多灾种耦合综合风险评估方法在城市用地规划中的应用

卢 颖，郭良杰，侯云玥，赵云胜，陈连进

（1.中国地质大学 工程学院，湖北 武汉430074；2.泉州市城乡规划局，福建 泉州362000）

受气候变暖、海平面上升、人类活动等自然或人为因素的影响，沿海地区受多种灾害的威胁越来越严重［1］，单灾种评估已无法满足城市综合风险管理的需求，开展多灾种综合风险评估意义重大［2］.随着多灾种研究的推进，灾害之间由于存在发生时间、影响范围以及影响效果等耦合而呈现复杂关系.忽视这些关系会导致无法捕捉到一些灾害耦合的危险性，而使得综合风险评估的结果不准确［3-5］，因此在多灾种评估中如何处理灾害之间的相互作用关系成为当前多灾种领域的前沿课题［3，5］.

沿海城市往往土地资源紧缺，具有人口、经济和社会资源高度集中的特点，一旦发生灾害，可能造成重大损失［1，6］.在综合考虑各灾种及其相互作用的基础上进行风险评估，并根据评估结果进行合理的土地利用规划，对于实现城市土地资源的可持续利用和自然灾害的综合风险防范具有重要意义.联合国发布的《2005～2015年兵库行动框架：加强国家和社区的抗灾能力》指出：应将灾害风险评估纳入到城市规划和管理中［7］.然而，由于多灾种相互作用的研究仍处于开拓和尝试阶段，大多数评估方法仅将单灾种评估结果直接累加或加权叠加，忽略了灾害之间的相互作用关系［8-9］.并且，这些方法往往以区域行政单位为评估单元［8，10］，评估结果更适用于区域尺度的宏观策略制定，而无法为城市内部用地规划提供具体指导［8-11］.

在近期相关研究中，Klein等［12］提出采用城市规划用地类型表征潜在的易损性，运用风险矩阵法将灾害危险性与用地类型易损性相结合，得到的综合风险图可以指导较为详细的城市用地规划，并将此方法用于评估俄罗斯圣彼得堡多种地质灾害对城市用地规划的综合风险，但是并未考虑各灾害之间的相互作用关系.盖程程等［13］开展了北京市多灾种耦合综合风险评估工作，对存在关联的灾害事件建立了耦合规则，但其耦合规则没有考虑次生灾害的被触发强度.Westen等［14］提出一种触发规则用于处理西班牙巴萨罗那地区各重力成因灾害间的关系，针对不同的触发事件设定被触发事件的耦合等级，但仅仅以等级进行危险性耦合，得到的耦合结果与实际情况相差较大，因此在最终的风险评估中没能使用这些耦合分析的结果.Gruber等［9］考虑高山区多种灾害，风险值则由灾害危险性与用地类型易损性的联合风险赋值矩阵决定，但是由于此评估处于区域尺度，考虑的用地类型较少，无法指导详细的城市用地规划.此外，还有一些多灾种评估没有兼顾城市用地［8，10］或者忽略了多灾种之间的关系［15-16］.也就是说，目前能够考虑多种灾害及其相互作用关系并为城市用地规划提供有效指导的综合风险评估方法及实践少之又少.

本文提出针对城市用地规划的多灾种耦合综合风险评估方法：在单灾种危险性分级的基础上，建立一种基于触发关系的多灾种耦合危险性评估模型，将耦合后的危险性与城市用地规划相结合进行综合风险评估，并以福建省泉州市为例，探讨其实际运用.

1 多灾种及其相互作用关系

多灾种通常指目标区域内多种致灾因子并存或者并发的状况［3，5］.多灾种耦合综合风险评估［13］则是考虑目标区域内多灾种及其相互作用关系，对其导致的潜在风险进行评估.

针对多灾种之间的相互作用关系，已有研究大都使用灾害链［17］、多米诺效应［18］、级联效应［2，19］、耦合关 系［13，19］和 触 发 关 系［14，19］等 来 描 述.Westen等［14］通过综合比较各种关系后发现，只有气象起源或地球内动力起源（主要为地震和火山喷发）的灾害现象是初始触发事件，因而可从触发关系的角度入手，逐步实现灾害链等复杂关系的综合评估.本文以此为参考，从触发关系（不包括灾害链）的角度进行研究区多灾种耦合风险评估.

