摘要：2024年1月23日2時9分，新疆阿克蘇地區(qū)烏什縣發(fā)生7.1級地震。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時及2時30分手機位置數(shù)據(jù)。利用核密度空間評估方法得到震前及震后人口分布狀態(tài)與變化情況，并對變化的原因進行分析。研究表明：基于手機位置信息評估得到的震后人口熱力數(shù)據(jù)在城市中心會出現(xiàn)與以往震例不同的“反?！鄙攥F(xiàn)象;人口熱力數(shù)據(jù)對地震誘發(fā)的公路邊坡地質(zhì)災害有很好的響應;部分通信基站退服導致個別村莊人口熱力“斑點式”減少，該現(xiàn)象有助于判別基站退服點的地震破壞程度。由于樣本數(shù)據(jù)分布不均且地震發(fā)生在凌晨2時9分，人口變化率在刻畫地震影響場的能力方面稍顯不足。人口熱力數(shù)據(jù)可以在震后應急響應階段快速獲取災區(qū)人口分布與動態(tài)變化情況，為災情信息的獲取及地震初期救援力量的科學分配提供有效的數(shù)據(jù)支持。

關鍵詞：烏什縣7.1級地震; 人口熱力; “反常”升高; 應急響應階段

中圖分類號： P315.9文獻標志碼：A文章編號： 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世紀第1個20年以來，地震及其引發(fā)的各類次生災害對世界民眾生命安全與經(jīng)濟發(fā)展形成了重大威脅，在全球十大致命災難中僅地震災害就占據(jù)6席［1］。地震發(fā)生后，需對地震災害開展快速評估工作，詳細了解地震影響區(qū)域內(nèi)的人員分布、通信聯(lián)接情況、建筑物抗震等級、交通狀況和地質(zhì)災害易發(fā)情況等對于評估結果的準確度至關重要。其中，建筑物抗震等級、交通狀況及地質(zhì)災害易發(fā)情況通過收集普查數(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?。?］，但快速評估中使用的人口數(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）且未考慮人口流動情況，為靜態(tài)數(shù)據(jù)，很難滿足震后黑箱期內(nèi)震區(qū)人員分布及傷亡評估工作中快速、準確且實時的要求［3-6］。因此，基于較為精確且實時的人口數(shù)據(jù)開展地震災害快速評估工作已經(jīng)成為提高評估精確性與科學指導震后應急救援工作的關鍵因素。

隨著現(xiàn)代通信科技的快速發(fā)展，智能手機迅速走進千家萬戶，截至2023年6月，我國手機網(wǎng)民規(guī)模達10.76億人，普及率76.2%，無論是保有量還是普及率均達到較高水平［7］。智能移動終端的高保有量及高普及率的特點使得利用手機定位信息獲取實時高精度動態(tài)人口分布情況成為一種相對可靠的途徑，并且這個途徑已在景區(qū)游客流量統(tǒng)計、城市空間結構和地震前后震區(qū)人流變化等方面得到廣泛應用，取得良好成效［3-4，8-10］。

2024年1月23日2時9分5秒，新疆阿克蘇地區(qū)烏什縣發(fā)生7.1級地震，震源深度22 km（中國地震臺網(wǎng)中心，https：//news.ceic.ac.cn/）。本文擬利用震區(qū)手機位置數(shù)據(jù)估計震區(qū)震前人口分布與震后人口熱力變化情況，討論高精度、實時人口熱力變化與地震發(fā)生時間、地震地質(zhì)災害及通信基站退服等因素之間的關系，并對人口熱力的應急響應功能開展分析工作。

1基礎數(shù)據(jù)收集

以2024年1月23日凌晨2時9分新疆阿克蘇地區(qū)烏什縣7.1級地震災區(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個地（州），6個縣（市），29個鄉(xiāng)鎮(zhèn)街道和新疆生產(chǎn)建設兵團第一師1個團場（www.mem.gov.cn）。本研究以震中為中心，在東西長310 km、南北長250 km的范圍內(nèi)共采集了330余萬條手機位置記錄、38 000多個空間格網(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手機位置大數(shù)據(jù)采集

