• 研究背景

地震作为最具破坏性的自然灾害之一，对基础设施和人类生命安全构成严重威胁。峰值地面加速度 (PGA) 是衡量地震期间地面震动强度的关键指标，对评估结构损伤和指导应急响应具有重要意义。传统PGA计算方法依赖专家手动分析，耗时较长，可能延误灾害响应关键窗口。特别是在坎皮佛莱格瑞这类具有复杂火山构造的高风险区域，地震活动与火山过程相互作用可能放大地面运动风险。本文旨在开发一套近实时事件驱动系统，实现地震影响区域PGA的自动快速计算。

• 研究内容

意大利国家地球物理与火山学研究所维苏威观测台研发的UrbanSM系统，基于新型数据驱动实时分析平台，实现了PGA和伪谱加速度 (PSA) 的全自动计算。该系统通过Apache Kafka三节点集群构建分布式消息队列，结合Kubernetes八节点集群实现工作模块的并行调度。当监测到震级大于3.0的地震事件时，系统自动触发分析流程：首先从波形库下载加速度计数据，利用响应文件进行反卷积处理，随后计算最大加速度值 (以%g和m/s²表示)，最终生成包含数据表格、图表和地图的综合结果。整个处理流程可在5分钟内完成，无需人工干预。 系统集成多方数据源，包括INGV自有台网、民防部门国家加速度计网络 (RAN) 以及布设在学校、企业的临时监测设备，在核心区域实现平均台站间距4.4公里的密集覆盖。研究团队特别开发了基于杜哈梅积分的响应谱计算函数，可针对不同周期 (T) 和阻尼比 (设定为5%) 分析加速度时程数据，输出加速度谱 (SA)、伪加速度谱 (PSA) 等多种响应类型。计算结果通过交互式网站实时发布，用户可通过普通浏览器查看震中位置、台站PGA值和PSA谱线等关键信息。地图界面采用颜色梯度标示震动强度 (绿色至红色对应低到高PGA值)，支持点击查询单台站详细数据，所有数据均支持JSON格式下载供GIS系统集成使用。

• 研究总结

该研究开发的自动化PGA计算系统显著提升了地震风险管理的时效性和准确性。与依赖地面运动预测方程 (GMPEs) 的传统方法相比，直接测量能更精确反映局部地质条件和地形效应，为结构抗震分析提供可靠输入。系统输出的PSA数据尤其有助于评估不同自振周期结构的受力状态，支持性能化设计框架的实施。实际应用表明，该系统已被当地企业用于建筑结构地震行为评估，验证了其工程实用价值。未来研究方向包括引入人工智能技术优化余震预测模型，通过机器学习算法分析大规模实时数据，进一步提升震动图估计精度。这种将实时监测、自动处理与AI预测相结合的技术路径，为构建更高效的地震风险管理体系奠定了坚实基础，对高密度城市区域的防灾规划具有重要推广价值。

原文链接：https://www.mdpi.com/2624-795X/6/1/8

• GeoHazards 期刊介绍

主编：Prof. Dr. Zhong Lu, Southern Methodist University, USA; Prof. Dr. Tiago Miguel Ferreira, University of Lisbon, Portugal

期刊发表范围涵地球物理/地质灾害、气候及气候变化相关灾害、气象灾害、水文灾害、块体运动灾害以及人为和技术灾害等研究领域。自2020年创刊以来，被ESCI、Scopus、GeoRef等多个权威数据库收录。

2024 Impact Factor：1.6

2024 CiteScore：2.2

Time to First Decision：20.1 Days

Acceptance to Publication：4 Days

期刊主页：https://www.mdpi.com/journal/geohazards