2021年漾濞地震序列破裂方向性研究

杨苗, 王宏伟, 温瑞智, 任叶飞

杨苗,王宏伟,温瑞智,任叶飞. 2023. 2021年漾濞地震序列破裂方向性研究. 地震学报,45(5):836−848. DOI: 10.11939/jass.20220227
引用本文: 杨苗,王宏伟,温瑞智,任叶飞. 2023. 2021年漾濞地震序列破裂方向性研究. 地震学报,45(5):836−848. DOI: 10.11939/jass.20220227
Yang M,Wang H W,Wen R Z,Ren Y F. 2023. Study on the rupture directivity of the 2021 Yangbi earthquake sequence. Acta Seismologica Sinica45(5):836−848. DOI: 10.11939/jass.20220227
Citation: Yang M,Wang H W,Wen R Z,Ren Y F. 2023. Study on the rupture directivity of the 2021 Yangbi earthquake sequence. Acta Seismologica Sinica45(5):836−848. DOI: 10.11939/jass.20220227

2021年漾濞地震序列破裂方向性研究

基金项目: 中国地震局地震工程与工程振动重点实验室重点专项(2021EEEVL0202)、中国地震局工程力学研究所基本科研业务费专项(2020C05)、黑龙江省科学基金项目(LH2020E021)和四川省地震局地震科技专项(LY2231)共同资助
详细信息
    作者简介:

    杨苗,在读硕士研究生,主要从事地震动特征方面的研究,e-mail:yymm159123@163.com

    通讯作者:

    王宏伟,博士,副研究员,主要从事地震动特征及模拟方面的研究,e-mail:whw1990413@163.com

  • 中图分类号: P315.7

Study on the rupture directivity of the 2021 Yangbi earthquake sequence

  • 摘要:

    基于2021年云南漾濞MS6.4地震序列的强震动记录,建立了地震动参数预测方程,采用破裂方向性效应拟合方法估计了强震动记录丰富且空间分布均匀的九次地震的震源破裂方向性特征。结果表明:其中的四次地震(1号、4号、8号、9号)表现出破裂方向性效应,且均为不均匀双侧破裂,但优势破裂方向不同(4号和8号为东南向,1号西北向,9号西南向),说明2021年漾濞地震序列的地震破裂较为复杂;由于主震(4号地震)的破裂速度较慢(约为2.2 km/s),其破裂方向性效应较弱且主要对峰值速度有影响,其它三次地震破裂方向性效应十分显著,破裂速度大于主震;此外,四次地震的破裂方向性效应还存在一定的周期相关性。

    Abstract:

    This study used the strong-motion recordings of the MS6.4 Yangbi earthquake sequence in Yunnan Province to establish the prediction equations of ground motion parameters, and then estimated the focus rupture directivities characteristics for nine Yangbi earthquakes with abundant recordings in a good spatial station coverage based on the rupture directivity effect fitting method. The results indicated that the rupture directivity effects are observed in four of these earthquakes (i.e., the 1st, 4th, 8th, and 9th earthquakes). The four earthquakes are all characterized by the bilateral ruptures with various predominant rupture directions (i.e., southeast for the 4th and 8th events, northwest for the 1st event, and southwest for the 9th event), which illustrates the rupture complexities of the Yangbi earthquake sequence. Since the estimated rupture velocity (about 2.2 km) of the mainshock (the 4th event) is very slow, its rupture directivity effects are not strong and mainly affect the peak ground velocity. However, the rupture directivity effects for the other three earthquakes are very strong and the rupture velocities are faster than that of the mainshock. The dependency of the rupture directivity effects on the period was also observed in the four earthquakes.

  • 破坏性地震发生后,主要通过现场调查获取震害信息,这样获取的信息的精度和置信度均较高,然而破坏性地震的影响范围往往很大,现场调查存在工作量大、效率低、信息表达不直观等问题(柳稼航等,2004张志强等,2018)。鉴于遥感影像覆盖面积大、成本低,具有快速、宏观的特点,因此可作为获取震害信息的一种既经济又快捷的数据来源(王晓青等,2003Huang et al,2014)。经由高分辨率遥感影像提取的建筑物震害信息可为地震现场救援决策提供高效的数据支持(Turker,Cetinkaya,2005王龙等,2007)。 “十二五” 计划以来,我国陆续研制发射并投入使用了 “高分一号” (GF-1)、 “高分二号” (GF-2)和 “高分四号” (GF-4)卫星,极大地满足了我国对中高分辨率遥感数据的应用需求。随着国产卫星技术的发展,国产卫星产出的数据质量高、获取简单且成本较低,为防震减灾事业发展提供了强有力的支持。因此研究基于我国国产高分数据的建筑物震害信息提取方法,对提高震害信息获取速度和救援决策效率意义重大。

    近年来,研究人员依据建筑物震害特征,提出了多种建筑物震害信息提取方法(Turker,Sumer,2008Dong,Shan,2013叶昕等,2016),例如:Yamazaki等(2005)采用目视解译方法进行建筑物震害信息提取;翟永梅等(2015)赵妍等(2016)采用面向对象方法进行基于高分辨率遥感影像的建筑物震害信息提取;张景发等(20022017)就建筑物震害评估和多源遥感特征及机理予以分析;王晓青等(2015)借助遥感手段针对尼泊尔MS8.1地震的建筑物震害信息进行提取和分析。基于遥感影像的建筑物震害信息提取已有诸多成果,也具有很好的应用前景,然而由于该技术的复杂性,使其在现实中的应用受到局限,特别是信息提取的速率、精度及自动化程度等方面亟待提高。

    为此,本文拟以分辨率高、获取方便的国内高分卫星遥感影像为基础,考虑人机互补的优势,结合建筑物纹理和形态学特征,研究适用于我国高分卫星数据的建筑物震害信息提取方法,为地震应急决策、灾害损失评估及震后灾区恢复重建等工作服务。

