地震后的人员伤亡评估,对启动应急预案和开展应急救援具有重要参考意义,合理的评估结果有助于最大程度地挽救生命。目前,国内外开展了大量研究,早期的地震伤亡评估方法以经验模型为主,通过数据回归的方法得到人员伤亡数与震级之间的关系[1, 2],或者人员伤亡率与地震烈度之间的关系[3, 4, 5, 6, 7]。陈颙等提出了以国内生产总值为参量的宏观易损性方法对地震人员伤亡进行评估[8]。地震造成的人员伤亡大部分是由于建筑结构的破坏引起的,基于建筑破坏的地震人员伤亡评估方法受到越来越多研究者的关注[9, 10, 11, 12]。其中,最有代表性的是美国联邦应急管理局(Federal Emergency Management Agency,以下简称FEMA)主持开发的大型灾害损失风险分析软件HAZUS[13]。但是,由于HAZUS主要基于美国加利福尼亚州地区的建筑数据,并不适合其他国家和地区使用[7]。目前,中国基于建筑破坏的地震人员伤亡评估工作还相对比较少。因此,本文采用HAZUS的理论框架,基于建筑结构破坏的人员伤亡评估方法,对汶川地震的人员伤亡情况进行了回溯性研究。
1 地震动分布地震动分布图是进行地震损失评估的基础,HAZUS软件的输入直接采用美国地质调查局(U.S. Geological Survey,以下简称USGS)开发的ShakeMap系统[14]。地震发生后,地震台网将震级、震中位置、深度、断层位置、台网记录的地震动数值等数据传输给ShakeMap系统,然后网格化计算区域,利用地震动衰减关系,同时考虑场地效应,进行地震动分布的计算并发布计算结果。输出结果包括峰值地面加速度、峰值地面速度以及根据水平分量加速度加5%阻尼分别计算的0.3 s、1.0 s和 3.0 s 这3个周期的反应谱等参数。
本文以ShakeMap生成的地震动数据为基础,进行了地震的人员伤亡损失评估。在估算过程中,主要采用峰值地面加速度、0.3 s、1.0 s和3.0 s的加速度反应谱作为输入参数来估计建筑结构的受损情况。
地震影响区域一般较大,计算前需要对整个区域进行离散化,将其划分为若干网格,使得网格域内的地震动和建筑情况近似一致,并将网格域抽象为其几何中心点,如在汶川地震的实例研究中,采用了 1 km×1 km的规则网格进行离散化。
2 建筑物破坏估算方法建筑结构破坏是地震人员伤亡的主要原因,本文以改进的能力谱方法为基础,评估建筑物在给定地震下的破坏程度。
采用的改进能力谱方法依据FEMA 440中的相关规定[15]。HAZUS建筑类型数据库给出了16类模型建筑,并且进一步根据建筑高度进行了细分,形成了36种模型建筑,定义了每种模型建筑的能力谱曲线。建筑破坏水平用d(damage state)来表示,分为轻微破坏、中等破坏、严重破坏以及完全破坏4个等级。同时,基于对数正态分布,为每类建筑模型建筑定义了4种破坏状态的脆弱性曲线,如图1所示。该曲线表示在目标位移下,建筑破坏超过某一水平的可能性,具体可以用公式表示为[15]
$P\left( {d|{S_d}} \right) = \Phi \left[{\frac{1}{{\beta d}}\ln \left( {\frac{{{S_d}}}{{{{\bar S}_d}}}} \right)} \right].$ | (1) |
其中:d为建筑结构破坏水平,Sd为建筑结构的目标位移,${\bar S_d}$为建筑结构破坏程度为d时的目标位移中值,βd为建筑结构破坏程度为d时的对数正态分布标准差,Φ为正态分布的分布函数。相邻两条脆弱性曲线的差值可以表征建筑处于某一种破坏程度的概率。
建筑物破坏程度的估算方法是,通过改进的能力谱方法获得建筑物在给定地震动下的目标位移,然后根据建筑物脆弱性曲线,得到该目标位移下的建筑结构破坏概率。
3 人员伤亡为指导震后的应急救援,尤其是为医疗救助和医疗物资的准备提供足够参考,HAZUS人员伤亡评估体系将人员伤亡按照严重程度分为4个等级,受伤程度越重则等级越高,受伤情况及级别如表1所示,具体介绍参见HAZUS技术手册[16]。另外,基于历史数据和适当修正,FEMA编制了地震人员伤亡情况分布表,由该表可以获得各类建筑在不同破坏水平下,建筑内人员遭受不同程度伤害的比例。
伤情等级 | 伤情描述 | ||
1 | 轻伤, 无需入院治疗。伤者需要基本的医疗急救, 如包扎、观察等, 医疗护理人员即可完成。 | ||
2 | 需入院治疗的非致命伤。伤者需要更高级别的医疗救护, 需要采用X光检查、外科手术等医疗手段, 但是伤情并不会危及生命。 | ||
