青藏高原东北缘地震活动性广义帕累托模型的全域敏感性分析

任梦依, 刘哲

任梦依,刘哲. 2022. 青藏高原东北缘地震活动性广义帕累托模型的全域敏感性分析. 地震学报,44(6):1035−1048. DOI: 10.11939/jass.20210112
引用本文: 任梦依,刘哲. 2022. 青藏高原东北缘地震活动性广义帕累托模型的全域敏感性分析. 地震学报,44(6):1035−1048. DOI: 10.11939/jass.20210112
Ren M Y,Liu Z. 2022. Global sensitivity analysis of the generalized Pareto distribution model for seismicity in the northeast Tibetan. Acta Seismologica Sinica44(6):1035−1048. DOI: 10.11939/jass.20210112
Citation: Ren M Y,Liu Z. 2022. Global sensitivity analysis of the generalized Pareto distribution model for seismicity in the northeast Tibetan. Acta Seismologica Sinica44(6):1035−1048. DOI: 10.11939/jass.20210112

青藏高原东北缘地震活动性广义帕累托模型的全域敏感性分析

基金项目: 国家重点研发计划(2018YFC1503201-04)和中国地震局地球物理研究所基本科研业务费专项(DQJB22Z01-09)联合资助
详细信息
    通讯作者:

    任梦依,博士,助理研究员,主要从事地震活动性分析、非天然地震检测与识别等方面的研究,e-mail:renmengyi@cea-igp.ac.cn

  • 中图分类号: P315.5

Global sensitivity analysis of the generalized Pareto distribution model for seismicity in the northeast Tibetan

  • 摘要: 基于广义帕累托分布构建地震活动性模型,因其输入参数取值难以避免不确定性,导致依据该模型所得的地震危险性估计结果具有不确定性。鉴于此,本文选取青藏高原东北缘为研究区,提出了基于全域敏感性分析的地震危险性估计的不确定性分析流程和方法。首先,利用地震活动性广义帕累托模型,进行研究区地震危险性估计;然后,选取地震记录的起始时间和震级阈值作为地震活动性模型的输入参数,采用具有全域敏感性分析功能的E-FAST方法,对上述两个参数的不确定性以及两参数之间的相互作用对地震危险性估计不确定性的影响进行定量分析。结果表明:地震危险性估计结果(不同重现期的震级重现水平、震级上限及相应的置信区间)对两个输入参数中的震级阈值更为敏感;不同重现期的地震危险性估计结果对震级阈值的敏感程度不同;对不同的重现期而言,在影响地震危险性估计结果的不确定性上,两个输入参数之间存在非线性效应,且非线性效应程度不同。本文提出的不确定性分析流程和方法,可以推广应用于基于其它类型地震活动性模型的地震危险性估计不确定性分析。
    Abstract: Because the selected values of input parameters of generalized Pareto distribution (GPD) model are difficult to avoid uncertainty, the input parameters uncertainty of this model may lead to uncertainty in the seismic hazard estimation. In this paper, we selected northeastern Tibetan Plateau as the case studied area, and proposed an uncertainty analysis process and method of seismic hazard estimation based on the global sensitivity analysis. First, we used the GPD seismicity model to obtain the results of seismic hazard estimation. And then, we selected starting time of earthquake catalog and magnitude threshold to be the input parameters of seismicity model. The E-FAST method with global sensitivity analysis function was used to quantitatively analyze the influence of the uncertainties of the two parameters and the interaction between the two parameters on the uncertainty of seismic hazard estimation. The results show that the seismic hazard estimation of the GPD model is more sensitive to the magnitude threshold. With different return periods, the sensitivity degree of seismic hazard estimation to magnitude threshold is different. For different return periods, there are nonlinear effects between the two input parameters on the uncertainty of seismic hazard estimation, and the degree of nonlinear effects is different. The uncertainty analysis process and method proposed in this paper can be applied to the uncertainty analysis of seismic hazard estimation based on other seismicity models.
  • 破坏性地震发生后,主要通过现场调查获取震害信息,这样获取的信息的精度和置信度均较高,然而破坏性地震的影响范围往往很大,现场调查存在工作量大、效率低、信息表达不直观等问题(柳稼航等,2004张志强等,2018)。鉴于遥感影像覆盖面积大、成本低,具有快速、宏观的特点,因此可作为获取震害信息的一种既经济又快捷的数据来源(王晓青等,2003Huang et al,2014)。经由高分辨率遥感影像提取的建筑物震害信息可为地震现场救援决策提供高效的数据支持(Turker,Cetinkaya,2005王龙等,2007)。 “十二五” 计划以来,我国陆续研制发射并投入使用了 “高分一号” (GF-1)、 “高分二号” (GF-2)和 “高分四号” (GF-4)卫星,极大地满足了我国对中高分辨率遥感数据的应用需求。随着国产卫星技术的发展,国产卫星产出的数据质量高、获取简单且成本较低,为防震减灾事业发展提供了强有力的支持。因此研究基于我国国产高分数据的建筑物震害信息提取方法,对提高震害信息获取速度和救援决策效率意义重大。

