基于手机位置信息的高精度动态人口数据空间化方法研究

摘要： 破坏性地震通常造成大量生命损失，符合实际情况的人口空间数据是影响震后生命损失快速评估的重要因素。为克服以往静态格网数据的滞后性，以近年来广泛应用的手机位置数据作为来源，提出改进的统计人口数据空间化方法，在不损失统计空间单元总体人口数量的基础上，将人口统计数据转化为动态人口空间分布，并以2022年9月5日四川泸定6.8级地震为例进行验证。研究结果表明，该方法能够实现人口统计数据的高精度快速空间化，对于通信设施较为完善的城镇区域，能够精细刻画人口空间的现势特征，满足破坏性地震的生命损失快速评估，具有较好的实用性。

关键词： 手机位置信息; 人口热力; 人口空间格网化; 地震生命损失评估

中图分类号： P315.9 文献标志码：A 文章编号： 1000-0844（2024）06-1493-08

DOI：10.20000/j.1000-0844.20230919002

A high-precision dynamic population data spatialization method

based on mobile phone locations： a case study of the

Luding M_S6.8 earthquake in Sichuan ProvinceYAO Di¹， YUAN Xiaoxiang^2，3， LIN Xuchuan²， DING Xiang³， YU Sihan⁴

（1.Zhejiang Earthquake Agency， Hangzhou 310013， Zhejiang， China;

2. Key Laboratory of Earthquake Engineering and Engineering Vibration，

Institute of Engineering Mechanics， CEA， Harbin 150080， Heilongjiang， China;

3.Laboratory of Earthquake Numerical Prediction and Risk Prediction，

Institute of Earthquake Forecasting， CEA， Beijing 100036， China;

4.Earthquake Agency of Ningxia Hui Autonomous Region， Yinchuan 750001， Ningxia， China）

Abstract： Destructive earthquakes usually cause many fatalities， and population spatial data that aligns with the actual situation is an important factor affecting the rapid assessment of postearthquake casualties. To overcome historical lags in static grid data， an improved statistical population data spatialization method was proposed using mobile phone locations. To not lose the total population in a statistical unit， the static demographic data were transformed into a dynamic spatial population distribution. The results were verified by taking the September 5， 2022， Luding M_S6.8 earthquake in Sichuan Province as an example. The proposed method can obtain a high-precision and rapid spatialization of statistical data and can granularly depict the current characteristics of populations in urban areas with complete communication facilities. This method can rapidly and practically assess the loss of life in destructive earthquakes.

Keywords： mobile phone location; population heat map; population spatial grid; seismic casualty assessment

0 引言

人口是社会经济发展的重要驱动因素^［1］，也是灾害最直接的承灾体和致灾因子^［2］，符合实际情况且高空间分辨率的人口空间数据是经济社会发展规划以及防震减灾和备灾的重要基础。特别是处于社会高速发展的新时期，破坏性地震发生后快速开展人员生命损失评估、确定灾害应急响应等级、圈定救灾重点区域，以及部署救援力量和救援物资投放等对人口数据空间化的时效性和精确性提出了更高需求。

人口数据空间化过程是以人口空间分布机制和机理为理论依据，将人口统计数据利用空间化方法离散化处理的过程^［3-5］。当前主要利用连续的格网数据来客观表征人口数据空间的不均匀离散化结果。人口空间化方法主要为数据模型法，如面积权重法、负指数权重法及空间插值法等^［6-8］。考虑到人口空间异质性以及多因子的相关性，基于地理因子、社会经济因子以及遥感影像象元特征值等多因素回归和融合的空间化方法成为人口数据空间化方法研究的热点^{［4-5，9-11］}。基于上述方法，产生了一系列具有代表性的大尺度数据集，如世界栅格人口数据集^［12］（Gridded Population of the World）、Landscan数据集^［13-14］、WorldPop数据集^［15］和中国人口空间分布公里网格数据集^［16］等。鉴于地震致灾因素的复杂性以及地震生命损失评估的精度需求，基于城乡人口差别的空间化方法^［17-19］、致灾机理的多指标回归方法^［20］及居民地的人口空间化方法^［21］成为面向地震灾害评估人口空间化方法研究所关注的热点。但上述人口空间化方法主要依赖于土地利用类型等地理因子，信息更新周期较长，难以表达震前人口的瞬时空间动态分布特征。