2 针对用地规划的多灾种耦合综合风险评估方法

在多灾种评估中，灾害风险R（risk）一般由致灾因子的危险性H（hazard）和承灾体的脆弱性V（vulnerability）（暴露度也被归为脆弱性）所确定，即R=f（H，V）.

2.1 多灾种耦合危险性评估

为了提高多灾种耦合危险性评估的准确性，用危险性指数H表征各灾种及其指标的危险性，危险性指数与危险性等级的对应关系如表1所示.

表1 危险性指数与危险性等级的对应关系Tab.1 Corresponding relationship between hazard index_______and hazard level

2.1.1 确定各灾种的初始危险性指数 确定单灾种初始危险性指数并进行危险性分级，是多灾种耦合分析的基础.采用指标权重法计算各灾种初始危险性指数，并依据表1进行分级.

设区域内共有m种灾害，对于每一评价单元，灾害i的初始危险性指数用Hi表示，计算公式如下：

式中：m为灾种总数，灾种用i标记，i=1，2，…，m；n为灾害i的指标个数，指标用j标记，j=1，2，…，n；ωij为第j个指标对应的权重，；H ij为第j个指标对应的危险性大小.

2.1.2 基于多灾种耦合的危险性指数修正 在单灾种危险性分级的基础上进行触发关系分析.若灾害之间存在触发关系，则表明被触发灾害的初始危险性指数H i不能完全反映其危险性，需要依据触发关系进行调整，在此引入变量ΔH i来表征初始危险性指数的改变量.

建立基于触发关系的空间耦合规则，如表2所示.在触发灾害的初始危险性等级为非常高、高和中的区域，相应被触发灾害的分别为1.0、0.6和0.3；在危险性等级为低或非常低的区域，认为其等级过低而不足以触发次生灾害，即相应=0.若某种灾害不被任何灾害触发，则记其=0；若某种灾害可被多种灾害触发，则对其进行累加.

表2 基于触发关系的多灾种耦合规则Tab.2 Assumption for triggering-triggered relations

依据按照表1中对应关系进行危险性分级，当＞5时认为其等级为非常高.

耦合模型的建立及实现是开展多灾种耦合风险评估的难点.国内外学者对此问题的研究仍处于尝试阶段，既没形成统一理论，更缺乏应用实例［3，5］.由于现阶段对多灾种耦合案例信息的统计缺失，根据经验设定耦合规则并应用GIS技术进行模型实现是当前最优的处理方式［13-14］.在此方式下，充分考虑次生灾害的强度，以危险性指数而非危险性等级进行耦合，提高了评估的合理性，在实际应用中还可依据目标区域内多灾种耦合案例区分不同的触发过程并对相应的进行修正.

2.2 城市用地类型易损性

通常认为易损性是承灾体由于灾害影响而可能遭受损害的程度，按研究内容可以分为物理易损性（physical vulnerability）［20］和 社 会 易 损 性 （social vulnerability）［21］.城市用地类型易损性侧重于物理易损性，即强调灾害发生时在不同城市用地单元上可能造成的潜在人员伤亡、建筑损失、环境破坏等.

为了有效解决多灾种危险性评估结果在城市规划中的实际应用问题，Klein等［12］指出可将用地类型作为易损性.虽然用地类型不像传统的易损指标（如人均GDP、人口密度和人口构成等）便于计算，但是通过城市用地规划的指导，不同的用地类型涵盖了未来城市发展的易损性信息，它可以引导产生人口聚集（如居住用地）、建筑物建设（如商业金融用地）、工业设施分布（如三类工业用地）、应急避难场所分布（如公共管理与公共服务用地）等.城市用地类型与传统的易损性指标相比，更强调不同功能用地空间上的易损性，通过改变城市用地功能属性可以改变相应空间的易损性特征，因此可用城市用地类型表征潜在的易损性.

2.3 针对城市用地规划的多灾种综合风险评估

2.3.1 单灾种风险评估 由于每一种用地类型对不同的灾种呈现出不同的易损性特征，需将耦合后的单灾种危险性分别与城市用地类型相结合进行风险分析，并制定统一的风险分级标准.依据Klein等［12，22］的研究以及专家意见，将规划的城市用地类型下的各灾种风险分为4个等级，用指数R表示，风险分级标准如表3所示.以此风险分级标准为指导，将各灾种危险性与城市用地类型相结合进行风险分析，针对城市用地规划的单灾种风险指数记为Ri，可以表示为

式中：H i′为单灾种修正的危险性指数，V i为城市用地类型易损性，f为危险性与易损性结合的风险函数.由于用地类型易损性不像传统的易损指标便于计算，基于用地类型的风险函数一般由风险矩阵法［9，12］所确定，本文亦采用此方法，详见3.2节所述.

