Geometry features modeling of three-dimensional fault plane of Changning earthquake based on machine learning
-
摘要:
结合长宁地区大量的地震精定位数据和其它研究成果,利用监督分类和聚类分析等机器学习算法,基于地震簇的形态特征和地震震源机制解,编写了一套自动化提取三维破裂面形态特征的程序,获取了长宁地区地震破裂面的精细结构,可为相关研究提供可参考的发震构造模型。结果显示通过聚类分析最终获取了四个地震簇,结合对应的震源机制解节面信息,最终拟合出四条破裂面,其中:长宁背斜上的破裂面沿狮子滩背斜下部的高速体呈NW−SE方向展布,破裂面平直,倾角较陡,倾向SE;建武向斜内部的三条破裂面,主要分布在向斜两翼,规模较小,走向分别为NW,NNE和NNW,从外部包围了建武向斜核部的高速体,破裂面的展布方向与该地区三个主要震源机制解节面的产状一致,其中新城镇附近的NNW向破裂面切割深度较深,约为20 km,且倾向ENE,倾角约为70°。此外,结合地质构造背景和速度结构等反演结果推断,地震破裂面主要存在于先期形成的构造薄弱带或断裂带,例如背斜的核部和向斜的翼部因节理面贯通所形成的薄弱带以及高速体周围的软弱带,在构造应力的加载和工业开采下更容易微破裂成核,形成典型的发震构造。
Abstract:In recent years, the seismicity of the Changning area in the Sichuan Province has increased significantly. Seismogenic models and seismogenic structures on the background of structural loading coupled with human activities have gradually become the focus of research in the field. Using abundant and accurate hypocenters in the Changning area, we established a program for automatically extracting morphological fault features by using machine learning algorithms including supervised classification and clustering. The method provides a reliable, detailed model of seismogenic faults for relative researches. As a result, four earthquake clusters were identified by clustering analysis, and four fracture planes were fit based on the distribution of hypocenters. The fracture plane on the Changning anticline spreads in NW-SE direction along a high velocity body beneath the Shizitan anticline. The fracture plane is straight with steep dip angle, and inclines SE. The three fracture planes in the inner part of the Jianwu syncline are mainly distributed in small scale on the limbs of the syncline with strike of NW, NNE, and NNW, respectively. They are also distributed in the periphery of the high-velocity body at the core of the Jianwu syncline, and their spreading directions are consistent with the strike of nodal planes of three main focal mechanism solutions in this area. Among these fracture planes, the Xincheng fracture plane extends deep to about 20 km and dips ENE with dip angle 70°. Based also on the geological tectonic settings and velocity structure, the fracture planes mainly exist in weak tectonic zones, such as the nucleus of the anticline and the limbs of the syncline. In particular, the fragile zone around the high-velocity body is more likely to rupture and nucleate under the loading of tectonic stress and industrial mining, forming new seismogenic structures.
-
引言
自新生代以来,欧亚板块和印度板块发生强烈碰撞并持续挤压,导致青藏高原快速隆升、扩张和内部物质的侧向挤出(Holt et al,1991;Houseman,England,1993;Shen et al,2005;Gray,Pysklywec,2012)。安宁河断裂带和龙门山断裂带位于青藏高原东缘,是川滇地块与扬子地块的边界带,周边地区地壳结构横向变化剧烈。安宁河断裂带作为川滇地块边界的一部分,北起石棉,南至西昌,长度约为160 km,整体走向近南北向(唐荣昌等,1992;冉勇康等,2008)。龙门山断裂带是巴颜喀拉地块与扬子地块的部分边界,长度约为500 km,南起天全,向北延伸至广元,整体走向呈北东—南西向,主要由汶川—茂县断裂、映秀—北川断裂、灌县—江油断裂以及相应的推覆构造体组成(邓起东等,1994;李勇等,2006;陈运泰等,2013)。龙门山断裂带与长约300 km的鲜水河断裂带在康定—石棉地区交会(唐荣昌,黄祖智,1983;Allen et al,1991),安宁河断裂带则以石棉为北端。鲜水河、安宁河和龙门山断裂带的主体走向分别为北西、南北、北东向,在康定—石棉地区形成了“Y”字形交会区(马宗晋,郑大林,1981;滕吉文等,2008)。