    塔什库尔干塔吉克自治县,简称塔县,隶属新疆维吾尔自治区喀什地区。塔县位于帕米尔高原西部,西昆仑褶皱带的塔什库尔干隆起地带,海拔较高。塔县的地势由西南向东北倾斜,山脉自西南向东北延伸。

    2017年5月11日5时58分(北京时间),新疆喀什地区塔什库尔干塔吉克自治县(37.58°N,75.25°E)发生MS5.5地震,震源深度为8 km。该地震造成塔什库尔干县8人遇难、31人受伤。8名遇难者均在塔什库尔干乡库孜滚村,受该地震影响,库孜滚村的建筑物大面积倒塌毁坏,此地为塔县地震的极灾区,正是本文的研究区域。

    本文采用地震前后同系列卫星遥感数据,首先完成两景影像精确位置匹配,然后结合纹理和形态学特征方法进行建筑物信息提取,满足一定的精度要求;通过震前、震后建筑物变化检测分析,提取研究区倒塌建筑物的空间分布信息。

    图1给出了建筑物震害信息提取的技术路线图,技术路线包括以下几部分:

    图  1  建筑物震害信息提取的技术路线图
    Figure  1.  Technology route line of seismic damage information extraction

    1) 数据收集及预处理。收集研究区震前震后的高分遥感影像数据、数字高程模型(digital elevation model,缩写为DEM)数据、行政区划数据等,进行影像正射校正、几何校正、影像融合、影像重采样等预处理,完成震前、震后影像空间匹配;然后手动建立居住区为感兴趣区,缩小研究区范围。

    2) 纹理分析。采用灰度共生矩阵方法提取建筑物纹理信息,通过对比分析,确定能够突出建筑物信息的纹理特征图像。

    3) 二值化及形态学运算。对纹理特征图像进行密度分割,找到建筑物取值范围,进行二值化(林祥国,张继贤,2017),从而提取建筑物的空间分布信息;之后通过形态学运算优化建筑物形态。

    4) 精度评价。将通过人工识别的完整建筑物作为地面样本,计算信息提取的总分类精度,并且进行精度评价,人工修改误提、漏提的建筑物区域,使其达到精度要求,为建筑物震害信息提取提供精确数据支持。

    5) 建筑物震害信息提取。对震前、震后提取的建筑物空间分布信息进行变化检测,提取完全倒塌的建筑物空间分布信息。

    塔县地震发生后,为快速了解灾区灾情,新疆维吾尔自治区地震局应急遥感技术组联系新疆卫星遥感应用中心快速收集地震前后的高分遥感数据,便于快速进行震害信息遥感解译。所获数据为研究区震前2015年9月6日GF-1影像、震后2017年5月13日GF-2影像以及研究区DEM、县驻地、乡驻地、县界、乡界等数据。

    采用正射校正、几何校正、影像融合、影像重采样等方法对震前、震后遥感影像进行预处理,其中正射校正采用30 m DEM数据进行,几何校正以google影像为基础进行。为保证数据的解译效果,本文还进行了影像融合。为保证建筑物震害信息的解译精度,在数据预处理时对震前、震后影像进行几何精校正。由于震前、震后影像的空间分辨率不一致,为保证匹配精度,须将震前影像进行影像重采样,重采样数据的空间分辨率为1 m,然后进行几何精校正,校正误差小于0.5个像元,至此完成震前、震后的影像精确匹配。图2a图2b分别为预处理后研究区的震前GF-1影像和震后GF-2影像。

    图  2  研究区预处理后的GF卫星遥感影像图
    (a) 预处理后的震前GF-1影像图;(b) 预处理后的震后GF-2影像图;(c) 裁剪震后的GF-2居住区影像图
    Figure  2.  GF remote sensing images preprocessed in the studied area
    (a) GF-1 image before earthquake after pre-processing;(b) GF-2 image after earthquake after pre-processing;(c) Clip image of GF-2 residential area after the earthquake

    为提高建筑物震害信息遥感解译精度和效率,以居住区为目标,手动建立感兴趣区,裁剪研究区影像,减少数据范围及干扰信息。图2c为经过感兴趣区裁剪后的震后GF-2遥感影像图。

    倒塌建筑物和完好建筑物的纹理特征和结构不同:完好建筑物形状规则,房屋边缘纹理清晰;倒塌建筑物的形状和布局发生变化,影像中房屋建筑物破坏截面粗糙、破碎,形状不规则,房屋边缘模糊等。通过提取纹理信息可自动提取建筑物,通过震前、震后建筑物信息对比分析可识别研究区的倒塌建筑物。

    灰度共生矩阵法是较为流行的纹理分析方法,也是建筑物检测的最有效方法之一。灰度共生矩阵可以展现像素值在空间的相对位置。通过多种方法对灰度共生矩阵加权计算,可以得到一系列特征统计量来表征区域纹理。Haralick (1979)提出了14种特征统计量,常用的有均值、方差、同质性、对比度、非相似性、熵、角二阶矩、相关性等。

    灰度共生矩阵算法能较好地提取建筑物的空间分布信息,但提取结果存在建筑物边缘不平滑、小斑块噪声以及建筑物顶面有孔洞等问题。采用数学形态学方法进行数据处理(王光霞,杨培,2000翟辉琴,王明孝,2005欧阳平,张玉方,2009李金香等,2016),可以得到完整的建筑物顶面信息。

    数学形态学基本公式如下:

    当二值形态腐蚀时,

    $ {{A}}\Theta {{B }} {\text{=}} \{ {{x}}:{{B}} {\text{+}} {{x}} \subset {{A}}\} {\text{;}} $

    (1)

    当二值形态膨胀时,

    $ {{A}} \oplus {{B}} {\text{=}} {[{{{A}}^{\rm{c}}}\Theta \left( { - {{B}}} \right)]^{{c}}} {\text{;}} $

    (2)

    当二值形态开运算时,

    $ {{A}} \circ {B} {\text{=}} \left( {{{A}}\Theta {{B}}} \right) \oplus {{B}} {\text{;}} $

    (3)

    当二值形态闭运算时,

    $ {{A}} \bullet {{B}} {\text{=}} \left( {{{A}} \oplus {{B}}} \right)\Theta {{B}} {\text{,}} $

    (4)

    This page contains the following errors:

    error on line 1 at column 1: Start tag expected, '<' not found

    Below is a rendering of the page up to the first error.

