Statistical characteristics analysis on the relationship between radon anomalies and earthquakes in Yunnan region
-
摘要:
通过梳理1976—2022年震例总结报告中云南地区73组MS≥5.0地震的氡测项异常，对其特征予以统计分析。结果表明：73组地震中有63组震前出现水氡异常，震前6个月内的短期异常占总异常的71%，3个月内的短临异常占总异常的49%，地震前3个月异常数量增加显著；震级越大，异常分布越远离震中，震前1个月新出现的异常大部分集中在震中附近。相对而言，由于测点位置和观测技术方面的原因，气氡积累的震例远远少于水氡，但具有短期异常占比较高的优势。随着气氡观测技术的不断改进和观测经验的不断积累，其捕捉地震异常信息的能力也将会不断提升。
Abstract:This paper is based on the summary report of Yunnan earthquake cases from 1976 to 2022.It sorts out 73 sets of earthquakes with M≥5.0 one by one, and extracts abnormal information of radon measurement items before earthquakes, then explores the characteristics of radon precursory anomalies.The results are as follows:
1） There were 190 water radon anomalies among 63 out of 73 earthquakes. There were a large number of anomalies and a low earthquake missing rate, indicating that water radon observation have good monitoring capability for regional earthquakes. However, the proportion of gas radon anomalies is relatively low by comparison. In our earthquake cases, there were five gas radon anomalies among only four out of 39 earthquakes, showing a higher earthquake missing rate. But as for the measurement sites with good basic conditions, gas radon anomalies have a high repetition rate, and correspond well to earthquakes. Among the five radon anomalies accumulated in historical earthquake cases, three of them were observed by gas radon well Gaoda.
2） The water radon anomalies appeared mainly within six months before earthquakes with M≥5.0, accounting for 71% of the total anomalies. Among them, anomalies within three months account for 49% of the total anomalies. Starting from the year before the M5.0−5.9 earthquakes, the number of water radon anomalies in different stages increased significantly. One month before the earthquake, most of the anomalies showed a turning point and then returned to normal level, with a decrease in the number of anomalies. On the other hand, there are not many earthquake cases with abnormal gas radon concentration, but all anomalies are within six months before earthquakes, of which 80% are within three months.
3） The spatial distribution of water radon anomalies is different before earthquakes with different magnitudes. Before the earthquakes with magnitude 5.0−5.9, the closer to the time of the earthquake occurrence, the more anomalies are concentrated near the epicenter. During the period of more than six months prior to the earthquake, the anomalies are scattered in space. Starting from six months before the quake, the number of anomalies within a 100 km radius of the epicenter gradually increased. Starting from one month before the earthquake, most of the anomalies outside the 100 km radius of the epicenter showed a turning point and then returned to normal level, the anomalies are concentrated near the epicenter, which can provide reference for location tracking. Before earthquakes with magnitude 6.0 or above, more water radon anomalies appeared in the areas far from the epicenter, which were relatively scattered. Such anomalies appearing in a large area may indicate that the stress levels in the entire field were increasing. In this state, potential risk of a major earthquake is likely higher. There are relatively few earthquake cases with gas radon anomalies, and the spatial distribution characteristics are not obvious.
This paper is based on the summary report of earthquake cases, which shows that there are more anomalies in water radon than in gas radon, and the prediction effect is better than that of gas radon. This is consistent with the practical results reflected by the technical personnel after actual use of the data. Several possible main reasons are: Firstly, the observation sites of water radon are more focused on deep circulating hot spring water, which is more likely to reflect deep tectonic activity. Secondly, the observation methods of water radon and gas radon are different. Water radon is observed by manually collecting water samples and detecting, and the technology is relatively stable. However, gas radon is observed automatically, but the stability of the devices for extracting radon gas from water and collecting it has not been fully solved, and the technology from gas collection to automatic detection process is not mature yet. In addition, the efficiency and stability of degassing directly affect the observation quality of data. Thirdly, at some observation sites the escaping gas was extracted from static water level wells to observe the radon concentration, which is difficult to reflect information from deep Earth.
Overall, the differences in the effectiveness of water radon and gas radon data in earthquake prediction are caused by factors such as the location of measurement sites and observation techniques. At present, the observation data of gas radon in Yunnan has not yet achieved the effect of water radon in earthquake prediction. However, gas radon observation has advantages that water radon does not have, such as higher automation, faster transmission, higher data sampling rates. Technology-oriented and intelligentization are the main development tendency of radon observation. With the improvement of observation technology and the accumulation of observation experience, the ability to capture seismic anomaly will also be strengthen.
