引言

一次较大的浅源地震发生之后通常伴有相当数量的中小地震及微震发生，而丰富的中小地震及微震记录和准确的震源参数（如震源位置、震源机制解等）可以为研究该地震序列的地震活动性、确定主震发震断层、探索地震成核及触发机制等提供重要的地震学依据（Ross et al，2019）。然而，由于台网常规定位工作采用的速度模型及人工拾取震相走时数据均不可避免地存在偏差，故而台网地震目录中的震源位置定位精度较低，尤其是震源深度往往存在较大的定位误差。例如：Jiang等（2019a）针对2016年云南云龙M_S5.0地震序列中地震事件的波形互相关分析结果显示，云南省地震台网人工拾取震相数据中大约有30%的P和S震相的拾取误差大于0.15 s，还有近5%的震相拾取误差大于0.30 s；Jiang等（2019a）对云龙地震序列中M_L≥3.0地震事件（包括云龙M_S5.0主震）的波形反演结果则表明台网常规定位的深度误差甚至能达到10 km左右。

此外，由于全球或区域范围内发生大震之后较长时间内地震尾波（地球内部非均匀结构引起的不连续散射波的叠加，Aki，1969）的持续存在、气象因素（如降雨等）和人类活动等造成的环境噪声也时刻影响着能量较弱的微小地震的波形记录，这会导致相当数量的地震事件因其震级低于地震台网检测能力而被漏检，所以一次地震之后如何能够获得更加完整的地震目录是近年来国内外地震学研究的一个热点问题。目前应用较为广泛的方法如模板匹配（matched filter）是利用已知地震事件（模板事件）来检测微小地震，利用该方法检测到的地震数量通常要比地震台网利用常规方法检测、记录到的地震事件数量高1个数量级左右（Peng，Zhao，2009；Meng et al，2013；Li et al，2017；Wu et al，2017；Ross et al，2019）。

北京时间2017年3月27日，云南省大理白族自治州漾濞县境内分别于7时40分和7时55分发生M_S4.8及M_S5.1两次中强地震，云南地震台网（Yunnan Seismic Network，缩写为YSN）于震后24小时内在震中附近陆续布设了3个短周期地震仪用于加密观测。依照地震序列的活动特征，此次地震序列属于典型的“震群（多震）型”（或“双震型”）地震序列（Mogi，1967；蒋海昆等，2006），但与其主震距离约30 km的2016年云龙M_S5.0地震则属于“主余型”地震序列（Jiang et al，2019a）。两种类型地震序列的地震活动性、震源参数时空变化特征及其地震能量释放过程有何异同，均是值得研究的地震学问题，而更加准确的震源参数和更加丰富的地震记录则是探讨这些问题的基本前提。

为了获得漾濞地震序列更加准确的震源位置，本研究一方面利用波形互相关方法以尽量消除由人工拾取震相所产生的误差，另一方面选用双差地震定位方法（Waldhauser，Ellsworth，2000）以在一定程度上消除速度模型不准确所产生的定位误差。同时为了获得更加完整的地震目录，本研究采用可联合P、S等多震相进行微震检测的匹配定位（match and locate，缩写为M&L）方法（Zhang，Wen，2015）的最新版程序（https://github.com/Dal-mzhang/MatchLocate2），选取地震目录中的258次地震作为模板事件，对漾濞M_S5.1地震发生前7天至震后30天内记录的连续波形进行微小地震的检测与定位，以获得更加丰富的微小地震数据和准确的震源位置，以期为研究该地震序列的地震活动性、主震发震构造及地震能量释放过程等提供重要的基础资料。

1.   观测数据

2017年漾濞M_S5.1地震发生于地震台站分布较为密集的滇西地区，在震中距100 km半径范围内至少有8个宽频带固定地震台记录到此次地震及其余震活动（图1）。此外，云南地震台网在主震震中距15 km半径范围内还临时布设了3个短周期地震仪用于加密观测，固定台和临时台一起构成了良好的方位角覆盖（图1）。需要指出的是，云南地震台网编目工作只对地方震震级M_L≥4.0的地震事件才重新测定其面波震级M_S （杨晶琼等，2013），所以本文中除M_S4.8和M_S5.1两次地震，M_L4.0以下的地震震级均为地方震震级M_L。本研究收集整理了云南地震台网记录的漾濞地震序列M_S5.1主震前7天至主震后30天内的连续地震波形，以及在此期间震源区及邻近地区（25.61°N—26.11°N，99.57°E—100.07°E）发生的258次地震的观测报告和事件波形数据，将其用于该地震序列的微震检测及重定位研究。

