城市地震压埋人员分布评估研究——以天津市区为例

谷国梁,安立强,朱 宏,赵士达,贺景刚

(天津市地震局,天津 300201)

0 引言

我国地震灾害十分严重,近年来发生过汶川8.0级、玉树7.1级、鲁甸6.5级地震等多次重大地震灾害。第五代《中国地震动参数区划图》显示58%的国土属于0.1g(Ⅶ度)及以上的高烈度区,其中天津市区为Ⅷ度。地震应急是一项准军事化行动,要求在任务重、时间紧的状态下科学、合理地判断灾情,拟定方案,完成指挥决策,部署救援力量并付诸行动,其中科学、快速地救助灾民,减轻人员伤亡是地震应急的首要任务[1-2]。震后快速判定压埋人员分布是提升救援决策速度,提高救援队伍、物资和装备调度效率的重要途径,能最大限度地挽救人民群众的生命安全。由于地震“黑箱期”内灾情信息匮乏,目前常用的方法是利用快速评估结果代替真实灾情辅助救灾工作以提高效率[3]。面对人口与财富集中的城市地区,一旦发生破坏性地震将造成严重的人员伤亡和财产损失,亟需建立精细化、可操作性强的地震压埋人员评估方法。

地震造成人员压埋的原因主要有两个:(1)建筑物及其附属构件破坏;(2)地震引发的次生地质灾害。本文针对第一种情况进行研究,发现其应同时具备两个先决条件,即建筑物发生破坏和人员在室内,这涉及到建筑物抗震能力、人口分布和在室率等问题。近几十年来,针对建筑物震害预测的研究已经取得了很大成效[3-5],但在实际运用中这些方法各有适用的领域。结构计算法物理含义明确,计算精确,但需要单体建筑详尽的结构参数,因此在建筑物众多的城市地区开展工作的难度很大。地震应急领域目前常采用基于震害资料调查统计的震害矩阵进行震害预测,如果样本充足,其结论的可靠性很大,但该方法受区域地质背景、建筑物结构等影响明显[6]。有学者对历史震害资料进行整理分析,利用建筑物低烈度区震害矩阵推导其遭受高烈度地震时的抗震表现[7];或引入影响因子权重来修正震害矩阵,扩充其适用区域等方面的研究[8-9]。

人口的时空分布是影响地震人员伤亡的重要数据,人口的空间化研究一直都是热点,人口空间化模型主要有城市人口密度模型、空间插值法、多源数据融合法、土地利用模型、夜间灯光法等[10]。但上述模型选取的影响因子时空尺度较大,很难精细化反映城市人口的时空分布状况,且均是静态数据,忽视了人口流动性。有学者进一步在城市地区将统计人口和大比例尺的土地利用数据相匹配,在精细格网上分时段模拟人口分布[11-13],以解决人口精细化和动态化模拟的问题。

目前地震人员压埋评估研究方法主要是在人员伤亡评估的基础上,根据压埋无伤率[16]或行政区划等因子影响系数[17]反推人员压埋情况,其评估结果容易受到地震人员伤亡评估模型准确性的影响,而且研究成果缺乏对地震应急救援的指导建议[18],因此其对救援工作的支撑效果有待提高。基于此,构建精细化、动态化的地震压埋人员快速评估模型对于震后初期应急处置决策,提高地震应急救援效率是十分必要的。

1 研究思路

鉴于地震应急工作的需求,地震压埋人员分布在小尺度空间上的评估是必然的发展趋势[18],这就对人口空间化在精度和动态表达方面提出了相应要求。城市地区人口高度集中且流动性强,人口分布与从事职业、城市规划关系密切。城市规划以土地利用和建筑功能的形式表现,城市中绝大多数社会活动是以建筑物为媒介完成的,将从业人口、建筑功能和时间相匹配来模拟人口分布能够满足地震压埋人员分布快速评估对时空尺度的要求。