3 | 有生命危险。如果没有及时进行适当救治, 伤者随时都有生命危险。 | ||
4 | 当场死亡或遭受致命伤害。 |
人员伤亡的估算以网格为单元,每个网格伤情等级为s的人员数量Is可以表示为[16]:
${I_{b,s}} = {N_b} \cdot \sum\limits_{d = 1}^4 {\left( {{P_{b,d}} \cdot {C_{b,d,s}}} \right)} ,$ | (2) |
${I_s} = \sum\limits_{b = 1}^n {{I_{b,s}}} .$ | (3) |
其中:Ib,s表示在类型为b(building type)的建筑中伤情等级为 s(severity level) 的人员数量,Nb表示处在b类型建筑中的人口总数,Pb,d表示b类型建筑的破坏程度为d的概率,Cb,d,s表示在破坏程度为s的b类型建筑中伤情等级为s的人员比例,Is为网格内伤情为s的总人数,n为网格内建筑种类数。在以上参数中,Pb,d可由建筑结构破坏估计方法求得,Cb,d,s通过查询FEMA编制的地震人员伤情分布表获得。
4 计算结果为了验证本文估算方法的合理性,采用汶川地震案例进行回溯性研究。通过将本方法得到的人员伤亡预测结果与实际统计结果进行比较,对方法的有效性作出评价。
4.1 数据准备选取汶川地震峰值地面加速度大于0.06g的区域作为计算区域,其大致范围在北纬28.931°至北纬34.015°、东经101.464°至东经107.381°之间,总面积约为32.95万km2。在地震动分布数据方面,估算中所使用的地震动参数,包括峰值地面加速度,以及5%阻尼的0.3 s、1.0 s和3.0 s 3个周期的加速度反应谱,均采用USGS发布的汶川地震数据,其中峰值地面加速度等值线如图2所示[17]。在网格划分方面,采用1 km×1 km的规则网格对整个计算区域进行划分,共计约32.95万个网格。人口分布数据采用2008年的人口栅格数据。
计算过程中还需要大量其他数据,这些数据的获取困难,甚至根本无法获得,因此需要进行必要的合理假设。这里主要假设如下:
1) 根据震后清华大学等3所高校的土木工程结构专家组在主要灾区所调查的建筑震害资料,震区建筑主要有砌体-木屋架结构、砖混结构、框架砌体混合结构和框架剪力墙等6种主要结构[18]。由于无法获得震区内各类建筑结构的比例,为了分析各类建筑结构在地震中的破坏差异性,本文假设了最差、中等和最好3种建筑结构类型,以3种建筑各自造成的人员伤亡作为上、下限对汶川地震的总体人员伤亡情况进行估算。这3种建筑类型分别是中层混凝土剪力墙建筑(C2M),中层无筋砌体填充墙混凝土框架建筑(C3M)和无筋砌体承重墙建筑(URMM)。
2) 采用地震人员伤亡评估中常用的极值思想,考虑最差结果[19],假定地震发生时所有人员都处于室内,分别计算当计算区域内建筑类型均为C2M、C3M或者URMM时,可能造成的伤亡情况。根据假定1),实际伤亡情况为3次计算结果的加权平均,权重由各类建筑中的人员数量决定。
3) 假定地震人员伤亡全部由建筑物破坏造成,不考虑泥石流、滑坡、洪水、火灾等次生衍生灾害造成的人员伤亡。
4.2 建筑破坏估算结果为了验证计算模型对建筑破坏情况估算的合理性,这里主要对绵竹市辖区范围内汉旺镇和观鱼镇的建筑破坏情况进行对比分析。绵竹市所处位置如图2所示。
图3和4分别为汉旺镇和观鱼镇的建筑破坏的估算情况。可以看出,混凝土剪力墙建筑抗震能力最强,无筋砌体承重墙建筑的抗震能力最弱,计算模型较好地反映出3种建筑类型的抗破坏差异性。对比两个镇的建筑破坏情况,可以看出汉旺镇的建筑受损要远远高于观鱼镇,这与实际情况基本相符。
4.3 人员伤亡估算结果对地震造成的人员伤亡进行估计是本文的主要任务,这里主要从两个方面进行验证:1) 考察模型对地震总体伤亡情况的预测能力; 2) 考察模型对局部地区(以绵竹市为例)伤亡情况的预测能力。
4.3.1 全灾区总体预测效果估算结果与实际统计值的比较情况如表2所示。可以看出,根据假定条件,如果地震灾区居民全部处在无筋砌体承重墙建筑(URMM)中,地震造成的伤亡最为严重,如果居民全部处在混凝土建筑(C2M)中,地震造成的人员伤亡情况相对较轻,这一结果符合一般规律。实际地震灾区的建筑情况非常复杂,上面的结果可以分别视对伤亡人数的上限和下限的估计。
人 | ||||
伤情等级 | 估计值 | 统计值 | ||
C2M | C3M | URMM | ||
