Seismogenic structure of the earthquake surface rupture zone along the Maisu fault
-
摘要:
野外地质调查发现金沙江断裂带北段麦宿断裂附近发育长约50 km的地震地表破裂带，其最大垂直位移为2 m。基于该地震地表破裂带周围架设的密集地震台阵于2020 年 12 月至 2022 年 7 月期间记录到的连续波形数据，采用双差定位方法对（31.55°N—31.85°N，98.31°E—98.98°E） 区域内的578个地震事件进行定位，并利用基于P波初动的HASH方法对定位得到的地震事件进行震源机制解反演，获得了37组震源机制解，最后使用基于震源机制解的阻尼区域应力场反演方法对研究区域的应力环境进行了分析。精定位结果显示：研究区内沿地震地表破裂带分布着一条长约40 km的WNW−ESE向地震密集条带，震源密集分布在3—10 km深度范围内，深度剖面向北陡倾；同时还存在一条长约30 km的NNW−SSE向地震密集条带，震源密集分布在3—11 km深度范围内，深度剖面向西陡倾。震源机制解结果显示，研究区内地震的震源机制解以走滑型为主，占所获震源机制解的51.4%，同时也存在少量逆断型和正断型。震源机制解P轴的优势方位为近 NW−SE 向，与最大主压应力 σ1 方向 323°相近。P 轴、T 轴、最大主压应力σ1 以及最小主压应力σ3 的倾角总体上较小，表明研究区内应力处于近 NW−SE 向的水平挤压状态；应力结构为走滑型，与地震定位和震源机制解结果相同；应力形因子R＝0.57，表明最大主压应力σ1、中间主压应力 σ2和最小主压应力σ3的本征值基本呈等差数列排列，其中σ1和σ3均为确定值。WNW−ESE向的地震密集条带具右旋走滑兼有正断和逆断分量，NNW−SSE向的地震密集条带具左旋走滑特征，表现为共轭断层特征。综合认为研究区曾发生过一次M＞7.0 地震，近NW−SE向水平挤压的应力状态与北部NW−SE向甘孜—玉树—鲜水河断裂带强烈左旋走滑有关。
Abstract:Field geological survey revealed the presence of an earthquake surface rupture zone 50 km long near the Maisu fault in the northern segment of the Jinshajiang fault zone, with a maximum vertical offset of 2 m. Based on the continuous waveform data of a dense seismic array set up around the rupture zone from December 2020 to July 2022, 578 seismic events in the area of 31.55°N−31.85°N and 98.31°E−98.98°E were located by using the double-difference location method. The obtained seismic events were then analyzed using the HASH method based on P-wave initial motion to invert the focal mechanisms, and 37 focal mechanism solutions were acquired. The stress state of the study area was further analyzed by using the damped region-scale stress inversions method based on the focal mechanism solutions. The precise location results show that within the study area, there is a seismic belt 40 km long oriented WNW−ESE along the earthquake surface rupture zone, with focal depths clustered in the range of 3−10 km, and the depth profile steeply dips to the north. Moreover, there is another belt 30 km long oriented NNW−SSE, with focal depths concentrated at 3−11 km, dipping to the west. The results of focal mechanism solutions indicate that source mechanisms in this area are mostly strike-sip, accounting for 51.4% of the total. In addition, there are also a small number of reverse and normal fault mechanisms. The dominant azimuth of the P-axis of the focal mechanism solution is nearly NW−SE, which is similar to the direction of the maximum principal compressive stress σ1 at 323°. The overall dips of the P-axes, T-axes, maximum compressive stress σ1, and minimum compressive stress σ3 are small, suggesting that it is under an NW-SE oriented horizontal compressive stress regime. The stress structure is strike-slip, consistent with the earthquake location and focal mechanism solution results. The stress factor （R=0.57） indicates that the maximum compressive stress σ1, the intermediate compressive stress σ2 and the minimum compressive stress σ3 are basically in arithmetic progression, where σ1 and σ3 are determined. The WNW−ESE seismic belt exhibits dextral strike-slip with both normal and reverse components, while the NNW−SSE belt shows sinistral strike-slip, displaying conjugate fault features. It is concluded that this area has experienced at least one earthquake with M＞7.0. The near NW-SE horizontal compressive stress state is related to the intense sinistral movement of the NW−SE oriented Garze-Yushu-Xianshuihe fault zone.
-
引言