图  1  研究区断裂、台站及2017年漾濞地震序列的震中分布图

F₁：澜沧江断裂；F₂：维西—乔后断裂；F₃：龙蟠—乔后断裂。断层数据引自邓起东等（2003）

Figure  1.  Distribution of the faults，stations and epicenters of the 2017 Yangbi earthquake sequence in the study area

F₁：Lancangjiang fault；F₂：Weixi-Qiaohou fault；F₃：Longpan-Qiaohou fault. The faults are after Deng et al （2003）

下载: 全尺寸图片 幻灯片

2.   地震序列重定位

云南地震台网目前给出的地震震源位置一般是在一维速度模型下，基于人工拾取的P波和S波震相走时，使用绝对定位方法得到，故而台网地震目录给出的震源位置尤其是震源深度往往具有较大的定位误差，因此通常需要采用其它方法独立测定较大地震（如M_L≥3.0）的震源深度。潘睿等（2019）采用基于宽频带地震波形的CAP （cut and paste）方法（Zhao，Helmberger，1994；Zhu，Helmberger，1996）及sPn深度震相方法获得了2017年漾濞地震序列中M_S4.8和M_S5.1两次地震及另外5次M_L≥3.0余震事件更加准确的震源深度，但对于更小的地震事件（如M_L＜3.0）目前还只能利用基于震相走时的地震定位方法确定其震源深度。

双差定位法（Waldhauser，Ellsworth，2000）利用空间距离相近的两次地震事件到同一台站的震相走时差数据进行定位，可以在一定程度上消除由于速度模型不准确而产生的定位误差，并且可以结合波形互相关技术以减小人工震相拾取误差，因此该方法在反演中小地震的震源位置、确定主震发震断层等研究中得到了广泛应用（Waldhauser，Ellsworth，2000；Waldhauser，Schaff，2008；姜金钟等，2016；王光明等，2018a，b）。由于此次漾濞地震序列的余震震源分布较为密集，且云南地震台网工作人员手动拾取了大量的P、S震相走时数据，故本研究首先利用波形互相关技术获取更加精确的震相走时差数据，然后联合人工拾取震相（观测报告）和基于波形互相关得到的P、S震相走时差进行双差定位，以期得到漾濞地震序列中小地震更加准确的震源位置。

2.1   波形互相关分析

波形互相关分析是基于“发震机理相同且传播路径相似的地震具有相似的地震波形”的原理，通过计算空间距离较近的两次地震事件（地震对）到同一台站的包含某一震相（如P波或S波）的地震波形的互相关函数，利用最大互相关系数及其对应的时间延迟计算地震对相同震相的走时差。波形互相关技术可使部分震相走时差计算的精度达到波形数据采样间隔的精度（一般为百分之一秒）甚至更高（Schaff，Richards，2004；Jiang et al，2019b）。由互相关分析得到的走时差数据的应用，可以在很大程度上改善人工拾取震相存在误差较大的问题，进而提高地震的相对定位精度。

对漾濞地震序列中258次地震的波形数据分别进行P波和S波互相关分析。考虑到P波和S波震相在不同分量上的能量优势，我们选取波形数据的BHZ分量进行P波互相关分析，选取BHE和BHN分量进行S波互相关分析，并挑选互相关系数较大的波形分量计算结果作为S波的互相关分析结果。为保证互相关分析的精度及可靠性，在计算互相关函数之前，首先对波形记录在1—10 Hz频率范围内进行带通滤波，然后截取时间窗长度为1.5 s （P、S震相到达之前0.5 s及到达之后1.0 s）的波形分别进行互相关分析，最终得到两次地震到同一台站的P、S震相到时差及对应的波形互相关系数。

