2020年新疆伽師MS6.4地震震源區微震檢測與目錄完備性分析

梁姍姍, 張廣偉, 鄒立曄, 劉艷瓊, 姬運達

(1. 中國地震臺網中心, 北京 100045;2. 應急管理部國家自然災害防治研究院, 北京 100085)

0 引言

地震目錄是研究地震活動性、地震發震過程、地震預測以及地震危險性分析的重要基礎資料。地震目錄的完備性直接關系到研究結果的科學性和可靠性。已有研究表明,強震發生后,由于地震波形受主震和強余震尾波的干擾,使波形互相疊加,導致很難清晰識別疊加地震事件的震相,因此主震后短時間會遺漏相當比例的余震。近年來,隨著模板匹配技術的發展和應用,這一問題得到了很好地解決[1-6]。

2020年1月19日新疆喀什地區伽師縣發生MS6.4地震(39.84°N,77.21°E)。MS6.4地震發生后,震中附近又相繼發生1次MS5.2余震和多次MS4.0以上余震。此前一天,即1月18日0時05分,距離MS6.4地震震中不遠處曾發生1次MS5.4前震。此次伽師MS6.4地震序列致使1人死亡、2人輕傷,4 000余間房屋受損,部分水庫、道路、橋梁等基礎設施遭到破壞,直接經濟損失達16.2億元(https://baike.baidu.com/)。

伽師MS6.4地震位于天山西南麓柯坪塔格推覆構造最前緣的柯坪斷裂附近,余震序列位于接近平行的EW向柯坪斷裂和奧茲格爾他烏斷裂之間。由于受印度板塊向歐亞板塊俯沖碰撞作用的影響,伽師震源區附近歷史地震活動頻繁,1996年以來曾發生多次MS6.0以上地震(圖1),其中最大的1次為1996年3月19日的MS6.9地震。

五角星表示MS6.0以上地震(1970年1月1日至今),圓圈表示模板事件(2020年1月17日—2021年1月31日)圖1 研究區域內MS≥6.0歷史地震和模板事件分布Fig.1 Distribution of the historical and template events of MS≥6.0 in the research area

據中國地震臺網中心統一地震編目顯示(2020年1月17日0時至1月31日24時,北京時),此次地震序列共記錄到地震1 477次,含171次單臺記錄結果。由于伽師震源區附近地震臺站較為稀疏,特別是震中北部和南部地區臺站空白,造成臺站最大孔隙角較大(圖1),因此很難應用傳統的地震定位方法來確定更多小地震的目錄信息。因此,為獲得伽師震源區更為完整的地震事件資料,本文選取震中120 km范圍內4個臺站,利用2020年1月17日至1月31日(北京時)中國地震臺網記錄的伽師震源區波形資料,以初始地震定位目錄中信噪比較高的733個地震作為模板事件,采用匹配定位方法,檢測微小震事件[7],并補充到初始地震目錄中,提高地震序列的完備性,進而利用MC值和b值,對此次地震序列的時間演化特征加以分析研究。

1 微地震檢測

本研究使用2020年1月17日至2020年1月31日(北京時)新疆區域臺網的波形資料,選擇震中距在120 km以內的共4個臺站的波形(八盤水磨BPM,西克爾XKR,喀什KSH,阿圖什ATS),部分臺站分布如圖1。選用全國統一地震編目的目錄中相同時間段內ML≥1.0、信噪比較高的共733個地震作為模板事件(圖1)。

