云南漾濞6.4级地震灾情快速评估

震后开展灾情快速评估工作可为政府部门确定重点救援区域、部署救援队伍、调配救援物资等应急处置提供重要的信息决策支撑。基于云南新研制的地震灾害快速评估系统,完成了2021年5月21日云南大理漾濞县6.4级地震灾情快速评估及科技保障任务。实际应用结果表明:经过升级优化的地震快速评估软件,在系统稳定性、运算效率、应急产品丰富度、信息推送服务等技术指标有了显著提升,灾情评估结果与实际结果基本一致,满足互联网时代应急处置的新要求。     

滇西地区基于单体建筑的震后人员死亡评估方法研究

震后死亡人数是震后应急响应和救援工作的重要基础。为提高震后人员死亡评估精度,从云南县(区)城镇化率、建筑面积和建筑楼层数考虑,提出了一种基于单体建筑的人口分配方法;以建筑的致死性矩阵为基础,使用滇西地区建筑数据和历史地震死亡人数计算本地化修正系数,得到了该地区基于建筑类型的人员死亡评估方法;以2021年云南漾濞6.4级地震为例,对评估结果进行了检验和三维可视化。结果表明：(1)基于单体建筑的人口分布空间比传统的公里格网更加精细;(2)基于单体建筑评估的受灾人口和实际受灾人口之间的相对误差为3.7%,精度较好;(3)基于单体建筑致死性评估的漾濞地震人员死亡评估结果为0～3人,符合实际情况;(4)三维表达能够增加信息表达的直观性和丰富程度。     

基于主成分分析与BP神经网络相融合的云南砖木结构房屋地震破坏评估方法

针对如何选取合适的影响因素进行砖木结构房屋地震破坏合理评估的问题,提出了一种基于主成分分析与BP神经网络相融合的云南砖木结构房屋地震破坏评估方法,通过灰色关联度模型剔除对砖木结构房屋发生地震破坏影响较小的因素得到关键因子,采用主成分分析法从关键因子中提取主要成分,最后利用BP神经网络模型对处理后的主要成分进行训练,建立砖木结构房屋地震破坏比例预测模型,并利用实际震例进行验证。结果表明：本文方法相较于传统脆弱性曲线拟合方法和BP神经网络模型,其预测的砖木结构房屋地震破坏比例的预测精度更高、普适性更好。     

宁洱6.4级地震灾情信息特征分析

选取2007年宁洱6.4级地震发生后一周内政府收集和上报的灾情档案资料中的人员伤亡和财产损失两类主要信息为基础资料,对该次地震的灾情信息特征进行初步分析.结果表明:灾情信息来源的主体为县级政府部门,描述方式以定量为主.在地震发生后4h内以定性描述为主,4～12h期间定性描述与定量描述都有,12 h后以定量描述为主;单位时间内灾情信息获知和上报的数量随时间的推移先逐渐增加,到达峰值后逐渐减少,最后趋于平稳;从信息随时间变化情况来看,最先掌握死亡人员数量,接着是重伤人员数量,最后是受伤人员数量;与地震灾害直接经济损失评估结果比较,房屋损失信息更直接地反应本次地震损失.     

震后基于无人机快速三维定位被困人员模型研究

针对震后被倒塌建筑物或滑坡埋压的被困人员进行快速定位问题，在阅读大量相关文献的基础上，以无人机遥感、地理信息空间和三维质心定位技术为基础，采用无线信号RSSI测距模型，配合影像范围内基准影像数据辅助定位，构建震后基于无人机快速三维定位被困人员模型。以红河县城区作为研究区，对城区内特定人员进行三维定位，结果表明该模型定位精度高，对震后废墟被困人员营救具有重要意义。     

云南地震应急视频会议组网模式研究

本文在分析国内地震系统应急视频会议建设、组网和应用的基础上，根据云南地震应急视频会议部署现状，提出日常、演练和应急3种视频会议组网模式，并在2018年8月13日、14日2次通海5.0级地震和2018年9月8日墨江5.9级地震应急视频会议组网中进行检验，检验结果表明，该系统符合云南省实际情况。     

基于GIS的城市警务决策支持系统的设计和开发

地理信息系统(G IS)应用于警务工作是当今警务信息化的重要内容之一。本文以实际的警用地理信息决策支持系统为基础,详细阐述了基于G IS的警务决策支持系统的设计原理和实现过程,为G IS在警务工作中的应用提供了一种解决思路和实现方法。     

基于ArcEngine的应急三维可视化系统设计与实现

提出余震序列动态模拟及三维地形可视化功能的实现方法和关键技术,以ArcEngine为开发组件,实现数据管理、专题查询、余震地震序列动态模拟、地形分析、三维浏览显示等功能,建立基于ArcEngine的应急三维可视化系统.在2011年云南缅甸7.2级地震、盈江5.8级地震应急响应中,系统在余震序列动态模拟生成、三维地形模拟显示、影响场破裂方向初判及宏观震中判定上取得良好效果.     

加权泰森多边形在2021年云南漾濞MS6.4地震后应急避险安置点责任区划分的应用

以2021年云南漾濞M_S6.4地震为例,综合考虑震后安置点容量和居民点实际情况,利用无人机航拍影像,通过人工矢量化、空间插值、震害识别、创建缓冲区等预处理,获得基于建筑物的漾濞县城震后应急避险安置点容量、建筑物破坏程度、交通便捷度和人口分布4个影响因素精细化数据。以影响因素为权重因子,使用加权泰森多边形法对研究区应急避险安置点进行责任区划分。结果表明：责任区失去住所人数均未超出对应安置点容量,位于老城区责任区的安置点服务压力较大,新城区责任区的安置点服务压力较小。     

四川九寨沟7.0级地震微博灾情信息特征分析

通过调用新浪微博官方API的方式,获取了四川九寨沟7.0级地震震后微博信息,对获取到的数据进行了分类统计、微博词频统计与时空特征分析。统计分析结果表明:在分类统计方面,地震发生之后24h内,与地震相关微博中人的反应占比达到73%,救援行动占比达到11%,这时由于微博本身特点以及民众对救援的期望造成的。在词频统计方面,高频名词表明震后24h内微博上的热点事件,而高频动词与形容词表明民众会在震后变得焦虑和不安并通过在网上互相激励来缓解震后的不安和焦虑。时间特征表明震后0~4h内,有大量和地震相关的灾情信息会通过微博博文内容的方式发布,而随着应急救援行动的进行,在震后12h以后,民众的情绪会逐渐平复,社会及民众的关注度也随之降低。空间特征表明,由于震后通信中断与网络堵塞,微博灾情基本成点状分布,随后随着通信与网络的恢复、应急救援的进行微博灾情逐渐变为带状分布并进而趋向于形成一个面。