基于新型地震烈度快速评估方法的震后人员压埋估计

Evaluation of Post-Earthquake Buried Personnel Based on a New Model of Seismic Intensity Rapid Assessment

摘要

破坏性地震发生后，对震后压埋人员进行有效估计，是科学、有序应急处置和救援的基础. 地震烈度快速评估结果是震后人员压埋估计中不可或缺的一类基础数据，对人员压埋数量及分布估计的合理性、准确性有重要作用. 以一种新型的基于反投影能量点结合断层最短距离地震动衰减方法、以及目前使用最为广泛的传统椭圆衰减模型方法的烈度快速评估结果为基础，对甘肃及周边近年来发生的3次7级以上地震进行震后人员压埋进行估计，并与实际灾情进行对比. 相较于传统椭圆地震烈度衰减模型烈度快速评估方法，基于反投影能量点结合地震动参数衰减模型的烈度快速评估能更为准确、精细地确定地震重灾区、极重灾区的分布；对震后人员压埋总数、压埋重点区域判定的合理性和准确度改进效果明显，该新型烈度快速评估方法在7级以上破坏性大地震人员压埋估计中显示了良好的适用性，在评估时效上也可满足地震应急指挥决策、应急救援工作的实际需求.

关键词

地震烈度 / 快速评估 / 震后人员压埋 / 地震应急

Key words

seismic intensity / rapid assessment / post-earthquake buried personnel / earthquake emergency response

破坏性地震会造成不同程度房屋倒塌及人员压埋. 为了最大限度挽救及保障人民生命安全，对震区压埋人员的分布区域及压埋数量进行快速评判和估计，将有效信息提供给决策层，有助于从时间、空间上提升救援效率，挽救更多生命. 因此，震后初期地震压埋人员的快速评估，成为合理判断灾情、部署救援力量、开展救援行动的关键内容之一，是震后应急工作的一项重要内容.

近些年来，有学者陆续在震后压埋人员快速评估的方法及模型方面开展了相关研究，概括起来大致可分为如下3类：（1）基于房屋倒塌率与压埋率的经验公式评估模型：该类模型主要依据房屋倒塌率与烈度的对应关系，结合伤亡统计数据，总结出人员压埋率与房屋倒塌率的经验关系式，进行震后人员压埋评估（李海华等，1987；许建东等，2008；吴晨等，2011）；（2）基于人员在室率与建筑物震害的评估模型：该类模型认为地震压埋率主要由在室率和建筑物倒塌或损毁决定，通过构建不同烈度区建筑物震害、人员在室概率、人员伤亡之间的关系构建人员压埋评估模型（肖东升等，2009；吴兵等，2017；谷国梁等，2021）；（3）基于人口公里格网的多因素分析评估模型：该类模型主要以人口公里格网数据为基础，量化不同烈度区影响人员压埋的易获取的主要因素，如行政区域等级、设防情况、搜救影响、地质灾害等对人员压埋进行评估（杨明儒等，2014；余世舟等，2015；周中红等，2019；白仙富等，2021）.

无论哪一类型的震后人员压埋评估模型，地震烈度是不可或缺的评估计算所需基础数据，对人员压埋评估结果的合理性及准确性有重要影响. 对于震后烈度的快速评估，我国目前主要采用以下方法：（1）利用区域历史地震资料统计分析得到某一地区的地震烈度衰减模型，采用此模型公式进行烈度快速评估（王德才等，2013；任静等，2020）；（2）通过建立地震烈度与地震动参数（PGA、PGV）之间的定量关系获得震后烈度分布（丁宝荣等，2014，2017）；（3）利用震源破裂过程反演等实时地震学方法与区域地震动衰减关系相结合的方式，进行地震烈度分布评估（Dreger and Kaverina，2000；崔建文等，2008；王海云，2010；Wang et al.， 2013；Chen et al.， 2022a）.

受限于观测台网密度及数据精度的关系，我国地震业务系统在震后地震烈度快速评估中应用最广泛的是基于统计资料经验分析得到区域地震椭圆烈度衰减关系模型、应用此方法进行震后烈度快速评估. 学者任静等（2020）收集整理中国22个省、5个自治区、4个直辖市的烈度衰减关系资料，得到我国“十五”期间建设的应急指挥技术平台、自行研发在用评估系统等涉及的衰减关系公式多达182个，经甄别优选后也有37个之多. 此方法最大的优点是可在地震后快速（通常在1分钟内）模拟得到地震烈度的空间分布，但由于该模型将震源看成一个点，模型中无法表达特定区域的上盘效应、破裂方向性效应等地震动特征，评估得到的地震烈度分布都呈现规则的椭圆，对具有一定破裂长度规模的大地震，与实际烈度分布可能会存在较大误差，如四川汶川M8.0级地震.

