基于多源數據的2021年云南漾濞MS6.4地震極災區判定方法

曹彥波 李永強 張方浩 蔣飛蕊

摘要：破壞性地震發生后，對地震極災區的快速判定有利于政府各部門實施精準化的搜救和物資保障。以2021年漾濞MS6.4地震為例，對依據烈度衰減模型、儀器烈度、余震序列、鐵塔斷電站點數據等方法判定的極災區進行多源數據融合，快速判定漾濞地震極災區大小及空間分布范圍。結果表明：基于多源數據融合的極災區判定方法除了考慮地震本身物理參數外，還融合了鐵塔通信基站破壞狀況，擬合得出的極災區大小、方向、質心坐標等空間分布與實際災害調查繪制結果基本一致，可為地震救援決策提供基礎數據支撐。

關鍵詞：漾濞MS6.4地震;多源數據;極災區

中圖分類號：P315.9?? 文獻標識碼：A?? 文章編號：1000-0666（2021）03-0472-09

0 引言

破壞性地震發生后，快速判定災害規模、搶救人民生命財產、轉移安置災民、最大程度減輕災害損失是抗震救災工作首要任務。尤其是在重特大地震發生后，破裂范圍隨著震級和震源機制不同，覆蓋十幾至數百千米，破裂延續時間可以從十幾秒到數百秒（張勇等，2013;岳漢等，2020），導致地震極災區通信、電力設施設備受損，極大影響災情信息的迅速獲取。因此，在震后2? h的災情黑箱期內，利用通信基站、余震序列、儀器烈度等物聯網和互聯網多源數據來判斷地震極災區的分布范圍、展布方向，可為政府部門確定重點救援區域、調派救援力量和物資提供重要的信息支撐和決策依據（聶高眾等，2012;曹彥波等，2018）。

目前，基于地震烈度衰減的數學模型方法是國內地震部門各級應急指揮中心軟件系統集成的主流算法之一（汪素云等，2000;張方浩等，2016），該算法主要利用地震參數快速計算地震影響范圍，生成以微觀震中為圓心的觀側等效破裂的橢圓（線源）面，最高烈度區就是極災區的影響范圍，極災區長軸初判方向一般為離震中最近的活動斷裂方向。由于地震烈度衰減關系是通過對歷史地震烈度長短軸回歸分析得到，無法體現出由于震源破裂過程不同而導致的地震災害分布差異，因此，用烈度衰減關系估計的最高烈度、極災區大小、方向和宏觀震中位置往往與實際烈度分布存在較大偏差（王德才等，2013）。2010年玉樹7.1級地震計算出的影響場震中位于人煙稀少的無人區，而實際宏觀震中卻位于人口稠密的結古鎮;在2014年魯甸6.5級地震影響場快速評估過程中，由于災區活斷層數據不準確，導致初期快速評估計算出的影響場長軸是NE向，最高烈度計算值僅為Ⅷ度，而實際的長軸是NW向，最高烈度計算值為Ⅸ度。針對上述問題，國內外眾多學者開展了震后極災區判定技術方法研究。代表性的方法主要有：①基于強震動觀測數據判定方法（李山有等，2002;梁永朵等，2015;Kodera et al，2018;關曙淵等，2020;段洪杰等，2020），如美國的ShakeMap系統，在高密集監測臺網支持下，利用震級、烈度與PGA、PGV的關系進行擬合生成儀器烈度分布圖（Wald et al，1999）;②基于震源機制和余震序列數據方法（白仙富等，2011;王偉錁等，2011;張蘇平等，2013;鄭韻等，2015，2018），楊天青等（2015）利用震后數小時的余震序列數據和震源機制解，通過分析數據時空展布特征，插值擬合快速判定極災區范圍和展布方向;③基于地震參數評估方法，聶高眾和徐敬海（2018）通過分析極震區烈度與地震參數的相關性關系，擬合了一種以正式發布的地震震級、震源深度為輸入參數的極震區烈度快速評估模型。近年來，隨著空間對地觀測技術、互聯網、物聯網、深度學習、人工智能等高新技術的飛速發展，有部分學者基于遙感技術（王曉青等，2015a，b;張景發等，2018;李金香等，2018;郭建興等，2020），基于無人機影像識別技術（許建華等，2017;周洋等，2017;杜浩國等，2018;李金香等，2020）、監控視頻源識別技術（李東平等，2017，2019;郭志宇，2017;Li et al，2021）、社交媒體感知技術（徐敬海等，2015;曹彥波等，2017;薄濤等，2018）、互聯網IP地址定位技術（李兆隆等，2017;吳艷梅等，2019）、手機信令數據（張勇等，2018;張小詠等，2018;龐曉克，2019）以及震感、人員傷亡、房屋破壞等多源地震災情信息融合方法（胡素平，帥向華，2012;郭紅梅等，2015;楊天青等，2016;李芋均等，2020）等多種大數據時代的技術方法進行地震極災區的識別和提取。本文在參考前人研究基礎上，以2021年5月21日漾濞MS6.4地震為例，利用多源數據融合方法快速判定極災區范圍和展布方向，為地震應急處置工作提供信息支撐。

