高精度承灾体数据支撑的地震灾情快速评估

安基文 徐敬海 聂高众 白仙富

1)中国地震局地质研究所， 北京 100029 2)南京工业大学测绘学院， 南京 211816 3)云南省地震局， 昆明 650224

高精度承灾体数据支撑的地震灾情快速评估

安基文1)徐敬海2)*聂高众1)白仙富3)

1)中国地震局地质研究所， 北京 100029 2)南京工业大学测绘学院， 南京 211816 3)云南省地震局， 昆明 650224

地震灾情快速评估是震后地震应急响应的核心技术支撑。目前， 随着高精度人口社会经济数据的推广， 中国地震局下属单位的地震灾情快速评估所采用的承灾体数据大多由原来的县级精度提升到30″×30″(经纬度)的高精度。然而， 基础数据精度得到提升的同时， 灾情评估的主要算法和技术流程却没有改变。结果是评估准确度得到了一定提高， 而县级精度数据支撑下的评估耗时较多(10～20min， 大震时可在30min以上)， 震害损失空间分布不够精细等问题仍然没有得到解决。因此， 文中首先介绍了高精度承灾体数据(30″×30″)， 描述地震灾情快速评估的原理及县级数据支撑下的实现过程， 之后阐述利用高精度承灾体数据改善地震灾情快速评估数据基础的原理， 在评估过程中利用栅格代数运算提高计算效率和保持数据精度的原理， 以及通过分割和重新组织快速评估技术流程提高评估速度的方法。经试验验证， 改进后地震灾情快速评估的准确度有所提高， 能够产出高精度的(30″×30″)的震害分布， 并且评估耗时缩减到1min以内(不含出图耗时)。大范围的高精度承灾体数据是一种模拟数据而非调查数据， 尽管其基础是普查数据， 但准确度与实际情况仍有一定的差距， 需要进一步研究与优化。

高精度承灾体数据 地震灾情快速评估 地震应急救援 震后应急响应

0 引言

中国是地震频发且灾情严重的国家。20世纪中国大陆发生了445次6.0～7.9级地震、 9次8.0级以上地震， 死亡约59万人①。长期的理论研究与工作实践证明， 震后应急救援是减少地震伤亡和损失的有效途径(Wegscheideretal.， 2013; Xuetal.， 2014)。地震应急救援的关键点在于能否在最短的时间内， 做出科学合理的应急救援计划并付诸行动。破坏性地震发生之后的短时间内， 往往无法获得灾区现场的真实的震害信息， 因此， 此时地震应急救援计划的拟定， 其科学依据由灾区后方的技术部门提供。震后应急救援技术支撑的核心是地震灾情快速评估， 这是对地震灾害损失情况的模拟与评价， 是震后短时间内应对真实灾情信息缺失的有效手段， 其准确度、 信息质量和评估速度等直接影响震后应急救援的效率。

美国地质调查局(U.S. Geological Survey， USGS)响应全球范围的重大地震， 常常在尚未有现场灾情报告上报之前， 迅速评估地震影响， 并向应急响应部门、 政府机关和援助机构发出警报， 告知可能发生的地震破坏事件。为此， USGS开发了PAGER(Prompt Assessment of Global Earthquakes for Response)系统， 用于震后快速评估可能的人员伤亡和经济损失的范围(http: ∥earthquake.usgs.gov/earthquakes/pager/)。中国地震局负有快速响应发生在或波及到中国境内的地震事件， 迅速评估地震影响并向国务院汇报潜在地震破坏事件的责任。中国地震局及其下属单位也开发了类似PAGER的地震灾情快速评估技术系统。

本研究开展之初， 中国地震局下属单位的灾情快速评估大多仍在采用县级精度的承灾体数据， 仅有中国地震局地质研究所、 山西省地震局、 四川省地震局等少数单位采用高精度承灾体数据(30″×30″)(聂高众等， 2011; 杨斌等， 2011)。之后， 依托中国地震局地震行业科研专项南北地震带大震极灾区速判及关键技术研究”(杨建思等)和国家科技支撑计划项目 “地震灾情服务及应急决策支撑平台研究”(聂高众等)， 在中国地震局的支持下研发并在其应急工作中可用的高精度承灾体数据得到进一步完善和更新； 依托 “国家地震社会服务工程(中国地震局地质研究所)”(张培震等)， 高精度承灾体数据在地震灾情快速评估中的应用已在中国各个省、 自治区和直辖市的地震应急工作中得到普及。然而， 基础数据精度得到提升的同时， 灾情评估的主要算法和技术流程却没有改变。结果是评估准确度得到了一定的提高， 但是县级承灾体数据支撑下快速评估中存在的其他问题仍然没有得到解决。原地震灾情快速评估中存在如下几个亟待改进的问题：

