地震人员伤亡评估方法及损失评估系统综述

闫佳琦，陈相兆，孙柏涛

(中国地震局工程力学研究所，中国地震局地震工程与工程振动重点实验室，黑龙江，哈尔滨 150080)

据统计，2000年−2010年是地震活动异常频繁的10年，期间全球约有70万人死于地震灾害(包括工程结构破坏和次生灾害所导致)，重大地震灾害死亡人数统计可见表1。2008年−2018年间，我国地震灾害造成的人员死亡数量占全部自然灾害死亡数的52%，俨然成为众灾之首，造成了严重的人员伤亡和社会影响。全国人民代表大会常务委员会执法检查组在关于检查《中华人民共和国防震减灾法》实施情况的报告中指出同严峻的地震形势相比，很多国家在地震监测预报、建设工程抗震设防和地震应急救援能力等方面都还存在明显不足。在地震前做好震灾的防御和准备工作，以及在地震后快速、准确评估地震造成的灾害，科学指导应急救援是我国目前防震减灾工作的重中之重。地震人员伤亡评估作为防震减灾的一项重要内容，可在震前评估城市或区域的人员伤亡风险，为工程抗震设防和应急备灾提供参考，也可在震后快速评估地震人员伤亡数量和分布，为应急救援提供技术支撑。

表1 2000年−2010年全球重大地震灾害的死亡人数Table1 Deaths of significant earthquakes from 2000 to 2010

地震人员伤亡与地面震动强度分布、建筑物破坏、经济损失作为震后响应评估工作的重要组成部分[1]，对提高地震应急反应能力，进而减小地震对于社会的影响具有重要意义。地震人员伤亡评估结果是确定地震响应等级并制定地震应急预案的重要依据，对于境外地震则影响到国际救援力量和物资调派等重要安排[2]。预计到2030年，大约全球60%人口(50亿)会居住在城镇地区，且欠发达地区的城镇化速度加快[3]。城镇化过程中人口、建筑、基础设施等承灾体更加集中，发生在城镇地区的地震可能造成更严重的工程破坏和人员伤亡。农村地区因房屋抗震能力较低、地质条件复杂、交通不便等原因，地震灾害风险更加严峻。因此，面对日益复杂的情况，地震灾害人员伤亡研究具有重要意义。

鉴于地震人员伤亡评估工作的重要性，各领域的学者从不同角度对地震人员伤亡评估模型做了大量研究，包括考虑地震参数和建筑物破坏因素的传统地震人员伤亡评估方法，和以人工智能、空间大数据、移动互联网等为手段的新兴技术和方法。同时，全球与地震灾害相关的各研究机构基于上述评估模型，研发了全球或区域地震人员伤亡评估系统，并在震前防御和应急救援领域发挥了防灾减灾实效。

1 地震人员伤亡影响因素

本文首先从地震致灾理论出发，阐述人员伤亡的成因和基本评估流程。区域灾害系统论[4]指出致灾因子是灾害产生的充分条件，承灾体是放大或缩小灾害的必要条件，孕灾环境是背景条件。灾害损失D是孕灾环境的不稳定性E、致灾因子的危险性H和承灾体的易损性S综合作用的结果，其表达式如下：

可见，地震危险性、承灾体分布、建筑物易损性、人员伤亡率与地震人员伤亡情况存在强相关性，其关系可见式(2)。现有人员伤亡评估方法基本符合此公式，只是受限于基础数据和技术手段，进行了不同程度的简化。

地震造成的人员伤亡除却地震强度的主要影响，与发震时间、震中距离、建筑物抗震能力、地区经济水平、人类行为习惯和医疗救援等也紧密相关[5−7]。目前，地震人员伤亡研究中被广泛认可的三类主要影响因素：地震、建筑环境和人口特征[3]，见图1。

图1 地震人员伤亡相关要素[3]Fig. 1 Related factors of earthquake casualties[3]

地震要素包含震级、烈度、震源深度、发震时间、地震动参数等，建筑环境特征包含建筑位置、结构类型、用途、建造年代、高度等，人口特征包含人口分布、年龄、行为、应急知识水平等。影响因素间的相互作用增加了人员伤亡评估模型的复杂性，如：地震影响区域内人口特征对伤亡的影响往往与建筑环境特征有关，而建筑物的易损性也与地震强度紧密相关。根据其中某一(或几)项特征可以建立人员伤亡的评估模型，但是多数情况下三类特征的相互作用不可忽视。

不同领域的学者就地震人员伤亡问题展开了多角度研究，地球物理和地质领域的研究侧重于地震震源参数、地震动衰减、场地效应等，工程领域的研究侧重于建筑物抗震能力等级划分、房屋破坏致死率(死亡人数/倒塌建筑物数量)、生命安全比(每10 000人中死亡人数占比)等，社会学和公共卫生领域的研究侧重于受伤等级划分、医疗响应、受伤类别等，建筑和城市规划领域的研究侧重于如何提升优化搜救效率。

