摘要：2024年1月23日2時(shí)9分，新疆阿克蘇地區(qū)烏什縣發(fā)生7.1級(jí)地震。為快速了解震區(qū)人口分布情況，判定此次地震極震區(qū)范圍，分別采集震區(qū)內(nèi)2時(shí)及2時(shí)30分手機(jī)位置數(shù)據(jù)。利用核密度空間評(píng)估方法得到震前及震后人口分布狀態(tài)與變化情況，并對(duì)變化的原因進(jìn)行分析。研究表明：基于手機(jī)位置信息評(píng)估得到的震后人口熱力數(shù)據(jù)在城市中心會(huì)出現(xiàn)與以往震例不同的“反?！鄙攥F(xiàn)象;人口熱力數(shù)據(jù)對(duì)地震誘發(fā)的公路邊坡地質(zhì)災(zāi)害有很好的響應(yīng);部分通信基站退服導(dǎo)致個(gè)別村莊人口熱力“斑點(diǎn)式”減少，該現(xiàn)象有助于判別基站退服點(diǎn)的地震破壞程度。由于樣本數(shù)據(jù)分布不均且地震發(fā)生在凌晨2時(shí)9分，人口變化率在刻畫(huà)地震影響場(chǎng)的能力方面稍顯不足。人口熱力數(shù)據(jù)可以在震后應(yīng)急響應(yīng)階段快速獲取災(zāi)區(qū)人口分布與動(dòng)態(tài)變化情況，為災(zāi)情信息的獲取及地震初期救援力量的科學(xué)分配提供有效的數(shù)據(jù)支持。

關(guān)鍵詞：烏什縣7.1級(jí)地震; 人口熱力; “反常”升高; 應(yīng)急響應(yīng)階段

中圖分類(lèi)號(hào)： P315.9文獻(xiàn)標(biāo)志碼：A文章編號(hào)： 1000-0844（2024）04-0992-09

DOI：10.20000/j.1000-0844.20240220002

Population heat of the Wushi M7.1 earthquake in Xinjiang

and its emergency response functionLI Huanyu， LI Dongping， YIN Jingfei， LI Min， SUN Haiqing

（Zhejiang Earthquake Agency， Hangzhou 310013， Zhejiang， China）Abstract：

On January 23， 2024， an M7.1 earthquake struck Wushi County in the Aksu region of Xinjiang， China. To rapidly understand the population distribution in the affected area and identify the meizoseismal zone， this study collected mobile phone location data collected at 2：00 and 2：30 a.m. The kernel density spatial estimation method was employed to analyze the population distribution and its changes before and after the earthquake. The post-earthquake data revealed an unusual increase in population density in the city center， differing from patterns observed in previous earthquakes through mobile phone location information. The population heat data effectively indicated geological disasters such as landslides along roads. The study also noted a \"spotted\" decrease in population density in certain villages， attributed to the failure of some communication base stations. This decline in population heat data serves as an indicator of local earthquake damage. However， the uneven distribution of sample data and the earthquake's occurrence at 2：09 a.m. posed challenges. The population change rate proved somewhat insufficient for precisely delineating the earthquake's impact field. Mobile phone location data proved to be a valuable tool for quickly capturing population distribution and dynamic changes in the disaster area during the post-earthquake emergency response stage. This data facilitates the rapid acquisition of disaster information， enabling scientific allocation of initial rescue forces and providing valuable data support for earthquake relief efforts.

Keywords：M7.1 earthquake in Wushi County; population heat; abnormal increase; emergency response stage

0引言

21世紀(jì)第1個(gè)20年以來(lái)，地震及其引發(fā)的各類(lèi)次生災(zāi)害對(duì)世界民眾生命安全與經(jīng)濟(jì)發(fā)展形成了重大威脅，在全球十大致命災(zāi)難中僅地震災(zāi)害就占據(jù)6席［1］。地震發(fā)生后，需對(duì)地震災(zāi)害開(kāi)展快速評(píng)估工作，詳細(xì)了解地震影響區(qū)域內(nèi)的人員分布、通信聯(lián)接情況、建筑物抗震等級(jí)、交通狀況和地質(zhì)災(zāi)害易發(fā)情況等對(duì)于評(píng)估結(jié)果的準(zhǔn)確度至關(guān)重要。其中，建筑物抗震等級(jí)、交通狀況及地質(zhì)災(zāi)害易發(fā)情況通過(guò)收集普查數(shù)據(jù)、交通大數(shù)據(jù)和震區(qū)衛(wèi)星影像等手段即可快速獲取［2］，但快速評(píng)估中使用的人口數(shù)據(jù)多為六普、七普數(shù)據(jù)，其精度不足（通常為公里網(wǎng)格尺度）且未考慮人口流動(dòng)情況，為靜態(tài)數(shù)據(jù)，很難滿(mǎn)足震后黑箱期內(nèi)震區(qū)人員分布及傷亡評(píng)估工作中快速、準(zhǔn)確且實(shí)時(shí)的要求［3-6］。因此，基于較為精確且實(shí)時(shí)的人口數(shù)據(jù)開(kāi)展地震災(zāi)害快速評(píng)估工作已經(jīng)成為提高評(píng)估精確性與科學(xué)指導(dǎo)震后應(yīng)急救援工作的關(guān)鍵因素。

