利用P波参数阈值实时估算地震预警潜在破坏区范围

彭朝勇, 杨建思

彭朝勇, 杨建思. 2019: 利用P波参数阈值实时估算地震预警潜在破坏区范围. 地震学报, 41(3): 354-365. DOI: 10.11939/jass.20190140
引用本文: 彭朝勇, 杨建思. 2019: 利用P波参数阈值实时估算地震预警潜在破坏区范围. 地震学报, 41(3): 354-365. DOI: 10.11939/jass.20190140
Peng Chaoyong, Yang Jiansi. 2019: Real-time estimation of potentially damaged zone for earthquake early warning based on thresholds of P-wave parameters. Acta Seismologica Sinica, 41(3): 354-365. DOI: 10.11939/jass.20190140
Citation: Peng Chaoyong, Yang Jiansi. 2019: Real-time estimation of potentially damaged zone for earthquake early warning based on thresholds of P-wave parameters. Acta Seismologica Sinica, 41(3): 354-365. DOI: 10.11939/jass.20190140

利用P波参数阈值实时估算地震预警潜在破坏区范围

基金项目: 国家重点研发计划(2018YFC1504002)、国家自然科学基金项目(41404048)和中国地震局地球物理研究所基本科研业务专项(DQJB14B05)联合资助
详细信息
    通讯作者:

    彭朝勇: e-mail:pengchaoyong@cea-igp.ac.cn

  • 中图分类号: P315.3

Real-time estimation of potentially damaged zone for earthquake early warning based on thresholds of P-wave parameters

  • 摘要: 由于传统的潜在破坏区范围估算方法只能在已获取到震中位置和地震事件结束后才能产出,且往往需要数分钟的耗时,其实时性已无法满足地震预警要求。因此,为了快速产出潜在破坏区范围估算结果并将其用于预警,本文采用了一种结合现地预警技术和区域预警技术、基于预警参数(位移幅值Pd和特征周期τc)阈值的实时潜在破坏区范围估算方法。首先利用国内地震事件(4.0≤MS≤8.0)的记录数据和日本强震动观测事件(6.5≤MJ≤8.0)的数据拟合出特定的适应于我国的参数关系式,包括τc与震级M的相关性、Pd与峰值速度PGV的相关性以及Pdτc和震源距R的相关性;其次,根据最小震级(MS6.0)和仪器烈度(Ⅶ度)定义相应的参数阈值(Pd=0.1 cm和τc=1.1 s);最后,利用已有的3次破坏性地震事件数据开展线下模拟,对该方法的适应性和时效性进行了验证。结果表明,对于2013年MS7.0四川芦山和2014年MS6.5云南鲁甸两次中强地震,震后约10 s即可获取到比较稳定的潜在破坏区范围估计结果;而对于2008年MS8.0汶川特大地震,在其记录台站分布密度不高的情况下,震后40 s左右的估算结果始呈稳定状态。
    Abstract: Conventional methods used for potentially damaged zone (PDZ) estimation usually take several minutes to produce the results, which are generated only after the epicenter of an earthquake has been acquired and the seismic event has ended, its real-time performance cannot meet the requirements of earthquake early warning (EEW). Therefore, to rapidly produce the estimated range of PDZ for EEW, in this paper, we adopted a real-time method to estimate the PDZ range. The method is an integrated on-site and regional early-warning method based on the predefined thresholds of two early-warning parameters, the peak displacement (Pd) and characteristic period (τc). Firstly, we used seismic events records with MS between 4.0 and 8.0 from the China Strong Motion Networks Center and strong-motion records with MJ between 6.5 and 8.0 downloaded from the Japanese National Research Institute for Earth Science and Disaster Resilience to linearly fit relationships of early-warning parameters, including τc versus M, Pd versus PGV, and Pd as a function of τc and hypocentral distance R. We then defined two early-warning parameters thresholds which are set for a minimum magnitude MS6.0 and instrumental intensity Ⅶ, according to the empirical regression analyses of the applied data. At each recording site, the alert level is assigned based on a decisional table with four alert levels defined upon critical values of the parameters Pd and τc. These two threshold values are Pd=0.1 cm and τc=1.1 s. Given a real-time, evolutionary estimation of earthquake location from first P arrivals, the method furnishes an estimation of the extent of PDZ as inferred from continuously updated averages of the period parameter and from mapping of the alert levels determined at the near-source seismic stations. Finally, to test the method’s efficiency and rapidity on mapping the damage zone in a few seconds after an earthquake occurrence, we offline applied the methodology to the strong-motion records of three destructive seismic events. The results show that a robust estimation of the PDZ range for moderate-to-large earthquakes like the 2013 MS7.0 Lushan and 2014 MS6.6 Ludian events can be obtained at about 10 s after the earthquake occurrence. And for the Wenchuan giant earthquake, as the case of low density of recording stations, the prediction of the PDZ becomes stable about 40 s after its occurred time.
  • 近些年来,我国大陆及周边地区相继发生了2008年四川汶川MS8.0、2013年四川芦山MS7.0、2013年甘肃岷县漳县MS6.6、2014年云南鲁甸MS6.5、2015年尼泊尔MS8.1、2015年新疆皮山MS6.5等多次灾害性地震,造成了巨大的人员伤亡和经济损失。大震巨灾给国家经济和社会稳定带来了强大冲击和深远影响。面对复杂严峻的震情形势,如何有效地减轻人员伤亡和降低经济损失,是当前迫切需要解决的问题。地震预警技术作为震灾预防的有效手段之一,可在破坏性地震动到达之前向周围可能遭受地震影响的地区发出警报(马强,2008Zhang et al,2016),最大限度地降低地震造成的人员伤亡和经济损失,其核心之一就是在地震发生过程中,快速计算出潜在破坏区的范围(张红才,2013),并依此发布预警信息。

