2003年云南大姚6.2级、6.1级地震序列S波分裂研究c

华 卫1,2,3)刘 杰4)陈章立3)郑斯华3)

华 卫1,2,3)刘 杰4)陈章立3)郑斯华3). 2006: 2003年云南大姚6.2级、6.1级地震序列S波分裂研究c. 地震学报, 28(4): 357-371.
引用本文: 华 卫1,2,3)刘 杰4)陈章立3)郑斯华3). 2006: 2003年云南大姚6.2级、6.1级地震序列S波分裂研究c. 地震学报, 28(4): 357-371.

2003年云南大姚6.2级、6.1级地震序列S波分裂研究c

  • 摘要: 在利用双差定位法对2003年7月21日、 10月16日云南大姚先后发生的6.2级、6.1级地震序列进行精定位的基础上,采用互相关系数法测量了两个地震序列的快波偏振方向和快慢波的延迟时间. 结果表明:① 两个地震序列的S波分裂现象较明显,除三台乡台以外,大部分台站记录到的地震快波平均偏振方向与区域最大水平主压应力方向基本一致,三台乡台的偏振方向出现两个峰值,平均偏振方向是N80deg;E,表现出与区域最大水平主压应力方向不一致的现象;② 序列延迟时间与震源深度之间没有明显规律性关系,但不同延迟时间范围内偏振方向表现出不同的规律;③ 两次地震序列S波分裂结果对比发现,6.2级地震序列快波的偏振方向明显较分散,快波平均偏振方向比6.1级地震序列大20deg;,而延迟时间方面二者相差不大;④S波分裂快波偏振方向所表现出的空间差异性,可能是由于在区域背景应力场的基础上叠加了两次6级主震产生的应力扰动引起的.
  • 据中国地震台网测定,北京时间2012年6月24日15时59分在云南省丽江市宁蒗彝族自治县与四川省凉山彝族自治州盐源县交界处(27.7°N、100.7°E)发生MS5.7地震,震源深度为11 km. 根据云南省地震台网统计,截至2012年7月24日,震源区共记录到1033次地震,其中M5.0—5.9地震1次,M3.0—3.9地震11次,M2.0—2.9地震138次,M1.0—1.9地震883次. 这次地震造成4人死亡,25人重伤,369人轻伤(常祖峰等,2013).

    宁蒗-盐源地区活动断裂繁多,是M5.0—6.0中强地震高发地区,自1467年以来共发生M≥5.0地震17次(双震或震群计1次),其中M5.0—5.9地震13次,M6.0—6.9地震4次,最大地震为1976年11—12月M6.7、 M6.4盐源双震. 由于宁蒗-盐源地区地震频发,该区域素有“地震窝”之称(钱晓东等,2012常祖峰等,2013杨芬,2013).本次MS5.7地震发生在宁蒗-盐源西北部泸沽湖以西地震相对较少的地区,很多研究人员对该地震进行了深入研究. 钱晓东等(2012)通过对其震源机制和余震分布等方面的研究,认为该地震为正断型,发震断裂为NW向永宁断裂,破裂沿主震向NW方向单侧扩展. 胡朝中等(2012)常祖峰等(2013)从地质和震源机制等方面进行分析讨论,认为该地震为主震-余震型,是永宁断裂正断为主活动的结果.

    本文利用云南省地震台网提供的数据,对宁蒗-盐源MS5.7地震及其余震序列采用双差定位方法进行重新定位. 双差定位方法(Waldhauser,Ellsworth,2000)是在主事件定位法的基础上发展起来的一种相对定位方法,其使用相邻地震事件相对于同一台站观测走时差与理论走时差之差(双差)来确定震源位置.该方法能够消除震源与台站之间由于速度模型的不确定性而产生的误差,从而有效降低由于对地壳速度结构了解不够精确而引起的误差. 双差定位方法还可以利用互相关技术处理波形数据,获得高精度的地震对走时差,提高地震定位结果的精度(杨智娴等,2003).

