面向震灾调查和基础数据支撑的县级尺度下村镇民居空间化研究——以黑龙江省为例1

于德龙孙柏涛闫培雷张 戈

1）哈尔滨工程大学航天与建筑工程学院，哈尔滨 150001

2）中国地震局工程力学研究所，中国地震局地震工程与工程震动重点实验室，哈尔滨 150080

面向震灾调查和基础数据支撑的县级尺度下村镇民居空间化研究
——以黑龙江省为例1

于德龙1)孙柏涛1，2)闫培雷2)张 戈2)

1）哈尔滨工程大学航天与建筑工程学院，哈尔滨 150001

2）中国地震局工程力学研究所，中国地震局地震工程与工程震动重点实验室，哈尔滨 150080

为了能够快速有效地掌握地震现场调查工作中村镇民居的空间分布情况，并建立村镇县级尺度的不同结构类型民居的基础数据库，本文以黑龙江省为例，对县级尺度下的村镇民居的空间化展开了相关的研究。第一，基于已有的统计资料，分析并提取对村镇民居数量空间分布有影响的因素。第二，利用双变量相关分析方法，以相关系数为评价指标，研究了所提取的影响民居分布的因素，即地区总建筑面积、地区生产总值、购（建）房费用对村镇民居分布的影响程度；第三，基于村镇民居基础数据和相关统计资料，构建了多元线性回归模型，给出了黑龙江省砖砌体房屋和土坯房屋的空间分布规律，经验证本文给出的模型有较高的精度，并且利用GIS技术得到了黑龙江省村镇民居县级尺度的空间分布。本文所得到的村镇民居空间分布，在以下两个方面都起着重要的作用：首先，当有重大地震发生时，可以高效准确地给出灾区村镇民居的数量空间分布，为地震现场调查工作提供基础数据的支持；其次，在未来的村镇民居规划与易损性分析过程中，可提供相应的技术支持和数据支持。

村镇民居 空间分布 县级尺度 双变量相关分析 多元线性回归模型

于德龙，孙柏涛，闫培雷，张戈，2015.面向震灾调查和基础数据支撑的县级尺度下村镇民居空间化研究——以黑龙江省为例.震灾防御技术，10（1）：15—24.doi：10.11899/zzfy20150102

引言

近年来我国地震灾害频发，其中，汶川地震、芦山地震、鲁甸地震等重大地震接连发生，造成了巨大的经济损失与人员伤亡，特别是对经济不发达的村镇地区造成的损失更为突出。在这些村镇地区，由于受社会经济发展水平、居民的文化程度、施工技术等因素的限制，村镇民居房屋主要以土坯墙结构房屋、砖砌体结构房屋、木构架房屋为主，大部分没有经过抗震设防设计，主要由当地的建筑工匠，根据房主的经济状况和要求，按照当地的传统习惯、且不经过设计单位设计建造而成的（葛学礼等，2001；2010）。村镇民居房屋是地震灾害的重要承灾体，准确地给出房屋的空间分布信息是衡量地震灾情，开展抗震救灾工作的重要依据。如何根据地震成灾严重的村镇地区的房屋结构类型、结构构造特点、社会经济状况以及个体差异等重要因素，利用科学的方法快速有效、且有较高精度地得出村镇民居的空间分布，对于我国来说是亟待解决的科研难题。2010年我国进行了全国第六次人口普查，按照10%的概率抽样调查了城市、乡村的不同类型房屋的分布情况。调查方式采用被调查居民填表的形式，房屋的分类标准主要依据外墙墙体材料。通过对调查数据的统计分析，初步得到了全国范围内县级尺度的房屋数据。由于被调查居民缺少相应的土木工程知识，房屋并没有按照承重构件进行分类，因此需要对房屋数据进行更深入的研究，才能使得到的房屋数据更为合理。与此同时，随着地理空间信息技术的长足发展以及相关统计数据的公布，基于GIS技术的相关研究正逐步开展。目前，数据空间化的研究主要集中在人口数据空间化、GDP 数据空间化和其他属性数据空间化（闫庆武等，2011；Wu等，2005），而房屋数据空间化的研究还处于起步阶段。对于房屋数据空间化研究而言，其主要有基于尺度收缩方法的房屋数据推算（高晓路等，2011），该方法以全国1%人口抽样调查数据为基数，解决了统计数据中房屋数据县级尺度不全的问题。例如：基于震害分类的房屋数据格网化研究（韩贞辉等，2013），其主要基于公里网格的抽样调查，给出了相应调查区房屋数据的空间分布；基于房屋普查数据的房屋增长规律研究（王丽莉等，2013），对于房屋的增长规律给出了相应的参考。但到目前为止，我国学者还没有针对村镇不同结构类型的民居进行过有效的统计调查，还未得到涵盖全国的完整的村镇民居空间分布（卢永坤等，2011）。归纳起来主要是由以下两方面的原因造成的：一是基础数据难以获得，这是由于我国村镇民居数量巨大、分布广泛、建筑结构特点的差异所导致的；二是调查人员或是被访居民缺少相应的土木结构基础知识，难以对民居的结构类型、构造特点进行有效的统计调查。