    针对如何在震后快速估算潜在破坏区范围,国内外许多专家学者对此开展了相关研究(Teng et al,1997Wald et al,19992006Wu et al,20012003Atkinson,Kaka,2007Allen,Wald,2009Moratto et al,2009王玉石等,2010Worden et al,2010陈鲲等,2012)。但是,由于这些基于地震动参数如峰值加速度(peak ground acceleration,简写为PGA)、峰值速度(peak ground velocity,简写为PGV)、峰值位移(peak ground displacement,简写为PGD)等的方法通常只能在已获取到震中位置和地震事件结束后才能产出潜在破坏区空间分布图,耗时往往需要数分钟,有时甚至长达数十分钟,时效性较差。因此,有必要采用一种新的时效性更高(秒级)的方法进行潜在破坏区范围估计,以便将该结果快速地服务于指定目标区内的社会公众和相关行业。近年来,Zollo等(2010)结合现地预警技术和区域预警技术,利用两种预警参数(位移幅值Pd和特征周期τc)提出了一种实时的、基于阈值的潜在破坏区范围估算方法。该方法基于密集的观测台网,可以在震后极短的时间内获取到中强地震潜在破坏区的范围半径。Colombelli等(2012a)利用日本发生的10次M6.0—7.0地震的强震动观测数据对该方法进行了改进并验证了其可行性。Peng等(2015)利用四川芦山MS7.0地震的强震动记录对该方法进行验证,估算的潜在破坏区范围可以随着地震的发生很快获取到;但是,由于其在线下模拟过程中,直接使用了Zollo等(2010)利用日本、台湾和意大利中部强震观测数据获取到的参数关系式和定义的阈值,导致估算结果与实际现场调查结果偏差较大。为了提高结果的估算精度,有必要推导出适应于我国的统计关系式。

    针对以上问题,本文首先利用国内的地震事件记录数据拟合出适应于我国的参数统计关系式,包括τc与震级M的相关性、Pd与PGV的相关性以及Pdτc和震源距R的相关性;其次根据破坏程度定义对应的参数阈值;最后利用已有的3次破坏性地震事件数据开展线下模拟,对拟合获得的关系式和阈值进行验证,以查看其适用性和时效性。

    本研究在拟合各类参数关系式时,采用国家强震动台网中心2007年1月至2014年12月共计23 365条强震动记录数据。其中,2014年的强震动记录数据只有地震应急数据,涉及到2014年新疆于田MS7.3地震、2014年云南鲁甸MS6.5地震、2014年云南景谷MS6.6地震、2014年四川康定MS6.3和MS5.8地震、2014年云南景谷MS5.8地震。由于国内地震事件记录介于MJ6.5—8.0之间的数据非常匮乏,为了确保地震事件数据的均匀性和提高震级区间事件数据的完备性,我们利用日本强震动观测台网(K-net和KiK-net)的38次MS6.5—8.0地震事件数据(共计3 642条记录)进行补充,并从国家地震科学数据共享中心网站上获取到其对应的MS震级,以便于将震级进行统一处理。

    在充分考虑拟合所用数据质量、估算结果发散性和震级精度的情况下,同时参考Wu和Zhao (2006)的记录挑选标准,对获取到的各类数据采用如下条件进行筛选:① 垂直向PGA>5 cm/s2;② 震源距<200 km;③ MS≥4.0;④ 同一地震事件至少有5台记录。此外,在人工查看数据时发现个别的加速度记录在高频能量到来时会产生突跳,经过分析,我们认为这种现象很可能是由传感器的弹簧系统或者电子器件引起。为此,需要将该部分记录排除掉。这样最终筛选出155个地震事件的2 220条台站记录用于参数关系式的统计拟合(图1)。

    图  1  本研究所用震例分布情况
    (a) 地震事件数-震级分布情况;(b) 所用记录的震源距-震级分布情况
    Figure  1.  Distribution of earthquakes used in this study
    (a) Distribution of the number of events with magnitude;(b) Hypocentral distance versus magnitude for the chosen earthquake records

    对筛选出的各台站事件记录数据,首先通过手动方式选择P波到时,然后,对各台站的垂直向加速度记录进行两次积分以获取位移时程,并对位移时程进行连续巴特沃斯(Butterworth)高通滤波器滤波处理(截止频率为0.075 Hz)以移除由于积分操作带来的低频漂移影响(Wu,Kanamori,2008)。考虑到我国的强震动观测数据相对于国外数据质量较差,而τc参数对数据质量要求较高,根据Shieh等(2008)在对数据进行滤波处理时,利用较多的滤波器极点有效地压制了τc值的发散性,从而提高了震级估算结果的准确度。因此,本文在对数据进行处理时采用的是含有4个极点的巴特沃斯高通滤波器,而不是通常所使用的只含有2个极点的巴特沃斯高通滤波器。最后,根据P波3 s垂直向位移时程和速度时程计算τcPd值(Wu,Kanamori,2008Wang et al,2009Zollo et al,2010Colombelli et al,2012a彭朝勇等,2013Peng et al,20142017a),而PGV则取两条水平向速度时程中较大的一条。

    利用上述数据处理结果,采用与Zollo等(2010)一致的数据拟合方法,我们分别得到了τc与震级M的相关性以及Pd与PGV的相关性:

    $ \lg {\tau _{\rm c}} \text{=} 0.195\;6M \text{-} 1.119\;7 \text{±} 0.131\;0\text{,} $

    (1)

    $ \lg {\rm {PGV}} {\text{=}} 0.644\;5\lg {P_{\rm d}} {\text{+}} 1.472\;1 {\text{±}} 0.327\;6\text{,} $

    (2)

