2021年5月22日青海瑪多MS 7.4地震災害損失快速評估分析

任 靜 楊理臣 張云芝 李志強 譚專條 陳雅慧 張小濤 黃帥堂

1）中國北京100045 中國地震臺網中心

2）中國西寧810001 青海省地震局

3）中國烏魯木齊830011 新疆維吾爾自治區地震局

0 引言

震后初期，地震現場救援是一項復雜、多任務、多兵種協同的工作，需要大量時間開展現場調查才能對震災損失進行準確評估。地震災害損失評估結果的快速獲取，對于制定應急救援措施和實施救災決策，具有重要的指導作用。因此，在地震災害快速評估工作中，評估結果的精準性顯得尤為重要。

地震災害快速評估工作是指，地震災害發生之后，快速估計地震成災范圍、人員傷亡和經濟損失等相關工作（陳文凱等，2020）。此項工作的開展，不僅可為各級政府和應急管理部門地震應急指揮決策提供重要的信息服務，也可為地震應急救援與指揮決策提供重要的數據支撐平臺（丁香等，2019）。其基本思路是：在地震發生時間、地點和震級確定后，開展地震現場調查前，利用震前當地人口、建筑、經濟、環境等基礎數據，按照地震烈度計算、傷亡估計、經濟損失估計等數學和經驗模型，估算烈度分布和震害損失。

影響地震災害損失快速評估的因素主要有：地震發生時刻、震級、場地類型、烈度衰減關系、人員傷亡估計模型等（任靜等，2020）。由于各因素之間存在非線性和離散性，評估與實際結果會存在差異。在現有研究條件下，如何克服上述因素的影響，進一步提高破壞性地震災害損失快速評估的科學性、準確性和可靠性，是當前應急救援工作面臨的挑戰之一。

據中國地震臺網中心測定，2021 年5 月22 日青海省果洛藏族自治州瑪多縣發生MS7.4地震（34.59°N，98.34°E），震源深度17 km（http://www.ceic.ac.cn）。此次地震造成19 人受傷（https://www.mem.gov.cn/）。根據地震速報參數，震后即給出地震災害損失快速評估結果：地震最高烈度達Ⅸ度（9 度），可能造成個別人員死亡。為了探尋此次地震災害損失快速評估與地震現場調查結果存在的偏差，本文擬從地震影響場分布、災區人口分布、人員傷亡模型及其影響因素等進行對比分析，以便為提高地震災害快速評估結果的準確性提供科學參考，為政府救援力量部署和抗震救災階段劃分提供重要依據。

1 思路和方法

選擇不同的地震影響場烈度快速評估模型和不同的人員傷亡評估模型，從地震現場調查評估與所選影響場模型損失評估結果對比、地震影響場的不確定性分析、地震人員傷亡快速評估結果分析、各影響場模型下人員死亡模型損失計算結果對比、災區人口分布特征對人員傷亡的影響等方面，綜合分析各模型下地震快速評估與真實結果的偏差。在災害損失快速評估中，公里網格人口數據集是基于受多種因素影響的數據集（人口數據、行政區劃數據、DEM 等地形數據等），數據集選自“南北地震帶大震極災區速判及關鍵技術研究——地震帶區域基礎數據更新與數據轉換”項目成果。

2 地震影響場的快速評估

2.1 地震影響場烈度快速評估模型選擇

地震災害損失主要受地震影響場的影響，地震影響場受則受地震強度（震級大小）、地震動衰減等因素的影響，而地震動參數確定的基礎和前提是烈度衰減關系（任靜等，2021）。為了分析地震災害損失評估結果的精準性，采用地震現場調查烈度圖與3 種地震影響場評估模型的烈度分布進行分析，各評估模型見表1。

表1 地震現場評估與地震影響場評估模型Table 1 On-site evaluation results and four types of earthquake-influenced field evaluation models

模型a——現場調查烈度圖：采用地震現場調查評定結果的地震烈度圖[圖1(a)]，是基于實際震害調查（https://www.cea.gov.cn/）結果，即通過對震區進行抽樣調查，并參考震區的構造背景、震源機制解、強震動觀測記錄等因素而確定的。

模型b——中國分區地震動衰減關系模型：采用青海省快速評估影響場[圖1(b)]的地震烈度衰減模型，其中涉及的地震參數為中國地震臺網中心正式速報三要素結果：震級7.4，震中位置（34.59°N，98.34°E），震源深度17 km；震源破裂方向由震中附近活動構造方向而確定；模型烈度衰減關系選取汪素云等（2000）給出的中國分區地震動衰減關系（中國西部），其中