龙门山和安宁河断裂带周边地区的地壳结构复杂、构造变形剧烈,历史上曾发生过一系列强烈地震,其中M≥6.0地震91次,M≥7.0地震16次(图1)。例如1536年安宁河断裂带上的西昌M7.5地震、1786年鲜水河断裂带上康定M7.5地震、2008年5月12日在龙门山断裂带上发生的汶川MS8.0特大地震等。该地区作为青藏高原东部的前缘地带,其强烈的地震活动和复杂地质构造演化过程受到了国内外地学界的高度重视。
图 1 研究区构造背景及历史强震分布图(引自邓起东等,2002)F1:鲜水河断裂带;F2:安宁河断裂带;F3:汶川—茂县断裂;F4:映秀—北川断裂;F5:灌县—江油断裂,下同Figure 1. Tectonic settings and historical strong earthquake distribution of the studied area (after Deng et al,2002)F1:Xianshuihe fault zone;F2:Anninghe fault zone;F3:Wenchuan-Maoxian fault;F4:Yingxiu-Beichuan fault;F5:Guanxian-Jiangyou fault,the same below近年来,许多学者在该地区开展了大量的深部地球物理研究,获得了一系列有关地壳、上地幔三维速度结构和构造变形等方面的重要成果。例如:地震体波走时层析成像揭示了龙门山断裂带周边地区横向分辨率约30—50 km的中上地壳三维速度结构,结果显示龙门山断裂带附近存在明显的高速异常,且高速体对地震破裂过程有明显的控制作用(吴建平等,2009;Lei et al,2009;Wang et al,2010;Huang et al,2015);面波层析成像获得的青藏高原东缘及周边地区地壳三维速度结果表明,松潘—甘孜地块、川滇地块和四川盆地等的上地壳速度结构存在显著差异(Li et al,2009;Yao et al,2010;Xie et al,2013,2017;范莉苹等,2015;Cao et al,2020);接收函数研究揭示青藏高原东缘地区地壳厚度变化剧烈,变化幅度可达30 km以上(Wang et al,2017;张杰等,2020);芦山地震和汶川地震等强震震源区的双差层析成像研究揭示,震源区附近地震波速度存在明显的横向变化(邓文泽等,2014;王小娜等,2015)。已有的研究成果大多认为在龙门山断裂带下方存在高速异常体,但高速体的形态与位置还存在较大的差异,地壳速度结构与地质构造和地震分布等关系尚不明晰,利用不断增加的新观测资料开展该地区深部结构研究具有重要意义。
近年来,研究区及周边区域开展了一系列的密集地震台阵观测,获得了一批高质量的观测数据,将这些新数据与固定地震台站不断增长的观测数据相结合,可以显著改善走时层析成像的射线覆盖。本研究将充分利用这些新的观测数据,采用双差层析成像方法,研究获取该地区高分辨率的中上地壳的三维速度结构,以期加深研究区的深部结构与地质构造和地震活动的关系等的认识。
1. 数据与方法
1.1 数据
本文数据来自研究区内的中国地震局区域地震台网的337个固定台站以及中国地震局地球物理研究所的120个宽频带流动台(图2)自2008年10月至2021年7月期间采集的地震观测资料。
尽管研究区地震活动频繁,但地震分布极不均匀。为了在速度结构反演过程中尽可能采用相对均匀的射线覆盖,以提高反演结果的整体分辨率能力,本文对研究区的地震事件进行了筛选。首先,将研究区划分为水平方向0.1°×0.1°、深度方向5 km为间隔的单元网格;然后,将各单元网格内的地震按照震相数量进行排序,挑出每个单元网格中震相数量最多的两次地震,并将震相走时与震相时距曲线进行比较,剔除部分走时差异较大的观测数据;最终挑选出13 023个地震事件用于速度结构反演。从台站与地震的射线路径分布图(图2)可以看出,研究区内射线覆盖较为均匀,射线数量总计33万5 057条,其中P波18万330条,S波18万514条,包含Pg波14万225条,Pn波14 582条,较好的射线覆盖保证了反演结果的可靠性。
1.2 双差层析成像方法
本文采用Zhang和Thurber (2003,2006)提出的双差层析成像方法反演研究区的地壳和上地幔顶部速度结构。双差层析成像方法将双差定位法(Waldhauser,Ellsworth,2000)和传统走时层析成像法相结合,利用绝对走时和相对走时数据实现了震源相对位置、绝对位置以及三维速度结构的联合反演。其中,相对走时主要用于确定地震密集分布区内的精细速度结构,绝对走时可用于约束整个区域的速度结构,两种走时数据的使用可显著降低震源位置与速度结构之间的耦合效应(Thurber,1992)。因此相较于传统层析成像,双差层析成像通过获取走时数据中更多的有效信息,能够得到高精度速度结构及地震事件的空间位置信息。
1.3 初始模型及正则化参数选择
在利用区域地震波走时层析成像方法研究地壳和上地幔顶部的三维速度结构时,采用尽可能接近真实地球模型的初始模型,可以获得更可靠的成像结果。然而往往受地震台站和震源分布等因素的制约,初始速度模型有时会对反演结果产生重要影响,本研究使用的初始速度模型是通过接收函数与面波联合反演后,经适当的空间平滑处理,得到先验性初始三维S波速度模型,然后根据纵波和横波的平均波速比1.732构建相应的三维P波速度初始模型(图3)。
