利用居民地建筑物数据和高分遥感影像评估地震烈度的方法初探

引用本文

郭建兴, 张宇翔, 姬建中, 袁小祥, 肖本夫. 利用居民地建筑物数据和高分遥感影像评估地震烈度的方法初探[J]. 地震地质, 2020,42(4): 968-980.
GUO Jian-xing, ZHANG Yu-xiang, JI Jian-zhong, YUAN Xiao-xiang, XIAO Ben-fu. A PRELIMINARY STUDY ON THE METHOD OF SEISMIC INTENSITY ASSESSMENT BASED ON RESIDENTIAL BUILDING DATA AND HIGH RESOLUTION REMOTE SENSING IMAGES[J]. SEISMOLOGY AND GEOLOGY, 2020,42(4): 968-980. 复制到剪切板

DOI:10.3969/j.issn.0253-4967.2020.04.013
Permissions

《地震地质》编辑部所有

利用居民地建筑物数据和高分遥感影像评估地震烈度的方法初探

郭建兴¹⁾, 张宇翔^1),^*, 姬建中¹⁾, 袁小祥²⁾, 肖本夫³⁾

1)陕西省地震局, 西安 710068

2)中国地震局地震预测研究所, 北京 100036

3)四川省地震局, 成都 610041

*通讯作者: 张宇翔, 男, 高级工程师, E-mail: 929746363@qq.com。

〔作者简介〕郭建兴, 男, 1986年生, 2013年于中国地震局地震预测研究所获构造地质学专业硕士学位, 工程师, 主要从事遥感与地理信息技术在地震应急工作中的应用研究, 电话: 029-88465347, E-mail: gjx78251@126.com。

收稿日期: 2019-10-13

基金项目: 中国地震局地震科技星火计划项目(XH18045Y)、陕西省地震局“十三五”重点项目 “地震应急响应辅助决策系统建设”和2017年地震应急青年重点任务(CEA_EDEM-201715)共同资助

摘要

地震发生后, 政府和社会对地震烈度评定工作的时效性要求越来越高, 而遥感作为地震灾情获取的重要手段之一, 在地震应急救援工作中发挥着越来越重要的作用。文中在前人研究的基础上, 提出了一种利用遥感影像结合居民地建筑数据评估地震烈度的方法模型: 在已知居民地建筑物数据的情况下, 利用群体震害预测方法, 构建居民地房屋倒塌率与地震烈度之间的关系模型; 震后利用高分辨率遥感影像解译居民地房屋的倒塌率, 并与倒塌率预测模型进行比对, 反推该居民地遭遇的地震烈度。利用本方法对玉树县城内相邻但破坏情况相差巨大的2个街区进行了烈度计算, 计算结果与现场科考结果一致。经验证, 在利用遥感手段评估地震烈度时, 本方法能有效避免由建筑抗震性能差异造成的影响, 可较准确地评估地震烈度, 在地震应急工作中具有一定的应用价值。

关键词: 居民地; 遥感; 倒塌率; 地震应急; 地震烈度

中图分类号:P315.9 文献标志码:A 文章编号:0253-4967(2020)04-0968-13

A PRELIMINARY STUDY ON THE METHOD OF SEISMIC INTENSITY ASSESSMENT BASED ON RESIDENTIAL BUILDING DATA AND HIGH RESOLUTION REMOTE SENSING IMAGES

GUO Jian-xing¹⁾, ZHANG Yu-xiang¹⁾, JI Jian-zhong¹⁾, YUAN Xiao-xiang²⁾, XIAO Ben-fu³⁾

1)Shaanxi Earthquake Agency, Xi'an 710068, China

2)Institute of Earthquake Science, China Earthquake Administration, Beijing 100036, China

3)Sichuan Earthquake Agency, Chengdu 610041, China

Abstract

After destructive earthquakes, the assessment result of seismic intensity is an important decision-making basis for emergency rescue, recovery and reconstruction. This job requires higher timeliness by government and society. Because remote sensing technology is not affected by the terrible traffic conditions on the ground after the earthquake, large-scale seismic damage information in the earthquake area can be collected in a short time by the remote sensing image. The remote sensing technique plays a more and more important role in rapid acquisition of seismic damage information, emergency rescue decision-making, seismic intensity assessment and other work. On the basis of previous studies, this paper proposes a new method to assess seismic intensity by using remote sensing image, i.e. to interpret the building collapse rate of a residential quarter after an earthquake by high-resolution remote sensing images. If there already are detailed building data and building structure vulnerability matrix data of a residential area, we can calculate the building collapse rate under any intensity values in this residential area by using the theory of earthquake damage prediction. Assuming that the building collapse rate interpreted by remote sensing is equal to the building collapse rate predicted by using the existing data, it will be easy to calculate the actual seismic intensity of the residential area in this earthquake event. Based on this idea, according to the relevant standard specifications issued by China Earthquake Administration, this paper puts forward some functional models, such as the calculation model of building collapse rate based on remote sensing, the data matrix model of residential building structure, the prediction function matrix model of residential building collapse rate and the prediction model of residential building collapse rate. A formula for calculating seismic intensity by using remote sensing interpretation of collapse rate is also proposed. To test and verify the proposed method, this paper takes two neighboring blocks of Jiegu Town after the Yushu M7.1 earthquake in Qinghai Province as an example. The building structure matrix of the study block was constructed by using pre-earthquake 0.6m resolution satellite remote sensing image(QuickBird, acquired on November 6, 2004), post-earthquake 0.2m aerial remote sensing image(acquired by National Bureau of Surveying and Mapping, April 15, 2010) and some field investigation data. The building collapse rate in the two blocks was calculated by using the interpretation results of seismic damage from the Remote Sensing Technology Coordinating Group of China Seismological Bureau. The seismic damage matrix of building structures in Yushu area is constructed by using the abundant scientific data of the scientific investigation team of the project “Comprehensive Scientific Investigation of the Yushu M7.1 Earthquake in Qinghai Province” of China Seismological Bureau. On this basis, the collapse rate prediction function of different structures in Yushu area is constructed. According to the prediction function of collapse rate and the building structure matrix of the two blocks, the building collapse rate under different intensity values is predicted, and the curve of intensity-collapse rate function is drawn. By comparing the building collapse rate interpreted by remote sensing and the intensity-collapse rate function curve of this two blocks, the seismic intensity of both blocks are calculated to be the same value: Ⅸ degree, which is consistent with the results of the field scientific investigation of the earthquake. The validation shows that the method proposed in this paper can effectively avoid the influence caused by the difference of seismic performance of buildings and accurately evaluate seismic intensity when using remote sensing technique. The method has certain application value for earthquake emergency work.

