基于综合遥感（Remote Sensing）与地理信息系统（GIS）技术的印度比哈尔邦及尼泊尔东部地震潜在区域评估

《Results in Engineering》：Assessment of Earthquake Potential Zones in Bihar, India, and Eastern Nepal Using Integrated Remote Sensing and GIS Techniques

　　

本文旨在评估印度比哈尔邦及尼泊尔东部的地震潜在性。近两个世纪以来，该区域经历了多次破坏性地震，包括1934年比哈尔-尼泊尔地震（M_W8.0）、1988年乌代布尔地震（M_W6.8）、2011年锡金地震（M_W6.9）和2015年廓尔喀地震（M_W7.8），分别造成约10500、1400、114和9000人遇难。高人口密度、不当的城市规划及劣质建筑使该区域对地震高度脆弱，亟需识别潜在地震区。现有地震危险性图版主要基于衰减关系和统计方法编制，缺乏仪器记录的地面震动数据，且在区域尺度上难以显示小区划差异。为此，研究人员采用综合遥感与地理信息系统技术，结合航天飞机雷达地形测绘任务（SRTM）高程数据、EIGEN-6C4重力数据及地震构造数据，计算研究区的地震潜在指数（Earthquake Potential Index, EPI）。研究采用基于知识驱动的统计技术——层次分析法（Analytical Hierarchy Process, AHP）进行数值分级，确立各因子的等级值以评估EPI图。最终EPI图将区域划分为高、中、低和极低四个潜在地震区。分析表明，研究区北部主要属于高EPI区，而西南部属于极低EPI区。计算所得EPI与传统技术编制的地震危险性图相吻合。此外，研究发现近两年内约90%震级大于3.0的地震和100%震级大于5.0的地震均位于高EPI区，反映了研究结果的高效性。基于EPI与峰值地面加速度（Peak Ground Acceleration, PGA）的联合分析，还识别出地震高度脆弱的行政区。该研究对政府部门的地震防灾准备工作具有重要价值。

印度比哈尔邦及尼泊尔东部位于印度板块与欧亚板块碰撞带，地质构造复杂，地震活动频繁， yet 面临着高人口密度、城市规划不善及建筑标准低下等突出问题，使得该区域地震脆弱性极高。现有地震危险性评估多依赖于衰减关系与统计方法，缺乏足够的仪器记录数据支撑，且在区域尺度上难以揭示小区划内的差异性变化，尤其对于除帕特纳区以外的多数地区，尚无 district-level 的系统性灾害评估。因此，开展精细尺度的地震潜在区识别具有重要的科学价值与现实意义。研究人员针对这一需求，整合多源遥感与地理信息数据，构建地震潜在指数模型，以期为地震防灾减灾提供决策支持。

研究采用的关键技术方法主要包括：（1）基于SRTM数字高程模型（DEM）提取地形坡度信息；（2）利用EIGEN-6C4全球重力模型数据，通过布格异常校正与总水平导数（Total Horizontal Derivative, THD）计算进行线性构造解译，并采用20 km向上延拓实现区域-剩余异常分离；（3）整合国家地震学中心（NCS）1800—2022年地震目录，进行震级统一换算（体波震级M_B、里氏震级M_L、面波震级M_S转换为矩震级M_W），并运用反距离加权（Inverse Distance Weighted, IDW）插值、点密度及欧氏距离等空间分析方法生成地震密度、断层密度及距离图层；（4）运用层次分析法确定八项指标权重，加权叠加计算EPI，并与印度国家灾害管理局（NDMA）的PGA图及Ahmad等人的EPI方程进行对比验证，最终联合EPI与PGA识别高脆弱性区域。

线性构造解译：研究人员利用EIGEN-6C4重力数据，通过20 km向上延拓获取深部（约10 km以下）区域布格异常，计算区域与剩余异常的总水平导数，峰值位置标识线性构造。解译结果显示，研究区存在大量线性构造，构造密度高值区与地震活动性具有较好对应关系。

