张 莹 郭红梅 尹文刚 申 源
基于多因素的地震灾害人员伤亡评估模型研究1
张 莹1)郭红梅1)尹文刚2)申 源1)
1)四川省地震局,成都 610041 2)武警警官学院,成都 610213
针对目前常用的地震灾害中人员伤亡评估模型和方法评价指标单一,难以有效体现不同因素对人员伤亡的影响等不足,根据地震造成人员伤亡的原因,对造成人员伤亡的主要因素进行系统分析,在此基础上,选取参与构建地震灾害人员伤亡评估模型的因素。采用多元非线性回归法建立了基于多因素的地震灾害人员伤亡评估模型,并考虑次生地质灾害对评估结果的修正,提高了人员伤亡评估模型在四川地区的适用性及评估结果的可靠性。
地震灾害 人员伤亡 影响因素 评估模型
通过对“5·12”汶川特大地震、“4·20”芦山强烈地震的应急工作进行总结可以发现,可靠的人员伤亡等应急快速评估结果是震后科学开展应急处置工作的基础和前提。目前常用的人员伤亡评估方法大致可分为两类(李媛媛等,2014),一类是不考虑建筑破坏情况,通过回归分析历史震害数据得到的基于地震参数(主要是震级和烈度)的人员死亡数或死亡率的经验公式;另一类是通过建筑易损性分析得到的基于建筑破坏率的人员死亡率模型。两类模型在对人员伤亡进行评估时,都未充分考虑除震级和烈度外的其他因素对人员伤亡的影响,评估指标相对单一。而地震灾害中人员伤亡的应急评估是一项应考虑诸多影响因素的非线性复杂问题,除取决于地面震动强度外,还与建筑物工程结构特征和人口分布相关(FEMA,2005)。针对现有评估模型和方法的不足,目前日本、欧洲和美国已开展了较为深入的研究。日本在考虑人口分布的基础上,建立了根据烈度、建筑物毁坏情况、人口密度推算人员伤亡的模型;欧洲基于第一代地震灾害损失评估模型,研究了考虑断层性质、场地各向异性及震源深度等因素在内的人员伤亡评估模型;美国在构建的半经验模型中,依靠建筑物清单、不同结构建筑物内不同时间的人口数量、区域建筑物结构易损性和已知建筑物倒塌下的死亡率对地震人员伤亡进行预测(李永强,2009)。国内的尹之潜、马玉宏、刘金龙和施伟华等考虑了较多因素,构建了人员伤亡评估模型。尹之潜考虑了房屋毁坏比、发震时间和人口密度等因素;马玉宏考虑了震区房屋倒塌率、发震地区的人口密度及地震发生时间等;刘金龙等则考虑了震中烈度、震级和人口密度因素;施伟华将云南地区作为研究对象,考虑到各地区地理环境和经济水平的不同,将人口密度、地震发生时间、震中位置等作为辅助参数修正了原评估模型(陈尧,2015)。
本文在上述研究的基础上,对影响人员伤亡的主要因素进行系统分析,选取构建地震灾害人员伤亡评估模型的因素,提出多因素下的地震灾害人员伤亡评估模型框架,将从四川历史典型破坏性地震案例中整理出的实际地震死亡人数代入模型框架进行统计回归,得出基于多因素的地震灾害人员伤亡评估模型,并考虑次生地质灾害对评估结果的修正,提高了人员伤亡评估模型在四川地区的适用性及评估结果的可靠性。可更好地满足政府及防震减灾部门开展地震应急工作的需求,为其科学、合理地进行应急处置提供有效的信息支撑。
有专家学者以致死性地震为研究对象,对地震造成人员伤亡的原因进行了分析,认为主要原因有房屋等建筑物的破坏和倒塌、地震引发的次生灾害、社会环境的破坏3类,其中75%的人员死亡是由于建筑物的破坏和倒塌(田丽莉,2012)。本文将影响地震灾害人员伤亡的主要因素归纳为地震震情、次生灾害、自然环境及经济社会因素。
地震震情因素包括震级、烈度、震源深度及震中距、发震时间、断层破裂长度及方向等。震级越大,烈度越高,破坏性就越大,造成的人员伤亡越多。震级相近的地震,震源深,震中距大,则能量的耗损和衰减越多,破坏性越弱,人员伤亡就越小。发震时间在很大程度上决定了人员的行动能力和在室率,通常地震发生在夜晚比白天造成的人员伤亡大。而断层破裂长度及方向对震区的受灾程度及范围均有一定影响,若发震断层通过人口密集区等地震灾害风险较高的区域破裂,则可能造成更多的人员伤亡。
地震次生灾害是强烈震动后,以工程结构和自然环境破坏为导因而引起的一系列其它灾害,如火灾、爆炸、泥石流、滑坡等(吴微微,2013)。因此,在破坏性地震的作用下,除造成建、构筑物的倒塌和破坏直接导致人员伤亡外,还经常伴随次生灾害的发生而造成人员伤亡。