随着实时地震学的进一步发展，通过基于全球地震波观测数据的反投影技术和地震动衰减规律结合、快速获取地震烈度分布已成为了一个新兴的研究方向（Smith and Mooney， 2021）. 相对经验统计方法，这种方法根据震后实际观测数据进行反演，考虑了场地类型条件和地震波的传播，限制较少，能够较为准确获得地震后释放能量的分布（快速确定地震断层破裂长度），具有更为明确的物理意义. 中国密集台网、日本Hi-net台网、美国密集台网、全球地震台网（GSN）以及欧洲密集台网等地震台网建设的不断发展，也为反投影提供了丰富的数据基础. Dreger and Kaverina（2000）、崔建文等（2008）、Rhie et al.（2009）、王海云（2010）、孟令媛和史保平（2011）、Chen et al.（2022a）等多位国内外学者研究表明，采用反投影等实时地震学和区域烈度衰减规律相结合方式能够在大地震后较短时间内快速获得地震烈度空间分布范围，快速判定重灾区的范围. Chen et al.（2022b）基于欧洲密集台网数据，通过对汶川8.0级地震2 000次能量反演，均能稳定获得反演的能量分布（重灾区基本与实际调查烈度重灾区一致），说明该方法具有非常好的稳定性，可以满足地震烈度快速评估的需求.

目前未见有公开文献基于该新型烈度快速评估方法，将其应用于震后人员压埋估计. 本文通过应用该方法、以及目前使用最为广泛的传统椭圆模型方法的烈度快速评估结果，对甘肃及周边近年来发生的3次7级以上地震（汶川8.0级地震、玉树7.1级地震、玛多7.4级地震）进行震后人员压埋评估，通过评估结果与实际灾情的对比，验证该新型烈度快速评估方法在破坏性大地震后人员压埋评估中的应用效果.

1 研究数据

震后烈度快速评估所需地表破裂点集数据来自中国地质大学（武汉）王墩教授团队研究成果（Wang et al.， 2016；Chen et al.， 2022a， 2022b）；计算中采用的矩震级、震中位置、震源深度、Vs30均来源于USGS；椭圆烈度衰减模型参数来自任静等（2020）甄别后的优选公式；人口数据来自美国能源部橡树岭国家实验室（ORNL）East View Cartographic 提供的年度（2008、2010、2021）Landscan全球人口分布数据；四川汶川8.0级地震、青海玉树7.1级地震、青海玛多7.4级地震最终发布的地震烈度图来自中国地震局.

2 研究方法

2.1　地震烈度快速评估

2.1.1　基于反投影能量点结合地震动衰减模型方法

反投影方法基于全球地震波观测数据，使用远震直达P波，根据同震观测信号的相似性和相似信号之间的相位差，有效跟踪大地震高频辐射的位置，进而估算出断裂的范围、位置和速度. 反投影结果在空间和时间上展示了震源过程，包括破裂长度、破裂持续时间、破裂速度和破裂方向性（Ishii et al.， 2005；Yao et al.， 2012；Wang et al.， 2016）.

Si and Midorikawa（1999）基于包括多个近距离强震记录的地震动态数据库，考虑了地震规模、断层类型、场地效应等对地震强度衰减特性的影响，提出了一种基于断层最短距离的地震动参数衰减模型，并在四川汶川8.0级地震、青海玛多7.4级地震、云南漾濞6.4级地震、土耳其7.8&7.5级地震中均取得了较好的应用效果（Chen et al.， 2022b， 2023）. 该方法基于地表破裂的长度、方向等因素，以震中位置为中心，生成一定范围公里格网，通过寻找每个格网中心点与其三维距离最近的破裂点，计算每个公里格网的地震动参数. 其公式为：

R = \sqrt[]{{\left(x_{\mathrm{1}}-x_{\mathrm{2}}\right)}^{\mathrm{2}}+{\left(y_{\mathrm{1}}-y_{\mathrm{2}}\right)}^{\mathrm{2}}+h^{\mathrm{2}}} , （1）

\mathrm{l} \mathrm{o} \mathrm{g} P G A = \mathrm{0.50} M_{\mathrm{w}} + \mathrm{0.0043} D - \mathrm{l} \mathrm{o} \mathrm{g} \left(R+\mathrm{0.005}\mathrm{5}·{\mathrm{10}}^{\mathrm{0.5}{M}_{\mathrm{w}}}\right) - \mathrm{0.003} R + \mathrm{0.61}，（2）

\mathrm{l} \mathrm{o} \mathrm{g} P G V = \mathrm{0.58} M_{\mathrm{w}} + \mathrm{0.0038} D - \mathrm{l} \mathrm{o} \mathrm{g} \left(R+\mathrm{0.002}\mathrm{8}·{\mathrm{10}}^{\mathrm{0.5}{M}_{\mathrm{w}}}\right) - \mathrm{0.002} R - \mathrm{1.29}，（3）

\mathrm{l} \mathrm{o} \mathrm{g} \left(AMP\right) = \mathrm{1.83} - \mathrm{0.66} \mathrm{l} \mathrm{o} \mathrm{g} \left(vs\mathrm{30}\right)，（4）

P G V_{vs\mathrm{30}} = A M P · P G V , （5）

式中： x_{\mathrm{1}}， y_{\mathrm{1}}分别为Transverse Mercator投影下计算格网中心点的大地坐标，单位km； x_{\mathrm{2}} ， y_{\mathrm{2}}为距离每个计算地点最近的能量（破裂）点的大地坐标，单位km； h为土层厚度，单位km； R为断层最短距离，单位km；PGA为地震动峰值加速度，单位m/s²；PGV为地震动峰值速度，单位m/s； P G V_{vs\mathrm{30}}为考虑了场地效应的地震动峰值速度，单位m/s；M _w为地震矩震级；D为震源深度，单位km；，AMP为考虑场地效应的放大系数；vs ₃₀为地表以下30 m深度范围内的等效剪切波速度，单位m/s.