Keyword: residential area; remote sensing; collapse rate; earthquake emergency; seismic intensity

文章图片

0 引言

中国地震局于2014年颁布的《地震烈度评定工作规范》明确提出应在特大地震发生后10d内、重大地震发生后7d内完成地震烈度的评定和发布。但破坏性地震的发生往往伴随着交通、通讯和电力中断, 快速获取地面震害调查资料十分困难(郭建兴, 2013)。近年来, 随着遥感技术的飞速发展, 基于多种平台、通过多种传感器获取遥感数据越来越便捷, 特别是国产高分系列卫星的发射(陆春玲等, 2014; 潘腾等, 2015; 李果等, 2016; 余博等, 2019), 将中国国产光学遥感卫星、雷达遥感卫星的分辨率提升至亚米级, 能够提供大面积覆盖的震后遥感影像数据; 无人机遥感技术的运行成本低、执行任务灵活, 而影像空间分辨率可达cm级(郭建兴等, 2018), 在震后地震应急遥感工作中发挥着越来越重要的作用。基于航空平台的光学遥感(王晓青等, 2015a)、雷达遥感(金鼎坚等, 2012; 贺素歌, 2013)、激光雷达遥感(窦爱霞, 2018)等遥感技术日渐成熟, 在震后较短时间内即可获取灾区大面积的影像数据, 为震害调查和烈度评定提供了丰富的数据源(安立强等, 2011)。

自遥感技术诞生以来, 国内外许多学者就开始将其应用于震害调查与评估工作中。唐山地震后, 中国利用航拍资料结合地面调查完成了《一九七六唐山地震震害分布图(1:50万)》(王晓青等, 2015a)。陈鑫连等(1995)、魏成阶等(1996)开展了航空遥感的地震灾害快速调查评估与减灾辅助决策研究, 初步建立了震害分级分类遥感判读标志。王晓青等(2009)在前人研究的基础上, 将遥感手段与传统地震烈度评估技术相结合, 提出了 “ 遥感震害指数” 的概念, 仿照地面调查的方式, 将基于遥感的房屋震害等级分为 “ 倒塌” 、 “ 局部倒塌” 和 “ 未倒塌” 3类, 并提出了遥感震害指数的计算方法, 实现了遥感震害调查的定量化评估, 为基于遥感手段的烈度判定提供科学依据。此方法提出后, 已成功应用于汶川、玉树、芦山等地震的地震烈度快速评估工作中(王晓青等, 2009, 2015b; 窦爱霞等, 2012)。

在地震灾害的遥感定量化方法中, 除建筑物震害指数之外, 另一个反映地震实际破坏状况的重要参数是倒塌率, 其与地震烈度高度相关。杨喆等(1994)、雷莉萍等(2010)先后利用遥感影像解译了唐山地震、汶川地震后不同烈度区居民地(点)的房屋倒塌率, 并与地震烈度进行了相关性分析。程家喻等(1993)探讨了唐山地震的倒塌率与人口死亡率的相关性问题; 郭华东等(2011)利用玉树地震震后的遥感解译结果分析了建筑倒塌率分布与成因等问题。目前, 利用倒塌率这一参数直接评估地震烈度的研究偏少。一方面是由于传统地面调查工作量大, 获取的倒塌率数据样本偏少; 另一重要原因是由于房屋的倒塌率与地区房屋结构的抗震性能密切相关, 无法作为单一参数直接评估地震烈度。但是如果掌握了某居民地的详细建筑物数据, 参照群体震害预测方法(尹之潜, 1991; 孙柏涛等, 2005), 可构建任意烈度下的倒塌率预测模型; 利用遥感手段获取到该居民地的实际倒塌率后, 通过与倒塌率预测模型进行比对, 应能快速反推计算出该居民地遭遇的地震烈度。基于此思路, 本文探讨利用遥感影像解译建筑物倒塌率, 并依据震前掌握的详细建筑物数据反演地震烈度的方法, 以期为地震烈度的快速评定提供参考。

1 方法模型

1.1 模型框架

本文提出的方法基于以下假设条件: 对于某一居民地而言, 利用群体震害预测理论计算所得的建筑物倒塌率与利用高分辨率遥感影像解译所得到的建筑物倒塌率相等。基于此假设条件, 形成本方法的模型框架(图1):

	Figure Option View Download New Window
	图1 模型框架图Fig. 1 Model framework diagram.

(1)震后利用遥感影像对居民地房屋进行单体震害解译, 并计算建筑物的倒塌率。

(2)利用结构易损性矩阵, 建立结构倒塌率与地震烈度的预测模型; 结合居民地的建筑结构数据矩阵, 对各烈度下的综合倒塌率进行预测分析, 形成该居民地建筑倒塌率的预测模型。

(3)假设某一居民地遭遇某一烈度地震后, 利用遥感解译的建筑物倒塌率与利用建筑结构易损性矩阵预测的倒塌率相等, 反演解算得出该居民地实际遭遇的地震烈度。

1.2 基于遥感手段的建筑物倒塌率计算模型

地震造成的单体建筑物的破坏类别解译是计算建筑物倒塌率的基础。在《建(构)筑物地震破坏等级划分》(中国国家标准化管理委员会, 2009)中, 根据建筑物承重构件及其破坏程度与数量将建筑物的破坏等级划分为 “ 基本完好” 、 “ 轻微破坏” 、 “ 中等破坏” 、 “ 严重破坏” 和 “ 毁坏” 5个等级。遥感手段多为空中俯瞰地面成像, 不能直接获得建筑物承重构件及其破坏程度与数量。在中国地震局行业标准《地震灾害遥感评估: 建筑物破坏》(中国地震局, 2018)中, 根据单体建筑物在遥感影像上的几何形状、空间布局、阴影、色调、建筑物周边堆积物影像特征等参数, 将其划分为“ 倒塌” 、 “ 局部倒塌” 和“ 未倒塌” 3种破坏类别; 当遥感影像的空间分辨率精细至可通过其识别出较轻微破坏时, “ 未倒塌” 类别可进一步细分为 “ 未倒塌(有明显破坏标志)” 和 “ 未倒塌(无明显破坏标志)” 。该标准指出, 在大多数情况下, “ 未倒塌” 对应 “ 基本完好” 、 “ 轻微破坏” 或 “ 中等破坏” ; “ 局部倒塌” 对应 “ 毁坏” 或 “ 严重破坏” ; “ 倒塌” 对应 “ 毁坏” 。考虑到 “ 严重破坏” 的建筑一般情况下不具有修复价值, 可简单将 “ 局部倒塌” 的房屋归为 “ 损毁” 建筑。对于某一居民地而言, 基于遥感手段的建筑物倒塌率计算模型为

$P_{rs} = \frac{n_{2} + n_{3}}{n_{1} + n_{2} + n_{3}} \times 100 %$ (1)

