Relocation and source characteristics of the 2019 Changning MS6.0 earthquake sequence
-
摘要: 采用双差定位方法对2019年1月1日至2019年10月20日期间四川区域台网记录到的地震进行重定位，得到7 030个重定位事件，并获得了四川长宁MS6.0地震序列较准确的空间分布，并据此计算了震后长宁震源区的平均b值，分析了地震序列的活动性；利用近震全波形拟合方法获得了主震及4次MS≥5.0地震的震源机制解和矩心深度，初步分析了本次地震序列的发震构造，获得如下主要结果：① 四川长宁余震序列呈NW−SE向分布，余震深度分布整体呈现出西深东浅的趋势，且西部地区地震的频度远远高于东部地区；② b值空间分布显示，震后长宁地区呈现出明显的挤压构造环境；③ 主震和4次震级较大余震的矩心深度均较浅，尽管均为逆冲型为主的地震事件，但破裂面走向有所差异；④ 推测主震及中强余震是长宁背斜地区既有断裂或者同震过程中所产生的新生断层长期受到外力挤压而错断所致。Abstract: The double difference earthquake location algorithm is used to relocate the earthquakes occurred in Changning area of Sichuan Province, which recorded by Sichuan regional network from January 1, 2019 to October 20, 2019, 7030 relocation events were obtained, and showing the clearer spatial distribution of Changning MS6.0 earthquake sequence. The average b-value of Changning focal area is calculated with relocated aftershocks catalog, and the seismicity of the earthquake sequence is analyzed. The focal mechanism solutions and centriod depth of the Changning main shock and 4 aftershocks with MS≥5.0 have been inverted with the local full-waveform inversion method, and the seismotectonics of this earthquake sequence was analyzed preliminarily. The main conclusions are as follow: ① The Sichuan Changning aftershocks distribute in a NW−SE trending, and the aftershocks show a trending of deep in the West and shallow in the East, and the frequency of earthquakes in the western part is much higher than that in the eastern part; ② The spatial distribution of b-value shows obvious compression tectonic environment in the Changning area after the occurrence of the earthquake; ③ The main shock and 4 moderate aftershocks occurred at unusual shallow centroid depths, and their focal plane solutions suggest that earthquakes occurred on thrust faults with slightly different strike; ④ It is speculated that the MS6.0 main shock and moderate aftershocks occurred on the preexisting faults, which subjected from a long-term compression force and the earthquake happened when the stress beyond the elastic limit, or the aftershocks generated on the newly generated faults created by mainshock coseismic rupture in Changning anticline area.
-
Keywords:
- Changning earthquake /
- earthquake relocation /
- b-value /
- focal mechanism solution /
- seismo-tectonics
-
引言
地震预警是在地震发生以后，地震波传播到设防地区前，向设防地区提前几秒至几十秒发出的警报，可减轻当地的灾情（张晁军等，2014；郭凯等，2016）。实时估计地震动强度信息的准确性和时效性，成为地震预警的主要研究内容之一（冯继威，2019）。Kanamori （2005）分析了P波平均周期τc 与地震震级M的关系。赵岑（2013）使用与地震动强度有关的特征参数如
$ {\tau }_{\mathrm{P}}^{\mathrm{m}\mathrm{a}\mathrm{x}} $ ，位移幅值Pd和τc，利用统计回归方法进行地震峰值加速度（peak ground acceleration，缩写为PGA）和峰值速度（peak ground velocity，缩写为PGV）的实时预测。Iervolino等（2006）提出一种基于贝叶斯条件概率分布理论的地震预警震级预测方法，将意大利南部坎帕尼亚地区的历史地震活动性信息和台站记录的实时波形信息应用于地震震级计算中。武俊奇（2016）应用贝叶斯方法分别对Pd，Pa，Pv等地震动参数与PGV的关系予以分析。但只依靠单一的地震动强度参数，难以评估地震的危害性（周银兴等，2015）。需要研究基于多参数的地震危害性评估方法,为此本文应用贝叶斯理论，通过统计四川地区历史地震活动信息，利用古登堡−理查德（Gutenberg-Richter，缩写为G-R）关系得到先验概率分布，结合地震P波平均周期τc和位移幅值Pd，对震级和后续峰值加速度进行预测，并应用四等级划分方法完成对地震危害性联合判别。根据地震危害性等级给出相应的地震预警，以降低地震预警的漏报率与误报率。1. 地震数据选取和预处理
