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
四川长宁地区自2018年12月16日发生兴文MS5.7地震后,陆续发生多次M5.0以上地震,特别是2019年6月17日长宁MS6.0地震打破了四川盆地南部边缘M6.0历史地震的记录(易桂喜等,2019;常祖峰等,2020),这些地震造成了严重的经济损失。长宁地区密集的人口分布,再加上页岩气和盐矿等工业开采诱发地震的影响(Jia et al,2020),使得该地区的地震活动性及地震潜在发生趋势等受到了社会的极大关注。研究人员针对该地区的地震地质构造成因(He et al,2019)、地震重定位(徐志国等,2020)、震源机制解(易桂喜等,2019;郭志等,2020;Li et al,2020;Zhang et al,2020)、构造应力场(胡晓辉等,2020;梁姗姗等,2020)、速度结构(Zhang et al,2020;Zuo et al,2020;李大虎等,2021;孙权等,2021)和地面变形(Jiang et al,2020)等方面进行了深入研究,并产出了大量的成果。此外,无论是对时空应力变化进行的反演(Jia et al,2020),还是利用合成孔径雷达干涉测量技术(synthetic aperture radar interferometry,缩写为InSAR)对地表变形的测量(Wang et al,2020,2022),都认为该地区的地震是由流体注入激活断层面所致。但由于该区域断层出露较少,震源机制复杂多样,不同地震的发震断层性质难以确定(Liu,Zahradník,2020),结合地震反射剖面和地质资料来揭示断层三维分布(Lu et al,2021)的常规做法仍不能精确地给出发震断层的三维结构。因此,有必要结合已有研究资料获取更加精细的发震构造形态,为进一步研究地震孕震机理、模拟地震活动提供更加可靠的断层模型。
随着地球物理观测数据量大幅增加,数据种类愈加繁杂,传统的数据处理方法很难对信息进行高效的挖掘,而近年来发展起来的机器学习由于其高效的数据清洗和特征挖掘功能,在地学数据的挖掘中已突显优势(Bergen et al,2019;Kong et al,2019),且该方法在震源机制自动获取与应用(Kuang et al,2021;Yin et al,2021)、地震重定位(Trugman,Shearer,2017)、隐藏地震的挖掘(Ross et al,2019)、地震目录的自动构建(赵明等,2021)等方面的应用成果为后续数据分析提供了更加丰富可靠的数据源。基于地震序列重定位数据提取构造活动断层面也取得了初步成效( Ouillon et al,2008;Kaven,Pollard,2013),特别是结合震后余震精定位数据提取断层破裂面的形态特征(Lu et al,2017;Brunsvik et al,2021)已得到广泛应用,目前正进一步尝试结合地球物理反演方法和机器学习手段构建三维地质模型(Reading et al,2015;Gong et al,2022)。
长宁地区断层出露较少,以多期褶皱构造为主,加上工业开采的诱发,用传统方法提取发震构造形态存在一定的困难(He et al,2019;常祖峰等,2020)。为此,本文拟结合大量地震精定位数据和震源机制解约束断层深部形态特征,进而重建长宁地震断层面的三维结构,以期为三维地质建模和地球动力学模拟提供更加可靠的模型。
1. 地震构造背景
