大兴安岭诺敏河火山群远震P波衰减研究

刘翰林, 吴庆举*

1 中国地震局地球物理研究所， 北京 100081 2 中国地震局地球物理研究所, 地震观测与地球物理成像重点实验室, 北京 100081

0 引言

中国东北地区位于中亚造山带(Central Asian Orogenic Belt)东端，北部是西伯利亚克拉通，南部有华北克拉通，东部为西太平洋俯冲带.该地区是一个盆地、造山带和火山丰富发育的地质构造环境复杂区域，经历了晚二叠纪至早三叠纪时期与华北克拉通的碰撞(Eizenhöfer et al., 2014)、晚侏罗纪至早白垩纪时期与西伯利亚克拉通的碰撞(van Der Voo et al., 2015)，以及中生代时期的断裂运动(Hu et al., 1998; Feng et al., 2010; 葛荣蜂等，2010).中国东北在中生代断裂运动期，火山活动丰富发育，且在新生代时期，火山活动延续并以松辽盆地为中心向盆地四周边缘移动(Liu et al., 2001).如长白山火山、镜泊湖火山、五大连池火山、哈拉哈河—淖尔河火山、锡林浩特—阿巴嘎火山等.这些火山群落属于远离板块边界的板内火山，从而使中国东北成为研究新生代板内火山的理想场所.世界上多数火山活动发生在板块边界上并能用板块理论进行解释(Morgan, 1968)，而板内火山活动却有着更为复杂多样的成因机制.近年来，各学者对中国东北地区开展了大量的地球物理研究并提出了系列板内火山成因机制模型.远震体波成像研究(Lei and Zhao, 2005; Zhao, 2004; Huang and Zhao, 2006; Zhao, 2009; 雷建设等, 2018; Wei et al., 2018)在地幔过渡带发现了大范围的高速异常，推测为滞留在地幔过渡带的俯冲太平洋板块，并在长白山等火山群下方发现了延伸到地幔过渡带的低速异常，推测滞留俯冲板块上方发生脱水熔融上涌导致了地表火山活动.环境噪声、面波成像研究(Guo et al., 2016; Liu et al., 2017)则试图用一个小尺度局部地幔对流模型来解释各火山的成因，认为长白山下方来自转换带或更深的热物质上涌可能会引发松辽盆地西侧小尺度的局部热地幔对流上涌，从而导致阿巴嘎、阿尔山地区的火山活动.

本文研究区位于中国东北北部，研究围绕着隐匿在大兴安岭中的诺敏河火山展开(图1).有地球化学研究结果表明，诺敏河火山岩与五大连池火山岩的相似钾质属性，体现了两座火山群的亲缘性，并与阿尔山及中国东部大多数的新生代钠质火山岩区别开来(樊祺城等, 2012; 李霓等, 2012; 赵勇伟等, 2013).由于大兴安岭被大面积森林覆盖，恶劣的野外环境导致地震观测不便，诺敏河火山周边的数据匮乏，东北地区众多的地球物理学研究对该火山群并没有很好的覆盖，该地区深部地球物理结构有待约束.2015年7月至2017年5月，中国地震局地球物理研究所在国家自然科学基金委的资助下围绕诺敏河火山布设了43套宽频地震仪进行为期两年的观测，台间距约为30～50 km(图1).在该项目的支持下，张风雪和吴庆举(2019)在该地区开展远震体波成像研究，结果显示诺敏河与五大连池下方200～300 km深度范围有水平展布的低速异常，并认为此低速异常可能是两个火山群的共有地幔岩浆房.另外，SKS分裂研究在诺敏河火山下方得到多个无效分裂结果(强正阳和吴庆举，2019)，接收函数研究结果表明诺敏河火山下方有较薄的地壳和较高的泊松比(谢振新等，2018)，均显示该火山区下方可能存在热地幔上涌.