    近年来,研究人员依据建筑物震害特征,提出了多种建筑物震害信息提取方法(Turker,Sumer,2008Dong,Shan,2013叶昕等,2016),例如:Yamazaki等(2005)采用目视解译方法进行建筑物震害信息提取;翟永梅等(2015)赵妍等(2016)采用面向对象方法进行基于高分辨率遥感影像的建筑物震害信息提取;张景发等(20022017)就建筑物震害评估和多源遥感特征及机理予以分析;王晓青等(2015)借助遥感手段针对尼泊尔MS8.1地震的建筑物震害信息进行提取和分析。基于遥感影像的建筑物震害信息提取已有诸多成果,也具有很好的应用前景,然而由于该技术的复杂性,使其在现实中的应用受到局限,特别是信息提取的速率、精度及自动化程度等方面亟待提高。

    为此,本文拟以分辨率高、获取方便的国内高分卫星遥感影像为基础,考虑人机互补的优势,结合建筑物纹理和形态学特征,研究适用于我国高分卫星数据的建筑物震害信息提取方法,为地震应急决策、灾害损失评估及震后灾区恢复重建等工作服务。

    塔什库尔干塔吉克自治县,简称塔县,隶属新疆维吾尔自治区喀什地区。塔县位于帕米尔高原西部,西昆仑褶皱带的塔什库尔干隆起地带,海拔较高。塔县的地势由西南向东北倾斜,山脉自西南向东北延伸。

    2017年5月11日5时58分(北京时间),新疆喀什地区塔什库尔干塔吉克自治县(37.58°N,75.25°E)发生MS5.5地震,震源深度为8 km。该地震造成塔什库尔干县8人遇难、31人受伤。8名遇难者均在塔什库尔干乡库孜滚村,受该地震影响,库孜滚村的建筑物大面积倒塌毁坏,此地为塔县地震的极灾区,正是本文的研究区域。

    本文采用地震前后同系列卫星遥感数据,首先完成两景影像精确位置匹配,然后结合纹理和形态学特征方法进行建筑物信息提取,满足一定的精度要求;通过震前、震后建筑物变化检测分析,提取研究区倒塌建筑物的空间分布信息。

    图1给出了建筑物震害信息提取的技术路线图,技术路线包括以下几部分:

    图  1  建筑物震害信息提取的技术路线图
    Figure  1.  Technology route line of seismic damage information extraction

    1) 数据收集及预处理。收集研究区震前震后的高分遥感影像数据、数字高程模型(digital elevation model,缩写为DEM)数据、行政区划数据等,进行影像正射校正、几何校正、影像融合、影像重采样等预处理,完成震前、震后影像空间匹配;然后手动建立居住区为感兴趣区,缩小研究区范围。

    2) 纹理分析。采用灰度共生矩阵方法提取建筑物纹理信息,通过对比分析,确定能够突出建筑物信息的纹理特征图像。

    3) 二值化及形态学运算。对纹理特征图像进行密度分割,找到建筑物取值范围,进行二值化(林祥国,张继贤,2017),从而提取建筑物的空间分布信息;之后通过形态学运算优化建筑物形态。

    4) 精度评价。将通过人工识别的完整建筑物作为地面样本,计算信息提取的总分类精度,并且进行精度评价,人工修改误提、漏提的建筑物区域,使其达到精度要求,为建筑物震害信息提取提供精确数据支持。

    5) 建筑物震害信息提取。对震前、震后提取的建筑物空间分布信息进行变化检测,提取完全倒塌的建筑物空间分布信息。

    塔县地震发生后,为快速了解灾区灾情,新疆维吾尔自治区地震局应急遥感技术组联系新疆卫星遥感应用中心快速收集地震前后的高分遥感数据,便于快速进行震害信息遥感解译。所获数据为研究区震前2015年9月6日GF-1影像、震后2017年5月13日GF-2影像以及研究区DEM、县驻地、乡驻地、县界、乡界等数据。

    采用正射校正、几何校正、影像融合、影像重采样等方法对震前、震后遥感影像进行预处理,其中正射校正采用30 m DEM数据进行,几何校正以google影像为基础进行。为保证数据的解译效果,本文还进行了影像融合。为保证建筑物震害信息的解译精度,在数据预处理时对震前、震后影像进行几何精校正。由于震前、震后影像的空间分辨率不一致,为保证匹配精度,须将震前影像进行影像重采样,重采样数据的空间分辨率为1 m,然后进行几何精校正,校正误差小于0.5个像元,至此完成震前、震后的影像精确匹配。图2a图2b分别为预处理后研究区的震前GF-1影像和震后GF-2影像。

    图  2  研究区预处理后的GF卫星遥感影像图
    (a) 预处理后的震前GF-1影像图;(b) 预处理后的震后GF-2影像图;(c) 裁剪震后的GF-2居住区影像图
    Figure  2.  GF remote sensing images preprocessed in the studied area
    (a) GF-1 image before earthquake after pre-processing;(b) GF-2 image after earthquake after pre-processing;(c) Clip image of GF-2 residential area after the earthquake

    为提高建筑物震害信息遥感解译精度和效率,以居住区为目标,手动建立感兴趣区,裁剪研究区影像,减少数据范围及干扰信息。图2c为经过感兴趣区裁剪后的震后GF-2遥感影像图。

    倒塌建筑物和完好建筑物的纹理特征和结构不同:完好建筑物形状规则,房屋边缘纹理清晰;倒塌建筑物的形状和布局发生变化,影像中房屋建筑物破坏截面粗糙、破碎,形状不规则,房屋边缘模糊等。通过提取纹理信息可自动提取建筑物,通过震前、震后建筑物信息对比分析可识别研究区的倒塌建筑物。