    为了更好地说明本文方法中建筑物震害信息提取的效果, 应用上述方法提取研究区建筑物震害信息后,同时使用基于像元级和基于目标级信息提取方法提取建筑物震害信息,并对不同方法所得计算结果进行比较。

    采用灰度共生矩阵法对新疆塔县地震极灾区震前、震后遥感影像进行纹理分析,计算了8种特征图像,结果如图3所示。通过对比,采用干扰信息少的对比度特征来提取建筑物纹理信息。

    图  3  建筑物纹理特征图像
    (a) 均值;(b) 方差;(c) 同质性;(d) 对比度;(e) 非相似性;(f) 熵;(g) 角二阶矩;(h) 相关性
    Figure  3.  Texture feature of buildings
    (a) Mean;(b) Variance;(c) Homogeneity;(d) Contrast;(e) Dissimilarity;(f) Entropy; (g) Angular second moment;(h) Correlation

    灰度共生矩阵方法中的尺度、方向及步长所采用的数值不同,计算结果不同,本文采用45°方向、步长为1的参数进行运算。合适的滑动窗口尺度能够更好地展现建筑物信息,本文选取3×3,5×5,7×7,9×9,11×11,13×13窗口尺度进行计算,图4为不同尺度的纹理特征影像。因震前、震后影像的分辨率不同,建筑物纹理特征存在差异,故而对震前、震后影像进行计算时,在参数适用性上也有差异,本文对于震前GF-1影像采用9×9窗口、45°单一方向、步长为1的对比度纹理特征影像进行建筑物信息提取,对于震后GF-2影像采用7×7窗口、45°单一方向、步长为1的对比度纹理特征影像进行建筑物信息提取。

    图  4  不同尺度的对比度特征图
    Figure  4.  Contrast feature images with different scales
    (a) 3×3;(b) 5×5;(c) 7×7;(d) 9×9;(e) 11×11;(f) 13×13;

    其次对提取的特征图像进行二值化,确定建筑物的空间分布。因震前、震后影像的拍摄时间不同,传感器也不同,故提取的特征图像中建筑物取值分布不同,采用密度分割法对特征图像进行密度分割,找到震前、震后影像中建筑物分布的纹理特征值,进行二值化,值为1的像元为建筑物数据(图5ab)。

    图  5  通过密度分割 (a)、二值化 (b)、形态学运算 (c) 的建筑物信息提取
    Figure  5.  Building information extraction by density segmentation (a),binarization (b) and morphological operation (c)

    数学形态学方法是指通过基于二值化影像开展的膨胀、腐蚀、开、闭等运算,使建筑物边缘更加平滑。因震前、震后影像的分辨率不同,震前、震后建筑物的边缘纹理存在差异,故而在利用数学形态学方法进行数据处理时,震前、震后影像计算参数也不同(图5c)。通过逐步试验,找到最优参数进行建筑物空间分布信息提取。图6给出了本文所提取的研究区震前、震后影像建筑物的空间分布信息。

    图  6  塔县地震前(a)、后(b)的建筑物提取结果图
    Figure  6.  Extraction results of buildings before (a) and after (b) the Taxkorgan Tajik earthquake

    精度评价(余先川等,2012)是分析建筑物信息提取结果的精度,进而判断提取结果的优劣及是否可用。通过人工选取建筑物感兴趣区域作为地面样本,对建筑物信息提取结果进行精度评价,震前、震后建筑物震害信息提取总精度分别为86.74%和77.78%。震害信息提取总精度较高,研究区无漏提现象,然而存在误提区域,震前、震后影像误提的区域主要为植被区,因植被纹理与房屋建筑物纹理存在相似的区域被误提,同时形态学综合过程中对建筑物边界进行膨胀腐蚀,使得房屋边界有所扩张,扩张区域误提了道路及空地区域。总之,利用本文算法提取的建筑物具有较高的正确率,后续通过人工修正方法对误提区域进行修正,保证后续建筑物震害信息提取的精度要求。

    进而对震前、震后提取的建筑物进行变化检测分析,提取建筑物震害信息。因形态学方法在进行建筑物信息综合的过程中对建筑物的边界已经进行了膨胀、腐蚀等运算,本文提取的建筑物边界较实际有所偏移,故而震前、震后建筑物边缘的匹配度欠佳,因此本文仅提取全部倒塌建筑物及新增完好建筑物的信息。

    震害信息提取算法为:首先提取与震后建筑物提取结果有交集的震前建筑物的空间分布数据,即为震后未倒塌的建筑物;然后用震前建筑物的提取结果剔除震后未倒塌的建筑物,即为倒塌建筑物的空间分布数据。同理,提取与震前建筑物提取结果有交集的震后建筑物的空间分布数据,用震后建筑物提取结果剔除交集,即为2015年后新建且在震后未倒塌的建筑物的空间分布数据。具体建筑物震害信息提取结果如图7所示。

    图  7  塔县地震后极灾区建筑物震害提取结果图
    (a) 未倒塌建筑物分布图;(b) 倒塌建筑物分布图;(c) 新建未倒塌建筑物分布图
    Figure  7.  Damage extraction map of buildings in the extreme disaster areas of Taxkorgan Tajik earthquake
    (a) Distribution of uncollapsed buildings;(b) Distribution of collapsed buildings; (c) Distribution of newly built uncollapsed buildings