-
Keywords:
- radon /
- seismic anomaly /
- earthquake prediction /
- statistical characteristics
-
引言
与地震相关的热辐射研究始于20世纪80年代（Gorny et al，1988；Tronin，1996），自此国内外不少研究人员进行了与此相关的研究（强祖基等，1990；刘德富等，1999；Tramutoli et al，2001；Saraf，Choudhury，2003；Choudhury et al，2006）。地表温度场中存在着与活动构造带密切相关的热信息，地震前后温度场的变化与同震形变观测结果相吻合（马瑾等，2010；陈顺云等，2014），与地震活动相关的热异常也已得到论证（邓志辉等，2003；Ouzounov，Freund，2004）。Tronin等（2004）研究了2003年12月26日伊朗巴姆MW6.6地震得出，震前4天出现陆面温度（land surface temperature，简写为LST）增温，幅度为7°C—10°C；Saraf等（2012）分析2011年1月19日达尔本丁MS7.2地震得出震前两天LST增温异常幅度达8°C—10°C，增温面积约为6×104 km2。近年来国内研究人员在此方面的研究取得了一定进展（魏乐军等，2008；康春丽等，2011；解滔等，2015），大量震例的研究结果表明，强震前确实存在热辐射异常。张元生等（2010）根据地表热辐射影响因素所具有的不同周期，利用小波变换法去除影响因素，从而有效地提取地震热异常，并对2008年汶川、于田、乌恰地震进行了热辐射变化分析，分析结果显示这3次地震在发震前均呈现明显的热异常特征，进而总结出发震区域一般位于异常区边缘及区内的活动断层上，发震时间在功率谱达到峰值之后的35天内。其它的相关研究还有很多（张璇等，2013；李青梅等，2015），这些研究成果在发震地点和发震时间上意义明确，也可为短期地震预测提供经验。
在大量震例研究的基础上，目前已形成了多种热异常提取方法，这些方法主要是通过对比地震前后卫星热红外亮温图像的变化来识别异常。随着该领域研究的不断深入，又发展出一些新的研究方法。例如：Tramutoli等（2001）提出的“稳健卫星技术”（robust satellite techniques，简写为RST）反映了时空域上的地震热辐射异常信息；陈梅花等（2007）将“断层带内外温差法”用于研究1997年玛尼MS7.5地震，尽管受到降雪等因素的干扰，但还是有效地提取到了地震前的增温信息，震后相对亮温差恢复至正常状态；郭晓等（2010）通过研究强震长波辐射异常变化时提出“功率谱相对变化法”，并使用该方法对中国大陆6次MS6.5地震进行分析，结果表明震前均出现了不同程度的功率谱幅值增强现象；温少妍（2011）利用“历年同期亮温偏移指数法”研究2008年汶川MS8.0地震和2010年玉树MS7.1地震，得出了二者亮温异常的时空演化规律；解滔等（2015）使用“连续小波变换法”对于田地震的亮温异常进行了研究。地震热红外异常成因机理方面的探索也取得了一定进展，但目前尚未形成统一认识，主要有以下几种观点：① 地球放气-电磁增温说。震前应力积累变化使地下气体（如CO2，CH4）沿微裂隙溢出，辐射增强，另外地壳活动强烈时电磁场会出现异常，和太阳辐射一并促进温室气体的热辐射，进而在震源区附近出现大面积、高幅度热异常（强祖基等， 1992，1998）；② 应变能转换说。吴立新等（2001）的撞击瞬态监测试验显示撞击瞬间出现明显的升温现象，且震源区岩层蠕动使断裂带两侧摩擦生热也会引起地面升温；刘培洵等（2004）研究得出岩石破裂前在未来断层处出现红外热像，岩石弹性形变压力与温度表现为正相关，即压力越大温度增加越快；③ 地球温室效应-大气耦合说。地球放气温室效应为地震热辐射异常的基本成因，间接成因与大气中水汽含量有关，地球放气形成相对高温区，加速水汽蒸发，在高空水蒸气遇冷凝结，这一机理可以解释多数大地震发生后震中附近下大雨或下大雪的自然现象（张元生等，2010）。
本文基于中国静止气象卫星FY-2C/E/G亮温数据产品，使用小波变换和功率谱估计法对2017年九寨沟MS7.0地震前的资料进行扫描，发现沿龙门山断裂带存在一条热红外增温带。九寨沟地震的发震断层为东昆仑断裂的一个分支，即介于岷江断裂与塔藏断裂之间的树正断裂。从构造上来说，汶川地震与九寨沟地震是处于不同构造上的两次地震，但对比汶川地震的热异常区域，为何两次地震的热红外增温区域表现出了一定的相似性？本文基于该问题，拟分析讨论九寨沟MS7.0地震前的热红外亮温变化过程，类比分析盆地周缘MS≥6.5地震的热辐射异常形态，结合地球放气理论尝试性地解释盆地周缘地震的热辐射异常现象。
1. 数据与方法
本文从中国静止气象卫星FY-2C/E/G亮温小时数据产品中选取午夜（凌晨1时至5时）5个时次的数据，以避免太阳直接辐射造成的影响，并对5个时次数据求均值后采用补窗法进行简单的去云处理，形成亮温日值数据。
数据处理方法为小波变换和功率谱估计法。小波变换是在傅里叶变换的基础上发展演变而来的，傅里叶变换适用于稳态信号的频域分析，而自然界中的信号多为非稳态信号，信号中不同频率成分的出现时间无法判断，短时傅里叶变换便应运而生，该变换在一定程度上克服了上述不足，但一旦加窗，又无法适应所有的频率成分，对任一时间点上的频率分量依然无从知晓。小波变换则弥补了上述不足，其最大的特点是具有自适应性和数学显微镜性，在几乎不损失原始信号的情况下对原始信号进行重构，能够聚焦到信号的任何细节，是当前信号时频分析的有效工具。有限时间序列的小波变换公式为
$${W_\psi }f(a, b) {\text{＝}} \frac{1}{{\sqrt a }}\int_{ {\text{－}} \infty }^\infty {f(t)} \psi \left(\frac{{t {\text{－}} b}}{a}\right){\rm{d}}t{\text{，}}$$ (1) 式中：