基于移動終端用戶位置信息的服務，是指利用現(xiàn)有的移動通信網(wǎng)絡資源對手機用戶或智能設備進行定位，并結合完備的地理信息數(shù)據(jù)庫和信息搜索引擎，提供給用戶豐富的位置信息服務［8，11］。第三方供應商可以提供安卓系統(tǒng)和IOS系統(tǒng)中的位置推送軟件開發(fā)工具包（Software Development Kit，SDK）服務，推送服務平臺可以通過移動終端用戶設備中的SDK，按一定時間間隔動態(tài)采集經(jīng)過用戶授權的設備信息并上傳至大數(shù)據(jù)中心［12］。截至2023年底，SDK服務包累計安裝量突破千億，覆蓋終端達到數(shù)十億，接入應用數(shù)量數(shù)十萬，日活躍獨立設備數(shù)達到4億以上，用戶數(shù)量大，覆蓋率高。平臺采集的信息包括設備信息、全球定位系統(tǒng)（Global Positioning System，GPS）信息、無線局域網(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)過一系列處理，完成終端設備唯一標識工作以避免重復計數(shù)，從而完成手機位置大數(shù)據(jù)采集工作?；谑謾C定位信息的人口熱力數(shù)據(jù)準確度與精確度較好，在智能風控、城市治理、科技公益等多個層面均得到了直接應用且效果較好。

當數(shù)據(jù)量較大時，為便于檢索需使用Geohash編碼對研究區(qū)域進行矩形網(wǎng)格劃分，將二維地理信息轉(zhuǎn)換為字符串，每個字符串代表相對應的網(wǎng)格區(qū)域。通常網(wǎng)格劃分的大小與字符串長度相關，字符串越長，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的區(qū)域（約0.8 km2）。本次新疆烏什縣7.1級地震在震后應急階段使用7位Geohash編碼提取震區(qū)內(nèi)手機位置數(shù)據(jù)，原始數(shù)據(jù)單位網(wǎng)格大小達到百米精度，通過收集的手機位置大數(shù)據(jù)統(tǒng)計每個網(wǎng)格內(nèi)活躍設備的數(shù)量作為人口熱力插值源數(shù)據(jù)?；诎倜拙染W(wǎng)格的人口熱力源數(shù)據(jù)，設置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核密度估計方法

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

在基于地理信息系統(tǒng)的評估過程中，對空間上搜索范圍內(nèi)每個點所在位置進行核函數(shù)計算，核函數(shù)與其下方平面所包圍的空間體積為該點處的值。由于本文研究對象為人口，所以將搜索范圍內(nèi)疊加在該點處的核函數(shù)進行簡單的線性疊加即可得到該點的核密度值［18］，無需考慮較為復雜的非線性疊加。核密度估計過程中輸入的為離散點數(shù)據(jù)，輸出的為連續(xù)柵格數(shù)據(jù)，具體計算公式如下：

（1）

式中：f（s）為空間位置s處的核密度計算函數(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的要素點數(shù);k為空間分布權重函數(shù);（s-ci）為s點與h范圍內(nèi)第i個點的距離。影響核密度估計結果的兩個關鍵參數(shù)為空間分布權重函數(shù)k與距離衰減閾值h。

已有研究表明空間分布權重函數(shù)的選擇對分析結果的影響不大，而距離衰減閾值的選擇對評估結果影響較大［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)作為空間分布權重函數(shù)［式（2）］?？紤]到數(shù)據(jù)采集范圍較大但極震區(qū)范圍較小，在震后應急響應階段尤其在震后黑箱期內(nèi)，當?shù)卣饕P注極震區(qū)內(nèi)較為精細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

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

由圖1可知，震區(qū)內(nèi)人口主要分布在震中東南部幾個較大地級、縣級城市內(nèi)。震中50 km范圍內(nèi)有兩個縣級城市，分別為烏什縣與阿合奇縣，地級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，震中附近自然地理條件不利于人群定居，震前人口熱力分布圖顯示當?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估結果作差，并依據(jù)差值從城鎮(zhèn)人口、交通線和村莊等方面對地震高烈度區(qū)（≥Ⅵ度）內(nèi)人口熱力變化的原因開展分析工作（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)地級城市阿克蘇市，區(qū)（縣）級城市阿合奇縣、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，相對開曠的郊區(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9分，震區(qū)內(nèi)大部分群眾已入睡，手機中內(nèi)置的SDK服務處于休眠狀態(tài)，不收集數(shù)據(jù)。地震發(fā)生后強有感范圍內(nèi)人群多從睡夢中驚醒并查看手機，從而喚醒移動終端中得到授權的SDK服務，推送服務平臺開始采集原本處于休眠狀態(tài)的手機位置大數(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