新的地球物理观测数据补充，为诺敏河火山地区的深部结构提供了一定的有效约束，但仍需要新的研究手段，为以上提到的各向异性、地震波速度层析成像等传统手段的研究成果提供更多的观测辅证，以进一步探索该地区板内火山活动乃至于整个东北地区新生代板内火山活动深部成因.地震波衰减在推断地下结构中温度、孔隙流体、部分熔融、岩石组分以及主要构造特征时扮演着十分重要的角色(Dziewonski et al., 1982)，可丰富我们对深部结构、火山构造活动及岩石圈演化的综合理解(Adams and Humphreys, 2010; Zhao et al., 2010; He et al., 2017; Bezada, 2017; Byrnes et al., 2019).通常高衰减意味着高温、高含水量的岩石成分，并与之对应的是地震波低速异常、高地形的年轻造山带或火山地区，而低衰减则意味着低温、低含水量的岩石成分，与之对应的则是地震波高速异常、低地形的盆地或古老克拉通块体.本研究中，我们利用上文提到的诺敏河流动台阵43套宽频带地震仪两年时间的观测数据，挑选远震事件中的直达P波震相，采用Bezada(2017)提出的时间域波形匹配方法计算远震P波衰减因子，并反演了诺敏河火山及周边地区的2D相对衰减结构模型，为该地区的深部地球物理结构提供了进一步约束.

图1 研究区地质概况及台站分布 SP：西伯利亚板块；BR：贝加尔裂谷；CAOB：中亚造山带；NCC：华北克拉通；HB：海拉尔盆地；SLB：松辽盆地；GXR：大兴安岭； LXR：小兴安岭；NSGL：南北重力梯度带；红色三角形为火山位置；黄色正方形为台站位置；灰色粗实线为南北重力梯度线.Fig.1 Map of tectonic setting and the distribution of seismic stations SP: Siberian Plate; BR: Baikal Rift; CAOB: Central Asian Orogenic Belt; NCC: North China Craton; HB: Hailar Basin; SLB: Songliao Basin; GXR: Da Hinggan; LXR: Xiao Hinggan; NSGL: North-South Gravity Line; red triangles are volcanoes; yellow squares represent seismic stations; thick grey solid line is North-South Gravity Line.

1 数据与方法

地震波衰减主要由岩石黏滞性导致的本征吸收以及岩石地震波速度横向不均匀性导致的散射衰减组成(Akinci et al., 1995)，可以用品质因子参数Q(Knopoff, 1964)来量化，定义如下：

(1)

其中，ΔE是地震波每个周期的能量变化，Emax为每个周期中的最大弹性能量.该参数与地震波信号的关系(Aki and Richards, 2002)定义如下：

(2)

式中A(ω)是信号频谱，A0(ω)为未被衰减的信号频谱，ω为角频率，x和c(ω)分别为传播距离和相速度.

以上为地震波衰减和品质因子Q的基本定义，通常我们用于地震波衰减分析中的是衰减因子参数t*，该参数是一个单位为秒(s)的量化参数，代表全射线路径上所有岩石Q值对地震波的作用累积的衰减总和，定义如下(Stein and Wysession, 2003)：

(3)

式中V与Q分别代表射线路径所经过的速度模型和品质因子模型，dt为走时微分.

最早由Teng(1968)提出谱比法，将两个台站的振幅谱在去仪器响应后作比，以消除震源项和近震源衰减项，从而得到两个台站下方的Δt*.后人基于谱比法提出了共谱法(Halderman and Davis,1991)、虚拟源法(Boyd and Sheehan,2005)以及参考谱法(Adams and Humphreys,2010)等方法，不再选取单一的参考台站，而通过寻找平均参考谱，同时计算各个台站之间的Δt*.频率域方法在衰减研究中应用广泛，但仍存在一定局限性.频谱计算和谱比计算对窗口选择较为敏感(Solomon,1973)，且散射和聚焦效应对地震波形振幅的影响具有频率依赖性(Cafferky and Schmandt,2015;Dalton et al., 2008).本研究中，采用由Bezada(2017)提出的时间域波形匹配搜索方法来探索研究区下方的本征衰减特征，该方法与Adams 和 Humphreys (2010)在黄石火山地区应用的时间域衰减计算方法类似，并在摩洛哥、中阿巴拉契亚山脉等地区的衰减研究应用中，均取得可靠的研究结果(Bezada,2017; Byrnes et al.,2019).