式中，Ia、Ib為橢圓衰減模型沿長、短軸方向的烈度值，Ra、Rb為長、短軸半徑（單位km），M為震級。

模型c——青海省烈度衰減關系模型：采用青海省快速評估影響場[圖1(c)]的地震烈度衰減模型，其中地震參數及震源破裂方向同模型b；模型選擇評估系統中現存烈度衰減關系（評估系統），其中

圖1 地震現場評估結果（模型a）與3 種評估模型的地震影響場分布(a)模型a；(b)模型b；(c)模型c；(d)模型dFig.1 Distribution maps of seismic influence field based on on-site assessment results (model a) and three assessment models

式中，Ia、Ib為橢圓衰減模型沿長、短軸方向的烈度值，Ra、Rb為長、短軸半徑（單位km），M為震級。

模型d——地震災害快速評估系統烈度衰減模型：采用青海省快速評估影響場[圖1(d)]的地震烈度衰減模型，其中地震參數及震源破裂方向同模型b；模型選取中國西部分區地震烈度衰減關系模型（新疆區）（肖亮等，2011），其中

式中，Ia、Ib為橢圓衰減模型沿長、短軸方向的烈度值，Ra、Rb為長、短軸半徑（單位km），M為震級。

2.2 4 種模型損失評估結果對比

依據模型b、模型c、模型d 烈度衰減關系模型，計算得到3 種影響場評估結果，與模型a，即地震現場評估結果列于表2，并根據表2 所示極震區烈度及相應烈度區長、短軸距離，測量得到4 種模型烈度區面積，結果見表3。

表2 地震現場評估結果（模型a）與3 種影響場評估的地震損失結果對比（長、短軸，單位km）Table 2 Comparison of the on-site evaluation results of the impact field of the earthquake (model a) and the earthquake loss evaluation results of the three impact field evaluation schemes (long and short axis,unit:km)

表3 地震現場評估結果（模型a）與3 種影響場評估的地震損失結果對比（面積，單位km2）Table 3 Comparison of the on-site evaluation results of the impact field of the earthquake (model a)and the earthquake loss evaluation results of the three impact field evaluation schemes (area,unit:km2)

由表2、表3 可知，模型a（地震現場調查評定烈度圖）極震區烈度達Ⅹ度，而據模型b、模型c、模型d 估算的極震區烈度均為Ⅸ度（9 度），且無模型a 所展現的Ⅸ度（9 度）異常區。將3 種影響場評估模型與模型a 進行對比，由表2、表3 可見：Ⅸ度（9 度）區長軸相差21—32 km，短軸相差在2—8 km，面積相差222—522 km2；Ⅷ度（8 度）區長軸相差23—42 km，短軸相差8—30 km，面積相差128—1 069 km2；Ⅶ度（7 度）區長軸相差21—52 km，短軸相差15—38 km，面積相差在374—2 896 km2；Ⅵ度（6 度）區長軸相差54—104 km，短軸相差21—52 km，面積相差2 826—6 919 km2。

由上述結果可知，模型b、模型c、模型d 對應各烈度區的長、短軸、面積，均與地震現場調查評定結果（模型a）存在偏差，究其原因是：地震烈度衰減關系受震源特性、深部構造、傳播介質、場地條件、建筑物結構類型和居民點分布、地形等因素的影響（Ren et al，2021），在模型b、模型c、模型d 中，烈度衰減關系均采用橢圓模型，涉及變量僅有烈度、震級、長短軸半徑，且認為烈度隨震中距呈對數關系衰減，未過多考慮更多影響因素。

2.3 地震影響場的不確定性分析

20 世紀90 年代初，中國地震局組織開展歷次破壞性地震震害調查、烈度評估、震害損評估等現場相關工作，調查資料真實反映了歷史地震造成的破壞。針對地震影響場評估的不確定性，選取我國西部1900—2020 年6.0 ≤M≤8.0 地震烈度分布數據（數據來源真實可靠）（國家地震局地震災害應急救援司，2010；國家地震局地震應急救援司，2015a，2015b），對所選烈度圖進行精準配準和數字化，測出歷史地震震例各烈度圈的實際烈度面積（任靜等，2021）。