    目前国内双差定位研究主要使用地震目录数据作为输入数据进行重新定位(杨智娴等,2003黄媛等,2008陈晨,胥颐,2013苏金蓉等,2013). 地震目录数据是指使用人工标定震相到时,由于人为因素可能存在标定不够精确或者误标的情况,导致震相对走时差的精度偏低,使地震序列重定位结果不够精确. 而波形互相关技术利用“发震机理相同的地震波形相似”的原理,通过对相似地震波形进行互相关分析,计算获得同一震相的走时差(黄媛,2008),这样便可以大幅提高震相对走时差精度(Schaff et al,2004),因此该技术很快得到了广泛应用(Waldhauser,Ellsworth,2000; Hauksson,Shearer,2005; Waldhauser,Schaff,2008; 吕鹏等,2011汪锐等,2013黄浩,付虹,2014).

    本文拟设置3种不同的数据组合,即目录数据、 波形互相关数据和目录数据+波形互相关数据,作为初始输入数据,对宁蒗-盐源地震序列进行重新定位,以期通过对比分析3种不同输入数据组合的重定位结果,确定最适合的输入数据组合,从而得到精确的地震序列分布. 在此基础上通过精确的余震分布结果确定发震断层及其几何特征,为进一步理解和认识宁蒗-盐源MS5.7地震的破裂过程及其构造成因提供更加充分的依据.

    宁蒗-盐源MS5.7地震发生前,其震中周围100 km范围内只有两个数字测震台,即中甸台(ZDD)和泸沽湖台(LGH). 地震发生后,云南省地震局在震区又增加了拉伯台(LAB)和永宁台(YNI)两个数字流动观测台.图 1给出了宁蒗-盐源MS5.7地震震中附近云南省地震台网的台站分布. 可以看出台站主要分布在主震震中南部,主震震中北部台站较少.

    图  1  2012年宁蒗-盐源MS5.7地震震中附近台站和断裂分布
    F1: 小金河断裂; F2: 宁蒗断裂; F3: 永宁断裂; F4: 日古鲁—岩瓦断裂
    Figure  1.  Distribution of stationsand faultsnear the 2012 Ninglang-Yanyuan MS5.7 earthquake
    F1: Xiaojinhe fault; F2: Ninglang fault; F3: Yongning fault; F4: Rigulu-Yanwa fault

    本文使用云南省地震台网2012年6月24日—7月24日共1个月的地震资料,包括地震目录走时数据和地震事件三分量数据(采样率为100 Hz). 地震目录数据共记录到ML≥1.0地震1033次,震相记录8482条,其中P波震相4130条,S波震相4352条. 为了检查地震目录数据中震相数据的可靠性,本文绘制了P波和S波的震相走时曲线,并且根据云南省地震局提供的宁蒗地区速度结构模型(表 1)绘制了该震相的理论走时曲线,如图 2所示. 可以看出:P波与S波震相的走时曲线易于分辨,且震相的离散度小,表明地震目录数据中震相数据的可靠性较高; 目录走时曲线与理论走时曲线的对比显示二者在300 km以后出现了较大偏差,说明云南省地震局提供的宁蒗地区速度模型不适用于震中距大于300 km的震相数据. 因此本文选取震中距在300 km以内的震相数据作为输入数据进行重定位.

    表  1  宁蒗地区速度模型
    Table  1.  Velocity model of Ninglang area
    地壳厚度/km v P/(km·s -1) v S/(km·s -1)
    0—1 4.60 2.659
    1—11 6.35 3.671
    11—25 6.40 3.699
    25—35.5 6.55 3.786
    35.5—56 7.45 4.306
    56—74 8.15 4.711
    >74 8.50 4.913
    下载: 导出CSV 
    | 显示表格
    图  2  宁蒗-盐源地震序列P波和S波震相走时曲线
    Figure  2.  Travel time curves of P and S phases for the 2012 Ninglang-Yanyuan earthquake sequence where the dots represent observed travel times, andthe lines represent theoretical travel times

    一般情况下,S波到时的拾取精度要低于P波到时,因此在定位过程中赋予P波1.0的权重,赋予S波0.5的权重. 尽管双差定位方法可以消除由于震源与台站之间速度模型的不确定性而产生的误差,但实际上该方法非常依赖震源所在位置的速度模型. 结合云南地区速度结构的研究结果(王椿镛等,2002何正勤等,2004)以及人工地震测深的研究结果(胡鸿翔等,1986; 尹周勋等,1987; 熊绍柏等,1993),本文最终选用了由云南省地震局提供的宁蒗地区的速度模型(表 1).