选取四川地区2008年汶川MS8.0和2017年九寨沟MS7.0两次地震的主震及其余震（震级范围MS3.5—8.0）记录（中国地震台网中心，2020），按以下标准对地震数据进行处理与筛选：
1） 选取震源深度25 km以内、震中距100 km以内的强震数据；
2） 对所有数据应用短长时窗均值之比（short term average to long term average，缩写为STA/LTA）和赤池信息准则（Akaike information criteria，缩写为AIC）相结合的方法进行P波到时自动拾取，同时对P波拾取进行人工校正；
3） 先对加速度记录进行基线校正；再对加速度记录进行积分得到速度记录和位移记录；最后进行0.075 Hz巴特沃斯高通滤波，以消除积分带来的低频漂移现象；
4） 计算时地震记录需要满足一定的信噪比要求，即选取P波触发后3 s内的速度幅值大于0.05 cm/s作为信噪比的选取标准筛选数据，并对所选记录进行降噪处理，以降低加速度记录的高频干扰。
经过上述处理，最终筛选出了355条地震数据，震中位置和震级、震中距及地震频次的分布情况如图1所示。
![]()
图 1 选取地震的震中（a）和震中距、震级及地震记录数（b）的分布Figure 1. Locations of earthquakes （a） and the number of earthquakes corresponding to different magnitudes and epicentral distances （b）2. 传统震级与峰值加速度的计算方法
传统震级与峰值加速度PGA通过各自拟合关系式，利用P波平均周期τc和位移幅值Pd分别带入拟合关系式进行计算。
2.1 利用平均周期τc计算震级
利用平均周期τc计算震级是目前地震预警系统中经常使用的一种震级预测方法，即通过建立P波前几秒内的τc与震级的线性统计关系，进行震级估算（Kanamori，2005；Zollo et al，2010；赵岑，2013；郝美仙，2020）。τc的计算公式如下：
$${\tau _{\rm{c}}} {\text{＝}} \frac{{2\pi }}{{\sqrt r }}{\text{，}}$$ (1) 其中
$$r {\text{＝}} \frac{{\displaystyle\int_0^{{\tau _0}} {\mathop {{{\dot u}^2}\!\!\!\!{\text{（}}\!t\!{\text{）}}\!\!\!\!{\rm{d}}t}\limits } }}{{\displaystyle\int_0^{{\tau _0}} {\mathop {{u^2}\!\!\!\!{\text{（}}\!t\!{\text{）}}\!\!\!\!{\rm{d}}t}\limits } }}{\text{，}} $$ (2) 式中：
$u\!\!\!\!{\text{（}}\!t\!{\text{）}}\!\!\!\!$ 为t时刻地震动记录的位移；$\dot{u}\!\!\!\!{\text{（}}\!t\!{\text{）}}\!\!\!\!$ 为t时刻地震动记录的速度，从台站触发开始计时并记为0点。对已处理的地震数据，根据式（1）求P波前3 s的τc值，建立τc与震级M的拟合关系
$${\lg }{\tau _{\rm{c}}} {\text{＝}} a M {\text{＋}} b {\text{±}} \delta {\text{，}}$$ (3) 式中，M为地震事件的震级，a，b为待拟合参数，δ为式（3）的标准差。利用最小二乘法拟合，拟合结果为：a＝0.19，b＝−1.26，δ＝0.2。
2.2 利用位移幅值Pd计算峰值加速度PGA
地震动峰值加速度PGA与地震烈度之间存在一定相关性（龙承厚等，2011；方嘉治等，2020）。分析地震危险性时，通常以台站记录地震动的PGA来估计当地可能遭受的地震灾害情况（赵岑，2013；马强等，2014）。且地震动记录的Pd与PGA存在较为良好的对数线性关系：
$${\rm{PGA}} {\text{＝}} \max [a\!\!\!\!{\text{（}}\!{t_i}\!{\text{）}}\!\!\!\!]{\text{，}} $$ (4) 其中
$$ a\!\!\!\!{\text{（}}\!{t_i}\!{\text{）}}\!\!\!\! {\text{＝}} \sqrt {a_{{\rm{EW}}}\!\!\!\!{\text{（}}\!{t_i}\!{\text{）}}\!\!\!\!^2 {\text{＋}} a_{{\rm{NS}}}\!\!\!\!{\text{（}}\!{t_i}\!{\text{）}}\!\!\!\!^2 {\text{＋}} a_{{\rm{UD}}}\!\!\!\!{\text{（}}\!{t_i}\!{\text{）}}\!\!\!\!^2}{\text{，}}$$ (5) 式中：
$a\!\!\!\!{\text{（}}\!{t}_{i}\!{\text{）}}\!\!\!\!$ 为ti时刻三个方向的合成加速度记录；$a_{\mathrm{E}\mathrm{W}} \!\!\!\!{\text{（}}\!{t}_{i}{\!{\text{）}}\!\!\!\!}$ ，$a_{\mathrm{N}\mathrm{S}}\!\!\!\!{\text{（}}\!{t}_{i}{\!{\text{）}}\!\!\!\!}$ 和$a_{\mathrm{U}\mathrm{D}}\!\!\!\!{\text{（}}\!{t}_{i}{\!{\text{）}}\!\!\!\!}$ 分别为$ {t}_{i} $ 时刻东西、南北和垂直向加速度记录。对于位移幅值Pd计算如下：
$${P_{\rm{d}}} {\text{＝}} \max [d\!\!\!\!{\text{（}}\!{t_i}\!{\text{）}}\!\!\!\!]{\text{，}}$$ (6) 式中，
$d\!\!\!\!{\text{（}}\!{t}_{i}\!{\text{）}}\!\!\!\!$ 为垂直向地震记录的位移记录，表示由P波初至点到$ {t}_{i} $ 时刻的位移序列。对已经过处理地震数据，根据式（4），（5）与（6）求得P波前3 s的PGA和Pd值，建立Pd与PGA的对数线性关系，具体形式为
$$\lg {\rm{PGA}} {\text{＝}} a \lg {P_{\rm{d}}} {\text{＋}} b {\text{±}} \delta{\text{，}}$$ (7) 式中，a和b为待拟合参数，δ为式（7）的标准差。利用最小二乘法拟合，拟合结果为：a＝0.45，b＝2.35，δ＝0.28。
3. 基于贝叶斯理论估计的震级与PGA双参数地震预警模型
3.1 基于贝叶斯理论估计的震级与PGA双参数预测
根据贝叶斯理论，应用选取的四川地区汶川MS8.0和九寨沟MS7.0两次地震主震及其余震数据，建立震级和PGA预测模型。以历史地震数据为先验信息，以P波特征信息为似然函数，将其代入贝叶斯公式中有：