我国是世界上岩溶最为发育的国家之一，岩溶面积达363万平方千米，主要分布在黔、桂、滇东、川南、湘西等省区，其中分布最广的是贵州省，约占全省面积的73%，其次是广西壮族自治区，约占全区面积的34% （覃子建等，1996）。近年来随着我国经济的飞速发展，工农业、居民生活用水迅速增加，大量地下水被抽取，导致地下水位不断下降，塌陷事件也逐年增多，岩溶塌陷已成为我国六大地质灾害之一（赵博超等，2015）。然而，天然地震与岩溶塌陷的波形具有较高的相似性，分析人员依靠经验根据波形特征进行二者的识别费时较多，缺乏时效性。因此亟需研究一种能够及时准确地识别天然地震与岩溶塌陷事件的方法，建立准确的事件目录，为快速开展塌陷灾害防治工作提供重要的科技支撑，为地方经济发展、国土资源规划提供理论基础。
近年来国内外研究人员针对地震事件类型的识别开展了广泛而深入的研究，总结了许多时域和频域方面的识别判据。时域的判据主要包括初动方向、震源深度、体波震级与面波震级比、P波初动振幅与P波和S波最大振幅比、P波与S波最大振幅比、P波和S波最大振幅与尾波持续时间比、体波和面波震相特征、P波视速度差异等（吴宝峰，闫峰，2009；Pasyanos，2010；Taylor，2011；刘莎等，2012；王婷婷，边银菊，2015）；而频域的判据主要有能量频谱分布、拐角频率、倒谱曲线、瞬态谱等（张萍等，2005；Yılmaz et al，2013 ；靳玉贞等，2015；Kortström et al，2016 ；叶庆东等，2017）。这些方法各有特色，均取得了很好的效果，对于建立准确的地震事件目录具有重要意义；但是这些方法多是单独使用时域特征或频域特征来进行识别，而且地质条件、仪器参数、波形传播路径等差异使得其普适性不足。因此，许多研究人员使用在时域和频域均具有很高分辨率的小波包变换方法来进行特征判据提取。和雪松等（2006）通过对地震和矿震波形进行小波包变换，再计算二者的奇异值，从而达到识别地震的目的；王婷婷等（2014）使用小波包对地震和爆破波形进行分解，根据P波和S波的发育频段不同，使用不同分解系数中的P波和S波能量进行对比，获得了地震和爆破的识别判据；Beccar-Varela等（2016）通过小波变换对美国亚利桑那州M3.0—3.5地震和爆破事件进行分解，利用分解得出的时频能量特征进行地震事件的识别。尽管上述利用小波包分解提取判据的方法能够有效地进行地震识别，但是这些方法主要是针对地震与爆破或矿震，至于地震与岩溶塌陷事件识别的研究则较少。此外，上述方法尽管提取了地震波形在时频域的特征，但均未涉及地震波形分形维数的特征。
为此，本文拟根据天然地震和岩溶塌陷在不同小波包分解频带内存在的差异，结合分形维数计算方法，对比各小波包分解系数的维数差异，以期提出一种能够体现出事件波形时频域特征和分形维数特征并且能够快速有效地识别天然地震与岩溶塌陷的新方法。
1. 资料
本文从广西地震台网中心2008—2015年记录到的塌陷和地震事件中，选取记录台站较多、波形较为清晰的广西境内的39个事件，包括17次塌陷事件和22次浅源地震事件，震源深度为5—10 km，震级范围为ML1.0—2.9，所有事件的类型均已由广西地震台网中心确认。从这39个事件中，提取出400条记录清晰的事件波形记录，其中天然地震事件和岩溶塌陷事件的波形各200条，最大、最小震中距分别为237 km和25 km。所选地震、塌陷事件和记录台站的分布如图1所示。
本文所选用事件的波形记录的采样率均为100 sps，波形记录的频率范围为0—50 Hz；所有事件只使用垂直向波形进行计算，事件波形的截取宽度均为120 s （即12 000个点），S波的初动位置尽量位于截取窗口的中部。
![]()
图 1 事件和地震台站位置示意图Figure 1. Location of earthquakes （green circles），karst collapses （red circles） and seismic stations （triangles） in this study2. 识别算法设计及基本原理
2.1 识别算法设计
一般来说，一套完整的自动识别算法主要由两个模块组成：其一为特征提取模块，用于从目标数据中提取出识别所需的特征参数；其二为识别判定模块，利用已提取出的特征参数对目标类型进行判定。本文在设计两个模块时考虑到：① 本文所使用的特征提取算法应能体现出天然地震和岩溶塌陷的震源机制在时频域的特点，同时还要能描述出两种事件在不同频带下波形的复杂性；② 由于测震仪器、地质构造、传播路径等差异，每一组事件所提取的特征数据可能存在一定差异，因此识别算法需要具有一定的鲁棒性和容错性，同时从现实应用的角度出发，算法还需具有较快的运算速度。
鉴于此，本文使用小波包分形方法来提取天然地震和岩溶塌陷的特征，再通过径向基函数(radial basis function，简写为RBF)神经网络进行事件分类的识别判定。小波包分形方法利用了小波包在时频域下高分辨的特点，并通过分形理论对不同频带下波形信号的复杂度进行描述，从而达到兼顾地震信号的细节分析与整体描述合理性的目的（曹茂森等，2005；谢全民等，2011；朱权洁等，2012）。而RBF神经网络除了神经网络普遍具有的自适应性强、能够实现各种非线性映射、有较高的鲁棒性和容错性、运算速度快等特点外，还具备结构简单、收敛快等优势。所以本文使用小波包分形作为特征提取模块，RBF神经网络作为识别判定模块。首先，对事件波形进行归一化处理，然后利用小波包分形提取出事件波形特征；其次，利用已知事件组成训练集完成对RBF神经网络的训练，并将训练好的神经网络用于对未知事件的类型进行识别。图2为本文算法的流程框图。
2.2 小波包变换
小波变换是一种重要的时频域波形分析方法，在数字信号处理、图像处理、声纹识别等方面均有广泛应用。而小波包变换是对小波变换的进一步扩展，弥补了小波变换对高频细节特征提取的不足。小波包变换方法是通过多组低通、高通正交滤波器将信号的各频段不断细分，以此来提高信号在整个频带内的分辨能力，进而获得信号中所包含的更多细节。也正因为此，小波包变换也被称作信号时频域的显微镜。
2.3 分形维数
分形维数是分形理论中用于描述曲线或者图形不规则程度的重要特征量，但是，在实际使用中往往难以直接计算得到不规则分形体的维数，而只能计算其近似值。因此，本文从快速计算的角度出发，选用计盒维数来计算维数。
计盒维数DB（F）定义为（张济忠，1995）：对于需要计算维数的目标图形F，构造足够多的边长均为δ的正方形盒子将其完全覆盖（图3），所用到的盒子数量为Nδ（F），那么F的计盒维数DB（F）则为当δ趋于0时Nδ（F）增加的对数速率，可以表示为
${D_{\rm{B}}}(F) {\text{＝}} \mathop {\lim }\limits_{\delta \to 0} \frac{{\lg {N_\delta }(F)}}{{ - \lg \delta }}.$
(1) 3. 特征提取
由于地震与岩溶塌陷的震源性质和传播路径有所不同，台站记录到两种事件的波形在时频谱中呈现不同的特征。因此，通过时频域分析来进行地震和塌陷事件的特征提取具有可行性。图4为归一化处理后的地震和塌陷事件的时频能量分布图，所示的两事件是由贞丰地震台记录到的地震事件（2010-01-25，ML2.9，震中距Δ=128 km）和塌陷事件（2015-09-09，ML1.8，Δ=124 km），两个事件的震中均位于河池市天峨县。可以看出，地震的优势频率处于0—20 Hz范围内，而塌陷的优势频率处于0—10 Hz范围内。
![]()
图 4 地震（a）、岩溶塌陷（b）事件的波形（上）及其时频谱（下）Figure 4. Waveforms （upper） and spectrograms （lower） of the earthquake （a） and the karst collapse （b）3.1 事件波形的小波包分解
使用小波包进行变换前首先需要选取小波包的基函数。常用的基函数有Haar，Daubechies，Mexican Hat，Morlet，Meyer，Symlet，Coiflet，双正交小波等，不同的基函数性质不同。考虑到基函数需具备快速计算的能力，以便增强算法的时效性，同时需要具备精确重构的性质，以便能够完整地反映原始波形的频率特性，为此，本文选取具有紧支撑正交性的Daubechies作为基函数。考虑到需要避免因支撑区间太大而产生边界问题或者因区间太小而使得能量无法集中，选择区间长度为7的4阶Daubechies小波，简写为db4。