1.1 数据挑选

选取30°～90°的远震事件数据.基于岩石圈与软流圈Q值显著差异(Dziewonski and Anderson, 1981)，为了尽量减小接收信号里所包含的近震源衰减项，使其所包含的衰减信息主要来自于台站下方，我们选取震源深度在250 km以下的事件.为了得到高信噪比的波形数据，事件震级下限被设为Mb5.5，同时为了减小震源方向性效应对衰减计算结果的影响，得到脉冲性的直达P波震相，震级上限被设为Mb7.0(Hwang et al., 2011).综上，我们共计挑选了17个远震事件(图2).通过去均值、去趋势、去仪器响应等数据处理后，对波形进行0.02～3 Hz的带通滤波，挑选地震记录垂向分量中SNR(信噪比)大于3、波形相似并具有脉冲性的直达P波震相进行Δt*的计算.

图2 事件分布图 蓝色五角星为地震台阵位置，彩色圆圈为地震事件位置. 其中圆圈颜色尺度为事件震源深度，半径大小为事件震级.Fig.2 Distribution of teleseismic events used in present paper Blue star denotes array, and colorful circles are events. Color and radius of the circles scale the focus depth and magnitude respectively.

1.2 波形匹配与Δt*搜索

时间域波形匹配法第一步是求取衰减为零或衰减极弱的震源时间函数(Bezada, 2017).如图3a所示，各台站接收到的相似的波形中，衰减显著的波形因更多的高频成分被衰减导致脉冲时间变长而呈现为较宽的震相，衰减微弱的波形则反之，呈现为较窄的震相.我们选取被衰减最少的几个台站波形作为源波形(图3)，将其叠加以减小尾波能量，得到参照源(Bezada, 2017).

第二步为生成理论波形并搜索Δt*值(Bezada, 2017).在此，我们引入Azimi等(1968)提出的衰减项：

(4)

式中i为复数的虚部单位，ω0为参照频率常数.ω0的选取只改变理论波形的到时并不改变其形状，故ω0的选取对衰减因子计算结果并无影响(Bezada, 2017).通过对参照源添加衰减项来合成理论波形，给定Δt*越大脉冲越宽，Δt*越小脉冲越窄(图4).将理论与观测波形作振幅标准化处理后再进行波形拟合，计算波形振幅差的L2范数作为拟合偏差，同时对Δt*进行步长为0.01 s的网格搜索(图4)，最终选取使得拟合偏差最小的Δt*作为搜索结果(Bezada, 2017).图4展示的拟合结果为归一化处理后的波形.

最后一步即对拟合震相进行质量评估，保留拟合效果较好的结果.为尽可能保留更多的高质量观测数据，我们并未采用统一的评估阈值对结果进行自动筛选，而对搜索结果进行人工视觉筛选(图4).最终，我们保留了300个Δt*搜索结果，并将其分别对每个事件进行去均值处理，再用作成像反演.

1.3 反演

我们利用观测Δt*数据反演研究区衰减结构的横向变化(Hwang et al., 2011; Lawrence et al.,2006; Bezada, 2017).考虑到观测数据针对于每个事件去均值处理，但每个事件均值并不相等，另外对于每个台站其近地表效应也存在差异，则观测到的Δt*为衰减结构差异、事件均值差异及台站近地表效应差异的作用总和，于是有(Bezada, 2017)：

表1 图3、4及7中所展示四个事件的详细信息Table 1 Details of 4 events presented in Fig.3, 4 and 7

图3 源波形选取及参照源叠加示意图(展示事件的信息详见表1中Evt.1) (a) 选取源波形示意； (b) 叠加生成参照源及选取拟合窗口示意.Fig.3 Source Traces and Reference Source (Details of presented event are shown in Table 1-Evt.1) (a) Shows the selection of Source Traces; (b) Shows the stacking and selection of fitting window on the Reference Source.

图4 波形拟合及Δt*质量评估示意图 图中展示的计算结果来自于图3中同一事件.图中黑色实线为观测波形； (a) 中红色实线; (b) 中红色虚线为理论合成波形； (a) 中红色实线部分为拟合时窗；XM31台站波形为被筛除的拟合效果较差波形.Fig.4 Waveform matching and Δt* quality control The presented event is the same with it in Fig.3. Black solid lines represent observed waveforms; red solid lines in panel (a) and red dashed lines in panel (b) are synthetic waveforms; red solid lines in panel (b) represent fitting window; result of station XM31 is removed due to the bad matching of waveforms.

