破坏性地震发生后,快速判定灾害规模、抢救人民生命财产、转移安置灾民、最大程度减轻灾害损失是抗震救灾工作首要任务。尤其是在重特大地震发生后,破裂范围随着震级和震源机制不同,覆盖十几至数百千米,破裂延续时间可以从十几秒到数百秒(张勇等,2013; 岳汉等,2020),导致地震极灾区通信、电力设施设备受损,极大影响灾情信息的迅速获取。因此,在震后2 h的灾情黑箱期内,利用通信基站、余震序列、仪器烈度等物联网和互联网多源数据来判断地震极灾区的分布范围、展布方向,可为政府部门确定重点救援区域、调派救援力量和物资提供重要的信息支撑和决策依据(聂高众等,2012; 曹彦波等,2018)。

目前,基于地震烈度衰减的数学模型方法是国内地震部门各级应急指挥中心软件系统集成的主流算法之一(汪素云等,2000; 张方浩等,2016),该算法主要利用地震参数快速计算地震影响范围,生成以微观震中为圆心的观侧等效破裂的椭圆(线源)面,最高烈度区就是极灾区的影响范围,极灾区长轴初判方向一般为离震中最近的活动断裂方向。由于地震烈度衰减关系是通过对历史地震烈度长短轴回归分析得到,无法体现出由于震源破裂过程不同而导致的地震灾害分布差异,因此,用烈度衰减关系估计的最高烈度、极灾区大小、方向和宏观震中位置往往与实际烈度分布存在较大偏差(王德才等,2013)。2010年玉树7.1级地震计算出的影响场震中位于人烟稀少的无人区,而实际宏观震中却位于人口稠密的结古镇; 在2014年鲁甸6.5级地震影响场快速评估过程中,由于灾区活断层数据不准确,导致初期快速评估计算出的影响场长轴是NE向,最高烈度计算值仅为Ⅷ度,而实际的长轴是NW向,最高烈度计算值为Ⅸ度。针对上述问题,国内外众多学者开展了震后极灾区判定技术方法研究。代表性的方法主要有:①基于强震动观测数据判定方法(李山有等,2002; 梁永朵等,2015; Kodera et al,2018; 关曙渊等,2020; 段洪杰等,2020),如美国的ShakeMap系统,在高密集监测台网支持下,利用震级、烈度与PGA、PGV的关系进行拟合生成仪器烈度分布图(Wald et al,1999); ②基于震源机制和余震序列数据方法(白仙富等,2011; 王伟锞等,2011; 张苏平等,2013; 郑韵等,2015,2018),杨天青等(2015)利用震后数小时的余震序列数据和震源机制解,通过分析数据时空展布特征,插值拟合快速判定极灾区范围和展布方向; ③基于地震参数评估方法,聂高众和徐敬海(2018)通过分析极震区烈度与地震参数的相关性关系,拟合了一种以正式发布的地震震级、震源深度为输入参数的极震区烈度快速评估模型。

近年来,随着空间对地观测技术、互联网、物联网、深度学习、人工智能等高新技术的飞速发展,有部分学者基于遥感技术(王晓青等,2015a,b; 张景发等,2018; 李金香等,2018; 郭建兴等,2020),基于无人机影像识别技术(许建华等,2017; 周洋等,2017; 杜浩国等,2018; 李金香等,2020)、监控视频源识别技术(李东平等,2017,2019; 郭志宇,2017; Li et al,2021)、社交媒体感知技术(徐敬海等,2015; 曹彦波等,2017; 薄涛等,2018)、互联网IP地址定位技术(李兆隆等,2017; 吴艳梅等,2019)、手机信令数据(张勇等,2018; 张小咏等,2018; 庞晓克,2019)以及震感、人员伤亡、房屋破坏等多源地震灾情信息融合方法(胡素平,帅向华,2012; 郭红梅等,2015; 杨天青等,2016; 李芋均等,2020)等多种大数据时代的技术方法进行地震极灾区的识别和提取。本文在参考前人研究基础上,以2021年5月21日漾濞M_S6.4地震为例,利用多源数据融合方法快速判定极灾区范围和展布方向,为地震应急处置工作提供信息支撑。

2021年5月21日21时48分34秒,云南省漾濞县(25.67°N,99.87°E)发生M_S6.4地震,震源深度8 km。地震发生后,云南地震灾害应急指挥中心快速响应; 震后2 min,基于地震烈度衰减模型,利用评估系统快速计算生成了地震极灾区的空间分布范围和方向; 震后20 min,根据预警工程烈度速报产出结果,提取仪器烈度极灾区影响范围; 震后30 min到1 h,利用漾濞震区铁塔通信基站断电站点分布和余震序列分布空间数据点集拟合得到两种数据源的极灾区空间分布状况。

