The 2008 Wenchuan, 2013 Lushan and 2017 Jiuzhaigou earthquakes, Sichuan, in the last more than one thousand years of rupture history of the eastern margin of the Bayan Har block
-
摘要: 以巴颜喀拉块体东边界活动构造带为研究区，本文首先分析了该区最近一千多年的地震历史及强震活动随时间的变化，确定了2008年汶川MS8.0地震、2013年芦山MS7.0地震和2017年九寨沟MS7.0地震这3次事件在这一强震活动历史中的位置，进而在圈绘长期强震破裂区图像的基础上鉴别主要活动断裂带上的地震空区。结果主要表明：研究区在最近约一千年中经历了一个强震轮回的3个阶段，包括一个平静期的后半部（1630年之前）、1630—1878年之间的过渡期以及1879年以来的强震期。后两个阶段可能代表了该构造带在经过更早、可能二三千年长的平静期或应变积累期之后出现的长达数百年、从“预释放”期（1630—1878年）到“主释放”期（1879年以来）的强震发生过程；在主释放期应变能释放呈明显加速，四川2008年汶川、2013年芦山以及2017年九寨沟地震是发生在主释放期中的3次最新事件，但是由这3次事件的发生还难以判断主释放期是否已经结束；已圈绘出研究区及其邻近地区若干活动断裂段上存在长期缺少大地震破裂的地震空区，未来仍应注意在这些地震空区再次发生大地震的危险性。Abstract: By taking the active tectonic belt along the eastern margin of the Bayan Har block as the study region, this paper first examines the earthquake history over the last 1 000 years and the temporal variation in strong earthquake activity, and determines the temporal positions in this history of the most-recent three major events, the 2008 MS8.0 Wenchuan, 2013 MS7.0 Lushan and 2017 MS7.0 Jiuzhaigou earthquakes. Then, based on mapping historically ruptured areas the author identifies the seismic gaps along main active fault zones in and near the study region. The result mainly shows that the study region has experienced three stages of a strong-earthquake cycle during the last about 1 000 years, including the last half of the quiet period before 1630, the transitional period from 1630 to 1878, and the strong-event occurrence period since 1879. The last two periods together have a total duration of several hundred of years, and probably represent such a seismicity process in which the study active tectonic belt went through from the pre-release episode （between 1630 and 1878） to the main release episode （since 1879）, following an earlier quiescence period of probably 2 000 to 3 000 years in length for strain accumulation. Accelerating strain energy release appears obviously in the main release episode. The three events of the 2008 MS8.0 in Wenchuan, 2013 MS7.0 in Lushan and 2017 MS7.0 in Jiuzhaigou, Sichuan, are the most-recent ones occurred in the main release episode. However, it still remains unknown whether the main release episode has closed or not yet after the occurrences of the latest three events. Several seismic gaps are identified and mapped along some segments of the major active fault zones in and near the study region, which have had no ruptures of major earthquakes for long time. So, enough attention should be paid to the seismic potentials for major earthquakes occurring on these seismic gaps in the not far future.