图5 理论测试输入模型及测试结果 图中圆圈为台站.(a1—3)分别为三个理论测试输入模型； (b1—3) 分别展示了对三个输入模型加入高斯随机噪声， 并按事件去均值处理后再按台站叠加求均值的Δt*结果； (c1—3) 分别为三个理论测试输出结果.Fig.5 Input and output models of three synthetic tests Circles in the figure denote stations. Panels of (a1—3) show the three input models respectively; panels of (b1—3) show the average Δt* values per station taken from the input models, with the mean per event removed and Gaussian noise added; panels of (c1—3) represent three output models respectively.

图6 二维Δt*反演结果模型及模型标准差 (a) 二维Δt*模型，图中黑色圆点为台站；紫色三角形为火山；HA1与HA2分别为两个高衰减观测区域； LA1为低衰减观测区域；两条蓝色线段为图8中两条剖面所在位置.(b)模型标准差，图中黑色圆点为台站.Fig.6 Maps of 2D Δt* model and model standard deviation (a) Black dots are stations and purple triangles are volcanoes; HA1 and HA2 represent two regions of higher Δt* observations; LA1 represent the region of lower Δt* observations; blue lines show the locations of vertical profiles in Fig.8; (b) The model standard deviation and the black dots are stations.

图7 三个事件Δt*搜索结果及部分台站波形拟合展示(三个事件的信息详见表1中Evt.2、Evt.3及Evt.4) 左侧为每个事件各台站Δt*的计算结果，黑色空心圆代表未接收到该事件信号或波形被筛除的台站； 右侧展示了左侧图中标注台站的波形拟合结果.Fig.7 Map of observations of Δt* values from three events and waveforms matching from some of the stations(Details of the three events are shown in Table 1-Evt.2, Evt.3 and Evt.4.) Figures on the left side show the Δt* of stations estimated from each event, and black circles are stations which did not receive the signal from the event or whose searching results are removed due to the bad matching; figures on the right side are the waveform-matching results from stations pointed out in the left figures.

图8 Δt*与速度模型对比垂直剖面图 (a)和(b)两条剖面位置如图6所示.(a)、(b)从上至下依次为地形海拔、Δt*值、Tao 等(2018)速度模型的P波速度扰动、S波速度扰动、 张风雪和吴庆举(2019)速度模型的P波速度扰动.图中粉色三角为火山.NM为诺敏河火山，其余缩写简称均与图1、6中一致.Fig.8 Vertical profiles of the comparison between Δt* and velocity Locations of sections (a) and (b) are showed in Fig.6. From top to bottom, panels (a) and (b) show the topography elevation, Δt* values, Vp and Vs perturbations from model of Tao et al. (2018), Vp perturbations from model of Zhang and Wu (2019). Pink triangle is volcano in the figure. NM represents Nuomin River volcano, and other abbreviations are the same with those in theFig.1,6.

GΔm+e+s=Δd,

(5)

式中Δd为观测数据，e为独立待求解参数事件项，代表事件均值差异，s为独立待求解参数台站项，代表台站近地表效应差异(Bezada, 2017).GΔm代表固有衰减差异，Δm为二维相对衰减结构，G为距离加权因子，定义如下(Bezada, 2017)：

(6)

其中，i为观测数据序号，j为模型网格序号，k为台站序号，rjk为第j个网格到第k个台站的距离，rmax为预设最大距离(Bezada, 2017).

通常衰减研究中，波形拟合偏差或频谱拟合偏差被作为观测Δt*不确定性，用作成像反演中的权重因子(Boyd and Sheehan, 2005; Adams and Humphreys, 2010).本研究中，我们采用非线性贝叶斯-蒙特卡洛反演方法解上述问题，将观测数据不确定性作为独立待求解参数进行反演，并且相比于Bezada(2017)采用的线性最小二乘解法，该方法不需要选取平滑和阻尼来控制模型变化，针对于观测数据量稀少的反演问题亦不会导致过载的计算量(Byrnes et al., 2019).贝叶斯-蒙特卡洛反演方法由Bodin等(2012a,b)引入面波成像研究，Byrnes等(2019)将其应用于衰减成像研究，获得了中阿巴拉契亚山脉下方的上地幔衰减结构，并有效地估计了观测数据的噪声水平.

