基于深度学习震相拾取和密集台阵数据构建青海玛多MS7.4地震震源区高分辨率地震目录

郭慧丽， 常利军， 鲁来玉， 吴萍萍， 吕苗苗， 丁志峰

中国地震局地球物理研究所， 北京 100081

0 引言

根据中国地震台网正式目录，2021年5月22日2时04分13秒(北京时间)，青海省果洛州玛多县(北纬34.61°，东经98.37°)发生MS7.4地震，震源深度17 km(https:∥data.earthquake.cn/gcywfl/index.html).如图1所示，该地震发生在巴颜喀拉块体内部、具有左旋走滑特征的昆仑山—江错断裂，北边有玛多—甘德断裂，南边有达日断裂.近10年的中国地震台网目录显示5月22日玛多地震之前该区域的地震活动性较低，仅有一次较大的地震发生，即在2015年10月12日发生的5.3级地震.玛多MS7.4地震发生在块体内部位移量相对较小的断裂上，空间上填补了该块体北边界东段的发震空白(Wang et al., 2021).

在地震发生后，一些学者针对玛多地震的余震序列进行了重定位研究(Wang et al., 2021; 徐志国等, 2021; 尹欣欣等, 2021)，揭示了发震断层的NWW走向与近垂直分布形态.但是距离玛多地震震中100 km范围内只有一个固定地震台(玛多台站)，远距离的地震台网对震源区域内的小震级事件的识别能力有限.已有的地震精定位结果虽然可以初步通过地震分布特征刻画发震断层面，但是在很多问题上依然存在争议，例如断裂带西侧是否存在分支断裂活动、余震的主要分布深度、地震空区分布、断层的空间展布等.玛多震源区的断层的精细结构研究依然需要基于密集台阵数据的高分辨率和高精度的地震目录来刻画.

快速高精度的地震目录的构建始于快速高质量的震相拾取.人工手动拾取震相耗时长而且不能快速准确的识别微小地震事件.随着密集流动台阵的建设，大量的地震数据需要高效高质量的自动处理流程.传统的自动拾取方法，比如长短窗平均比值法(STA/LTA)、基于自回归赤池信息准则(AR-AIC)的震相到时估算方法等，一般从地震震相某一个或几个特征出发实现震相检测和识别，未能涵盖波形数据中包含的所有特征，而且检测阈值难以设定(李健等, 2020).近年来，深度学习方法被应用于直接从原始地震波形中提取震相特征以识别地震信号，表现出高效、高精度的优势(Ross et al., 2018; 赵明等, 2019；Wang et al., 2019; Zhu and Beroza, 2019)，大大节约了时间成本.深度学习是一种以人工神经网络为架构，对数据进行特征学习的算法.计算能力的发展提高了训练的效率，训练数据的大幅度增加则可降低过拟合风险.由美国北加州地震台网近30年的带有超70万个P、S震相的样本事件波形数据训练获得的基于U形卷积神经网络的算法PhaseNet (Zhu and Beroza, 2019)，适用于100 km范围内近震事件的震相拾取，并在多个地区获得成功的应用(Liu et al.,2020; Wang et al., 2020; 赵明等, 2021)，而且具有很好的迁移性.Liu等(2020)和Zhang等(2022)共享了一套基于深度学习的震相自动拾取、地震关联和地震定位的流程，并在四川长宁(赵明等, 2021)和云南漾濞地区(苏金波等, 2021)获得较好的结果.赵明等(2021)经过对比研究发现，基于人工拾取到时和手动定位很难完全避免主观性因素，而基于深度学习的自动构建目录的流程可以遵循统一的标准，从而避免人为不确定因素.

本文利用玛多地震科考布设的短周期密集台阵的数据，基于PhaseNet深度学习算法从原始连续波形数据中拾取了P波和S波到时数据，利用震相关联和多种定位方法构建了玛多震源区MS7.4地震之后第14天至第43天的高分辨率地震目录，该目录勾勒出震后玛多震源区主震西侧以及主震向东20 km范围内的发震断层形态和结构，有助于认识玛多震源区的孕震环境和发震机制.