    图 3给出了宁蒗-盐源MS5.7地震序列的原始定位结果.图中AA′剖面与两主震的震源机制走向一致,BB′剖面与AA′剖面垂直. 可以看出:地震序列初始震中主要分布在27.75°N—27.95°N、 100.6°E—100.8°E区域,但并无明显特征; 地震序列初始震源深度主要集中在4—8 km;断层破裂长约25 km,宽约15 km.

    图  3  宁蒗-盐源地震序列的初始定位结果
    (a) 震中分布图; (b) 所有地震在AA′剖面上的投影; (c) 所有地震在BB′剖面上的投影
    Figure  3.  Initial location of the Ninglang-Yanyuan earthquake sequence
    (a) The epicentraldistribution, where the profile AA′ is perpendicular to the profile BB′;(b) Projection of all the earthquakes along the profile AA′;(c) Projection of all the earthquakes along the profile BB

    相邻的两个地震事件ij到同一台站k的观测走时差与理论走时差之差即为双差定位方法定义的双差(Waldhauser,Ellsworth,2000),表示为

    式中tkiobstkical分别表示事件i到台站k的观测走时和理论走时. 若两震源之间的距离与震中距及速度非均匀性尺度相比足够小,则双差可以表示为

    式中,Δmi=(Δxi,Δyi,Δzi,Δτi),Δmj=(Δxj,Δyj,Δzj,Δτj),tm的偏导数是震源处震源与台站之间射线路径的幔度矢量分量. 则式(2)可以改写为

    式中:(x,y,z)为震源位置;τ为发震时刻;Δx,Δy,Δz和Δτ表示震源参数的变化,可以在迭代过程中使模型数据拟合得更好. 事件ij的走时t分别对震源位置(x,y,z)和发震时刻τ求偏导数,由当前震源和记录第k个震相的台站位置求出.

    将所有事件对相对于台站的方程组写成线性形式,即

    式中:G为一包含偏导数的(M×4N)阶矩阵,M为双差观测数,N为事件数;d为包含双差的数据矢量; m=[Δx,Δy,Δz,Δτ]T,长度为4N,含有特定的震源参数变化; W为对每个方程加权的对角矩阵.

    对所有地震事件进行匹配时,本文限定地震对的最大震源距离10 km(Waldhauser,Ellsworth,2000),最大震中距为300 km,使用双差定位预处理程序(ph2dt)(Waldhauser,Ellsworth,2000)计算目录数据走时差. 经过配对,本文共得到目录走时差数据2106594个,其中P波走时差数据1004091个,S波走时差数据1102503个.下面首先对波形数据进行预处理,然后再对其进行互相关计算.

    波形数据预处理主要分以下4步进行:

    1)进行数据格式转换. 由于云南省地震台网提供的地震波形数据是EVT格式,所以需要将其转换为便于处理的SAC格式. 格式转换之后,根据地震目录提取相应的地震事件信息,将地震位置、 发震时刻及观测走时等信息写入SAC头文件.对于地震目录中没有观测走时的SAC波形文件,本文使用云南省地震局提供的速度模型计算其理论走时,并将其写入SAC头文件(Schaff,2005Waldhauser,Schaff,2008).

    2)对SAC文件进行去均值、 去线性趋势、 去仪器响应和带通滤波等处理,滤波频带为1—10 Hz.

    3)将处理后的SAC文件进行坐标变换,即将北向(N)和东向(E)分量分别转换为径向(R)和横向(T)分量.在层状均匀介质中,地震波在径向和垂向所在平面内传播,P波和SV波能量主要集中在ZR分量,SH波能量主要集中在T分量,但是由于SV波受到P波尾波的影响,导致其初动不清晰. 因此,本文使用Z分量计算P波互相关走时差,使用T分量计算S波互相关走时差.

    4)人工检视地震波形,挑选信噪比高的数据进行下一步计算(黄媛等,2008).

    互相关技术计算两事件波形数据对应震相的到时差,共有两种方法: 频域法(Poupinet et al,1984)和时域法(Schaff et al,2004). 本文采用后者计算互相关走时差.

    在时间域中,对于一个长度为N的离散时间序列,相关改正量μ的函数表达式为

    其中,

    式中,y1y2表示两列波形数据,c为归一化系数.

