利用背景噪聲研究通海5.0級、墨江5.9級地震震源區波速變化

楊建文 葉泵 高瓊 王軍 陳佳

摘要：利用2017年1月31日-2019年12月1日云南數字地震臺網的寬頻帶連續波形資料，基于背景噪聲互相關方法，提取了14個臺站對當天經驗格林函數與參考經驗格林函數的直達瑞利波走時偏移來研究2018年通海5.0級、墨江5.9級地震震源區的波速變化特征。結果表明，通海5.0級和墨江5.9級地震都在一定程度上造成了震源區地殼介質速度的變化。地震發生前后，穿過地震震中和震中附近的部分臺站對的瑞利波走時偏移在地震發生前的20余天表現出明顯的異常特征，且短期內走時變化具有較好的同步性，但異常幅度大小和異常持續時間存在一定差異，異常臺站對走時偏移變化形態為“V”或雙“V”型結構，兩次地震都發生在了第1個“V”型的前端。多臺站對組合的平均走時偏移結果顯示，兩次地震造成的震源區波速的異常持續時間大概都為260d（通海地震略長于墨江地震），但墨江地震造成的最初的走時偏移變化量和持續時間均高于通海地震。

關鍵詞：背景噪聲;波形互相關;經驗格林函數;波速變化

中圖分類號：P315.3??? 文獻標識碼：A文章編號：1000-0666（2021）04-0529-12

0引言

地震的孕育和發生往往伴隨著地下介質應力狀態的變化，從而引起地震波速的變化，監測這種波速變化，對地震預測以及余震趨勢的判斷具有重要意義（王偉濤等，2009）。近年來，隨著背景噪聲層析成像技術的發展，從該方法中獲取的經驗格林函數也被應用于研究地殼內部地震波速度的時空變化特征。如Brenguier等（2008）分析富爾奈斯火山21個臺站背景噪聲得到的波速變化，發現火山噴發前波速出現了約0.1%的降低，且在火山噴發期間逐漸恢復正常。Stehly等（2016）利用2008年汶川地震震中區域21個臺站的背景噪聲，發現主震當天有0.07%的波速下降。劉志坤和黃金莉（2010）發現2008年汶川地震造成了震源區地震波速度的急劇降低，最大降幅達0.4%。宮猛等（2017）通過提取直達的瑞利波走時偏移發現在2015年9月14日昌黎M4.7地震前部分臺站對的瑞利波速出現上升變化，而震后隨著時間的流逝又慢慢恢復到在背景值附近波動。Liu等（2018）通過三分量地震背景噪聲干涉測量技術，對龍門山斷裂帶10年地震波速變化進行了研究，發現在1～3s和3～8s周期，汶川M7.9地震造成了斷層區附近急劇的同震波速降低，降幅為0.04%～0.06%，2013年蘆山M6.6地震造成了1～3s周期的微小但較為可靠的波速降低，幅度約為0.01%。溫揚茂等（2019）利用雙臺站2年的連續背景噪聲數據分析了2017年墨西哥M7.1地震震源區的地震波速變化特征，發現震源區淺部5～10km的地震波速在地震中上升約0.77%，而在2～5km的地震波速則有約0.05%的下降趨勢。地震背景噪聲分布廣且不依賴于特定震源，非常適合于跟蹤地殼內部結構的物性變化。

2018年8月13、14日云南省玉溪市通海縣（24.19°N，102.71°E）相繼發生了2次5.0級地震，震源深度分別為7km和6km（本文將這兩次地震合在一起進行研究，稱為“通海5.0級地震”）。9月8日，云南省普洱市墨江縣（23.26°N，101.53°E）又發生5.9級地震，震源深度為11km。地震發生后，相關學者進行了一系列的研究，主要包括：地震前的視應力（彭關靈等，2018，2020）、波速比（劉自鳳等，2018）、地震精定位和發震構造討論（王光明等，2018）以及地震前后的GNSS面應變時空演化特征（楊建文等，2020a、b）等。其中的GNSS研究表明，2組地震前后，震中區域附近存在較為明顯的應變場演化過程（面應變顯著積累——短期內面應變快速反向調整——調整過程中相繼發生通海和墨江地震）（楊建文等，2020a，b）。