(1)评估误差较大。主要来源于地震影响场模拟偏差、 震害评估模型误差和承灾体数据误差等。县级精度的数据认为承灾体在行政单元内部均匀分布， 因此当1个行政单元与1个烈度范围有部分重叠时， 该部分的承灾体数量由重叠面积乘以承灾体平均密度得出。显然， 这是不合理的， 有可能产生大量误差。

(2)评估得出的震害分布不够精细。受限于承灾体数据的精度， 评估结果只能给出县级精度的震害分布， 而对于分秒必争的地震应急救援， 这个范围可能会显得非常大(尤其在中国西部地区)， 在对救援目标的进一步搜寻中， 很可能会失去挽救更多生命的机会。

(3)评估速度不够快。目前震害评估的耗时大多在10～20min， 遇到特大地震时甚至需要30min以上。对于灾情快速评估结果， 地震及其他领域的专家会进一步进行分析与讨论， 形成灾情报告并提交给政府相关部门。2008年汶川地震后， 中国政府要求技术支撑部门于震后1h之内提交第1次灾情报告， 留给灾情分析与报告编写的时间非常有限。为了给专家们更多的时间以更好地完成灾情分析工作， 灾情评估需要提速。

地震应急快速评估有很多模型， 可归类为基于统计的经验模型(傅征祥等， 1993; 高惠瑛等， 2010; 刘金龙等， 2012)和基于震害机理的分析模型(程家喻等， 1996; 马玉宏等， 2000； 李媛媛等， 2014)， 而目前作为主流的是分析模型。分析模型要求对建筑物进行详细的结构分类， 再通过结构的抗力分析或历史震害的统计求得其易损性， 震时根据地震烈度与结构响应的关系求出建筑物的倒塌概率， 继而结合人口或经济的暴露情况求出相应的损失。国内将以分析模型为核心的震害评估方法称为易损性分类清单法， 于1995年提出并有详细描述(李树桢， 1995; 尹之潜， 1995)， 后来也有很多学者对该方法的发展做出贡献。易损性分类清单法是先进的， 目前绝大多数单位的震害快速评估所用的都是这个方法， 而且基础数据精度的改变对评估模型没有适用性方面的要求， 但是与模型的具体实现， 即算法有直接的联系， 甚至需要调整算法以适应新的数据。因此， 本研究不提出或改进震害评估模型， 而是在算法层面上， 对评估技术进行改进， 以提高快速评估的效率。

本文首先肯定地震灾情快速评估中采用易损性分类清单法， 并以其分析模型的原理为背景， 充分利用高精度格网数据的技术特点， 改进震害快速评估的主要算法， 改进评估模型的业务逻辑在技术上的实现流程， 以图解决或改善目前震害快速评估中依然存在的一些问题。本文在第2节说明地震灾情快速评估的原理及县级承灾体数据支撑下的评估技术流程。在第3节详细说明高精度承灾体数据支撑下地震灾情快速评估的改进。在第4节利用历史地震案例进行试验与评价。最后， 在第5节进行讨论与总结， 并提出对未来研究工作的设想。

1 数据

可获得的中国的国家普查数据一直以县行政区划为基本统计单元。本文的研究工作开展之初， 中国地震局下属单位的灾情快速评估大多仍在采用县级精度的承灾体数据。然而， 在以往多次破坏性地震的应急救援工作中已充分认识到县级精度的不足， 并一直努力发展符合中国地震应急救援工作需求的高精度承灾体数据的生产技术。

