Research on Regional Stacking of Broadband Seismic Records at Hongshan Station in Hebei Province
-
摘要: 可靠的震相走时是地震预警技术中精确测定震源位置和发震时刻的基础，本文运用STA/LTA震相识别技术，针对单台（河北红山台）2009—2021年共计12年积累的地震记录进行叠加计算，得到了红山台记录到的区域地震各震相走时曲线。结果显示，震中距0°～50°范围内红山台共成像7种震相的走时曲线，分别为P、S、PP、SS、PcS、ScS以及R面波震相，且随着组合参数变化，叠加成像的震相种类、震中距范围、清晰度均有所不同。此外，通过绘制各震相走时曲线发现，震中距0°～15°范围内，P波、S波及R波走时曲线基本呈线性变化，震中距0°～15°范围内计算得到红山台区域地震P波传播速度为7.5 km/s左右，S波传播速度为4.2 km/s左右，R波传播速度为3.5 km/s左右，介于P波和S波之间存在一个震相的走时痕迹，波速为5.4 km/s左右。本工作对于提升红山台震中距≤1000 km的地震预警定位精度有指导意义。Abstract: Reliable seismic phase travel time plays a fundamental role in the accurate determination of source position and occurrence time in earthquake early warning technology. In this paper, the STA/LTA phase identification technology is used for the first time to stack the seismic records accumulated by a single station (Hebei Hongshan station) for 12 years from 2009 to 2021, and the travel time curves of each seismic phase recorded by Hongshan station are imaged. The results show that the travel time curves of seven known seismic phases in Hongshan station are P, S, PP, SS, PcS, ScS, and R surface wave phases in the range of 0° to 50° epicenter distance. With the change of combination parameters, the types of seismic phases, epicentral distance range, and definition of superimposed imaging are different. In addition, by drawing the travel time curves of each seismic phase, it is found that the travel time curves of P wave, S wave, and R wave basically change linearly within the epicenter distance of 0° to 15°. Within the epicenter distance of 0° to15°, it is calculated that the seismic P-wave propagation velocity in Hongshantai area is about 7.5 km/s, S-wave propagation velocity is about 4.2 km/s and R-wave propagation velocity is about 3.5 km/s. There is a trace of seismic phase travel time between P wave and S wave, and the wave propagation velocity is about 5.4 km/s.
-
Key words:
- Seismic phase /
- Superposition /
- STA / LTA /
- Seismic record
-
引言
地震属于突发公共事件中的自然灾害，震后需投入大量应急救援物资。应急救援物资按应急过程中物资优先级来看，第一类是生命救助物资，在应急过程中，生命救助永远是第一个步骤，应急救援物资应在第一时间到达应急现场（霍达等，2010）。特别是震后灾民散失家园，衣、食、住等民生方面的物资是最急需的，本文以地震应急救援中用于保障人民基本生活的民生物资为对象进行研究。