隨著現(xiàn)代通信科技的快速發(fā)展，智能手機(jī)迅速走進(jìn)千家萬(wàn)戶(hù)，截至2023年6月，我國(guó)手機(jī)網(wǎng)民規(guī)模達(dá)10.76億人，普及率76.2%，無(wú)論是保有量還是普及率均達(dá)到較高水平［7］。智能移動(dòng)終端的高保有量及高普及率的特點(diǎn)使得利用手機(jī)定位信息獲取實(shí)時(shí)高精度動(dòng)態(tài)人口分布情況成為一種相對(duì)可靠的途徑，并且這個(gè)途徑已在景區(qū)游客流量統(tǒng)計(jì)、城市空間結(jié)構(gòu)和地震前后震區(qū)人流變化等方面得到廣泛應(yīng)用，取得良好成效［3-4，8-10］。

2024年1月23日2時(shí)9分5秒，新疆阿克蘇地區(qū)烏什縣發(fā)生7.1級(jí)地震，震源深度22 km（中國(guó)地震臺(tái)網(wǎng)中心，https：//news.ceic.ac.cn/）。本文擬利用震區(qū)手機(jī)位置數(shù)據(jù)估計(jì)震區(qū)震前人口分布與震后人口熱力變化情況，討論高精度、實(shí)時(shí)人口熱力變化與地震發(fā)生時(shí)間、地震地質(zhì)災(zāi)害及通信基站退服等因素之間的關(guān)系，并對(duì)人口熱力的應(yīng)急響應(yīng)功能開(kāi)展分析工作。

1基礎(chǔ)數(shù)據(jù)收集

以2024年1月23日凌晨2時(shí)9分新疆阿克蘇地區(qū)烏什縣7.1級(jí)地震災(zāi)區(qū)為研究區(qū)域。此次地震震中（41.26°N、78.63°E）距烏什縣約50 km，距阿克蘇市區(qū)約135 km。應(yīng)急管理部發(fā)布的地震烈度圖顯示，此次地震最大烈度為Ⅸ度，等震線長(zhǎng)軸總體呈NEE走向，Ⅵ度及以上烈度區(qū)面積約為27 926 km2，涉及新疆2個(gè)地（州），6個(gè)縣（市），29個(gè)鄉(xiāng)鎮(zhèn)街道和新疆生產(chǎn)建設(shè)兵團(tuán)第一師1個(gè)團(tuán)場(chǎng)（www.mem.gov.cn）。本研究以震中為中心，在東西長(zhǎng)310 km、南北長(zhǎng)250 km的范圍內(nèi)共采集了330余萬(wàn)條手機(jī)位置記錄、38 000多個(gè)空間格網(wǎng)位置數(shù)據(jù)，采集范圍覆蓋Ⅵ度及以上區(qū)域。

2震區(qū)人口分布模擬

2.1手機(jī)位置大數(shù)據(jù)采集

基于移動(dòng)終端用戶(hù)位置信息的服務(wù)，是指利用現(xiàn)有的移動(dòng)通信網(wǎng)絡(luò)資源對(duì)手機(jī)用戶(hù)或智能設(shè)備進(jìn)行定位，并結(jié)合完備的地理信息數(shù)據(jù)庫(kù)和信息搜索引擎，提供給用戶(hù)豐富的位置信息服務(wù)［8，11］。第三方供應(yīng)商可以提供安卓系統(tǒng)和IOS系統(tǒng)中的位置推送軟件開(kāi)發(fā)工具包（Software Development Kit，SDK）服務(wù)，推送服務(wù)平臺(tái)可以通過(guò)移動(dòng)終端用戶(hù)設(shè)備中的SDK，按一定時(shí)間間隔動(dòng)態(tài)采集經(jīng)過(guò)用戶(hù)授權(quán)的設(shè)備信息并上傳至大數(shù)據(jù)中心［12］。截至2023年底，SDK服務(wù)包累計(jì)安裝量突破千億，覆蓋終端達(dá)到數(shù)十億，接入應(yīng)用數(shù)量數(shù)十萬(wàn)，日活躍獨(dú)立設(shè)備數(shù)達(dá)到4億以上，用戶(hù)數(shù)量大，覆蓋率高。平臺(tái)采集的信息包括設(shè)備信息、全球定位系統(tǒng)（Global Positioning System，GPS）信息、無(wú)線局域網(wǎng)（Wireless Fidelity，WIFI）信息、基站信息、聯(lián)網(wǎng)數(shù)據(jù)等，數(shù)據(jù)中心經(jīng)過(guò)一系列處理，完成終端設(shè)備唯一標(biāo)識(shí)工作以避免重復(fù)計(jì)數(shù)，從而完成手機(jī)位置大數(shù)據(jù)采集工作?；谑謾C(jī)定位信息的人口熱力數(shù)據(jù)準(zhǔn)確度與精確度較好，在智能風(fēng)控、城市治理、科技公益等多個(gè)層面均得到了直接應(yīng)用且效果較好。

當(dāng)數(shù)據(jù)量較大時(shí)，為便于檢索需使用Geohash編碼對(duì)研究區(qū)域進(jìn)行矩形網(wǎng)格劃分，將二維地理信息轉(zhuǎn)換為字符串，每個(gè)字符串代表相對(duì)應(yīng)的網(wǎng)格區(qū)域。通常網(wǎng)格劃分的大小與字符串長(zhǎng)度相關(guān)，字符串越長(zhǎng)，表示的范圍精度越高。例如5位的編碼能表示約20 km2范圍的矩形區(qū)域，而6位編碼能表示更精細(xì)的區(qū)域（約0.8 km2）。本次新疆烏什縣7.1級(jí)地震在震后應(yīng)急階段使用7位Geohash編碼提取震區(qū)內(nèi)手機(jī)位置數(shù)據(jù)，原始數(shù)據(jù)單位網(wǎng)格大小達(dá)到百米精度，通過(guò)收集的手機(jī)位置大數(shù)據(jù)統(tǒng)計(jì)每個(gè)網(wǎng)格內(nèi)活躍設(shè)備的數(shù)量作為人口熱力插值源數(shù)據(jù)。基于百米精度網(wǎng)格的人口熱力源數(shù)據(jù)，設(shè)置2 km搜索半徑，使用核密度插值分析得到震區(qū)內(nèi)公里網(wǎng)格人口熱力分布及變化情況。