*数据来源: 民政部2008年8月4日发布数据, 69 207人遇难, 18 194人失踪。 +数据来源: 卫生部2008年8月4日发布数据, 地震受伤住院治疗累计人数(不包括灾区病员人数)。 &数据来源: 民政部2008年8月4日发布数据,受伤人数为374 468人, 卫生部2008年8月4日发布数据,入院治疗人数为96 509人, 设二者之差为轻伤人数。 | ||||
死亡 | 22 974 | 39 454 | 46 130 | 69 207 18 194* |
有生命危险 | 11 600 | 19 869 | 23 375 | —— |
需入院治疗 | 69 417 | 108 146 | 171 328 | 96 509+ |
轻伤 | 229 005 | 325 387 | 510 055 | 277 959& |
从表2可以看到,模型对死亡人数的估计明显偏低,实际的死亡人数超出了模型预测的范围。需要注意的是,模型结果中包含对有生命危险人员的预测,这部分人员如果能及时入院治疗,则可能脱离生命危险状态,从而记入入院治疗人员中; 如果没能得到及时救治,则伤情可能继续恶化,并最终导致死亡,从而记入遇难者名单中。考虑汶川地震震害严重,特别是极震区处于山区,交通恢复用时很久,当时的应急救援力量没有及时到位,很可能导致大部分有生命危险的人员无法得到有效救治。因此,模型中预测的有生命危险的人数有比较大的比例计入遇难人数中,这将使得预测结果与实际统计值更加接近,但预测上限仍低于实际的死亡人数。
模型对于受伤人员数量的估计比较接近,灾区轻伤和需入院治疗的实际人数均在预测范围内。总体上来看,将震区建筑假设为无筋砌体填充墙混凝土框架结构(C3M)时,预测的入院治疗人数和轻伤人数与实际统计值符合更好。
4.3.2 局部地区预测效果以绵竹市为例,对模型估算结果与实际统计值进行比较,结果如表3所示。可以看出,模型的估算结果与实际统计值基本处于同一量级。与总体伤亡情况的预测结果类似,模型对于遇难者人数的估算偏低,对受伤人数的估计与实际情况较为接近,如果将大部分有生命危险的人员归入遇难者中,则预测的死亡人数更加接近实际统计值。总体上来看,将震区建筑假设为无筋砌体填充墙混凝土框架结构(C3M)时,预测结果与实际统计值比较相符。
人 | ||||
伤情等级 | 估计值 | 统计值* | ||
C2M | C3M | URMM | ||
*数据来源: 四川省人民政府新闻办公室2008年6月20日, 汶川特大地震灾害第28场新闻发布会。 +死亡11 117人, 失踪258人。 | ||||
死亡 | 3 326 | 5 107 | 6 344 | 11 117 258+ |
有生命危险 | 1 679 | 2 571 | 3 208 | —— |
需入院治疗 | 9 704 | 13 642 | 19 858 | 38 000 |
轻伤 | 29 480 | 38 282 | 62 121 | —— |
从上述分析可以看出,模型对于地震中受伤人数的预测结果与实际统计情况较为接近,但遇难人数被低估,下面对偏差来源进行分析。
按照FEMA编制的地震人员伤情分布表,死亡人数主要是由建筑的完全破坏所造成。模型中人口死亡比例与建筑完全破坏比例之间存在一种线性关系,如图5所示,当建筑100%完全破坏时,人口死亡率仅为1.5%左右。但在实际的震害严重地区,人口死亡率达到了16%左右,因此模型在震害严重地区的预测结果是严重偏低的。根据实际的统计数据,采用线性关系描述人口死亡比例与建筑物完全破坏比例之间的关系并不适合。其他形式,例如指数形式的关系与实际更为接近,即随着建筑物完全破坏比例的上升,死亡人口的比例也随之急剧上升。在收集到震区人员伤亡情况的详细数据后,可以进一步定量分析两者的关系。
根据之前的假设,本文模型并没有考虑次生衍生灾害的情况,但实际上,在北川等震害严重的地区,泥石流、滑坡造成的人员伤亡非常严重,这也是导致模型对遇难者人数预测结果偏低的重要原因。
5 结 论本文采用了美国地震损失风险分析标准软件HAZUS的理论框架,结合对震区的建筑结构分析,实现了基于建筑结构破坏的人员伤亡评估方法研究。采用这种方法,本文对汶川地震的人员伤亡情况进行了回溯性研究,分析了评估方法的有效性。结果表明:
1) 本文采用的方法可以对地震造成人员伤亡数字的量级进行较为准确的预测。其中,对于受伤人员数量的预测结果与实际统计值较接近,但对遇难人数的预测结果明显低于实际值。
2) 遇难人数被低估的主要原因是模型中使用线性假设描述死亡人口比例与建筑完全破坏比例之间的关系,严重低估了极震区的死亡人数。其次,模型没有考虑滑坡、泥石流等在汶川地震中造成严重人员伤亡的次生衍生灾害。
