学位论文 > 优秀研究生学位论文题录展示

以Google Earth为平台，基于GDP、人口与场地效应的全球大震损失评估模型

作　者: 李俊
导　师: 陈顒
学　校: 中国科学技术大学
专　业: 固体地球物理
关键词: 地震灾害 Google Earth 地震动场地效应 GDP分布人口分布全球大震损失模型
分类号: P315.9
类　型: 博士论文
年　份: 2009年
下　载: 475次
引　用: 3次
阅　读: 论文下载

内容摘要

随着人类文明的进步,世界财富的积累,人口城市化进程不断加快,全球经济持续发展,破坏性地震所造成的社会灾害损失随之越来越严重。科技的发展,技术的进步,也能让人们能在地震发生后比以往更快的速度到达灾区进行救援,及时有效地救援才能尽量减少社会财产的损失和挽救更多的生命。通常在大地震发生后,灾区的通信会中断,此时作为地震工作者和研究人员,如果我们尽快的估计灾区的震情分布、地震破坏性的分布(烈度)、以及损失分布情况,就能为救援人员提供信息参考和决策依据。本论文主要研究以Google Earth为展示平台,考虑场地放大效应对地震动的影响与修正,并利用GDP等宏观经济指标作为震害评估的全球大震损失评估模型。主要从下几个方面展开研究:1.Internet的高速发展,使得Web-GIS逐步替代了传统的GIS系统,而“数字地球”概念的提出则更丰富和促进Web-GIS的发展。Google Earth的迅速崛起,并慢慢的渗透进人们的日常生活。基于XML语法的KML脚本语言和丰富的Web-API接口以及高分辨率的地理和地形构造信息方便了科研工作人员的使用,丰富的各类社会信息图层、高分辨率的卫星影像、人性化简单易操作的友好界面使得Google Earth成为了一个向大众展示和传播信息的优秀平台,也成为一个更客观方便的决策平台。2.地震动参数的分布是进行震害和损失估计的基础。如何在地震后快速给出灾区的地表运动情况,并跟据得到的地震动进行地震损失的估计是本文的重点研究内容。影响地震动的参数很多,本章着重研究快速地震动的计算及场地效应对地震动的影响分布,并根据地震动分布和Vs30分布对地震动进行场地效应的校正。本文根据David Wald等人提出的方法,利用地形倾斜度求浅层剪切波Vs30的分布,进而根据地震动参数和数值求得场地放大因子。3.陈颙院士等提出了利用GDP等宏观经济指标进行震害预测的方法,为进行地震的社会灾害损失评估提供了可行的途径。传统的地震灾害损失研究通常采用分类清单方法,即通过对研究区内建筑设施建立分类数据库,并收集详尽的资料进行分析。但面对现代社会的迅速发展,严峻的社会灾害损失所要求的地震快速应急响应和救灾决策,传统的方法在收集并及时更新资料方面都存在着明显的局限性。本文在进一步论证此方法可行性的基础上,继承了此思路和方法作损失的评估。本文以简单的震源参数和地震动记录为输入条件,建立模型,在GoogleEarth平台中输出地震动参数的分布和以GDP为指标的地震损失分布结果。根据此模型,我们以2008年M8.0级汶川地震和2007年的M8.0级秘鲁地震作为实际应用的例子,检验此模型的可行性及分析存在的问题。

全文目录

摘要  5-7
Abstract  7-9
目录  9-12
第1章绪论  12-30
  1.1 引言  12-13
  1.2 主要研究思路  13-15
  1.3 相关研究背景介绍  15-29
    1.3.1 全球大震情况  15-19
    1.3.2 全球人口城市化  19-22
    1.3.3 数字地球和Google Earth的发展  22-25
    1.3.4 场地效应对地震动的影响  25-28
    1.3.5 基于GDP和人口的损失估计  28-29
  1.4 研究目的和意义  29
  1.5 研究内容  29-30
第2章新生代GIS平台Google Earth  30-63
  2.1 引言  30-31
  2.2 GIS震害评估研究现状  31-33
  2.3 WebGIS的发展及应用  33-39
  2.4 数字地球  39-43
    2.4.1 数字地球概念  39-40
    2.4.2 数字地球所需要的技术  40-41
    2.4.3 数字地球的应用  41-43
  2.5 新生代GIS平台Google Earth  43-61
    2.5.1 Google Earth的背景  44-45
    2.5.2 Google Earth的优势  45-48
    2.5.3 Google Earth在各领域的应用  48-52
    2.5.4 KML语言介绍与特点  52-54
    2.5.5 KML的基本应用  54-61
  2.6 小结  61-63
第3章地震动及场地效应分布  63-121
  3.1 引言  63
  3.2 快速地震动-ShakeMap  63-83
    3.2.1 引言  64
    3.2.2 ShakeMap运行机制  64-67
    3.2.3 ShakeMap的运行环境  67-68
    3.2.4 ShakeMap能提供的地震动参数  68-80
    3.2.5 ShakeMap前景与讨论  80-82
    3.2.6 小结  82-83
  3.3 地震动的场地效应校正  83-105
    3.3.1 场地效应的重要性  86-88
    3.3.2 场地效应的研究现状  88-89
    3.3.3 全球强震观测台网现状  89-94
    3.3.4 Nakemura方法计算场地效应  94-105
  3.4 基于地形倾斜度的场地效应校正  105-117
    3.4.1 概述  105-106
    3.4.2 数据  106
    3.4.3 方法  106-107
    3.4.4 计算地形倾斜度分布和V_s~(30)分布  107
    3.4.5 场地效应校正因子  107-110
    3.4.6 应用及与实测的场地条件对比  110-117
  3.5 汶川地震中的场地效应  117-119
  3.6 本章小结  119-121
第4章基于GDP与人口的损失评估  121-139
  4.1 引言  121
  4.2 背景  121-123
  4.3 地震损失研究概述  123-124
  4.4 地震灾害损失预测的发展与现状  124-127
  4.5 用宏观经济指标作为社会财富的度量  127-132
  4.6 GDP损失率与地震烈度的关系  132-135
  4.7 小结  135-139
第5章实际震例的应用  139-162
  5.1 引言  139-142
  5.2 2008年汶川Ms8.0地震  142-152
    5.2.1 引言  142-143
    5.2.2 破裂模型和强震数据  143-145
    5.2.3 地震动与烈度分布  145-149
    5.2.4 与实际烈度分布图的比较  149-150
    5.2.5 受影响的人口和GDP损失分布  150-152
  5.3 2007年秘鲁M8.0级地震  152-160
    5.3.1 秘鲁地震背景  152-154
    5.3.2 秘鲁地震地震动分布  154-159
    5.3.3 秘鲁地震损失分布  159-160
  5.4 小结  160-162
第6章总结与展望  162-165
  6.1 结论  162-163
  6.2 展望  163-165
参考文献  165-175
致谢  175

以Google Earth为平台，基于GDP、人口与场地效应的全球大震损失评估模型

内容摘要

全文目录

相似论文