Microwave anomaly of Maduo MS7.4 earthquake derived by improved two-step difference method
-
摘要: 针对2011年提出的两步差法在地震微波异常提取中的不足，提出了改进两步差法，该方法通过使用层次聚类和小波分析两种算法，克服了原方法中未考虑不同地物类型引起的亮温差异、亮温背景场不够稳健等问题，从而使异常结果在空间形态和异常幅度上更加合理，并将该方法应用于2021年5月22日青海省玛多县MS7.4地震的微波异常提取。结果显示，玛多地震前三个月出现了一条长约900 km、增温幅值达12 K的NE向亮温增温条带，与2010年4月14日MS7.1玉树地震前异常特征在空间分布和演化特征上均有很高的相似性。此外，异常出现的时间和幅度与震级有一定相关性，震级较大的玛多地震出现异常时间较早，幅度较大；而震级较小的玉树地震出现异常时间较晚，幅度较小，且两次地震的微波亮温增温幅值均达8 K以上。初步的机理分析认为，地震前的微波异常条带与该区域的NE向张性断裂和张性断陷带在空间上分布一致，异常的出现可能与地震前该断陷带的地热活动以及地表岩石的发射率变化有关。Abstract: In response to the shortcomings of the two-step difference method for extracting seismic microwave anomalies proposed in 2011, an improved two-step difference method which incorporates hierarchical clustering and wavelet analysis is proposed to overcome the problems resulted from ignoring the brightness temperature differences caused by ground cover types and the lack of robustness of the brightness temperature background field in the original method, thus making the anomaly results more reasonable in terms of spatial pattern and anomaly amplitude. The method is applied to the microwave anomaly extraction of the MS7.4 earthquake in Maduo County, Qinghai Province on May 22, 2021. The results show that a NE-trending brightness temperature increase strip with a length of about 900 km and an amplitude of 12 K appeared three months before the Maduo earthquake, which has high similarity in spatial distribution and evolution characteristics with the anomaly characteristics of the MS7.1 Yushu earthquake on April 14, 2010. Furthermore, the appearing time and magnitude of the anomalies are related to the magnitude of the earthquakes. The anomalies of MS7.4 Maduo earthquake appeared earlier than MS7.1 Yushu earthquake with larger scale, and the temperatureincrease of microwave brightness due to both earthquakes reached more than 8 K. Preliminary mechanism analysis suggests that the pre-earthquake microwave anomaly stripes are consistent with the spatial distribution of NEward tensional fractures and extensional fracture zones in the region, and the appearance of the anomalies may be related to the geothermal activity of the fracture zones and the emissivity changes of surface rocks before the earthquakes.
-
引言
华北克拉通是我国最古老的克拉通，位于欧亚板块东部，由西向东依次包括阿拉善地块、鄂尔多斯地块、吕梁山和太行山褶皱带，以及渤海湾盆地（图1）。进入中生代以来，华北克拉通经历了大规模的构造变形和强烈的岩浆活动，造成了大规模的拉伸盆地和岩石圈减薄（Chen，Ai，2009；Zheng et al，2009；Zhu et al，2011）。根据多学科的研究，朱日祥（2018）认为太平洋板片持续的西向俯冲作用是华北克拉通减薄和破坏的主要外部因素。
![]()