对本文所选的400条事件波形记录进行db4小波包的4层分解，得到16个分解系数波形，对应的频带宽度分别为0—3.125 Hz，3.125—6.250 Hz，…，46.875—50 Hz。图5和图6分别给出了河池市天峨县的地震和塌陷事件的小波包分解结果。可以看出，虽然地震与塌陷事件的优势频率不同，但是在各频段内均有震动波形的记录。因此，为了获取事件在不同频段内的波形特征，提取特征时需对各频段的数据进行计算。
![]()
图 5 2010年1月25日ML2.9地震事件的第四层小波包分解Figure 5. The fourth-layer wavelet packet decomposition of the ML2.9 earthquake on 25 January 2010![]()
图 6 2015年9月9日ML1.8岩溶塌陷事件的第四层小波包分解Figure 6. The fourth-layer wavelet packet decomposition of the ML1.8 karst collapse on 9 September 20153.2 小波包系数的分形维数计算
本文采用计盒维数法计算分形维数（张济忠，1995），分别计算各个事件的小波包分解系数，最终获得由16个维数值组成的一维向量，此即为本文所要提取的地震和岩溶塌陷事件的特征。下面将以这16个维数值为输入向量，进行RBF人工神经网络训练和事件类型识别。图7给出了地震和岩溶塌陷事件小波包分解系数的分形维数计算结果，可以看出，岩溶坍塌事件在不同频段内波形的维数高于地震事件波形的维数。
![]()
图 7 地震与岩溶坍塌事件的小波包分形维数计算结果对比Figure 7. Comparison of wavelet packet fractal dimension of earthquake with that of collapse4. RBF神经网络
RBF神经网络是一种经典的前馈3层神经网络，根据人脑皮层神经网络结构提出，具备以任意精度逼近任意一个连续函数的能力，由输入层、隐含层、输出层组成，其中输入层将输入数据与网络连接起来，隐含层对输入层传递过来的数据进行非线性变换，输出层则负责对隐含层进行加权后输出（Haykin，2001）。图8给出了单输出的RBF神经网络结构图，由图可知整个网络的输出yn可以表示为
${y_n} \text{＝} \sum\limits_{i\text{＝}1}^m {{W_{ni}}{g_i}(x)} \text{，}\quad i \text{＝} 1, \; 2, \; 3, \; \cdots , \; m\text{，}$
(2) 式中，n为样本输入数据的数量，m为隐含层节点数，gi（x）为神经网络的径向基函数。
本文所使用的RBF神经网络结构为：① 输入层：神经网络的输入为小波包分形得出的16个特征值，所以输入层节点数为16，节点的权值均为1；② 隐含层：径向基函数选择应用广泛的高斯函数，其表达式为
${g_i}(x) \text{＝} \exp \left[ { - \frac{{||x - {C_i}|{|^2}}}{{{\sigma ^2}}}} \right]\text{，}\quad i \text{＝} 1, \; 2, \; 3, \; \cdots , \; m\text{，}$
(3) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
RBF神经网络是否优秀，关键在于隐含层的训练，即基函数中心的选取、节点数量的选择以及节点权值的训练。本文使用matlab神经网络工具箱来进行隐含层的训练，目标均方差设为0.01，高斯函数扩展步长为2.0。训练的具体步骤为：① 建立一个0神经元的网络；② 寻找最大方差样本；③ 增加一个神经元，并使用最大方差的输入样本作为基函数中心；④ 重新设计隐含层权值，使用能够实现最小输出误差的值作为隐含层权值；⑤ 检查输出的均方差是否小于所设定的目标值，若满足该条件则网络训练完毕，否则返回第二步，从剩余样本中继续寻找最大方差样本。
5. 识别能力检验
神经网络的训练和测试由训练集和测试集完成。本文按照发震时间的先后顺序，将前10次地震事件的100条波形数据和前9个岩溶塌陷事件的100条波形数据组成训练集，用于神经网络训练；测试集则是由余下12次地震事件的100条波形数据和8次岩溶塌陷事件的100条波形数据组成，用于验证分类能力。之后分别计算测试集和训练集的地震和岩溶塌陷事件的小波包分形维数，计算结果列于表1。
表 1 地震和岩溶塌陷事件的小波包分形维数均值和方差Table 1. Mean and variance of fractal dimension of earthquake and collapse events小波包
分解系数训练集（地震） 训练集（塌陷） 测试集（地震） 测试集（塌陷） 维数均值 维数方差 维数均值 维数方差 维数均值 维数方差 维数均值 维数方差 1 1.379 6 0.010 0 1.463 0 0.009 2 1.389 0 0.010 4 1.440 8 0.008 5 2 1.341 8 0.008 2 1.412 2 0.010 0 1.337 6 0.007 7 1.438 0 0.006 5 3 1.354 4 0.013 3 1.435 1 0.014 0 1.358 0 0.010 1 1.466 3 0.010 2 4 1.344 9 0.009 7 1.400 4 0.013 2 1.333 9 0.008 1 1.444 3 0.009 1 5 1.416 3 0.017 9 1.483 0 0.018 5 1.426 5 0.017 2 1.505 5 0.011 0 6 1.388 8 0.016 0 1.438 4 0.016 0 1.395 4 0.012 8 1.478 4 0.010 2 7 1.368 3 0.014 0 1.450 2 0.019 9 1.364 6 0.012 0 1.471 0 0.008 8 8 1.370 0 0.014 5 1.451 4 0.016 6 1.370 1 0.012 6 1.462 8 0.010 3 9 1.411 5 0.011 8 1.539 9 0.015 9 1.414 9 0.013 4 1.557 0 0.009 4 10 1.438 5 0.017 3 1.508 4 0.010 2 1.443 9 0.015 7 1.524 9 0.011 6 11 1.423 4 0.017 0 1.493 3 0.010 0 1.433 3 0.015 5 1.518 4 0.007 7 12 1.429 8 0.017 4 1.486 3 0.010 5 1.440 5 0.016 2 1.513 1 0.009 6 13 1.422 9 0.019 2 1.530 1 0.009 8 1.438 5 0.017 2 1.539 2 0.007 7 14 1.422 4 0.018 8 1.520 0 0.009 5 1.433 2 0.017 8 1.536 9 0.006 0 15 1.421 1 0.018 4 1.497 6 0.010 0 1.425 9 0.016 6 1.516 1 0.008 6 16 1.420 3 0.017 6 1.501 0 0.016 2 1.429 7 0.017 4 1.524 8 0.007 1 从表1可以看出，岩溶塌陷事件各小波包分解系数计算出的分形维数值均明显大于地震事件对应分解系数的维数值。使用训练集中200条波形小波包分形特征向量进行RBF神经网络的训练，训练完成后，分别使用训练集和测试集的波形进行分类检验。训练集和测试集的识别结果如表2所示，可以看出：对于训练集，本文的识别方法可以达到100%的识别率；而对于测试集，地震和岩溶塌陷的识别率可分别达到87%和92%，能够有效地识别出天然地震与岩溶塌陷事件。由表2还可以看出，本文错误识别的共有9个地震事件13条波形记录和5个岩溶塌陷事件的8条波形，其相关信息列于表3。通过分析错误识别的事件波形，本文认为导致错误识别的原因在于：地脉动等背景噪声幅值较大，导致事件波形信号不明显；事件波形存在零漂现象；事件波形中叠加了少量干扰，出现了多个波形信号；事件波形的毛刺多，信号不够平滑；事件波形中有断记，部分波形为直线。