图 3 三维P波初始模型图图(a−f)分别为研究区不同深度的P波速度初始模型图;图(g,h)分别为沿102°E和30°N剖面的P波速度初始模型图Figure 3. Three-dimensional P-wave initial modelFigs. (a−f) are the three-dimensional P-wave initial models at different depths in the studied area;Figs. (g,h) are the P-wave initial models of the profiles along 102°E and 30°N双差层析成像采用阻尼最小二乘算法(Paige,Saunders,1982)进行反演,并在不同方向对模型进行适当的平滑约束,通过多次迭代获取最终的反演结果。阻尼因子和平滑因子的选择对反演结果具有较大影响,通常采用模型方差和数据方差的L曲线确定这两个参数。需要对模型方差和走时残差的方差进行折中,然后选用曲线拐点附近的值作为最佳反演参数(Eberhart-Phillips,1986;Lin et al,2010)。我们采用不同的阻尼因子和平滑因子进行了反演测试,并绘制了相应的L曲线。阻尼因子和平滑因子的选取范围均介于1—1 000之间,结果显示阻尼因子的L曲线拐点位置在300附近,平滑因子的拐点位置在30附近(图4),于是我们选择此时这两个参数的反演模型作为本研究的最终模型。
1.4 分辨率测试
为了确定现有观测数据对研究区三维速度结构反演的空间分辨能力,本文采用走时层析成像中较为通用的检测板方法(Humphreys,Clayton,1988;Lévěque et al,1993)进行分辨率测试。该方法在初始速度模型的基础上,增加网格节点“正负相间的棋盘式”扰动速度,获得用于走时计算的速度模型。采用与观测资料具有相同射线分布的计算理论走时数据,通过双差层析成像进行三维速度结构反演,以检验不同网格大小的速度模型恢复情况,从棋盘格的恢复程度可以判断反演模型的分辨率。
我们设置了0.5°×0.5°,0.5°×0.25°,0.25°×0.25°,0.1°×0.1°等不同大小的网格进行模型分辨率测试,选取棋盘格恢复较好且网格间距相对较小的网格用于研究区的速度结构反演。最终使用的网格横向间距为0.25°×0.25°,深度方向的网格节点位于0,5,10,15,25,40 km,相应的P波检测板测试结果(图5)显示,在本研究关注的5—25 km深度区域,研究区80%以上的区域棋盘格都得到了良好的恢复,如龙门山断裂带、安宁河断裂带附近区域。但由于台站分布不均匀及部分地区地震分布稀疏,区内射线覆盖和射线穿透深度存在一定差异,同时由于记录到的Pn波较少,部分边缘地区恢复较差,0和40 km的分辨率较低,这对本研究讨论的范围影响不大。
2. 结果
2.1 成像结果
采用双差层析成像方法获得了0—40 km深度范围的P波速度分布结果(图6)。整体上看,速度分布呈现明显横向差异,其浅层分布特征与地形地貌、地质构造有良好的相关性。
5 km深度上,四川盆地呈大面积低速异常,可能与盆地内部中生代沉积层有关。高原地区呈高速异常,特别是在高原边缘区域,例如青藏高原东缘、松潘—甘孜高原东南缘,高速异常尤为明显。
10 km深度上,高低速异常的分布与断裂带分布呈一定相关性。其中,高速异常体明显被边界构造带限制,其分布与巴颜喀拉地块、川滇地块、华南地块过渡区有较好的对应,例如在龙门山断裂带西侧、安宁河断裂带西侧及其与鲜水河断裂带的交会处,均有沿断裂带走向且呈条带状展布的高速异常体。低速异常仍主要集中在四川盆地内部,但与5 km深度相比低速体面积明显缩小,其中灌县—安县断裂与四川盆地内的龙泉山断裂之间存在明显的低速异常体,且其分布较好地对应了川西前陆盆地的范围,表明该区域可能具有相较于四川盆地中心更厚的新生代沉积层。
15 km深度上,P波成像结果在青藏高原东部和包括四川盆地在内的华南地块均以正负相间的小范围异常为主,但在边界构造带附近仍存在明显的高速异常,例如巴颜喀拉地块与华南地块的边界带附近,沿汶川—茂县断裂西侧分布的高速异常体,以及川滇地块与华南地块边界处,沿安宁河断裂带西侧分布的高速异常体等。
25—40 km深度上,四川盆地与青藏高原东部地区存在明显的横向速度差异。四川盆地区域为大面积高速异常,青藏高原地区则以低速异常为主。在25 km深度,鲜水河断裂带、安宁河断裂带、龙门山断裂带附近仍然存在明显的高速异常。
2.2 重定位结果
双差层析成像中对地震事件进行了重定位,精定位后的地震震中分布、震源深度以及走时残差较之前均有明显的变化(图7,8)。
从震中分布看,龙门山断裂带、鲜水河断裂带及安宁河断裂带等活动构造带附近的地震分布均较重定位前更为集中,且呈明显的条带状分布(图7a,b),说明地震活动与构造边界带和断层带的分布密切相关。从震源深度看,重定位前震源深度分布的峰值介于5—10 km (图7c),经双差精定位后,震源深度分布的峰值介于10—15 km深度,且深度超过20 km的地震数量显著减少,绝大多数地震的震源深度位于20 km深度以内(图7d),反映了青藏高原东缘地区地壳内部的脆韧性转换带深度主要位于20 km以内。从走时残差看,重定位前(图8a)残差分布范围为(−4,4),均方差为1.07,重定位后(图8b)残差范围缩小到(−1,1),同时均方差降为0.33。在一些断层带附近,重定位之后震源分布的条带特征更为明显,分布宽度更窄,表明定位精度得到了明显提高。
3. 讨论
3.1 四川盆地与龙门山复合逆冲带
P波速度成像结果(图6)显示四川盆地在浅部表现为明显的低速异常,且盆地西部边缘地带低速异常的幅值和下延深度较大,这些特征与前人的结果基本一致(Lei et al,2009;Wang et al,2009;Zhang,2013;Liu et al,2018;Zhang et al,2022),但低速体的范围和形态存在一定差异。地质研究表明,四川盆地内部存在较厚的沉积层,同时受青藏高原东缘构造逆冲推覆作用的影响,在川西前陆盆地形成沉积中心,接收来自青藏高原东缘隆升后的风化剥蚀物,造成边缘沉积层厚度大于盆地中心。本文层析成像结果揭示川西前陆盆地的低速异常可一直延伸至15 km深,明显大于四川盆地中部地区,表明新生代以来该地区接收了较厚的沉积物。
在不同深度的P波速度成像结果中,龙门山断裂带附近均存在一些与断裂带平行的高速异常。地质研究表明,龙门山逆冲构造带经历了多次的前陆扩展和生长过程,地表存在一系列逆冲推覆构造体和与扬子板块基底变质岩具有亲缘性的变质穹隆体,如龙王庙、唐王寨和碧口逆冲推覆体,以及宝兴、彭灌和轿子顶穹隆体等(许志琴等,2007;颜丹平等,2020)。龙门山断裂带及其以西地区的P波高速异常,大多与这些地表出露的穹隆体和逆冲推覆体相对应。
