甘肃岷县漳县MS6.6地震重灾区房屋类型与致死的关系研究

地震造成人员死亡主要是由房屋毁坏和次生灾害引起的。2013年7月22日甘肃岷县漳县发生MS6.6地震,造成95人死亡、2014人受伤,灾区民房破坏严重,重灾区房屋毁坏比达36.59%;同时震前不断降雨和地震的耦合作用,诱发大量滑坡、崩塌等地质灾害,给灾区人民生命财产带来严重损失。本文通过对灾区不同类型结构房屋破坏情况、常驻人口、死亡人数、死亡地点及原因、地形地貌和地质灾害的调研,获得大量准确的基础资料;分析得到这次地震人员死亡特点和重灾区不同类型结构房屋的破坏比;利用重灾区9个行政村死亡人数和房屋毁坏比数据,进行多元线性回归拟合,得出房屋毁坏比与人员致死性关系,同时运用不同烈度区内房屋毁坏比数据和人口数据进行验证。结果表明:用此关系计算得到的总死亡人数比实际死亡人数多16人,总误差率为17.02%。     

云南鲁甸6.5级地震灾害特点浅析

通过对2014年8月3日云南鲁甸6.5级地震震害开展实地调查,对灾区破坏情况进行总体介绍,并就各烈度区特征和建筑物震害、地震地质灾害、工程结构震害进行分析,初步得出本次地震的一些震害特点.一是灾区人口密度大,人员死亡较集中.人员死亡主要集中在Ⅷ和Ⅸ度区.二是地震振动强,灾区破坏严重.本次地震震源深度12km,极震区烈度高达Ⅸ度,震源破裂在11s内集中释放.三是抗震能力弱,房屋破坏严重.灾区属国家级贫困区,农村民居抗震能力弱,且多数民房坐落在河谷陡坡上,边坡效应加重房屋震害,重灾区砖木和土木房屋成片损毁、倒塌.四是灾区条件恶劣,救灾难度大.震区活动断裂密集发育、地质破碎疏松、地形崎岖不平,又恰值雨季,诱发极其严重次生地质灾害,导致人员伤亡,造成灾区大面积交通、通信、电力中断,救援物资与救援力量无法及时发挥作用.     

集集地震人员死亡率研究

发生在台湾省车笼埔断层上的集集地震造成了大量人员伤亡。本文搜集了该地震高烈度区的村里级行政单元的死亡率数据,并分析了城市型、乡镇型和农村型居民地的死亡率与地震烈度的关系。表明城市型和乡镇型平均死亡率差别不大,农村型则明显较高。对死亡率与地表破裂带、高烈度分布区和局部场地条件的关系等进行了分析,在此基础上,显示了死亡率随距离分布在断层两侧的不对称性。上述结果加深了对集集地震死亡率分布及其成因的认识,对评估未来地震人员死亡有重要意义。     

基于PSO-ELM的地震死亡人员评估方法研究

地震灾害人员伤亡快速评估对于地震应急响应至关重要。区域地理环境、人口密度和建筑结构等多种因素对地震人员伤亡具有重要影响,文章针对中国大陆按照分区开展地震死亡人员评估方法研究。为充分考虑地震对不同地区造成的差异性影响,根据人口密度、地理环境、建筑结构等情况,将中国大陆划分为西北、西南和东部三个区域,并按地震最大烈度对样本进行分类;然后采用随机森林方法和自助采样法,根据每个特征的重要性排序选取震级、震区面积和人口密度三参数,建立粒子群优化极限学习机(PSO-ELM)地震人员死亡评估模型。研究结果表明,模型在预测性能方面表现良好,在不同地区和烈度下具有较好的适用性和泛化性,能够为地震应急响应和地震灾害风险评估提供重要技术支撑。     

