華北地區高光譜氣體影響因素分析

丁志華, 盛艷蕊, 張子廣

(河北省地震局, 河北 石家莊 050021)

0 引言

傳統地下流體地震前兆研究中,以地下水位、地下水溫等定點觀測手段為主,近年來由于環境干擾的增多,定點觀測數據資料受其影響巨大。地球化學觀測逐漸成為地震前兆地下流體研究的新方向,高光譜遙感技術是其中之一。

在地震孕育和發生過程,應力不斷積累,隨著應力增大,滲透率增大,地殼產生微破裂,地下氣體會沿微裂隙向上移動,釋放到地表。隨著高光譜遙感技術的不斷發展,越來越多的國內外學者開始應用遙感技術研究地震前后氣體的變化,發現高光譜遙感方法可以觀測到地震引起的地球排氣作用,導致氣體(CH4,CO2,CO,O3,H2S等)濃度的變化[1]。大量研究表明大震前后高光譜遙感氣體會出現異常變化,主要表現為CO、CH4、水汽震前的高值異常:Singh等[2]利用MOPITT 數據探測到2001年1月26日印度古加拉特(Gujarat)M7.8地震前出現CO含量異常現象,Tronin[3]發現了O3濃度異常;Singh等[4]還探測到汶川地震前后水汽含量出現增高異常;崔月菊等[5-9]也發現地震前后多種高光譜氣體異常(汶川地震后CO升高異常與余震對應較好,地震前兩個月CO有明顯的升高異常;玉樹地震前2周和震后2周CO濃度都出現了高值異常,震后5個多月期間水汽含量明顯高于往年,且波動性增大),并且異常出現在地殼應力接近最大值的交叉區域[10]。可見,CO、CH4、O3和水汽等異常信息與地震關系密切,可以作為監測地震的指標參數[11]。因此利用高光譜遙感技術提取地震引起的氣體成分變化的方法得到了很多同行專家的認可[12-13]。

盡管有很多的震例證明震前高光譜氣體異常的存在,但仍有很多質疑的聲音,主要因為高光譜氣體受干擾太多,用RST算法提取異常后,仍有很多無法解釋的高值區。解釋高光譜氣體無震異常的原因,尤為重要,也是目前高光遙感應用于地震監測預報的瓶頸所在。因此,分析不同氣體濃度的影響因素,判定高值異常性質,尤為重要。

本文以CH4和CO為例,計算不同地形條件下,高光譜氣體與水汽、溫度、長波輻射、氣壓的相關系數,通過分析其相關性,了解不同氣體的影響因素,為震情跟蹤判定提供重要依據。

1 數據和方法

文中計算所用高光譜遙感數據均來源于美國宇航局NASA大氣紅外探測儀(AIRS),光譜分辨率Δλ/λ=1 200,軌道重復周期16天,全球80%的地區可以實現一天兩次覆蓋,空間分辨率為1°×1°。數據可在NASA Goddard地球科學數據和信息中心下載。

1.1 相關系數及回歸方程

高光譜氣體濃度影響較大,通過高光譜氣體與不同參數相關系數,分析不同氣體的控制因素,有助于進行異常提取。

(1)

(2)

(3)

得到相關系數為

(4)

設回歸方程為y=a+bx,有

(5)

(6)

計算均方差σ,當某一點的y測值-(a+bx測值)<2σ時,該點y受該點x值影響,當y測值-(a+bx測值)>2σ時,則認為該點y脫離了x的控制。

1.2 異常提取方法

通過RST算法進行異常提取。RST算法是一種描述某位置值相對平靜狀態的變化來提取異常的分析方法,具體計算公式為:

(7)

首先,求得全球不同位置(x,y)處氣體背景場(Gbac),為N年(2004—2017年)歷史數據的算術平均值

(8)

式中:i為年份;t為月份;GI(x,y,t)為全球不同位置不同不同時間氣體濃度。

然后,通過式(9)求得各地區不同月份氣體濃度(Gmon)與背景場(Gbac)的差值ΔG,以此表示背景場對高光譜氣體的影響。式(10)計算標準差,式(11)將ΔG與標準偏差σ(x,y)比較,進一步提取異常信息,判斷異常強度[14]。

ΔG(x,y)=Gmon(x,y)-Gbac(x,y)

(9)

σ(x,y)=

(10)

(11)