2.2核密度估計(jì)方法

核密度估計(jì)是指在二維空間內(nèi)以圓為定義域、以圓心為中心的衰減函數(shù)，會(huì)將非0的概率分配到移動(dòng)對(duì)象的可達(dá)域之外［13］。計(jì)算時(shí)，假定每個(gè)點(diǎn)上方覆蓋著一個(gè)平滑曲面，點(diǎn)所在位置的表面值最高，隨著與點(diǎn)距離的增加表面值逐漸減少，當(dāng)點(diǎn)的距離等于搜索半徑時(shí)表面值降為0。核密度估計(jì)能直觀地反映出離散測(cè)量值在連續(xù)區(qū)域內(nèi)的分布情況，其結(jié)果為中間值大周邊值小的光滑曲面，柵格值即為單位密度。核密度評(píng)估方法易于實(shí)現(xiàn)且能較好反映地理現(xiàn)象空間分布中的距離衰減效應(yīng)，常應(yīng)用于具有集群性特點(diǎn)的研究對(duì)象分布評(píng)估，如興趣點(diǎn)（Point of Interest，POI）分布研究、教育資源分配研究、人口分布研究、旅游服務(wù)設(shè)施分布研究，以及海上浮標(biāo)平臺(tái)選址研究等［3，14-17］。

在基于地理信息系統(tǒng)的評(píng)估過(guò)程中，對(duì)空間上搜索范圍內(nèi)每個(gè)點(diǎn)所在位置進(jìn)行核函數(shù)計(jì)算，核函數(shù)與其下方平面所包圍的空間體積為該點(diǎn)處的值。由于本文研究對(duì)象為人口，所以將搜索范圍內(nèi)疊加在該點(diǎn)處的核函數(shù)進(jìn)行簡(jiǎn)單的線性疊加即可得到該點(diǎn)的核密度值［18］，無(wú)需考慮較為復(fù)雜的非線性疊加。核密度估計(jì)過(guò)程中輸入的為離散點(diǎn)數(shù)據(jù)，輸出的為連續(xù)柵格數(shù)據(jù)，具體計(jì)算公式如下：

（1）

式中：f（s）為空間位置s處的核密度計(jì)算函數(shù);h為距離衰減閾值（即帶寬或搜索半徑）;n為與位置s的距離小于或等于h的要素點(diǎn)數(shù);k為空間分布權(quán)重函數(shù);（s-ci）為s點(diǎn)與h范圍內(nèi)第i個(gè)點(diǎn)的距離。影響核密度估計(jì)結(jié)果的兩個(gè)關(guān)鍵參數(shù)為空間分布權(quán)重函數(shù)k與距離衰減閾值h。

已有研究表明空間分布權(quán)重函數(shù)的選擇對(duì)分析結(jié)果的影響不大，而距離衰減閾值的選擇對(duì)評(píng)估結(jié)果影響較大［19-22］，具體表現(xiàn)為搜索距離越小越能體現(xiàn)局部要素的分布特征，搜索距離越大則更適合反映地理要素的宏觀分布特征，在應(yīng)用中需根據(jù)研究需求選擇合適的搜索距離。

本研究中，使用較為常用的高斯函數(shù)作為空間分布權(quán)重函數(shù)［式（2）］。考慮到數(shù)據(jù)采集范圍較大但極震區(qū)范圍較小，在震后應(yīng)急響應(yīng)階段尤其在震后黑箱期內(nèi)，當(dāng)?shù)卣饕P(guān)注極震區(qū)內(nèi)較為精細(xì)的人口分布與變化情況，因此選擇2 km作為距離衰減閾值。

k（x）=3/π（1-x²）² （2）

式中：x為要素點(diǎn)到空間位置s處的距離（m）。

2.3人口分布模擬

利用第三方服務(wù)商推送的手機(jī)位置大數(shù)據(jù)信息，本次研究使用核密度評(píng)估方法估算了震區(qū)內(nèi)東西長(zhǎng)310 km、南北長(zhǎng)250 km范圍內(nèi)震前凌晨2時(shí)及震后凌晨2時(shí)30分的公里網(wǎng)格人口分布情況，并在震后第一時(shí)間提供給新疆維吾爾自治區(qū)地震局作為應(yīng)急救援參考。

由圖1可知，震區(qū)內(nèi)人口主要分布在震中東南部幾個(gè)較大地級(jí)、縣級(jí)城市內(nèi)。震中50 km范圍內(nèi)有兩個(gè)縣級(jí)城市，分別為烏什縣與阿合奇縣，地級(jí)市阿克蘇市距離震中約140 km。烏什縣人口密度較大，最高約2 000人/km2，受地震影響可能較大;阿合奇縣人口密度最高約400人/km2。從宏觀的角度來(lái)看，阿合奇縣人口數(shù)量明顯小于烏什縣。由于地震發(fā)生在邊境高海拔山區(qū)地帶，震中附近自然地理?xiàng)l件不利于人群定居，震前人口熱力分布圖顯示當(dāng)?shù)鼐用穸嗑劬佑诘匦屋^為平緩的山間盆地沖積物堆積區(qū)域。因此，距震中30 km范圍內(nèi)無(wú)大型人口聚集地，這種人口分布特征也從一定程度上降低了此次地震造成的人員傷亡。

