1969年前中国历史地震目录：字段拆解、数据清洗与典型应用

搞地震数据处理或者地质灾害分析的人，大概都体会过翻历史资料的痛苦：纸质地方志、散落的档案、不同年代出版的地震目录汇编，格式口径五花八门，连地震时间都有农历公历、地方时区之分。我去年做区域地震活动性分析的时候，前期最耗时的反而是数据整理，直到拿来了CnOpenData的这份"中国1969年前历史地震目录信息表"，整个数据准备周期一下子缩短了大半。这篇就围绕这份数据集，聊聊它到底装了什么内容、字段是怎么组织的、使用时有哪些容易踩的坑，以及我实际清洗分析过程中的一些具体操作，希望能给正在找历史地震数据的人省点时间。

1. 这份数据到底装了什么

1.1 1969年这个时间分界线是怎么来的

先解释一个最直观的问题：为什么偏偏是1969年之前。这个时间节点并不是拍脑袋定的，它跟我国地震观测能力的转折有直接关系。在上世纪六十年代后期之前，国内虽然已经有了一些零散的地震台站，比如东部沿海城市在二十世纪初就开始有仪器记录，但整体覆盖范围很小，台网没有形成统一的运行规范和编目标准，各地记录到的地震参数经常对不上。而到了1969年前后，国家层面的地震观测台网逐步走向统一调度，地震目录的编目口径开始趋于一致，震级测定、定位方法也有了相对统一的流程。换句话说，1969年之后的目录来自仪器观测为主、口径相对统一的时代，而1969年之前的地震记录，来源复杂、测定方法多样，恰恰是最需要整理和标注源信息的部分。

这份目录就是把这些早期地震事件归拢成结构化表格的成果。它的时间跨度覆盖了从有文字记载以来一直到1969年的漫长时期，空间范围聚焦中国大陆及周边区域。对做研究的人来说，1969年以前的记录恰恰是研究长期地震活动规律所必需的——只靠现代几十年的仪器记录，很难看清大地震的复发周期和空间迁移规律。

1.2 这份数据的核心价值与适用人群

历史地震目录的价值在于"把史料变成数据"。原始史料里的地震记载长什么样？很多地方志里的记载是"某县地大震，墙屋倾颓，压死人畜无算"这种定性描述，没有仪器参数，没有经纬度，更没有震级。要把这些信息变成可供统计分析的量化数据，需要做大量考证工作：确定发震年份、判断震中大概位置、根据破坏记载的范围反推震级和烈度。

所以这份目录解决的核心问题，是把一百多条甚至更多的历史地震事件，整理成包含时间、地点、震级、烈度等关键字段的表格，让你可以直接用数据分析工具去处理。适合的人群很明确：

• 做地震危险性评估、区划研究的工程师和研究人员，需要长历史目录来估计地震复发周期；
• 做灾害史、历史地理研究的学者，需要把地震事件和历史文献记载对应起来；
• 做地质相关课程设计、论文分析的学生，需要一个结构可靠的基础数据集作为分析起点；
• 做数据可视化和科普内容的人，想展示历史地震的时空分布。

2. 字段结构拆解：每条地震记录里有什么

2.1 核心字段及含义

拿到数据集第一步肯定是看字段结构。这类历史地震目录常见的字段大致如下表所示，你拿到手后可以逐一核对：

不同版本的目录字段命名可能差异很大，有的叫"震级Ms"，有的直接写"震级"，有的还会多出"等震线面积""有感范围"这类字段。我的建议是第一步先打印字段清单，逐个对照数据说明文档确认含义，尤其要确认经度纬度的坐标系统是不是同一套。

2.2 震级与烈度的换算逻辑

历史地震没有仪器记录，那震级是怎么来的？这是理解这份数据的关键。早期目录里很多震级并不是直接测出来的，而是通过震中烈度或者等震线资料反推的。烈度反映的是地震对地表和建筑物的破坏程度，可以通过史料中的描述来进行评定，比如"房屋倒塌十之二三""地裂数尺，涌沙出水"这类记载，可以和烈度评定标准相对应。

有了烈度之后，再通过经验公式转换成震级。常见的经验关系式大致形如M = a × I0 + b，不同的研究区域和资料年代会给出不同的系数。这里要特别注意，这种换算得到的震级本身带有不小的不确定性，同一历史地震在不同目录里震级相差0.3到0.5级是很正常的。所以我在分析时一般不会把历史地震的震级当成精确值，而是当作一个量级级别的估计。

