地震人員傷亡評估方法及損失評估系統綜述

閆佳琦，陳相兆，孫柏濤

(中國地震局工程力學研究所，中國地震局地震工程與工程振動重點實驗室，黑龍江，哈爾濱 150080)

據統計，2000年?2010年是地震活動異常頻繁的10年，期間全球約有70萬人死于地震災害(包括工程結構破壞和次生災害所導致)，重大地震災害死亡人數統計可見表1。2008年?2018年間，我國地震災害造成的人員死亡數量占全部自然災害死亡數的52%，儼然成為眾災之首，造成了嚴重的人員傷亡和社會影響。全國人民代表大會常務委員會執法檢查組在關于檢查《中華人民共和國防震減災法》實施情況的報告中指出同嚴峻的地震形勢相比，很多國家在地震監測預報、建設工程抗震設防和地震應急救援能力等方面都還存在明顯不足。在地震前做好震災的防御和準備工作，以及在地震后快速、準確評估地震造成的災害，科學指導應急救援是我國目前防震減災工作的重中之重。地震人員傷亡評估作為防震減災的一項重要內容，可在震前評估城市或區域的人員傷亡風險，為工程抗震設防和應急備災提供參考，也可在震后快速評估地震人員傷亡數量和分布，為應急救援提供技術支撐。

表1 2000年?2010年全球重大地震災害的死亡人數Table1 Deaths of significant earthquakes from 2000 to 2010

地震人員傷亡與地面震動強度分布、建筑物破壞、經濟損失作為震后響應評估工作的重要組成部分[1]，對提高地震應急反應能力，進而減小地震對于社會的影響具有重要意義。地震人員傷亡評估結果是確定地震響應等級并制定地震應急預案的重要依據，對于境外地震則影響到國際救援力量和物資調派等重要安排[2]。預計到2030年，大約全球60%人口(50億)會居住在城鎮地區，且欠發達地區的城鎮化速度加快[3]。城鎮化過程中人口、建筑、基礎設施等承災體更加集中，發生在城鎮地區的地震可能造成更嚴重的工程破壞和人員傷亡。農村地區因房屋抗震能力較低、地質條件復雜、交通不便等原因，地震災害風險更加嚴峻。因此，面對日益復雜的情況，地震災害人員傷亡研究具有重要意義。

鑒于地震人員傷亡評估工作的重要性，各領域的學者從不同角度對地震人員傷亡評估模型做了大量研究，包括考慮地震參數和建筑物破壞因素的傳統地震人員傷亡評估方法，和以人工智能、空間大數據、移動互聯網等為手段的新興技術和方法。同時，全球與地震災害相關的各研究機構基于上述評估模型，研發了全球或區域地震人員傷亡評估系統，并在震前防御和應急救援領域發揮了防災減災實效。

1 地震人員傷亡影響因素

本文首先從地震致災理論出發，闡述人員傷亡的成因和基本評估流程。區域災害系統論[4]指出致災因子是災害產生的充分條件，承災體是放大或縮小災害的必要條件，孕災環境是背景條件。災害損失D是孕災環境的不穩定性E、致災因子的危險性H和承災體的易損性S綜合作用的結果，其表達式如下：

可見，地震危險性、承災體分布、建筑物易損性、人員傷亡率與地震人員傷亡情況存在強相關性，其關系可見式(2)。現有人員傷亡評估方法基本符合此公式，只是受限于基礎數據和技術手段，進行了不同程度的簡化。

地震造成的人員傷亡除卻地震強度的主要影響，與發震時間、震中距離、建筑物抗震能力、地區經濟水平、人類行為習慣和醫療救援等也緊密相關[5?7]。目前，地震人員傷亡研究中被廣泛認可的三類主要影響因素：地震、建筑環境和人口特征[3]，見圖1。

圖1 地震人員傷亡相關要素[3]Fig. 1 Related factors of earthquake casualties[3]

地震要素包含震級、烈度、震源深度、發震時間、地震動參數等，建筑環境特征包含建筑位置、結構類型、用途、建造年代、高度等，人口特征包含人口分布、年齡、行為、應急知識水平等。影響因素間的相互作用增加了人員傷亡評估模型的復雜性，如：地震影響區域內人口特征對傷亡的影響往往與建筑環境特征有關，而建筑物的易損性也與地震強度緊密相關。根據其中某一(或幾)項特征可以建立人員傷亡的評估模型，但是多數情況下三類特征的相互作用不可忽視。

不同領域的學者就地震人員傷亡問題展開了多角度研究，地球物理和地質領域的研究側重于地震震源參數、地震動衰減、場地效應等，工程領域的研究側重于建筑物抗震能力等級劃分、房屋破壞致死率(死亡人數/倒塌建筑物數量)、生命安全比(每10 000人中死亡人數占比)等，社會學和公共衛生領域的研究側重于受傷等級劃分、醫療響應、受傷類別等，建筑和城市規劃領域的研究側重于如何提升優化搜救效率。