地震前后明顯的應變場變化會引起地下介質波速的變化，因此，本文基于2018年通海5.0級、墨江5.9級地震震中附近區域固定臺站記錄的連續波形數據，采用背景噪聲波速測定方法，開展震源區波速變化研究。

1數據和方法

1.1觀測數據

本文從云南數字地震臺網中選用震中周邊7個臺站（圖1）記錄的2017年1月31日—2019年12月1日垂直分量連續波形資料。經檢測，在該研究時間范圍內，所有臺站的數據連續性都很好，因此基本能夠反映該時段內的介質波速變化。數據處理分為三步：①對單臺數據進行預處理，得到地震背景噪聲;②通過計算臺站對間背景噪聲的互相關函數來提取經驗格林函數;③計算不同時段的經驗格林函數與參考經驗格林函數的走時偏移，獲取地震波速度變化。

1.2單臺站數據預處理

在獲取各臺站的連續波形數據后，為消除天然地震和儀器本身異常信號的影響，需要先對單臺數據進行預處理，以獲取高質量的地震背景噪聲（劉志坤，黃金莉，2010;溫揚茂等，2019）。數據預處理過程為：①將連續波形數據按天截取，采用1Hz對波形數據進行抽樣，以降低數據采樣率;②去除儀器響應、去均值、去趨勢及帶通濾波處理;③對波形數據進行時域平均，以去除地震事件的影響;④頻譜白化處理后得到背景噪聲。

1.3背景噪聲互相關及數據疊加

單臺數據預處理后，對研究范圍內各臺站對每天的背景噪聲在相同時間內作互相關計算，其結果即為臺站對間的經驗格林函數（劉志坤，黃金莉，2010;Shapiro et al ，2005）。本文基于7個臺站可獲取21個臺站對每天的經驗格林函數。當臺間距較大時，很難在短時間內穩定地重構出經驗格林函數（Liu et al ，2018），因此本文僅對臺間距小于200km的臺站對作進一步分析。經過篩選，共挑選出14個臺站對，臺站對分布如圖1所示。

背景噪聲的來源及能量的差異，會極大影響經驗格林函數的形態（王偉濤等，2009）。Stehly等（2006）首次基于噪聲互相關函數對噪聲源的性質進行分析，研究指出，對任意兩個地震臺站記錄到的背景噪聲進行互相關處理，理論上得到的經驗格林函數中都有一正、一負兩個分支，分別表示臺站對路徑上的因果和非因果信號。當臺站兩側的噪聲源分布均勻時，因果信號和非因果信號的到時一致、振幅相同。而當噪聲源分布不均勻時，兩個方向的信號到時相同、但振幅不同，在噪聲源能量較強的一側產生的信號振幅較大（圖2a）。為了在一定程度上消除噪聲源能量分布不均對波速測量結果的影響，進一步增強數據的信噪比，以0為界線，把經驗格林函數的“負支”反號后與“正支”進行對稱疊加，形成“疊加分量”（圖2b）。

由于受噪聲源的不均勻分布和噪聲成分的不確定性等因素的影響，加上臺間距較大，臺站對間的單日經驗格林函數的信噪比普遍較低，很難分辨地震波形態（溫揚茂等，2019）。為了提高信噪比，將各臺站對當天前、后各30d（共61d）的經驗格林函數進行疊加，作為當天經驗格林函數。在此基礎上，通過進一步的滑動疊加，可獲取2017年1月31日—2019年12月1日的當天經驗格林函數（數據開始和結尾的各30d因為疊加數據不足61d，因此不參與進一步的分析）。

為了獲得臺站對間經驗格林函數隨時間變化的定量信息，須確定各臺站對（劉志坤，黃金莉，2010;溫揚茂等，2019;Liu et al ，2018）。Stehly等（2006）研究發現背景噪聲源的季節性變化會引起由互相關方法重構的面波信號的走時變化，因此建議盡量采用較長時間范圍（至少1年）的資料來確定參考經驗格林函數。本文將各臺站對2017年1月—2019年12月的經驗格林函數進行疊加作為各自的參考經驗格林函數（圖3）。從圖3可以看到清晰的直達瑞利面波和尾波，根據瑞利波信號的到達時間與臺站對的間距，可估算其面波速度約為3km/s，符合瑞利波理論值范圍（2～4km/s）。這也間接地反映了本文數據處理的正確性。