1 研究方法與數據源

1.1 技術路線

本文以云南地震應急基礎數據庫、余震序列數據、災情數據等多源數據為基礎，首先基于衰減模型、儀器烈度、余震序列、通信基站斷電、多源數據融合5種方法生成地震極災區子集，然后利用有限集容斥算法對每一個子集進行合并，提取融合范圍內受影響的居民點數據集，采用標準橢圓差方程擬合生成極災區。最后采用平均絕對百分比誤差從極災區大小、方向、宏觀震中、空間位置分布狀況等方面對這5種方法擬合結果與實際調查評估結果進行對比，分析產生誤差的原因（圖1）。

1.2 研究方法

1.2.1 標準橢圓差算法

本文采用標準橢圓差算法完成基于不同數據源的極災區范圍擬合。標準差橢圓算法是由美國南加州大學社會學教授韋爾蒂·利菲弗在1926年提出的度量地理空間分布的一種經典算法。該算法利用一系列離散數據點，通過坐標系變換的方法，使原坐標系中的離散數據點在新的坐標系下的標準差距離最小，從而反映點集的方向和分布趨勢。該方法主要步驟如下：

（1）確定橢圓圓心。根據不同數據源，利用算數平均中心來計算橢圓的圓心，算法如下：

Cx=∑ni-1（xi-X）2n

Cy=∑ni-1（yi-Y）2n（1）

式中：Cx和Cy表示橢圓圓心x坐標和y坐標，xi和yi是單個點要素的空間位置坐標，X和Y是算數平均中心。

（2）確定橢圓方向性。根據不同數據源空間分布狀況，以x軸為準，正北方（12點方向）為0度，順時針旋轉，算法如下：

tanθ=∑ni-12i-∑ni-12i）+（∑ni-12i-∑ni-12i）2+4（∑ni-1ll）22∑ni-1ll（2）

式中：θ表示橢圓旋轉角度;l和l表示平均中心和x、y坐標的差。最后確定x、y軸的長度，算法如下：

Dx=2∑ni=1（lcosθ-lsinθ）2n

Dy=2∑ni=1（lsinθ-lcosθ）2n（3）

式中：Dx和Dy分別表示橢圓的x、y軸的長度。

（3）數據子集融合。利用有限集容斥原理對不同數據源生成的多個子集進行合并，提取影響區域居民點要素，把合并計數時重復計算數排斥出去，形成不同數據源融合范圍內居民點要素集合，容斥算法如下：

設S為有限集，則：

AiS（i=1，2，…，n，n≥2），S=A1∪A2∪…∪Am

∪ni-1Ai=∑nk-1（-1）k-1∑1≤i1

式中：S表示多個集合相并的有限集;Ai表示某一子集。

（4）生成極災區。根據融合范圍內的居民點集合，利用標準差橢圓方程擬合計算地震極災區，確定極災區空間分布和展布方向（圖2）。

1.2.2 擬合結果精度校驗

采用平均絕對百分比誤差方法對5種方法生成的地震極災區評估值和真實值進行精度對比分析。計算數值越小，說明擬合算法精確度越好。具體算法如下：

M=1n∑nt=1A（t）-F（t）A（t）×100%（5）

式中：M表示表示平均絕對百分比誤差;A表示真實值;F表示預測值。

1.3 數據來源及預處理

本文分析采用的數據包括云南省行政區劃數據、活動構造數據、震區鐵塔通信基站斷電站點數據、余震序列數據等9類（表1）。除地震應急基礎數據庫支撐的結構化矢量數據外，采集到的部分數據是非結構化的文本文檔、電子表格和圖片數據，在進行空間分析前需進行數據預處理。筆者對原始數據進行檢查整理，剔除錯誤值、異常值和無經緯度坐標數據，利用GIS軟件對余震序列、儀器烈度、地震烈度圖等非結構化數據在地圖上進行空間定位配準，定義坐標系，形成可進行空間分析、空間統計建模的矢量數據，見表1。