以洱源台（EYA）记录的2017年3月26日23时47分37秒（UTC时间）发生的一次M_L0.9地震波形为参考波形（图2底部黑色加粗波形），选取另外8次地震事件的BHZ和BHN分量分别进行P波 （图2a红色波段）、S波（图2b蓝色波段）互相关分析，并且根据互相关分析结果进行走时校正，之后得到震相对齐的波形，如图2所示，可见：当互相关系数较大时，该方法能够有效地校正P、S震相到时，从而减小由震相拾取误差带来的定位误差。为了获得更加可靠的走时差数据和更加稳定的定位结果，选取同时具有3个以上（包括3个）台站记录到的地震对走时差数据用于双差定位，最终获取了互相关系数大于0.7的2 196条P波和1 527条S波走时差数据。此外，经波形互相关分析可知，漾濞地震序列观测报告中的P、S震相拾取误差基本呈正态分布且其2倍标准差小于0.35 s （即95%以上的震相拾取误差小于0.35 s），该误差分布情况可应用于后续的双差定位不确定性分析。

图  2  洱源台（EYA）记录的部分地震的P波（BHZ分量）和S波（BHN分量）震相波形互相关分析示意图

底部黑色加粗波形为模板波形，红色和蓝色波段分别表示互相关分析用到的P波和S波，C表示各地震事件与模板事件的P波和S波的互相关系数

Figure  2.  Cross-correlation analysis of P （BHZ） and S （BHN） waveforms for part seismic events recorded at the station EYA

The bold black waveforms are template waveforms，the red and blue sections are P-wave and S-wave used in cross-correlation analysis，respectively. C values mark the corresponding cross-correlation coefficient

下载: 全尺寸图片 幻灯片

2.2   双差地震定位

双差地震定位方法可同时利用由观测报告和波形互相关分析得到的P、S震相走时差，但如果某一地震对在同一台站既有观测报告走时差也有互相关走时差且两者相差较大时，容易造成反演结果不稳定或引起较大的定位误差（姜金钟等，2016）。为了避免这种情况，考虑到波形互相关提取的走时差数据更准确，本研究在定位过程中采取以互相关走时差数据为主、观测报告走时差数据为辅的策略，即当某一地震对在同一台站既有观测报告走时差数据又有互相关走时差数据时，只保留互相关走时差数据用于双差定位。以这种方式，本研究最终得到5 905条P波、4 321条S波观测报告走时差数据和2 196条P波、1 527条S波互相关走时差数据用于双差定位。

Jiang等（2019a）关于2016年云龙M_S5.0地震序列的重定位及震源机制反演研究结果表明，当区域台网给出的地震震源深度（通常在双差重定位中被设置为初始定位深度）与其实际深度相差较大时，双差重定位并不能很好地“校正”其震源深度，此时若将台网测定的震源深度作为重定位的初始深度也不会得到更准确的震源深度。为此，对于2017年漾濞地震序列中7次M_L≥3.0地震事件（图3a和图3c中的绿色圆圈以及图3b和图3d中的紫色圆圈），本研究采用潘睿等（2019）利用CAP及sPn深度震相方法独立测定得到的震源深度（图3d中蓝色圆圈及对应的沙滩球）用于后续研究分析。

图  3  双差定位前（a，c）、后（b，d）的震中及其深度分布对比

图中绿色和紫色圆圈分别表示双差定位前（云南台网目录）和双差定位后（以云南台网目录位置为初始震源位置）的7次M_L≥3.0事件，红色圆圈表示M_L＜3.0地震事件，图（d）中蓝色圆圈及对应的震源机制解沙滩球和旁边的断层倾角值是根据潘睿等（2019）的CAP反演结果绘制

Figure  3.  Comparison of epicentral and depth distributions before （a，c） and after （b，d） the double-difference （DD） location

The green and magenta circles indicate seven M_L≥3.0 aftershocks before and after DD location，respectively. The red circles indicate M_L＜3.0 earthquakes. The blue circles with corresponding beach balls （their fault dip angles are listed） in Fig. （d） show the CAP inversion results from Pan et al （2019）