中国大陆地震灾害分区人员死亡评估模型研究

针对现阶段地震人员死亡评估模型在评估特定区域地震时评估结果误差较大的问题, 结合中国地震灾害特点、 人口分布情况等, 将中国大陆划分为西北、 西南和大陆东部三个地区, 并对各区域按照人口密度进行分级。 采用多元非线性回归方法, 选取震中烈度、 震区面积、 抗震设防烈度参数建立分区域的地震灾害人员死亡评估模型。 研究结果表明, 该模型在西北、 西南地区的验证结果较好, 适用于中国地震灾害情况, 可以用于震后快速盲评估, 在一定程度上能够避免评估不同震级、 相同震中烈度和人口密度的地震时, 出现相同结果的情况; 虽然该模型在震例较少的大陆东部地区以及城市直下型地震中评估结果需要进一步改进, 但为解决特定区域地震死亡评估中误差较大问题提供了思路, 能够为震后应急指挥和救援提供数据参考。     

1999年以来地震生命损失评估研究新进展

地震后造成人员伤亡的影响因素有很多,包括震级、烈度、人口、房屋破坏程度、与断层的距离、经济发展状况等.本文总结了1999年以来国内外地震生命损失研究中的若干方法和模型,介绍了这些评估方法在地震后的应用情况,并进行了适当的总结.最后提出了人员伤亡评估的发展趋势.     

基于AMOS的地震人员伤亡影响因素分析

选用震级、震中烈度、极震区面积、Ⅴ度区以上面积、地震预报、抗震设防烈度、设计基本地震加速度值、房屋倒塌面积、房屋破坏面积(中等破坏及以上)、男女性别比、受灾区人口密度、地震时间、震源深度13个因子作为地震人员伤亡的影响因素,在定性分析的基础上,运用SPSS、AMOS软件,选用1949年至2010年间发生在我国的362次成灾地震进行数据分析,构建地震人员伤亡影响因素结构方程模型,综合分析各个影响因素对人员伤亡的影响程度.模型的GFI为0.911,RMSEA为0.081,PGFI为0.607,PNFI为0.596,NC为3.077,表明模型拟合效果良好,适配合理,具有简约适配度.分析表明:房屋倒塌面积、房屋破坏面积(中等破坏及以上)、震中烈度、震级、五度区以上面积是影响地震人员伤亡的五项最主要影响因素,减少房屋的倒塌和破坏情况、进行地震预报是减少地震人员伤亡的主要措施,并按重要性分别提出关键措施、一般措施和其他措施,为区域防灾减灾工作提供建议.     

2014年云南鲁甸M_S6.5地震人员震害研究

2014年云南鲁甸MS6.5地震造成1993年以来云南地区同等级地震人员死亡、失踪数量最大震害。以灾区政府部门统计得到的人员震害资料为基础,对鲁甸地震产生的人员震害特点及其引发原因进行了详细分析,同时对地震人员死亡、失踪数量巨大的影响因素进行了分析讨论。结果表明:人员死亡、失踪震害主要发生在Ⅷ度区附近及以上区域,发生地点以活动断裂和河流两侧及其附近尤为明显,分布呈现NW和NE两个较为明显的优势方向,但总体以NW向分布为主;造成人员死亡最主要的原因为房屋倒塌严重,其次为山体滑坡、崩塌滚石等地震地质灾害;造成人员失踪的原因有房屋倒塌和山体滑坡;影响地震人员死亡、失踪数量巨大的直接因素有房屋建筑抗震能力、地震地质灾害破坏程度和人为因素等,间接因素有人口密度、自然地理环境、地质构造条件、气候条件和生态环境等。在上述分析的基础上还提出了一些减少震害的建议和措施。     

地震人员伤亡预测研究：——以鲁南地区为例

讨论了地震造成人员伤亡的相关因素，分析了地震强度、建筑物抗震性能、人口密度、发震时间、地震引起发生灾害及地震预报与地震人员伤亡的相关性。按照确定性方法和概率性方法阐述了国内外地震人员伤亡预测方法，分析了它们的适用条件。并用确定性方法中的建筑物破坏程度与人员伤亡关系法对鲁南地区进行了地震人员伤亡预测。     

