66°N 99.92°E 4.4 8 云南漾濞 6 2021-05-19 21:13 25.68°N 99.89°E 3.2 8 云南漾濞 7 2021-05-20 21:13 25.67°N 99.90°E 3.2 11 云南漾濞 8 2021-05-21 20:56 25.63°N 99.93°E 4.2 8 云南漾濞 9 2021-05-21 21:21 25.63°N 99.92°E 5.6 10 云南漾濞 10 2021-05-21 21:23 25.66°N 99.97°E 4.5 8 云南漾濞 -
[1] 白仙富, 聂高众, 戴雨芡等, 2021. 基于公里网格单元的地震滑坡人员死亡率评估模型——以2014年鲁甸Ms6.5地震为例. 地震研究, 44(1): 87—95Bai X. F. , Nie G. Z. , Dai Y. Q. , et al. , 2021. Modeling and testing earthquake-induced landslide casualty rate based on a grid in a kilometer scale: taking the 2014 Yunnan Ludian Ms6.5 earthquake as a case. Journal of Seismological Research, 44(1): 87—95. (in Chinese) [2] 陈文凯, 周中红, 张灿等, 2020. 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. 地震工程学报, 42(6): 1683—1692 doi: 10.3969/j.issn.1000-0844.2020.06.1683Chen W. K. , Zhou Z. H. , Zhang C. , et al. , 2020. Design and implementation of a rapid assessment system for regional earthquake disasters in Gansu Province. China Earthquake Engineering Journal, 42(6): 1683—1692. (in Chinese) doi: 10.3969/j.issn.1000-0844.2020.06.1683 [3] 丁香, 王晓青, 袁小祥等, 2009.2017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. 震灾防御技术, 14(2): 431—437Ding X., Wang X. Q., Yuan X. X., et al., 2019. Comparative analysis of life loss assessment caused by 2017 Ms 5.5 Taxkorgan Earthquake in Xinjiang, China. Technology for Earthquake Disaster Prevention, 14(2): 431—437. (in Chinese) [4] 董曼, 程佳, 魏文薪等, 2015. 川滇分区地震烈度衰减特征研究. 震灾防御技术, 10(S1): 760—769 doi: 10.11899/zzfy2015s107Dong M. , Cheng J. , Wei W. X. , et al. , 2015. Study on zonal characteristics of seismic intensity attenuation in Sichuan-Yunnan region. Technology for Earthquake Disaster Prevention, 10(S1): 760—769. (in Chinese) doi: 10.11899/zzfy2015s107 [5] 国家地震局震灾应急救援司, 2015. 1966—1989年中国大陆地震灾害损失评估汇编. 北京: 地震出版社. [6] 李翔, 许正学, 王祥等, 2020. 广播电视地震预警技术. 广播电视网络, 27(1): 22—24. [7] 李雯, 陈文凯, 周中红等, 2019. 中国典型区域地震灾害生命易损性模型适用性评价. 北京师范大学学报(自然科学版), 55(2): 284—290Li W. , Chen W. K. , Zhou Z. H. , et al. , 2019. Assessing the applicability of life vulnerability models for earthquake disasters in typical regions of China. Journal of Beijing Normal University (Natural Science), 55(2): 284—290. (in Chinese) [8] 刘金龙, 林均岐, 2012. 基于震中烈度的地震人员死亡评估方法研究. 自然灾害学报, 21(5): 113—119Liu J. L. , Lin J. Q. , 2012. Study on assessment method for earthquake casualty based on epicentral intensity. Journal of Natural Disasters, 21(5): 113—119. (in Chinese) [9] 卢永坤, 张建国, 张方浩等, 2021.2021年云南漾濞Ms6.4地震烈度与震害特征. 