合理的评估空间尺度有利于减少评估单元内部承灾体分布差异造成的误差,且分析结果对于震后应急救援的支撑效果更好。本研究选取社区级空间尺度作为评估单元。社区是指一定区域内具有相对独立环境的居民住宅、办公用房或商业用房等,是政府管理、居民生活的最基本单元,通常表现为居民住宅小区或某一企事业单位的办公用房。社区内建筑物的结构、年代、施工质量、使用功能等方面一致性高,区域内人口行为规律明显,有利于特征分析。本研究的重点是以居民的生产生活行为规律为纽带,建立社区尺度的人口、建筑和在室率的对应关系,模拟人口室内动态分布,在建筑抗震能力分析的基础上构建地震压埋人员快速评估模型。

2 地震压埋人员分布评估

2.1 建筑物功能判定

建筑物功能数据是政府部门进行城市规划、土地利用、资源和人口管理的重要依据。目前使用的遥感分类技术难以对建筑物功能分类[19],本研究选取将互联网地图中的遥感影像、兴趣点(POI)、街景数据和地理基础矢量数据相结合的技术路线。

从遥感影像中建筑物的形态、体量、高度、光谱特征、布局、纹理等方面判读社区的功能和范围[13,19-21],主要方法包括:(1)直接判读法,结合互联网地图POI信息、大比例尺建筑物矢量数据等,从遥感影像直接目视判读区块建筑物功能,适用于目标简单直观、特征或标识明显的情况;(2)分析对比法,将目标与已确定类型的区块对比,对周边地物,包括道路、绿化带和特殊目标等进行位置或逻辑关系判断,综合判定区块功能和范围;(3)街景核对法,街景数据照片像素高、更新快,能真实反映建筑物的信息,十分接近实地调查情况,配合前两种方法可准确、快速地判断建筑功能。建筑物的功能分类参照国家标准《国民经济行业分类》(GB/T 4754—2011)[22]对经济行业的分类,共分为10类:住宅、办公写字楼、教育、卫生医疗、制造加工、文化体育、居民服务、社会公共管理、交通仓储、餐饮住宿。

该方法的优势在于:(1)减少了建筑物野外调查工作量,提高了效率;(2)互联网地图服务商会定期更新数据,从而保证了建筑物功能数据的时效性;(3)研究所用到的基础信息在全国地理国情普查和互联网地图中均可获得,数据不断优化更新,对于其他城市地区具有可推广性。

2.2 人口空间分布模拟

人口空间分布模拟是将人口数量、社会行为规律、建筑物功能、时间在社区级区块上匹配起来(表1)。依据人口进出区块的特征将其分为两类:(1)常驻人口,指区块功能对应的从业人口、住宅的居住人口等,这部分人口在特征时段进入或离开区块,行为规律显著;(2)随机人口,指社会经济活动与区块相关联的其他人口,例如餐饮业顾客、医院就诊人口等,这部分人口进出区块的随机性较大。

表1 “人口-区块功能”关系匹配表Table 1 Relationship between urban population and block function

对于任意区块建立如下模型:

P=L+D

(1)

式中:P是区块的容纳人口;L表示常驻人口;D表示随机人口。

采用面积权重模型将人口细化到社区级尺度上:

(2)

(3)

式中:Lj、Dj、Sj分别表示第j个区块内的常驻人口、随机人口和建筑面积;S、M、N分别表示所在行政区内该类功能区块的建筑物总面积、常驻人口总数和随机人口总数。

2.3 人口在室率

容纳人口数表示该建筑内额定人口承载量。人口根据社会活动需求,室内数量不断变化,这便是人员在室率问题。在室率是指区块在室内人数和容纳人口比值,取值范围为0～1。目前针对人员在室率的研究相对较少,主要有概率推导法[23-24]、试验区实地调查法[25-26]和行为地理学方法[11,14-15]。概率推导法以假设人员在室事件服从均匀分布为前提开展在室率计算,假设与事实有一定出入。实地调研法需要投入大量人力和财力成本,不适合大范围开展。因此本研究采用行为地理学方法对在室率进行分析。该方法认为人员在室率与地震发生时刻、工作日与休息日、人口数量、人口结构和职业、建筑物功能等多种因素相关,既有固定因素又有随机因素,对于个体流动的随机性较大,而对于群体人口流动其具有一定规律性。

