引言

灾害是孕灾环境、致灾因子和承灾体脆弱性综合作用的结果（史培军, 2002, 1996），通过降低承灾体的脆弱性减少灾害损失是重要的防灾减灾措施，且承灾体脆弱性分析是灾害风险评估和灾害预测的核心内容。因此，脆弱性研究成为灾害科学的基础问题。脆弱性内涵如下：①对于脆弱性构成要素，灾害学通常认为脆弱性包括暴露度、易感性和适应能力（Inter American Development Bank（IDB），2011）；②对于承灾体固有属性，国际减灾战略认为承灾体脆弱性由社会、经济、物理和环境构成（International Strategy for Disaster Reduction，2004），构成要素由社会经济、物理环境等各种因素影响和决定。结合各类研究观点，总结脆弱性概念模型如图 1。本文主要讨论承灾体脆弱性物理维度，即物理脆弱性，从建筑结构安全角度评估承灾体在灾害作用下的承灾能力。物理脆弱性评估完成后可结合其他维度完成灾害脆弱性评估，为灾害风险评估服务，从而进一步为降低灾害风险、灾后恢复重建提供评估决策依据，推动防灾减灾工作的开展。

图 1  脆弱性概念模型

Figure 1.  Conceptual model of vulnerability

下载: 全尺寸图片 幻灯片

常用评估物理脆弱性的方法有破坏概率矩阵、脆弱性曲线、指标体系法等（Papathoma-Köhle等，2017），每种方法各有优缺点。破坏概率矩阵由不同等级强度的致灾因子和承灾体破坏比例构成（石先武等，2016），适用于多种灾害类型，但不适用于缺乏历史灾情数据的地区。脆弱性曲线考察灾害强度与建筑物损失程度或损伤概率之间的关系（周瑶等，2012），在评估建筑单体脆弱性方面最常用，但不能同时考虑影响脆弱性的多种因素，不能为降低脆弱性提供指导。指标体系法通过评估指标选取、指标赋权、模型构建得到评估结果，充分考虑了影响建筑物抗灾能力的结构特征，有利于识别影响建筑物脆弱性的主要因素，在区域尺度建筑群脆弱性评估中应用广泛，但在指标选取、权重赋值上存在主观性，因此，建立合理有效的评估体系是亟待解决的问题。

在基于指标体系法的物理脆弱性研究中，不少研究者从单一致灾因子出发，建立物理脆弱性评估体系。近年来巨灾频发，引发了多种次生灾害，如2008年汶川地震引发滑坡、泥石流，2013年“7·10”汶川暴雨引发山洪、泥石流等，给人类社会带来了巨大损失。因此，多灾种物理脆弱性评估逐渐成为灾害研究的热点。因灾害间存在触发、灾害链等复杂关系，进行脆弱性耦合效应分析并建立合理的耦合模型对评估结果准确性至关重要。另外，由于多灾种脆弱性评估涉及多致灾因子与多脆弱性问题，建立二者的联系，实现综合脆弱性评估是多灾种物理脆弱性研究的又一项挑战。

本文旨在对国内外房屋建筑物理脆弱性指标体系评估模型进行综述和研究，选取几种典型灾害，从指标选择、权重赋值、模型构建等方面对单灾种物理脆弱性评估体系进行梳理与分析，从多灾种指标体系、脆弱性耦合模型构建、综合脆弱性评估方法方面对多灾种物理脆弱性进行研究，并指出当前研究中存在的问题，以期为未来物理脆弱性研究提供借鉴和参考。

1.   指标法物理脆弱性评估

1.1   评估思想及对象

物理脆弱性由脆弱性概念衍生而来，尚未形成明确的概念内涵，参考Westgate（1978）、Maskrey（1989）对脆弱性的研究结果，本文认为物理脆弱性指承灾体在灾害作用下物理损毁的程度或可能性，国内研究中有时也用易损性表达（李莉等，2010）。物理脆弱性主要研究灾害发生的强度、频率、持续时间与承灾体损伤程度或可能性之间的关系（周扬等，2014）。

物理脆弱性评估涉及致灾因子和承灾体两方面，基于致灾因子可将评估对象分为单灾种、多灾种两类，承灾体主要包括房屋建筑和生命线工程等基础设施。本文主要研究房屋建筑承灾体在单灾种、多灾种作用下的物理脆弱性。