3震后人口熱力變化分析

為更好地了解震后人口熱力變化情況，將震后與震前人口分布核密度評(píng)估結(jié)果作差，并依據(jù)差值從城鎮(zhèn)人口、交通線和村莊等方面對(duì)地震高烈度區(qū)（≥Ⅵ度）內(nèi)人口熱力變化的原因開(kāi)展分析工作（圖2）。

3.1城鎮(zhèn)人口熱力變化分析

由圖2可知，震區(qū)內(nèi)地級(jí)城市阿克蘇市，區(qū)（縣）級(jí)城市阿合奇縣、烏什縣、柯坪縣等城鎮(zhèn)的中心區(qū)域

普遍出現(xiàn)手機(jī)人口熱力升高的現(xiàn)象，這與以往震例研究中震后城鎮(zhèn)中心人口熱力減少，相對(duì)開(kāi)曠的郊區(qū)人口熱力增加的現(xiàn)象不一致。

由于地震發(fā)生在凌晨2時(shí)9分，震區(qū)內(nèi)大部分群眾已入睡，手機(jī)中內(nèi)置的SDK服務(wù)處于休眠狀態(tài)，不收集數(shù)據(jù)。地震發(fā)生后強(qiáng)有感范圍內(nèi)人群多從睡夢(mèng)中驚醒并查看手機(jī)，從而喚醒移動(dòng)終端中得到授權(quán)的SDK服務(wù)，推送服務(wù)平臺(tái)開(kāi)始采集原本處于休眠狀態(tài)的手機(jī)位置大數(shù)據(jù)。因此，此次地震出現(xiàn)震后城市中心人口熱力“反常”升高的現(xiàn)象。若地震發(fā)生在大多數(shù)人均未入睡的晚間或白天，則不會(huì)出現(xiàn)此現(xiàn)象。

3.2交通線路人口熱力變化分析

地震通常對(duì)交通線路造成較大的負(fù)面影響，2008年汶川地震、2023年蘆山與瀘定地震等強(qiáng)震均誘發(fā)大量地震滑坡，且造成較為嚴(yán)重的交通阻塞［23-25］。為分析此次地震過(guò)程中交通線路可能受到的影響，將收集到的公路數(shù)據(jù)疊加到人口熱力變化圖中（圖2），分析人口熱力變化與公路通行情況之間的關(guān)系。

研究中發(fā)現(xiàn)1處人口熱力數(shù)據(jù)沿公路呈較明顯“線性”變化的區(qū)域（分析區(qū)A）。該區(qū)域位于阿合奇縣哈拉奇鄉(xiāng)附近，在省道S306快速路段出現(xiàn)長(zhǎng)約20 km的人口熱力減少現(xiàn)象，與此同時(shí)，其替換路段省道306普通道路顯示出人流增多的趨勢(shì)。該路段距離震中最近約56 km，我們初步推測(cè)當(dāng)?shù)乜赡馨l(fā)生山體滑坡導(dǎo)致車(chē)輛無(wú)法前行，車(chē)流轉(zhuǎn)而從省道306普通道路行駛［圖3（a）］。1月25日，中華人民共和國(guó)運(yùn)輸管理部發(fā)布的消息顯示該快速路段發(fā)生地震滑坡災(zāi)害（https：//www.mot.gov.cn），驗(yàn)證了應(yīng)急階段對(duì)該路段人口變化原因的推測(cè)。

這一人口熱力沿公路“線性”變化的現(xiàn)象也為地震作用下公路邊坡地質(zhì)災(zāi)害快速評(píng)估工作提供了新思路。地震滑坡快速判定工作往往受制于遙感影像數(shù)據(jù)更新周期較長(zhǎng)、無(wú)人機(jī)到達(dá)現(xiàn)場(chǎng)獲取災(zāi)情信息時(shí)間較久等因素，無(wú)法第一時(shí)間快速獲取公路邊坡地質(zhì)災(zāi)害情況。在基于手機(jī)位置的實(shí)時(shí)人口熱力數(shù)據(jù)支持下，通過(guò)地震前后變化的情況來(lái)判斷公路邊坡是否發(fā)生地質(zhì)災(zāi)害具有較好的應(yīng)用前景。

3.3村莊人口熱力變化分析

本次地震發(fā)生在凌晨，城鎮(zhèn)中心普遍出現(xiàn)較為“反?！钡娜丝跓崃ι叩默F(xiàn)象，但烏什縣與阿合奇縣離城市中心較遠(yuǎn)的鄉(xiāng)村出現(xiàn)人口熱力減少的現(xiàn)象（圖2中B、C、D、E分析區(qū)），具體變化原因分析如下：

