基于決策樹考慮地形特征的場地參數估計方法

張雨婷，任葉飛，溫瑞智，王大任，冀昆

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，哈爾濱 150080

0 引言

局部場地對地震動的放大作用在近年發生的許多破壞性地震中都有充分體現，例如，2017年伊朗薩爾波勒扎哈卜鎮MW7.3級地震(Zafarani et al., 2020)、2018年陜西寧強MW5.3級地震(王文才等，2018)、2008年汶川MS8.0級地震(齊文浩等，2020)等.許多研究(例如，Boore et al., 1997; Wills and Silva, 1998; Dobry et al., 2000)發現VS30(地表以下30m范圍內土層的平均剪切波速值)與場地放大具有很好的相關性.因此，VS30作為典型的場地參數在工程地震領域得到廣泛應用.例如，在地震動模擬工作中被用于衡量淺層地表放大幅值的指標(傅磊和李小軍，2017)，用以評估土壤的地震液化程度(李程程等，2020)等.獲取場地VS30值最直接和精確的做法是現場鉆孔勘察和剪切波速測試，然而部分場地由于工作條件限制以及經濟性考量，這種方式難以實現.因此，近年來發展了基于地形特征的VS30估計方法.較典型的應用案例是，在美國NGA項目開發強震動Flatfile時確定臺站的場地參數過程中得到有效應用(Seyhan et al., 2014).另外，震后震動圖(ShakeMap)的快速生成(陳鯤等，2010)以及地震保險費率厘定(Li et al., 2019)等工作中由于對區域場地分類圖有重要需求也需要采用該方法.

因此，基于地形特征的場地參數VS30估計方法具有重要應用需求和前景.Fumal和Tinsley (1985)分別從巖石和土壤方面分析影響淺層剪切波速的物理性質，證明表面地形特征與淺層地下介質存在內在關聯.他們提出硬度和裂縫間距是影響巖石剪切波速的重要性質，堅硬的巖石和粗糙的裂縫間距可以抵抗風化作用，所以VS較大的巖石具有更高的坡度；土壤的結構和相對粒度可以影響孔隙率，進一步影響土層的剪切模量，剪切波速會隨著平均粒徑的增加而增加，因此較低的VS對應較低的地形坡度.在此基礎上基于地形坡度的VS30估計方法開始發展，該方法由Wald和Allen提出(Wald and Alan, 2007)，他們針對活動構造區和穩定構造區，使用30弧秒的DEM數據分別建立了地形坡度與NEHRP場地類別、VS30之間的經驗關系矩陣，并且劃分了全球的場地類別.我國學者在這方面也進行了眾多相關研究，例如，陳鯤等(2010)使用30弧秒DEM數據估算了全國各場點VS30值，并將結果運用于ShapeMap系統中以估算基巖上表土層的場地放大系數；陳學良等(2014)直接利用Wald和Allen(2007)的經驗關系矩陣，通過VS30與VS20之間的轉換關系，得到了云南典型盆地基于我國抗震規范定義的場地分類結果.不過也有許多研究指出了該方法存在諸多不足并提出了相應的改進措施.Lemoine等(2012)測試了Wald和Allen(2007)的經驗關系矩陣在歐洲的適用性，發現其僅適用于某些地區，對于特殊地質條件的地區該方法是失效的，例如火山高原、碳酸鹽巖和冰川大陸地形地區.韶丹等(2018)發現在陜西寶雞的個別區域不適宜直接使用該方法估計VS30和劃分場地類別，他們利用VS30殘差分布對分類結果進行了修正；亢川川(2017)利用四川省的實測鉆孔數據，建立了適用于四川地區的VS30與地形坡度經驗關系矩陣，但結果表明四川盆地地區的地形坡度與VS30的相關性并不顯著，方法存在一定的使用局限性.史大成(2013)在地形坡度的基礎上引入了高程和山前距離兩個參數與VS30共同建立相關關系，以提高VS30估計準確性.Yong等(2012)利用地形坡度、表面紋理和局部凸度3個地形特征參數的分布差異，針對美國加州地區將場地劃分為16個地形類別，利用實測鉆孔數據建立了各類別的VS30經驗預測值.