2.3.2 多灾种综合风险评估 在单灾种风险指数Ri的基础上进行多灾种综合风险的计算及综合风险图的绘制.因为修正后的单灾种危险性已经考虑了灾害间的相互作用关系，且评估目的是为了指导城市用地规划，故采用取最大值原则确定综合风险值.即对于每一个评价单元，综合风险值为

2.3.3 评估结果的可视化 地理信息系统（GIS）因其强大的空间信息存储、分析、模拟、显示等功能被越来越多地应用于灾害风险评估与管理、区域规划等领域中.借助GIS手段，可以建立数据库，依据式（1）～（4）完成相关计算，生成单灾种初始危险性图、耦合后的危险性图、基于城市用地规划的单灾种风险图以及综合风险图，实现可视化并进行分析.

表3 基于城市规划用地类型的多灾种风险等级标准Tab.3 Description of potential multi-hazard risk levels for planned land-use types

3 应用实例

以福建省泉州市为例，研究区范围为该市已规划的中心城区（2008—2030年），根据现场调研选取对其城市发展威胁较大的7种灾害进行评估，包括地震、地面沉降、滑坡、崩塌、暴雨、海水入侵及海岸侵蚀.

3.1 多灾种耦合危险性评估

3.1.1 确定各灾种的初始危险性指数 按2.1节所述的初始危险性分级方法，根据基础数据的可提供性、相关文献［13，16，23-25］及专家经验对这7种灾害选取指标并分级，指标权重则依据专家判断由层次分析法（analytic hierarchy process，AHP）确定，最终形成分级方案，如表4所示.以GIS为平台建立基础数据库，按照式（1）完成各指标图层叠加及初始危险性指数的计算，生成各灾种初始危险性图.以地面沉降为例进行图件展示，如图1（a）所示.

3.1.2 基于多灾种耦合的危险性指数修正 对研究区内存在触发关系的灾种进行识别和统计，如表5所示.表中1表示存在触发关系，0表示不存在.

表4 研究区各灾种危险性指标、权重及其分级方案Tab.4 Hazard indicators，weights and their classification scenarios for each single hazard in study area

图1 多灾种耦合风险评估用于地面沉降的中间成果Fig.1 Intermediate results of comprehensive multi-hazard risk assessment for land subsidence

表5 灾害之间的触发关系统计Tab.5 Statistics for triggering-triggered relations among________multiple hazards

由表5可知，研究区内气象起源的触发灾害为暴雨，可触发滑坡或崩塌；地球内动力起源的触发灾害为地震，可触发地面沉降、滑坡或崩塌.

按2.1节建立的耦合规则，在GIS系统中，对研究中存在触发关系的事件进行空间耦合，依据式（2）得到修正的危险指数H i′，并生成耦合后的危险性图.以地面沉降为例进行展示，如图1（b）所示.

3.2 基于城市用地规划的多灾种综合风险评估

3.2.1 风险评估矩阵 将城市用地类型作为潜在的易损性.通过风险矩阵法［12］将耦合后的单灾种危险性与主要的城市用地类型结合进行风险分析.风险分级标准见表3.风险矩阵中各风险等级值的获取则依据盲数理论［26］的专家打分方案，最终的风险矩阵如表6所示.

按照风险评估矩阵，依据式（3），结合GIS技术，将耦合后的危险性图分别与泉州城市用地布局图进行叠加，生成7幅基于城市用地规划的单灾种风险图.以地面沉降为例进行展示，如图1（c）所示.

3.2.2 综合风险的计算及可视化 采用取最大值原则确定综合风险值，即将7幅基于城市用地规划的单灾种风险图进行叠加，依据式（4）生成综合风险图，如图2所示.

3.2.3 评估结果分析 综合风险图（见图2）显示，研究区域内有0.5%的区域处于非常高的风险，主要位于河市镇南部；8.5%的区域处于高风险，在沿海的泉港区及晋江入海口处分布较多；32%处于中等风险，60%处于低风险.这表明在综合考虑多灾种及其耦合作用的基础上，研究区域内大部分区域的用地规划都是合理的或可行的.