式中, P_rs为遥感解译的建筑物倒塌率, n₁为未倒塌房屋的栋数, n₂为局部倒塌房屋的栋数, n₃为倒塌房屋的栋数。

1.3 居民地建筑物结构矩阵

《地震现场工作(第四部分): 灾害直接损失评估》(中国国家标准化管理委员会, 2011)将建筑结构分为钢结构房屋, 钢筋混凝土房屋, 砌体房屋, 砖木房屋, 土、木、石结构房屋, 工业厂房和公共空旷房屋等结构; 对于一般性居民地而言, 可不考虑工业厂房和公共空旷房屋, 将其建筑物结构矩阵构建为

$N_{bd} = {n_{s 1}, n_{s 2}, n_{s 3}, n_{s 4}, n_{s 5}}$ (2)

式中, N_bd为居民地建筑物矩阵, n_s₁为钢结构房屋的栋数, n_s₂为钢筋混凝土房屋的栋数, n_s₃为砌体房屋的栋数, n_s₄为砖木房屋的栋数, n_s₅为土、木、石结构房屋的栋数。考虑建筑结构类型的地区差异性, 构建房屋结构矩阵时可根据实际情况对其进行适当调整。

1.4 居民地结构倒塌率的预测函数矩阵

通常采用震害矩阵(也称易损性矩阵)来描述某类建筑的抗震性能。建筑物遭遇地震后可能被破坏的状态一般可分为5个等级: 1)基本完好; 2)轻微破坏; 3)中等破坏; 4)严重破坏; 5)毁坏。建筑物的倒塌率指所有破坏状态中发生毁坏(倒塌)等级的概率, 假设同类建筑结构的抗震性能一致, 那么某类建筑结构的倒塌率可表示为地震烈度的一元函数关系:

$p_{fall} = f (I)$ (3)

式中, p_fall为某结构建筑物的倒塌率预测函数; I为地震烈度, 取值范围为6~11; f(I)为倒塌率与地震烈度的函数关系。

对于某一居民地而言, 不同结构类型建筑物的倒塌率预测函数构成的矩阵为

$P_{fall} = {p_{fall 1}, p_{fall 2}, p_{fall 3}, p_{fall 4}, p_{fall 5}}$ (4)

式中, P_fall为倒塌率预测函数矩阵; p_fall₁为钢结构房屋的倒塌率预测函数; p_fall₂为钢筋混凝土房屋的倒塌率预测函数; p_fall₃为砌体房屋的倒塌率预测函数; p_fall₄为砖木房屋的倒塌率预测函数; p_fall₅为土、木、石结构房屋的倒塌率预测函数。应用时, 可根据当地建筑结构的实际情况对矩阵长度进行调整。

1.5 居民地建筑倒塌率的预测模型

对于居民地而言, 遭遇某一烈度的地震后, 其倒塌率预测模型为该居民地建筑结构矩阵与倒塌率预测函数矩阵转置的乘积除以房屋的总栋数:

$P_{for ecast} = \frac{N_{bd} \times P_{fall}^{T}}{\sum_{i} n_{i}} \times 100 %$ (5)

式中, P_forecast为居民地建筑物的预测倒塌率; N_bd为居民地的建筑结构矩阵; $P_{fall}^{T}$ 为居民地结构倒塌率预测函数的转置矩阵; $\sum_{i} n_{i}$ 为居民地各类结构房屋的总栋数。

1.6 利用遥感解译倒塌率计算地震烈度

理论上, 遥感手段解译所得建筑物倒塌率与依据居民地建筑物数据预测的倒塌率相等, 即:

$P_{rs} = P_{forecast}$ (6)

式中, P_rs为震后利用遥感解译得到的居民地建筑物倒塌率, 是已知常数; P_forecast为利用现有数据预测的建筑倒塌率。将式(3)、式(4)代入等式右端, 假设N_bd已知, 则可认为等式右端是地震烈度I的一元多次函数, 取值范围为6~11(可对建筑物造成破坏的地震烈度), 且单调递增, 利用数学方法可快速解算出地震烈度值。

2 方法应用— — 以玉树地震为例

2010年4月14日, 青海省玉树藏族自治州玉树县(33.2° N, 96.6° E)发生了7.1级地震。此次地震共造成2 000多人死亡、数百人失踪, 并导致巨大的经济损失。地震发生后, 中国地震局应急遥感技术小组启动应急响应, 获取了震区大量遥感影像资料, 并对结古镇11 100栋建筑物的破坏程度进行了详细遥感判读(窦爱霞等, 2012)。随后, 中国地震局实施了 “ 青海玉树7.1级地震综合科学考察” 工程, 工程震害科学考察分队对此次地震造成的房屋破坏进行了详实的地面科学考察(孙景江等, 2016)。下面将采用玉树地震后获取到的遥感影像、遥感震害解译资料及建筑物科考资料, 利用本文提出的方法对玉树县结古镇2个相邻街区进行地震烈度判定, 并与中国地震局现场调查评定烈度进行比较, 以评价该方法的适用性。

2.1 街区选择及建筑物结构矩阵的构建

本文选用的2个街区位于玉树县结古镇结古大道两侧, 空间位置毗邻(图2)。街区1占地0.34km², 街区2占地0.38km²。以中国地震局应急遥感技术协调组解译的11 000栋破坏建筑物数据为基础, 利用北京天目科技有限公司提供的震前QuickBird 0.6m卫星遥感影像(2004年11月6日获取, 图2)、国家测绘局提供的震后0.2m航空遥感影像(2010年4月15日获取, 图3), 结合现场科考资料, 对示例街区内建筑物的结构类型进行逐栋判别(图4)。经判别, 示例街区内共有865栋房屋(表1), 其中街区1有土木结构338栋、砌块结构(玉树地区特有的建筑结构)86栋、砖混结构10栋、框架结构20栋; 街区2有土木结构173栋、砌块结构103栋、砖混结构114栋、框架结构21栋。

	Figure Option View Download New Window
	图2 示例街区震前遥感影像图(QuickBird, 0.6m)Fig. 2 The pre-earthquake remote sensing image of the study blocks(QuickBird, 0.6m).

	Figure Option View Download New Window
	图3 示例街区震后遥感影像图(国家测绘局, 0.2m)Fig. 3 Post-earthquake remote sensing image of study blocks(State Bureau of Surveying and Mapping, 0.2m).

	Figure Option View Download New Window
	图4 示例街区建筑结构分布图Fig. 4 The building structure distribution map of the study blocks.