本研究采用匹配定位方法(Match and Locate,簡稱M&L)[8]對常規產出的地震目錄中所遺漏的地震事件進行微地震檢測。這一方法與波形模板匹配方法相類似[9],二者均利用模板事件波形與可能的微震信號做互相關疊加,從而檢測出微震事件。因為在疊加之前需要對模板事件周圍三維空間進行掃描搜索,來計算同一臺站上可能存在的事件位置與參考位置之間的相對走時差,并據此對互相關波形進行矯正疊加,所以相較于當今廣泛流行的微震檢測方法,M&L法具有以下優點:(1)可檢測到事件的震級下限更小;(2)可以檢測到距離模板事件較遠的微事件;(3)對速度模型的依賴性較小;(4)可以給出高精度微事件位置信息。在采用匹配定位方法進行遺漏地震事件檢測過程中,根據疊加后相關波形的平均相關系數(CC)、信噪比(SNR)兩部分來確定檢測所需的標準閾值;當檢測到微震事件后,則根據臺站記錄中參考震相的振幅來確定震級。

微震檢測之前,我們需要對連續波形進行預處理,包括去均值、去線性趨勢等。微震檢測時,地震波的濾波頻段設為2～8 Hz,將長周期噪聲干擾去除。在三維網格空間內,以參考模板事件的震源位置作為搜索中心,對微震的位置進行搜索,其經度方向和緯度方向的搜索范圍為0.05°,搜索間隔為0.01°;深度方向的搜索范圍為2 km,搜索間距為0.1 km。計算模板事件與可能的微震事件之間的走時差,然后利用該走時差對互相關波形進行走時校正并疊加。模板事件波形與連續波形之間的滑動互相關以Sg震相作為參考震相。地震模板匹配中,計算Sg的理論到時和慢度參數所用一維區域速度模型,與崔仁勝等[10]對2020年伽師地震序列進行地震定位和震源機制求解的相同;模板波形的互相關窗口為Sg波理論到時的前1 s和后3 s。本研究在微震檢測過程中,將互相關系數CC1、CC2和波形信噪比經驗性地設置為0.35、0.3和10倍背景相關系數[11]。

通過模板檢測計算和人工復核,伽師震源區2020年1月17日—2020年1月31日時間段內,共檢測到3 622個地震事件(圖2)。其中包括733個模板事件的自檢測結果,以及與中國地震臺網中心統一編目已定位目錄中相同的地震事件1 133個和新檢測地震事件1 756個,所檢測出來的地震事件個數為傳統方法已定位地震個數的1.3倍,新檢測出來的地震事件個數大于已定位地震事件的個數。且新檢測地震目錄比原始地震目錄在數量上有較大的提升[圖2(a)],原始地震目錄的震級范圍在ML1.0～2.0之間,而新地震目錄震級范圍在ML0.5～1.5之間,補充了更多小震級事件。原始地震目錄通常存在小震級地震事件缺失,其原因在于背景噪聲對地震波形的干擾,以及大地震后能量快速釋放而引起的后續地震事件波形的互相疊加。從時間分布上可以看出[圖2(b)],主震后1天內遺漏事件較多,遺漏頻次隨著時間推移,逐漸趨于穩定。需要說明的是,盡管有原始目錄中158個地震事件沒有檢測出來,這些事件主要集中在主震后2天內,且震級較小,主要分布在ML0.5～1.5之間,產生的原因可能是:原始目錄中部分事件采用2個或者3個臺站的數據進行計算,而本研究為了獲取準確度和精度更高的震源參數位置,微震檢測采用4個臺站的數據進行定位,因此少于4個臺站記錄的微震事件會被忽略。

圖3展示了微震事件檢測實例。模板為2020年1月18日0時17分的ML2.0地震事件,而檢測到的事件對應為2020年1月18日0時52分的ML1.3事件。地震模板事件波形與M&L所檢測到的微震信號的疊加平均相關系數為0.573 1;

紅色波形為模板地震事件波形,地震時間為2020-01-18,00:17:19;灰色波形為用于識別微震事件的連續波形,新的微震事件識別結果,其時間為2020-01-18,00:52:43,震級為ML1.3;左側大寫字母表示臺站代碼和分量;右側數字表示互相關系數圖3 微震識別模板匹配掃描結果實例Fig.3 Example of microseismic recognition result with the matched filter method