2 地震人员伤亡评估传统方法

目前，国内外研究主要围绕伤亡影响因素和预测方法展开。传统的地震人员伤亡评估方法，可根据考虑建筑物破坏对人员伤亡的影响与否，分为基于地震参数的伤亡模型和基于建筑物破坏概率的伤亡模型，也有一些学者研究次生灾害、人口特征等对地震人员伤亡的影响。

2.1 基于地震参数的伤亡评估方法

谢礼立等[8]指出地震人员伤亡定量评估有2个目的：其一是对区域或城市的未来地震人员伤亡风险进行评估，既可以为震后人员伤亡快速评估提供参考，也可以为防灾减灾计划和地震保险提供依据；其二是为减小建筑物易损性、合理确定工程抗震设防标准以确保伤亡控制在社会可接受的水平。通常，服务于第一个目标的地震人员伤亡评估不必与建筑工程易损性建立联系，相对简单易行。

地震人员伤亡与地震强度、发生时间、人口密度等紧密相关。震级和烈度是表征地震强度的通用参数。李海华[9]根据我国20年间的大震灾害资料，分析了不同烈度，房屋倒塌、人员被埋与被救诸环节因子的相关程度，给出了定量估计人员伤亡率的经验性判据。肖光先[10]以地震烈度和人口密度为主要参数，并考虑发震时间的不同，给出快速评估人员伤亡的经验公式，已被《地震灾情应急评估》(GB/T 30352−2013)推荐为评估人员死亡率的一种方法。Oike[11]建立了伤亡人数与地震强度之间的关系。陈棋福、陈颙、刘吉夫等[12−14]提出了基于宏观经济指标和人口资料的地震损失预测评估方法，并对1980年−1995年间全球震灾资料进行分析，得到生命损失率与地震烈度的关系。Samardjieva[15]通过分析20世纪全球强震造成的人员损失数据，建立了地震伤亡人数与震级、烈度区面积、人口密度参数的经验模型。Jaiswal和Wald[16]采用最优化方法，建立了不同国家/地区的地震烈度与死亡率的经验函数关系，见式(3)。该方法适用于历史地震伤亡记录较多的国家或地区。

式中：死亡率 v 和地震烈度S 满足双参数对数正态累积分布关系；β 、θ为对数正态累积分布参数，与地震发生国家/地区对应。

进而，通过不同烈度Sj区域内的暴露人口P(Sj)与死亡率 v (Sj) 相乘求和，预估总死亡人数 E[L]：

基于地震参数的经验评估方法参数较少，简单快速。但是，拟合公式需要合理假设和丰富的历史地震数据，且方法忽略了建筑物抗震能力的重要影响。此类方法往往是全球或国家尺度，应用到小范围区域时准确性不高。

2.2 基于建筑物易损性的伤亡评估方法

考虑结构地震易损性的人员伤亡评估方法，不仅可以预测区域地震危险性和震后快速评估伤亡，也可以通过限制伤亡人数在社会可接受水平，反推建筑物易损性，为制定合理的工程抗震设防标准提供参考[17−18]。建筑物易损性的通用表达方式有震害矩阵法(基于历史资料和专家经验)和分析法(基于性能计算)2种[19]。通过分析不同类型建筑物在地震发生倒塌(或不同破坏程度)时的概率、建筑物中可能被困人数及相应的地震死亡率和受伤率，从而估算出伤亡人数。

日本学者河角[20]分析房屋全毁栋数H与死亡人数D之间的关系，建立了简明的河角公式，见式(5)。太田、山崎[20]等学者进一步研究死亡率与地震动强度、房屋全损率等的关系。盐野和小板[20]选取关东大地震震害数据中未发生房屋烧毁和流失的市区町村，分析了全损房屋栋数与死亡人数的关系。

20世纪80年代，美国联邦紧急事务管理局(FEMA)委托应用技术委员会(ATC)对加利福尼亚州的建筑类型进行了分类和研究[21]，推出ATC-13震害矩阵方法，对加利福尼亚州未来预期地震损失进行了系统的研究。Ohta等[22]建立了地震死亡人数与完全毁坏房屋数量的函数模型。Tiedemann[23]讨论了地震伤亡人数评估的不确定性，给出了人员伤亡与地震烈度和建筑质量的函数关系。20世纪90年代，美国联邦紧急事务管理局(FEMA)委托美国建筑科学研究所(NIBS)[24]对地震损失预测技术进行了全面的总结，推出了HAZUS 地震灾害损失评估方法，2005年又提出了改进能力谱方法，推出了HAZUS-MH5版本。