1.2   评估框架流程

指标法物理脆弱性评估通过选取影响建筑脆弱性的评估指标，确定属性分级和分值，构建评估指标体系，为各指标赋予权重，构建模型，计算得到物理脆弱性指数（Papathoma-Köhle，2016），脆弱性指数通常以无量纲的数值表示，一般为0—1，用于表征脆弱程度，划分脆弱性等级后得到脆弱性评估结果。根据以上分析，可归纳出指标法物理脆弱性评估的关键步骤如图 2。脆弱性评估结果对上述步骤具有很强的依赖性，步骤合理性对评估结果准确性至关重要。

图 2  指标法物理脆弱性评估框架

Figure 2.  The construction process of indicator system

下载: 全尺寸图片 幻灯片

（1）指标选取

评估指标选取是构建指标模型的基础，选取合适的指标才能正确反映和评估承灾体物理脆弱性。指标选取多从致灾因子影响承灾体的方式（Alwang等，2001）、承灾体抗灾特征和能力（Birkmann，2006）等方面考虑，并遵循科学性、代表性、独立性、系统性、可操作性和易于定量化等原则（刘希林等，2002）。指标选取方法多样，包括专家推荐法、数学分析法、反推法、信息量法等。

影响房屋建筑物理脆弱性的评估指标数量较多，综合文献研究成果可将评估指标大致分为建筑结构指标和建筑环境指标两类。建筑结构指标包括结构类型、建筑材料、房屋高度、建筑年代、保存状态、屋盖体系等，建筑环境指标包括周围植被、场地环境、建筑物到河流的距离等。不同灾害作用下，房屋建筑抗灾表现和特征不同，指标选取各有差异，但部分指标（如结构类型、建筑材料、楼层数、保存状态）在各类灾害指标选取中十分常见。

（2）权重赋值

对指标赋予权重指根据某指标影响脆弱性评估的重要程度将指标量化，以反映该指标在脆弱性评估系统中起到的作用。根据欧盟委员会发布的指标构建手册（Nardo等，2008），权重赋值方法主要有主成分分析法、因子分析法、数据包络分析法、预算分配法、层次分析法、专家打分法等。随着智能算法在各领域的不断应用，神经网络法逐渐应用到物理脆弱性评估研究中。文献中权重赋值方法构成如图 3，由图 3可知，最常用的方法为专家打分法、层次分析法，可见大多数研究具有一定的主观性。

图 3  文献中权重赋值方法的构成

Figure 3.  The proportion of different assignment methods

下载: 全尺寸图片 幻灯片

（3）模型构建

模型构建应根据指标体系、数据的不同特征及区域实际情况合理选择脆弱性评估模型，目前物理脆弱性评估应用模型主要包括加权求和模型、模糊综合评估模型、神经网络模型等。加权求和模型将各评估指标乘以各自加权比例再相加求和，是最简易且使用广泛的评估方法。模糊综合评估模型通过确定指标和权重，基于模糊数学隶属度理论，计算各因子对各评估指标的隶属度，分析结果向量，从而评估各子区域脆弱度等级并排序。加权求和模型和模糊综合评估模型均涉及权重赋值的主观性。神经网络模型能实时学习，聚类过程无须外界给出评估函数，消除了一定主观因素的影响，但这类算法需大量有效且充分的数据，目前多通过数值模拟完成数据库的搭建，补充完善基础数据库是实现模型优化的关键。

（4）物理脆弱性等级划分

为方便不同区域、灾种的物理脆弱性之间的比较，需建立统一的脆弱性分级标准。脆弱性等级往往与破坏状态等级对应，等级数量常为3—5个，等级划分方法有自然间断点分级法、专家经验法、等间隔划分法等（张学玲等，2018），等级描述由建筑物结构、非结构构件破坏程度，修复程度，稳定性等因素确定。目前脆弱性等级划分无统一标准（表 1），阈值认知不统一，导致不同研究之间的可比较性差，统一评估标准是保障结果有效性的关键。