应急救援物资配置与灾区物资需求是供与求的关系，二者匹配性决定了地震灾害救援效率（唐林霞，2015）。以往地震应急实践中，难免存在地震应急救援物资供需不合理的情况，2008年5月12日汶川地震灾害应急处置中，处置前期地震应急救援物资供应明显不足。2013年4月20日芦山地震灾害应急处置中，前期大量的应急救援物资配置到灾区，造成了物资过剩。一般而言，造成地震应急救援物资配置不均衡的主要原因，一方面是对于灾区所需应急救援物资需求量的估算不够准确，导致物资供求不准确；另一方面是在应急救援物资分配上缺少有效的决策支持（张民，2015）。由于对地震灾害形势的判断误差，难免造成应急不足和响应过度的情况。特别是在地震应急前期，由于物资储备、运输、需求评估等原因，易造成供不应求，给地震应急救援带来被动局面。在地震应急后期，大量物资配置到灾区，易供过于求，造成物资浪费。因此，构建地震应急救援物资需求模型对震后科学决策应急救援物资具有现实意义。
国内外众多学者对地震应急救援物资进行了研究，大致可分为物资储备与管理研究、物资分类研究、物资分配研究、物资需求研究、全过程机理研究。其中，物资需求研究分为动态预测研究与静态模型研究。动态预测研究是准实时的需求预测研究，具有一定时效性，李丽丽等（2013）进行了基于新陈代谢GM（1，1）的大规模地震应急救援物资需求预测研究；张磊（2018）进行了面向地震灾情时序变化的应急救援物资需求动态预测研究。静态模型研究中，聂高众等（2001）以震后各种灾情要素为变量，提出了定量化快速确定地震灾区可能的救援物资需求的一系列模型关系式；彭岷等（2010）分析了大型地震灾害发生后的救援物资需求量快速估算方法，计算了食品、瓶装水、棉被、帐篷等关键救援物资需求数量；刘舒悦等（2016）进行了基于信息实时更新的黑箱期与灰箱期应急救援物资调配模型研究。动态预测研究的优点是实时性较强，可根据灾情形势发展预测物资需求；静态模型研究的优点是可根据灾情要素快速计算某类或某几类物资需求数量。云南震例较多，部分震例物资投入记录较详实，基于此，通过大样本数据统计分析，采用数值拟合方法对物资需求与灾情要素的关系进行回归，构建物资需求与地震灾情要素函数关系模型。
1. 震后应急救援物资需求分析
1.1 震后应急救援物资需求
应急救援物资品种繁多，对应急救援物资进行科学分类是提高应急救援物资保障能力、科学应对突发事件的重要因素（张永领，2012）。2020年，实行了《应急物资分类及编码》（GB/T 38565—2020）（国家市场监督管理总局等，2020），为应急救援物资分类和储备做出了规定。由于地震救援具有特殊性，本文对云南2007年以来有地震应急救援物资投入记录的25次地震灾害评估报告进行统计，梳理出与地震应急救援密切相关的31种民生保障物资，如表1所示。按照分类标准进行归类，地震应急救援民生保障物资主要涉及2个大类、9个中类、14个小类。
表 1 地震应急救援民生保障物资种类表Table 1. Classification of the supplies for earthquake emergency and rescue大类 中类 小类 物资名称 基本生活保障物资 粮食 大米 大米 食用油 食用油 食用油 加工食品 方便食品 方便面、饼干、面包糕点、其他食品 饮料 饮料、矿泉水、瓶装水 纺织产品 服装类 衣服 床上用织物制品 被子、睡袋、床垫、床上用品、棉垫、毛巾被、毛毯 救灾帐篷 救灾帐篷 帐篷 其他材质帐篷 活动板房、遮阳篷 日用品 简易床 折叠床 雨具 雨衣、彩条布、油毛毡 桌椅 折叠桌凳 简易厕所 简易厕所 移动厕所 应急装备及配套物资 医疗及防疫设备及常用应急药品 常用应急药品 药品、应急包 应急照明设备及用品 手持式照明设备 应急灯、电筒、蜡烛 对各物资在地震投入中出现的频次进行统计，结果如图1所示，可知，在地震应急救援民生保障物资投入中，帐篷、被子、衣服、彩条布、折叠床投入次数较多，为10次以上；大米（面）、食用油、床垫、床上用品、方便面、矿泉水、雨衣、活动板房、饼干、毛毯投入次数次之，为2～10次；其余物资的投入次数均为1次，这些物资在地震中特别是中小地震中投入较少，视地震现场和地域特点投入。投入次数较多的物资为衣物住宿类物资，主要满足灾区群众衣和住的需要，且此类物资在灾区很难自给，需外界补给；其次为粮油食品类物资，主要满足灾区群众食的需要，此类物资在地震较小、灾情较轻的情况下可自救互救，通过抢救物资的形式从自家房中搬出食用，也可居民之间相互接济。因此，在地震应急救援中，基本生活保障物资中的衣物住宿类和粮油食品类是需求最迫切、最关键的物资。
图 1 地震应急救援物资统计频次图Figure 1. A histogram of frequencies of kinds of relief supplies allocated to disaster areas in Yunnan1.2 震后应急救援物资最低需求标准
2007年6月3日宁洱6.4级地震应急处置中，云南省委省政府采取措施确保灾区群众最低生活要求，对所有重灾户做到有“七个一”，即一顶帐篷、一袋米、一桶油、一箱水、一床被子、一支电筒、一包蜡烛。2014年8月3日鲁甸6.5级地震应急处置中，云南省委省政府在救灾中采取“八包八保”的应急处置措施，即包物资发放、保基本生活，包环境卫生、保疫情防控，包临时住所、保过渡安置，包监测防范、保群众安全，包情绪疏导、保思想稳定，包矛盾化解、保社会和谐，包项目建设、保恢复重建，包纪律监督、保工作规范，以推进抗震救灾各项工作的顺利开展，该措施在当年景谷6.6级地震应急处置中进行了推广应用。确保震后第一时间灾区基本生存生活条件是应急救援的首要任务之一。根据马斯洛需求理论，人第一层次的需求是生理需求，即呼吸、水、食物、睡眠、生理平衡、分泌，如果这些需求任意一项无法满足，人的生命就会受到威胁。震后灾区生产生活秩序被打乱，正常生存所需的衣、食、住等物资严重匮乏。参考聂高众等（2001）关于80余种最少地震应急救援物资需求的简单关系式、李磊（2006）关于地震应急救援现场需求分析及物资保障的研究，以及《城市公共厕所设计标准》（CJJ 14—2016）（中华人民共和国住房和城乡建设部，2016）关于公共厕所的设置标准，结合人们普通生活的实际需求，制定震后应急救援基本民生保障物资最低需求标准（表2）。