表 2 小波包分形维数判据的识别结果Table 2. The recognition result of the criteria based on wavelet packet fractal事件类型 测试样本数 正确识别样本数 错误识别样本数 识别率 地震（训练集） 100 100 0 100% 塌陷（训练集） 100 100 0 100% 地震（测试集） 100 87 13 87% 塌陷（测试集） 100 92 8 92% 表 3 错误识别事件的相关信息Table 3. The directory of false recognition序号 发震时间
年-月-日事件类型 ML 地点 东经/° 北纬/° 台站 震中距/km 1 2010-08-26 地震 2.2 钦州 22.24 109.47 LNS 26 2 2010-09-29 地震 2.7 河池 25.24 106.99 TE 36 3 2010-09-29 地震 2.7 河池 25.24 106.99 YIZ 188 4 2011-02-28 地震 2.9 百色 24.42 108.11 YAX 101 5 2011-02-28 地震 2.9 百色 24.42 108.11 PGX 122 6 2011-02-28 地震 2.9 百色 24.42 108.11 GAL 136 7 2011-10-03 地震 2.9 百色 24.61 105.40 YTT 143 8 2012-03-28 地震 2.5 来宾 23.64 108.90 PGX 136 9 2013-03-28 地震 2.2 崇左 21.88 107.12 PGX 128 10 2013-06-17 地震 2.3 崇左 23.42 107.50 SHX 115 11 2014-02-06 地震 2.5 百色 23.38 107.51 SHX 118 12 2014-02-06 地震 2.5 百色 23.38 107.51 QIP 122 13 2015-01-09 地震 2.3 钦州 22.25 108.04 LNS 112 14 2010-06-01 塌陷 1.9 防城港 23.71 109.23 LIB 34 15 2015-01-14 塌陷 1.0 百色 23.14 106.39 JXX 25 16 2015-09-08 塌陷 2.4 来宾 23.88 108.89 XCT 35 17 2015-09-08 塌陷 2.1 来宾 23.85 108.89 DHX 82 18 2015-09-08 塌陷 2.1 来宾 23.85 108.89 TAP 95 19 2015-09-08 塌陷 2.1 来宾 23.85 108.89 JL 200 20 2015-09-08 塌陷 2.1 来宾 23.88 108.89 TAP 95 21 2015-09-09 塌陷 1.6 河池 25.24 107.00 GAL 90 天然地震事件和岩溶塌陷事件的波形差异的本质是两种事件产生的震源机制不同。天然地震从本质上来讲地壳介质在构造应力作用下的破裂过程，通常震源深度较深，破裂过程较长，同时地震波经地下介质多次反射、折射、散射、叠加，导致地震仪所记录到的地震波频率范围更宽，尾波持续时间更久；而岩溶塌陷则发生在地表或者地下几十米处，是由于塌陷体从周边岩体上脱落并撞击底部岩体而产生的瞬时压缩源，能量释放时间短，波的传播路径较简单，未经过多层介质干扰，频带范围窄，尾波持续时间短（靳玉贞等，2015）。
为了能够得到量化的地震波形小波包分解的特征，本文使用分形维数来计算特征参数。地震波形分形维数的大小能够在一定程度上反映出岩石所受加载应力的差异。当岩石受到不同大小应力作用时，所产生的瞬态弹性波（称为声发射技术）的分形维数变化规律也验证了这一点。尹贤刚等（2009）运用分形理论方法研究了不同加载应力比阶段岩石声发射的分形维数，结果表明加载应力达到岩石峰值应力的40%左右时，分形维数即可达到最大值，之后逐步减小直至发生破裂；张黎明等（2015）对大理岩卸围压破坏过程的研究结果表明，应力达到峰值前，声发射分形维数会大幅度降低。由此可见，由于岩溶塌陷事件震动所产生的加载力并未达到岩石破裂峰值，而天然地震事件的加载力已经达到破裂峰值，所以岩溶塌陷事件波形的分形维数要大于地震事件的分形维数，这可以作为识别两种事件的判据。
6. 讨论与结论
本文利用基于小波包的分形维数和RBF神经网络识别技术，对2008—2015年广西境内的17次岩溶塌陷事件和22次浅源地震事件进行了识别研究和识别效果的检验，得到以下几点认识：
1） 小波包分形维数识别方法对于训练集的识别能力能够达到100%，对于测试集的平均识别能力达89.5%，说明该方法能够有效地识别天然地震与岩溶塌陷事件。而且，一个地震事件通常会被多个台站记录到，综合多个台站的识别结果，可提高事件识别的准确率。
2） 时频谱图和小波包分解系数对比显示，天然地震波形的优势频段为0—20 Hz，岩溶塌陷的优势频段为0—10 Hz。尽管两种事件的优势频率不同，但是二者所产生的波形在各个频段上均有记录，因此进行时频分析时不能只计算优势频率，应将全频段考虑在内。
3） 地震事件的各小波包分形维数均小于塌陷事件的小波包分形维数，这可能与岩石受到的应力大小有关，岩石受力越接近临界状态，所产生震动的分形维数越小。
在实际工作中，可将本文获得的量化指标作为快速自动化识别地震与岩溶塌陷事件的判定依据之一。鉴于地震破裂过程、传播路径等因素的复杂性，地震事件性质的判定还需结合近台记录P波初动符号、P波与S波振幅比、现场地震地质调查、地震宏观现象等资料综合判定。
不同地区的地质背景、塌陷方式、传播路径等方面差异较大，波形记录的特征也有所不同。因此，本研究获得的指标仅具有一定参考价值，不一定适用于其它地区。本文研究样本为已知类型事件，下一步将收集更多的事件样本，进行更广泛的识别训练和研究，不断地完善和验证判定指标的普适性。
-
![]()
图 7 沿或垂直于地震密集条带AA′ （a）和BB′（b）的地震震源深度分布特征
（a） 震源深度沿AA′方向的分布；（b） 震源深度垂直于AA′方向的分布；（c） 震源深度沿BB′方向的分布；（d） 震源深度垂直于BB′方向的分布
Figure 7. Distribution characteristics of focal depth along/perpendicular to seismic dense zones AA′ and BB′
（a） Distribution of focal depth along the AA′ direction；（b） Distribution of focal depth perpendicular to AA′； （c）Distribution of focal depth along the BB′ direction；（d） Distribution of focal depth perpendicular to BB′
![]()
图 1 区域构造背景（a）和研究区内断裂、台站分布（b）
图（a）中地形起伏数据来源于SRTM15＋ （Tözer et al，2019）
Figure 1. Regional tectonic background （a） and distribution of faults and stations in the study area （b）
In Fig. （a），relief data are from SRTM15＋ （Tözer et al，2019）
![]()
图 2 研究区东部麦宿断裂地震地表破裂带的卫星解译图（a）及其东段放大图（b）（奥维互动地图截图）
红色箭头指向地震地表破裂带位置，下同