?(x,y)越大表示異常強度越高,(x,y)越低表示異常越不明顯。

2 結果

為分析CH4與CO的影響因素,按地形分為海洋、平原、山區、盆地四4種類型,每種地形隨機選取3個點(圖1),分別計算兩種氣體與水汽、溫度、長波輻射和氣壓等參數相關系數。

圖1 不同地形選點位置圖Fig.1 Location map of different terrain

CH4、CO在不同地形條件下與各參數的相關系數結果(表1、表2)顯著性檢驗:計算樣本量為2003—2018年月均值數據,N=192,N-2=190,查詢相關系數檢驗表,當相關系數在α=0.01上顯著相關的最小值為0.185,可見CH4與各參數在陸地均顯著相關,CO與各參數只在海洋顯著相關。

表1 不同地形條件下CH4與各參數相關系數

表2 不同地形條件下CO與各參數相關系數Table 2 Correlation coefficient between CO and various parameters under different topographic conditions

結果表明,同種地形不同選點的相關系數結果較接近,同類地形條件下相關系數均值可代表氣體與不同參數在該地形條件的相關程度。不同地形條件下CH4、CO與各參數的相關系數有明顯差別。

3 分析與討論

3.1 氣體濃度的影響因素

海洋、平原、盆地3種地形中,每種地形不同位置環境條件較穩定,因此同地形不同測點計算結果較相近,山區由于不同測點間光照條件、植被覆蓋率、海拔等可能相差較大,計算結果略有差距。

(1) CH4的影響因素

水汽(濕度)、溫度(氣溫)、氣壓是重要的氣象要素,CH4與各參數的相關性體現了氣象條件對CH4濃度變化具有較大的影響。除季節性顯著變化使得CH4具有明顯的季節性周期變化外,短時氣象變化也會通過影響CH4光化學反應過程來控制CH4濃度。

CH4與水汽、溫度、長波輻射呈負相關,與氣壓呈正相關,且相關系數平原大于山區大于盆地。空氣水汽多,濕度大,為OH自由基的形成創造了有利條件,大量OH自由基的形成有利于CH4光化學反應進行,因此,CH4與水汽呈負相關;溫度高、長波輻射強反應太陽輻射的強弱,較強的太陽輻射有利于光化學反應的進行,因此,CH4與溫度、長波輻射均呈負相關;由于空氣從高氣壓地區向低氣壓地區流動,因此高低壓地區的空氣就在水平方向上向周圍地區流出,該地區上方的空氣就要下降,不利于空氣上升,進而抑制CH4向平流層輸送,導致CH4增多,低氣壓地區相反,周圍地區的空氣流入低氣壓地區,使該地區的空氣上升,促進CH4向平流層輸送,造成高氣壓地區CH4含量高,低氣壓地區CH4含量低的情況,因此CH4與氣壓正相關。同時由于低氣壓地區空氣上升,上升的空氣因所受的壓強減小而膨脹,溫度降低,空氣中的水汽凝結,所以,低氣壓中心地區常常是陰雨天,進一步形成大量OH自由基,促進CH4光化學作用。CH4背景場總量在平原高于盆地、山區,因此在平原參與光化學作用的CH4量比較大,同時,平原四季環境各參數變化更為顯著,對CH4促進、抑制作用更為顯著,因此CH4與各參數相關系數在平原大于山區大于盆地。

(2) CO的影響因素

海洋不同參數相關性特性與陸地(平原、山區、盆地)有較明顯的差別。有研究表明,海洋是大氣中CO的主要源[15-16],海洋上空CO濃度較高,其影響因素與陸地具有不同的特征。因此,在進行不同氣體影響因素分析中,海洋可作為獨立體系進行研究。

CO在陸地(平原、山區、盆地)與水汽、溫度、長波輻射、氣壓的相關性均較低,呈弱相關或不相關。華北地區東部沿海,與各參數相關系數較小的原因可能有兩種:一是CO本身受氣象因素影響較小;二是CO受氣象因素影響,但由于沿海地區受海洋源的影響較大,掩蓋了氣象因素的影響。

(3) CH4與CO的相關性

全球空氣中55%CO來源于光化學反應[17-18],即空氣中CH4和CO的相關系數在-0.55左右,2003—2011年汶川地震震中CH4和CO相關系數-0.51[19],本文計算結果接近于空氣中CH4和CO背景系數。