因此，盡管基于地形坡度的場地參數估計方法操作簡單又經濟適用，但由于單一地形特征不能完全表征地表面淺層土層的區域分布差異，其準確性還有待提高.目前研究工作的焦點都在試圖引入多個指標與場地參數建立相關關系.Yong等(2012)提出的方法具有一定的推廣度，僅采用開源的DEM數據即可實現；但是否存在一定的區域適用性還有待進一步驗證.為此本文利用我國河北和新疆的工程場地鉆孔數據，利用Yong等(2012)的方法將場地地形劃分為16個類別并建立VS30預測模型，分析該方法在我國的適用性以及區域依賴性；通過與基于地形坡度單一指標的VS30預測方法進行對比，驗證方法考慮三項地形特征之后是否對VS30預測效果有所提升；最后還調查了方法對DEM數據精度的敏感性.期冀該項工作可為基于地形特征估計場地VS30的方法在我國推廣應用提供技術支撐，同時也為發展我國區域場地分類圖提供另一種有效的技術途徑.

1 基于地形特征的場地分類方法

Pike(1988)首先提出，通過等高線數據或是數字高程數據(DEM)計算得到的表面幾何特征，可以很好地對不同地貌進行區分；之后Iwahashi和Pike(2007)提出一種分類方案，通過使用三種表面幾何特征將由高程表示的連續地形場地根據需求劃分為8類、12類或16類，這三種表面特征為：地形坡度、表面紋理和局部凸度(Iwahashi et al., 2001).下面簡要介紹其分類流程.

1.1 三種地形特征介紹

1.1.1 地形坡度

坡度是體現地表陡峭程度最直接的指標，也是地形的內在屬性，因此在所有基于地形數據進行場地參數估計或場地分類的方法中都應用到了坡度.通過DEM數據計算地形坡度的方法實為計算3×3柵格矩陣中心柵格至周圍相鄰柵格上高程的最大變化率.

較低的坡度代表地形相對平坦的盆地、平原等，較高的坡度代表著山脈、高原等地區；坡度值大小受DEM精度影響，一般情況高精度的地形數據會產生連續的高坡度值而相對缺少低值部分，而低精度的地形數據會產生自動平滑的效果，使坡度值分布范圍較為均衡.

1.1.2 表面紋理

僅考慮坡度對地形進行劃分是不夠的，考慮坡體的凹凸度和粗糙度能夠更好的把握運動坡體與穩定坡體的地形差異，更加準確的區分出山丘、梯田、沖積扇和平原等.通過原始DEM數據和中值濾波后數據之間的差異可以勾勒出山脊和山谷的分布，在大于零的位置被稱為“峰”、小于零的位置被稱為“谷”，計算以十個柵格單元總長度為半徑的范圍內“峰”和“谷”所占的百分比即為表面紋理值.通常情況下沖積層、扇、火山扇和巖屑處的紋理值相對較低，在山脈處的紋理值相對較高(Iwahashi and Kamiya, 1995).

1.1.3 局部凸度

地形坡度和表面紋理對于區分較陡峭的區域是能夠滿足的，但是在較平緩的區域，這兩個地形特征無法識別出沖積扇與洪泛區，因此引入第三個參數—局部凸度(Iwahashi and Kamiya, 1995).原始DEM數據經過拉普拉斯濾波后(近似為高程的2次求導)正值表示為向上凸的區域，負值為向下凹的區域，零值為平坦區域；局部凸度值是指以十個柵格單元總長度為半徑的范圍內，凸起向上的單元所占總柵格數的百分比.通常情況低凸度值表征寬闊的山谷和山麓坡地，而高凸度值則更多地與其他典型的低地貌有關，如沖積扇或階地等.

1.2 基于決策樹理論的場地地形分類流程

基于決策樹理論，根據地形坡度、局部凸度和表面紋理的不同閾值，通過二分法將場地劃分為16個類別，流程如圖1所示.第一閾值為各地形要素在整片區域內所有柵格的均值；第二閾值為各地形要素在區域中較平緩部分內的柵格(即坡度值低于坡度第一閾值的所有柵格)的均值；第三閾值為各地形要素在區域中最平緩部分內的柵格(即坡度值低于坡度第二閾值的所有柵格)的均值.由圖中可見，流程考慮了地形坡度、局部凸度和表面紋理在3個閾值控制下的所有可能組合.第1類和第16類表示研究區域內所有三個地形特征分別具有最高和最低值的網格單元，而第2～15類則表示所有中間類型的網格單元.圖2解釋了如何利用這3個特征參數的3個等級閾值將區域內的柵格逐步進行二分，以最終確定16個場地地形類別.通過這16個分類可以實現明顯的地形區分，例如第1類表示局部凸度高的陡峭細紋地形，往往與山區相對應，而第16類表示低凸度的非常平緩粗紋表面，通常是平坦的谷地(Iwahashi and Pike, 2007).

