貴陽分部廣州分部
網站地圖聯系我們所長信箱建議留言內部網English中國科學院
 
 
首頁概況簡介機構設置研究隊伍科研成果實驗觀測合作交流研究生教育學會學報圖書館黨群工作創新文化科學傳播信息公開
  新聞動態
  您現在的位置:首頁 > 新聞動態 > 學術前沿
【前沿報道】Science:尋找隱藏的微地震——應用模板匹配技術建立更完整的地震目錄
2019-05-16 | 作者: | 【 】【打印】【關閉

  通過模板匹配技術獲得的地震數量通常能達到模板地震數量十倍以上,其豐富的時空分布特征,可以直接反映斷層的深部結構及物理性質、觸發地震的不同機制及地震的破裂過程等地震發育的重要問題。 

  要研究某一地區的地震發生規律,需要該地區的完整地震目錄,尤其是小于一級以下的微地震目錄。因為微地震時空分布特征能直接反映發震斷層深部幾何形態、前震和震群發生過程、地震觸發機制和成核過程等地震發育關鍵問題。經過多年觀測,地震學家發現地震活動存在一個重要統計特征:地震的震級降低一級,它的發生頻度會增加約十倍,這個震級-發生頻度的冪次經驗規律稱為古登堡-里克特定律(Gutenburg-Richter Law)(圖1)。 

  震級大的地震,產生的地震波能量強,在地震臺站記錄的信號清晰,研究人員容易識別和定位。而震級小的微震和超微震(以下簡稱微地震),產生的地震波能量弱,在地震波記錄上經常被噪聲掩蓋,較難被辨認識別。完備震級(Mc)可以用來表示一個地震目錄的完整程度,它是指在某一地區,該震級以上的所有地震都被地震臺完整記錄并列入地震目錄;完備震級越低,缺失的微地震越少,地震目錄越完整。常規處理獲得的地震目錄,完備震級一般比較大,會缺失大量微地震。比如,北京周邊首都圈臺網的密集臺網,常規監測能力Mc約為1.0,即1.0級以上地震基本不存在漏報。要獲得更完整可靠的地震目錄,只能通過兩種途徑:(1)增加臺站密度以提高地震臺網對微地震的監測能力;(2)提高微地震弱信號的檢測水平。 

 

1  地震震級、地震發生頻度及能量釋放關系圖(修改自IRIS

  在某一地區臺站分布確定情況下,將已知地震波形做為模板,同連續數據進行互相關是一種檢測微地震的有效方法,這種方法被稱為模板匹配(template matching)、匹配濾波(matched filter)、或者匹配信號探測(matched signal detector)技術(Gibbons and Ringdal, 2006)。模板匹配技術因為其對弱信號的優秀檢測能力,最近被廣泛應用于慢地震識別(如Shelly et al., 2007)、動態觸發地震識別(如Han et al., 2017)及余震和前震識別(如Peng and Zhao, 2009Wu et al., 2017)等諸多地震學研究。將雙差定位同模板匹配結合起來,可以同時獲得所檢測地震的震源位置參數(Zhang et al., 2015)。但是,模板匹配技術存在一些缺陷:(1)僅能同震源距離幾百米內地震建立較好的互相關,因為不同地震的震源位置距離增大后,波形相似度會降低;(2)要求檢測到的地震間保持一定的時間間隔(如2秒),以降低不同模板事件被重復檢測的可能性。針對低信噪比的地震波形,同時考察整個臺網多個臺站不同分量連續波形同模板地震波的平均相關系數,可以顯著提高地震信號探測能力,檢測到的地震數量通常能達到模板地震數量十倍以上(Peng and Zhao, 2009)。但是互相關運算量與所使用的模板數量、模板波形長度、待檢索的連續地震波形數量為平方關系,增加模板數量、模板長度、臺站數量、連續記錄時長,都會顯著增加計算量。隨著高性能圖形處理芯片(GPU)的成熟應用,計算能力相比使用中央處理器(CPU)提高了幾十到幾百倍,針對數百個臺站的大規模臺陣幾十年連續波形進行海量模板地震匹配運算成為可能。 

  在最近出版的Science雜志上,刊載了在美國加州南部開展模板匹配識別微地震的最新成果Ross et al., 2019)。這項研究應用2000-2017年發生的284,000個地震(其中2008-2017年共約180,000個地震)做為模板,使用200塊英偉達P100 GPU對南加州地震臺網400多個寬頻帶地震臺2008-2017年十年的連續波形進行了模板匹配運算,共檢測出約1,810,000個地震,平均每天約495個地震,將常規目錄的完備震級Mc 1.7級降低到了模板匹配目錄的Mc 0.3級(圖2)。通過分析重定位后的地震模板匹配目錄,有多項觀測被確認:微地震空間分布將斷層區內部結構勾勒得更清晰;發現了某些地震的前震序列,顯示震群起始時間相比從南加州臺網常規目錄分析的時間早,發展過程也更連續平緩;此外在2010年墨西哥北部一個7.2級地震激發的地震波也引起南加州廣泛的動態地震觸發現象(圖3)。 

