面向震災調查和基礎數據支撐的縣級尺度下村鎮民居空間化研究
——以黑龍江省為例1

于德龍孫柏濤閆培雷張 戈

1）哈爾濱工程大學航天與建筑工程學院，哈爾濱 150001

2）中國地震局工程力學研究所，中國地震局地震工程與工程震動重點實驗室，哈爾濱 150080

面向震災調查和基礎數據支撐的縣級尺度下村鎮民居空間化研究
——以黑龍江省為例1

于德龍1)孫柏濤1，2)閆培雷2)張 戈2)

1）哈爾濱工程大學航天與建筑工程學院，哈爾濱 150001

2）中國地震局工程力學研究所，中國地震局地震工程與工程震動重點實驗室，哈爾濱 150080

為了能夠快速有效地掌握地震現場調查工作中村鎮民居的空間分布情況，并建立村鎮縣級尺度的不同結構類型民居的基礎數據庫，本文以黑龍江省為例，對縣級尺度下的村鎮民居的空間化展開了相關的研究。第一，基于已有的統計資料，分析并提取對村鎮民居數量空間分布有影響的因素。第二，利用雙變量相關分析方法，以相關系數為評價指標，研究了所提取的影響民居分布的因素，即地區總建筑面積、地區生產總值、購（建）房費用對村鎮民居分布的影響程度；第三，基于村鎮民居基礎數據和相關統計資料，構建了多元線性回歸模型，給出了黑龍江省磚砌體房屋和土坯房屋的空間分布規律，經驗證本文給出的模型有較高的精度，并且利用GIS技術得到了黑龍江省村鎮民居縣級尺度的空間分布。本文所得到的村鎮民居空間分布，在以下兩個方面都起著重要的作用：首先，當有重大地震發生時，可以高效準確地給出災區村鎮民居的數量空間分布，為地震現場調查工作提供基礎數據的支持；其次，在未來的村鎮民居規劃與易損性分析過程中，可提供相應的技術支持和數據支持。

村鎮民居 空間分布 縣級尺度 雙變量相關分析 多元線性回歸模型

于德龍，孫柏濤，閆培雷，張戈，2015.面向震災調查和基礎數據支撐的縣級尺度下村鎮民居空間化研究——以黑龍江省為例.震災防御技術，10（1）：15—24.doi：10.11899/zzfy20150102

引言

近年來我國地震災害頻發，其中，汶川地震、蘆山地震、魯甸地震等重大地震接連發生，造成了巨大的經濟損失與人員傷亡，特別是對經濟不發達的村鎮地區造成的損失更為突出。在這些村鎮地區，由于受社會經濟發展水平、居民的文化程度、施工技術等因素的限制，村鎮民居房屋主要以土坯墻結構房屋、磚砌體結構房屋、木構架房屋為主，大部分沒有經過抗震設防設計，主要由當地的建筑工匠，根據房主的經濟狀況和要求，按照當地的傳統習慣、且不經過設計單位設計建造而成的（葛學禮等，2001；2010）。村鎮民居房屋是地震災害的重要承災體，準確地給出房屋的空間分布信息是衡量地震災情，開展抗震救災工作的重要依據。如何根據地震成災嚴重的村鎮地區的房屋結構類型、結構構造特點、社會經濟狀況以及個體差異等重要因素，利用科學的方法快速有效、且有較高精度地得出村鎮民居的空間分布，對于我國來說是亟待解決的科研難題。2010年我國進行了全國第六次人口普查，按照10%的概率抽樣調查了城市、鄉村的不同類型房屋的分布情況。調查方式采用被調查居民填表的形式，房屋的分類標準主要依據外墻墻體材料。通過對調查數據的統計分析，初步得到了全國范圍內縣級尺度的房屋數據。由于被調查居民缺少相應的土木工程知識，房屋并沒有按照承重構件進行分類，因此需要對房屋數據進行更深入的研究，才能使得到的房屋數據更為合理。與此同時，隨著地理空間信息技術的長足發展以及相關統計數據的公布，基于GIS技術的相關研究正逐步開展。目前，數據空間化的研究主要集中在人口數據空間化、GDP 數據空間化和其他屬性數據空間化（閆慶武等，2011；Wu等，2005），而房屋數據空間化的研究還處于起步階段。對于房屋數據空間化研究而言，其主要有基于尺度收縮方法的房屋數據推算（高曉路等，2011），該方法以全國1%人口抽樣調查數據為基數，解決了統計數據中房屋數據縣級尺度不全的問題。例如：基于震害分類的房屋數據格網化研究（韓貞輝等，2013），其主要基于公里網格的抽樣調查，給出了相應調查區房屋數據的空間分布；基于房屋普查數據的房屋增長規律研究（王麗莉等，2013），對于房屋的增長規律給出了相應的參考。但到目前為止，我國學者還沒有針對村鎮不同結構類型的民居進行過有效的統計調查，還未得到涵蓋全國的完整的村鎮民居空間分布（盧永坤等，2011）。歸納起來主要是由以下兩方面的原因造成的：一是基礎數據難以獲得，這是由于我國村鎮民居數量巨大、分布廣泛、建筑結構特點的差異所導致的；二是調查人員或是被訪居民缺少相應的土木結構基礎知識，難以對民居的結構類型、構造特點進行有效的統計調查。