2008年以来四川长宁地区的地震主要分布在长宁双河背斜的西段和建武向斜的内部,其中长宁背斜主要由多个次级褶皱构造和不同走向的伴生断层组成,构造形态极为复杂(宫悦等,2020)。长宁地区褶皱系形成于燕山期,并在喜马拉雅期得到改造,地震剖面(何登发等,2019)显示长宁背斜下伏基底内可能发育有大型逆冲断层,该断层切穿了寒武系、奥陶系和志留系地层,逐渐收敛于寒武系滑脱层之上,寒武系地层内膏盐岩及泥页岩等软弱层发生塑性变形,形成层内的滑脱面,基底断层呈坡-坪式展布的特征,最终形成了长宁基底断层转折褶皱。长宁背斜西南翼出露的二叠系和志留系地层的倾角分别为15°和10°,核部出露奥陶系地层,其产状逐渐变得平缓,北东翼出露的奥陶系和志留系地层较陡,倾角可达60° (何登发等,2019)。长宁背斜的核部和翼部发育大量NE向和NW向节理,构成了具有一定规模的构造破碎带,其展布方向与长宁地震序列NW向分布一致 (何登发等,2019)。2019年6月17日长宁MS6.0地震及震后中强余震的震源机制解(常祖峰等,2020)显示该区域受ENE−NE向水平挤压应力作用,其发震断层沿WNW向断层面破裂,以逆冲为主兼具左旋分量,可能为长宁背斜中因超压环境叠加NE向古构造应力场导致的区域性NW向纵向节理发生构造强化、贯通并进一步破裂的结果。
在长宁背斜西南侧发育宽缓的建武向斜,其核部出露地层为中侏罗统沙溪庙组,地层平缓,倾角小于10°,两翼地层逐渐变老,产状渐陡,为主要的页岩气开采区域,地震呈多个簇状分布于该向斜的两翼,其中:北翼地震强度小、微地震较多,震源机制解节面的定向性较差,这与页岩气井分布具有一定的相关性;而南翼在东西两个地震簇之间分布了大量的M3.0以上地震,震源机制解节面具有方向性,可能受地壳介质结构的影响更多。此外,在页岩气开采区域以外的建武向斜翼部也零散地分布着一些中强地震,无论是震源机制解结果,还是地震与断层的分布特征,均未呈现较好的规律性,显示出该地区孕震机理的复杂性(图1)。
Figure 1. The tectonic geological background and earthquake distribution in the studied area (modified from Yi et al,2019;Jiang et al,2020)2. 数据与方法
2.1 数据
地震精定位数据和震源机制解数据可为断层面建模提供较好的深部约束,构造地质资料和速度结构资料可以进一步验证断层结构模型的可靠性。因此,本文系统地收集了长宁地区2018年12月1日至2019年7月4日的相关数据(表1),对其进行去重和坐标转换等预处理,从中提取地震簇的空间特征,建立三维断层结构模型。
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) 2.1.1 地震精定位数据
图2给出了长宁地区的地表精定位结果,可见地震主要分布在长宁背斜的核部和建武向斜的两翼,其中:长宁背斜剥蚀成谷,地震沿核部呈WNW向展布,长宁MS6.0地震序列的主震和四次震级较大的余震即分布在该背斜东部,矩心深度均较浅,余震深度分布整体呈西深东浅的趋势,地震频次分布呈西高东低(徐志国等,2020);建武向斜因厚层沉积、堆积,地势较高,地层较平缓,地震以多个地震簇散布于向斜两翼。结合地震序列的分段性特征可知,长宁地震序列并不是发生在单一的断裂上,而是多个构造级联破裂形成的复合型地震序列(宫悦等,2020)。两个构造部位的地震集中区分别位于采石场、盐矿和页岩气开采区,其中:M≤3.0地震分布较浅,可能与开采层密切相关;M>3.0地震的震源深度主要在5 km以下,这一深度区间恰好位于长宁背斜区的前震旦系基底。
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 direction2.1.2 震源机制解及应力环境
由于该区域应力场较复杂、断层性质不明确、多次强余震发生等特征,地震震源机制研究成为该区域研究的主要突破口。相关结果显示:① 长宁主震的发震破裂面呈NW−SE走向,连续发生的中强余震序列表现为走滑和逆冲型断层机制,空间上的分段差异性较大,反映了发震断层错动的复杂性很高(郭志等,2020;胡晓辉等,2020);② 基于震源机制解资料反演获得的震源区震后构造应力场显示,长宁MS6.0地震为兼具走滑分量的逆冲型地震,余震序列以逆冲型地震为主,表明该地震可能是受背景应力场控制而发生在先存的薄弱面上(刘敬光等,2019);震后震源区主压应力轴方位为ENE,倾角近乎水平,主张应力轴方位为SSE,倾角接近垂直,属于逆冲型应力状态,应力轴方向由长宁地震前的WNW向变为震后的ENE向,震源区应力场方向与该区域整体的构造应力场方向相比存在较大差异(梁姗姗等,2020);③ 长宁背斜轴部与南部向斜区的应力类型存在显著差异,前者为逆冲型,后者为走滑型。