一种基于地震滑坡发生概率的人口损失快速评估方法与流程

1.本发明涉及地震研究领域，具体涉及一种基于地震滑坡发生概率的人口损失快速评估方法。


背景技术：

2.地震引发滑坡是地震触发的各种斜坡物质运动形式，主要包括崩塌、滚石、狭义的滑坡、泥石流等。地震引发滑坡往往造成非常严重的灾难，因此，地震触发滑坡直接导致的人员伤亡是地震灾害的重要组成部分。
3.现有的地震触发滑坡导致人口损失的计算方法为自下而上的统计汇总方法，往往效率低，工作量大，且一些大的地震引发滑坡掩埋人数会有较大的不确定性与偏差。从而导致大地震之后由同震滑坡造成的人口损失这一重要数据非常缺乏，且大多是一个不确定性较大的估计值；
4.卫星遥感装置成像具有周期性，由于地震引发的滑坡灾害为瞬时现象，得到最新遥感图像需要一定的时间，而对地震引发滑坡的灾害统计需要实时进行，并为救援等后续工作提供参考；
5.因此亟需一种在地震发生后尚未得知具体滑坡信息时对人口损失快速评估的方法。


技术实现要素：

6.本发明为实现对地震引发滑坡概率下人口损失的精确快速估算，提供了一种基于地震滑坡发生概率的人口损失快速评估方法，本发明通过求取被测区域内不同地震强度下发生滑坡的概率，结合滑坡面积及人口密度，运用优化的埋压模型对地震引发滑坡造成人口损失进行预算。
7.本发明提供了一种基于地震滑坡发生概率的人口损失快速评估方法，所述方法包括以下步骤：
8.步骤1：采用人工目视解译方法构建典型地震对应的同震滑坡数据库；
9.步骤2：采用机器学习方法构建地震滑坡发生的多因素影响模型，并得到各个连续因子的权重与分类因子的各个分类的权重；
10.步骤3：通过所述地震滑坡发生的多因素影响模型，计算被测不同地震烈度下发生滑坡的概率；
11.步骤4：基于所述地震引发滑坡的发生概率，构建人口损失预测模型，从而计算震后滑坡区域内人口损失数据。
12.进一步的，所述步骤1具体包括：
13.步骤1.1：选取被测区域及周边邻域内多次地震事件，得到被测区域内滑坡分布图；
14.步骤1.2：基于所述被测区域内滑坡分布图，选取滑坡样本点。
15.进一步的，所述步骤2具体包括：
16.步骤2.1：基于贝叶斯概率思想，所述被测区域内同震滑坡的发生概率如公式(1)所示：
17.p
cols
＝σa
cols
/a
×
100％(1)；
18.其中，σa
cols
为被测区域内同震滑坡总面积，a为被测区域总面积；
19.步骤2.2：选择高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量、地震动峰值加速度作为地震引发滑坡影响因子，建立地震滑坡发生的多因素影响模型；
20.步骤2.3结合地震动峰值加速度pga分布图，将所述绝对高程、相对高差、坡度、斜坡曲率、地形湿度指数、植被覆盖度、与断层距离、年均降水量、地震动峰值加速度设置为连续因子，所述坡向、岩性、土地利用类型和坡位设置为非连续因子。
21.进一步的，所述步骤3具体包括：
22.步骤3.1：被测区域地震烈度为vi度、vii度、viii度、ix度、x 度，对应的地震动峰值加速度按照pga值分为0.05g、0.1g、0.2g、0.4g、≥0.8g多个等级，并运行地震滑坡发生的多因素影响模型；
23.步骤3.2：基于所述的场景下的地震烈度图或者地震动峰值加速度pga分布图，计算得到单次地震事件引发滑坡概率分布图，或进一步按照≥10％、1％-10％、0.1％-1％、0.01％-0.1％、＜0.01％的地震触发滑坡发生概率分类标准，得到地震滑坡概率分类区划图。
24.所述被测区域内发生地震引发滑坡的概率如公式(2)表示：
[0025][0026]
其中，pls为综合所有烈度的地震引发滑坡概率；pin为地震烈度概率；pinls为该地震烈度概率下的滑坡发生概率。
[0027]
进一步的，所述步骤4具体包括：
[0028]
基于地震引发滑坡的发生概率更新所述被测区域内滑坡分布图，结合人口分布图进行叠加，通过公式(3)计算基于埋压模型人口损失预测数据；