-
引言
近年来，随着卫星遥感技术的不断发展，地震受灾区域的高分辨率遥感影像凭借其覆盖范围广、信息量大、处理时间短等优势，逐步成为政府部门和研究人员等进行灾害检测和损失评估的数据源，在其基础上对灾区建筑物损毁情况进行计算机解译与评估，可以有效地提高灾害管理工作的效率，是灾后恢复重建、开展防灾减灾措施的必要步骤。
传统的遥感影像分类方法有目视解译和基于像元的非监督分类、监督分类法，在高分辨率遥感影像地物识别分类中已经得到广泛应用（Benediktsson et al，1990；赵萍等，2005；Turker，Koc-San，2015；李强等，2018，2019；牟多铎，刘磊，2019；Li et al，2019），但由于存在“椒盐噪声”等现象，这些方法在震害建筑物信息提取中的分类效果不是很理想。1999年，Baatz和Schäpe （1999）提出的面向对象遥感影像分类方法有效地解决了这些问题，Hussain等（2013）基于遥感影像的变化检测比较了多种基于像元与基于对象的方法，并表明基于对象的方法更加有助于提高分类结果。近20年来，面向对象方法在地物信息提取中得到了广泛应用：陈云浩等（2006）针对光学遥感影像，以北京城市土地利用分类为例，对面向对象分类方法的规则进行了讨论；Alonso-Benito等（2013）将面向对象方法与支持向量机（support vector machines，缩写为SVM）、神经网络、最大似然法三种基于像元的分类方法进行比较，应用于森林易燃植被的分类提取，结果表明面向对象的分类精度明显高于基于像元的分类方法；张峰等（2008）通过面向对象与SVM方法相结合成功提取了多源影像数据中的建筑物信息；游永发等（2019）采用面向对象与形态学相结合，提出了一种高分辨率遥感影像建筑物信息分级提取的方法，其提取精度均大于90%。目前国内外很多研究人员已将面向对象分类方法成功应用于遥感影像中震害建筑物的检测与提取：Gulsen等（2011）、Li等（2011）、龚丽霞等（2013）、王东明和许立红（2016）基于面向对象分别对汶川、海地、玉树、尼泊尔地震的高分辨率遥感影像中的建筑物信息进行了提取，均得到了较好的分类结果，提取精度均较高；赵妍（2017）针对高分辨率遥感影像的建筑物震害信息，基于面向对象方法提出了一系列变化检测的技术流程，实现了对震害建筑物信息的有效提取。
大多数研究人员将面向对象方法应用于震害建筑物识别时，都是基于多尺度分割，采用人工调试或前人经验来确定最终分割尺度，耗时耗力。因此本文在利用面向对象方法分类时，为了避免出现分割不足或过度分割的现象，拟采用影像分割尺度参数（estimation of scale parameters，缩写为ESP）算法自动选择最优分割尺度，结合最邻近分类构建特征规则集，以期提高高分辨率遥感影像中震害建筑物识别的准确度，从而满足震害快速评估的需求。
1. 研究方法
面向对象以分割后的对象为最小分类单元，对具有同质性像元所组成的多边形对象进行分析，该方法不仅要考虑图像的光谱特征，还需要考虑图像的纹理、几何、上下文特征等来进行统计分析（吴剑，2010）。图1给出了本文数据处理的主要流程，首先对影像进行最优分割尺度研究，即基于ESP算法选出最优分割尺度，然后根据其得到的影像对象进行特征选择与提取，结合最邻近分类和制定的规则集进行面向对象分类，最后进行精度验证并优化分类结果。
1.1 遥感震害建筑物特征定义
在正常情况下，遥感影像中的建筑物一般具有相似且规则的几何形态，光谱特征虽各有不同，但经过量化后均表现为像元值或是较高的灰度值，在纹理特征方面，遥感建筑物顶部与周围环境相比更加明显，且有完整的纹理结构；而在地震过后，不同类型的建筑物也会发生不同程度的毁坏与倒塌，其外形轮廓特征呈现非规则的状态，部分损毁建筑物灰度值发生变化，在影像上呈暗灰色或黑色，虽然房屋间隔可以辨认，但已经不具备完整且规则的几何形态和纹理结构（张景发等，2017）。根据这些特征本文将震害建筑物分为基本完好（包括完好、轻微破坏）、中度破坏、完全损毁（包括全毁、多数倒塌）三大类。
1.2 多尺度分割
影像分割技术是面向对象分类中至关重要的一步，它对地物目标的分类结果的好坏有直接的影响。目前最常用的是多尺度分割技术，简单来说，多尺度分割就是在不同的尺度上将影像分割成有意义的影像多边形。Drăguţ等（2010）使用eCognition软件研究了多尺度分割的参数，并在建筑物的分割和提取中取得了良好的结果。
本文同样选择使用eCognition软件进行面向对象方法的数据处理，为了减少由不合适的分割尺度所带来的“过度分割”或“分割不足”的现象，得到最佳分类效果，需要找到震害建筑物的最优分割尺度。本文通过ESP尺度评价工具来估算震害建筑物的最优尺度。该方法由Drăguţ等（2014）提出，被开发为eCognition软件中一种插件工具，用来自动获取最优分割尺度。ESP方法将局部方差VL作为分割对象层的平均标准差，在一定尺度范围内，利用迭代的方法计算影像对象层的局部方差，由于VL值需要根据分割后不同对象间的异质性变化来绘制局部方差与对应尺度的关系图，而从图中得到所对应阈值较为困难，因此该工具引入了VL的变化率RC，通过计算不同的分割尺度参数，将RC作为对象分割最佳尺度参数，以此来判断分割效果。RC的计算方法为