2020年1月16日新疆库车5.6级地震烈度及房屋震害特征分析

2020年1月16日新疆库车5.6级地震造成库车市塔里木乡居民房屋不同程度破坏。依据地震现场1个乡18个调查点的实地调查结果,初步分析此次地震的烈度分布和房屋震害特征。结果表明:地震灾区最高烈度为Ⅵ度,受灾面积为813.6 km~2,涉及185户685人,无人员伤亡;建造年代较早的砖木结构抗震安居房,由于抗震设防烈度较低,部分房屋抗震构造措施不完善,破坏程度相对较重;少数砖混结构房屋因地基沉降及地震叠加破坏作用,造成门窗洞口处墙体出现裂缝;框架结构房屋受场地地震动放大影响出现填充墙开裂现象。     

Estimating shaking-induced casualties and building damage for global earthquake events: a proposed modelling approach

Recent earthquakes such as the Haiti earthquake of 12 January 2010 and the Qinghai earthquake on 14 April 2010 have highlighted the importance of rapid estimation of casualties after the event for humanitarian response. Both of these events resulted in surprisingly high death tolls, casualties and survivors made homeless. In the Mw = 7.0 Haiti earthquake, over 200,000 people perished with more than 300,000 reported injuries and 2 million made homeless. The Mw = 6.9 earthquake in Qinghai resulted in over 2,000 deaths with a further 11,000 people with serious or moderate injuries and 100,000 people have been left homeless in this mountainous region of China. In such events relief efforts can be significantly benefitted by the availability of rapid estimation and mapping of expected casualties. This paper contributes to ongoing global efforts to estimate probable earthquake casualties very rapidly after an earthquake has taken place. The analysis uses the assembled empirical damage and casualty data in the Cambridge Earthquake Impacts Database (CEQID) and explores data by event and across events to test the relationships of building and fatality distributions to the main explanatory variables of building type, building damage level and earthquake intensity. The prototype global casualty estimation model described here uses a semi-empirical approach that estimates damage rates for different classes of buildings present in the local building stock, and then relates fatality rates to the damage rates of each class of buildings. This approach accounts for the effect of the very different types of buildings (by climatic zone, urban or rural location, culture, income level etc), on casualties. The resulting casualty parameters were tested against the overall casualty data from several historical earthquakes in CEQID; a reasonable fit was found.     

东部地区地震人员伤亡评估方法研究

我国是地震多发的国家之一,其中破坏性地震的发生频率也相对较高。伴随着我国经济的高速发展与城市化进程的加快,地震风险意识的提高以及国家对地震应急救援能力的更高要求都促进了对地震灾害评估方法的研究。其中地震人员伤亡评估方法更是灾情预测的重中之重,然而我国大部分历史地震都发生在西部,已有的地震人员伤亡评估方法也是基于西部历史地震资料统计分析得出的。人口密度更高和经济更为发达的东部地区,一旦遭遇破坏性地震,其灾害程度将远超西部,因此现有方法已不能很好地满足东部地区的地震预防和应急救援决策需求。需要结合东部地区的特点修正适用于东部地区的地震人员伤亡评估方法。本文初步分析了东西部影响地震人员伤亡的影响因素,对比主要区域差异,指出东西部地区建筑的抗震性能差异主要体现在城市自建房屋的比例和农村主要结构类型占比上。给出了东部地区地震人员伤亡评估的修正系数,并通过算例分析了其适用性。     

京津冀地区再现三河-平谷8.0级地震的人员伤亡分析

京津冀地区1679年曾发生三河－平谷8.0级大地震,造成了严重的人员伤亡,严重影响当时的社会经济。本文对三河－平谷8.0级地震进行原地再现,分析所造成的人员伤亡。首先,基于最新的建筑物竣工面积统计资料更新建筑物公里网格数据,基于普查数据对人口公里网格进行了更新,并采用热力图对人口的时空流动进行了预测,得到了符合当地特征的承灾体的数量和分布。在此基础上,采用分区分类地震易损性模型和人员伤亡评估模型,对京津冀地区遭受三河－平谷8.0级设定地震的人员伤亡进行了分析。分析结果表明:京津冀地区现今的人口数量相对于1679年成百倍增加,但人员伤亡率大幅降低     