彭灌穹隆体是龙门山断裂带附近规模较大的穹隆体,位于汶川—茂县断裂与映秀—北川断裂所围区域,平行于断层走向,呈长条状展布,主要由新元古代中酸性侵入岩体组成,伴有少量基性—超基性侵入岩、火山岩和绿片岩相变质岩等(Chen,Wilson,1996;张沛,周祖翼,2008;Yan et al,2008),其西侧存在一个规模较小的雪隆包穹隆体。图6显示,彭灌杂岩体附近不同深度均存在分布范围不一的高速异常。在0 km深度(海平面),高速异常体的范围相对较小,主要集中在彭灌穹隆体中部及其西侧的雪隆包穹隆体附近;在5—15 km深度,高速异常体的分布范围略大于彭灌杂岩体的地表出露区,南部和北部分别向外延伸约25 km和30 km,表明穹隆体在深部具有更大的展布范围。雪隆包穹隆体下方的高速异常在5 km深度已基本消失,表明该杂岩体仅存在于浅部,这与基于重力观测数据推测的该杂岩体仅2—3 km厚的结论(Xue et al,2017)基本一致。地球化学研究表明,雪隆包杂岩具有埃达克岩性质,是俯冲板片熔融的产物,彭灌杂岩与雪隆包杂岩既有明显的相关性也有一定的差异,可能是底侵的幔源岩浆与下地壳熔融产物混合的结果(Zhou et al,2006;张沛,周祖翼,2008),结合成像结果推测后者更容易形成规模较大的中上地壳岩浆侵入体。沿剖面的震源深度分布图像揭示,地震主要集中在25 km深度以内,其中震源深度最大的区域位于彭灌杂岩附近,高原内部的震源深度略浅。一些研究(吴建平等,2009;Lei et al,2009;Wang et al,2009;Pei et al,2010)认为龙门山断裂带附近的高速异常体与汶川MS8.0地震滑移量较大的区域相对应,介质不均匀性在一定程度上控制了地震的破裂过程。
碧口逆冲推覆体位于龙门山断裂带北段的西侧,由阿尼玛卿—勉略缝合带、青川—平武断层和虎牙—雪山—岷山断层所围限,是一个以新元古界碧口群浅变质岩为核、总体指向南的褶皱推覆构造。推覆体内部地层主要由南部新元古代碧口群火山岩和北部横丹群碎屑岩组成,南部分布新元古代和中生代花岗岩侵入体(颜丹平等,2020)。沿南部的青川—平武断层分布有高压蓝片岩,表明碧口逆冲推覆构造卷入了阿尼玛卿—勉略缝合带中。图9剖面AA′ 显示,碧口推覆构造体北部高速异常体分布深度小于5 km,但南部地区高速异常体的下延深度可达20 km左右,这与龙门山断裂带及其以西地区的速度结构特征类似。我们推测碧口南部的高速异常与新元古代和中生代花岗岩侵入体分布,以及华北—华南板块间古特提斯分支洋关闭和板块碰撞过程中,强烈的水平向挤压和造山带下地壳物质上涌导致碧口地块发生逆冲推覆和岩浆侵入有关。震源深度分布揭示,高速异常体下方的最大震源深度明显大于高原内部,表明高速异常体下方的脆韧性转换带的深度大于高原内部的低速异常分布区。
图 9 剖面AA′ (a),BB′ (b),CC′ (c),DD′ (d),EE′ (e)的P波速度及地震分布图左侧为P波绝对速度剖面,右侧为P波速度扰动剖面;黑色实线为地形,黑色圆点为距离剖面两侧10 km范围内的地震Figure 9. P wave velocity along vertical profiles AA′ (a),BB′ (b),CC ′ (c),DD ′ (d),EE ′ (e) and earthquake distributionLeft column is the profile of absolute P wave velocity,right column is the perturbation velocity of P wave;black line represents topography,black dots denote seismic events within 10 km from both sides of the profile唐王寨逆冲推覆体位于映秀—北川断裂和灌县—安县断裂所围限的区域,呈长条状分布,宽约10 km,是一个以泥盆系—石炭系为核的晚古生代叠瓦状推覆构造。不同深度的P波水平速度结构显示,唐王寨逆冲推覆体附近的P波高速异常仅存在于浅部(图6),与地质上推测的薄皮推覆构造相一致。横穿唐王寨推覆体的速度剖面显示(图9b),该高速异常体的宽度较小,下延深度不超过5 km。在龙门山断裂南段,宝兴杂岩体下方也存在明显的高速异常,但与彭灌杂岩体不同,该高速异常体的下延深度小于10 km,其横向分布规模和下延深度均小于彭灌杂岩体。
3.2 鲜水河—安宁河断裂带及周边区域
从四川康定到云南元谋存在一条南北向狭长的变质岩系,它们构成了扬子地块西缘的前震旦系基底—康滇地轴。最新研究(Meng et al,2015;Hu et al,2017;谢其锋等,2018)表明,康定杂岩形成于新元古代,其中存在大量新元古代岩浆岩,包括片麻状花岗岩、闪长岩等。P波水平速度结果显示(图6),以龙门山断裂带与鲜水河断裂带交会处为北段,沿南北向的安宁河断裂带存在断续的条带状高速异常,异常分布形态与扬子地块西缘地表出露的杂岩体和新元古代岩浆侵入体的分布形态具有良好的一致性。
在康定杂岩出露区,中上地壳存在明显的高速异常带(图6),北北西向的鲜水河断裂带在该地段从高速异常体的西部边缘穿过,而映秀—北川断裂的西南端则终止于该高速异常体的东北部边缘。横穿康定杂岩体的垂直速度剖面显示(图9d),与该杂岩体相对应的高速异常向下可一直延深至25 km左右。这些现象表明,新生代以来在青藏高原的隆升扩展过程中,形成于新元古代的变质岩和侵入岩仍未遭受严重破坏,它们对现代断裂活动仍然具有一定的控制作用。
在康定杂岩以东的四川盆地西部边缘带,不仅浅部存在以非对称低速结构为特征的前陆盆地,中下地壳的速度也存在显著的横向变化。沿剖面的震源深度分布显示,该地区存在震源深度超过25 km的小震活动,我们认为受青藏高原东向扩张挤压的影响,四川盆地西南部地区中下地壳正在发生显著变形和破坏。
在安宁河断裂带西侧、石棉与冕宁之间,以及西昌西侧分别存在一个明显的条带状高速异常(图6),它们与地表出露的扬子板块西缘新元古代基性和中基性侵入岩的分布基本一致,因此推测,不同深度的高速异常形态主要揭示了新元古代扬子地块西缘活动带基性、中基性侵入岩在中上地壳的分布特征。横穿石棉和冕宁之间高速异常的东西向速度剖面显示(图9e),尽管安宁河断裂带附近的高速异常在地表附近主要分布在断裂带西侧,但在深部,高速异常向东可延伸至大凉山断裂带附近。沿剖面的震源分布揭示,在安宁河断裂带以东至大凉山断裂带附近存在震源深度超过25 km的小震活动,其分布范围与高速异常体的展布相一致。该高速异常体处于安宁河断裂带与大凉山断裂带的交会部位,GPS观测揭示安宁河断裂带和大凉山断裂带北段的深部滑移分别可达7.3 mm/a和5.3 mm/a左右,是深部变形较大的区域。因此我们推测,高速异常体的存在可能导致地壳内部脆韧性转换带深度增加,同时受安宁河与大凉山交会部位强烈变形的影响,力学强度较强的高速异常体在深部更容易积累应变能,并最终以地震活动的形式进行释放。
