广告

欧洲暴露和脆弱性模型:实践状况、挑战和未来方向

开放获取
章
第一个在线:
  • 951下载
部分beplay登入土木工程文摘丛书(SPRTRCIENG)
下载章PDF

7.1简介

作为欧盟委员会“地平线2020”项目的一项联合研究活动(www.sera-eu.org)、欧洲地震风险模型(ESRM20) (Crowley等。2019)正在开发使用公开/公开的地震风险所有组成部分的数据，从目录到活动断层，建立数据和脆弱性模型。该模型将由欧洲地震危害与风险设施(EFEHR)联盟(www.efehr.org)根据下列公开、透明和可复制的危害和风险模型的一般原则:

  • 再现性。实验或复杂模型的可重复性是现代科学的一个基本和不可避免的原则(波普尔)2002)．

  • 透明度。透明度确保了科学方法和结果的所有方面都可用于批评、检查、赞扬或重用。

  • 公平原则(欧洲委员会)2016)．使用或生产的数据和模型应该是可查找的、可访问的、可互操作的和可重用的。

  • 尊重知识产权，明确科学所有权。对数据支持或科学贡献的适当认可(和引用)是必不可少的。

2013年欧洲地震灾害模型的更新(ESHM13: Woessner等。2015)以及区域站点放大模型(基于Weatherill等人提出的方法)。2020)将为该风险模型提供地表震动的概率估计。本章总结了该地震风险模型的暴露和脆弱性组成部分的现状，指出了目前建模的主要挑战所在，并展望了未来正在探索的方向，以解决这些缺点，并在上述概述的一般原则下朝着改进的欧洲地震风险和损失模型前进。

7.2接触模型

7.2.1欧洲曝光模式综述

一个欧洲暴露模型正在为44个欧洲国家开发，描述住宅、商业和轻工业建筑的空间分布，包括建筑数量、人口和重置成本，并根据建筑类别进行分类。2020年,一个)．

这些住宅和非住宅暴露模型是根据最新的全国人口和住宅普查、社会经济指标(例如劳动力、人口和每个经济部门每个工人的建筑面积)、与当地专家一起制定的制图方案(将现有数据映射到建筑类别)以及工程判断得出的。已经收集到的所有源数据，以及在模型的每个版本的开发中使用的假设，都公开发布在GitLab存储库中1使用创作共用许可协议。该存储库还将用于存储所有欧洲国家的最终暴露模型，这些模型将于2020年底发布。

欧洲暴露模型总共包含约1.45亿座建筑，总更换成本(结构、非结构元素和内容)约为45-50万亿欧元，其中20%属于工业建筑，20%属于商业建筑，60%属于住宅建筑。建筑数量和价值排名前10的国家如图所示。7.1．
图7.1

建筑数量(左)和重置成本(右)排名前10的欧洲国家

欧洲70%的建筑都在这10个国家，而80%的价值集中在这10个国家。波兰、土耳其和罗马尼亚在第一个图中有大量的建筑，但在第二个图中被荷兰、瑞典和瑞士所取代，因为尽管这些国家的建筑数量较少，但由于这些国家的建筑成本高得多，它们的总重置价值更高。研究还发现，大约35%的欧洲人口暴露在中等水平的地震危险中(>0.1 g) (Crowley等人)。2020年,一个)．

暴露模型的地图，以及遵循开放地理空间联盟(OGC)标准的相关web服务，正在通过一个web平台提供(参见https://maps.eu-risk.eucentre.it/而且https://eu-risk.eucentre.it/web-services/)，从而可以方便地将曝光数据集成到其他web应用程序和平台中。数字7.2给出了其中一幅地图，它显示了总更换成本在六边形网格上的分布，间距为0.30 × 0.34十进制度(约1000公里)2在赤道)(使用Silva等人描述的方法。2020)．
图7.2

网格曝光模型查看器的截屏，显示总重置成本在六边形网格上的分布(https://maps.eu-risk.eucentre.it/map/european-exposure-gridded-data）