我国尹之潜[25]提出了建筑物及设施的地震易损性分类方法和地震灾害损失预测方法。程家喻等[26]建立了北京地区的人口数据库、唐山和邢台地震人员伤亡数据库，讨论不同时间人员在室率，研发地震人员伤亡评估系统软件包。

Stojanovski和Dong[27]提出了人员伤亡评估的事件树模型，采用与EMS-98建筑物易脆性相对应的建筑物类型的室内伤亡率，Trendafiloski和Wyss等[28−29]根据实际地震对伤亡率进行了修正。地震烈度Ij时建筑物破坏造成伤亡状态Ck(5个等级)的概率 P(CkIj) 见式(6)，其中：Di为建筑物破坏等级(D0为无损坏；D1为轻微破坏；D2为中等破坏；D3为严重破坏；D4为非常严重破坏；D5为毁坏)； P(DiCk)为建筑物破坏等级为Di时的伤亡状态Ck的概率； P(DiIj)为地震烈度Ij时建筑物破坏等级为D1～D3的概率。

地震烈度Ij时建筑物破坏等级为D4、D5倒塌的概率 P(DCIj)见式(7)。

地震烈度Ij时建筑物破坏等级为D4、D5没有倒塌的概率 P(DNCIj) ，见式(8)，其中： kC(Ij)为破坏等级D4、D5建筑物的倒塌率与地震烈度Ij的关系，采用世界房屋百科全书提供的建筑物离散倒塌率模型。

马玉宏和谢礼立[30]对国内外地震人员伤亡评估方法进行系统详细的归纳总结，并在与实际震害符合较好的三种方法基础上，提出综合考虑房屋倒塌率、人员密度、发震时间和烈度的人员伤亡估算模型。Coburn和Spence[31]考虑建筑室内平均人数、使用时间、被困人员人数、建筑倒塌死亡率和救援效率5个影响因素，建立了震后人员伤亡评估模型。王晓青等[32]通过分析不同烈度区域下的人口数量、国内生产总值和地震死亡人数关系，回归得到以人均GDP分类的死亡率函数。杨天青等[33]从建筑物易损性矩阵的地区差异性以及人口数据动态变化的角度，对尹之潜评估模型进行修正。张桂欣[34]提出我国大陆区域地震人员死亡风险分级评价方法，并应用于陈相兆[35]建立的HAZChina地震应急快速评估系统，可分别实现以行政区和公里网格为单元的地震应急快速评估。郑山锁等[36]建立地震人员伤亡计算模型，并研发了中国地震灾害损失评估系统软件(CEDLA)。

我国2021年2月1日开始颁布实施的《建筑抗震韧性评价标准》中，人员伤亡与建筑修复费用、建筑修复时间共同作为建筑抗震韧性评级的重要指标[37−38]。地震工程研究逐步由抗震、减隔震发展到可恢复功能，人员安全是抗震设计的基本要求，也是韧性建筑的警戒线[39]。标准沿用尹之潜等[25]的地震人员伤亡评估方法，给出与建筑用途相关的室内人员密度经验取值ζk、与结构和非结构构件的损失状态相关的楼层破坏等级 r判定标准和不同破坏状态的名义死亡率rdr、名义受伤率rhr。建筑破坏造成的人员受伤、死亡数为建筑不同破坏等级的名义伤亡率与发生该等级破坏的建筑面积与室内人员密度的乘积之和，见式(9)。

综上所述，建筑物易损性对地震人员伤亡的影响不可忽视，其两种表达方式各有优劣。震害矩阵方法具有简单、可操作性强的优点，但是受到历史地震资料的限制，其结果适用范围有限。易损性分析方法更全面地考虑结构类型、建筑高度、建造年代、设防等级等参数，但是需要对地区的建筑进行详细分类和细致调查，建立详细的建筑数据库，进行大量的数值计算和统计分析，只有少数区域/国家适用[19]。随着计算技术和空间信息系统的应用发展，针对单体和群体建筑物的震害预测和损失评估方法[40−42]都有了长足进步，不同精度的建筑物易损性评估正在向区域、城市和乡村等广阔区域延伸[43]。

2.3 考虑次生灾害、人口特征等因素的评估方法

1906年美国旧金山地震、1923年日本东京地震、1995年日本神户地震的次生火灾造成了大量人员伤亡和财产损失；2004年印度洋大地震、2011年东日本大地震引发的巨大海啸造成了严重人员伤亡，后者引发福岛第一核电站发生核泄漏造成数万人流离失所；1970年秘鲁钦博特地震、2008年汶川地震、2018年北海道地震等引发的滑坡造成了严重的建筑物破坏和人员伤亡。关于地震死亡原因的研究表明，建筑物破坏造成的人员死亡约占70%～80%，其余20%～30%是由于海啸、滑坡和火灾等地震引发的次生灾害造成的[44−46]。随着建筑物抗震设防逐步增强，经济相对发达国家的建筑物倒塌和破坏造成的人员伤亡逐步得到有效控制，相对而言次生灾害造成伤亡的占比不容忽视。

