引言

地震台站的连续波形记录中除了少部分地震信号之外，大部分为噪声记录，认识、了解和利用噪声记录对地震学领域的许多研究至关重要。例如，利用噪声互相关方法分析地球结构时，提取其噪声互相关函数的有效信号时会受到相干背景噪声在不同频带的强弱影响（Shapiro，Campillo，2004；Yang，Ritzwoller，2008；Nishida et al，2009 ；Zhan et al，2013 ）；各地震台网监测地震的能力会受各台站噪声水平的影响（Demuth et al，2016 ）；而地震噪声水平的变化又反映了台站仪器设备的工作状态（Peterson，1993；Wilson et al，2002 ；McNamara，Buland，2004；De la Torre，Sheehan，2005）。

噪声功率谱密度（power spectral density，缩写为PSD）通常用来定量地描述地震台站记录到的噪声水平。高低噪声基线或模型能够表征台网的平均噪声水平，是研究背景噪声强弱和特征的有效工具。Peterson （1993）针对全球8个台网中的75个地震台站，通过分析近2 000条相对平静的噪声记录的PSD，给出了全球新高噪声模型（new high noise model，缩写为NHNM）和新低噪声模型（new low noise model，缩写为NLNM）。这一模型已成为衡量台站噪声水平的重要依据，在诸多台网的背景噪声水平评估中应用广泛。

随着地震观测规模的扩大和观测密度的增加，对Peterson （1993）的全球噪声模型进行改进和细化研究成为可能。首先，建立该全球噪声模型的2 000条噪声记录是从近12 000条波形记录中筛选出来的，剩余近10 000条包含地震、爆破、标定等非地震噪声的记录段并未参与最后的处理。如何合理选择噪声记录常受到一定的人为因素影响，难以客观地反映台站噪声水平的整体特征。为此，McNamara和Buland （2004）提出了无需排除诸如地震、短暂人为活动等因素干扰的概率密度函数（probability density function，缩写为PDF）统计方法。该方法将一定时期内的PSD进行统计分析，获取不同PSD值在不同频点的概率分布，能够更加全面地反映台站的噪声变化特征，可用于监控地震仪器工作状态或观测场地变化。他们基于PDF众数最小值统计得到的低噪声模型，在10—100 s频带远高于NLNM。再者，随着对背景噪声研究的深入，研究人员从噪声产生的物理机制出发，分析结果显示背景噪声的强度与其频率相关，并且在不同空间区域的表现略有差异（Stehly et al，2006 ；Pedersen，Krüger，2007；Yang，Ritzwoller，2008）。因此细化全球噪声模型，研究背景噪声水平的分区特征很有必要。

在全球范围内，很多研究人员利用基于PDF的统计方法研究了背景噪声水平的区域特征，并与全球噪声模型进行了对比。Castellaro和Mulargia （2012）基于PDF众数最小值统计获取了地中海地区14个地震台网的低噪声模型，此模型在高频段（＜3 s）是NLNM的10倍，在中低频段（3—30 s）与NLNM一致，在低频段远低于NLNM；Evangelidis和Melis （2012）基于PDF众数最小值构建了希腊地区的低噪声模型，与McNamara和Buland （2004）的结果进行比较，结果显示前者在高频段（＜2 s）低于后者，在低频段高于后者；Abd el-aal和Soliman （2013）利用埃及国家地震台网的7个甚宽频带地震台站数据获取了0.01—10 000 s频段的高低噪声模型，在低频段低于NLNM；Brown等（2014）针对遍布全球的337个地震台站记录，利用PDF的第5和第95百分位数构建了高、低噪声模型，与NLNM和NHNM几乎完全一致；Demuth等（2016）基于夜晚噪声数据的PDF众数最小值统计得到的挪威地区低噪声模型，在0.1—100 s频带内远高于NLNM。此外，诸多研究人员虽未曾定义新的高低噪声模型，但通过研究全球不同地区的地震台网数据得出，受人类活动、局部地质条件、海洋活动等因素的影响，这些地区的噪声水平与NLNM和NHNM存在显著差异（Marzorati，Bindi，2006；Sheen et al，2009 ；Rastin et al，2012 ；Custódio et al，2014 ；Boese et al，2015 ；Green et al，2016 ；Xu et al，2017 ）。