表1 示例街区建筑物结构数据表 Table 1 Building structures data in the study blocks

街区1的建筑结构矩阵为

$N_{bd 1} = (338, 86, 10, 20) (7)$

街区2的建筑结构矩阵为

$N_{bd 2} = (173, 103, 114, 21) (8)$

2.2 基于遥感手段计算建筑物的倒塌率

根据中国地震局应急遥感技术协调组的遥感震害解译结果(图5, 表2), 在示例街区范围内被地震破坏的865栋房屋中, 街区1共有房屋454栋, 其中未倒塌房屋145栋、局部倒塌房屋52栋、倒塌房屋257栋, 倒塌率为68%; 街区2共有房屋411栋, 其中未倒塌房屋265栋、局部倒塌房屋66栋、倒塌房屋80栋, 倒塌率为35%。

	Figure Option View Download New Window
	图5 示例街区建筑破坏分布图Fig. 5 The building damage distribution map of the study blocks.

表2 示例街区倒塌率数据表 Table 2 Building collapse rate of the study blocks

街区1基于遥感的建筑倒塌率计算过程为

$P_{rs 1} = \frac{52 + 257}{145 + 52 + 257} \times 100 % = 68 %$ (9)

街区2基于遥感的建筑倒塌率计算过程为

$P_{rs 2} = \frac{66 + 80}{265 + 66 + 80} \times 100 % = 35 %$ (10)

2.3 玉树地震震区建筑物的抗震性能调查

根据中国地震局 “ 青海玉树7.1级地震综合科学考察” 工程震害科学考察分队详实的科考资料, 震区的房屋结构主要分为土木结构、砌块结构、砖混结构、底框架结构和框架结构5大类, 各结构房屋震害矩阵见表3(孙景江等, 2016)。根据《地震现场工作(第四部分): 灾害直接损失评估》(中国国家标准化管理委员会, 2011), 土木结构中被严重破坏的可归为“ 毁坏” 等级, 底框架结构可与砖混结构归为同一类结构; 由于震区只有Ⅸ 度区(玉树县城)有砖混结构的调查资料, 其它烈度情况参考国家地震社会服务工程应急救援系统中多层砌体的易损性矩阵, 可得到玉树地区不同结构建筑物在不同地震烈度下的倒塌率汇总表(表4)。

表3 玉树地区各结构的震害矩阵(单位: %)(孙景江等, 2016) Table 3 Seismic damage matrix of various structures in Yushu area(unit: %)(SUN Jing-jiang et al., 2016)

表4 玉树地震震区不同烈度下的建筑倒塌率汇总表 Table 4 Building collapse rate in Yushu area under different seismic intensity

2.4 震区结构倒塌率函数矩阵的构建

利用表4中的数据, 以烈度为横轴, 倒塌率为纵轴, 采用多项式拟合法进行曲线拟合, 在拟合过程中对每一烈度值进行十等分, 取其中间值作为拟合点(如土木结构Ⅶ 度倒塌率为39.5%, 则拟合数值对为(7.5, 39.5)); 根据拟合结果得到玉树地震震区不同结构建筑物的倒塌率与地震烈度的函数关系(图6)以及居民地建筑结构倒塌率函数的转置矩阵:

$P_{fall}^{T} = (\begin{array}{l} p_{fall 1} = 5.4333 I^{3} - 132.05 I^{2} + 1085.9 I - 2969.4 \\ p_{fall 2} = \{\begin{array}{l} 0 & 6 \leq I < 7.5 \\ 3.875 I^{2} - 53.83 I + 186.07 & 7.5 \leq I < 12 \end{array} \\ p_{fall 3} = 1.45 I^{3} - 32.225 I^{2} + 238.2375 I - 585.24375 \\ p_{fall 4} = \{\begin{array}{l} 0 & 6 \leq I < 9 \\ 1.475 I^{2} - 21.83 I + 79.871 & 9 \leq I < 12 \end{array} \end{array})$ (11)

式中, p_fall₁、 p_fall₂、 p_fall₃和p_fall₄分别代表土木结构、砌块结构、砖混结构和框架结构的倒塌率预测函数, 其取值范围为0~100。

	Figure Option View Download New Window
	图6 震区不同结构建筑倒塌率的拟合曲线图Fig. 6 The fitting curve of collapse rate of different building structures in the earthquake area.

2.5 居民地结构倒塌率的预测模型

利用2.1节中获取的街区1与街区2的建筑结构矩阵, 结合2.4节得到的玉树地区居民地建筑结构倒塌率的函数矩阵, 根据1.5节中居民地倒塌率的预测模型, 可获得街区1与街区2的居民地建筑倒塌率预测模型。

街区1居民地建筑倒塌率预测模型的计算结果见图7, 计算过程为

$P_{forecast 1} = \frac{N_{bd 1} \times P_{fall}^{T}}{\sum_{i} n_{i}} \times 100 % = \frac{(338, 86, 10, 20) \times P_{fall}^{T}}{(338 + 86 + 10 + 20)} \times 100 %$ (12)

	Figure Option View Download New Window
	图7 示范街区倒塌率的预测曲线图Fig. 7 The prediction chart of collapse rate of the study blocks.

街区2居民地建筑倒塌率预测模型的计算结果见图7, 计算过程为

$P_{forecast 2} = \frac{N_{bd 2} \times P_{fall}^{T}}{\sum_{i} n_{i}} \times 100 % = \frac{(173, 103, 114, 21) \times P_{fall}^{T}}{(173 + 103 + 114 + 21)} \times 100 %$ (13)

2.6 利用遥感解译的建筑倒塌率反演地震烈度

根据1.1节的假设条件, 利用遥感解译的街区1与街区2的建筑物倒塌率(2.2节)与利用建筑结构易损性矩阵预测的建筑物倒塌率(2.5节)数值相等, 即P_forecast₁=P_rs₁, P_forecast₂=P_rs₂。根据2.5节中得到的街区1与街区2的倒塌率预测结果, 反演得到街区1遭遇的地震烈度为9.4度、街区2遭遇的地震烈度为9.2度; 而中国地震局地震现场科考评定玉树县城地震的烈度值为Ⅸ (9)度, 证明本方法的计算结果可信。

3 结论与讨论

本文提出了一种基于高分遥感影像结合居民地建筑物数据评估地震烈度的方法, 并利用玉树地震中2个相邻街区数据对地震烈度进行了评估, 评估结果与地震现场科考结果一致; 此外, 作者利用2014年鲁甸6.5级地震龙头山镇政府所在地的数据进行了验证(限于篇幅, 不再详细叙述), 2次震例的结果均表明本文提出的方法可较准确地评定某一居民地(街区)遭遇的地震烈度, 在地震应急工作中具有一定的应用价值。

需要指出的是, 本方法的应用需要一定的前置条件: 1)掌握居民地(街区)的建筑结构数据; 2)掌握震区较准确的建筑结构易损性矩阵; 3)震区建筑物有一定的倒塌情况。另外, 由于本方法是在之前学者遥感解译的基础上进行的统计分析, 缺少真实地震事件的检验, 因此, 下一步需从2个方面继续深入研究: 一方面应继续收集与历史震例相关的数据验证本文提出方法的适用性和可靠性; 另一方面, 在今后真实地震应急事件工作中尝试利用本文提出的方法, 对部分区域的地震烈度进行评估, 并与最终评定的烈度进行对比, 以验证或改进该方法, 使之更适应于地震应急的实际工作需求。