图 1 研究区地震观测台站位置与区域构造背景TA Ⅱ和TA Ⅲ分别表示中国地震局地球物理研究所组织实施的第二期和第三期流动观测台阵；61061为位于鄂尔多斯地块内的台站Figure 1. Locations of the seismic stations and regional tectonic settings in the studied areaTA Ⅱ and TA Ⅲ represent the temporary seismic stations of ChinArray phase II and III deployments respectively organized by Institute of Geophysics，China Earthquake Administration. 61061 is the station located in Ordos block地幔转换带结构可以有效地约束上地幔的物质组成、热状态和地幔动力学等问题。一般而言，地幔转换带的410 km和660 km界面是地震波速度梯度变化显著的间断面。410 km界面为α相橄榄岩向β相橄榄岩转变而形成的速度间断面（Ringwood，Major，1970；Katsura，Ito，1989；周春银等，2010），具有正的相变克拉伯龙斜率（dP/dT）；660 km界面通常认为是由γ相尖晶石分解为钙钛矿和镁质方铁矿（方镁石、方铁矿和超石英）引起的（Deuss et al，2006；Frost，2008），具有负的相变克拉伯龙斜率（dP/dT）。因此，地幔转换带中温度和成分的变化可以控制410 km和660 km间断面的深度，下插的岩石圈板块或者上涌的地幔柱亦可使其偏离平衡位置。
接收函数共转换点（common conversion point，缩写为CCP）叠加是获取地下速度间断面的有效手段，常被用来研究地幔转换带的结构特征。在华北克拉通地区，近十年来前人利用接收函数方法已经给出了一些关于地幔转换带结构的研究工作，探讨了华北克拉通地幔热物质流和太平洋板片俯冲等地学问题（Chen，Ai，2009；Tian et al，2011；Xu et al，2011；Wang，Niu，2011；王炳瑜等，2013；Si et al，2016）。这些研究均表明华北克拉通410 km和660 km间断面埋深具有较强的横向变化，并观测到华北克拉通东部存在660 km双重间断面（Wang，Niu，2011；王炳瑜等，2013；Si et al，2016）。但是受台站分布和观测资料的限制，这些结果之间还存在着不一致，也导致对华北克拉通下方地幔热流和太平洋俯冲板片俯冲等的认识仍存在一定争议（Chen，Ai，2009；Chen，2010；Wang，Niu，2011；Si et al，2016）。
近年来，中国地震局地球物理研究所组织的ChinArray计划，已经在南北构造带和华北克拉通地区布设了密集的宽频带流动地震观测台阵。本研究收集了ChinArray计划中二期和三期台阵（图1）的远震波形资料，拟开展接收函数CCP叠加研究，以期获取华北克拉通中西部及其邻区的地幔转换带精细结构，并试图探讨华北克拉通上地幔构造变形和太平洋板片俯冲的地球动力学问题。
1. 数据与方法
1.1 数据
由1 000余套宽频带流动地震观测台站组成的ChinArray计划二期和三期台阵，密集覆盖了华北克拉通中西部地区（图1）。本研究收集了台阵中所有台站记录的远震三分量波形数据。之后，对其中874个台站的观测数据进行了筛选和处理，要求震级大于MS5.0、震中距在30°—90°之间、波形数据信噪比高、同时含有三个分量和具有清晰的P波初至。经过上述处理，从第二期和第三期台阵中分别筛选出536个和287个台站，以及在2013年9月至2019年1月期间所记录的873个远震事件（图2）。由图2所示，大多地震事件分布于西太平洋俯冲带和日本爪哇海沟附近，但对整体的震中距和方位角具有较好的覆盖。
1.2 接收函数
本研究采用频域的“水平”卷积技术（Clayton，Wiggins，1976；Ammon，1991）来计算远震P波接收函数，即
${{RF}}\left(\omega \right) {\text{＝}} \frac{{{{V}}\left(\omega \right){{{P}}^{\rm{*}}}\left(\omega \right)}}{{{\rm{max}}\{ {{\left| {{{P}}\left(\omega \right)} \right|}^2}{\text{，}}\; \gamma {{\left| {{{{P}}_{{\rm{max}}}}\left(\omega \right)} \right|}^2}}}{{\rm{exp}}\left[{ {\text{－}} {{\left({\frac{\omega }{{2\alpha }}} \right)}^2}}\right]}{\text{，}}$
(1) 式中，γ和α是定义“水平”因子和高斯低通滤波角频率的两个常数，分别设定为0.01和1.5。P（ω）和V（ω）是P波和SV波分量的谱，设定其时间窗长度为200 s （P波前50 s，后150 s）。在提取接收函数之前，需要对三分量波形数据的两个水平分量进行旋转，使其按照地震台站和震中位置的大圆弧路径旋转至径向（R）和切向（T）分量，那么两个水平分量的方位误差就会对旋转计算的结果产生一定的影响。为修正水平分量的方位误差，利用Niu和Li （2011）提出的P波极化运动方法来估算每个台站的方位误差，最后根据计算结果对所有已选出数据的水平分量进行误差校正处理。
经过计算，得到了大量的接收函数波形。删除信噪比低、P波初至极性反转或者严重偏离0时刻，以及10—80 s内振幅异常大的接收函数后，共挑选出接收函数174 562条。图3所示为位于鄂尔多斯地块内部的61061台站按震中距排列的径向P波接收函数。图中清晰的莫霍面转换波Pms和PpPs表明所获取的接收函数质量高、可靠性强。图3中的410 km间断面转换波P410s和660 km间断面转换波P660s的信号，将会通过多台叠加方法进一步得到增强。
![]()
图 3 61061台站按震中距排列的接收函数每条接收函数为震中距5°范围内所有接收函数的叠加结果，四条红色虚线分别表示转换震相Pms，PpPs，P410s和P660s的理论走时Figure 3. Receiver functions plotted as a function of the epicentral distance at station 61061Each receiver function indicates the stacking of receiver functions binned every 5° in epicentral distance. Four red dashed lines represent the theoretical arrival times of Pms，PpPs，P410s and P660s phases1.3 CCP叠加
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.