自然环境因素包括地形地貌、天气、场地条件。位于高原、山地等高山深谷的地区相比平原地区在震后易发生次生地质灾害,可能出现更多的人员伤亡。震后的气温、降雨等也会影响被压埋人员的存活率。而场地条件对地震动和地面破坏有重要影响,还可能为滑坡、液化等次生灾害提供条件,造成人员伤亡。
经济社会因素包括人口密度、建筑物易损性、区域救援能力、公众自救互救能力等。在其它条件相同的情况下,震区人口密度越高,人员伤亡越大。建筑物易损性为在不同强度地震作用下工程结构发生各种破坏状态的条件概率,其从宏观的角度描述了地震动强度与结构破坏程度之间的关系,震后房屋倒塌和破坏数量越少,人员伤亡越小。区域救援能力及公众自救互救能力越强,被困人员及伤员及时获救的概率越高,伤亡数也会减少。
除以上因素外,影响地震灾害人员伤亡的因素还有建筑物结构构件和内部设施情况、余震、震后人员被困环境(马玉宏等,2000)等。
通过上述分析,可以看出影响地震灾害人员伤亡的因素众多,在选取用于评估模型构建的关键影响因素时,应充分考虑多因素信息冗余对人员伤亡评估模型统计回归的影响及选取的因素要便于进行定量分析等问题(聂高众等,2011)。
在地震震情因素中,地震烈度作为地震破坏强度的综合度量,与震级、震源深度及震中距等密切相关,存在多因素信息冗余的问题,且烈度与震级之间线性相关,在后续采用统计回归方法构建人员伤亡评估模型时,不能同时作为自变量进行回归,否则将增大误差的累积(王蕊等,2010)。而地震实际造成的人员伤亡大多集中在极震区内,因此选取震中烈度作为影响因素参与人员伤亡评估模型的构建。断层破裂长度及方向在用于地震灾害人员伤亡评估模型的统计回归时存在难以量化的问题,考虑断层破裂长度及方向对受灾范围的影响,以震区面积(Ⅷ度及以上)作为影响因素参与人员伤亡评估模型的构建。发震时间作为一个影响因素,用于人员伤亡评估模型的构建。
在自然环境因素中,天气对人员伤亡的影响有持续性,震后不会立即体现,且难以快速获取其影响程度,而用于地震应急处置的人员伤亡评估着重解决的是震后快速评估问题,故暂不考虑天气的影响。地形地貌及场地条件对人员伤亡的影响实际主要体现在对次生地质灾害的诱发方面,结合在次生灾害因素中,次生地质灾害是最主要的地震次生灾害,常造成严重的人员伤亡,在进行人员伤亡评估时有必要加以考虑。但在历史地震中,单独统计次生地质灾害造成人员伤亡的震例匮乏,不便于选取定量因素进行统计回归,在此基于有限震例,将次生灾害的影响作为对评估结果的修正加以讨论。
在经济社会因素中,除人口密度为可定量的因素用来构建人员伤亡评估模型外,区域救援能力、公众自救互救能力均难以直接进行定量分析,其中,区域救援能力与天气情况类似,对人员伤亡具有较长时间且相对复杂的影响,公众自救互救能力的强弱与震区平时组织的防震减灾科普宣传教育和应急演练次数及参与人数等相关,理论上可以此作为量化因素参与人员伤亡评估模型的构建,但实际却面临数据难以收集和获取的困难。而根据建筑物易损性矩阵、地震烈度等可根据式(1)、(2)快速计算出震后的建筑物破坏率这一量化因素,用于人员伤亡评估模型的构建。
式中为地震烈度,为建筑物破坏等级(包括基本完好、轻微破坏、中等破坏、严重破坏和毁坏),为建筑物类型,S为行政区在烈度下破坏等级的建筑物面积,S为行政区度区面积与行政区总面积的比值,S为行政区各类建筑物面积,L为建筑物易损性矩阵,为评估调整参数。S为行政区在烈度下毁坏的建筑物面积,S为行政区在烈度下严重破坏的建筑物面积,P为行政区在烈度下的建筑物破坏率。
综上,选取震中烈度、震区面积(Ⅷ度及以上)、发震时间、人口密度、建筑物破坏率作为主要因素,构建基于多因素的地震灾害人员伤亡评估模型,考虑次生地质灾害对人员伤亡情况的影响并对评估结果进行修正。
本文详细收集整理了四川地区1923—2015年间发生的109次5级以上破坏性地震人员伤亡统计数据(中国地震局监测预报司,2001;中国地震局震灾应急救援司,2010;孙成民,2010),部分数据如表1所示。
表1 1923—2015年四川破坏性地震人员伤亡统计表
根据震级和震中烈度的不同分别对样本进行分类,如图1。
图1 根据震级及震中烈度对样本分类图
在这109次破坏性地震中,5.0—6.0级地震有77例,占样本总数的70%;6.0—7.0级地震有24例,占样本总数的22%;7.0—8.0级地震有7例,占样本总数的7%;8.0级及以上地震只有1例,仅占样本的1%。5.0—7.0级地震占样本总数的比例高达92%,8.0级以上的特大地震样本数据偏少,可能对后续评估模型中特大地震人员伤亡评估造成不利影响。