阿合奇縣薩日庫(kù)熱克村［分析區(qū)B，圖3（c）］距離震中約36 km，位于Ⅷ度區(qū)邊緣。人口熱力差值分析顯示該村出現(xiàn)較為明顯的人口熱力減少現(xiàn)象，并且呈現(xiàn)“斑點(diǎn)式”特征。該特征指示薩日庫(kù)熱克村人口熱力為整體減少，而非逐漸流動(dòng)減少。附近依山古西村人口熱力增多，應(yīng)為震區(qū)人員受到搖晃從睡夢(mèng)中驚醒查看手機(jī)喚醒SDK服務(wù)導(dǎo)致，而不是薩日庫(kù)熱克村人員震后避災(zāi)行為導(dǎo)致。薩日庫(kù)熱克村人口熱力在震后“斑點(diǎn)式”減少說(shuō)明在搜索范圍內(nèi)手機(jī)SDK服務(wù)位置數(shù)據(jù)全部收集失敗，據(jù)此我們判斷出現(xiàn)該現(xiàn)象的原因?yàn)橥ㄐ呕就朔?/p>

此外，烏什縣托萬(wàn)克托斯馬村［距震中約38 km，位于地震烈度Ⅷ度區(qū)邊緣，分析區(qū)C，圖3（d）］、英薩爾村［距震中約41 km，位于Ⅷ度區(qū)邊緣，分析區(qū)D，圖3（d）］、玉斯屯克亞巴格村［距震中約55 km，位于Ⅶ度區(qū)內(nèi)，分析區(qū)E，圖3（e）］等村莊人口熱力“斑點(diǎn)式”減少也符合通信基站退服特征。收集到的部分基站退服數(shù)據(jù)顯示，這些分析區(qū)內(nèi)的確存在通信基站退服現(xiàn)象。

4震區(qū)人口變化率與地震影響場(chǎng)

由于通信系統(tǒng)具有脆弱性，在遭受重大災(zāi)害侵襲時(shí)，往往會(huì)出現(xiàn)大面積、長(zhǎng)時(shí)間的癱瘓情況，如2008年汶川8.0級(jí)地震造成6 924個(gè)通信基站損毀退服，2013年蘆山7.0級(jí)地震造成724個(gè)通信基站退服（逾震區(qū)內(nèi)通信基站總數(shù)的四分之一），給搶險(xiǎn)救援造成極大不便［26］。前人研究認(rèn)為通信基站退服與地震烈度具有一定關(guān)聯(lián)性，通常地震烈度Ⅷ度及以上即可導(dǎo)致通信基站大量退服［26-28］。此次地震極震區(qū)烈度約為Ⅸ度。新疆維吾爾自治區(qū)通信管理局發(fā)布的消息顯示，地震共造成87個(gè)基站退服，其中阿克蘇烏什縣退服44個(gè)，克州阿合奇縣退服43個(gè)（https：//xjca.miit.gov.cn/）。因此，有必要使用人口變化情況對(duì)通信系統(tǒng)損毀情況進(jìn)行模擬，分析通信基站退服情況與地震影響場(chǎng)之間的關(guān)系。

李東平等［3］、尹晶飛等［4］使用人口變化率［震前與震后人口變化的比率，式（3）］這一定量指標(biāo)，將基于手機(jī)位置數(shù)據(jù)得到的人口熱力變化情況與基站退服率相關(guān)聯(lián)，進(jìn)而快速評(píng)估地震影響場(chǎng)。經(jīng)過(guò)驗(yàn)證這一指標(biāo)具有較高的快速評(píng)估應(yīng)用價(jià)值［3-4］。

R=（N-K）/K （3）

式中：N為震后某一時(shí)刻單位網(wǎng)格內(nèi)人口數(shù)量;K為震前某一時(shí)刻單位網(wǎng)格內(nèi)人口數(shù)量；R為人口變化率。在計(jì)算人口變化率過(guò)程中設(shè)置1 000 m搜索半徑，使用核密度插值分析公里網(wǎng)格內(nèi)人口變化情況。使用人口變化率判定地震影響場(chǎng)時(shí)，理想狀態(tài)下R的絕對(duì)值越高則人口變化率越高，指示該網(wǎng)格處地震烈度可能越大。

需要注意的是，以往使用人口變化率判定地震影響場(chǎng)較為成功的震例多發(fā)生在人口分布較為均勻地區(qū)，且地震發(fā)生時(shí)間在白天或夜晚人們尚未入睡時(shí)，手機(jī)SDK服務(wù)的位置數(shù)據(jù)絕大多數(shù)處于活躍狀態(tài)，震后與震前基于手機(jī)位置信息統(tǒng)計(jì)得到的人口數(shù)據(jù)總量變化不大，震后與震前人口變化率可以較好體現(xiàn)出基站退服情況。但此次新疆烏什縣7.1級(jí)地震發(fā)生在凌晨且震區(qū)人口分布較為稀疏，震后人們受晃動(dòng)驚醒后使用手機(jī)會(huì)導(dǎo)致震區(qū)內(nèi)人口熱力總量有大幅提升，因此，人口變化率除體現(xiàn)震區(qū)內(nèi)通信基站退服情況外，還很可能受到新活躍手機(jī)用戶(hù)以及震區(qū)內(nèi)人口分布不均的影響。在此條件下，人口變化率與地震影響場(chǎng)之間的關(guān)聯(lián)程度還有待進(jìn)一步驗(yàn)證。