$ {R}_{{\rm{C}}}{\text{＝}}\left(\frac{{L}_{i}{\text{－}}{L}_{i{\text{－}}1}}{{L}_{i{\text{－}}1}}\right){\text{×}} 100{\text{%}}{\text{，}} $
(1) 式中，Li，Li－1分别为目标层第i对象层和第i－1对象层的平均标准差。
根据经验先将形状因子和紧致度两个参数设置为0.5，初始分割尺度设置为100，然后通过ESP算法进行最优分割尺度评估（图2）。当RC值最大，即出现峰值时，该点所对应的分割尺度值就是最优分割尺度。由于影像中存在不同地物，例如植被、阴影、道路等，因此会存在多个最优分割尺度，图中的RC曲线就会出现多个峰值，其对应的值主要有29，39，51，79，95，分别对这五个最优分割尺度进行多尺度分割，从而找出震害建筑物的最优分割尺度。
![]()
图 2 基于ESP算法的最优尺度分割评估结果Figure 2. Evaluation results of optimal segmentation scale based on ESP algorithm通过目视解译，将五个分割结果与影像实际地物相结合，可以看出当分割尺度为29和39时，影像中被分割的建筑物较为破碎；而当分割尺度为79和95时，震害建筑物与多数植被、阴影不能较好的分割开来，存在很多欠分割现象；当分割尺度为51时，影像中建筑物的分割效果最好，因此选择51作为研究区的最优分割尺度。
1.3 最邻近分类
最邻近分类属于监督分类的一种，但面向对象中的最邻近分类是基于影像对象进行分类，有别于基于像元的监督分类，分类精度较高。本文采用最邻近分类器来优化特征空间，寻找分类特征的最佳组合。
由于道路的纹理、几何等特征与建筑物相似，较难区分，因此为了得到更好的分类效果，本文结合ArcGIS将街道信息去除后，再利用eCognition将研究区分为中等破坏、毁坏、基本完好、植被、阴影五大类，一共选择了64个样本对象，基于各类别的样本选择，将形状、纹理、光谱中的40个特征作为初始特征集，通过最邻近分类计算后得到各类别之间所产生的最优特征组合，分别为亮度、均值、标准差、矩形度、紧致度、密度、灰度共生矩阵（gray-level co-occurence matrix，缩写为GLCM）的角二阶矩、同质性、熵以及灰度差分矢量（gray-level difference vector，缩写为GLDV）。根据最优特征组合制定相应的分类规则集（表1），首先对阴影、植被进行分类，再根据震害建筑物的特征，依次对完全损毁、基本完好和中度破坏建筑物进行分类，得到初步分类结果，再对细小图斑作平滑处理，并将错分地物正确归类，最后将各地类合并得到最终结果。
表 1 各地物的特征规则集Table 1. The feature rule set of a variety of surface features地物类别 特征规则集 阴影 亮度≤23 植被 均值≤30.5；矩形度≤0.9；紧致度≥1.61 完全损毁建筑物 GLCM角二阶矩≤0.002；GLCM同质性≤0.06；标准差≥30 基本完好建筑物 标准差≤12或标准差≥20；GLCM熵≥9；4.1≤GLDV熵≤4.3
1.925≤密度≤2.222或1.19≤密度≤1.39中度破坏建筑物 还未分类 注：GLCM为灰度共生矩阵，GLDV为灰度差分矢量。 1.4 精度验证
本文将联合国组织UNITAR/UNOSAT实地调查解译与目视解译结合的结果作为对比基准（图3）。利用总体精度和Kappa系数作为分类精度的评价指标，总体精度表示分类结果与实际地物信息比较后两者相吻合的概率，即地物正确分类数与总数的比值；Kappa系数指通过定量评价分类数据与参考数据来检验两者的一致性，当其值越接近于1时，表明一致性越好，分类精度高。
1.5 研究区概况
海地共和国位于西印度群岛海地岛西部，总人口约有830万，当地时间2010年1月12日下午16时53分，发生了MS7.0大地震，全国大部分地区受灾严重，首都太子港为地震中心，地震导致约42万人伤亡。本文基于预处理后的GeoEye-1卫星影像，以2010年1月12日海地地震后太子港附近灾区为研究区域，其影像分辨率为0.5 m，图像大小为1 209×1 275 （图4）。
2. 结果分析
图5为基于面向对象方法进行分类的最终结果。为了更好地评价基于面向对象方法的分类效果，本文采用基于像元的支持向量机法、BP神经网络、基于CART算法的决策树分类与基于对象的面向对象方法进行对比分析。SVM是通过自动搜索对分类有较大区分能力的支持向量，构造最优分割超平面，将类之间的间隔最大化，从而实现训练样本分类；BP神经网络是一种前馈多层的网络结构，按照误差完成反向传播算法训练；基于CART算法的决策树分类属于二分递归分割，通过决策树生成和剪枝进行遥感分类。主要从以下三方面进行比较。
2.1 目视效果
从建筑物震害信息提取的目视结果来看，所有分类结果与实地调查解译的矢量数据结果均存在一定的误差，但面向对象的分类结果与解译结果较为接近，三种基于像元的分类方法都存在过分割现象，即将单体建筑物分成多种类型，分类效果不是很理想。即使完成分类后处理，三种方法仍然会存在很多细小斑块（图6），即“椒盐噪声”现象，产生这一现象的原因是文中三种基于像元的分类方法都是通过样本训练后基于光谱特征进行了信息提取，像元是其最小操作单位，并且未考虑相邻像元之间的关联及纹理、几何形状等特征；而面向对象分类方法处理的最小单位是分割后的对象，除了考虑光谱特征外，还考虑了形状、纹理等特征信息，不仅弥补了基于像元遥感分类方法中特征信息单一的缺点，也有效地避免了“椒盐噪声”现象。
![]()
图 6 基于各种方法的“噪声”现象对比Figure 6. Comparison of “noise” phenomena based on various methods2.2 精度评价