Coburn和Spence等[47]根据造成死亡原因分类，将死亡总人数表达为结构破坏造成的死亡、非结构性破坏造成的死亡、次生灾害造成的死亡的总和，见式(10)。

式中：K 为总死亡人数；KS为结构破坏造成的人员死亡数；K′为非结构破坏造成的人员死亡数；K2为次生灾害造成的人员死亡数。

国内外研究学者对地震次生灾害的研究主要集中于发生概率与地震参数和环境因素之间的关系，而对地震次生灾害造成人员伤亡的研究多集中于某次地震震例。Marano等[45]对于1968年−2008年间地震次生灾害(包括滑坡、液化、海啸和火灾)造成的人员伤亡和经济损失进行了空间描述和定量分析。宫野等[20]建立的人员伤亡预测模型，不仅考虑房屋建筑的倒塌率、焚毁率、地震动强度等，也将海啸浪高、地震类型(海洋型、内陆型)作为影响因素。白仙富、聂高众等[48−49]分析汶川、鲁甸等地震的滑坡危险性，建立地震滑坡密度数学模型，提出基于公里网格单元的地震滑坡人员死亡率评估方法。余世舟[50]基于地理信息系统编制了地震次生灾害的数值模拟和损失评估程序，给出地震次生爆炸人员伤亡计算模型。

建筑物在震后短时间内其破坏状态基本可以确定，而人员伤亡则是受更多因素影响的动态可变过程。仅在建筑物破坏的基础上考虑人员分布和伤亡率，而忽略承灾体人类的特征差异必然是偏颇的。赵振东等[51−52]引入地震人员伤亡指数和伤亡状态函数概念对地震受困人员伤亡状态进行动态量化分析。肖东升[53]采用情景分析方法，考虑地震压埋人员的环境情景和人员自身情况(地震瞬间人的感知、意识、行为和居民个体差异等)，提出栅格和矢量相融合的数据结构，采用“人数概率和”实现人员在建筑空间由无序向有序的转变，建立基于GIS和CA的地震压埋人员评估系统。李爽[54]建立了基于元胞自动机方法的地震中人员疏散模型，考虑人员行走规律、建筑物出口位置、人群移动对疏散的影响、人员行走过程中同一位置的竞争原则等，将结构在地震作用下倒塌过程的数值模拟与结构内人员疏散过程数值模拟结合，给出地震人员伤亡评估新方法。

关于人口特征与地震伤亡的影响，学者从性别、年龄、社会分工、社会文化因素等角度出发，分析造成伤亡差异的原因。de Bruycker、Noji等[55−57]调查了地震中被困人群与非被困人群的伤亡情况，肯定从倒塌的建筑物中逃生的重要性，并且强调了快速救援的重要性。Peek-Asa、Robin Spence、Okada等[58−62]对伤亡人员的年龄和性别分组，分析了伤亡率的分布情况。Shapira等[63]结合流行病学与工程方法，评估地震活动造成的人员伤亡，并指出将人口、社会经济特征以及医疗准备程度纳入伤亡估计模型，可提高其准确性。

地震次生灾害、伤亡人口特征基础数据的积累有限，且此类研究涉及多学科交叉，制约着其作为地震人员伤亡的影响因素的方法研究。近年，国内外在相关领域已有一些研究，但是实际用于地震灾害的风险管理和损失评估还有一定距离。

3 地震人员伤亡评估新兴方法和技术

考虑到震害数据获取的小样本性、非线性和高维度性的特点，近年来诸多学者将智能分析方法运用到地震人员伤亡预测模型中，如反向传播神经网络(back propagation neural network, BPNN)、支持向量机(support vector machine, SVM)、人工神经网络(artificial neural network, ANN)等，此类方法不受限于传统多元线性回归(multiple linear regression, MLR)方法的诸多假设，通过模拟人类学习方式，从大量震害数据中获取隐藏的、有效的、可理解的地震人员伤亡规律。并且，考虑到建筑物破坏情况和人员伤亡分布对于震后应急救援工作的重要性，遥感(remote sensing, RS)、地理信息系统(geographic information system, GIS)、计算机视觉(computer vision)、移动通信大数据等新兴技术与评估模型相结合，可以弥补可视化、动态实时性不足的缺陷，有助于地震救援准备阶段和响应阶段的计划制定，为受伤受困人员的及时救治和灾害管理提供便利。