2 地震人員傷亡評估傳統方法

目前，國內外研究主要圍繞傷亡影響因素和預測方法展開。傳統的地震人員傷亡評估方法，可根據考慮建筑物破壞對人員傷亡的影響與否，分為基于地震參數的傷亡模型和基于建筑物破壞概率的傷亡模型，也有一些學者研究次生災害、人口特征等對地震人員傷亡的影響。

2.1 基于地震參數的傷亡評估方法

謝禮立等[8]指出地震人員傷亡定量評估有2個目的：其一是對區域或城市的未來地震人員傷亡風險進行評估，既可以為震后人員傷亡快速評估提供參考，也可以為防災減災計劃和地震保險提供依據；其二是為減小建筑物易損性、合理確定工程抗震設防標準以確保傷亡控制在社會可接受的水平。通常，服務于第一個目標的地震人員傷亡評估不必與建筑工程易損性建立聯系，相對簡單易行。

地震人員傷亡與地震強度、發生時間、人口密度等緊密相關。震級和烈度是表征地震強度的通用參數。李海華[9]根據我國20年間的大震災害資料，分析了不同烈度，房屋倒塌、人員被埋與被救諸環節因子的相關程度，給出了定量估計人員傷亡率的經驗性判據。肖光先[10]以地震烈度和人口密度為主要參數，并考慮發震時間的不同，給出快速評估人員傷亡的經驗公式，已被《地震災情應急評估》(GB/T 30352?2013)推薦為評估人員死亡率的一種方法。Oike[11]建立了傷亡人數與地震強度之間的關系。陳棋福、陳颙、劉吉夫等[12?14]提出了基于宏觀經濟指標和人口資料的地震損失預測評估方法，并對1980年?1995年間全球震災資料進行分析，得到生命損失率與地震烈度的關系。Samardjieva[15]通過分析20世紀全球強震造成的人員損失數據，建立了地震傷亡人數與震級、烈度區面積、人口密度參數的經驗模型。Jaiswal和Wald[16]采用最優化方法，建立了不同國家/地區的地震烈度與死亡率的經驗函數關系，見式(3)。該方法適用于歷史地震傷亡記錄較多的國家或地區。

式中：死亡率 v 和地震烈度S 滿足雙參數對數正態累積分布關系；β 、θ為對數正態累積分布參數，與地震發生國家/地區對應。

進而，通過不同烈度Sj區域內的暴露人口P(Sj)與死亡率 v (Sj) 相乘求和，預估總死亡人數 E[L]：

基于地震參數的經驗評估方法參數較少，簡單快速。但是，擬合公式需要合理假設和豐富的歷史地震數據，且方法忽略了建筑物抗震能力的重要影響。此類方法往往是全球或國家尺度，應用到小范圍區域時準確性不高。

2.2 基于建筑物易損性的傷亡評估方法

考慮結構地震易損性的人員傷亡評估方法，不僅可以預測區域地震危險性和震后快速評估傷亡，也可以通過限制傷亡人數在社會可接受水平，反推建筑物易損性，為制定合理的工程抗震設防標準提供參考[17?18]。建筑物易損性的通用表達方式有震害矩陣法(基于歷史資料和專家經驗)和分析法(基于性能計算)2種[19]。通過分析不同類型建筑物在地震發生倒塌(或不同破壞程度)時的概率、建筑物中可能被困人數及相應的地震死亡率和受傷率，從而估算出傷亡人數。

日本學者河角[20]分析房屋全毀棟數H與死亡人數D之間的關系，建立了簡明的河角公式，見式(5)。太田、山崎[20]等學者進一步研究死亡率與地震動強度、房屋全損率等的關系。鹽野和小板[20]選取關東大地震震害數據中未發生房屋燒毀和流失的市區町村，分析了全損房屋棟數與死亡人數的關系。

20世紀80年代，美國聯邦緊急事務管理局(FEMA)委托應用技術委員會(ATC)對加利福尼亞州的建筑類型進行了分類和研究[21]，推出ATC-13震害矩陣方法，對加利福尼亞州未來預期地震損失進行了系統的研究。Ohta等[22]建立了地震死亡人數與完全毀壞房屋數量的函數模型。Tiedemann[23]討論了地震傷亡人數評估的不確定性，給出了人員傷亡與地震烈度和建筑質量的函數關系。20世紀90年代，美國聯邦緊急事務管理局(FEMA)委托美國建筑科學研究所(NIBS)[24]對地震損失預測技術進行了全面的總結，推出了HAZUS 地震災害損失評估方法，2005年又提出了改進能力譜方法，推出了HAZUS-MH5版本。

我國尹之潛[25]提出了建筑物及設施的地震易損性分類方法和地震災害損失預測方法。程家喻等[26]建立了北京地區的人口數據庫、唐山和邢臺地震人員傷亡數據庫，討論不同時間人員在室率，研發地震人員傷亡評估系統軟件包。