地震、断层与线性构造的密度与距离分析：基于NCS地震目录，研究人员将历史地震统一转换为矩震级后，运用IDW插值生成地震震级分布图，并通过点密度工具计算地震密度（0—0.054次/km²）。断层与线性构造密度分别通过线密度工具计算，范围分别为0—0.165条/km²和0—0.109条/km²。欧氏距离分析显示，地震与断层距离分别可达81.78 km和61.10 km。高断层/线性构造密度区与历史地震频发区高度重合，证实构造控制作用显著。

DEM与坡度分析：基于SRTM数据生成的DEM显示，研究区高程变化于5—8796 m之间，北部喜马拉雅山区地形陡峭，中部 Indo-Gangetic 平原平坦，南部为低缓丘陵。坡度分析表明，北部高坡度区（最高达78°）与强地震活动性一致，反映地形与地震发生的密切关联。

数值分级方案与EPI计算：研究人员选取地震震级、地震距离、地震密度、断层距离、断层密度、线性构造密度、DEM和坡度共8项指标，运用层次分析法进行两两比较确定权重。一致性比率（Consistency Ratio, CR）为0.06，小于0.10，表明权重分配可靠。EPI计算公式为：EPI = (0.2×E_mag) + (0.15×E_dist) + (0.18×E_den) + (0.13×F_dist) + (0.15×F_den) + (0.06×L_den) + (0.06×DEM) + (0.06×S)，其中各项分别为地震震级、地震距离、地震密度、断层距离、断层密度、线性构造密度、数字高程模型和坡度。

地震潜在分区：根据EPI值将研究区划分为四类：极高（1.39—3.40）、低（3.41—4.50）、中等（4.51—5.50）和高（5.51—8.33）。比哈尔邦的高EPI区面积约185 km²，中等区约11750 km²，低区约35631 km²，极低区约46923 km²。苏包尔（Supaul）、东查姆帕兰（East Champaran）和西查姆帕兰（West Champaran）部分区域落入高EPI区；帕特纳（Patna）位于极低至低EPI区。尼泊尔东部的卡夫雷帕兰乔克（Kavrepalanchok）记录到最高EPI值8.33，加德满都（Kathmandu）处于中等至高EPI区，而南部多数区域相对安全。

验证与不确定性分析：研究人员采用2020年1月至2023年4月（未纳入EPI计算）的80次地震事件进行独立验证，结果显示71次（约90%）位于高EPI区，且所有5—6级地震均 exclusively 分布于高EPI区。不确定性主要源于：历史地震目录在仪器记录时代前的不完整性、厚层沉积盖层对断层精细解译的阻碍，以及部分盲断层尚未完全查明。

与已有成果的对比：与Ahmad等人（2023）改进的EPI方程相比，本研究EPI图在空间分布上具有可比性，仅在萨兰（Saran）等地存在 minor 差异，验证了方法的可靠性。与NDMA编制的PGA图（10%超越概率/50年，约475年重现期）对比，本研究EPI结果与PGA高值区（>0.12g）在北部分布一致，进一步证实了评估的有效性。

EPI图的应用价值：联合EPI与PGA分析识别出比哈尔邦苏包尔、东查姆帕兰、西查姆帕兰为地震高脆弱区（EPI>5.5且PGA>0.1g），巴格阿尔普尔（Bhagalpur）、卡蒂哈尔（Katihar）、阿拉里亚（Araria）等处于中等EPI区但PGA>0.1g；尼泊尔东部除帕尔萨（Parsa）外均呈高EPI特征。这些区域对应印度标准中的Ⅳ或Ⅴ seismic zone，亟需采取抗震建筑、基础设施安全规划、保险费率制定及地震监测台网布设等措施。

研究结论部分指出，本研究通过整合SRTM高程、EIGEN-6C4重力及地震构造数据集，运用层次分析法计算EPI，将印度比哈尔邦及尼泊尔东部划分为高、中、低和极低四类地震潜在区。EPI与PGA的联合分析表明，北部比哈尔邦和尼泊尔东部对未来地震具有高脆弱性，而比哈尔邦东南部地区相对较安全。这些发现可为政府机构及灾害管理部门提供重要指导，支持抗震建筑与改造工程、桥梁大坝等关键基础设施的安全规划，以及地震风险评估与保险业务的开展。