    式中,τc,PGV和Pd的单位分别为s,cm/s和cm。式(1)(2)相对应的拟合曲线分别如图2a图3a所示,其中:τcM的相关性的标准差为0.131 0,相关系数为0.856 1,对应的震级偏差约为0.67;而Pd与PGV的相关性对应的标准差为0.327 6,相关系数为0.819 2。对于同一地震事件,我们通常将从不同台站计算获取到的τc值取平均,以降低由于场地效应所导致的离散性(Wu,Zhao,2006Wu,Kanamori,2008Zollo et al,2010Peng et al,2017ab)。同时,为了判断日本数据的引入对拟合结果所产生的影响,我们一并拟合出了仅使用我国地震事件记录的对应的关系式,结果分别如图2b图3b所示。经过对比可知,引入日本数据后获取到的关系式,在曲线斜率、标准差和相关系数方面均优于单独使用我国地震事件记录拟合得到的关系式,而且估算结果偏差较小。

    图  2  τc与震级M的相关性
    (a) 同时使用我国和日本地震事件记录的拟合结果;(b) 仅使用我国地震事件记录的拟合结果 空心圆表示每个地震事件对应的各台站记录计算的τc值,实心圆表示每个地震事件对应的各台站的τc平均值;黑色实线表示τc与震级的拟合关系曲线,灰色虚线表示1倍标准方差
    Figure  2.  Correlations between τc and magnitude M
    (a) Fitting result derived from China and Japan earthquake data;(b) Fitting result derived only from China earthquake data Open circles represent τc values of each strong-motion record,while black dots indicate averaged τc of each event. The empirical τc versus magnitude relation is shown by black solid line with its standard deviations shown by gray dashed lines
    图  3  Pd与PGV相关性
    (a) 同时使用我国和日本地震事件记录的拟合结果;(b) 仅使用我国地震事件记录的拟合结果 圆点表示每条记录对应的Pd与PGV值,黑色实线表示线性拟合曲线,灰色虚线表示1倍标准方差
    Figure  3.  Relationship between Pd and PGV
    (a) Fitting result derived from China and Japan earthquake data;(b) Fitting result derived only from China earthquake data Gray dots represent Pd and PGV values of each strong-motion record. Solid black line indicates the linear fitting curve and the two gray dashed lines show the range of one standard deviation

    为了快速估算地震造成的潜在破坏区的范围,我们利用Pdτc和震源距R定义了一个经验衰减关系。考虑到τc参数与震级的相关性,该关系式实际上类似于常见的地震动衰减关系式(ground motion prediction equation,简写为GMPE),仅以Pd作为估算值而已。应用多变量线性回归算法,我们获取到的关系式如下:

    $ \lg {P_{\rm d}} {\text{=}} {\text{-}} 0.230\;8 {\text{+}} 1.760\;1\lg {\tau _{\rm c}} {\text{-}} 0.812\;5\lg R {\text{±}} 0.513\;8\text{,} $

    (3)

    式中,R表示震源距。图4中显示的是各条记录的Pd值随特征周期τc和震源距R的分布情况,以及对应于不同τc值的拟合曲线。

    图  4  位移幅值Pdτc和震源距R分布图
    Figure  4.  Pd as a function of τc and hypocentral distance R

    在对潜在破坏区范围进行估计时,需要预先设定Pdτc的阈值,以便于实时判断每个台站的参数变化情况。根据Wu和Kanamori (2008)Zollo等(2010)宋晋东等(2018ab)以及经验关系式(1)(2),对于一个给定的台站,我们利用Pdτc定义了4类本地地震预警级别:① Pd≥0.1 cm且τc≥1.1 s为3级,表示正在发生的地震震级较大,并且位于台站附近,地震可能会对台站附近和离台站较远的地方造成破坏;② Pd≥0.1 cm且τc<1.1 s为2级,表明地震震级较小、发生在台站附近,可能会对台站附近区域造成破坏;③ Pd<0.1 cm且τc≥1.1 s为1级,表示地震震级较大但是发生在离台站较远的地方,只会对离台站较远的地方造成破坏;④ Pd<0.1 cm且τc<1.1 s为0级,无破坏。对于阈值Pd=0.1 cm和τc=1.1 s,根据式(1)(2),分别对应于M=6和IMM=Ⅶ。其中,指定Pd阈值时,利用了 《仪器地震烈度计算暂行规程》 马强等(2014)中定义的烈度为Ⅶ度时对应的单水平方向PGV下限值6.44 cm/s。

    在获取到多个台站所对应的Pdτc测量值后,就可以通过对各个台站的τc值取平均,同时将Pd值固定在阈值0.1 cm,并利用式(3)计算潜在破坏区的半径范围。而在实际应用时,参考USGS ShakeMap系统的处理方法(Wald et al,1999),首先将台站覆盖区域划分为固定大小的网格,网格内如果存在台站,则直接利用台站测量值Pdτc;否则,采用式(3)和已测定各台站τc平均值计算预测值Pd。然后结合Pd测量值和预测值,对震中附近区域范围进行插值。生成的结果中,等值线Pd=0.1 cm包括的范围也就是估算的具有高烈度破坏的区域。该方法可以采用实时估算的模式,以1 秒或多秒为间隔,利用更多的触发台站数量对估算结果进行逐步更新。在使用式(3)计算预测值Pd时,需要首先获取震中信息和震源深度,以便计算震源距R。本文采用实时定位算法RTLoc (Satriano et al,2008)对震中位置和震源深度进行实时定位处理。该算法基于泰森多边形(Voronoi图)概念(Cua,Heaton,2007)和“着未着”方法(Horiuchi et al,2005),通过同时利用自动触发台站信息和未触发台站信息,对震中位置和震源深度给出一个概率估计。如果是网内地震,即使在只有一个台站触发的情况下,也能给出一个大致的震源位置信息。当然,利用该算法获取的震中精度和震源深度与发震地点附近区域的台网密度密切相关,平均台间距越小,实时定位精度越高。