4. 结论
本文利用接收函数与面波联合反演获得的三维速度结构作为初始速度模型,采用近震走时观测数据通过双差层析成像获得了川西及川西南地区横向分辨率为0.25°×0.25°的地壳P波速度结构,得到的主要结论如下:
1) 以龙门山断裂带为界,其东西两侧的速度结构存在显著差异。断裂带西侧的青藏高原东缘地区浅部P波速度明显高于东侧的四川盆地地区,但在25 km以下深度,青藏高原东缘则表现为低速异常,四川盆地则以高速异常为主。在四川盆地内部,西部边缘地区存在较厚的浅部低速异常,其厚度可达15 km左右,明显大于盆地中部,这与青藏高原东缘构造逆冲推覆作用形成的前陆盆地有关。
2) 龙门山断裂带附近存在一些与断裂带平行的高速异常,它们与这一地区地表存在的穹隆体和逆冲推覆构造密切相关,成像结果可以较好地反映其空间分布特征。位于龙门山断裂带中部的彭灌穹隆体下延深度可达15 km左右,但与之相邻的雪隆山穹隆体下延深度不超过5 km,断裂带南部的宝兴杂岩体的下延深度介于两者之间。位于研究区北部的碧口逆冲推覆体,其南部地区的高速异常体下延深度明显大于北部地区,可能与华北板块与华南板块碰撞导致的逆冲推覆和岩浆侵入等有关。
3) 以高速异常为特征的康定杂岩体的下延深度可达20 km左右,它可能具有较大的力学强度,并对现代断裂活动具有一定的控制作用。四川盆地西南部中下地壳P波速度的横向变化显著,小震活动的深度可达30 km左右,推测该地区中下地壳受青藏高原东向扩张挤压的影响正在发生显著变形和破坏。
4) 在安宁河断裂带与大凉山断裂带之间存在震源深度超过20 km的微震活动带,其分布形态与P波高速异常带的分布形态相一致。推测高速异常体的存在可能导致地壳内部脆韧性转换带深度增加,受安宁河与大凉山交会部位强烈变形的影响,该地区地震活动的最大深度也显著增加。
中国地震台网中心和中国地震局地球物理研究所提供了震相数据,中国科学技术大学张海江教授提供了tomoDD程序,两位审稿专家对本文提出了宝贵的意见及建议,文中部分图件采用GMT和Matlab软件绘制,作者在此一并表示感谢。
-
图 1 研究区域的构造地质背景和地震分布(改自易桂喜等,2019;Jiang et al,2020)
Figure 1. The tectonic geological background and earthquake distribution in the studied area (modified from Yi et al,2019;Jiang et al,2020)
图 2 长宁地区地震精定位结果分布特征
(a) 构造和地震的三维分布特征;(b) EW向地震分布剖面图;(c) NS向地震分布剖面图
Figure 2. Distribution characteristics of precision earthquake location results in Changning area
(a) Three-dimensional distribution characteristics of structures and earthquakes;(b) Earthquake distribution profile along EW direction;(c) Earthquake distribution profile along NS direction
图 4 地震聚类分析及能量粒子簇提取
(a) 利用轮廓系数评价不同聚类参数的聚类效果,以此获取最优聚类参数;(b) 利用密度聚类分析获取地震簇;(c) 利用K邻近分类对能量粒子进行分类;(d) 能量粒子簇分布特征
Figure 4. Earthquake clustering analysis and energy particle cluster extraction
(a) The Silhouette coefficient used to evaluate the clustering effect of different clustering parameters so as to obtain the optimal clustering parameters;(b) Acquisition of earthquake clusters by DBSCAN;(c) Classification of energy particles using KNN;(d) Distribution characteristics of energy particle clusters
表 1 长宁地区研究成果数据信息汇总
Table 1 Data information from the research results of Changning area
数据类型 数据描述 数据来源 构造背景 基于区域地质与地震资料,结合地表调查结果,获取的节理面、构造线和应力场演化数据 常祖峰等(2 020) 褶皱构造 利用页岩气勘探钻井和反射地震资料进行构造分析,恢复了长宁背斜形成过程和构造
地质背景He et al (2 019) 发震断层 使用高分辨率地震反射剖面结合地质、地震和大地测量数据来揭示发震断层的三维分布 Lu et al (2 021) 地震重定位 使用TomoDDMC方法联合反演后,重新定位2万1 711次地震,东西向、南北向和垂直方向的误差中值分别为0.201,0.232和0.633 km Zuo et al (2 020) 微地震目录 应用最新发展的迁移学习震相识别技术、震相自动关联和定位技术,获取长宁微震目录,水平定位平均误差为(1.45±0.028) km 赵明等(2 021) 历史地震震源机制 对全国地震进行了矩张量反演,获得2 008—2 019年M≥3.0地震的震源机制解 郭祥云等(2 022) 地震序列震源机制 使用CAP (cut and paste)波形反演方法计算长宁地震16次MS≥3.6地震的震源机制解 易桂喜等(2 019) 综合震源机制解 借助于根据同一地震的多个震源机制解确定其中心解的方法,给出与所有震源机制解差别最小的中心震源机制解 刘敬光等(2 019) 速度结构 利用双差地震层析成像方法,获得了长宁—兴文地区高分辨率三维地壳vP,vS和vP/vS模型及地震位置 Zuo et al (2 020) -