首先按照工作情况分为休息日和工作日两类,再将24 h分为以下4个时段:睡眠时段(S时段)为前一天22:00至第二天07:00;通勤时段(T时段)包括07:00—08:00(T1时段)和17:00—19:00(T2时段)两个子时段;社会活动时段(H时段)包括08:00—12:00(H1时段)和14:00—17:00(H2时段)两个子时段;自由活动时段(Z时段)包括12:00—14:00(Z1时段)和19:00—22:00(Z2时段)两个子时段。通过分析各时间段人群的行为特点,结合经济普查数据来量化人员在室率。

归纳各行业社会活动规律和功能建筑物的在室率情况如下:

制造加工、社会公共管理、办公写字楼、中小学等表现为往返通勤、工作学习、休闲购物等行为,出行时间比较集中,形成工作日早晚高峰。工作日T时段大部分人正在通勤路上,在室率取0.3;工作日H时段有少量外出办公人员,取值0.95;Z时段有就餐休闲活动,取值0.7。休息日全天和工作日的S和Z2时段仅有值守、物业人员在室,取值0.05。

卫生医疗分为住院和门诊,白天有医护人员、门诊就诊病人、住院病人和陪护人员,夜间为住院人员、陪同人员和医护值班人员。在室率在T、S和Z2时段为住院人数、陪护人数和医护值守的占比,医护值守人员比例系数为0.5,H时段取值为1,Z1时段为从业人员、住院人数和陪护人数占比。

餐饮类营业时间较通勤通学稍晚,Z时段客流量较为集中,餐厅内容纳人口为从业人员和餐位数之和,S和T1时段取值为0,H和T2时段取值为从业人员占容纳人口比例,Z时段为从业人口和使用餐位占比,考虑工作日用餐人员相对较少,使用餐位比取0.5。休息日就餐人数多,取工作日1.3倍。

住宿类顾客工作时段外出办事,夜间返回。S和Z2时段取值为1;T时段取从业人员和一半住宿人口占比;H和Z1时段取从业人员占比。

交通仓储从业人员除管理调度岗位外,大多在室外工作,且运营时间较长。S时段取值为0;其他时段取值0.3。

住宅供人员居住休息,夜间大多数人回归,白天多为非经济活动人口。工作日在室率:S时段取为1;T和Z1时段取婴幼儿、老年人和非经济活动人口占比;考虑有部分人口外出,H时段取婴幼儿、老年人×0.5和非经济活动人口×0.5的占比;Z2时段取婴幼儿、老年人×0.5,非经济活动人口×0.5,就业人口×0.5的占比。休息日:S时段取值为1;T和Z1时段取值为婴幼儿、老年人、非经济活动人口和就业人口×0.7的占比,H和Z2时段取值为婴幼儿、老年人×0.5,非经济活动人口×0.5和就业人口×0.5占比。

大学中多为住校学生。S、T和Z2时段取住校学生与师生总数比,H和Z1时段取1。

居民服务,文化体育类:由于缺乏有效的统计数据,参考文献[15]中的商业数据。

2.4 地震压埋人员快速评估模型

建筑物破坏是造成人员压埋的先决条件之一。目前城市中主要的建筑物类型为砖混结构和钢筋混凝土结构。结合国家标准《建(构)筑物地震破坏等级划分》(GB/T 24335—2009)[27]中对建筑物不同等级破坏的宏观描述,建筑物局部或整体发生倒塌才有可能造成人员压埋,所以判断这两类结构的建筑物造成人员压埋的情况主要集中在严重破坏和毁坏程度。

在上述分析的基础上,利用式(4)计算某一烈度下发生严重破坏或毁坏等级的面积:

(4)

式中:Si表示区块内i类破坏等级的建筑面积;j表示区块内建筑物的栋数序号;Rtj表示t类结构第j栋建筑物底面积;fj表示第j栋建筑物楼层数;λt(i)表示t类结构i类破坏等级的破坏比。