    函数C的最大值(记为相关系数)所对应的μ值为相关改正量,地震目录走时差dtcat与相关改正量μ的和即为波形互相关走时差dtcc,即

    本文波形互相关走时差的具体计算步骤如下:

    1)将同一台站记录到的两个地震波形数据按震相(或者理论震相)对齐,在其中一个地震序列上设置一个固定窗口,在另一个地震序列上设置一个滑动窗口,沿第二个地震序列滑动(Schaff,2005).将波形数据对齐后,需要选择合理的震相窗和滑动量. 震相窗的宽度应包含震相优势周期的2—3个波长,本文将P波震相窗设为P波到时前0.5 s至P波到时后0.5 s,将S波震相窗设置为S波到时前1 s至S波到时后1 s. 滑动量值是对观测走时误差大小的估计(注意P波和S波震相不要混在一个时窗中),滑动窗的初始位置为震相窗位置,本文设定了两个滑动量,分别为±1 s和±1.5 s(Waldhauser,Schaff,2008).

    2)计算时间域互相关函数. 当相关系数大于0.5时,保存相关改正量μ和波形互相关走时差dtcc.

    3)由于前面设定了两个滑动量,可得到两组数据. 若两组数据的相关改正量相等,则接受该组数据. 若波形互相关走时差稳定,则两组数据的相关改正量应该相等或相差很小. 依此可以判断波形互相关走时差是否正确(Waldhauser,Schaff,2008).

    由于波形互相关走时差是目录走时差与相关改正量之和,故可以认为波形互相关走时差是在目录走时差的基础上进行了大小为相关改正量的误差修正而得到的. 因此,在统计意义上相关改正量应接近高斯分布,如图 4所示. 可以看出,经过挑选,相关改正量更加接近高斯分布. 由于P波初动到时清晰,而S波初动被P波尾波等淹没,所以S波震相数据质量要低于P波震相. 相关改正量计算结果也体现了这一特点.

    图  4  P波(a)和S波(b)相关改正量柱状图
    灰色柱体表示原始数据, 黑色柱体表示经过筛选的数据
    Figure  4.  Histograms of P wave (a) and S wave (b) correlative correction
    Gray blocks represent original data, and black blocks represent selected data

    经过计算,最终得到波形互相关走时差数据125606个,其中P波互相关数据90549个,S波互相关数据35057个.

    对于所获得的大量走时差数据,需要对其进行筛选才能用于定位. 主要考虑两个方面的因素,其一是数据中可能存在错误或者自相矛盾的情况,会导致双差方程组病态,得不到稳定的解; 其二是过多的数据量会使得双差方程组过大,增加计算量和计算时间.

    鉴于上述原因,本文设定两条数据筛选准则:

    1)互相关数据的相关系数须大于0.7. 研究发现,相关系数小于0.7的两个地震波形数据的相关性不高,其互相关走时差不可靠(Waldhauser,Schaff,2008; Waldhauser,Tolstoy,2011). 当然,相关系数的大小与震相窗的宽度有关,因而并不严格. 0.7是一个参考值,被多数研究者所采用.

    2)走时差数据须小于最大预测走时差,即

    式中:左端dt表示地震对走时差,右端表示最大预测走时差; Δe表示地震对与震源之间的距离; v表示参考波速,一般为重定位模型第一层波速或者最小波速. 这条准则可以剔除错误数据和粗差.

    以上为本文进行双差定位数据预处理的过程,主要是波形数据走时差的计算和走时差数据的选取. 经过走时差数据的筛选,避免错误数据混入定位过程中,既保证了双差方程组的稳定性,也节省了计算时间.

    为了探查输入数据对结果的影响,本文设置了3种不同的数据组合作为初始输入数据进行重定位,即目录数据、 波形互相关数据和目录数据+波形互相关数据.

    3种数据组合重定位后的地震序列震中位置和深度剖面如图 57所示. 与原始定位结果的比较显示: 单独使用地震目录数据重定位后(图 5),地震序列震中位置变化不大,仅有较小的集中趋势; 单独使用波形互相关数据重定位后(图 6),地震序列震中位置明显向内紧缩为条带状,且有沿主震震源机制走向分布的趋势,只是参与重新定位的地震数目比较少,无法反映整个地震序列的分布情况; 同时使用两种数据重定位后(图 7),地震序列震中位置非常明显地向内紧缩为条带状,沿主震震源机制走向分布更加明显,而且参与重定位的地震数量更多,基本可以代表整个地震序列的分布情况.