    图7a中东南方较大区域斑块为村委会建筑,塔县地震后库孜滚村的未倒塌建筑物主要集中在村委会以北,尤其是安居富民房区域,房屋均未倒塌。安居富民房屋展现出较好的抗震性能。图7b中倒塌建筑物主要集中在村委会周围及村委会以南,该地区的房屋质量较差,抗震性能低,在地震中成片倒塌,此处为救援重点地区。在进行震前、震后建筑物信息变化检测中,2015年后新建建筑物被提取出来,由于经济水平的提高,该区域近年新建的建筑物质量较好,在地震中展现了较好的抗震性能。在新增建筑物中,位于安居富民房区域内的新增建筑物主要为抗震救灾帐篷搭设区。为更好地安置转移的地震受灾人员,使受灾人员集中便于管理,救灾帐篷搭设在安居富民房屋附近。

    为了更好地说明本文方法用于震害信息提取的效果,进行了多种方法的对比,选择的方法主要有基于像元级的分类方法和基于目标级的面向对象分析方法,并对不同方法的计算结果进行比较。

    像元级分类方法主要是利用地震现场信息及研究区的各类地物特征,结合影像识别地物影像特征及解译标志,并建立分类样本,采用支持向量机(support vector machine,缩写为SVM)方法对影像直接进行像元级信息提取。信息提取结果如图8a所示。

    图  8  支持向量机法(a)和面向对象方法(b)的建筑物震害信息提取结果图
    Figure  8.  Extraction result of seismic damage information of buildings by Support Vector Machine method (a) and by object-oriented methord (b)

    像元级信息提取是在建立精确地物解译标志及选择合适的信息提取方法的前提下,可以检测出倒塌建筑物的空间分布情况。由图8a可知,由本文方法提取的倒塌建筑物的空间分布情况与基于像元级方法(支持向量机法)提取的结果大致相同,然而基于像元级信息提取所获得的倒塌建筑物(图中红色区域)存在着大量的误检,同时分类结果存在椒盐效应。这是由于建筑物倒塌后占地面积较原始建筑物占地面积大,故而基于像元级信息提取方法提取的倒塌建筑物比本文方法提取结果的面积更大,且提取结果破碎。基于像元级信息提取方法是依据地物光谱信息分类提取的,同一地物光谱信息越集中,与其它地物光谱差别越大,提取效果越好,然而现实中多存在 “同物异谱” 和 “异物同谱” 现象,如倒塌建筑物区域与粗糙裸地的光谱接近,这使得基于像元级倒塌建筑物信息提取结果的误提信息较多,信息提取结果精度偏低。

    面向对象方法是一种基于目标的分类方法,该方法不再是基于像素尺度进行分类,而是通过多尺度分割将遥感影像分割为多个目标,综合考虑影像空间特征、光谱特征、纹理特征、几何特征等因素,得到较高精度的信息提取结果。

    面向对象方法分类的关键是多尺度影像分割技术。选择的分割尺度越小,越易出现误检现象,其原因在于,过小的分割尺度使得地物分割过于破碎,提取结果破碎且效果不佳。相反,选择的分割尺度太大,易出现漏检现象,即建筑物震害信息未被准确提取。其原因是分割尺度太大会使多种地物分割到一起,小斑块的地物容易被分割到周边大斑块地物中,使得建筑物震害信息无法准确地被提取出来。本研究经过反复试验,找到合适的分割尺度进行影像多尺度分割,进而进行面向对象信息提取,结果如图8b所示。

    目标级建筑物震害信息提取虽然有效地避免了椒盐效应,所提取的信息相对连续,但仍存在其它地物被错误识别为震害建筑物的问题。这是由于在多尺度分割过程中,倒塌建筑物出现过多的碎块,使得倒塌建筑物本身的形状特征不能很好地参与到分类过程中,导致最终分类结果中有部分植被、农田和裸地被混淆。

    为定量分析试验结果,对本文方法、像元级、目标级信息提取方法分别进行精度评价。本文结合现场调查信息和地震现场无人机影像以及震前google影像,进行无人机影像目视解译,将其作为精度评估样本。无人机影像覆盖区域、目视解译结果与本文提取结果的对比如图9所示,主要覆盖震后完好建筑物分布区域和倒塌建筑物连片分布区域,精度指标采用的总体精度和Kappa系数列于表1

    表  1  不同提取方法分类精度的比较
    Table  1.  Comparison of classification accuracy with different extraction method
    分类方法总体精度Kappa系数
    本文方法90.45%0.87
    支持向量机法84.67%0.78
    面向对象分析法85.22%0.79
    下载: 导出CSV 
    | 显示表格
    图  9  无人机影像区域提取结果对比图
    (a) 无人机影像覆盖区域;(b) 安居富民房航拍区对比结果图;(c) 村委会附近航拍区对比结果图
    Figure  9.  Contrast Map of UAV Image Region
    (a) UAV images coverage area;(b) Comparison of aerial photography area of the rural housing project in Xinjiang;(c) Comparison of aerial photography area near village committee

    表1不难发现,相较单一的像元级和目标级信息提取方法,本文方法的总体精度分别提高了5.78%和5.23%,其中:像元级信息提取方法中,倒塌建筑物主要将农田、裸地误提进来,误提率为7.75%和4.22%;目标级信息提取方法中,倒塌建筑物主要将裸地、农田和植被误提进来,误提率为5.31%,5.05%和2.84%;本文方法提取的建筑物震害信息是基于震前、震后建筑物提取结果对比分析的基础上所获,提取的倒塌建筑物主要为2015年9月后消失的建筑物,但由于在建筑物震害信息提取中未考虑人为因素,存在误提现象。今后尚需结合像元级和目标级震害信息提取方法进行误提部分剔除,进一步提高信息提取精度。

    本文结合纹理和形态学特征方法进行了基于国内高分遥感影像的建筑物震害信息提取研究,提取了2017年5月11日新疆塔县MS5.5地震极灾区库孜滚村在地震前后真实的建筑物空间分布数据,通过变化检测分析,获取了研究区倒塌建筑物空间分布信息,并结合其它方法进行了信息提取结果精度的对比。本文结果表明:结合纹理和形态学特征的方法能较好地提取高分遥感影像中的建筑物信息,本方法对基于国产高分影像进行建筑物震害信息提取具有较高的正确率和鲁棒性;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%;对比单一的像元级和目标级信息提取方法,本文方法的总体精度分别提高了5.78%和5.23%。