   

2  南加州地震模板匹配目錄的基本情況(Ross et al., 2019)。(A)南加州地震臺網常規目錄、地震模板匹配目錄(QTM)、及重定位后模板匹配目錄這三者的震級-頻度圖;(B)相應的頻度-震級累計曲線;(C)模板匹配目錄的地震分布密度圖(2 km × 2 km

   

3  2010年墨西哥Mw 7.2 El Mayor-Cucapah地震后南加州的地震觸發情況分析圖(Ross et al., 2019)。(A)南加州地震臺網常規目錄顯示在175 km內發生了地震觸發。(B)地震模板匹配目錄顯示在275 km內發生了地震觸發,這很可能是由主震地震波傳播時的動態應力引起的。(CD)紅線表示地震活動性隨到主震震中距離的變化,黑色虛線表示在2008-2009年之間計算得到的第95百分位數的周地震發生率    

  我所巖石圈演化國家重點實驗室吳晶副研究員利用模板匹配技術檢測2013年在四川發生的6.7級蘆山地震的余震時空分布特征(Wu et al., 2017),發現在震后一小時內余震仍圍繞主震破裂發生,之后就開始擴散到更大區域,因此猜想早期余震可能主要由震后余滑控制;也有多位國內同行將該技術應用到動態觸發地震的研究中(如Wang et al., 2015Han et al., 2017Li et al., 2019),發現全球大地震后在我國多地存在動態應力觸發現象。模板匹配獲得的新目錄中會增加大量微地震,其豐富的時空分布特征,直接反映了斷層的深部結構及物理性質、觸發地震的不同機制及地震的破裂過程等地震發育的重要問題。 

  由于模板匹配技術識別出來的新事件必須和已有的模板事件有比較好的波形相關性,因此這種方法并不能直接應用到沒有模板事件的地區,或者識別出和模板事件完全不同的地震。當前應用人工智能技術,對連續地震波形開展地震自動識別已成為新的研究熱點 Kong et al., 2019)。對震級較大地震進行人工智能識別,將識別出的地震做為模板進行模板匹配,充分利用人工智能對高信噪比信號的可靠辨識,搭建深度的神經網絡,及模板匹配對弱信號的有效甄別,可以大大提高連續地震數據的處理速度,進一步降低地震目錄的完備震級,為后續研究提供可靠的數據基礎。     

  致謝:本文得到美國喬治亞理工學院彭志剛教授、巖石圈演化國家重點實驗室吳晶副研究員的幫助。 

    

  主要參考文獻 

  Gibbons S J, Ringdal F. The detection of low magnitude seismic events using array-based waveform correlation[J]. Geophysical Journal International, 2006, 165(1): 149-166.原文鏈接 

  Han L, Peng Z, Johnson C W, et al. Shallow microearthquakes near Chongqing, China triggered by the Rayleigh waves of the 2015 M7. 8 Gorkha, Nepal earthquake[J]. Earth and Planetary Science Letters, 2017, 479: 231-240.原文鏈接  

  Kong Q, Trugman D T, Ross Z E, et al. Machine learning in seismology: Turning data into insights[J]. Seismological Research Letters, 2018, 90(1): 3-14.原文鏈接  

  Li L, Wang B, Peng Z, et al. Dynamic triggering of microseismicity in Southwest China following the 2004 Sumatra and 2012 Indian Ocean earthquakes[J]//Journal of Asian Earth Sciences, 2019, 176: 129-140.原文鏈接 

  Peng Z, Zhao P. Migration of early aftershocks following the 2004 Parkfield earthquake[J]. Nature Geoscience, 2009, 2: 877-881.原文鏈接 

  Ross Z E, Trugman D T, Hauksson E, et al. Searching for hidden earthquakes in Southern California[J]. Science, 2019, eaaw6888.原文鏈接 

  Shelly D R, Beroza G C, Ide S. Non-volcanic tremor and low-frequency earthquake swarms[J]. Nature, 2007, 446(7133): 305-307.原文鏈接 

  Wang W, Meng X, Peng Z, et al. Increasing background seismicity and dynamic triggering behaviors with nearby mining activities around Fangshan Pluton in Beijing, China[J]. Journal of Geophysical Research: Solid Earth, 2015, 120(8): 5624-5638.原文鏈接 

  Wu J, Yao D, Meng X, et al. Spatialtemporal evolutions of early aftershocks following the 2013 Mw 6.6 Lushan earthquake in Sichuan, China[J]. Journal of Geophysical Research: Solid Earth, 2017, 122(4): 2873-2889.原文鏈接 

  Zhang M, Wen L. An effective method for small event detection: match and locate (M&L)[J]. Geophysical Journal International, 2015, 200(3): 1523-1537.原文鏈接  

    

  (撰稿:梁曉峰/巖石圈室)

 
地址:北京市朝陽區北土城西路19號 郵 編:100029 電話:010-82998001 傳真:010-62010846
版權所有© 2009- 中國科學院地質與地球物理研究所 京ICP備05029136號 京公網安備110402500032號
河北快3和值预测