    图  5  宁蒗-盐源地震序列单独使用地震目录数据的重定位结果
    (a) 震中分布图; (b) 所有地震在AA′剖面上的投影; (c) 所有地震在BB′剖面上的投影
    Figure  5.  Relocation result ofthe 2012 Ninglang-Yanyuan earthquake sequence based on catalog data
    (a) The epicentraldistribution, where the profile AA′ is perpendicular to the profile BB′;(b) Projection of all the earthquakes along the profile AA′;(c) Projection of all the earthquakes along the profile BB
    图  6  宁蒗-盐源地震序列单独使用波形互相关数据的重定位结果
    (a) 震中分布图; (b) 所有地震在AA′剖面上的投影; (c) 所有地震在BB′剖面上的投影
    Figure  6.  Relocation result of the 2012 Ninglang-Yanyuanearthquake sequence based on cross-correlation waveform data
    (a) The epicentraldistribution, where the profile AA′ is perpendicular to the profile BB′;(b) Projection of all the earthquakes along the profile AA′;(c) Projection of all the earthquakes along the profile BB
    图  7  宁蒗-盐源地震序列同时使用地震目录和波形互相关数据的重定位结果
    (a) 震中分布图; (b) 所有地震在AA′剖面上的投影; (c) 所有地震在BB′剖面上的投影
    Figure  7.  Relocation result of the 2012 Ninglang-Yanyuan earthquake sequence based on catalog data and cross-correlation waveform data
    (a) The epicentraldistribution, where the profile AA′ is perpendicular to the profile BB′;(b) Projection of all the earthquakes along the profile AA′;(c) Projection of all the earthquakes along the profile BB

    比较各权威机构发布的宁蒗-盐源地震主震定位结果(表 2)与本文3种不同数据组合重定位获得的该地震主震定位结果(表 3)可以看出: 单独使用目录数据重定位获得的主震位置与原始定位结果相比变化不大;单独使用波形互相关数据重定位获得的主震位置的纬度结果与中国地震台网和USGS结果比较接近,震源深度与中国地震台网结果比较接近;同时使用两种数据重定位获得的主震位置的纬度和经度结果均与中国地震台网和USGS结果比较接近,震源深度与中国地震台网结果比较接近. 因此从宁蒗-盐源地震主震定位结果分析可知,同时使用目录数据和波形互相关数据的定位结果优于单独使用两种数据的定位结果.

    表  2  不同机构得到的宁蒗-盐源地震主震定位结果(引自胡朝忠等, 2012)
    Table  2.  Location results ofthe 2012 Ninglang-Yanyuan main shockfrom different institutions (after Hu et al, 2012)
    机构 北纬/° 东经/° 震源深度/km
    中国地震台网 27.7 100.7 11
    USGS 27.767 100.768 13
    哈佛大学 27.66 100.83 12
    下载: 导出CSV 
    | 显示表格
    表  3  本文得到的宁蒗-盐源地震主震定位结果
    Table  3.  Location result of the 2012 Ninglang- Yanyuan main shock obtained bythis study
    数据类型 北纬/° 东经/° 深度/km
    原始定位结果 27.778 100.664 7.0
    目录数据 27.761 100.685 8.9
    波形互相关数据 27.754 100.696 10.5
    目录数据+波形 27.790 100.707 10.4
    互相关数据
    下载: 导出CSV 
    | 显示表格

    本文采用自助法(bootstrap)(Efron,1982Billings,1994)计算重定位结果的误差,过程如下: 首先对数据添加均匀分布的随机误差,然后使用相同的反演参数进行重新定位. 重复上述过程200次,分析重定位次数大于160的地震事件,计算同一地震多次定位结果的标准差,将其作为该地震事件的定位误差. 对于波形互相关数据,本文将双差定位程序迭代结束时的加权标准差14 ms设为误差上限,在[-14 ms,14 ms]区间内对其添加均匀分布的随机误差; 对于目录数据,一般认为其误差比波形互相关数据的误差大一个量级(Schaff,2005),因此在[-140 ms,140 ms]区间内对其添加均匀分布的随机误差. 表 4列出了3种数据组合重定位结果的误差. 可以看出,单独使用目录数据的成群地震数和重定位地震数均多于单独使用波形互相关数据结果,而同时使用两种数据的成群地震数和重定位地震数均为最多.我们认为这是由于本文使用的目录数据量远大于波形互相关数据量,使得目录数据形成的震相对远多于波形互相关数据形成的震相对. 而同时使用两种数据的重定位数据量更大,形成的震相对更多,从而使更多地震事件参与重定位,所以能够得到更为精确的结果.

