地震辐射能对环境应力场的依赖性

陈培善1, S. J. Duda2

摘要: 用圆盘形位错模式,并认为位错是裂纹尖端的塑性位移,而不是整个断层面上的弹性位移,在时间域内计算了地震破裂释放的地震波总能量 E.结果表明能量正比于地震矩 M0和区域应力场0 的平方,并随破裂速度 vr的增加而增加,即 E M002f(vr).f 是 vr 的增函数.在频率域内,用我们导出的地震定标律公式对震源速度谱的平方进行积分,也同样得到了 EM002的结果.如果0=10MPa,则 E=4.79M0,这个结果与 Vassiliou 和 Kanamori 的结果一致.还计算了地震辐射效率 =5.26%.从地震波能量的分配上看,大部分能量在第一拐角频率 fc1和第三拐角频率 fc3之间,占92.3%.频率 fc1 的能量占3.85%,f>fc3的能量占3.85%.对于矩震级 Mw=6.0的地震,fc38Hz,所以这些地震的绝大部分能量的频率范围都<2Hz.这个现象已被 Vassiliou 和 Kanamori 所证实.上述结果表明,地震释放的能量对区域应力场有强烈的依赖性.

关键词:

引言

对于地震学而言，高频全球导航卫星系统（global navigation satellite system，简写为GNSS）是能够记录到地震波传播信息的一种新手段，其在强震中可直接提供时变位移场观测信息，弥补了传统观测手段在强震观测时出现诸如震级饱和、漂移等现象的不足。但由于高频GNSS数据存在信噪比低、信号稳定性差等问题，在预警中需要与测/强震观测手段联合使用。地震波信号往往是一种非线性、非平稳信号，故研究其频率的局部特性显得至关重要，这就需要用时频分析方法将一维时域信号转换到二维的时频平面。而傅里叶变换和反变换虽然能从时间域和频率域对平稳信号进行分析，却不能同时保留时间和频率信息。故此，本文拟以2008年汶川地震时获取的高频GNSS同震信号为例，通过对其进行广义S变换，系统分析变换后同震信号的时间域和频率域，以期能够更加准确地判断P波和S波到时。同时，广义S变换的使用也为高频GNSS在地震学中的应用提供了一条从多层面提取地震波形到时的新途径。

2. S变换

美国地球物理学家Stockwell等（1996）综合了小波变换和短时傅里叶变换的特点，提出了一种分析非平稳信号的新方法—S变换。其时频随着频率的不同而变化，具有多分辨率、逆变换唯一等特点，同时获得的二维时频谱也是基于傅里叶变换的基本理论。该方法已经在地震勘探、电能信号分析、故障检测等多个领域得到了广泛的应用（齐春燕等，2010；周竹生，陈友良，2011；郑成龙，王宝善，2015）。

S变换的表示形式为

$$ {{S}}(\tau {\text{，}}f) {\text{＝}} \int _{ {\text{－}} \infty }^{ {\text{＋}} \infty }h(t)\left\{ {\frac{{|f|}}{{\sqrt {2\pi } }}\exp \left[\frac{{ {\text{－}} {f^2}{{(t {\text{－}} \tau )}^2}}}{2}\right]\exp ( {\text{－}} {\rm i}2\pi ft)} \right\}{\rm d}t{\text{，}} $$

(1)

式中：τ为窗函数的中心点，控制窗函数在时间轴上的位置；f为采样频率；h（t）为原始信号。S变换使用的高斯窗函数g_f （t）和基本小波ω_f （t）分别定义为

$$ {{g}_f}(t) {\text{＝}} \frac{{|f|}}{{\sqrt {2\pi } }}\exp \left({\text{－}} \frac{{{t^2}{f^2}}}{2}\right){\text{，}} $$

(2)

$$ {\omega _f}(t) {\text{＝}} \frac{{|f|}}{{\sqrt {2\pi } }}\exp \left( {\text{－}} \frac{{{t^2}{f^2}}}{2} {\text{－}} {\rm i}2\pi ft\right) {\text{＝}} {g_f}(t)\exp ( {\text{－}} {\rm i}2\pi ft){\text{，}} $$