2 研究結果

2021年5月21日21時48分34秒，云南省漾濞縣（25.67°N，99.87°E）發生MS6.4地震，震源深度8 km。地震發生后，云南地震災害應急指揮中心快速響應;震后2 min，基于地震烈度衰減模型，利用評估系統快速計算生成了地震極災區的空間分布范圍和方向;震后20 min，根據預警工程烈度速報產出結果，提取儀器烈度極災區影響范圍;震后30 min到1 h，利用漾濞震區鐵塔通信基站斷電站點分布和余震序列分布空間數據點集擬合得到兩種數據源的極災區空間分布狀況。

基于烈度衰減模型、儀器烈度、余震序列和鐵塔斷電站點4種方法擬合得到極災區，結果如表2、圖3所示。

（1）根據烈度衰減模型計算，此次地震微觀震中位于大理州漾濞縣蒼山西鎮花椒園村，初判發震構造為維西—喬后斷裂，影響場長軸方向為NW向，極災區最高烈度為Ⅷ度，面積約為251.8 km2，覆蓋了漾濞縣白章村、花椒園村、秀嶺村、太平鄉4個居民點。

（2）根據儀器烈度統計，此次地震微觀震中位于花椒園村，烈度區長軸方向NW向，向東靠近維西—喬后斷裂，極災區最高烈度為Ⅷ度，面積約303.1 km2，極災區覆蓋了白章村、花椒園村等12個居民點。

（3）從震后1 h余震序列空間分布看，余震主要分布在維西—喬后斷裂西側，沿著微觀震中向ES方向單側展布，余震區長度約25 km，寬度約5 km。根據擬合結果，極災區面積155 km2，方向為NNW向，質心坐標位于微觀震中東南向9.4 km處沙河村與秀嶺村附近，極災區覆蓋了花椒園村、秀嶺村、沙河村、仁民街社區、河西村5個居民點。

（4）此次地震造成鐵塔基站斷電站點一共有24處，主要分布在Ⅷ度區范圍內，主要集中在微觀震中東側人口較為密集的縣城和鄉鎮附近，沿紫陽村—淮安村—仁民街社區—河西村—石坪村一線呈NW向分布。根據擬合結果，極災區面積186 km2，方向為NW向，質心坐標位于微觀震中東側9.8 km處的河西村附近，覆蓋了秀嶺村、白羊村、淮安村等13個居民點。

（5）根據上述有限集容斥原理和標準橢圓差方法，對烈度衰減模型、儀器烈度、余震序列、

3 討論

根據云南省地震局（2021）發布的漾濞MS6.4地震烈度圖，地震最高烈度為Ⅷ度，地震發震構造為維西—喬后斷裂，沿斷裂西側呈北NW展布。Ⅷ度區面積約170 km2，主要涉及漾濞縣蒼山西鎮、漾江鎮、太平鄉3個鄉鎮。筆者采用平均絕對百分比誤差（MAPE）對上述5種方法評估結果和實際調查評估結果進行對比，結果如圖4、5，表3、4所示：

（1）從極災區大小和空間分布對比分析看：極災區范圍最大評估值來自儀器烈度方法，面積為303.1 km2，約為實際面積2倍，誤差率78.29%，其余方法擬合面積與實際相比誤差率在10%左右。極災區長軸擬合長度除烈度衰減模型方法外其余4種方法與實際結果相比誤差率均小于15%，余震序列方法長軸與實際基本相符，極災區短軸擬合長度與實際結果整體有一定偏差，烈度衰減模型方法擬合結果接近實際。從極災區空間分布情況看，烈度衰減模型和儀器烈度擬合范圍與實際位置相比向西側偏移，約一半面積重合;鐵塔斷電和余震序列方法所得結果則向南偏移，約三分之一面積重合。數據融合方法擬合的極災區范圍與實際范圍重合面積142 km2，分別占各自面積的74%和84%，兩者空間擬合分布基本一致。從極災區影響的居民點數量和空間分布看，數據融合方法生成的極災區覆蓋居民點與實際較為接近，該方法擬合的極災區包含了15個居民點，實際調查結果包含14個居民點，兩個區域重疊部分有13個居民點，吻合度達到了90%以上。