下载: 全尺寸图片 幻灯片

鉴于此次地震震源区尺度较小且参与重定位的绝大多数台站处于50 km震中距范围以内，本研究选取基于人工地震折射方法得到的该地区一维地壳速度模型（胡鸿翔等，1986；林中洋等，1993），并将其作为双差定位的介质模型。为了保证重定位的准确性及稳定性，我们选取震源距小于10 km的两次事件作为地震对，且地震对之间最大距离为5 km，地震对与记录台站的最大距离为300 km，同时设定当地震对的震相“链接”数大于8时才被定义为“强链接”地震对，只有“强链接”的地震对才参与双差定位，因此定位过程中有部分地震事件因不满足参数设定条件而被舍弃。此外，考虑到S波震相拾取精度较低，在定位过程中赋予P波、S波数据的权重分别为1.0和0.5，采用最小平方QR分解法（least squares QR-factorization，缩写为LSQR）进行两轮共20次迭代反演，最终得到193次地震的震源位置。

对比云南台网地震目录（图3a和3c），重定位结果（图3b和3d）显示震源位置（尤其是在深度方向上）分布更加集中、连续，且其在水平和深度方向上的展布与主震震源机制解（图3d中蓝色沙滩球，潘睿等，2019）和维西—乔后断裂的走向300°、倾角70° （安晓文等，2018）均较为一致，特别是当主震及M_L≥3.0余震事件采用CAP和深度震相方法测定震源深度后，其震源位置与地震序列中其它余震（这部分余震事件由多个震中距小于15 km的临时台记录，因此其深度定位更加可靠）的分布更为一致，而不是云南台网地震目录中主震及早期M_L≥3.0余震事件与其它较小余震事件明显“分离”的现象（图3c和图3d中的绿色和紫色圆圈）。

2.3   双差定位结果的不确定性分析

定位不确定性分析是评价地震定位结果的重要依据，但由于采用LSQR算法的双差定位给出的误差可能被严重低估而不具有实际意义（Waldhauser，Ellsworth，2000；Hardebeck，2013；姜金钟等，2016），因此本研究采用bootstrapping方法（Hardebeck，2013；Wang et al，2017；Jiang et al，2019a）来评估漾濞地震序列重定位在统计意义上的不确定性。选取成功重定位的193次地震事件作为震源位置已知的“理论地震”，分别计算各“理论地震”到观测报告中记录该事件台站的理论走时，对理论走时添加±0.35 s （来自于上述波形互相关分析结果）以内的随机误差，采用上述双差定位中的速度模型并加上±5%的随机扰动，然后选取相同的定位参数进行“理论地震”的双差定位，进而得到每次“理论地震”重定位结果与其理论值的定位误差。如此重复400次，每次“理论地震”大约有400个不尽相同的重定位结果，对其定位误差分析，其结果表明“理论地震”的定位误差基本满足正态分布（如图4a），进而得到每次“理论地震”在95%置信水平下的定位误差椭圆及其长短轴（如图4b）。

图  4  使用bootstrapping 方法对双差定位不确定性分析的实例

图中“理论地震”为发震时刻为2017年4月27日17时37分35.3秒（UTC）的M_L0.5地震，图（a）为利用bootstrapping方法分别得到的东西向、南北向和垂直向的误差，右上角给出其2倍标准差2σ；图（b）左右子图分别为水平方向和垂直方向上置信度为95%的误差椭圆及其长短轴

Figure  4.  A sample of uncertainty analysis of DD relocation using bootstrapping method

The synthetic earthquake showed in this sample is a M_L0.5 event occurred at 17:37:35.3 （UTC） on April 27，2017. Fig. （a） shows the twice of standard deviation （2σ） of DD location errors in east-west，south-north，and vertical directions，respectively，Fig. （b） shows the 95% confidence error ellipses and their major and minor axes estimated by bootstrapping method

下载: 全尺寸图片 幻灯片

图5给出了此次定位的误差分析结果，统计显示在95%置信水平下定位误差椭圆长轴基本不超过3 km，水平方向和垂直方向的定位误差均值分别为1.3 km和1.9 km，并且定位结果具有较好的稳定性。通常震源深度的定位误差要明显大于震中定位误差，但本研究中垂直分量与水平方向的定位误差较为接近，经分析认为可能是定位过程中三个临时台（震中距小于15 km）参与定位而有效地减小了垂直（深度）方向的定位误差。此外，少数定位误差较大的地震事件主要分布于距离台站较远或者震源区边缘地区，而位于台站中间且密集分布的地震定位误差则明显较小，这是由双差定位方法的基本原理所决定。