石成钢和刘西拉[64]指出人工神经元网络方法作为一种建立以样本集知识体系为基础的因果关系的新手段，肯定了其在震害预测领域的应用前景。于山、王海霞等[65−66]选择地震震中烈度、人口密度、建筑物倒塌与严重破坏率、抗震设防水准、地震发生时刻、震级和地震预报评价指标，建立BP神经网络地震灾害人员伤亡预测模型。杨帆等[67]采用地理信息系统、人口数据、历史地震数据，建立基于BP神经网络的地震伤亡人数评估体系。钱枫林等[68]基于中国1990年−2010年间地震伤亡数据，建立基于BP神经网络和主成分分析(CPA)方法的地震伤亡人数预测模型。黄星等[69−71]基于改进SVM方法，考虑地震强度、人口密度、预警水平、应急物资保障、建筑倒塌率、自救与救援能力等指标分别建立了震灾人员伤亡预测模型和震灾人员存活量模型。Aghamohammadi等[72]基于伊朗地震震害数据，采用BPNN方法，建立建筑物破坏造成的人员伤亡程度和分布的评估模型，其方法相较于Coburn和Spence模型在2003年伊朗巴姆地震的评估准确性更高。Gul等[73]基于土耳其的21次Mw＞5级的地震数据，以发震时间、震级和人口密度作为预测指标，建立地震人员伤亡ANN预测模型。周德红等[74]采用基于遗传算法(GA)优化的BP神经网络建立地震死亡人数预测模型。贾晗曦[75]基于深度学习算法，以震级、震中烈度、发震时刻、震源深度和人口密度等作为输入参数，对中国大陆295个震例进行测试、训练和验证，建立了震后人员伤亡快速评估模型，并且后续引入房屋破坏影响系数、次生灾害地区修正系数优化模型。

建筑物易损性对于地震人员伤亡的影响重大，但是由于其建构造特征受区域、经济、功能等多因素影响，基础数据收集困难，人工调查的方式往往专业难度较大且耗时耗力，难以跟上日新月异的城镇化建设步伐。随着卫星遥感技术的发展，人们逐步认识到其在建筑物识别、震害信息提取和震害损失评估中的优势，遥感影像快速实时、信息丰富、获取便利，可为地震应急救援提供重要帮助。近年来，国内外高分辨率遥感卫星的大量发射使得遥感图像进入了“大数据”时代。与此同时，计算机视觉技术迅速发展，使得建筑物属性信息的批量提取成为可能，而且相较于传统的建筑、人口分布图，高分辨率卫星时空图像对于震后救援的开展更为便利。国内外学者在此方面做了大量的探究性研究和试验，取得了显著的成果。

张景发等[76]研究地震前后遥感图像的变化检测处理方法，进而快速判断震害等级及分布。王晓青等[77]提出基于GIS和数字图像处理技术的震害遥感快速提取与损失评估的技术方法。Su、齐文华等[78−79]将地震多发地区的遥感数据和建筑物信息相结合，建立了群体建筑物地震风险评估综合方法，并通过预设唐山7.8级地震分别发生在1976年和2009年，分析社会经济快速增长背景下地震造成的建筑物破坏和经济损失巨大差异。Wei等[80]考虑地震烈度、建筑物易损性、人口分布和地震应急反应4个方面，建立了基于公里网格的地震被困人员分布模型，包含死亡、受伤以及暂无生命危险但无法轻易从倒塌建筑中逃脱的人员。Feng等[81]建立了基于遥感和地理信息系统的地震人员伤亡评估模型，通过高分辨率卫星图像(high-resolution satellite imagery, HRSI)震后快速定位建筑物损毁区域和识别建筑物破坏情况，构建建筑物损毁程度、材质结构和地震人员伤亡的关联模型。许立红[82]以尼泊尔地震某一建筑区域为研究对象，分别采用监督分类、非监督分类和面向对象方法对地震前后的遥感图像进行分析处理，其中面向对象分类方法提取建筑物数量的精度更为理想。

近年来，采用其他技术手段进行人员伤亡评估的方法也值得借鉴。张文娟[83]提出并设计了基于移动通信大数据的地震灾害人口伤亡评估系统，通过移动通信定位技术对移动终端信息进行采集，对比地震发生前、后的两次定位数据，将人口数据由静态转化为动态，具有较强的客观性和时效性，有利于应急救援人员快速掌握灾区人口分布情况。王威等[84]给出基于生命年的地震灾害损失多模型评估方法，以年份、地区分组对比分析受灾人口、震中烈度、震级、恢复时间的变化规律。吴新燕等[85]研究地震新闻报道中中国地震死亡人数时间序列特征。曾婷婷等[86]以基于历史案例的灾情加权综合评估模型为基础，引入了地震断层距对历史震例与当前灾害的空间相关程度进行量化，改进了参与模型评估的历史震例的权重，构建改进的基于历史相似案例空间推演的地震伤亡人口评估模型。