    本文仍存在一些不足,如本文仅提取了完全倒塌的建筑物,对于部分倒塌及未倒塌但严重破坏的建筑物并未涉及,今后应对不同震害类型进行更加细致的影像特征分析,建立更加丰富的建筑物震害特征库及专家知识库,便于探求新的模型方法,进行多类型震害信息识别,提高震害识别精度。本文建筑物信息提取的总体精度较高,但仍存在误差和噪声,对震害信息检测产生影响。为保证震害信息提取精度,结合人工修正方法效果会更佳。对于不同的震例,震害表现多有不同,不同地区的地物特征多有不同,今后需多加实践检验,根据地物特征及建筑物震害特点进行针对性的信息提取方法设计。

    总的来看,结合纹理和形态学特征方法可用于提取高分遥感影像中的建筑物震害信息,在震害严重、救灾任务紧急的情况下,借助国产高分遥感卫星采集极灾区高分遥感影像,通过自动提取方法可以快速获取灾区倒塌建筑物的空间分布情况,为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。

  • 图  1   (a) 用来建立地震动预测方程的记录所对应的震级-距离分布图;(b)可用记录数随周期的变化

    Figure  1.   (a) Magnitude-distance distribution of the recordings for developing ground motion prediction equations; (b) The number of the usable recording varied with the period

    图  2   PGA和PGV观测值随距离衰减及其预测中位值

    Figure  2.   The distance attenuation of the observed PGA and PGV values with distance and the predicted medians

    图  3   本文选用的9次地震及其记录的台站空间分布

    Figure  3.   The nine earthquakes analyzed in this study and the spatial distribution of stations for each event

    图  4   PGA距离校正事件内残差随方位角的变化以及Cd最佳拟合结果

    Figure  4.   The path-corrected intra-event residuals varied with azimuth for PGA in each event and the azimuthal dependence of the best-fitted Cd

    图  5   PGV距离校正事件内残差随方位角的变化以及Cd最佳拟合结果

    Figure  5.   The path-corrected intra-event residuals varied with azimuth for PGV in each event and the azimuthal dependence of the best-fitted Cd

    图  6   基于不同地震动强度指标给出的$\max C_{\rm{d}}^{0.5}/\min C_{\rm{d}}^{0.5} $,纵坐标数值表示不同周期的PSA

    Figure  6.   The $\max C_{\rm{d}}^{0.5}/\min C_{\rm{d}}^{0.5} $ values based onvarious ground motion intensity measures,numbers on the ordinate indicate the period of PSA

    图  7   基于不同周期PSA估计的破裂方向及其标准差范围

    Figure  7.   Rupture directions and standard deviations based on PSAs at various periods

    表  1   地震动参数预测方程回归系数及标准差

    Table  1   Regression coefficients and standard deviations of the parameter prediction equations of ground motion

    地震动强度指标 回归系数
    a1a2a3a4a5a6a7φτσ
    PGA 2.907 4−0.089 50.028 5−1.719 00.142 1−0.009 6−0.085 50.340 80.192 40.391 4
    PGV 2.226 0−0.106 20.046 6−1.481 10.099 0−0.008 6−0.521 20.358 90.244 60.434 3
    PSAT=0.10 s2.581 50.066 60.026 1−1.456 60.043 9−0.005 4−0.023 10.357 20.171 40.396 2
    T=0.15 s2.650 70.082 00.025 9−1.081 50.041 3−0.008 2−0.241 30.368 80.205 00.421 9
    T=0.20 s2.818 10.090 80.029 2−1.117 10.027 4−0.006 6−0.333 80.419 90.230 20.478 9
    T=0.26 s2.902 30.030 40.042 1−0.963 7−0.000 5−0.006 7−0.405 10.456 10.237 00.514 0
    T=0.30 s2.764 90.046 30.044 1−0.900 2−0.013 7−0.006 5−0.426 50.448 00.230 30.503 7
    T=0.36 s3.021 20.068 70.043 0−1.003 7−0.008 1−0.005 4−0.556 90.424 40.224 90.480 3
    T=0.40 s3.165 00.103 10.039 3−1.13280.005 1−0.005 3−0.624 60.420 00.223 80.475 9
    T=0.46 s2.810 60.198 60.037 9−0.977 2−0.050 5−0.003 7−0.637 00.404 70.230 90.465 9
    T=0.50 s2.657 40.251 20.034 4−0.949 4−0.059 6−0.004 0−0.646 80.403 30.232 50.465 5
    T=0.60 s2.190 30.343 80.036 4−0.735 3−0.130 6−0.001 5−0.654 10.402 50.244 50.470 9
    T=0.70 s2.026 60.344 00.035 3−0.619 7−0.124 0−0.003 1−0.6770.400 30.241 00.467 2
    T=0.90 s1.713 30.364 30.034 4−0.429 3−0.142 6−0.002 0−0.721 10.403 50.246 00.472 6
    T=1.00 s1.416 70.430 20.028 6−0.294 7−0.147 7−0.003 0−0.749 40.411 80.232 40.472 9
    T=1.50 s1.015 60.548 50.018 0−0.079 2−0.155 4−0.001 9−0.919 50.457 70.260 70.526 7
    下载: 导出CSV

    表  2   震级相关的h

    Table  2   Magnitude-dependent h values

    MhMhMh Mh
    2.8—3.5 1.00 3.6—3.7 1.05 4.0—4.5 1.10 4.6—4.7 1.20
    5.0 1.50 5.2 1.50 5.6 2.00 6.4 3.90
    下载: 导出CSV

    表  3   选用的9次地震的基本信息及记录数

    Table  3   Basic information and the number of recordings for the nine events considered