    在实际使用本方法时,需要台网具有较高的密度和一定的分布均匀性(Zollo et al,2010)。结合我国近年来各次中强地震的强震台网记录情况,只有2014年8月3日云南鲁甸Ms6.6地震和2013年4月20日四川芦山MS7.0地震的强震台网记录可以达到初步要求。为此,我们利用这两次中强地震事件数据对上述各项拟合关系式和潜在破坏区估算算法的有效性和可靠性进行线下模拟检验。同时,为了验证本方法对特大地震是否仍然具有效用,还选用了2008年5月12日四川汶川MS8.0地震作进一步的验证。3次地震事件的相关参数列于表1。在线下模拟过程中,对台站覆盖区域范围进行格网划分时以0.25°为间隔,同时参考Colombelli等(2012a)的做法,对P波时间窗进行扩展,各条事件记录数据从P波触发时刻起即开始参与Pdτc的测量值计算,每秒计算一次,直到S波到时截止,而不是仅使用P波3 s数据。3次地震事件对应的潜在破坏区估算的线下模拟结果,如图5所示,每张图上的秒值分别对应于发震后指定时刻。在具体绘制Pd分布图时,为了便于比较,我们还在各张图上分别画出该次地震所对应的地震调查烈度圈。其中,Ⅶ度以上的等值线与Ⅵ度等值线采用不同的颜色表示,目的是为了更加直观地将Ⅶ度以上的等值线与前面定义的Pd阈值相对应。同时,图上还分别标示出同一时刻对应的P和S波波前。从图中可以看出,幅值参数Pd值在震中区域附近较大,由于受到几何扩散和非弹性衰减效应的影响,随着震源距增加而逐渐变小。

    表  1  线下模拟的3次破坏性地震事件的相关信息
    Table  1.  The three damaging earthquakes used for off-line simulation
    事件 发震时刻 震中位置 震源深度/km MS
    年−月−日 时:分:秒 东经/° 北纬/°
    云南鲁甸地震 2014−08−03 16:30:12 103.33 27.11 10 6.6
    四川芦山地震 2013−04−20 08:02:48 102.99 30.30 17 7.0
    四川汶川地震 2008−05−12 14:28:00 103.42 31.01 14 8.0
    下载: 导出CSV 
    | 显示表格
    图  5  鲁甸MS6.6 (a)、芦山MS7.0 (b)和汶川MS8.0 (c)地震在发震后指定秒的潜在破坏区范围模拟结果
    蓝色到红色的转换边界表示Pd = 0.1 cm等值线,对应于从式(2)计算获取到IMM=Ⅶ的下限值,图中调查烈度线数据来源于中国地震局(200820132014
    Figure  5.  Simulation results of potentially damaged zone estimation in the specified seconds after the earthquake occurred time for the Ludian MS6.5 (a),Lushan MS7.0 (b) and Wenchuan MS8.0 earthquakes (c)
    The color transition from blue to red represents the Pd=0.1 cm isoline,which corresponds to a IMM=Ⅶ,based on the scaling relationship of equation (2),and the observed damage zones were downloaded from China Earthquake Administration (200820132014

    图5还可以看出,对于鲁甸和芦山两次中强地震来说,在现有台站密度状况下,震后约10 s就可以快速获取到潜在破坏区的范围,而且估算的潜在破坏区域几乎含盖了整个宏观调查烈度Ⅶ度区范围。随着时间的推移,越来越多的台站被触发,潜在破坏区的范围逐渐向外延展,包含的区域越来越大,最终稳定到一个相对固定的范围。该范围与实际震后调查给出的Ⅵ度区范围比较接近,特别是对于鲁甸地震的估算结果而言,与Ⅵ度区的重叠区域几乎达到了80%。而对于汶川特大地震,由于在其破坏范围区域内台站密度较低,并且在震中50 km范围内仅有几个台站,因此,我们从震后20 s的时刻开始绘图,每张图时间间隔为10 s。从图中可以明显地看出,随着时间的增加和P波窗长的扩展,达到本地预警3级的台站越来越多,潜在破坏区范围逐渐向北东向推进,而且还能比较明显地看出该次地震为单侧破裂,与汶川地震的实际破裂过程(王卫民等,2008Zhang et al,2009Lu et al,2010)相吻合。由于图中右上角区域强震观测台站非常稀疏,导致无法获取到完整的潜在破坏区范围估计情况。

    我们利用从国家强震动台网中心获取到的强震动记录数据和从日本强震动观测台网(K-net和KiK-net)下载的MJ6.5—8.0的地震事件数据,基于P波参数阈值开展了地震潜在破坏区实时评估技术研究。该方法基于从垂直分向波形实时测量的两种预警参数:位移幅值Pd和周期参数τc。首先,我们利用P波3 s数据测得的Pdτc值,分别获取到了三种经验关系式:PGV与PdτcM,以及Pdτc和震源距R。考虑到我国现有的强震动观测记录的数据质量相对较差,在对P波3 s数据进行处理时,采用了包含4个极点的巴特沃斯高通滤波器,目的是为了有效地压制τc值的发散性,以便于提高震级估算结果的准确度(Peng et al,2017a)。此外,为了判断引入日本数据对拟合结果产生的影响,我们还获取到只使用我国地震事件记录所对应的关系式。

    对比结果显示,引入日本数据后获取到的关系式,在曲线斜率、标准差和相关系数方面均优于单独使用我国地震事件记录拟合到的关系式,而且估算结果并未出现较大的偏差,可能是由于以下两个方面的原因而引起的:

    1) 我国地震事件记录数据在指定震级范围内分布不均匀,缺少大地震事件数据;

    2) 我国地震事件记录数据以MS4.0—5.0地震为主,而较小的地震事件记录数据往往信噪比较低,计算预警参数时容易引起较大的偏差。在实际的地震预警系统运行过程中也发现依据小地震事件数据计算的预警参数往往偏大,特别是对于像τc这样的周期参数,导致该部分数据对曲线斜率的影响较大。本文的拟合结果与Zollo等(2010)结果的对比结果显示,只有τcM的相关性大体一致,而PGV与Pd的相关性以及Pdτc和震源距R的相关性相差较大,说明τcM的相关性区域特征不明显,而幅值参数在实际使用时需要拟合出适应于本区域的统计关系,以便于提高预警参数估算结果的准确性。

    为了估算大地震潜在破坏区的范围大小,利用前两种关系式联合定义了针对触发台站的4种预警级别,分别对应于震级MS6.0和烈度Ⅶ度。通过这种方法,可以在震中位置和震级未知的情况下,对触发台站附近区域的破坏情况进行快速评估,其结果有助于单台预警信息的发布。结合式(3),可以采用两种方法对潜在破坏区范围进行估算。第一种方法主要利用少量震中区域附近的触发台站信息,通过持续更新的各台站的τc平均值和Pdτc和震源距R的衰减关系式,在震后数秒内快速地给出潜在破坏区的半径。当然,这种结果的误差相对较大,但是非常有效,如芦山和鲁甸地震的线下模拟结果,因为采用这种方法可以获取到更多的预警时间。第二种方法采用逐渐更新的模式,随着时间的增加,离震中更远的台站被触发,新的测量值Pdτc被获取到。通过利用更多的测量值Pd与预测值Pd进行插值,潜在破坏区范围的估算结果将越来越准确,但是有效预警时间也会随之缩短。

    将本方法应用到鲁甸MS6.5、芦山MS7.0和汶川MS8.0地震的结果表明,在强震观测台网较密的情况下,该方法是可行的,其产出结果稳健可靠。对于鲁甸和芦山两次中强地震来说,震后10 s左右即可快速获取到其潜在破坏区的范围大小,而且估算结果与实际观测结果的吻合程度较高,后者往往需要集中大量的人力在震后数天内获取。随着时间的增加,潜在破坏区的范围逐渐接近于Ⅵ度等值线,其原因是由于在定义Pd阈值时,参考的是Ⅶ度等值对应的单水平方向PGV下限值,该值与Ⅵ度对应的单水平方向PGV范围有一定的重合。对于汶川MS8.0特大地震来说,不仅可以快速获取到其潜在破坏区的大小,而且还可以通过该方法大致判断其破坏方向以及破裂方式(单侧破裂还是双侧破裂),但需要相对较长的时间。所需时间较长,一方面是因为该区域台站分布较稀疏,特别是在北东方向(图5c右上角),台站十分稀少;另外一方面是因为对于像汶川这种特大地震来说,整个破坏过程是由多次子事件组合而成(王卫民等,2008Zhang et al,2009Lu et al,2010),而且持续时间非常长,达到了分钟级别,使得无法利用较短的P波窗(3—4 s)准确地估算地震的级别和破坏情况,必须扩展P波窗才能得到更加稳定的结果(Colombelli et al,2012b2014)。汶川地震的潜在破坏区范围估算结果在震后40 s左右开始逐渐稳定,虽然无法为震中区域提供预警信息,但是对于像北川、平武、青川这样的伤亡特别严重的县城来说,由于这些区域在震后50 s以后才开始破裂,特别是青川县,95 s后地震破裂才扩展至该地区(王卫民等,2008),因此仍然可以提供一定的预警时间。

    对于MS7.0左右的地震,其极震区的半径(Ⅶ度及以上区域)虽然只有30—40 km,但是在离震中100 km的区域往往仍然会产生非常强烈的震感。即使是在震中区域附近,实际上可以获取到的预警时间也将超过利用S波到时估算的理论预警时间,因为造成最严重破坏的震动峰值(PGA和PGV)通常不会随着S波的到达而马上到达,往往会推后一定的时间。因此,本方法在实际应用时,可采用逐步更新、分级发布预警信息的模式,以提高地震预警系统的效能。

    随着国家地震烈度速报与预警工程项目的建设,在未来五年内,台网密度将大大提高,尤其是在设定的华北、南北地震带、东南沿海、新疆天山中段这四大重点地震预警区,平均台间距将达到12 km。在这种条件下,首台触发后3 s,平均触发的台站数量将至少达到10 台。假定震源深度为10 km,P波速度为6 km/s,S波速度为3.5 km/s,在利用4个触发台站进行“第一报”预警的情况下,网内地震震后5 s左右就可以生成潜在破坏区范围的估算结果,盲区的范围可望缩小至20 km以内。当然,此处并未考虑台站数据采集延时、网络传输延时、数据处理延时和信息发布延时(根据范围大小,由近到远)的影响,实际所需产出潜在破坏区估算范围的时间会更长。

    中国地震局工程力学研究所 “国家强震动台网中心” 和日本国立地球科学与防灾研究所为本研究提供了强震动事件波形数据,审稿人提出了宝贵的修改意见,作者在此一并表示感谢。

  • 图  1   本研究所用震例分布情况

    (a) 地震事件数-震级分布情况;(b) 所用记录的震源距-震级分布情况

    Figure  1.   Distribution of earthquakes used in this study

    (a) Distribution of the number of events with magnitude;(b) Hypocentral distance versus magnitude for the chosen earthquake records