圖1 基于三項地形特征的場地地形類別劃分流程 (Iwahashi and Pike, 2007)Fig.1 Flowchart of site topography classification based on three terrain features (Iwahashi and Pike, 2007)

圖2 考慮3個等級閾值的二分法原理示意圖(虛線框內表示該步驟確定的類別與上一步驟相同)(Iwahashi and Pike, 2007)Fig.2 A schematic diagram of the principle of dichotomy considering three level of thresholds (the dashed box indicates that the category determined in this step is the same as the previous step) (Iwahashi and Pike, 2007)

圖3 新疆與河北地區的工程場地鉆孔剪切波速VS30值直方圖分布Fig.3 Histogram of VS30 values of borehole sites in Xinjiang and Hebei

2 河北和新疆地區VS30預測模型的建立

2.1 數據選取

本文收集了新疆及河北地區大量的工程鉆孔數據，分別為1196個和706個.計算了這些鉆孔的場地VS30值，其統計分布如圖3所示.圖中可見，河北地區的VS30主要分布在150～300 m·s-1范圍內，而新疆地區則主要分布在250～500 m·s-1范圍內.這與兩個地區的地形分布是保持一致的，河北大部分地區位于華北平原，新疆地區分布有眾多山脈(天山、昆侖山、阿爾泰山).可以說，兩個地區的地形特征具有各自代表性，選擇這兩個區域分別建立基于地形特征的場地參數預測模型是很有必要的，驗證方法區域適用性的同時，也使驗證過程更加科學合理.

為計算上述三個地形特征值，收集了這兩個地區精度為900 m(30弧秒)的DEM數據，同時為測試建立的VS30預測模型對DEM數據精度的敏感性，還收集了這兩個地區90 m(3弧秒)精度的數據.

2.2 地形坡度單一特征的VS30預測模型建立

借鑒Wald和Allen(2007)建立地形坡度與VS30經驗關系矩陣的方法，在其基礎上對河北與新疆地區分別建立相應的關系矩陣，見表1.圖4給出了這兩個地區VS30與地形坡度的對應范圍，整體上除VS30<180 m·s-1外，在同一VS30范圍內，新疆地區的地形坡度上邊界值要低于河北地區的上邊界值，說明新疆地區VS30值隨地形坡度增加的上升趨勢相對較快，這與新疆地區VS30值整體大于河北地區有關(見圖3)；圖4中還可見，兩個地區在VS30為180～240 m·s-1范圍內的坡度上、下邊界差異明顯，主要原因是河北地區的VS30分布在此范圍內占有約50%，且數據較為分散，對應相對較廣的坡度范圍.

2.3 三項地形特征的VS30預測模型建立

首先分別利用30弧秒精度的DEM數據計算兩個地區的地形坡度、表面紋理及局部凸度值，結果如圖5所示.新疆和與河北地區的地形坡度值主要集中于0～2°范圍內，新疆地區坡度最高值接近55°，而河北地區最高值僅約25°；紋理值在0～90%范圍內兩個區域均有分布，同時可以發現兩個區域低紋理值范圍(0～20%)所占柵格總面積都較小；局部凸度值在新疆最高可達約75%，而河北僅僅為59%，但兩個區域的柵格主要都分布在30%～60%范圍內.

表1 剪切波速VS30與地形坡度關系矩陣Table 1 The relationship between shear wave velocity VS30 and slope

圖4 河北和新疆地區的場地VS30與地形坡度的相關關系Fig.4 The relationship between VS30 and slope in Hebei and Xinjiang

圖5 新疆和河北地區的三項地形特征值分布Fig.5 Spatial distribution of three terrain features in Xinjiang and Hebei

圖5中可以發現，體現地表陡峭程度的地形坡度分布與兩個地區的山脈、平原分布較為符合；表面紋理在一定程度上也體現了這種分布，但同時可以發現在新疆許多平原地區(對應地形坡度值在0～2°范圍內)也出現了高紋理值，體現了沙漠盆地內分布著凹凸不平的廣袤戈壁灘，也說明通過該特征值可針對平原地區的局部粗糙度加以分區.比較表面紋理與局部凸度的分布，可以發現兩者形狀相似，但局部凸度值的區間分布相對密集，說明其針對較平坦區域的地表粗糙度可更好地加以區分.