常祖峰,张艳凤,王光明,张世民,毛泽斌,刘昌伟. 2020. 2019年四川长宁 MS6.0地震的地质构造成因:区域性构造节理贯通、破裂结果[J]. 地球学报,41(4):469–480. doi: 10.3975/cagsb.2020.030202 Chang Z F,Zhang Y F,Wang G M,Zhang S M,Mao Z B,Liu C W. 2020. The geological genesis of the 2019 Changning MS6.0 earthquake in Sichuan:Connecting and rupturing of regional structural joints[J]. Acta Geoscientica Sinica,41(4):469–480 (in Chinese).
宫悦,王宇玺,梁明剑,龙锋,赵敏. 2020. 2019年四川长宁6.0级地震序列时空演化特征及其地震构造环境研究[J]. 地震,40(4):90–102. doi: 10.12196/j.issn.1000-3274.2020.04.007 Gong Y,Wang Y X,Liang M J,Long F,Zhao M. 2020. Study on the spatio-temporal evolution characteristics and seismic structure environment of the 2019 M6.0 Changning Sichuan earthquake sequence[J]. Earthquake,40(4):90–102 (in Chinese).
郭祥云,蒋长胜,韩立波,尹海权,赵志远. 2022. 中国大陆及邻区震源机制数据集(2009—2021年)[DB/OL]. [2022-05-01].https://data.earthquake.cn/datashare/report.shtml?PAGEID=datasourcelist&dt=ff8080827e4d6cf5017f1f5b440d0019. Guo X Y,Jiang C S,Han L B,Yin H Q,Zhao Z Y. 2022. Focal mechanism data set in Chinese mainland and its adjacent area (2009−2021)[DB/OL]. [2022-05-01].https://data.earthquake.cn/datashare/report.shtml?PAGEID=datasourcelist&dt=ff8080827e4d6cf5017f1f5b440d0019 (in Chinese).
郭志,高星,路珍. 2020. 2019年6月17日四川长宁地震重定位及震源机制研究[J]. 地震学报,42(3):245–255. doi: 10.11939/jass.20190132 Guo Z,Gao X,Lu Z. 2020. Relocation and focal mechanism inversion for the Changning,Sichuan,earthquake on 17 June 2019[J]. Acta Seismologica Sinica,42(3):245–255 (in Chinese).
何登发,鲁人齐,黄涵宇,王晓山,姜华,张伟康. 2019. 长宁页岩气开发区地震的构造地质背景[J]. 石油勘探与开发,46(5):993–1006. doi: 10.11698/PED.2019.05.19 He D F,Lu R Q,Huang H Y,Wang X S,Jiang H,Zhang W K. 2019. Tectonic and geological background of the earthquake hazards in Changning shale gas development zone,Sichuan Basin,SW China[J]. Petroleum Exploration and Development,46(5):1051–1064.
胡晓辉,盛书中,万永革,卜玉菲,李振月. 2020. 2019年6月17日四川长宁地震序列震源机制与震源区震后构造应力场研究[J]. 地球物理学进展,35(5):1675–1681. doi: 10.6038/pg2020DD0378 Hu X H,Sheng S Z,Wan Y G,Bu Y F,Li Z Y. 2020. Study on focal mechanism and post-seismic tectonic stress field of the Changning,Sichuan,earthquake sequence on June 17th 2019[J]. Progress in Geophysics,35(5):1675–1681 (in Chinese).
胡幸平,崔效锋,张广伟,王甘娇,Zang A,史丙新,姜大伟. 2021. 长宁地区复杂地震活动的力学成因分析[J]. 地球物理学报,64(1):1–17. doi: 10.6038/cjg2021O0232 Hu X P,Cui X F,Zhang G W,Wang G J,Zang A,Shi B X,Jiang D W. 2021. Analysis on the mechanical causes of the complex seismicity in Changning area,China[J]. Chinese Journal of Geophysics,64(1):1–17 (in Chinese).
李大虎,詹艳,丁志峰,高家乙,吴萍萍,孟令媛,孙翔宇,张旭. 2021. 四川长宁 MS6.0地震震区上地壳速度结构特征与孕震环境[J]. 地球物理学报,64(1):18–35. doi: 10.6038/cjg2021O0241 Li D H,Zhan Y,Ding Z F,Gao J Y,Wu P P,Meng L Y,Sun X Y,Zhang X. 2021. Upper crustal velocity and seismogenic environment of the Changning MS6.0 earthquake region in Sichuan,China[J]. Chinese Journal of Geophysics,64(1):18–35 (in Chinese).