    图  2   τc与震级M的相关性

    (a) 同时使用我国和日本地震事件记录的拟合结果;(b) 仅使用我国地震事件记录的拟合结果 空心圆表示每个地震事件对应的各台站记录计算的τc值,实心圆表示每个地震事件对应的各台站的τc平均值;黑色实线表示τc与震级的拟合关系曲线,灰色虚线表示1倍标准方差

    Figure  2.   Correlations between τc and magnitude M

    (a) Fitting result derived from China and Japan earthquake data;(b) Fitting result derived only from China earthquake data Open circles represent τc values of each strong-motion record,while black dots indicate averaged τc of each event. The empirical τc versus magnitude relation is shown by black solid line with its standard deviations shown by gray dashed lines

    图  3   Pd与PGV相关性

    (a) 同时使用我国和日本地震事件记录的拟合结果;(b) 仅使用我国地震事件记录的拟合结果 圆点表示每条记录对应的Pd与PGV值,黑色实线表示线性拟合曲线,灰色虚线表示1倍标准方差

    Figure  3.   Relationship between Pd and PGV

    (a) Fitting result derived from China and Japan earthquake data;(b) Fitting result derived only from China earthquake data Gray dots represent Pd and PGV values of each strong-motion record. Solid black line indicates the linear fitting curve and the two gray dashed lines show the range of one standard deviation

    图  4   位移幅值Pdτc和震源距R分布图

    Figure  4.   Pd as a function of τc and hypocentral distance R

    图  5   鲁甸MS6.6 (a)、芦山MS7.0 (b)和汶川MS8.0 (c)地震在发震后指定秒的潜在破坏区范围模拟结果

    蓝色到红色的转换边界表示Pd = 0.1 cm等值线,对应于从式(2)计算获取到IMM=Ⅶ的下限值,图中调查烈度线数据来源于中国地震局(200820132014

    Figure  5.   Simulation results of potentially damaged zone estimation in the specified seconds after the earthquake occurred time for the Ludian MS6.5 (a),Lushan MS7.0 (b) and Wenchuan MS8.0 earthquakes (c)

    The color transition from blue to red represents the Pd=0.1 cm isoline,which corresponds to a IMM=Ⅶ,based on the scaling relationship of equation (2),and the observed damage zones were downloaded from China Earthquake Administration (200820132014

    表  1   线下模拟的3次破坏性地震事件的相关信息

    Table  1   The three damaging earthquakes used for off-line simulation

    事件 发震时刻 震中位置 震源深度/km MS
    年−月−日 时:分:秒 东经/° 北纬/°
    云南鲁甸地震 2014−08−03 16:30:12 103.33 27.11 10 6.6
    四川芦山地震 2013−04−20 08:02:48 102.99 30.30 17 7.0
    四川汶川地震 2008−05−12 14:28:00 103.42 31.01 14 8.0
    下载: 导出CSV
  • 陈鲲,俞言祥,高孟潭,冯静. 2012. 用有限强地震动记录校正等震线的估计研究[J]. 地震学报,34(5):633–645. doi: 10.3969/j.issn.0253-3782.2012.05.005

    Chen K,Yu Y X,Gao M T,Feng J. 2012. Study on bias correction of ShakeMaps based on limited acceleration records[J]. Acta Seismologica Sinica,34(5):633–645 (in Chinese).

    马强. 2008. 地震预警技术研究及应用[D]. 哈尔滨: 中国地震局工程力学研究所: 1−154.

    Ma Q. 2008. Study and Application on Earthquake Early Warning[D]. Harbin: Institute of Engineering Mechanics, China Earthquake Administration: 1−154 (in Chinese).

    马强,李水龙,李山有,陶冬旺. 2014. 不同地震动参数与地震烈度的相关性分析[J]. 地震工程与工程振动,34(4):83–92.

    Ma Q,Li S L,Li S Y,Tao D W. 2014. On the correlation of ground motion parameters with seismic intensity[J]. Earthquake Engineering and Engineering Dynamics,34(4):83–92 (in Chinese).

    彭朝勇,杨建思,薛兵,陈阳,朱小毅. 2013. 基于汶川主震及余震的预警参数与震级相关性研究[J]. 地球物理学报,56(10):3404–3415. doi: 10.6038/cjg20131016

    Peng C Y,Yang J S,Xue B,Chen Y,Zhu X Y. 2013. Research on correlation between early-warning parameters and magnitude for the Wenchuan earthquake and its aftershocks[J]. Chinese Journal of Geophysics,56(10):3404–3415 (in Chinese).

    宋晋东,教聪聪,李山有,侯宝瑞. 2018a. 基于地震P波双参数阈值的高速铁路Ⅰ级地震警报预测方法[J]. 中国铁道科学,39(1):138–144.

    Song J D,Jiao C C,Li S Y,Hou B R. 2018a. Prediction method of first-level earthquake warning for high speed railway based on two-parameter threshold of seismic P-wave[J]. China Railway Science,39(1):138–144 (in Chinese).

    宋晋东,教聪聪,李山有,侯宝瑞,汪源. 2018b. 一种基于地震早期辐射P波能量的高速铁路Ⅰ级地震警报预测方法[J]. 振动与冲击,37(19):14–22,38.

    Song J D,Jiao C C,Li S Y,Hou B R,Wang Y. 2018b. A predicting method for magnitude Ⅰ earthquake alarm of high-speed railways based on seismic early radiated P-wave energy[J]. Journal of Vibration and Shock,37(19):14–22,38 (in Chinese).

    王卫民,赵连锋,李娟,姚振兴. 2008. 四川汶川8.0级地震震源过程[J]. 地球物理学报,51(5):1403–1410. doi: 10.3321/j.issn:0001-5733.2008.05.013

    Wang W M,Zhao L F,Li J,Yao Z X. 2008. Rupture process of the MS8.0 Wenchuan earthquake of Sichuan,China[J]. Chinese Journal of Geophysics,51(5):1403–1410 (in Chinese).