在1979 年以前，我國大部分房屋未烈度設防。2004 年起，國家開始實施并建設西部農居抗震安居工程。據此，將測量烈度圈面積數據按時段分為3 組：第1 組：1900—1978年數據；第2 組：1979—2003 年數據；第3 組：2004—2020 年數據（任靜等，2020）。按不同分組，繪制1900—2020 年中國西部地區震例震級—烈度區面積分布圖，結果見圖2。

圖2 所選震例震級—烈度區面積關系Fig.2 The magnitude-intensity area relationship of selected earthquakes

圖2 中綠點表示1900—1978 年中國西部地區6.0 ≤MS≤8.0 地震數據，棕色圓點表示中國西部地區1979—2003 年6.0 ≤MS≤8.0 地震數據，粉紅色圓點表示2004—2020年中國西部地區6.0 ≤MS≤8.0 地震數據，紅色圓點表示2021 年5 月22 日青海瑪多MS7.4地震。由圖2 可知：6.0 ≤MS≤8.0 地震最大烈度可達Ⅹ度，當震級相同時，同一烈度值下，烈度區面積最大可相差2 個數量級，差距較大。分析認為，房屋、建筑物的抗震設防水平對各烈度圈面積大小有一定影響，但烈度區面積應還受到生命線工程的破壞程度、地震地質災害等因素影響（任靜等，2021）。

3 震災中人員傷亡的快速評估

3.1 人員死亡評估模型選取

人員傷亡評估模型要求需具備應用、實證及有效性的方便和快捷。目前，常用模型有基于地震參數和基于建筑物易損性的2 種模型。此外，基于時間序列、神經網絡方法和動態評價方法等模型，應用條件較復雜，實證和性能評價較困難（齊鳳嬌等，2019）。

人員死亡評估模型因來源不同，所采用的數學表達方式不同，適用的空間范圍和時間段也不同。考慮到震后數據第一時間獲取的難易程度以及人員傷亡評估的快速性需求，采用以下6 種模型，對青海瑪多MS7.4 地震災害中造成的死亡人數進行重新估算，分析各個模型的適用范圍及結果精度。

3.1.1模型1。劉金龍等（2012）以我國1990—2006 年造成人員傷亡的破壞性地震為例，以震中烈度為主要參數，以震級和人口密度為輔助參數，建立修正的人員傷亡預測模型，文中簡稱劉金龍模型。模型如下

式中，lnt 為震中烈度，Mag 為震級，αm為震級修正系數，αden為人口密度修正系數，D為死亡人數。

此次瑪多MS7.4 地震震中所在地青海省果洛州瑪多縣人口總數：14 490 人，面積2.52 km2。

3.1.2模型2。P.A.Page 等（馬玉宏等，2000）將發震時間劃分為白天（08:00—18:00）和夜晚（08:01—7:59），以烈度、人口為主要參數，建立人員評估模型，文中簡稱P.A.Page 模型，公式如下

式中，N白、N夜分別為白天、夜間發震時的死亡人數，ρ為人口密度，I為烈度。

3.1.3模型3。肖光先等（1991）考慮了不同烈度區的烈度、人口密度對死亡人數的影響，分烈度區估算地震死亡人數模型，文中簡稱肖光先模型，公式如下

式中，RDj表示烈度為Ij時每單位建筑面積平均死亡率，ρ為人口密度，ND為死亡數，Aj表示I≥Ij的面積。

3.1.4模型4。李雯等（2016）以1966—2016 年中國大陸地震災害生命損失數據為研究對象，以人口密度分組（表4）為依據，選取震中烈度、震區面積（Ⅵ度及以上）、震中烈度與抗震設防烈度之差作為參數建立模型，文中簡稱李雯模型，公式如下

表4 中國西北地區人口密度分組Table 4 Groups of population density in Northwest China

式中，D為地震死亡人數，I為震中烈度，S為震區面積，ΔI為震中烈度與抗震設防烈度之差，b0、b1、b2、b3為回歸系數。

3.1.5模型5。Chen 等（2005）選取國內1980—2000 年的震例數據，將發震時間按白天（7:00—19:00）、夜晚（19:00—7:00）劃分，建立人員死亡數與烈度的經驗公式，文中簡稱陳棋福模型，公式如下

式中：N日、N夜分別為白天、夜晚地震發生時的死亡人數，I為地震烈度，D為人口密度。

3.1.6模型6。陳堯（2015）基于震級、震中烈度建立地震人員傷亡快速評估模型，文中簡稱陳堯模型，公式如下

式中，D為評估的地震死亡人數，D′為據震級擬合的地震死亡人數，Dm為據震中烈度擬合的地震死亡人數均值，fρ為人口密度修正系數，ft為發震時間修正系數，M為震級，I為震中烈度，ρ為震區人口密度。陳堯（2015）給出不同烈度下ft取值結果見表5（表中修正系數涉及烈度最高為Ⅸ度，故計算模型a 時，選取Ⅸ度系數）。