贝叶斯-蒙特卡洛反演通过Voronoi图随机生成初始模型m(模型的网格数量、网格空间分布、网格赋值)以及数据不确定性σd，基于贝叶斯理论，该模型的概率函数如下：

P∝p(m|σd)p(d|m,σd),

(7)

式中p(m|σd)为模型的先验概率，p(d|m,σd)为评估模型预测数据与观测数据拟合质量的概率函数(Bodin et al., 2012a,b; Byrnes et al., 2019).通过对初始模型进行如下随机扰动得到新模型m′：1.移动:随机选取一个模型网格改变其空间位置；2.改变:随机选取一个模型网格改变其模型值；3.σd:随机改变数据不确定性σd的大小；4.诞生:随机生成一个新的网格并赋值；5.消亡:随机删除一个模型网格(Bodin et al., 2012a,b; Byrnes et al., 2019).然后对新模型m′与初始模型m之间构造如下判定函数：

(8)

式中q(m|m′)代表从新模型跳跃到旧模型的发生概率，q(m′|m)则反之.反演通过马尔可夫链(Markov Chain)进行迭代，可多条链平行迭代.每条链中当新模型被判定函数接受，则将新模型作为新的起点进行下一步迭代；若否，则将旧模型进行新的随机扰动，直到被接受(Bodin et al., 2012a, b; Byrnes et al., 2019).若数据拟合偏差不显著增大，迭代将使得反演结果向更简单的模型逼近，而当更复杂的模型不能显著改善数据拟合情况时，数据不确定性将会向某一确定值逼近(Bodin et al., 2012a,b; Byrnes et al., 2019).

1.4 理论测试

为验证反演方法可行性，以及观测数据对研究区横向衰减差异的恢复能力，我们给定三个不同的初始模型分别进行理论测试.初始模型一：Δt*值在121°E—126°E范围内随经度线性增加，由0至0.4 s；Δt*值在48°N—52°N范围内随纬度线性增加，由0至0.4 s；初始模型三：以经度124°E为界，西区Δt*为0 s，东区Δt*为0.4 s(图5a1—3).

理论Δt*数据均依从观测数据集中的台站-事件对关系进行输入，并加入20%噪声(标准差为0.08 s高斯随机噪声)，对理论数据按每个事件进行去均值处理(图5b1—3).如图5b1—3所示，对于按事件去均值处理后的Δt*，若直接按台站叠加求均值结果与初始输入模型存在一定偏差，不能很好反映真实Δt*横向扰动.

测试结果显示(图5c1—3)，我们使用的观测数据和反演方法对随经、纬度增加的线性梯度与分区突变的陡峭梯度均有较好的形状恢复，但横向衰减扰动幅度较输入值有细微差距，三个测试反演结果中分别得到的三个数据不确定性为0.0815 s、0.0777 s、0.0733 s，与输入的随机噪声值大致相符.综上，本研究中采用的反演方法及观测数据集可获得较为可靠的研究区横向衰减差异.

2 结果与讨论

对300条Δt*观测数据进行贝叶斯-蒙特卡洛反演，采用10条平行链进行迭代，每条链迭代1×106次，最后将保留模型叠加取平均得到反演结果(图6a)，Δt*横向变化大致在-0.15～0.15 s范围内.并将反演模型概率分布标准差作为模型不确定性(图6b)，模型不确定性在台站覆盖区域较好处不超过0.05 s.反演得到数据不确定性均值为0.08 s(与模型不确定性不同，数据不确定性为反演得到的观测数据噪声水平).