    王玉石,周正华,兰日清. 2010. 利用修正谱烈度确定我国西部地区仪器烈度的建议方法[J]. 应用基础与工程科学学报,18(增刊1):119–129.

    Wang Y S,Zhou Z H,Lan R Q. 2010. A proposed method for instrumental intensity determination in west China using modified spectrum intensity[J]. Journal of Basic Science and Engineering,18(S1):119–129 (in Chinese).

    张红才. 2013. 地震预警系统关键技术研究[D]. 哈尔滨: 中国地震局工程力学研究所: 1−161.

    Zhang H C. 2013. Study of Key Technologies in Earthquake Early Warning System[D]. Harbin: Institute of Engineering Mechanics, China Earthquake Administration: 1−161 (in Chinese).

    中国地震局. 2008. 汶川8.0级地震烈度分布图[EB/OL]. [2008-09-01]. https://www.cea.gov.cn/cea/xwzx/xydt/5219388/index.html.

    China Earthquake Administration. 2008. Seismic intensity distribution map of the 2008 MS8.0 Wenchuan earthquake[EB/OL]. [2008-09-01]. https://www.cea.gov.cn/cea/xwzx/xydt/5219388/index.html (in Chinese).

    中国地震局. 2013.中国地震局发布四川省芦山" 4·20”7.0级强烈地震烈度图[EB/OL]. [2013-04-25]. https://www.cea.gov.cn/cea/zwgk/tzgg/5195230/index.html.

    China Earthquake Administration. 2013. China Earthquake Administration released the seismic intensity distribution map of the " 4·20” MS 7.0 Lushan, Sichuan, earthquake[EB/OL]. [2013-04-25]. https://www.cea.gov.cn/cea/zwgk/tzgg/5195230/index.html (in Chinese).

    中国地震局. 2014. 中国地震局发布云南鲁甸6.5级地震烈度图[EB/OL]. [2014-08-07]. https://www.cea.gov.cn/cea/dzpd/dzzt/3571618/3571619/3577650/index.html.

    China Earthquake Administration. 2014. China Earthquake Administration released the seismic intensity distribution map of the MS 6.5 Ludian, Yunnan, earthquake[EB/OL]. [2014-08-07]. https://www.cea.gov.cn/cea/dzpd/dzzt/3571618/3571619/3577650/index.html (in Chinese).

    Allen T I,Wald D J. 2009. On the use of high-resolution topographic data as a proxy for seismic site conditions (VS30)[J]. Bull Seismol Soc Am,99(2A):935–943. doi: 10.1785/0120080255

    Atkinson G M,Kaka S I. 2007. Relationships between felt intensity and instrumental ground motion in the central United States and California[J]. Bull Seismol Soc Am,97(2):497–510. doi: 10.1785/0120060154

    Colombelli S,Amoroso O,Zollo A,Kanamori H. 2012a. Test of a threshold-based earthquake early-warning method using Japanese data[J]. Bull Seismol Soc Am,102(3):1266–1275. doi: 10.1785/0120110149

    Colombelli S,Zollo A,Festa G,Kanamori H. 2012b. Early magnitude and potential damage zone estimates for the great MW9 Tohoku-Oki earthquake[J]. Geophys Res Lett,39(22):L22306.

    Colombelli S,Zollo A,Festa G,Picozzi M. 2014. Evidence for a difference in rupture initiation between small and large earthquakes[J]. Nat Commun,5:3958. doi: 10.1038/ncomms4958

    Cua G, Heaton T. 2007.The virtual seismologist (VS) method: A bayesian approach to earthquake early warning[G]//Earthquake Early Warning Systems. Heidelberg: Springer: 97−132.

    Horiuchi S,Negishi H,Abe K,Kamimura A,Fujinawa Y. 2005. An automatic processing system for broadcasting earthquake alarms[J]. Bull Seismol Soc Am,95(2):708–718. doi: 10.1785/0120030133

    Lu M,Li X J,An X W,Zhao J X. 2010. A preliminary study on the near-source strong-motion characteristics of the great 2008 Wenchuan earthquake in China[J]. Bull Seismol Soc Am,100(5B):2491–2507. doi: 10.1785/0120090132

    Moratto L,Costa G,Suhadolc P. 2009. Real-time generation of ShakeMaps in the southeastern Alps[J]. Bull Seismol Soc Am,99(4):2489–2501. doi: 10.1785/0120080283

    Peng C Y,Yang J S,Xue B,Zhu X Y,Chen Y. 2014. Exploring the feasibility of earthquake early warning using records of the 2008 Wenchuan earthquake and its aftershocks[J]. Soil Dyn Earthq Eng,57:86–93. doi: 10.1016/j.soildyn.2013.11.005

    Peng C Y,Yang J S,Chen Y,Zhu X Y,Xu Z Q,Zheng Y,Jiang X D. 2015. Application of a threshold-based earthquake early warning method to the MW6.6 Lushan earthquake,Sichuan,China[J]. Seismol Res Lett,86(3):841–847. doi: 10.1785/0220140053

    Peng C Y,Yang J S,Zheng Y,Zhu X Y,Xu Z Q,Chen Y. 2017a. New τc regression relationship derived from all P wave time windows for rapid magnitude estimation[J]. Geophys Res Lett,44(4):1724–1731.