由此可见，不同区域的噪声水平具有极大的差异性，亟需对其进行细化研究。针对中国大陆地区，局部区域的噪声特征研究也相继展开，如江苏地区（王俊等，2009）、首都圈附近（张尉等，2009）、华北地区（吴建平等，2012）和山西地区（葛洪魁等，2013）的噪声水平均与NLNM和NHNM有所不同。然而，截至目前为止，尚缺乏对整个中国大陆不同频带噪声水平的系统研究。为此，本文拟针对整个中国大陆地区的31个地震观测台网，通过计算所有宽频带固定台站两年内的噪声PSD和PDF，分析不同频带噪声的时空分布特征，并给出不同台网的高低噪声参考线，以期能够进一步认识中国大陆地区地震噪声的产生机制，客观地评价我国台站的观测质量。

1.   数据与方法

目前，中国国家和区域数字地震台网包括约1 100个固定台站，其中880个台站使用三分量宽频带地震仪，其长周期端均在60 s以上，其它近300个台站使用的是短周期（1 s或2 s）地震仪。宽频带地震仪有助于理解周期从数十秒至数十赫兹变化的噪声特征。因此，本文收集空间覆盖较好的880个宽频带地震台站的连续波形垂直分量数据（国家测震台网数据备份中心，2007；郑秀芬等，2009）对中国大陆的噪声水平进行研究。资料时段为2014年1月1日至2015年12月31日，时长共计24个月。所使用台站的记录绝大部分是从2010年1月之前开始，连续观测波形记录比较完整，很少出现长时间断记等情况。台站分布如图1所示，可见：中东部地区台站较为密集，平均台间距为30—60 km；新疆、青藏高原等部分地区的台站密度相对较低，台间距为100—200 km。

图  1  中国大陆地区宽频带固定台站分布图

Figure  1.  Distribution of permanent broad-band stations in Chinese mainland

下载: 全尺寸图片 幻灯片

参照McNamara和Boaz （2005）的背景噪声数据处理方法，首先将各台站垂直分量的连续地震波形记录划分为长度1 h （3 600 s）的数据段，相邻数据段重合50%，这样每个台站每天有48条数据段；然后利用平均周期图法（Cooley，Tukey，1965）获取每个1 h数据的PSD，再根据每条数据的PSD统计得到随频率或周期变化的PDF。具体的步骤如下：

1） 为尽可能地减小PSD估计的方差，将1 h的数据段分成13小段，相邻数据段重合75%。对每一小段数据进行去均值、去线性趋势和10%余弦窗歼灭处理；

2） 计算每小段的PSD，取每小时（13小段）PSD的平均值，得到1 h数据段的PSD随频率的分布；

3） 对频率域的PSD去除仪器响应，获得每个1 h数据段的加速度PSD；

4） 分别对各个台站的结果进行1/8倍频程滤波，得到平滑且在对数坐标上均匀分布的加速度PSD，进一步换算成以dB为单位，以便于与Peterson （1993）提出的全球新高噪声模型（NLNM）和新低噪声模型（NHNM）进行对比；

5） 计算PDF。统计各周期的PSD在不同时间内取某一数值的概率，即为该时段对应的PDF。本文所计算得到的PSD基本集中在−200—−80 dB范围内，且每个台站的PSDs均在3万条以上，保证了PDF统计结果的稳定性。

2.   噪声水平的时空分布特征

从统计角度，PDF显示了各周期点的功率谱密度，能够直观地反映长时段内台站的噪声水平。以甘肃高台台站为例，该台站的PDF图像及其众数、平均值、中值、第5百分位数和第95百分位数的统计曲线如图2所示。可以看出：最低、最高PSD值基本处于NLNM和NHNM曲线以外，但其概率很低，约为1%—2%；概率稍高的PSD值分布区域较为集中，介于NLNM与NHNM之间，其上下限分别对应于第95和第5百分位数曲线。众数是功率谱密度最可能的取值，最能反映台站的平均噪声水平，但是在5 Hz以上的频段由于受到人为噪声规律变化的影响，容易出现跳变；平均值容易受异常值的影响，因而严重偏离众数统计；中值统计曲线平滑，基本与众数统计曲线重合，且不易受系统突跳的影响。因此，一般取中值统计代表台站相应分量的平均噪声水平（葛洪魁等，2013；Boese et al，2015 ；Green et al，2016 ）。本文分析中，选取中值代表台站的平均噪声水平。