基于烈度衰减模型、仪器烈度、余震序列和铁塔断电站点4种方法拟合得到极灾区,结果如表2、图3所示。

(1)根据烈度衰减模型计算,此次地震微观震中位于大理州漾濞县苍山西镇花椒园村,初判发震构造为维西—乔后断裂,影响场长轴方向为NW向,极灾区最高烈度为Ⅷ度,面积约为251.8 km²,覆盖了漾濞县白章村、花椒园村、秀岭村、太平乡4个居民点。

(2)根据仪器烈度统计,此次地震微观震中位于花椒园村,烈度区长轴方向NW向,向东靠近维西—乔后断裂,极灾区最高烈度为Ⅷ度,面积约303.1 km²,极灾区覆盖了白章村、花椒园村等12个居民点。

(3)从震后1 h余震序列空间分布看,余震主要分布在维西—乔后断裂西侧,沿着微观震中向ES方向单侧展布,余震区长度约25 km,宽度约5 km。根据拟合结果,极灾区面积155 km²,方向为NNW向,质心坐标位于微观震中东南向9.4 km处沙河村与秀岭村附近,极灾区覆盖了花椒园村、秀岭村、沙河村、仁民街社区、河西村5个居民点。

(4)此次地震造成铁塔基站断电站点一共有24处,主要分布在Ⅷ度区范围内,主要集中在微观震中东侧人口较为密集的县城和乡镇附近,沿紫阳村—淮安村—仁民街社区—河西村—石坪村一线呈NW向分布。根据拟合结果,极灾区面积186 km²,方向为NW向,质心坐标位于微观震中东侧9.8 km处的河西村附近,覆盖了秀岭村、白羊村、淮安村等13个居民点。

(5)根据上述有限集容斥原理和标准椭圆差方法,对烈度衰减模型、仪器烈度、余震序列、

图3 烈度衰减模型(a)、仪器烈度(b)、余震序列(c)、铁塔断电站点(d)、数据融合(e)和实际调查(f)极灾区范围
Fig.3 The worst-hit areas respectively determined according to the intensity attenuation model(a),the instrumental intensity(b),the aftershock sequence(c),the power-off transmission tower(d),the data fusion(e)and the field investigation(f)

表2 不同方法极灾区判定结果统计
Tab.2 The worst-hit areas determined according to different methods

铁塔断电站点生成的4个极灾区居民点子集进行合并,生成多源数据融合后的地震极灾区。根据拟合结果,此次地震极灾区面积约144.5 km²,方向为NW向,质心坐标位于微观震中东侧约5.9 km的仁民街社区附近,极灾区覆盖了花椒园村、秀岭村等15个居民点。

根据云南省地震局(2021)发布的漾濞M_S6.4地震烈度图,地震最高烈度为Ⅷ度,地震发震构造为维西—乔后断裂,沿断裂西侧呈北NW展布。Ⅷ度区面积约170 km²,主要涉及漾濞县苍山西镇、漾江镇、太平乡3个乡镇。笔者采用平均绝对百分比误差(MAPE)对上述5种方法评估结果和实际调查评估结果进行对比,结果如图4、5,表3、4所示:

(1)从极灾区大小和空间分布对比分析看:极灾区范围最大评估值来自仪器烈度方法,面积为303.1 km²,约为实际面积2倍,误差率78.29%,其余方法拟合面积与实际相比误差率在10%左右。极灾区长轴拟合长度除烈度衰减模型方法外其余4种方法与实际结果相比误差率均小于15%,余震序列方法长轴与实际基本相符,极灾区短轴拟合长度与实际结果整体有一定偏差,烈度衰减模型方法拟合结果接近实际。从极灾区空间分布情况看,烈度衰减模型和仪器烈度拟合范围与实际位置相比向西侧偏移,约一半面积重合; 铁塔断电和余震序列方法所得结果则向南偏移,约三分之一面积重合。数据融合方法拟合的极灾区范围与实际范围重合面积142 km²,分别占各自面积的74%和84%,两者空间拟合分布基本一致。从极灾区影响的居民点数量和空间分布看,数据融合方法生成的极灾区覆盖居民点与实际较为接