本文通过反投影反演震源破裂过程得到地震释放能量点点集（Wang et al.， 2016；Chen et al.， 2022a， 2022b），再由基于最短断层距离的地震动参数衰减模型（以下简称方法A）计算地震动参数（考虑了vs ₃₀的PGV）分布，根据中国地震烈度表中各烈度所对应的参数范围（GB/T 17742-2020，2020）得到地震烈度分布（图1中A）.

2.1.2　椭圆衰减模型方法

采用椭圆衰减模型方法进行地震烈度快速评估是目前我国地震业务系统中应用最为广泛的一种传统方法，该模型将震源看成一个点，等震线呈椭圆形分布，烈度衰减在长、短轴上各不相同. 通过对历史地震的拟合与回归，得出长轴和短轴的地震烈度衰减关系式，一般公式如下：

沿长轴方向：

I_{\mathrm{a}} = L_{\mathrm{1}} + L_{\mathrm{2}} M + L_{\mathrm{3}} \mathrm{l} \mathrm{n} ( R_{\mathrm{a}} + L_{\mathrm{4}} ),（6）

沿短轴方向：

I_{\mathrm{b}} = S_{\mathrm{1}} + S_{\mathrm{2}} M + S_{\mathrm{3}} \mathrm{l} \mathrm{n} ( R_{\mathrm{b}} + S_{\mathrm{4}} )，（7）

式中：I为烈度，系数 L_{\mathrm{1}} \mathrm{、} L_{\mathrm{2}} \mathrm{、} L_{\mathrm{3}} \mathrm{、} L_{\mathrm{4}} \mathrm{、} S_{\mathrm{1}} \mathrm{、} S_{\mathrm{2}} \mathrm{、} S_{\mathrm{3}} \mathrm{、} S_{\mathrm{4}}均为回归常数；M为里氏震级， R_{\mathrm{a}}为椭圆长轴半径， R_{\mathrm{b}}为椭圆短轴半径. 对于式（6）和（7），研究者们可能选择以10为底的对数lg或是以e为底的对数ln，使用时需注意.

学者任静等（2020）按照全国烈度分区原则，经整理、筛选、甄别全国各区域地震烈度衰减关系，得到了最优模型参数. 本文引用具体公式如下（以下简称方法B）：

四川：

I_{\mathrm{a}} = \mathrm{7.141} \mathrm{0} + \mathrm{1.658} \mathrm{0} M - \mathrm{2.335} \mathrm{0} \mathrm{l} \mathrm{n} ( R_{\mathrm{a}} + \mathrm{57.48} )，（8）

I_{\mathrm{b}} = \mathrm{4.027} \mathrm{0} + \mathrm{1.218} \mathrm{0} M - \mathrm{1.318} \mathrm{0} \mathrm{l} \mathrm{n} \left(R_{\mathrm{b}}+\mathrm{8.88}\right) , （9）

青海：

I_{\mathrm{a}} = \mathrm{5.253} \mathrm{0} + \mathrm{1.398} \mathrm{0} M - \mathrm{4.164} \mathrm{0} \mathrm{l} \mathrm{g} ( R_{\mathrm{a}} + \mathrm{26} )，（10）

I_{\mathrm{b}} = \mathrm{2.019} \mathrm{0} + \mathrm{1.398} \mathrm{0} M - \mathrm{2.943} \mathrm{0} \mathrm{l} \mathrm{g} \left(R_{\mathrm{b}}+\mathrm{8}\right) . （11）

依据上述公式生成3次地震的地震烈度矢量文件，结果如图1示意，供后续震后人员压埋计算使用.

2.2　震后人员压埋快速评估

作者在引言部分对震后人员压埋评估方法进行了简单总结与概述，总体上目前地震压埋人员评估模型相对较少，加之直接基于建筑物震害的压埋模型存在灾区建筑结构类型数据、建筑物倒塌的具体数据震后短期内不易获取等局限，本文综合考虑地震初期灾情信息有限、参数易获取、救援需求对评估结果时效性的要求，选取了基于人口公里格网数据、通过参考并改进已有地震死亡率、考虑影响压埋人员的主要影响因素（地震烈度、行政区域等级、设防烈度、发震时间、搜救因素等）构建的震后压埋人员分布评估模型（余世舟等，2015；杨明儒，2014）进行地震发生初期灾区总体可能压埋的人数及分布快速评估.