表5 發震時間修正系數Table 5 Origin time correction factors

3.2 各影響場模型下人員死亡模型評估結果對比

此次瑪多MS7.4 地震未造成人員死亡，依據上述6 種人員死亡評估模型，分別計算在4 種地震影響場模型（模型a、模型b、模型c、模型d）下的人員死亡數，結果見表6。

表6 6 種死亡模型評估結果對比Table 6 Comparison of evaluation results of six casualty models

由表6 可知：①使用不同人口死亡模型估算，在地震影響場模型a 下死亡人數最多，而其他影響場模型下所得死亡人數相同。究其原因是，模型a 為地震現場評估結果，地震烈度高達Ⅹ度，而模型b、c、d 最高烈度為Ⅸ度，極震區烈度不同，故導致所得死亡人數出現偏差；②在不同地震影響場模型下，利用P.A.Page 模型估算的死亡人數，與實際調查結果偏差較小。

除上述人員死亡模型外，根據研究角度的不同，仍有諸多評估方法，如：基于宏觀經濟指標的人員傷亡評估方法、人員傷亡指數與狀態及其動態評估法等。由于各死亡模型所用震害數據與采用的擬合參數各不相同，且震害所致人員傷亡因素頗多，故評估值與實際死亡人數必然存在偏差。

3.3 災區人口分布特征對人員傷亡的影響

采用“南北地震帶大震極災區速判及關鍵技術研究——地震帶區域基礎數據更新與數據模式轉換”項目所得人口公里格網數據，應用GIS 軟件，計算不同地震影響場模型下青海瑪多MS7.4 地震災區各烈度區人口分布數，結果表7。

表7 各影響場模型下不同烈度區人口數估算結果Table 7 Estimation results of population in different intensity zones under the influence field models

地震現場評估結果（模型a）為此次瑪多MS7.4 地震勘探現場真實烈度區，各烈度區范圍如下：Ⅵ度（6 度）區涉及青海省3 個市州7 個縣32 個鄉鎮，四川省1 個市州1 個縣4 個鄉；Ⅷ度（8 度）區涉及青海省果洛藏族自治州瑪多縣查理鎮、黃河鄉、扎陵湖鄉、花石峽鎮；Ⅸ度（9 度）區涉及果洛藏族自治州瑪多查理鎮和黃河鄉；Ⅸ度（9 度）區有一個異常區，涉及青海省果洛藏族自治州瑪沁縣大武鎮、優云鄉；Ⅹ度（10 度）區涉及果洛藏族自治州瑪多查理鎮（https://www.mem.gov.cn/）。

模型b、模型c、模型d 烈度衰減關系不同，對于此次地震的烈度區估計范圍也不同。利用3 種模型估算人口公里格網人數，與模型a 所得結果相差5.890 2—8.412 2 萬人，結果見圖3。

圖3 各影響場模型下人口數Fig.3 Population under each intensity model

4 種影響場評估模型烈度區范圍不同，人口分布估算結果不同。在以上6 種不同類型人員傷亡模型，即劉金龍模型、P.A.Page模型、肖光先模型、李雯模型、陳棋福模型和陳堯模型中，涉及參數有烈度、各烈度圈面積、人口密度、設防烈度等，因參數各不相同，造成基于模型a、模型b、模型c、模型d 的人員傷亡估算結果與地震所致真實死亡數據存在偏差。綜上所述，地震災害損失評估受災區人口分布的影響，準確的人口數據和地震影響場對震災害損失評估結果的精準性具有重要影響。

3.4 其他因素對此次地震中人員傷亡的影響

在此次青海瑪多MS7.4 地震中，實際死亡人數為0，遠小于利用模型估算結果，這是因為，除上述影響因素外，尚有其他因素產生影響，如：房屋抗震性能、次生災害等。

3.4.1房屋抗震性能的影響。在地震災害中，房屋抗震性能是造成人員傷亡的主要因素之一。據統計，約75%的人員死亡由建筑物破壞和倒塌所致。地區抗震設防水平及設防烈度越高，建筑物的修建要求和標準越嚴格，抗震性能就越好，震后房屋倒塌和破壞數越少，人員傷亡就越小，反之，人員傷亡就越大（馬玉宏等，2000）。提高房屋抗震性能是減小人員傷亡的重要手段之一。