$f(t)$ 为原始信号；${W_\psi }f(a, b)$ 为小波变换后的各频段分量；a为尺度因子，控制小波函数的伸缩，对应于变量的频率；b为时间平移因子，控制小波函数的平移；$\displaystyle\frac{1}{{\sqrt a }}\psi \left(\frac{{t - b}}{a}\right)$ 为小波母函数，文中以Daubecheies小波系中的db8小波基函数对原始亮温数据进行小波变换处理。以九寨沟地震为例，图1给出了震中（33.2°N，103.8°E）处2014—2017年的原始亮温（brightness temperature，简写为BT）值（图1a）及小波变换后的信息（数据更新至2017年9月10日，图1b为2阶小波尺度部分）。从图1可以看出，7阶小波尺度部分（图1d）的年变特征明显，因此可将地球年变温度场等长周期成分通过去除7阶小波尺度部分来消除其影响，云雨、寒热气流引起的温度变化时间较短，一般为几小时至几天，这部分影响因素可通过去除2阶小波细节部分（图1c）来消除，处理后的数据为亮温波形数据，单位为°C （图1e）。
![]()
图 1 热红外原始亮温（BT）数据及其经小波变换后的信息（a） 原始亮温数据；（b） 2阶小波尺度部分；（c） 2阶小波细节部分；（d） 7阶小波尺度部分；（e） 2阶小波尺度部分与7阶小波尺度部分之差Figure 1. The results of wavelet transformation of thermal infrared brightness temperature （BT） data（a） Original record of brightness temperature；（b） Results with 2nd-order scale analysis；（c） Details of 2nd-order wavelet；（d） Results with 7th-order scale analysis；（e） Difference between 2nd-order scale analysis and 7th-order scale analysis功率谱估计分为经典谱估计和现代谱估计，而经典谱估计主要有周期图和自相关两种方法，Welch算法是在周期图法的基础上改进而来的。本文中的功率谱估计参考了Welch算法，先将长度为N的数据分为L段，每段M个点，再对每段数据加窗求傅里叶变换，最后计算各段功率谱的平均值，其计算式为
$$ \overline {{P_x}(w)} {\text{＝}} \frac{1}{L}\sum\limits_{i {\text{＝}}1}^L {\frac{1}{{MU}}} {\left| {\sum\limits_{n {\text{＝}} 0}^{M {\text{－}} 1} {{x_i}(n)w(n)} {{\rm{e}}^{ {\text{－}} jwn}}} \right|^2}{\text{，}} \quad\quad i {\text{＝}} 1{\text{，}} 2{\text{，}} \cdot \cdot \cdot {\text{，}} L{\text{，}} $$ (2) 式中，
$U {\text{＝}} \displaystyle\frac{1}{M}\sum\limits_{n {\text{＝}} 0}^{M {\text{－}} 1} {{w^2}} (n)$ 为归一化因子，$w(n)$ 为窗函数，$\overline {{P_x}(w)} $ 为功率谱平均值的最后计算结果。计算上述小波变换及去除影响因素之后数据的功率谱，以n＝64天为窗长，m＝1天为滑动窗长作傅里叶变换，时间约定为窗内数据的最新时间，对每个像元的时程数据每滑动一次可得一组功率谱。为了对比地震前后功率谱的异同，对其进行幅值相对处理，最后得到的结果为各像元（0.05°×0.05°）的相对功率谱幅值。功率谱计算及相对处理过程见郭晓等（2010），在此基础上本文计算了相对功率谱背景值和标准差，详细计算过程见张丽峰等（2016）。
2. 结果分析
2.1 九寨沟地震热红外时空变化
2017年8月8日四川阿坝州九寨沟县发生了MS7.0地震，震源深度为20 km，震中为（33.2°N，103.8°E）。在九寨沟地震前的日常资料扫描分析中，发现沿龙门山断裂带存在一条热红外增温带（图2）。
![]()
图 2 2017年7月23日中国中西部的热红外异常空间分布图F1：塔臧断裂；F2：树正断裂；F3：岷江断裂；F4：虎牙断裂；F5：雪山梁子断裂Figure 2. Spatial distribution of thermal infrared anomaly in central-western China on July 23，2017F1：Tazang fault；F2：Shuzheng fault；F3：Minjiang fault；F4：Huya fault；F5：Xueshanliangzi fault对上述区域进行时空扫描，观察到在7月初沿龙门山断裂带即有微弱的热辐射异常存在（图3）；随着时间的推移，热辐射的幅度和面积都逐渐增大，至7月23日辐射面积达到最大，大于6倍平均值的面积大概为6×104 km2。本次地震与张元生等（2010）对汶川地震前的分析结果在空间上存在相似的辐射异常区，汶川地震在功率谱达到峰值后11天发震。鉴于在汶川地震中积累的经验，持续跟进分析资料（更新至7月30日），观察到辐射增温区域相比7月中旬有所收缩，但仍然清晰可见。随后8月8日九寨沟县发生了MS7.0地震，该地震处于增温区域边缘。震后持续补充资料，结果显示：8月2日辐射增温区依旧沿龙门山断裂带展布，辐射面积有所增大，之后收缩，直至8月6日辐射面积缩至最小，8月7日辐射面积又有回返增大趋势，8月8日发震，之后辐射面积持续增大，直到8月14日转为减小；辐射增温区后续向南收缩，面积持续减小，直到9月10日热辐射异常几乎消失。