7.2.2暴露模型的挑战和未来方向

然而，上面所使用的方法在大范围内对有风险的建筑物进行建模时存在一些缺点。需要许多假设来弥补建筑物公开/公开数据的缺乏(例如，将住宅转换为建筑物所需的假设，或使用劳动力统计数据来在空间上分布商业建筑物)，而且通常没有明确估计或记录模型的不确定性，也没有通过风险/损失模型传播。对欧洲风险暴露模型中的不确定性进行了一些初步探索，据此估计更换成本的变异系数为40-50%。然而，仍然需要进一步的敏感性研究，特别是有关对建筑物类别分布的影响的研究，这往往是基于专家的判断。

欧洲的一些国家(意大利、葡萄牙和希腊)在进行全国人口和居住人口普查的同时进行了建筑普查，他们已经将建筑物划分为与建筑物抗震性能相关的类别，从而减少了这部分暴露模型的不确定性。收集的主要属性包括主要建筑材料、层数、年代和软层的存在(' pilotis ')。理想情况下，这样的工作应该在欧洲更多的国家进行，虽然一些国家正在努力游说进行这样的人口普查，作为国家风险评估的投入，这是欧洲委员会为支持仙台减少灾害风险框架(Veronika Sendova，个人沟通)， 2021年的下一轮人口普查不太可能与2011年的人口普查有显著差异。考虑到开发这些模型需要大量的手工工作(当新一轮人口普查数据在欧洲各国收集和公开时，需要重复这些工作)，由此产生的模型是“静态的”，不太可能定期更新。

数据的分辨率因国家而异，也因住宅、工业和商业建筑而异。对于大多数国家来说，工业暴露模型中的建筑分布是基于Sousa等人开发的30弧秒(赤道处约1公里)工业建成区网格。2017)，因此可获得非常高的分辨率。另一方面，住宅和商业模式则取决于住房、建筑物或劳动力统计数据公开提供的分辨率。数字7.3显示了所有国家的决议(根据最高行政边界)的变化，这显示了决议的变化有多大，并强调了大多数欧洲国家的商业决议相当差。
图7.3

住宅(左)和商业(右)建筑暴露模型的最高行政级别分辨率

众所周知，资产位置的不确定性导致了地面震动水平的偏差，从而导致了破坏水平的偏差(例如Bal等)。2010)．此外，在不同地点的不同场地条件会放大偏差。一项调查暴露的空间分辨率对正在为欧洲地震风险模型开发的风险度量的影响的研究已经启动(见Crowley等人)。2020 b)．住宅和商业占用被划分为6个分辨率30、60、120、240、480和960 arcsec。在此过程中，利用38 × 38平方米分辨率的遥感信息对建筑物进行重新分布，然后聚合到不同的网格分辨率。关于分解方法的更多细节可在Dabbeek和Silva (2020)．除了网格暴露模型，我们还研究了三种额外的工作流程(wf):(1)基于行政单元质心和最近的场地条件的位置，(2)基于行政单元质心和基于整个单元建成区密度加权的平均场地条件的位置，(3)基于最大建成区密度和基于整个单元建成区密度加权的平均场地条件的位置。

风险指标是使用openearthquake引擎的基于概率事件的计算器计算出来的(Pagani等人)。2014；Silva等人。2014)，使用覆盖100,000年的随机事件集进行所有建模。数字7.4展示了不同暴露模型案例和基准模型(30弧秒)之间全国平均年损失(AAL)的变化。对于网格曝光，结果表明相对稳定的损失高达240分辨率，最大差异为3%。在此之后，结果变得不准确，最大差异达到25%，这可以在冰岛和土耳其的例子中看到。对次国家一级的风险指标进行了类似的分析(汇总到第一行政级别)。这些分析表明，在国家一级，使用上述第二工作流(wf2)可以更好地估计AAL。百分比的变化可能与行政边界的大小、人口分布和地面运动的衰减成正比，并将在未来的研究版本中绘制证明这一点的图。然后可以利用这些关系来帮助确定可用于特定国家的区域/国家暴露模型的最低分辨率，以确保计算效率和准确性之间的平衡。
图7.4

9个欧洲低暴露分辨率国家因暴露分辨率变化造成的国家平均年损失(AAL)的变化。提供的结果相对于基准测试案例(30弧秒曝光)

为了解决上述的一些限制，曝光建模的未来可能专注于使用必要的工具和web服务生成动态高分辨率曝光模型，使其能够自动更新。在欧洲地平线2020 RISE项目内(www.rise-eu.org)，由波茨坦GFZ领导的一项努力正在进行，以开发高分辨率的全球动态