[0029]
m＝pin
×
pinls
×
l
ꢀꢀ
(3)；
[0030]
其中m为基于埋压模型人口损失预测数据，l为滑坡发生处人口分布密度。
[0031]
进一步的，所述步骤4还包括：
[0032]
通过所述被测区域地震滑坡数据库，选取被测区域及周边邻域内多次地震事件中滑坡致使人口损失数据，并通过公式(3)计算被测区域及周边邻域内多次地震事件中滑坡致使人口损失预测数据，得到地震引发滑坡真实人口损失数据与埋压模型人口损失预测数据的比值y，
[0033]
所述地震引发滑坡真实人口损失数据与埋压模型人口损失预测数据的比值y与地震引发滑坡概率x间的关系如公式(4)表示：
[0034]
y＝k*x
ꢀꢀ
(4)；
[0035]
其中k为校正系数；
[0036]
使用校正系数k，对基于埋压模型人口损失预测数据进行优化，如公式(5)表示：
[0037]m*
＝m
×kꢀꢀ
(5)。
[0038]
通过上述技术方案，本发明的有益效果为：
[0039]
本发明通过采用机器学习方法，构建被测区域地震滑坡数据库，构建地震滑坡发生的多因素影响模型，并得到各个连续因子的权重与分类因子的各个分类的权重，从而计算不同地震烈度下被测区域地震引发滑坡的发生概率，最终基于所述地震引发滑坡的发生概率，构建人口损失预测模型，从而计算震后滑坡区域内人口损失数据。
[0040]
本方法，在使用时，模拟了震中造成滑坡的概率，以及滑坡发生时的面积，结合人口分布图，使预测数据具有真实性，同时考虑生存概率对埋压模型进行优化，提高了地震引发滑坡造成人口损失预测的精确度，在使用优化的埋压模型时，可以在震后第一时间根据地震烈度推测滑坡面积，并进行人口损失计算。
附图说明
[0041]
图1是本发明一种基于地震滑坡发生概率的人口损失快速评估方法的流程图；
[0042]
图2是本发明一种地震触发滑坡导致人口损失的被测区域内滑坡分布图；
[0043]
图3是本发明一种地震触发滑坡导致人口损失的测区域内人口分布图；
[0044]
图4是本发明一种地震触发滑坡导致人口损失的地震滑坡真实人口损失数据和埋压模型人口损失预测数据比值和地震滑坡概率的关系图。
具体实施方式
[0045]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046]
实施例1
[0047]
如图1～4所示，本发明实施例提供的一种基于地震滑坡发生概率的人口损失快速评估方法，所述方法包括以下步骤：
[0048]
步骤1：采用人工目视解译方法构建典型地震对应的同震滑坡数据库；
[0049]
步骤2：采用机器学习方法构建地震滑坡发生的多因素影响模型，并得到各个连续因子的权重与分类因子的各个分类的权重；
[0050]
步骤3：通过所述地震滑坡发生的多因素影响模型，计算被测不同地震烈度下发生滑坡的概率；
[0051]
步骤4：基于所述地震引发滑坡的发生概率，构建人口损失预测模型，从而计算震后滑坡区域内人口损失数据。
[0052]
实施例2
[0053]
在本实施例中，如图2和3所示，模拟实际地震数据，选取a～g九个地区，并模拟9次地震事件，其中共有含有306,435处地震引发的滑坡记录。
[0054]
步骤1.1：选取被测区域及周边邻域内多次地震事件，得到被测区域内滑坡分布图；
[0055]
步骤1.2：基于所述被测区域内滑坡分布图，选取滑坡样本点。
[0056]
优选的，对步骤2进行优化，具体的：
[0057]
步骤2.1：基于贝叶斯概率思想，所述被测区域内同震滑坡的发生概率如公式(1)所示：
[0058]
p
cols
＝σa
cols
/a
×
100％(1)；
[0059]
其中，σa
cols
为被测区域内同震滑坡总面积，a为被测区域总面积；
[0060]
地震引发滑坡主要受地震、地形、地质、水文等因素的综合作用。
[0061]
步骤2.2：选择高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量、地震动峰值加速度作为地震引发滑坡影响因子，建立地震滑坡发生的多因素影响模型；