从构造空间看，本次热辐射异常最初出现在龙门山断裂带附近，于7月20日局部扩展至树正断裂附近并逐渐增强。异常整体显示为增强趋势，其展布与龙门山断裂带走向一致，主要分布于四川盆地西北边缘（图3）。7月23日以后异常辐射面积收缩至龙门山断裂带南段，到8月6日辐射面积减至近几日的最小值，7日略有增大，8日发生地震，之后异常持续向四川盆地内部及龙门山断裂带北段扩展。8月14日以后异常呈减弱趋势，收缩于龙门山断裂带南段与鲜水河断裂的交会区域，9月中旬基本消失。本次九寨沟地震前后的热辐射异常的空间演化与汶川地震极其类似，均经历了从龙门山断裂带北段扩展到四川盆地最后收缩于龙门山断裂带南段这一过程。异常随时间的演变可能与应力的积累变化过程有关，应力持续变化导致地热资源丰富的区域逸出气体增多（郭晓等，2014），这可能是上述相似性出现的原因。
![]()
图 3 九寨沟地震前后相对功率谱的时空变化过程Figure 3. Spatio-temporal evolution of relative power spectrum for Jiuzhaigou earthquake2.2 九寨沟地震时序曲线特征
提取异常显著区域0.5°×0.5°范围内（图3中2017−07−20小图的黑色方形）的相对功率谱均值，在此基础上计算其功率谱背景值和标准差，生成时序曲线。图4中的功率谱背景值指每年相同天数的相对功率谱均值，标准差在此基础上计算而得。
![]()
图 4 九寨沟地震区的相对功率谱时序曲线Figure 4. Time-series curves of relative power spectrum of anomaly area for Jiuzhaigou earthquake图4显示出相对功率谱在地震前出现了3次峰值（蓝色曲线），最近一次出现在震前6天（8月2日），相对功率谱幅值为平均值的11.5倍，截至目前幅值大于8倍的持续时间为40天，震后两天幅值则变为转折上升。九寨沟地震前后的相对功率谱幅值变化起伏较大，在往年无地震的时候是否也存在这种功率谱幅值大幅度变化的现象？为了对比研究这个问题，文中计算了相对功率谱的两组背景值及标准差，其中一组背景值及标准差的计算结果包含九寨沟地震前后的数据(黄色和紫色曲线)，另一组由2007—2016年10年数据计算得到(绿色和红色曲线)。结果显示：① 7月之前，两组背景值和标准差曲线各自几乎完全重合，说明2017年1—7月之间的数据对背景值的贡献不大；② 两组曲线在5—6月有所上升，这表示往年资料在此期间其相对功率谱幅值也有所上升，但是上升幅度与7—8月数据（2008—2017年10年数据）相比较低，这说明往年资料的上升幅度与九寨沟地震期间出现的这种大幅度变化不同，这也使得两组曲线在7—8月各自出现分离（紫色与红色曲线分离，黄色与绿色曲线分离）；③ 这种偏离直到9月初又趋于一致，由九寨沟地震引起的相对功率谱幅值的显著变化消失。
3. 对盆地效应的探讨
3.1 盆地与其周缘地震热辐射关系
九寨沟地震的热辐射异常边界经过龙门山断裂带，与龙门山断裂带走向一致，主要分布在四川盆地西北边缘，异常在南部和西北部有小的分支，西北部分支恰好覆盖了岷江、虎牙及雪山梁子等断裂，九寨沟地震即发生在西北部异常边缘（图5e）。汶川地震的热辐射以龙门山断裂带为边界，主要分布于四川盆地北部及以外，汶川地震发生在异常最西部的顶角上（图5b）。这两次地震的热辐射异常在空间上均与龙门山断裂带走向一致，形态相似。汶川地震发生在龙门山推覆构造带中段（徐锡伟等，2013），而九寨沟地震的发震断层为东昆仑断裂的一个分支，即介于岷江断裂与塔藏断裂之间的树正断裂，从构造上来说汶川地震与九寨沟地震是两次独立的地震，但两者的热辐射异常区域表现出了一定的相似性。
![]()
图 5 6次盆地周缘地震的热辐射异常空间分布（a） 2008年3月21日于田MS7.3地震；（b） 2008年5月12日汶川MS8.0地震；（c） 2012年6月30日新源MS6.6地震； （d） 2015年7月3日皮山MS6.5地震；（e） 2017年8月8日九寨沟MS7.0地震； （f） 2017年8月9日精河MS6.6地震Figure 5. Spatial distributions of thermal infrared anomalies for six earthquakes around the basins（a） Yutian MS7.3 earthquake on March 21，2008；（b） Wenchuan MS8.0 earthquake on May 12，2008；（c） Xinyuan MS6.6 earthquake on June 30，2012；（d） Pishan MS6.5 earthquake on July 3，2015； （e） Jiuzhaigou MS7.0 earthquake on August 8，2017；（f） Jinghe MS6.6 earthquake on August 9， 2017基于这种现象，本文分析了2008年以来新疆地区盆地周边地震所对应的热辐射状态，结果显示2008年于田MS7.3地震、2012年新源MS6.6地震和2015年皮山MS6.5地震的热辐射异常形态均与盆地相关，如图5a，c，d所示，热辐射异常均贯穿了塔里木盆地，但从发震构造上来说这是三次独立地震，可见新疆塔里木盆地在大震前也存在类似现象。九寨沟地震后一天就发生了新疆精河MS6.6地震，该地震处于准噶尔盆地边缘，图5f为精河地震前的热红外辐射空间展布。表1统计了上述地震与相关盆地之间的一些参数，从各震例所对应的热辐射异常面积的分配来看，盆地一侧的面积占比均超过50%，其中于田、皮山及精河地震的占比更是高达100%，似乎异常面积越大，处于盆地内部的异常占比也越高。
表 1 盆地周缘地震的热辐射与对应盆地之间的相关性参数Table 1. The correlation parameters between the thermal radiation anomalies for six earthquakes and the corresponding basins发震日期 地点 MS 特征