共转换点的叠加距离和该距离内转换波的数量对CCP叠加成像结果有重要的约束作用。叠加距离越小，成像的横向分辨率越高，叠加距离内转换波数量越多，叠加结果越可靠。本研究在水平方向沿叠加剖面两侧0.5°范围，深度方向350—750 km范围内进行CCP叠加成像。在接收函数CCP叠加中需要引入初始速度模型来进行射线追踪，以便计算接收函数转换波的转换点位置和走时。本研究采用IASP91速度模型（Kennett，Engdahl，1991）来计算每条接收函数在410 km和660 km间断面上的转换点位置，并进行时深转换。图4给出了研究区内410 km和660 km间断面上的转换点位置分布。
![]()
1.4 可靠性分析
CCP叠加成像结果的可信度取决于挑选的接收函数质量、参与叠加的接收函数数量和时深转换时采用的速度模型（Xu et al，2011）。为了确保接收函数的质量，本研究剔除了受沉积层影响的51个台站，例如，产生多次干扰波或P波初至严重偏离0时刻等，并对接收函数进行了逐条筛选，删除了信噪比不高的数据。另外，图4所示的研究区410 km和660 km间断面上转换点的分布十分密集，可以确保绝大部分区域参与叠加的接收函数数量都在1 000条以上。在本研究中，仅选取接收函数叠加数大于200的区域来进行地幔转换带结构成像分析。
因上地幔结构具有很强的横向不均匀性，故而与实际不符的初始速度模型会导致计算的转换点位置和走时出现偏差，例如杨毅和周蕙兰（2001）的研究得出，410 km间断面埋深增加10 km或者参考模型中速度减少3.5%均能使410 km间断面处的接收函数转换波走时增加1.1 s。但是，地幔转换带内部的横向不均匀性相对较小。上地幔结构的横向不均匀性主要影响410 km和660 km间断面的绝对深度，而对两个间断面的深度差影响不大（Chen，Ai，2009；Xu et al，2011；白一鸣等，2018）。基于本研究采用的初始速度模型为一维IASP91模型，本文仅着重讨论地幔转换带厚度的分布特征，而不关注410 km和660 km间断面的绝对深度变化。
2. 结果
图5给出了两条横跨研究区主要构造单元的CCP叠加剖面AA′和BB′。AA′西起阿尔金断裂带东段，经过阿拉善地块北部、河套盆地和大同火山，东至南北重力梯度带（图5a），而BB′剖面从渤海湾盆地西南端向北跨过太行山、大同火山和汉诺坝火山，进入内蒙古褶皱带（图5b）。总的来说，剖面AA′和BB′的410 km和660 km间断面都表现出了明显的强间断面结构特征。在剖面AA′和BB′中，410 km和660 km间断面的不同埋深导致了地幔转换带厚度的趋势分布。因此，通过追踪连续的410 km和660 km间断面，可以获取地幔转换带厚度的变化特征。在剖面AA′中，地幔转换带厚度自西向东横向变化明显（图5a），具有东西两端较厚、中间较薄的特点。从图中可以看出：在阿尔金断裂带附近，转换带厚度接近260 km；在阿拉善地块北部，转换带厚度恢复全球平均值250 km；在河套盆地地区，转换带厚度则小于240 km；在大同火山下方，转换带厚度再次接近260 km。在剖面BB′中，地幔转换带厚度自南向北的横向变化相对平缓（图5b），只是在北段进入内蒙古褶皱带后，转换带厚度显著变厚（达270 km），但沿该剖面的转换带厚度整体大于全球平均水平。
华北克拉通中西部及其邻区地幔转换带厚度的起伏变化具有明显的横向不均匀性（图6）。研究区西部和东部地区的地幔转换带较厚，中南部则与全球平均厚度齐平，而北部河套盆地和阴山地区的厚度相对较薄。研究区最厚的地幔转换带位于汉诺坝火山以北的内蒙古褶皱带地区，厚达280 km；而最薄的地幔转换带出现在河套盆地和阴山地区，厚约235 km。在阿尔金断裂带和北山造山带东部，地幔转换带厚度平均约为260 km，而渤海湾盆地下方的地幔转换带厚度在260—265 km范围内。阿拉善地块和鄂尔多斯地块及其以南地区的地幔转换带基本均呈现全球平均的250 km厚度分布。
![]()
图 6 地幔转换带厚度分布红色椭圆和矩形分别为厚和薄的地幔转换带厚度异常区，下同Figure 6. Distribution of the mantle transition zone thicknessRed ellipses and rectangles indicate the thick or thin thickness anomalous regions of the mantle transition zone, the same below3. 分析与讨论
本研究获取的华北克拉通中西部及其邻区地幔转换带厚度介于235—280 km范围内，且具有显著的分区特征，东部和西部为转换带增厚异常区，北部的河套盆地和阴山造山带附近为转换带减薄异常区域，中南部则为近乎平坦的无异常区（图6）。地幔转换带厚度异常分布区域的转换点位置分布均十分密集（图4），这确保了所获得的转换带厚度异常结果真实可靠。本文将着重对地幔转换带厚度存在异常的区域进行讨论。