2.1 相对衰减结构基本特征

如图6所示，研究区的相对衰减表现出较大幅度横向扰动.通常来说，火山活动与岩石圈减薄、热地幔上涌、部分熔融等现象联系紧密，并伴随着低速异常、高衰减异常的观测(Shapiro et al., 2000).本研究区的火山活动与我们的高衰减观测结果呈现较好的空间一致性(图6).诺敏河火山大致位于高衰减区域HA1的中心，Δt*最高达约0.15 s，且Δt*围绕着火山群向四周逐渐减小(图6、8).另一个高衰减区域HA2位于研究区最北端，Δt*最高值与HA1接近(图6、8)，主要表现在XM01与XM02这两个台站的观测(图7)，可能与研究区北部空间位置接近的小古里河火山活动有关.位于诺敏河火山东部、科洛河火山西部，紧邻两个火山群的LA1区域观测到显著低衰减异常，Δt*最低至约-0.15 s(图6、8)，主要表现为XM17、XM10、XM06、XM04这四个台站的观测(图7).

选取三个事件的Δt*观测结果成图，并展示分别位于高衰减区域和低衰减区域的部分台站波形(图7).如图7所示，三个事件分别在三个区域中的Δt*观测结果与我们的反演结果基本相符.位于HA1的XM12、XM15、XM31、XM40台站与位于HA2的XM01、XM02台站具有较大的Δt*值及较宽的脉冲波形，而位于LA1的XM04、XM06、XM10、XM17台站观测到较小的Δt*值及较窄的脉冲波形.

2.2 与前人结果对比及讨论

通常远震射线中，下地幔的衰减远小于上地幔(Booth et al., 1974)，并且对比Zhao等(2010)对中国东北地区的Lg波衰减研究，其结果在本文覆盖区域并未显示如此明显大幅的横向变化，由于Lg波衰减主要受地壳影响，我们认为本研究所得到的横向衰减变化主要来自于软流圈和岩石圈地幔的固有衰减.

对二维Δt*模型作两条垂直剖面(a)、(b)，横穿HA1、HA2及LA1，与前人速度观测结果进行对比(图8a—b).图8a—b中分别采用Tao等(2018)通过全波形反演得到的东亚地区P、S波速度模型FWEA18(Full Waveform inversion of East Asia in 2018)以及张风雪和吴庆举(2019)的远震P波成像结果在两条剖面处的速度异常成图.Tao等(2018)及张风雪和吴庆举(2019)的速度模型在两条剖面下方均显示分层低速异常：100～200 km深度低速异常及200～400 km低速异常，横向贯穿HA1、HA2及LA1衰减异常区域，速度异常幅度略有差异，最高处达约4%.另在Tao等(2018)模型中LA1、HA2区域下方，浅层低速异常上覆厚度为约100 km高速异常，而该高速异常在张风雪和吴庆举(2019)的模型中只表现在LA1区域下方(图8a).

通常来说，温度是影响上地幔岩石矿物速度的主要因素，低速异常可能暗示着高温异常，而高速异常可能代表较冷的构造体(Karato,1993; Cammarano et al., 2003; Goes et al., 2000).假设只受热力学条件控制，温度对Q与对速度的影响类似，因此衰减研究中通常将速度与衰减的负相关现象主要归因于温度因素(Lawrence et al., 2006; Hwang et al., 2011).例如Hwang等(2011)的全球体波衰减研究中观测到在古老的、冷的大陆克拉通地区的低衰减、高速异常，以及热的、年轻的洋中脊地区的高衰减、低速异常.

本研究中HA1、HA2下方观测到高衰减异常，对应着前人速度模型中同区域下方上地幔两层低速异常，暗示着该区域下方存在高温异常.另外张风雪和吴庆举(2019)提出诺敏河火山下方两层低速异常可能与地表火山活动有关，且认为深层低速异常为诺敏河与五大连池火山群的共有地幔岩浆房，可能与晚中生代岩石圈拆沉事件导致的软流圈热物质上涌有关.强正阳和吴庆举(2019)在该研究区的SKS分裂研究显示，HA1区域和HA2区域均观测到纯无效分裂结果，并归因于热地幔物质的上涌侵蚀了岩石圈残存化石各向异性.谢振新等(2018)在该研究区的接收函数研究显示，HA1区域和HA2区域均具有较薄的地壳厚度与较高的泊松比，并认为这与富钾岩石圈拆沉触发的热物质上涌有关.综上，热地幔物质上涌可能是HA1、HA2区域观测到高衰减异常的主要原因.