在地震发生后，地震现场是防震减灾工作的前沿阵地之一，高效有序地开展地震现场工作，是维护地震灾区社会稳定、开展抗震救灾工作和积累科学资料的重要保证。其中，建（构）筑物是地震现场调查的主要对象，快速准确地获得建（构）筑物的空间分布是灾评工作人员面临的关键问题。同时，民居又是我国广大村镇地区一类最主要的建筑物，是建（构）筑物地震现场调查工作的重要组成部分（陆元鼎，2004）。因此，在震害预测或经济损失评估中房屋数量的空间分布是重要的基础数据。但由于缺少这方面的数据，科研人员仅能在震后通过抽样调查的方法来获得这方面的数据，这样就造成了数据的可靠性差和精度较低，而采用村镇民居空间化的方法可以有效地解决这一问题。

基于上述原因，作者以村镇不同结构类型的民居为研究对象，对村镇基础数据和影响村镇民居数量分布的统计数据开展了村镇民居数据空间化研究。并以黑龙江省为例，运用统计分析方法同时结合GIS技术（王雪梅等，2004），构建了合理的数学模型，得到了不同结构类型的村镇民居的空间分布。本文尝试构建的模型可为村镇民居数据空间化研究提供一种解决方法。

1 影响村镇民居空间分布的相关因素

1.1 数据来源

数据来源主要包括以下两个方面：一是通过抽样调查得到的村镇民居基础数据，主要包括房屋的建筑概况、结构特点以及数量空间分布；二是收集到的相关统计数据，主要包括地区总建筑面积、地区生产总值以及购（建）房费用等数据。

（1）村镇民居基础数据

村镇民居基础数据主要包括民居结构基础信息和民居数量空间分布信息。我国只在1985年由建设部进行过大规模的全国建筑物普查，但由于我国地域辽阔，村镇民居分布比较分散，这使得通过详细调查方式统计出的我国村镇不同结构类型民居的分布数量有一定的难度。因此，本文采用抽样调查的方法，利用实地调查、网络资源、遥感技术和街景技术，实现对村镇民居基础数据的搜集。基于抽样调查所得到的数据可知，黑龙江省村镇主要存在两种结构类型的民居，它们分别为砖砌体房屋和土坯房屋（Harvey，2002）。抽样调查点的分布如图1所示。

图1 抽样调查点分布图Fig. 1 The sampling distribution deals

（2）县级尺度统计数据

在抽样调查数据的基础上，为了研究不同因素对黑龙江省村镇民居空间分布的影响，作者搜集了与房屋数量分布有关的县级尺度的统计数据，其主要来源于全国第五次人口普查数据、黑龙江省统计数据、全国第六次人口普查数据。选取其中对村镇民居数量起到影响的因素主要包括：地区总建筑面积、地区生产总值、购（建）房费用等。根据实地调查与相关法律规定，本文假设统计数据中的家庭户数等于各类结构民居的栋数，即一户一宅（杨小唤等，2006），相关统计数据说明如表1所示。

表1 相关统计数据说明Table 1 Statistical information explanation

1.2 双变量相关性分析

为了得到黑龙江省村镇民居县级尺度的分布情况，本文首先采用双变量相关性分析的方法，分析上文中得到的村镇民居基础数据与县级尺度统计数据之间的相关性（Hessami等，2008）。