周期/d发震构造 响应盆地 盆地性质 异常最大
面积/（104 km2）盆地一侧
占比相对盆地
位置2008−03−21 于田 7.3 64 郭扎错断裂 塔里木盆地 含油气田 55 100% 盆地内及边缘 2008−05−12 汶川 8.0 13 龙门山断裂带 四川盆地 含油气田 12 66% 盆地北部及以外 2012−06−30 新源 6.6 11 伊犁盆地北缘断裂 塔里木盆地 含油气田 60 83% 盆地中东部及以外 2015−07−03 皮山 6.5 32 泽普断裂 塔里木盆地 含油气田 44 100% 盆地内及边缘 2017−08−08 九寨沟 7.0 11 树正断裂 四川盆地 含油气田 8 50% 盆地西北及以外 2017−08−09 精河 6.6 21 库松木契克山前断裂 准噶尔盆地 含油气田 25 100% 盆地及以外 这些与异常相关的盆地均蕴藏着丰富的天热气，含油气盆地的大量天然气对震前应力的变化较为敏感，当应力积累到一定程度，盆地周缘的活动构造带及一些微裂隙均成为天然气上涌的通道，溢出地表的甲烷、二氧化碳等温室气体的辐射增温效果明显。大震前，盆地出现大片区域的辐射增温异常可能与天然气外泄有关，这或许可以解释为何不同发震构造上的地震却呈现出相似的辐射增温异常分布。这是否是与地震有关的“盆地效应”？为了说明地震盆地效应的可能性，本文分析了2008年以来四川和新疆盆地内的热辐射异常变化情况，结果显示研究区域内共出现8次类似盆地形态的异常，对应于盆地周缘MS6.5以上地震，8个震例中的6次地震存在此类异常，占比为75%。以往地震热辐射研究均从地震出发寻找异常，反过来由异常来对应地震的研究是对异常的一种判断，上述研究结果表明地震盆地效应是有一定可信度的。
此外，强祖基等（1994）的研究结果表明，油气聚集带与地震前的卫星热红外增温异常有较好的对应关系；黄福林等（1998）认为地震前油气盆地区低空大气中的甲烷浓度高于平均值两倍多，二氧化碳高于平均值2.6倍；卢振权等（2005）经过长期的观察研究认为中国近海海域临震前的卫星热红外增温异常与已知油气盆地、热水盆地等的分布区一致；郭卫英等（2006）关于2003年伽师—巴楚MS6.8地震的研究显示，震前的红外增温区就出现在塔里木盆地西北部边缘，并指出该增温现象可能与孕震机制有关。这些研究均表明地震前的卫星热辐射增温异常与含地热资源丰富的盆地有一定关联。
3.2 对地震预测的启示
图6为图5中震中附近黑色方块所示区域一年时间尺度相对功率谱幅值的变化曲线，由表2所列地震的相对功率谱时序曲线总结出一些特征：相对功率谱峰值均在7倍以上；峰值大都出现在震前，最长为震前8天，最近为震前4天。值得指出的是，地震孕育及临震阶段的应力变化是一个复杂的过程，可以通过GPS等手段来观测地表形变，但是对于地下微弱细小的变化和破裂仍难以捕捉。另外，究竟应力积累到什么程度才会发震，目前尚难以判断。盆地在震前所表现出的热辐射变化信息或许是对地下复杂精细变化的宏观反映，因此分析盆地周缘地震的热辐射异常时序变化，对地震短临预测的作用更显著一些。至于发震地点与其对应热辐射异常的位置关系，邓志辉等（2003）的研究认为强震震中常位于红外增温异常区域的边缘或附近，张元生等（2010）的研究也得出相似的结论，从本文中给出的6个震例（图5）来看，震中也均处在热辐射异常区域的边缘。
![]()
图 6 6次盆地周缘地震的相对功率谱时序曲线Figure 6. Time-series curves of relative power spectrum for six earthquakes around basin表 2 地震相对功率谱时序曲线特征Table 2. The features of time-series curves of relative power spectrum for six earthquakes发震日期 地点 MS 相对功率谱峰值 峰值出现时间 相对功率大于2的持续时间/d 2008−03−21 新疆于田 7.3 9.8 3月13日（震前8天） 105 2008−05−12 四川汶川 8.0 7.4 5月8日（震前4天） 81 2012−06−30 新疆新源 6.6 16.0 6月25日（震前5天） 75 2015−07−03 新疆皮山 6.5 13.8 8月25日（震后53天） 33 2017−08−08 四川九寨沟 7.0 11.5 8月2日（震前6天） 73 2017−08−09 新疆精河 6.6 13.5 8月1日（震前8天） 52 4. 讨论与结论
对2017年8月8日四川九寨沟地震热辐射异常的研究结果显示：其空间展布与龙门山断裂带走向一致，主要分布在四川盆地边缘，与汶川地震前热辐射异常的展布特征相似，热辐射异常面积最大可达6×104 km2，地震发生在增温区域的边缘；其时序演化特征显示，相对功率谱幅值于7月初迅速升高后，长时间处于高幅值状态，震前最后一次峰值为均值的11.5倍，尽管有所转折，但幅值均在9倍以上，出现3次波峰值后发震，与最后一次波峰之间相隔6天；7月之前，两组相对功率谱背景值和标准差曲线各自几乎完全重合，7月之后，由于九寨沟地震的发生，两组背景值和标准差数据明显偏离，即九寨沟地震的相对功率谱幅值与过去十年的数据相比较为突出。
文中通过6个震例分析了盆地周缘地震的热辐射异常与盆地的相关性，从各震例所对应的热辐射异常面积来看，盆地一侧的面积占比均超过50%，其中于田、皮山及精河地震的占比更是高达100%，似乎异常面积越大，处于盆地内部的异常占比也越高。为了说明地震盆地效应的可能性，文中分析了自2008年以来四川和新疆盆地内的热辐射异常变化情况，结果显示研究区域内共出现8次类似盆地形态的异常，对应于盆地周缘MS≥6.5的地震，共8个震例中的6次地震存在此类异常，占比为75%。这一结果表明地震盆地效应具有一定可信度。