高精度承灾体数据是相对县级精度的数据而言的， 目前没有明确规定必须达到某个分辨率。本文所指的是30″×30″经纬度大小(在赤道附近有约1km的分辨率)的格网数据， 内容包括中国大陆范围的人口、 分类型建筑物及GDP(本文没有使用)数据， 相较县级数据其精度优势是非常明显的。实际上， 国际上也有100m分辨率人口格网数据的研究案例(Linardetal.， 2012)， 但是就目前我们所掌握的资源， 只能研制30″×30″分辨率的承灾体数据， 而该分辨率已可以满足地震应急响应与救援业务的需求。

将通过普查获得的1个行政单元的社会要素数量值， 利用数学模型分解到该行政单元内部细分的格网中， 以便更精确地反映其分布情况， 这就是高精度承灾体数据的生产原理， 很多学者称之为社会要素空间化。目前， 人口空间化的研究案例很多(Lietal.， 2005; Yueetal.， 2005； Balketal.， 2006; Briggsetal.， 2007; Liuetal.， 2008; Silvn-Crdenasetal.， 2010; Azaretal.， 2013; Batista e Silvaetal.， 2013)， 也产出了实用的高精度人口数据集。美国能源部所属橡树岭国家实验室(Oak Ridge National Laboratory， ORNL)开发的LandScan数据是全球人口分布的领域标准(Dobsonetal.， 2000； Bhadurietal.， 2002; Caietal.， 2006; Bhadurietal.， 2007)。它利用空间数据与影像分析技术和多变量密度建模方法将人口统计数据分解到行政单元内部的30″×30″经纬度大小(在赤道附近有约1km的分辨率)的格网中， 是目前精度最高的全球人口动态分布数据。该数据集覆盖全球84°N到90°S的范围， 目前仅对美国联邦政府机构免费提供(GIST， http: ∥web.ornl.gov/sci/landscan/index.shtml)。

图1 高精度(30″×30″)中国人口和房屋面积分布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 多层钢筋混凝土房屋分布； d 多层砌体房屋分布； e 单层房屋分布； f 其他类型房屋分布

依托于中国地震局地震行业科研专项“地震应急数据指标化和应急能力评价指标体系技术研究”(聂高众等)， 中国地震局地质研究所与中国科学院地理科学与资源研究所合作开发了1套中国大陆范围的高精度人口与分类型房屋建筑数据集(30″×30″)(图1)。通过现场调查获取了大量的关于人口、 房屋建筑要素密度与多种环境因子关系的样本， 分析得出回归模型， 并将第5次全国人口普查数据(2000)分解到细分的格网中。数据集的生产充分考虑了地震行业的应用需求， 比如房屋建筑数据按照承灾体的地震易损性及已有的房屋建筑地震破坏比资料分为4类——钢筋混凝土结构、 多层砌体结构、 单层民宅和其他。2013年， 我们采用第6次中国人口普查数据(2010)对数据集进行了更新。我们研制高精度人口社会经济数据的方法及数据已应用于多个研究中(黄耀欢等， 2007； 陈振拓等， 2012; 韩贞辉等， 2013; 丁文秀等， 2014)， 其适用性已得到验证。

2 地震灾情快速评估的原理

2.1 震害的快速评估

地震灾情的详细评估是震后通过对灾区的现场调查得出的， 结果比较准确和真实， 但需要调查人员进入灾区， 而且完成调查需要较长的时间， 往往是几天甚至几周。由于时效性较差的缘故， 此类评估对于地震应急救援是没有意义的， 因此我们在震后短时间内利用数学方法模拟地震灾情， 给震后应急响应提供技术支撑， 并称之为地震灾情快速评估。

在地震灾情快速评估中， 震害的大小由承灾体暴露量和承灾体在地震影响下的破坏比或伤亡比决定(傅征祥等， 1993; 李树桢， 1995; 尹之潜， 1995)(式(1))。为了得到准确的地震灾情， 震害快速评估需要做到准确地提取受到地震影响的承灾体暴露量， 以及正确地获取承灾体的损失比或伤亡比。

damage=exposure×loss_ratio

(1)

承灾体暴露量是指暴露在地震影响之下的承灾体数量， 通过汇总被地震影响场所覆盖范围内的承灾体数量得出。因此， 震害快速评估首先需要获得准确的地震影响场范围， 再根据准确的承灾体空间分布， 利用GIS技术提取承灾体的暴露量。