1.4走時偏移提取

對臺站對間的當天經驗格林函數和參考格林函數作互相關計算，獲取相似波形窗口的互相關系數（圖4），互相關系數最大時所對應的時間延遲就是這兩段相似波形窗口的走時偏移，為了提高精度，對計算結果余弦插值后提取更高精度的走時偏移。

由圖4b、c可知，在43～60s的波形窗口內，YUJ-SIM臺站對的當天經驗格林函數和參考經驗格林函數的互相關系數都在0.9以上，表示在該時窗內的兩波形具有較高的相似性。經統計，進行互相關計算后，14個臺站對的瑞利波部分的互相關系數基本都在0.9以上。鑒于此，以互相關系數0.9以上為約束，通過提取直達的瑞利波中的部分震相（圖4b、c中的陰影部分，震相窗長約15s，不同臺站對取值存在較小差異）的走時偏移來計算臺站對間的瑞利波速度變化。

由圖5a可以看到，YUJ-SIM臺站對瑞利波走時偏移變化曲線存在明顯的年變成分。為消除年變成分對走時偏移的影響，本文采用傅立葉滑動去年周期方法去除其中的年變成分，以獲取長趨勢變化背景下隱含的波速變化特征。

1.5傅立葉滑動去年周期

傅立葉滑動去年周期的主要目的是排除瑞利波走時偏移中的年變周期成分。主要方法概要為（蔣駿等，2000）：

假設某臺站對的瑞利波走時偏移時間序列為y={y1，y2，…，yn}，，其中年變周期長度用T表示，即一年中等間隔均值序列有T個觀測值;年變序列成分的序列用x={x1，x2，…，xn}表示。利用三角級數公式由y序列中的T個觀測值{yn-r+1，y-r+2，…，yn}計算出xn;由{yn-T+2，ya-T+3，…，y+1}計算出xn+1，按這樣的思路，相應的計算公式為：

排除年變化的新序列為：

由式（1）和（2）計算出的an和bn是隨年變強弱而動態變化的。對y序列中前T-1個數據通過基波擬合求得x1，x2，…，x7-1，然后利用式（4）計算出G0，G1，…，G7_1。本文是在臺站對日均值瑞利波走時偏移時間序列上排除年變化，因此，T=365。

本文采用傅立葉滑動去年周期方法對圖5a進行處理，分別得到傅立葉滑動去年變趨勢的周期估計值（圖5b）及去除年變成分后的走時偏移（修正后的走時偏移）（圖5c），從圖5b、c中可以看到YUJ-SIM臺站對的瑞利波走時偏移在通海5.0級和墨江5.9級地震前、后（特別是震后）存在明顯的異常特征。在后面的分析中，筆者對所有的臺站對都進行了傅立葉滑動去年變趨勢處理。

2結果與分析

本文計算了2017年1月31日—2019年12月1日通海5.0級、墨江5.9級地震震中周邊14個臺站對的瑞利波走時偏移。

2.1異常臺站對空間分布

對14個臺站對的瑞利波走時偏移變化曲線分析發現，TOH-YIM、YIM-JIS、YUJ-SIM、JIS-SIM臺站對的瑞利波走時偏移在通海5.0級和墨江5.9級地震前、后存在明顯的異常特征。TOH-JIS、YIM-JIG臺站對走時偏移在整個時段內波動較大，無法分辨異常信息，其余8個臺站對走時偏移在地震前、后無明顯異常特征。圖6為部分臺站對2017年1月31日—2019年12月1日的瑞利波走時偏移變化曲線。

從圖1的走時偏移異常臺站對空間分布來看，4個異常臺站對中TOH-YIM、YIM-JIS臺站對分布于通海5.0級地震震中及鄰近區域（TOH-YIM臺站對穿過了通海5.0級地震的震中區域），推測其走時偏移異常主要受通海地震過程的影響;YUJ-SIM、JIS-SIM臺站對分布于墨江5.9級地震震中及鄰近區域（YUJ-SIM臺站對穿過了墨江5.9級地震的震中區域），推測其走時偏移異常主要受墨江地震過程的影響。