Figure 2. Satellite interpretation of earthquake surface rupture zone along the Maisu fault in the eastern study area （a） and zooming of its eastern segment （screenshot of Ovi interactive map）
The red arrow points to the earthquake surface rupture zone，the same below
![]()
图 3 麦宿断裂地震地表破裂带无人机航拍图（镜向北）（a）及其断错地貌特征（镜向西）（b）
Figure 3. Unmanned aerial vehicle photo showing the surface rupture zone of Maisu fault （view to the north） （a） and the faulted landform characteristics （view to the west）（b）
![]()
图 4 （98.5° E，31.5° N）处的Crust1.0速度模型
Figure 4. Crust1.0 velocity model at the point （98.5° E，31.5° N）
![]()
图 5 基于不同方法的地震定位结果对比
（a） 基于机器学习的定位结果；（b） 双差定位后的精定位结果
Figure 5. Comparison of earthquake location results by different methods
（a） Location results based on machine learning；（b） Relocation results by double difference location
![]()
图 6 四川省地震台网记录的ML＞1.0地震数据与精定位后的结果对比
Figure 6. Comparison between the seismic data of ML＞1.0 earthquakes recorded by Sichuan seismic network with precise location results
![]()
图 8 利用P波初动HASH方法所获得的37组震源机制解的空间分布
Figure 8. Spatial distribution of the 37 focal mechanism solutions acquired using the HASH method based on P wave initial motion
![]()
图 9 37组震源机制解走向（a）、倾角（b）、滑动角（c）的玫瑰花状图统计
Figure 9. Rose diagrams showing the distribution of strike （a），dip （b） and slip angle （c） of the 37 focal mechanism solutions
![]()
图 10 37组震源机制解的P轴、T轴分布（a）和研究区的应力场反演结果（b）
图（b）中红点、绿点和蓝点分别表示在95%置信度水平下最大（σ1）、中间（σ2）和最小（σ3）主压应力轴的不确定范围，加号为最优解
Figure 10. Distribution of P and T axes of the 37 focal mechanism solutions （a） and stress field inversion results （b）
The red，green and blue dots in Fig. （b） denote the uncertainty ranges of the maximum （σ1），intermediate （σ2） and minimum （σ3） principal compressive stress axes with the 95% confidence level，respectively，while the plus signs mark the optimal solutions
![]()
图 11 沿AA′ （a）和BB′ （b）地震密集分布带ML≥1.5地震的震源机制解的深度分布
沿AA′和BB′地震密集带的震源机制解分别有11组和7组。灰色实心圆圈表示地震事件；图（a）中虚线表示麦宿断裂的剖面位置，图（b）中虚线表示NNW−SSE向断层的剖面位置
Figure 11. Depth distribution of focal mechanism solutions of ML≥1.5 earthquakes along the seismic dense zones AA′ （a） and BB′ （b）
There are 11 focal mechanism solutions along the AA′ seismic dense zone and 7 focal mechanism solutions along the BB′ seismic dense zone. Gray dots represent seismic events. The dashed line in Fig. （a） shows the sectional location of the Maisu fault，and the dashed line in Fig. （b） shows the sectional location of the NNW-SSE-striking fault
-
陈立春,王虎,冉勇康,孙鑫喆,苏桂武,王继,谭锡斌,李智敏,张晓清. 2010. 玉树MS7.1 级地震地表破裂与历史大地震[J]. 科学通报,55(13):1200–1205. Chen L C,Wang H,Ran Y K,Sun X Z,Su G W,Wang J,Tan X B,Li Z M,Zhang X Q. 2010. The MS7.1 Yushu earthquake surface rupture and large historical earthquakes on the Garzê-Yushu fault[J]. Chinese Science Bulletin,55(31):3504–3509. doi: 10.1007/s11434-010-4079-2
程佳. 2008. 川西地区现今地壳运动的大地测量观测研究[D]. 北京: 中国地震局地质研究所: 45–55 Cheng J. 2008. Present-Day Crustal Deformation of Western Sichuan Inferred From Geodetic Observations[D]. Beijing: Institute of Geophysics, China Earthquake Administration: 45–55 （in Chinese）.
崔效锋,谢富仁,张红艳. 2006. 川滇地区现代构造应力场分区及动力学意义[J]. 地震学报,28(5):451–461. doi: 10.3321/j.issn:0253-3782.2006.05.001 Cui X F,Xie F R,Zhang H Y. 2006. Recent tectonic stress field zoning in Sichuan-Yunnan region and its dynamic interest[J]. Acta Seismologica Sinica,19(5):485–496. doi: 10.1007/s11589-006-0501-x
邓起东,张培震,冉勇康,杨晓平,闵伟,楚全芝. 2002. 中国活动构造基本特征[J]. 中国科学:D 辑,32(12):1020–1030. Deng Q D,Zhang P Z,Ran Y K,Yang X P,Min W,Chu Q Z. 2003. Basic characteristics of active tectonics of China[J]. Science in China:Series D,46(4):356–372.