梁姗姗,徐志国,盛书中,张广伟,赵博,邹立晔. 2020. 2019年四川长宁6.0级地震主震及中强余震( MS≥4.0)的震源机制及其应力场[J]. 地震地质,42(3):547–561. doi: 10.3969/j.issn.0253-4967.2020.03.001 Liang S S,Xu Z G,Sheng S Z,Zhang G W,Zhao B,Zou L Y. 2020. Focal mechanism solutions and stress field of the 2019 Changning,Sichuan mainshock and its moderate-strong aftershocks ( MS≥4.0)[J]. Seismology and Geology,42(3):547–561 (in Chinese).
刘敬光,万永革,黄志斌,李振月,胡晓辉,李泽潇. 2019. 2019年6月17日四川长宁6.0级地震中心震源机制解及震源区构造应力场研究[J]. 震灾防御技术,14(3):677–685. doi: 10.11899/zzfy20190319 Liu J G,Wan Y G,Huang Z B,Li Z Y,Hu X H,Li Z X. 2019. Study on central focal mechanism and its surrounding tectonic stress field of the Changning M6.0 earthquake in Sichuan[J]. Technology for Earthquake Disaster Prevention,14(3):677–685 (in Chinese).
孙权,裴顺平,苏金蓉,刘雁冰,薛晓添,李佳蔚,李磊,左洪. 2021. 2019年6月17日四川长宁 MS6.0地震震源区三维速度结构[J]. 地球物理学报,64(1):36–53. doi: 10.6038/cjg2021O0246 Sun Q,Pei S P,Su J R,Liu Y B,Xue X T,Li J W,Li L,Zuo H. 2021. Three-dimensional seismic velocity structure across the 17 June 2019 Changning MS6.0 earthquake,Sichuan,China[J]. Chinese Journal of Geophysics,64(1):36–53 (in Chinese).
万永革. 2020. 震源机制与应力体系关系模拟研究[J]. 地球物理学报,63(6):2281–2296. doi: 10.6038/cjg2020M0472 Wan Y G. 2020. Simulation on relationship between stress regimes and focal mechanisms of earthquakes[J]. Chinese Journal of Geophysics,63(6):2281–2296 (in Chinese).
徐志国,梁姗姗,盛书中,张广伟,邹立晔,周元泽. 2020. 2019年四川长宁 MS6.0地震序列重定位和震源特征分析[J]. 地震学报,42(4):377–391. doi: 10.11939/jass.20190170 Xu Z G,Liang S S,Sheng S Z,Zhang G W,Zou L Y,Zhou Y Z. 2020. Relocation and source characteristics of the 2019 Changning MS6.0 earthquake sequence[J]. Acta Seismologica Sinica,42(4):377–391 (in Chinese).
易桂喜,龙锋,梁明剑,赵敏,王思维,宫悦,乔慧珍,苏金蓉. 2019. 2019年6月17日四川长宁 MS6.0地震序列震源机制解与发震构造分析[J]. 地球物理学报,62(9):3432–3447. doi: 10.6038/cjg2019N0297 Yi G X,Long F,Liang M J,Zhao M,Wang S W,Gong Y,Qiao H Z,Su J R. 2019. Focal mechanism solutions and seismogenic structure of the 17 June 2019 MS6.0 Sichuan Changning earthquake sequence[J]. Chinese Journal of Geophysics,62(9):3432–3447 (in Chinese).
赵明,唐淋,陈石,苏金蓉,张淼. 2021. 基于深度学习到时拾取自动构建长宁地震前震目录[J]. 地球物理学报,64(1):54–66. doi: 10.6038/cjg2021O0271 Zhao M,Tang L,Chen S,Su J R,Zhang M. 2021. Machine learning based automatic foreshock catalog building for the 2019 MS6.0 Changning,Sichuan earthquake[J]. Chinese Journal of Geophysics,64(1):54–66 (in Chinesc).
周志华. 2016. 机器学习[M]. 北京:清华大学出版社:114-115. Zhou Z H. 2016. Machine Learning[M]. Beijing:Tsinghua University Press:114-115 (in Chinesc).