1 数据

2021年5月22日玛多MS7.4地震发生后，在中国地震局地球物理研究所玛多MS7.4地震科学考察项目支持下，科考组在玛多震源区于2021年6月3日完成了150套短周期地震仪的布设(图1)，仪器型号为SmartSolo(IGU-16HR)，主频为5 Hz.观测台站主要沿垂直于江错断裂的方向展布，测线上台站间距为0.5～1 km，此外沿江错断裂的走向也有观测台站展布，台站间距为3～5 km.连续观测一个月，经过数据质量和同步性检测最终共获取了148个台站在6月5日—7月3日期间的有效连续记录，为本文的研究提供数据基础.

2 方法及数据处理

本文基于获取高精度地震目录的流程Loc-Flow (Liu et al., 2020; Zhang et al., 2022)，先后对原始连续地震波形进行如下处理：

步骤1：基于PhaseNet深度学习算法拾取P/S震相到时；

步骤2：利用REAL(Rapid Earthquake Association and Location, 快速震相关联和定位技术)进行震相关联，实现初步的地震定位；

步骤3：采用HypoInverse和VELEST绝对定位方法获取绝对定位地震目录；

步骤4：利用HypoDD(A Program to compute Double-difference hypocenter location, 双差定位算法)相对定位方法，获取相对定位地震目录；

图1 研究区域及台站分布图 (a) 玛多震源区的构造背景, 黑色方框为本文的研究区域; (b) 本文的研究区域. 黄色线为构造单元界线，蓝色线为地表破裂(Ren et al., 2022)，黑色线为活动断裂.黑色三角形为短周期地震台站，红色五角星为玛多MS7.4地震震中，黄色方块为玛多固定台，黄色 五角星为2015年MS5.3地震震中.Fig.1 Map view of the study area and stations (a) Tectonic setting map of the Madoi focal area, with the black rectangle indicating the study region; (b) The study region. Yellow lines mark the boundaries of tectonic units. Blue lines mark surface rupture (Ren et al., 2022). Black lines mark the active faults. The black triangles denote short period seismic stations. Red star indicates the location of the Madoi MS7.4 mainshock. The yellow square is the Madoi fixed station. Yellow star indicates the location of the 2015 MS5.3 earthquake.

步骤5：利用波形互相关GrowClust算法获取精定位结果.

具体研究技术路线见图2.每一步的参数设置和计算结果见下文.

2.1 基于PhaseNet的到时拾取

首先利用PhaseNet拾取P波和S波初动到时.考虑到PhaseNet本身出色的泛化能力，本文采用Zhu和Beroza(2019)训练好的神经网络模型，对2021-06-05—2021-07-03期间的连续波形记录降采样到100 Hz之后进行P波和S波初动拾取，拾取阈值设置为0.5，共拾取了1871056个P波和1807984个S波震相.拾取示例如图3所示.

图2 研究方法和路线Fig.2 Research methods and route

2.2 震相关联REAL

根据Zhang等(2019)发展的REAL震相关联算法，将拾取到的P波和S波震相关联成特定的地震事件.三维空间网格参数设置如下：水平搜索范围为0.2°，步长为0.04°，深度搜索范围0～30 km，步长为2 km，根据走时表进行地震和震相关联.由于研究区布设的台站密集度高，为了确保关联结果的可靠性，将关联阈值设置为：一个有效的地震至少记录到5个P波、3个S波以及至少3个台站同时记录到P波震相和S波震相.在REAL之后完成了地震的初步粗略定位，获取了51949个地震目录，共关联到1343430条P波震相、1122006条S波震相，走时曲线如图4所示.图5给出了关联到的一个事件波形数据示例.

2.3 HypoInverse和Velest绝对定位

绝对定位方法是常规地震定位方法.本文分别利用了HypoInverse(Klein, 1978, 2002; Lienert et al., 1986)和VELEST(Kissling et al., 1994)定位程序进行了绝对定位.初始速度模型见表1.