3) 本文使用HAZUS理论框架建立的基于建筑结构破坏的人员伤亡评估方法具有一定的准确性,可以为救灾医疗物资的调度提供参考。但是,模型对死亡人数的预测结果与实际情况偏差较大,需要对模型进行修正。
[1] | Oike K. A discussion on the relation between magnitude and number of deaths by earthquakes [C]//Proc of the Int Seminar on Earthquake and Hazard Mitigation Technology. Tsukuba, Japan: Science and Technology Agency, 1991: 333-341. |
[2] | Nichols J M, Beavers J E. Development and calibration of an earthquake fatality function [J]. Earthquake Spectra, 2003, 19(3): 605-633. |
[3] | Samardjieva E, Oike K. Modelling the number of casualties from earthquake [J]. Journal of Natural Disaster Science, 1992, 14(1): 17-28. |
[4] | Samardjieva E, Badal J. Estimation of the expected number of casualties caused by strong earthquakes [J]. Bull Seismol Soc Amer, 2002, 92(6): 2310-2322. |
[5] | Wald D J, Earle P S, Allen T I, et al. Development of the U.S. Geological Survey's PAGER system (prompt assessment of global earthquakes for response) [C]//Proc of the 14th World Conference on Earthquake Engineering. Beijing, China, 2008. |
[6] | 肖光先. 震后灾害损失快速评估[J]. 灾害学, 1991, 6(4): 12-17.XIAO Guangxian. Rapid assessment of disaster losses in post-earthquake [J]. Journal of Catastrophology, 1991, 6(4): 12-17. (in Chinese) |
[7] | Molina S, Lang D H, Lindholm C D. SELENA: An open-source tool for seismic risk and loss assessment using a logic tree computation procedure [J]. Comput Geosci, 2010, 36(3): 257-269. |
[8] | 陈颙, 刘杰, 陈棋福, 等. 地震危险性分析和震害预测[M]. 北京: 地震出版社, 1999.CHEN Yu, LIU Jie, CHEN Qifu, et al. Probabilistic Seismic Hazard Analysis and Seismic Damage Prediction [M]. Beijing: Seismological Press, 1999. (in Chinese) |
[9] | Coburn A W, Pomonis A, Sakai S. Assessing strategies to reduce fatalities in earthquakes [C]//Proc of International Workshop on Earthquake Injury Epidemiology for Mitigation and Response. Baltimore, MD, USA: Johns Hopkins University, 1989: 107-132. |