Al-Zoubi M B,Rawi M A. 2008. An efficient approach for computing Silhouette coefficients[J]. J Comput Sci,4(3):252–255. doi: 10.3844/jcssp.2008.252.255
Bergen K J,Johnson P A,de Hoop M V,Beroza G C. 2019. Machine learning for data-driven discovery in solid Earth geoscience[J]. Science,363(6433):1299. doi: 10.1126/science.aau0323
Brunsvik B,Morra G,Cambiotti G,Chiaraluce L,Di Stefano R,De Gori P,Yuen D A. 2021. Three-dimensional Paganica fault morphology obtained from hypocenter clustering (L’Aquila 2009 seismic sequence,Central Italy)[J]. Tectonophysics,804:228756. doi: 10.1016/j.tecto.2021.228756
Gong L W,Zhang H,Chen S,Chen L J. 2022. Three-dimensional modeling of the Xichang crust in Sichuan,China by machine learning[J]. Appl Sci,12(6):2955. doi: 10.3390/app12062955
Jia K,Zhou S Y,Zhuang J C,Jiang C S,Guo Y C,Gao Z H,Gao S S,Ogata Y,Song X D. 2020. Nonstationary background seismicity rate and evolution of stress changes in the Changning salt mining and shale-gas hydraulic fracturing region,Sichuan Basin,China[J]. Seismol Res Lett,91(4):2170–2181. doi: 10.1785/0220200092
Jiang C S,Han L B,Long F,Lai G J,Yin F L,Bi J M,Si Z Y. 2021. Spatiotemporal heterogeneity of b values revealed by a data-driven approach for the 17 June 2019 MS6.0 Changning earthquake sequence,Sichuan,China[J]. Nat Hazards Earth Syst Sci,21(7):2233–2244. doi: 10.5194/nhess-21-2233-2021
Jiang D W,Zhang S M,Ding R. 2020. Surface deformation and tectonic background of the 2019 MS6.0 Changning earthquake,Sichuan basin,SW China[J]. J Asian Earth Sci,200:104493. doi: 10.1016/j.jseaes.2020.104493
Kaven J O,Pollard D D. 2013. Geometry of crustal faults:Identification from seismicity and implications for slip and stress transfer models[J]. J Geophys Res: Solid Earth,118(9):5058–5070. doi: 10.1002/jgrb.50356
Keller J M,Gray M R,Givens J A. 1985. A fuzzy K-nearest neighbor algorithm[J]. IEEE Trans Syst Man Cybern,SMC-15(4):580–585. doi: 10.1109/TSMC.1985.6313426
Kong Q K,Trugman D T,Ross Z E,Bianco M J,Meade B J,Gerstoft P. 2019. Machine learning in seismology:Turning data into insights[J]. Seismol Res Lett,90(1):3–14. doi: 10.1785/0220180259
Kuang W H,Yuan C C,Zhang J. 2021. Real-time determination of earthquake focal mechanism via deep learning[J]. Nat Commun,12(1):1432. doi: 10.1038/s41467-021-21670-x
Li W,Ni S D,Zang C,Chu R S. 2020. Rupture directivity of the 2019 MW5.8 Changning,Sichuan,China,earthquake and implication for induced seismicity[J]. Bull Seismol Soc Am,110(5):2138–2153. doi: 10.1785/0120200013
Liu J Q,Zahradník J. 2020. The 2019 MW5.7 Changning earthquake,Sichuan Basin,China:A shallow doublet with different faulting styles[J]. Geophys Res Lett,47(4):e2019GL085408. doi: 10.1029/2019GL085408
Lu R Q,Xu X W,He D F,John S,Liu B,Wang F Y,Tan X B,Li Y Q. 2017. Seismotectonics of the 2013 Lushan MW6.7 earthquake:Inversion tectonics in the eastern margin of the Tibetan Plateau[J]. Geophys Res Lett,44(16):8236–8243. doi: 10.1002/2017GL074296
Lu R Q,He D F,Liu J Z,Tao W,Huang H Y,Xu F,Liu G S. 2021. Seismogenic faults of the Changning earthquake sequence constrained by high-resolution seismic profiles in the southwestern Sichuan Basin,China[J]. Seismol Res Lett,92(6):3757–3766. doi: 10.1785/0220200302
Ouillon G,Ducorbier C,Sornette D. 2008. Automatic reconstruction of fault networks from seismicity catalogs:Three-dimensional optimal anisotropic dynamic clustering[J]. J Geophys Res: Solid Earth,113(B1):B01306.
Reading A M,Cracknell M J,Bombardieri D J,Chalke T. 2015. Combining machine learning and geophysical inversion for applied geophysics[J]. ASEG Extended Abstracts,(1):1–5.
Ross Z E,Trugman D T,Hauksson E,Shearer P M. 2019. Searching for hidden earthquakes in southern California[J]. Science,364(6442):767–771. doi: 10.1126/science.aaw6888
Schubert E,Sander J,Ester M,Kriegel H P,Xu X W. 2017. DBSCAN revisited,revisited:Why and how you should (still) use DBSCAN[J]. ACM Trans Database Syst,42(3):19.
Sun X L,Yang P T,Zhang Z W. 2017. A study of earthquakes induced by water injection in the Changning salt mine area,SW China[J]. J Asian Earth Sci,136:102–109. doi: 10.1016/j.jseaes.2017.01.030
Trugman D T,Shearer P M. 2017. GrowClust:A hierarchical clustering algorithm for relative earthquake relocation,with application to the Spanish Springs and Sheldon,Nevada,earthquake sequences[J]. Seismol Res Lett,88(2A):379–391. doi: 10.1785/0220160188
Wang S,Jiang G Y,Weingarten M,Niu Y F. 2020. InSAR evidence indicates a link between fluid injection for salt mining and the 2019 Changning (China) earthquake sequence[J]. Geophys Res Lett,47(16):e2020GL087603. doi: 10.1029/2020GL087603
Wang S,Jiang G Y,Lei X L,Barbour A J,Tan X B,Xu C J,Xu X W. 2022. Three MW≥4.7 earthquakes within the Changning (China) shale gas field ruptured shallow faults intersecting with hydraulic fracturing wells[J]. J Geophys Res: Solid Earth,127(2):e2021JB022946. doi: 10.1029/2021JB022946
Yin J X,Li Z F,Denolle M A. 2021. Source time function clustering reveals patterns in earthquake dynamics[J]. Seismol Res Lett,92(4):2343–2353. doi: 10.1785/0220200403
Zhang B,Lei J S,Zhang G W. 2020. Seismic evidence for influences of deep fluids on the 2019 Changning MS6.0 earthquake,Sichuan basin,SW China[J]. J Asian Earth Sci,200:104492. doi: 10.1016/j.jseaes.2020.104492
Zhang Z W,Liang C T,Long F,Zhao M,Wang D. 2022. Spatiotemporal variations of focal mechanism solutions and stress field of the 2019 Changning MS6.0 earthquake sequence[J]. Front Earth Sci,9:797907. doi: 10.3389/feart.2021.797907
Zuo K Z,Zhao C P,Zhang H J. 2020. 3D crustal structure and seismicity characteristics of Changning-Xingwen area in the southwestern Sichuan Basin,China[J]. Bull Seismol Soc Ama,110(5):2154–2167. doi: 10.1785/0120200085