表 2 地震应急救援基本民生保障物资最低需求标准Table 2. Minimal requirements for relief supplies for earthquake emergency and rescue物资名称 所需数量 物资类别 马斯洛需求 清洁饮水 2 kg/人/d 粮油食品 水 大米（面） 1 kg/人/d 粮油食品 食物 食用油 0.2 kg/人/d 粮油食品 食物 蔬菜 2 kg/人/d 粮油食品 食物 肉蛋类 0.5 kg/人/d 粮油食品 食物 衣服 1套/人 衣物住宿 睡眠/生理平衡 鞋子 1双/人 衣物住宿 生理平衡 被子 1套/人 衣物住宿 睡眠/生理平衡 帐篷 0.25顶/人 衣物住宿 睡眠/生理平衡 移动厕所 0.02个/人 衣物住宿 分泌 2. 震后民生保障物资需求模型
2.1 数据统计与处理
自1992年4月23日中缅交界6.7级、6.9级地震开始，云南地区遵循地震行业和国家相关标准规定的原则、方法、工作程序及技术，开展了地震灾害损失评估工作（云南省地震灾害损失评定委员会等，2012），编写了灾评报告，各灾害数据较详实。笔者查阅了历年灾害损失评估报告，自2007年宁洱6.4级地震后，报告中逐渐统计了应急救援物资投入数据。为研究震后应急救援民生保障物资与地震灾害要素的关系，对2007年以来的云南地震灾害和救灾投入数据进行了统计（表3）。由于投入的物资较多，名称较杂，为研究方便，笔者对统计数据进行了处理，衣服、大衣、棉衣按衣服进行统计，被子、棉被、毛巾被、毛毯按被子统计，活动板房按12 m2/个折算计入帐篷个数，遮阳篷个数计入帐篷个数，方便面按一箱（件）12桶统计，每3桶（每人1 d的食用量）相当于1 kg大米（面）折算计入大米（面）的数据，食用油投入单位为t，按照4.7 kg/桶（5 L）折算统计，床垫按床上用品统计。
表 3 地震灾情要素和救灾投入数据Table 3. Parameters of earthquake disasters in Yunnan and related relief input日期 地震名称 灾情要素 救灾投入 震级 人员
受伤/人失去住所
人数/人灾区面积/
km2受灾人口/
人严重以上房屋
破坏面积/m2大米
（面）/t食用
油/桶衣服/
套被子/
床帐篷/
顶彩条
布/件折叠
床/张床上
用品/套2007-06-03 宁洱6.4级 6.4 419 61780 3890 403128 1511397 1990.30 72777 132000 67036 75383 9960 — — 2008-08-21 盈江5.9级 5.9 51 99480 4511 355395 1067183 — — — 22800 13090 — — — 2009-07-09 姚安6.0级 6.0 372 149990 6958 214339 849580 — — 7000 22580 10220 2500 — — 2009-11-02 宾川5.0级 5.0 31 17677 945 110736 109501 — — 3000 2000 1500 500 — — 2010-02-25 禄丰—元谋5.1级 5.1 35 31687 1563 164521 132440 — — 2 000 4000 2 000 — — — 2011-03-10 盈江5.8级 5.8 314 123729 4190 353435 1350555 94.63 10915 1603 6850 8999 649 — — 2011-06-20 腾冲5.2级 5.2 6 9419 1165 162720 52192 — — 200 400 405 — — — 2011-08-09 腾冲5.2级 5.2 6 6026 1361 184612 61005 — — — 600 488 — — — 2012-06-24 宁蒗—盐源5.7级 5.7 394 21325 1365 60286 202123 — — 5000 5000 4000 1300 — — 2012-09-07 彝良5.7级 5.7 832 176800 3118 715713 1624163 — — 13054 13000 13730 4828 5000 4700 2013-03-03 洱源5.5级 5.5 30 22494 2081 141588 112372 20.00 450 12000 10370 3120 — — — 2013-04-17 洱源—漾濞5.0级 5.0 14 10681 2388 167468 161919 — — 2400 1200 4200 — — — 2013-08-31 香格里拉—