在地震發生后，地震現場是防震減災工作的前沿陣地之一，高效有序地開展地震現場工作，是維護地震災區社會穩定、開展抗震救災工作和積累科學資料的重要保證。其中，建（構）筑物是地震現場調查的主要對象，快速準確地獲得建（構）筑物的空間分布是災評工作人員面臨的關鍵問題。同時，民居又是我國廣大村鎮地區一類最主要的建筑物，是建（構）筑物地震現場調查工作的重要組成部分（陸元鼎，2004）。因此，在震害預測或經濟損失評估中房屋數量的空間分布是重要的基礎數據。但由于缺少這方面的數據，科研人員僅能在震后通過抽樣調查的方法來獲得這方面的數據，這樣就造成了數據的可靠性差和精度較低，而采用村鎮民居空間化的方法可以有效地解決這一問題。

基于上述原因，作者以村鎮不同結構類型的民居為研究對象，對村鎮基礎數據和影響村鎮民居數量分布的統計數據開展了村鎮民居數據空間化研究。并以黑龍江省為例，運用統計分析方法同時結合GIS技術（王雪梅等，2004），構建了合理的數學模型，得到了不同結構類型的村鎮民居的空間分布。本文嘗試構建的模型可為村鎮民居數據空間化研究提供一種解決方法。

1 影響村鎮民居空間分布的相關因素

1.1 數據來源

數據來源主要包括以下兩個方面：一是通過抽樣調查得到的村鎮民居基礎數據，主要包括房屋的建筑概況、結構特點以及數量空間分布；二是收集到的相關統計數據，主要包括地區總建筑面積、地區生產總值以及購（建）房費用等數據。

（1）村鎮民居基礎數據

村鎮民居基礎數據主要包括民居結構基礎信息和民居數量空間分布信息。我國只在1985年由建設部進行過大規模的全國建筑物普查，但由于我國地域遼闊，村鎮民居分布比較分散，這使得通過詳細調查方式統計出的我國村鎮不同結構類型民居的分布數量有一定的難度。因此，本文采用抽樣調查的方法，利用實地調查、網絡資源、遙感技術和街景技術，實現對村鎮民居基礎數據的搜集。基于抽樣調查所得到的數據可知，黑龍江省村鎮主要存在兩種結構類型的民居，它們分別為磚砌體房屋和土坯房屋（Harvey，2002）。抽樣調查點的分布如圖1所示。

圖1 抽樣調查點分布圖Fig. 1 The sampling distribution deals

（2）縣級尺度統計數據

在抽樣調查數據的基礎上，為了研究不同因素對黑龍江省村鎮民居空間分布的影響，作者搜集了與房屋數量分布有關的縣級尺度的統計數據，其主要來源于全國第五次人口普查數據、黑龍江省統計數據、全國第六次人口普查數據。選取其中對村鎮民居數量起到影響的因素主要包括：地區總建筑面積、地區生產總值、購（建）房費用等。根據實地調查與相關法律規定，本文假設統計數據中的家庭戶數等于各類結構民居的棟數，即一戶一宅（楊小喚等，2006），相關統計數據說明如表1所示。

表1 相關統計數據說明Table 1 Statistical information explanation

1.2 雙變量相關性分析

為了得到黑龍江省村鎮民居縣級尺度的分布情況，本文首先采用雙變量相關性分析的方法，分析上文中得到的村鎮民居基礎數據與縣級尺度統計數據之間的相關性（Hessami等，2008）。