手机位置信息在时空分布上能够揭示人类活动的多样性和差异性^［22］，被广泛用于人口空间化研究，如吴中元等^［23］和李慧敏等^［24］分别基于腾讯位置信息，利用多项式回归模型研究了局部区域不同尺度的人口空间化方法；王晓洁等^［25］基于手机位置信息，利用光影投射法计算人口分布权重，结合面积权重法和指数平滑法进行了京津冀地区人口空间化研究；Wei等^［26］以西宁市为例，利用核密度分析和空间自相关分析方法进行手机位置信息的动态人口空间分布模型研究。近年来，基于实际震例的人口时空分布特征^［27-29］和地震灾情信息等研究^［30-31］表明，手机位置信息在地震生命损失研究方面具有巨大潜力，但如何利用手机位置的实时性快速进行人口空间化制图，进而生成满足实际定量评估需求的高精度空间格网数据，成为亟需解决的问题。因此，本文以2022年四川泸定6.8级地震为例，基于统计数据和空间化分析方法开展基于手机位置信息的高精度动态人口空间化方法研究，为定量化的地震生命损失评估提供信息支撑。

1 研究区及数据

1.1 研究区

2022年9月5日12时52分，四川甘孜州泸定县发生6.8级地震，震中位于磨西镇附近，烈度最大达Ⅸ度。本文以该地震影响最为严重的12个市县为研究区，具体包括雅安市的荥经县、汉源县、天全县、石棉县，甘孜藏族自治州的康定市、泸定县、丹巴县、九龙县、雅江县、道孚县，以及凉山彝族自治州的冕宁县、甘洛县，具体位置如图1所示。该区域位于川滇菱形块体的东边界，主要发育有鲜水河断裂、安宁河断裂、玉龙希断裂等，地震活动频繁，地势复杂，总体呈西高东低。居民地总体沿山谷和河流分布且规模较小，手机位置信息显示人口分布呈现西北部稀疏、东南部相对密集的总体趋势。

1.2 数据来源

本文所涉及的数据包括人口统计数据和手机位置信息。人口统计数据主要采用四川省第七次全国人口普查区县结果，具体如表1所列。手机位置信息主要来源于第三方推送的基于安卓平台及IOS平台的位置信息，由采用Geohash编码6位编码的Wifi热点信息、无线联网设备、移动设备信息和基站等相关信息构成，能够表示更为精细的空间分布信息［约1.2 km（长） ×0.6 km（宽）范围］。图1中显示覆盖研究区域的所有手机位置数据，时间跨度为震前2小时，8万多条记录。

2 研究方法

通常认为居民地作为人类活动的空间载体，决定着人类活动的空间分布。以往基于居民地的人口空间化^［21］需要从不同遥感数据中提取居民地作为空间化基准信息。为了能够准确表达人口时空分布的流动性和瞬时特征，本文将手机位置信息进行空间分析后所导出的人口热力空间分布范围作为统计数据空间化的基础。具体技术流程如图2所示。

首先，利用手机位置数据进行人口热力学数据插值计算，生成人口空间数据格网基础。然后，以全国第七次普查县级统计人口数据（表1）为总人口约束，以县级行政区空间矢量信息为统计单元与热力学数据进行空间相交分析。最后，定义某一县级统计单元的总人口为P_c，按照以下方法进行统计人口空间化，求得每个格网上人口P_g。主要包括以下三个步骤：

（1） 人口热力空间数据创建

对于收集的手机位置数据，采用核函数估计^［27-29］的方法计算得到人口热力空间分布范围，即人口热力图。其一般公式^［32］如式（1），对于任意点x，邻域内的己知点x_i对x的贡献率与它们的距离、核函数的形状，以及核函数取值的范围（带宽h）有关。设K为核函数，h为带宽，则x点处的密度估计为：

f（x）=1/nh∑N/i=1Kx-x_i/h （1）

式中：K（x）为核密度方程;n为带宽范围内的点数;带宽h为研究对象与空间尺度相关的关键参数^{［27，33］}，需要根据人口空间的全局性和局部聚集性进行考虑，本文使用的6位手机位置信息代表1.2 km×0.6 km的矩形区域，因此综合考虑上述因素并参考文献［26］将其设置为2 km（图3）。核函数通常为一个对称的单峰值在0处的光滑函数，一般使用高斯函数表示，公式如下：