    灰度共生矩阵法是较为流行的纹理分析方法,也是建筑物检测的最有效方法之一。灰度共生矩阵可以展现像素值在空间的相对位置。通过多种方法对灰度共生矩阵加权计算,可以得到一系列特征统计量来表征区域纹理。Haralick (1979)提出了14种特征统计量,常用的有均值、方差、同质性、对比度、非相似性、熵、角二阶矩、相关性等。

    灰度共生矩阵算法能较好地提取建筑物的空间分布信息,但提取结果存在建筑物边缘不平滑、小斑块噪声以及建筑物顶面有孔洞等问题。采用数学形态学方法进行数据处理(王光霞,杨培,2000翟辉琴,王明孝,2005欧阳平,张玉方,2009李金香等,2016),可以得到完整的建筑物顶面信息。

    数学形态学基本公式如下:

    当二值形态腐蚀时,

    $ {{A}}\Theta {{B }} {\text{=}} \{ {{x}}:{{B}} {\text{+}} {{x}} \subset {{A}}\} {\text{;}} $

    (1)

    当二值形态膨胀时,

    $ {{A}} \oplus {{B}} {\text{=}} {[{{{A}}^{\rm{c}}}\Theta \left( { - {{B}}} \right)]^{{c}}} {\text{;}} $

    (2)

    当二值形态开运算时,

    $ {{A}} \circ {B} {\text{=}} \left( {{{A}}\Theta {{B}}} \right) \oplus {{B}} {\text{;}} $

    (3)

    当二值形态闭运算时,

    $ {{A}} \bullet {{B}} {\text{=}} \left( {{{A}} \oplus {{B}}} \right)\Theta {{B}} {\text{,}} $

    (4)

    This page contains the following errors:

    error on line 1 at column 1: Start tag expected, '<' not found

    Below is a rendering of the page up to the first error.

    为了更好地说明本文方法中建筑物震害信息提取的效果, 应用上述方法提取研究区建筑物震害信息后,同时使用基于像元级和基于目标级信息提取方法提取建筑物震害信息,并对不同方法所得计算结果进行比较。

    采用灰度共生矩阵法对新疆塔县地震极灾区震前、震后遥感影像进行纹理分析,计算了8种特征图像,结果如图3所示。通过对比,采用干扰信息少的对比度特征来提取建筑物纹理信息。

    图  3  建筑物纹理特征图像
    (a) 均值;(b) 方差;(c) 同质性;(d) 对比度;(e) 非相似性;(f) 熵;(g) 角二阶矩;(h) 相关性
    Figure  3.  Texture feature of buildings
    (a) Mean;(b) Variance;(c) Homogeneity;(d) Contrast;(e) Dissimilarity;(f) Entropy; (g) Angular second moment;(h) Correlation

    灰度共生矩阵方法中的尺度、方向及步长所采用的数值不同,计算结果不同,本文采用45°方向、步长为1的参数进行运算。合适的滑动窗口尺度能够更好地展现建筑物信息,本文选取3×3,5×5,7×7,9×9,11×11,13×13窗口尺度进行计算,图4为不同尺度的纹理特征影像。因震前、震后影像的分辨率不同,建筑物纹理特征存在差异,故而对震前、震后影像进行计算时,在参数适用性上也有差异,本文对于震前GF-1影像采用9×9窗口、45°单一方向、步长为1的对比度纹理特征影像进行建筑物信息提取,对于震后GF-2影像采用7×7窗口、45°单一方向、步长为1的对比度纹理特征影像进行建筑物信息提取。

    图  4  不同尺度的对比度特征图
    Figure  4.  Contrast feature images with different scales
    (a) 3×3;(b) 5×5;(c) 7×7;(d) 9×9;(e) 11×11;(f) 13×13;

    其次对提取的特征图像进行二值化,确定建筑物的空间分布。因震前、震后影像的拍摄时间不同,传感器也不同,故提取的特征图像中建筑物取值分布不同,采用密度分割法对特征图像进行密度分割,找到震前、震后影像中建筑物分布的纹理特征值,进行二值化,值为1的像元为建筑物数据(图5ab)。

    图  5  通过密度分割 (a)、二值化 (b)、形态学运算 (c) 的建筑物信息提取
    Figure  5.  Building information extraction by density segmentation (a),binarization (b) and morphological operation (c)

    数学形态学方法是指通过基于二值化影像开展的膨胀、腐蚀、开、闭等运算,使建筑物边缘更加平滑。因震前、震后影像的分辨率不同,震前、震后建筑物的边缘纹理存在差异,故而在利用数学形态学方法进行数据处理时,震前、震后影像计算参数也不同(图5c)。通过逐步试验,找到最优参数进行建筑物空间分布信息提取。图6给出了本文所提取的研究区震前、震后影像建筑物的空间分布信息。

    图  6  塔县地震前(a)、后(b)的建筑物提取结果图
    Figure  6.  Extraction results of buildings before (a) and after (b) the Taxkorgan Tajik earthquake