随着各级地震部门掌握的建筑数据日趋精细、分地区精准化建筑结构易损性研究愈加深入, 构建以居民地为基本单元的建筑物数据已成为精准防灾、救灾的趋势。在此背景之下, 如果本文所述方法能够得到充分的验证或改进, 可在震后利用遥感手段快速、较准确地评估地震烈度, 将为震后应急救援、损失评估等提供参考依据。

参考文献

文献列表

[1]	安立强, 张景发. 2011. 遥感技术在震害调查中的应用现状及发展趋势[J]. 地震工程与工程振动, 31(2): 182—188. AN Li-qiang, ZHANG Jing-fa. 2011. Application situation and trend of remote sensing technology used in earthquake disaster survey[J]. Earthquake Engineering and Engineering Vibration, 31(2): 182—188(in Chinese). [本文引用:1]
[2]	陈鑫连, 魏成阶. 1995. 地震灾害的航空遥感快速评估与救灾决策 [M]. 北京: 科学出版社: 1—136. CHEN Xin-lian, WEI Cheng-jie. 1995. Rapid Assessment of Earthquake Disasters by Aerial Remote Sensing and Disaster Relief Decision-making [M]. Science Press, Beijing: 1—136(in Chinese). [本文引用:1]
[3]	程家喻, 杨喆. 1993. 唐山地震人员震亡率与房屋倒塌率的相关分析[J]. 地震地质, 15(1): 82—87. CHENG Jia-yu, YANG Zhe. 1993. Regression analysis of mortality and the ratio of collapsing houses by Tangshan earthquake[J]. Seismology and Geology, 15(1): 82—87(in Chinese). [本文引用:1]
[4]	窦爱霞. 2018. 基于机载LiDAR数据的建筑物震害识别特征参数研究 [D]. 北京: 中国地震局地质研究所: 1—111. DOU Ai-xia. 2018. Study on earthquake damage identification feature parameters of buildings based on airborne LiDAR data [D]. Institute of Geology, China Earthquake Administration, Beijing: 1—111(in Chinese). [本文引用:1]
[5]	窦爱霞, 王晓青, 丁香, 等. 2012. 遥感震害快速定量评估方法及其在玉树地震中的应用[J]. 灾害学, 27(3): 75—80. DOU Ai-xia, WANG Xiao-qing, DING Xiang, et al. 2012. Quantitative methods of rapid earthquake damage assessment using remote sensing and its application in Yushu earthquake[J]. Journal of Catastrophology, 27(3): 75—80(in Chinese). [本文引用:2]
[6]	郭华东, 张兵, 雷莉萍, 等. 2010. 玉树地震高倒塌率建筑物及诱因: 遥感认识[J]. 中国科学(D辑), 40(5): 538—540. GUO Hua-dong, ZHANG Bing, LEI Li-ping, et al. 2010. Buildings with high collapse rate in Yushu earthquake and its inducements: Understand ing by remote sensing[J]. Science in China(Ser D), 40(5): 538—540(in Chinese). [本文引用:1]
[7]	郭建兴. 2013. 基于数字地球平台的震害显示和提取技术研究 [D]. 北京: 中国地震局地震预测研究所. GUO Jian-xing. 2013. Study of technology of display and extracting earthquake damage based on the digital earth platform [D]. Institute of Earthquake Science, China Earthquake Administration, Beijing(in Chinese). [本文引用:1]
[8]	郭建兴, 袁小祥, 韶丹. 2018. 基于 “数字地球”的无人机遥感地震应急系统研制[J]. 信息通信, (8): 65—68. GUO Jian-xing, YUAN Xiao-xiang, SHAO Dan. 2018. Development of unmanned aerial vehicle remote sensing earthquake emergency system based on Digital Earth Platform[J]. Information&Communications, (8): 65—68(in Chinese). [本文引用:1]
[9]	贺素歌. 2013. SAR图像用于震害信息变化检测中的处理方法研究 [D]. 北京: 中国地震局地震预测研究所. HE Su-ge. 2013. Topic study on SAR image processing methods applied to earthquake damage information extraction [D]. Institute of Earthquake Science, China Earthquake Administration, Beijing(in Chinese). [本文引用:1]
[10]	金鼎坚, 王晓青, 窦爱霞, 等. 2012. 雷达遥感建筑物震害信息提取方法综述[J]. 遥感技术与应用, 27(3): 449—457. JIN Ding-jian, WANG Xiao-qing, DOU Ai-xia, et al. 2012. A review on the methods of earthquake-induced building damage information extraction from SAR images[J]. Remote Sensing Technology and Application, 27(3): 449—457(in Chinese). [本文引用:1]
[11]	雷莉萍, 刘良云, 张丽, 等. 2010. 汶川地震房屋倒塌的遥感监测与分析[J]. 遥感学报, 14(2): 333—344. LEI Li-ping, LIU Liang-yun, ZHANG Li, et al. 2010. Assessment and analysis of collapsing houses by aerial images in the Wenchuan earthquake[J]. Journal of Remote Sensing, 14(2): 333—344(in Chinese). [本文引用:1]
[12]	李果, 孔祥皓, 刘凤晶, 等. 2016. “高分四号”卫星遥感技术创新[J]. 航天返回与遥感, 37(4): 7—15. LI Guo, KONG Xiang-hao, LIU Feng-jing, et al. 2016. GF-4 satellite remote sensing technology innovation[J]. Spacecraft Recovery & Remote Sensing, 37(4): 7—15(in Chinese). [本文引用:1]
[13]	陆春玲, 王瑞, 尹欢. 2014. “高分一号”卫星遥感成像特性[J]. 航天返回与遥感, 35(4): 67—73. LU Chun-ling, WANG Rui, YIN Huan. 2014. GF-1 satellite remote sensing characters[J]. Spacecraft Recovery & Remote Sensing, 35(4): 67—73(in Chinese). [本文引用:1]
[14]	潘腾, 关晖, 贺玮. 2015. “高分二号”卫星遥感技术[J]. 航天返回与遥感, 36(4): 16—24. PAN Teng, GUAN Hui, HE Wei. 2015. GF-2 satellite remote sensing technology[J]. Spacecraft Recovery & Remote Sensing, 36(4): 16—24(in Chinese). [本文引用:1]
[15]	孙柏涛, 胡少卿. 2005. 基于已有震害矩阵模拟的群体震害预测方法研究[J]. 地震工程与工程振动, 25(6): 102—108. SUN Bai-tao, HU Shao-qing. 2005. A method for earthquake damage prediction of building group based on existing earthquake damage matrix[J]. Earthquake Engineering and Engineering Vibration, 25(6): 102—108(in Chinese). [本文引用:1]
[16]	孙景江, 李山有, 戴君武, 等. 2016. 青海玉树7. 1级地震震害 [M]. 北京: 地震出版社. SUN Jing-jiang, LI Shan-you, DAI Jun-wu, et al. 2016. Earthquake Damage of Yushu M7. 1 Earthquake in Qinghai Province [M]. Seismological Press, Beijing(in Chinese). [本文引用:2]
[17]	王晓青, 窦爱霞, 丁香, 等. 2015a. 地震烈度应急遥感评估研究与应用进展[J]. 地球信息科学学报, 17(12): 1536—1544. WANG Xiao-qing, DOU Ai-xia, DING Xiang, et al. 2015a. Advance on the RS-based emergency seismic intensity assessment[J]. Journal of Geo-information Science, 17(12): 1536—1544(in Chinese). [本文引用:2]
[18]	王晓青, 窦爱霞, 王龙, 等. 2015b. 2013年四川芦山7. 0级地震烈度遥感评估[J]. 地球物理学报, 58(1): 163—171. WANG Xiao-qing, DOU Ai-xia, WANG Long, et al. 2015b. RS-based assessment of seismic intensity of the 2013 Lushan, Sichuan, China M_S7. 0 earthquake[J]. Chinese Journal of Geophysics, 58(1): 163—171(in Chinese). [本文引用:1]
[19]	王晓青, 王龙, 章熙海, 等. 2009. 汶川8. 0级地震震害遥感定量化初步研究: 以都江堰城区破坏为例[J]. 地震, 29(1): 174—181. WANG Xiao-qing, WANG Long, ZHANG Xi-hai, et al. 2009. Primary quantitative study on earthquake damage extracted from remote sensing imagery: A case study of Doujiangyan due to the Wenchuan M8. 0 earthquake[J]. Earthquake, 29(1): 174—181. [本文引用:2]
[20]	魏成阶, 张渊智. 1996. 地震烈度包络线的遥感与GIS方法快速生成[J]. 自然灾害学报, 5(3): 19—28. WEI Cheng-jie, ZHANG Yuan-zhi. 1996. Application of remote sensing and GIS techniques in producing earthquake isoseismal[J]. Journal of Natural Disasters, 5(3): 19—28(in Chinese). [本文引用:1]
[21]	杨喆, 程家喻. 1994. 唐山地震房屋倒塌率与烈度相关分析[J]. 地震地质, 16(3): 284—288. YANG Zhe, CHENG Jia-yu. 1994. Correlation analysis of percentage of collapsing houses and seismic intensity of Tangshan earthquake[J]. Seismology and Geology, 16(3): 284—288(in Chinese). [本文引用:1]
[22]	尹之潜. 1991. 地震灾害损失预测研究[J]. 地震工程与工程振动, 11(4): 87—96. YIN Zhi-qian. 1991. A study for predicting earthquake disaster loss[J]. Earthquake Engineering and Engineering Vibration, 11(4): 87—96(in Chinese). [本文引用:1]
[23]	余博, 李如仁, 陈振炜, 等. 2019. “高分三号”卫星图像干涉测量试验[J]. 航天返回与遥感, 40(1): 66—73. YU Bo, LI Ru-ren, CHEN Zhen-wei. et al. 2019. Image interferometry experiment of GF-3 satellite[J]. Spacecraft Recovery & Remote Sensing, 40(1): 66—73(in Chinese). [本文引用:1]
[24]	中国地震局. 2018. 地震灾害遥感评估建筑物破坏(DB/T 75-2018)[S]. 北京: 中国标准出版社. China Earthquake Administration. 2018. Earthquake disaster assessment based on remote sensing: Building damage(DB/T 75-2018)[S]. Stand ards Press of China, Beijing(in Chinese). [本文引用:1]
[25]	中国国家标准化管理委员会. 2009. 建(构)筑物地震破坏等级划分(GB/T 24335-2009)[S]. 北京: 中国标准出版社. Stand ardization Administration of China. 2009. Classification of earthquake damage to buildings and special structures(GB/T 24335-2009)[S]. Stand ards Press of China, Beijing(in Chinese). [本文引用:1]
[26]	中国国家标准化管理委员会. 2011. 地震现场工作第四部分: 灾害直接损失评估(GB/T 18208. 4-2011)[S]. 北京: 中国标准出版社. Stand ardization Administration of China. 2011. Post-earthquake field works(Part 4): Assessment of direct loss(GB/T 18208. 4-2011)[S]. Stand ards Press of China, Beijing(in Chinese). [本文引用:2]