CH4與CO呈較強的負相關,且相關系數在盆地大于山區大于平原。空氣中CH4的匯包括三個方面,最主要的是與OH自由基發生光化學反應,另外包括少量的平流層輸送和土壤中微生物氧化吸收[20-21]。CO是CH4空氣中光化學反應的過渡產物,CH4消耗,可以直接導致CO增加,同時,CO也會與空氣中OH發生反應[21],導致空氣中OH自由基減少,進而抑制CH4的氧化,最終導致CH4與CO呈較顯著的負相關;盆地相對于平原封閉,氣體不容易擴散,促進了CH4與CO的相互作用以及氣體的富集,因此盆地CH4與CO的相關性高于平原,山區不同位置封閉程度不同,計算結果波動較大,均值接近背景,介于盆地與平原之間。

CO受氣象因此干擾小,但由于CO是CH4光化學反應的中間產物,因此,在出現異常時,CH4相對于CO具有更直觀、更快速的異常表現,更具有優勢。

3.2 影響因素回歸分析

由于CH4更適合于氣體異常源的分析,因此本文詳細研究了CH4與不同氣象參數的相關性來進行異常性質判定。通過回歸方程來描述水汽、溫度、氣壓等氣象因素對CH4的影響(圖2-圖4)。

對回歸方程進行F檢驗,分別得到F值為水汽48.51,溫度88.34,氣壓175.48,查表得F0.05=3.89,計算結果遠大于臨界值,因此回歸方程可靠,顯著相關,認為線性方程可以表征CH4與各參數的相關關系。可通過不同參數的變化進一步分析高光譜氣體的變化量。

圖2 CH4與水汽一元線性回歸方程Fig.2 The linear regression equation between CH4 and water vapor

圖3 CH4與溫度一元線性回歸方程Fig.3 The linear regression equation between CH4 and temperature

圖4 CH4與氣壓一元線性回歸方程Fig.4 The linear regression equation between CH4 and Air pressure

進一步計算CH4與水汽、溫度、氣壓線性回歸方程的2倍均方差分別為1.14、1.08和0.92,當CH4觀測值與預測值之差的絕對值在2倍均方差范圍內時,認為CH4高值異常為氣象因素引起的可能性較大,當高于2倍均方差時,構造活動或其他非氣象因素影響的可能性較大。

3.3 京津冀地區異常應用檢驗

根據式(10)～(11)計算得到2019年3—6月份京津冀地區CH4異常強度分布(圖5)。

圖5顯示CH4在6月出現高值異常,主要集中在京西南與河北交界位置,其他地區無高值異常。為進一步分析該區域異常變化,縮短時間間隔,繪制6月份的8日均值異常分布圖(圖6)。

圖6 2019年6月份8日均值異常分布Fig.6 Abnormal distribution of 8-day average value of CH4 in June 2019

8日均值異常分布圖顯示6月12日前后北京西南位置出現小幅高值異常,之后恢復,6月28日該位置再次出現高值異常,異常位置與月均值異常位置一致。

提取異常位置中心點水汽、溫度、氣壓時間序列曲線,將6月測值帶入回歸方程,測值分布于回歸線附近(圖2～圖4中紅方塊所示),計算得到CH4預測值與觀測值之差分別為0.45,0.56,0.79,均小于水汽、溫度、氣壓回歸方程2倍均方差,因此認為該異常可能受氣象變化因素影響。

4 結論

通過以上分析研究,得到以下幾點結論:

(1) 由于CH4與水汽、溫度、長波輻射、氣壓呈顯著相關,且在不同地形呈現不同特征,CH4濃度變化受氣象因素、地形條件影響較大;

(2) 受海洋源的影響,CO在不同地區與水汽、溫度、長波輻射、氣壓的相關性均較低,因此沿海地區氣象因素對CO影響不大,而內陸地區CO受氣象影響程度需要進一步研究;

(3) 由于CO為CH4光化學反應的中間產物,CH4與CO呈較強的負相關,因此,在對高光譜氣體進行異常提取時,CH4相對CO更有優勢;

(4) 對異常點觀測值與氣象參數進行線性擬合,將觀測值與擬合值之差于回歸方程2倍均方差比,可以作為震情跟蹤中異常性質判定的方法之一。

2019年6月份京西南地區CH4高值異常可能受氣象因素影響。