得荣5.9级5.9 49 19988 6071 114051 76476 — — 10000 10000 7429 1500 7260 7000 2014-04-05 永善5.3级 5.3 32 18237 490 134285 39154 — — — — 1000 96 — — 2014-05-30 盈江6.1级 6.1 60 36589 3150 274419 186431 — — — 9000 5700 1750 5000 2000 2014-08-03 鲁甸6.5级 6.5 3143 287809 10350 1800507 4378081 — — 108797 94500 55113 12000 20000 10000 2014-08-17 永善5.0级 5.0 20 4234 350 113998 30404 23.10 300 9450 4220 10568 650 — — 2014-10-07 景谷6.6级 6.6 331 78394 11930 575633 396066 — — 21000 11000 17000 11300 10000 — 2014-12-06 景谷5.9级 5.9 22 16366 11930 575633 561172 — — — 5028 2838 600 — — 2015-03-01 沧源5.5级 5.5 50 17437 2130 150827 134878 40.80 — 404 7000 3100 2592 2000 — 2015-10-30 昌宁5.1级 5.1 0 4877 910 56773 16312 30.00 — 5500 1100 612 800 600 — 2016-05-18 云龙5.0级 5.0 2 3548 790 34590 5723 — — 6030 4400 355 500 2000 — 2017-03-27 漾濞5.1级 5.1 1 4920 810 47211 8887 1.16 80 1700 1500 500 430 1000 1000 2018-08-13 通海5.0级 5.0 31 11409 650 387158 51830 — — — 6000 2553 1200 3600 6600 2018-09-08 墨江5.9级 5.9 28 15731 5180 351643 142784 — — 2000 3000 2810 2950 2000 2000 2.2 模型构建
在地震应急处置实践中，应急救援物资需求量与震级成正相关关系，通过地震应急处置经验的积累，应对和处置地震灾害措施不仅应考虑震级，还需充分掌握不同区域人员分布情况和房屋建筑情况（张彦琪等，2017），在物资调配处置中也是如此。物资数量与地震震级、人口密度、灾区面积、人员伤亡、失去住所人数等灾害要素均存在一定关系，因此，建立物资数量W与各地震灾情要素x的函数关系模型W=f（x）。物资需求受多种灾害要素影响，笔者尝试建立多因子模型，但多因子模型计算结果不太理想，为解决地震发生后物资需求计算的可操作性，假定物资数量受一种主要因子控制，建立单因子模型。采用数值拟合方法，选择线性、幂函数、指数模型分别对表3数据进行单因子拟合，共拟合出336组数学关系式，然后选取拟合优度较大、曲线走势符合客观认知规律的8组关系式作为震后应急救援民生保障物资模型，如式（1）～式（8）所示，并绘制物资需求数量-灾情要素拟合曲线（图2）。
图 2 物资需求数量-灾情要素拟合曲线图Figure 2. Fitted curves showing the relation between the requirements and the parameters of earthquake disasters震级-大米（面）：
$$ {W}_{1}=6.206\times {10}^{-9}{{\rm{e}}}^{4.035{x}_{1}}({R}^{2}=0.630\;7) $$ (1) 震级-食用油：
$$ {W}_{2}=4.642\times {10}^{-10}{{\rm{e}}}^{5.111{x}_{1}}({R}^{2}=0.995\;7) $$ (2) 受灾人口-衣服：
$$ {W}_{3}=3.855\times {10}^{-8}{{x}_{5}}^{2}-1.202\times {10}^{-2}{x}_{5}+5\;541({R}^{2}=0.969\;7) $$ (3) 失去住所人数-被子：
$$ {W}_{4}=-2.685\times {10}^{4}{{\rm{e}}}^{1.117\times {10}^{-5}{x}_{3}}+3.012\times {10}^{4}{{\rm{e}}}^{1.123\times {10}^{-5}{x}_{3}}({R}^{2}=0.935\;0) $$ (4) 失去住所人数-帐篷：
$$ {W}_{5}=-1.204\times {10}^{4}{{\rm{e}}}^{1.011\times {10}^{-5}{x}_{3}}+1.492\times {10}^{4}{{\rm{e}}}^{1.013\times {10}^{-5}{x}_{3}}({R}^{2}=0.901\;5) $$ (5) 震级-彩条布：
$$ {W}_{6}=3.243\times {10}^{-2}{{\rm{e}}}^{2.374{x}_{1}}-3.04\times {10}^{-2}{{\rm{e}}}^{2.374{x}_{1}}({R}^{2}=0.861\;6) $$ (6) 受灾人口-折叠床：
