• ISSN 1673-5722
  • CN 11-5429/P

一种地震应急响应级别判定方法

邓树荣,  张方浩,  余庆坤,  和仕芳,  杜浩国,  曹彦波

downloadPDF
文章导航 > 震灾防御技术  > 2019 >  14(2): 401-410
闫丽莉, 温少妍, 高文晶, 刘传军, 杨甜. 整点气温缺测的插补方法研究及其初步应用[J]. 震灾防御技术, 2019, 14(2): 446-455. doi: 10.11899/zzfy20190218
引用本文: 邓树荣, 张方浩, 余庆坤, 和仕芳, 杜浩国, 曹彦波. 一种地震应急响应级别判定方法[J]. 震灾防御技术, 2019, 14(2): 401-410. doi: 10.11899/zzfy20190213
shu
Yan Lili, Wen Shaoyan, Gao Wenjing, Liu Chuanjun, Yang Tian. Interpolating Method for Missing Data of Integral Point Temperature and Its Preliminary Application[J]. Technology for Earthquake Disaster Prevention, 2019, 14(2): 446-455. doi: 10.11899/zzfy20190218
Citation: Deng Shurong, Zhang Fanghao, Yu Qingkun, He Shifang, Du Haoguo, Cao Yanbo. A Method of Determining the Level of Earthquake Emergency Response[J]. Technology for Earthquake Disaster Prevention, 2019, 14(2): 401-410. doi: 10.11899/zzfy20190213
shu

一种地震应急响应级别判定方法

doi: 10.11899/zzfy20190213

  • 云南省地震局, 昆明 650224

基金项目: 

国家重点研发计划“地震应急全时程灾情汇聚与决策服务技术研究” 2018YFC1504500

地震科技星火计划专项“云南省地震灾害区域特征研究” XH17032

详细信息
    作者简介:

    邓树荣, 男, 生于1987年。工程师。主要从事地震应急现场通信保障工作和应急救援理论研究。E-mail:604732139@qq.com

A Method of Determining the Level of Earthquake Emergency Response

  • Yunnan Earthquake Agency, Kunming 650224, China

HTML全文

    摘要
  • 摘要: 破坏性地震发生后，相关部门根据地震应急预案启动地震应急响应，由于难以在第一时间得到准确和全面的灾情信息，因此支撑地震应急响应级别的判定因素有限。本文通过专家调查法，梳理出影响地震应急响应级别判定的关键因子，并对其赋予一定的权值，得到地震应急响应级别的阀值。当地震发生后，采用专家打分的形式计算出1个地震应急响应级别的判定值，通过判定值和阀值区间的关系，判定地震应急响应级别。最后，抽取了2011年以来云南境内发生的10次破坏性地震作为检验样本，结果证明该方法对应率较高，具有一定的适用性。
    Abstract: As soon as a destructive earthquake occurs, the earthquake emergency response needs to be taken by the government according to the emergency plan. Since it is very difficult for decision-makers to obtain accurate or overall disaster information in short time, it is not easy to determined the level of earthquake emergency response. To solve this problem, we use Delphi method to sort out some key factors which are important in determination of the emergency-response level, and then assign these factors with certain weights. In this study, we set up the threshold of each response level. When an earthquake occurs, we firstly calculate the evaluation values of the emergency-response level on the basis of judgement by experts. Then, after comparing the evaluation values with the threshold, we determine the response level. In verification of our method, we select 10 events of destructive earthquakes since 2011in Yunnan province, and use our method to obtain theoretical levels of emergency response of these events. The levels determined by our method are in good agreement with the levels which have been taken in practice.
    • HTML全文

  • 引言

    陆地与大气紧密相连，地震前大气的异常情况受到地震学者们的重视。前人进行了大量探索性研究工作，以寻求地震前兆（徐国钧等，1993；李贵福等，1996；曹新来等，1997；张铁宝等，2013）。在这些地震研究中，长期连续完整且均一性较好的气象资料是研究地震前气温异常的数据基础。但是，由于各种原因（如环境干扰、硬件故障等），历史气温资料缺测现象时有发生，导致气温观测资料缺测，造成历史资料的不连续（王建国等，2010；2013；姚会琴等，2012）。