曝光(GDE)模型。GDE旨在描述地球上每一栋建筑的建筑层面的暴露，采用完全开放的大数据方法，包括开放的地理数据，如OpenStreetMap，2开放遥感数据、机器学习和其他开放数据，如地籍数据服务。GDE提供了一个服务器基础设施，可以在全球范围内自动计算约3.75亿幢建筑的暴露指标(这个数字大约在增长)。随着越来越多的建筑在OpenStreetMap上被绘制，每天有15万幢建筑被绘制)。其中一些指示符显示在OpenBuildingMap上3.及其3D版本。4目前，正在将来自GED的高分辨率建筑数据与上述欧洲暴露模型的建筑分类相结合，作为生成高分辨率欧洲暴露模型的第一步，该模型可用于在特定场景事件下的地震损失评估。

7.3脆弱性建模

7.3.1欧洲脆弱性模型综述

虽然脆弱性模型可以直接从经验损失数据开发(例如Jaiswal等。2009)，通常公共数据库中地面运动和损失数据的分辨率和质量不足以达到这一目的，因此脆弱性模型通常是通过结合脆弱性函数和后果模型来开发的，后者根据损害程度定义损失的概率。

暴露模型中危险元素的脆弱性模型提供了达到或超过一组破坏状态的概率，这取决于地面震动的程度。虽然这些模型可以使用观测到的破坏数据来开发，但建筑物所遭受的地面震动的巨大不确定性通常意味着结果函数是平坦的和高度不确定的(例如Ioannou等人)。2014)．因此，分析模型是首选的，因为可以考虑现场的危险一致的地面震动，不同建筑类别之间的相对差异(其中一些在过去的事件中可能还没有经历过地震破坏)可以明确建模，特定建筑的特征数据(如果有的话)可以用于更新模型。Silva等人介绍了脆弱性分析模型的最新发展以及局限性。2019)．

在SERA项目中编译了一个欧洲漏洞数据库，包括能力曲线、脆弱性函数、损害损失模型和漏洞函数，并可在GitLab存储库中使用(Romão等)。2020)．该数据库目前有828个模型，来自63个独立的研究，从文献中获得。这样的数据库对于检查新的脆弱性模型的完整性特别有用，因为它允许建模者将他们的模型与文献中的模型进行比较(参见Crowley等)。2020 b)．

除了收集现有的易损性模型外，目前正在为欧洲地震风险模型中的建筑类别开发一套新的模型。作为这一努力的一部分，研究了欧洲各地钢筋混凝土建筑设计规范的时空演变(Crowley等。2021)和抗震设计的基本原则，根据四大类设计(预编码cdn、低cdl、中cdm和高cdh)设计了原型建筑，并对其进行了数值模拟，得到了其横向强度和变形能力。设计级别为CDN的建筑通常按照较老的规范设计(从20世纪60年代以前开始)，使用许用应力和非常低的材料强度值，并主要考虑重力载荷。设计等级CDL的建筑物在设计时考虑了地震作用，通过加强设计侧向力系数的值(定义为施加的侧向力作为建筑物重量的一部分)。这些规范的结构设计通常基于特定材料标准，使用许用应力设计或应力块方法。地震设计包括现代概念的极限能力和部分安全系数(极限状态设计)是CDM类规范的基础。在设计中，地震作用也被考虑到侧向力系数的强制值。最后，CDH类参考了现代地震设计原则，考虑了能力设计和局部延性措施，类似于欧洲规范8 (CEN)2004)．

生成MDOF设计的建筑物的数值模型，得到两个正交方向上的推覆曲线，并将其转化为SDOF系统(或者，对于没有明确设计和数值建模的建筑物类别，根据Martins和Silva的方法直接推导SDOF系统2020)，然后将这些SDOF模型进行一系列的地面运动记录(通过动态非线性分析)，以模拟地面震动强度和位移响应之间的关系，使用Crowley等人描述的截短云方法(2017)和马丁斯和席尔瓦(2020)．建筑特征(几何和材料)的不确定性，设计参数，建筑质量(因此遵守规范)，破坏的位移阈值，以及记录对记录的可变性都可以在程序中考虑到，并被建模为脆弱性函数的最终分散中表示的偶然性变量，从图中所示的云构建。7．5．
图7.5