评估公式具体如下：

\mathrm{l} \mathrm{n} R_{Ij} = - \mathrm{44.466} + \mathrm{14.33} \mathrm{l} \mathrm{n} {\lambda }_{j\mathrm{1}} \left(I_j+{\lambda }_{j\mathrm{2}}\right) + \mathrm{0.960} \mathrm{l} \mathrm{n} {\rho }_{Ij}，（12）

N_i = {\lambda }_{\mathrm{s}\mathrm{r}} {\lambda }_B \left({\sum }_{{\rm I}=\mathrm{6}}^{I=\mathrm{12}}{\sum }_{j=\mathrm{1}}^{j=\mathrm{3}}{\lambda }_I{\lambda }_{I\mathrm{0}}{N}_{Ij}{R}_{Ij}\right)，（13）

N_{\mathrm{b}} = {\sum }_{i=\mathrm{1}}^m N_i，（14）

式中： R_{Ij}是地震影响烈度为I的j级行政单元区域内人员死亡率； {\lambda }_{j\mathrm{1}} 、 {\lambda }_{j\mathrm{2}}是j级行政区域调整系数（具体取值见表1）； {\rho }_{Ij}是地震影响烈度为I的j级行政区域的人口密度（人/km²）； N_{Ij}是地震影响烈度为I的j级行政区域内各公里格网人口数； {\lambda }_{\mathrm{s}\mathrm{r}}是搜救影响系数，地震初期统计的压埋人数中包含因自救互救而脱险的压埋人员，但因其在震后短期脱困，可忽略此部分人员对应急搜救需求的影响，通过综合参考汶川地震和唐山地震中压埋总人数与死亡和失踪人数的比值（杨明儒，2014），取 {\lambda }_{\mathrm{s}\mathrm{r}}=1.1； {\lambda }_{\mathrm{B}}是考虑压埋原因（主要指建筑破坏）的调整系数，取值0.95； {\lambda }_I是地震影响烈度I下的发震时间修正系数，见表2； {\lambda }_{I\mathrm{0}}是抗震设防烈度I0下对评估区破坏的影响系数，具体取值为 {\lambda }_{I\mathrm{0}}=0.5，I≥7， {\lambda }_{I\mathrm{0}}=1，I<7，作者认为抗震设防情况对于人员压埋的影响较为复杂，尤其在乡镇农村区域，受对抗震设防要求具体执行情况等因素的影响更为错综，因此，本文中对于评估区涉及的城市区域，该参数取值0.5，其他乡镇农村区域该参数暂取值1；由于青海玉树7.1级地震是一个较为典型的城市直下型地震，玉树城区虽然7度设防，但几乎全境位于重灾区及极重灾区，破坏非常严重，因此，该震例中 {\lambda }_{I\mathrm{0}}均取值为1；m为震区公里格网的数量， N_{\mathrm{b}}是震区总压埋人数.

运用公式（12）、公式（13）、公式（14）可对震区人员压埋进行评估计算. 计算过程中首先要对评估区域进行城市、乡镇、农村三级单元的划分，本文在具体的计算过程中采取了依据各个烈度区内驻地属性数据（市州驻地、县区驻地、乡镇驻地）进行不同半径的缓冲区划分区分城市、乡镇和农村区域，具体划分规则如下：（1）城市区域：市州驻地10 km半径、区县驻地5 km半径；（2）乡镇区域：乡镇驻地1 km半径；（3）农村区域：城市与乡镇区域在空间裁切后剩余的区域. 对于各烈度区及公里格网单元与以上三级行政单元的对应，在ArcGIS中用空间提取方法即可获取.

篇幅所限，本文以反投影能量点结合最短断层距地震动衰减模型下（方法A）计算得到的四川汶川8.0级地震甘肃灾区为例给出各级行政区域缓冲区的划分如图2a所示，本文所用人口公里格网分布如图2b所示，通过与各烈度区及人口公里格网叠加分析计算，得到不同烈度区不同级别行政单元人口分布及数量.

3 震例计算

依据公式（1）~公式（11）进行各次地震烈度及烈度区范围计算；在此基础上依据公式（12）~公式（14）进行震后人员压埋数量及分布评估计算；从烈度区展布、重灾区（VIII度以上）及极重灾区（IX度以上）区域判别、人员压埋数量几个方面与实际灾情结果进行对比.

3.1　四川汶川8.0级地震

北京时间2008年5月12日14时28分，在四川省阿坝藏族羌族自治州汶川县（31.0°N，103.4°E）发生里氏8.0级地震（矩震级为M _w7.9），震源深度14 km，最高烈度达到XI（11）度.

此次地震造成近7万人死亡，1万余人失踪，人员死亡涉及到9个省、直辖市（表3），其中受灾最严重的是四川省、甘肃省和陕西省，三省共计死亡68 962人，失踪17 936人（许立红，2016），占此次地震死亡、失踪人数的99.6%、100%.

图3为四川汶川8.0级地震实际烈度分布，表4为各省人员死亡、失踪统计；图4a、图4b分别为基于最短断层距地震动衰减模型方法、椭圆衰减模型方法计算的烈度分布；图5、表5为震后人员压埋快速评估结果.