双变量相关性分析是用来分析两个数值变量间关系强弱的一种有效的统计学方法。采用相关系数来评价不同因素对村镇民居数量分布的影响大小。其中相关系数又称Pearson积差相关系数，用字母r表示，其计算公式为：

式中，x、y分别为变量的数值；n为样本数量。

根据常用的准则，相关系数介于-0.75和-1.00之间的任何r值，代表了一个很强的负相关性；而介于0.75和1.00之间的任何r值，代表了一个很强的正相关性。类似地，介于-0.70和-0.30之间、0.30和0.70之间的r值，代表了一个适中的相关性。而介于-0.25和0.25之间的r值，则表示相关程度比较弱。

1.3 考虑不同影响因素的相关性分析

（1）地区总建筑面积

地区总建筑面积是指在不同地区，以县级行政单位为精度的村镇建设用地范围内单栋或多栋建筑物地面以上及地面以下各层建筑面积之总和。地区总建筑面积可以在一定程度上体现不同地区村镇房屋数量的分布。

本文基于村镇基础房屋数据，对抽样调查所得到的砖砌体房屋数量数据、土坯房屋数量数据与统计数据中相应的地区总建筑面积数据，进行了双变量相关性分析。

砖砌体房屋数量与地区总建筑面积，通过双变量相关分析，散点图如图2所示，得到的相关系数r为0.979，并且在0.01水平上显著相关。土坯房屋数量与地区总建筑面积，通过双变量相关分析，散点图如图3所示，得到的相关系数r为0.759，在0.05水平上显著相关。这一结果表明，砖砌体房屋数量较土坯房屋数量与地区总建筑面积有更强的正相关性。

图2 砖砌体房屋数量与地区总建筑面积散点图Fig. 2 Scatter diagram of number of brick masonry buildings with regional total construction area

图3 土坯房屋数量与地区总建筑面积散点图Fig. 3 Scatter diagram of number of adobe houses with regional total construction area

（2）地区生产总值

地区生产总值是指在一定时期内（一个季度或一年），一个地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量地区经济状况的最佳指标。地区生产总值反映了这一地区经济实力的强弱，决定着房屋造价的多少，间接影响了房屋结构类型的选择以及房屋抗震能力的好坏，这一现象在村镇地区更加显著。

本文基于村镇基础房屋数据，对抽样调查所得到的砖砌体房屋数量数据、土坯房屋数量数据与统计数据中相应的地区总建筑面积数据，进行了双变量相关性分析。其中，砖砌体房屋数量与地区总建筑面积，通过双变量相关分析，散点图如图4所示，得到的相关系数r为0.921，并且在0.01水平上显著相关；土坯房屋数量与地区总建筑面积，通过双变量相关分析，散点图如图5所示，得到的相关系数r为0.635，相关性较弱。这一结果表明，砖砌体房屋数量较土坯房屋数量与地区生产总值有更强的正相关性。

图4 砖砌体房屋数量与地区生产总值散点图Fig. 4 Scatter diagram of number of brick masonry buildings with GDP

图5 土坯房屋数量与地区生产总值散点图Fig. 5 Scatter diagram of number of adobe houses with GDP

（3）购（建）房费用

购（建）房费用是指在村镇居民购买和自建房屋的费用。购（建）房费用直接反映了房屋类型的选择，间接影响着房屋抗震能力的好坏。

本文基于村镇基础房屋数据，对抽样调查所得到的砖砌体房屋数量数据、土坯房屋数量数据与统计数据中相应的购（建）房费用数据，进行了双变量相关性分析。其中，砖砌体房屋数量与地区总建筑面积，通过双变量相关分析，散点图如图6所示，得到的相关系数r为0.951，并且在0.01水平上显著相关；土坯房屋数量与地区总建筑面积，通过双变量相关分析，散点图如图7所示，得到的相关系数r为0.638，相关性较弱。这一结果表明，砖砌体房屋数量较土坯房屋数量与购（建）房费用有更强的正相关性。

通过上述分析可知：第一，三个因素均对砖砌体房屋数量和土坯房屋数量的空间分布有着一定的影响，相关系数均在0.638以上，说明这三个因素都对村镇民居的数量起着一定程度的影响；第二，砖砌体房屋数量与三个因素的相关性更强，因此可以用来作为下文中多元线性回归分析的应变量；第三，根据砖砌体房屋、土坯房屋与地区总建筑面积相关性分析的结果，可以判定在黑龙江省村镇砖砌体房屋为主要的结构形式。具体数字如表2所示。