    精度评价(余先川等,2012)是分析建筑物信息提取结果的精度,进而判断提取结果的优劣及是否可用。通过人工选取建筑物感兴趣区域作为地面样本,对建筑物信息提取结果进行精度评价,震前、震后建筑物震害信息提取总精度分别为86.74%和77.78%。震害信息提取总精度较高,研究区无漏提现象,然而存在误提区域,震前、震后影像误提的区域主要为植被区,因植被纹理与房屋建筑物纹理存在相似的区域被误提,同时形态学综合过程中对建筑物边界进行膨胀腐蚀,使得房屋边界有所扩张,扩张区域误提了道路及空地区域。总之,利用本文算法提取的建筑物具有较高的正确率,后续通过人工修正方法对误提区域进行修正,保证后续建筑物震害信息提取的精度要求。

    进而对震前、震后提取的建筑物进行变化检测分析,提取建筑物震害信息。因形态学方法在进行建筑物信息综合的过程中对建筑物的边界已经进行了膨胀、腐蚀等运算,本文提取的建筑物边界较实际有所偏移,故而震前、震后建筑物边缘的匹配度欠佳,因此本文仅提取全部倒塌建筑物及新增完好建筑物的信息。

    震害信息提取算法为:首先提取与震后建筑物提取结果有交集的震前建筑物的空间分布数据,即为震后未倒塌的建筑物;然后用震前建筑物的提取结果剔除震后未倒塌的建筑物,即为倒塌建筑物的空间分布数据。同理,提取与震前建筑物提取结果有交集的震后建筑物的空间分布数据,用震后建筑物提取结果剔除交集,即为2015年后新建且在震后未倒塌的建筑物的空间分布数据。具体建筑物震害信息提取结果如图7所示。

    图  7  塔县地震后极灾区建筑物震害提取结果图
    (a) 未倒塌建筑物分布图;(b) 倒塌建筑物分布图;(c) 新建未倒塌建筑物分布图
    Figure  7.  Damage extraction map of buildings in the extreme disaster areas of Taxkorgan Tajik earthquake
    (a) Distribution of uncollapsed buildings;(b) Distribution of collapsed buildings; (c) Distribution of newly built uncollapsed buildings

    图7a中东南方较大区域斑块为村委会建筑,塔县地震后库孜滚村的未倒塌建筑物主要集中在村委会以北,尤其是安居富民房区域,房屋均未倒塌。安居富民房屋展现出较好的抗震性能。图7b中倒塌建筑物主要集中在村委会周围及村委会以南,该地区的房屋质量较差,抗震性能低,在地震中成片倒塌,此处为救援重点地区。在进行震前、震后建筑物信息变化检测中,2015年后新建建筑物被提取出来,由于经济水平的提高,该区域近年新建的建筑物质量较好,在地震中展现了较好的抗震性能。在新增建筑物中,位于安居富民房区域内的新增建筑物主要为抗震救灾帐篷搭设区。为更好地安置转移的地震受灾人员,使受灾人员集中便于管理,救灾帐篷搭设在安居富民房屋附近。

    为了更好地说明本文方法用于震害信息提取的效果,进行了多种方法的对比,选择的方法主要有基于像元级的分类方法和基于目标级的面向对象分析方法,并对不同方法的计算结果进行比较。

    像元级分类方法主要是利用地震现场信息及研究区的各类地物特征,结合影像识别地物影像特征及解译标志,并建立分类样本,采用支持向量机(support vector machine,缩写为SVM)方法对影像直接进行像元级信息提取。信息提取结果如图8a所示。

    图  8  支持向量机法(a)和面向对象方法(b)的建筑物震害信息提取结果图
    Figure  8.  Extraction result of seismic damage information of buildings by Support Vector Machine method (a) and by object-oriented methord (b)

    像元级信息提取是在建立精确地物解译标志及选择合适的信息提取方法的前提下,可以检测出倒塌建筑物的空间分布情况。由图8a可知,由本文方法提取的倒塌建筑物的空间分布情况与基于像元级方法(支持向量机法)提取的结果大致相同,然而基于像元级信息提取所获得的倒塌建筑物(图中红色区域)存在着大量的误检,同时分类结果存在椒盐效应。这是由于建筑物倒塌后占地面积较原始建筑物占地面积大,故而基于像元级信息提取方法提取的倒塌建筑物比本文方法提取结果的面积更大,且提取结果破碎。基于像元级信息提取方法是依据地物光谱信息分类提取的,同一地物光谱信息越集中,与其它地物光谱差别越大,提取效果越好,然而现实中多存在 “同物异谱” 和 “异物同谱” 现象,如倒塌建筑物区域与粗糙裸地的光谱接近,这使得基于像元级倒塌建筑物信息提取结果的误提信息较多,信息提取结果精度偏低。

    面向对象方法是一种基于目标的分类方法,该方法不再是基于像素尺度进行分类,而是通过多尺度分割将遥感影像分割为多个目标,综合考虑影像空间特征、光谱特征、纹理特征、几何特征等因素,得到较高精度的信息提取结果。

    面向对象方法分类的关键是多尺度影像分割技术。选择的分割尺度越小,越易出现误检现象,其原因在于,过小的分割尺度使得地物分割过于破碎,提取结果破碎且效果不佳。相反,选择的分割尺度太大,易出现漏检现象,即建筑物震害信息未被准确提取。其原因是分割尺度太大会使多种地物分割到一起,小斑块的地物容易被分割到周边大斑块地物中,使得建筑物震害信息无法准确地被提取出来。本研究经过反复试验,找到合适的分割尺度进行影像多尺度分割,进而进行面向对象信息提取,结果如图8b所示。

