基于微博的蘆山地震前后宏觀異常信息篩選與分析1

蘇曉慧 張群燕 張曉東 張 旭 李 林 劉峻明 黃健熙 蘇 偉

（中國農業大學信息與電氣工程學院，北京 100083）

引言

人的感官能直接覺察到的地震異常現象稱為地震的宏觀異常，主要是動物異常、地下流體異常、地聲地光異常、大地電磁場異常、地震云異常以及植物異常等（和勝利，2008）。我國對地震宏觀異常現象進行系統的科學考察和研究始于 1966年邢臺地震（C.基斯林格等，1980；高文學等，1988；河北省地震局，1980；力武常次，1978）。宏觀異常不只是短臨和臨震異常信息，也有不少是中短期、短期異常信息（安徽省地震局，1978；陳棋福，1988；國家地震局預測預防司，1997；中國地震局監測預報司，2000；中國科學院地震工作委員會歷史組，1956）。

大規模的宏觀異常，往往具有強震短臨前兆的性質，對地震預報具有重要的實用意義。我國在利用宏觀異常，探索地震預測方面有一些成功的例子，如1975年2月4日遼寧海城7.3級地震前1、2個月觀察到很多宏觀異常現象；1974年12月在遼陽、本溪、鞍山、大連、沈陽、錦州等地出現大量地下水與動物異常；1975年2月2日盤錦某鄉一群小豬在圈內相互亂咬，19只小豬的尾巴被咬斷，2月4日震前千山鹿場梅花鹿撞開廄門沖出廄外等（中國地震局監測預報司，2010）。這些宏觀異常對成功預測地震提供了重要依據。事實充分證明，宏觀異常在多次成功地震預報中發揮了不可取代的作用。根據地震現場考察，很多中強地震前，都有不同程度的宏觀異常顯示，這些宏觀異常的收集報送主要靠群眾測報隊伍。例如：1976年龍陵7.3、7.4級地震；1998年寧蒗6.2級地震；1997年黃海5.1級地震；1994年臺灣海峽7.3級地震；1999年臺灣7.6級地震；2000年姚安6.5級地震；1999年岫巖地震等。其中群測點都發揮了重要的作用。2009年5月1日開始執行的《中華人民共和國防震減災法》中提出“國家鼓勵、引導社會組織和個人開展地震群測群防活動，對地震進行監測和預防”。“群測群防”稱為防震減災領域中的重要手段與途徑之一。

隨著通訊方式的改進以及手機等網絡終端的普及，公眾對于地震的關注熱情以及關注度正在逐漸提升。2013年1月23日12時18分，遼寧省遼陽市燈塔市、沈陽市蘇家屯區交界（41.5°N，123.2°E）發生5.1級地震，在12：58至13：03的短短5分鐘內，新浪微博網站就有1000條新的關于此次地震的微博（蘇曉慧，2013）；用來發布地震速報信息的新浪微博“中國地震臺網速報”，開博僅10個月粉絲數便突破百萬，截止2013年5月15日，關注人數已達到159萬。微博等通訊方式的發展，增加了公眾關注地震與參與地震的可能性，也為防震減災工作提供了大量的信息源。但是公眾信息源的可信度也是該信息運用于研究的一個重要的限制。

地震之前有很多與之相伴隨的物理、生物以及其他領域的異常現象發生，但是這些異常現象有可能當時沒有被人發現，或者已經發現但未被人們重視，從而導致防震減災工作的信息缺失。本文針對蘆山地震之后，微博官方網站中用戶發送的與宏觀異常有關的資料進行了搜集整理。這些資料主要通過課題組研究人員在各大微博網站搜索和新浪微博官方提供兩種方式獲得，本研究針對這些信息提出了從完整性、真實性、信譽度和關聯度等四個方面進行篩選，并對宏觀異常的時空分布特征以及種類、數量等進行了研究。