2.3 历史地名的处理

历史地震地点记录还有个特殊问题：地名演变。史料里记载的县名、府名、州名跟今天完全不是一回事，同一地点在不同朝代还可能反复改名。比较好的目录会同时给出历史地名和现代地名，甚至附上对应的经纬度。如果你拿到的表里只有历史地名，就要另外准备一份历史地名辞典做映射。

我自己的习惯是保留原始地名字段不做修改，另起一列放标准化后的现代地名或者直接以经纬度为准。不要在原字段上直接覆盖，因为后续如果发现映射错误，你还能回到原始记录重新核对。

3. 数据清洗与统计实操流程

3.1 读入数据与初步检查

拿到Excel或CSV格式的数据后，第一步自然是读入并做初步体检。我用Python的pandas库，代码很简单：

import pandas as pd df = pd.read_excel("pre1969_earthquake.xlsx") # 按实际文件名调整 print(df.shape) print(df.columns.tolist()) print(df.head(10))

看到列名之后别急着分析，先把每个字段的缺失情况摸一遍：

missing_summary = df.isnull().sum() print(missing_summary[missing_summary > 0])

历史数据的缺失率通常不低，尤其是震源深度和发震时刻这类字段，早期记录大量空缺，这本身就是一个信息。先搞清楚哪些字段能用、哪些字段基本是空的，再决定后续分析策略。

3.2 时间字段标准化

接下来需要把时间字段统一成标准格式。历史地震数据的时间有几个常见坑：一是年号纪年，古代记录里经常是"明万历三十四年"这种写法，需要先换算成公历年份；二是农历和公历混用，部分记载用的是农历日期；三是很多记录只有年份没有月日。处理思路是先把能解析的字段解析出来，不能解析的保留原值并标注缺失原因。

# 示例：从"1909-09-21"字符串中提取标准时间 df["date_std"] = pd.to_datetime(df["日期"], errors="coerce") df["year"] = df["date_std"].dt.year df["month"] = df["date_std"].dt.month

这里用errors="coerce"的目的，是把无法解析的日期变成缺失值，后面再单独处理。对只有年份的记录，可以直接取年份字段单独分析，日期的缺失不影响年尺度上的统计。

3.3 震级字段的统一处理

震级类型不统一是所有历史地震目录的通病。早期目录里可能同时混着面波震级、体波震级和经过烈度换算的推定震级，这些值放在一起直接统计是有问题的。我在处理时的做法是：先看数据列的类型标注，如果有"震级类型"或类似字段，就按类型分组统计；如果没有，则结合资料说明推断主震级类型。

# 按震级区间分档统计 bins = [0, 3, 4, 5, 6, 7, 8, 10] labels = ["<3", "3-4", "4-5", "5-6", "6-7", "7-8", ">=8"] df["mag_bin"] = pd.cut(df["震级"], bins=bins, labels=labels, right=False) print(df["mag_bin"].value_counts().sort_index())

分档统计可以快速看出数据分布是否合理，也能帮你判断是否有异常值，比如震级为0或超过9的记录，通常需要回头核对原始来源。

3.4 空间分布与基础统计

清洗完时间、震级和经纬度之后，就可以做基础的空间分析了。我会先画一张震中空间分布散点图，看看数据在空间上是否覆盖了预期区域。历史地震的记录存在严重的不均匀性：东部地区因为文献记录相对丰富，早期地震记载很多，西部的记录则明显偏少，这不代表西部地震少，而是人口稀少、文献缺失导致的历史记录盲区。分析时要把这种"观测偏差"放在心上，不能直接把历史目录的频次当成真实地震活动水平。

import matplotlib.pyplot as plt plt.figure(figsize=(10, 8)) sc = plt.scatter(df["经度"], df["纬度"], c=df["震级"], cmap="hot_r", s=8, alpha=0.7) plt.colorbar(sc, label="震级") plt.xlabel("经度") plt.ylabel("纬度") plt.title("1969年前历史地震震中分布") plt.show()

如果用地图底图，建议叠加今天的省界或板块边界线做参照，这样更容易看出地震带的位置关系，比如南北向的地震带走向是否清晰。

4. 使用中的常见坑与排查实录

4.1 同一地震出现多条重复记录

历史目录最容易遇到的问题之一，就是同一地震被重复收录，或者被分拆成多条。造成这种情况的原因主要在于古代通讯不便，不同地方的记录者对同一个事件的描述差异很大，后人编目时如果没有仔细比对，可能把一个地震当成了两个。排查方法是按时间、震中位置和震级做聚类匹配：设定一个合理的时间窗口（比如前后1天）和空间距离阈值（比如经纬度差不超过1度），把满足条件的记录列出来人工比对。