2.2異常臺站對走時偏移的時變特征

為了更好地分析通海5.0級、墨江5.9級地震的震源區的波速變化情況，本文分別采用單臺站對和多臺站對組合平均的方法對走時偏移的時變特征進行分析。

（1）單臺站對的走時偏移

考慮到4個異常臺站對的空間分布情況，將TOH-YIM、YIM-JIS分為一組（圖7），YUJ-SIM、JIS-SIM分為另一組（圖8），系統分析各臺站對的瑞利波走時偏移的時變特征。

由圖7可知，在通海5.0級地震過程中（震前-震中-震后過程），TOH-YIM和YIM-JIS臺站對的瑞利波走時偏移變化形態，存在較好的相似性，存在明顯的“V”或雙“V”型變化形態，通海5.0級地震發生在第1個“V”型的前端。從2018年7月20日左右（通海5.0級地震前20余天）開始，兩個臺站對的走時偏移開始同步下降。TOH-YIM臺站對的下降過程一直持續了約180d（走時偏移在墨江地震前、后存在輕微的波動），該臺站對的走時偏移從11月6日開始上升（上升過程持續了約61d），2019年1月5日之后又開始下降（下降過程持續了約55d），此后恢復平穩，其間存在輕微的波動（圖7a）。YIM-JIS臺站對的下降過程持續了約42d，走時偏移從8月29日開始上升（上升過程持續了約136d），2019年1月11日之后又再次下降（下降過程持續了約56d），從2019年3月7日開始，短期內存在快速恢復（走時偏移上升）的過程，至2019年4月中旬開始恢復平穩，其間存在輕微的波動（圖7b）。

由圖8可知，在墨江5.9級地震過程中（震前-震中-震后過程），YUJ-SIM和JIS-SIM臺站對的瑞利波變化形態存在較好的相似性，走時偏移存在明顯的“V”或雙“V”型變化形態，墨江5.9級地震發生在第1個“V”型的前端。從2018年8月15日左右（墨江5.9地震前20余天）開始，兩個臺站對的走時偏移開始同步下降。YUJ-SIM臺站對的下降過程一直持續了約111d，該臺站對的走時偏移從12月4日開始上升（上升過程持續了約60d），2019年2月1日之后又開始下降（下降過程持續了約83d），此后開始緩慢地恢復平穩（圖8a）。JIS-SIM臺站對的下降過程持續了約102d，該臺站對的走時偏移從11月24日開始上升（上升過程持續了約55d，上升過程走時偏移存在輕微的波動），2019年1月17日開始之后又再次下降（下降過程持續了約20d），此后恢復平穩（圖8b）。

TOH-YIM和YUJ-SIM臺站對分別穿過了通海5.0級和墨江5.9級地震的震中區域（圖1），二者的走時偏移可能反映震中附近振動最劇烈、破壞比也最嚴重的極震區的波速變化特征。對比圖7a、8a發現，兩個臺站對的走時偏移均在地震前的20d左右開始下降，且下降過程均持續110d左右（TOH-YIM臺站對的走時偏移變化量為-0.44s，YUJ-SIM臺為-0.47s），此后又都以60d左右進行了恢復（TOH-YIM臺站對的走時偏移變化量為0.33s，YUJ-SIM臺為0.51s）。接著又分別在約55d和83d內再次下降（TOH-YIM臺站對的走時偏移變化量為-0.32s，YUJ-SIM臺為-0.25s）。最后二者的走時偏移均恢復平穩。縱觀整個過程，二者的走時偏移時變特征具有較高的相似性。

（2）多臺站對組合的平均走時偏移

考慮到基于單臺站對測量的走時偏移可能不太穩定，將震中附近的臺站對的結果進行平均來代表地震震源區的波速變化。根據圖1的異常臺站對分布，將TOH-YIM和YIM-JIS臺站對分為一組（記為：第一組），將YUJ-SIM和JIS-SIM臺站對分為另一組（記為：第二組），對兩組雙臺站對的走時偏移分別進行組合平均，以分別表示通海5.0級（圖9a）、墨江5.9級地震（圖9b）震源區波速變化。