根据云分析方法构建脆弱性函数(Martins和Silva)2020）

然后，脆弱性函数使用损害-损失模型转换为脆弱性模型，该模型为每种损害状态(轻微、中度、广泛和完全)提供损失比率。对于由于修复损坏而造成的损失，损失比率是从一些现有的研究(例如Di Pasquale和Goretti)中推断出来的2001；联邦应急管理局2004；Kappos等人。2006；Bal等人。2008)．对于生命损失，在完全破坏的情况下，首先通过结合联邦应急管理局(2004)与工程判断，并将这些数据与数据库中可观测到的损坏数据进行比较，如意大利民防部门的Da.D.O。数据库(egeos.eucentre。it/danno_osservato/web/danno_osservato, Dolce等。2019)和剑桥地震影响数据库(https://www.ceqid.org)．通过对过去一些破坏性地震的死亡数据的评估，仍在制定死亡率(即不同建筑类别在倒塌情况下的生命损失概率)。

7.3.2脆弱性建模的挑战和未来方向

虽然最新的脆弱性建模方法考虑了广泛的不确定性，但通常不考虑建模的不确定性，这里将后者定义为与所选建模方法相关的不确定性，而不是通常认为的“参数不确定性”，即与特定建模方法的参数相关的不确定性。随着对构件和全尺寸建筑物的实验测试越来越多，在编制脆弱性分析函数(例如Bradley)时所使用的结构建模方法的偏差或缺乏精度的问题有了量化的余地2013)．然而，即使根据一些实验测试对选定的建模方法进行了测试/校准，盲预测练习表明，来自似是而非的模型的结果仍然可能存在显著差异(参见例如Terzic等人。2015)．正在开发脆弱性函数的建筑物不一定具有与数值建模方法所针对的建筑物相同的特征。因此，在为给定的结构类型开发脆弱性函数时，仍应对模型进行合理的更改，否则应应用影响事后通过工程判断，在其他类似研究的归一化结果的基础上，引入更多的建模不确定性。为模型不确定性提出数值的一个例子出版物是FEMA P-58 (FEMA2018)．模型中的这些变化可能包括，对于钢筋混凝土建筑，改变关于梁柱节点刚度的假设，钢筋和混凝土之间的结合，填充板和框架之间的接触，对于砖石建筑，正交墙之间的互锁，板，屋顶和墙之间的连接，或等效框架离散化的假设。因此，这种认知不确定性的建模应该成为未来脆弱性分析建模的标准实践，并可能基于一个主干方法，通过逻辑树表示偶然模型不确定性(Crowley等人)。2017)，这一方法正越来越多地用于地面运动建模(例如Atkinson等。2014；道格拉斯2018)．数字7.6展示了如何将脆弱性模型中的认知不确定性(由于建模方法的变化而产生大量脆弱性函数)转换为用于逻辑树的三点分布的示例。将模型的不确定性包括为认知的不确定性，而不是偶然的可变性的优势，允许这种不确定性在基于类似建模方法的建筑类别之间的相关性，更容易在风险模型中解释。
图7.6

脆弱性中模型不确定性表示的说明性示例作为用于逻辑树的三点分布函数

为了提高脆弱性模型的透明度和可再现性，并使建模的不确定性更加明确，建议除了通过上述脆弱性数据库提供模型的参数外，还应公开提供基础数据(例如SDOF模型参数、选定记录、损害阈值)和用于开发模型的软件。全球地震模型(GEM)目前正在开发开源Python脚本和工具(“脆弱性建模器工具包”)，这些脚本和工具遵循GEM在其全球地震风险模型中使用的脆弱性方法(Silva等人)。2020；马丁斯和席尔瓦2020)．这些工具将允许用户生成基于通用方法的脆弱性模型，并且可以很容易地进行比较，高级用户将能够对可以公开共享的脚本进行修改。