表 1  脆弱性等级划分标准

Table 1.  Classification rule of vulnerability level

等级划分	脆弱性指数划分	涉及灾种	划分特点	来源
低、中、高	[0—0.33]、[0.34—0.66]、[0.67—1.00]	洪水	等间隔划分脆弱性指数，无脆弱等级描述	Yankson等（2017）
轻微破坏、中等破坏、大量破坏、完全毁坏	[0.1—0.3]、[0.4—0.6]、[0.7—0.8]、[0.9—1.0]	泥石流	按照破坏等级分配脆弱性指数，破坏等级与HAZUS地震方法中定义的破坏状态相似	Kang等（2016）
基本完好、轻微破坏、中等破坏、严重破坏、完全破坏	[0.1—0.2]、[0.2—0.4]、[0.4—0.6]、[0.6—0.8]、[0.8—1.0]	滑坡	等间隔划分脆弱性指数，根据专家调查确定破坏等级	guillard-gonalves等（2016）
极低、低、中、高、极高	[0—0.2]、[0.2—0.4]、[0.4—0.6]、[0.6—0.8]、[0.8—1.0]	多灾种	等间隔划分脆弱性指数，脆弱等级描述结合已有研究及专家意见	卢颖等（2017）

下载: 导出CSV 

| 显示表格

2.   单灾种物理脆弱性评估指标模型

有关灾害评估的研究多集中于风险评估，包括危险性评估和脆弱性评估，其中物理脆弱性评估研究并不广泛，多从单灾种入手，包括海啸、泥石流、滑坡、洪水、地震等。研究思路多为通过遥感、GIS或实地调查获取研究区域内灾害信息和建筑物特征信息，基于专家判断、文献综述等选取指标，采用各类数学方法构建脆弱性评估模型，最终得到建筑物理脆弱性评估结果。部分研究未根据实际灾害事件对模型进行验证，难以证明模型的有效性。国内物理脆弱性指标研究相对薄弱，没有成熟、普遍适用的指标方法。

2.1   海啸

早期指标体系法评估建筑物理脆弱性多应用于海啸灾害，奥地利学者Papathoma-Köhle等（2003）提出了海啸脆弱性模型（Papathoma Tsunami Vulnerability Assessment，PTVA），此模型根据影响建筑物承灾力的建筑特征选择脆弱性指标，通过线性加权为每栋建筑物建立相对脆弱性指数用以评估脆弱性，并在2004年印度洋海啸（Dominey-Howes等，2007）中得到验证。该模型已经历4次修订和更新，分别为PTVA-1（Papathoma-Köhle等，2003）、PTVA-2（Dominey-Howes等，2007）、PTVA-3（Dall'Osso等，2009）和PTVA-4（Dall'Osso等，2016），从指标选取、权重赋值、模型构建上进一步改进体系。PTVA模型已经历十余年的发展和应用，在物理脆弱性评估上相对成熟和完善，能为大部分研究区域海啸脆弱性评估提供直接指导和参考，包括意大利（Dall'Osso等，2010）、日本（Voulgaris等，2014）、葡萄牙（Santos等，2014）、智利（Izquierdo等，2018）等国家，需根据灾害类型和研究区域情况调整模型。已有研究者将其扩展应用于其他灾害的研究，如台风（辜智慧等，2015）、滑坡（Papathoma-Köhle等，2007）和多灾种（Kappes等，2012）。我国沿海地区常见的台风灾害可基于此模型选取合适的建筑及环境特征指标，构建区域建筑单体台风灾害脆弱性评估模型。