图  2  基于甘肃高台台站垂直分量的34 626条功率谱密度（PSD） 统计得到的概率密度函数

Figure  2.  Probability density function constructed by using 34 626 PSDs of vertical components recorded at the station GS.GTA

下载: 全尺寸图片 幻灯片

地震计记录到的噪声主要来自仪器自噪声和环境噪声。图3给出了中国大陆固定台站常用的几种仪器如CTS-1E，JCZ-1T，STS-1，KS2000的自噪声曲线，可见在0.05—20 s频带范围内仪器自噪声水平基本处于NLNM之下。此外，许多研究表明现代宽频带地震计在工作频带内自噪声远低于环境噪声（Ringler，Hutt，2010；许卫卫等，2017）。因此，地震仪器的噪声可以忽略，PDF图像中的噪声主要是环境噪声。甘肃高台所用的仪器为甚宽频带地震计JCZ-1T，根据其工作频带范围（360 s—50 Hz），分为高频噪声（＜1 s）、微震噪声（2—20 s）和长周期噪声（＞20 s）等3个频段进行分析。

图  3  常见地震计的自噪声曲线

Figure  3.  Self-noise curves of some common seismometers

下载: 全尺寸图片 幻灯片

甘肃高台的高频噪声水平基本处于NLNM和NHNM的平均线之上，最高超过NLNM可达50 dB；微震噪声水平更接近NLNM，在10—20 s和2—10 s两个频带能够观测到不同大小的峰值，分别对应于主微震和次级微震。这说明长周期自然噪声随周期增加衰减较快，能量相对于高频噪声和微震噪声明显降低（图2）。

2.1   不同类型噪声的时间演化规律

台站噪声水平往往存在一定的昼夜和季节性变化规律。从甘肃高台2014年PSD随当地时间的变化（图4）可以看出：高频段（＜1 s）的PSD呈现出强烈的日变化特征，当地时间8:00—18:00要明显高于其它时段，分别在9:30和16:00附近出现两个峰值，而在12:00出现相对的谷值，这与人类生活规律基本一致；而微震频段和长周期的PSD随时间相对不变，表明该频段受人为活动的干扰较小。

图  4  基于甘肃高台台站34 626条PSD曲线的PDF中值统计所得的噪声水平日变化

Figure  4.  Diurnal variations of PDF median values for the station GS.GTA constructed using 34 626 PSDs

下载: 全尺寸图片 幻灯片

从内陆台站甘肃高台台站和海域附近台站福建宁德漳湾台（位置见图1）的PSD随当地时间的变化情况的对比（图5）可以看出，内陆台站的次级微震噪声水平低于沿海台站，且均呈现一定的季节性变化，整体表现为冬季（10—3月）高于夏季（4—9月），与海洋活动的季节性变化规律一致，但是在夏季（7—9月）某些时段也存在着一些异常高值，推断与局部的海域活动有关。Xiao等（2018）通过分析南海的海底地震仪及其附近的陆地台站资料，结果显示南海附近的微震噪声主要来自于局部区域的海洋活动，而并非是由稳定存在于太平洋、大西洋和印度洋的全球噪声源引起。

图  5  甘肃高台台站 （a） 和福建宁德漳湾台站 （b） 2014年噪声水平的季节性变化图

Figure  5.  Seasonal variations of noise level for the stations GS.GTA （a） and FJ.NDZW （b） in 2014

下载: 全尺寸图片 幻灯片

2.2   不同频带噪声的空间分布特征

周连庆等（2017）通过计算中国大陆不同台站连续记录的振幅均方根值，获取了周期为10 s的背景噪声强度分布图，结果显示其具有明显的分区特性，东南沿海地区的背景噪声强度最大，向内陆地区逐渐减小，至青藏高原地区背景噪声强度减至最小。对不同周期噪声的空间变化特征进行分析，有助于理解不同类型噪声在空间上的传播规律和分区特性。本文利用PSD-PDF的方法将每个台站的噪声水平量化，按照噪声来源将其分为0.1—1 s，2—10 s，10—20 s和20—50 s等4个频带，分析整个大陆地区噪声的空间分布特征，结果如图6所示。

图  6  0.1—1 s （a），2—10 s （b），10—20 s （c）和20—50 s （d）频带的噪声中值分布

Figure  6.  Distribution of noise median value for the period bands 0.1−1 s （a）， 2−10 s （b），10−20 s （c） and 20−50 s （d）