$$f\!\!\!\!{\text{（}}\!x\;|\;{y_{{\rm{obs}}}}\!{\text{）}}\!\!\!\! {\text{＝}} \frac{{f\!\!\!\!{\text{（}}\!{y_{{\rm{obs}}}}|x\!{\text{）}}\!\!\!\! \cdot f\!\!\!\!{\text{（}}\!x\!{\text{）}}\!\!\!\!}}{{\displaystyle\int\nolimits_{{x_{\min }}}^{{x_{\max }}} {f\!\!\!\!{\text{（}}\!{y_{{\rm{obs}}}}|x\!{\text{）}}\!\!\!\! \cdot f\!\!\!\!{\text{（}}\!x\!{\text{）}}\!\!\!\!{\rm{d}}x} }}{\text{，}}$$ (8) 式中：
$ {y}_{\mathrm{o}\mathrm{b}\mathrm{s}} $ 为地震动观测数据，在本文中为平均周期τc和位移幅值Pd；x为待求参数，在本文中为地震震级M和峰值加速度PGA；$ f\!\!\!\!{\text{（}}\!x\!{\text{）}}\!\!\!\! $ 为先验概率函数，表示在地震发生以前所有可用于地震参数实时预测的信息；$f\!\!\!\!{\text{（}}\!x\;|\;{y}_{\mathrm{o}\mathrm{b}\mathrm{s}}\!{\text{）}}\!\!\!\!$ 为后验概率函数；$ f\!\!\!\!{\text{（}}\!{y}_{\mathrm{o}\mathrm{b}\mathrm{s}}|x\!{\text{）}}\!\!\!\! $ 作为似然函数用来整合新采集到的特征参数值；${x}_{{\rm{max}}}$ 和$ {x}_{\mathrm{m}\mathrm{i}\mathrm{n}} $ 指研究地区可能发生地震的震级或PGA的最大值和最小值。由上式G-R关系得到先验概率函数
$$f\!\!\!\!{\text{（}}\!x\!{\text{）}}\!\!\!\! {\text{＝}} \left\{ \begin{gathered} \frac{{\beta {{\rm{e}}^{ {\text{－}} \beta x}}}}{{{{\rm{e}}^{ {\text{－}} \beta {{{x}}_{\min }}}} {\text{－}} {{\rm{e}}^{ {\text{－}} \beta {x_{\max }}}}}}{\text{，}}\begin{array}{*{20}{c}} {}&{}&{} \end{array}{x_{\min }} {\text{≤}} x {\text{≤}} {x_{\max }}{\text{，}} \\ 0{\text{，}}\begin{array}{*{20}{c}} {\begin{array}{*{20}{c}} {\begin{array}{*{20}{c}} {}&{}&{} \end{array}}&{} \end{array}}&{}&{}&{} \end{array}{x_{}} \notin [{x_{\min }}{\text{，}}\!\!\!{x_{\max }}] {\text{，}} \\ \end{gathered} \right.$$ (9) 式中，β是地震大小与地震数量之比，通过统计四川地区2007—2018年M3—8.2地震记录，使用最小二乘拟合方法（李世杰，2018）计算得到β＝2.047 2。
联合概率密度分布
$f\!\!\!\!{\text{（}}\!{y}_{\mathrm{o}\mathrm{b}\mathrm{s}}|x\!{\text{）}}\!\!\!\!$ 为似然函数，即给定x时监测数据$ {y}_{\mathrm{o}\mathrm{b}\mathrm{s}} $ 的条件概率密度。通过似然函数将实时采集到的信息和特征参数信息进行整合，代入贝叶斯公式，实现了似然函数根据采集的信息进行概率的实时更新。当各地震监测台站接收到的地震预警信息$ {y}_{\mathrm{o}\mathrm{b}\mathrm{s}} $ 符合独立同分布的条件，t为P波到达时间，将不同台站的预警信息累乘可得$$f\!\!\!\!{\text{（}}\!{y_{\rm{obs} }}|x\!{\text{）}}\!\!\!\! {\text{＝}} \prod\limits_{{{k {\text{＝}} 1}}}^{{n}} {f\!\!\!\!{\text{（}}\!{y_{k,t}}|x\!{\text{）}}\!\!\!\!} {\text{＝}} \prod\limits_{k {\text{＝}} 1}^{{n}} {\frac{1}{{\sqrt {2{\rm{\pi }}} {\sigma }{y_{k,t}}}}} \exp \left[ { - \frac{1}{2}{{\left( {\frac{{\lg {y_{k{\text{，}}\!\!\!t}} - \mu }}{\delta }} \right)}^2}} \right]{\text{.}}$$ (10) 本文研究采用单台监测原位预警信息计算。捡拾到P波初始震相到时，从中提取各种特征参数
${y}_{{\rm{obs}}}$ 统一用${y}_{1{\text{，}}t}$ 表示，由式（10）可以得出：$$f\!\!\!\!{\text{（}}\!{y_{1,t}}|x\!{\text{）}}\!\!\!\! {\text{＝}} \frac{1}{{\sqrt {2\pi } {\sigma }{y_{1{\text{，}}\!\!\!\!t}}}}\exp \left[ { - \frac{1}{2}{{\left( {\frac{{\lg {y_{1{\text{，}}\!\!\!\!t}} - \mu }}{\delta }} \right)}^2}} \right]{\text{，}}$$ (11) 式中，
$f\!\!\!\!{\text{（}}\!{y}_{1,{t}}|x\!{\text{）}}\!\!\!\!$ 为似然函数；$\mu$ 为${\rm{lg}}{y}_{\mathrm{o}\mathrm{b}\mathrm{s}}$ 均值；$\sigma$ 为${\rm{ lg}}{y}_{\mathrm{o}\mathrm{b}\mathrm{s}}$ 的标准差。当地震仪器检测到有地震发生时，利用G-R关系统计历史地震信息而得出先验概率函数，只要可以提取到用于震级预测的特征参数，就可根据新提取的信息对先验概率函数进行更新，即在台站监测到P波到达之前