房屋建筑的倒塌是导致地震人员伤亡的主要原因之一(李树桢， 1995)， 因此伤亡比往往由房屋建筑的震害推导而出， 其空间差异性由房屋建筑震害的空间分布决定。房屋建筑的破坏比由建筑物的抗震性能和地震动作用的强度决定。建筑结构、 建筑材料、 建筑年代和抗震设防标准等都是影响房屋抗震性能的因素。因此， 房屋建筑的破坏比在不同区域， 不同烈度下很可能是不相同的。

由于以上原因， 震害快速评估中需要根据房屋建筑破坏比的地域性和地震烈度圈对灾区进行分割(图2)， 对每个分区提取承灾体的暴露量， 并采用合理的破坏比参数进行震害的计算， 最后对整个灾区进行灾情的汇总。

2.2 县级承灾体数据支撑下的地震灾情快速评估

针对地震灾情快速评估模型中房屋建筑破坏比参数的地域性和烈度相关性， 学者们通过对指定范围的震例研究， 提出了适用于中国大陆不同地区和各个烈度的地域性模型参数(房屋建筑破坏比)(尹之潜， 1995； 胡少卿等， 2010)。地域性模型参数一般存储为表格格式， 同时将模型参数的适用范围存储为多边形矢量格式， 并通过索引进行关联(图2)。由于房屋建筑的抗震性能往往以行政地区为研究范围进行评价， 地域性模型参数的适用范围边界与部分行政区划边界重叠。

目前中国地震局在震害快速评估中采用的县级承灾体数据以多边形矢量格式存储。地震发生之后， 快速评估技术系统首先通过叠加承灾体多边形与分割出的灾区小分区， 计算小分区的承灾体数量。其次， 对每个灾区小分区读取与之关联的地域性模型参数， 建立各自的地域性快速评估模型， 分别进行评估， 最后进行汇总(图2)。

图2 地域性模型参数的原使用方式和基于格网的新的使用方式Fig. 2 The original and grid-based new usage of regional model parameters. ID1—5所标识的地区分别有各自适用的地域性模型参数； 虚线圈定的地区表示受到地震影响的范围； layera、 layerb和layerc是地域性模型参数a、 b和c的空间化表示

3 地震灾情快速评估的改进

高精度承灾体数据往往以栅格格式存储和使用， 有利于数据的定位存取， 以及叠加及代数或逻辑运算， 简单而高效。地震灾情评估过程中， 多数操作是区域的叠加、 区域内数值统计、 区域和区域的对位运算等， 非常适合以栅格代数运算方式实现。因此， 我们将评估中涉及的其他数据， 包括地震影响场和地域性模型参数等， 也由矢量结构或数值转换为栅格结构， 以便参与栅格代数运算。

地域性模型参数的栅格化， 首先将参数适用范围转换为同等精度的栅格， 再将关联的参数值赋到对应的栅格中， 而每个参数形成1个数据层， 最终产出多个数据层(图2)。栅格化之后， 地震影响场跨越多个参数适用范围的情况下， 不再需要对灾区进行分割， 因为通过栅格化已经体现了模型参数的地域性特点。灾情快速评估时， 根据评估模型， 直接对承灾体和模型参数等的栅格数据层实施栅格代数运算即可， 避免了繁杂的分割、 循环计算等操作。

3.1 评估准确度有所提高

地震灾情快速评估中采用县级承灾体数据的情况下， 县行政区划与灾区小分区的部分重叠是不可避免的， 而由此产生1个问题——如何计算重叠区域的承灾体暴露量？对于县级承灾体数据， 我们认为承灾体在行政单元内部是均匀分布的， 藉此将1个县的统计数值除以该县的面积而得出承灾体分布的平均密度， 而重叠区域的承灾体暴露量由该部分面积乘以承灾体密度得出。这种做法很可能会产生较大的误差， 尤其在县政府所在地位于重叠区域之外的情况下， 因为在中国的很多县， 县政府所在地的承灾体密度远远大于整个县的平均密度， 而部分乡或村及其周边的承灾体密度则远远小于整个县的承灾体平均密度(图3)。

图3 3种情况下人口分布的模拟Fig. 3 The simulations of population distribution in three cases.a 行政单元级别精度下人口的均匀分布； b 基于居民点的人口实际分布； c 高精度下人口的模拟分布； 点表示人口而红色边界圈定的地区表示受到地震影响的范围