    中国许多学者开展了对日、月、年时间尺度的气象资料缺测插补研究，并利用一维车贝雪夫多项式展开、线性回归、标准序列法、基于SVD的迭代等方法对中国部分地区的气象日、月、年值资料进行了恢复性实验（张秀芝等, 1996a, 1996b；涂诗玉等，2001；张永领等，2006；王海军等，2008；余予等，2012），但对整点气温值进行缺测插补鲜见文献报道。在国外，Huth等（1995）建立回归模型来插补缺测的日气温数据，Eischeid等（2000）采用空间差值法，插补后建立美国西部40年逐日气温和降水数据集，但这些插补模型只用于1个或数个缺测日数据的插补，不合适用于连续几个月数据缺测的情况。DeGaetano等（1995）引用改进的标准序列法，对美国东北部近400个站的日最高、最低气温缺测值进行了插补。标准序列法和线性回归法解决了插补长期连续缺测数据的问题。整点气温值的缺测插补方法可借鉴日平均、最高、最低气温值的缺测插补方法。由于线性回归法具有更好的统计性能和稳健性，本文对线性回归法进行改进，考虑了距离因素，采用线性回归模型参数求解法，解决了连续数日甚至数月造成的气温缺测问题，为地震前后气温变化特征的研究提供长期连续完整可靠的数据资料，也为今后开展卫星遥感红外亮温与卫星过境时刻气温的对比研究奠定了数据基础。

    1.   研究区及数据资料

    1.1   研究区介绍

    本文选取的研究区范围为37°—42°N、113°—119°E，在研究区内收集到15个地震观测站（气温观测站）的气温整点值数据，观测站分布情况如图 1所示。

    图 1  气温观测站分布
    Figure 1.  Distribution of temperature observatory sites
    下载: 全尺寸图片 幻灯片

    1.2   气温资料

    本文收集了15个地震观测站气温数据，气温指地面以上1.5m处百叶窗测得的空气温度。太阳的热能被地面吸收后，地面再通过辐射、传导和对流把热传给空气，这是空气中热量的主要来源。气温的观测范围-30℃—70℃，精度0.1℃。由于各观测站安装时间、停测时间不同，导致观测时间的长度不等，多数观测数据起止时间为2007年1月1日，截止时间为2014年12月31日。

    1.3   气温数据的缺测情况

    由于观测环境、仪器设备故障等原因，部分观测站的观测数据缺测，包括仅缺测1个值、缺测1天的值（即24个观测值）、连续缺测几天甚至1个多月导致长达数千个观测值连续缺测等情况。基于震例研究，本文仅讨论唐山站气温数据的缺测情况（表 1），可以看出该站缺测情况较严重，如2008年8月18日—9月15日连续缺测696个整点值，2009年4月2日—5月13日连续缺测1000个整点值，2012年6月2日—24日连续缺测552个整点值，2013年1月21日—2月5日连续缺测384个整点值。唐山站数据连续缺测时间较长，连续缺测几十个值的频率较高，同时该站还存在错误值，如2010年11月22日18时的观测气温整点值是59.701，类似的错误值在每年均有出现。2010、2011年的观测数据较完整。

    表 1  唐山站整点气温数据的缺测统计
    Table 1.  Missing data in integral point temperatures from the Tangshan site
    数据起止时间 年份 数据缺测情况
    2007-01-01 — 2013-12-18 2007 7月14—15日、7月25日
    2008 3月8—11日、11月17—24日、11月26日、12月3日、12月7—11日
    2009 3月18日、3月26日、4月2日—5月13日、6月27—29日、7月25日、11月10日—11日8时、11月19—21日、11月25—27日、11月30日、12月1—5日、12月13日
    2012 6月1—24日、8月30日—9月1日、9月8日、12月24—29日
    2013 1月21日—2月5日、6月25日、8月1—3日、7月27—30日、9月5—6日、9月23—24日
    下载: 导出CSV 
    | 显示表格

    1.4   气温数据的日变情况

    图 2为唐山站2012年12月17日—22日气温整点值变化曲线，可以看出气温日变明显，最高温一般出现在14时左右，最低温出现在8时左右，符合日变规律。

    图 2  唐山站气温变化曲线
    Figure 2.  Daily variation of interpolated integral point temperatures for Tangshan site
    下载: 全尺寸图片 幻灯片

    1.5   气温数据的月变情况

    对唐山站2012年1、4、7、10月的日均值进行分析，绘制了相关曲线，如图 3所示。由图可以看出，气温变化整体表现出明显的夏高冬低的年变规律；1月、7月气温变化平稳，4月气温表现为升温过程，10月气温表现为明显的降温过程。