在地幔热动力平衡中，若地幔转换带的温度变高时，地幔转换带的厚度将随之变薄；反之当地幔转换带处于较冷的状态时，地幔转换带将增厚（Bina，Helffrich，1994；Helffrich，2000；Cammarano et al，2003）。在只考虑温度对转换带厚度有影响的情况下，每100 K的温度异常会引起约10 km的厚度变化（Helffrich，2000；Kind et al，2002）。Cammarano等（2003）指出P波速度相对于温度的敏感度约在−0.43%/100 K。在本研究区，最大和最小的地幔转换带厚度变化分别为约30 km和−15 km，那么所对应的P波速度异常约为＋1.3%和−0.65%，这与图7所示的P波速度异常强度有很好对应（Tao et al，2018）。
![]()
图 7 520 km深度的P波速度结构 （引自Tao et al，2018）Figure 7. P wave velocity structure at 520 km depth （after Tao et al，2018）在阿尔金断裂带和北山造山带东部区域，地幔转换带厚度较正常值大10 km左右（图5a，图6）。在体波层析成像的结果中，该区域的地幔转换带显示为相对高速的异常（郭慧丽等，2017；高翔等，2018；Tao et al，2018；Zhang et al，2018）。邹长桥等（2017）的研究指出阿拉善地块岩石圈南向俯冲，并在祁连造山带下方与北向俯冲的柴达木岩石圈发生面对面碰撞。郭慧丽等（2017）和高翔等（2018）推测，该区域300 km至地幔转换带深度上的大范围高速异常可能是岩石圈的拆离体。在本研究中，该区域较厚的地幔转换带可能与这种低温的岩石圈拆离体有关。
较薄的地幔转换带厚度出现在鄂尔多斯地块北部的河套盆地和阴山造山带附近，最薄处相对正常的厚度小约15 km。Chen和Ai （2009）、Chen （2010）及Xu等（2011）的研究结果同样显示该地区地幔转换带厚度变化介于235—240 km范围内，但受数据资料的限制，仅覆盖了108°以东地区。最近的层析成像结果（郭慧丽等，2017；高翔等，2018；Tao et al，2018；Xu et al，2018）在鄂尔多斯地块以北地区均观测到向下一直延伸至地幔转换带的低速异常。郭慧丽等（2017）认为该低速异常是源于地幔转换带的深部热物质上涌所致，而高翔等（2018）结合数值模拟（Liu et al，2004）推测青藏高原地幔物质运移导致了鄂尔多斯地块北部岩石圈减薄和岩浆活动，此处的低速异常体现了热的地幔物质运移。另外，Xu等（2018）和Tao等（2018）的结果显示该低速异常还与大同火山有很好的空间对应关系。因此，河套盆地和阴山造山带下方薄的地幔转换带厚度（图6，7）与此处的热地幔物质环境相吻合。
本文中，最厚的地幔转换带（达30 km）位于汉诺坝火山以北的内蒙古褶皱带地区（图6）。汉诺坝玄武岩是华北克拉通北缘广泛出露的碱性玄武岩和拉斑玄武岩，地质和地球化学研究（Xu et al，2005；张文慧，韩宝福，2006；张玉生，2018）认为其成因于地幔柱，上涌的热地幔物质在底侵作用下使得岩石圈底部的部分碎块拆沉，从而导致新生代岩石圈持续减薄。在该区域，前人利用接收函数方法获取的地幔转换带厚度均存在大于30 km的厚度异常（Chen，Ai，2009；Liu et al，2015；Zhang et al，2016）。Liu等（2015）和Zhang等（2016）的结果显示，该厚度异常主要体现的是汉诺坝火山以北地区410 km间断面的明显上浮，与本文的结果一致（图5b）。Zhang等（2016）分析认为地幔物质上涌致冷的岩石圈发生拆沉并滞留于410 km间断面附近是地幔转换带增厚的原因。综上所述，本文在汉诺坝火山以北地区的地幔转换带厚度异常支持Zhang等（2016）给出的推断。
渤海湾盆地的地幔转换带厚度比正常的幅值大10—15 km （图6），与Chen和Ai （2009）观测的结果相似，但与以稀疏的固定台站获取的转换带厚度结果存在一定差异（Wang，Niu，2001；Si et al，2016）。朱日祥（2018）认为太平洋板片俯冲引发的地幔非稳态流动导致了华北克拉通东部的整体破坏，使得岩石圈减薄至60—80 km （Chen，Ai，2009）。地震层析成像研究（Huang，Zhao，2006；Wei et al，2012；Liu et al，2017；Tao et al，2018；Xu et al，2018）观测到了由太平洋板片西向俯冲并停留在华北克拉通东部地幔转换带而产生的高速异常。Wei等（2012）和Liu等（2017）的结果甚至认为太平洋板片在地幔转换带中的前缘位置部分已越过南北重力梯度带。本文得到的渤海湾盆地下方较厚的地幔转换带进一步佐证了冷的太平洋板片俯冲到华北克拉通东部地幔转换带的事实。
4. 结论