图6 砖砌体房屋数量与购建住房费用散点图Fig. 6 Scatter diagram of number of brick masonry buildings with construction housing cost

图7 土坯房屋数量与购建住房费用散点图Fig. 7 Scatter diagram of number of adobe houses with construction housing cost

表2 砖砌体房屋数量、土坯房屋数量与三个因素之间的相关分析表Table 2 Correlation of number of brick masonry buildings and adobe houses with three factors

2 基于影响因素的村镇民居空间化研究

从上述分析可知，村镇民居砖砌体结构房屋数量较土坯房屋数量与所提取的三个因素有更强的相关性。所以，笔者采用砖砌体房屋数量作为拟合对象，综合考虑上述三个因素的影响，建立了合理的数学模型，用来判定黑龙江省县级尺度下的村镇砖砌体结构房屋数量。同时，依据村镇房屋总量计算出了土坯房屋数量。最后，结合GIS技术将黑龙江省村镇民居房屋数据进行空间化处理，得到了县级尺度下的村镇民居主要结构类型的分布情况。

2.1 多元线性回归模型

由于事物间的联系常常是多方面的，一个应变量的变化可能受到其他多个自变量的影响。多元线性回归的目标就是用两个或两个以上的不同变量值来预测一个变量的值。在多元线性回归中，被预测的变量称为因变量，用来预测的变量称为自变量或预测变量。为此，本文采用多元线性回归模型，因变量为砖砌体房屋数量，自变量分别为地区总建筑面积、地区生产总值、购（建）房费用。

多元线性回归模型的一般形式为：

式中，Y为应变量；x1，x2，…，xp为自变量；b1，b2，…，bp都是与x1，x2…xp无关的参数；ε为随机误差。

对于多元线性回归模型的评价方式，本文采用决定系数R2，其取值范围是0到1。R2越接近于1，说明模型的拟合情况越好。

2.2 考虑多因素下的黑龙江省村镇民居空间分布

利用多元线性回归模型进行建模，可得到如下模型：

式中，Y代表的是砖砌体房屋数量（百栋）；XS代表的是地区总建筑面积（万平方米）；XG代表的是地区生产总值（千万）；XF代表的是购（建）房费用（万元）。

利用该模型可以得出黑龙江省县级尺度村镇民居房屋的分布，如图8和图9所示（叶宇等，2006）。黑龙江省村镇共有5176992栋房屋，砖砌体房屋的比例为73.3%，土坯房屋的比例为26.7%。该模型的决定系数R2为0.972。

图8 黑龙江省村镇砖砌体民居分布图Fig. 8 Distribution of rural brick masonry buildings in Heilongjiang province

图9 黑龙江省村镇土坯民居分布图Fig. 9 Distribution of rural adobe houses in Heilongjiang province

3 模型精度验证

第一，本文所建立的模型决定系数R2为0.972，在0.01水平上多元线性回归模型是显著的，说明在同时考虑地区总建筑面积、地区生产总值、购（建）房费用三个因素后，能在97.2%的程度上解释砖砌体房屋数量的分布情况。

第二，根据2010年全国第六次人口普查相关资料，黑龙江省村镇共有476775栋房屋，其中，砖砌体房屋的比例为71.3%，土坯房屋的比例为27.4%，其他类型房屋的比例为1.3%。这与本文所得结果基本一致，也进一步验证了本模型的合理性。

4 结论与讨论

基于本文得到的黑龙江省村镇民居县级尺度下的空间分布，可以得出以下结论：

（1）基于抽样调查数据和相关统计数据，采用双变量相关分析的方法，并以相关系数为评价指标，研究了地区总建筑面积、地区生产总值、购（建）房费用与砖砌体房屋数量和土坯房屋数量的相关性，得到了影响民居分布的主要因素。

（2）采用多元线性回归模型，利用砖砌体房屋数量与地区总建筑面积、地区生产总值、购（建）房费用的相关性，得出了黑龙江省村镇民居的空间分布。

（3）采用上述的分析方法，可以对全国村镇民居的空间分布进行相关的研究，可得出影响不同地区、不同结构类型村镇民居的相关因素，再利用抽样调查数据与相关因素数据进行分析，可给出全国村镇民居的空间分布。

（4）基于全国村镇民居的空间分布，可分析不同村镇地区民居的建筑结构特点、抗震构造措施，以便在地震未发生时得到不同村镇地区、不同结构类型民居的抗震能力分布情况。与此同时，还可以在地震发生时为地震现场调查工作提供较为准确的村镇民居空间分布情况，为建（构）筑物安全鉴定和灾后经济损失评估提供相应的基础数据。

高晓路，金凤君，2011.基于尺度收缩方法的中国县级尺度房屋结构数据推算.地理研究，30（12）：2127—2138.