此次地震僅造成震中附近個別土木結構、磚木結構房屋出現倒塌、破壞，部分磚混及框架結構樓梯間及填充墻出現開裂現象。據調查，房屋損失主要是因為牧區老舊建筑多未經抗震設計所致，而多數房屋基本完好，則是因為房屋設施加固工程項目的實施，提升了房屋抗震設防能力（殷翔等，2021）。

本次地震的一個突出特點是災情重、傷亡輕，原因是該地區抗震設防烈度為8 度，實施脫貧攻堅、農牧區定居點建設后，建筑物抗震能力顯著提升，倒塌房屋占比小，加之人口密度小，進一步減少了人員傷亡。但是，建筑設施受損仍較嚴重，特別是道路、橋梁等基礎設施，在此次地震中受損程度較大。若此次地震發生在人口密集區域，人員傷亡占比可能較大，建議加大全國各地房屋設施加固工程的實施力度，提升抗震設防能力。

3.4.2次生災害影響。地震次生災害是強烈震動發生后，以工程結構和自然環境破壞為導因而引起的一系列災害，如火災、爆炸、泥石流、滑坡等（吳微微，2013）。在破壞性地震作用下，除建、構筑物倒塌和破壞直接導致人員傷亡外，還經常伴隨次生災害的發生而造成人員傷亡。

受此次瑪多地震影響，在震后6 個調查點中，次生災害主要表現為滑坡、地面裂縫、塌陷及噴砂冒水現象。其中：噴砂冒水現象廣泛，遍布Ⅶ度烈度區內；地表裂縫達上千條，其總體走向為NW280°，且連續性較好，表明均由此次地震引起，而非滑坡、凍土開裂等其他原因所致（李鑫等，2021）。此次地震未造成人員死亡，但在利用死亡模型進行估算時，考慮次生地質災害因素的傷亡模型，會對震中烈度較大評估值結果進行提升，從而造成數值偏大。

3.4.3其他影響。除上述因素外，影響地震災害人員傷亡的因素還有：臨震前震的影響、地震預警作用、地形地貌、公眾自救互救能力、地質構造、區域救援能力、建筑物結構構件和內部設施情況、人員作業方式、地震時人員所處的周圍囤陷環境等（馬玉宏等，2000）。

總之，地震災害中人員死亡評估是系統而復雜的工作，死亡人數是致災因子、孕災環境、承災體等多因子耦合的結果。

4 結論與討論

在進行地震災害快速評估時，選取模型評估與實際所得結果會有一定偏差，可能是受到地震震級、極震區烈度估計、烈度衰減關系模型、人員傷亡評估模型等影響所致，因為以上要素本身均存在隨機性。

針對2021 年5 月22 日青海瑪多MS7.4 地震，選取不同地震影響場烈度快速評估模型進行估計，與真實影響場結果進行對比，根據我國西部地區烈度區面積進行地震影響場的不確定性分析；而后選取不同的人員傷亡評估模型，對比分析不同影響場模型下人員傷亡快速評估結果，并探討人口分布特征等，結果顯示：①地震影響場具有明顯的區域特征，目前災害損失快速評估采用模型c，相比國內其他模型（模型b、模型d），在評估青海省某具體區域地震影響場時更具合理性；②地震中人員死亡評估是系統而復雜的工作，死亡人數是致災因子、孕災環境、承災體等多因子耦合的結果，由于青海省地區孕災環境和承災體時空差異大，目前人員死亡評估方法存在一定局限性和適用范圍。

伴隨著新時代算法的精進和儀器測量精準性的加強，震源破裂過程和震源深度反演的精準性不斷提高，在地震烈度衰減關系和地震影響場方向的判定過程中，綜合考慮震源機制解、發震構造環境、余震序列等因素，可進一步提高地震影響場評估的精準性。應用人口公里格網和房屋建筑易損性矩陣等數據開展相關研究，若啟用“第一次國情普查建筑數據”，必將大幅提升評估結果的精準度。“第一次國情普查建筑數據”為真實的建筑數據，精準度高，但目前仍為涉密數據，尚未投入相關研究。此外，人員死亡評估受震區地形地貌、次生地質災害、臨震預警、區域救援能力、公眾自救互救能力等因素的影響，鑒于評估系統的復雜性，應對地震損失快速評估結果進行專家干預，以確保結果的精準性。