由圖4可以看出，雖然人口變化率對(duì)地震地質(zhì)災(zāi)害路段（A區(qū)域）及部分通信基站退服［B、C、D、E區(qū)域，區(qū)域放大圖見(jiàn)圖3（c）、（d）、（e）］有一定響應(yīng)，但本次地震人口變化率與地震影響場(chǎng)未呈現(xiàn)出較強(qiáng)的關(guān)聯(lián)性，研究區(qū)內(nèi)人口變化率均呈現(xiàn)出絕對(duì)值較高的特征，使用人口熱力估算出的人口變化率偏高，導(dǎo)致評(píng)估得到的地震烈度也偏高。綜合分析，主要為以下兩方面原因?qū)е拢海?）以往震例研究多基于人口密度較大且分布較為均勻的地區(qū)，而此次地震發(fā)生在地廣人稀的邊境地區(qū)，只在Ⅷ度區(qū)邊緣分布少量人口，因此用以計(jì)算人口變化率的樣本數(shù)據(jù)分布不均勻且不足;（2）此次地震發(fā)生在深夜，強(qiáng)有感區(qū)內(nèi)群眾受到搖晃驚醒后其手機(jī)SDK位置服務(wù)開(kāi)始活躍，導(dǎo)致震后基于手機(jī)位置的人口熱力數(shù)據(jù)總量大幅增加。在計(jì)算人口變化率時(shí)會(huì)出現(xiàn)大量人口變化率增幅很大的區(qū)域（如地級(jí)、縣級(jí)城市中心區(qū)域），這一變化與震區(qū)內(nèi)某些地區(qū)人口熱力“反?！鄙呔哂幸恢滦?，是區(qū)內(nèi)人口變化率絕對(duì)值偏高的主要原因，對(duì)使用人口變化率判定地震影響場(chǎng)也產(chǎn)生了較大的負(fù)面影響。

5人口熱力應(yīng)急響應(yīng)功能討論

本研究基于手機(jī)位置大數(shù)據(jù)，使用核密度插值的方法對(duì)震區(qū)內(nèi)震前與震后的人口分布情況進(jìn)行評(píng)估，并從城鎮(zhèn)、交通線路、村莊及基站退服等方面分析人口熱力變化的原因。在同類(lèi)研究中首次關(guān)注人口熱力數(shù)據(jù)沿公路呈“線性”變化的現(xiàn)象，并將其同地震誘發(fā)的公路邊坡地質(zhì)災(zāi)害相聯(lián)系，為解決震后快速獲取公路滑坡災(zāi)害情況的難題提供了新的思路與方法。同時(shí)，人口熱力的“斑點(diǎn)式”減少與個(gè)別通信基站退服也有良好的對(duì)應(yīng)關(guān)系，可以作為基站退服點(diǎn)地震破壞程度判斷的依據(jù)。以上兩類(lèi)現(xiàn)象的發(fā)現(xiàn)與深入分析可以在應(yīng)急響應(yīng)階段為指揮部提供重要的決策分析依據(jù)，有助于災(zāi)情信息的獲取及地震初期救援力量的科學(xué)分配。

此外，使用人口變化率快速評(píng)估地震影響場(chǎng)在本次震例研究過(guò)程中顯示出一定的局限性，主要由以下兩方面的因素導(dǎo)致：主要原因?yàn)榈卣鸢l(fā)生在凌晨，大部分群眾驚醒后其手機(jī)SDK位置服務(wù)開(kāi)始活躍，導(dǎo)致震后基于手機(jī)位置的人口熱力數(shù)據(jù)總量大幅增加，使得研究區(qū)內(nèi)人口變化率絕對(duì)值偏高;次要因素為地震發(fā)生在人口稀疏地區(qū)，樣本數(shù)據(jù)分布不均勻且不足。在使用人口熱力數(shù)據(jù)開(kāi)展應(yīng)急響應(yīng)快速評(píng)估工作時(shí)需注意上述問(wèn)題，使用人口變化率快速評(píng)估地震影響場(chǎng)會(huì)存在一定偏差。

6結(jié)論

本文通過(guò)對(duì)新疆阿克蘇地區(qū)烏什縣7.1級(jí)地震前后人口分布開(kāi)展評(píng)估工作，結(jié)合地震發(fā)生時(shí)間、道路交通狀況及部分通信基站退服等因素對(duì)震區(qū)內(nèi)人口熱力變化原因進(jìn)行分析，并對(duì)人口熱力數(shù)據(jù)的應(yīng)急響應(yīng)功能進(jìn)行討論，得到以下結(jié)論：

（1） 由于地震發(fā)生在凌晨2時(shí)9分，基于手機(jī)位置信息評(píng)估得到的震后人口熱力數(shù)據(jù)在城市中心會(huì)出現(xiàn)與以往震例不同的“反?！鄙攥F(xiàn)象。

（2） 人口熱力數(shù)據(jù)對(duì)地震誘發(fā)的公路邊坡地質(zhì)災(zāi)害有很好響應(yīng)。人口熱力數(shù)據(jù)沿公路滑坡災(zāi)害處呈“線性”變化的現(xiàn)象，為解決震后快速識(shí)別公路滑坡災(zāi)害情況的難題提供了新的思路與方法，具有較好的應(yīng)用前景。

（3） 部分通信基站退服導(dǎo)致個(gè)別村莊人口熱力“斑點(diǎn)式”減少，有助于判別基站退服點(diǎn)處的地震破壞程度。由于樣本數(shù)據(jù)分布不均勻且地震發(fā)生在凌晨，研究區(qū)內(nèi)人口變化率均呈現(xiàn)出絕對(duì)值較高的特征，使用人口熱力估算出的人口變化率偏高導(dǎo)致評(píng)估得到的地震烈度偏高。本次地震人口變化率與通信基站退服情況未呈現(xiàn)出明顯的關(guān)聯(lián)性，因此在刻畫(huà)地震影響場(chǎng)的能力方面稍顯不足。