HypoInverse方法共得到51949个绝对定位结果，其中定位误差在5 km范围内且RMS(Root Mean Square, 均方根)残差小于0.5 s的地震有47914个(图6c所示)，平均定位水平方向误差为0.70 km，垂直方向误差为0.74 km，平均RMS残差为0.10 s.

图3 PhaseNet拾取震相例图Fig.3 Example of picks by PhaseNet

表1 初始一维速度模型(黑色值)和VELEST更新后的 速度模型(红色值)Table 1 Initial 1-D velocity (black values) and updated model after VELEST (red values)

本文还利用VELEST定位方法更新了一维速度模型.首先选取了研究区内台站间隙角小于180°，且具有至少100个P波和S波震相的地震事件共4385个，然后利用VELEST更新速度模型(表1红色数字)，之后再进行所有地震事件的绝对定位，最终RMS残差小于0.5 s的地震事件有51937个(图6d).

图4 REAL关联到的P波和S波走时曲线图Fig.4 Travel time curves of P and S waves after REAL

将研究时间段内的中国地震台网正式目录和REAL后的初始粗略目录以及绝对定位目录做一个对比(图6)，可以发现本文构建的玛多震源区的地震目录提供了远远多于台网的地震事件.HypoInverse和VELEST定位的地震目录有很好的相似性，说明了本文地震定位结果的稳定性.

图5 利用REAL关联到的发震时刻2021-06-06T07∶31∶41.025的地震事件波形 红色竖线标记P波到时，蓝色竖线标记S波到时.(a)DP1分量；(b)DP2分量；(c)DPZ分量.Fig.5 Waveforms of one event occurred at 2021-06-06T07∶31∶41.025 after REAL The red vertical lines mark the arrival of P wave and the blue vertical lines mark the arrival of S wave. (a) DP1 component; (b) DP2 component; (c) DPZ component.

一般而言，台站间隙角越小，地震定位的准确度越高.在本文的研究中平均台站间隙角为194°，大部分台站间隙角在100°～300°之间(图7).为了保证绝对定位地震目录的完备性，上述的绝对定位目录并未针对台站间隙角进行筛选.接下来选择台站间隙角在280°和180°以内的地震事件进行相对定位，以获得更高精度的地震目录，进而刻画研究区内断层的精细形态.

2.4 基于走时目录的HypoDD双差定位

本文利用HypoDD方法(Waldhauser and Ellsworth,2000)分别针对台站间隙角小于280°和180°的VELEST定位结果，进行初步的相对定位.在HypoDD相对定位中，设置震中距上限为120 km，最大的地震对震源距离为8 km，一个地震事件最多与10个地震事件组成地震对，且每一对地震事件至少包含8个相同震相.经HypoDD相对定位后，台站间隙角在280°内的地震事件共有40287个(图8a)，台站间隙角在180°以内的共有22247个地震事件(图8b).

2.5 基于波形互相关的GrowClust定位

与HypoDD定位算法相比，GrowClust算法能够更加准确和稳定地确定小震的相对位置 (Trugman and Shearer, 2017).GrowClust算法的定位完全基于地震对的波形互相关资料，本文在HypoDD相对定位结果的基础上，采用刘敏开发的FDTCC 程序(https:∥github.com/MinLiu19/FDTCC)进行快速互相关双差走时计算，为GrowClust程序构建互相关数据.每一个地震事件与它最近的100个地震成对进行波形互相关计算，参与波形互相关计算的波形窗口为P波到时前0.2 s至P波到时后0.8 s，允许的滑动窗口0.3 s；S波到时前0.5 s至S波到时后1.2 s，允许的滑动窗口为0.5 s.所有的事件波形都进行了2～8 Hz的带通滤波.在GrowClust定位过程中，每一个地震事件至少包含8个波形互相关系数大于0.9的震相.在台站间隙角180°以内，最终对10502个地震事件进行了相对位置的校正(图8d).同时进行了100 次Bootstrapping分析获得了它们的平均水平误差为55.9 m，平均深度误差为71.9 m，平均发震时刻误差为10.39 ms.定位误差直方图分布如图9所示.