地震盆地效应可以解释盆地周缘具有不同发震构造的地震却表现出类似的盆地形态异常。地震盆地效应是从盆地周缘地震的热辐射异常现象出发，为地震热红外成因机理积极寻求答案，这明确地支持了地球放气理论。尽管如此，目前对于热红外成因机理的认识尚处于探索阶段，后续仍需进行建模和定量化计算研究，以进一步推进此方面的工作。
感谢中国地震局兰州地震研究所张元生研究员提供了热红外数据分析计算软件。
1 ① 樊文杰，贺素歌，赵小艳，胡小静，刘强，王光明， 张潜，李智蓉， 刘自凤，孙楠，彭关灵， 李永莉。2021。2021年5月21日云南省漾濞6.4级地震。昆明：云南省地震局：1−76。2 ② 贺素歌，赵小艳，钱晓东，刘自凤，李智蓉，张潜，刘强。2021。2021年6月10日双柏MS5.1地震。昆明：云南省地震局：1−69。3 ③ 张潜，赵小艳，贺素歌，樊文杰，刘翔，张翔。2021。2021年6月12日云南省盈江5.0级地震。昆明：云南省地震局：1−47。4 ④ 罗睿洁，李利波，张天宇，王光明，刘自凤，张潜，刘强，樊文杰，付虹。2022。2022年1月2日宁蒗MS5.5地震。昆明：云南省地震局：1−80。5 ⑤ 刘强，樊文杰，高文斐，曾宁。2022。2022年11月19日云南红河5.0级地震。昆明：云南省地震局：1−65。 -
![]()
图 1 云南氡观测点及地震震中分布
Figure 1. Distribution of radon observation points and earthquake epicenters in Yunnan
![]()
图 2 云南氡观测台项时间进程图
Figure 2. Variation of the number of radon observation stations in Yunnan with time
![]()
图 3 水氡异常与地震关系统计分布图
（a） 不同震级档异常数量分布；（b） 地震前不同阶段异常数量占比；（c） 地震前不同震级档、不同时段异常数量分布
Figure 3. Statistical distribution chart of the relationship between water radon anomalies and earthquakes
（a） Distribution of anomalies in different magnitude ranges；（b） The proportion of anomalies in different stages before earthquakes；（c） Distribution of anomalies in different ranges and different time periods before earthquakes
![]()
图 5 气氡异常数量统计分布图
（a） 不同震级档异常数量占比；（b） 地震前不同阶段异常数量占比
Figure 5. Statistical distribution chart of gas radon anomalies
（a） The proportion of anomalies in different magnitude ranges；（b） The proportion of anomalies in different stages before earthquakes
![]()
图 6 出现水氡异常的观测点的震中距与震级关系统计分布图
（a） 所有地震；（b） 震前1年以上；（c） 震前6—12个月；（d） 震前3—6个月；（e） 震前1—3个月；（f） 震前1个月内
Figure 6. Statistical distribution chart of the relationship between the distance from the observation point of water radon anomaly to the epicenter and the magnitude of the earthquake
（a） All earthquakes；（b） More than 1 year before the earthquake；（c） 6—12 months before the earthquake；（d） 3—6 months before the earthquake；（e） 1—3 months before the earthquake； （f） One month before the earthquake
![]()
图 7 出现气氡异常的观测点的震中距与震级关系统计图
Figure 7. Statistical distribution chart of the relationship between the distance from the observation point of gas radon anomaly to the epicenter and the magnitude of the earthquake
![]()
图 8 高大井水体水化学分析
（a） Piper图；（b） Na-K-Mg三角图；（c） 氢氧同位素组成 （胡小静等，2018）
Figure 8. Hydrochemical analysis of groundwater in Gaoda well
（a） Piper diagram；（b） The triangle diagram of Na-K-Mg；（c） Hydrogen and oxygen isotopes （Hu et al，2018）
-
车用太,鱼金子,刘五洲. 1997. 水氡异常的水动力学机制[J]. 地震地质,19(4):353–357. Che Y T,Yu J Z,Liu W Z. 1997. The hydrodynamic mechanism of water radon anomaly[J]. Seismology and Geology,19(4):353–357 (in Chinese).