    图 3  唐山站气温日均值变化曲线
    Figure 3.  Monthly variation of interpolated daily mean temperatures for Tangshan site
    下载: 全尺寸图片 幻灯片

    1.6   气温数据的年变情况

    唐山站2008—2013年连续的气温整点值数据变化曲线如图 4所示。由图可以看出，气温表现出明显的夏高冬低的年变特征，夏季最高日平均温度接近31℃，冬季最低日平均温度接近-14℃；气温在冬季和夏季处于稳定的状态，气温从3月开始上升，1月—7月处于升温过程，气温上升快，7月、8月气温达到最高，9月后气温开始迅速降低，进入降温阶段，符合季节变化规律；此外，数据缺测明显。

    图 4  唐山站气温整点值年变曲线
    Figure 4.  Annual variation of integral point temperature of Tangshan site
    下载: 全尺寸图片 幻灯片

    2.   研究方法

    应用线性回归法解决连续几日甚至数月的整点气温值缺测问题，并采用交叉验证方法对插补结果进行误差分析。

    2.1   线性回归模型的建立

    本文对线性回归方法进行改进，考虑了参考站和缺测站之间的距离。改进后该方法更科学，可以更好地去除距离因素的影响。

    利用邻近站资料对距离进行加权，建立回归模型，插补缺测站资料的方程式为：

    $$ {\hat y_i} = \frac{{{a_{1i}}{x_{1i}}}}{{{d_{1i}}}} + \frac{{{a_{2i}}{x_{2i}}}}{{{d_{2i}}}} + \cdots + \frac{{a{}_{mi}{x_{mi}}}}{{{d_{mi}}}} + {a_{m + 1}} $$ (1)

    其中，${\hat y_i}$为插补值，${x_{mi}}$为临近站数据，${a_{mi}}$为回归模型的参数，${d_{mi}}$为邻近站与缺测站之间的距离，m为临近站站数。利用最小二乘原理求解回归模型的参数，即使观测值和插补值之间差值的平方和（Q）最小：

    $$ \min Q = {\rm{min}}\sum\limits_{i = 1}^n {{{({y_i} - \hat y{}_i)}^2}} $$ (2)

    其中${y_i}$为插补站观测值。

    因历史同期各要素时空变化规律通常比较相似，选择缺测整点值前后若干整点值的历史同期（不包括缺测值所在的年份）数据，作为拟合回归模型的样本数据，建立线性回归模型，并利用附近站资料，计算缺测记录插补值。

    2.2   误差检验方法

    本文采用交叉验证的方法对缺测记录的插补结果进行分析，即假设某个站的记录缺测，首先利用插补模型插补整点气温数据，然后对插补值与实际观测资料进行对比和误差分析，并用平均绝对误差（Mean Absolute Error，MAE）代表插补精度（王海军等，2008），其表达式为：

    $$ MAE = \frac{1}{N}\sum\limits_{i = 1}^N {\left| {{x_{io}} - {x_{ei}}} \right|} $$ (3)

    其中，${x_{oi}}$为第i个实际整点观测值，${x_{ei}}$为第i个插补整点值，N为插补整点值的个数。

    3.   插补结果分析

    3.1   邻近参考站及时间窗选择

    参考站的选择不仅与观测站密度有关，也与插补站及其邻近站所处的地理环境有关（如平原、丘陵、山区等）。同时，时间窗大小也对缺测数据的插补精度有影响。本文采用滑动优选法确定时间窗，时间窗的宽度为气温整点值个数，高度为年数。以选择缺测整点值所在的年份为中心，其前后若干点值历史同期若干年的数据作为样本数据，对于前后无资料的年份，则使用靠近插补年份的资料。

    唐山站位于华北平原，周围地势平坦，气温变化相近，故采用最短距离的原则选取临近参考站。根据距离及地形因素，选取了该站周边的北京、昌黎、蓟县、宁河、青光和徐庄子6个观测站，年数为7年。采用15个整点值作为样本资料，建立线性回归模型，插补唐山站的缺测值（包括连续和不连续的单点缺测值）。插补站及其邻近站的基本信息见表 2。

    表 2  唐山插补站及其邻近台站信息
    Table 2.  Information of interpolation site and its neighboring sites
    台站 经度/°E 纬度/°N 海拔/m 与唐山站距离/km
    唐山 116.6 40.4 30 0
    北京 116 40 60 156
    昌黎 119 39.7 18.4 83
    蓟县 117.5 40.1 65 82
    宁河 117.7 39.4 2.5 45
    青光 117 39.2 3 110
    徐庄子 117.2 38.7 2 142
    下载: 导出CSV 
    | 显示表格