1 異常信息搜集與篩選

據中國地震臺網測定，北京時間2013年4月20日8時2分在四川省雅安市蘆山縣（北緯30.3°，東經103.0°）發生7.0級地震，震源深度13km。此次地震遇難人數196人，失蹤21人，11470人受傷，累計造成231余萬人受災。震后，課題組研究人員對震前1個月內在新浪微博、騰訊微博和論壇、相關網站進行了宏觀異常的搜索，共搜集到33條宏觀異常信息。

本文將宏觀異常的篩選分為三個步驟，分別為：初篩、復篩和精篩。首先針對搜集到的33條宏觀異常進行初篩，即信息真實性的分析，信息為真則記為“T”，信息為假則記為“F”。編號為32的信息，經網上查詢與驗證，發現沒有其他類似描述，也沒有相關的圖片或者更多的描述；另外，編號為29的宏觀異常，成都4月13日的平均氣溫為16℃，最高氣溫為23℃，而前1天（4月12日）的平均氣溫為16℃，最高氣溫為18℃，所以信息中描述的1天之內上升10度的情況不存在，故在初篩時，將這兩條信息篩除，不做后面分析之用。

接下來是復篩，復篩的指標包括完整性、信譽度和關聯度。完整性的分析，即檢驗信息是否包含發生時間、地點以及宏觀異常三項描述，如果上述三方面均包含，則記為“1”，否則記為“0”。完整性分析：序號為2、8、9、15和16這幾條信息的時間不明確；序號為9、11、12、26、30的信息沒有明確的地點屬性；異常描述全部都有，所以根據完整性的要求，篩除掉上述信息，剩余22條信息進行下面的分析。然后針對22條信息進行信譽度的分析，因22條信息全部來自微博用戶，故針對發布這些信息的微博用戶查詢其以往信息更新率以及對地震關注度的追蹤分析，序號為13和24的用戶發布的信息可信度較低，所以基于信譽度將這兩條信息篩除。再然后是基于關聯度的分析，編號為5、20、24和33的信息不包含地震宏觀異常的指標項，而編號為27的信息，則在其發生的時空范圍內未發現同類或者其他類現象，故排除。至此，經過初篩和復篩之后，宏觀異常信息只剩下了16條。

最后是精篩，即對非地震原因造成的異常信息進行排除，編號為3的信息中描述在四川成都發現萬只青蛙，還有相關視頻進行說明，但是當時正值青蛙的繁殖時期，而且能明顯看到視頻中地面較濕，是雨后所錄制，并且好多公眾在互動中說明這是青蛙正常的生活習性，所以將該條信息歸入正常。最終確定進行評價的宏觀異常信息為15條。

以條件格式的方式對宏觀異常信息的初篩、復篩和精篩過程進行表示，有填充色的表示不滿足篩選的條件，凡是同一行中含有填充色的信息則不作后面分析之用，篩選結果記為“0”；而空填充的表格表示滿足篩選的條件，篩選結果記為“1”，最終篩選的結果如圖1所示。

圖1 蘆山地震宏觀異常信息篩選結果Fig. 1 Filtering process of macroscopic anomalies for Lushan earthquake

2 宏觀異常的基本統計和時間分布研究

2.1 宏觀異常的種類與數量

據統計，在震后1個月，公眾在微博網站發布的異常信息共計33條，經過篩選之后，有15條納入本文的分析中，出現的宏觀異常主要為兩類：動物異常和天氣異常；數量分別為10起和5起，共計15起。從公眾提供的宏觀異常種類來分析，說明普通公眾對動物異常和天氣異常較為敏感，這兩類的宏觀異常更容易引起公眾的注意，也更易于人們的觀察和識別。

由圖2中可以看出，此次地震的宏觀異常中動物異常占到了67%，而1975年的海城地震和1976年唐山地震前出現的宏觀異常也是以生物異常為主（朱鳳鳴等，1982；陳非比等，1979）。此外，在動物異常中，狗異常被提及的次數較多，占到動物異常總數的50%，2012年廣東河源地震、新疆新源地震、江蘇高郵地震、云南彝良地震和云南寧蒗地震中同樣均有狗異常出現（蘇曉慧，2013），說明隨著人們居住環境的城鎮化發展，雖然其他動物已不多見于人們的日常生活中，但狗的異常對地震預測還是有重要作用的。