高精度承灾体数据对承灾体分布的模拟比较接近真实情况， 可以描述行政区划内部承灾体分布的不均匀性， 但是在每个格网单元内部， 认为承灾体是均匀分布的。尽管如此， 其精确度与准确度已远远高于县级数据， 足以满足地震应急的需求。

3.2 灾情定位精度大幅提高

采用县级承灾体数据的情况下， 震害快速评估中的部分处理步骤脱离空间处理过程， 而进行数值计算。通过多边形的叠加计算灾区小分区的承灾体数量的过程是一个空间处理过程。而接下来， 将小分区的承灾体暴露量输入到对应的地域性评估模型进行计算， 产出的震害损失是数值结果， 这是一个数值计算过程。最后， 再根据行政区划或烈度将震害损失的数值结果进行汇总(图2)。受限于承灾体数据的精度， 产出的灾情分布的精度也只能到县级。

采用高精度承灾体数据的情况下， 灾情快速评估以栅格代数运算实现模型中的各个计算过程。栅格代数运算同时在每个格网单元处实施独立的计算操作， 过程中不改变格网单元的空间位置， 具有保持数据精度和空间信息的特点(图4)。因此， 高精度承灾体数据支撑下的震害快速评估始终进行空间处理， 最终产出同样高精度的震害损失分布。

图4 栅格代数运算过程中空间信息的持续性Fig. 4 The persistence of spatial information during the grid algebraic operations.

3.3 评估速度大幅度提升

如3.1节所述， 破坏性地震发生之后， 县级承灾体数据支撑下的地震灾情快速评估首先必须获得地震影响场， 之后开始整个震害评估流程(图5)。从图5 的评估流程可以发现， 所有评估耗时均发生于震后应急响应阶段， 而其中大部分耗时用于灾区的分割、 承灾体暴露量的提取以及震害损失的计算等3个进程中。

图5 原来的地震灾情快速评估过程Fig. 5 The original process of earthquake disaster rapid assessment.

采用高精度承灾体数据和栅格代数运算方式之后， 不再需要对地震灾区进行分割(图2)。这一点启发我们用不同的方式去思考震后灾情快速评估的技术流程。新的计算环境下， 原技术流程中的进程1—3(图5)可以从整个评估流程中剥离出来， 于日常工作中完成。而地震发生之后， 只需要根据地震烈度范围从日常工作中准备好的中国全境的震害损失中提取本次地震影响范围内的损失即可。新的技术流程如下(图6)：

图6 改进的地震灾情快速评估过程Fig. 6 The new process of earthquake disaster rapid assessment.

(1)日常数据维护。1)将中国全境的县级承灾体数据和各个烈度下的地域性模型参数(房屋建筑破坏比)转换为相同精度的栅格数据， 模型参数的地域性将直接体现在栅格数据中(图2)； 2)计算设定烈度下中国全境的震害损失分布。得益于高精度栅格环境， 我们可以不考虑具体的地震影响场， 而分别设定中国全境处于Ⅵ—Ⅹ度中的1个烈度下， 并根据中国全境的高精度承灾体数据和该烈度下的地域性模型参数的栅格数据， 按照评估模型实施栅格代数运算， 得出各个设定烈度下中国全境的高精度震害损失分布并存储到数据库中。

以上操作都是比较耗时的， 也是原技术流程中占大部分评估耗时的工作内容。在新的技术流程中， 这部分工作在日常工作中完成， 其耗时对震后灾情快速评估不会有任何影响。

(2)震后灾情快速评估。 1)以地震影响场中各个烈度范围作为掩膜， 从日常工作中准备好的设定烈度下中国全境高精度震害损失分布中分别提取对应烈度下的震害损失。 2)将各个烈度下的震害损失拼接成1个地震影响场范围的震害损失分布。 3)根据需求， 对震害损失分布进行空间统计分析并输出。

上述流程中， 震后评估工作的内容少、 操作简单， 耗时也非常少， 大幅度提升了评估速度。

4 试验与评价

本文以近几年在中国大陆发生的4次破坏性地震为例(表1)， 分别用原评估系统和新的评估系统进行地震灾情快速评估， 评估中采用的地震参数和影响场范围等信息均来自震后中国地震局正式发布的资料。2次评估的内容、 各类损失评估模型是相同的。