K（x）=1/2πe^-1/2x2 （2）

（2） 格网人口分配

假设区域常住人口全部分布在人口热力图的空间格网范围内，不同格网内的人口数量与对应的人口密度是线性相关的，则格网g中人口数的初始估计值可由以下公式计算得到：

p^′_g=P_c×D_g/∑D_g （3）

式中：P_c为某县级统计单元人口数;D_g为某格网人口密度;∑D_g为某统计单元空间内人口密度总和。

（3） 误差分析与人口平差

原则上，单个格网中如果存在人口分布，则该格网内人口数量不低于阈值L_f且为整数，因此需要对预测结果进行处理。若估计结果小于L_f，则将该格网中人口预测结果设为0：

p^″_g=p^′_g，/p^′_g≥L_f

0，/p^′_glt;L_f （4）

经上述处理后，统计单元中估计人口总结果将会与实际结果有偏差，因此需要再对该结果进行平差处理。平差方法为：

p_g=intP_c×p^″_g/∑N/g=1p^″_g （5）

式中：p_g为格网最终计算总人口。

3 结果

根据上述方法，对研究区内震前2 h手机位置数据进行计算。首先得到研究区百米格网人口热力图［图4（a）］，进一步联合统计数据获得百米人口格网空间分布数据集［图5（a）］。图4（a）显示研究区人口主要集中在县驻地和乡镇驻地，农村人口比较分散。经过空间化和多次平差后，离散的人口分布格网有所减少，进一步集中到城镇驻地周围，总体上更加突出了西北部人口分布稀疏和东南部人口相对密集的特征，格网的人口高值得到平衡。该结果反映了人口的时空动态分布情况，也符合行政单元内总体统计特征。

图5（a）为图4（b）中放大显示的震中附近人口空间分布情况。可以看出城镇人口在炉城街道、榆林街道、泸桥镇和姑咱镇等周围显示出相对高值，以驻地为中心向周围逐渐递减；农村人口主要沿大渡河流域山谷呈线状相对均匀展布，少部分呈零散点面状分布，因此能够较好地区分城镇和乡村的人口空间分布。图4（b）为基于遥感影像所提取的居民地和基于简化居民地空间化的中国大陆人口格网空间数据集结果^［21］。与之相比，本文结果在空间分布上能连续表达居民地的空间展布特征，弥补了遥感影像分辨率低所带来的居民地漏分情况，进一步表达了城镇和乡村居民地人口空间分布的不均匀性。

评估地震造成的人员生命损失可表达为不同地震动强度作用下，地震生命损失率及地震风险修正与对应分区人口数量乘积的加权之和，具体计算模型如式（6）^［34-35］：

D=∑YV（Y）^F（Y）P（Y） （6）

式中：V（Y）为地震动强度Y作用下的地震生命损失率，本文基于2016—2025年重防区研究成果，采用课题组开发的地震风险评估与灾后地震损失快速评估软件系统^［35］进行计算;P（Y）为对应的人口数;F（Y）为对应的评估修正系数，本文未对研究区进行多因素修正考虑，设定其为1。基于本文人口空间化成果，以泸定6.8级地震实际调查烈度作为不同地震动强度分区输入，进行地震人员生命损失评估计算，得到白天人员生命损失约64人，夜晚约256人。具体人员生命损失空间分布如图6所示，而基于居民地的中国大陆人口格网数据集［图5（b）］^［21］的评估结果为白天216人，夜晚701人。泸定地震发生在北京时间12时52分，因此，基于本文成果的白天评估结果与地震现场调查结果（93名人员遇难^［36］）较为接近;若本次地震发生在夜晚，人员损失可能会更加严重。初步分析两者结果的差异主要在于人口空间化数据的精度与现势性的差异：基于上述居民地的中国大陆人口格网数据集［图5（b）］，由于面向全国重防区，评估要求采用1∶10万的土地利用作为空间化输入，虽然经过了精细化与修正^［37］，但仍难以完全避免由于局部分散居民地的空间分布缺失造成的人口在不同地震动作用区域分布不合理的问题，且该数据集采用的基础数据主要是第六次人口普查统计数据和与之时间匹配的居民地数据，因此在时间上存在一定的滞后性，不能真实、动态地反映震前时刻人口高精度分布状态。