由图4可知，最短断层距地震动衰减模型方法和椭圆衰减模型方法计算的震中烈度均较实际烈度低1度，为X（10）度，但在整体烈度区的展布、极重灾区（图4深灰色县区）与重灾区（图4灰色县区）的覆盖范围上，最短断层距地震动衰减模型均较椭圆衰减模型有极大改善，能够较为真实地反映出地震实际破坏范围，尤其是VII（7）度以上区域，并基本可以确定重灾区、极重灾区范围［VIII（8）度区及以上区域］；在人员压埋总体数量及分布上（图5、表5），基于最短断层距地震动衰减模型的计算结果也是大大优于椭圆衰减模型，由表5可知，基于最短断层距地震动衰减模型烈度结果下的各省人员压埋总数评估结果与实际数值接近程度明显改善，尽管在极重灾区与重灾区人员压埋数量上与实际数值还存在一定差距，但在人员压埋重点区域的识别上，根据给定压埋人数的阈值范围（如图所示的≥5 000、2 000~5 000、1 000~2 000、500~1 000、300~500、150~300等）进行区分，评估结果覆盖了实际极重灾区的所有10个区县、重灾区34个区县中的24个区县（图5a2）；而基于椭圆衰减模型烈度结果下的人员压埋评估数值在压埋总数上与实际相差甚远，并且对于受灾严重的甘肃和陕西两省给出了压埋人员为0的计算结果；此外，在人员压埋重点区域的识别上，与实际极重灾区和重灾区在数量和区域上也是差别较大（图5b2），这对于震后地震应急指挥决策和应急救援力量部署与调配都是非常不利的.

3.2　青海玉树7.1级地震

北京时间2010年4月14日7时49分，在青海省玉树藏族自治州玉树市（33.1°N，96.6°E）发生里氏7.1级地震（矩震级为M _w6.9），震源深度14 km，最高烈度达到IX（9）度. 地震共造成2 698人死亡，270人失踪，1万余人受伤. 极重灾区包含位于IX度区内的结古镇（现为结古街道、西杭街道、扎西科街道、新寨街道）全境，重灾区包含VIII（8）度区境内的隆宝镇及VII（7）度区境内的上拉秀镇，其中结古镇死亡1 942人、隆宝镇死亡人口107人、上拉秀镇死亡人数98人，这3个乡镇的死亡人数已占到整个灾区死亡人数的80%，是人员死亡最严重的乡镇（陈洪富等，2011）.

图6为青海玉树7.1级地震实际烈度分布，图7a、图7b分别为基于最短断层距地震动衰减模型方法、椭圆衰减模型方法计算的烈度分布；图8、表6为震后人员压埋快速评估结果.

由图7可知，椭圆衰减模型方法计算得到震中烈度为IX（9）度，与实际烈度相同，但在重灾区［VIII（8）度及以上区域］的范围与位置判定上偏向北西方向的隆宝镇，与实际的重灾区有明显偏差；最短断层距地震动衰减模型计算震中烈度为X（10）度，较实际烈度高1度，但已没有明显的重灾区位置偏差问题，实现了重灾区范围（玉树市结古镇）完全覆盖，相较椭圆模型有了良好改善.

由表6可知，对于震后人员压埋数量的计算，基于两个模型烈度下的评估结果均与实际压埋人数存在较大差距，相比而言，采用椭圆衰减模型烈度下的压埋评估人数18人，与实际压埋人数相差高达2 950人，采用最短断层距地震动衰减模型烈度结果下的压埋评估人数1 417人，虽然只有实际压埋人数的50%左右，但至少二者在一个数量级上；压埋重点区域的判断（图8a2、图8b2），椭圆衰减模型烈度下的计算结果也与实际灾情差距很大，由于压埋总人数的评估结果严重偏小，导致有压埋的乡镇少、且乡镇压埋人数均在个位数，基本难以区分极重灾区与重灾区，这将会导致救援力量调配的决策失误；相比而言，最短断层距地震动衰减模型烈度下的乡镇人员压埋计算结果尽管在数量上也与实际灾情存在较大差距，但是在各乡镇人员压埋的严重程度上已有明显的数量级区分，能够明确给出压埋最为严重的区域在结古镇全境、其次为隆宝镇，在空间分布上呈现出“北轻南重、东轻西重”的特点（陈洪富等，2011），与实际灾情完全相符.

3.3　青海玛多7.4级地震

北京时间2021年5月22日2时4分，在青海省果洛藏族自治州玛多县（34.59°N，98.34°E）发生里氏7.4级地震（矩震级为M _w7.3），震源深度17 km，最高烈度达到X（10）度. 地震共造成18人受伤，未造成人员死亡及压埋（殷翔等，2021）.

图9为青海玛多7.4级地震实际烈度分布，图10a、图10b分别为基于最短断层距地震动衰减模型方法、椭圆衰减模型方法计算的烈度分布；图11、表7为震后人员压埋快速评估结果.

由图10可知，椭圆模型计算得到震中烈度IX（9）度，较实际烈度低1度，重灾区［VIII（8）度及以上区域］绝大部分位于黄河乡及部分玛查里镇区域，与实际重灾区范围有明显偏差；最短断层距地震动衰减模型计算得到震中烈度X（10）度，与实际烈度相同，Ⅹ度范围也与实际调查烈度的Ⅹ度范围高度一致（玛查里镇和大武镇区域）；但在压埋人数上与实际灾情不太相符，这是由于本文震后人员压埋评估模型以人口公里格网数据为基础，据现有数据统计，震区VIII（8）度及以上区域分布有12 400余人，重点分布在玛查里镇、大武镇，这些区域存在人员压埋的风险应符合一般灾情认识，因此，尽管评估结果与实际灾情仍有差距，但对各乡镇压埋人数的计算结果可对极重灾区与重灾区的识别提供一定程度的参考.