$$ {W}_{7}=5.86\times {10}^{-15}{{x}_{5}}^{3}-1.208\times {10}^{-8}{{x}_{5}}^{2}+1.309\times {10}^{-2}{x}_{5}+1\;393({R}^{2}=0.831\;2) $$ (7) 灾区面积-床上用品：
$$ {W}_{8}=3.347\times {10}^{3}{{\rm{e}}}^{6.337\times {10}^{-6}{x}_{4}}+84.01{{\rm{e}}}^{4.209\times {10}^{-4}{x}_{4}}({R}^{2}=0.529\;2) $$ (8) 式中，W1～W8分别为因变量大米（面）、食用油、衣服、被子、帐篷、彩条布、折叠床、床上用品数量，x1，x3，x4，x5分别为自变量震级、失去住所人数，灾区面积、受灾人口。
2.3 模型分析
由式（1）～式（8）可知，大米（面）、食用油、彩条布与震级相关性较高，衣服、折叠床与受灾人口相关性较高，被子、帐篷与失去住所人数相关性较高，这与日常生活中的认知较吻合。震级-大米（面）、震级-食用油、失去住所人数-被子、失去住所人数-帐篷、震级-彩条布、灾区面积-床上用品成指数关系，受灾人口-衣服、受灾人口-折叠床成多项式关系。由图2可知，不同物资需求与震级、失去住所人数、受灾人口等成不同相关性，且统计数学模型不同，有线性、指数型的差异。这与物资使用周期不同有关，如帐篷、衣物在地震应急期为全周期使用；对于食物消耗，震级越大每人的投放天数越长、数量越大。各物资需求数量与灾情要素的严重程度成正相关关系，且曲线随着灾情要素严重程度的增加呈越来越陡的趋势，这说明随着震级的增加，灾情形势越来越严峻，灾害程度呈急剧变化的趋势，所需物资需求数量成倍增加。
3. 模型验证
3.1 计算过程
对表3中的25次地震进行计算，得到模型值和最低标准值。计算模型值时，物资需求量按式（1）～式（8）计算。计算最低标准值时，大米（面）需求量以失去住所人数为变量，参照表2最低需求标准和式（9）计算：
$$ {W}_{1}=\frac{{x}_{3} m d a}{1\;000}$$ (9) 式中，W1表示某次地震中的大米（面）最低标准需求量；x3表示失去住所人数；m表示每人每天最低需求的大米（面）质量；d表示震后紧急救助天数；a表示震后救助需求比例，震级为5.0～5.4级时，紧急救助天数按3 d计，a取50%，震级为5.5～5.9级时，紧急救助天数按5 d计，a取80%，震级为6.0～6.4级时，紧急救助天数按8 d计，a取100%，当震级为6.5级以上时，紧急救助天数按10 d计，a取110%。食用油需求量以失去住所人数为变量，参照表2最低需求标准和式（10）计算：
$$ {W}_{2}=\frac{{x}_{3} n d a}{4.7} $$ (10) 式中，W2表示某次地震中的食用油最低标准需求量；x3表示失去住所人数；n表示每人每天最低需求的食用油质量；d表示震后紧急救助天数；a表示震后救助需求比例，取值同大米（面）需求。衣服、被子、帐篷、彩条布、折叠床、床上用品按照失去住所人数等额计算，其中帐篷按4人/顶计算，彩条布按30人/件计算。
通过上述计算得到地震案例救灾物资需求模型值和标准值。为验证需求模型和最低需求标准的科学性，分别采用实际值与模型值及实际值与标准值的偏离值表征需求模型和最低需求标准的符合程度：
$$ {P}_{{\rm{m}}}=\frac{s-{w}_{i}}{{w}_{i}} $$ (11) $$ {P}_{{\rm{b}}}=\frac{s-{b}_{i}}{{b}_{i}} $$ (12) 式中，Pm为实际值与模型值的偏离值，Pb为实际值与标准值的偏离值，s为实际值，wi为物资需求模型值，bi为物资需求标准值。
3.2 结果分析
为研究方便，笔者对震例按震级大小排序，对实际值、模型值、标准值进行分析。根据各物资需求模型偏离值绘制物资实际值-模型偏离值柱状图（图3），根据最低需求标准偏离值绘制物资实际值-标准偏离值柱状图（图4）。
图 3 物资实际值-模型偏离值柱状图Figure 3. The deviation of the model requirements from the actual requirements
图 4 物资实际值-标准偏离值柱状图Figure 4. Deviation of the standard requirements from the actual requirements由图3可知，实际值围绕模型值上下波动，在119个模型偏离值中，有97个偏离值位于−1～1，占81.51%，说明物资需求模型较合理；12个偏离值位于1～2，占10.08%，说明部分地震灾情较严重，需较多的地震物资；10个偏离值大于2，占8.41%，最高偏离值为4.59，说明个别地震的某类物资需求量较大，但不排除某些物资过剩的情况。没有小于−1的偏离值，说明地震应急中，基本不存在物资调配严重不足的情况，同时说明政府进行地震应急救援物资调配时充分考虑了灾区物资需求。