通过计算得到面向对象分类结果的总体精度为87.1%，Kappa系数为0.819 3，识别精度较高，但也存在错分、漏分现象（表2）。从表2中可以看出，分类结果中基本完好和中度破坏建筑物的数量与实地调查解译结果出入较大，但总体数量差别较小。产生这种现象的主要原因是一部分基本完好建筑物的屋顶存在杂物、水坑等，与中度破坏建筑物屋顶的纹理特征相似，导致基本完好建筑物中有一部分被错分为中度破坏建筑物；分类结果中的完全损毁建筑物相对实地调查结果中的数目较少，其主要原因是倒塌建筑物之间互相重叠，且特征相似，在多尺度分割时被分割成为同一对象，而在实地调查解译过程中仍可辨别出每栋建筑物。但这些现象对结果影响较小，因此面向对象方法可以基本满足快速获取震灾区信息的精度要求。
表 2 矢量分类结果中建筑物数量Table 2. The number of buildings achieved from the vector classification results建筑物类型 实地调查所得数据个数 面向对象分类所得数据个数 基本完好建筑物 274 194 中度破坏建筑物 237 308 完全损毁建筑物 235 212 总计 746 714 为了对三种方法的精度和分类效果进行比较，使精度评价更具客观性，本文在处理数据时选用了同一个训练样本，在定义、评价、修改训练样本后，分别采用支持向量机、BP神经网络、基于CART算法的决策树进行分类，经过分类后处理的最终结果如图7所示。
![]()
图 7 BP神经网络（a）、SVM（b）、基于CART算法决策树（c）分类结果Figure 7. Classification results of BP neural network (a)，SVM (b)，decision tree based on CART algorithm method (c)在三种类别中分别选择15处作为训练样本，其余为检验样本，基于面向对象、BP神经网络、SVM、决策树方法进行震害建筑物提取精度评价（表3）。从表3中可以看出，SVM方法分类结果的精度最低，为70.37%，BP神经网络方法和基于CART算法的决策树分类精度也比较低，均在75%左右，而面向对象分类的总体精度为87.1%，比基于像元的三种方法的总体精度提高约10%左右。
表 3 各分类方法的精度评价Table 3. Accuracy evaluation of various classification methods方法 总体精度 Kappa系数 方法 总体精度 Kappa系数 SVM 70.37% 0.5966 基于CART算法决策树 76.22% 0.633 0 BP神经网络 74.96% 0.6537 面向对象 87.10% 0.819 3 由于三种基于像元的分类方法对样本的依赖性较强，其分类结果中存在较多的错分情况，过多地估计了建筑物损坏或倒塌区的范围（表4），可见三种方法对基本完好和中度破坏建筑物难以区分，其错分率均达到30%以上，尤其是基于CART算法的决策树分类，过多的将基本完好和中度破坏建筑物估算为完全损毁建筑物，而面向对象的错分率相较于前三者整体较低，均在20%以下。
表 4 各分类方法的错分率Table 4. The error rate of various classification methods方法 基本完好 中度破坏 完全损毁 SVM 36.73% 33.22% 18.62% BP神经网络 30.53% 30.24% 16.00% 基于CART算法决策树 37.00% 40.44% 9.08% 面向对象 20.00% 5.56% 14.29% 2.3 时效性评价
本文所有实验均基于双核CPU （1.70 GHz 核 i5-4210U）的Windows操作系统进行。使用eCognition软件对研究区高分辨率遥感影像进行面向对象方法分类的总用时约为20 min；使用ENVI软件进行BP神经网络、SVM、基于CART算法的决策树方法分类时间分别约为10 min，15 min，8 min，处理速度较快。从时间成本上来说，基于像元的三种分类方法的主要成本是在执行监督分类的过程中，仍有较快的处理速度，但其精度较低，分类效果不是很好，适用于震后第一时间对震区的快速评估；而面向对象的分类方法耗费的时间主要在于前期准备工作中，例如在提取地物特征时，需要通过人为观察比较选择最优特征组合中的特征值来制定规则集，耗时较长，但在后期分类时处理时间较短，且分类效果较好，精度高，因此本文研究的面向对象分类方法在基于高分辨率遥感影像的震后灾情准确评估、震害建筑物信息提取时具有良好的可行性。
3. 讨论与结论
本文以海地MS7.0地震为例，选取太子港周围建筑区，基于ESP算法的多尺度分割及面向对象分类对建筑物震害信息进行识别研究，得到以下结论：
基于ESP算法的多尺度分割提高了选择最优分割尺度的效率，并且通过最邻近分类、制定规则集得到了较好的分类结果；通过将基于像元的BP神经网络、SVM、决策树方法的提取结果与面向对象分类进行对比，进一步证明了在基于高分辨率遥感影像提取震害建筑物信息中，基于面向对象的分类方法能够较好地提取震害建筑物信息，并且可以处理遥感影像分类中的噪声问题，比基于像元的分类方法更有效。
但是采用面向对象分类方法受人为因素影响较大，今后计划使用深度学习与面向对象结合的方法对不同区域的震害建筑物进行自动识别分类研究，以期达到更好的分类效果，从而降低面向对象分类的人为因素影响，为震后建筑物的快速评估提供数据支撑。
-
![]()
图 1 巴颜喀拉块体东边界及其邻近地区的活动构造、区域动力学与历史强震背景
余震资料据四川地震台网目录，震源机制解引自哈佛大学CMT目录和闻学泽等（2011）
Figure 1. Map showing active tectonics，regional dynamics and background of historical earthquakes in and near the study region