2011

0.0

... 贺素歌, 2013)、激光雷达遥感(窦爱霞, 2018)等遥感技术日渐成熟, 在震后较短时间内即可获取灾区大面积的影像数据, 为震害调查和烈度评定提供了丰富的数据源(安立强等, 2011) ...

1995

0.0

... 陈鑫连等(1995)、魏成阶等(1996)开展了航空遥感的地震灾害快速调查评估与减灾辅助决策研究, 初步建立了震害分级分类遥感判读标志 ...

1993

0.0

程家喻, 杨喆. 1993. 唐山地震人员震亡率与房屋倒塌率的相关分析[J]. 地震地质, 15(1): 82—87.

CHENG

Jia-yu

, YANG

Zhe

. 1993. Regression analysis of mortality and the ratio of collapsing houses by Tangshan earthquake[J]. Seismology and Geology, 15(1): 82—87(in Chinese).

The ratio of collapsing houses by Tangshan earthquake was determined by sampling from aero photographies which were taken after shock. Analysis of mortality shows that the death percentage related to collapse of houses is more than 80%. Based on the fact that the death is mainly caused by collapse of houses, the regression curve of mortality and the ratio of collapsed houses by Tangshan earthquake is formulated. This curve can be used to rapidly estimate the death after shock by using the phase of damaged houses which can be surveyed from aero photographes.

Institute of Geology, SSB, Beijing 100029

运用震后航空像片抽样统计了唐山地震的房屋倒塌率,分析了造成人员伤亡的主要原因是房屋毁坏。据此,建立了地震人员伤亡率与房倒率的回归方程,该方程可用于震前人员伤亡预测和震后快速粗估。

... 程家喻等(1993)探讨了唐山地震的倒塌率与人口死亡率的相关性问题 ...

2018

0.0

2012

0.0

... 窦爱霞等, 2012) ...

... 地震发生后, 中国地震局应急遥感技术小组启动应急响应, 获取了震区大量遥感影像资料, 并对结古镇11 100栋建筑物的破坏程度进行了详细遥感判读(窦爱霞等, 2012) ...