在GIS系统中，对图2中各用地类型的潜在综合风险空间分布比r1进行统计，结果显示（见图3）：在已规划区域中，居住用地、公共管理与公共服务用地、商业服务业设施用地和绿地中都存在极少量的非常高风险区，且高风险区主要集中在这4类用地类型中.因此，对这4类用地类型的详细规划和管理需特别引起重视.

对每一类用地类型的潜在风险进行详细分析，由于篇幅有限，以居住用地为例进行说明：在GIS系统中，提取居住用地综合风险及各单灾种风险空间分布信息，其综合风险分布如图4所示，对居住用地的各灾种风险等级比（r2）见图5.结果显示：居住用地的非常高风险来源于潜在的滑坡灾害（见图5）.经调查，该区存在一个土方量为420 000 km3的不稳定滑坡，且在耦合分析时可由地震及暴雨触发而增加了触发增量，因而综合风险非常高.建议调整规划用地类型或加强对此滑坡隐患点的工程监测和治理.

居住用地的高风险则主要源于海水入侵（见图5），分布在沿海的泉港区、张坂镇南部、晋江入海口等地（见图4）.在这些地区建立居住区，应避免居民直接饮用地下水，并且严格控制地下水开采，加强地下水监测.少量的高风险来源于潜在的地震及耦合后的地面沉降灾害（见图5），分布在池店镇东部、浮桥镇、双阳镇及晋江入海口等地（见图4）.这些区域应避免规划高层居住区，并且建立严格的建筑审批制度.中等风险则分布在鲤城区东部、丰泽区西南部及洛江区西部等地（见图4），这些区域规划为居住用地是可行的，可酌情采取一些必要的风险管理对策.低风险区域受多种灾害的威胁较小，无须采取风险管理措施.对于其他类型的用地，都进行了类似的分析.

表6 基于城市规划用地类型的多灾种风险矩阵Tab.6 Risk Matrix of potential multi-hazard with respect to urban land-use types

3.3 评估方法和结果的不确定性分析

图2 基于城市用地规划的研究区综合风险图Fig.2 Integrated risk map for urban land-use planning

图3 研究区各用地类型的多灾种综合风险统计图Fig.3 Statistical chart of potential multi-hazard risk with respect to each land-use type in study area

不确定性是与风险相伴而生的问题.由于多灾种耦合综合风险评估的研究仍处于初步发展阶段，关于其不确定性问题的探讨甚少.欧盟第7框架计划（new multi-hazard and multi-risk assessment methods for Europe，MATRIX）项目团队于2014年首次公布了有关灾害风险评估中不确定性问题的研究成果，且仅对地震单灾种进行阐述［27］.由此可以预见，不确定性问题作为灾害风险评估无法回避的问题必将成为今后多灾种领域的又一研究热点.

针对城市用地规划的多灾种耦合风险评估，一方面，灾害的发生具有随机性，即存在客观不确定性；另一方面，由于基础数据缺乏，且多灾种与城市用地相互作用系统是一个复杂系统，而研究者对此系统的分析判断能力存在局限性，在实际评估中，难以精确判断和预计不同灾种对不同用地类型的破坏机理、强度、造成的损失等.为了能够实现风险评估，必须对复杂的灾害危险性、耦合作用以及用地类型易损性等进行某些简化和假设，以此作为分析和评估的基础，这就引入了主观不确定性.

图4 研究区居住用地的综合风险图Fig.4 Multi-hazard risk map with respect to residential land in study area

图5 研究区规划居住用地的各灾种风险统计图Fig.5 Statistical chart of potential risk of each hazard with respect to residential land in study area

在以泉州市为例进行实际应用的过程中，这些不确定性问题主要体现在以下几个方面.1）基础数据的可提供性是本方法应用的主要制约因素.2）很大程度上影响单灾种分级方案指标的选择及评估结果的科学性.3）建立多灾种耦合危险性评估模型，但权重及耦合参数的设定是平衡专家意见、学科经验及笔者认识的结果，具有一定的主观局限性；在评估城市规划用地类型下各灾种的风险等级时，虽采用盲数理论的专家打分方案以减少评估的未确知因素，但这种不确定性依然存在且无法消除.因此，本案例的评估结果是针对城市用地规划的相对风险等级而非绝对风险值，且这些风险等级由于现阶段基础数据不完备及研究者的认识能力有限而存在一定的主观不确定性.