    3.2   误差检验

    采用交叉验证的方法评估上述插补方法，统计了2010年3月的31天实际观测整点值与相应插补值的相关系数，统计结果见表 3。从表中可以看出，3月8日、14日、15日、19日和20日的相关系数相对较低。王海军等（2008）经过对比研究，在平原地区选取了4个参考站，选取年数为8年、天数为15天，插补误差最小。唐山站也位于平原地区，考虑与唐山站的距离及地形因素，选取昌黎、宁河、青光、徐庄子4个参考站，并选取年数为7年、15个整点值的优化模型。通过对比发现，4个参考站的相关系数偏高（表 3）。

    表 3  观测值与插补值相关系数
    Table 3.  Correlation coefficients between interpolated and observed data
    日期 优化模型相关系数 相关系数
    2010-03-01 0.922018 0.916277
    2010-03-02 0.962184 0.967497
    2010-03-03 0.934722 0.94439
    2010-03-04 0.986854 0.973136
    2010-03-05 0.97029 0.931489
    2010-03-06 0.925587 0.958141
    2010-03-07 0.962133 0.96263
    2010-03-08 0.72234 0.652517
    2010-03-09 0.896098 0.915444
    2010-03-10 0.980709 0.977074
    2010-03-11 0.928618 0.952106
    2010-03-12 0.892358 0.900113
    2010-03-13 0.950986 0.959182
    2010-03-14 0.799879 0.753849
    2010-03-15 0.881494 0.792166
    2010-03-16 0.974627 0.968444
    2010-03-17 0.972681 0.970844
    2010-03-18 0.976031 0.973557
    2010-03-19 0.596366 0.618699
    2010-03-20 0.846827 0.745552
    2010-03-21 0.951358 0.951009
    2010-03-22 0.932557 0.951905
    2010-03-23 0.901255 0.919988
    2010-03-24 0.897624 0.920017
    2010-03-25 0.974534 0.981077
    2010-03-26 0.958726 0.979361
    2010-03-27 0.976428 0.948801
    2010-03-28 0.987332 0.993851
    2010-03-29 0.927046 0.962993
    2010-03-30 0.841163 0.902429
    2010-03-31 0.968156 0.977347
    下载: 导出CSV 
    | 显示表格

    利用式（3）对优化后的模型得到的插补结果计算平均绝对误差，并统计其误差的比例分布（表 4）。从表 4可以看出，插补误差在±0.5℃范围内的比例为60.5%，在±0.8℃范围内的比例为80.6%，其误差绝对值大于1.0℃的为9.4%，平均绝对误差为0.82℃。

    表 4  唐山站整点气温缺测插补误差比例
    Table 4.  Proportion of error for interpolated integral point temperature
    误差范围 比例/%
    （-∞，-1） 7.8
    [-1，-0.8） 5.4
    [-0.8，-0.5） 9.5
    [-0.5，0） 31.2
    [-0.5，0.5] 60.5
    [0，0.5） 29.3
    [0.5，0.8） 11.6
    [0.8，1） 3.6
    [1，∞） 1.6
    [-0.8，0.8] 81.6
    下载: 导出CSV 
    | 显示表格

    3.3   插补结果

    针对唐山站2008年1月1日—2013年12月18日的气温整点值缺测数据及错误数据，利用唐山邻近站的同期数据和线性回归模型，对缺测数据插补完整，并修正错误数据，绘制气温整点值的年变曲线，如图 5所示。从图中可以看出，在长时间序列缺测的部位，插补值与前后正确的数据衔接吻合，没有出现突升或突降变化。插补后完整连续的数据符合夏高冬低的年变规律，气温6年的变化形态一致。

    图 5  插补后的唐山台气温整点值年变曲线
    Figure 5.  Annual variation of interpolated integral point temperature for Tangshan site
    下载: 全尺寸图片 幻灯片

    4.   震例应用

    据中国地震台网中心测定，2012年5月28日10时22分在河北省唐山市辖区、滦县交界处发生4.8级地震，震源深度8km。

    利用插补完整的连续数据，分析2012年3—5月震前气温数据的变化情况。首先，选取无震年份（2008—2011年）同期（3—5月）整点值气温，并计算历年同期气温日均值，以此作为3—5月正常的背景值；其次，将2012年3—5月日均值与历年同期背景值做差值，得到2012年3—5月份数据与历年同期均值的偏移程度；最后，以无震年份同期气温波动范围作为基准，即2008—2011年3—5月所有气温值的标准差作为判断标准。根据以往经验将差值大于2倍标准差视为气温前兆异常。