2.2   泥石流

泥石流物理脆弱性评估方法相关文献研究成果见表 2，本文从研究区域、指标体系、模型方法、评估特点等方面进行介绍和评述。

表 2  泥石流物理脆弱性评估方法

Table 2.  Assessment method of physical vulnerability of debris flow

作者	研究区域	指标体系	模型方法	评估特点
Jean-Claude等（2014）	秘鲁南部阿雷基帕46个城市街区的约1000座建筑物	建筑物类型、建筑物材料、楼层数、维护状态、屋顶类型、位置和角度、基岩类型、冲积阶地的存在、坡度	主成分分析法（PCA）	指标选择较详细，分析方法降低了主观性，消除评估指标间的相关性影响。模型还适用于其他城市泥石流脆弱性研究，可应用性较强
Papathoma-Köhle等（2003）	意大利南蒂罗尔马尔泰地区51座建筑物	建筑物材料、维护状态、楼层数、周围街道树木朝向	专家判断法	指标选择上较宽泛，分析方法人为色彩较浓，但将指标法与脆弱性曲线结合，对于改进物理脆弱性评估方法具有重要作用
Ding等（2012）	云南省昆明市东川区小江流域	结构类型、建设年代、楼层数、住房面积	SOM神经网络法	由于研究目的为风险评估，物理脆弱性评估因子选择较简单，缺乏对灾害作用下环境特征指标的综合考虑
庞金彪（2017）	岷江上游山区各县乡	建筑物功能、建筑物结构、建筑物材料、建筑物面积、建筑物到最近泥石流沟的距离	SOM神经网络法	选择了建筑物功能指标，但建筑物功能、建筑物材料、建筑物结构间存在相关性，其对脆弱性的影响还需进一步探讨。SOM模型在数据分类中主观干扰小，聚类结果合理

下载: 导出CSV 

| 显示表格

在评估区域上，指标模型多描述城市区县尺度的建筑物群脆弱性空间变化；在评估指标上，建筑物朝向、建筑物到泥石流沟的距离充分考虑了泥石流对建筑物的作用特点，具有一定科学性；在模型方法上，部分研究注重避免权重赋值的主观性，采用主成分分析法、SOM神经网络法等降低主观因素的干扰。遥感、GIS等技术可获取大部分指标数据，使以上模型具有较强的可借鉴性，可扩展用于我国其他地区泥石流物理脆弱性评估。

2.3   滑坡

滑坡物理脆弱性指标模型多考虑滑坡类型和大小，建立滑坡强度与脆弱性的定量关系。定量模型中，脆弱性被定义为滑坡强度与承灾体易感性或抵抗力的乘积，滑坡强度根据研究区滑坡历史数据定义为0—1间的某个值，按模型公式计算得到某强度下建筑物理脆弱性指数（表 3），这类模型突破了加权指标模型仅能表征相对大小的缺点，有利于进一步开展脆弱性定量评估。

表 3  滑坡物理脆弱性评估模型

Table 3.  Physical vulnerability assessment model of landslide

作者	模型类型	指标体系	脆弱性模型
Papathoma- Köhle等（2007）	定性模型	建筑物材料（a）、楼层数（b）、周围环境（c）、滑坡面是否开窗（d）、是否存在潜在滑坡危险（e）	$V = 5a + 4b + 3c + 2d + e$ 式中，$V$为物理脆弱性，$a-e$为各指标得分
Uzielli等（2008）	定量模型	结构类型${\xi _{{\rm{STY}}}}$、维护状态${\xi _{{\rm{SMN}}}}$	$ V=I·S$ $S = 1 - (1 - {\xi _{{\rm{STY}}}})(1 - {\xi _{{\rm{SMN}}}})$ 式中，V为物理脆弱性，I为滑坡强度，S为建筑物易感性，${\xi _{{\rm{STY}}}}$为结构类型指标得分，${\xi _{{\rm{SMN}}}}$为维护状态指标得分
Li等（2010）	定量模型	建筑物材料${\xi _{{\rm{SFD}}}}$、建筑物高度${\xi _{{\rm{STY}}}}$、建造年代${\xi _{{\rm{Smn}}}}$、基础深度${\xi _{{\rm{Sht}}}}$	$ V=f(I·R)$ $ R=\sqrt[4]{{\xi }_{\rm{SFD}}·{\xi }_{\rm{STY}}·{\xi }_{\rm{Smn}}·{\xi }_{\rm{Sht}}}$ 式中，V为物理脆弱性，I为滑坡强度，R为建筑物抵抗力；${\xi _{{\rm{SFD}}}}$、${\xi _{{\rm{STY}}}}$、${\xi _{{\rm{Smn}}}}$、${\xi _{{\rm{Sht}}}}$为各指标得分
Silva等（2014）	定量模型	结构类型CT、建筑物材料CM、楼屋面板材料FRS、楼层数NF、维护状态CS	$ PV=LM·(1-BR)$ $BR = 0.3CT + 0.3CM + 0.2FRS + 0.1NF + 0.1CS$ 式中，PV为物理脆弱性，LM为滑坡强度，BR为建筑物抵抗能力