这两个局部区域的应力场方向与该区域内中强震震源机制解的P轴方向吻合度较高,但与非对应区域内的中强震震源机制解的吻合度较低,在力学上甚至是相抵触的;④ 四川盆地南缘处于构造变形的模式转换区域,构造环境的变化导致本次长宁地震序列震源区及附近区域的发震构造变形特征具有复杂性(易桂喜等,2019;郭祥云等,2022)。
2.2 方法
由于四川长宁地质构造复杂,工业开采频繁,小震活动呈多个簇状聚集分布,不同地震簇呈现不同的空间形态特征,对应的震源机制解也具有一定的差异性。这些地震簇已破裂成核,形成了破裂损伤区,可能为后续地震能量释放的集中部位,而机器学习具有清洗数据和特征提取的优势而适用批量处理含有某种特征的数据。因此,本文基于机器学习,利用聚类分析提取出不同的地震簇,并利用监督分类提取出与地震簇高度相关的震源机制解,获取地震破裂面信息和应力场特征,算法流程如图3所示。此外,本文还充分考虑中强地震的能量释放特征,将不同震级的地震转化为等效能量粒子,对其进一步监督分类和聚类分析,获取可能贯通的破碎带,进而结合对应地震簇拟合出发震构造面。最后,本文结合地质资料和速度结构验证该发震构造面的合理性和可靠性。
机器学习算法简述如下:
1) K邻近(K-nearest neighbor,缩写为KNN)分类算法。该方法是数据挖掘分类技术中最简单的方法之一,在确定分类决策上只依据最邻近的一个或几个样本的类别来决定待分析样本的属性值,其核心思想是用K个最邻近的样本标签确定未标记样本的类别。该算法具有准确性高、对异常值有较高的容忍度等优点(Keller et al,1985)。本文以欧氏距离
$$ {d} ( x \text{,} y ) =\sqrt{{\sum _{i=1}^{n}}{ ( {x}_{i}-{y}_{i} ) }^{2}} $$ (1) 计算训练样本与测试样本之间的距离,并对其进行排序,选择出距离最小的K个点所属类别占比最高的那一类作为测试样本的属性值。式(1)中,n为空间维度,xi为样本点x的第i维坐标值,yi为样本点y的第i维坐标值。
2) 密度聚类(density-based spatial clustering of applications with noise,缩写为DBSCAN)法。该方法是一种基于密度的空间聚类算法,将簇定义为密度相连的点的最大集合,并在具有噪声的空间数据库中发现任意形状的簇(周志华,2016)。DBSCAN法引入的模型是使用一个简单的最小密度水平来估计半径ε以内领域样本数量的阈值MinPts,样本数量超过该阈值的对象被认为是一个核心点,该集合中的非核心点称为边界点。同一集合中所有点都是密度连通的,从任何核心点到达的密度以外的点被认为是噪声,不属于任何群集,而群集之间被密度较低的区域隔开。概而言之,DBSCAN是基于一组参数(ε,MinPts)来描述样本集的紧密程度,其中,ε描述了某一样本的邻域距离阈值,MinPts描述了某一样本的距离为ε的邻域中样本个数的阈值。该算法的最大优势是不需要输入簇数k,且可以发现任意形状的聚类簇,剔除分散的噪声地震(Schubert et al,2017)。
3) 轮廓系数(Silhouette coefficient )法。这是评价聚类效果优劣的一种方法。结合内聚度和分离度两种因素,可以在相同原始数据的基础上评价不同算法或不同算法运行方式对聚类结果所产生的影响(Al-Zoubi,Rawi,2008)。轮廓系数定义为