(3)

从上式可以看到，S变换在分析高频信号或低频信号时具有良好的特性：对于高频信号，设计窗口比较窄，可满足高时间分辨率的要求；对于低频信号，设计窗口比较宽，可满足高频率分辨率的要求。

相比于单分辨率的短时傅里叶变换，S变换属于多分辨率时频分析方法，可以更加有效地对复杂的地震波信号进行分析。同时由于信号x（t）可以由S变换S（τ，f ）通过逆变换进行重构，S（τ，f ）的S逆变换为

$$ {\rm{x}}(t) {\text{＝}} \int_{ {\text{－}} \infty }^{ {\text{＋}} \infty } {\left[ {\int_{ {\text{－}} \infty }^{ {\text{＋}} \infty } {S(\tau{\text{，}} f\;)\rm d\tau } } \right]} \exp ({\rm i}2\pi ft){\rm {d}}f{\text{，}} $$

(4)

S变换所具有的无损逆变换的特性，使得信号在经过时频域处理后可逆变换为时间信号。

由于S变换的基本高斯窗函数固定，因此在处理复杂的地震信号时，不能根据需求对频率域和时间域的分辨率进行调节，缺乏必要的灵活性。随着后期的不断发展，多位研究人员对S变换中的高斯窗函数和基本小波进行改变，构建出了广义的S变换（Mansinha等，1997；McFadden et al，1999；高静怀等，2003；Pinnegar，Mansinha ，2003；陈学华等，2006；齐春燕等，2010；周竹生，陈友良，2011）。

本文使用的广义S变换是通过两个调节因子对高斯窗进行改造（陈学华等，2006），以便根据实际要求对高斯窗作出调整，从而更好地分析复杂频率的地震波形，其表达式为

$$ {{S}}(\tau {\text{，}} f) {\text{＝}} \int\nolimits_{ {\text{－}} \infty }^\infty {x(t)\frac{{|{\lambda _{\rm a}}||f{|^p}}}{{2\pi }}} {{\rm exp}({\frac{{ {\text{－}} {\lambda ^2_{\rm{a}}}{f^{2p}}{{(t {\text{－}} \tau )}^2}}}{2}}}){{\rm exp}({ {\text{－}} {\rm i}2\pi ft}}){\rm d}t{\text{，}} $$

(5)

式中λ_a和p均为调节因子。选定p值后，当λ_a＞1时，时窗宽度随频率呈反比变化的速度加快；当λ_a＜1时，时窗宽度随频率呈反比变化的速度减慢；选定λ_a之后，通过调节p值可以对频率域的分辨率进行调整。引入λ_a和p两个参数之后，可以根据实际信号的频率分布特点和时频分析的侧重点，改变高斯窗函数随频率变化的规律，对时频分辨率进行调整，但由于其运算过程与标准的S变换相似，因此并不需要额外增加运算量。当两个调节因子λ_a和p均设置为1时，则为标准S变换。

3. 到时分析中的S变换

本文收集了2008年汶川M_S8.0地震中重庆台网和昆明台网共28个站点的高频GNSS信号（采样率为1 Hz），采用GAMIT/GLOBK软件包（Bock，2000）中的高频GNSS处理模块TRACK （Chen，1998）对附近站点的高频GNSS数据进行解算。由于所选取数据按小时文件进行解算，时间最长为1小时，故未考虑昼夜变化等周期性较长的噪音。按照GNSS站点的位置及分布情况，选取15个站点的数据使用广义S变换进行分析，并挑选其中6个站点的同震波形进行展示，如图1所示。