另一项旨在提高未来脆弱性建模可靠性的努力是风险模型测试框架的正规化(Crowley等人)。2020 b，c)．简单的完整性检查，所谓的“单元测试”可以包含在软件中，用于开发脆弱性函数(如上面描述的)，以确保中值和离散值在合理的范围内，并与文献中现有的函数进行比较。然而，在进行这种比较时，应该考虑到许多来自学术文献的模型没有使用过去的地震损害和损失数据进行校准或测试。因此，尽管与现有模型的比较是一项重要的检验，但更重要的是确保提出的模型是根据经验数据进行检验的。用于此目的的有用且公开的数据包括由PAGER开发的经验脆弱性模型(Jaiswal等人)。2009；Jaiswal和Wald2013)，以及从多个数据库(包括灾害流行病学研究中心(CRED)的EMDAT数据库(EMDAT))获取的死亡人数、经济损失和损害数据2019)，意大利民防部门的Da.D.O。数据库(Dolce et al。2019)、美国国家海洋和大气管理局的重大地震数据库(NGDC/WGS)和剑桥地震影响数据库(www.ceqid.org)．尽管目前可以获得用于地震风险模型验证的破坏和损失数据，但仍然需要继续努力，以标准化和协调公开和公开的后果数据的收集。作者目前正在努力将这些数据源与美国地质调查局的ShakeMaps相结合，以收集1960年以来欧洲所有4级以上地震的数据，以产生一个开放的标准化数据源，可用于欧洲风险模型的测试。

数字7.7展示了用欧洲脆弱性模型进行的两个测试示例(Crowley et al。2020 b)．在第一个例子中，通过全国所有建筑类别的暴露加权组合计算出了一个平均脆弱性函数，并与PAGER开发的经验模型进行了比较，随后将谱纵坐标转换为宏观地震烈度(在转换中相关的不确定性由图中的平均和+/1标准差脆弱性曲线显示)。7.7)．在第二个例子中，2009年拉奎拉地震的INGV ShakeMap与暴露和易损性模型一起使用，以估计损失分布，并与国防部报告的损失进行了比较。数据库(使用Silva和Horspool中概述的方法2019)．
图7.7

欧洲易损性模型的示例测试:与PAGER易损性模型的比较(左)，使用美国国防部的损失量数据比较拉奎拉地震的估计和观测损失量。数据库(https://egeos.eucentre.it/danno_osservato/web/danno_osservato)(右)

7.4结束语

本章介绍了欧洲地震风险模型(ESRM20)的暴露和脆弱性组成部分的最新状况，该模型正在开发中，将于2020年秋季由欧洲地震风险和风险设施(EFEHR)联盟的风险服务部门发布。5这些模型遵循了大规模、区域暴露和脆弱性模型的最新做法。在此讨论了当前实践中的一些挑战，如对公共数据的有限访问、手动更新、复制当前模型的困难以及缺乏测试，并概述了解决这些问题的未来方向。总的来说，人们认为，采取以公开和透明的方式公布风险模型组成部分的所有基本数据源的行动，以及用于开发这些数据的软件，将确保欧洲风险模型的继续改进。