$f\!\!\!\!{\text{（}}\!x\!{\text{）}}\!\!\!\!$ 由G-R关系决定。当t大于P波到时tfirst，即台站记录到新信息时，$ f\!\!\!\!{\text{（}}\!x\!{\text{）}}\!\!\!\!$ 的大小需要根据新信息改变为$${f_{{{t {\text{＞}} }}{{{t}}_{{\rm{first}}}}}}\!\!\!\!{\text{（}}\!x \!{\text{）}}\!\!\!\! {\text{＝}} {f_{{{t {\text{－}} 1}}}}\!\!\!\!{\text{（}}\!{x\;|\;{y_{{{1{\text{，}}\!\!\!t {\text{－}} 1}}}}} \!{\text{）}}\!\!\!\!{\text{.}}$$ (12) 将式（9）和式（11）代入式（8）中，将会得到在特征参数
$ {y}_{1{\text{，}}\!\!\!\!t} $ 的信息已知情况下的后验概率密度函数，即x的概率密度值，即$$f\!\!\!\!{\text{（}}\!x\;{\rm{|}}\;{y_{1{\text{，}}\!\!\!t}}\!{\text{）}}\!\!\!\! {\text{＝}} \dfrac{{\exp \left( {\dfrac{{2\mu {\rm{lg}}{y_{1{\text{，}}\!\!\!\!t}} - {\mu ^2}}}{{2{\sigma ^2}}} + \beta x} \right)}}{{\displaystyle\int\nolimits_{{x_{\min }}}^{{x_{\max }}} {\exp \left( {\dfrac{{2\mu {\rm{lg}}{y_{1{\text{，}}\!\!\!\!t}} - {\mu ^2}}}{{2{\sigma ^2}}} + \beta x} \right){\rm{d}}x} }}{\text{.}}$$ (13) 3.2 基于贝叶斯理论的震级预测模拟
由式（3）和
${{\rm{lg}}}{\tau }_{{\rm{c}}}$ 的拟合结果可以得出${{\rm{lg}}}{\tau }_{{\rm{c}}}$ 的数学期望$\;{\mu }_{\mathrm{lg}{\tau }_{\mathrm{c}}}$ 与标准差${\sigma }_{\mathrm{lg}{\tau }_{\mathrm{c}}}$ 分别为$$ {\begin{array}{*{20}{c}} {{\mu _{\lg {\tau _{\rm{c}}}} } {\text{＝}} 0.19M {\text{－}} 1.26}{\text{，}} {{\sigma _{\lg {\tau _{\rm{c}}}}} {\text{＝}} 0.20} {\text{，}} \end{array}} $$ (14) 将式（14）的结果带入到式（13），即可得到该台站平均周期参数为τc， t的震级概率密度函数。
假设震级分别为M＝4，M＝5和M＝6时，根据统计关系可得τc值分别为0.316 2，0.489 8和0.758 6。将假设的三个震级代入式（13）中，得到的概率密度分布如图2所示，可以看出最大概率密度所对应的估计震级分别为3.57，4.57和5.57。对模型进行验证可知误差为0.43，这是由模型误差和计算误差引起的。通过模型验证，证明了基于贝叶斯理论可以实现预警震级预测。
3.3 基于贝叶斯理论的PGA预测模拟
由式（7）和
${{\rm{lg}}}{P}_{\mathrm{d}}$ 的拟合结果可以得到${{\rm{lg}}}{P}_{\mathrm{d}}$ 的数学期望$\;{\mu }_{\mathrm{lg}{P}_{\mathrm{d}}}$ 与标准差${\sigma }_{\mathrm{lg}{P}_{{\rm{d}}}}$ 分别为$$ \begin{split}& {{\mu _{\lg {P_{\rm{d}}}}} {\text{＝}} 2.22\lg {\rm{PGA}} {\text{－}} 5.22} {\text{，}}\\ &{{\sigma _{\lg {P_{\rm{d}}}}} {\text{＝}} 0.62} {\text{，}} \end{split} $$ (15) 将参数带入式（13），即可得到位移幅值Pd参数的预测峰值加速度概率密度函数。
假设PGA为70，80和90 cm/s2时，根据统计关系lgPd值分别为0.21，0.28和0.38。将这三个位移幅值代入式（13），得到不同lgPGA的概率密度分布如图3所示，从图3可以看出lgPGA最大概率密度分别为1.81，1.87和1.92，最大概率密度对应的PGA值分别为64.57，74.13和83.18 cm/s2。由于PGA数据离散度大，导致计算误差和模型误差也较大。
![]()
图 3 不同PGA的lgPGA概率密度分布Figure 3. Probability density distributions of lgPGA with different PGA3.4 基于双参数预测的地震判断模型
参考Zollo等（2010）的思路，建立一个区分地震大小及远近的判断模型。根据我国地震预警等级与震级和烈度的关系（宋晋东等，2018），设置震级M和PGA的预警值，可以将地震事件判别为如图4所示的四种类型，本文设置的阈值分别为M＝4.5，PGA＝120 cm/s2，图4还给出了不同地震类型的人体感觉、破坏程度和相应的地震预警措施。
4. 对比试验与分析
对已经处理的地震数据，取P波前3 s的τc 值，按照传统方法进行拟合计算，得到预测震级Mf；然后使用本文提出的基于贝叶斯理论的双参数预测模型进行震级预测，预测震级用Mb表示。最后分别将预测震级Mf和Mb与真实震级M进行离散程度和误差分布的对比分析，离散程度和误差分布如图5所示。
![]()
图 5 实际震级与传统方法预测震级Mf和基于贝叶斯理论的预测震级Mb的比较（a）及其误差分布（b）Figure 5. Comparison of value M with fitting predicted values Mf and Bayesian predictors Mb （a） and the error distribution （b） of predicted magnitude由图5a可以看出，应用贝叶斯理论预测震级的标准差比传统拟合方法得到的震级标准差降低了0.333 4，表明贝叶斯理论预测方法结果更加稳定，可信度更高。由图5b可以看出，基于贝叶斯理论的预测方法所得误差的分布范围更小，拟合精度更高，而偏离程度降低，可以为四等级判别模型提供更准确地震参数信息。
同理，通过捡拾P波到时后3 s内的Pd，根据传统拟合关系计算出PGA预测值，用PGAf表示；根据贝叶斯理论模型进行PGA预测，预测值用PGAb表示；然后分别将两种方法得到的预测值与真实PGA进行比较，其离散程度和误差分布如图6所示。图6a和图6b中绿线的斜率为1，从图中可以看出应用贝叶斯理论预测方法的结果比传统拟合方法所得PGA的标准差提高了0.403 2 cm/s2。
![]()
图 6 真实值PGA与传统拟合预测值PGAf （a）和基于贝叶斯理论的预测值PGAb（b）的比较Figure 6. Comparison of real values PGA with fitting predicted values PGAf （a） and Bayesian predictors PGAb （b）5. 讨论与结论