（2）從極災區展布方向對比分析看：極災區旋轉角評估值最大的是儀器烈度方法，旋轉角為152.8°，誤差率僅為0.46%，與實際調查評估結果方向基本吻合;評估值最小的是余震序列方法，旋轉角為136.6°，誤差率為10.19%。鐵塔斷電和數據融合方法方向與實際相比誤差率小于5%，極災區方向判定與實際結果基本一致。

（3）從極災區質心坐標與微觀、宏觀震中對比分析可以看出：烈度衰減模型和儀器烈度方法所得極災區質心坐標與微觀震中位置一致，但從實際調查繪制的極災區質心坐標來看，地震宏觀震中與微觀震中存在位置偏差，宏觀震中位于微觀震中EN方向約4.6 km的白羊村附近，x軸向西偏移4.2 km，y軸向北偏移2.1 km。而余震序列、鐵塔斷電、數據融合3種方法擬合的質心坐標都位于微觀震中東側，接近實際宏觀震中位置。質心與宏觀震中偏移量最小的是數據融合方法所得結果，x軸向西偏移1.7 km，y軸向南偏移2.2 km，位于淮安村和漾濞縣城仁民街社區附近。

這5種方法擬合的極災區大小方向、質心坐標等空間分布與實際結果存在一定的偏差，造成誤差的主要原因如下：

（1）從極災區大小和方向評估結果看（圖6）：利用烈度衰減模型方法生成極災區誤差的原因與衰減模型構建時歷史震例樣本數和采用回歸方法密切相關，災區活斷層數據精度也會影響方向判定準確性。儀器烈度大小和方向與地震臺網密度和插值方法密切相關，鐵塔斷電擬合范圍和方向也與破壞站點的數量和空間分布相關。從云南臺網震后1 h的余震序列空間分布和震源機制解結果看，節面I：走向139°/傾角76°/滑動角-165°，節面II：走向45°/傾角75°/滑動角-15°。離震中最近的主要活動斷裂為NNW向維西—喬后斷裂，余震序列呈NW向分布，呈現明顯的NNW條帶狀，與斷層節面I滑動方向一致。總體來說，在本次地震中，利用多源數據擬合后的極災區大小和方向與實際調查評估繪制結果基本一致，能滿足震后2 h災情黑箱期快速評估需求。

（2）從極災區宏觀震中和微觀震中偏移情況看（圖5）：這5種方法擬合所得的極災區宏觀震中與實際結果都存在不同程度的偏移。烈度衰減模型、儀器烈度、余震序列3種方法主要是考慮了地震震級、位置、余震、PGA、PGV等參數進行擬合，對區域內承災體空間分布狀況和震害破壞情況估計不足，導致與宏觀調查烈度存在差異。對于云南地區來說，高原山地特征顯著，地形地貌、地質構造、地震活動背景等孕災環境多樣復雜，社會經濟、人口等承災體時空分布差異性顯著，多次震例表明，調查烈度、宏觀震中往往與評估烈度、微觀震中存在差異。從漾濞MS6.4實際震害調查結果看，極災區（Ⅷ度）宏觀震中位置位于淮安村附近，災區范圍東起漾濞縣蒼山西鎮河西村，西至蒼山西鎮大爛壩，南自蒼山西鎮沙河村，北達漾江鎮彎坡村—桑不老村一帶。在實際地震極災區判定中，除了考慮地震本身物理參數外，還要融合地面多種承災體實際破壞情況，極災區判定才會更加精準。

4 結論

本文以2021年5月21日漾濞MS6.4地震為例，基于地震烈度衰減數學模型、儀器烈度、余震序列、鐵塔基站斷電等數據，利用標準橢圓差方程和容斥算法，通過多源數據擬合得出漾濞地震極災區范圍及空間分布。從5種擬合方法與實際結果的對比分析可以看出，基于多源數據融合的極災區判定方法除了考慮地震本身物理參數外，還融合地表鐵塔通信基站斷電實際破壞情況，擬合得出的極災區大小、方向、質心坐標等空間分布與實際災害調查繪制結果基本一致，可為地震救援決策提供基礎數據支撐。

由于云南地區孕災環境和承災體時空差異大，地震災情多因子耦合關系復雜，無論哪一種極災區判定方法都存在一定的局限性和適用范圍，應結合物聯網、互聯網、人工智能等高新技術，快速獲取災情，接入動態實時的行業大數據，進一步提高地震極災區研判精度。

參考文獻：

白仙富，戴雨芡，李永強，等.2011.基于余震信息的宏觀震中和影響場方向快速判定方法[J].地震研究，34（3）：525-532.