$$ S ( {\boldsymbol{i}} ) =\frac{b ( {\boldsymbol{i}} ) -a ( {\boldsymbol{i}} ) }{\mathrm{m}\mathrm{a}\mathrm{x} [ a ( {\boldsymbol{i}} ) \text{,} b ( {\boldsymbol{i}} ) ] } \text{,} $$ (2) 式中:a(i)为向量i到同一簇内其它点不相似程度的平均值;b(i)为向量i到其它簇的平均不相似程度的最小值;S(i)为轮廓系数,S∈$ [ -1\text{,}1 ] $,S越大,聚类效果越好,对应的聚类模型参数也最优。
3. 地震簇分析
由于地震通常发生在地壳介质比较脆弱的部位,而地壳经过长期的地质演化和构造活动,形成了复杂的地壳介质结构,特别是沿断层展布方向、褶皱构造转折部位和岩层界面产生了大量破裂强度较低的脆弱带。当地壳应力大于岩石破裂强度后,脆弱部位则首先发生破裂,释放能量而形成地震簇(小震群或余震),通过地震簇的三维空间分布特征即可进一步构建地壳深部断层破裂面。本文将对长宁地区大量的地震精定位数据和震源机制解进行聚类分析和监督分类,分析地震簇的形态特征,进而提取深部发震断层的形态。
3.1 地震聚类分析
地壳介质的不均匀性,加上岩层界面和构造界面分布的成因不同,使得地震分布具有一定的随机性,而这些随机地震没有破裂成核形成地震的脆弱带,在发震构造的分析中需要剔除。此外,不同脆弱带所处的构造部位、应力环境和介质岩性均不同,所以其表现出来的形态特征和破裂行为也具有一定的差别。鉴于此,本文利用密度聚类对地震簇进行聚类分析,并通过多个聚类参数进行迭代计算,之后以轮廓系数来确定聚类效果的优劣。在考虑聚类簇数的前提下,选取轮廓系数最优的一组参数(ε=0.19,MinPts=23)作为最终聚类分析的参数设置(图4a)。通过聚类分析获得五个地震簇,其中:长宁背斜上的一个地震簇呈WNW向排布,与背斜核部的延伸方向一致;而主要散布在建武向斜两翼的四个地震簇,其大小和形状变化均较大,可能是受页岩气开采的影响所致(图4b)。
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 clusters3.2 等效地震能量粒子
由于地震聚类分析中仅考虑到震源位置信息,忽视了震级相差较大的地震,而不同震级的能量释放和影响范围也呈指数变化,特别是主震和中强余震对破裂面的形成和贯通起到了关键的作用。因此,为了充分考虑震级对地震簇形态的影响,本文利用震级能量转换关系获取每次地震所释放的能量,并将其转化成震源附近的等效地震能量粒子,以便更加真实地刻画地震簇的形态特征。结合前文地震簇的聚类结果,将地震精定位聚类结果作为训练集,将生成的能量粒子作为样本集,对等效地震粒子进行监督分类,获取对应地震的能量粒子簇,如图4c所示,可见相对于地震簇而言,能量粒子簇具有更加丰富的样本量和均衡的粒子权重,特别是狮子滩东南侧下方和上罗镇附近地震簇的定向展布更加明显。合并NW方向的两个小地震簇后,使用密度聚类分析来剔除随机分布的噪声地震,最终获得较稳定的四个能量粒子簇(图4d),用于后期断层面拟合。
4. 发震断层特征提取
4.1 震源机制分类
震源机制是指震源区在地震发生时的力学过程,是地震断层错动的运动学描述,可用于确定地震断层面的方位和岩体的错动方向,也可用于研究震源处岩体的破裂、运动特征和应力状态(万永革,2020)。长宁地区中强余震较多,震源机制解结果丰富,但由于复杂的应力场环境以及应用的资料和反演方法不同,震源机制解结果具有一定的差异性,而震源机制解节面作为确定破裂面延展方向最直接的证据,可以用于约束破裂面的展布方向。本文结合地震簇聚类分析结果,对长宁地区的震源机制解进行分类,以获得与地震簇相关的震源机制解。绘制节面的玫瑰图,如图5所示。由该图可知:① 位于长宁背斜核部狮子滩簇的震源机制解数量最多,走向以NW−SE和近NS向为主,其中NW向为MS6.0地震的破裂方向和长宁背斜的延伸方向,而近NS向为长宁背斜中次级褶皱和节理面方向;② 位于建武向斜北翼的周家镇簇和新城镇簇具有共同的NNW向节面,显示出二者构造应力场的相似性,另一组节面分别为SW向和SE向,这与上述两个地震簇的展布方向相似,可能为破裂面的延伸方向,其中:周家镇簇的地震沿SW方向分布,震源深度较浅,可能受密集的页岩气开采井影响较大;而新城镇簇沿SE向分布,并向下延伸近20 km,可能受建武向斜核部的形态影响较大;③ 位于建武向斜南翼的上罗镇簇,其节面方向以NW向和SE向为主,与地震簇的展布方向一致,该地震簇的中强地震较多,并沿着建武向斜至罗场向斜的过渡部位展布(图5)。