Stojanovski和Dong[27]提出了人員傷亡評估的事件樹模型，采用與EMS-98建筑物易脆性相對應的建筑物類型的室內傷亡率，Trendafiloski和Wyss等[28?29]根據實際地震對傷亡率進行了修正。地震烈度Ij時建筑物破壞造成傷亡狀態Ck(5個等級)的概率 P(CkIj) 見式(6)，其中：Di為建筑物破壞等級(D0為無損壞；D1為輕微破壞；D2為中等破壞；D3為嚴重破壞；D4為非常嚴重破壞；D5為毀壞)； P(DiCk)為建筑物破壞等級為Di時的傷亡狀態Ck的概率； P(DiIj)為地震烈度Ij時建筑物破壞等級為D1～D3的概率。

地震烈度Ij時建筑物破壞等級為D4、D5倒塌的概率 P(DCIj)見式(7)。

地震烈度Ij時建筑物破壞等級為D4、D5沒有倒塌的概率 P(DNCIj) ，見式(8)，其中： kC(Ij)為破壞等級D4、D5建筑物的倒塌率與地震烈度Ij的關系，采用世界房屋百科全書提供的建筑物離散倒塌率模型。

馬玉宏和謝禮立[30]對國內外地震人員傷亡評估方法進行系統詳細的歸納總結，并在與實際震害符合較好的三種方法基礎上，提出綜合考慮房屋倒塌率、人員密度、發震時間和烈度的人員傷亡估算模型。Coburn和Spence[31]考慮建筑室內平均人數、使用時間、被困人員人數、建筑倒塌死亡率和救援效率5個影響因素，建立了震后人員傷亡評估模型。王曉青等[32]通過分析不同烈度區域下的人口數量、國內生產總值和地震死亡人數關系，回歸得到以人均GDP分類的死亡率函數。楊天青等[33]從建筑物易損性矩陣的地區差異性以及人口數據動態變化的角度，對尹之潛評估模型進行修正。張桂欣[34]提出我國大陸區域地震人員死亡風險分級評價方法，并應用于陳相兆[35]建立的HAZChina地震應急快速評估系統，可分別實現以行政區和公里網格為單元的地震應急快速評估。鄭山鎖等[36]建立地震人員傷亡計算模型，并研發了中國地震災害損失評估系統軟件(CEDLA)。

我國2021年2月1日開始頒布實施的《建筑抗震韌性評價標準》中，人員傷亡與建筑修復費用、建筑修復時間共同作為建筑抗震韌性評級的重要指標[37?38]。地震工程研究逐步由抗震、減隔震發展到可恢復功能，人員安全是抗震設計的基本要求，也是韌性建筑的警戒線[39]。標準沿用尹之潛等[25]的地震人員傷亡評估方法，給出與建筑用途相關的室內人員密度經驗取值ζk、與結構和非結構構件的損失狀態相關的樓層破壞等級 r判定標準和不同破壞狀態的名義死亡率rdr、名義受傷率rhr。建筑破壞造成的人員受傷、死亡數為建筑不同破壞等級的名義傷亡率與發生該等級破壞的建筑面積與室內人員密度的乘積之和，見式(9)。

綜上所述，建筑物易損性對地震人員傷亡的影響不可忽視，其兩種表達方式各有優劣。震害矩陣方法具有簡單、可操作性強的優點，但是受到歷史地震資料的限制，其結果適用范圍有限。易損性分析方法更全面地考慮結構類型、建筑高度、建造年代、設防等級等參數，但是需要對地區的建筑進行詳細分類和細致調查，建立詳細的建筑數據庫，進行大量的數值計算和統計分析，只有少數區域/國家適用[19]。隨著計算技術和空間信息系統的應用發展，針對單體和群體建筑物的震害預測和損失評估方法[40?42]都有了長足進步，不同精度的建筑物易損性評估正在向區域、城市和鄉村等廣闊區域延伸[43]。

2.3 考慮次生災害、人口特征等因素的評估方法

1906年美國舊金山地震、1923年日本東京地震、1995年日本神戶地震的次生火災造成了大量人員傷亡和財產損失；2004年印度洋大地震、2011年東日本大地震引發的巨大海嘯造成了嚴重人員傷亡，后者引發福島第一核電站發生核泄漏造成數萬人流離失所；1970年秘魯欽博特地震、2008年汶川地震、2018年北海道地震等引發的滑坡造成了嚴重的建筑物破壞和人員傷亡。關于地震死亡原因的研究表明，建筑物破壞造成的人員死亡約占70%～80%，其余20%～30%是由于海嘯、滑坡和火災等地震引發的次生災害造成的[44?46]。隨著建筑物抗震設防逐步增強，經濟相對發達國家的建筑物倒塌和破壞造成的人員傷亡逐步得到有效控制，相對而言次生災害造成傷亡的占比不容忽視。