    地震编号发震时刻(北京时间)MS北纬/°东经/°震源深度/km记录数
    年-月-日 时:分:秒
    1 2021-05-19 20:05:564.625.6599.911050
    2 2021-05-21 21:21:255.625.6599.921096
    3 2021-05-21 21:21:574.2(ML25.6399.961050
    4 2021-05-21 21:48:346.425.7099.8810100
    5 2021-05-21 21:55:285.025.6799.89962
    6 2021-05-21 22:31:105.225.6199.97897
    7 2021-05-21 23:23:344.525.5999.98972
    8 2021-05-22 02:28:434.2(ML25.6399.921937
    92021-05-22 20:14:364.725.6099.921063
    下载: 导出CSV

    表  4   基于PGA,PGV分别估计的地震破裂方向性参数

    Table  4   Rupture directivity parameters estimated based on PGA and PGV,respectively

    地震编号峰值参数φ/°vr/βk$ {\max C_{\rm{d}}^{0.5} }$${\min C_{\rm{d}}^{0.5} } $${{\max C_{\rm{d} }^{0.5} }/{\min C_{\rm{d} }^{0.5} } }$
    1 PGA 316.0±11.4 0.93±0.04 0.96±0.03 3.73 0.75 4.95
    PGV 309.0±33.6 0.70±0.16 0.86±0.10 1.70 0.80 2.14
    2 PGA 296.1±51.4 0.61±0.16 0.68±0.10 1.32 0.83 1.59
    PGV 220.6±38.4 0.64±0.10 0.88±0.14 1.56 0.79 1.97
    3 PGA 119.0±69.9 0.58±0.17 0.27±0.16 1.31 0.83 1.59
    PGV 130.3±104.2 0.64±0.19 0.27±0.15 1.44 0.82 1.75
    4 PGA 233.1±58.6 0.63±0.14 0.78±0.14 1.45 0.82 1.78
    PGV 167.1±6.8 0.62±0.04 0.82±0.04 1.42 0.81 1.82
    5 PGA 247.1±108.1 0.51±0.14 0.71±0.15 1.21 0.82 1.47
    PGV 197.4±82.4 0.68±0.18 0.72±0.18 1.50 0.83 1.81
    6 PGA 99.4±55.6 0.66±0.17 0.19±0.17 1.55 0.81 1.92
    PGV 130.2±64.9 0.70±0.17 0.24±0.17 1.59 0.82 1.94
    7 PGA 114.6±41.9 0.63±0.13 0.34±0.14 1.34 0.83 1.61
    PGV 97.1±51.4 0.64±0.15 0.22±0.14 1.47 0.82 1.80
    8 PGA 149.8±21.9 0.76±0.10 0.87±0.11 1.90 0.80 2.39
    PGV 155.6±19.9 0.84±0.12 0.93±0.09 2.43 0.77 3.16
    9 PGA 244.4±11.2 0.65±0.08 0.87±0.06 1.57 0.80 1.98
    PGV 242.5±18.7 0.70±0.13 0.87±0.08 1.73 0.79 2.18
    下载: 导出CSV
  • 段梦乔,赵翠萍,周连庆,赵策,左可桢. 2021. 2021年5月21日云南漾濞MS6.4地震序列发震构造[J]. 地球物理学报,64(9):3111–3125.

    Duan M Q,Zhao C P,Zhou L Q,Zhao C,Zuo K Z. 2021. Seismogenic structure of the 21 May 2021 MS6.4 Yunnan Yangbi earthquake sequence[J]. Chinese Journal of Geophysics,64(9):3111–3125 (in Chinese).

    胡进军,谢礼立. 2011. 汶川地震近场加速度基本参数的方向性特征[J]. 地球物理学报,54(10):2581–2589.

    Hu J J,Xie L L. 2011. Directivity in the basic parameters of the near-field acceleration ground motions during the Wenchuan earthquake[J]. Chinese Journal of Geophysics,54(10):2581–2589 (in Chinese).

    雷兴林,王志伟,马胜利,何昌荣. 2021. 关于2021年5月滇西漾濞MS6.4地震序列特征及成因的初步研究[J]. 地震学报,43(3):261–286.

    Lei X L,Wang Z W,Ma S L,He C R. 2021. A preliminary study on the characteristics and mechanism of the May 2021 MS6.4 Yangbi earthquake sequence,Yunnan,China[J]. Acta Seismologica Sinica,43(3):261–286 (in Chinese).

    李大虎,丁志峰,吴萍萍,刘韶,邓菲,张旭,赵航. 2021. 2021年5月21日云南漾濞MS6.4地震震区地壳结构特征与孕震背景[J]. 地球物理学报,64(9):3083–3100.

    Li D H,Ding Z F,Wu P P,Liu S,Deng F,Zhang X,Zhao H. 2021. The characteristics of crustal structure and seismogenic background of Yangbi MS6.4 earthquake on May 21,2021 in Yunnan Province,China[J]. Chinese Journal of Geophysics,64(9):3083–3100 (in Chinese).

    龙锋,祁玉萍,易桂喜,吴微微,王光明,赵小艳,彭关灵. 2021. 2021年5月21日云南漾濞MS6.4地震序列重新定位与发震构造分析[J]. 地球物理学报,64(8):2631–2646.

    Long F,Qi Y P,Yi G X,Wu W W,Wang G M,Zhao X Y,Peng G L. 2021. Relocation of the MS6.4 Yangbi earthquake sequence on May 21,2021 in Yunnan Province and its seismogenic structure analysis[J]. Chinese Journal of Geophysics,64(8):2631–2646 (in Chinese).

    卢永坤,张建国,张方浩,杜浩国,杨黎薇. 2021. 2021年云南漾濞MS6.4地震烈度与震害特征[J]. 地震研究,44(3):429–438.

    Lu Y K,Zhang J G,Zhang F H,Du H G,Yang L W. 2021. The characteristics of the seismic intensity and damage of the 2021 Yangbi,Yunnan MS6.4 earthquake[J]. Journal of Seismological Research,44(3):429–438 (in Chinese).