表1 案例研究与评价中采用的破坏性地震的信息

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

ID发震位置发震时间震级(MS)震源深度/km最大烈度E1中国四川省汶川县,31.0°N103.4°E2008-05-1214:288.01411E2中国云南省彝良县,27.6°N104.0°E2012-09-0711:195.7148E3中国甘肃省岷县、漳县交界,34.5°N104.2°E2013-07-2207:456.6208E4中国云南省鲁甸县,27.1°N103.3°E2014-08-0316:306.5129

我们将原评估系统和新的评估系统安装在同一台PC机上， 在相同的运行环境下(Intel Core2 Quad CPU Q9550@2.83GHz， 4.00GB RAM， Windows 7 Pro 32-Bit with SP1)， 分别运行评估系统对上述4个震例逐个进行灾情快速评估。我们主要考察对应急救援最为关键的人员死亡评估结果。另外， 对整个灾情评估所消耗的时间进行了测量， 结果如表2 所示。

表2 评估结果和实际死亡人口

Table2 The assessment results and the actual deaths

评估内容结果来源E1E2E3E4死亡(人)原评估系统170739(246.6.1%)31(38.8%)68(71.6%)237(38.4%)新评估系统63093(91.1%)75(93.8%)70(73.7%)369(59.8%)真实的情况692278095617耗时原评估系统20min以上8min以上9min以上9min以上新评估系统38s26s30s29s

注 死亡人数后括号里的百分比是评估死亡人数与实际死亡人数的比值。

试验评估结果， 改进之后的评估准确度确实有一定的提高， 尤其是对汶川地震和彝良地震人员死亡的评估比较成功， 准确率均达到90%以上。对鲁甸地震人员死亡的评估准确率较低， 根据我们震后的现场调查， 由以下几个原因导致了地震损失的加重： 1)云南省鲁甸县是国家级贫困县， 经济发展落后， 房屋的抗震性能非常差； 2)鲁甸县有87.9%的面积属于山区， 地震滑坡等次生地质灾害频发， 加重了震害损失。

改善之后， 几次震例的评估耗时(包括人员死亡及其他损失评估)均在30s左右， 远少于原来的评估耗时。新的评估系统产出30″×30″精度的震害损失分布， 其精度与承灾体数据的精度一致(图7)。

图7 以高精度栅格方式表现的汶川地震人员死亡分布(评估结果)Fig. 7 The high-precision grid distribution of earthquake deaths in Wenchuan earthquake(assessed results).

5 讨论与总结

与原灾情快速评估相比， 高精度承灾体数据和栅格代数运算支撑下的地震灾情快速评估在地理信息表达的精确性与地理处理的效率上具有明显的优势。经试验验证， 评估准确度有所提高、 灾情分布的精细度和评估速度大幅度提升， 高精度承灾体数据支撑下地震灾情快速评估能力确实得到有效的提高。

借助地震灾情快速评估能力的提高以及高精度的灾情信息， 我们可以以多个尺度表示震害分布， 如省级、 市级、 县级、 镇级和格网级， 并给出不同层次上的资源调度与救援指引相关的决策建议， 以帮助政府部门拟定科学合理、 高效的指挥决策。简单介绍如下：

(1)灾情的多尺度分析与资源调度相关的建议。 以省级到县级的各个尺度表示灾情分布， 并在各个尺度分析与定位重灾区。在此基础上可以给出以下方面的决策建议。 1)在省级尺度上， 根据各省的死亡人口判断并建议是否启动国务院地震应急响应及启动几级响应， 是否成立国务院抗震救灾指挥部或省抗震救灾指挥部， 以统一指挥和协调抗震救灾工作， 是否立即出动国家级地震灾害救援队或省级地震灾害救援队， 同时组织和出动医疗队伍等； 2)在市级尺度上， 根据灾区各市的死亡人员识别重灾市并建议优先调动哪些城市的地震专业救援队和物资储备， 并准备接收转移的伤患等； 3)在县级尺度上， 根据灾区各县的死亡人员识别重灾县并建议调动周边各县的救援人员、 设备和物资储备， 并指示准备接收转移的伤患和疏散民众。根据各县的震害， 根据已有模型估算救援需求， 如救援队伍需求、 医疗队伍需求以及帐篷需求等， 并上报国务院。