雖存在一定不足，但摸清震區(qū)內(nèi)人員實(shí)時(shí)分布情況對(duì)于地震初期救援力量的部署至關(guān)重要，人口熱力數(shù)據(jù)在震后應(yīng)急響應(yīng)救援黑箱期提供的技術(shù)支撐仍能發(fā)揮較大作用，可以為指揮部提供重要的決策分析依據(jù)，有助于災(zāi)情信息的獲取及地震初期救援力量的科學(xué)分配。另外，人口熱力數(shù)據(jù)在應(yīng)急響應(yīng)階段地震地質(zhì)災(zāi)害快速識(shí)別方面表現(xiàn)出一定應(yīng)用前景，有待開(kāi)展深入研究。

參考文獻(xiàn)（References）

［1］黃遠(yuǎn)東，楊志強(qiáng)，許沖.災(zāi)害造成的人類(lèi)損失（2000—2019）［J］.中國(guó)應(yīng)急管理，2023（8）：46-51.HUANG Yuandong，YANG Zhiqiang，XU Chong.The human cost of disasters：an overview of the last 20 years （2000—2019）［J］.China Emergency Management，2023（8）：46-51.

［2］聶高眾，安基文，鄧硯.地震應(yīng)急災(zāi)情服務(wù)進(jìn)展［J］.地震地質(zhì)，2012，34（4）：782-791.NIE Gaozhong，AN Jiwen，DENG Yan.Advances in earthquake emergency disaster service［J］.Seismology and Geology，2012，34（4）：782-791.

［3］李東平，黃樂(lè)，陳海鵬，等.基于手機(jī)位置數(shù)據(jù)的四川九寨溝7.0級(jí)地震人流分析［J］.中國(guó)地震，2017，33（4）：602-612.LI Dongping，HUANG Le，CHEN Haipeng，et al.Change of population distribution during the Jiuzhaigou MS7.0 earthquake emergency period based on mobile phone location data［J］.Earthquake Research in China，2017，33（4）：602-612.

［4］尹晶飛，李東平，肖本夫，等.基于手機(jī)位置的瀘定6.8級(jí)地震人口熱力分析［J］.地震，2023，43（4）：185-199.YIN Jingfei，LI Dongping，XIAO Benfu，et al.Population thermal analysis of Luding M6.8 earthquake based on mobile phone location［J］.Earthquake，2023，43（4）：185-199.

［5］馬玉宏，謝禮立.地震人員傷亡估算方法研究［J］.地震工程與工程振動(dòng)，2000，20（4）：140-147.MA Yuhong，XIE Lili.Methodologies for assessment of earthquake casualty［J］.EarthquakeEngineering and Engineering Vibration，2000，20（4）：140-147.

［6］LI Y C，WU Z L，ZHAO Y Z.Estimating the number of casualties in earthquakes from early field reports and improving the estimate with time［J］.Natural Hazards，2011，56（3）：699-708.

［7］中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心.第52次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告［R］.北京：中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心，2023.China Internet Network Information Center.The 52nd statistical report on internet development in China［R］.Beijing：China Internet Network Information Center，2023.

［8］石偉華.基于手機(jī)平臺(tái)的位置服務(wù)的應(yīng)用研究［D］.上海：上海師范大學(xué)，2006.SHI Weihua.Research on the application of location service based on mobile phone platform［D］.Shanghai：Shanghai Normal University，2006.

［9］吳志強(qiáng)，葉鍾楠.基于百度地圖熱力圖的城市空間結(jié)構(gòu)研究：以上海中心城區(qū)為例［J］.城市規(guī)劃，2016，40（4）：33-40.WU Zhiqiang，YE Zhongnan.Research on urban spatial structure based on Baidu heat map：a case study on the central city of Shanghai［J］.City Planning Review，2016，40（4）：33-40.

［10］于丙辰，陳剛.基于騰訊區(qū)域熱力圖的廬山核心景區(qū)客流研究［J］.國(guó)土與自然資源研究，2017（2）：83-89.YU Bingchen，CHEN Gang.Research on visitor flows of Lushan core scenic area using tencent regional heatmap［J］.Territory amp; Natural Resources Study，2017（2）：83-89.

［11］KHN P J.Location-based services in mobile communication infrastructures［J］.AEU：International Journal of Electronics and Communications，2004，58（3）：159-164.

［12］龐曉克，聶高眾，張昕，等.基于手機(jī)位置數(shù)據(jù)的地震災(zāi)情指標(biāo)選擇［J］.中國(guó)地震，2019，35（1）：144-157.PANG Xiaoke，NIE Gaozhong，ZHANG Xin，et al.Selection of earthquake disaster index based on mobile phone position data［J］.Earthquake Research in China，2019，35（1）：144-157.

［13］DOWNS J，HORNER M，LAMB D，et al.Testing time-geographic density estimation for home range analysis using an agent-based model of animal movement［J］.International Journal of Geographical Information Science，2018，32（7）：1505-1522.

［14］禹文豪，艾廷華，楊敏，等.利用核密度與空間自相關(guān)進(jìn)行城市設(shè)施興趣點(diǎn)分布熱點(diǎn)探測(cè)［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2016，41（2）：221-227.YU Wenhao，AI Tinghua，YANG Min，et al.Detecting“hot spots” of facility POIs based on kernel density estimation and spatial autocorrelation technique［J］.Geomatics and Information Science of Wuhan University，2016，41（2）：221-227.