薄濤，李小軍，陳蘇，等.2018.基于社交媒體數據的地震烈度快速評估方法[J].地震工程與工程振動，38（5）：2016-215.

曹彥波，李永強.2018.云南地震應急關鍵技術與信息服務[M].昆明：云南科技出版社.

曹彥波，吳艷梅，許瑞杰，等.2017.基于微博輿情數據的震后有感范圍提取研究[J].地震研究，40（2）：303-310.

杜浩國，張方浩，鄧樹榮，等.2018.震后極災區無人機最優航拍區域選擇[J].地震研究，41（2）：209-215.

段洪杰，楊黎薇，段然，等.2020.基于自主研發的軟件框架在地震應用系統開發中的研究和應用[J].地震研究，43（1）：195-205.

關曙淵，單振東，馬榮.2020.日本儀器烈度計算 3 種方法對比[J].地震科學進展，50（8）：20-24.

郭紅梅，陳維鋒，張瑩，等.2015.多源地震災情信息融合的烈度判定方法研究[J].華北地震科學，33（3）：43-49.

郭建興，張宇翔，姬建中，等.2020.利用居民地建筑物數據和高分遙感影像評估地震烈度的方法初探[J].地震地質，42（4）：968-980.

郭志宇.2017.基于視頻監控的震害快速評估與地震應急技術可行性研究[D].蘭州：中國地震局蘭州地震研究所.

胡素平，帥向華.2012.網絡地震災情信息智能處理模型與地震烈度判定方法研究[J].震災防御技術，7（4）：420-430.

李東平，陳海鵬，張凱，等.2019.基于社會視頻監控信息源的地震影響范圍快速勾畫[J].地震研究，42（2）：187-195.

李東平，劉倩倩，龔俊.2017.基于海量視頻監控的中小地震烈度快速判斷方法嘗試[J].地震研究，40（2）：324-332.

李金香，常想德，趙朔，等.2018.新疆塔什庫爾干塔吉克自治縣地震極災區地震烈度遙感快速評估研究[J].中國地震，34（3）：513-524.

李金香，趙朔，常想德.2020.基于無人機影像的皮山地震極災區烈度評估[J].地震科學進展，50（3）：20-24.

李山有，金星，陳先，等.2002.地震動強度與地震烈度速報研究[J].地震工程與工程振動，22（6）：1-7.

李芋均，郭紅梅，黃丁發，等.2020.基于區間證據理論的多源災情信息融合及烈度判定研究[J].計算機應用研究，37（S2）：92-94.

李兆隆，吳艷梅，李敏，等.2017.基于互聯網信報控制協議的災情信息獲取技術研究與應用[J].地震研究，40（2）：311-316.

梁永朵，姜金征，李瑩，等.2015.幾種烈度算法在實際震例中的對比研究[J].震災防御技術，10（4）：925-932.

聶高眾，安基文，鄧硯.2012.地震應急災情服務進展[J].地震地質，34（4）：783-789.

聶高眾，徐敬海.2018.基于震源深度的極震區烈度評估模型[J].地震地質，40（3）：611-621.

龐曉克.2019.基于手機位置信息的地震極震區位置與范圍快速獲取技術研究[D].北京：中國地震局地質研究所.

汪素云，俞言祥，高阿甲，等.2000.中國分區地震動衰減關系的確定[J].中國地震，16（2）：99-106.

王德才，倪四道，李俊.2013.地震烈度快速評估研究現狀與分析[J].地球物理學進展，28（4）：1772-1784.

王偉錁，李志強，李曉莉.2011.利用余震法快速判定宏觀震中的研究[J].震災防御技術，6（1）：36-48.

王曉青，竇愛霞，丁香，等.2015a.地震烈度應急遙感評估研究與應用進展[J].地球信息科學學報，17（12）：1536-1544.

王曉青，竇愛霞，王龍，等.2015b.2013年四川蘆山7.0級地震烈度遙感評估[J].地球物理學報，58（1）：163-171.

吳艷梅，李兆隆，鄭川，等.2019.云南省可定位IP地址數據特征及其在地震有感范圍判定中的應用[J].華北地震科學，37（1）：1-5.