與單臺站對走時偏移（圖7、8）進行對比，發現組合平均后的走時偏移變化趨勢更加的穩定。表1為兩組臺站對在地震過程中不同階段的走時瑞利波走時偏移變化情況。

由圖9a可知，第一組臺站對的走時偏移在通海5.0級地震前后存在明顯的雙“V”型變化特征，通海5.0級地震發生在第1個“V”型的前端。結合表1可知，第一組臺站對的走時偏移在通海5.0級地震前約20d（2018年7月22日）開始下降，下降過程持續了約71d，變化量為-0.34s，由于受墨江5.9級地震的影響，下降過程中存在輕微的波動。從2018年9月30日開始，走時偏移開始上升，上升過程持續了約99d，變化量為0.32s，從2019年1月6日開始又再次下降，下降過程持續了約61d，變化量為-0.39s，此后在約38d內又上升了0.21s。經歷明顯的雙“V”型變化后，該組合臺站對的走時偏移恢復平穩，其間存在一定幅度的波動。

由圖9b可知，第二組臺站對的走時偏移在墨江5.9級地震前后存在明顯的“V”型變化特征，墨江5.9級地震發生在“V”型的前端。結合表1可知，第二組臺站對的走時偏移在墨江5.9級地震前約20d（2018年8月15日）開始下降，下降過程持續了約108d，變化量為-0.39s，略高于通海5.0級地震。從2018年11月30日開始，走時偏移開始上升，上升過程持續了約49d，變化量為0.38s，從2019年1月17日之后的約98d內存在一定幅度的下降，變化量為-0.22s。此后該組合臺站對的走時偏移恢復平穩。

對比兩組合臺站對的走時偏移發現，兩次地震造成的震源區及周邊波速的異常持續時間大概為260d（通海地震異常持續時間略高于墨江地震），但墨江地震造成的最初的走時偏移變化量和持續時間均高于通海地震。

本文多臺站對組合平均走時偏移主要采用的是震中附近地震前后存在明顯異常的臺站對，其他臺站對因為沒出現異常，且距離較遠，因此未參與計算。為驗證計算結果的可靠性，將震中附近的其他臺站對也加入到組合平均中（通海5.0級地震附近采用TOH-YIM、YIM-JIS、TOH-MIL、YIM-MIL、MIL-JIS臺站對進行組合平均（圖10a），墨江5.9級地震附近采用YUJ-SIM、JIS-SIM、YUJ-JIG、JIG-SIM臺站對進行組合平均（圖10b），以獲取更大范圍的組合平均走時偏移。

分別對比圖9a和圖10a、圖9b和圖10b，發現采用更多臺站對進行組合平均獲得的瑞利波走時偏移時間序列的變化形態與原有的雙臺站對的具有較高的相似性。區別在于利用更多臺站對獲得的組合平均走時偏移在同一時段內變化量相對較小，究其原因可能是因為新加入的臺站對走時偏移變化平穩，且離震中相對較遠，在組合平均的過程中對原有存在明顯異常的臺站對的走時偏移變化起到了抑制作用，但未改變原有的變化形態。因此認為利用震中附近走時偏移存在明顯異常的臺站對獲取的組合平均走時偏移結果更能體現震源區的波速變化。

3討論

本文震相提取過程中主要考慮的是信噪比和數據可靠性，因此以互相關系數作為約束（互相關系數要求在0.9以上），提取了經驗格林函數中直達的瑞利波的走時偏移（計算的是瑞利波波速變化）。本文測量波速變化采用的周期范圍是2～10s，瑞利波走時偏移反映的是震源區中上地殼物性介質隨時間的變化特征。

研究過程中發現由于受噪聲源的不均勻分布和噪聲成分的不確定性等因素的影響，大部分的經驗格林函數都存在左右分支不對稱的現象（兩個方向的信號到時相同，但振幅不同，在噪聲源能量較強的一側產生的信號振幅較大），因此在進行滑動疊加前先對經驗格林函數進行了“左右疊加”，形成“疊加分量”，這在一定程度上可以消除噪聲源分布不均等因素對計算結果的影響。在獲得瑞利面波走時偏移后，發現大部分臺站對的走時偏移都存在明顯的年變趨勢，為消除年變成分對走時偏移的影響，獲取長趨勢變化背景下的波速變化情況，采用傅立葉滑動去年周期方法對臺站對的走時偏移進行了處理，研究表明該方法理論基礎嚴密，是一種穩定、可靠的周期分析方法。