雙變量相關性分析是用來分析兩個數值變量間關系強弱的一種有效的統計學方法。采用相關系數來評價不同因素對村鎮民居數量分布的影響大小。其中相關系數又稱Pearson積差相關系數，用字母r表示，其計算公式為：

式中，x、y分別為變量的數值；n為樣本數量。

根據常用的準則，相關系數介于-0.75和-1.00之間的任何r值，代表了一個很強的負相關性；而介于0.75和1.00之間的任何r值，代表了一個很強的正相關性。類似地，介于-0.70和-0.30之間、0.30和0.70之間的r值，代表了一個適中的相關性。而介于-0.25和0.25之間的r值，則表示相關程度比較弱。

1.3 考慮不同影響因素的相關性分析

（1）地區總建筑面積

地區總建筑面積是指在不同地區，以縣級行政單位為精度的村鎮建設用地范圍內單棟或多棟建筑物地面以上及地面以下各層建筑面積之總和。地區總建筑面積可以在一定程度上體現不同地區村鎮房屋數量的分布。

本文基于村鎮基礎房屋數據，對抽樣調查所得到的磚砌體房屋數量數據、土坯房屋數量數據與統計數據中相應的地區總建筑面積數據，進行了雙變量相關性分析。

磚砌體房屋數量與地區總建筑面積，通過雙變量相關分析，散點圖如圖2所示，得到的相關系數r為0.979，并且在0.01水平上顯著相關。土坯房屋數量與地區總建筑面積，通過雙變量相關分析，散點圖如圖3所示，得到的相關系數r為0.759，在0.05水平上顯著相關。這一結果表明，磚砌體房屋數量較土坯房屋數量與地區總建筑面積有更強的正相關性。

圖2 磚砌體房屋數量與地區總建筑面積散點圖Fig. 2 Scatter diagram of number of brick masonry buildings with regional total construction area

圖3 土坯房屋數量與地區總建筑面積散點圖Fig. 3 Scatter diagram of number of adobe houses with regional total construction area

（2）地區生產總值

地區生產總值是指在一定時期內（一個季度或一年），一個地區的經濟中所生產出的全部最終產品和勞務的價值，常被公認為衡量地區經濟狀況的最佳指標。地區生產總值反映了這一地區經濟實力的強弱，決定著房屋造價的多少，間接影響了房屋結構類型的選擇以及房屋抗震能力的好壞，這一現象在村鎮地區更加顯著。

本文基于村鎮基礎房屋數據，對抽樣調查所得到的磚砌體房屋數量數據、土坯房屋數量數據與統計數據中相應的地區總建筑面積數據，進行了雙變量相關性分析。其中，磚砌體房屋數量與地區總建筑面積，通過雙變量相關分析，散點圖如圖4所示，得到的相關系數r為0.921，并且在0.01水平上顯著相關；土坯房屋數量與地區總建筑面積，通過雙變量相關分析，散點圖如圖5所示，得到的相關系數r為0.635，相關性較弱。這一結果表明，磚砌體房屋數量較土坯房屋數量與地區生產總值有更強的正相關性。

圖4 磚砌體房屋數量與地區生產總值散點圖Fig. 4 Scatter diagram of number of brick masonry buildings with GDP

圖5 土坯房屋數量與地區生產總值散點圖Fig. 5 Scatter diagram of number of adobe houses with GDP

（3）購（建）房費用

購（建）房費用是指在村鎮居民購買和自建房屋的費用。購（建）房費用直接反映了房屋類型的選擇，間接影響著房屋抗震能力的好壞。

本文基于村鎮基礎房屋數據，對抽樣調查所得到的磚砌體房屋數量數據、土坯房屋數量數據與統計數據中相應的購（建）房費用數據，進行了雙變量相關性分析。其中，磚砌體房屋數量與地區總建筑面積，通過雙變量相關分析，散點圖如圖6所示，得到的相關系數r為0.951，并且在0.01水平上顯著相關；土坯房屋數量與地區總建筑面積，通過雙變量相關分析，散點圖如圖7所示，得到的相關系數r為0.638，相關性較弱。這一結果表明，磚砌體房屋數量較土坯房屋數量與購（建）房費用有更強的正相關性。

通過上述分析可知：第一，三個因素均對磚砌體房屋數量和土坯房屋數量的空間分布有著一定的影響，相關系數均在0.638以上，說明這三個因素都對村鎮民居的數量起著一定程度的影響；第二，磚砌體房屋數量與三個因素的相關性更強，因此可以用來作為下文中多元線性回歸分析的應變量；第三，根據磚砌體房屋、土坯房屋與地區總建筑面積相關性分析的結果，可以判定在黑龍江省村鎮磚砌體房屋為主要的結構形式。具體數字如表2所示。