LA1下方观测到显著低衰减异常，前人速度模型在该区域下方有厚度不一(约100 km)的高速异常体(Tao et al., 2018； 张风雪和吴庆举，2019)，且强正阳和吴庆举(2019)在LA1区域中XM17台站观测到延迟时间大于1.0 s的SKS分裂结果，暗示其下方可能有未直接受到热地幔物质上涌侵蚀而残存岩石圈.Zhang等(2014)的S波接收函数结果显示大兴安岭下方岩石圈厚度约为140～160 km，据PREM模型(Dziewonski and Anderson, 1981)中岩石圈、软流圈的Qp值进行衰减估算，150 km岩石圈厚度差异导致的Δt*约为0.08 s，尽管该估算具有一定不确定性，但其结果仅约为该研究中衰减观测差值的三分之一(约0.3±0.05 s)，因而岩石圈厚度差异并不足以解释LA1区域低衰减观测.另外LA1区域下方同样对应着两层低速异常(Tao et al., 2018; 张风雪和吴庆举，2019)，LA1区域较之HA1区域具有更薄的地壳和更高的泊松比(谢振新等，2018)，且SKS分裂研究显示LA1区域亦观测到纯无效分裂结果(强正阳和吴庆举，2019).这暗示着LA1区域下方同样可能存在热地幔物质上涌带来的高温异常，那是否与本研究中在该区域下方观测到的显著低衰减异常矛盾呢？

除却温度因素外，含水量是影响岩石矿物Q值的另一重要因素.部分岩石物理研究结果表明，上地幔条件下含水量(主要以氢离子形态)对Q值的影响能达到75%以上，对速度影响却很小(Karato,1995,2003; Karato and Jung,1998).尽管含水量对Q值影响的程度至今仍尚存争议，但近年来观测到低速异常对应着低衰减异常的现象，已不能基于热力学条件进行很好地解释了(Hammond and Humphreys, 2000; Humphreys et al., 2003; Lawrence et al., 2006).例如Yang等(2007)以及Yang和Forsyth(2008)分别在东太平洋隆起和南加州地区的衰减研究中发现，若只基于热力学条件控制，通过速度异常预测的Q值比观测Q值偏小，而加入含水量因素后拟合效果得到显著改善.Lawrence等(2006)与Adams和Humphreys(2010)相继在黄石火山下方观测到显著低衰减异常，认为部分熔融相的介入会导致地幔脱水，从而使得残留地幔橄榄岩Q值增加，衰减减小.Bezada(2017)在摩洛哥火山活动地区下方观测到低衰减异常，亦归因于部分熔融导致的残留地幔矿物脱水.类似地，我们推测LA1区域下方可能存在着部分熔融导致的残留地幔矿物脱水，进而导致衰减减小.

综上，LA1区域观测到的低衰减异常可能由两个原因共同导致，一方面是该区域下方残留未被侵蚀的岩石圈，另一方面是局部区域可能存在部分熔融导致的残留地幔矿物脱水.

3 结论

利用围绕着大兴安岭诺敏河火山布设的43个流动台站所接收到的17个远震事件，我们采用时间域波形匹配方法计算了300条直达P波震相的Δt*，并采用贝叶斯蒙特卡洛方法进行反演，获得到了中国东北诺敏河火山及周边地区的二维Δt*模型.结果表明研究区高衰减区域与火山活动位置分布呈现较好的空间一致性.热地幔物质上涌可能是导致诺敏河火山区域以及北部临近小古里河火山区域高衰减异常的主要原因.诺敏河火山东部、科洛河火山西部区域呈观测到显著低衰减异常，与高衰减区域最大Δt*差值达约0.3±0.05 s，可能是两个原因共同作用的结果：该区域下方残留未被侵蚀的较厚岩石圈，以及局部区域可能存在的部分熔融导致的残留地幔矿物脱水.

致谢感谢国家自然科学基金项目(41674094，41474074)的资助.感谢参与该项目野外流动台站架设、维护及数据收集的全体人员.感谢审稿专家的宝贵修改意见，使得本文更加严谨、流畅.