针对这些不确定性问题，本文方法的可拓展之处在于：首先，在采用指标权重法进行单灾种分级时，可依据基础数据的提供性选取数据精度较高的指标；其次，在已建立的耦合模型的基础上，可依据相应耦合案例对进行修正；最后，在基于城市规划用地类型的多灾种风险矩阵中，可尝试使用不确定性信息处理方法获取风险值.

4 结 论

（1）在单灾种分级的基础上建立基于触发关系的多灾种耦合危险性评估模型.该模型考虑了次生灾害的被触发强度，且采用危险性指数而非危险性等级进行耦合，提高了多灾种耦合危险性评估的准确性.

（2）通过风险矩阵将多灾种耦合危险性与城市用地规划有效结合，获取的结果可以帮助决策者和城市规划者快速识别规划用地的综合风险，提出的规划策略和风险管理对策也更加具有针对性.

（3）泉州市实例应用表明：该方法便于结合GIS技术进行实现，且GIS数据库支持不断更新与拓展，具有极大的可拓性和应用潜力，评估结果符合泉州市实际现状，能够反映不同用地类型的多灾种风险的差异性和相似性，可为泉州市城市规划及综合风险管理提供科学依据.

针对城市用地规划的多灾种耦合综合风险评估是一个新的交叉学科课题，今后还有很多工作需要开展.例如，理论上如何在多灾种评估中系统或较为有效地考虑各灾种之间的相互作用关系，并予以实施是当前多灾种领域亟需解决的难题.本文对触发关系进行了尝试性研究，且在城市规划中进行了实施，得到的风险值是针对城市用地规划的相对风险值.多灾种评估中的不确定性问题及灾害链、多米诺效应等更复杂的关系，还有待进一步研究.在今后的实践过程中，还须加强多灾种耦合过程的跟踪、监测和信息记录，建立基于城市用地单元的多灾种信息数据库，以完善基础信息，提高评估精度.

（

）:

［1］SHEIK M P，CHANDRASEKAR N.Coastal erosion hazard and vulnerability assessment for southern coastal Tamil Nadu of India by using remote sensing and GIS［J］.Natural Hazards，2011，69（3）：1295- 1314.

［2］KAPPES M S，KEILER M，GLADE T.From single to multi-hazard risk analyses：a concept addressing emerging challenges［C］∥ Proceedings of the‘Mountain Risks’International Conference.Strasbourg：CERG Editions，2010：351- 356.

［3］KAPPES M S，KEILER M，ELVERFELDT K，et al.Challenges of analyzing multi-hazard risk：a review［J］.Natural Hazards，2012，64（2）：1925- 1958.

［4］SELVA J.Long-term multi-risk assessment：statistical treatment of interaction among risks［J］.Natural Hazards，2013，67（2）：701- 722.

［5］明晓东，徐伟，刘宝印，等.多灾种风险评估研究进展［J］.灾害学，2013，28（1）：126- 132.MING Xiao-dong，XU Wei，LIU Bao-yin，et al.An overview of progress on multi-risk assessment ［J］.Journal of Catastrophology，2013，28（1）：126- 132.

［6］LOZOYA J P，SARDA R，JIMENEZ J A.A methodological framework for multi-hazard risk assessment in beaches［J］.Environmental Science and Policy，2011，14（6）：685- 696.

［7］ISDR U N.Hyogo framework for action 2005-2015：building the resilience of nations and communities to disasters［C］∥ Extract from the Final Report of the World Conference on Disaster Reduction.Kobe：WCRD，2005.

［8］SILVIA M M，DILLEY M.A comparison of selected global disaster risk assessment results［J］.Natural Hazards，2008，48（3）：439- 456.

［9］GRUBER F E，MERGILI M.Regional-scale analysis of high-mountain multi-hazard and risk indicators in the Pamir（Tajikistan）with GRASS GIS［J］.Natural Hazards and Earth System Science，2013，13（11）：2779- 2796.

［10］LIU B Y，SIU Y L，MITCHELL G，et al.Exceedance probability of multiple natural hazards：risk assessment in China's Yangtze River Delta［J］.Natural Hazards，2013，69（3）：2039- 2055.