图  5  基于bootstrapping方法的双差定位不确定性分析

（a） 水平方向的95%置信度的误差椭圆分布；（b） 水平误差的2倍标准差直方图；（c） 垂直误差的2倍标准差直方图

Figure  5.  Uncertainty analysis of the DD location based on the bootstrapping method

（a） Distribution of 95% confidence error ellipses in horizontal direction obtained by using bootstrapping method；（b） Histogram of twice the standard deviation of DD location errors in horizontal direction；（c） Histogram of twice the standard deviation of DD location errors in vertical direction

下载: 全尺寸图片 幻灯片

3.   匹配定位微小地震检测

微小地震的自动检测方法众多，近年来被广泛应用的模板匹配（matched filter）方法（Gibbons，Ringdal，2006；Shelly et al，2006；Peng，Zhao，2009；Meng et al，2013；Li et al，2017；Wu et al，2017；姜金钟等，2019；Jiang et al，2019b；Ross et al，2019）通过对已知地震事件的模板波形和连续波形进行滑动互相关分析后再叠加，以检测微弱事件，并根据所有台站分量中参考震相的振幅比中位数来确定地震震级（Peng，Zhao，2009；Meng et al，2013）。Zhang和Wen （2015）发展的匹配定位方法（M&L）与模板匹配方法基本类似，不同的是，匹配定位方法在互相关叠加之前首先会对模板事件周围的三维空间（经度、纬度和深度）进行网格搜索，计算模板与被检测地震事件每个可能位置之间的走时差，然后按照走时差对互相关波形进行走时校正和叠加，叠加波形互相关最大值所对应的格点位置即为被检测的地震事件的震源位置，这样既可以检测到微小地震，又可以对所检测到的地震事件进行高精度的相对定位（Zhang，Wen，2013，2015；姜金钟等，2019）。

为了获得更加完整的地震目录，选取云南地震台网目录给出的258次地震作为模板事件，采用可联合使用P、S波等多震相的匹配定位方法最新版程序进行微小地震检测。考虑到模板事件的震源位置是准确获取被检测事件震源位置的关键，针对双差定位成功得到重定位结果的193次地震，本研究选取其重定位后的震源位置作为模板事件位置，其它地震则选取云南台网目录中的震源位置作为模板事件位置。

3.1   匹配定位方法检测结果

匹配定位检测过程中，首先将事件波形和连续波形在1—10 Hz频率范围内进行带通滤波以提高信噪比；然后分别选取窗长为4 s的包含P、S震相的波段（震相到达前1 s及到达后3 s）作为参考震相，将参考震相与连续波形进行滑动互相关以得到每个台站每个分量的互相关函数，并将所有台站的互相关函数在以模板事件震源位置为中心的附近空间经网格化（经纬度范围±0.04°，网格间隔为0.01°；深度范围±4 km，网格间隔为1 km）后的格点处叠加；最后计算叠加后的互相关波形的平均相关系数C和信噪比SNR，当平均相关系数和信噪比超过设定阈值时，则认为成功检测到一次与模板事件空间距离接近、震源机制相似的地震事件，对应的格点位置（经度、纬度和深度）即为检测事件的震源位置，在此基础上根据检测事件与模板事件S波的振幅比来确定震级（Zhang，Wen，2015）。

为了确定平均相关系数和信噪比的阈值，我们首先计算匹配定位检测中相同台站的平均相关系数背景值，得到平均相关系数背景值约为0.03，然后参照Zhang和Wen （2015）的阈值设定方法来选取约束条件：当最大相关系数C_max≥0.35时，只用相关系数阈值C作为地震事件的判定依据；当最大相关系数大于等于7倍平均相关系数背景值0.21但小于0.35即0.21≤C_max＜0.35时，相关系数阈值C和信噪比阈值（SNR≥8）同时约束检测结果。图6展示了利用一次M_L0.7模板事件（图6a）检测出一次M_L0.3地震事件（图6b）的实例，可见此次检测得到的叠加互相关系数较高（图6c），表明两次地震的波形记录具有较高的相似性（图6d）。另外，需要指出的是：由于L5301台记录到这两次地震事件的P、S震相到时非常接近，故只选取振幅相对较大的S波（蓝色波段）作为参考震相；由于YUL台记录的S波信噪比太低，故只选取振幅较大的P波（红色波段）作为参考震相。

