利用兰州小孔径地震台阵资料叠加观测走时曲线

秦满忠 沈旭章 张元生 刘旭宙

1）中国兰州730000中国地震局兰州地震研究所

2）中国兰州730000中国地震局地震预测研究所兰州科技创新基地

引言

地震数据叠加技术能够有效地压制噪声干扰、提高信噪比，突出有用的地震信号.近几十年来，随着区域地震台网和全球地震台网数字地震观测资料的不断积累，很多地震学家使用叠加方法来研究地球深部结构.Walck和Clayton（1984）使用南加利福尼亚地震台网短周期垂直分量数据研究上地幔速度结构.Shearer（1991，1994）叠加全球数字地震台网长周期记录用于全球体波和面波成像.Earle和Shearer（1994）使用美国国家地震信息中心（NEIC）高频和长周期数据作全球叠加.Astiz等（1996）使用滤波宽频带三分量数据作全球深、浅地震叠加，叠加出多个震相到时，同时也得到不同频率的经验走时曲线.周元泽和王卓君（2011）利用美国西部高密度短周期台网记录的深震数据，通过对离源下行的次生转换震相SdP的叠加，对伊豆－小笠原和汤加地区1 000km附近上地幔间断面作了深入研究.

地震台阵是按一定几何形状有规则地排列安装若干地震计的观测系统，地震台阵技术的发展有利于对微弱地震信号的监测.我国在加入全面禁止核试验条约组织国际监测系统（CTBTO／MS）后，联合国在我国建设了兰州和海拉尔两个小孔径地震台阵.

目前，随着台阵数据的日益积累，用于研究地球内部结构的台阵数据处理方法不断出现（Rost，Thomas，2002）.Rost等（2006）使用加拿大Yellowknife台阵（YKA）短周期数据叠加全球震相到时及走时曲线.兰州小孔径台阵自2002年正式运行，积累了宝贵的地震波资料.本文利用兰州大尖山小孔径地震台阵记录的近10年地震观测垂直分量资料，采用长、短时间平均数比值方法（short-term averaging／long-term averaging，简写为STA／LTA）叠加不同频率的震相观测到时及观测走时曲线.

1 台阵位置与数据选取

兰州小孔径地震台阵处于青藏高原东北缘，该区域是目前地震科学研究的一个热点区域.兰州小孔径地震台阵由9个子台组成，台阵的几何形状为同心圆形，分为内环和外环，如图1所示.中心点A0设一个子台，其余子台分布在两个同心圆上，内环设3个子台，外环设5个子台.根据阵址勘测数据分析和优化设计结果，内环的平均半径约416.13m，外环的平均半径约1 369.11m.平均海拔高度约2 362m，各子台间最大高差为463m.台阵在两层同心圆布局的9个子台上安装了CMG-3ESPV垂直向宽频带地震计，带宽为0.02—50Hz.在中心子台增加了一套瑞士三分向甚宽频带STS-2地震计（沈旭章等，2010）.近年来，利用该台阵资料对该台阵下方地壳结构、地壳中不均匀体和青藏高原东部核幔边界的散射体进行了研究，并取得了较为重要的结果（沈旭章，周蕙兰，2009；沈旭章等，2010；Shen，Ritter，2010；秦满忠等，2012）.

兰州小孔径地震台阵自2002年开始正式运行，为开展相关研究提供了宝贵的地震波资料.本文使用兰州小孔径地震台阵2001年12月—2012年3月记录的全球地震垂直分量数据，选取了台阵所记录的MS≥5.6且震源深度＜40km的3 294次全球地震，截取长度为3 000s.我们去除了断记、大震之后强余震、双震等地震数据记录，最终挑选了2 310次地震，约20 790条记录.以上的地震目录参考了USGS地震目录（http：∥neic.usgs.gov／neis／epic／epic＿global.html）.图2给出了所选取地震事件的震中分布图.

2 数据处理

2.1 叠加方法

兰州小孔径地震台阵位于独特的地理位置，全球不同震中距（0—180°）的地震基本上都有记录.我们将不同震中距的地震按照0.5°间隔进行划分（图3）.从图3可以看出，19°—35°之间地震数目最多，这与太平洋板块和印度板块的地震活动性有关.

图3 不同震中距与地震数目分布图Fig.3 Histogram of number of events in 0.5°epicentral distance bin for the earthquakes used in this study

我们以兰州小孔径地震台阵记录的2010年7月4日发生在日本本州东海岸附近的地震事件为例（MS6.3，震中距为30.6°，震源深度27km），来说明整个数据处理流程.首先对原始9条垂直分量地震数据作去平均、去倾斜处理，再作5种不同频率的滤波处理（表1）.我们使用的是10s的低通滤波.