[0062]
优选的，步骤2.3：结合地震动峰值加速度pga分布图，将所述绝对高程、相对高差、坡度、斜坡曲率、地形湿度指数、植被覆盖度、与断层距离、年均降水量、地震动峰值加速度设置为连续因子，所述坡向、岩性、土地利用类型和坡位设置为非连续因子。
[0063]
地震动峰值加速度pga为每次地震之后，利用台站数据与数值模拟相结合的方法得到的同震pga分布图，在本实施例中，取≥0.08g以上的区域为样本采样区，pga的单位是0.01g(1gal)。根据每个因子的特征，将绝对高程、相对高差、坡度、斜坡曲率、地形湿度指数、植被覆盖度、与断层距离、年均降水量、地震动峰值加速度这9个因子设置为连续因子，坡向、岩性、土地利用类型、坡位这4个因子设置为非连续因子。
[0064]
优选的，本方法对步骤3进行优化，具体的：
[0065]
步骤3.1：被测区域地震烈度为vi度、vii度、viii度、ix度、x 度，对应的地震动峰值加速度按照pga值分为0.05g、0.1g、0.2g、0.4g、≥0.8g多个等级，并运行地震滑坡发生的多因素影响模型；
[0066]
步骤3.2：基于所述的场景下的地震烈度图或者地震动峰值加速度pga分布图，计算得到单次地震事件引发滑坡概率分布图，或进一步按照≥10％、1％-10％、0.1％-1％、0.01％-0.1％、＜0.01％的地震触发滑坡发生概率分类标准，得到地震滑坡概率分类区划图。
[0067]
所述被测区域内发生地震引发滑坡的概率如公式(2)表示：
[0068][0069]
其中，pls为综合所有烈度的地震引发滑坡概率；pin为地震烈度概率；pinls为该地震烈度概率下的滑坡发生概率。
[0070]
优选的，所述步骤4具体包括：
[0071]
基于地震引发滑坡的发生概率更新所述被测区域内滑坡分布图，结合人口分布图进行叠加，通过公式(3)计算基于埋压模型人口损失预测数据；
[0072]
m＝pin
×
pinls
×
l
ꢀꢀ
(3)；
[0073]
其中m为基于埋压模型人口损失预测数据，l为滑坡发生处人口分布密度。
[0074]
在本实施例中，由于被滑坡掩埋的人口没有生存空间，因此与地震中房屋倒塌的致死率不同，被滑坡掩埋的人员生还率非常低，往往接近于0。
[0075]
虽然被滑坡体掩埋的地区人员生还率极低，但是在滑坡体前缘，建筑物被推移破坏，在滑坡的边界部位往往存在一定的生存空间，人员有生还可能；
[0076]
另外地震引发滑坡并不是与地震同时发生，往往会有一定的滞后性，以及在压埋模型中，是假设公里格网内的人口是均匀分布的，这种假设在完全山地或者完全平原的地
区问题不大，但是山地与平原的交界地区，则容易发生滑坡的山区人口肯定比不容易发生滑坡的平原地区滑坡多，这时候采用压埋模型不再适用；
[0077]
由于人不是静止的，在发生滑坡的时候，尤其是中小规模的滑坡，人都有较好的逃生能力，因此在本实施例中对步骤4进行优化，具体的：
[0078]
优选的，步骤4还包括：
[0079]
通过所述被测区域地震滑坡数据库，选取被测区域及周边邻域内多次地震事件中滑坡致使人口损失数据，并通过公式(3)计算被测区域及周边邻域内多次地震事件中滑坡致使人口损失预测数据，得到地震引发滑坡真实人口损失数据与埋压模型人口损失预测数据的比值y，
[0080]
所述地震引发滑坡真实人口损失数据与埋压模型人口损失预测数据的比值y与地震引发滑坡概率x间的关系如公式(4)表示：
[0081]
y＝k*x
ꢀꢀ
(4)；
[0082]
其中k为校正系数；
[0083]
使用校正系数k，对基于埋压模型人口损失预测数据进行优化，如公式(5)表示：
[0084]m*
＝m
×kꢀꢀ
(5)。
[0085]
以上所述之实施例，只是本发明的较佳实施例而已，并非限制本发明的实施范围，故凡依本发明专利范围所述的构造、特征及原理所做的等效变化或修饰，均应包括于本发明申请专利范围内。