4.2 断层面拟合
结合地震能量粒子簇和震源机制节面信息可知,地震在狮子滩、周家镇、新城镇和上罗镇四个区域已经沿特定方向成核,发生破裂。因此,可以利用地震能量粒子簇和震源机制解节面方向进行空间插值,拟合破裂面的形态特征。为了避免高阶多项式插值数据之间产生的非自然振荡现象,本文使用双三次样条来插值震源,构造一个连续光滑的分段多项式(Brunsvik et al,2021),在断层面上创建7×7节点网格,以确保所有地震簇均包含在网格范围内。在此基础上使用最小二乘法反演节点参数,最终获得精细的断层破裂面结构模型,如图6所示。
结合长宁地区的构造地质资料和工业开采状况,对四条破裂面的形态和成因机制进行分析,结果显示:① 狮子滩破裂面的拟合度最好,该破裂面沿长宁背斜核部呈NW−SE向展布,倾角较陡,地震均匀分布在破裂面两侧;② 建武向斜的三条破裂面呈一定角度交织在向斜的两翼,其中:上罗镇破裂面较平直,与狮子滩破裂面近似平行;周家镇破裂面的浅部地震数量较多,受页岩气开采影响较明显;新城镇破裂面的深度最深,向地下延伸约20 km,且呈一定角度倾斜,倾向NE,倾角约为70°;③ 在建武向斜SE方向也出现一些M3.0左右的地震,但地震事件较孤立,未构造成核形成破裂面。
5. 讨论
在现今青藏高原向东南缘挤出的大地构造背景下,受扬子地台和华南板块的阻挡,长宁地区的褶皱构造改造日益加剧(Jiang et al,2020)。在构造应力的持续加载下,伴随着工业开采活动的诱发,在长宁地区的特殊构造部位发生了大量的地震,这些地震呈丛集状分布,其空间几何形态指示着断层面的形态结构。本文借助于机器学习相关算法对地震簇进行特征提取,挖掘地震数据的构造信息以拟合对应的断层面,并在此基础上综合构造背景、应力场背景和速度结构分析断层面的合理性和可靠性。
5.1 断层结构与构造背景
川东褶皱呈现出强烈的各向异性,表明区域变形强烈,刚性的四川盆地和走滑断层的错动可能会将压应力转化为相邻区域的剪切变形,从而有利于应变的积累,同时可能在页岩气勘探和开采阶段诱发地震(Zhang et al,2022)。长宁地区的地震主要分布在褶皱系内,特别是在长宁双河背斜核部和建武向斜的两翼,地震分布呈定向性排布,说明背斜与向斜转折端已形成微裂缝系统(He et al,2019),即破裂带逐渐沿应力错动方向贯通形成了较新的发震断层。通过对破裂面的拟合,发现其走向与该区域的构造节面和震源机制解节面的走向具有较强的一致性。该破裂面的倾角较陡,切穿下伏志留系页岩和寒武系灰岩。而地震的大小与岩性的力学性质相关,即:页岩较软,易形成滑脱层,以小微地震为主;灰岩质脆,以中强地震为主。地震反射剖面显示长宁背斜存在基底逆冲断层,加上该区域的工业活动,这些可能会增加该地区潜在的地震风险(Lu et al,2021)。地震簇的分布集中于工业开采区范围内,无论是盐矿开采还是页岩气开采,都降低了开采层位的岩石力学强度和地层的稳定性,这为断层破裂成核提供了可靠的构造空间,即通过地震簇提取的断层模型与区域构造及地壳介质各向异性具有高度的一致性。
5.2 断层结构与应力场背景
长宁地区地壳应力场的最大主应力轴在整个区域内基本都处于近水平状态,其方位为近EW向,由北向南发生一定角度的顺时针旋转;由于岩石力学性质的横向差异,长宁背斜和建武向斜的应力类型分别为逆冲型和走滑型(胡幸平等,2021),这为高陡断层的形成提供了必要的应力条件。基于b值和InSAR数据获得的研究结果(Wang et al,2022)均显示,主震破裂和震源都集中分布于上地壳的沉积地层中。Zhang等(2022)关于主震震源机制和同震地表变形的研究结果显示,地震前后应力降和应力张量的方差增大,反映了长宁地区应力场随时间的不断调整,主导背斜形成的主压应力从NE−SW方向转向近EW方向,产生了包含反转分量和左旋分量的斜向运动。自2005年开始,研究区域的应力快速增长,特别是水力压裂后,本底速率显著增加,并一直保持在较高水平,2019年长宁地震的应力阶跃为0.32 MPa (Jia et al,2020)。这种条件促使地震发生,为地震集中破裂提供了动力条件,进而形成高角度断层面。