    从2012年3—5月当年日均值与历年同期（2008—2011年）多年日均值的差值及标准差（图 6）中可以看出，从3月27日开始，唐山站数据出现大幅度增温异常现象，4月增温天数也较多，5月1日—11日的气温日均值仍然高于历年同期，特别是5月10日（即震前2天）增幅达到约8℃，且大于2倍标准差；震后差值开始变小，并逐步恢复至平静。

    图 6  观测值与同期均值的差值及标准差
    Figure 6.  Standard deviation and difference between mean and observed value
    下载: 全尺寸图片 幻灯片

    5.   结论

    长期连续完整的历史气象资料是震前气温异常判别研究的重要数据基础，但由于观测环境、仪器故障等原因，造成气温观测数据缺测或错误数据，且部分数据缺测的时间较长。为此，本文利用线性回归模型，插补缺测和错误的气温整点值数据，较好地解决了长期连续缺测的情况。

    通过对唐山观测站2008年1月1日—2013年12月18日的气温整点值缺测数据及错误数据进行插补，使得数据完整连续，并应用插补完整的气温整点值数据，分析研究了2012年5月28日唐山4.8级地震的气温前兆异常现象，主要得出以下结论：

    （1）唐山观测站的插补值与其前后的观测数据衔接吻合，插补后完整连续的数据符合夏高冬低的年变规律。

    （2）插补误差在±0.5℃范围内的比例为60.2%，在±0.8℃范围内的比例为80.3%，其误差绝对值大于1.0℃的为9.6%，平均绝对误差为0.84℃。插补值与观测值的相关系数大部分在0.9以上，可见插补结果真实可靠。

    （3）从3月27日起，唐山观测站数据出现增温异常，震前2天增温幅度约8℃。

  • 表  1  地震应急响应级别判定的重要因子

    Table  1.   Important factors in determining the level of earthquake emergency response

    重要因素 因子 因子分类 应急响应级别判定机理
    地震因素 震级 初判因子 通常震级越大，应急响应的启动级别越高，是响应级别初判的依据
    震源深度 初判因子 震源深度越浅，破坏性越大，是响应级别初判的依据
    发震时间 初判因子 夜间发震造成的人员伤亡较重，可提高响应级别
    发震地点 初判因子 在人口密集的城市地区发生地震，造成的损失和社会影响较大，可提高响应级别，在无人区或者人员极少地区，造成的损失和社会影响较小，可降低相应级别
    灾情因素 人员伤亡预评估 初判因子 根据经验和模型评估出的人员伤亡，是响应级别初判的依据
    经济损失预评估 初判因子 根据经验和模型评估出的经济损失，是响应级别初判的依据
    人员死亡 初判因子
    调整因子    		 人员死亡数是响应级别初判的依据，根据数量级的变化调整响应级别
    经济损失 初判因子 经济损失是响应级别初判的依据，根据损失数量级的变化可调整响应级别
    人员伤亡变化趋势 调整因子 根据人员伤亡的变化趋势，可调整响应级别
    灾害损失变化趋势 调整因子 根据灾害损失的变化趋势，可调整响应级别
    社会因素 人口密度 初判因子 人口密度是响应级别初判的依据，密度较密可提高响应级别，密度较低可降低响应级别
    人口聚集度 初判因子 人口聚集度是响应级别初判的依据，聚集度较高可提高响应级别，聚集度较低可降低响应级别
    灾区人口总数 初判因子
    调整因子    		 人口总数是响应级别初判的依据，总数较大可提高响应级别
    社会因素 人均GDP 初判因子 人均GDP是响应级别初判的依据，GDP较高可提高响应级别
    县域经济总量 初判因子 经济总量是响应级别初判的依据，总量较高可提高响应级别
    地理环境
    因素    		 地形地貌 初判因子 地形地貌是响应级别初判的依据，地形地貌特殊可提高响应级别
    地质构造 初判因子 地质构造是响应级别初判的依据，地质构造特殊可提高响应级别
    场地条件 初判因子 场地条件是响应级别初判的依据，场地条件特殊可提高响应级别
    下载: 导出CSV