蘆山地震的震源深度為13km，震級為7.0級，通過微博搜集到的有效宏觀異常達15條，將其與2012年發生的廣東河源地震、新疆新源地震、江蘇高郵地震、云南彝良地震和云南寧蒗地震進行對比，如圖3所示。

圖2 蘆山地震各種宏觀異常所占比例關系Fig. 2 The proportion of different kinds of anomalies for Lushan earthquake

圖3 宏觀異常數量與震級、震源深度之間的關系Fig. 3 The relationships between quantities of anomalies，magnitude and depth

圖3 中橫坐標表示地震的震級；縱坐標表示震源深度；每一個氣泡（圓點）對應一次地震；氣泡的大小表示宏觀異常的數量。氣泡大小呈現從左上到右下遞減的趨勢，說明在上述幾次地震中，震級較低并且震源深度較深的情況下，宏觀異常種類較多。由于數據所限，文中所選的地震次數較少，而且地震震源不屬于同一地區，甚至不屬于同一地震帶，其內部結構差異較大，所以出現了上述的結果。

2.2 宏觀異常的時間分布

從時間分布來看，震前1個月的宏觀異常多集中在震前2、3天之內，如4月17日2起異常，4月18日1起，4月19日4起，在地震即將發生時（4月20日早晨），也有2起異常，震前共發生10項異常；震后的異常則集中于20日與21日2天，共5項。

從宏觀異常信息的發布時間來看，15項異常中有10項異常的發布時間均為4月20日，即地震當天。本研究進行統計的15起宏觀異常中，有10項是地震前發生且被公眾注意到的，但是在這些信息中，地震前只有3項宏觀異常是被公眾發布到微博網站的，其他大多是震后公眾才發布到微博網站的，這可能與地震之后公眾的恐震心理有關。在地震發生之后，公眾對各種異常現象有個恐慌期，回憶之前很多異常可能與地震有關，所以地震發生之后在微博網站以及其他網站都有一個噴發的量出現（圖4）。

圖4 地震前后宏觀異常發生與發布數量對比圖Fig. 4 Comparison of number of macroscopic anomalies before and after the earthquake

3 地震宏觀異常的空間分布研究

本文統計了公眾通過微博發布的宏觀異常信息，并進行了空間展布，如圖5所示。宏觀異常的空間分布疏密不均，有些區域呈現叢集現象，有些區域則比較平靜。造成這種現象的原因可能與各區域公眾對新型通訊方式的熟悉程度、人們的關注程度、所處地質地理環境等有關。從震中距來分析，宏觀異常中有5項分布在距離震中80km的范圍內，9項分布在距離震中160km的范圍內，位于成都市，因通訊方式等方面的影響，成都市的市民對宏觀異常的反應與關注度比震中地區的關注度要高。

圖5 蘆山地震宏觀異常分布圖Fig. 5 Spatial distribution of macroscopic anomalies for Lushan MS7.0 earthquake

不同于汶川地震大部分宏觀異常信息分布在龍門山地震帶中（張小濤等，2009），此次蘆山地震前后的宏觀異常分布在鮮水河—滇東地震帶、長江中游地震帶和龍門山地震帶三個地震帶中，其中，位于長江中游地震帶內的宏觀異常最多，達9項；與汶川宏觀異常不同的是，此次地震的宏觀異常只有1項位于龍門山地震帶內。此外，以活動斷層周邊15km做緩沖區分析，發現宏觀異常發生的地點與活動斷層距離較近，有8項異常均位于活動斷層內（距離活動斷層15km內），說明宏觀異常的出現和斷層是有一定的相關性的。