下载: 全尺寸图片 幻灯片

从图6a可以看出，高频带（0.1—1 s）噪声水平在西部和北部地区偏低，而在中东部地区较高，京津冀和东南沿海地区最高。人口稠密的城市地区高频带噪声水平高于人口稀少地区，结合图3所展示出的与人作息一致的规律，表明该频段噪声与交通、工业等人文活动强度分布具有较强的相关性。同时，结合图1可知，盆地地区的高频带噪声水平高于山区，如四川盆地、准噶尔盆地、塔里木盆地及其边缘的台站，其噪声水平明显高于周边地区，这可能是由于盆地松散沉积层存在一定的放大效应所致（Malagnini et al，1993 ；Parolai et al，2001 ）。

从图6b和图6c可以看出，在微震频带2—10 s和10—20 s，靠近太平洋海岸线的东部沿海地区的噪声水平最高，向内陆逐渐衰减，这种分区性与中国东部海岸线的海洋活动密切相关。对于长周期自然噪声频带20—50 s （图6d），由于引起这种噪声的自然因素众多，导致PSD分布相当分散，因此该频带未呈明显规律。

Koper和Burlacu （2015）对美国大陆台站的次级微震频带噪声进行了精细分析，结果显示在2—6 s和6—10 s会出现两个峰值，分别来自北大平洋深海和南加州海岸线附近的海洋活动。对比两个频带的噪声水平（图7）可见，其分区分布规律基本一致，但从数值上来看，东部海岸线附近台站在2—6 s具有更高的噪声水平，而远离海岸线的中部和西部台站在两个频带的噪声水平基本一致。

图  7  次级微震短周期段2—6 s （a）和长周期段6—10 s （b）的噪声中值分布

Figure  7.  Distribution of noise median value for the secondary microseism in short period 2−6 s （a） and long period 6−10 s （b）

下载: 全尺寸图片 幻灯片

3.   台网噪声基线的构建

由上述分析可知，受噪声来源和产生机制的影响，噪声水平具有明显的空间分区特征。因此针对不同台网，构建其特定的台网噪声基线，可以更好地描述该地区的噪声特征并加以利用。

诸多研究人员针对不同的台网建立了高低噪声基线，用于评估台网内不同台站的工作状态及辅助台站选址等（Berger et al，2004 ；Castellaro，Mulargia，2012；Evangelidis，Melis，2012；Brown et al，2014 ；Demuth et al，2016 ）。较多研究表明，PDF图像中介于第5百分位数和第95百分位数之间的数值能够代表噪声的平均水平，这两条曲线可以分别作为噪声的下限和上限（Marzorati，Bindi，2006；葛洪魁等，2013；Abd el-aal，Soliman，2013；Brown et al，2014 ）。也有研究认为第10百分位数和第90百分位数应视为噪声的下限和上限（McNamara，Buland，2004；McNamara et al，2009 ）。针对中国大陆的31个地震监测台网，本文将每个台网所属的所有台站视为一个整体，通过计算每个台网的PDF分布，对比不同百分位数的差异。

从图8所示的中国大陆不同台网的PDF图像可以看出，每个台网的噪声水平基本都位于NLNM与NHNM之间，但在不同频带与NLNM和NHNM之间的差异有所不同。在高频带，所有台网的PSD值远高于NLNM，最高可达50 dB，且发生概率也相对较高，这是由于NLNM是基于相对平静时段的PSD得到的，而计算PDF时包含了所有时段的PSD。在次级微震频带，内陆台网的峰值远低于NHNM，峰值周期在5 s附近，与NLNM基本一致，而位于沿海地区的天津（TJ）、福建（FJ）、海南（HI）、浙江（ZJ）、上海（SH）、广东（GD）、江苏（JS）等7个台网的峰值高于内陆台网，与NHNM较为接近，峰值周期为3 s，稍低于NLNM的5 s。较低的次级微震峰值周期可能意味着该噪声是由全球海洋噪声源如北太平洋深海区域的海洋风暴激发产生（Koper，Burlacu，2015）。