Coburn和Spence等[47]根據造成死亡原因分類，將死亡總人數表達為結構破壞造成的死亡、非結構性破壞造成的死亡、次生災害造成的死亡的總和，見式(10)。

式中：K 為總死亡人數；KS為結構破壞造成的人員死亡數；K′為非結構破壞造成的人員死亡數；K2為次生災害造成的人員死亡數。

國內外研究學者對地震次生災害的研究主要集中于發生概率與地震參數和環境因素之間的關系，而對地震次生災害造成人員傷亡的研究多集中于某次地震震例。Marano等[45]對于1968年?2008年間地震次生災害(包括滑坡、液化、海嘯和火災)造成的人員傷亡和經濟損失進行了空間描述和定量分析。宮野等[20]建立的人員傷亡預測模型，不僅考慮房屋建筑的倒塌率、焚毀率、地震動強度等，也將海嘯浪高、地震類型(海洋型、內陸型)作為影響因素。白仙富、聶高眾等[48?49]分析汶川、魯甸等地震的滑坡危險性，建立地震滑坡密度數學模型，提出基于公里網格單元的地震滑坡人員死亡率評估方法。余世舟[50]基于地理信息系統編制了地震次生災害的數值模擬和損失評估程序，給出地震次生爆炸人員傷亡計算模型。

建筑物在震后短時間內其破壞狀態基本可以確定，而人員傷亡則是受更多因素影響的動態可變過程。僅在建筑物破壞的基礎上考慮人員分布和傷亡率，而忽略承災體人類的特征差異必然是偏頗的。趙振東等[51?52]引入地震人員傷亡指數和傷亡狀態函數概念對地震受困人員傷亡狀態進行動態量化分析。肖東升[53]采用情景分析方法，考慮地震壓埋人員的環境情景和人員自身情況(地震瞬間人的感知、意識、行為和居民個體差異等)，提出柵格和矢量相融合的數據結構，采用“人數概率和”實現人員在建筑空間由無序向有序的轉變，建立基于GIS和CA的地震壓埋人員評估系統。李爽[54]建立了基于元胞自動機方法的地震中人員疏散模型，考慮人員行走規律、建筑物出口位置、人群移動對疏散的影響、人員行走過程中同一位置的競爭原則等，將結構在地震作用下倒塌過程的數值模擬與結構內人員疏散過程數值模擬結合，給出地震人員傷亡評估新方法。

關于人口特征與地震傷亡的影響，學者從性別、年齡、社會分工、社會文化因素等角度出發，分析造成傷亡差異的原因。de Bruycker、Noji等[55?57]調查了地震中被困人群與非被困人群的傷亡情況，肯定從倒塌的建筑物中逃生的重要性，并且強調了快速救援的重要性。Peek-Asa、Robin Spence、Okada等[58?62]對傷亡人員的年齡和性別分組，分析了傷亡率的分布情況。Shapira等[63]結合流行病學與工程方法，評估地震活動造成的人員傷亡，并指出將人口、社會經濟特征以及醫療準備程度納入傷亡估計模型，可提高其準確性。

地震次生災害、傷亡人口特征基礎數據的積累有限，且此類研究涉及多學科交叉，制約著其作為地震人員傷亡的影響因素的方法研究。近年，國內外在相關領域已有一些研究，但是實際用于地震災害的風險管理和損失評估還有一定距離。

3 地震人員傷亡評估新興方法和技術

考慮到震害數據獲取的小樣本性、非線性和高維度性的特點，近年來諸多學者將智能分析方法運用到地震人員傷亡預測模型中，如反向傳播神經網絡(back propagation neural network, BPNN)、支持向量機(support vector machine, SVM)、人工神經網絡(artificial neural network, ANN)等，此類方法不受限于傳統多元線性回歸(multiple linear regression, MLR)方法的諸多假設，通過模擬人類學習方式，從大量震害數據中獲取隱藏的、有效的、可理解的地震人員傷亡規律。并且，考慮到建筑物破壞情況和人員傷亡分布對于震后應急救援工作的重要性，遙感(remote sensing, RS)、地理信息系統(geographic information system, GIS)、計算機視覺(computer vision)、移動通信大數據等新興技術與評估模型相結合，可以彌補可視化、動態實時性不足的缺陷，有助于地震救援準備階段和響應階段的計劃制定，為受傷受困人員的及時救治和災害管理提供便利。