脚注

  1. 1．
  2. 2．
  3. 3.．
  4. 4．
  5. 5．

参考文献

  1. Atkinson GM, Bommer JJ, Abrahamson NA(2014)概率地震风险分析中地面运动认知不确定性建模的替代方法。地震地质学报85(6):1141-1144。https://doi.org/10.1785/0220140120 CrossRef谷歌学者
  2. Bal IE, Crowley H, Pinho R(2008)损失评估模型中土耳其钢筋混凝土建筑构件结构特性的详细评估。Soil Dyn Earthq Eng:914 - 932CrossRef谷歌学者
  3. Bal IE, Bommer JJ, Stafford PJ, Crowley H, Pinho R(2010)伊斯坦布尔地震损失模型中城市暴露数据地理分辨率的影响。地球学报26(3):619-634。https://doi.org/10.1193/1.3459127 CrossRef谷歌学者
  4. Bradley B(2013)地震工程中地震反应不确定性分析的关键检验。岩土工程学报42(11):1717-1729CrossRef谷歌学者
  5. CEN(2004)欧洲规范8:抗震结构设计。欧洲标准，欧洲标准化委员会，布鲁塞尔谷歌学者
  6. Crowley H, Polidoro B, Pinho R, Van EJ(2017)当地个人风险脆弱性和后果模型的开发框架。地球勘探33(4):1325-1345CrossRef谷歌学者
  7. Crowley H, Rodrigues D, Silva V, Despotaki V, Marins L, Romão X, Castro JM, Pereira N, Pomonis A, Lemoine A, Roullé A, Tourlière B, Weatherill G, Pitilakis K, Danciu L, Correira AA, Akkar S, hanciar U, Covi P(2019) 2020年欧洲地震风险模型(ESRM20)。见:2019年第二届自然灾害与基础设施国际会议论文集。有关,克里特岛谷歌学者
  8. Crowley H, Despotaki V, Rodrigues D, Silva V, Toma-Danila D, Riga E, Karatzetzou A, Fotopoulou S, Zugic Z, Sousa L, Ozcebe S, Gamba P (2020a)欧洲地震风险评估暴露模型。Earthq Spect。https://doi.org/10.1177/8755293020919429
  9. Crowley H、Dabbeek J、De Maio FV、Despotaki V、Rodrigues D、Faravelli M、Borzi B、Silva V、Martins L、Kalakonas P、Weatherill G、Riga E、Karatzetzou A、Pitilakis K、Anastasiadis A、Pitilakis D、Fotopoulou S、Michelini A、Faenza L (2020b) D26.8欧洲地震风险模型(ESRM20)的测试和验证，SERA项目可交付成果。www.sera-eu.org
  10. Crowley H, Despotaki V, Silva V, Dabbeek J, Romão X, Daniell J, Veliu E, Bilgin H, Adam C, Deyanova M, ademoviic N.， Atalic J, Riga E, Karatzetzou A, Bessason B, Sendova V, Toma-Danila D, Zugic Z, Akkar S, hanciar U(2021)欧洲现有建筑物抗震设计侧向力水平模型，Bull Earthq Eng。https://doi.org/10.1007/s10518-021-01083-3
  11. Crowley H, Silva V, Kalakonas P, Martins L, Weatherill G, Pitilakis K, Riga E, Borzi B, Faravelli M (2020c)欧洲地震风险模型(ESRM20)的验证。见:第十七届世界地震工程会议论文集。日本仙台谷歌学者
  12. Dabbeek J, Silva V(2020)中东住宅建筑存量的多重灾害风险评估建模。Nat危害100:781-810。https://doi.org/10.1007/s11069-019-03842-7 CrossRef谷歌学者
  13. 迪·帕斯夸莱·G，戈雷蒂·A (2001) Vulnerabilità经济发展与住宅建设的关系。见:第十届全国会议论文集“意大利的L’ingegneria Sismica”。Potenza-Matera、意大利谷歌学者
  14. Dolce M, Speranza E, Giordano F, Borzi B, Bocchi F, Conte C, Di Meo A, Faravelli M, Pascale V(2019)意大利过去地震观测损害数据库:Da.D.O WebGIS。应用地质学报60(2):141-164。https://doi.org/10.4430/bgta0254
  15. Douglas J(2018)捕捉地震地面运动模型中地理变化的不确定性或我们认为我们知道的可能变化。见:Pitilakis K (ed)《欧洲地震工程的最新进展》，第6章，153-181页谷歌学者
  16. EMDAT(2019)灾害流行病学研究中心国际灾害数据库。https://www.emdat.be/
  17. 欧盟委员会(2016)2020年地平线FAIR数据管理指南，2016年7月。https://ec.europa.eu/research/participants/data/ref/h2020/grants_manual/hi/oa_pilot/h2020-hi-oa-data-mgt_en.pdf
  18. 联邦应急管理局(2004)HAZUS-MH技术手册。联邦紧急事务管理局，美国华盛顿特区谷歌学者
  19. FEMA(2018)建筑物抗震性能评估。第1卷-方法论。FEMA P-58-1，第二版，联邦紧急事务管理署，华盛顿特区谷歌学者