由图3可知，实际值围绕需求标准值上下波动，在119个标准偏离值中，100个偏离值位于−1～1，占84.03%，说明最低需求标准是物资调配的重要参考；84个偏离值小于0，占70.59%，说明在地震应急处置中，大部分的实际值小于物资标准值，以目前的经济社会发展水平，物资调配无法完全满足地震现场应急救援物资需求，仍需考虑灾区救灾物资现有数量和震后保全率（聂高众等，2001）；5个偏离值位于1～2，占4.2%，说明部分地震灾情较严重，大于该类物资的平均标准；14个偏离值大于2，占11.76%，最高偏离值为4.63，说明个别地震的某类物资需求量较大，但不排除某些物资过剩的情况。没有小于−1的偏离值，说明地震应急中，基本不存在物资调配无法满足最低标准的情况，同时说明政府进行地震应急救援物资调配时对所遇困难的预测较全面。
4. 结论与讨论
4.1 结论
（1）震后政府调拨的应急救援物资主要为满足灾民衣、食、住的民生保障物资，且该类物资在救援初期显得极其重要。各物资需求量与地震灾害的严重程度成正相关关系，灾害越严重，物资需求有爆发式增长的趋势。
（2）主要的地震应急救援物资投入与灾情要素成一定函数关系，物资投入量围绕需求模型曲线和最低需求标准上下波动。物资调配决策时可将需求模型和最低需求标准作为参考。
（3）最低需求标准为理论需求标准，无论是实际投入还是模型需求，大部分小于最低需求标准，说明以现有经济社会发展水平，仍无法做到灾区居民家家有帐篷、人人有物资，应急救援物资储备、管理、流调等工作仍需完善。
（4）对于云南地区，同一级别的地震应急救援物资投入不同地区时有所差距，部分地区物资投入量与模型计算结果偏差较大，这与云南地震灾害的区域特征差异和个别地震的特殊性有关。物资投入决策时，需充分考虑地域特征、季节性、城乡居民比例等。
4.2 讨论
进行应急救援物资需求决策时，不能完全照搬模型计算结果，模型曲线只是根据物资投入拟合的物资需求均值表现形式，实际物资需求会围绕模型值上下波动；也不能完全按照最低需求标准进行物资配置，最低需求标准计算得出的应急需求数量较地震实际发生时各地可提供的救援数量大，特别是遇到大震巨灾的地震，灾害形势会成井喷式发展，物资需求量会急剧增加，可支配资源难以满足最低需求标准。因此，需以模型计算结果和最低需求标准为参考，结合专家对地震发生所在地人口分布、经济社会发展水平、防震减灾能力、历史震例等情况的经验判断，找到最佳平衡点进行决策。
由于目前可得到的地震应急救援物资投入资料有限，从统计学角度看，25次震例数据量太少。随着经济社会的发展，以往的地震救灾经验与新时代的救灾理念有所不同，加之过去的救援物资投入多凭借经验进行调配，震后缺乏有效的物资投入全过程评估，本研究提取的部分地震震例资料数据不太符合目前的实际情况,需根据经济社会发展进行改进，地震应急救援物资投入统计回溯和效能评估是加强应急救援物资管理工作的方向。
本文基于云南近几年物资配置经验构建模型，其适用范围为云南省域。已有研究表明（张彦琪等，2017；张方浩等，2020），云南地震灾害表现出一定区域差异特征，在今后的研究中，可根据样本的情况，充分考虑季节性、区域性、城乡差异等不同时空范围的物资需求研究。
-
图 1 区域主要地震空间分布图（2009—2021）
Figure 1. Spatial distribution of regional main earthquakes （2009—2021）
图 2 STA/LTA震相识别技术原理图
Figure 2. Schematic diagram of STA / LTA phase identification technology
图 3 距红山台0°～50°范围内各数据集地震波形数统计
Figure 3. Statistics of seismic waveform number of each data set in the range of 0° to 50° from Hongshan station
图 5 参数组合1叠加计算结果及IASP91模型理论走时曲线
Figure 5. Superposition calculation results of parameter combination 1 and theoretical travel time curves of IASP91 model
图 6 参数组合2叠加计算结果及IASP91模型理论走时曲线
Figure 6. Superposition calculation results of parameter combination 2 and theoretical travel time curves of IASP91 model
图 7 参数组合3叠加计算结果及IASP91模型理论走时曲线
Figure 7. Superposition calculation results of parameter combination 3 and theoretical travel time curves of IASP91 model
图 8 参数组合4叠加计算结果及IASP91模型理论走时曲线
Figure 8. Superposition calculation results of parameter combination 4 and theoretical travel time curves of IASP91 model
图 9 参数组合1叠加计算结果（0°～20°）
Figure 9. Superposition calculation results of parameter combination 1（0°～20°）