兰州小孔径地震台阵9个子台数据具有非常好的相关特征，作叠加处理具有很好的优势.因此，我们对滤波之后的9条垂直分量地震数据进行叠加处理为一条地震数据记录（图4a）.在图中可以识别出体波（如P，PP，S，SS等）和面波震相.对此叠加数据（STACK）作平方运算，然后分别选取短时（3s）和长时（30s）计算长、短时间平均数比值（STA／LTA）.如图4b所示，体波的到时初动比较明显，但是面波不太明显，尾波中存在很多脉冲尖峰.为了避免STA／LTA最大峰值对所有叠加结果的影响，取其上限为30.为了在叠加结果中突出弱震相，对震中距30.5°—31.0°的每条STA／LTA结果再次作平方处理，然后对叠加结果作平均，如图4c所示.多条平均结果与单条结果相比，体波震相到时初动更加明显，并且尾波中的脉冲尖峰也减少了.

表1 不同滤波和STA／LTA参数表Table 1 Filtering and STA／LTA parameters

图4 （a）兰州小孔径台阵10s低通滤波之后的记录（2010年7月4日日本本州东海岸附近地震，震中距为30.6°，MS6.3）.STACK为9个子台的平均叠加结果；（b）STACK作STA／LTA的计算结果；（c）该地震事件0.5°震中距范围内所有地震事件作STA／LTA的叠加平均结果Fig.4 （a）Records of an earthquake（MS6.3，epicentral distance 30.6°，2010-07-04）in Coast of Honshu，Japan，on nine stations of Lanzhou seismic array，which were filtered by 10slow-pass filter；（b）The computed STA／LTA for the STACK trace；（c）The average STA／LTA resulting from all traces within a 0.5°distance range

2.2 不同频率浅震叠加

观测地震图中的体波和面波识别不仅与波的能量分配特征（垂直分量和水平分量）、震源深度和震中距有关，而且与其具有的频率特征有关.因此，我们尝试使用不同频率的滤波对台阵资料作全球叠加.本文使用了短周期和长周期在内的5种不同频率的滤波：2s和6s高通滤波及10，30，100s低通滤波.尝试了不同的短时和长时参数（表1）进行STA／LTA叠加，并且得到了相对最好的不同频率走时曲线叠加结果（图5a—9a）和5种不同频率结果的整体叠加结果（图10a）.图5b—10b为IASP91速度模型计算的理论走时曲线，震源深度为20km，震中距范围为0—180°，时间长度为3 000s.

图5 垂直分量2s高通滤波叠加的观测走时曲线（a）和可识别震相IASP91模型理论走时曲线（b）Fig.5 Vertical stacking of travel-time curves after a 2shigh-pass filter was applied to each trace（a）and travel times of the identifiable seismic phases based on the IASP91velocity model（b）

图5 为2s高通滤波叠加结果.在叠加结果中可以识别出明显的初至波震相P，PKIKP和PKP.核面反射波震相PcP和ScP也有较好的成像，除了小震中距之外几乎识别不出面波的痕迹.

图6为6s高通滤波叠加结果.叠加结果中除了能够识别出明显的初至震相P，PKIKP和PKP之外，还可以识别出后续震相PP，SKP和PKPPKP，核面反射波震相PcP和ScP.震相S也有很好的成像，也可识别出弱震相SKSP和PPP.面波相比2s高通滤波叠加结果有了比较清晰的成像.

图7为10s低通滤波叠加结果.有更多的后续震相在该长周期叠加结果中呈现.主要震相有P，PKIKP，PKP，PP，PPP，SKP，PKPPKP，S，SP，SS.核面反射波震相PcP，ScP在叠加结果中已难以识别，而瑞雷面波在叠加结果中有了比较清晰的成像.

图8为30s长周期低通滤波叠加结果.主要震相有P，PKIKP，PKP，PP，SKP，S，SP，SKSP，SPP，SPPP，SS，SSS；弱震相有SSP，PPP，SSSS.瑞雷面波有很清晰的成像.

图8 垂直分量30s低通滤波叠加的观测走时曲线（a）和可识别震相IASP91模型理论走时曲线（b）Fig.8 Vertical stacking of travel-time curves after a 30slow-pass filter was applied to each trace（a）and travel times of the identifiable seismic phases based on the IASP91velocity model（b）

图9 为100s长周期低通滤波叠加结果.主要震相有P，PKIKP，PKP，PP，SKP，S，SP，SPP，SPPP，SS，SSS，SSSS；弱震相有PPP，SKS，SKSP.瑞雷面波在叠加结果中有非常清晰的成像.