由于歸一化互相關確定的互相關值,當兩個地震事件的震源時間函數和輻射類型一致時,其互相關值為1。但是,對于實際的地震波形,即使上述兩者一致,噪聲的出現也會使得互相關值小于1。模板事件波形之間的平均背景互相關值通常在0.03左右,當采用9倍的平均背景互相關值作為地震檢測的閾值,其CC值在0.2左右,圖3展示的本研究檢測結果CC值為0.573 1,表明其相關性較高,成功檢測到1次微震事件。

我們將本研究檢測到的遺漏地震,以及自檢測地震事件和原始目錄中沒有檢測出來的地震事件組合在一起,得到了更加完整、豐富的伽師地震序列目錄(圖4)。從檢測事件的空間分布上可以看出,原始目錄在平面上分布較分散,很難明顯分辨地震的展布方向,而本研究所得目錄的地震分布更加集中,展布形態更加清晰。由圖4可知,2020年伽師地震序列主要呈兩個優勢方向展布,分別為NWW向和SSW向,其中大多數余震分布在NWW向,與SSW向余震呈不對稱的共軛特征分布。此外,主要余震序列以S向零散分布一些余震。

圖4 原始目錄和本研究所得目錄空間分布Fig.4 Spatial distribution of the events from the original catalogue and the one obtained in this study

圖5給出了本研究所得目錄的地震序列的震級-時間和震源深度分布。伽師地震序列M-t圖顯示[圖5(a)],前震序列和余震序列均呈現衰減趨勢,無論是地震的震級還是發生頻次都在相應地減小,但前震序列活動頻度遠小于余震序列活動頻度。

圖5 地震序列震級及深度演化圖Fig.5 Magnitude and depth evolution map of earthquake sequence

1月18日隨著0時5分ML5.6地震的發生,震源區地震活動明顯增強,在19日下午6時,主震發生前3小時出現短暫的地震活動平靜,2021年云南漾濞MS6.4地震的前震序列也出現類似的特征[12],該特征為前震序列的典型特征,可能是深部大斷裂發生破裂之前快速蠕動的臨震表現。從震源深度分布可以看出[圖5(b)],前震深度和余震深度均在約5～10 km和15～20 km處存在明顯的優勢發震層。

2 地震目錄完備性和序列活動特征分析

完備震級MC(Magnitude of Completeness)是評估地震臺網監測能力的一種方法,并且通過確定完備震級,使用該完備震級以上的地震目錄進行地震序列活動性特征討論時,可以確保研究結果的合理性和可靠性[13-14]。地震頻次隨震級變化而變化,并呈曲線分布,其頻次峰值所對應的震級即為MC值,代表了目錄的完備性。若MC值估算得太高,則有可能導致未能充分使用地震數據,而未能獲得完整的地震信息;但若MC估算值比真實值低,則又有可能使得后續分析所用數據并不完整,導致模型參數值計算的錯誤結果,進而得出錯誤結論[15]。本文使用最大曲率法MAXC(Maximum Curvature Technique)對比分析了模板匹配前后地震目錄的最小完整震級MC;作為一種常用的快速、直接、穩健的方法,該方法不需要進行任何參數擬合。同時,該方法也能夠在地震目錄數據相關性較小時,計算出合理的MC值。以往研究表明,b值反映地震活動和區域應力變化,b值的升降變化不僅直接反映了區域內不同震級地震的比例關系,而且體現了區域內地下介質的應力狀態變化。一般而言,應力水平升高,則b值降低;b值升高,則應力水平降低。本研究采用ZMAP程序包[16]中的最大似然法[17]計算b值。