3 结果分析

3.1 地震目录对比

本文基于密集台阵数据利用Loc-Flow流程获得了玛多地震后的高分辨率地震目录.定位流程中多种方法获得的多个地震目录的对比及统计见表2.绝对定位目录HypoInverse和VELEST更注重完整性，而相对定位目录HypoDD和GrowClust以严格的参数筛选只保留高精度的相对定位事件.前者定位精度在0.7 km左右，后者精度在几十米的量级.

在相同时间段内，中国地震台网正式目录记录到357个地震事件(见图6a).我们从较完整的VELEST目录中进行匹配，共匹配到316个事件，匹配率88.5%.匹配到的位置对比如图10所示. 图11给出了其水平位置差与发震时刻差，平均位置偏差为4.56 km，平均发震时刻偏差为-0.5 s.未能匹配到的事件中，有9个是时间未能匹配到，其余事件则是因为发震时刻相近的时间内(2 s内)检测到另外的较大震级的事件(该类事件未在中国地震台网目录中)，在关联的时候被排除掉.从图中可以看出，未能匹配到的事件大多分布在研究区域西北侧.中国地震台网目录与本文目录之间存在较大偏差的主要原因可能在于定位时所用台站的不同.本文利用的是震源附近100 km范围内较密集的流动台站，定位时用的震相为直达波Pg和Sg.中国地震台网主要利用固定台站，从图1中可以看到，研究区附近100 km范围内只有一个玛多固定台，其余固定台站距离震源较远，定位时用到的震相可能多为折射波，并且由于距离较远受到射线路径上速度模型的影响更大.与中国地震台网目录给出的位置相比，本文给出的地震事件的位置更收敛且更集中在断裂带附近.

表2 定位流程中不同方法获得的震相数目和 地震事件数目统计Table 2 Statistics of the number of seismic phases and events obtained by different methods during location workflow

在玛多MS7.4地震发生后，Wang等(2021)和徐志国等(2021)利用周边400～500 km范围内的台站数据对震后10天内的余震序列进行了双差定位，东西方向、南北方向及深度方向的定位精度分别在0.27～0.28 km、0.24～0.29 km、0.50～0.56 km，均方根残差分别为0.12 s和0.1 s.尹欣欣等(2021)利用台网数据对震前21天和震后12天的地震事件进行了双差定位研究，水平定位误差0.8 km，深度误差2 km，均方根残差0.2 s.本文给出的地震目录为震后第14天至43天，时间上滞后于前人给出的地震目录.在定位精度上，本文给出的HypoInverse绝对定位目录的水平定位误差为0.70 km，深度误差为0.74 km，平均均方根残差为0.10 s；双差定位(HypoDD)目录的东西向、南北向和深度误差分别为20 m、21 m和23 m，均方根残差为0.019 s.与前人给出的地震目录相比，本文的地震目录未能覆盖江错断裂的东端部分，但是在定位精度上有了较大的提高，可以对发震断裂进行更精细的刻画.

图8 相对定位后的震中分布 (a) 基于走时的HypoDD目录，台站间隙角小于280°； (b) 基于走时的HypoDD目录，台站间隙角小于180°； (c) 基于波形互相关的GrowClust目录，台站间隙角小于280°； (d) 基于波形互相关的GrowClust目录，台站间隙角小于180°.Fig.8 Epicenter distribution of relative relocation catalogs (a) Catalog of HypoDD (dtct) with station gap<280°; (b) Catalog of HypoDD (dtct) with station gap<180°; (c) Catalog of Growclust (dtcc) with station gap<280°; (d) Catalog of Growclust (dtcc) with station gap<180°.