4 结论与讨论

4.1　结论

地震烈度快速评估结果是震后人员压埋估计中不可或缺的一类计算所需基础数据，本文通过引用一种新型的基于反投影能量点结合断层最短距离地震动衰减模型方法的地震烈度快速评估结果、以及目前最为常用的传统椭圆烈度衰减模型方法地震烈度快速评估结果，将二者应用于震后人员压埋估计的评估计算中，对甘肃及周边近年来发生的3次7级以上地震（四川汶川8.0级地震、青海玉树7.1级地震、青海玛多7.4级地震）进行震后人员压埋快速评估，通过评估结果与实际灾情的对比，得到如下结论.

相较于传统椭圆衰减模型方法，基于反投影能量点结合断层最短距离地震动参数衰减模型方法的地震烈度快速评估结果可以更为准确、精细地给出地震重灾区、极重灾区的分布（这也是通常震后造成人员压埋的集中区域），使得震后人员压埋快速评估在人员压埋总数、人员压埋重点区域判定的合理性和准确度上均有了明显改善与提升，在震后人员压埋评估中显示了良好的适用性；基于程序实现的地震烈度初步评估图及人员压埋评估结果能够在30分钟内产出，在评估效率上可以满足地震应急指挥决策、应急救援工作的实际需求.

4.2　讨论

（1）基于反投影能量点结合断层最短距离地震动参数衰减模型方法的烈度快速评估使用远震直达P波获取全球地震波远场观测数据，不受由于地震震级过大导致近场监测台站受损而无法接收有效波形数据的限制，因此能够稳定、可靠及比较准确地获得反演的能量分布（重灾区分布），重灾区通常也是震后造成人员压埋的重点区域；而椭圆烈度衰减模型方法将震源看成一个点，模型中无法表达特定区域的上盘效应、破裂方向性效应等地震动特征，评估得到的地震烈度分布都呈现规则的椭圆，因此，对具有一定破裂长度规模的7级以上大地震，与实际烈度分布会存在较大误差，可能会导致地震重灾区的误判，从而导致人员压埋区域的误判.

（2）两种烈度快速评估方法计算获得的地震最大烈度值与实际震中烈度存在不匹配的现象，需要在未来研究工作中通过逐步改进地震烈度衰减规律、改善中国区域内的强震动观测数据与地震烈度之间的转换关系、建立中国区域内的Vs30数据集以不断提高模型的区域适用性.

（3）本文选取了一种较适合于地震初期灾情信息有限、时效性相对高的震后压埋人员分布评估模型，但由于模型总体还是基于人口公里格网数据和已有地震死亡率经验模型的改进，存在一定的主观性，同时也缺少了如建筑结构类型等重要因素对人员压埋的影响，今后的研究工作中，可对模型不断完善，进一步提升人员压埋数量与分布的科学性、准确性.

参考文献

[1] Bai, X.F., Nie, G.Z., Dai, Y.Q., et al., 2021. Modeling and Testing Earthquake-Induced Landslide Casualty Rate Based on a Grid in a Kilometer Scale: Taking the 2014 Yunnan Ludian M _s6.5 Earthquake as a Case. Journal of Seismological Research, 44(1): 87-95 (in Chinese with English abstract).

[2] Chen, W.K., Wang, D., Zhang, C., et al., 2022a. Estimating Seismic Intensity Maps of the 2021 Mw 7.3 Madoi,Qinghai and Mw 6.1 Yangbi,Yunnan, China Earthquakes. Journal of Earth Science, 33(4): 839-846.https://doi.org/ 10.1007/s12583-021-1586-9

[3] Chen, W.K., Wang, D., Si, H.J., et al., 2022b. Rapid Estimation of Seismic Intensities Using a New Algorithm that Incorporates Array Technologies and Ground-Motion Prediction Equations (GMPEs). Bulletin of the Seismological Society of America, 112(3):1647-1661.https://doi.org/ 10.1785/0120210207

[4] Chen, W. K., Rao, G., Kang, D. J., et al., 2023. Early Report of the Source Characteristics, Ground Motions, and Casualty Estimates of the 2023 Mw 7.8 and 7.5 Turkey Earthquakes. Journal of Earth Science, 34(2): 297-303. https://doi.org/10.1007/s12583-023-1316-6

[5] Cui, J.W., Lu, D.W., Gao, D., et al., 2008. Intensity Zoning for Earthquake Area Based on Synthesized Ground Motions. Journal of Seismological Research,31(4):388-393 (in Chinese with English abstract).

[6] Chen, H.F., Dai, J.W., Sun, B.T., et al., 2011. Investigation Report on Influence Factors of Casualties in April 14,2010 Yushu Earthquake. Earthquake Engineering and Engineering Dynamics, 31(4): 18-25 (in Chinese with English abstract).