    表  2  应急响应级别判定的直接因子

    Table  2.   Direct factors for the determination of the emergency-response level

    一级指标 二级指标 三级指标 分值 备注
    重要因素 权重 重要因子 权重 分级标准 参考分值
    地震因素 w1 震级 w11 7.0（≥6.0） [f11Ⅰ，10] z11 一些人口密度高、经济发达地区需要按括号内数值提高权重
    6.0—7.0（5.0—6.0） [f11Ⅱ，f11Ⅰ）
    5.0—6.0（4.0—5.0） [f11Ⅲ，f11Ⅱ）
    ＜5.0（＜4.5） [0，f11Ⅲ）
    灾情因素 w2 人员死亡 w21 300人 [f21Ⅰ，10] z21 人员死亡数据在第一时间难于获取，一些特殊地区可根据死亡人数的上升趋势进行判定
    50—300人 [f21Ⅱ，f21Ⅰ）
    10—50人 [f21Ⅲ，f21Ⅱ）
    ＜10人 [0，f21Ⅲ）
    经济损失 w22 直接经济损失占该省上年GDP的1% [f22Ⅰ，10] z22 经济损失数据在第一时间难于获取，可根据经济损失预评估和经济损失的发展演变趋势进行判定
    严重 [f22Ⅱ，f22Ⅰ）
    较重 [f22Ⅲ，f22Ⅱ）
    较小 [0，f22Ⅲ）
    地震灾害级别 w23 特别重大 [f23Ⅰ，10] z23 按地震灾害判定级别指标进行判定
    重大 [f23Ⅱ，f23Ⅰ）
    较大 [f23Ⅲ，f23Ⅱ）
    一般 [0，f23Ⅲ）
    下载: 导出CSV

    表  3  应急响应级别判定的间接因子

    Table  3.   Indirect factors for the determination of the emergency-response level