    Peng C Y,Chen Y,Chen Q S,Yang J S,Wang H T,Zhu X Y,Xu Z Q,Zheng Y. 2017b. A new type of tri-axial accelerometers with high dynamic range MEMS for earthquake early warning[J]. Comput Geosci,100:179–187. doi: 10.1016/j.cageo.2017.01.001

    Satriano C,Lomax A,Zollo A. 2008. Real-time evolutionary earthquake location for seismic early warning[J]. Bull Seismol Soc Am,98(3):1482–1494. doi: 10.1785/0120060159

    Shieh J T,Wu Y M,Allen R M. 2008. A comparison of τc and τ $_{\rm {P}}^{\rm {max}}$ for magnitude estimation in earthquake early warning[J]. Geophys Res Lett,35(20):L20301. doi: 10.1029/2008GL035611

    Teng T L,Wu L D,Shi T C,Tsai Y B,Lee W H K. 1997. One minute after:Strong-motion map,effective epicenter,and effective magnitude[J]. Bull Seismol Soc Am,87(5):1209–1219.

    Wald D J,Quitoriano V,Heaton T H,Kanamori H. 1999. Relationships between peak ground acceleration,peak ground velocity,and modified Mercalli intensity in California[J]. Earthq Spectra,15(3):557–564. doi: 10.1193/1.1586058

    Wald D J, Worden B C, Quitoriano V, Pankow K L. 2006. ShakeMap Manual: Technical Manual, User’s Guide, and Software Guide[R]. [2012-02-04]. http://pubs.usgs.gov/tm/2005/12A01/.

    Wang W T,Ni S D,Chen Y,Kanamori H. 2009. Magnitude estimation for early warning applications using the initial part of P waves:A case study on the 2008 Wenchuan sequence[J]. Geophys Res Lett,36(16):L16305. doi: 10.1029/2009GL038678

    Worden C B,Wald D J,Allen T I,Lin K W,García D,Cua G. 2010. A revised ground-motion and intensity interpolation scheme for ShakeMap[J]. Bull Seismol Soc Am,100(6):3083–3096. doi: 10.1785/0120100101

    Wu Y M,Zhao L. 2006. Magnitude estimation using the first three seconds P-wave amplitude in earthquake early warning[J]. Geophys Res Lett,33(16):L16312. doi: 10.1029/2006GL026871

    Wu Y M,Kanamori H. 2008. Exploring the feasibility of on-site earthquake early warning using close-in records of the 2007 Noto Hanto earthquake[J]. Earth Planets Space,60(2):155–160. doi: 10.1186/BF03352778

    Wu Y M,Shin T C,Chang C H. 2001. Near real-time mapping of peak ground acceleration and peak ground velocity following a strong earthquake[J]. Bull Seismol Soc Am,91(5):1218–1228.

    Wu Y M,Teng T L,Shin T C,Hsiao N C. 2003. Relationship between peak ground acceleration,peak ground velocity,and intensity in Taiwan[J]. Bull Seismol Soc Am,93(1):386–396. doi: 10.1785/0120020097

    Zhang H C,Jin X,Wei Y X,Li J,Kang L C,Wang S C,Huang L Z,Yu P Q. 2016. An earthquake early warning system in Fujian,China[J]. Bull Seismol Soc Am,106(2):755–765. doi: 10.1785/0120150143

    Zhang Y,Feng W P,Xu L S,Zhou C H,Chen Y T. 2009. Spatio-temporal rupture process of the 2008 great Wenchuan earthquake[J]. Sci China Ser D:Earth Sci,52(2):145–154. doi: 10.1007/s11430-008-0148-7

    Zollo A,Amoroso O,Lancieri M,Wu Y M,Kanamori H. 2010. A threshold-based earthquake early warning using dense accelero-meter networks[J]. Geophys J Int,183(2):963–974. doi: 10.1111/j.1365-246X.2010.04765.x

  • 期刊类型引用(8)

    1. 王莉婵,毛国良,郭垚嘉,林庆西. 京津冀地区P_d方法震级估算模型研究. 大地测量与地球动力学. 2025(03): 260-265 . 百度学术
    2. 彭朝勇,程振鹏,郑钰,徐志强. 考虑P波预警参数的震源破裂特征实时持续估测方法. 地球科学. 2024(02): 391-402 . 百度学术
    3. 宋晋东,朱景宝,李水龙,王士成,韦永祥,李山有. 基于机器学习预测模型的现地警报级别地震预警试验——以2022年9月5日四川泸定6.8级地震为例. 地球物理学报. 2024(08): 3004-3016 . 百度学术
    4. 郝美仙,王鑫,张珂,刘颖,尹战军,张建中,郑钰. 基于地震预警参数阈值评估内蒙古地区地震潜在破坏区. 中国地震. 2021(01): 239-248 . 百度学术
    5. 彭朝勇,郑钰,徐志强,姜旭东,杨建思. 面向地震烈度仪的现地地震动预测模型的构建与验证. 地震学报. 2021(05): 643-655 . 本站查看
    6. 孙丽,梁建宏,徐志国,刘杰. 虚拟地震学家(VS)方法在中国地震台网中的测试和评估. 中国地震. 2021(04): 843-856 . 百度学术
    7. XU Shi-wei,WANG Yu,WANG Sheng-wei,LI Jian-zheng. Research and application of real-time monitoring and early warning thresholds for multi-temporal agricultural products information. Journal of Integrative Agriculture. 2020(10): 2582-2596 . 必应学术
    8. Wuchuan Xu,Xiangyu An,Enlai Li,Chengwei Wang,Li Zhao. Earthquake early warning system in Liaoning, China based on PRESTo. Earthquake Science. 2020(Z1): 281-292 . 必应学术

    其他类型引用(3)

图(6)  /  表(1)
计量
  • 文章访问数:  1629
  • HTML全文浏览量:  993
  • PDF下载量:  148
  • 被引次数: 11
出版历程
  • 收稿日期:  2018-11-30
  • 修回日期:  2019-02-19
  • 网络出版日期:  2019-05-21
  • 发布日期:  2019-04-30

目录

/

返回文章
返回