根据密集的ChinArray计划二期和三期的台阵资料，本文在华北克拉通中西部及其邻区利用接收函数CCP叠加方法开展了地幔转换带结构的研究，结果显示地幔转换带厚度分布具有明显的分区特征。阿尔金断裂带和北山造山带东部较厚的地幔转换带可能与阿拉善地块南向俯冲的岩石圈拆离体有关。河套盆地和阴山造山带附近观测到相对薄的地幔转换带，表明该区域为热的地幔环境，可能暗示了地幔物质上涌和岩浆活动的存在。汉诺坝火山以北地区超出正常幅值30 km的地幔转换带厚度和明显上浮的410 km间断面与冷的岩石圈拆沉并滞留于410 km间断面附近的推断相吻合。在渤海湾盆地下方观测到厚的地幔转换带异常证实了冷的太平洋板片西向俯冲并滞留于地幔转换带。
中国地震局地球物理研究所“中国地震科学探测台阵数据中心”为本研究提供了地震波形数据，本文的数据处理和绘图采用了SAC （Seismic Analysis Code）和GMT （Wessel et al，2013）软件包，作者在此一并表示感谢。
-
![]()
图 3 2021年2月6日至3月23日微波亮温原始数据
Figure 3. Microwave brightness temperature data from February 6 to March 23，2021
![]()
图 4 玛多地震前的微波亮温异常时空演化图
Figure 4. Spatio-temporal evolution of the microwave brightness temperature anomaly prior to the Maduo earthquake
![]()
图 5 玉树地震微波亮温异常时空演化图
Figure 5. Spatio-temporal evolution of the microwave brightness temperature anomaly prior to the Yushu earthquake
-
陈顺云,马瑾,刘培洵,刘力强,陈国强. 2004. 中国地表亮度温度年变基准场[J]. 地震地质,26(3):528–538. doi: 10.3969/j.issn.0253-4967.2004.03.017 Chen S Y,Ma J,Liu P X,Liu L Q,Chen G Q. 2004. Normal annual variation field of land surface brightness temperature in China[J]. Seismology and Geology,26(3):528–538 (in Chinese).
陈顺云,刘培洵,刘力强,马瑾,陈国强. 2006. 地表热红外辐射的小波分析及其在现今构造活动研究中的意义[J]. 地球物理学报,49(3):824–830. doi: 10.3321/j.issn:0001-5733.2006.03.026 Chen S Y,Liu P X,Liu L Q,Ma J,Chen G Q. 2006. Wavelet analysis of thermal infrared radiation of land surface and its implication in the study of current tectonic activities[J]. Chinese Journal of Geophysics,49(3):824–830 (in Chinese).
胡同喜,赵天杰,施建成,谷金枝. 2016. AMSR-E与AMSR2被动微波亮温数据交叉定标[J]. 遥感技术与应用,31(5):919–924. Hu T X,Zhao T J,Shi J C,Gu J Z. 2016. Inter-calibration of AMSR-E and AMSR2 brightness temperature[J]. Remote Sensing Technology and Application,31(5):919–924 (in Chinese).
金旭峰,吴莹,钱博. 2020. 基于AMSR2数据的青藏高原地表温度反演[J]. 地球物理学进展,35(4):1269–1275. doi: 10.6038/pg2020DD0102 Jin X F,Wu Y,Qian B. 2020. Retrieval of land surface temperature from AMSR2 data over the Qinghai−Tibetan Plateau[J]. Progress in Geophysics,35(4):1269–1275 (in Chinese).
荆凤,申旭辉,康春丽,熊攀,孙珂. 2012. 2010年新西兰M7.1地震前的长波辐射变化特征[J]. 地球科学进展,27(9):979–986. Jing F,Shen X H,Kang C L,Xiong P,Sun K. 2012. Variation of outgoing longwave radiation around the time of New Zealand earthquake M7.1,2010[J]. Advances in Earth Science,27(9):979–986 (in Chinese).