4 结论与讨论

针对以往静态人口空间数据不能真实反映震前人口分布状态的问题，以震前手机位置数据作为来源，建立了联合统计数据和人口热力数据的空间化方法，以2022年9月5日四川泸定6.8级地震为例，得到泸定地震灾区人口空间分布情况，并进行地震人员损失评估验证。得出以下几点认识：

（1） 利用震前有限的手机位置信息能够快速定量化表征震前人口数据的空间分布状态。泸定地震灾区人口在西北部分布稀疏，呈点状分布；东南部相对稠密，呈带状分布，其中城镇驻地人口较为密集，乡村人口较为稀疏，极震区人口分布总量不高。

（2） 本文建立的人口快速空间化方法能利用有限信息，较为精细地刻画通信设施较完善的城镇区域的震前人口现势特征，反映人口从密到疏的不均匀性分布状态。在连续表达居民地的空间展布特征的同时，能够在一定程度上弥补以往由于遥感影像分辨率低所带来的居民地漏分情况，且基于本文人口数据的地震人员损失评估结果与实际情况较为吻合。这表明本文所建立的方法和数据能够在应急阶段为应急救援和灾害评估提供重要参考。

（3） 本文仅仅以震前的手机位置信息作为输入，没有考虑到震后人口的动态特征，以及供电中断、基站退服等情况，后续可进一步考虑震前、震后的手机位置动态变化特征，以及针对地震人员损失评估的精细定量研究。

参考文献（References）

［1］WANG L，FENG Z M，YANG Y Z.The change in population density from 2000 to 2010 and its influencing factors in China at the county scale［J］.Journal of Geographical Sciences，2015，25（4）：485-496.

［2］史培军.三论灾害研究的理论与实践［J］.自然灾害学报，2002，11（3）：1-9.

SHI Peijun.Theory on disaster science and disaster dynamics［J］.Journal of Natural Disasters，2002，11（3）：1-9.

［3］柏中强，王卷乐，杨飞.人口数据空间化研究综述［J］.地理科学进展，2013，32（11）：1692-1702.

BAI Zhongqiang，WANG Juanle，YANG Fei.Research progress in spatialization of population data［J］.Progress in Geography，2013，32（11）：1692-1702.

［4］柏中强，王卷乐，姜浩，等.基于多源信息的人口分布格网化方法研究［J］.地球信息科学学报，2015，17（6）：653-660.

BAI Zhongqiang，WANG Juanle，JIANG Hao，et al.The gridding approach to redistribute population based on multi-source data［J］.Journal of Geo-Information Science，2015，17（6）：653-660.

［5］董南，杨小唤，蔡红艳.人口数据空间化研究进展［J］.地球信息科学学报，2016，18（10）：1295-1304.

DONG Nan，YANG Xiaohuan，CAI Hongyan.Research progress and perspective on the spatialization of population data［J］.Journal of Geo-Information Science，2016，18（10）：1295-1304.

［6］HOLT J B，LO C P，HODLER T W.Dasymetric estimation of population density and areal interpolation of census data［J］.Cartography and Geographic Information Science，2004，31（2）：103-121.

［7］范一大，史培军，辜智慧，等.行政单元数据向网格单元转化的技术方法［J］.地理科学，2004，24（1）：105-108.

FAN Yida，SHI Peijun，GU Zhihui，et al.A method of data gridding from administration cell to gridding cell［J］.Scientia Geographica Sinica，2004，24（1）：105-108.

［8］符海月，李满春，赵军，等.人口数据格网化模型研究进展综述［J］.人文地理，2006，21（3）：115-119，114.

FU Haiyue，LI Manchun，ZHAO Jun，et al.Summary of grid transformation models of population data［J］.Human Geography，2006，21（3）：115-119，114.

［9］朱守杰，杜世宏，李军，等.融合多源空间数据的城镇人口分布估算［J］.地球信息科学学报，2020，22（8）：1607-1616.

ZHU Shoujie，DU Shihong，LI Jun，et al.Estimating population distribution in cities and towns though fusing multi-source spatial data［J］.Journal of Geo-Information Science，2020，22（8）：1607-1616.

［10］CHEN K.An approach to linking remotely sensed data and areal census data［J］.International Journal of Remote Sensing，2002，23（1）：37-48.

［11］廖顺宝，李泽辉.四川省人口分布与土地利用的关系及人口数据空间化试验［J］.长江流域资源与环境，2004，13（6）：557-561.