下载: 导出CSV 

| 显示表格

在我国云贵川等地质灾害高发地区，滑坡、泥石流常引起交通阻断，构建脆弱性指标模型可明确建筑物受灾模式，从而优化路网设计，具有一定工程实用性，但目前我国滑坡物理脆弱性指标模型研究基本空白。不考虑强度的定性模型应用简便，但模型可靠性有待验证。定量模型在强度定义、定量标准、模型参数上具有较大的不确定性，应用时可将其视为初始建议，根据研究区域客观数据和专家判断进行进一步校准。

2.4   洪水

国外学者对洪水脆弱性评估开展了广泛研究，并提出洪水脆弱性指数（Flood Vulnerability Index，FVI）（Balica等，2010），即基于流域和城市区域尺度，从社会、经济、环境和物理方面分别计算脆弱性指数，洪水脆弱性指数为以上4项之和。洪水脆弱性评估模型见表 4，本文仅从物理脆弱性角度对模型进行介绍。

表 4  洪水物理脆弱性评估模型

Table 4.  Physical vulnerability assessment model of flood

作者	研究目标	指标体系	权重方法	评估特点
Fernandez等（2016）	社会、经济、环境、物理脆弱性	建筑物密度、楼层数、建造年代、结构类型	主成分分析法（PCA）	分析方法提高了指标选择和数量灵活性，但指标选取上略显粗糙
Müller等（2011）	社会、物理脆弱性	建筑物材料、建筑物位置、植被覆盖比例、排水设施	专家判断	进行了指标权重敏感性分析，结果表明指标对权重值的变化不敏感，指标选取具有合理性
Uwakwe（2015）	物理脆弱性	墙体材料、建筑物高度、楼层数、建造年代、保存状况	专家判断	指标权重赋值时对不同领域专家分值进行了综合，其中建筑物高度被认为是影响洪水脆弱性最重要的因素
Yankson等（2017）	物理、社会、环境脆弱性	房屋类型、房屋材料（地板、屋顶、外墙材料）、排水设施、建筑物位置（高程、坡度、到海岸线的距离）	专家判断	指标选取上用高程、坡度、海岸线距离作为量化评估因子，改善了定性评估的不确定性
Krellenberg等（2017）	社会、环境、物理脆弱性	建造质量、结构类型、是否有防护墙、屋顶类型、植被覆盖程度	专家判断	屋顶类型指标选取不合理，因其与洪水脆弱性的相关性较低。研究认为结构类型、植被覆盖程度是影响脆弱性的主要驱动因素
Romanescu等（2016）	物理、人口脆弱性	建筑物距河道的距离、水利工程存在与否、建筑物材料、建筑物质量、建筑物用途	专家判断	建筑物距河道的距离指标被赋予了更高的权重，作为影响脆弱性的主要原因

下载: 导出CSV 

| 显示表格

多数研究在指标选取和权重问题上均采用了专家判断，导致不同研究之间对指标选择和重要性赋值存在较大差异，如Uwakwe（2015）认为建筑物高度是影响洪水脆弱性的重要原因，而Romanescu等（2016）将建筑物距河道的距离赋予了更高权重。科学分析洪水脆弱性影响因素、明确洪水对建筑物的破坏机理、降低模型主观性是未来洪水脆弱性模型构建的重要内容。

2.5   地震

基于指标法的地震物理脆弱性（我国学者常称为易损性）常用于房屋建筑等承灾体的区域快速震害脆弱性评估。意大利学者基于专家判断，根据建筑物抗震特点，为砌体结构和钢筋混凝土结构建立不同的物理脆弱性评估指标体系，该方法在意大利地震脆弱性评估工作中得到了广泛应用和发展。多位学者（Formisano等，2017；Gent Franch等，2008；Ferreira等，2013）在此方法的基础上，基于各自研究目的对建筑物结构特征进行分析，讨论和重新定义了新的指标和标准，为适应不同建筑结构类型提出了新的指标体系。

在单体尺度上，我国学Uwakwe者潘毅等（2016）和季安康（2017）将建筑物分为地基、基础和上部结构等部分，分别选取场地条件、基础承载力、规则程度、构造措施等作为评估因子，得到模糊综合评估模型，并以实际震害建筑单体为例进行模型应用与验证。