根據互相關時延計算的原理，本文所提取的是當天經驗格林函數相對于參考經驗格林函數的走時偏移，當走時偏移為正時，表示波速變慢，當走時偏移為負時，表示波速加快。研究發現，震源區相關臺站對的瑞利波走時偏移分別在地震發生前的20余天開始大幅度的下降且一直持續到地震發生后的很長一段時間，這表明該過程中，震源區的波速在加快。陳立德和付虹（2003）提出的“震源硬化模型”指出：巖石在受力過程中在其失穩源區存在“硬化”現象，硬化過程中其1介質的剛度會增加，剛度增加可能導致速度增加，從而使走時縮短。相關臺站對瑞利波走時偏移的大幅下降過程可用“震源硬化模型”以解釋，之后的走時偏移的“上升-下降-再上升”過程可能與震后的區域應力場調整有關。

TOH-YIM和YUJ-SIM臺站對的瑞利波走時偏移分別在通海5.0級和墨江5.9級地震過程中表現出最為明顯的走時異常特征，這可能與這兩個臺站對分別穿越了震中附近振動最劇烈、破壞比也最嚴重的極震區有關。

通過背景噪聲互相關方法得到的地震波速度變化反映了臺站對間較大范圍內地殼介質狀態及屬性的變化（劉志坤，黃金莉，2010），這種變化的準確空間位置和物理機制目前還不太清楚。GNSS應變場的相關研究表明，通海5.0級和墨江5.9級地震前后，震中區域附近的面應變（面應變參數能直接反映區域擠壓（收縮）或拉張（膨脹）強弱特性）分布存在較為明顯的異常特征（楊建文等，2020b）。對于應變狀態改變與波速異常特征之間的關系有待更進一步的研究。

4結論

本文基于云南數字地震臺網的寬頻帶連續波形資料，采用波形互相關方法提取了2017年1月31日—2019年12月1日14個臺站對的直達瑞利波走時偏移來研究通海5.0級、墨江5.9級地震震源區的波速變化特征，得到以下主要結論：

（1）2次地震前后，穿過地震震中和震中附近的部分臺站對的瑞利波走時偏移表現出了明顯的異常，這表明兩次地震都在一定程度上造成了震源區地殼介質速度的變化。

（2）通過對臺站對的走時偏移時變特征進行分析發現，兩次地震發生前后異常臺站對的瑞利波走時偏移都表現出明顯的“V”或雙“V”型變化特征，且地震都發生在了第1個“V”型的前端，且短期內相關臺站對走時偏移變化具有較好的同步性，但異常幅度大小和異常持續時間存在一定差異。

（3）考慮到基于單臺站對測量的走時偏移可能不太穩定，所以將震中及附近的異常臺站對的結果進行平均來代表震源區的波速變化，結果發現，通海5.0級和墨江5.9級地震造成的震源區波速的異常持續時間大概都為260d（通海地震異常持續時間略高于墨江地震），但墨江地震造成的最初的走時偏移變化量和持續時間均高于通海地震。

本文研究所用連續波形資料來源于云南數字地震臺網，背景噪聲互相關計算程序由中國地震局地球物理研究所地球物理先導技術研究室王偉濤研究員提供，審稿專家提出了建設性修改意見，在此表示衷心感謝。

參考文獻：

陳立德，付虹。2003。地震預報基礎與實踐[M].北京：地震出報社，186-187.

宮猛，郭蕾，王想，等。2017。利用背景噪聲互相關方法研究唐山地區地震波速變化[J].地震，37（4）：152-161。

蔣駿，李勝樂，張雁濱，等。2000。地震前兆信息處理與軟件系統[M].北京：地震出版社，231。

劉志坤，黃金莉。2010。利用背景噪聲互相關研究汶川地震震源區地震波速度變化[J].地球物理學報，53（4）：853-863。

劉自鳳，張天繼，付虹，等。2018.2018年云南通海5.0級地震前波速比變化特征[J].地震研究，41（4）：494-502。

彭關靈，孔德育，孫楠，等。2020.2014年景谷M6.6和2018年墨江M5.9地震前視應力、視體積異常特征研究[J].地震研究，43（2）：355-362.