提取整片區域每個柵格處的地形特征值，根據圖1地形分類流程，計算三層分類決策需要的各地形特征閾值，結果如圖6所示.

從圖6中可見，各等級閾值下新疆地區的地形坡度值和局部凸度值均高于河北地區，河北地區的地形坡度第三閾值僅0.07，這緣于河北大部分地區位于較為平坦的華北平原具有較低的坡度值.對于表面紋理值，新疆地區第一閾值為53.50，第三閾值為45.73，河北地區第一閾值為56.98，第三閾值為35.01，河北的變化較新疆的更加劇烈；對于局部凸度值，新疆第一閾值為41.70，第三閾值為40.52，河北第一閾值為40.21.第三閾值為37.15，亦是河北的變化較新疆的更加劇烈，這是由于河北具有海拔較低且變化較小的大片平原，在進行坡度二分過濾后余下平原地區其表面紋理與局部凸度值也更低.將上述結果與Iwahashi和Pike(2007)給出的全球基于900 m精度DEM數據確定的三項地形特征閾值進行比較(圖7a)，可以發現新疆、河北地區的地形坡度和局部凸度閾值變化趨勢與全球的趨勢相近，但表面紋理的變化卻相對較為劇烈，原因是新疆、河北相對于全球來說區域面積較小，且有限的范圍內平原、臺地、丘陵、山地面積分布占比較為均衡(見圖8)，計算得到的表面紋理值的分布并不集中(見圖6)，引起三個等級的閾值存在一定的大小差距.

接下來根據圖1的分類流程及圖6確定的地形特征閾值對新疆及河北地區的地形進行分類，例如，將新疆地區地形坡度值>3.07°、局部凸度值>53.50%、且表面紋理值>41.70%的所有柵格單元劃分為第1類地形，最終得到兩個地區的16類地形分類如圖8所示.

將地形分類圖與地貌分類進行比較(圖8所示)可以發現，兩者存在一定的關聯性.從地貌分類可見，新疆地區山脈與盆地相間排列，北部阿爾泰山，南部為昆侖山，中部為天山，天山南部是塔里木盆地，北部是準噶爾盆地.地形分類結果顯示，第13～16類地形主要分布在塔里木盆地與準噶爾盆地，第1類地形主要分布于阿爾泰山、天山與昆侖山地區，地形分類很好地體現了區域內地貌間的差異.從地貌分類可見，河北地勢總體特征為西北高、東南低，西北主要為山地、高原和丘陵，中部和東南部為平原.地形分類結果顯示，第13～16類地形分布于東南部分的河北平原，整體地勢較低；第1類地形分布于北部的燕山山脈與中部的太行山，整體地勢較高，地形分類與地貌分類在空間分布上具有較好的對應性.

圖6 新疆(a)和河北(b)地區三項地形特征值的三個等級閾值確定結果Fig.6 The results of three levels of thresholds of three terrain features in Xinjiang (a) and Hebei (b)

圖7 基于900 m(a)及90 m(b)精度DEM數據確定的三項地形特征閾值Fig.7 Thresholds of three terrain features based on 900m-resolution (a) and 90m-resolution (b) DEM data respectively

圖8 依據三項地形特征劃分的新疆和河北地區地形分類圖((a)新疆、(b)河北)及其與地貌分類圖((c)新疆(程維明等，2009)、(d)京津冀(趙敏等，2016))比較Fig.8 The terrain classification maps of Xinjiang and Hebei based on three terrain features ((a) Xinjiang, (b) Hebei) and comparisons with the geomorphological classification maps ((c) Xinjiang (Cheng et al., 2009), (d) Beijing-Tianjin-Hebei (Zhao et al., 2016))

針對每一類地形分類給出VS30預測值.首先，匯總每個地形分類下的鉆孔數據(圖9).圖中可見，新疆地區地形類別12所占區域鉆孔數量最多，約占總體數量的14.9%，其次為類別5和類別8，分別占有總數的12.6%和12.0%；某些類別下的鉆孔數據量極少，例如類別2、3、4以及11，都不足1%；河北地區鉆孔數量最多的類別是11，然后依次是類別14、類別13，缺少類別2所占區域的鉆孔數據.可以發現兩個地區的鉆孔都集中在坡度相對較低的區域，本文所獲得的鉆孔多數位于建設工程場地，大都集中于生產活動地區.這些地區是相對較為平坦的平原和盆地區域，因此在代表高坡度值的山脈地區(類別1、2、3、4)的鉆孔數據則較少.

