黄土高原地震滑坡与强震动记录数据库管理系统的构建与应用

地震滑坡资料与实际强震动记录是开展地震滑坡成灾机理研究的重要基础数据,如何科学管理这些数据资料,并最大限度地发挥其科学价值仍然是一个值得探索的问题。文章以黄土高原地区7次典型历史地震诱发黄土滑坡和125次地震(2001—2018年)的强震动记录为基础数据,依托开源GIS平台+MySQL数据库,构建黄土高原地震滑坡与强震动记录数据库管理系统。该系统界面规范、友好,参数获取方便,图表展示清晰、流畅,不仅为地震滑坡和强震动记录数据资料的管理与应用提供一个科学便捷的平台,也为黄土地震滑坡成灾机理研究提供坚实的数据基础,亦对黄土高原地区防灾减灾工作的开展具有一定的参考价值。     

2014年鲁甸MS6.5地震触发滑坡编录及其对一些地震参数的指示

2014年8月3日云南鲁甸MS6.5地震不仅直接造成建筑倒塌,还触发了大量的山体滑坡,一些滑坡掩埋了居民点,造成了严重的人员伤亡与财产损失.基于震后高分辨率TH01-02与SJ9A卫星影像,震前高分辨率GF1卫星影像,采用人工目视解译方法,建立了鲁甸地震滑坡编录图.并基于部分滑坡的野外照片与超高分辨率航片对解译结果进行验证.结果表明,鲁甸地震至少触发了1 024处面积＞100m2的滑坡.这些滑坡分布在一个面积约为250km2的区域内,滑坡覆盖面积为5.19km2,总体积约为2.2×107m3.滑坡分布区内的滑坡点密度约为4.03个·km-2,面密度约为2.04％,滑坡平均剥蚀厚度约为86.7mm.对震中周围不同方位的滑坡数量与面积进行了统计,结果显示,滑坡总体上呈NW-SE方向分布,且大多数滑坡位于震中的SE方向.这表明鲁甸地震发震构造更可能是一条NW向断层,且破裂方向是自NW向SE.这与其他地震、地质、地球物理等方面的证据所表现出来的发震断层性质相吻合.将鲁甸地震滑坡分布面积、滑坡数量、面积、体积与全球其他震例进行对比,结果表明,鲁甸地震滑坡分布区较小,但是大滑坡较多、滑坡体积相对大.这反映了鲁甸地震具有震源浅与地震能量衰减迅速的特点.     

2013年芦山地震滑坡空间分布分析——以太平镇东北方向的一个典型矩形区为例

选择2013年芦山地震中受到强烈地震动的太平镇东北方向一个20kmxl0km的矩形区作为研究区,开展芦山地震滑坡空间分析工作.基于震后野外调查与高分辨率航片人工目视解译法,建立了研究区内地震滑坡空间分布图.结果表明,在研究区内芦山地震至少触发了688处滑坡,区域内滑坡点密度为3.44个/km2.统计了地震滑坡密度与地形因子、地层岩性、地震因子的关系.滑坡最易发高程为1 600～1 800m;滑坡密度大体随着坡度的增加而增加;E与SE方向是地震滑坡的易发坡向与高发坡向;凸坡的地震滑坡易发性最高.二叠系阳新组(Py)的灰岩与白云岩、元古界花岗岩(Pt)是地震滑坡的易发岩性.地震因子与滑坡密度的统计结果表明,大体上PGA值越大,地震烈度越高,地震滑坡越易发生;地震滑坡与距离双石-大川断裂的统计结果表明在双石-大川断裂的出露处地震滑坡密度未发生突变.因子的交互统计结果表明了坡度与PGA这2个因子作用于地震滑坡的独立性.     

基于地震滑坡的汶川M8．0地震烈度分布图高烈度区修正

2008年5月12日汶川MW7．9地震触发了大量的滑坡。基于地理信息系统和遥感技术,建立了一个详细完整的汶川地震滑坡编目图。该编目图显示,汶川地震中滑坡主要分布在约110000km。的区域内,滑坡的面积为1160km2。这些滑坡是依据地震前后的高分辨率卫星遥感和航片,使用人工目视解译方法圈定出每一个单体滑坡,每个单体滑坡对应一个区要素,并对部分滑坡进行了现场调查验证。基于此,本文选择一个面积为44031km2的滑坡高密度区域作为研究区,区内滑坡数量为196007个,面积为1150．622km2。在原汶川M8．0地震烈度分布图的基础上,基于地震滑坡面积百分比（LAP）分析,建立了地震滑坡面积百分比（滑坡密度）与地震烈度匹配定量标准：LAP≥70％,为XII烈度区;20％≤LAP〈70％,为XI烈度区;5％≤LAP〈20％,为X烈度区;1％≤LAP《5％,为IX烈度区;LAP〈1％,为VIII烈度区及低于VIII烈度的区域。对原烈度图覆盖约123832km。的VII及VII以上烈度区边界进行了修正。修正前后的烈度图与地震滑坡的匹配度分别为93．8％和95．8％,可见修正后地震滑坡与地震烈度的匹配度提高了2．0个百分点。本文所制定的地震滑坡面积百分比与地震烈度的定量关系,可为其他地震事件,尤其是发生于高山峡谷区地震事件的烈度分布图制作提供方法参考、标准和依据。     