刘云华,单新建,屈春燕,张桂芳. 2010. 青海玉树MS7.1级地震地表形变场特征研究[J]. 中国科学:地球科学,40(10):1310–1320. Liu Y H,Shan X J,Qu C Y,Zhang G F. 2011. Earthquake deformation field characteristics associated with the 2010 Yushu MS7.1 earthquake[J]. Science China Earth Science,54(4):571–580. doi: 10.1007/s11430-010-4116-7
孟亚飞,孟庆岩,张颖,周世健,刘文宝. 2021. 基于夜间多时相遥感数据的热异常与地震的相关性[J]. 地震学报,43(1):124–135. doi: 10.11939/jass.20200009 Meng Y F,Meng Q Y,Zhang Y,Zhou S J,Liu W B. 2021. Correlation between thermal anomalies and earthquakes based on nighttime multi-temporal remote sensing data[J]. Acta Seismologica Sinica,43(1):124–135 (in Chinese).
屈春燕,单新建,马瑾. 2006. 卫星热红外遥感在火山活动性监测中的应用[J]. 地震地质,28(1):99–110. doi: 10.3969/j.issn.0253-4967.2006.01.010 Qu C Y,Shan X J,Ma J. 2006. Application of satellite thermal infrared remote sensing in detection of volcano activity[J]. Seismology and Geology,28(1):99–110 (in Chinese).
宋冬梅,臧琳,单新建,袁媛,崔建勇,邵红梅,沈晨,时洪涛. 2016. 基于LST年趋势背景场的地震热异常提取算法[J]. 地震地质,38(3):680–695. doi: 10.3969/j.issn.0253-4967.2016.03.014 Song D M,Zang L,Shan X J,Yuan Y,Cui J Y,Shao H M,Shen C,Shi H T. 2016. A study on the algorithm for extracting earthquake thermal infrared anomalies based on the yearly trend of LST[J]. Seismology and Geology,38(3):680–695 (in Chinese).
王鹏,陈晓宏,沈立成,肖琼,吴孝情. 2016. 西藏地热异常区热储温度及其地质环境效应[J]. 中国地质,43(4):1429–1438. Wang P,Chen X H,Shen L C,Xiao Q,Wu X Q. 2016. Reservoir temperature of geothermal anomaly area and its environmental effect in Tibet[J]. Geology in China,43(4):1429–1438 (in Chinese).
王未来,房立华,吴建平,屠泓为,陈立艺,来贵娟,张龙. 2021. 2021年青海玛多MS7.4地震序列精定位研究[J]. 中国科学:地球科学,51(7):1193–1202. Wang W L,Fang L H,Wu J P,Tu H W,Chen L Y,Lai G J,Zhang L. 2021. Aftershock sequence relocation of the 2021 MS7.4 Maduo earthquake,Qinghai,China[J]. Science China Earth Sciences,64(8):1371–1380. doi: 10.1007/s11430-021-9803-3
王亚丽,陈桂华,康春丽,张倩. 2008. 利用小波包分析进行地震相关热红外辐射异常信息检测[J]. 地球物理学进展,23(2):368–374. Wang Y L,Chen G H,Kang C L,Zhang Q. 2008. Earthquake-related thermal-infrared abnormity detection with wavelet packet decomposition[J]. Progress in Geophysics,23(2):368–374 (in Chinese).
魏从信,张元生,王莹. 2018. 日本MW9.1地震对区域热辐射背景场影响的时频分析[J]. 地震学报,40(2):205–214. Wei C X,Zhang Y S,Wang Y. 2018. Time-frequency analysis of the influence of Japan MW9.1 earthquake on regional thermal radiation background field[J]. Acta Seismologica Sinica,40(2):205–214 (in Chinese).
吴立新,齐源,毛文飞,刘善军,丁逸凡,荆凤,申旭辉. 2022. 多波段多极化被动微波遥感地震应用研究进展与前沿方向探索[J]. 测绘学报,51(7):1356–1371. Wu L X,Qi Y,Mao W F,Liu S J,Ding Y F,Jing F,Shen X H. 2022. Progresses and possible frontiers in the study on seismic applications of multi-frequency and multi-polarization passive microwave remote sensing[J]. Acta Geodaetica et Cartographica Sinica,51(7):1356–1371 (in Chinese).
解滔,郑晓东,康春丽,马未宇,卢军. 2015. 2013年4月20日芦山MS7.0地震前热红外亮温异常分析[J]. 地震地质,37(1):149–161. doi: 10.3969/j.issn.0253-4967.2015.01.012 Xie T,Zheng X D,Kang C L,Ma W Y,Lu J. 2015. Possible thermal brightness temperature anomalies associated with the Lushan (China) MS7.0 earthquake on 20 April 2013[J]. Seismology and Geology,37(1):149–161 (in Chinese).