地震人员伤亡评估的过程一般基于大量样本数据，智能分析方法的应用无疑将简化和加速知识体系的开发和应用。然而，机器学习的缺陷也同样明显，模型对于输入数据、参数和核函数较敏感，在训练模型以减小误差的过程中，过拟合现象难免发生。近年来，基于机器学习方法的评估模型大量涌现，通常在指标参数多于传统方法的同时，其评估误差也小于传统方法。但是，这就代表智能分析方法获得的评估模型更优么?回答这个问题，不妨重新回归到地震人员伤亡评估的“初心”，评估的根本目的在于减少伤亡，而不仅仅是准确预测。机器学习方法确实使模型预测的准确度提高了，但是伤亡机制并没有解释清楚，反而成为了“黑匣子”，被隐藏在复杂的数学方法背后。但人工智能分析方法的应用前景值得肯定，地震作为多发性自然灾害，大量的历史地震数据应该被充分利用，而人员伤亡研究涉及多学科交叉，各影响因素间的关系复杂，机器学习方法无疑可以提高研究效率，建立模型与先验知识的联系、增强可解释性和迁移性是需要努力的方向。

4 地震人员伤亡评估系统

为了快速准确地评估地震灾害损失，多个国家的研发机构已经根据地震危险性、建筑物易损性、承灾体分布等基本信息，搭建了地震灾害损失实时评估系统。此类系统可以在真实的灾害数据获取之前对地震破坏情况进行预估，为地震应急响应提供一定帮助。

4.1 地震人员伤亡评估系统框架

地震灾害损失评估步骤：首先，根据获取到的观测数据，确定震源位置、深度和震级大小；然后，基于场地条件和地震动衰减关系，估计受影响地区的预估地震烈度(或地震动参数、仪器烈度)分布；之后，计算受影响地区的建筑物和生命线工程结构的破坏情况；进一步，根据承灾体(建筑物、生命线工程结构及人口)的分布数据，评估受影响地区的建筑物(构筑物)震害、经济损失及人员伤亡情况。地震人员伤亡评估系统框架如图2所示。

图2 地震人员伤亡评估流程示意图Fig. 2 Flow chart of earthquake casualties estimation

4.1.1 地震动场

地震动场的实时评估方法主要分为两类。① 基于地震基本参数和衰减关系的地震动场评估方法。根据震源附近台站信息估计震级等基本参数，基于场地条件和地震动衰减关系得到地震动场分布图。例如：我国采用震中距和震级(或震动参数)的回归函数，估计地震烈度分布；美国USGS的ShakeMap系统根据有限地震观测资料，考虑场地效应，采用地面运动预测方程(GMPE)，得到以公里网格为单位的震动图。② 基于密集地震台网的仪器观测数据的地震动场评估方法。日本数字化强震网络布设密集，气象厅JMA地震预测系统可以在震后根据仪器测量烈度，快速生成地震强度分布图。

4.1.2 承灾体

承灾体作为灾害作用的对象，是人类及其活动所在的社会与各种资源的集合，承灾体的分类、易损性评估和动态变化监测，对于区域防灾减灾具有重要意义。我国标准中将自然灾害承灾体分为人、财产、资源与环境3大门类[87]，地震人员伤亡评估过程相关的承灾体主要考虑人、建筑物和基础设施。

承灾体公开可用的数据包括联合国全球住房统计数据库、各国人口和住房普查、EERI开发的世界住房百科全书(WHE)数据库。全球地震模型(GEM)项目为了量化全球地震风险，致力于开发一个公开可用的综合全球承灾体数据库(Global Exposure Database)。图3为GEM和METEOR项目合作开发的地震承灾体分布图示。

图3 全球承灾体分布图Fig. 3 Global exposure map

4.1.3 易损性

地震易损性通常指不同强度地震作用下，结构发生不同破坏状态的概率，定量评价结构的抗震性能，从宏观的角度描述地震动强度与结构破坏程度之间的关系[88−89]。结构易损性评估方法主要分为经验法、解析法和混合法三类，常见为离散和连续两种形式。① 经验法：基于震后现场调查统计，结合专家经验建立的破坏概率矩阵或易损性函数。② 解析法：基于倒塌机制或位移分析方法，得到建筑物的破坏概率矩阵或易损性函数。③ 混合法：综合震害现场调查数据和结构数值模型分析得到的破坏概率矩阵或易损性函数。

4.1.4 伤亡率

地震伤亡率可以一定程度反映震区生命的脆弱性，其不仅与地震强度、人口密度相关，也与人员被困建筑物抗震能力、地震发生时间、应急反应等因素相关[90]。由于破坏性地震记录有限，且震后人员死亡数相较于受伤数更容易统计，现有的基于地震参数或基于建筑物破坏的人员伤亡评估模型中，大多根据参数回归分析对死亡人数进行估算，后续采用既定的伤亡比得到预估的受伤人数。