為了得到穩健的地形類別與VS30之間的經驗關系，我們采用交叉驗證多次迭代的方法.首先，隨機選取占總體數量為65%的鉆孔作為標定組，分別計算每個地形類別下的VS30平均值作為每個類別的對應預測值；剩下35%數量的鉆孔VS30值作為驗證組，也就是實測值.通過計算實測值與預測值之間的均方誤差(Δ)確定最佳的預測值：

(1)

將新疆和河北地區的各地形類別對應的VS30預測值與Yong等(2012)給出的美國加州地區的結果進行比較(圖10)，可以發現，整體上三者的變化趨勢較為一致，編號較低的地形類別對應的VS30值相對較高，編號較高的地形類別對應的VS30值相對較低.圖10還給出了新疆和河北地區的VS30預測值與美國加州地區的相對偏差，新疆地區除第6、12、14類別、河北地區除第4、9、10類別外，其他類別的相對偏差都在30%以內.新疆地區的VS30預測值總體上要大于美國加州地區，而河北地區則相反，表明河北地區的場地土層總體要偏軟.可以發現，對于鉆孔數據量較少的地形類別，例如新疆地區的地形類別第7和11，河北地區的地形類別第3和第12，其VS30預測值與Yong等(2012)所得結果相差較大，一定程度上說明僅由少量的鉆孔數據預測整個地形類別的平均VS30值將引起較大的不確定性，下一工作將補充鉆孔數據對結果進行修正.可以觀察到河北地區缺少第2類地形的VS30預測值，原因是該地形類別體現的是高坡度、高凸度和粗紋理的地形特征，代表的是陡峭的山峰、山脊地區，這些地區很少有工程建設項目，因此鉆孔數據較為匱乏.

圖9 基于900 m精度和90 m精度DEM數據給出的新疆與河北地區16類地形類別對應的鉆孔數量分布Fig.9 The numbers of boreholes corresponding to 16 terrain categories in Xinjiang and Hebei regions classifed using 900m-resolution and 90m-resolution DEM data

圖10 (a)本研究得到的新疆與河北地區16個地形類別的VS30最佳預測值與Yong等(2012)結果的比較及(b)兩者之間的相對偏差Fig.10 (a) Comparisons of the best prediction values of VS30 for 16 terrain categories in Xinjiang and Hebei given by this study with the results of Yong et al., (2012) and (b) relative deviations between them

3 預測模型準確性檢驗及對DEM數據精度敏感性分析

3.1 模型的準確性檢驗

為了評估上述基于地形特征的VS30預測模型的準確性，同時也為了評價引入多個地形特征參數是否對模型的預測準確性有所提升，針對兩種模型利用新疆和河北地區的鉆孔數據，計算VS30實測值與預測值之間的殘差：

(2)

比較兩種模型計算獲得的殘差標準差σR和殘差均值μR，結果如圖11和圖12所示.

比較結果顯示，新疆地區基于地形坡度單一地形特征預測VS30得到的殘差標準差σR=116.10 m·s-1，較大于基于三項特性特征預測VS30得到的殘差標準差(96.40 m·s-1)，前者給出的殘差均值為21.70 m·s-1，而后者為13.60 m·s-1，后者更加接近0值；河北地區給出的預測結果亦是如此.由此說明，相較基于地形坡度單一特征參數建立的VS30預測模型，引入表面紋理和局部凸度后聯合三項地形特征建立的VS30預測模型其預測準確性有所提高.我們也曾嘗試建立基于決策樹的雙參數模型(地形坡度和表面紋理、地形坡度和表面凸度)，雖可以對VS30進行較好的預測，但是僅能將地形劃分為8個類別，與三參數模型相比對地形類別識別不夠充分，不能將某些VS30具有明顯差異的類別劃分出來，因此這里并不給出模型結果.不過可以確定的是，無論采用雙參數還是三參數，較單一地形坡度參數，聯合更多的地形特征參數將對地表淺層剪切波速具有更好的指示作用.需要說明的是，本項研究收集的部分地形類別的鉆孔數據還是很有限(圖9所示)，未來工作將補充更多的數據，完善后的預測模型其準確性可得到進一步提升.