為了對匹配定位檢測所得地震目錄的質量加以評估,我們分別分析了新舊目錄各自的完備性。檢測后地震目錄的完備震級由臺網中心統一地震目錄的ML1.6,降至檢測目錄的ML1.2(圖6)。這再次表明:匹配定位方法可有效提高微小地震的檢測能力,并降低完備震級MC。繼而以各自的最小完整震級為起始震級,分別計算其b值,從而獲得檢測前后的伽師震源區的b值。檢測前的b值為0.77,誤差為±0.04;而檢測后的b值則為0.76,誤差為±0.02。比較遺漏事件地震補充前后b值結果,b值數值與誤差均降低,這是由于檢測后b值的計算地震完備度較高。

圖6 匹配定位檢測前后最小完備震級以及b值對比Fig.6 Comparison between the minimum magnitude of completeness and the b values before and after detection

基于本研究所得最新目錄,我們以天為單位,對2020年1月17日—1月31日研究時間段的完備震級和b值進行統計,以分析伽師震源區的完備震級MC和b值的時變演化特征(圖7),其中每個時窗內地震事件的最小樣本數為50個。如圖7(a)所示,主震后的短時間內,完備震級較高,最高值達ML2.2;這可能是因為主震尾波干擾對后續波形造成了嚴重影響。隨著時間的推移,完備震級慢慢變小,并逐漸趨于穩定,并且呈周期性的波動;產生這種現象的原因可能是主震波形能量逐漸衰減,后續波形受主震影響較小,MC周期性波動與白天、夜晚噪聲水平不同有關。由于大部分地震都發生在20 km或更淺,在分析b值隨時間變化演化特征時,為了分清b值的變化來源,我們參照劉雁冰等[18]分析汶川地震b值隨時間變化的方法來分析演化特征。因此,計算b值隨時間變化只考慮20 km或更淺的區域,之后同樣以天為單位,分析余震序列b值隨時間演化的特征[圖7(b)]。在時間段內地震序列發生過程中,b值總體低于1.2,變化范圍在0.6～1.2之間,MS6.4主震前b值約為0.6左右,存在低值的現象,可能顯示應力不斷積累的過程,符合大地震前的變化規律;主震發生后,b值起伏明顯,可能與震后余震區斷層上較為劇烈的應力調整有關[19]。當b值降低時可能反映了局部的差應力增大,因為很多余震都在震后時間段內發生,而b值的緩慢恢復,則反映了差應力逐漸下降,并低于震前水平。這種b值隨時間的變化趨勢可能反映了伽師震源區應力積累和釋放的演化過程。

圖7 地震序列完備震級和b值演化圖Fig.7 Magnitude of completeness and b-value evolution map of seismic sequence

3 結論

本文通過模板匹配方法,對2020年1月19日新疆伽師MS6.4地震后15天的連續波形數據,開展遺漏地震檢測,共檢測出1 756個新地震事件,約為中國地震臺網中心目錄給出的已定位地震數量1 306的1.3倍。并將檢測出來的地震目錄完備震級進行對比,使完備震級MC由ML1.6減小到ML1.2,地震活動性b值由檢測前的0.77±0.04減小到0.76±0.02。

利用本研究所得到地震目錄計算得到的伽師震源區的完備震級和b值隨時間變化顯示,震源區的完備震級在主震后迅速上升,最高值達ML2.2,然后降低并逐漸穩定在ML1.0左右;主震發生前地震序列的b值較低,表明此時震源區應力狀態處于較高水平;而主震發生后的b值隨時間的推移而迅速增大。

本研究所獲得的地震目錄為2020年伽師地震序列增加了更多的樣本,為精細化描述該地區地震序列時空演化特征提供了關鍵數據基礎,為該區域未來地震活動性判斷提供了科學的參考資料。另外,在更加完整的目錄前提下進一步計算出來的b值可以為后續分析伽師地區地震活動性以及強震危險性都具有現實的意義。本研究表明,模板匹配方法可有效提高遺漏地震的檢測率及地震目錄的完備性;同時,模板檢測自動化的計算模式節省了大量的人為工作量,在中強地震發生后能夠高效而快速地識別出微震事件,為震后應急決策救援提供關鍵的地震序列目錄數據。