    苏金波,刘敏,张云鹏,王伟涛,李红谊,杨军,李孝宾,张淼. 2021. 基于深度学习构建2021年5月21日云南漾濞MS6.4地震序列高分辨率地震目录[J]. 地球物理学报,64(8):2647–2656.

    Su J B,Liu M,Zhang Y P,Wang W T,Li H Y,Yang J,Li X B,Zhang M. 2021. High resolution earthquake catalog building for the 21 May 2021 Yangbi,Yunnan,MS6.4 earthquake sequence using deep-learning phase picker[J]. Chinese Journal of Geophysics,64(8):2647–2656 (in Chinese).

    杨九元,温扬茂,许才军. 2021. 2021年5月21日云南漾濞MS6.4地震:一次破裂在隐伏断层上的浅源走滑事件[J]. 地球物理学报,64(9):3101–3110.

    Yang J Y,Wen Y M,Xu C J. 2021. The 21 May 2021 MS6.4 Yangbi (Yunnan) earthquake:A shallow strike-slip event rupturing in a blind fault[J]. Chinese Journal of Geophysics,64(9):3101–3110 (in Chinese).

    岳汉,张勇,盖增喜,王腾,赵里. 2020. 大地震震源破裂模型:从快速响应到联合反演的技术进展及展望[J]. 中国科学:地球科学,50(4):515–537.

    Yue H,Zhang Y,Ge Z X,Wang T,Zhao L. 2020. Resolving rupture processes of great earthquakes:Reviews and perspective from fast response to joint inversion[J]. Science China Earth Sciences,63(4):492–511. doi: 10.1007/s11430-019-9549-1

    Abrahamson N A,Youngs R R. 1992. A stable algorithm for regression analyses using the random effects model[J]. Bull Seismol Soc Am,82(1):505–510. doi: 10.1785/BSSA0820010505

    Abrahamson N A,Silva W J. 1997. Empirical response spectral attenuation relations for shallow crustal earthquakes[J]. Seismol Res Lett,68(1):94–127. doi: 10.1785/gssrl.68.1.94

    Benioff H. 1955. Mechanism and strain characteristics of the White Wolf fault as indicated by the aftershock sequence[M]//Earthquakes in Kern County, California During 1952. California: State of California Natural Resources, Division of Mines: 199−202.

    Ben-Menahem A. 1961. Radiation of seismic surface-waves from finite moving sources[J]. Bull Seismol Soc Am,51(3):401–435. doi: 10.1785/BSSA0510030401

    Bernard P,Herrero A,Berge C. 1996. Modeling directivity of heterogeneous earthquake ruptures[J]. Bull Seismol Soc Am,86(4):1149–1160. doi: 10.1785/BSSA0860041149

    Boatwright J. 2007. The persistence of directivity in small earthquakes[J]. Bull Seismol Soc Am,97(6):1850–1861. doi: 10.1785/0120050228

    Calderoni G,Rovelli A,Ben-Zion Y,Di Giovambattista R. 2015. Along-strike rupture directivity of earthquakes of the 2009 L’Aquila,Central Italy,seismic sequence[J]. Geophys J Int,203(1):399–415. doi: 10.1093/gji/ggv275

    Chen J L,Hao J L,Wang Z,Xu T. 2022. The 21 May 2021 MW6.1 Yangbi earthquake:A unilateral rupture event with conjugately distributed aftershocks[J]. Seismol Res Lett,93(3):1382–1399. doi: 10.1785/0220210241

    Colavitti L,Lanzano G,Sgobba S,Pacor F,Gallovič F. 2022. Empirical evidence of frequency-dependent directivity effects from small-to-moderate normal fault earthquakes in central Italy[J]. J Geophys Res:Solid Earth,127(6):e2021JB023498.

    Convertito V,Caccavale M,De Matteis R,Emolo A,Wald D,Zollo A. 2012. Fault extent estimation for near-real-time ground-shaking map computation purposes[J]. Bull Seismol Soc Am,102(2):661–679. doi: 10.1785/0120100306

    Courboulex F,Dujardin A,Vallee M,Delouis B,Sira C,Deschamps A,Honore L,Thouvenot F. 2013. High-frequency directivity effect for an MW4.1 earthquake,widely felt by the population in southeastern France[J]. Bull Seismol Soc Am,103(6):3347–3353. doi: 10.1785/0120130073

    Cultrera G,Pacor F,Franceschina G,Emolo A,Cocco M. 2009. Directivity effects for moderate-magnitude earthquakes (MW5.6−6.0) during the 1997 Umbria-Marche sequence,central Italy[J]. Tectonophysics,476(1/2):110–120.

    Folesky J,Kummerow J,Shapiro S A,Häring M,Asanuma H. 2016. Rupture directivity of fluid-induced microseismic events:Observations from an enhanced geothermal system[J]. J Geophys Res:Solid Earth,121(11):8034–8047. doi: 10.1002/2016JB013078

    Gallovič F. 2016. Modeling velocity recordings of the MW6.0 South Napa,California,earthquake:Unilateral event with weak high-frequency directivity[J]. Seismol Res Lett,87(1):2–14. doi: 10.1785/0220150042

    Gong W Z,Ye L L,Qiu Y X,Lay T,Kanamori H. 2022. Rupture directivity of the 2021 MW6.0 Yangbi,Yunnan earthquake[J]. J Geophys Res:Solid Earth,127(9):e2022JB024321. doi: 10.1029/2022JB024321

    Joyner W B. 1991. Directivity for nonuniform ruptures[J]. Bull Seismol Soc Am,81(4):1391–1395.

    Kane D L,Shearer P M,Goertz-Allmann B P,Vernon F L. 2013. Rupture directivity of small earthquakes at Parkfield[J]. J Geophys Res:Solid Earth,118(1):212–221. doi: 10.1029/2012JB009675

    Lengliné O,Got J L. 2011. Rupture directivity of microearthquake sequences near Parkfield,California[J]. Geophys Res Lett,38(8):L08310.