    目标级建筑物震害信息提取虽然有效地避免了椒盐效应,所提取的信息相对连续,但仍存在其它地物被错误识别为震害建筑物的问题。这是由于在多尺度分割过程中,倒塌建筑物出现过多的碎块,使得倒塌建筑物本身的形状特征不能很好地参与到分类过程中,导致最终分类结果中有部分植被、农田和裸地被混淆。

    为定量分析试验结果,对本文方法、像元级、目标级信息提取方法分别进行精度评价。本文结合现场调查信息和地震现场无人机影像以及震前google影像,进行无人机影像目视解译,将其作为精度评估样本。无人机影像覆盖区域、目视解译结果与本文提取结果的对比如图9所示,主要覆盖震后完好建筑物分布区域和倒塌建筑物连片分布区域,精度指标采用的总体精度和Kappa系数列于表1

    表  1  不同提取方法分类精度的比较
    Table  1.  Comparison of classification accuracy with different extraction method
    分类方法总体精度Kappa系数
    本文方法90.45%0.87
    支持向量机法84.67%0.78
    面向对象分析法85.22%0.79
    下载: 导出CSV 
    | 显示表格
    图  9  无人机影像区域提取结果对比图
    (a) 无人机影像覆盖区域;(b) 安居富民房航拍区对比结果图;(c) 村委会附近航拍区对比结果图
    Figure  9.  Contrast Map of UAV Image Region
    (a) UAV images coverage area;(b) Comparison of aerial photography area of the rural housing project in Xinjiang;(c) Comparison of aerial photography area near village committee

    表1不难发现,相较单一的像元级和目标级信息提取方法,本文方法的总体精度分别提高了5.78%和5.23%,其中:像元级信息提取方法中,倒塌建筑物主要将农田、裸地误提进来,误提率为7.75%和4.22%;目标级信息提取方法中,倒塌建筑物主要将裸地、农田和植被误提进来,误提率为5.31%,5.05%和2.84%;本文方法提取的建筑物震害信息是基于震前、震后建筑物提取结果对比分析的基础上所获,提取的倒塌建筑物主要为2015年9月后消失的建筑物,但由于在建筑物震害信息提取中未考虑人为因素,存在误提现象。今后尚需结合像元级和目标级震害信息提取方法进行误提部分剔除,进一步提高信息提取精度。

    本文结合纹理和形态学特征方法进行了基于国内高分遥感影像的建筑物震害信息提取研究,提取了2017年5月11日新疆塔县MS5.5地震极灾区库孜滚村在地震前后真实的建筑物空间分布数据,通过变化检测分析,获取了研究区倒塌建筑物空间分布信息,并结合其它方法进行了信息提取结果精度的对比。本文结果表明:结合纹理和形态学特征的方法能较好地提取高分遥感影像中的建筑物信息,本方法对基于国产高分影像进行建筑物震害信息提取具有较高的正确率和鲁棒性;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%;对比单一的像元级和目标级信息提取方法,本文方法的总体精度分别提高了5.78%和5.23%。

    本文仍存在一些不足,如本文仅提取了完全倒塌的建筑物,对于部分倒塌及未倒塌但严重破坏的建筑物并未涉及,今后应对不同震害类型进行更加细致的影像特征分析,建立更加丰富的建筑物震害特征库及专家知识库,便于探求新的模型方法,进行多类型震害信息识别,提高震害识别精度。本文建筑物信息提取的总体精度较高,但仍存在误差和噪声,对震害信息检测产生影响。为保证震害信息提取精度,结合人工修正方法效果会更佳。对于不同的震例,震害表现多有不同,不同地区的地物特征多有不同,今后需多加实践检验,根据地物特征及建筑物震害特点进行针对性的信息提取方法设计。

    总的来看,结合纹理和形态学特征方法可用于提取高分遥感影像中的建筑物震害信息,在震害严重、救灾任务紧急的情况下,借助国产高分遥感卫星采集极灾区高分遥感影像,通过自动提取方法可以快速获取灾区倒塌建筑物的空间分布情况,为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。

  • 图  1   青藏高原东北缘主要活动断裂及M≥4.0地震分布图

    Figure  1.   Map of main active faults and M≥4.0 earthquakes distribution in northeastern Tibetan Plateau

    图  2   青藏高原东北缘1880—2020年M≥5.0地震的M-t

    Figure  2.   M-t map of the M≥5.0 earthquakes from 1880 to 2020 in northeastern Tibetan Plateau

    图  3   震级平均超出量分布函数图

    Figure  3.   Diagram of mean excess function of magnitude

    图  4   修饰的尺度参数(a)和形状参数(b)估计值随震级阈值选取的变化

    Figure  4.   Variation diagram of estimators for modified scale parameter (a) and shape parameter (b) according to the magnitude threshold

    图  5   广义帕累托分布拟合诊断图

    (a) 概率图;(b) 分位数图;(c) 重现水平图;(d) 概率密度图

    Figure  5.   Diagnostic plots of the generalized Pareto distribution fitted to magnitude

    (a) Probability plot;(b) Quantile plot;(c) Return level plot;(d) Probability density plot

    图  6   地震危险性估计结果对地震目录起始时间ts和震级阈值u的主效应指标Si直方图

    横轴数字代表的含义下同

    Figure  6.   Histogram of the first-order effect Si of seismic hazard estimation on earthquake catalogue start time ts and magnitude threshold u