石成鋼和劉西拉[64]指出人工神經元網絡方法作為一種建立以樣本集知識體系為基礎的因果關系的新手段，肯定了其在震害預測領域的應用前景。于山、王海霞等[65?66]選擇地震震中烈度、人口密度、建筑物倒塌與嚴重破壞率、抗震設防水準、地震發生時刻、震級和地震預報評價指標，建立BP神經網絡地震災害人員傷亡預測模型。楊帆等[67]采用地理信息系統、人口數據、歷史地震數據，建立基于BP神經網絡的地震傷亡人數評估體系。錢楓林等[68]基于中國1990年?2010年間地震傷亡數據，建立基于BP神經網絡和主成分分析(CPA)方法的地震傷亡人數預測模型。黃星等[69?71]基于改進SVM方法，考慮地震強度、人口密度、預警水平、應急物資保障、建筑倒塌率、自救與救援能力等指標分別建立了震災人員傷亡預測模型和震災人員存活量模型。Aghamohammadi等[72]基于伊朗地震震害數據，采用BPNN方法，建立建筑物破壞造成的人員傷亡程度和分布的評估模型，其方法相較于Coburn和Spence模型在2003年伊朗巴姆地震的評估準確性更高。Gul等[73]基于土耳其的21次Mw＞5級的地震數據，以發震時間、震級和人口密度作為預測指標，建立地震人員傷亡ANN預測模型。周德紅等[74]采用基于遺傳算法(GA)優化的BP神經網絡建立地震死亡人數預測模型。賈晗曦[75]基于深度學習算法，以震級、震中烈度、發震時刻、震源深度和人口密度等作為輸入參數，對中國大陸295個震例進行測試、訓練和驗證，建立了震后人員傷亡快速評估模型，并且后續引入房屋破壞影響系數、次生災害地區修正系數優化模型。

建筑物易損性對于地震人員傷亡的影響重大，但是由于其建構造特征受區域、經濟、功能等多因素影響，基礎數據收集困難，人工調查的方式往往專業難度較大且耗時耗力，難以跟上日新月異的城鎮化建設步伐。隨著衛星遙感技術的發展，人們逐步認識到其在建筑物識別、震害信息提取和震害損失評估中的優勢，遙感影像快速實時、信息豐富、獲取便利，可為地震應急救援提供重要幫助。近年來，國內外高分辨率遙感衛星的大量發射使得遙感圖像進入了“大數據”時代。與此同時，計算機視覺技術迅速發展，使得建筑物屬性信息的批量提取成為可能，而且相較于傳統的建筑、人口分布圖，高分辨率衛星時空圖像對于震后救援的開展更為便利。國內外學者在此方面做了大量的探究性研究和試驗，取得了顯著的成果。

張景發等[76]研究地震前后遙感圖像的變化檢測處理方法，進而快速判斷震害等級及分布。王曉青等[77]提出基于GIS和數字圖像處理技術的震害遙感快速提取與損失評估的技術方法。Su、齊文華等[78?79]將地震多發地區的遙感數據和建筑物信息相結合，建立了群體建筑物地震風險評估綜合方法，并通過預設唐山7.8級地震分別發生在1976年和2009年，分析社會經濟快速增長背景下地震造成的建筑物破壞和經濟損失巨大差異。Wei等[80]考慮地震烈度、建筑物易損性、人口分布和地震應急反應4個方面，建立了基于公里網格的地震被困人員分布模型，包含死亡、受傷以及暫無生命危險但無法輕易從倒塌建筑中逃脫的人員。Feng等[81]建立了基于遙感和地理信息系統的地震人員傷亡評估模型，通過高分辨率衛星圖像(high-resolution satellite imagery, HRSI)震后快速定位建筑物損毀區域和識別建筑物破壞情況，構建建筑物損毀程度、材質結構和地震人員傷亡的關聯模型。許立紅[82]以尼泊爾地震某一建筑區域為研究對象，分別采用監督分類、非監督分類和面向對象方法對地震前后的遙感圖像進行分析處理，其中面向對象分類方法提取建筑物數量的精度更為理想。

近年來，采用其他技術手段進行人員傷亡評估的方法也值得借鑒。張文娟[83]提出并設計了基于移動通信大數據的地震災害人口傷亡評估系統，通過移動通信定位技術對移動終端信息進行采集，對比地震發生前、后的兩次定位數據，將人口數據由靜態轉化為動態，具有較強的客觀性和時效性，有利于應急救援人員快速掌握災區人口分布情況。王威等[84]給出基于生命年的地震災害損失多模型評估方法，以年份、地區分組對比分析受災人口、震中烈度、震級、恢復時間的變化規律。吳新燕等[85]研究地震新聞報道中中國地震死亡人數時間序列特征。曾婷婷等[86]以基于歷史案例的災情加權綜合評估模型為基礎，引入了地震斷層距對歷史震例與當前災害的空間相關程度進行量化，改進了參與模型評估的歷史震例的權重，構建改進的基于歷史相似案例空間推演的地震傷亡人口評估模型。