2010

0.0

... 郭华东等(2011)利用玉树地震震后的遥感解译结果分析了建筑倒塌率分布与成因等问题 ...

2013

0.0

... 但破坏性地震的发生往往伴随着交通、通讯和电力中断, 快速获取地面震害调查资料十分困难(郭建兴, 2013) ...

2018

0.0

... 无人机遥感技术的运行成本低、执行任务灵活, 而影像空间分辨率可达cm级(郭建兴等, 2018), 在震后地震应急遥感工作中发挥着越来越重要的作用 ...

2013

0.0

2012

0.0

金鼎坚, 王晓青, 窦爱霞, 等. 2012. 雷达遥感建筑物震害信息提取方法综述[J]. 遥感技术与应用, 27(3): 449—457.

JIN

Ding-jian

, WANG

Xiao-qing

, DOU

Ai-xia

, et al. 2012. A review on the methods of earthquake-induced building damage information extraction from SAR images[J]. Remote Sensing Technology and Application, 27(3): 449—457(in Chinese).

The capabilities such as weather-and-sunlight independence make synthetic aperture radar (SAR) become a powerful tool to earthquake emergency response.This paper show a summary of the parameters of the SAR systems that have been used to extract earthquake-induced building damage information,and the earthquake cases in which the SAR images have been used to monitor disaster,also gives a comprehensive introduce to all kinds of methods of extracting earthquake-induced building damage from SAR images.These methods are classified into visual interpretation and automatically information extraction by computer.The latter includes the single-temporal method with textuure and polarization features,and multi-temporal method with intensity and coherence features.All of these methods were compared to find their disadvantanges and this paper discussed the development of the methods of earthquake-induced building damage information extraction.

(Institute of Earthquake Science,China Earthquake Administration,Beijing 100036,China)

合成孔径雷达遥感具有全天时、全天候工作的能力,在地震灾害应急中发挥了重要作用。回顾了雷达遥感建筑物震害信息提取技术的发展历史,总结了各种用于建筑物震害信息提取的雷达卫星的参数特征以及使用雷达遥感提取建筑物震害信息的震例。介绍了目前应用的各种雷达遥感建筑物震害信息提取方法,包括目视解译和计算机自动信息提取两种,其中后者包括基于纹理特征和极化特征的单时相方法、基于强度特征和相干特征的多时相方法。比较了这些方法的适用性和不足,并探讨了雷达遥感建筑物震害信息提取方法的发展趋势。

... 基于航空平台的光学遥感(王晓青等, 2015a)、雷达遥感(金鼎坚等, 2012 ...

2010

0.0

雷莉萍, 刘良云, 张丽, 等. 2010. 汶川地震房屋倒塌的遥感监测与分析[J]. 遥感学报, 14(2): 333—344.

LEI

Li-ping

, LIU

Liang-yun

, ZHANG

, et al. 2010. Assessment and analysis of collapsing houses by aerial images in the Wenchuan earthquake[J]. Journal of Remote Sensing, 14(2): 333—344(in Chinese).

地震灾害中房屋倒塌受害程度表征了地震作用下地面运动的强度大小以及地震灾害造成的人员经济损失状况.2008-05-12汶川大地震震级高达八级,最大烈度接近极限达11(Ⅺ)度,波及区域范围广,造成大面积房屋倒塌.利用航空高分辨率光学遥感图像,基于房屋倒塌的图像目视判读及插值方法获取了大面积受灾区房屋倒塌灾情信息,结合灾区地震烈度和地震地表破裂带相关数据对房屋倒塌受害程度的空间变化特征进行了分析与评价.判明在汶川地震灾区房屋普遍受害,其中以汶川县房屋倒塌受害最重.其次是绵竹市、什邡市、彭州市.房倒率与地震烈度成线性对应关系,房屋倒塌严重区沿龙门山断裂呈西南-东北向分布. Abstract： Information of houses collapsed by the earthquake is one of the important indicators to assess the earthquake damage intensity,and support the emergency decision-making process in rescue and recovery operations. We monitored the house collapse ratio and its spatial variation in the 5.12 Wenchuan earthquake by airborne images,and analyzed its spatial variation relationship with the earthquake intensity,geological structure,stratum lithology and surface rupture caused by the earthquake.The house collapse ratio was derived by visually interpreting ADS40 airborne images acquired from May 15 to May 28,2008.The results show that the houses were widely damaged in the earthquake-damaged region,especially in Wenchuan County,Mianzhu City,Shifang City,and Pengzhou City and Wenchuan County which experienced the severest damage. We analyzed the spatial variation of the house collapse ratio and its relationship with earthquake intensity,geological structure,stratum lithology and surface rupture caused by earthquake. The results demonstrate that the house collapse ratio and the earthquake intensity have positive relationship,and the ratio of house collapse is controlled by the geological structure,stratum lithology,and building structure too. The house collapse ratios,which are above 50%,mainly distributed along the surface rupture in a SW to NE direction.

... 杨喆等(1994)、雷莉萍等(2010)先后利用遥感影像解译了唐山地震、汶川地震后不同烈度区居民地(点)的房屋倒塌率, 并与地震烈度进行了相关性分析 ...

2016

0.0

李果, 孔祥皓, 刘凤晶, 等. 2016. “高分四号”卫星遥感技术创新[J]. 航天返回与遥感, 37(4): 7—15.

Guo

, KONG

Xiang-hao

, LIU

Feng-jing

, et al. 2016. GF-4 satellite remote sensing technology innovation[J]. Spacecraft Recovery & Remote Sensing, 37(4): 7—15(in Chinese).

GF-4 satellite is the first GEO optical remote sensing satellite with medium resolution of China, it is also an important part of the national high resolution earth observation system. The satellite combines the characteristics of high temporal resolution and medium spatial resolution. Therefore, GF-4 satellite focuses on providing remote sensing data services to many fields of application including disaster alleviation, meteorology, earthquake, forestry survey. It further offers remote sensing data support to the marine, land and water resources survey, and national defense construction. The development processes of the GF-4 project has been briefly introduced in this paper in the aspect of orbital motion, instruments and control system, and the technical achievements have also been summarized such as overall design technology, high precision control technology, image security technology under complex conditions, high precision thermal control and high reliability and long life technology. Finally, some suggestions for further development are proposed.

1 Beijing Institute of Spacecraft System Engineering;2 Beijing Institute of Space Mechanics & Electricity

“高分四号”卫星是中国首颗地球静止轨道高分辨率光学遥感卫星，是国家高分辨率对地观测系统重大专项工程的重要组成部分。“高分四号”卫星将高时间分辨率和较高空间分辨率相结合，为减灾、气象、地震和林业等多个行业的应用提供遥感数据服务，并为海洋、国土和水利等行业以及国防建设提供遥感数据支持，实现中国民用高分卫星研制和卫星遥感应用领域的新突破。文章分析了“高分四号”卫星在运行轨道、探测手段、控制体制等多方面的任务特点，总结了卫星总体设计技术、高精度控制技术、复杂条件下像质保障技术、高精度热控技术、高可靠长寿命技术等创新点，为中国静止轨道高分辨率光学遥感领域后续发展提出重要建议。

... 李果等, 2016 ...