    一级指标 二级指标 三级指标 分值 备注
    重要因素 权重 重要因素 权重 分级标准 参考分值
    地震因素 w3 震源深度 w31 0—5km [f31Ⅰ，10] z31 统计表明75%以上的地震是0—60km的浅源地震，震源深度多为5—20km
    5—10km [f31Ⅱ，f31Ⅰ）
    10—20km [f31Ⅲ，f31Ⅱ）
    20—60km [0，f31Ⅲ）
    发震时间 w32 22：00—7：00（凌晨） [f32Ⅰ，10] z32 人的活动规律
    12：00—14：00，19：00—22：00（大部分人在室内活动） [f32Ⅲ，f32Ⅱ）
    7：00—12：00，14：00—
    19：00（大部分人在室外活动）    		 [0，f32Ⅲ）
    发震地点 w33 人口500万以上的特大
    和超大城市    		 [f33Ⅰ，10] z33 城市规模划分标准：城区常住人口50万以下为小城市，50万—100万为中等城市，100万—500万为大城市，500万—1000万为特大城市，1000万以上为超大城市1
    人口50万—500万的
    中等城市和大城市    		 [f33Ⅱ，f33Ⅰ）
    人口50万以下的小城市或县级以上政府所在地 [f33Ⅲ，f33Ⅱ）
    县级以上政府所在地以外的其它地区 [0，f33Ⅲ）
    灾情因素 w4 人员伤亡
    预评估    		 w41 300人 [f41Ⅰ，10] z41 参照地震应急预案和人口伤亡评估模型
    50—300人 [f41Ⅱ，f41Ⅰ）
    10—50人 [f41Ⅲ，f41Ⅱ）
    ＜10人 [0，f41Ⅲ）
    经济损失
    预评估    		 w42 50亿以上 [f42Ⅰ，10] z42 经济损失数量级，历年灾评数据
    5亿—50亿 [f42Ⅱ，f42Ⅰ）
    1000万—5亿 [f42Ⅲ，f42Ⅱ）
    0—1000万 [0，f42Ⅲ）
    人员伤亡
    变化趋势    		 w43 急速上升 [f43Ⅰ，10] z43 人员伤亡变化率
    快速上升 [f43Ⅱ，f43Ⅰ）
    缓慢上升 [f43Ⅲ，f43Ⅱ）
    伤亡很少，基本没变化 [0，f43Ⅲ）
    灾害损失
    变化趋势    		 w44 急速上升 [f44Ⅰ，10] z44 灾害损失变化率
    快速上升 [f44Ⅱ，f44Ⅰ）
    缓慢上升 [f44Ⅲ，f44Ⅱ）
    损失很轻，基本没变化 [0，f44Ⅲ）
    社会因素 w5 人口密度 w51 500人以上高度集聚核心区 [f51Ⅰ，10] z51 中国人口分布的密度分级（葛美玲等，2009）
    201—500人（中低度集聚区） [f51Ⅱ，f51Ⅰ）
    101—200人（过渡区） [f51Ⅲ，f51Ⅱ）
    0—100人（稀疏区） [0，f51Ⅲ）
    人口聚集度 w52 15以上（城市核心区） [f52Ⅰ，10] z52 中国人口集聚度分类标准（刘睿文等，2010）
    2—15（密集区） [f52Ⅱ，f52Ⅰ）
    0.5—2（均值区） [f52Ⅲ，f52Ⅱ）
    0—0.5（稀疏区） [0，f52Ⅲ）
    灾区人口
    总数    		 w53 500万人以上 [f53Ⅰ，10] z53 人口数量级
    100万—500万人 [f53Ⅱ，f53Ⅰ）
    20万—100万人 [f53Ⅲ，f53Ⅱ）
    0—20万人 [0，f53Ⅲ）
    人均GDP w54 高人均GDP：40000元以上 [f54Ⅰ，10] z54 中国城市人均GDP差异影响因素的分析（贾娜等，2006），因研究的需要和经济社会的发展考虑，对原文的数据进行了适当的向上取整
    较高人均GDP：
    25000—40000元    		 [f54Ⅱ，f54Ⅰ）
    中等人均GDP：
    12000—25000元    		 [f54Ⅲ，f54Ⅱ）
    较低人均GDP：
    2500—12000元    		 [0，f54Ⅲ）
    县域经济
    总量    		 w55 1000亿元以上 [f55Ⅰ，10] z55 参考云南省2015年度县域经济总量（云南省统计局，2016），以云南数据为例
    500亿—1000亿元 [f55Ⅱ，f55Ⅰ）
    100亿—500亿元 [f55Ⅲ，f55Ⅱ）
    0—100亿元 [0，f55Ⅲ）
    地理环境因素 w6 地形地貌（坡度） w61 地形特别复杂，地势特别
    陡峭（35°≤坡度≤45°）    		 [f61Ⅰ，10] z61 地震滑坡危险性评估模型（白仙富等，2015）
    地形较复杂，地势陡峭（30°≤坡度＜35°，45°＜坡度≤50°） [f61Ⅱ，f61Ⅰ）
    地形一般，地势较平缓
    （10°≤坡度＜30°）    		 [f61Ⅲ，f61Ⅱ）
    地形较好，地势平缓
    （坡度＜10°，坡度＞50°）    		 [0，f61Ⅲ）
    地质条件 w62 特别复杂，结构破碎 [f62Ⅰ，10] z62 地质条件的抗震性能和特点
    较复杂，结构不稳定 [f62Ⅱ，f62Ⅰ）
    一般，结构较稳定 [f62Ⅲ，f62Ⅱ）
    较好，结构稳定 [0，f62Ⅲ）
    地理环境因素 w6 场地条件 w63 危险地段（地震时可能发生
    滑坡、崩塌、地陷等）    		 [f63Ⅰ，10] z63 GB 50011— 2010《建筑抗震设计规范》（中国建筑科学研究院，2010）
    不利地段（软弱土、
    液化土、山丘陡坡等）    		 [f63Ⅱ，f63Ⅰ）
    一般地段 [f63Ⅲ，f63Ⅱ）
    有利地段（稳定基岩、坚硬土、开阔平坦密实均匀的中硬土） [0，f63Ⅲ）
    下载: 导出CSV

    表  4  地震应急响应启动级别的判定值和阀值对照表

    Table  4.   Comparison of emergency response levels of 10 earthquake events determined by theory and in practice