地震人員傷亡評估的過程一般基于大量樣本數據，智能分析方法的應用無疑將簡化和加速知識體系的開發和應用。然而，機器學習的缺陷也同樣明顯，模型對于輸入數據、參數和核函數較敏感，在訓練模型以減小誤差的過程中，過擬合現象難免發生。近年來，基于機器學習方法的評估模型大量涌現，通常在指標參數多于傳統方法的同時，其評估誤差也小于傳統方法。但是，這就代表智能分析方法獲得的評估模型更優么?回答這個問題，不妨重新回歸到地震人員傷亡評估的“初心”，評估的根本目的在于減少傷亡，而不僅僅是準確預測。機器學習方法確實使模型預測的準確度提高了，但是傷亡機制并沒有解釋清楚，反而成為了“黑匣子”，被隱藏在復雜的數學方法背后。但人工智能分析方法的應用前景值得肯定，地震作為多發性自然災害，大量的歷史地震數據應該被充分利用，而人員傷亡研究涉及多學科交叉，各影響因素間的關系復雜，機器學習方法無疑可以提高研究效率，建立模型與先驗知識的聯系、增強可解釋性和遷移性是需要努力的方向。

4 地震人員傷亡評估系統

為了快速準確地評估地震災害損失，多個國家的研發機構已經根據地震危險性、建筑物易損性、承災體分布等基本信息，搭建了地震災害損失實時評估系統。此類系統可以在真實的災害數據獲取之前對地震破壞情況進行預估，為地震應急響應提供一定幫助。

4.1 地震人員傷亡評估系統框架

地震災害損失評估步驟：首先，根據獲取到的觀測數據，確定震源位置、深度和震級大小；然后，基于場地條件和地震動衰減關系，估計受影響地區的預估地震烈度(或地震動參數、儀器烈度)分布；之后，計算受影響地區的建筑物和生命線工程結構的破壞情況；進一步，根據承災體(建筑物、生命線工程結構及人口)的分布數據，評估受影響地區的建筑物(構筑物)震害、經濟損失及人員傷亡情況。地震人員傷亡評估系統框架如圖2所示。

圖2 地震人員傷亡評估流程示意圖Fig. 2 Flow chart of earthquake casualties estimation

4.1.1 地震動場

地震動場的實時評估方法主要分為兩類。① 基于地震基本參數和衰減關系的地震動場評估方法。根據震源附近臺站信息估計震級等基本參數，基于場地條件和地震動衰減關系得到地震動場分布圖。例如：我國采用震中距和震級(或震動參數)的回歸函數，估計地震烈度分布；美國USGS的ShakeMap系統根據有限地震觀測資料，考慮場地效應，采用地面運動預測方程(GMPE)，得到以公里網格為單位的震動圖。② 基于密集地震臺網的儀器觀測數據的地震動場評估方法。日本數字化強震網絡布設密集，氣象廳JMA地震預測系統可以在震后根據儀器測量烈度，快速生成地震強度分布圖。

4.1.2 承災體

承災體作為災害作用的對象，是人類及其活動所在的社會與各種資源的集合，承災體的分類、易損性評估和動態變化監測，對于區域防災減災具有重要意義。我國標準中將自然災害承災體分為人、財產、資源與環境3大門類[87]，地震人員傷亡評估過程相關的承災體主要考慮人、建筑物和基礎設施。

承災體公開可用的數據包括聯合國全球住房統計數據庫、各國人口和住房普查、EERI開發的世界住房百科全書(WHE)數據庫。全球地震模型(GEM)項目為了量化全球地震風險，致力于開發一個公開可用的綜合全球承災體數據庫(Global Exposure Database)。圖3為GEM和METEOR項目合作開發的地震承災體分布圖示。

圖3 全球承災體分布圖Fig. 3 Global exposure map

4.1.3 易損性

地震易損性通常指不同強度地震作用下，結構發生不同破壞狀態的概率，定量評價結構的抗震性能，從宏觀的角度描述地震動強度與結構破壞程度之間的關系[88?89]。結構易損性評估方法主要分為經驗法、解析法和混合法三類，常見為離散和連續兩種形式。① 經驗法：基于震后現場調查統計，結合專家經驗建立的破壞概率矩陣或易損性函數。② 解析法：基于倒塌機制或位移分析方法，得到建筑物的破壞概率矩陣或易損性函數。③ 混合法：綜合震害現場調查數據和結構數值模型分析得到的破壞概率矩陣或易損性函數。

4.1.4 傷亡率

地震傷亡率可以一定程度反映震區生命的脆弱性，其不僅與地震強度、人口密度相關，也與人員被困建筑物抗震能力、地震發生時間、應急反應等因素相關[90]。由于破壞性地震記錄有限，且震后人員死亡數相較于受傷數更容易統計，現有的基于地震參數或基于建筑物破壞的人員傷亡評估模型中，大多根據參數回歸分析對死亡人數進行估算，后續采用既定的傷亡比得到預估的受傷人數。