(2)救援目标的精确定位与救灾路线设计相关的建议。 根据镇级尺度的震害表示， 分析与识别重灾镇， 并结合灾区公路分布与我们的其他研究成果——灾区滑坡导致的公路阻断快速评估结果， 给出关于救援目标定位和救灾路线设计的决策建议。到达重灾镇之后， 救援队伍可以根据技术支撑部门提供的格网级精度的震害表示， 进行精确寻址， 找到救援目标。

地震应急救援需要政府部门统筹、 有序和高效地指挥救援力量的部署和救援物资的调配， 如快速成立符合行政管理程序的应急指挥体系， 指出重点救援目标和优先调动的救援资源， 拟定合理的救援行动计划等。这就要求政府部门掌握精确而多尺度的灾情信息， 以拟定出科学的应急救援计划。高精度的震害分布及基于多尺度表示的重灾区逐级定位可以在一定程度上满足政府部门的信息需求。

地震灾害快速评估的准确度是非常不易控制的， 因为其影响因素太多太复杂， 包括地震影响场的偏差， 评估模型产生的误差(主要是建筑物易损性的不确定性太大)， 地震次生灾害如地质灾害、 火灾以及毒气灾害等的难以定量评估， 还有高精度承灾体数据作为模拟数据所固有的误差等。本文通过提高评估所用基础数据的精度在一定程度上提升了评估准确度， 但其影响非常有限。比如， 在试验验证中考察的鲁甸地震人员死亡， 评估误差还是非常大的， 尽管相比原评估技术有所提高。中国地震局对震害快速评估准确度的要求是将评估误差控制在1个数量级以下。可见提高震害快速评估的准确度， 现状不容乐观而未来还要继续努力。目前， 高精度承灾体数据在中国境内的部分地区没有数据或数据质量较差， 对灾情评估和应急决策建议工作有较大影响， 需要在未来的工作中进一步深入研究。

陈振拓， 李志强， 丁文秀， 等. 2012. 面向防震减灾的人口数据空间化研究： 以2007年宁洱地震灾区为例 [J]. 震灾防御技术， 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， 杨喆. 1996. 评估地震人员伤亡的软件系统 [J]. 地震地质， 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， 张亦梅， 陈振拓， 等. 2014. 湖北省人口数据空间化及在巴东MS5.1地震灾情盲估中的应用 [J]. 大地测量与地球动力学， 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. 地震生命损失研究 [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. 地震人员伤亡快速评估模型研究 [J]. 灾害学， 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).

韩贞辉， 李志强， 陈振拓， 等. 2013. 人口、 房屋数据空间化及其在震灾快速评估中的应用： 以彝良地震为例 [J]. 地震地质， 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， 孙柏涛， 王东明. 2010. 基于建筑物易损性分类的群体震害预测方法研究 [J]. 地震工程与工程振动， 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).

黄耀欢， 杨小唤， 刘业森. 2007. 人口区划及其在人口空间化中的GIS分析应用： 以山东省为例 [J]. 地球信息科学， 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).

李树桢. 1995. 地震灾害评估 [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， 苏国峰， 翁文国， 等. 2014. 地震人员伤亡评估方法研究 [J]. 灾害学， 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).

刘金龙， 林均岐. 2012. 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， 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).

马玉宏， 谢礼立. 2000. 地震人员伤亡估算方法研究 [J]. 地震工程与工程振动， 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).

聂高众， 安基文， 邓砚. 2011. 地震应急评估与决策指标体系的构建 [J]. 震灾防御技术， 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).

杨斌， 程紫燕， 郑树平. 2011. 山西地震应急评估系统模型本地化研究 [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).

尹之潜. 1995. 地震灾害及损失预测方法 [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。

中国地震局地质研究所基本科研业务专项(IGCEA1109)资助。 *通讯作者： 徐敬海， 副教授， E-mail: xu_jing_hai@163.com。 ① 中国地震信息网， http: ∥www.csi.ac.cn/。

P316

A

0253-4967(2015)04-1225-17

安基文， 男， 1981年生， 2010年于中国科学院地理科学与资源研究所获地理信息系统与地图学专业博士学位， 助理研究员， 主要研究方向为地震应急与减灾， 电话： 010-62009159， E-mail： coramap@outlook.com。