选取66个不同台站测得的2008年汶川MS8.0地震前3 s内的P波地震数据，分别对震级和PGA进行估计，并对地震危害性进行预测判别，由于篇幅有限，表1仅给出11个试验数据与结果的对比，台站的经纬度，用本文贝叶斯理论计算的震级和PGA，以及将基于贝叶斯理论的预测方法、传统拟合方法所得数值和真实数值分别代入本文判别模型，得到的地震危害性判别结果。全部地震危害性判别结果分布如图7所示。
表 1 实验数据与结果Table 1. Experimental data and results台站位置 贝叶斯理论预测结果 地震危害性判别结果 东经/° 北纬/° MS PGA/（cm·s−2） 贝叶斯方法 传统拟合方法 真实 102.20 29.90 7.03 79.43 大震远震 大震远震 大震远震 102.90 30.20 6.35 104.71 大震远震* 大震近震 大震近震 103.80 30.90 7.71 173.78 大震近震 大震近震 大震近震 102.90 30.10 7.11 107.15 大震远震 大震近震# 大震远震 102.20 28.30 6.91 53.70 大震远震 大震远震 大震远震 102.60 29.50 6.88 75.86 大震远震 大震远震 大震远震 102.10 29.40 6.02 69.18 大震远震 大震远震 大震远震 102.20 29.70 4.52 83.18 小震近震 小震近震 大震远震 103.50 30.60 3.00 138.04 小震近震* 小震近震* 大震近震 103.60 30.30 7.77 123.03 大震近震# 大震近震# 大震远震 102.40 29.30 7.94 85.11 大震远震 大震远震 大震远震 注：表中地震危害性判别结果中右上角标准为*的表示漏报；标注为#的表示误报。 ![]()
图 7 基于贝叶斯理论的预测方法（a）和传统拟合方法（b）所得结果与真实数据判别结果的对比Figure 7. Comparison of discrimination results by Bayesian theory method （a） and fitting method （b） with real data从表1和图7可以看出，无论是本文的基于贝叶斯理论预测方法还是传统拟合方法都存在漏报和误报现象。漏报是估计的震级和PGA比阈值小，未发出地震报警，而真实情况是震级和PGA大于阈值，应该报警。误报是估计的震级和PGA比阈值大，发出了地震报警，而真实情况是震级和PGA小于阈值，不应该报警。本次的66个实验结果中，基于贝叶斯理论的预测方法的漏报率为7.58%，误报率为6.06%；而传统拟合方法的漏报率为6.06%，误报率为21.21%。实验结果表明基于贝叶斯理论的预测方法可以根据P波到时3秒内的数据，预测出震级和PGA，并可以识别出地震的大小和远近，准确率高于传统拟合方法，可以为下一步地震警报发布和采取救援行动提供有效的决策依据。
本文提出了基于贝叶斯理论的震级和PGA双参数预警方法，对地震危害性进行四等级划分，有效地提高了预警信息准确性和可靠性。针对实时震级和PGA预测问题，首先利用P波前3秒τc和Pd分别与震级PGA进行拟合，得出经验预测公式；然后结合历史地震信息，以古登堡-里克特关系为初始先验概率，以地震台站实时记录P波到时后3秒内的τc和Pd为似然函数，实时预测震级和PGA。本文将该方法与传统拟合方法对比分析，结果显示基于贝叶斯理论的预测方法准确率更高。最后以汶川MS8.0地震为算例进行地震大小和远近的评估与判别，分析了漏报和误报情况。结果表明应用贝叶斯理论预测震级和PGA，提高了预测准确度，可以为地震危害判断模型提供更准确的评判依据。
然而本文的地震类型划分模型还不够完善，预警阈值的设定还需要结合当地地理环境特点综合考量，并非固定不变。下一步将在此基础上进行模型细化，进一步探讨可用预警时间等地震预警指标。
-
![]()
图 1 研究区域构造背景及本研究涉及的台站和地震分布
（a） 区域构造背景和双差地震重定位及震源机制反演所用台站分布；（b） 长宁MS6.0地震主余震序列分布及兴文MS5.7地震和珙县MS5.3地震位置
Figure 1. Regional tectonic setting，seismic stations involved in this study and the distribution of earthquakes
（a） Regional tectonic setting and stations for double difference earthquake relocation and focal mechanism inversion； （b） The main shock and aftershock sequence of Changning MS6.0 earthquake and epicenters of Xingwen MS5.7 and Gongxian MS5.3 earthquakes
![]()
图 2 本研究所用观测走时资料和速度模型
（a） 本研究所使用的P波和S波观测走时曲线图；（b） 地震重定位和震源机制反演采用的一维速度模型
Figure 2. The observed travel time data and velocity model for this study
（a） The observed travel time curves for P wave and S wave；（b） The 1D velocity model for earthquake relocation and focal mechanism inversion
![]()
图 3 2019年1月1日至2019年10月20日长宁地区地震M−t图（a）和震源深度分布图（b）
Figure 3. M−t diagram （a） and distribution of focal depth （b） for earthquakes occurred in the Changning region from January 1 to October 20，2019
![]()
图 4 长宁地震序列重定位震中分布与剖面图
（a） 重定位后地震平面分布；（b） 地震在剖面AA′ 上的投影，AA′ 为本研究所获得震源机制节面走向方向剖面；（c）−（e） 地震在BB′ ，CC′ 和DD′ 上的投影，BB′ ，CC′ 和DD′ 为垂直节面走向的剖面
Figure 4. The distribution of relocated Changning earthquake sequence in map view and cross-sections