  20. Ioannou I, Douglas J, Rossetto T(2014)评估地面运动变异性和不确定性对经验脆弱性曲线的影响。土壤Dyn Earthq Eng。https://doi.org/10.1016/j.soildyn.2014.10.024 CrossRef谷歌学者
  21. Jaiswal K, Wald D(2013)利用经验方法估算地震造成的经济损失。地球光谱29(1):309-324谷歌学者
  22. Jaiswal K, Wald D, Hearne M(2009)使用经验方法估算全球大地震的伤亡，美国地质调查局公开文件报告1136谷歌学者
  23. Kappos A, Panagopoulos G, Panagiotopoulos C, Penelis G (2006) R/C和URM建筑脆弱性评估的混合方法。地球科学4(4):391-413。https://doi.org/10.1007/s10518-006-9023-0 CrossRef谷歌学者
  24. Martins L, Silva V(2020)全球地震风险分析脆弱性和脆弱性模型的开发。公牛地球工程。https://doi.org/10.1007/s10518-020-00885-1 CrossRef谷歌学者
  25. 国家地球物理数据中心/世界数据服务(NGDC/WDS):重要的地震数据库。国家地球物理数据中心，NOAA。https://doi.org/10.7289/V5TD9V7K．访问日期:2020年4月22日
  26. Pagani M, Monelli D, Weatherill G, Danciu L, Crowley H, Silva V, Henshaw P, Butler L, Nastasi M, Panzeri L, Simionato M, Vigano D (2014) openearthquake Engine:用于全球地震模型的开放风险(和风险)软件。地震监测85(3):692-702CrossRef谷歌学者
  27. Popper K(2002)科学发现的逻辑。拉特利奇经典之作，545页谷歌学者
  28. Romão X, Pereira N, Castro JM, De Maio F, Crowley H, Silva V, Martins L(2020)欧洲建筑脆弱性数据库(版本v1.1)[数据集]。Zenodo。http://doi.org/10.5281/zenodo.4087810
  29. Silva V, Crowley H, Pagani M, Monelli D, Pinho R(2014)用于地震风险评估的全球地震模型开源软件openearthquake引擎的开发。Nat的危险。https://doi.org/10.1007/s11069-013-0618-x CrossRef谷歌学者
  30. Silva V, Akkar S, Baker J, Bazzurro P, Castro JM, Crowley H, Dolsek M, Galasso C, Lagomarsino S, Monteiro R, Perrone D, Pitilakis K, Vamvatsikos D(2019)脆弱性分析和脆弱性建模的当前挑战和未来趋势。地球勘探35(4):1927-1952CrossRef谷歌学者
  31. Silva V, amos - oduro D, Calderon A, Costa C, Dabbeek J, Despotaki V, Martins L, Pagani M, Rao A, Simionato M, Viganò D, yepe - strada C, Acevedo A, Crowley H, Horspool N, Jaiswal K, Journeay M, Pittore M(2020)全球地震风险模型的开发。Earthq Spect。https://doi.org/10.1177/8755293019899953
  32. Silva V, Horspool N(2019)结合USGS XE“USGS”震动图和开放式地震发动机进行损害和损失评估。地球工程结构动力。https://doi.org/10.1002/eqe.3154 CrossRef谷歌学者
  33. Sousa L, Silva V, Bazzurro P(2017)利用开放获取数据开发工业建筑地震风险建模暴露数据集。地球学报33(1):63-84CrossRef谷歌学者
  34. Terzic V, Schoettler MJ, Restrepo JI, Mahin SA(2015) 2010年混凝土柱盲预测大赛:结果和观察。同行报告2015/01。太平洋地震工程研究中心，加州伯克利谷歌学者
  35. Weatherill G, Kotha SR, Cotton F(2020)重新思考区域地震风险评估中的站点放大。Earthq Spect。https://doi.org/10.1177/8755293019899956 CrossRef谷歌学者
  36. Woessner J, Danciu L, Giardini D, Crowley H, Cotton F, Grunthal G, Valensise G, Arvidsson R, Basili R, Demircioglu M, Hiemer S, Meletti C, Musson R, Rovida A, Sesetyan K, Stucchi M(2015) 2013年欧洲地震灾害模型的关键成分和结果。地球科学13(12):3553-3596。https://doi.org/10.1007/s10518-015-9795-1 CrossRef谷歌学者

版权信息

©作者(s) 2021

开放获取本章依据创作共用署名4.0国际许可协议(http://creativecommons.org/licenses/by/4.0/)，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当注明原作者和来源，提供创作共用许可的链接，并说明是否有更改。

本章中的图片或其他第三方材料包含在本章的创作共用许可中，除非在材料的信用额度中另有说明。如果材料不包括在本章的创作共用许可，您的预期用途不被法律法规允许或超过允许的使用，您将需要直接从版权所有者获得许可。

作者和隶属关系

  1. 1.欧洲地震工程训练与研究中心帕维亚意大利

个性化推荐

引用章

下载书