# 按年份和经纬度粗略查重 dup_check = df[df.duplicated(subset=["year", "经度", "纬度"], keep=False)] print(dup_check.sort_values(["year", "经度", "纬度"]))

查重时要注意，某些年份确实可能在同一区域短时间发生多次地震，所以别机械地删重复数据，一定要结合震级和备注信息判断。

4.2 经纬度精度不足的问题

早期地震的震中位置，很多是根据史料记载的破坏范围推断出来的，存在明显误差。有的记录经纬度只精确到整数度，意味着实际震中可能偏离几十公里。对做大尺度空间统计的人来说这可能可以接受，但如果你要精确分析某条地震与断层的空间关系，就必须谨慎。我的处理原则是：在结果图中把这种不确定性体现出来，比如给震中位置画误差范围圈，或者在做空间匹配时把容差设定得大一些。

4.3 目录间口径不一致

不同来源的目录对同一地震的记载可能不一致，震级差异0.5级、日期相差几天的现象并不罕见。遇到这种情况，我的建议是不要试图"调和"出一个唯一答案，而是选择一条主目录作为分析基准，遇到关键事件时再交叉核对其他目录，把差异写入备注。分析时还可以做一个敏感性检验：用不同的震级值重新计算相关统计量，看看会不会改变主要结论。如果结论对0.5级的震级差都很敏感，那这个结论本身就站不住脚。

4.4 缺失值的处理策略

历史数据的缺失是常态，不能简单删除。我常用的策略是分场景处理：

• 震源深度缺失严重（常超过一半），直接放弃该字段，不参与建模；
• 发震时刻缺失，按天粒度分析即可，不追求精确时刻；
• 震级缺失的记录，在统计频率时不能直接丢弃，否则会低估地震活动水平。可单独统计一个"有震级记录"子集，和全量时间分布对照。

其实缺失信息本身就是历史数据的重要特征，它反映了特定时期资料记录能力的高低，在做长期趋势分析时要把记录完备性因素纳入考虑。

5. 典型应用场景与延伸思路

5.1 历史地震目录用于活动性参数计算

地震活动性分析里常用的震级-频度关系，就是经典的b值分析。完整的目录，尤其是长历史目录，对估计低震级段的完整性有帮助。把历史目录和现代仪器目录拼接使用时，一定要注意两个时段的数据完整性和震级口径差异，最好先做完整性分析，确定各自可靠的震级下限，再做拼接。否则统计结果会被人为的目录变化误导。

5.2 空间可视化用于近代地震格局展示

把历史地震震中按时间分色画在地图上，能直观看到地震活动在不同时期的空间迁移。这种图很适合作为区域地震构造分析的前置参考。我自己做过一次按世纪分组的动画式分布图，能看到不同时期的地震记录重心明显不同，早期集中在东部文献发达地区，往近代逐渐转向西部。这个变化既有真实地震活动的因素，也有记录能力变化的影响，解读时要同时考虑两方面。

5.3 与其他资料的交叉验证

历史地震目录不应该孤立使用。把它和地质构造资料、现代仪器记录、历史人口分布数据放在一起交叉分析，可以做很多有意思的工作。比如研究某条活动断裂的历史地震复发间隔，或者评估一个区域内历史大地震与现代地震活动的关系。我印象比较深的是目录里有一条震级超过8级的明代特大地震记录，把它和当地断层调查结果对照之后，整个区域的地震危险性认识都会变得立体起来。

提示：在论文或报告中引用历史地震数据时，一定要说明数据来源、版本和编目口径，同时注明早期震级为估算值。这是基本的学术规范，也是对自己分析结论负责。

6. 实操中的一些经验补充

最后分享几个我自己用这份数据时的实操细节。第一，拿到表先看有没有"数据备注"或"参考文献"这类列，别嫌它烦，查数据时它是最有用的线索。第二，做空间图时建议把震级标成点的大小和颜色，同时也要把烈度单独做一张图，烈度信息对历史地震的破坏程度评估比震级更直接。第三，如果要做长周期趋势分析，建议先统计每个年代的记录条数和人口分布对照，避免把记录能力提升误解为地震增多。

还有一个小技巧是建议把整理后的数据保存一份轻量级的中间格式，比如去掉冗长备注的简化版，方便后续反复加载画图。每次重新从原始表读取清洗，既慢又容易因为代码改动产生不一致。

历史地震数据这份工作，做得越细，越能体会到记录背后的考证工作量。好的数据目录确实能把大量前期工作省下来，但数据的局限性和不确定性同样要心里有数。希望这篇基于实际操作经验的梳理，能让你在拿到这份目录后少走一些弯路。