    The meanings of the number represent are the same below

    图  8   地震危险性估计结果对地震目录起始时间ts和震级阈值u的主效应指标和交互效应指标直方图

    Figure  8.   Histogram of the first-order effect and interactions on earthquake catalogue start time ts and magnitude threshold u

    图  7   地震危险性估计结果对地震目录起始时间ts和震级阈值u的全效应指标$S^{\rm{T}}_i$直方图

    Figure  7.   Histogram of the total effect $S^{\rm{T}}_i$ of seismic hazard estimation on earthquake catalogue start time ts and magnitude threshold u

    表  1   不同震级地震的余震时间窗(Gardner,Knopoff,1974

    Table  1   Aftershock time windows of different magnitudes(Gardner,Knopoff,1974

    主震震级持续天数/d主震震级持续天数/d
    M4.0 42M6.5790
    M4.583M7.0915
    M5.0155M7.5960
    M5.5290M8.0985
    M6.0510M8.5985
    下载: 导出CSV

    表  2   青藏高原东北缘地震危险性估计

    Table  2   Seismic hazard estimation for northeastern Tibetan Plateau

    重现期/aM置信度95%的置信区间
    207.40 [ 7.10,7.69 ]
    507.80 [ 7.49,8.11 ]
    1008.03 [ 7.69,8.37 ]
    2008.22 [ 7.84,8.59 ]
    5008.41 [ 7.97,8.84 ]
    8.95 [ 8.03,9.87 ]
    下载: 导出CSV

    表  3   地震危险性估计结果对地震目录起始时间ts和震级阈值u的主效应指标Si和全效应指标$S^{\rm{T}}_i$

    Table  3   Total and the first-order effects of the seismic hazard estimation on earthquake catalogue initial time ts and magnitude threshold u

    重现期/a参数M置信度95%的置信区间下端点置信度95%的置信区间上端点
    Si$S^{\rm{T}}_i$Si$S^{\rm{T}}_i$Si$S^{\rm{T}}_i$
    20 u 0.742 4 0.937 8 0.779 1 0.968 4 0.681 3 0.880 5
    ts 0.059 5 0.184 0 0.030 2 0.158 9 0.112 5 0.229 4
    50 u 0.749 5 0.868 0 0.740 6 0.982 8 0.402 3 0.797 9
    ts 0.117 8 0.178 2 0.015 3 0.182 4 0.138 9 0.502 4
    100 u 0.374 1 0.678 8 0.709 5 0.987 7 0.570 5 0.964 7
    ts 0.228 6 0.522 3 0.008 8 0.204 5 0.011 8 0.329 7
    200 u 0.487 6 0.936 6 0.685 8 0.988 9 0.600 7 0.978 9
    ts 0.024 9 0.405 1 0.005 6 0.223 1 0.004 3 0.300 2
    500 u 0.568 6 0.975 0 0.661 6 0.987 6 0.609 4 0.982 2
    ts 0.004 8 0.329 7 0.004 0 0.244 3 0.003 3 0.292 1
    u 0.460 0 0.958 8 0.345 0 0.929 2 0.386 0 0.940 2
    ts 0.015 2 0.473 8 0.029 5 0.623 5 0.024 2 0.573 0
    下载: 导出CSV
  • 顾功叙. 1983. 中国地震目录: 公元前1831—公元1969年[M]. 北京: 科学出版社: 773–791.

    Gu G X. 1983. Catalogue of Earthquakes in China: 1831BC-1969AD[M]. Beijing: Science Press: 773–791 (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: 496–499.

    Department of Earthquake Damage Prevention, State Seismological Bureau. 1995. Catalogue of Historical Strong Earthquakes in China[M]. Beijing: Seismological Press: 496–499 (in Chinese).

    洪明理,任鲁川,霍振香. 2014. 基于E-FAST法分析海啸波高对潜在海啸源参数的敏感性[J]. 地震学报,36(2):252–260.

    Hong M L,Ren L C,Huo Z X. 2014. Sensitivity analysis on maximum tsunami wave heights to the potential tsunami source parameters based on extended FAST method[J]. Acta Seismologica Sinica,36(2):252–260 (in Chinese).

    胡聿贤, 鹿林. 1990. 地震活动性估计的不确定性[G]//地震危险性分析中的综合概率法. 北京: 地震出版社: 176–177.

    Hu Y X, Lu L. 1990. Uncertainty in seismicity estimation[G]//Synthetic Probability Method in Seismic Hazard Analysis. Beijing: Seismological Press: 176–177 (in Chinese).

    胡聿贤. 1999. 地震安全性评价技术教程[M]. 北京: 地震出版社: 227–228.

    Hu Y X. 1999. Seismic Safety Evaluation Technology Tutorial[M]. Beijing: Seismological Press: 227–228 (in Chinese).

    黄玮琼,李文香,曹学锋. 1994. 中国大陆地震资料完整性研究之二:分区地震资料基本完整的起始年分布图象[J]. 地震学报,16(4):423–432.

    Huang W Q,Li W X,Cao X F. 1994. Study on the integrity of seismic data in Mainland China Ⅱ:The initial year distribution images of the complete data on each seismic zone[J]. Acta Seismologica Sinica,16(4):423–432 (in Chinese).