地震研究, 44(3): 429—438Lu Y. K. , Zhang J. G. , Zhang F. H. , et al. , 2021. The characteristics of the seismic intensity and damage of the 2021 Yangbi, Yunnan MS6.4 earthquake. Journal of Seismological Research, 44(3): 429—438. (in Chinese) [10] 马玉宏, 谢礼立. 2000a. 地震人员死亡估算方法研究. 地震工程与工程振动, 20(4): 140—147Ma Y. H. , Xie L. L. , 2000a. Methodologies for assessment of earthquake casualty. Earthquake Engineering and Engineering Vibration, 20(4): 140—147. (in Chinese) [11] 马玉宏, 谢礼立, 2000b. 关于地震人员死亡因素的探讨. 自然灾害学报, 9(3): 84—90Ma Y. H. , Xie L. L. , 2000b. A study on factors influencing earthquake casualties. Journal of Natural Disasters, 9(3): 84—90. (in Chinese) [12] 亓凤娇, 苏鹤军, 陈文凯等, 2021. 地震灾害人员死亡评估模型对比——以甘肃省中强震为例. 华北地震科学, 39(1): 9—16, 22Qi F. J. , Su H. J. , Chen W. K. , et al. , 2021. Comparison of evaluation models of casualties in earthquake disaster—taking moderate and strong earthquakes in Gansu Province as examples. North China Earthquake Sciences, 39(1): 9—16, 22. (in Chinese) [13] 任静, 阿里木江•亚力昆, 李志强等, 2020.2020年1月19日新疆伽师6.4级地震灾害损失快速评估精确性分析. 震灾防御技术, 15(2): 349—358Ren J. , Alimujiang·Yalikun, Li Z. Q. , et al. , 2020. Contrastive analysis on the accuracy of rapid assessment of earthquake disaster losses by 2020 MS6.4 Jiashi earthquake in Xinjiang China. Technology for Earthquake Disaster Prevention, 15(2): 349—358. (in Chinese) [14] 孙继浩, 帅向华, 2011. 川滇及其邻区中强地震烈度衰减关系适用性研究. 地震工程与工程振动, 31(1): 11—18Sun J. H. , Shuai X. , H. , 2011. Study on moderate-strong seismic intensity attenuation relations in Sichuan-Yunnan and its adjacent areas. Earthquake Engineering and Engineering, 31(1): 11—18. (in Chinese) [15] 田丽莉, 2012. 地震灾害人员死亡影响因素分析及人员死亡估算公式. 北京: 首都经济贸易大学. [16] 汪素云, 俞言祥, 高阿甲等. 2000. 中国分区地震动衰减关系的确定. 中国地震, 16(2): 99—106Wang S. Y., Yu. Y. X., Gao A. J., et al., 2000. Development of attenuation relations for ground motion in China. Earthquake Research in China, 16(2): 99—106. (in Chinese) [17] 吴微微, 2013. 从汶川和芦山地震浅析四川地震次生地质灾害的特点及减灾对策. 震灾防御技术, 8(4): 434—439 doi: 10.3969/j.issn.1673-5722.2013.04.011Wu W. W. , 2013. Characteristics and countermeasures of geological hazards induced in Wenchuan and Lushan earthquakes, Sichuan province. Technology for Earthquake Disaster Prevention, 8(4): 434—439. (in Chinese) doi: 10.3969/j.issn.1673-5722.2013.04.011 [18] 吴艳梅, 赵至柔, 李敏等, 2021. 基于IPTV的云南地震预警信息发布技术及在2021年云南漾濞MS6.4地震中的应用. 地震研究, 44(3): 499—506Wu Y. M. , Zhao Z. R. , Li M. , et al. , 2021. The Yunnan earthquake early warning system based on IPTV and its application in the 2021 Yangbi, Yunnan MS6.4 earthquake event. Journal of Seismological Research, 44(3): 499—506. (in Chinese) [19] 肖光先, 1991. 