The dashed frame indicates the position of the study region. Aftershock data are from Sichuan Seismic Network. Focal mechanism solutions are mostly from Harvard CMT catalog and partly from Wen et al （2011）
![]()
图 2 研究区累积地震应变能释放-时间图（a）与M-t图（b）
使用1630年之前M≥6.0和1630年以来M≥6.5地震资料
Figure 2. Cumulative strain energy release versus time chart （a） and M-t chart （b） of earthquake activity of the study region
Seismic data of M≥6.0 events for the period before 1630 and of M≥6.5 events for the period since 1630 are used
![]()
图 3 研究区及其邻近地区的地震破裂区和地震空区（据闻学泽等（2009）和M7专项工作组（2012） 修改）
破裂区的虚线边表示位置和延伸上存在不确定性
Figure 3. Map of earthquake rupture areas and seismic gaps in and near the study region （modified from Wen et al （2009） and Working Group of M7 （2012））
Positions and extents of the rupture areas with dashed edges are uncertain
表 1 研究区历史地震和现代地震信息（1630年之前M≥5.7，1630年以来M≥6.5）
Table 1 Historical and modern earthquakes of the study region（M≥5.7 events before 1630 and M≥6.5 events since 1630）
编号 发震时间
年-月-日震中位置 M 极震区
烈度记载破坏和
受影响的地点记载的有感地点个数及
有感半径R北纬/° 东经/° 1 −186−02−22 33.8 105.6 6—7？ ≥Ⅷ 甘肃陇南（原武都）、舟曲 ≥2 2 278−08−16 ？ ？ 四川平武与甘肃文县之间 ？ 3 638−02−14 32.8 103.4 5¾ 四川松潘以北 ≥2 4 942年冬 ？ 摧毁民居百数（未提地点） 1 （四川成都） 5 951年冬 ？ 民居摧毁者百余所
（未提地点）1 （四川成都） 6 1004−03−23 ？ ？ 3 （雅安、汉源、成都） 7 1327−09−？ 30.1 102.7 ≥6 四川天全附近 6 （四川天全、成都，陕西凤翔、汉中，湖北宜昌、江陵），R≥950 km 1 1630−01−16 32.6 104.1 6½ Ⅷ 四川松潘与平武之间 9 （四川盆地内），R>450 km 2 1657−04−21 31.3 103.5 6½ Ⅷ 四川汶川、茂县等4地 14 （四川盆地内），R>400 km 3 1713−09−04 32.0 103.7 7 Ⅸ 四川茂县与松潘之间 9 （四川盆地内），R>230 km 4 1748−05−02 32.8 103.7 6½ >Ⅶ 四川松潘北 1 （靠近九寨沟） 5 1879−07−01 33.2 104.7 8 Ⅺ 甘肃陇南、文县与四川
九寨沟之间>70，R>1 200 km 6 1933−08−25 31.9 103.4 7½ Ⅹ 四川茂县北 >30，R>550 km 7 1960−11−09 32.7 103.7 6.7 Ⅸ 四川松潘北 ？ 8 1973−08−11 32.9 103.9 6.5 ≥Ⅶ 四川松潘北东 9，R>250 km 9−1 1976−08−16 32.6 104.1 7.2 Ⅸ 四川松潘与平武之间 数十个，R=1 300 km 9−2 1976−08−22 32.6 104.4 6.7 Ⅷ 四川松潘与平武之间 9−3 1976−08−23 32.5 104.3 7.2 Ⅷ+ 四川松潘与平武之间 10 2008−05−12 31.0 103.4 8.0 Ⅺ 龙门山断裂带中—北段 大半个中国，R≈2 000 km 11 2013−04−20 30.3 103.0 7.0 Ⅸ 四川芦山、宝兴、雅安、
天全、邛崃等县（市）很多，R≈1 150 km 12 2017−08−08 33.20 103.82 7.0 Ⅸ 四川九寨沟、松潘，甘肃文县、陇南等县（市） 很多，R>1 000 km 注：1976年地震由编号9−1，9−2和9−3等3次子事件组成。 
下载: 导出CSV
-
杜方, 闻学泽, 张培震, 王庆良. 2009. 2008年汶川8.0级地震前横跨龙门山断裂带的震间形变[J]. 地球物理学报, 52（11）: 2729–2738 Du F, Wen X Z, Zhang P Z, Wang Q L. 2009.Interseismic deformation across the Longmenshan fault zone before the 2008 Wenchuan earthquake[J]. Chinese Journal of Geophysics, 52（11）: 2729–2738 （in Chinese）.