4.2 全球典型地震人员伤亡评估系统

根据Daniell等[91−92]汇总的30个地震损失评估系统清单，本文聚焦全球地震灾害损失系统中人员伤亡评估部分，从适用范围、模型算法、输入和输出等方面，比较分析了HAZUS、QLARM、PAGER、GDACS等系统的差异和特点，可见表2。

表2 全球典型地震人员伤亡评估系统Table2 Typical global earthquake casualties assessment module

4.3 地震人员伤亡评估系统的比较

地震损失评估系统中采用的人员伤亡方法为适用不同评估需要，通常分为以下3类：① 经验方法，基于历史地震数据和已有研究的地震强度与人员伤亡经验关系，不同地区的公式参数存在差异；② 半经验方法，基于建筑经验易损性的建筑破坏状态(或倒塌)与人员伤亡关系，建筑破坏概率大多依据EMS-98、ATC-13、WHE等官方报告；③ 分析方法，基于建筑分析易损性的不同破坏状态建筑与不同受伤严重程度的人员伤亡关系，建筑易损性函数大多依据HAZUS能力谱方法。实际应用时，人员伤亡模型根据地震当地建筑物、人口数据的详细程度与模型输入的适配程度进行选择。下面对几个典型系统进行具体说明。

4.3.1 HAZUS系统

HAZUS地震灾害损失评估软件[92]由联邦紧急事务管理局FEMA与美国国家建筑科学研究院NIBS合作开发，通过情景模拟对区域潜在的地震损失进行预测，为政府部门的备灾和救灾规划提供依据，以减少未来地震造成的损失。现行的HAZUS@MH MR4[93]软件中人员伤亡模型估算由建筑物和桥梁的破坏造成的直接人员伤亡，不考虑疾病、次生灾害等原因造成的伤亡。模型在Stojanovski和Dong[27]伤亡事件树模型的基础上进行拓展，使用Coburn和Spence模型的4级伤亡程度划分，考虑地震造成人员伤亡的多种可能。输入为时间情景(白天、夜晚、通勤3个时段)、人口分布、建筑物存量分布与破坏状态概率、伤亡模型，输出为地震造成的4个伤亡程度等级人数估计值，进一步可通过伤害金字塔的形式表达，见图4。

图4 伤害金字塔Fig. 4 Injury pyramid

4.3.2 PAGER系统

全球地震响应实时评估系统(Prompt Assessment for Global Earthquake Response，PAGER)由美国地质调查局USGS开发，旨在全球范围内发生5.5级及以上、美国3.5级及以上地震后，快速生成地震损失评估结果，并可后续修正更新。Jaiswal等[94−97]建立了3种人员伤亡模型，估算建筑倒塌造成的人员死亡，输入为地面震动强度、建筑物和人口分布、建筑物倒塌模型和人员死亡模型，输出为预估死亡人数区间、地震响应级别和不确定性。三种伤亡模型为：① 经验模型，死亡率与地震参数的经验回归公式，适用于具有较多历史地震伤亡数据，缺乏建筑物存量和易损性数据的人口稠密、当地房屋抗震能力较弱的发展中国家；② 分析模型，基于HAZUS能力谱方法的人员死亡模型，适用于建筑物统计数据质量好，抗震性能好，较少发生致命地震的地区，如美国；③ 半经验模型，基于统计建筑物倒塌率的人员死亡模型，介于前两种方法之间，既考虑不同国家历史地震人员伤亡数据，也考虑建筑物在不同强度地震下的破坏情况，同时对承载体的数据详细程度要求不高。图5为PAGER系统地震灾情评估结果示例。

图5 PAGER系统评估结果Fig. 5 Estimation results of PAGER

4.3.3 QLARM系统

QLARM地震损失评估工具由世界行星监测和地震风险署WAPMERR和瑞士地震服务处SEDETH合作开发，旨在全球范围内发生6级及以上地震后，快速评估人员伤亡和建筑物破坏情况。人员伤亡模型采用Stojanovski和Dong伤亡事件树模型，与HAZUS软件是一致的。输入为地震参数、场地放大系数、承灾体分布、建筑物和人口易损性矩阵，输出为地震造成的死亡和受伤人数的估值区间。对于发展中国家承灾体数据不完整的情况，该系统建立了基于部分数据的点城市模型和离散城市模型，用于增强地震灾害损失评估模型的整体适用性。Max Wyss团队[98−100]已使用该软件对吉尔吉斯斯坦、喜马拉雅山地区、印度北部等地的地震灾害评估适用性进行了验证，并构建可能地震情景以估算潜在的地震人员伤亡。QLARM系统在不断升级中，也计划考虑医疗设施结构和功能的易损性影响，对地震人员伤亡模型进行修正。图6为QLARM系统地震灾害评估结果示例。