圖6 磚砌體房屋數量與購建住房費用散點圖Fig. 6 Scatter diagram of number of brick masonry buildings with construction housing cost

圖7 土坯房屋數量與購建住房費用散點圖Fig. 7 Scatter diagram of number of adobe houses with construction housing cost

表2 磚砌體房屋數量、土坯房屋數量與三個因素之間的相關分析表Table 2 Correlation of number of brick masonry buildings and adobe houses with three factors

2 基于影響因素的村鎮民居空間化研究

從上述分析可知，村鎮民居磚砌體結構房屋數量較土坯房屋數量與所提取的三個因素有更強的相關性。所以，筆者采用磚砌體房屋數量作為擬合對象，綜合考慮上述三個因素的影響，建立了合理的數學模型，用來判定黑龍江省縣級尺度下的村鎮磚砌體結構房屋數量。同時，依據村鎮房屋總量計算出了土坯房屋數量。最后，結合GIS技術將黑龍江省村鎮民居房屋數據進行空間化處理，得到了縣級尺度下的村鎮民居主要結構類型的分布情況。

2.1 多元線性回歸模型

由于事物間的聯系常常是多方面的，一個應變量的變化可能受到其他多個自變量的影響。多元線性回歸的目標就是用兩個或兩個以上的不同變量值來預測一個變量的值。在多元線性回歸中，被預測的變量稱為因變量，用來預測的變量稱為自變量或預測變量。為此，本文采用多元線性回歸模型，因變量為磚砌體房屋數量，自變量分別為地區總建筑面積、地區生產總值、購（建）房費用。

多元線性回歸模型的一般形式為：

式中，Y為應變量；x1，x2，…，xp為自變量；b1，b2，…，bp都是與x1，x2…xp無關的參數；ε為隨機誤差。

對于多元線性回歸模型的評價方式，本文采用決定系數R2，其取值范圍是0到1。R2越接近于1，說明模型的擬合情況越好。

2.2 考慮多因素下的黑龍江省村鎮民居空間分布

利用多元線性回歸模型進行建模，可得到如下模型：

式中，Y代表的是磚砌體房屋數量（百棟）；XS代表的是地區總建筑面積（萬平方米）；XG代表的是地區生產總值（千萬）；XF代表的是購（建）房費用（萬元）。

利用該模型可以得出黑龍江省縣級尺度村鎮民居房屋的分布，如圖8和圖9所示（葉宇等，2006）。黑龍江省村鎮共有5176992棟房屋，磚砌體房屋的比例為73.3%，土坯房屋的比例為26.7%。該模型的決定系數R2為0.972。

圖8 黑龍江省村鎮磚砌體民居分布圖Fig. 8 Distribution of rural brick masonry buildings in Heilongjiang province

圖9 黑龍江省村鎮土坯民居分布圖Fig. 9 Distribution of rural adobe houses in Heilongjiang province

3 模型精度驗證

第一，本文所建立的模型決定系數R2為0.972，在0.01水平上多元線性回歸模型是顯著的，說明在同時考慮地區總建筑面積、地區生產總值、購（建）房費用三個因素后，能在97.2%的程度上解釋磚砌體房屋數量的分布情況。

第二，根據2010年全國第六次人口普查相關資料，黑龍江省村鎮共有476775棟房屋，其中，磚砌體房屋的比例為71.3%，土坯房屋的比例為27.4%，其他類型房屋的比例為1.3%。這與本文所得結果基本一致，也進一步驗證了本模型的合理性。

4 結論與討論

基于本文得到的黑龍江省村鎮民居縣級尺度下的空間分布，可以得出以下結論：

（1）基于抽樣調查數據和相關統計數據，采用雙變量相關分析的方法，并以相關系數為評價指標，研究了地區總建筑面積、地區生產總值、購（建）房費用與磚砌體房屋數量和土坯房屋數量的相關性，得到了影響民居分布的主要因素。

（2）采用多元線性回歸模型，利用磚砌體房屋數量與地區總建筑面積、地區生產總值、購（建）房費用的相關性，得出了黑龍江省村鎮民居的空間分布。

（3）采用上述的分析方法，可以對全國村鎮民居的空間分布進行相關的研究，可得出影響不同地區、不同結構類型村鎮民居的相關因素，再利用抽樣調查數據與相關因素數據進行分析，可給出全國村鎮民居的空間分布。