图10为5种不同频率滤波叠加结果的综合叠加走时曲线.主要叠加震相有初至震相P，PKIKP，PKP；核面反射波震相PcP和ScP；后续震相PP，PPP，PKPPKP，SKP，S，SP，SPP，SS，SSS.震相SKSP，SKKS也有较弱成像.

3 讨论与结论

我们使用不同频率的滤波，采用长、短时间平均数比值方法（STA／LTA）叠加出不同频率的多个震相观测到时和走时曲线.从结果中可以发现，不同震相的走时曲线不仅与波的能量分配、震源深度和震中距有关，而且与其具有的频率特征有很重要的关系.

初至震相P，PKIKP，PKP在不同频率叠加结果中都有较好的成像，特别在短周期（2s和6s高通）叠加结果中更为明显（图5，6）.核面反射波震相PcP，ScP（图5，6）和PKPPKP（图6，7）具有高频特征，在短周期叠加结果中有明显成像.

震相之间存在交替现象.PP与PcP震相在43°左右交替，43°以后PcP走时超前PP波（图6，10）.S与ScP震相在37°左右交替，37°以后ScP走时超前S波（图6，10）.SKP在震中距128°—142°成为标志性震相，与PP震相在145°左右交替（图7—10）.

尽管S，SS，SSS震相具有横波性质，但是在垂直分量数据的叠加结果中也有较好的成像.后续震相PP，PPP，SKP，S，SS，SSS，SP，SPP等在长周期叠加结果中具有较好的成像（图7—9），说明这些震相具有低频特征.在叠加结果中我们能够识别出P波（20°左右）和S波（30°左右）走时曲线具有较明显的回折现象，这与上地幔存在高速间断面（如410，660km间断面等）有关.

外核界面衍射波Pdiff是一个弱震相，单脉冲型，振幅较小，仅为PP的1／10—1／5，一般当MS≥7且干扰背景较小时才能够在长周期地震记录中得以分辨（中国地震局监测预报司，2007）.在我们的叠加结果中Pdiff震相没有很好的成像，主要原因可能是MS≥7的地震记录太少.图11为兰州小孔径地震台阵记录的2003年1月22日在墨西哥发生的极远震记录（震中距为119.5°，MS7.5）.该记录中可以识别明显的Pdiff震相.

由于全球介质普遍存在各向异性，不同区域、不同方位记录的地震波形存在比较明显的差异.图12a为东南方向2005年3月5日台湾MS5.7地震和西北方向2003年12月1日新疆MS6.0地震相同震中距（19.2°）的观测波形对比.从图中看出，两个区域观测波形的直达P波、500s附近的S波和面波震相等均存在较为明显的波形差异.

我们选择了台阵记录相对比较集中区域的地震，并对不同方位P波观测走时与理论走时的差异作了简单的对比，发现P波的观测走时大于理论走时，即存在一定的滞后现象（图12b，c），并且这种差异在台阵的东部和西部存在明显的不同，西部的滞后现象更为明显.从全球P波层析成像结果中可以看出，兰州小孔径地震台阵西部存在明显的上地幔低速异常，我们认为P波走时滞后可能是上地幔介质传播速度较低所致（Gaia et al，2006）.

图12b为相同深度（30km±3km）、不同方位（75°和200°）、相近震中距（30.5°和31.0°）多次地震叠加的P波观测走时与理论走时的对比.可以看出，理论P波到时相对先到，方位角为75°的P波观测走时基本接近理论走时，而方位角为200°的P波观测到时则存在较明显的滞后.

图12 （a）台湾 MS5.7地震（东南方向）和新疆 MS6.0地震（西北方向）相同震中距（19.2°）观测波形对比；（b）相同深度（30km±3km）、不同方位（75°和200°）、相近震中距（30.5°和31.0°）多次地震叠加的P波观测走时与理论走时对比；（c）相同深度（均为10km）、不同方位（136°和250°）、相同震中距（49.0°）多次地震叠加的P波观测走时与理论走时的对比.图b，c中垂直黑线为叠加的P波观测走时，蓝线为理论走时Fig.12 （a）Comparison of earthquake waveforms with the same epicentral distance（19.2°）between Taiwan MS5.7 （southeast）and Xinjiang MS6.0 （northwest）earthquakes.（b）Comparison of observed travel times with theoretical ones of the multiple earthquakes stacking of P-wave traces.The earthquakes have the same depth（30km±3km），the different back azimuth（75°and 200°）and the nearly similar distance（30.5°and 31.0°）.（c）Comparison of observed P-wave travel times with theoretical ones of the multiple earthquakes stacking.The earthquakes have the same focal depth（10km），the different back azimuth（136°and 250°）and the same distance（49.0°）.In Figs.2b，c，the black vertical line is the observed stacked travel time for P wave and the blue one is the corresponding theoretical travel time