[7] Dreger, D., Kaverina, A., 2000. Seismic Remote Sensing for the Earthquake Source Process and Near-Source Strong Shaking: A Case Study of the October 16,1999 Hector Mine Earthquake. Geophysical Research Letters,27(13):1941-1944.

[8] Ding, B.R., Sun, J.J., Li, X.D., et al., 2014. Research Progress and Discussion of the Correlation Between Seismic Intensity and Ground Motion Parameters. Engineering and Engineering Dynamics, 34(5):7-20. (in Chinese with English abstract).

[9] Ding, B.R., Sun, J.J., Du,K.,et al.,2017.Study on Relationship Between Seismic Intensity and Peak Ground Acceleration, Peak Ground Velocity. Engineering and Engineering Dynamics, 37(2):26-36 (in Chinese with English abstract).

[10] GB/T 17742-2020,2020. The Chinese Seismic Intensity Scale. China Standard IndustryPress,Beijing(in Chinese)

[11] Gu, G.L., An, L.Q., Zhu, H., et al., 2021. Assessment of Seismic Buried Personnel in Urban Area: a Case Study of Tianjin Urban Area.China Earthquake Engineering Journal, 46(6): 1352-1360 (in Chinese with English abstract).

[12] Ishii, M., Shearer, P., Houston, H., et al., 2005. Extent, Duration and Dpeed of the 2004 Sumatra-Andaman Earthquake Imaged by the Hi-Net Array. Nature, 435(7044):933-936.https://doi.org/ 10.1038/nature03675

[13] Li, H.H., 1987. Preliminary Analysis on the Highest Rate of Casualty in Earthquake Disasters. Journal of Catastrophology, (2): 41-47. (in Chinese with English abstract).

[14] Meng, L.Y., Shi, B.P., 2011. Near-Fault Strong Ground Motion Simulation of the May 12, 2008, M _w7.9 Wenchuan Earthquake by Dynamical Composite Source Model.Chinese Journal of Geophysics, 54(4):1010-1027 (in Chinese with English abstract).

[15] Rhie, J., Dreger, D.S., Murray, M., et al., 2009. Peak Ground Velocity Shake Maps Derived from Geodetic Slip Models. Geophysical Journal International, 179(2):1105-1112. https://doi.org/ 10.1111/j.1365-246X.2009.04327.x

[16] Ren, J., Xu, Z.S., Duan, Y.H., et al., 2020. Identification of Earthquake Intensity Attenuation Relationship modelsin Various Provinces of China. Seismological and Geomagnetic Observation and Research, 41(3): 75-82 (in Chinese with English abstract).

[17] Smith, E.M., Mooney, W.D., 2021. A Seismic Intensity Survey of the 16 April 2016 Mw 7.8 Pedernales, Ecuador, Earthquake: A Comparison with Strong-Motion Data and TeleseismicBackprojection. Seismological Research Letters, 92(4): 2156-2171. https://doi.org/ 10.1785/0220200290

[18] Si, H.J., Midorikawa, S., 1999. New Attenuation Relationships for Peak Ground Acceleration and Velocity Considering Effects of Fault Type and Site Condition. Collected Papers from the Department of Construction of the Japanese Architectural Society, 64(523): 63-70.https://doi.org/ 10.3130/aijs.64.63_2

[19] Wu, B., Li, Z.Q., Qi, W.H., et al., 2017. Trapped Population Distribution in Earthquake and Rescue Policy Based on Township Residential Area Scale: a Case Study of Urumqi Area. North China Earthquake Sciences, 35(3):13-19 (in Chinese with English abstract).

[20] Wu, C., Yin, H.T., Sun, Q.W., et al., 2011. Study on the Feasibility of the Search and Rescue Information System Based on ArcGIS. Plateau Earthquake Research, 23(2): 54-59 (in Chinese with English abstract).

[21] Wang, D., Takeuchi, N., Kawakatsu, H., et al., 2016. Estimating High Frequency Energy Radiation of Large Earthquakes by Image Deconvolution Back-Projection. Earth and Planetary Science Letters, 449:155-163. https://doi.org/ 10.1016/j.epsl.2016.05.051

[22] Wang, D.C., Ni, S.D., Li, J., 2013. Resarch Status of Rapid Assessment on Seismic Intensity. Progress in Geophysics, 28(4):1772-1784 (in Chinese with English abstract).

[23] Wang, H.Y., 2010. Prediction of Acceleration Field of the 14 April 2010 Yushu Earthquake. Chinese Journal of Geophysics, 53(10):2345-2354 (in Chinese with English abstract).

[24] Xu, J.D., Wei, F.Q., Zhang, L.Q., et al., 2008. Preliminary Study on Evaluating the Number of Casualities and Trapped Victims by a Earthquake: A Case Study of Zhangzhou City, Fujian Province. Journal of Seismological Research, 31(4): 382-387,413 (in Chinese with English abstract).

[25] Xiao, D.S., Hang, D.F., Chen, W.F., et al., 2009. Prediction Model for Buried Personnel Probability in Earthquake. Journal of Southwest Jiaotong University, 44(4): 574-579 (in Chinese with English abstract).