（4）基于全國村鎮民居的空間分布，可分析不同村鎮地區民居的建筑結構特點、抗震構造措施，以便在地震未發生時得到不同村鎮地區、不同結構類型民居的抗震能力分布情況。與此同時，還可以在地震發生時為地震現場調查工作提供較為準確的村鎮民居空間分布情況，為建（構）筑物安全鑒定和災后經濟損失評估提供相應的基礎數據。

高曉路，金鳳君，2011.基于尺度收縮方法的中國縣級尺度房屋結構數據推算.地理研究，30（12）：2127—2138.

葛學禮，朱立新，2001.村鎮建筑震害與抗震技術措施.工程抗震，1（1）：43—48.

葛學禮，朱立新，2010.鎮（鄉）村建筑抗震技術規程實施指南.北京：中國建筑工業出版社，1—100.

韓貞輝，李志強，2013.人口、房屋數據空間化及其在震災快速評估中的應用.地震地質，35（4）：894—906.

盧永坤，代博洋，2011.云南地區房屋建筑面積的統計和調查結果.地震研究，34（4）：533—537.

陸元鼎，2004. 中國民居建筑.南京：華南理工大學出版社，1—30.

王雪梅，李新，馬明國，2004.基于遙感和GIS的人口數據空間化研究進展及案例分析.遙感技術與應用，19（5）：734—738.

王麗莉，李林侗，2013.基于房屋普查數據的房屋增長規律研究.防災減災學報，29（3）：9—12.

楊小喚，劉業森，江東，2006.一種改進人口數據空間化的方法：農村居住地重分類.地理科學進展，25（3）：62—69.

葉宇，馮險峰，劉高煥，2006.人口數據空間化表達與應用.地球信息科學，8（2）：59—65.

閆慶武，卞正富，張萍，2011.基于居民點密度的人口密度空間化.地理與地理信息科學，27（5）：95—98.

Harvey J.T.，2002. Estimating Census District Population from Satellite Imagery：Some Approaches and Limitations. International Journal of Remote Sensing，23（10）：2071—2095.

Hessami M.，Gachon P.，2008. Automated Regression-based Statistical Downscaling Tool. Environmental Modelling & Software，23（6）：813—834.

Wu C.，Murray A.T.，2005. A Cokriging Method for Estimating Population Density in Urban Areas. Computers，Environment and Urban Systems，（29）：558—579.

Spatial Rural Dwelling Buildings Distribution at the County Level Scale in Earthquake Investigation and the Foundation Data Supporting——A Case Study of Heilongjiang Province

Yu Delong1)，Sun Baitao1,2)，Yan Peilei2)and Zhang Ge2)
1）College of Aerospace and Civil Engineering，Harbin Engineering University，Harbin 150001，China
2）Key Laboratory of Earthquake Engineering and Engineering Vibration，Institute of Engineering Mechanics，China Earthquake Administration，Harbin 150080，China

In order to control the spatial distribution of rural dwelling buildings quickly and effectively by the earthquake site investigations, and establish database at the county level scale, we take Heilongjiang province as an example, to study spatial rural dwelling houses distribution at the county scales. Firstly, based on the existing statistical data, we analyze and extract the factors which has impact on spatial rural dwelling houses distribution. Secondly, we use bivariate correlation analysis method and correlation coefficient as evaluation index, to study the region a total construction area, GDP and builds housing costs affecting spatial rural dwelling houses distribution. Thirdly, based on the rural residence base data and related statistical data, we build multivariate linear regression model, the distribution law of brick masonry buildings and adobe houses in Heilongjiang province. The spatial rural dwellings buildings distribution at the county level scale in Heilongjiang province was obtained by using GIS technology. When a major earthquake occurs, our results are efficient to give spatial distribution of the disaster area, the number of rural dwellings for the earthquake scene investigation work provide basic data support. Moreover, our results provide the corresponding technical support for planning and vulnerability analysis in the future.

Rural dwelling buildings；Spatial distribution；The county level scale；Bivariate correlation analysis；Multiple linear regression model

國家自然科學基金重大研究項目（91315301-10）；中國地震局工程力學研究所所長基金（2010B10）資助

2014-12-05

于德龍，男，生于1988年。博士研究生。主要研究方向：結構易損性分析。E-mail：yudelong99@hotmail.com