基于GIS与局部场地参数及历史地震活动性的地震灾害模式识别研究

针对印度-恒河平原(IGP)地震灾害放大效应问题，研究人员结合VS30、断层距离等场地参数与历史震害数据，采用随机森林(RF)等机器学习模型(最高精度87%)构建了北比哈尔地区地震灾害图谱，为区域抗震规划提供了科学依据。

　　

印度-恒河平原(IGP)作为全球最大的冲积平原，长期承受喜马拉雅造山带的地震威胁。1934年8.4级、2015年7.8级等历史强震在该区域引发严重灾害，特别是松软冲积层对地震波的放大效应使得灾情雪上加霜。传统概率地震危险性评估(PSHA)往往忽略局部场地参数的动态影响，导致灾害预测存在偏差。为此，研究人员开展了一项融合地理信息系统(GIS)与机器学习(ML)的创新研究，通过解译场地特异性参数与历史震害的关联规律，构建了更精准的地震灾害预测模型。

研究团队采用多源数据融合策略：从USGS获取剪切波速(VS₃₀)，BHUKOSH提取岩性和断层数据，NBSS提供土壤质地信息。通过Logistic回归、决策树等四种ML模型分析152个历史震害点的场地参数特征，其中随机森林(RF)表现最优。研究特别关注1934-2015年间重复出现高烈度的区域，建立场地放大效应与地质参数的定量关系。

【研究结果】

1. 模型精度验证：随机森林以87%的准确率显著优于其他模型(决策树77%，KNN67%)，其精确度达0.91，能有效捕捉非线性关系。

2. 灾害空间分异：结果显示高风险区(图中红区)集中分布于：(1)沉积厚度3500-6000m的北部盆地，如Gandak河流域；(2)恒河沿岸未固结冲积层带，特别是Munger至Patna段；(3)西帕特纳断层(WPF)与东帕特纳断层(EPF)沿线，这两条断层曾触发1934和1988年强震。

3. 关键参数影响：VS₃₀值180-300m/s的低速区放大效应显著；冲积平原液化风险与土壤质地(Sandy Loam)呈强相关；距断层5km内区域灾害概率提升40%。

【结论与意义】
该研究首次系统量化了北比哈尔地区场地效应对地震灾害的调制作用。提出的RF预测模型整合了静态地质参数与动态震害数据，其生成的灾害图谱可指导：(1)核电站等重大工程选址规避高放大地段；(2)城市更新中优先加固恒河漫滩区建筑；(3)应急管理部门制定分区响应策略。未来引入PGA等动态参数后，模型可升级为事件型灾害预警系统。论文发表于《Revue Internationale de Geomatique》，为发展中国家冲积平原区抗震研究提供了范式。