杜方, 闻学泽, 张培震. 2010. 鲜水河断裂带炉霍段的震后滑动与形变[J]. 地球物理学报, 53（10）: 2355–2366. Du F, Wen X Z, Zhang P Z. 2010. Post-seismic slip and deformation on the Luhuo segment of the Xianshuihe fault zone[J]. Chinese Journal of Geophysics, 53（10）: 2355 –2366 （in Chinese）.
国家地震局地球物理研究所, 复旦大学中国历史地理研究所. 1990a. 中国历史地震图集（远古至元时期）[M]. 北京: 中国地图出版社: 1–174. Institute of Geophysics, State Seismological Bureau, Institute of Historic Geography, Fudan University. 1990a. Atlas of the Historical Earthquakes in China: The Period From Remote Antiquity to the Yuan Dynasty[M]. Beijing: China Cartographic Publishing House: 1–174 （in Chinese）.
国家地震局地球物理研究所, 复旦大学中国历史地理研究所. 1990b. 中国历史地震图集（明时期）[M]. 北京: 中国地图出版社: 1–194. Institute of Geophysics, State Seismological Bureau, Institute of Historic Geography, Fudan University. 1990b. Atlas of the Historical Earthquakes in China: The Ming Dynasty Period[M]. Beijing: China Cartographic Publishing House: 1–194 （in Chinese）.
国家地震局地球物理研究所, 复旦大学中国历史地理研究所. 1990c. 中国历史地震图集（清时期）[M]. 北京: 中国地图出版社: 1–244. Institute of Geophysics, State Seismological Bureau, Institute of Historic Geography, Fudan University. 1990c. Atlas of the Historical Earthquakes in China: The Qing Dynasty Period[M]. Beijing: China Cartographic Publishing House: 1–244 （in Chinese）.
国家地震局震害防御司. 1995. 中国历史强震目录[M]. 北京: 地震出版社: 1–514. Department of Earthquake Disaster Prevention, State Seismological Bureau. 1995. The Catalogue of Chinese Historical Strong Earthquakes[M]. Beijing: Seismological Press: 1–514 （in Chinese）.
李陈侠, 徐锡伟, 闻学泽, 郑荣章, 陈桂华, 杨虎, 安艳芬, 高翔. 2011. 东昆仑断裂带中东部地震破裂分段性与走滑运动分解作用[J]. 中国科学: 地球科学, 41（9）: 1295–1310. Li C X, Xu X W, Wen X Z, Zheng R Z, Chen G H, Yang H, An Y F, Gao X. 2011. Rupture segmentation and slip partitioning of the mid-eastern part of the Kunlun fault, north Tibetan Plateau[J]. Science China Earth Science, 54（11）: 1730–1745.
M7专项工作组. 2012. 中国大陆大地震中—长期危险性研究[M]. 北京: 地震出版社: 1–336.
Working Group of M7. 2012. Study on the Mid- to Long-Term Potential of Large Earthquakes on the Chinese Continent[M]. Beijing: Seismological Press: 1–336 （in Chinese）.
四川省地方志编辑委员会. 1998. 四川省志: 地震志[M]. 成都: 四川人民出版社: 1–382. Compiling Committee of the Local Annals of Sichuan Province. 1998. Annals of Sichuan Province: Book for Earthquakes[M]. Chengdu: People Publishing House of Sichuan Province: 1–382 （in Chinese）.
闻学泽, 徐锡伟, 郑荣章, 谢英情, 万创. 2003.甘孜—玉树断裂的平均滑动速率与近代大地震破裂[J]. 中国科学: D辑, 33 （增刊）: 199–208. Wen X Z, Xu X W, Zheng R Z, Xie Y Q, Wan C. 2003. Average slip-rate and recent large earthquake ruptures along the Ganzi-Yushu fault [J]. Science in China: Series D, 46（S）: 276–288.
闻学泽, 范军, 易桂喜, 邓一唯, 龙锋. 2008. 川西安宁河断裂上的地震空区[J].中国科学: D辑, 38（5）: 797–807. Wen X Z, Fan J, Yi G X, Deng Y W, Long F. 2008. A seismic gap on the Anninghe fault in western Sichuan, China[J]. Science in China: Series D, 51（10）: 1375–1387.
闻学泽, 张培震, 杜方, 龙锋.2009. 2008年汶川8.0级地震发生的历史与现今地震活动背景[J]. 地球物理学报, 52（2）: 444–454. Wen X Z, Zhang P Z, Du F, Long F. 2009. The background of historical and modern seismic activities of the occurrence of the 2008 MS8.0 Wenchuan, Sichuan, earthquake[J]. Chinese Journal of Geophysics, 52（2）: 444–454 （in Chinese）.
闻学泽, 杜方, 张培震, 龙锋. 2011. 巴颜喀拉块体北和东边界大地震序列的关联性与2008年汶川地震[J]. 地球物理学报, 54（3）: 706–716. Wen X Z, Du F, Zhang P Z, Long F. 2011. Correlation of major earthquake sequences on the northern and eastern boundaries of the Bayan Har block, and its relation to the 2008 Wenchuan earthquake[J]. Chinese Journal of Geophysics, 54（3）: 706–716 （in Chinese）.