图  8  中国大陆不同台网的PDF图像

Figure  8.  PDFs for different networks of Chinese mainland

下载: 全尺寸图片 幻灯片

对比图8中第5百分位数与第10百分位数曲线可见：两者基本重合，且形态均与NLNM一致；第5百分位数以上包含更多低概率的PSD值，更能代表台网噪声水平的下限。对比第95百分位数与第90百分位数曲线可以看出，两者的差异主要体现在高频段。例如重庆台网（CQ），介于第95百分位数与第90百分位数曲线之间的区域主要来源于万州台（CQ.WAZ）常年存在的高频噪声。显然，以第95百分位数作为台网噪声水平的上限，则能将台网内各种复杂噪声源所引起的噪声均包含在内，更能代表台网的整体噪声水平。这样看来，第5百分位数与第95百分位数之间的数值包含了不同台站的各种噪声，以此构建台网噪声基线是合理的。

图9给出了不同台网的高低噪声基线。中国台网低噪声基线在高频段普遍高于NLNM，最高可达30 dB；在次级微震频带，内陆台网的峰值及其对应的周期与NLNM基本一致，沿海7个台网的峰值高于NLNM，峰值周期小于NLNM；在主微震和长周期段与NLNM基本重合。中国台网高噪声基线在高频段低于NHNM，北京（BJ），天津（TJ），上海（SH），海南（HI）等台网的峰值接近或稍高于NHNM；在次级微震频带，内陆台网的峰值远低于NHNM，差值最高可达30 dB，而沿海的天津（TJ）、福建（FJ）、浙江（ZJ）、上海（SH）、广东（GD）、江苏（JS）等6个台网的峰值稍高于内陆台网，但与NHNM之间仍然存在较大差距，而四面临海的海南台网（HI）峰值几乎接近于NHNM。在长周期频带，所有台网与NHNM均存在较大的差异，这可能是由于不同区域的自然因素复杂各异，引起的自然噪声各不相同。

图  9  不同台网的噪声参考线

Figure  9.  Noise baselines for different networks

下载: 全尺寸图片 幻灯片

4.   讨论

4.1   不同频段噪声的来源

研究普遍认为不同频段噪声的来源和产生机制并不相同（Bungum et al，1985 ；McNamara，Buland，2004；Bormann，Wielandt，2013）。高频噪声可能由风（风在高低不平的地面上的摩擦、树在风中摆动或振动）、急流（瀑布或快速流动的河流小溪等）等自然因素引起，但最主要的高频噪声源来自于局部地区的人类活动，如机器的旋转或锤击、公路或铁路交通、工厂施工等。人为噪声源大多数是分散的，既有移动的，也有静止的，是由来自各个方向的波叠加形成的相当复杂且近似稳定的随机噪声场，主要以高频面波的方式传播，且随距离和深度迅速衰减（McNamara，Buland，2004；葛洪魁等，2013）。由甘肃高台PSD随当地时间的变化（图4）和高频噪声的空间分布特征（图6a）可以看出，该频段噪声呈现一定的日变化特征，即：在中东部发达地区较高，其中尤其是京津冀和东南沿海地区为最，西部和北部偏远地区较低，其中人口稠密区比人口稀少区域高，盆地比山区高。这种分区性与沉积层的放大效应以及交通、工业等人文活动强度分布有关。

微震噪声是由海水的涨落潮与海底或海岸线的非线性相互作用引起，主要成分是沿地球表面传播的面波，也包含一定的体波成分（Webb，1998；Yang，Ritzwoller，2008）。根据其激发机制可以分为两类：主微震由海浪直接作于海岸产生，主要发生在海岸线附近的浅海区域，其频率与海浪频率相同（Hasselmann，1963；Cessaro，1994）；次级微震由海洋中两列相同频率的海浪以相反方向传播时相互碰撞激发产生，其频率是海浪频率的两倍（Longuet-Higgins，1950）。微震噪声源主要集中在全球几个海洋活动强烈的海岸线区域和能够发生强烈风暴活动的深海区域（Koper et al，2010 ；Landès et al，2010 ）。由图5可以看出，无论是内陆台站亦或是沿海台站，微震噪声是稳定存在的，随着海洋活动呈现有规律的季节性变化，同时，海岸线附近台站的微震噪声水平往往较大陆内部台站略高。