[10] | Shiono K, Krimgold F, Ohta Y. A method for the estimation of earthquake fatalities and its applicability to the global macro-zonation of human casualty risk [C]//Proc of the Fourth International Conference on Seismic. Zonation, CA, USA: 1991, 3: 277-284. |
[11] | Murakami H O. A simulation model to estimate human loss for occupants of collapsed buildings in an earthquake [C]//Proc of the Tenth World Conference on Earthquake Engineering. Madrid, Spain: 1992: 5969-5974. |
[12] | Kircher C A, Nassar A A, Kustu O, et al. Development of building damage functions for earthquake loss estimation [J]. Earthquake Spectra, 1997, 13(4): 663-682. |
[13] | Buriks C, Bohn W, Kennett M, et al. Using HAZUS-MH for Risk Assessment, FEMA 433 [R]. Washington, DC, USA: Federal Emergency Management Agency, 2004. |
[14] | Worden C B, Wald D J, Allen T I, et al. A revised ground motion and intensity interpolation scheme for ShakeMap [J]. B Seismol Soc Am, 2010, 100(6): 3083-3096. |
[15] | Federal Emergency Management Agency. Improvement of Nonlinear Static Seismic Analysis Procedures, FEMA 440 [R]. Washington, DC, USA: Federal Emergency Management Agency, 2005. |
[16] | Federal Emergency Management Agency. HAZUS99 Earthquake Loss Estimation Methodology, Technical Manual [R]. Washington, DC, USA: Federal Emergency Management Agency, 1999. |
[17] | US Geological Survey. USGS Peak Ground Acceleration Map: Eastern Sichuan, China [EB/OL]. [2015-03-08].http://earthquake.usgs.gov/earthquakes/shakemap/global/shake/2008ryan/. |
[18] | 清华大学, 西南交通大学, 北京交通大学土木工程结构专家组. 汶川地震建筑震害分析[J]. 建筑结构学报, 2008, 29(4): 1-9.Civil and Structural Groups of Tsinghua University, Southwest Jiaotong University and Beijing Jiaotong University. Analysis on seismic damage of buildings in the Wenchuan earthquake [J]. Journal of Building Structures, 2008, 29(4): 1-9. (in Chinese) |
[19] | 傅征祥, 李革平. 地震生命损失研究[M]. 北京: 地震出版社, 1993.FU Zhengxiang, LI Geping. Studies on Life Losses from Earthquakes [M]. Beijing: Seismological Press, 1993. (in Chinese) |