图9 GrowCLust定位误差分布 (a) 水平定位误差； (b) 深度定位误差； (c) 发震时刻误差.Fig.9 Histograms of location uncertainties for events of GrowClust catalog (a) Horizontal location error; (b) Vertical location error; (c) Origin time error.

图10 中国地震台网目录事件与VELEST目录匹配到的位置对比 (a) 平面图； (b) 剖面图.红色圆圈为VELEST目录，绿色圆圈为台网目录.Fig.10 Matching events location comparison between Chinese Seismic Network (CSN) catalog and Velest catalog (a) Top-view map; (b) Cross-section map. The red circles denote VELEST events, and the green circles denote CSN events.

图11 台网目录与VELEST目录共同事件的震源参数统计 (a) 水平位置差； (b) 发震时刻差.Fig.11 Statistics of common events of CSN and VELEST catalogs (a) Horizontal position difference; (b) Occurrence time difference of events.

图12 地震序列的时间分布特征 (a) 2021年5月22日—7月3日期间的中国地震台网目录； (b) 6月5日—7月3日期间的HypoInverse目录； (c) 6月5日—7月3日期间的HypoDD目录； (d) 6月5日—7月3日期间的GrowClust目录.Fig.12 Time distribution characteristics of earthquake sequences (a) Catalog from China Earthquake Networks Center during May 22—July 3; (b) Catalog of HypoInverse location during June 5—July 3; (c) Catalog of HypoDD relocation during June 5—July 3; (d) Catalog of GrowClust relocation during June 5—July 3.

图13 地震序列的空间分布特征 (a—c) HypoInverse目录沿纬度方向、经度方向及深度方向的统计图； (d—e) HypoDD目录沿纬度方向、经度方向及深度方向的统计图； (g—i) GrowClust目录沿纬度方向、经度方向及深度方向的统计图.图中标注了主震震中的位置.黑色五角星为中国地震台网 目录给出的主震，红色五角星为Wang等(2021)重定位的主震.Fig.13 Spatial distribution characteristics of earthquake sequences (a—c) Histograms of latitude, longitude and depth of HypoInverse catalog; (d—e) Histograms of latitude, longitude and depth of HypoDD catalog; (g—i) Histograms of latitude, longitude and depth of GrowClust catalog. The location of the epicenter of the main shock is marked in the Figure. The black star is the main shock given in the catalogue of CSN, and the red star is the main shock relocated by Wang et al. (2021).

图14 沿断裂带分段统计每1 km深度上的地震事件数目 (a) HypoInverse目录； (b) HypoDD目录； (c) GrowClust目录.Fig.14 Histogram of seismic events per 1 km depth along the fault zone (a) HypoInverse catalog; (b) HypoDD catalog; (c) GrowClust catalog.

图15 GrowClust精定位目录的震中分布及剖面图 (a) 震中分布平面图及剖面位置； (b) 沿断裂走向(Y1-0-Y2剖面，绿色线)的剖面; (c) 沿垂直于断裂方向(A—L剖面，黑色线)的剖面.Fig.15 Epicenter distribution of GrowClust relocation and profiles (a) Top view of relocated events and position of profiles; (b) Fault-parallel (Y1-0-Y2, green) cross section; (c) Fault-perpendicular cross sections (A—L, black).

3.2 地震序列的时间分布特征

图12a为中国地震台网中心提供的玛多MS7.4地震发生后43天(5月22日—7月3日)的地震目录中地震事件随时间的分布图，图12b—d为本文根据不同定位方法构建的地震目录中地震事件随时间的分布图(6月5日—7月3日).尽管不同方法得到的地震目录中的地震事件的总数不一样，绝对定位HypoInverse和相对定位HypoDD、GrowClust方法获得的定位结果随时间的变化特征相似.从图中可以发现随着时间的推移，余震发生频次总体呈现降低趋势，并伴有几次波动起伏.说明玛多地震震源区域的地震活动性在玛多MS7.4主震之后逐渐减弱，后期趋于平稳.在此期间发生了三次3级以上的地震，分别在6月12日、6月17日及6月25日，可以看到图中的几次波动起伏可能与这些地震有关.