闻学泽, 杜方, 易桂喜, 龙锋, 范军, 杨攀新, 熊仁伟, 刘晓霞, 刘琦. 2013. 川滇交界东段昭通、莲峰断裂带的地震危险背景[J]. 地球物理学报, 56（10）: 3361–3372. Wen X Z, Du F, Yi G X, Long F, Fan J, Yang P X, Xiong R W, Liu X X, Liu Q. 2013. Earthquake potential of the Zhaotong and Lianfeng fault zones of the eastern Sichuan-Yunnan border region [J]. Chinese Journal of Geophysicss, 56（10）: 3361–3372 （in Chinese）.
徐锡伟, 闻学泽, 陈桂华, 于贵华. 2008. 巴颜喀拉地块东部龙日坝断裂带的发现及其大地构造意义[J]. 中国科学: D辑, 38（5）: 529–542. Xu X W, Wen X Z, Chen G H, Yu G H. 2008. Discovery of the Longriba fault zone in eastern Bayan Har block, China and its tectonic implication[J]. Science in China: Series D, 51（9）: 1209–1223.
袁道阳, 雷中生, 何文贵, 熊振, 葛伟鹏, 刘兴旺, 刘百篪. 2007. 公元前186年甘肃武都地震考证与发震构造探讨[J]．地震学报, 29（6）: 654–663. Yuan D Y, Lei Z S, He W G, Xiong Z, Ge W P, Liu X W, Liu B C. 2007. Textual research of Wudu earthquake in 186 B.C. in Gansu Province, China and discussion on its causative structure [J]. Acta Seismologica Sinica, 29（6）: 654–663 （in Chinese）.
易桂喜, 龙锋, 梁明剑, 张会平, 赵敏, 叶有清, 张致伟, 祁玉萍, 王思维, 宫悦, 乔惠珍, 汪智, 邱桂兰, 苏金蓉. 2017. 2017年8月8日九寨沟M7.0地震及余震震源机制解与发震构造分析[J]. 地球物理学报, 60（10）: 4083–4097. Yi G X, Long F, Liang M J, Zhang H P, Zhao M, Ye Y Q, Zhang Z W, Qi Y P, Wang S W, Gong Y, Qiao H Z, Wang Z, Qiu G L, Su J R. 2017. Focal mechanism solution and seismogenic structure of the 8 August 2017 M7.0 Jiuzhaigou earthquake and its aftershocks, northern Sichuan [J]. Chinese Journal of Geophysics, 60（10）: 4083–4097 （in Chinese）.
张国民. 1987. 我国大陆强震活动的韵律性特征[J]. 地震地质, 9（2）: 27–37. Zhang G M. 1987. Rhythmic characteristics of high seismic activity in China mainland [J]. Seismology and Geology, 9（2）: 27–37 （in Chinese）.
张培震, 邓起东, 张国民, 马瑾, 甘卫军, 闵伟, 毛凤英, 王琪. 2003. 中国大陆的强震活动与活动地块[J]. 中国科学: D辑, 33（增刊）: 12–20. Zhang P Z, Deng Q D, Zhang G M, Ma J, Gan W J, Min W, Mao F Y, Wang Q. 2003. Active tectonic blocks and strong earthquakes in the continent of China [J]. Science in China: Series D, 46（Suppl）: 13–24.
中国地震局震害防御司. 1999. 中国近代地震目录[M]. 北京: 中国科学技术出版社: 1–637. Department of Earthquake Disaster Prevention, China Earthquake Administration. 1999. The Catalogue of Chinese Modern Earthquakes[M]. Beijing: China Science and Technology Press: 1–637 （in Chinese）.
Ambraseys N N, Jackson J A. 1998. Faulting associated with historical and recent earthquakes in the Eastern Mediterranean region[J]. Geophys J Int, 133（2）: 390–406.
Ando M. 1975. Source mechanisms and tectonic significance of historical earthquakes along the Nankai Trough, Japan [J]. Tectonophysics, 27（2）: 119–140.
Berberian M, Yeats R S. 1999. Patterns of historical earthquake rupture in Iranian Plateau [J]. Bull Seism Soc Am, 89（1）: 120–139.
Bilham R, Gaur V K, Molnar P. 2001. Himalayan seismic hazard[J]. Science, 293（5534）: 1442–1444.
Burchfiel B C, Royden L H, van der Hilst R D, Hager B H, Chen Z, King R W, Li C, Lü J, Yao H J, Kirby E. 2008. A geological and geophysical context for the Wenchuan earthquake of 12 May 2008, Sichuan, People′s Republic of China [J]. GSA Today, 18（7）: 4–11.
Davies J, Sykes L, House L, Jacob K. 1981. Shumagin seismic gap, Alaska Peninsula: History of great earthquakes, tectonic setting, and evidence for high seismic potential [J]. J Geophy Res, 86（B5）: 3821–3855.