震中烈度为Ⅵ度的地震47例,占样本总量的43%;震中烈度为Ⅶ度的地震31例,占样本总数的28%;震中烈度为Ⅷ度的地震15例,占样本总数的15%;震中烈度为Ⅸ度的地震10例,占样本总数的9%;而震中烈度为Ⅹ度和Ⅺ度的地震分别有5例和1例,分别占样本总数的4%和1%。样本数据中主要以震中烈度为Ⅵ度和Ⅶ度等低烈度的地震为主,两者共占样本总数的71%,可能对评估高烈度地震的人员伤亡情况存在不利影响。
此外,回归模型的样本数量要足够多,必须要有足够长时间的震例积累。然而,在足够长的时期内,统一、完整、持续的与人员伤亡相关的多因素信息记录目前还相对缺乏,也可能影响模型的回归。
基于多因素的地震灾害人员伤亡评估模型是一个多元回归问题,为确定死亡人数与震中烈度、震区面积(Ⅷ度及以上)、发震时间、人口密度、建筑物破坏率等主要影响因素的关系,选择合适的回归模型,分别对其进行定量分析。
图2、3所示的分析结果显示,死亡人数与震中烈度之间存在较为清晰映射关系,烈度增大,死亡人数随之明显增加。死亡人数与震区面积之间的线性对应关系则较模糊,但在整体趋势上震区面积越大,死亡人数越多。
在相同或相近震级(在此将样本按5—6级、6—7级、7—8级进行分段)下,按照不同的发震时间段及人口密度对死亡人数进行统计。通过分析可知,在相同或相近震级下,死亡人数与发震时间及人口密度之间均没有较明显的线性对应关系。继续对死亡人数与建筑物破坏率的关系进行分析可知,两者之间存在一定的线性对应关系,在整体趋势上建筑物破坏率越高死亡人数越多,但总体离散性较大。
图2 死亡人数与震中烈度关系散点图
图3 死亡人数与震区面积关系散点图
根据上述分析,主要影响因素与死亡人数间的关系普遍是非线性的,基于多因素的地震灾害人员伤亡评估模型是一个多元非线性回归问题。在非线性回归模型的构建中,针对具体的观测数据选择合适的模型函数和参数初估值是提高收敛速度和避免模型失拟的重要前提。
图4 死亡人数与发震时间关系散点图
图5 死亡人数与人口密度关系散点图
图6 死亡人数与建筑物破坏率关系散点图
目前直接建立多元非线性回归模型的方法还较少,但非线性回归是线性回归的扩展,因此可先建立因变量与各自变量的最佳一元非线性回归模型,再通过人工合成多元非线性回归模型,如果能通过有关检验,则模型可用于预测(王蕊等,2010)。基于多因素的地震灾害人员伤亡评估模型变量设定如表2所示。
表2 基于多因素的地震灾害人员伤亡评估模型变量设定表
为建立各自变量与因变量死亡人数间的最佳一元非线性回归模型,采用探索性的方法,分别以表3所示的对数曲线方程、倒数曲线方程、二次曲线方程、三次曲线方程、复合曲线方程、幂函数曲线方程、S形曲线方程、增长曲线方程、指数曲线方程等主要的一元非线性回归模型作为模型框架,通过比较回归结果的判定系数、显著性(有效性)水平等,从中选择出最佳回归模型。
表3 各类回归方程式
模型构建过程如图7所示。以震中烈度为例,回归计算过程中各模型的统计数据如表4。
表4 震中烈度回归计算过程中各模型汇总和参数估计值
续表
注:2为判定系数;为模型的检验值;1、2为自由度;Sig.为回归系数显著性水平;0、1、2、3为参数估计值。
图7 模型构建过程
用同样方法,回归计算并汇总震区面积(Ⅷ度及以上)、发震时间、人口密度、建筑物破坏率及其与死亡人数关系的各模型参数估计值。其中,由于发震时间中的时刻不是标准的数值型数据,不便于进行回归分析,在此将其作为虚拟变量进行处理(虚拟变量是量化了的自变量,通常取值为0或1)(李永强,2009),根据中西部地区的人员在室率区划相关研究结果(肖东升等,2009),将发震时间按时间分段取值,[6:00,18:00]2取值为0,[18:00,6:00]取值为1后回归。
通过分别比较各自变量几个曲线回归模型的判定系数2及回归系数显著性水平Sig.,按照2值最大且Sig.小于0.05的对应的参数估计值为最佳一元非线性回归模型的原则,提取出各自变量与死亡人数对应的一元非线性回归模型后将其进行叠加,结果如下:
=exp(-19.819+2.8610+0.002+0.064+0.013+0.125) (3)
根据叠加结果构建出如下基于多因素的地震灾害人员伤亡评估模型框架:
=exp(+0++++) (4)
将样本值代入,对模型框架中的参数、、、、、再次进行估算,得到基于多因素的地震灾害人员伤亡评估模型如下:
=exp(-20.973+2.780+0.0003+0.071+0.002+0.104) (5)
最后,考虑次生地质灾害对人员伤亡评估结果的修正。由于低烈度的地震不易引发次生地质灾害,且在统计死亡人数过程中单独统计次生地质灾害等其他原因造成人员伤亡数量的震例较少,在上述收集的109例破坏性震例样本中,根据现有资料,有单独统计次生地质灾害造成人员伤亡的仅有3例,震中烈度均为Ⅸ度及以上,如表5所示。
表5 1923—2015年四川地震次生地质灾害人员伤亡统计表
为分析得出次生地质灾害对人员伤亡评估结果的修正系数,以上述3次典型的地震为例进行研究。在震中烈度为Ⅸ度的松潘平武地震中,由次生地质灾害造成的死亡人数占死亡总人数的76.3%;震中烈度为Ⅹ度的茂县叠溪地震中,由次生地质灾害造成的死亡人数占死亡总人数的36.4%;震中烈度为Ⅺ度的汶川地震中,由次生地质灾害造成的死亡人数占死亡总人数的14.4%。引入次生地质灾害对人员伤亡评估结果的修正系数,根据3次典型地震引发的次生地质灾害造成的死亡人数百分比可大致预估,在震中烈度为Ⅸ度及以上的高烈度地震中,若震区地形地貌以高原山地为主,需考虑次生地质灾害对人员伤亡的影响时,可在评估值的基础上提高14%—76%。
在基于多因素的地震灾害人员伤亡评估模型构建完成后,给定置信水平=0.05,对其进行回归显著性检验,结果如表6所示。
表6 回归公式方差分析表
根据表6中的回归及合计自由度在分布表查得0.05(10,27)=2.2,表中为29.12大于2.2,且显著性水平=0.02小于0.05,表明回归得到的模型具有显著性,此外,根据回归平方和与合计平方和计算得到判定系数2约为76%,与1较为接近,表明模型总体拟合效果良好。
将上述样本中收集的数据分别代入本文构建的基于多因素的地震灾害人员伤亡评估模型、考虑建筑物易损性和不考虑建筑物易损性的区域地震应急指挥技术系统评估模型(十五项目)中,计算对应的地震死亡人数,不同模型的评估结果与实际死亡人数对比折线图如图8所示。
图8 模型评估结果对比折线图
按震中烈度和震级分类,将本文构建的基于多因素的地震灾害人员伤亡评估模型与其他两种模型的评估结果与实际死亡人数进行对比,如表7所示。
表7 不同震中烈度与震级下模型评估结果与实际死亡人数对比
续表
通过对比,考虑建筑物易损性的模型评估结果在整体上比不考虑建筑物易损性的模型及本文构建的模型评估结果偏大,不考虑建筑物易损性的模型评估结果与实际死亡人数的偏差较其他两种模型大,本文构建的模型对震中烈度为Ⅸ度及以上强震的评估结果较其他两种模型有较明显的改进,总体上与实际死亡人数的拟合效果较好。
本文通过系统分析影响地震灾害人员伤亡的主要因素,从中选取震中烈度、震区面积(Ⅷ度及以上)、发震时间、人口密度、建筑物破坏率、次生灾害等因素参与地震灾害人员伤亡评估模型的构建,根据四川地区1923—2015年间发生的109次5级以上破坏性地震人员伤亡统计数据,结合各因素的定量分析结果,运用多元非线性回归的方法建立了基于多因素的地震灾害人员伤亡评估模型,并考虑次生地质灾害对评估结果进行了修正。通过模型检验及评估结果分析表明模型具有一定的可靠性,在一定程度上弥补了目前常用的地震灾害人员伤亡评估模型和方法评价指标单一、难以有效体现不同因素对人员伤亡的影响等不足。为进一步提高模型在四川地区的适用性及评估结果的可靠性,在今后的研究中将对除本文建模过程中选取的影响因素外的其他影响因素加以分析研究,考虑因素间的相互关系及叠加效应。此外,虽然模型总体上与实际死亡人数的拟合效果较好,可用于地震人员伤亡的预测,但其本身存在的误差对评估结果的可靠性仍存在不利影响,今后将尝试应用更多样的建模方法改善模型本身存在的误差,得到更加合理的人员伤亡评估模型。
陈尧,2015.破坏性地震人员伤亡快速评估方法研究.哈尔滨:中国地震局工程力学研究所.
李永强,2009.云南人员震亡研究.合肥:中国科学技术大学.
李媛媛,苏国峰,翁文国等,2014.地震人员伤亡评估方法研究.灾害学,29(2):223—227.
马玉宏,谢礼立,2000.关于地震人员伤亡因素的探讨.自然灾害学报,9(3):84—90.
聂高众,安基文,邓砚,2011.地震应急评估与决策指标体系的构建.震灾防御技术,6(2):146—155.