4.2 全球典型地震人員傷亡評估系統

根據Daniell等[91?92]匯總的30個地震損失評估系統清單，本文聚焦全球地震災害損失系統中人員傷亡評估部分，從適用范圍、模型算法、輸入和輸出等方面，比較分析了HAZUS、QLARM、PAGER、GDACS等系統的差異和特點，可見表2。

表2 全球典型地震人員傷亡評估系統Table2 Typical global earthquake casualties assessment module

4.3 地震人員傷亡評估系統的比較

地震損失評估系統中采用的人員傷亡方法為適用不同評估需要，通常分為以下3類：① 經驗方法，基于歷史地震數據和已有研究的地震強度與人員傷亡經驗關系，不同地區的公式參數存在差異；② 半經驗方法，基于建筑經驗易損性的建筑破壞狀態(或倒塌)與人員傷亡關系，建筑破壞概率大多依據EMS-98、ATC-13、WHE等官方報告；③ 分析方法，基于建筑分析易損性的不同破壞狀態建筑與不同受傷嚴重程度的人員傷亡關系，建筑易損性函數大多依據HAZUS能力譜方法。實際應用時，人員傷亡模型根據地震當地建筑物、人口數據的詳細程度與模型輸入的適配程度進行選擇。下面對幾個典型系統進行具體說明。

4.3.1 HAZUS系統

HAZUS地震災害損失評估軟件[92]由聯邦緊急事務管理局FEMA與美國國家建筑科學研究院NIBS合作開發，通過情景模擬對區域潛在的地震損失進行預測，為政府部門的備災和救災規劃提供依據，以減少未來地震造成的損失?，F行的HAZUS@MH MR4[93]軟件中人員傷亡模型估算由建筑物和橋梁的破壞造成的直接人員傷亡，不考慮疾病、次生災害等原因造成的傷亡。模型在Stojanovski和Dong[27]傷亡事件樹模型的基礎上進行拓展，使用Coburn和Spence模型的4級傷亡程度劃分，考慮地震造成人員傷亡的多種可能。輸入為時間情景(白天、夜晚、通勤3個時段)、人口分布、建筑物存量分布與破壞狀態概率、傷亡模型，輸出為地震造成的4個傷亡程度等級人數估計值，進一步可通過傷害金字塔的形式表達，見圖4。

圖4 傷害金字塔Fig. 4 Injury pyramid

4.3.2 PAGER系統

全球地震響應實時評估系統(Prompt Assessment for Global Earthquake Response，PAGER)由美國地質調查局USGS開發，旨在全球范圍內發生5.5級及以上、美國3.5級及以上地震后，快速生成地震損失評估結果，并可后續修正更新。Jaiswal等[94?97]建立了3種人員傷亡模型，估算建筑倒塌造成的人員死亡，輸入為地面震動強度、建筑物和人口分布、建筑物倒塌模型和人員死亡模型，輸出為預估死亡人數區間、地震響應級別和不確定性。三種傷亡模型為：① 經驗模型，死亡率與地震參數的經驗回歸公式，適用于具有較多歷史地震傷亡數據，缺乏建筑物存量和易損性數據的人口稠密、當地房屋抗震能力較弱的發展中國家；② 分析模型，基于HAZUS能力譜方法的人員死亡模型，適用于建筑物統計數據質量好，抗震性能好，較少發生致命地震的地區，如美國；③ 半經驗模型，基于統計建筑物倒塌率的人員死亡模型，介于前兩種方法之間，既考慮不同國家歷史地震人員傷亡數據，也考慮建筑物在不同強度地震下的破壞情況，同時對承載體的數據詳細程度要求不高。圖5為PAGER系統地震災情評估結果示例。

圖5 PAGER系統評估結果Fig. 5 Estimation results of PAGER

4.3.3 QLARM系統

QLARM地震損失評估工具由世界行星監測和地震風險署WAPMERR和瑞士地震服務處SEDETH合作開發，旨在全球范圍內發生6級及以上地震后，快速評估人員傷亡和建筑物破壞情況。人員傷亡模型采用Stojanovski和Dong傷亡事件樹模型，與HAZUS軟件是一致的。輸入為地震參數、場地放大系數、承災體分布、建筑物和人口易損性矩陣，輸出為地震造成的死亡和受傷人數的估值區間。對于發展中國家承災體數據不完整的情況，該系統建立了基于部分數據的點城市模型和離散城市模型，用于增強地震災害損失評估模型的整體適用性。Max Wyss團隊[98?100]已使用該軟件對吉爾吉斯斯坦、喜馬拉雅山地區、印度北部等地的地震災害評估適用性進行了驗證，并構建可能地震情景以估算潛在的地震人員傷亡。QLARM系統在不斷升級中，也計劃考慮醫療設施結構和功能的易損性影響，對地震人員傷亡模型進行修正。圖6為QLARM系統地震災害評估結果示例。