徐纪人,赵志新,石川有三. 2005. 青藏高原中南部岩石圈扩张应力场与羊八井地热异常形成机制[J]. 地球物理学报,48(4):861–869. doi: 10.3321/j.issn:0001-5733.2005.04.018 Xu J R,Zhao Z X,Ishikawa Y. 2005. Extensional stress field in the central and southern Qinghai-Tibetan Plateau and dynamic mechanism of geothermic anomaly in the Yangbajain area[J]. Chinese Journal of Geophysics,48(4):861–869 (in Chinese).
袁伏全,张超美,孙世瑞,罗宾生. 2017. 青海地区地震与地热的分布特征[J]. 高原地震,29(2):1–6. doi: 10.3969/j.issn.1005-586X.2017.02.001 Yuan F Q,Zhang C M,Sun S R,Luo B S. 2017. Study on spatial relationship between earthquakes and geothermal in Qinghai Province[J]. Plateau Earthquake Research,29(2):1–6 (in Chinese).
臧琳,宋冬梅,单新建,崔建勇,邵红梅,沈晨,时洪涛,宋先月. 2016. 基于被动微波与时空联合算法的云下像元LST重建[J]. 遥感技术与应用,31(4):764–772. Zang L,Song D M,Shan X J,Cui J Y,Shao H M,Shen C,Shi H T,Song X Y. 2016. Reconstruction of LST under the cloud based on passive microwave remote sensing and spatio-temporal domain algorithm[J]. Remote Sensing Technology and Application,31(4):764–772 (in Chinese).
张宾,秦凯,吴涛,石铁伟,樊文智. 2018. 地震前卫星遥感微波辐射异常统计分析:以堪察加半岛为例[J]. 地震学报,40(1):98–107. doi: 10.11939/jass.20170089 Zhang B,Qin K,Wu T,Shi T W,Fan W Z. 2018. Statistical analysis of microwave radiation anomaly before earthquake:A case study of Kamchatka Peninsula[J]. Acta Seismologica Sinica,40(1):98–107.
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(S2):13–24.
张勇攀,蒋玲梅,邱玉宝,武胜利,施建成,张立新. 2010. 不同地物类型微波发射率特征分析[J]. 光谱学与光谱分析,30(6):1446–1451. doi: 10.3964/j.issn1000-0593(2010)06-1446-06 Zhang Y P,Jiang L M,Qiu Y B,Wu S L,Shi J C,Zhang L X. 2010. Study of the microwave emissivity characteristics over different land cover types[J]. Spectroscopy and Spectral Analysis,30(6):1446–1451 (in Chinese).
赵平,谢鄂军,多吉,金建,胡先才,杜少平,姚中华. 2002. 西藏地热气体的地球化学特征及其地质意义[J]. 岩石学报,18(4):539–550. Zhao P,Xie E J,Dor J,Jin J,Hu X C,Du S P,Yao Z H. 2002. Geochemical characteristics of geothermal gases and their geological implications in Tibet[J]. Acta Petrologica Sinica,18(4):539–550 (in Chinese).
郑度,赵东升. 2017. 青藏高原的自然环境特征[J]. 科技导报,35(6):13–22. Zheng D,Zhao D S. 2017. Characteristics of natural environment of the Tibetan Plateau[J]. Science &Technology Review,35(6):13–22 (in Chinese).
Boggess A, Narcowich F J. 2010. A First Course in Wavelets With Fourier Analysis[M]. New Jerseya: Wiley: 173–207.
Chui C K. 1992. An Introduction to Wavelets[M]. San Diego: Academic Press: 1–333.
Han J W, Micheline K, Pei J. 2011. Data Mining: Concepts and Techniques[M]. San Francisco: Morgan Kaufmann Publisher: 288–321.
Jing F,Singh R P,Sun K,Shen X H. 2018. Passive microwave response associated with two main earthquakes in Tibetan Plateau,China[J]. Adv Space Res,62(7):1675–1689. doi: 10.1016/j.asr.2018.06.030
Jing F,Singh R P,Cui Y J,Sun K. 2020. Microwave brightness temperature characteristics of three strong earthquakes in Sichuan Province,China[J]. IEEE J Sel Top Appl Earth Obs Remote Sens,13:513–522. doi: 10.1109/JSTARS.2020.2968568
Liu S J, Ma Y T, Wu L X. 2011. Microwave radiation anomaly of Wenchuan earthquake and its mechanism[C]//2011 IEEE International Geoscience and Remote Sensing Symposium. Vancouver B C: IEEE: 2500–2503.
Liu S J, Liu X, Ma Y T, Wu L X. 2012. Microwave radiation anomaly of Yushu earthquake and its mechanism[C]//2012 IEEE International Geoscience and Remote Sensing Symposium. Munich: IEEE: 1192–1195.