孙成民,2010.四川地震全记录(上下卷).成都:四川人民出版社.
田丽莉,2012.地震灾害人员伤亡影响因素分析及人员伤亡估算公式研究.北京:首都经济贸易大学.
王蕊,董祥旻,何卫苹,2010.一种多元非线性回归模型的建立方法及其应用.评价与测量,(11):17—22.
吴微微,2013.从汶川和芦山地震浅析四川地震次生地质灾害的特点及减灾对策.震灾防御技术,8(4):434—439.
肖东升,黄丁发,陈维锋等,2009.地震压埋人员压埋率预估模型.西南交通大学学报,44(4):574—579.
中国地震局监测预报司,2001.中国大陆地震灾害损失评估汇编:1996—2000.北京:地震出版社.
中国地震局震灾应急救援司,2010.2001—2005年中国大陆地震灾害损失评估汇编.北京:地震出版社.
Federal Emergency Management Agency (FEMA), 2005. Improvement of nonlinear static seismic analysis procedures, FEMA 440. Washington, DC, United States: Applied Technology Council.
Study of Multiple Factors-based Earthquake Disaster Casualties Evaluation Model
Zhang Ying1), Guo Hongmei1), Yin Wengang2)and Shen Yuan1)
1) Earthquake Administration of Sichuan Province, Chengdu 610041, China 2) Officers College of PAP, Chengdu 610213, China
The currently used earthquake casualties evaluation model and method commonly conside a single factor, that is difficult to reflect the influence of different factors effectively on the casualties. After summarizing historical earthquake cases in the cause of casualties, extracting the main factors of affecting the earthquake casualties for system, we selected the factors involving in construction of earthquake casualty assessment model. Using the multivariate nonlinear regression method we established the earthquake casualty evaluation model based on multiple factors with the consideration of the correction to assessment result from secondary geological disaster. This model improves the applicability and the reliability of assessment result in the Sichuan area.
Earthquake disaster; Casualties; Influence factor; Evaluation model
10.11899/zzfy20170415
国家科技支撑计划项目课题(2015BAK18B03);地震应急青年重点任务(CEA_EDEM-201614);四川省地震局科技专项(LY1613)
2017-04-12
张莹,女,生于1989年。助理工程师。主要从事市县地震应急和地震灾情信息处理研究。E-mail:179585473@qq.com
张莹,郭红梅,尹文刚,申源,2017.基于多因素的地震灾害人员伤亡评估模型研究.震灾防御技术,12(4):870—881.