图12 c为相同深度（均为10km）、不同方位（136°和250°）、相同震中距（49.0°）多次地震叠加的P波观测走时与理论走时的对比.可以看出，P波理论走时相对先到，方位角为136°的P波观测走时基本接近理论走时，而方位角为250°的P波观测到时则存在较明显的滞后.

综上，我们利用兰州大尖山小孔径地震台阵2001—2012年记录的垂直分量地震观测波形数据，使用2 310次地震，约20 790条记录叠加出了不同频率的体波震相观测到时及走时曲线，体波震相表现出明显的走时和频率特征.这为我们识别不同体波震相和特征，认识和研究地球内部精细结构（例如，莫霍界面、地幔内部高低速间断面和D″区）等具有非常重要的科学意义.

秦满忠，张元生，沈旭章，魏从信.2012.小孔径台阵垂直分量P波接收函数研究及应用［J］.地震学报，34（1）：44－－51.

Qin M Z，Zhang Y S，Shen X Z，Wei C X.2012.A study on vertical-component P-wave receiver function of small-aperture seismic array and its application［J］.Acta Seismologica Sinica，34（1）：44－－51（in Chinese）.

沈旭章，周蕙兰.2009.用PKIKP的前驱震相探测青藏高原东部地幔底部的散射体［J］.科学通报，54（24）：3844－－3851.

Shen X Z，Zhou H L.2009.Locating seismic scatterers at the base of the mantle beneath eastern Tibet with PKIKP precursors［J］.Chinese Sci Bull，54（24）：3844－－3851（in Chinese）.

沈旭章，梅秀苹，张淑珍，秦满忠.2010.兰州台阵响应函数及不同方位地震事件FK分析结果［J］.西北地震学报，32（1）：59－－64.

Shen X Z，Mei X P，Zhang S Z，Qin M Z.2010.The array response function of Lanzhou seismic array and results of FK analysis for small earthquakes in different azimuths［J］.Northwestern Seismological Journal，32（1）：59－－64（in Chinese）.

周元泽，王卓君.2011.伊豆－小笠原和汤加地区中地幔多层速度结构差异性研究［J］.中国科学：D辑，41（7）：936－－944.

Zhou Y Z，Wang Z J.2011.On the difference of mid-mantle multiple velocity structure beneath Izu-Bonin and Tonga areas［J］.Science in China：Series D，41（7）：936－－944（in Chinese）.

中国地震局监测预报司.2007.地震学与地震观测［M］.北京：地震出版社：172.

Department of Earthquake Monitoring and Predition，China Earthquake Administration.2007.Seismology and Earthquake Observation［M］.Beijing：Seismological Press：172（in Chinese）.

Astiz L，Earle P，Shearer P.1996.Global stacking of broadband seismograms［J］.Seismol Res Lett，67（4）：8－－18.

Earle P S，Shearer P M.1994.Characterization of global seismograms using an automatic-picking algorithm［J］.Bull Seismol Soc Am，84（2）：366－－376.

Gaia S，Lapo B，Antonio P.2006.Global seismic tomography and modern parallel computers［J］.Annals of Geophysics，49（4／5）：977－－986.

Rost S，Thomas C.2002.Array seismology：Methods and applications［J］.Rev Geophys，40（3）：2-1－－2-27.doi：10.1029／2000RG000100.

Rost S，Thorne M S，Garnero E J.2006.Imaging global seismic phase arrivals by stacking array processed short-period data［J］.Seismol Res Lett，77（6）：697－－707.

Shearer P M.1991.Imaging global body wave phases by stacking long－period seismograms［J］.J Geophys Res，96（B12）：20353－－20364.

Shearer P M.1994.Imaging Earth’s seismic response at long periods［J］.Eos Trans AGU，75（39）：449－－452.

Shen X，Ritter J R R.2010.Small-scale heterogeneities below the Lanzhou CTBTO seismic array，from seismic wavefield fluctuations［J］.J Seismol，14（3）：481－－493.

Walck M C，Clayton R W.1984.Analysis of upper mantle structure using wave field continuation of P waves［J］.Bull Seismol Soc Am，74（5）：1703－－1719.