（a） Relocated earthquakes in map view；（b） Earthquakes along the profile AA′ ，AA′ is the vertical cross section along the strike direction from focal mechanism solution；（c)−(e） Earthquakes along the profile BB′ ，CC′ and DD′ ，BB′ ，CC′ and DD′ are the vertical cross sections perpendicular to the strike direction from focal mechanism solution
![]()
图 5 主震后12 h内不同时间段地震的平面及深度剖面
AA′ 为沿余震展布方向的纵剖面，不同颜色代表主震后每4 h的相对时间
Figure 5. Relocated earthquakes in map view and along cross section at different periods after the main shock
AA′ is the vertical cross section along the distribution direction of aftershock sequence， different colors denote relative times in every 4 hours after the main shock
![]()
图 6 长宁MS6.0地震序列b值
（a） 长宁MS6.0地震震后平均b值；（b） 长宁MS6.0地震后b值空间分布
Figure 6. b-value for Changning MS6.0 earthquake sequence
（a） Mean b-value after Changning MS6.0 earthquake；（b） Spatial distribution of b-value in and around Changning MS6.0 earthquake source region
![]()
图 7 长宁主震前后地震序列b值随时间的变化
Figure 7. Temporal variation of b-value before and after Changning MS6.0 earthquake
![]()
图 8 长宁MS6.0地震观测与拟合波形相关系数随矩心深度的变化
Figure 8. The correlation between observed and synthetic waveforms of the Changning MS6.0 main shock versus the centroid depth
![]()
图 9 长宁MS6.0地震主震震源机制解的拟合波形（红色）与观测波形（黑色）对比
台站 ROC，BJT，LBO的带通窗为 0.04—0.06 Hz；台站 WAS，XSB，YUB，XUW，SMI，GYA，JJS，BAX，XCO，HLI，ZFT的带通窗为 0.02—0.04 Hz。波形右上方数字为方差减少量，代表波形拟合程度
Figure 9. Comparison of observed （black） and synthetic （red） waveform for Changning MS6.0 main earthquake corresponding to optimum focal mechanism solution
Frequency of band-pass filter is 0.04—0.06 Hz for stations ROC，BJT，LBO，0.02—0.04 Hz for stations WAS，XSB，YUB，XUW，SMI，GYA，JJS，BAX，XCO，HLI，ZFT。The data on the upper right of the waveform is variance reduction，which represents for the degree of waveform fitting
![]()
图 10 采用大折刀法分析震源参数不确定性
Figure 10. Analysis of source parameters uncertainty using Jackknife method
![]()
图 11 长宁地震序列中MS≥5.0地震的震源机制解
Figure 11. Focal mechanism solutions of MS≥5.0 earthquake for Changning earthquake sequence
表 1 四川长宁MS6.0地震主余震序列中MS≥5.0地震的基本参数
Table 1 The basic earthquake parameters of MS≥5.0 earthquakes for Changning MS6.0 earthquake sequence
序号 发震时刻 北纬/° 东经/° 深度/km MS 年－月－日 时:分:秒 1 2019-06-17 22:55:43.2 28.34 104.90 16 6.0 2 2019-06-17 23:36:01.4 28.43 104.77 16 5.1 3 2019-06-18 07:34:33.7 28.37 104.89 17 5.3 4 2019-06-22 22:29:56.2 28.43 104.77 10 5.4 5 2019-07-04 10:17:58.6 28.41 104.74 8 5.6 
下载: 导出CSV
表 2 长宁地震序列中5次MS≥5.0地震的震源机制解结果
Table 2 The focal mechanism solutions for five MS≥5.0 earthquakes of Changning earthquake sequence
编号 发震时刻 节面Ⅰ 节面Ⅱ 深度/km MS 走向/° 倾角/° 滑动角/° 走向/° 倾角/° 滑动角/° Evt1 2019-06-17 22:55:43.2 305 62 38 195 57 146 3.0 6.0 Evt2 2019-06-17 23:36:01.4 332 57 79 172 35 107 3.0 5.1 Evt3 2019-06-18 07:34:33.7 324 73 92 137 17 83 2.0 5.3 Evt4 2019-06-22 22:29:56.2 159 48 66 13 47 115 3.0 5.4 Evt5 2019-07-04 10:17:58.6 191 43 98 1 47 83 4.0 5.6
下载: 导出CSV
-
蔡一川,程静馥. 2015. 四川长宁地区ML4.0以上地震震源机制解及震源深度反演[J]. 地震地磁观测与研究,3(6):14–18. Cai Y C,Cheng J F. 2015. Inversion of focal mechanism and focal depth of the earthquakes more than ML4.0 in Changning,Sichuan Province[J]. Seismological and Geomagnetic Observation and Research,3(6):14–18 (in Chinese).