地震通常對交通線路造成較大的負面影響，2008年汶川地震、2023年蘆山與瀘定地震等強震均誘發(fā)大量地震滑坡，且造成較為嚴重的交通阻塞［23-25］。為分析此次地震過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)長約20 km的人口熱力減少現(xiàn)象，與此同時，其替換路段省道306普通道路顯示出人流增多的趨勢。該路段距離震中最近約56 km，我們初步推測當?shù)乜赡馨l(fā)生山體滑坡導致車輛無法前行，車流轉(zhuǎn)而從省道306普通道路行駛［圖3（a）］。1月25日，中華人民共和國運輸管理部發(fā)布的消息顯示該快速路段發(fā)生地震滑坡災害（https：//www.mot.gov.cn），驗證了應急階段對該路段人口變化原因的推測。

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)災害快速評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、無人機到達現(xiàn)場獲取災情信息時間較久等因素，無法第一時間快速獲取公路邊坡地質(zhì)災害情況。在基于手機位置的實時人口熱力數(shù)據(jù)支持下，通過地震前后變化的情況來判斷公路邊坡是否發(fā)生地質(zhì)災害具有較好的應用前景。

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)“斑點式”特征。該特征指示薩日庫熱克村人口熱力為整體減少，而非逐漸流動減少。附近依山古西村人口熱力增多，應為震區(qū)人員受到搖晃從睡夢中驚醒查看手機喚醒SDK服務導致，而不是薩日庫熱克村人員震后避災行為導致。薩日庫熱克村人口熱力在震后“斑點式”減少說明在搜索范圍內(nèi)手機SDK服務位置數(shù)據(jù)全部收集失敗，據(jù)此我們判斷出現(xiàn)該現(xiàn)象的原因為通信基站退服。

此外，烏什縣托萬克托斯馬村［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

由于通信系統(tǒng)具有脆弱性，在遭受重大災害侵襲時，往往會出現(xiàn)大面積、長時間的癱瘓情況，如2008年汶川8.0級地震造成6 924個通信基站損毀退服，2013年蘆山7.0級地震造成724個通信基站退服（逾震區(qū)內(nèi)通信基站總數(shù)的四分之一），給搶險救援造成極大不便［26］。前人研究認為通信基站退服與地震烈度具有一定關聯(lián)性，通常地震烈度Ⅷ度及以上即可導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個基站退服，其中阿克蘇烏什縣退服44個，克州阿合奇縣退服43個（https：//xjca.miit.gov.cn/）。因此，有必要使用人口變化情況對通信系統(tǒng)損毀情況進行模擬，分析通信基站退服情況與地震影響場之間的關系。

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，將基于手機位置數(shù)據(jù)得到的人口熱力變化情況與基站退服率相關聯(lián)，進而快速評估地震影響場。經(jīng)過驗證這一指標具有較高的快速評估應用價值［3-4］。

R=（N-K）/K （3）

式中：N為震后某一時刻單位網(wǎng)格內(nèi)人口數(shù)量;K為震前某一時刻單位網(wǎng)格內(nèi)人口數(shù)量；R為人口變化率。在計算人口變化率過程中設置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時，理想狀態(tài)下R的絕對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)生時間在白天或夜晚人們尚未入睡時，手機SDK服務的位置數(shù)據(jù)絕大多數(shù)處于活躍狀態(tài)，震后與震前基于手機位置信息統(tǒng)計得到的人口數(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，震后人們受晃動驚醒后使用手機會導致震區(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用戶以及震區(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之間的關聯(lián)程度還有待進一步驗證。