次级微震频带噪声与海洋活动的季节性变化规律一致，其分区性体现在靠近太平洋海岸线的东南沿海地区噪声水平最强，向内陆逐渐减小。周连庆等（2017）对周期为10 s的背景噪声强度进行研究，也得到了类似的结果，认为这种分区性很可能与菲律宾和太平洋的潮汐等因素有关。本文进一步对比了次级微震频带较短周期（2—6 s）和较长周期（6—10 s）的噪声水平，结果显示：在东南沿海地区，前者普遍高于后者；而当远离海岸线时，两个周期的微震噪声水平基本一致。这表明，我国大陆地区的较长周期微震是由于海浪与东部海岸线互相作用而引起，而较短周期微震可能是由于北大平洋等全球海洋噪声源的激发而产生（Koper，Burlacu，2015）。受全球台风分布的影响，夏季多有台风登陆我国东南沿海地区，导致此区域短周期微震能量较高，这可能也是图5中夏季微震频带出现高值异常的原因；但是由于此类噪声源周期较短，衰减较快，因此对内陆台站的影响较小。

长周期噪声往往是多种复杂自然因素作用的结果，如风力作用在塔、电线杆等大型物体上导致地面倾斜，产生长周期噪声（McNamara，Buland，2004）。另外，地球的嗡鸣会产生周期100 s以上的噪声，一般可以在低频地震谱中持续的背景自由振荡中观测到（Nawa et al，1998 ；王奡等，2017；Ermert et al，2017 ）。一些研究认为长周期噪声与气压场的局部起伏（Sorrells，1971）有关，或与海洋次重力波（Rhie，Romanowicz，2006）有关。可见，引起该频段噪声的自然因素众多，这可能也是导致图6d中PSD空间分布相当分散的原因。

4.2   台网噪声基线与台站观测状态的判别

我们基于PDF图像计算的中国大陆不同台网的高低噪声基线，与Peterson （1993）的NLNM和NHNM模型之间存在着一定的差异。在高频带，我国台网低噪声基线普遍高于NLNM，最高可达30 dB，我国台网高噪声基线低于NHNM，人类活动影响较大的几个台网的高噪声峰值接近或稍高于NHNM。这是由于NLNM是基于相对平静时段的数据计算得到的，且体现的是分散在全球不同地区的75个固定台站的最低噪声水平，因此表征的是全球尺度的噪声特征；而本文所得的基线考虑了更多时段的噪声，并且针对中国大陆各台网进行了分区统计，能更好地表示我国区域性的真实噪声水平。在次级微震频带，内陆台网低噪声基线的峰值及其对应的周期与NLNM基本一致，高噪声基线的峰值远低于NHNM，差值最高可达30 dB；而沿海台网低噪声基线的峰值高于NLNM，峰值周期小于NLNM，说明局部浅海海洋活动的作用占据主导地位。

台网的噪声基线能够为工作人员评估该台网仪器的工作状态、异常情况并及时进行维护提供重要参考。从图2中可以看出，PDF图像中往往会出现一些低概率的数值，如高于NHNM且形态上扬的直线和低于NLNM的直线，前者是由于台站日常的阶跃脉冲标定行为引起的，后者可能与地震计短暂停摆有关。总体而言，PDF图像中低概率异常值的来源主要为非频发的局部地区人为干扰、大型海洋风暴、仪器响应放大倍数错误、断记、仪器故障（如地震计靠摆、停摆、质心归零等）、电力噪声、脉冲标定以及近远场地震等（McNamara，Buland，2004；Bormann，Wielandt，2013；Templeton，2014）。通过对不同台站噪声水平的实时监测可知：噪声曲线一旦超出噪声基线范围，则可初步判定为存在异常干扰，然后再根据噪声曲线与基线之间的形态和数值差异等细节特征，对异常的原因作进一步的分析。

我们以安徽台网为例（图10），利用新获取的台网噪声基线来识别各种不同的异常信号。该台网的低噪声基线在高频带远高于NLNM，低频带和长周期段与NLNM基本一致。高噪声基线在高频带和微震频带远低于NHNM，在长周期段与NHNM较为接近。

图  10  安徽台网的异常噪声功率谱密度及其对应的时间序列

（a） 噪声功率谱密度（PSD）曲线；（b） 无异常干扰时；（c） 阶跃标定；（d） M_L3.0地震；（e） 出现零点漂移时；（f） 存在长周期干扰时

Figure  10.  Examples of abnormal PSDs and their time series for the Anhui network

（a） Noise power spectral density；（b） Quiet data；（c） Calibration pulse；（d） M_L3.0 earthquake；（e） Zero drifts；（f） Long-period interference

下载: 全尺寸图片 幻灯片

在没有异常干扰的情况下，连续时间序列（图10b中蓝色实线）对应的PSD曲线的形态与NLNM和台网低噪声基线基本一致，数值介于台网高、低噪声基线之间。当存在异常信号时，PSD曲线会呈现不同的变化。