韩佳东,杨建思,王伟平. 2019. 2017年西藏米林MS6.9地震余震序列重定位和b值时空分布特征[J]. 地震学报,41(2):169–180. doi: 10.11939/jass.20180077 Han J D,Yang J S,Wang W P. 2019. Relocation of the aftershock sequence of Milin MS6.9 earthquake in 2007 and spatio-temporal variation characteristics of b-value[J]. Acta Seismologica Sinica,41(2):169–180 (in Chinese).
何登发,鲁人齐,黄涵宇,王晓山,姜华,张伟康. 2019. 长宁页岩气开发区地震的构造地质背景[J]. 石油勘探与开发,46(5):993–1006. He D F,Lu R Q,Huang H Y,Wang X S,Jiang H,Zhang W K. 2019. Tectonic and geological background of the earthquake hazards in Changning shale gas development zone,Sichuan Basin,SW China[J]. Petroleum Exploration and Development,46(5):993–1006 (in Chinese).
梁姗姗,雷建设,徐志国,邹立晔,刘敬光. 2017. 2016年1月21日青海门源MS6.4余震序列重定位和主震震源机制解[J]. 地球物理学报,60(6):2091–2103. doi: 10.6038/cjg20170606 Liang S S,Lei J S,Xu Z G,Zou L Y,Liu J G. 2017. Relocation of the aftershock sequence and focal mechanism solutions of the 21 January 2016 Menyuan,Qinghai,MS6.4 earthquake[J]. Chinese Journal of Geophysics,60(6):2091–2103 (in Chinese).
梁姗姗,雷建设,徐志国,徐锡伟,邹立晔,刘敬光,陈宏峰. 2018. 2017年四川九寨沟MS7.0强震的余震重定位及主震震源机制反演[J]. 地球物理学报,61(5):2163–2175. doi: 10.6038/cjg2018L0508 Liang S S,Lei J S,Xu Z G,Xu X W,Zou L Y,Liu J G,Chen H F. 2018. Relocation of aftershocks of the 2017 Jiuzhaigou,Sichuan,MS7.0 earthquake and inversion for focal mechanism of the main shock[J]. Chinese Journal of Geophysics,61(5):2163–2175 (in Chinese).
刘静伟,吕悦军. 2016. 川滇地区b值空间分布特征及其与震源类型关系的初步探讨[J]. 震灾防御技术,11(3):561–572. doi: 10.11899/zzfy20160312 Liu J W,Lü Y J. 2016. Spatial distribution of b values and its relationship with the type of focal mechanism in the Sichuan-Yunnan area[J]. Technology for Earthquake Disaster Prevention,11(3):561–572 (in Chinese).
阮祥,程万正,张永久,李军,陈银. 2008. 四川长宁盐矿井注水诱发地震研究[J]. 中国地震,24(3):226–234. doi: 10.3969/j.issn.1001-4683.2008.03.004 Ruan X,Cheng W Z,Zhang Y J,Li J,Chen Y. 2008. Research of the earthquakes induced by water injections in salt mines in Changning,Sichuan[J]. Earthquake Research in China,24(3):226–234 (in Chinese).
史海霞,孟令媛,张雪梅,常莹,杨振涛,谢蔚云,服部克巳,韩鹏. 2018. 汶川地震前的b值变化[J]. 地球物理学报,61(5):1874–1882. doi: 10.6038/cjg2018M0024 Shi H X,Meng L Y,Zhang X M,Chang Y,Yang Z T,Xie W Y,Hattori K,Han P. 2018. Decrease in b value prior to the Wenchuan earthquake (MS8.0)[J]. Chinese Journal of Geophysics,61(5):1874–1882 (in Chinese).
王鹏,侯金欣,吴朋. 2017. 2017年九寨沟MS7.0地震序列活动特征分析[J]. 中国地震,33(4):453–462. doi: 10.3969/j.issn.1001-4683.2017.04.001 Wang P,Hou J X,Wu P. 2017. Temporal evolution of the seismicity of the 2017 Jiuzhaigou MS7.0 earthquake sequence[J]. Earthquake Research in China,33(4):453–462 (in Chinese).
王适择,李忠权,郭明,李洪奎. 2013. 川南长宁地区龙马溪组页岩裂缝发育特征[J]. 科学技术与工程,13(36):10887–10892. Wang S Z,Li Z Q,Guo M,Li H K. 2013. Developmental characteristics of Longmaxi formation shaly fissure in Changning of South of Sichuan area[J]. Science Technology and Engineering,13(36):10887–10892 (in Chinese).
王晓山,吕坚,谢祖军,龙锋,赵小艳,郑勇. 2015. 南北地震带震源机制解与构造应力场特征[J]. 地球物理学报,58(11):4149–4162. Wang X S,Lü J,Xie Z J,Long F,Zhao X Y,Zheng Y. 2015. Focal mechanisms and tectonic stress field in the North−South Seismic Belt of China[J]. Chinese Journal of Geophysics,58(11):4149–4162 (in Chinese).