LIAO Shunbao，LI Zehui.Relationship between population distribution and land use and spatialization of population census data［J］.Resources and Environment in the Yangtze Basin，2004，13（6）：557-561.

［12］DOXSEY-WHITFIELD E，MACMANUS K，ADAMO S B，et al.Taking advantage of the improved availability of census data：a first look at the gridded population of the world，version 4［J］.Papers in Applied Geography，2015，1（3）：226-234.

［13］SIMS K，REITH A，BRIGHT E，et al.LandScan Global 2022［DB/OL］.Oak Ridge，TN：Oak Ridge National Laboratory，2022［2023.9.20］.https：//landscan.ornl.gov.

［14］BHADURI B，BRIGHT E，COLEMAN P，et al.LandScan USA：a high-resolution geospatial and temporal modeling approach for population distribution and dynamics［J］.GeoJournal，2007，69（1）：103-117.

［15］TATEM A J.WorldPop，open data for spatial demography［J］.Scientific Data，2017，4：170004.

［16］付晶莹，江东，黄耀欢.中国公里网格人口分布数据集［J］.地理学报，2014，69（增刊1）：I0041-I0044，136-139.

FU Jingying，JIANG Dong，HUANG Yaohuan.1 km grid population dataset of China （2005，2010）［J］.Acta Geographica Sinica，2014，69（Suppl01）：I0041-I0044，136-139.

［17］陈振拓，李志强，丁文秀，等.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，2012，7（3）：273-284.

CHEN Zhentuo，LI Zhiqiang，DING Wenxiu，et al.Study of spatial population distribution in earthquake disaster reduction：a case study of 2007 Ning'er earthquake［J］.Technology for Earthquake Disaster Prevention，2012，7（3）：273-284.

［18］丁文秀，张亦梅，陈振拓，等.湖北省人口数据空间化及在巴东M_S5.1地震灾情盲估中的应用［J］.大地测量与地球动力学，2014，34（3）：28-30，34.

DING Wenxiu，ZHANG Yimei，CHEN Zhentuo，et al.Spatialization of population data for Hubei Province and its application to rapid assessment of earthquake loss：a case of Badong M_S5.1 earthquake［J］.Journal of Geodesy and Geodynamics，2014，34（3）：28-30，34.

［19］韩贞辉，李志强，陈振拓，等.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，2013，35（4）：894-906.

HAN Zhenhui，LI Zhiqiang，CHEN Zhentuo，et al.Population，housing statistics data spatialization research in the application of rapid earthquake loss assessment：a case of Yiliang earthquake［J］.Seismology and Geology，2013，35（4）：894-906.

［20］徐敬海，安基文，聂高众.基于千米格网的地震应急灾情预评估数据开发［J］.地震地质，2016，38（3）：760-772.

XU Jinghai，AN Jiwen，NIE Gaozhong.Development of earthquake emergency disaster information pre-evaluation data based on km grid［J］.Seismology and Geology，2016，38（3）：760-772.

［21］袁小祥，王晓青，窦爱霞，等.面向地震风险评估的人口空间格网化技术研究［J］.地震，2018，38（4）：151-158.

YUAN Xiaoxiang，WANG Xiaoqing，DOU Aixia，et al.Spatial grid transformation technology of population data for seismic risk assessment［J］.Earthquake，2018，38（4）：151-158.

［22］曹劲舟，涂伟，李清泉，等.基于大规模手机定位数据的群体活动时空特征分析［J］.地球信息科学学报，2017，19（4）：467-474.

CAO Jinzhou，TU Wei，LI Qingquan，et al.Spatio-temporal analysis of aggregated human activities based on massive mobile phone tracking data［J］.Journal of Geo-Information Science，2017，19（4）：467-474.

［23］吴中元，许捍卫，胡钟敏.基于腾讯位置大数据的精细尺度人口空间化：以南京市江宁区秣陵街道为例［J］.地理与地理信息科学，2019，35（6）：61-65.

WU Zhongyuan，XU Hanwei，HU Zhongmin.Fine-scale population spatialization based on tencent location big data：a case study of Moling subdistrict，Jiangning district，Nanjing［J］.Geography and Geo-Information Science，2019，35（6）：61-65.

［24］李慧敏，罗大伟，窦世卿.利用腾讯位置大数据进行多尺度人口空间化估算［J］.测绘通报，2022（6）：93-97.