2014

0.0

陆春玲, 王瑞, 尹欢. 2014. “高分一号”卫星遥感成像特性[J]. 航天返回与遥感, 35(4): 67—73.

Chun-ling

, WANG

Rui

, YIN

Huan

. 2014. GF-1 satellite remote sensing characters[J]. Spacecraft Recovery & Remote Sensing, 35(4): 67—73(in Chinese).

GF-1 is the first satellite of China high resolution earth observation system. In order to make good use of GF-1 data for many users, this paper describes the results of area coverage, position and phase of different spectrums, and auxiliary data application, in the light of satellite orbit, observing & receiving, image geolocation, time characters and so on. Some examples of GF-1 imaging time, GPS positioning and star sensor attitude determination data interpolation are given. Based on satellite design, this paper introduces many remote sensing imaging and data processing characters for data application.

1 DFH satellite Co. LTD.;2 CAST - Xi’an Institute of Space Radio Technology

“高分一号”（GF-1）卫星是中国高分辨率对地观测系统重大专项的首发星。为保证广大用户更好地应用该卫星数据，文章从卫星轨道特性、观测与接收、成像几何特性、时间特性等方面，论述了该卫星的区域连片覆盖、谱段时相对齐和辅助数据应用的结果。给出了GF-1 卫星构像方程所需要成像时刻、GPS 定位、星敏定姿数据的插值实例，基于卫星设计角度阐述了面向应用的GF-1 卫星遥感成像及处理特性。

... 近年来, 随着遥感技术的飞速发展, 基于多种平台、通过多种传感器获取遥感数据越来越便捷, 特别是国产高分系列卫星的发射(陆春玲等, 2014 ...

2015

0.0

潘腾, 关晖, 贺玮. 2015. “高分二号”卫星遥感技术[J]. 航天返回与遥感, 36(4): 16—24.

PAN

Teng

, GUAN

Hui

, HE

Wei

. 2015. GF-2 satellite remote sensing technology[J]. Spacecraft Recovery & Remote Sensing, 36(4): 16—24(in Chinese).

GF-2 satellite is the first satellite of Chinese importance special project for high resolution earth observation system, in order to meet the pressing need and substitute for imported remote data. It is the first remote sensing satellite of China with 50m positioning accuracy and 5~8 years lifetime by design, especially, it has the highest resolution in China’s civil remote sensing satellite at present. This paper introduces the characteristic of GF-2, include high resolution, high positioning accuracy and the innovations in high quality image design and vibration control design, long life design. Based on the on-orbit data, the primary accuracy and application of GF-2 are evaluated. This paper can be as a reference for other HR imaging satellite design.

Institute of Spacecraft System Engineering

“高分二号”（GF-2）卫星是高分辨率对地观测系统重大专项中为满足应用亟需和替代进口而规划的遥感卫星，也是中国第一颗目标定位精度要求达到50m、寿命要求达到5~8 年、迄今为止中国研制的空间分辨率最高的民用低轨遥感卫星。文章分析了GF-2 卫星高分辨率、高定位精度等任务的特点，以及高精度图像保障、扰振抑制设计、长寿命设计等技术创新点，并介绍了其在轨评价及应用情况，为后续高分辨率对地观测卫星提供了参考。

... 潘腾等, 2015 ...

2005

0.0

... 孙柏涛等, 2005), 可构建任意烈度下的倒塌率预测模型 ...

2016

0.0

... 工程, 工程震害科学考察分队对此次地震造成的房屋破坏进行了详实的地面科学考察(孙景江等, 2016) ...

... 工程震害科学考察分队详实的科考资料, 震区的房屋结构主要分为土木结构、砌块结构、砖混结构、底框架结构和框架结构5大类, 各结构房屋震害矩阵见表3(孙景江等, 2016) ...

2015a

0.0

... 基于航空平台的光学遥感(王晓青等, 2015a)、雷达遥感(金鼎坚等, 2012 ...

... 唐山地震后, 中国利用航拍资料结合地面调查完成了《一九七六唐山地震震害分布图(1:50万)》(王晓青等, 2015a) ...

2015b

0.0

... 此方法提出后, 已成功应用于汶川、玉树、芦山等地震的地震烈度快速评估工作中(王晓青等, 2009, 2015b ...

2009

0.0

... 王晓青等(2009)在前人研究的基础上, 将遥感手段与传统地震烈度评估技术相结合, 提出了 #cod#x0201c ...

... 此方法提出后, 已成功应用于汶川、玉树、芦山等地震的地震烈度快速评估工作中(王晓青等, 2009, 2015b ...

1996

0.0

... 陈鑫连等(1995)、魏成阶等(1996)开展了航空遥感的地震灾害快速调查评估与减灾辅助决策研究, 初步建立了震害分级分类遥感判读标志 ...

1994

0.0

... 杨喆等(1994)、雷莉萍等(2010)先后利用遥感影像解译了唐山地震、汶川地震后不同烈度区居民地(点)的房屋倒塌率, 并与地震烈度进行了相关性分析 ...

1991

0.0

... 但是如果掌握了某居民地的详细建筑物数据, 参照群体震害预测方法(尹之潜, 1991 ...

2019

0.0

... 余博等, 2019), 将中国国产光学遥感卫星、雷达遥感卫星的分辨率提升至亚米级, 能够提供大面积覆盖的震后遥感影像数据 ...

2018

0.0

... 在中国地震局行业标准《地震灾害遥感评估: 建筑物破坏》(中国地震局, 2018)中, 根据单体建筑物在遥感影像上的几何形状、空间布局、阴影、色调、建筑物周边堆积物影像特征等参数, 将其划分为#cod#x0201c ...

2009

0.0

... 在《建(构)筑物地震破坏等级划分》(中国国家标准化管理委员会, 2009)中, 根据建筑物承重构件及其破坏程度与数量将建筑物的破坏等级划分为 #cod#x0201c ...

2011

0.0

... 3 居民地建筑物结构矩阵《地震现场工作(第四部分): 灾害直接损失评估》(中国国家标准化管理委员会, 2011)将建筑结构分为钢结构房屋, 钢筋混凝土房屋, 砌体房屋, 砖木房屋, 土、木、石结构房屋, 工业厂房和公共空旷房屋等结构 ...

... 根据《地震现场工作(第四部分): 灾害直接损失评估》(中国国家标准化管理委员会, 2011), 土木结构中被严重破坏的可归为#cod#x0201c ...