图 10 参数组合2叠加计算结果（0°～20°）
Figure 10. Superposition calculation results of parameter combination 2（0°～20°）
图 11 参数组合3叠加计算结果（0°～20°）
Figure 11. Superposition calculation results of parameter combination 3（0°～20°）
图 12 参数组合4叠加计算结果（0°～20°）
Figure 12. Superposition calculation results of parameter combination 4（0°～20°）
表 1 数据处理参数组合
Table 1. Data processing parameter combination
组合序号 滤波 STA/s LTA/s 1 高通0.5 Hz 1.0 9 2 高通0.167 Hz 2.0 20 3 低通0.1 Hz 3.0 30 4 低通0.033 Hz 4.5 45 
下载: 导出CSV
-
冯太林, 张学工, 李衍达等, 2001. 折射波地震记录叠加成像方法研究. 地球物理学报, 44（1）: 129—134Feng T. L. , Zhang X. G. , Li Y. D. , et al. , 2001. Research on methodology of stack imaging of refractive seismic recording. Chinese Journal of Geophysics, 44(1): 129—134. (in Chinese) 蒋振武, 吴律, 1995. 井间地震反射波叠加成像的DLCDP法. 石油地球物理勘探, 30（4）: 495—504Jiang Z. W. , Wu L. , 1995. DLCDP method for the stacking and imaging of crossborehole seismic reflection waves. Oil Geophysical Prospecting, 30(4): 495—504. (in Chinese) 李启成, 何书耕, 2019. 用振幅变化长短时均值比实现地震预警中P波自动拾取. 地震工程学报, 41（1）: 138—146Li Q. C. , He S. G. , 2019. Automatic picking up of P-wave first arrival in earthquake early warning using STA/LTA method. China Earthquake Engineering Journal, 41(1): 138—146. (in Chinese) 李希元, 胡望水, 张楠等, 2020. 连续子波反射叠加合成地震记录方法. 大庆石油地质与开发, 39（2）: 133—138Li X. Y. , Hu W. S. , Zhang N. , et al. , 2020. Synthetic seismic recording method by the continuous wavelet-reflection superposition. Petroleum Geology & Oilfield Development in Daqing, 39(2): 133—138. (in Chinese) 刘晓明, 赵君杰, 王运敏等, 2017. 基于改进的STA/LTA方法的微地震P波自动拾取技术. 东北大学学报（自然科学版）, 38（5）: 740—745Liu X. M. , Zhao J. J. , Wang Y. M. , et al. , 2017. Automatic picking of microseismic events P-wave arrivals based on improved method of STA/LTA. Journal of Northeastern University (Natural Science), 38(5): 740—745. (in Chinese) 芦俊, 王赟, 季玉新等, 2018. 多分量地震数据的成像技术. 地球物理学报, 61（8）: 3499—3514Lu J. , Wang Y. , Ji Y. X. , et al. , 2018. Imaging techniques of multi-component seismic data. Chinese Journal of Geophysics, 61(8): 3499—3514. (in Chinese) 乔红丽, 张常在, 2018. 云计算环境下震前震源异常次声波自动识别方法. 地震工程学报, 40（6）: 1331—1336Qiao H. L. , Zhang C. Z. , 2018. Automatic identification of anomalous infrasonic waves prior to earthquake in cloud computing environment. China Earthquake Engineering Journal, 40(6): 1331—1336. (in Chinese) 秦满忠, 沈旭章, 张元生等, 2014. 