图 1 部分站点的高频GNSS同震波形展示

Figure 1. Coseismic waveforms of high-rate GNSS from some sites

下载: 全尺寸图片幻灯片

根据距离震中位置的远近选取了bana （距震中约346 km）、djxm （距震中381 km）、fdlh （距震中477 km）和ghxx （距震中661 km）等4个站点的同震波形，对其进行广义S变换后识别出P波、S波到时并进行展示（图1），在计算P波和S波的理论到时中使用了频率-波数法（Zhu，2002），计算到时的速度模型为一维速度模型（吴建平等，2009；殷海涛等，2013；邓文哲等，2014；王小娜等，2015；杨彦明等，2016）。

bana站点距离震中346 km，该站点记录高频GNSS信号的频率为1 Hz，根据奈奎斯特（Nyquist）采样定理，其可记录到的地震波信号的最大频率为0.5 Hz。bana站点东西向同震信号广义S变换的结果表明（图2），地震信号的能量主要集中于0—0.3 Hz，所研究各站点的P波和S波理论到时均在300 s以内。为了更加直观地显示所研究的到时区域，在后续分析中，按照S变换后信号频率为0—0.3 Hz，取地震发生后的300 s进行分析。结果显示，bana站点的P波理论到时为56.7 s，S波理论到时为96.1 s。如图1所示，经过广义S变换后的图像显示，在P波和S波理论到时（图2）的位置，均有着较明显的能量汇集。在本文分析的地震中，P波和S波周期均较长、频率均相近，故P波的识别周期为20—50 s左右的初至拾取、高于背景噪声的能量汇集，S波能量为P波能量的2.5倍以上（水平向）。

图 2 bana站点东西向同震信号的S变换结果

Figure 2. S transform of coseismic signal in the EW directionin at the bana station

下载: 全尺寸图片幻灯片

在使用广义S变换进行频率分析时，通过对两个调节因子λ_a和p进行调整，以获得最优的分辨率。以bana站东西向为例进行分析，结果如图3所示。

图 3 通过微调调节因子λ_a和p所产生的同震信号广义S变换结果展示

Figure 3. S transform results of the same coseismic signal with different adjustment factor λ_a and p

（a） λ_a＝1，p＝1.1；（b） λ_a＝1，p＝1.2；（c） λ_a＝1.05，p＝1.05；（d） λ_a＝1.05，p＝1.05

下载: 全尺寸图片幻灯片

在λ_a不变的情况下，提高因子p值，可以增加时间域的分辨率，详见图2和图3a。但是p值过高，会导致频率域的分辨率增加，时间域的分辨率降低，从而降低了对初至波的识别能力（图3b）。当调节因子λ_a＝1.05，p＝1.05时，对于P波和S波的识别均较为清晰。图3d将图3c进行三维展示，更加直观地展示了震后随着时间的变化，不同周期的波形所汇聚的能量大小。

对于震中距为381 km的djxm站点，其P波理论到时为62.5 s，S波理论到时为105.9 s。将P波和S波理论到时分别标注于S变换结果上（选用的调节因子为λ_a＝1.05，p＝1.05），可以看出，在同震信号中，djxm站记录的到时要比理论到时延迟约4—5 s （图4a），可能与本文使用的速度结构有一定关系，而djxm站在垂向上很难识别S波到时（图4b）。在原始波形记录中，无论垂直向还是水平向均已很难判定P波和S波到时。这表明通过微调广义S变换的两个调节因子λ_a和p，能够得到较好的到时分辨率。鉴于目前GNSS预警中的触发方式为阈值触发（Allen，Ziv，2011；Melgar et al，2012），很难通过反演的方式进行精确的震源定位。而相比于人工或者阈值判断，通过对地震信号进行广义S变换，能够对到时作出更为精准的判断。

图 4 各高频GNSS站点同震信号S变换结果展示

（a） djxm站点EW向同震信号S变换；（b） djxm站点UD向同震信号S变换；（c） fdlh站点EW向同震信号S变换；（d） fdlh站点UD向同震信号S变换；（e） ghxx站点EW向同震信号S变换；（f） ghxx站点UD向同震信号S变换

Figure 4. S treansform of coseismic signals for several stations

（a） S transform of EW coseismic signal in djxm；（b） S transform of UD coseismic signal in djxm；（c） S transform of the EW coseismic signal in fdlh ；（d） S transform of the UD coseismic signal in fdlh；（e） S transform of the EW coseismic signal in ghxx；（f） S transform of the UD coseismic signal in ghxx