[26] Xu, L.H., 2016. Study on the Rapid Evaluation of Earthquake Casualties(Dissertation). Institute of Disaster Prevention,Beijing(in Chinese with English abstract).

[27] Yao, H., Shearer, P.M., Gerstoft, P., 2012. Subevent Location and Rupture Imaging Using Iterative Backprojection for the 2011 Tohoku Mw 9.0 Earthquake. Geophysical Journal International, 190(2)：1152-1168. https://doi.org/10.1111/j.1365-246X.2012.05541.x

[28] Yang, M.R., 2014. Study on the Assessment Method of Buried Personnel Distribution in Earthquake(Dissertation). Institute of Engineering Mechanics,China Earthquake Administration,Harbin(in Chinese with English abstract).

[29] Yu, S.Z., Zhang, L.X., Yang, M.R., 2015. Assessment of Buried People Distribution after Earthquake. Earthquake Engineering and Engineering Dynamics, 35(2): 138-143. (in Chinese with English abstract).

[30] Yin, X., Li, X., Ma, Z., et al., 2021. Characteristics of Seismic Disasters Caused by the Maduo M _S7.4 Earthquake in Qinghai Province. China Earthquake Engineering Journal, 43(4): 868-875. (in Chinese with English abstract).

[31] Zhou, Z.H., Chen, W.K., He, S.L., et al., 2019. Application and Evaluation on a Evaluating Method for Distribution of Earthquake Buried Personnel Based on Population Kilometers Grid: Taking Minxian-Zhangxian M6.6 Earthquake as an Example. Journal of Seismological Research, 42(2): 288-294+306 (in Chinese with English abstract).

[32] 白仙富，聂高众，戴雨芡，等，2021. 基于公里格网单元的地震滑坡人员死亡率评估模型——以2014年鲁甸M _s6.5地震为例. 地震研究，44(1): 87-95.

[33] 崔建文，卢大伟，高东，等，2008. 基于合成地震动的震区烈度划分.地震研究，31(4):388-393.

[34] 陈洪富，戴君武，孙柏涛，等，2011. 玉树7.1级地震人员伤亡影响因素调查与初步分析.地震工程与工程振动，31(4): 18-25.

[35] 丁宝荣，孙景江，李小东，等，2014. 地震烈度和地震动参数相关性研究进展及讨论.地震工程与工程振动，34(5):7-20.

[36] 丁宝荣，孙景江，杜轲，等，2017. 地震烈度与峰值加速度、峰值速度相关性研究.地震工程与工程振动，37(2):26-36.

[37] GB/T 17742-2020，2020. 中国地震烈度表. 北京: 中国标准工业出版社.

[38] 谷国梁，安立强，朱宏，等，2021. 城市地震压埋人员分布评估研究——以天津市区为例.地震工程学报，46(6):1352-1360.

[39] 李海华，1987. 震灾最大伤亡率的初步分析.灾害学，(2): 41-47.

[40] 孟令媛，史保平，2011. 应用动态复合震源模型模拟汶川M_w 7.9地震强地面运动.地球物理学报，54(4):1010-1027.

[41] 任静，徐志双，段乙好，等，2020.中国各省区地震烈度衰减关系模型甄别.地震地磁观测与研究，41(3):75-82.

[42] 吴兵，李志强，齐文华，等，2017. 以乡镇居民地为单元的震后埋压人员分布与救援对策——以乌鲁木齐市为例.华北地震科学，35(3):13-19.

[43] 吴晨，殷海涛，孙庆文，等，2011.基于ArcGIS的地震搜救信息系统可行性研究.高原地震，23(2): 54-59.

[44] 王德才，倪四道，李俊，2013. 地震烈度快速评估研究现状与分析.地球物理学进展，28(4):1772-1784.

[45] 王海云，2010. 2010年4月14日玉树M_s7.1地震加速度场预测.地球物理学报，53(10):2345-2354.

[46] 许建东，危福泉，张来泉，等，2008. 地震人员伤亡与压埋人员评估方法的初步研究——以福建省漳州市区为例.地震研究，31(4): 382-387，413.

[47] 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.

[48] 许立红，2016. 基于快速评估的地震人员伤亡研究(硕士学位论文).北京:防灾科技学院.

[49] 杨明儒，2014.地震压埋人员分布评估方法研究(硕士学位论文).哈尔滨:中国地震局工程力学研究所.

[50] 余世舟，张令心，杨明儒，2015.地震压埋人员分布评估方法初探.地震工程与工程振动，35(2): 138-143.

[51] 殷翔，李鑫，马震，等，2021.青海玛多M _s7.4地震震害特点分析.地震工程学报，43(4)：868-875.

[52] 周中红，陈文凯，何少林，等，2019.基于人口公里格网的地震压埋人员分布评估方法的应用与评价——以甘肃岷县漳县6.6级地震为例.地震研究，42(2): 288-294+306.

基金资助

甘肃省地震局地震科技发展基金(2019M01)

中国地震局地震预测研究所基本科研业务费专项(2023IESLZ04)

“十三五”国家重点研发计划项目(2017YFB0504104)

甘肃省省级重点人才项目