［15］周偉梁，趙霞，李志偉.新疆紅色既民族團(tuán)結(jié)旅游景點(diǎn)時(shí)空分布特征及交通可達(dá)性分析［J］.江蘇商論，2024（3）：33-38，43.ZHOU Weiliang，ZHAO Xia，LI Zhiwei.Analysis of spatiotemporal distribution characteristics and transportation accessibility of red ethnic unity tourist attractions in Xinjiang［J］.Jiangsu Commercial Forum，2024（3）：33-38，43.

［16］馮國(guó)慶，褚蓉蓉，劉慧嬌，等.東昌湖景區(qū)旅游服務(wù)設(shè)施空間分布特征研究［J］.西南林業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2024，8（1）：103-112.FENG Guoqing，CHU Rongrong，LIU Huijiao，et al.Study on thespatial distribution characteristics of tourism service facility in Dongchang Lake scenic area［J］.Journal of Southwest Forestry University （Social Sciences），2024，8（1）：103-112.

［17］韓玉祥，陳亮.基于GIS的核密度分析方法在海上浮標(biāo)平臺(tái)選址中的應(yīng)用研究［J］.中國(guó)航海，2023，46（3）：59-64，71.HAN Yuxiang，CHEN Liang.Application of GIS-based kernel density estimation in location selection of offshore buoy platforms［J］.Navigation of China，2023，46（3）：59-64，71.

［18］OKABE A，SATOH T，SUGIHARA K.A kernel density estimation method for networks，its computational method and a GIS-based tool［J］.International Journal of Geographical Information Science，2009，23（1）：7-32.

［19］陳江平，張瑤，余遠(yuǎn)劍.空間自相關(guān)的可塑性面積單元問(wèn)題效應(yīng)［J］.地理學(xué)報(bào)，2011，66（12）：1597-1606.CHEN Jiangping，ZHANG Yao，YU Yuanjian.Effect of MAUP in spatial autocorrelation［J］.Acta Geographica Sinica，2011，66（12）：1597-1606.

［20］曹志冬，王勁峰，高一鴿，等.廣州SARS流行的空間風(fēng)險(xiǎn)因子與空間相關(guān)性特征［J］.地理學(xué)報(bào)，2008，63（9）：981-993.CAO Zhidong，WANG Jinfeng，GAO Yige，et al.Risk factors and autocorrelation characteristics on severe acute respiratory syndrome in Guangzhou［J］.Acta Geographica Sinica，2008，63（9）：981-993.

［21］陳培陽(yáng)，朱喜鋼.基于不同尺度的中國(guó)區(qū)域經(jīng)濟(jì)差異［J］.地理學(xué)報(bào)，2012，67（8）：1085-1097.CHEN Peiyang，ZHU Xigang.Regional inequalities in China at different scales［J］.Acta Geographica Sinica，2012，67（8）：1085-1097.

［22］YIN Z C，LI S J，YING S，et al.Method for calculating the encounter probability in network space［J］.Transactions in GIS，2020，24（2）：402-422.

［23］殷躍平.汶川八級(jí)地震地質(zhì)災(zāi)害研究［J］.工程地質(zhì)學(xué)報(bào)，2008，16（4）：433-444.YIN Yueping.Researches on the geo-hazards triggered by Wenchuan earthquake，Sichuan［J］.Journal of Engineering Geology，2008，16（4）：433-444.

［24］李環(huán)宇，陳濤，楊福平，等.基于Newmark方法的四川蘆山6.1級(jí)地震公路滑坡快速評(píng)估［J］.華北地震科學(xué)，2023，41（2）：16-21.LI Huanyu，CHEN Tao，YANG Fuping，et al.Rapid estimation of road landslides based on Newmark method for the 6.1 magnitude earthquake in Lushan，Sichuan［J］.North China Earthquake Sciences，2023，41（2）：16-21.

［25］張佳佳，陳龍，李元靈，等.2022年9月5日瀘定MS6.8地震的同震地質(zhì)災(zāi)害發(fā)育特征及主控因素分析［J］.地震學(xué)報(bào)，2023，45（2）：167-178.ZHANG Jiajia，CHEN Long，LI Yuanling，et al.Development characteristics and controlling factors of coseismic geohazards triggered by the Luding MS6.8 earthquake occurred on September 5，2022［J］.Acta Seismologica Sinica，2023，45（2）：167-178.

［26］李帆.通信系統(tǒng)抗震韌性評(píng)估方法研究［D］.哈爾濱：中國(guó)地震局工程力學(xué)研究所，2022.LI Fan.Assessment method of seismic resilience of communication system［D］.Harbin：Institute of Engineering Mechanics，China Earthquake Administration，2022.

［27］程明超，夏彥龍，鄭山鎖.通信基站機(jī)房地震易損性分析［J］.磚瓦，2017（4）：66-72.CHENG Mingchao，XIA Yanlong，ZHENG Shansuo.Research on seismic vulnerability of communication base station［J］.Block-Brick-Tile，2017（4）：66-72.

［28］毛晨曦，李詩(shī)堯，張亮泉.落地通信基站機(jī)房地震易損性及震后功能失效概率評(píng)估［J］.世界地震工程，2018，34（2）：55-64.MAO Chenxi，LI Shiyao，ZHANG Liangquan.Seismic fragility and functional failure probability assessment of machine room of typical base transceiver stations that located on the ground［J］.World Earthquake Engineering，2018，34（2）：55-64.

（本文編輯：賈源源）