本文所指的压埋人员是排除自救、互救之后的压埋人员,这部分人员大多属于在地震中直接死亡或重伤、深埋不能自救、互救的情况。参考前人对不同破坏等级造成人员重伤率和死亡率的研究成果[28-29],压埋率在严重破坏状态下取值为1/500,毁坏状态为1/40。结合建筑物抗震能力、人口分布和在室率,建立地震人员压埋分布评估模型:

(5)

式中:Qi表示区块内i烈度下的压埋人数;C表示小区内容纳人口密度;α表示单位面积压埋概率;β表示区块的人员在室率。

3 以天津市区为例

3.1 研究区域和数据收集

天津市区总面积约173 km2,2013年常住人口约490.9万人,下辖6个区、64个街道办事处。区域内有海河断裂、天津北断裂和天津南断裂通过,主要产业为第二产业和第三产业,有零星第一产业,但不构成规模。第四代《中国地震动参数区划图》显示该区域抗震设防为Ⅶ度。

本研究基础数据包括1∶2 000建筑物矢量数据,来源于天津市测绘院,包括单体建筑物的结构类型、层数和占地面积等属性。行政区划、震害矩阵来源于天津市地震应急基础数据库。就餐人口取正餐、快餐营业餐位数;住宿人口取各区房间数与星级酒店入住率;假设陪护人员和住院病人比例为1∶1,住院人口取床位数与病床使用率乘积,门诊人口取医师数与医师人均全年担负诊疗人次乘积再除以365;婴幼儿取0～2岁人口数,老年人取大于60岁人口数;计算非经济活动人口时,假设2013年与2010年该类人口占总人口比例相同,根据《中国2010年人口普查资料》数据,求得2013年人数。在校学生人数来源于各学校师生比例、校学生统计。各类从业人员和餐位数来源于《天津市第三次经济普查年鉴》,住宿房间数、医师人数、医师人均全年担负诊疗人数、病床使用率、婴幼儿和老年人数来源于《天津市2013年统计年鉴》。

3.2 天津市人口分布和在室率

从互联网地图的POI丰富程度、遥感影像分辨率和识别度、街景覆盖率和时效性等方面,对主流互联网地图进行比较,最终确定以百度地图为主、腾讯地图为辅作为天津市区建筑物功能判读的信息源,共划分出社区级功能区块6 755个(图1)。其中，住宅占41.4%,办公写字楼14.2%,社会公共管理类11.1%,居民服务类9.2%,教育类7.6%,餐饮住宿类5.7%,文化体育类4.4%,卫生医疗类2.8%,制造工业类2.3%,交通运输仓储类1.3%。区块的平均建筑面积约2.3万m2。建筑面积大于10万m2的区块集中在住宅、超高层写字楼、大型综合商场和大学。绝大多数多层办公写字楼、社会公共管理、居民服务、中小学区块的建筑面积小于3万m2。办公写字楼、大型商场、文化体育、卫生医疗中钢混结构建筑面积占比超过50%,而教育和住宅砖混结构建筑面积占比超过70%。住宅类建筑体量最大,面积占比68.5%。按照表1、式(1)计算区块的容纳人口数,采用每100 m2建筑面积人口数来表达人口分布密度(图2)。如图2所示,位于3～5人区间的小区最多,多为住宅类,与2012年天津市家庭人口平均住宅建筑面积25.5 m2的情况基本相符。人口密度大的区块多为教育、餐饮类,人口密度低的区块多为居民服务、社会公共管理类。在上文在室率分析的基础上进行天津市区人员在室率计算,结果如图3所示。

图1 建筑物功能判读结果Fig.1 Interpretation result of building function

图2 区块人口密度分布Fig.2 The population density of blocks

图3 天津市区人员在室率Fig.3 Indoor rate of Tianjin urban area

3.3 天津市区地震压埋人口计算和分析

按式(5)估算天津市区Ⅵ至Ⅹ度各时段的地震压埋人口。天津市区建筑基本是砖混结构或钢混结构,Ⅵ度和Ⅶ度压埋人数在各时段均为0,Ⅷ至Ⅹ度地震压埋人员分布如图4所示。从图中可知,压埋率在各烈度下随时段变化的趋势一致且与烈度同步升高。