在区域尺度上，刘珍等（2018）从房屋物理暴露度、房屋灾损敏感度及房屋应灾能力3个方面建立脆弱性评估体系，评估宝鸡市农村地区房屋脆弱性，其中暴露度用房屋数量和造价衡量，敏感度用房屋年代、结构类型和梁柱情况等衡量，应灾能力用房屋建设场地、抗震设防措施衡量。李琳等（2018）从人口、工程、经济及社会4个方面构建城市震害综合脆弱性评估指标体系，其中以建筑物层数、建筑年限、建筑物密度3个指标表征工程脆弱性，对四川省21个市、州进行了震害脆弱性评估。

地震物理脆弱性评估在指标选取上相比其他灾种更精细化，如平立面规则性、抗震措施等。这类指标直接影响建筑物抗震能力，但指标过于微观，当前我国震害数据库对此类指标的统计不足，在区域尺度上不易量化和获取。建立适用于区域尺度且能保证精度要求的建筑物理脆弱性模型对于逐步实现从单体到群体到区域的多尺度评估具有现实意义。

3.   多灾种物理脆弱性评估指标模型

在单灾种脆弱性评估的基础上，国内外学者逐渐探索多灾种评估问题。多灾种是一组有内在联系（耦合关系）的灾害，合理的多灾种脆弱性研究应考虑这种内在联系对脆弱性大小和性质的影响。多灾种物理脆弱性研究的核心内容是建立多灾种物理脆弱性指标体系、多灾种耦合物理脆弱性模型及实现多灾种综合物理脆弱性评估。

3.1   多灾种耦合关系

确定灾种间的耦合关系是进行多灾种脆弱性评估的前提。多灾种耦合关系指在复杂的系统活动中不同灾种之间相互作用、相互影响的现象（陈国华等，2019），包括发生时间、空间、影响范围、致灾效果等多方面（Zuccaro等，2018），导致多灾种之间及其对承灾体的影响可能是非线性的。国内学者认为多灾种包括灾害群、灾害链、灾害遭遇3种情形（史培军等，2014），而国外学者多用灾害链（Xu等，2014；Xu等，2012）、触发关系（Marzocchi等，2012；Gill等，2016）、耦合效应（Marzocchi等，2009）、级联效应（Gasparini等，2014）、多米诺效应（Perles Roselló等，2010）等术语表述多灾种关系，这些术语的内涵仍需进一步阐明，以更好地识别实际多灾种耦合关系。多灾种之间的相互作用关系复杂多样，本文主要研究触发关系、灾害链。

（1）触发关系指一种灾害触发另一种灾害，时间上间隔较短，空间上耦合，如地震触发滑坡（Xu等，2012）、暴雨触发滑坡（Chen等，2015）等。

（2）灾害链是由一种灾害引起的一系列灾害事件，这些灾害事件并不只是自然灾害，还包括事故灾难，这些灾害事件通过自然生态系统和社会经济系统相互作用形成一个网络（Dombrowsky，1995）。灾害之间的关系十分复杂，可能包含多层触发关系或耦合效应（卢颖等，2015），引发多条灾害链（哈斯等，2016），是多灾害评估中最难分析的关系类型。从触发关系入手，逐步实现灾害链脆弱性评估是形成多灾种耦合脆弱性科学研究方法的有效途径。

3.2   多灾种物理脆弱性指标体系

目前多灾种物理脆弱性研究较缺乏，从已有研究成果来看，多通过对现有单灾种评估指标进行汇总和筛选，集成各灾种指标特征，从而形成多灾种评估指标体系。

Kappes等（2012）基于PTVA模型思路，首次提出了多灾种物理脆弱性评估模型，研究了3种灾害（泥石流、洪水、滑坡）物理脆弱性。采用专家判断法为各单灾种分别构建指标体系，未进行汇总，仅比较各灾种脆弱性。

Godfrey等（2015）考虑了洪水、滑坡和泥石流下建筑物理脆弱性，建立适用于3类灾害的共17项指标，包括楼层数、建筑物规模、地基类型、建筑物养护情况、是否存在地下室、建筑物周围墙体、建筑物是否位于坡面等，采用20名专家打分进行指标赋值，此指标体系稍显复杂，且主观因素明显。