LI Huimin，LUO Dawei，DOU Shiqing.The estimation of population on multi-spatial scale using Tencent location big data［J］.Bulletin of Surveying and Mapping，2022（6）：93-97.

［25］王晓洁，王卷乐，薛润生.基于普查和手机定位数据的乡镇尺度人口空间化方法研究［J］.地球信息科学学报，2020，22（5）：1095-1105.

WANG Xiaojie，WANG Juanle，XUE Runsheng.Research on population spatialization method in township scale based on census and mobile location data［J］.Journal of Geo-Information Science，2020，22（5）：1095-1105.

［26］WEI B Y，SU G W，LIU F G.Dynamic assessment of spatiotemporal population distribution based on mobile phone data：a case study in Xining City，China［J］.International Journal of Disaster Risk Science，2023，14（4）：649-665.

［27］李东平，黄乐，陈海鹏，等.基于手机位置数据的四川九寨沟7.0级地震人流分析［J］.中国地震，2017，33（4）：602-612.

LI Dongping，HUANG Le，CHEN Haipeng，et al.Change of population distribution during the Jiuzhaigou M_S7.0 earthquake emergency period based on mobile phone location data［J］.Earthquake Research in China，2017，33（4）：602-612.

［28］LID P，CHEN H P，SHEN W Y，et al.An analysis of the temporal and spatial gathering and dispersion patterns of crowds at the community level after the 2020 M5.1 Tangshan Guye earthquake［J］.International Journal of Disaster Risk Reduction，2021，61：102331.

［29］LID P，TAN Q Q，YIN J F，et al.Analysis on the impact of Taiwan （China） far-field earthquakes on the disaster avoidance behavior of people in high-rise buildings in large cities in southeast China［J］.Geomatics，Natural Hazards and Risk，2022，13（1）：2006-2023.

［30］庞晓克，聂高众，张昕，等.基于手机位置数据的地震灾情指标选择［J］.中国地震，2019，35（1）：144-157.

PANG Xiaoke，NIE Gaozhong，ZHANG Xin，et al.Selection of earthquake disaster index based on mobile phone position data［J］.Earthquake Research in China，2019，35（1）：144-157.

［31］GUO X X，WEI B Y，NIE G Z，et al.Application of mobile signaling data in determining the seismic influence field：a case study of the 2017 M_W 6.5 Jiuzhaigou earthquake，China［J］.International Journal of Environmental Research and Public Health，2022，19（17）：10697.

［32］SILVERMAN B W.Density estimation for statistics and data analysis［M］.London：Chapman and Hall，1986.

［33］禹文豪，艾廷华.核密度估计法支持下的网络空间POI点可视化与分析［J］.测绘学报，2015，44（1）：82-90.

YU Wenhao，AI Tinghua.The visualization and analysis of POI features under network space supported by kernel density estimation［J］.Acta Geodaetica et Cartographica Sinica，2015，44（1）：82-90.

［34］丁香，王晓青，袁小祥，等.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［J］.震灾防御技术，2019，14（2）：431-437.

DING Xiang，WANG Xiaoqing，YUAN Xiaoxiang，et al.Comparative analysis of life loss assessment caused by 2017 M_S5.5 Taxkorgan earthquake in Xinjiang，China［J］.Technology for Earthquake Disaster Prevention，2019，14（2）：431-437.

［35］《2016—2025年中国大陆地震危险区与地震灾害损失预测研究》项目组.2016—2025年中国大陆地震危险区与地震灾害损失预测研究［M］.北京：中国地图出版社，2020：257-324.

Group of forecasting research on earthquake risk regions and disaster loss of Chinese Mainland during 2016 to 2025.Forecasting research on earthquake risk regions and disaster loss of Chinese Mainland during 2016 to 2025［M］.Beijing：Sinmap Press，2020：257-324.

［36］许娟，赵雪慧，周琪，等.2022年四川泸定M_S6.8地震人员震亡特征分析［J］.地震研究，2023，46（4）：603-610.

XU Juan，ZHAO Xuehui，ZHOU Qi，et al.Features of the casualty by the 2022 Luding，Sichuan M_S6.8 earthquake［J］.Journal of Seismological Research，2023，46（4）：603-610.

［37］DOU A X，YUAN X X，WANG X Q，et al.Refinement method for residential area revision using remote sensing image and GIS data in earthquake risk assessment［J］.ISPRS-International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2016，XLI-B8：51-54.

（本文编辑：张向红）