Liu S J,Xu Z Y,Wei J L,Huang J W,Wu L X. 2016. Experimental study on microwave radiation from deforming and fracturing rock under loading outdoor[J]. IEEE Trans Geosci Remote Sens,54(9):5578–5587. doi: 10.1109/TGRS.2016.2569419
Ma Y T,Liu S J,Wu L X,Xu Z Y. 2011. Two-step method to extract seismic microwave radiation anomaly:Case study of MS8.0 Wenchuan earthquake[J]. Earthquake Science,24(6):577–582. doi: 10.1007/s11589-011-0819-x
Maeda T, Takano T. 2009. Detection of microwave signals associated with rock failures in an earthquake from satellite-borne microwave radiometer data[C]//2009 IEEE International Geoscience and Remote Sensing Symposium. Cape Town: IEEE: Ⅲ-61–Ⅲ-64.
Piroddi L,Ranieri G. 2012. Night thermal gradient:A new potential tool for earthquake precursors studies:An application to the seismic area of L’Aquila (Central Italy)[J]. IEEE J Sel Top Appl Earth Obs Remote Sens,5(1):307–312. doi: 10.1109/JSTARS.2011.2177962
Qi Y, Wu L X, Mao W F, He M. 2019. Mining seismic anomaly from satellite microwave big data: Methodology and case studies[C]//2019 Photonics & Electromagnetics Research Symposium-Fall （PIERS-Fall）. Xiamen: IEEE: 1819–1823.
Qi Y,Wu L X,He M,Mao W F. 2020. Spatio-temporally weighted two-step method for retrieving seismic MBT anomaly:May 2008 Wenchuan earthquake sequence being a case[J]. IEEE J Sel Top Appl Earth Obs Remote Sens,13:382–391. doi: 10.1109/JSTARS.2019.2962719
Qi Y,Miao Z L,Wu L X,Ding Y F. 2021a. Seismic microwave brightness temperature anomaly detection using multitemporal passive microwave satellite images:Ideas and limits[J]. IEEE J Sel Top Appl Earth Obs Remote Sens,14:6792–6806. doi: 10.1109/JSTARS.2021.3093819
Qi Y,Wu L X,Ding Y F,Liu Y J,Chen S,Wang X,Mao W F. 2021b. Extraction and discrimination of MBT anomalies possibly associated with the MW7.3 Maduo (Qinghai,China) earthquake on 21 May 2021[J]. Remote Sens,13(22):4726. doi: 10.3390/rs13224726
Qi Y,Wu L X,Mao W F,Ding Y F,He M. 2021c. Discriminating possible causes of microwave brightness temperature positive anomalies related with May 2008 Wenchuan earthquake sequence[J]. IEEE Trans Geosci Remote Sens,59(3):1903–1916. doi: 10.1109/TGRS.2020.3004404
Qiang Z J,Xu X D,Dian C G. 1997. Thermal infrared anomaly precursor of impending earthquakes[J]. Pure Appl Geophys,149(1):159–171. doi: 10.1007/BF00945166
Singh R P,Mehdi W,Gautam R,Kumar J S,Zlotnicki J,Kafatos M. 2010. Precursory signals using satellite and ground data associated with the Wenchuan earthquake of 12 May 2008[J]. Int J Remote Sens,31(13):3341–3354. doi: 10.1080/01431161.2010.487503
Takano T,Maeda T. 2009. Experiment and theoretical study of earthquake detection capability by means of microwave passive sensors on a satellite[J]. IEEE Geosci Remote Sens Lett,6(1):107–111. doi: 10.1109/LGRS.2008.2005735
Tronin A A. 1996. Satellite thermal survey:A new tool for the study of seismoactive regions[J]. Int J Remote Sens,17(8):1439–1455. doi: 10.1080/01431169608948716
Wu L X,Qin K,Liu S J. 2012. GEOSS-based thermal parameters analysis for earthquake anomaly recognition[J]. Proc IEEE,100(10):2891–2907. doi: 10.1109/JPROC.2012.2184789
Xie T,Kang C L,Ma W Y. 2013. Thermal infrared brightness temperature anomalies associated with the Yushu (China) MS=7.1 earthquake on 14 April 2010[J]. Nat Hazards Earth Syst Sci,13(4):1105–1111. doi: 10.5194/nhess-13-1105-2013
Xiong P,Shen X H,Gu X F,Meng Q Y,Zhao L M,Zhao Y H,Li Y,Dong J T. 2015. Seismic infrared anomalies detection in the case of the Wenchuan earthquake using bi-angular advanced along-track scanning radiometer data[J]. Ann Geophys,58(2):S0217.
Yang J,Guo G M. 2013. Preliminary analysis of thermal anomalies before the 2010 Baja California M7.2 earthquake[J]. Atmósfera,26(4):473–477.
下载:
计量
- 文章访问数: 301
- HTML全文浏览量: 131
- PDF下载量: 84