3.3 地震序列的空间分布特征

地震定位结果显示(图6和图8)，玛多地震源区在6月5日—7月3日期间的地震序列总体上非均匀地沿NWW-SEE走向的破裂带分布，但在西侧呈近E-W向.

本文统计了地震数目在水平方向和深度方向上的变化(图13).绝对定位和相对定位结果相似，均显示了明显的分段特征.由图13b、e、h可以发现地震数目在经度方向上存在3个峰值，分别出现在断裂带的东段、西段和中段，表明东段(即主震以东)的地震发生频次最多，地震活动性最强，西段地震活动性次之，中段地震活动性明显减弱，地震数目最少.深度方向上的统计图13c、f、i显示，发震深度主要集中在2～15 km范围内，其中8～12 km深度的地震数目最多，其次是2～8 km，深度在15 km以下的地震较少.

为了探究不同分段的特征，将地震序列划分为三段，西段、中段和东段.将地震事件沿断裂带走向投影，并统计不同分段上的每1 km深度的地震事件数目，得到图14.以地震序列走向拐角的地方为0点，向西为负，向东为正.结果可以更清楚的看出，地震事件在某些深度上的数目较多，存在深度上的优势层，而且不同分段上的优势层具有差异.西段的地震深度较深，主要集中在8～13 km；中段的发震深度比较均匀，但优势层较浅，集中在3～5 km；东段的地震数目最多，优势层在8～13 km，3～8 km的地震分布较均匀.

为了更精细地刻画和描述地震序列和发震断层的三维空间分布形态，本文绘制了沿断层走向的剖面(Y1-0-Y2剖面，图15b)和垂直于断层走向的剖面(A-L剖面，图15c)，将剖面两侧约3 km宽的地震事件投影在对应剖面上.从图15中可以发现，地震序列主要沿地表破裂(Ren et al., 2022)的偏北一侧分布，且具有明显的分段性特征.结合上文的统计学结果，本文将三段的主要特征描述如下：

西段(Y1-0，即鄂陵湖南段)地震序列走向为近E-W向，与主断裂的NWW-SEE向有一定的拐角.地震活动性较强，穿过该段的AA′和BB′剖面显示，浅部的地震近垂直分布，但稍有南倾，在8 km以下深度有个向北倾向.该段的地震集中分布在8～13 km深度上.

中段(鄂陵湖至黄河乡)的地震数目较少，地震活动性远低于东西两段.以野马滩大桥为界，西边的地震序列比较离散且地震分布范围较宽，东边的地震序列连续性较差，存在小的地震空区或稀疏区.在野马滩大桥至黄河乡(HH′剖面至JJ′剖面之间)的地震序列有一偏向北侧的圆弧形延展，在黄河乡南侧可见一条南东向的地震序列.该段的地震深度较浅，野马滩大桥以东的发震优势层为2～5 km.

东段(主震向东)的地震活动性最强，定位的地震数目远远多于其他段.地震序列表现为一个向北的弧状凸起，表明此处有一个复杂的从NWW到NNW转向.CC′和DD′剖面近垂直分布.穿过中段和东段的剖面(EE′至LL′)显示地震分布在深度上整体向北东倾斜，但在深部8 km以下转为南倾.

垂直于走向的剖面(图15c)显示总体上地震序列近乎垂直分布，符合断层左旋走滑的特征.不同分段上地震分布的几何形态有着一定的差异性和复杂性，表明发震破裂面并非一个均匀的平面结构，浅部与深部的破裂存在差异.