圖11 新疆地區利用兩種預測模型對VS30預測結果的比較(a) 基于單項地形坡度的； (b) 基于三項地形特征的.Fig.11 Comparison of VS30 prediction results using two prediction models in Xinjiang(a) determined by means of three terrain features.

圖12 河北地區利用兩種預測模型對VS30預測結果的比較(a) 基于單項地形坡度的； (b) 基于三項地形特征的.Fig.12 Comparison of VS30 prediction results using two prediction models in Hebei(a) determined by means of three terrain features.

3.2 模型對DEM數據精度的敏感性分析

三項地形特征參數都是基于DEM數據計算的，其精度是否對計算結果有所影響，進而影響對VS30的預測準確性，接下來將利用高精度90 m柵格大小的DEM數據按照前述方法流程(圖1)建立模型，以測試模型對DEM數據精度的敏感性.

首先確定了地形坡度、表面紋理和局部凸度在三個等級下的閾值(圖7b).與利用900 m精度的DEM數據確定的閾值相比較，結果顯示，提高DEM精度后，地形坡度的各級閾值均有所增加，新疆地區的第一閾值由3.18增加至7.61，河北地區的第一閾值也由2.01增加至6.19，增加幅度較大.Allen和Wald(2009)曾指出采用低精度的DEM數據會產生自動平滑作用，也就是采用高精度的數據形成相對較多的高值部分.比較結果還顯示，表面紋理與局部凸度的閾值也有所提高；三項特征的三個閾值變化相對趨于平緩，這也是由于提高DEM數據精度后計算得到的三項特征在數值上分布相對集中，低精度DEM數據產生的平滑作用會使數值趨于分散.

4 結論

本文以新疆和河北地區為例，利用DEM數據和工程鉆孔資料驗證一種基于地形特征的場地參數VS30估計方法在我國的適用性，檢驗考慮多項地形特征參數后是否對VS30的預測準確性有所提升，并對DEM數據的敏感性進行了分析，主要工作及結論如下：

圖13 基于90 m精度的DEM數據劃分的河北地區16類地形類別(a)以及局部(b)與基于900 m精度(c)的DEM數據給出的結果對比Fig.13 The classification map in Hebei based on 90m-resolution DEM data and comparison between its local zoom-in results and those given based on 900m-resolution DEM data

(1)建立了新疆和河北地區基于地形坡度單一特征的VS30預測模型；利用決策樹理論考慮地形坡度、表面紋理和局部凸度三項地形特征劃分了兩個地區16類地形類別，與已有研究進行比較表明劃分的地形類別在空間分布上與地貌分布趨勢相一致，在此基礎上建立了基于三項地形特征的VS30預測模型.

(2)比較了兩個地區基于三項地形特征的VS30預測模型以及美國加州地區的預測模型，結果顯示各地形類別的VS30預測值差異明顯，但三個地區的變化趨勢較為一致，說明基于決策樹理論考慮三項地形特征的VS30估計方法具有普遍適用性，但同時存在區域依賴性，需要分區建立適用的VS30預測模型.

(3)利用兩種預測模型對兩個地區的VS30進行估計，比較預測值與實測值殘差的均值與標準差，發現引入了表面紋理和局部凸度兩項地形特征后，對VS30預測的準確性有所提升，表明聯合多項地形特征可對地表淺層剪切波速具有更好的指示作用.

(4)分析了DEM數據精度對地形分類結果的影響，以河北地區為例，發現在區域內利用高精度數據對陡峭的山脈地區劃分可能更為詳細，而低精度數據則能夠對平坦的平原地區識別可能更為充分.考慮到對人們日常生產活動頻繁的平原及盆地中部地區開展場地參數估計更具現實意義，推薦使用900 m精度的DEM數據相對較為實用.

需要說明的是，基于地形特征對場地VS30進行預測是存在較大不確定性的，但在缺乏鉆孔數據的條件下或者針對整個區域劃分場地類別時，因有實際應用需求此方法仍可發揮重要作用，未來可在提升模型精確性方面進一步開展研究工作.

致謝感謝中國科學院在地理空間數據云(http:∥www.gscloud.cn/)上提供的90 m精度DEM數據，以及WebGIS提供的900 m精度的DEM數據(http:∥www.webgis.com/srtm30.html).感謝東京工業大學翠川三郎教授和東京大學客座研究員司宏俊博士為本研究提出的寶貴建議.