下载: 全尺寸图片幻灯片

对于震中距为477 km的fdlh站，P波和S波理论到时分别为79 s和133 s。东西向同震信号的广义S变换（选用的调节因子为λ_a＝1.05，p＝1.05）波形识别基本与理论到时一致，相差2—3 s （图4c）。fdlh站垂直向上的分辨率也可以满足波形识别的需求（图4d）。其结果较好，可能与fdlh站的背景噪声较低有关。三维图像中，面波的识别更加清晰（图4c）。

对于震中距为661 km的ghxx站，在同震信号中很难看到P波到时和S波到时。经过计算，其P波理论到时为108.3 s，S波理论到时为183 s。在图4e中可以看到，通过广义S变换后对S波的识别较好，对P波的识别稍显模糊。而对于垂直向（图4f），通过广义S变换之后，P波已经无法识别，S波的识别时间较理论地震波形要晚将近20 s。这可能与GNSS背景噪声较高，且垂直向的噪音水平高于水平向2—3倍有关。而同震信号的分析中，P波和S波的到时基本均无法分辨。这说明通过广义S变换，即使是震中距大于600 km，也能有效地提取到地震波到时。

4. 讨论与结论

对于实时解算的高频GNSS数据，其背景噪声相对较大，使用广义S变换，可以更加准确地得到P波到时。即使远距离的站点记录，在时频域中也可以很好地指示出P波初至到时。这为高频GNSS数据在地震学中的应用和分析提供了一种新的途径。其优势在于：

1）广义S变换集合了短时傅里叶变换和小波变换的优点，在地球物理领域及电能分析领域取得了很多成果，但依旧存在很多应用前景。本文通过对高频GNSS同震信号进行S变换，从以往的只针对单独的时间域或频率域分析高频GNSS信号，转变为从时间域和频率域同时进行分析。从频率域的角度看，P波和S波的能量均汇聚于0.025 Hz左右，面波的能量汇聚于0.04—0.25 Hz并能够明显地看出面波是分为多个频率区间；从时间域的角度看，P波和S波的理论到时均有明显的能量汇集，而面波到时则更加明显。通过对不同频率的信号进行分析，认为近震范围内P波和S波实际到时与理论到时的分辨率相差仅为1—2 s，中远震其分辨率相差3—5 s，该方法可以作为高频GNSS信号的分析及各类波形到时的提取手段。

2）通过对高频GNSS信号使用S变换可见，有效信号与噪音信号的分离较为明显，说明S变换在降噪去噪方面具有独特的优势。鉴于信号可以进行无损S变换和S逆变换，因此可以使用该方法提高高频GNSS信号的信噪比，尤其是在压制噪音方面具有很大的优势，下一步研究中将根据各波形的到时按时间提取波形并用于专门性的分析。

感谢两位审稿专家对本文提出的意见和建议。

[1] 陈培善、谷继成、李文香.1977.从断裂力学观点研究地震的破裂过程和地震预报.地球物理学报,20,185——202.

[2] 陈培善、卓仁如、金严、王志刚、黄伟琼、李文香、胡荣盛,1978.唐山地震前后京津唐张地区的应力场:地球物理学报,21.34——58.

[3] 陈培善,1981.分析地震波估算地壳内的应力值.地震学报,3. 251——263.

[4] Chen. P. S. and Chen, H. T.,1989. Scaling law and ns applications to earthquake statistical relations. Tectono——physics, 166, 53——72.

[5] Haskell,N. A.,1964. Total energy and energy spectral density of elastic wave radiation from propagating faults.Bull. Seismol. Soc. Amer.,54. 1811——1841.

[6] Vassihou, M. S. and Kanamori, H.,]982. The energy release m earthquakes. Bull. Seismol. Soc. Amer. 72, 371——387.

[7] Knott, J. F. 1973. Fundamentals of Fracture Mechamcs. 46——90. Pitman Press,London Butterworths.

期刊类型引用(2)

1.	董龙飞，李艳艳，龙海立. 联合CEEMD和改进修正能量比的高频GNSS同震位移P波震相识别方法. 全球定位系统. 2025(01): 25-32+59 . 百度学术
2.	张环宇，林吉航，陈庭. 利用高频GPS数据反演地震要素. 全球定位系统. 2020(06): 37-45 . 百度学术

地震辐射能对环境应力场的依赖性

计量