    Lin Y Y,Lapusta N. 2018. Microseismicity simulated on asperity–like fault patches:On scaling of seismic moment with duration and seismological estimates of stress drops[J]. Geophys Res Lett,45(16):8145–8155. doi: 10.1029/2018GL078650

    McGuire J J. 2004. Estimating finite source properties of small earthquake ruptures[J]. Bull Seismol Soc Am,94(2):377–393. doi: 10.1785/0120030091

    McGuire J L,Zhao L,Jordan T H. 2002. Predominance of unilateral rupture for a global catalog of large earthquakes[J]. Bull Seismol Soc Am,92(8):3309–3317. doi: 10.1785/0120010293

    Pacor F,Gallovič F,Puglia R,Luzi L,D’Amico M. 2016. Diminishing high-frequency directivity due to a source effect:Empirical evidence from small earthquakes in the Abruzzo region,Italy[J]. Geophys Res Lett,43(10):5000–5008. doi: 10.1002/2016GL068546

    Phung V, Atkinson G M, Lau D T. 2004. Characterization of directivity effects observed during 1999 Chi-Chi, Taiwan earthquake[C]//13th World Conference of Earthquake Engineering. Vancouver, BC, Canada: 2740.

    Qiang S Y,Wang H W,Wen R Z,Ren Y F,Cui J W. 2023. Characteristics of strong ground motions from four MS≥5.0 earthquakes in the 2021 Yangbi,southwest China,seismic sequence[J]. J Earthq Eng,27(14):3957–3974. doi: 10.1080/13632469.2022.2143941.

    Ren Y F,Wang H W,Wen R Z. 2017. Imprint of rupture directivity from ground motions of the 24 August 2016 MW6.2 Central Italy earthquake[J]. Tectonics,36(12):3178–3191. doi: 10.1002/2017TC004673

    Ross Z E,Trugman D T,Azizzadenesheli K,Anandkumar A. 2020. Directivity modes of earthquake populations with unsupervised learning[J]. J Geophys Res:Solid Earth,125(2):e2019JB018299. doi: 10.1029/2019JB018299

    Ruiz J A,Baumont D,Bernard P,Berge-Thierry C. 2011. Modelling directivity of strong ground motion with a fractal,k−2,kinematic source model[J]. Geophys J Int,186(1):226–244. doi: 10.1111/j.1365-246X.2011.05000.x

    Spudich P,Chiou B S J. 2008. Directivity in NGA earthquake ground motions:Analysis using isochrone theory[J]. Earthq Spectra,24(1):279–298. doi: 10.1193/1.2928225

    Velasco A A,Ammon C J,Lay T. 1994. Empirical green function deconvolution of broadband surface waves:Rupture directivity of the 1992 Landers,California (MW7.3),earthquake[J]. Bull Seismol Soc Am,84(3):735–750.

    Wald D J,Heaton T H,Hudnut K W. 1996. The slip history of the 1994 Northridge,California earthquake determined from strong motion,teleseismic,GPS,and leveling data[J]. Bull Seismol Soc Am,86(1B):S49–S70. doi: 10.1785/BSSA08601B0S49

    Wang H W,Ren Y F,Wen R Z,Xu P B. 2019. Breakdown of earthquake self-similar scaling and source rupture directivity in the 2016−2017 central Italy seismic sequence[J]. J Geophys Res:Solid Earth,124(4):3898–3917. doi: 10.1029/2018JB016543

    Wang H W,Wen R Z. 2021. Attenuation and basin amplification revealed by the dense ground motions of the 12 July 2020 MS 5.1 Tangshan,China,earthquake[J]. Seismol Res Lett,92(4):2109–2121. doi: 10.1785/0220200400

    Wen R Z,Wang H W,Ren Y F. 2015. Rupture directivity from strong-motion recordings of the 2013 Lushan aftershocks[J]. Bull Seismol Soc Am,105(6):3068–3082. doi: 10.1785/0120150100

    Yang T,Li B R,Fang L H,Su Y J,Zhong Y S,Yang J Q,Qin M,Xu Y J. 2022. Relocation of the foreshocks and aftershocks of the 2021 MS6.4 Yangbi earthquake sequence,Yunnan,China[J]. J Earth Sci,33(4):892–900. doi: 10.1007/s12583-021-1527-7

    Yenier E,Atkinson G M. 2015. Regionally adjustable generic ground-motion prediction equation based on equivalent point-source simulations:Application to central and eastern North America[J]. Bull Seismol Soc Am,105(4):1989–2009. doi: 10.1785/0120140332

    Yoshida K. 2019. Prevalence of asymmetrical rupture in small earthquakes and its effect on the estimation of stress drop:A systematic investigation in inland Japan[J]. Geosci Lett,6(1):16–23. doi: 10.1186/s40562-019-0145-z

    Yoshida K,Saito T,Emoto K,Urata Y,Sato D. 2019. Rupture directivity,stress drop,and hypocenter migration of small earthquakes in the Yamagata-Fukushima border swarm triggered by upward pore-pressure migration after the 2011 Tohoku-Oki earthquake[J]. Tectonophysics,769(2019):228184.

    Zhou Y J,Ren C M,Ghosh A,Meng H R,Fang L H,Yue H,Zhou S Y,Su Y J. 2022. Seismological characterization of the 2021 Yangbi foreshock-mainshock sequence,Yunnan,China:More than a triggered cascade[J]. J Geophys Res:Solid Earth,127(8):e2022JB024534. doi: 10.1029/2022JB024534

  • 期刊类型引用(1)

    1. 陈宝魁,王博为,王东升. 海底强震观测记录与地震动特性研究进展. 世界地震工程. 2023(01): 200-208 . 百度学术

    其他类型引用(5)

图(7)  /  表(4)
计量
  • 文章访问数:  216
  • HTML全文浏览量:  72
  • PDF下载量:  61
  • 被引次数: 6
出版历程
  • 收稿日期:  2022-12-11
  • 修回日期:  2023-04-11
  • 网络出版日期:  2023-09-19
  • 刊出日期:  2023-10-29

目录

/

返回文章
返回