Kirby E, Harkins N, Wang E Q, Shi X H, Fan C, Burbank D. 2007. Slip rate gradients along the eastern Kunlun fault [J]. Tectonics, 26(2): TC2010, doi: 10.1029/2006TC002033.
Long F, Wen X Z, Ruan X, Zhao M, Yi G X. 2015. A more accurate relocation of the 2013 MS7.0 Lushan, Sichuan, China, earthquake sequence, and the seismogenic structure analysis [J]. J Seismol, 19（3）: 653–665.
McCann W R, Perez O J, Sykes L R. 1980. Yakataga gap, Alaska: Seismic history and earthquake potential [J]. Science, 207（4437）: 1309–1314.
Nishenko S P. 1991. Circum-Pacific seismic potential: 1989−1999 [J]. Pure Appl Geophys, 135（2）: 169–259.
Ran Y K, Chen L C, Chen J, Wang H, Chen G H, Yin J H, Shi X, Li C X, Xu X W. 2010. Paleoseismic evidence and repeat time of large earthquakes at three sites along the Longmenshan fault zone [J]. Tectonophysics, 491（1/2/3/4）: 141–153.
Tapponnier P, Peltzer G, Le Dain A Y, Armijo R, Cobbold P. 1982. Propagating extrusion tectonics in Asia: New insight from simple experiments with plasticine [J]. Geology, 10（12）, 611–616.
van der Woerd J, Tapponnier P, Ryerson F J, Meriaux A-S, Meyer B, Gaudemer Y, Finkel R C, Caffee M W, Zhao G G, Xu Z Q. 2002. Uniform postglacial slip-rate along the central 600 km of the Kunlun fault（Tibet）, from 26Al, 10Be, and 14C dating of riser offsets, and climatic origin of the regional morphology [J]. Geophy J Inter, 148: 356–388.
Wells D L, Coppersmith K J. 1994. New empirical relationships among magnitude, rupture length, rupture width, rupture area, and surface displacement [J]. Bull Seism Soc Am, 84（4）: 974–1002.
Wen X Z, Han W B, Li T S, Lü Y P, Zhou R J, He Y L, Weldon R, Stimac J, Yang Y C. 1996. Slip-rate and recurrence interval of the Luhuo/Daofu segment of the Xianshuihe fault, Sichuan, PRC[J]. EOS Trans, Am Geophys Union, 77（46）: 693–694.
Wen X Z, Yi G X, Xu X W. 2007. Background and precursory seismicities along and surrounding the Kunlun fault before the MS8.1, 2001, Kokoxili earthquake, China [J]. J Asian Earth Sci, 30（1）: 63–72.
Wen X Z, Ma S L, Xu X W, He H N. 2008. Historical pattern and behavior of earthquake ruptures along the eastern boundary of the Sichuan-Yunnan faulted-block, southwestern China [J]. Phys Earth Planet Inter, 168（1/2）: 16–36.
Zhang P Z, Shen Z K, Wang M, Gan W J, Bürgmann R, Molnar P, Wang Q, Niu Z J, Sun J Z, Wu J C, Sun H R, You X Z. 2004. Continuous deformation of the Tibetan Plateau from global positioning system data[J]. Geology, 32（9）: 809–812.
-
期刊类型引用(7)
1. 王雅如，王昀，江勇勇. 基于改进Unet的地震勘探工区建筑物分割方法研究. 现代电子技术. 2025(03): 135-140 . 
百度学术
2. 徐俊祖，张方浩，戈云霞，曹彦波，杜浩国，邓树荣，和仕芳，张原硕，赵正贤. 基于卷积神经网络的建筑物震害特征提取与识别研究. 地震工程学报. 2025(04): 851-863 . 百度学术
3. 齐文文，许冲，乔月霞. 基于谷歌地球引擎和Sentinel-2时序数据的海地多云地区地震滑坡识别. 地震学报. 2024(04): 633-648 . 本站查看
4. 韩军良，韩留生，穆豪祥，张至一，郭宇晨，刘晓亚. 面向对象的土地荒漠化信息提取研究. 测绘科学. 2023(04): 149-160 . 百度学术
5. 罗嘉琦，帅向华，李继赓. 基于深度学习的倾斜摄影建筑物表面损毁信息提取. 中国地震. 2023(02): 271-281 . 百度学术
6. 雷雅婷，沈占锋，许泽宇，王浩宇，李硕，焦淑慧. 基于D-LinkNet的2014年云南鲁甸M_S6.5地震建筑物损毁与重建评估. 地震研究. 2022(04): 608-616 . 百度学术
7. 杜浩国，张方浩，卢永坤，林旭川，邓树荣，曹彦波. 基于多源遥感影像的2021年云南漾濞M_S6.4地震灾区建筑物信息识别与震害分析. 地震研究. 2021(03): 490-498 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 2636
- HTML全文浏览量: 1439
- PDF下载量: 337
- 被引次数: 11