图  6  匹配定位方法检测微小地震的实例

（a） M_L0.7模板事件波形，其中红色和蓝色波段分别为匹配定位检测中用到的P波和S波；（b） 包含M_L0.3被检测事件（红色波段）的连续波形；（c） 匹配定位检测中的叠加波形互相关函数及互相关系数最大值C_max；（d） 被检测事件波形（黑色）和模板波形P波（红色）、S波（蓝色）及其对应的互相关系数

Figure  6.  A sample of M&L detection using template seismograms of a M_L0.7 events

（a） Template seismograms of a M_L0.7 event，where the red and blue sections indicate the P and S waves used in M&L detection；（b） Continuous waveforms including the detected M_L0.3 event （red sections）；（c） The cross-correlation functions and maximum cross-correlation coefficient C_max in M&L detection； （d） Waveforms of the detected event （black），the template P waves （red） and S waves （blue）. Their C values are marked correspondingly

下载: 全尺寸图片 幻灯片

此外，关于匹配定位检测结果的分析也表明本研究选取的检测阈值等参数较为合理，如经匹配定位检测本研究发现了漾濞M_S5.1主震发生后约150 s时段内被云南地震台网漏检的3次早期余震事件（图7中红色波形）。单独分析各地震事件的波形记录可知其漏检原因：M_S5.1主震后约55 s发生的M_L3.0地震虽然S波部分较为清晰，但其P波部分基本被“淹没”在主震尾波之中；而M_S5.1主震后约100 s和125 s发生的M_L2.5及M_L2.2两次地震虽然放大后的波形较为完整，但由于主震后强噪声的存在，其波形信噪比仍然相对较低。虽然这些早期发生的余震容易被漏检，但对确定主震的发震断层、地震能量衰减过程等研究至关重要。

图  7  利用匹配定位方法检测出的被云南地震台网遗漏的发生于M_S5.1主震后150 s内的三次早期余震事件（红色波段为匹配定位检测事件放大后的波形）

Figure  7.  The early aftershocks occurred during 150 s following the M_S5.1 mainshock detected by M&L method but neglected by Yunnan Seismic Network （The red waveform sections are the amplified waveforms）

下载: 全尺寸图片 幻灯片

3.2   匹配定位方法检测目录与云南台网目录的对比分析

经过匹配定位方法检测，本研究共得到了漾濞地震序列1 625次地震的发震时刻、震源位置及震级，事件数量是云南地震台网地震目录（258次）的6倍。由两种地震目录的余震震级-时间分布情况（图8）可知，除了主震后150 s内发生的3次余震事件（图7和图8中标出震级M_L的事件），云南地震台网目录基本上记录了所有M_L≥2.0的余震事件，但只包含部分1.0≤M_L＜2.0地震。此外，由于自主震后约14小时开始在震中附近陆续布设了3个流动地震台，云南地震台网开始记录到相当数量的M_L≤1.0地震事件，而本研究以这些地震为模板检测出大量M_L≤0微震事件，表明当地震尾波噪声水平较低时，匹配定位方法能将台网地震检测能力提高M_L1.0左右，且检测能力的提升水平与Wu等（2017）利用相似方法对2013年芦山M_W6.6地震的余震检测结果较为一致。

图  8  M_S5.1主震后云南台网目录与匹配定位检测结果的M-t分布对比图

Figure  8.  The magnitude versus logarithmic times since the M_S5.1 mainshock for Yunnan Seismic Network catalog （blue triangles） and M&L detection catalog （red circles）