    表  4  本文得到的宁蒗-盐源地震序列定位误差
    Table  4.  Analysis on location errors of the 2012 Ninglang-Yanyuan earthquake sequence obtained in this study
    数据组合 成群
    地震数
    重定位
    地震数
    EW向平均
    误差/km
    NS向平均
    误差/km
    深度平均
    误差/km
    发震时刻
    平均误差/s
    目录数据 415 334 0.25 0.42 0.61 0.059
    波形互相关数据 334 221 0.16 0.39 0.61 0.036
    目录数据+波形 122 111 0.13 0.07 0.19 0.018
    互相关数据
    下载: 导出CSV 
    | 显示表格

    对比3种数据组合的重定位误差表明,单独使用波形互相关数据误差小于单独使用目录数据误差,而同时使用两种数据的误差最小. 3种数据EW向误差均小于NS向误差,分析认为这是由于台站分布不均引起的. 从图 1中可以看出,台站在宁蒗-盐源地震序列东西两侧分布比较均匀,但是台站基本上位于该地震序列的南部,北部只有两三个台站.

    鉴于表 4中定位误差分析的样本不同,本文进行了相同样本的定位误差分析,具体过程如下:首先,对3种不同输入数据组合的重定位结果进行统计,将共同定位的地震事件提取出来,共122个; 然后,分别使用3种不同输入数据组合对这122个地震事件进行重新定位,并使用相同的定位误差分析方法对重定位结果进行分析,其结果列于表 5. 可以看出,波形互相关数据作为初始数据的定位误差最小,而目录数据+波形互相关数据作为初始数据的重定位地震数最多,但其定位结果误差大于波形互相关数据的定位结果误差.

    表  5  基于相同样本得到的宁蒗-盐源地震序列的定位误差
    Table  5.  Location errors of the 2012 Ninglang-Yanyuan earthquake sequence based onthesame samples
    数据组合 成群
    地震数
    重定位
    地震数
    EW向平均
    误差/km
    NS向平均
    误差/km
    深度平均
    误差/km
    发震时刻
    平均误差/s
    目录数据 122 106 0.48 0.32 0.80 0.060
    波形互相关数据 122 110 0.04 0.02 0.06 0.005
    目录数据+波形 122 111 0.13 0.07 0.19 0.018
    互相关数据
    下载: 导出CSV 
    | 显示表格

    实际使用双差地震定位方法进行定位时,目录数据容易获取,数据量大; 波形互相关数据计算量大,数据较难获取,并且获取的数据量取决于发震区域的地震监测能力. 宁蒗-盐源地震序列发生在川滇交界处,该地区的地震监测能力仅为M2.0—2.5(钱晓东等,2012).

    因此,所获得的波形互相关数据量远小于目录数据量,导致了单独使用波形互相关数据作为初始输入数据的重定位地震数量少,无法更加详实地反映地震序列的分布情况. 而同时使用目录数据和波形互相关数据,可以结合两种数据各自的优点,不仅增加了输入数据的总量,使更多的地震事件参与重定位,而且提高了输入数据的精度.

    经过上述分析,对于宁蒗-盐源MS5.7地震序列,同时使用地震目录数据和波形互相关数据作为初始数据进行双差定位的结果精度最高.

    图 7给出了宁蒗-盐源地震序列同时使用地震目录和波形互相关数据重定位后的震源分布.与原始定位结果(图 3)相比,震中分布更加集中,呈条带状分布,沿主震震源机制走向分布的趋势更加明显. 重定位后该地震序列震源深度分布加深(图 7b,c),与重定位前(图 3b,c)相比深度优势分布由4—8 km加深至6—12 km. 宁蒗-盐源地震主震发生在破裂带南端(图 7a),重定位后该主震震中位置为(27.790°N、100.707°E),震源深度为10.4 km,发震时刻为北京时间2012年6月24日15时59分32.74秒. 主震重定位结果与中国地震台网结果相近. 重定位后,地震序列EW向平均误差为0.16 km,NS向平均误差为0.22 km,震源深度平均误差为0.29 km,发震时刻平均误差为0.025 s.