例如，阶跃标定信号，即台网日常工作中，需要定期对台站进行脉冲标定，即向拾震器的标定线圈里输入一电脉冲，让拾震器在电脉冲冲击下运动，在地震图上便会显示出一个电脉冲响应（图10c中绿色实线），其对应的PSD曲线（图10a中绿色曲线）呈全频段向上偏移的现象，曲线形态严重偏离我们的台网基线和全球新高低噪声模型。此外，在台站的连续波形记录中，地震往往是一种低概率的信号。安徽定远台记录到了北京时间2014年3月16日20:04:51距离该台38 km处发生的M_L3.0地震，其波形如图10d中红线所示，其PSD曲线（图10a中红色实线）中的高频体波成分更加丰富，虽然在NHNM附近，但却比我们的台网高噪声基线高5—20 dB。

除了检测这种已知的标定信号和地震信号外，台网基线还能够检测与仪器错误相关的未知异常信号。例如，黄山台由于供电不稳定导致数采不断重启，引起零点偏移（图10e），其对应的PSD曲线（图10a中黄色实线）形态与NHNM和台网高噪声基线基本一致，但是由于零点增大的原因，其数值整体增大，虽然仍处于NLNM与NHNM之间，但已经超出了区域的台网高噪声基线。另外，马鞍山台长周期成分较为丰富的时间序列（图10f） 对应的PSD曲线（图10a中紫色实线）在10—30 s出现一个高于次级微震峰值的较大峰值，与NHNM差别不大，但却远远超出了我们新获取的台网高噪声基线，经调查发现该台附近存在可能与开采矿石相关的长周期干扰源。由此可见，相比全球噪声基线模型，由各个台网分别获取的噪声基线更加精确，通过与实时的PSD曲线相比，能够更好地甄别和判断异常信号。

5.   结论

本文利用中国大陆880个宽频带地震台站2014年1月至2015年12月期间的垂直分量连续记录，计算了每个台站的分段噪声功率谱密度PSD，并统计得到了整个两年周期内的概率密度函数PDF，所得结论主要如下：

1） 整个大陆地区高频段和微震频带的噪声水平都具有明显的分区特性。高频带噪声在中东部发达地区较高，其中京津冀和东南沿海地区最高；西部和北部偏远地区较低，其中人口稠密区比人口稀少区域高，盆地比山区高。这种分区性与沉积层的放大效应以及交通、工业等人文活动强度分布有关。微震噪声主要来自于中国东部的海岸线，其强度由东南沿海向内陆地区逐渐变弱。

2） 中国大陆不同台网的高低噪声基线与NLNM和NHNM模型之间存在着一定的差异。相对于NLNM和NHNM，利用我们获取的台网噪声基线，通过与实时PSD曲线相比，能够更好地实现数采故障、长周期干扰等异常信号的识别。

本文的研究结果展示了中国大陆地区噪声水平的分区特征，可为基于背景噪声的地下结构成像、介质变化等研究提供参考。获取的台网噪声基线有助于实时监控我国已有地震台站的观测质量。同时，随着城市化的发展，局部地区人为活动的影响日趋增强，会直接导致各种高频噪声的增加。如何压制高频干扰是未来进行台站布设时应该着重考虑的问题之一，台网高、低噪声基线则能为地震台站的优化调整提供基础数据。

考虑到中国大陆目前的地震观测网络是以台网为单位展开，本文初步以台网为单位构建了高低噪声曲线。未来将以各个台站的几年尺度噪声特征为依据，由数据驱动，获取不同频率噪声的空间分区特征，同时加入更多的台站，进一步细化和构建区域性的噪声模型。另外，本文主要依据垂直向记录开展研究，未来也将充分利用三分量数据，对噪声的方向、偏振等进行分析（Koper，Hawley，2010），从而更好地对背景噪声的传播类型和物理机制进行分析，建立物理意义明确的区域性噪声模型。

中国地震局地球物理研究所国家测震台网数据备份中心（doi：10.11998/SeisDmc/SN）为本文提供了地震波形数据，中国地震局地球物理研究所许卫卫副研究员和袁松湧副高级工程师在台站仪器参数及噪声分析方面给予了指导，两位审稿人为本文提出了修改意见，作者在此一并表示感谢。