［11］辜智慧，徐伟，葛怡，等.基于城市用地单元的自然灾害风险评估概念模型［J］.中国安全科学学报，2012，22（4）：110- 115.GU Zhi-hui，XU Wei，GE Yi，et al.Conceptual model for natural disaster risk assessment based on urban land use unit［J］.Chinese Safety Science Journal，2012，22（4）：110- 115.

［12］KLEIN J，JARVA J，FRANK-KAMENETSKY D，et al.Integrated geological risk mapping：a qualitative methodology applied in St.Petersburg，Russia［J］.Environmental Earth Sciences，2013，70（4）：1629- 1645.

［13］盖程程，翁文国，袁宏永.基于GIS的多灾种耦合综合风险评估［J］.清华大学学报：自然科学版，2011，51（5）：627- 631.GAI Cheng-cheng，WENG Wen-guo，YUAN Hongyong.Multi-hazard risk assessment using GIS in urban areas［J］.Journal of Tsinghua University：Science and technology，2011，51（5）：627- 631.

［14］WESTEN C V，MELANIE S，KAPPES M S，et al.Mountain risks：from prediction to management and governance［M］.Dordrecht：Springer Netherlands，2014：201- 231.

［15］GRUTHAL G，THIEKEN A H，SCHWARZ J，et al.Comparative risk assessments for the city of Cologne：storms，floods，earthquakes［J］.Natural Hazards，2006，38（1／2）：21- 44.

［16］BATHRELLOS G D，GAKI P K，SKILODIMOU H D，et al.Assessment of rural community and agricultural development using geomorphological-geological factors and GIS in the Trikala prefecture（Central Greece）［J］.Stochastic Environmental Research and Risk Assessment，2012，27（2）：573- 588.

［17］SHI P J.On the role of government in integrated disaster risk governance：based on practices in China ［J］.International Journal of Disaster Risk Science，2012，3（3）：139- 146.

［18］DELMONACO G，MARGOTTINI C，SPIZZICHINO D.Report on new methodology for multi-risk assessment and the harmonisation of different natural risk maps（Del 3.1，ARMONIA）［R］.Genova：European Community，2006.

［19］ MARZOCCHI W， GARCIA-ARISTIZABAL A，GASPARINI P，et al.Basic principles of multi-risk assessment：a case study in Italy［J］.Natural Hazards，2012，62（2）：551- 573.

［20］PAPATHOMA-KöHLE M，KAPPES M，KEILER M，et al.Physical vulnerability assessment for alpine hazards：state of the art and future needs［J］.Natural Hazard，2011，58（2）：645- 680.

［21］CUTTER S L，BORUFF B J，SHIRLEY W L.Social vulnerability to environmental hazards［J］.Social Science Quarterly，2003，84（2）：242- 261.

［22］THIERRY P，STIELTJES L，KOUOKAM E，et al.Multi-hazard risk mapping and assessment on an active volcano：the GRINP project at Mount Cameroon［J］.Natural Hazard，2008，45（3）：429- 456.

［23］梁和成，周爱国，唐朝晖，等.城市建设用地地质环境评价与区划［M］.武汉：中国地质大学出版社，2010.

［24］LUO W L，SHEN X K，ZHOU H L，et al.Study of the features and the influential factors of land subsidence in the Eastern Part of Beijing，China ［J］.Geotechnical Special Publication，2014，243：208- 218.

［25］叶宾宾.泉州降水精细化空间分布特征及其与地形关系浅析［D］.南京：南京信息工程大学，2013：14- 23.YE Bin-bin.Elaborate Spatial distribution of precipitation in quanzhou and analysis of relationships between precipitation and terrain［D］.Nanjing：Nanjing University of Information Science and Technology，2013：14- 23.

［26］王光远.论未确知性信息及其数学处理［J］.哈尔滨建筑工程学院学报，1990，23（4）：52- 58.WANG Guang-yuan.Uncertainty information and its mathematical treatment［J］.Journal of Harbin Architecture and Engineering Institute，1990，23（4）：52- 58.

［27］TYAGUNOV S，PITTORE M，WIELAND M，et al.Uncertainty and sensitivity analyses in seismic risk assessments on the example of Cologne，Germany［J］.Natural Hazards and Earth System Science，2014，14（6）：1625- 1640.