陈立德,付虹,邬成栋. 2008. 强震短临前兆异常共性特征的物理基础[J]. 地震研究,31(2):99–102. Chen L D,Fu H,Wu C D. 2008. Physical bases of common characteristics of short-term and impending-earthquake precursor anomalies before a strong earthquake[J]. Journal of Seismological Research,31(2):99–102 (in Chinese).
陈棋福. 2002a. 中国震例(1992—1994)[M]. 北京:地震出版社:1−399. Chen Q F. 2002a. Earthquake Cases in China (1992−1994)[M]. Beijing:Seismological Press:1−399 (in Chinese).
陈棋福. 2002b. 中国震例(1995—1996)[M]. 北京:地震出版社:1−489. Chen Q F. 2002b. Earthquake Cases in China (1995−1996)[M]. Beijing:Seismological Press:1−489 (in Chinese).
陈棋福. 2003. 中国震例(1997—1999)[M]. 北京:地震出版社:1−468. Chen Q F. 2003. Earthquake Cases in China (1997−1999)[M]. Beijing:Seismological Press:1−468 (in Chinese).
陈棋福. 2008. 中国震例(2000—2002)[M]. 北京:地震出版社:1−570. Chen Q F. 2008. Earthquake Cases in China (2000−2002)[M]. Beijing:Seismological Press:1−570 (in Chinese).
付虹,苏有锦,刘丽芳. 2008a. 云南地区地震预报的进展及震源参数用于地震预报的尝试[C]//中国地震预报探索:梅世蓉先生80华诞论文集. 北京:地震出版社:160−168. Fu H,Su Y J,Liu L F. 2008a. Progress in earthquake prediction and attempts to use seismic source parameters for earthquake prediction in Yunnan region[C]//Exploration of Earthquake Prediction in China:Collected Papers in Commemoration of Mr. Mei Shirong’s 80th Birthday. Beijing:Seismological Press:160−168 (in Chinese).
付虹,李永莉,赵小艳,刘丽芳. 2008b. 云南M≥5地震震前异常的统计特征[J]. 地震研究,31(4):335–339. Fu H,Li Y L,Zhao X Y,Liu L F. 2008b. Statistical characteristics of the anomalies before the M≥5 earthquakes in Yunnan region[J]. Journal of Seismological Research,31(4):335–339 (in Chinese).
高小其,何镧,刘佳琪,蒋雨函,樊春燕,李庆,王小娟,陈其峰,汪世仙,李志鹏,朱成英. 2021. 地下流体台网数字化气体观测新型脱气-集气装置的研制与应用[J]. 地震研究,44(4):550–563. Gao X Q,He L,Liu J Q,Jiang Y H,Fan C Y,Li Q,Wang X J,Chen Q F,Wang S X,Li Z P,Zhu C Y. 2021. Development and application of a new type of degassing,gas-gathering device for digital gas observation of the underground fluid network[J]. Journal of Seismological Research,44(4):550–563 (in Chinese).
国家地震局科技监测司. 1995. 地震地下水手册[M]. 北京:地震出版社:135−229. Department of Science and Technology Monitoring,State Seismological Bureau. 1995. Earthquake Groundwater Manual[M]. Beijing:Seismological Press:135−229 (in Chinese).
胡小静,付虹,李琼. 2018. 滇南地区近期水位趋势上升异常机理初探[J]. 地震学报,40(5):620–631. Hu X J,Fu H,Li Q. 2018. Preliminary study on abnormal mechanism of groundwater level rising in southern Yunnan[J]. Acta Seismologica Sinica,40(5):620–631 (in Chinese).
蒋海昆. 2014. 中国震例(2003—2006)[M]. 北京:地震出版社:1−818. Jiang H K. 2014. Earthquake Cases in China (2003−2006)[M]. Beijing:Seismological Press:1−818 (in Chinese).
蒋海昆. 2019. 中国震例(2014—2015)[M]. 北京:地震出版社:1−722. Jiang H K. 2019. Earthquake Cases in China (2014−2015)[M]. Beijing:Seismological Press:1−722 (in Chinese).
孔庆敏,王广才,史浙明. 2018. 云南地区震前地下流体异常特征统计分析[J]. 地震学报,40(5):632–645. Kong Q M,Wang G C,Shi Z M. 2018. Statistical analysis of pre-seismic anomalous characteristics of subsurface fluids in Yunnan region[J]. Acta Seismologica Sinica,40(5):632–645 (in Chinese).
刘永涛. 2009. 云南省龙陵县邦腊掌温泉水文地球化学与间歇喷泉研究[D]. 北京:中国地质大学(北京):1−63. Liu Y T. 2009. A Study of Hydrochemistry and Geyser of Thermal Groundwater in the Banglazhang Geothermal Field in Longling,Yunnan[D]. Beijing:China University of Geosciences (Beijing):1−63 (in Chinese).
刘轶男. 2017. 丰满台水氡异常特征分析[J]. 华北地震科学,35(4):80–83. Liu Y N. 2017. Anomaly characteristics of groundwater radon in Fengman seismic station[J]. North China Earthquake Sciences,35(4):80–83 (in Chinese).
刘耀炜,任宏微. 2009. 汶川8.0级地震氡观测值震后效应特征初步分析[J]. 地震,29(1):121–131. Liu Y W,Ren H W. 2009. Preliminary analysis of the characteristics of post-seismic effect of radon after the Wenchuan MS8.0 earthquake[J]. Earthquake,29(1):121–131 (in Chinese).