由圖4可以看出，雖然人口變化率對地震地質(zhì)災害路段（A區(qū)域）及部分通信基站退服［B、C、D、E區(qū)域，區(qū)域放大圖見圖3（c）、（d）、（e）］有一定響應，但本次地震人口變化率與地震影響場未呈現(xiàn)出較強的關聯(lián)性，研究區(qū)內(nèi)人口變化率均呈現(xiàn)出絕對值較高的特征，使用人口熱力估算出的人口變化率偏高，導致評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，強有感區(qū)內(nèi)群眾受到搖晃驚醒后其手機SDK位置服務開始活躍，導致震后基于手機位置的人口熱力數(shù)據(jù)總量大幅增加。在計算人口變化率時會出現(xiàn)大量人口變化率增幅很大的區(qū)域（如地級、縣級城市中心區(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)人口變化率絕對值偏高的主要原因，對使用人口變化率判定地震影響場也產(chǎn)生了較大的負面影響。

5人口熱力應急響應功能討論

本研究基于手機位置大數(shù)據(jù)，使用核密度插值的方法對震區(qū)內(nèi)震前與震后的人口分布情況進行評估，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。在同類研究中首次關注人口熱力數(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)災害相聯(lián)系，為解決震后快速獲取公路滑坡災害情況的難題提供了新的思路與方法。同時，人口熱力的“斑點式”減少與個別通信基站退服也有良好的對應關系，可以作為基站退服點地震破壞程度判斷的依據(jù)。以上兩類現(xiàn)象的發(fā)現(xiàn)與深入分析可以在應急響應階段為指揮部提供重要的決策分析依據(jù)，有助于災情信息的獲取及地震初期救援力量的科學分配。

此外，使用人口變化率快速評估地震影響場在本次震例研究過程中顯示出一定的局限性，主要由以下兩方面的因素導致：主要原因為地震發(fā)生在凌晨，大部分群眾驚醒后其手機SDK位置服務開始活躍，導致震后基于手機位置的人口熱力數(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)開展應急響應快速評估工作時需注意上述問題，使用人口變化率快速評估地震影響場會存在一定偏差。

6結論

本文通過對新疆阿克蘇地區(qū)烏什縣7.1級地震前后人口分布開展評估工作，結合地震發(fā)生時間、道路交通狀況及部分通信基站退服等因素對震區(qū)內(nèi)人口熱力變化原因進行分析，并對人口熱力數(shù)據(jù)的應急響應功能進行討論，得到以下結論：

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

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

（3） 部分通信基站退服導致個別村莊人口熱力“斑點式”減少，有助于判別基站退服點處的地震破壞程度。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)出絕對值較高的特征，使用人口熱力估算出的人口變化率偏高導致評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)出明顯的關聯(lián)性，因此在刻畫地震影響場的能力方面稍顯不足。

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

參考文獻（References）

［1］黃遠東，楊志強，許沖.災害造成的人類損失（2000—2019）［J］.中國應急管理，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.地震應急災情服務進展［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，陳海鵬，等.基于手機位置數(shù)據(jù)的四川九寨溝7.0級地震人流分析［J］.中國地震，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.基于手機位置的瀘定6.8級地震人口熱力分析［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，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］中國互聯(lián)網(wǎng)絡信息中心.第52次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告［R］.北京：中國互聯(lián)網(wǎng)絡信息中心，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.基于手機平臺的位置服務的應用研究［D］.上海：上海師范大學，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，葉鍾楠.基于百度地圖熱力圖的城市空間結構研究：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.基于手機位置數(shù)據(jù)的地震災情指標選擇［J］.中國地震，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進行城市設施興趣點分布熱點探測［J］.武漢大學學報（信息科學版），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.新疆紅色既民族團結旅游景點時空分布特征及交通可達性分析［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］馮國慶，褚蓉蓉，劉慧嬌，等.東昌湖景區(qū)旅游服務設施空間分布特征研究［J］.西南林業(yè)大學學報（社會科學），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平臺選址中的應用研究［J］.中國航海，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，余遠劍.空間自相關的可塑性面積單元問題效應［J］.地理學報，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流行的空間風險因子與空間相關性特征［J］.地理學報，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，朱喜鋼.基于不同尺度的中國區(qū)域經(jīng)濟差異［J］.地理學報，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.汶川八級地震地質(zhì)災害研究［J］.工程地質(zhì)學報，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級地震公路滑坡快速評估［J］.華北地震科學，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)災害發(fā)育特征及主控因素分析［J］.地震學報，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)抗震韌性評估方法研究［D］.哈爾濱：中國地震局工程力學研究所，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，李詩堯，張亮泉.落地通信基站機房地震易損性及震后功能失效概率評估［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）