邓起东,闻学泽. 2008. 活动构造研究:历史、进展与建议[J]. 地震地质,30(1):1–30. doi: 10.3969/j.issn.0253-4967.2008.01.002 Deng Q D,Wen X Z. 2008. A review on the research of active tectonics:History,progess and suggestions[J]. Seismology and Geology,30(1):1–30 (in Chinese).
杜方,龙锋,阮祥,易桂喜,宫悦,赵敏,张致伟,乔慧珍,汪智,吴江. 2013. 四川芦山 7.0 级地震及其与汶川 8.0 级地震的关系[J]. 地球物理学报,56(5):1772–1783. Du F,Long F,Ruan X,Yi G X,Gong Y,Zhao M,Zhang Z W,Qiao H Z,Wang Z,Wu J. 2013. The M7.0 Lushan earthquake and the relationship with the M8.0 Wenchuan earthquake in Sichuan,China[J]. Chinese Journal of Geophysics,56(5):1772–1783 (in Chinese).
郭祥云,陈学忠,王生文,王恒信. 2014. 川滇地区中小地震震源机制解及构造应力场的研究[J]. 地震工程学报,36(3):599–607. Guo X Y,Chen X Z,Wang S W,Wang H X. 2014. Focal mechanism of small and moderate earthquakes and tectonic stress field in Sichuan-Yunnan areas[J]. China Earthquake Engineering Journal,36(3):599–607 (in Chinese).
黄骥超,万永革,盛书中,李祥,高熹微. 2016. 汤加—克马德克俯冲带现今非均匀应力场特征及其动力学意义[J]. 地球物理学报,59(2):578–592. Huang J C,Wan Y G,Sheng S Z,Li X,Gao X W. 2016. Heterogeneity of present-day stress field in the Tonga-Kermadec subduction zone and its geodynamic significance[J]. Chinese Journal of Geophysics,59(2):578–592 (in Chinese).
黄媛,杨建思,张天中. 2006. 2003年新疆巴楚—伽师地震序列的双差法重新定位研究[J]. 地球物理学报,49(1):162–169. Huang Y,Yang J S,Zhang T Z. 2006. Relocation of the Bachu-Jiashi,Xinjiang earthquake sequence in 2003 using the double-difference location algorithm[J]. Chinese Journal of Geophysics,49(1):162–169 (in Chinese). doi: 10.1002/cjg2.822
蒋海昆,郑建常,吴琼,曲延军,李永莉,代磊. 2007. 中国大陆中强以上地震余震分布尺度的统计特征[J]. 地震学报,29(2):151–164. Jiang H K,Zhen J C,Wu Q,Qu Y J,Li Y L,Dai L. 2007. Statistical features of aftershock distribution size for mode-rate and large earthquakes in Chinese mainland[J]. Acta Seismologica Sinica,29(2):151–164 (in Chinese).
阚荣举,张四昌,晏凤桐,俞林胜. 1977. 我国西南地区现代构造应力场与现代构造活动特征的探讨[J]. 地球物理学报,20(2):96–109. Kan R J,Zhang S C,Yan F T,Yu L S. 1977. Present tectonic stress field and its relation to the characteristics of recent tectonic activity in southwestern China[J]. Acta Geophysica Sinica,20(2):96–109 (in Chinese).
李晗,常旭. 2021. 微地震震源机制研究进展[J]. 中国科学:地球科学,51(3):325–338. Li H,Chang X. 2021. A review of the microseismic focal mechanism research[J]. Science China Earth Sciences,64(3):351–363. doi: 10.1007/s11430-020-9658-7
鲁人齐,房立华,郭志,张金玉,王伟,苏鹏,陶玮,孙晓,刘冠伸,单新建,何宏林. 2022. 2022年6月1日四川芦山MS6.1强震构造精细特征[J]. 地球物理学报,65(11):4299–4310. Lu R Q,Fang L H,Guo Z,Zhang J Y,Wang W,Su P,Tao W,Sun X,Liu G S,Shan X J,He H L. 2022. Detailed structural characteristics of the 1 June 2022 MS6.1 Sichuan Lushan strong earthquake[J]. Chinese Journal of Geophysics,65(11):4299–4310 (in Chinese).
孟文,郭祥云,李永华,韩立波,张重远. 2022. 青藏高原东北缘构造应力场及动力学特征[J]. 地球物理学报,65(9):3229–3251. Meng W,Guo X Y,Li Y H,Han L B,Zhang C Y. 2022. Tectonic stress field and dynamic characteristics in the northeastern margin of the Tibetan Plateau[J]. Chinese Journal of Geophysics,65(9):3229–3251 (in Chinese).
沈军,陈建波,王翠,吴传勇,宋正娜. 2006. 2003 年 2 月 24 日新疆巴楚—伽师 6.8 级地震发震构造[J]. 地震地质,28(2):205–212. Shen J,Chen J B,Wang C,Wu C Y,Song Z N. 2006. The seismogenic tectonics of the MS6.8 Bachu-Jiashi,Xinjiang earthquake in Feb. 24,2003[J]. Seismology and Geology,28(2):205–212 (in Chinese).
孙银涛,徐国栋,龙海云,许立红. 2016. 震级与破裂长度统计关系研究[J]. 地震学报,38(5):803–806. Sun Y T,Xu G D,Long H Y,Xu L H. 2016. Relationship between magnitude and rupture length[J]. Acta Seismologica Sinica,38(5):803–806 (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,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,51(9):1267–1287. doi: 10.1007/s11430-008-0106-4
闻学泽,徐锡伟,郑荣章,谢英情,万创. 2003. 甘孜—玉树断裂的平均滑动速率与近代大地震破裂[J]. 中国科学:D 辑,33(B04):199–208. Wen X Z,Xu X W,Zheng R Z,Xie Y Q,Wang C. 2003. Average slip-rate and recent large earthquake ruptures along the Ganzi-Yushu fault[J]. Science in China:Series D,33(B04):199–208 (in Chinese).
谢富仁,祝景忠,粱海庆,刘光勋. 1993. 中国西南地区现代构造应力场基本特征[J]. 地震学报,15(4):407–417. Xie F Z,Zhu J Z,Liang H Q,Liu G X. 1993. Basic characteristics of modern tectonic stress field in southwest China[J]. Acta Seismologica Sinica,15(4):407–417 (in Chinese).