    宁蒗-盐源地震震源区断裂构造复杂,主要发育有NW向和NE向两组断裂(图 1b),这些断裂呈棋盘式展布(常祖峰等,2013). 新生代以来,在以近水平NNW向主压应力为主的现代构造应力场的作用下(阚荣举等,1977),研究区域的断裂表现为NE向断裂左旋走滑与NW向断裂右旋走滑的总体特征. 本次地震震源区附近主要有NW向永宁断裂和NE向日古鲁—岩瓦断裂. 永宁断裂走向为290°—330°,倾向为NE,倾角为72°—80°,全长约30 km,是一条以右旋走滑兼正断为主的晚更新世活动断裂;日古鲁—岩瓦断裂走向为45°,主体倾向为NW,局部倾向为SE,倾角为40°—70°,长度约70 km,是一条以左旋走滑为主的晚更新世活动断裂(常祖峰等,2013).

    根据宁蒗-盐源地震序列的重定位结果(图 7),可以确定其震源机制解中NW走向节面为发震面; 主震震源机制解显示,该地震是正断兼右旋走滑型地震,因此位于震源区附近NW走向的永宁断裂应为宁蒗-盐源地震序列的发震断层.

    重定位后的宁蒗-盐源地震序列分为两部分,即西北方一小部分,东南方一大部分,这一现象在深度剖面AA′(图 7b)上更明显. 常祖峰等(2013)从发震构造角度分析,推测震源区附近NE走向的日古鲁—岩瓦断裂可能也参与了该地震的孕育过程.

    综上,本文采用双差定位方法对2012年6月24日宁蒗-盐源MS5.7地震及其余震序列进行重定位,得到的主要结论如下:

    1)本文设置了目录数据、 波形互相关数据和目录数据+波形互相关数据等3种不同的初始输入数据组合对宁蒗-盐源地震序列进行重定位. 3种数据组合重定位结果的对比表明,同时使用目录数据和波形互相关数据对该地震序列得到的重定位结果最优. 宁蒗-盐源地震序列重定位使用的输入数据中,波形互相关数据的精度高,但是数据量少; 地震目录数据的精度低,但数据量大; 同时使用这两种数据,不仅增加了输入数据的总量,使更多的地震事件参与重定位,而且提高了输入数据的精度,使得重定位结果最优.

    2)重定位结果显示,宁蒗-盐源地震主震震源位置为(27.790°N、 100.707°E),震源深度为10.4 km,发震时刻为北京时间2012年6月24日15时59分32.74秒.

    3)根据宁蒗-盐源地震主震及其余震序列重定位结果,并结合主震震源机制解以及震源区附近的地质构造分析,本文确定主震附近的永宁断裂为宁蒗-盐源MS5.7地震的发震构造.

    Felix Waldhauser博士为本文提供了双差定位程序和指导,中国地震局地球物理研究所“国家数字测震台网数据备份中心”为本研究提供数据补充,作者在此一并表示感谢.

  • 0

  • 期刊类型引用(6)

    1. 韩业丰,靳平,徐雄,王培忠. 多事件联合与双差地震定位方法研究:以朝鲜核试验定位为例. 地球物理学报. 2023(09): 3717-3729 . 百度学术
    2. 李鉴林,常祖峰,万永革,黄少华,刘昌伟,刘强,王珏,阿拉塔. 2022年1月2日宁蒗M_S5.5地震发震构造研究. 震灾防御技术. 2023(03): 536-547 . 百度学术
    3. 王光明,吴中海,刘昌伟,张天宇,彭关灵. 2022年1月2日宁蒗M_S5.5地震序列重定位与发震构造分析. 地震学报. 2022(04): 581-593 . 本站查看
    4. 王光明,赵小艳,付虹,刘自风,王清东. 2014年鲁甸M_S6.5地震及其强余震序列重定位. 地震学报. 2018(05): 582-594 . 本站查看
    5. 李锋,李迎春,李强,冯志生,王俊菲. 2016年10月20日射阳M_S4.4地震的震源机制与地震序列的时空分布特征. 地震学报. 2017(05): 659-668+818 . 本站查看
    6. 陈浩,陈晓非. 2014年10月7日云南景谷M_W 6.2地震震源机制解反演和重定位. 地球物理学进展. 2016(04): 1413-1418 . 百度学术

    其他类型引用(3)

计量
  • 文章访问数:  1498
  • HTML全文浏览量:  275
  • PDF下载量:  143
  • 被引次数: 9
出版历程
  • 发布日期:  2008-06-15

目录

/

返回文章
返回