5.3 断层结构与速度结构
长宁震区及周边上地壳P波速度结构呈现出明显的横向不均匀性,震区沉积盖层的物性特征分异明显(Zuo et al,2020)。双河场背斜褶皱北西侧的波速结构与其东部存在明显的差异性,且浅层P波速度结构的分布特征与地表地质构造、地层岩性和地震分布密切相关;狮子滩背斜下方约10 km深度处观测到明显的高低速过渡带,高速体的存在可能控制着主震的产生和余震的扩展,长宁背斜的东南侧出现明显的高速层,沉积地层以古生代灰岩和变质岩为主,对应较强的力学性质,可能阻挡了本次长宁地震东南向的破裂而使其表现出明显的单向破裂特征(孙权等,2021)。狮子滩破裂面大体上沿着高低速异常分界线呈NW−SE向展布,并终止于白象岩—狮子滩背斜构造东段附近,震区褶皱构造伴生断裂的复杂性可能破坏了盖层地层的成层性(李大虎等,2021),使得不同深度地层的地震在垂向上具有较高的一致性,从而形成了高角度狮子滩断层面(图7)。
无论是P波速度结构还是S波速度结构,在建武向斜的核部均出现了高速体异常。建武向斜的三条破裂面主要围着向斜核部高速体外缘展布,该区域也是页岩气开采的主要区域。在工业开采作用的诱发下,注水压裂可能改变了原始的岩石力学性质,加上流体侵入或孔隙压力的增大,改变了附近岩层节面及断层的孔隙压力,进而造成局部失稳(Sun et al,2017;Liu,Zahradník,2020;Wang et al,2020;Jiang et al,2021);在高速体周围先存的破碎带,最终在构造应力的加载下,在高速体外围发生破裂,形成了合围的三条断层面。
综上所述,长宁地区地处特殊的构造背景,在持续构造应力的加载下,能量不断积累,最终可能在工业开采和注水等外界条件的诱发下,原始地壳介质的岩石力学性质和结构特征发生改变,导致能量集中释放,形成多个地震簇;地震簇之间通过原始节理面逐渐贯通,最终形成破裂面。而破裂面附近也是地壳介质相对较薄弱的地带,沿着破裂面延伸方向的区域可能是未来地震较活跃的区域。
6. 结论
长宁地区地震活动受到前所未有的关注,并因此产出了大量地震成果数据。如何通过已有的地震数据提取出精细的发震构造信息是本文解决的主要问题,这为后续深入挖掘地震信息提供了新的借鉴,也为长宁地区发震构造的三维形态特征提供了新的证据。本文结合地震精定位和震源机制解数据,利用机器学习方法提取发震断层三维几何形态特征,最终提取出四条破裂面,揭示了该区域的部分发震构造。
1) 在位于长宁背斜核部的狮子滩破裂面,地震沿长宁背斜高速体西南缘密集分布,其产状较平直,呈NW−SE向展布,倾角较陡,断层下切深度约为12 km。
2) 位于建武向斜两翼的三条破裂面呈“三角形”分布在建武向斜核部的高速体周围,其中:周家镇破裂面较浅,受页岩气开采影响较大;新城镇破裂面受深部结构面的控制,最深达12 km;上罗镇破裂面分布在建武向斜的南翼,并向罗场向斜延伸,其产状近似平行于狮子滩破裂面。
3) 无论是地震簇的定向排布,还是震源机制解节面的优势方向,均显示相应构造部位的地震已破裂成核,形成了破裂面。本研究进一步结合该区域地质构造背景和速度结构等反演结果,解释了发震断层形态的合理性。
中国地震科学实验场提供了初始断层数据和长期地震目录,中国地震局地球物理研究所房立华研究员、赵明副研究员提供了精定位数据,防灾科技学院万永革教授提供了震源机制解结果,作者在此一并表示衷心的感谢。
-
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
-
期刊类型引用(0)
其他类型引用(1)