    蒋溥, 戴丽思. 1993. 工程地震学概论[M]. 北京: 地震出版社: 110.

    Jiang P, Dai L S. 1993. Introduction to Engineering Seismology[M]. Beijing: Seismological Press: 110 (in Chinese).

    刘杰,陈棋福,陈顒. 1996. 华北地区地震目录完全性分析[J]. 地震,16(1):59–67.

    Liu J,Chen Q F,Chen Y. 1996. Completeness analysis of the seismic catalog in North China region[J]. Earthquake,16(1):59–67 (in Chinese).

    潘华,李金臣. 2016. 新一代地震区划图的地震活动性模型[J]. 城市与减灾,(3):28–33. doi: 10.3969/j.issn.1671-0495.2016.03.008

    Pan H,Li J C. 2016. A seismicity model for a new generation of seismic zoning maps[J]. City and Disaster Reduction,(3):28–33 (in Chinese).

    钱小仕,王福昌,盛书中. 2013a. 基于广义帕累托分布的地震震级分布尾部特征分析[J]. 地震学报,35(3):341–350.

    Qian X S,Wang F C,Sheng S Z. 2013a. Characterization of tail distribution of earthquake magnitudes via generalized Pareto distribution[J]. Acta Seismologica Sinica,35(3):341–350 (in Chinese).

    钱小仕,蔡晓光,任晴晴. 2013b. 中国大陆活动地块边界带强震震级分布特征研究[J]. 地震工程与工程振动,33(1):212–220.

    Qian X S,Cai X G,Ren Q Q. 2013b. Characteristics of the great earthquake magnitude distributions for active tectonic boundaries in Chinese mainland[J]. Earthquake Engineering and Engineering Vibration,33(1):212–220 (in Chinese).

    任梦依. 2018. 龙门山地区的地震活动性广义帕累托模型构建[J]. 地震研究,41(2):226–232. doi: 10.3969/j.issn.1000-0666.2018.02.010

    Ren M Y. 2018. The establishment of generalized Pareto distribution model of seismicity in Longmenshan region[J]. Journal of Seismological Research,41(2):226–232 (in Chinese).

    任雪梅,高孟潭,俞言祥. 2012a. 基于MGR模型修正我国大陆中强以上地震的震级-频度关系和确定震级极限值[J]. 地震学报,34(3):331–338.

    Ren X M,Gao M T,Yu Y X. 2012a. Modification of magnitude-frequency relation and magnitude limit determination based on MGR model for moderate-strong earthquakes in Chinese mainland[J]. Acta Seismologica Sinica,34(3):331–338 (in Chinese).

    任雪梅,高孟潭,张纳莉. 2012b. 基于MGR模型的我国大陆地区各地震带1970年以来震级·频度关系和震级上限[J]. 中国地震,28(3):320–327.

    Ren X M,Gao M T,Zhang N L. 2012b. Magnitude-frequency relation and magnitude limit of seismic zones based on the MGR model in Chinese mainland since 1970[J]. Earthquake Research in China,28(3):320–327 (in Chinese).

    史道济. 2006. 实用极值统计方法[M]. 天津: 天津科学技术出版社: 28–32.

    Shi D J. 2006. Practical Extremum Statistical Methods[M]. Tianjin: Tianjin Science and Technology Press: 28–32 (in Chinese).

    宋明丹,冯浩,李正鹏,高建恩. 2014. 基于Morris和EFAST的CERES-Wheat模型敏感性分析[J]. 农业机械学报,45(10):124–131. doi: 10.6041/j.issn.1000-1298.2014.10.020

    Song M D,Feng H,Li Z P,Gao J E. 2014. Global sensitivity analyses of DSSAT-CERES-Wheat model using Morris and EFAST methods[J]. Transactions of the Chinese Society for Agricultural Machinery,45(10):124–131 (in Chinese).

    田建伟,刘哲,任鲁川. 2017. 基于广义帕累托分布的马尼拉海沟俯冲带地震危险性估计[J]. 地震,37(1):158–165.

    Tian J W,Liu Z,Ren L C. 2017. Seismic hazard estimation of the Manila trench subduction zone based on generalized Pareto distribution[J]. Earthquake,37(1):158–165 (in Chinese).

    王健,高孟潭. 1996. 地震危险性分析中的参数敏感性研究[J]. 地震学报,18(4):489–493.

    Wang J,Gao M T. 1996. Study on parameter sensitivity in seismic hazard analysis[J]. Acta Seismologica Sinica,18(4):489–493 (in Chinese).

    徐化超. 2018. 青藏高原东北缘地区主要活动断裂带的运动学研究[D]. 北京: 中国地震局地震预测研究所: 15–41.

    Xu H C. 2008. Kinematics Study of Main Active Fault Zones in the Northeastern Qinghai-Tibet Plateau[D]. Beijing: Institute of Earthquake Forecasting, China Earthquake Administration: 15–41 (in Chinese).

    徐伟进. 2012. 地震危险性分析中地震时空统计分布模型研究[D]. 北京: 中国地震局地球物理研究所: 4–5.

    Xu W J. 2012. Study on Space-Time Statistical Distribution Models of Earthquakes in Seismic Hazard Analysis[D]. Beijing: Institute of Earthquake Forecasting, China Earthquake Administration: 4–5 (in Chinese).

    Coles S. 2001. An Introduction to Statistical Modeling of Extreme Values[M]. London: Springer-Verlag: 74–91.