葛学礼，朱立新，2001.村镇建筑震害与抗震技术措施.工程抗震，1（1）：43—48.

葛学礼，朱立新，2010.镇（乡）村建筑抗震技术规程实施指南.北京：中国建筑工业出版社，1—100.

韩贞辉，李志强，2013.人口、房屋数据空间化及其在震灾快速评估中的应用.地震地质，35（4）：894—906.

卢永坤，代博洋，2011.云南地区房屋建筑面积的统计和调查结果.地震研究，34（4）：533—537.

陆元鼎，2004. 中国民居建筑.南京：华南理工大学出版社，1—30.

王雪梅，李新，马明国，2004.基于遥感和GIS的人口数据空间化研究进展及案例分析.遥感技术与应用，19（5）：734—738.

王丽莉，李林侗，2013.基于房屋普查数据的房屋增长规律研究.防灾减灾学报，29（3）：9—12.

杨小唤，刘业森，江东，2006.一种改进人口数据空间化的方法：农村居住地重分类.地理科学进展，25（3）：62—69.

叶宇，冯险峰，刘高焕，2006.人口数据空间化表达与应用.地球信息科学，8（2）：59—65.

闫庆武，卞正富，张萍，2011.基于居民点密度的人口密度空间化.地理与地理信息科学，27（5）：95—98.

Harvey J.T.，2002. Estimating Census District Population from Satellite Imagery：Some Approaches and Limitations. International Journal of Remote Sensing，23（10）：2071—2095.

Hessami M.，Gachon P.，2008. Automated Regression-based Statistical Downscaling Tool. Environmental Modelling & Software，23（6）：813—834.

Wu C.，Murray A.T.，2005. A Cokriging Method for Estimating Population Density in Urban Areas. Computers，Environment and Urban Systems，（29）：558—579.

Spatial Rural Dwelling Buildings Distribution at the County Level Scale in Earthquake Investigation and the Foundation Data Supporting——A Case Study of Heilongjiang Province

Yu Delong1)，Sun Baitao1,2)，Yan Peilei2)and Zhang Ge2)
1）College of Aerospace and Civil Engineering，Harbin Engineering University，Harbin 150001，China
2）Key Laboratory of Earthquake Engineering and Engineering Vibration，Institute of Engineering Mechanics，China Earthquake Administration，Harbin 150080，China

In order to control the spatial distribution of rural dwelling buildings quickly and effectively by the earthquake site investigations, and establish database at the county level scale, we take Heilongjiang province as an example, to study spatial rural dwelling houses distribution at the county scales. Firstly, based on the existing statistical data, we analyze and extract the factors which has impact on spatial rural dwelling houses distribution. Secondly, we use bivariate correlation analysis method and correlation coefficient as evaluation index, to study the region a total construction area, GDP and builds housing costs affecting spatial rural dwelling houses distribution. Thirdly, based on the rural residence base data and related statistical data, we build multivariate linear regression model, the distribution law of brick masonry buildings and adobe houses in Heilongjiang province. The spatial rural dwellings buildings distribution at the county level scale in Heilongjiang province was obtained by using GIS technology. When a major earthquake occurs, our results are efficient to give spatial distribution of the disaster area, the number of rural dwellings for the earthquake scene investigation work provide basic data support. Moreover, our results provide the corresponding technical support for planning and vulnerability analysis in the future.

Rural dwelling buildings；Spatial distribution；The county level scale；Bivariate correlation analysis；Multiple linear regression model

国家自然科学基金重大研究项目（91315301-10）；中国地震局工程力学研究所所长基金（2010B10）资助

2014-12-05

于德龙，男，生于1988年。博士研究生。主要研究方向：结构易损性分析。E-mail：yudelong99@hotmail.com