徐敬海，褚俊秀，聶高眾，等.2015.基于位置微博的地震災情提取[J].白然災害學報，24（5）：12-18.

許建華，張雪華，王曉青，等.2017.無人機傾斜攝影技術在地震烈度評估中的應用-以九寨溝7.0級地震為例[J].中國地震，33（4）：655-662.

楊天青，姜立新，董曼，等.2015.基于余震序列分布信息的地震極災區快速判斷方法研究[J].災害學，30（1）：8-15.

楊天青，席楠，張翼，等.2016.基于離散災情信息的地震烈度分布快速判定方法研究[J].地震，36（2）：48-59

岳漢，張勇，蓋增喜，等.2020.大地震震源破裂模型：從快速響應到聯合反演的技術進展及展望[J].中國科學：地球科學，50（4）：515-537.

云南省地震局.2021.云南漾濞MS6.6地震烈度圖發布[EB/OL].（2021-05-25）[2021-07-01].http：//www.yndzj.gov.cn/yndzj/-300599/-300651/629959/index.html.

張方浩，蔣飛蕊，李永強，等.2016.云南地區地震烈度評估模型研究[J].中國地震，32（3）：511-521.

張景發，李強，張慶云，等.2018.多源遙感圖像的1976年MS7.8唐山大地震等烈度區判定[J].遙感學報，22（S1）：162-173.

張蘇平，孫艷萍，陳文凱.2013.余震信息在岷縣漳縣6.6級地震震后應急救援重災區快速判定時作用討論[J].地震工程學報，35（3）：465-470.

張小詠，肖迪，蘇中，等.2018.基于手機定位數據的地震災害影響場方向模擬[J].系統仿真學報，30（11）：4244-4248.

張勇，許力生，陳運泰.2013.蘆山4·20地震破裂過程及其致災特征初步分析[J].地球物理學報，56（4）：1408-1411.

張勇，趙學志，肖爽.2018.基于通信大數據的地震影響初步判斷[J].科技與創新，（20）：43-44.

鄭韻，姜立新，土輝山，等.2018.基于余震粒了群算法的極震區快速判定方法研究[J].地震，38（4）：122-133.

鄭韻，姜立新，楊天青，等.2015.利用余震頻度分布進行宏觀震中快速判定[J].地震，35（2）：121-132.

周洋，明小娜，楊艷珠，等.2017.災評新技術在云龍5.0級地震烈度調查中的應用[J].地震研究，40（1）：161-166，168.

Kodera Y，Yamada Y，Hirano k，et al.2018.The propagation of local Undamped Motion（PLUM）Method：A simple and robust wavefield estimation approach for earthquake early warning[J].Bulletin of the Seismological Society of America，108（2）：983-1003

Li D，Chen H，Shen W，et al.2021.An analysis of the temporal and spatial gathering and dispersion patterns of crowds at the community level after the 2020 M5.1 Tangshan Guye earthquake[J].International Journal of Disaster Risk Reduction，65，doi：org/10.1016/j.ijdrr.2021.102331.

Wald D J，Vincent Q，Heaton T H，et al.1999.Relationships between peak ground acceleration，peak ground velocity，and modified intensity in California[J].Earthquake Spectra，15（3）：557-564.

Determination of the Worst-hit Zone in the 2021 Yangbi，Yunnan MS6.4Earthquake-stricken Area Based on Multi-source Data

CAO Yanbo，LI Yongqiang，ZHANG Fanghao，JIANG Feirui

（Yunnan Earthquake Agency，Kunming 650224，Yunnan，China）

Abstract

The rapid estimation of the worst-hit zone of the earthquake-afflicted area of a destructive earthquake will facilitate the governments precise search and rescue and allocation of relief supplies.In this paper，we integrate the multi-source data of the worst-hit zone in the Yangbi MS6.4 earthquake-stricken area estimated according to the intensity attenuation model，the instrumental intensity，the aftershocks sequence，and the power-outage data of transmission towers，and rapidly determine the area and spatial distribution of the worst-hit zone of the Yangbi earthquake.Our method of multi-source data fusion integrates the physical parameters of the earthquake with the data of the power-outage transmission towers，and gives the area，distribution direction，and the coordinates of the center of the worst-hit zone.These results are in good agreement with the worst-hit zone decided by field investigation.

Keywords：the Yangbi MS6.4 earthquake;multi-source data;the worst-hit zone