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):151–151. 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,46(2):210–226.
徐锡伟,张培震,闻学泽,秦尊丽,陈桂华,朱艾斓. 2005a. 川西及其邻近地区活动构造基本特征与强震复发模型[J]. 地震地质,27(3):446–461. Xu X W,Zhang P Z,Wen X Z,Qin Z L,Chen G H,Zhu A L. 2005a. Features of active tectonics and recurrence behaviors of strong earthquakes in the western Sichuan Province and its adjacent regions[J]. Seismology and Geology,27(3):446–461 (in Chinese).
徐锡伟,闻学泽,于贵华,郑荣章,罗海原,郑斌. 2005b. 川西理塘断裂带平均滑动速率、地震破裂分段与复发特征[J]. 中国科学:D 辑,35(6):540–551. Xu X W,Wen X Z,Yu G H,Zheng R Z,Luo H Y,Zheng B. 2005b. Average slip rate,earthquake rupturing segmentation and recurrence behavior on the Litang fault zone,western Sichuan Province,China[J]. Science in China:Series D,35(6):540–551 (in Chinese).
徐锡伟, 韩竹军, 杨晓平, 张世民, 于贵华, 周本刚, 李峰, 马保起, 陈桂华, 冉勇康. 2015. 中国大陆及邻近地区地震构造图[M]. 北京: 地震出版社: 1−64. Xu X W, Han Z J, Yang X P, Zhang S M, Yu G H, Zhou B G, Li F, Ma B Q, Chen G H, Ran Y K. 2015. Seismic Structure Map of Mainland China and Adjacent Areas[M]. Beijing: Seismological Press: 1−64.
许忠淮,汪素云,黄雨蕊,高阿甲,金小锋,常向东. 1987. 由多个小震推断的青甘和川滇地区地壳应力场的方向特征[J]. 地球物理学报,30(5):476–486. doi: 10.3321/j.issn:0001-5733.1987.05.005 Xu Z H,Wang S Y,Huang Y R,Gao A J,Jin X F,Chang X D. 1987. Directions of mean stress axes in southwestern China deduced from microearthquake data[J]. Acta Geophysica Sinica,30(5):476–486 (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. Zhang G W,Lei J S,Liang S S,Sun C Q. 2014. Relocation 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).
张家涛,张庆云. 1994. 石渠 5.1 级地震与德格 5.0 级地震灾害对比[J]. 高原地震,(3):63–69. Zhang J T,Zhang Q Y. 1994. Disaster contrast of M5.1 Shiqu and M5.0 Dege earthquakes[J]. Earthquake Research in Plateau,(3):63–69 (in Chinese).
张培震,邓起东,张国民,马瑾,甘卫军,闵伟,毛凤英,王琪. 2003. 中国大陆的强震活动与活动地块[J]. 中国科学:D 辑,33(增刊1):12–20. Zhang P Z,Deng Q D,Zhang G M,Ma J,Gan W J,Min W,Mao F Y,Wang Q. 2003. Active tectonic blocks and strong earthquakes in the continent of China[J]. Science in China:Series D,46(S1):13–24.
张勇,陈运泰,许力生,魏星,金明培,张森. 2015. 2014 年云南鲁甸 MW6.1 地震:一次共轭破裂地震[J]. 地球物理学报,58(1):153–162. doi: 10.6038/cjg20150113 Zhang Y,Chen Y T,Xu L S,Wei X,Jin M P,Zhang S. 2015. The 2014 MW6.1 Ludian,Yunnan,earthquake:A complex conjugated ruptured earthquake[J]. Chinese Journal of Geophysics,58(1):153–162 (in Chinese).
郑钰,杨建思. 2008. 双差算法的剖析及参数对定位的影响[J]. 地震地磁观测与研究,29(3):85–93. doi: 10.3969/j.issn.1003-3246.2008.03.016 Zheng Y,Yang J S. 2008. Analysis of double-difference algorithm and the affect of its parameter in location[J]. Seismological and Geomagnetic Observation and Research,29(3):85–93 (in Chinese).
朱艾斓,徐锡伟,周永胜,尹京苑,甘卫军,陈桂华. 2005. 川西地区小震重新定位及其活动构造意义[J]. 地球物理学报,48(3):629–636. doi: 10.3321/j.issn:0001-5733.2005.03.021 Zhu A L,Xu X W,Zhou Y S,Yi J Y,Gan W J,Chen G H. 2005. Relocation of small earthquakes in western Sichuan,China and its implications for active tectonics[J]. Chinese Journal of Geophysics,48(3):629–636 (in Chinese).
Angelier J. 1984. Tectonic analysis of fault slip data sets[J]. J Geophys Res:Solid Earth,89(B7):5835–5848. doi: 10.1029/JB089iB07p05835
Atkinson G M,Greig D W,Yenier E. 2014. Estimation of moment magnitude (M) for small events (M＜4) on local networks[J]. Seismol Res Lett,85(5):1116–1124. doi: 10.1785/0220130180
Butcher A,Luckett R,Verdon J P,Verdon J P,Kendall J M,Baptie B,Wookey J. 2017. Local magnitude discrepancies for near‐event receivers:Implications for the UK traffic‐light scheme[J]. Bull Seismol Soc Am,107(2):532–541. doi: 10.1785/0120160225
Fukuyama E,Ellsworth W L,Waldhauser F,Kubo A. 2003. Detailed fault structure of the 2000 western Tottori,Japan,earthquake sequence[J]. Bull Seismol Soc Am,93(4):1468–1478. doi: 10.1785/0120020123
Hardebeck J L,Shearer P M. 2002. A new method for determining first-motion focal mechanisms[J]. Bull Seismol Soc Am,92(6):2264–2276. doi: 10.1785/0120010200
Heck S L,Young C J,Brogan R. 2022. Comparing traditional and deep learning signal features for event detection in the Utah region[J]. Bull Seismol Soc Am,112(5):2344–2363. doi: 10.1785/0120210275
Ji Y Q,Su S R,Liu Z H,Huang Q B. 2021. Assessment of tectonic activity based on the geomorphic indices in the middle reaches of the upstream of Jinsha River,China[J]. Geol J,56(8):3974–3991. doi: 10.1002/gj.4148
Laske G, Masters G, Ma Z T, Pasyanos M. 2013. Update on CRUST1.0: A 1-degree global model of Earth’s crust[C]. Geophys Res Abstr, 15（15）: 2658.