4 讨论

玛多震源区位于巴颜喀拉块体内部，发震断层为NWW走向的江错断裂，整体处于印度板块向北推挤、青藏高原地块隆升、巴颜喀拉次级活动地块向东挤出的构造背景下(Wang et al., 2021; 徐志国等, 2021).重力研究显示玛多主震前三年一直处于内部应力持续增强的状态(胡敏章等, 2021).应力场反演结果表明区域背景应力场具有近EW向挤压应力场特征，震源区最大水平主压应力轴方位为NEE向(徐志国等, 2021).本文给出的震后第12天至第43天的高分辨率地震目录显示，随着震后时间的推移，地震活动性逐渐减弱，并在玛多MS7.4地震发生一个月后趋于平稳，但是与5月22日之前相比，地震活动性明显增加，表明此区的应力仍处于不断调整状态，江错断裂处于不断活动之中，总体上处于较强的地震活动性水平.

MS7.4主震之后的地表破裂调查(李智敏等,2021; 潘家伟等, 2021)、余震定位(Wang et al., 2021; 徐志国等, 2021)、震源机制结果(张喆和许力生，2021；徐志国等, 2021)及同震形变分析(华俊等，2021)都表明此次发震断层(即江错断裂)为左旋走滑性质，破裂长度大于160 km，主震东西两侧各80 km.本文给出的地震序列主要包括了主震西侧以及主震向东20 km处这一段，接下来的讨论也围绕这一段来展开.

4.1 江错断裂的分段性特征

本文揭示的高精度地震序列沿地表破裂带具有明显的分段性特征，与地表破裂位置及其分段(李智敏等,2021; 潘家伟等, 2021)有很好的一致性，表明了江错断裂的分段性及差异性.在前人的余震定位研究(Wang et al., 2021; 徐志国等,2021; 尹欣欣等, 2021)中也发现地震序列有分段性特征，与前人研究相比，本文的地震序列定位精度更高，分段更为精细.

西段(鄂陵湖南段)地震序列走向为近E-W向，与整体的NWW-SEE走向有个拐角，但与此处地表破裂位置及走向一致.余震震源机制结果(徐志国等，2021；吕苗苗等，2022)在向EW转向的位置发现有逆冲型事件，表现为挤压特征.这一段在前人进行的主震后前10天内的余震重定位结果(Wang et al., 2021; 徐志国等, 2021)中未发现明显转向.王未来等(Wang et al.,2021)对震后8天的余震重定位结果显示该段北侧有明显的分支直至鄂陵湖，但本文的结果中未见明显的北侧分支，可能是由于北侧的地震活动性不强或较为稀疏.当然，本文的地震序列与王未来等的余震序列存在时间差可能也是原因之一.地表破裂调查(潘家伟等, 2021)显示北支的地表破裂规模较小，走滑位错不明显，而南侧的破裂规模较大且连续，与该段较强的地震活动性一致.从卫星影像发现该段断层的地貌轨迹在震前并不清晰，推断该段断层较为年轻(李智敏等, 2021).本文发现地震序列在该段的南侧有一向南东方向的条带状延展，推测为较新激发的子断层.

中段(鄂陵湖南至黄河乡) 沿线可见SN向山脊、沟谷的左旋累积位错(数十米至数百米不等)，表明该段断层已经历了多次地震活动(李智敏等, 2021)，是相对较老的断层，不易发生应力的积累和释放，导致该段的地震活动性较弱，发震深度较浅.野马滩大桥以西的地表破裂宽度较宽且连续性好，以东的破裂不连续，与精定位地震序列的分布特征一致.在野马滩大桥至黄河乡的地震序列有一偏向北侧的圆弧形延展，与地表破裂在此处沿着山脉与山前冲洪积台地的地貌陡变带展布一致，推测为此段的子断层.由于一部分能量沿着北侧NE或NW向的子断层释放，导致地震多发生在主断裂的北侧，呈现圆弧形延展，从而在NWW向主断裂上显示地震空区或稀疏区.地震序列在黄河乡南侧还发现有南东方向的延展，推测为主震激发的南侧的子断层.