彭關靈，趙小艷，劉自鳳，等。2018.2018年云南通海M5.0地震前視應力時空特征[J].地震研究，41（4）：487-493。

王光明，劉自鳳，趙小艷，等。2018.2018年云南通海M、5.0地震序列重定位及發震構造討論[J].地震研究，41（4）：503-510。

王偉濤，王寶善，葛洪魁，等。2009。利用主動震源檢測汶川地震余震引起的淺層波速變化[J].中國地震，25（3）：223-233。

溫揚茂，高松，許才軍。2019。利用雙臺站背景噪聲分析2017年墨西哥M7.1地震震源區的地震波速變化[J].地球物理學報，62（8）：3024-3033.

楊建文，張鵬映，茶文劍，等。2020a.2018年云南地區GNSS面應變變化及地震關系分析[J].大地測量與地球動力學，40（3）：258-263.

楊建文，張鵬映，何應文，等。2020b.2018年通海兩次5.0級地震前GNSS觀測異常及震后云南地區的應變變化[J].大地測量與地球動力學，40（1）：30-34。

Brenguier F， Campillo M， Hadziioannou C， et al.2008. Postseismierelaxa-tion along the San Andrews fault at Parkfield from continuous seis-mologicalobservations[ J]. Science， 321（5895）： 1478-1481

Liu Z K. Huang JL， He P， et al.2018. Ambient noise monitoring of seis-mieveloeity around the Longmenshan fault zone from 10 years of continuous observation [ J. J Geophys Res： Solid Earth， 123：89798994.

Shapiro N M， Campillo M， Stehly L， et al.2005. High resolution surface wave tomography from ambient seismie noise[ J]. Science 307：1615-1618.

Stehly L， Campillo M， Shapiro N M.2006. A study of the seismic noise from its long-range correlation properties J. J Geophys Res 111，B10306.

Stehly L， Froment B， Campillo M， et al.2016. Monitoring seismic wave ve-locity changes associated with the Mw7.9 Wenchuan earthquake： in-creasing the temporal resolution using curvelet filters [ J. Geophysi-calJoumal International， 201（3）： 1939-1949.

Study of the Wave Velocity Changes in the Focal Area of the Tonghai M<5.0 Earthquake and the Mojiang ms5.9 Earthquake by Ambient Noise

YANG Jianwen， YE Beng2， GAO Qiong2， WANG Jun. ， CHEN Jia'2

（1. Dali Center of China Earthquake Science Experimental Site， Dali 671000， Yunnan， China）

（2. Field Scientific Observation and Research Station on Crustal Tectonic Activities in DaliNorthwest Yunnan， Dali 671000， Yunnan， China）

Abstract

Based on the ambient noise cross-correlation method. we extract the travel time shift of the direct rayleigh wave of the daily empirical Green's function and the referential empirical Greens function of 14 station pairs to study the characteristics of the wave velocity changes in the source region of the TonghaiM， 5.0 earthquake and the Mojiang M5.9 earthquake by using continuous seismic data recorded by the broadband stations of the Yunnan Dig-ital Seismic Network from January 2017 to December 2019. The results show that the seismic velocity are changed in the source region by the Tonghai M5.0 earthquake and the Mojiang M5.9 earthquake in 2018 to a certain ex-tent. Before and after the two earthquakes， the travel time shift of the Rayleigh wave of the station pairs passing through the epicenters and their vicinity shows obvious abnormal characteristics about 20 days before the earth-quakes， and the travel-time changes are synchronous in the short term but there are some differences between the amplitude and the lasting-time of the anomaly of the two earthquakes. The abnormal travel-time shift of the station pairs is V-shaped or double V-shaped， and both earthquakes occurred before the appearance of the first V-shape. The average travel-time shift of multi-station pairs show that the seismic velocity changes in the source region caused by the Tonghai Ms5.0 and the Mojiang Ms5.9 earthquakes both last about 260 days. The anomaly of the Tonghai earthquake last longer than the one of the Mojiang earthquake， but in the early stage the travel-time shift is more obvious and the lasting - time of the anomaly caused by the Mojiang earthquake is longer than those caused by the Tonghai earthquake

Keywords： ambient noise; waveform cross-correlation; the empirical Green's function; wave velocity change