梅世蓉,冯德益,张国民,朱岳清,高旭,张肇诚. 1993. 中国地震预报概论[M]. 北京:地震出版社:1−300. Mei S R,Feng D Y,Zhang G M,Zhu Y Q,Gao X,Zhang Z C. 1993. Introduction to Earthquake Prediction in China[M]. Beijing:Seismological Press:1−300 (in Chinese).
邵志刚. 2022. 中国震例(2018—2020)[M]. 北京:地震出版社:1−1226. Shao Z G. 2002. Earthquake Cases in China (2018−2020)[M]. Beijing:Seismological Press:1−1226 (in Chinese).
晏锐. 2018. 云南省龙陵邦腊掌温泉水文变化特征与机理研究[D]. 北京:中国地质大学(北京):1−102. Yan R. 2018. Study on the Characteristics and Mechanism of Hydrological Changes at Banglazhang Hot Spring Site in Longling County,Yunnan Province[D]. Beijing:China University of Geosciences (Beijing):1−102 (in Chinese).
云南省地震局. 2005. 云南省地震监测志[M]. 北京:地震出版社:366−367. Earthquake Administration of Yunnan Province. 2005. Yunnan Earthquake Monitoring[M]. Beijing:Seismological Press:366−367 (in Chinese).
中国地震局监测预报司. 2002. 地下流体数字观测技术[M]. 北京:地震出版社:32−54. Department of Monitoring and Forecasting,China Earthquake Administration. 2002. Underground Fluid Digital Observation Technology[M]. Beijing:Seismological Press:32−54 (in Chinese).
张炜,林颐乐. 1978. 地震前兆水化特征及讨论[J]. 地震战线,(6):24–31. Zhang W,Lin Y L. 1978. Hydration characteristics and discussion on earthquake precursor[J]. Earthquake Front,(6):24–31 (in Chinese).
张肇诚. 1990a. 中国震例(1976—1980)[M]. 北京:地震出版社:1−411. Zhang Z C. 1990a. Earthquake Cases in China (1976−1980)[M]. Beijing:Seismological Press:1−411 (in Chinese).
张肇诚. 1990b. 中国震例(1981−1985)[M]. 北京:地震出版社:1−283. Zhang Z C. 1990b. Earthquake Cases in China (1981−1985)[M]. Beijing:Seismological Press:1−283 (in Chinese).
张肇诚,郑大林,罗咏生. 1991. 中国大陆地震震例及综合预报判据和指标研究[G]//地震预报方法实用化研究文集(综合预报专辑). 北京:地震出版社:185−216. Zhang Z C,Zheng D L,Luo Y S. 1991. Study on criteria and indicators for comprehensive earthquake prediction in Chinese mainland[G]//Collection of Practical Research Papers on Earthquake Prediction Methods (Comprehensive Forecast Collection). Beijing:Seismological Press:185−216 (in Chinese).
张肇诚. 1999. 中国震例(1986—1988)[M]. 北京:地震出版社:1−378. Zhang Z C. 1999. Earthquake Cases in China (1986−1988)[M]. Beijing:Seismological Press:1−378 (in Chinese).
张肇诚. 2000. 中国震例(1989—1991)[M]. 北京:地震出版社:1−447. Zhang Z C. 2000. Earthquake Cases in China (1989−1991)[M]. Beijing:Seismological Press:1−447 (in Chinese).
张肇诚,陈棋福,郑大林. 2013. 震例总结研究探讨[M]. 北京:地震出版社:35−36. Zhang Z C,Chen Q F,Zheng D L. 2013. Summary and Study of Earthquake Cases[M]. Beijing:Seismological Press:35−36 (in Chinese).
郑兆苾,张国民,何康,张来平. 2006. 中国大陆地震震例异常统计与分析[J]. 地震,26(2):29–37. Zheng Z B,Zhang G M,He K,Zhang L P. 2006. Statistics and analyses of the anomalies of earthquake cases in China’s mainland[J]. Earthquake,26(2):29–37 (in Chinese).
Cicerone R D,Ebel J E,Britton J. 2009. A systematic compilation of earthquake precursors[J]. Tectonophysics,476(3/4):371–396.
Sugisaki R,Ito T,Nagamine K,Kawabe I. 1996. Gas geochemical changes at mineral springs associated with the 1995 southern Hyogo earthquake (M=7.2),Japan[J]. Earth Planet Sci Lett,139(1/2):239–249.
-
期刊类型引用(4)
1. 赵一帆，王毅. 基于三重震相波形模拟的东北亚地区上地幔S波速度结构研究. 物探化探计算技术. 2024(02): 137-145 . 
百度学术
2. 苏慧，魏荣强，周元泽，崔清辉，李国辉. 东北亚边缘地区地幔过渡带内滞留太平洋板片上界面的三重震相研究. 地球物理学报. 2023(06): 2431-2444 . 百度学术
3. 崔辉辉，周元泽，石耀霖，王晓冉，李国辉. 华北克拉通东部滞留板块下方低速异常的地震三重震相探测. 地球物理学报. 2016(04): 1309-1320 . 百度学术
4. 李国辉，眭怡，周元泽. 基于P波三重震相的下扬子克拉通地幔转换带顶部低速层初探. 地球物理学报. 2014(07): 2362-2371 . 百度学术
其他类型引用(11)
下载:
计量
- 文章访问数: 167
- HTML全文浏览量: 49
- PDF下载量: 58
- 被引次数: 15