图4 各烈度各功能建筑分时段的地震压埋人口分布Fig.4 Distribution of earthquake buried population of each intensity and functional building in different periods

以Ⅷ度为例进行分析,S时段是发生压埋人数最多的时段。住宅、大学、居民服务和卫生医疗是人员压埋高风险区域。住宅在S时段压埋率最高,为0.5‰,压埋人数占比约90%,其他时段均较低,原因是住宅建筑面积占比和该时段在室率高,容纳人口多。大学宿舍和教室内人口密集,压埋率总体较高,H1和H2时段达0.48‰。H1和H2时段为卫生医疗压埋率高峰期,为0.36‰,原因是大量就诊人员涌入,室内人口密度陡增,应重点关注。住宿类压埋率在S和Z2时段较高,Ⅷ度达0.4‰,其他时段均较低。上述功能类建筑的压埋率受是否为工作日的影响较小。居民服务、文化体育和餐饮均在休息日Z2时段达到压埋率高峰值0.15‰和0.33‰。工业、社会服务、写字楼和中小学在工作日社会活动活跃,人员压埋的风险高,压埋率分别为0.2‰和0.5‰,尤其是中小学,学校教室内多为数十人规模,且学生的避难应对能力较弱,是该时段重点关注的区域,这与玉树地震中住宅和学校人员遇难率高的研究成果[32]相符。从压埋率来看,文化体育、写字楼、工业、社会服务类压埋风险总体较低,住宅、住宿、大中小学和卫生医疗类在特定时段具有高压埋风险。

最后,选取汶川8.0级地震中建筑结构、抗震设防烈度、遭受烈度均较为接近的江油市和天津市进行对比,以验证预测结果的合理性。两地主要建筑均为Ⅶ度抗震设防。在Ⅷ度影响下,江油市除去失踪人口的死亡率约0.4‰[30],天津市区对应时段的压埋率为0.26‰,相对较小但处于同一数量级。这是由于江油市建筑多为多层砌体结构,部分老旧建筑物没有抗震设防[31],抗震能力与天津市区有一定差距。通过对比分析,认为预测结果符合天津市的抗震设防水平。

4 讨论

本文针对城市区域提出了一种面向地震应急救援工作的压埋人员分布快速评估方法。与以往研究相比,在以下两方面有所改进:(1)空间尺度优化。采用的评估单元是某一住宅小区或企事业单位辖区的区块,评估单元细化,减少了内部建筑物人口分布不均匀性造成的评估误差,评估结果对于应急救援工作具有更强的指导性和可操作性。(2)对地震压埋人员分布实行分时段动态评估,表达出城市区域人口流动性以及不同功能建筑物人口分布和在室率情况的差异,能够在细化的时间尺度上为地震压埋人员分布评估提供支撑。以天津市区为例进行地震压埋人员评估,发现地震压埋人数具有休息日高于工作日、睡眠时段压埋人数最多的特点。住宅、大学、居民服务是地震压埋易发区域,工作日社会活动时段应重点关注中小学和医疗卫生。

本文还存在一些不足和有待深入研究的方向。城市中各种行业的分布有空间混合现象,如住宅小区临街区域有居民服务类、餐饮类分布,综合性商业小区中也有少量餐饮类分布,本文仅选择区块的主要功能类型进行赋值。本研究中建筑物震害评估采用群体震害评估方法,对于建筑物结构区分相对较粗,仅分为砖混和钢筋混凝土两种结构,对于相同结构中建筑年代、房间跨度等因素的影响尚未考虑。此外,没有区分不同结构发生破坏时形态差异对人员压埋的影响。本研究中单位面积上压埋概率的取值在目前仅是一个经验判断,还有待进一步验证。人员在室率除了与发震时间、人口职业与数量等有关外,与季节、天气以及临时政策等均息息相关,例如雨雪天气或者冬季夜晚外出的人口明显减少,这部分细化工作也有待进一步完成。