4 結語

本文以蘆山地震前后，公眾在微博網站發布的宏觀異常信息為研究對象，蘆山地震前后1個月，共搜集到33條異常信息，針對微博信息提出從真實性、完整性、關聯度和信譽度四個方面進行篩選的方法。在篩選基礎上，對微博宏觀異常信息進行時間、空間角度的分析研究，得出了以下幾點認識。

（1）通過微博發布的宏觀異常信息種類主要為動物異常和天氣異常，說明公眾對上述兩種異常的關注度與敏感性更強，或者說上述兩種宏觀異常更易于普通公眾觀察。

（2）蘆山地震前，宏觀異常發生并引起公眾注意的有 10起異常，但是在微博網站發布的僅為3項，其他的7項異常均為地震后發布；地震后，共發生5項異常。說明地震發生之后，公眾對宏觀異常的發生更為關注。

（3）本文搜集到的宏觀異常信息大多分布（60%）在距離震中較遠的成都市，而非震中地區，造成這種情況的出現可能是由于兩方面的原因造成的：一是距離震中較近地區的公眾在地震前后，尤其是地震后更注重于救災工作而非發布地震信息；二是此次地震的震中位于農村，智能手機或者新型通訊方式尚不普及。

（4）宏觀異常數量與震級、震源深度關系的探討應該建立在數據量充分，而且研究區域內部結構相差不大的情況下進行統計分析。

（5）微博發布的宏觀異常信息具有及時性，是對其他方式提供宏觀異常的一種補充，但是由于發布的公眾文化程度等不同，也造成了信息質量難以保障，所以針對微博信息的篩選與剔除更為重要，這也是使用微博信息的一個限制，宏觀異常信息的質量是其有效應用于地震預測工作中的前提條件。本文基于此問題，提出從真實性、完整性、關聯度和信譽度四個方面進行篩選的方法，此方法與傳統的現場核實方法相比較為快捷，但也有可能正是造成誤差的一個原因，在以后的研究中可以加入其它指標或者其他知識對微博信息進行篩選，從而保障微博宏觀異常信息的質量。同時可以加大地震宏觀異常知識的宣傳力度，使普通公眾對異常識別與辨別有一定的認知度，從而增加宏觀異常的可信度。

（6）公眾通過微博發布的異常信息具有很好的及時性，如果地震行業的專家在地震預測中采用這些公眾參與式的地震異常信息，則一方面可以加強公眾參與的熱情，增加地震的異常信息源；另一方面，公眾參與式異常信息的增加，可以在地震預測決策工作中增加輔助作用。

安徽省地震局，1978. 宏觀異常與地震. 北京：地震出版社.

陳棋福，1988. 中國震例（1966—1975）. 北京：地震出版社.

陳非比，張建華，劉秉良等，1979. 唐山地震. 北京：地震出版社.

高文學，張存德，1988. 中國地震年鑒（1987）. 北京：地震出版社.

國家地震局預測預防司，1997. 地震宏觀異常預報方法. 北京：地震出版社.

河北省地震局，1980. 唐山地震目錄. 北京：地震出版社.

和勝利，2008. 地震宏觀異常在臨震預報中的應用. 中國西部科技，7（5）：4—5.

蘇曉慧，2013. 公眾參與式的地震異常信息提取與評價方法研究. 北京：中國農業大學.

張小濤，張永仙，許敦煌，2009. 汶川8.0級地震前后宏觀異常現象分析. 地震，29（2）：104—117.

中國地震局監測預報司，2000. 地震前兆異常落實工作指南. 北京：地震出版社.

中國科學院地震工作委員會歷史組，1956. 中國地震資料年表（上、下）. 北京：科學出版社

中國地震局監測預報司，2010. 地震宏觀異常摘編. 北京：地震出版社.

朱鳳鳴，吳戈，1982. 一九七五年海城地震. 北京：地震出版社.

力武常次，1978. 地震預報. 北京：地震出版社.

C. 基斯林格，鈴木次郎，1980. 地震前兆. 北京：地震出版社.