    发震日期 发震时间 发震地点 震级 判定值 应启动级别 实际响应级别 是否对应
    2011-08-09 19:50 腾冲县 5.2 4.5612 Ⅲ Ⅳ 否
    2012-09-07 11:19，12:16 彝良县 5.7，5.6 8.8746 Ⅲ Ⅱ 否
    2013-03-03 13:41 洱源县 5.5 6.0165 Ⅲ Ⅲ 是
    2014-05-30 09:20 盈江县 6.1 9.8721 Ⅱ Ⅱ 是
    2014-08-03 16:30 鲁甸县 6.5 14.3065 Ⅱ Ⅰ 否
    2014-10-07 21:49 景谷县 6.6 13.0145 Ⅱ Ⅱ 是
    2015-03-01 18:24 沧源县 5.5 5.1544 Ⅲ Ⅲ 是
    2015-10-30 18:26 昌宁县 5.1 3.9932 Ⅲ Ⅲ 是
    2016-05-18 00:48 云龙县 5.0 4.0127 Ⅲ Ⅲ 是
    2017-03-27 07:55 漾濞县 5.1 4.3528 Ⅲ Ⅲ 是
    下载: 导出CSV
    • 参考文献(15)
  • 白仙富, 戴雨芡, 余庆坤等, 2015.地震滑坡危险性评估模型及初步应用.地震研究, 38(2):301-312. http://d.old.wanfangdata.com.cn/Periodical/dzyj201502018
    蔡俊, 2011.我国应对破坏性地震的震后应急响应研究.上海:上海交通大学.
    范开红, 周志华, 陈维锋, 2017.四川地震应急准备与处置要点分析.震灾防御技术, 12(4):956-965. http://zzfy.eq-j.cn/zzfyjs/ch/reader/view_abstract.aspx?flag=1&file_no=20170423&journal_id=zzfyjs
    葛美玲, 封志明, 2009.中国人口分布的密度分级与重心曲线特征分析.地理学报, 64(2):202-210. doi: 10.3321/j.issn:0375-5444.2009.02.007
    洪海春, 尤捷, 陶小三等, 2015.2014年云南鲁甸地震和景谷地震的震害对比研究.地震工程学报, 37(4):1013-1022. doi: 10.3969/j.issn.1000-0844.2015.04.1013
    皇甫岗, 苏有锦, 张建国等, 2014.新世纪滇缅交界大震活动研究.昆明:云南科技出版社.
    贾娜, 周一星, 2006.中国城市人均GDP差异影响因素的分析.中国软科学, (8):109-118. doi: 10.3969/j.issn.1002-9753.2006.08.014
    姜立新, 帅向华, 聂高众等, 2012.地震应急指挥协同技术平台设计研究.震灾防御技术, 7(3):294-302. doi: 10.3969/j.issn.1673-5722.2012.03.008
    刘睿文, 封志明, 杨艳昭等, 2010.基于人口集聚度的中国人口集疏格局.地理科学进展, 29(10):1171-1177. doi: 10.11820/dlkxjz.2010.10.003
    刘在涛, 李洋, 2010.通过玉树地震解析中国地震应急响应机制.中国应急救援, (5):18-21. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201002429450
    刘在涛, 王栋梁, 张维佳等, 2011.基于贝叶斯判别分析的地震应急响应等级初判方法.地震, 31(2):114-121. doi: 10.3969/j.issn.1000-3274.2011.02.013
    徐国祥, 2008.统计预测和决策(3版).上海:上海财经大学出版社.
    云南省统计局, 2016.云南统计年鉴.北京:中国统计出版社.
    张彦琪, 陈维锋, 卢永坤等, 2017.2014年云南3次M>6地震灾害特征对比分析.地震研究, 40(1):144-152. doi: 10.3969/j.issn.1000-0666.2017.01.020
    中国建筑科学研究院, 2010.GB 50011-2010建筑抗震设计规范.北京:中国建筑工业出版社.
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
表(4)
计量
  • 文章访问数:  206
  • HTML全文浏览量:  49
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-07-03
  • 刊出日期:  2019-06-01

目录

摘要
HTML全文

  • 引言

  • 1.   研究区及数据资料

  • 1.1   研究区介绍

  • 1.2   气温资料

  • 1.3   气温数据的缺测情况

  • 1.4   气温数据的日变情况

  • 1.5   气温数据的月变情况

  • 1.6   气温数据的年变情况

  • 2.   研究方法

  • 2.1   线性回归模型的建立

  • 2.2   误差检验方法

  • 3.   插补结果分析

  • 3.1   邻近参考站及时间窗选择

  • 3.2   误差检验

  • 3.3   插补结果

  • 4.   震例应用

  • 5.   结论

参考文献(15)
相关文章
施引文献
资源附件(0)

/

返回文章
返回

版权所有 © 2019《震灾防御技术》编辑部    E-mail：zzfyjsbjb@163.com   京ICP备07009313号-15

地址：北京市朝阳区民族园路9号   邮编：100045   电话：010-69941193/1214/1192

本系统由 北京仁和汇智信息技术有限公司 开发 技术支持： info@rhhz.net   百度统计