圖6 QLARM系統評估結果Fig. 6 Estimation results of QLARM

4.3.4 ELER系統

ELER(Earthquake Loss Estimation Routine)地震損失快速損失評估工具[101]由坎迪利天文臺與地震研究所KOERI等共同開發，旨在快速評估歐洲地中海地區的地震建筑物破壞、人員傷亡、災后住房和食物需求。輸入為地面震動強度、建筑物和人口分布、建筑物破壞概率，輸出為預估傷亡人數。系統內置三級人員傷亡評估方法。0級方法通過分析地震強度分布，使用區域調整后的地震強度與人員傷亡關系，得到總地震傷亡數。1級方法借鑒EMS-98和ATC-13的建筑易損性關系和傷亡率，根據地區歷史地震傷亡情況進行修正，得到建筑破壞和人員傷亡分布。2級方法借鑒HAZUS-MH的建筑分析脆弱性關系和基于不同破壞狀態的人員脆弱性模型，得到按受傷嚴重性等級劃分的傷亡情況。

5 總結與展望

地震人員傷亡評估對震前備災和震后救災工作具有重要作用，也是近年來城市韌性評價的一項重要內容。經過幾十年的努力，全球或區域的地震人員傷亡評估方法研究取得較大進展。同時，隨著地震臺站的廣泛布設、計算機互聯網技術和空間信息技術的革新，使得地震人員傷亡評估從理論模型研究發展為實用化的震前震后地震人員傷亡評估系統。

地震人員傷亡評估模型和軟件系統，共同推動人員傷亡評估這項工作的發展。本文依次介紹了基于地震參數和基于建筑物破壞概率的傳統傷亡評估方法、以人工智能為代表的新興方法以及地震災害損失評估系統?？傮w上，傳統的人員傷亡評估方法還有諸多方面需要進一步研究和改進，但這些方法已經被研發成地震人員傷亡評估軟件，在震前防御和震后應急救援領域發揮了實效。同時，以人工智能為代表的評估方法為地震人員傷亡評估研究提供了新的思路和理念，相信隨著研究深入展開，將推動人員傷亡評估工作的科學性和實用性發展。

本文通過總結典型地震人員傷亡評估方法和軟件系統，認為有以下方面值得深入探討：

(1)房屋破壞導致的人員傷亡率是目前地震人員傷亡評估模型的重要參數，但這個參數是基于較長時間范圍內的歷史地震統計回歸得到的，隨著工程結構建構造特點的變化，尤其是抗震設防構造措施的增加，震后人員的生存空間和生存機率有了很大提升，從近年來7級左右的地震災害特點也可以印證上述觀點，因此亟需開展地震人員傷亡率更新研究工作。

(2)隨著工程結構抗震能力的提升，直接由工程結構破壞或倒塌導致的人員傷亡數量呈下降趨勢，而由地震所引發的海嘯、滑坡、火災等次生災害越來越受到關注。然而，地震次生災害死亡人數樣本信息不足，次生災害危險性與傷亡關系的定量研究較少，且次生災害與地域地質的緊密關聯性，基于某次或某地區災害數據建立的評估方法外延適用性較差。如何科學評估地震次生災害造成的人員傷亡，完善地震災害評估體系，建立具有明確物理意義的地震次生災害人員傷亡模型還有待進一步研究。

(3)隨著公眾地震保險意識的提高，針對房屋或人身地震安全進行投保的意愿增加，然而，目前關于地震傷殘等級概率的研究不足，使得地震意外致殘的地震保險保費定價缺乏依據。現有地震人員傷亡評估大多基于傷亡比系數，由建筑物及其非結構構件破壞導致的受傷評估模型尚不成熟，需要進一步研究，同時，也需要社會學和公共衛生等相關領域的研究支持。

(4)人工智能分析方法尤其是機器學習被越來越多地應用到地震人員傷亡模型，給該研究領域注入了新的活力，但受限于訓練樣本數據以及遷移學習等難點，目前距離真正應用于實際地震的震后快速評估工作還有一段距離，這需要地震部門的專家和人工智能研究領域的學者開放合作共同來推動該交叉領域的研究工作。

(5)現有的地震人員傷亡模型大多數僅從災害的角度進行評估，極少考慮城市或區域的防災備災能力以及城市韌性評價結果對地震人員傷亡的影響，人員應急避險能力、城市的醫療救援能力等都會大大影響震后的人員傷亡數量，因此防災能力的評價結果如何定量化地應用于地震人員傷亡評估也會是未來的重要研究方向和難點。

(6)空間信息和大數據等新興技術的高速發展為人員傷亡評估提供更為準確可用的地震暴露度數據。例如，人口熱力圖數據能真實地反映不同時段人口的流動分布，有助于解決以往難以準確獲取的人員在室率的難題；衛星遙感圖像具有快速實時、信息豐富、獲取便利的特點，有助于識別建筑物震害信息，指揮和開展震后應急救援。因此，如何應用新技術對承災體基礎數據進行獲取和完善需要進一步研究。