表3 极灾区评估结果及误差
Tab.3 Assessed values of the worst-hit areas

近,该方法拟合的极灾区包含了15个居民点,实际调查结果包含14个居民点,两个区域重叠部分有13个居民点,吻合度达到了90%以上。

(2)从极灾区展布方向对比分析看:极灾区旋转角评估值最大的是仪器烈度方法,旋转角为152.8°,误差率仅为0.46%,与实际调查评估结果方向基本吻合; 评估值最小的是余震序列方法,旋转角为136.6°,误差率为10.19%。铁塔断电和数据融合方法方向与实际相比误差率小于5%,极灾区方向判定与实际结果基本一致。

图4 极灾区空间分布
Fig.4 The spatial distribution in the worst-hit zone

表4 震中位置评估结果对比
Tab.4 Comparison of the assessed epicenter locations(单位:km)

(3)从极灾区质心坐标与微观、宏观震中对比分析可以看出:烈度衰减模型和仪器烈度方法所得极灾区质心坐标与微观震中位置一致,但从实际调查绘制的极灾区质心坐标来看,地震宏观震中与微观震中存在位置偏差,宏观震中位于微观震中EN方向约4.6 km的白羊村附近,x轴向西偏移4.2 km,y轴向北偏移2.1 km。而余震序列、铁塔断电、数据融合3种方法拟合的质心坐标都位于微观震中东侧,接近实际宏观震中位置。质心与宏观震中偏移量最小的是数据融合方法所得结果,x轴向西偏移1.7 km,y轴向南偏移2.2 km,位于淮安村和漾濞县城仁民街社区附近。

这5种方法拟合的极灾区大小方向、质心坐标等空间分布与实际结果存在一定的偏差,造成误差的主要原因如下:

(1)从极灾区大小和方向评估结果看(图6):利用烈度衰减模型方法生成极灾区误差的原因与衰减模型构建时历史震例样本数和采用回归方法密切相关,灾区活断层数据精度也会影响方向判定准确性。仪器烈度大小和方向与地震台网密度和插值方法密切相关,铁塔断电拟合范围和方向也与破坏站点的数量和空间分布相关。从云南台网震后1 h的余震序列空间分布和震源机制解结果看,节面I:走向139°/倾角76°/滑动角-165°,节面II:走向45°/倾角75°/滑动角-15°。离震中最近的主要活动断裂为NNW向维西—乔后断裂,余震序列呈NW向分布,呈现明显的NNW条带状,与断层节面I滑动方向一致。总体来说,在本次地震中,利用多源数据拟合后的极灾区大小和方向与实际调查评估绘制结果基本一致,能满足震后2 h灾情黑箱期快速评估需求。

(2)从极灾区宏观震中和微观震中偏移情况看(图5):这5种方法拟合所得的极灾区宏观震中与实际结果都存在不同程度的偏移。烈度衰减模型、仪器烈度、余震序列3种方法主要是考虑了地震震级、位置、余震、PGA、PGV等参数进行拟合,对区域内承灾体空间分布状况和震害破坏情况估计不足,导致与宏观调查烈度存在差异。对于云南地区来说,高原山地特征显著,地形地貌、地质构造、地震活动背景等孕灾环境多样复杂,社会经济、人口等承灾体时空分布差异性显著,多次震例表明,调查烈度、宏观震中往往与评估烈度、微观震中存在差异。从漾濞M_S6.4实际震害

图5 震源机制解与余震序列空间分布
Fig.5 Focal mechanism solution and the spatial distribution of the aftershocks

调查结果看,极灾区(Ⅷ度)宏观震中位置位于淮安村附近,灾区范围东起漾濞县苍山西镇河西村,西至苍山西镇大烂坝,南自苍山西镇沙河村,北达漾江镇弯坡村—桑不老村一带。在实际地震极灾区判定中,除了考虑地震本身物理参数外,还要融合地面多种承灾体实际破坏情况,极灾区判定才会更加精准。

本文以2021年5月21日漾濞M_S6.4地震为例,基于地震烈度衰减数学模型、仪器烈度、余震序列、铁塔基站断电等数据,利用标准椭圆差方程和容斥算法,通过多源数据拟合得出漾濞地震极灾区范围及空间分布。从5种拟合方法与实际结果的对比分析可以看出,基于多源数据融合的极灾区判定方法除了考虑地震本身物理参数外,还融合地表铁塔通信基站断电实际破坏情况,拟合得出的极灾区大小、方向、质心坐标等空间分布与实际灾害调查绘制结果基本一致,可为地震救援决策提供基础数据支撑。

由于云南地区孕灾环境和承灾体时空差异大,地震灾情多因子耦合关系复杂,无论哪一种极灾区判定方法都存在一定的局限性和适用范围,应结合物联网、互联网、人工智能等高新技术,快速获取灾情,接入动态实时的行业大数据,进一步提高地震极灾区研判精度。