汇总各单灾种指标后，指标数量增加，为避免指标体系过于复杂，需进行指标筛选。指标筛选应实现定性与定量综合分析，对指标间的逻辑关系进行定性分析，对指标间的数量关系运用数学方法进行定量分析。另外，由于多灾种指标体系涉及多种灾害，建筑物各项特征指标以不同方式和不同程度呈现对各灾害的脆弱性，如开窗增加了泥石流的脆弱性，但对地震脆弱性的影响小的多。应在充分结合理论依据的前提下，应用各类赋值方法明确各项指标特征对不同灾种的相对贡献，完成指标赋值。

3.3   多灾种耦合物理脆弱性模型

建立脆弱性耦合模型即建立多灾种耦合关系对脆弱性影响的数学表征。一般而言，与单灾种相比，考虑耦合的物理脆弱性具有放大效应（Kappes等，2010），形成1+1 > 2的“强耦合”（薛晔等，2013），如地震发生后触发滑坡，遭到地震破坏的建筑结构相比原来的状态更易受到后续滑坡的影响，因此不能对脆弱性进行简单叠加。建立合理的脆弱性耦合模型对耦合关系进行准确反映是进行多灾种耦合脆弱性评估的难点。

目前，对物理脆弱性评估实现耦合的研究少之又少。我国学者卢颖等（2017）建立了基于触发关系的多灾种耦合物理脆弱性评估模型，研究了台风、暴雨、地震、滑坡4种灾害，考虑了台风伴随暴雨、地震触发滑坡、暴雨触发滑坡3种触发关系，对被触发事件进行了脆弱性指数、指标权重的修正，以反映耦合效应下的实际脆弱性，但文中未指明修正依据，且对每项指标的脆弱性进行逐一修正显得不够灵活，可变性差。基于灾害链的耦合物理脆弱性研究基本空白，未来应从多灾种与脆弱性间的相互作用机制入手，研究脆弱性放大效应，采用数学拟合得到脆弱性变化值，以反映真实的脆弱性结果。

3.4   多灾种综合物理脆弱性评估

实现多灾种综合物理脆弱性评估，是进行多灾种综合风险评估（明晓东等，2013）的重要环节。从单灾种脆弱性到多灾种脆弱性的综合方法选择是完成多灾种综合脆弱性评估的决定性步骤。

卢颖等（2017）采用加权叠加的综合方法，使用专家判断确定各灾种在研究区域内的权重，与单灾种脆弱性结果加权求和，获得多灾种综合脆弱性，但如何确定各灾害的重要性仍是需深入探讨的问题。除加权法外，本文认为风险评估中的等级矩阵法（葛全胜等，2008）或可进行多灾种脆弱性综合，但得到的结果可能不够精细。需指出的是，这2种综合方法均无概率意义，得到的是相对脆弱性结果。此外，由于多灾种耦合关系及对承灾体影响的复杂性，及灾种间的线性组合存在一定局限性，探索多灾种非线性综合物理脆弱性模型是未来的发展方向。

4.   结语

本文全面梳理和讨论了国内外关于单灾种、多灾种物理脆弱性指标体系评估模型的研究现状，鉴于承灾体物理脆弱性复杂性和多学科交叉特征，笔者认为目前制约建筑物理脆弱性指标模型评估效果的因素主要表现在以下方面：

（1）指标体系在指标选取和赋值上的理论依据不明确，应基于历史灾情、试验结果、数值模拟等数据进行定量分析，兼顾灾害与建筑物相互作用的力学机理，提高模型科学性。

（2）指标模型构建多为主观性明显的定性评估，可基于智能算法或结合其他定量方法优化脆弱性分析模型，提高模型准确性。

（3）多灾种耦合脆弱性模型常以触发关系描述耦合因素，触发规则灵活机动性弱。建议充分利用贝叶斯网络（罗军华等，2018）、系统动力学（刘爱华，2013）、复杂网络法（刘爱华等，2015）等领域新成果，逐步建立灾害链耦合脆弱性评估方法。

（4）多灾种综合脆弱性综合方法仅考虑了线性叠加，应加强非线性耦合关系下的综合方法研究，准确反映复杂灾害关系下的整体脆弱性水平。