2020年阿拉斯加两次MW>7.5地震的应力触发关系研究

地震应力触发理论认为,相邻的大地震之间存在应力触发关系。2020年在阿拉斯加俯冲带发生了两次M_W>7.5地震,分别为7月22日M_W7.8地震和10月19日M_W7.6地震,为研究“双震型”大地震的触发作用提供了机会。利用近场的GPS同震位移和远场的地震波形资料,采用不同的断层参数,反演了M_W7.8地震的4个滑动破裂模型,并结合初始破裂模型,计算了在M_W7.6地震震中位置引起的库仑应力变化。研究结果显示,在5个模型中有4个计算出的应力变化都远远超过了触发阈值0.01 MPa,表明前一个地震对后一个地震有明显的触发作用。根据M_W7.6地震发震断层两侧的闭锁程度变化,以及该区域板块俯冲速率,估算M_W7.8地震使M_W7.6地震提前32年发生。     

基于公里网格单元的地震滑坡人员死亡率评估模型——以2014年鲁甸MS6.5地震为例

为提高地震人员伤亡预评估的准确性,完善地震灾害损失评估模型,科学评估地震地质灾害可能造成的人员伤亡数量,以2014年鲁甸MS6.5地震滑坡人员死亡数据为样本,建立了一种基于公里网格单元的地震滑坡人员死亡率logistic回归模型。采用F检验法对所建模型的合理性进行检验,计算得到的F值无限接近于1,表明模型无限接近于完全模型,具有极好的数学统计意义。根据模型评估的死亡率反演得到鲁甸地震灾区滑坡致死人数为233人,比实际少17人,总精确度为93.20%,实际死亡人数与模型识别人数在空间上也有很好的一致性,说明计算得到的地震滑坡人员死亡率是实际死亡人数的良好指标。     

M5'模型树算法和无人机航拍影像在震后崩塌滑坡分析中的应用——以鲁甸M_S6.5地震为例

利用高分辨率无人机航拍影像,结合基本地质资料,分析了影响2014年8月3日鲁甸M_S6.5地震震后崩塌滑坡分布的主要因素,使用M5'模型树算法建立了崩塌滑坡密度与其影响因子间的分段线性模型,并检验了该模型的预测性能。结果表明,地震诱发的崩塌滑坡分布受断层距、岩土体结构强度、坡度、植被条件等的影响,其中,断层距、岩土体结构强度及坡度等为主要影响因素;崩塌滑坡易发生在结构破裂区及坡度为38°~50°的区域,其分布密度随断层距的增加而减小;利用M5'模型树算法建立的模型体现出崩塌滑坡分布与其影响因子间复杂的非线性关系,模型检验结果显示,理论模型与实际关联函数间的相关系数达到0.88,因此,可利用该模型预测地震诱发的崩塌滑坡的分布。     

2012年4月11日M8.6印度洋地震的深远影响:短期全球触发后为更长期全球阴影

2012年4月11日发生的M8.6印度洋地震是一次不寻常的洋内走滑大地震。在几天中,距离震中很远(数千千米)处的全球M≥4.5和M≥6.5地震活动发生率都有提高。走滑型主震通过其勒夫波触发了全球性的走滑余震,并持续了数天。但在随后的95天中,M≥6.5地震的活动率下降到零,而在此期间M≤6.0的全球地震发生率则与背景接近。在过去的一个世纪中,震后95天的时间内很少不发生M≥6.5的地震,大型主震之后更是没有过。同时在过去的一个世纪中,历次大主震(M≥8)后的静止期或者是非常短,或者是在给定主震后经过很长时间才开始,对于这一点我们无法给出相应的物理解释。2012年主震的独特之处体现在两个方面:短暂的全球地震活动增多和随后很长的静止期。我们认为,这两者之间是有联系的,且可以将这种模式解释为全球断层系动态应力作用的结果。瞬时动态应力可以促进短期的触发,但自相矛盾的是,它也可以暂时抑制破裂,直到背景构造负荷将断层系恢复到主震前的应力水平。     