利用兰州小孔径地震台阵资料叠加观测走时曲线. 地震学报, 36（1）: 59—69Qin M. Z. , Shen X. Z. , Zhang Y. S. , et al. , 2014. Observed travel-time curves by stacking records from Lanzhou small aperture seismic array. Acta Seismologica Sinica, 36(1): 59—69. (in Chinese) 孙印, 潘素珍, 刘明军, 2018. 天然地震识别与震相自动拾取技术进展. 中国地震, 34（4）: 606—620Sun Y. , Pan S. Z. , Liu M. J. , 2018. Seismic phase identification associated with the automatic pickup technology and its application. Earthquake Research in China, 34(4): 606—620. (in Chinese) 岳玉波, 张建磊, 张超阳等, 2020. 基于时变数据映射的地震叠加成像方法. 石油地球物理勘探, 55（2）: 331—340Yue Y. B. , Zhang J. L. , Zhang C. Y. , et al. , 2020. Seismic data stacking based on time-varying mapping. Oil Geophysical Prospecting, 55(2): 331—340. (in Chinese) 赵哲, 2018. 基于STA/LTA法的地震波初至时间提取方法. 中国科技信息, （9）: 83—84. Astiz L. , Earle P. , Shearer P. , 1996. Global stacking of broadband seismograms. Seismological Research Letters, 67(4): 8—18. doi: 10.1785/gssrl.67.4.8 Earle P. S. , 1999. Polarization of the earth’s teleseismic wavefield. Geophysical Journal International, 139(1): 1—8. doi: 10.1046/j.1365-246X.1999.00908.x Okal E. A., Cansi Y., 1998. Detection of PKJKP at intermediate periods by progressive multi-channel correlation. Earth and Planetary Science Letters, 164(1—2): 23—30. Shearer P. M. , 1991. Imaging global body wave phases by stacking long-period seismograms. Journal of Geophysical Research: Solid Earth, 96(B12): 20353—20364. doi: 10.1029/91JB00421 Shearer P. M. , Rychert C. A. , Liu Q. Y. , 2011. On the visibility of the inner-core shear wave phase PKJKP at long periods. Geophysical Journal International, 185(3): 1379—1383. doi: 10.1111/j.1365-246X.2011.05011.x Stevenson P. R. , 1976. Microearthquakes at Flathead Lake, Montana: a study using automatic earthquake processing. Bulletin of the Seismological Society of America, 66(1): 61—80. doi: 10.1785/BSSA0660010061 Walck M. C. , Clayton R. W. , 1984. Analysis of upper mantle structure using wave field continuation of P waves. Bulletin of the Seismological Society of America, 74(5): 1703—1719. doi: 10.1785/BSSA0740051703 期刊类型引用(1)
1. 陈艳萍，曾小青，周建华. 突发事件下应急食品需求紧迫性分级研究. 武汉理工大学学报(信息与管理工程版). 2023(05): 661-667 . 
百度学术其他类型引用(4)
-
下载:
点击查看大图
计量
- 文章访问数: 112
- HTML全文浏览量: 52
- PDF下载量: 6
- 被引次数: 5