震后灾害损失快速评估. 灾害学, 6(4): 12—17Xiao G. X. , 1991. Rapid assessment of disaster losses in post-earthquake. Journal of Catastrophology, 6(4): 12—17. (in Chinese) [20] 肖亮, 俞言祥, 2011. 中国西部地区地震烈度衰减关系. 震灾防御技术, 6(4): 358—371 doi: 10.3969/j.issn.1673-5722.2011.04.002Xiao L. , Yu Y. X. , 2011. Earthquake intensity attenuation relationship in western China. Technology for Earthquake Disaster Prevention, 6(4): 358—371. (in Chinese) doi: 10.3969/j.issn.1673-5722.2011.04.002 [21] 杨健强, 叶阳, 卢永坤等, 2021.2021年云南漾濞MS6.4地震房屋震害与烈度评定. 地震研究, 44(3): 439—445Yang J. Q. , Ye Y. , Lu Y. K. , et al. , 2021. Damage and intensity assessment of buildings in the 2021 Yangbi, Yunnan MS6.4 earthquake area. Journal of Seismological Research, 44(3): 439—445. (in Chinese) [22] 张方浩, 蒋飞蕊, 李永强等, 2016. 云南地区地震烈度评估模型研究. 中国地震, 32(3): 511—521 doi: 10.3969/j.issn.1001-4683.2016.03.008Zhang F. H. , Jiang F. R. , Li Y. Q. , et al. , 2016. Study of the evaluation model of the earthquake influence in Yunnan. Earthquake Research in China, 32(3): 511—521. (in Chinese) doi: 10.3969/j.issn.1001-4683.2016.03.008 [23] 张莹, 郭红梅, 尹文刚等, 2017. 基于多因素的地震灾害人员死亡评估模型研究. 震灾防御技术, 12(4): 870—881 doi: 10.11899/zzfy20170415Zhang Y, Guo H. M. , Yin W. G. , et al. , 2017. Study of multiple factors-based earthquake disaster casualties evaluation model. Technology for Earthquake Disaster Prevention, 12(4): 870—881. (in Chinese) doi: 10.11899/zzfy20170415 [24] 赵至柔, 吴艳梅, 李敏等, 2021. 云南地震预警信息发布平台设计及在2021年云南漾濞MS6.4地震中的应用. 地震研究, 44(3): 507—513Zhao Z. R. , Wu Y. M. , Li M. , et al. , 2021. Design of the Yunnan earthquake early warning information release platform and its application in the 2021 Yangbi, Yunnan MS6.4 earthquake. Journal of Seismological Research, 44(3): 507—513. (in Chinese) [25] 中国地震局监测预报司, 2001. 中国大陆地震灾害损失评估汇编(1996—2000). 北京: 地震出版社, 2001. [26] 中国地震局震灾应急救援司, 2010. 2001—2005年中国大陆地震灾害损失评估汇编. 北京: 地震出版社. [27] 中国地震局震灾应急救援司, 2015. 2006—2010年中国大陆地震灾害损失评估汇编. 北京: 地震出版社. 期刊类型引用(6)
1. 曹颖,安立强,高武平,张安东,杨菲,王志胜. 基于单体建筑数据的震后人员埋压分布快速估计方法初探. 震灾防御技术. 2024(01): 52-60 . 本站查看
2. 许娟,赵雪慧,周琪,肖本夫,毛利,肖术连,周妍. 2022年四川泸定M_S6.8地震人员震亡特征分析. 地震研究. 2023(04): 603-610 . 百度学术
3. 徐澯,黄智卿,宫阿都,巴婉茹. 面向不可移动文物的地震灾害风险评估——以福建省全国重点文物保护单位石窟寺及石刻为例. 北京师范大学学报(自然科学版). 2023(03): 449-455 . 百度学术
4. 任静,杨理臣,张云芝,李志强,谭专条,陈雅慧,张小涛,黄帅堂. 2021年5月22日青海玛多M_S 7.4地震灾害损失快速评估分析. 地震地磁观测与研究. 2022(02): 27-37 . 百度学术
5. 陈雅慧,高小跃,李华玥,郑通彦. 2021年国外地震灾害及损失述评. 地震地磁观测与研究. 2022(03): 157-164 . 百度学术
6. 于晨. 基于加卸载响应比(LURR)方法回顾2022年9月5日泸定M_S 6.8地震预测过程. 地震地磁观测与研究. 2022(06): 125-130 . 百度学术
其他类型引用(0)
-