    Cramer C H,Petersen M D,Reichle M S. 1996. A Monte Carlo approach in estimating uncertainty for a seismic hazard assessment of Los Angeles,Ventura,and Orange counties,California[J]. Bull Seismol Soc Am,86(6):1681–1691. doi: 10.1785/BSSA0860061681

    Cukier R I,Fortuin C M,Shuler K E. 1973. Study of the sensitivity of coupled reaction systems to uncertainties in rate coefficients I:Theory[J]. J Chem Phys,59(8):3873–3878. doi: 10.1063/1.1680571

    Cukier R I,Levine H B,Shuler K E. 1978. Nonlinear sensitivity analysis of multiparameter model systems[J]. J Comput Phys,26(1):1–42. doi: 10.1016/0021-9991(78)90097-9

    Dutfoy A. 2019. Estimation of tail distribution of the annual maximum earthquake magnitude using extreme value theory[J]. Pure Appl Geophys,176(2):527–540. doi: 10.1007/s00024-018-2029-0

    Fisher R A,Tippett L H C. 1928. Limiting forms of the frequency distribution of the largest or smallest member of a sample[J]. Math Proc Camb Philos Soc,24(2):180–190. doi: 10.1017/S0305004100015681

    Gan W J,Zhang P Z,Shen Z K,Niu Z J,Wang M,Wan Y G,Zhou D M,Cheng J. 2007. Present-day crustal motion within the Tibetan Plateau inferred from GPS measurements[J]. J Geophys Res:Solid Earth,112(B8):B08416.

    Gardner J K, Knopoff L. 1974. Is the sequence of earthquakes in southern California, with aftershocks removed, Poissonian?[J] Bull Seismol Soc Am, 64(5): 1363-1367.

    Knopoff L,Gardner J K. 1972. Higher seismic activity during local night on the raw worldwide earthquake catalogue[J]. Geophys J Int,28(3):311–313. doi: 10.1111/j.1365-246X.1972.tb06133.x

    Lawrence Livermore National Laboratory (LLNL). 1989. Seismic hazard characterization of 69 nuclear plant sites East of the Rocky Mountains: Methodology, input data and comparisons to previous results for ten test site[J]. NUREG/CR-5250-V1.

    Li Y H,Wang X C,Zhang R Q,Wu Q J,Ding Z F. 2017. Crustal structure across the NE Tibetan Plateau and Ordos block from the joint inversion of receiver functions and Rayleigh-wave dispersions[J]. Tectonophysics,705:33–41. doi: 10.1016/j.tecto.2017.03.020

    McGuire R K,Shedlock K M. 1981. Statistical uncertainties in seismic hazard evaluations in the United States[J]. Bull Seismol Soc Am,71(4):1287–1308.

    McGuire R K. 1987. Seismic hazard uncertainty and its effects on design earthquake ground motions[C]//Proceeding of International Seminar on Seismic Zonation. Guangzhou: State Seismological Bureau: 351–359.

    Petersen M D, Frankel A D, Harmsen S C, Mueller C S, Haller K M, Wheeler R L, Wesson R L, Zeng Y H, Boyd O S, Perkins D M, Luco N, Field E H, Wills C J, Rukstales K S. 2008. Documentation for the 2008 Update of the United States National Seismic Hazard Maps[R]. Reston, Virginia: U.S. Geological Survey: 1–60.

    Pisarenko V F,Sornette D. 2003. Characterization of the frequency of extreme earthquake events by the generalized Pareto distribution[J]. Pure Appl Geophys,160(12):2343–2364. doi: 10.1007/s00024-003-2397-x

    Pisarenko V F,Sornette A,Sornette D,Rodkin M V. 2014. Characterization of the tail of the distribution of earthquake magnitudes by combining the GEV and GPD descriptions of extreme value theory[J]. Pure Appl Geophys,171(8):1599–1624. doi: 10.1007/s00024-014-0882-z

    Saltelli A,Tarantola S,Chan K P S. 1999. A quantitative model-independent method for global sensitivity analysis of model output[J]. Technometrics,41(1):39–56. doi: 10.1080/00401706.1999.10485594

    Sobol I M. 1993. Sensitivity estimates for nonlinear mathematical models[J]. Math Model Comput Exp,1(4):407–414.

    Taylor M,Yin A. 2009. Active structures of the Himalayan-Tibetan orogen and their relationships to earthquake distribution,contemporary strain field,and Cenozoic volcanism[J]. Geosphere,5(3):199–214. doi: 10.1130/GES00217.1

    Yin A,Harrison T M. 2000. Geologic evolution of the Himalayan-Tibetan orogen[J]. Annu Rev Earth Planet Sci,28:211–280. doi: 10.1146/annurev.earth.28.1.211

  • 期刊类型引用(1)

    1. 陈宝魁,王博为,王东升. 海底强震观测记录与地震动特性研究进展. 世界地震工程. 2023(01): 200-208 . 百度学术

    其他类型引用(5)

图(8)  /  表(3)
计量
  • 文章访问数:  252
  • HTML全文浏览量:  123
  • PDF下载量:  72
  • 被引次数: 6
出版历程
  • 收稿日期:  2021-06-20
  • 修回日期:  2022-02-17
  • 网络出版日期:  2022-10-20
  • 发布日期:  2022-12-12

目录

/

返回文章
返回