下载: 全尺寸图片 幻灯片

丰富的地震目录是探究地震序列的时空演化特征及能量释放过程的基本前提。图9给出了云南地震台网目录及匹配定位检测目录中的震源位置，可以看出匹配定位检测目录中更多的微小地震能显示更加细致的余震活动时空演化过程：早期余震（红色圆圈）主要发生在M_S5.1和M_S4.8地震（紫色圆圈）破裂区的附近区域，随着时间的推移余震（黄色、绿色圆圈）逐渐向破裂区两侧扩展，尤其是沿着断裂走向和倾角方向继续以微小地震的形式破裂，针对云南小湾水库库区内断层面上的地震定位研究也发现了类似的地震“迁移”现象（姜金钟等，2016）；大约在主震10天后，在同一断裂上距离主震20—30 km西北方向的部分区域发生了少数地震，经推测这些事件可能是由于主震活动造成的断裂局部库仑应力变化而导致的静态触发余震，这种静态触发现象在中强地震序列的余震活动中较为常见（King et al，1994；Harris，1998；盛书中等，2015；Jia et al，2018）。

图  9  云南地震台网目录（a）与匹配定位检测目录（b）的震源位置对比

Figure  9.  Comparison of hypocenters between the Yunnan Seismic Network catalog （a） and M&L catalog （b）

下载: 全尺寸图片 幻灯片

此外，本研究还根据两种地震目录统计了M_S5.1主震前7天至震后30天期间每天的累积地震频次，如图10所示，可见：主震前云南地震台网几乎没有记录到震源区附近的地震活动，但匹配定位检测结果显示主震前一周震源区的地震活动相当频繁（每天的地震活动大约为50次），这些地震是背景地震活动亦或是漾濞地震序列的前震活动尚待深入研究；主震后48小时内被漏检的余震事件最多（每天被漏检的余震均超过100次），此后随着噪声水平的降低，漏检地震数量逐渐减少（但差距还是很明显），且在震后30天左右余震活动逐渐平静。

图  10  两种地震目录的每天累积地震频次随时间（M_S5.1主震前后天数）变化的统计直方图

Figure  10.  Comparison of the daily number of events with time （days before and after the Yangbi mainshock） between the M&L catalog （blue） and YSN catalog （yellow）

下载: 全尺寸图片 幻灯片

对比2016年云龙地震序列的匹配定位检测结果（Jiang et al，2019a），漾濞地震序列中较大余震（M_L≥3.0）基本发生于M_S5.1主震后24小时内，后续时段内几乎无强余震发生，展示出较快的余震活动衰减过程。统计地震学中通常用Omori-Utsu公式n（t）＝K/（t＋c）^p （Utsu et al，1995）中的p值描述地震序列的余震活动衰减速度，p值越高，则衰减得越快，反之衰减得越慢。本研究中我们利用“传染型余震序列”（epidemic type aftershock-sequences model，缩写为ETAS）模型（该模型包含Omori-Utsu公式，Ogata，1988，1992）拟合漾濞地震序列的p值为1.72，而2016年云龙地震序列的p值则为1.17 （Jiang et al，2019a），可见漾濞地震序列的余震活动衰减速度及地震能量释放速度明显快于2016年云龙地震序列，相应地其余震数量（1 625次）则远少于云龙地震序列（4 602次，Jiang et al，2019a）。

4.   讨论与结论

由于云南地区的地震台站主要布设在地表且目前台站密度有限（台间距一般大于50 km），而震源深度与发震时刻之间又存在强耦合性，因此基于震相走时的定位方法对震源深度的测定常常存在较大的误差。Jiang等（2019a）和潘睿等（2019）利用宽频带地震波形分别对2016年云龙M_S5.0和2017年漾濞M_S4.8和M_S5.1地震序列中M_L≥3.0地震事件（包括主震）的深度测定结果表明，云南地震台网目录中主震和相当数量的早期M_L≥3.0余震的台网定位深度往往明显大于其实际深度，深度最大相差超过10 km，这种情况下，双差相对定位已经很难有效地“校正”其震源深度；王光明等（2018a）对2018年通海M_S5.0地震序列的重定位和主震震源机制解的研究结果中也出现了类似的现象。本研究分析认为，除了震源深度本身更难测定外，主震发生后早期缺乏近台（如震中距小于20 km）观测也是一个重要因素，即由于缺乏更多的近台观测数据导致常规定位对震源深度的约束较差（刘双庆等，2018），而台网不同工作人员的经验、参数选取等因素均会进一步增大其不确定性；当主震震中附近布设临时台站后，余震震源深度的定位精度得以大大提高，也就出现了台网地震目录中主震及早期余震事件与后期余震事件明显“分离”的现象。所以，针对地震序列中的主震及早期较大的余震事件，最好采用其它方法如基于波形的深度震相和（或）震源机制解反演如CAP （Zhao，Helmberger，1994；Zhu，Helmberger，1996；潘睿等，2019）等方法独立测定其震源深度。