王阎昭,王恩宁,沈正康,王敏,甘卫军,乔学军,孟国杰,李铁明,陶玮,杨永林,程佳,李鹏. 2008. 基于GPS资料约束反演川滇地区主要断裂现今活动速率[J]. 中国科学 D辑:地球科学,38(5):582–597. Wang Y Z,Wang E N,Shen Z K,Wang M,Gan W J,Qiao X J,Meng G J,Li T M,Tao W,Yang Y L,Cheng J,Li P. 2008. GPS-constrained inversion of present-day slip rates along major faults of the Sichuan−Yunnan region,China[J]. Science in China Series D:Earth Sciences,51(9):1267–1283. doi: 10.1007/s11430-008-0106-4
徐锡伟,闻学泽,郑荣章,马文涛,宋方敏,于贵华. 2003. 川滇地区活动块体最新构造变动样式及其动力来源[J]. 中国科学 (D辑),33 (增刊1):151–162. Xu X W,Wen X Z,Zheng R Z,Ma W T,Song F M,Yu G H. 2003. Pattern of latest tectonic motion and its dynamics for active blocks in Sichuan−yunnan region,China[J]. Science in China Series D:Earth Sciences,46(2):210–226.
徐志国,梁姗姗,邹立晔,刘敬光. 2019. 2016年12月8日新疆呼图壁MS6.2主震震源机制及余震序列定位[J]. 地震地质,41(1):44–57. doi: 10.3969/j.issn.0253-4967.2019.01.003 Xu Z G,Liang S S,Zou L Y,Liu J G. 2019. Mechanism of the 2016 Hutubi,Xinjiang,MS6.2 main shock and relocation of its aftershock sequences[J]. Seismology and Geology,41(1):44–57 (in Chinese).
易桂喜,龙峰,梁明剑,赵敏,王思维,宫悦,乔慧珍,苏金蓉. 2019. 2019年6月17日四川长宁MS6.0地震序列震源机制解与发震构造分析[J]. 地球物理学报,62(9):3432–3447. doi: 10.6038/cjg2019N0297 Yi G X,Long F,Liang M J,Zhao M,Wang S W,Gong Y,Qiao H Z,Su J R. 2019. Focal mechanism solutions and seismogenic structure of the 17 June 2019 MS6.0 Sichuan Changning earthquake sequence[J]. Chinese Journal of Geophysics,62(9):3432–3447 (in Chinese).
张广伟,雷建设,梁姗姗,孙长青. 2014. 2014年8月3日云南鲁甸MS6.5级地震序列重定位与震源机制研究[J]. 地球物理学报,57(9):3018–3027. doi: 10.6038/cjg20140926 Zhang G W,Lei J S,Liang S S,Sun C Q. 2014. Relocations and focal mechanism solutions of the 3 August 2014 Ludian,Yunnan MS6.5 earthquake sequence[J]. Chinese Journal of Geophysics,57(9):3018–3027 (in Chinese).
张广伟. 2016. 云南地区地震的重新定位及b值研究[J]. 中国地震,32(1):54–62. doi: 10.3969/j.issn.1001-4683.2016.01.005 Zhang G W. 2016. Research on earthquake relocation and b-value in the Yunnan area[J]. Earthquake Research in China,32(1):54–62 (in Chinese).
Aki K. 1965. Maximum likelihood estimate of b in the formula logN =a-bM and its confidence limits[J]. Bull Earthq Res Instit,Univ Tokyo,43(2):237–239.
Bouchon M. 1981. A simple method to calculate Green's functions for elastic layered media[J]. Bull Seismol Soc Am,71(4):959–971.
Boyd O S,Dreger D S,Lai V H,Gritto R. 2015. A systematic analysis of seismic moment tensor at the Geysers geothermal field,California[J]. Bull Seismol Soc Am,105(6):2969–2986. doi: 10.1785/0120140285
Goebel T H W,Kwiatek G,Becker T W,Brodsky E E,Dresen G. 2017. What allows seismic events to grow big? Insights from b-value and fault roughness analysis in laboratory stick-slip experiments[J]. Geology,45(9):815–818. doi: 10.1130/G39147.1
Kennett B L N,Kerry N J. 1979. Seismic waves in a stratified half space[J]. Geophysical Journal International,57(3):557–583. doi: 10.1111/j.1365-246X.1979.tb06779.x
Lei X L,Huang D J,Su J R,Jiang G M,Wang X L,Wang H,Guo X,Fu H. 2017. Fault reactivation and earthquakes with magnitudes of up to MW4.7 induced by shale-gas hydraulic fracturing in Sichuan Basin,China[J]. Sci Rep,7:7971. doi: 10.1038/s41598-017-08557-y
Marzocchi W,Sandri L. 2009. A review and new insights on the estimation of the b-value and its uncertainty[J]. Ann Geophy,46(6):1271–1282.
Scholz C H. 1968. The frequency-magnitude relation of microfracturing in rock and its relation to earthquakes[J]. Bull Seismol Soc Am,58(1):399–415.
Schorlemmer D,Wiemer S,Wyss M. 2005. Variations in earthquake-size distribution across different stress regimes[J]. Nature,437(7058):539–542. doi: 10.1038/nature04094
Shi Y L,Bolt B A. 1982. The standard error of the magnitude-frequency b value[J]. Bull Seismol Soc Am,72(5):1677–1687.
Sokos E N,Zahradnik J. 2008. ISOLA a fortran code and a Matlab GUI to perform multiple-point source inversion of seismic data[J]. Comput Geosci-uk,34(8):967–977. doi: 10.1016/j.cageo.2007.07.005
Waldhauser F,Ellsworth W L. 2000. A double-difference earthquake location algorithm:Method and application to the Northern Hayward fault,California[J]. Bull Seismol Soc Am,90(6):1353–1368. doi: 10.1785/0120000006
Wiemer S. 2001. A software package to analyze seismicity:ZMAP[J]. Seismol Res Lett,72(3):373–382. doi: 10.1785/gssrl.72.3.373
-
期刊类型引用(0)
其他类型引用(3)
计量
- 文章访问数: 1351
- HTML全文浏览量: 882
- PDF下载量: 138
- 被引次数: 3