Lei J S,Zhang G W,Xie F R,Li Y,Su Y J,Liu L F,Ma H H,Zhang J W. 2012. Relocation of the 10 March 2011 Yingjiang,China,earthquake sequence and its tectonic implications[J]. Earthq Sci,25(1):103–110. doi: 10.1007/s11589-012-0836-4
Liu M,Zhang M,Zhu W Q,Ellsworth W L,Li H. 2020. Rapid characterization of the July 2019 Ridgecrest,California,earthquake sequence from raw seismic data using machine‐learning phase picker[J]. Geophys Res Lett,47(4):e2019GL086189.
Luckett R,Ottemöller L,Butcher A,Baptie B. 2019. Extending local magnitude ML to short distances[J]. Geophys J Int,216(2):1145–1156. doi: 10.1093/gji/ggy484
Martínez‐Garzón P,Kwiatek G,Ickrath M,Bohnhoff M. 2014. MSATSI:A MATLAB package for stress inversion combining solid classic methodology,a new simplified user‐handling,and a visualization tool[J]. Seismol Res Lett,85(4):896–904. doi: 10.1785/0220130189
Park Y,Mousavi S M,Zhu W Q,Ellsworth W L,Beroza G C. 2020. Machine‐learning‐based analysis of the Guy‐Greenbrier,Arkansas earthquakes:A tale of two sequences[J]. Geophys Res Lett,47(6):e2020GL087032.
Ross Z E,Hauksson E,Ben-Zion Y. 2017. Abundant off-fault seismicity and orthogonal structures in the San Jacinto fault zone[J]. Sci Adv,3(3):e1601946. doi: 10.1126/sciadv.1601946
Rubin A M. 2002. Aftershocks of microearthquakes as probes of the mechanics of rupture[J]. J Geophys Res: Sol Ea, 107（B7）: ESE 3-1−ESE 3-16.
Shen Z K,Lü J,Wang M,Bürgmann R. 2005. Contemporary crustal deformation around the southeast borderland of the Tibetan Plateau[J]. J Geophys Res:Solid Earth,110(B11):B11409.
Tözer B,Sandwell D T,Smith W H F,Olson C,Beale J R,Wessel P. 2019. Global bathymetry and topography at 15 arc sec:SRTM15+[J]. Earth Space Sci,6(10):1847–1864. doi: 10.1029/2019EA000658
Uchide T,Shiina T,Imanishi K. 2022. Stress map of Japan:Detailed nationwide crustal stress field inferred from focal mechanism solutions of numerous microearthquakes[J]. J Geophys Res:Solid Earth,127(6):e2022JB024036.
Waldhauser F. 2001. hypoDD: A Program to Compute Double-Difference Hypocenter Locations: US Geologic Survey Open File Report 01−113[R/OL]. [2022-10-20]. https://pubs.usgs.gov/of/2001/0113/.
Wang M,Shen Z K. 2020. Present‐day crustal deformation of continental China derived from GPS and its tectonic implications[J]. J Geophys Res:Solid Earth,125(2):e2019JB018774.
Ye T,Chen X,Huang Q H,Zhao L,Zhang Y,Uyeshima M. 2020. Bifurcated crustal channel flow and seismogenic structures of intraplate earthquakes in western Yunnan,China as revealed by three-dimensional magnetotelluric imaging[J]. J Geophys Res:Solid Earth,125(9):e2019JB018991.
Zhang M,Liu M,Feng T,Wang R J,Zhu W Q. 2022. LOC‐FLOW:An end‐to‐end machine learning‐based high‐precision earthquake location workflow[J]. Seismol Res Lett,93(5):2426–2438. doi: 10.1785/0220220019
Zhang X,Zhang M,Tian X. 2021. Real‐time earthquake early warning with deep learning:Application to the 2016 M6.0 Central Apennines,Italy earthquake[J]. Geophys Res Lett,48(5):2020GL089394.
Zhou Y J,Yue H,Fang L H,Zhou S Y,Zhao L,Ghosh A. 2022. An earthquake detection and location architecture for continuous seismograms:Phase picking,association,location,and matched filter (PALM)[J]. Seismol Res Lett,93(1):413–425.
Zhu W Q,Beroza G C. 2019. PhaseNet:A deep-neural-network-based seismic arrival-time picking method[J]. Geophys J Int,216(1):261–273.
Zoback M L. 1992. First- and second-order patterns of stress in the lithosphere:The World Stress Map Project[J]. J Geophys Res:Solid Earth,97(B8):11703–11728.
-
期刊类型引用(9)
1. 孟上九，秦艺峰，王淼，孙志远，穆海龙. 矿震机理及其次生灾害监测技术研究进展. 世界地震工程. 2024(03): 103-118 . 
百度学术
2. 王忠忠，庄卓涵，胡飞跃，黄文龙. 广州北部丘陵区岩溶塌陷形成条件与易发性评价. 中国地质灾害与防治学报. 2024(04): 163-172 . 百度学术
3. 任涛，田国亮，宁志杰，周爱红，李宽，陈石. 基于地理探测器和随机森林的岩溶塌陷易发性评价. 灾害学. 2023(03): 227-234 . 百度学术
4. 徐玉聪，朱建，董建辉，周鲁. 三峡库区仙女山断裂周缘地震类型特征识别. 水利水电快报. 2022(02): 9-16 . 百度学术
5. 吴涛，庞聪，江勇，丁炜，廖成旺. 基于随机子空间和Ada Boost集成学习的地震事件性质辨识研究. 地球物理学进展. 2022(03): 981-988 . 百度学术
6. 尹欣欣，蔡润，陈文凯，彭立顺，李少华. 甘肃塌陷地震震相识别研究. 地震工程学报. 2021(02): 259-263 . 百度学术
7. 周少辉，蒋海昆，曲均浩，李健，郭宗斌，郑旭. 爆破、塌陷识别研究进展综述. 中国地震. 2021(02): 508-522 . 百度学术
8. 赵胤翔，赵金昌，马忠忠，常乐，李春明. 锚杆无损检测反射信号分形分析及其应用研究. 中国矿业. 2021(11): 101-108 . 百度学术
9. 梁飞，阎春恒，向巍，黄惠宁，原永东，李莎. 广西地区不同类型地震震源参数特征. 华北地震科学. 2020(S2): 33-38 . 百度学术
其他类型引用(3)
下载:
计量
- 文章访问数: 323
- HTML全文浏览量: 123
- PDF下载量: 157
- 被引次数: 12