Kisslinger （1996）根据地震空间分布将余震分为三类：第一类为通常发生在主震后24小时或48小时内的早期余震，主要发生在主震破裂面上；第二类同样发生在主震破裂断层上，但可以位于初始滑动段落之外，表征初始余震区的扩展；第三类则是由于主震的静态应力触发而产生，主要发生在比主震破裂尺度大得多的较远处。本研究利用双差地震定位法和匹配定位检测得到更加完整的地震目录，其中包含上述三种类型的余震（图9），尤其是主震发生后约24小时沿着发震断裂走向和倾角方向继续扩展的第二类余震。此外，2016年云龙地震序列属于“主余型”地震序列，而2017年漾濞地震序列则属于“震群（多震）型”，对比两次地震序列的匹配定位检测结果，我们初步分析认为“震群（多震）型”和“主余型”地震序列的一个主要区别可能是“震群（多震）型”地震序列的余震数量相对更少、余震活动衰减得更快。

潘睿等（2019）综合震源机制解反演、地震重定位及大理漾濞地区第四纪活动断裂分布（安晓文等，2018）等分析认为2017年漾濞地震的发震构造为走向约300°、倾角约70°、断层活动方式为右旋走滑的维西—乔后断裂中南段。最新的古地震研究结果显示维西—乔后断裂自晚更新世以来发生过多次破裂至地表的强震事件（Chang et al，2018），近年来在该断裂及附近区域的断层上也发生过多次M_S5.0以上的中强地震，如2013年洱源M_S5.5、M_S5.0地震（赵小艳，付虹，2014；李涛等，2018）和2016年云龙M_S5.0地震（Jiang et al，2019a）。频繁发生的中强地震是否意味着该断裂及附近区域处于高应力集中状态，是否存在断裂深浅部不同的变形程度，以及将来在该区域是否还会发生同等甚至更大震级的地震，这些都是值得深入研究、探索的科学问题。

基于云南台网地震目录及连续波形记录，本文采用结合波形互相关的双差地震定位方法以及匹配定位方法得到了2017年漾濞M_S4.8和M_S5.1地震序列更加丰富的地震目录和更加准确的震源位置，并利用新的地震目录及震源位置等参数对漾濞地震序列余震活动的时空演化特征予以更细致的分析，得出以下主要结论：

1） 本研究获得了漾濞地震序列中193次地震的精确位置，分析表明水平方向和垂直方向的定位误差均值分别为1.3 km和1.9 km，并且定位结果具有较好的稳定性。重定位结果、主震及早期强余震的震源机制解均显示维西—乔后断裂应为此次地震的发震构造；

2） 相对于云南地震台网目录中的258次地震，匹配定位方法检测得到了1 625次地震事件，地震数量为云南地震台网目录中的6倍。除了主震后早期震级较大的余震事件，其它被匹配定位方法检测出的地震大多是M_L≤0微震事件；

3） 基于匹配定位检测结果发现了三类余震事件，即发生在主震破裂面上的早期余震、后续沿着发震断裂走向和倾角方向继续扩展的余震以及在同一断裂上距离主震20—30 km的西北方向部分区域发生的可能是由于静态应力触发引起的余震事件。对比2016年云龙M_S5.0地震序列的研究结果，初步分析认为“震群（多震）型”和“主余型”地震序列的一个主要区别可能是“震群（多震）型”地震序列的余震数量相对更少、余震活动衰减速度更快。

本研究利用现有的地震数据较为详细地研究了2017年在滇西地区发生的漾濞地震序列的震源位置、地震活动性等，利用当前的研究结果初步分析了“震群（多震）型”和“主余型”地震序列的特征，但不同类型地震序列的地震活动性、震源参数的时空变化等特征可能更复杂多变，尚待通过更多方法对更多震例予以研究。

加拿大戴尔豪斯大学张淼博士提供了MatchLocate2程序包，云南省测震台网提供了观测报告和连续波形数据，两位审稿专家提出了宝贵的意见，作者在此一并感谢。