图6 QLARM系统评估结果Fig. 6 Estimation results of QLARM

4.3.4 ELER系统

ELER(Earthquake Loss Estimation Routine)地震损失快速损失评估工具[101]由坎迪利天文台与地震研究所KOERI等共同开发，旨在快速评估欧洲地中海地区的地震建筑物破坏、人员伤亡、灾后住房和食物需求。输入为地面震动强度、建筑物和人口分布、建筑物破坏概率，输出为预估伤亡人数。系统内置三级人员伤亡评估方法。0级方法通过分析地震强度分布，使用区域调整后的地震强度与人员伤亡关系，得到总地震伤亡数。1级方法借鉴EMS-98和ATC-13的建筑易损性关系和伤亡率，根据地区历史地震伤亡情况进行修正，得到建筑破坏和人员伤亡分布。2级方法借鉴HAZUS-MH的建筑分析脆弱性关系和基于不同破坏状态的人员脆弱性模型，得到按受伤严重性等级划分的伤亡情况。

5 总结与展望

地震人员伤亡评估对震前备灾和震后救灾工作具有重要作用，也是近年来城市韧性评价的一项重要内容。经过几十年的努力，全球或区域的地震人员伤亡评估方法研究取得较大进展。同时，随着地震台站的广泛布设、计算机互联网技术和空间信息技术的革新，使得地震人员伤亡评估从理论模型研究发展为实用化的震前震后地震人员伤亡评估系统。

地震人员伤亡评估模型和软件系统，共同推动人员伤亡评估这项工作的发展。本文依次介绍了基于地震参数和基于建筑物破坏概率的传统伤亡评估方法、以人工智能为代表的新兴方法以及地震灾害损失评估系统。总体上，传统的人员伤亡评估方法还有诸多方面需要进一步研究和改进，但这些方法已经被研发成地震人员伤亡评估软件，在震前防御和震后应急救援领域发挥了实效。同时，以人工智能为代表的评估方法为地震人员伤亡评估研究提供了新的思路和理念，相信随着研究深入展开，将推动人员伤亡评估工作的科学性和实用性发展。

本文通过总结典型地震人员伤亡评估方法和软件系统，认为有以下方面值得深入探讨：

(1)房屋破坏导致的人员伤亡率是目前地震人员伤亡评估模型的重要参数，但这个参数是基于较长时间范围内的历史地震统计回归得到的，随着工程结构建构造特点的变化，尤其是抗震设防构造措施的增加，震后人员的生存空间和生存机率有了很大提升，从近年来7级左右的地震灾害特点也可以印证上述观点，因此亟需开展地震人员伤亡率更新研究工作。

(2)随着工程结构抗震能力的提升，直接由工程结构破坏或倒塌导致的人员伤亡数量呈下降趋势，而由地震所引发的海啸、滑坡、火灾等次生灾害越来越受到关注。然而，地震次生灾害死亡人数样本信息不足，次生灾害危险性与伤亡关系的定量研究较少，且次生灾害与地域地质的紧密关联性，基于某次或某地区灾害数据建立的评估方法外延适用性较差。如何科学评估地震次生灾害造成的人员伤亡，完善地震灾害评估体系，建立具有明确物理意义的地震次生灾害人员伤亡模型还有待进一步研究。

(3)随着公众地震保险意识的提高，针对房屋或人身地震安全进行投保的意愿增加，然而，目前关于地震伤残等级概率的研究不足，使得地震意外致残的地震保险保费定价缺乏依据。现有地震人员伤亡评估大多基于伤亡比系数，由建筑物及其非结构构件破坏导致的受伤评估模型尚不成熟，需要进一步研究，同时，也需要社会学和公共卫生等相关领域的研究支持。

(4)人工智能分析方法尤其是机器学习被越来越多地应用到地震人员伤亡模型，给该研究领域注入了新的活力，但受限于训练样本数据以及迁移学习等难点，目前距离真正应用于实际地震的震后快速评估工作还有一段距离，这需要地震部门的专家和人工智能研究领域的学者开放合作共同来推动该交叉领域的研究工作。

(5)现有的地震人员伤亡模型大多数仅从灾害的角度进行评估，极少考虑城市或区域的防灾备灾能力以及城市韧性评价结果对地震人员伤亡的影响，人员应急避险能力、城市的医疗救援能力等都会大大影响震后的人员伤亡数量，因此防灾能力的评价结果如何定量化地应用于地震人员伤亡评估也会是未来的重要研究方向和难点。

(6)空间信息和大数据等新兴技术的高速发展为人员伤亡评估提供更为准确可用的地震暴露度数据。例如，人口热力图数据能真实地反映不同时段人口的流动分布，有助于解决以往难以准确获取的人员在室率的难题；卫星遥感图像具有快速实时、信息丰富、获取便利的特点，有助于识别建筑物震害信息，指挥和开展震后应急救援。因此，如何应用新技术对承灾体基础数据进行获取和完善需要进一步研究。