2019年6月17日四川长宁MS 6.0地震灾害损失快速评估精准性分析

地震发生时刻、震级、极震区烈度评估、烈度衰减关系模型、人员伤亡评估模型、房屋震害矩阵等是影响地震灾害损失计算的主要因素,各因素存在不确定性,导致评估结果与实际结果存在一定差距。文中对2019年6月19日四川长宁6.0级地震灾害损失快速评估精准性进行分析,探讨极震区烈度评估、地震影响场、烈度衰减关系模型、人员伤亡评估模型、房屋震害矩阵对评估结果的影响及与真实结果存在的偏差,结果表明,提高地震影响场评估、人口、房屋建筑等数据空间分布精准性,是提高地震灾害损失快速评估系统精准性的基础和前提。     

2021年5月22日青海玛多MS 7.4地震灾害损失快速评估分析

2021年5月22日青海玛多M_S 7.4地震表现为灾情重、伤亡轻的特点,采用极震区烈度估计、烈度衰减关系、人员伤亡评估3种烈度衰减模型进行灾害损失快速评估,与地震现场调查结果进行对比,可知对于此次玛多M_S 7.4地震,3种模型评估与地震现场调查结果存在偏差,认为主要由地震影响场分布、人口分布、房屋建筑（抗震能力）、地形地貌、次生灾害等因素不同所致。结果显示,通过提高地震影响场评估的精准性及人口分布、房屋建筑等数据空间分布的准确性和后期专家干预等措施,均可有效提升地震灾害损失快速评估精准性。     

2021年5月21日云南漾濞6.4级地震灾害损失快速评估结果分析

本文针对2021年5月21日云南漾濞6.4级地震,选取不同的地震烈度衰减关系模型,对各模型地震影响场评估结果与发布的地震烈度图进行对比分析,并对地震影响范围不确定性进行研究。选取多种死亡人数评估模型,分别计算各模型在不同地震影响场下的死亡人数、人口分布数量,探讨各地震影响场模型下的人口分布特征及影响人员死亡的主要因素。通过对比分析可知,导致此次地震灾害损失评估结果与真实地震现场结果不同的主要原因是地震影响场分布、人口分布、房屋建筑抗震能力偏差、地形地貌、次生灾害等多种因素不同。研究结果表明,有效提高地震灾害损失快速评估精确性的途径为提高地震影响场评估精度,提高人口分布、房屋建筑等数据空间分布评估精度,后期专家检验等。     

2020年5月18日云南巧家MS 5.0地震伤亡人员分布特征

2020年5月18日云南巧家发生M_S 5.0地震,造成4人死亡、28人受伤(6名重伤员,22名轻伤员),与云南省其他地区同级别地震相比,人员伤亡比例偏高,与昭通地区历史地震相比,人员伤亡比例稍低。本文从震害伤亡人员的空间分布、伤情、伤亡原因等进行统计分析,得出云南巧家5.0级地震伤亡人员分布特征,并提出具有针对性的建议和应对措施,对提高滇东北地区地震应急救援能力,最大限度地减轻人民生命财产损失,提供参考。     

基于深度学习神经网络方法的中国大陆地震伤亡预测模型

对地震伤亡人口的预测需要同时考虑地震破裂特征本身、灾区人口及其生活环境等特征,其是一个典型的复杂预测系统。本文基于深度学习神经网络方法和1976—2020年间78次地震伤亡事件,构建了中国大陆地震伤亡预测模型,综合使用发震年代、发震时刻、发震季节、Ⅵ度及以上区域受灾面积、Ⅵ度及以上区域受灾人口数、震源深度、极震区烈度和震源机制类型等8个参数,对包括2008年汶川8.0级和2010年玉树7.1级地震在内的9次地震事件进行了预测检验。结果显示,该预测模型能够较好地反映出中小地震的伤亡人口特征,除汶川地震和玉树地震外的7次地震伤亡事件预测值与实际值误差均在一个数量级上,对于2008年汶川8.0级和2010年玉树7.1级地震,预测值明显小于实际伤亡人口;其中玉树地震发震断层位于玉树州府结古镇之下,造成了相对较多的人口伤亡数量;汶川地震的伤亡人口数量不仅由地震直接导致,还包括了地震滑坡等次生灾害引起的伤亡数量。