地震崩塌滑坡危险性应急评估模型效果对比——以2022年6月1日MW5.8芦山地震为例

震后快速准确获取同震崩塌滑坡的分布范围和评估可能的灾害损失对地震灾害应急救援和安置规划至关重要,2022年M_W5.8芦山地震为开展不同评价模型在区域地震崩塌滑坡的快速评估研究提供了宝贵窗口。文中选用基于机器学习方法建立的新一代中国地震滑坡危险性模型(下文称Xu₂₀₁₉模型)和简易Newmark模型进行了2022年M_W5.8芦山地震崩塌滑坡快速应急评估研究,基于本次事件的地震滑坡数据库(包括2 352处崩塌滑坡,面积为5.51km²),探讨2种模型的准确性和适用性。结果表明,基于Xu₂₀₁₉模型计算得到的崩塌滑坡面积为5.07km²,与实际崩塌滑坡面积十分吻合,而基于Newmark模型计算预测的崩塌滑坡面积达21.3km²。从评估结果的空间分布上来看,2种模型预测的高危险区域基本一致,高危险区域基本位于发震断层的上盘。但Xu₂₀₁₉模型对于西北区域(崩塌滑坡集中发育区)的危险性预测明显偏低,而Newmark模型对西...     

基于高分卫星遥感影像的地震应急滑坡编目与分布特征探讨——以2017年8月8日九寨沟7.0级地震为例

地震应急是减轻地震灾害的重要途径之一。地震应急工作具有时间紧迫、事关重大的特点。2017年8月8日四川九寨沟M_S7.0级地震发生后,为快速、准确地提供地震引发的滑坡灾害分布,本研究基于震后第一天获取到的高分辨率遥感影像（高分二号卫星影像、北京二号卫星影像）,通过人工目视解译的方法初步建立了四川九寨沟地震滑坡编目。结果表明,该地震至少触发了622处同震滑坡,分布在沿使用影像边界框定的面积为3919km2的区域内。本研究还利用这个地震滑坡编目,统计了九寨沟地震滑坡数量和滑坡点密度（LND）与地形（坡度、坡向）、地震（地震烈度、震中距）等因素的关系。结果表明九寨沟地震滑坡多发生在坡度为20°—50°的区域内,滑坡的易发性随着坡度的增加而增加。受地震波传播方向的影响,E、SE向是地震滑坡较易发生的坡向。滑坡的易发程度和地震烈度呈正相关,即随着烈度的增大,滑坡易发性增大。滑坡易发性还随着震中距增加而降低,这是由于地震波能量随震中距的增加而衰减导致的。     

用现今小地震研究历史强震的震源断层——以1830年河北磁县7(1/2)级地震为例

１８３０年磁县７１２级地震是一个活动水平高、持续时间长的强震序列。近年来邯郸遥测地震台网记录到沿磁县地震极震区方向发生的大量小地震。根据对这些小地震的震源位置、震源机制的三维空间分布的分析,认为磁县地震的震源断层是ＮＷＷ向近于直立的左旋走滑断层,它和磁县地震的等震线、地表破裂带特征相符合。这个例子说明在地震学和地震地质学相结合的基础上,有可能由历史大地震区内现今小地震的群体特征,推测历史大地震的震源断层空间取向及其运动方式     

“重复地震”的若干地震学问题——1999年岫岩地震序列及辽宁区域台网的应用研究

波形相关意义的"重复地震"在自然界中普遍存在,据Schaff和Richards(2004)对中国大陆及邻区的研究表明,其比例约占地震总数的10%甚至更多。近年来随着数字地震观测技术的普及和发展,有关"重复地震"的研究引起越来越多的关注,"重复地震"已被广泛应用于检测地壳介质性质变化、评估地震台网的定位精度、地震"复发"和断层深部滑动速率的估算;在提高定位和震相识别精度、断层结构、震源物理及地震预测研究等方面都显示出值得关注的应用潜力。     

基于机器学习的地表破裂自动识别和填图——以2021年青海玛多MW7.4级地震为例

大地震的同震地表破裂高分辨率填图对于理解破裂传播机制、量化地震灾害和地震危险性等至关重要;无人机航片和地形数据为地表破裂研究提供大量的高精度数据.同时基于海量数据的人工填图耗时费力,效率较低;机器学习(Machine learning)技术的发展为快速处理这类高分辨率图像数据提供了新思路.本文以2021年玛多M_W7.4级地震震后高精度无人机航片为基础数据,展示了机器学习技术快速、高效识别地表破裂的潜力.基于卷积神经网络Canny算法,详细讨论了无人机数字正射影像的处理流程和关键步骤,包括准备训练数据、训练和后处理.对比人工识别和机器识别的结果显示,本文所提出的方法可以有效地绘制地表破裂,为未来研究大地震地表破裂提供新思路.同时,展示了机器学习在地震地质、地表过程和地貌等定量研究中的巨大优势和广阔前景.