InSAR同震形变场结果显示东段的滑移量整体上大于西段(华俊等, 2021)，表明主震向东的东段能量最强，震后仍然显示出较强的地震活动性.地表破裂结果(潘家伟等, 2021)显示此处存在大量因边坡失稳形成的与河道平行的张裂缝，在最东侧可见一组NNW走向的破裂.地震序列在此段的弧状凸起，显示了从NWW至NNW较复杂的转向.此段发震深度在2～14 km，但优势层在8～12 km，8 km以下整体倾向由稍微北倾转为南倾.以上说明该区域可能受到局部构造作用，形成复杂的孕震环境.

余震震源机制结果(徐志国等，2021；吕苗苗等，2022)显示余震大多为近乎直立的左旋走滑型事件，然而也存在逆冲型事件.吕苗苗等(2022)基于密集台阵发现在向EW向转向及东段弧状凸起的位置存在三次逆冲型事件，与本文地震序列在该区域出现的转向相吻合；基于同一密集台阵数据给出的精细速度结构(吴萍萍等，2022)发现，在西段的北侧及东段约20 km处均存在高速异常体.据此推测可能由于高速异常体的存在，断层在此处弯曲转换并产生了挤压型地震.

前人的研究(Wang et al., 2021；徐志国等, 2021)揭示了余震稀疏区的存在，尤其是主震东侧20 km处存在的较大的空区.限于台阵布设及台站间隙角的约束情况，本文精定位结果只讨论到20 km处.徐志国等(2021)认为主震的西侧也存在多个余震稀疏区，但仅画出了两个较明显的余震稀疏区，其中西段的余震稀疏区在地震序列由NEE-SEE转为EW的拐弯处，与本文给出的稀疏区位置(图15b)大致相同.但这个稀疏区只是指浅层地震的稀疏，8 km以下深度的地震事件在该处并不稀疏.另外，本文在中段也发现几个小的稀疏区，上文已经解释，在此不再赘述.

4.2 深部可能存在的孕震优势层

同震滑动模型(华俊等, 2021)显示地震主破裂发生在0～10 km深度内，本文的地震目录给出的发震深度是0～15 km，与前人结果(徐志国等, 2021)给出的4～14 km比较一致.人工地震测深剖面(郭文斌等, 2016; 嘉世旭等, 2017)显示该区巴颜喀拉块体北缘上地壳结晶基底岩石脆性破裂、降速显著，中地壳强反射、低速度结构，展示了巴颜喀拉块体内部地壳中下部可能的壳内解耦结构特征.詹艳等(2021)利用大地电磁数据结果，得到巴颜喀拉地块内部为高-低-次低阻结构，玛多MS7.4主震震中就发生在地下高导体与低导体的交界区的高导体区域.相比于低速高导的中地壳，脆性的上地壳更容易发生破裂，可能是该区地震序列主要发生在15 km以上的原因.本文精定位地震目录显示地震序列的发震深度存在两个优势层，即3～5 km及8～12 km，在优势层的地震事件数目偏多.总体上，中段的地震深度较浅，东西两段的地震深度较深.本文推测可能与该区上地壳存在强弱不同的梯度层(嘉世旭等, 2017)有关，优势层可能为该区的孕震层.

5 结论

本文利用短周期台阵数据，基于深度学习拾取到时、震相关联地震以及多种地震定位算法构建了玛多MS7.4地震之后的第14天至43天内的绝对定位地震目录和高分辨率地震目录，结果显示地震序列整体上沿着地表破裂带的偏北一侧呈现条带状展布，走向为NWW-SEE，发震深度主要在15 km以内.

(1)随着震后时间的推移，震源区的地震活动性逐渐减弱并在MS7.4玛多地震发生一个月后趋于平稳，但是相比玛多MS7.4地震前，地震活动性明显增加.

(2)精定位地震序列显示出明显的分段性：西段(鄂陵湖南)走向接近于E-W向，与整体走向呈现一定拐角，地震活动性较强；中段(鄂陵湖南至黄河乡)地震活动性较弱，野马滩大桥西边地震分布较宽且连续，野马滩大桥东边的地震不连续，存在小的地震空区或稀疏区；东段(主震向东)有一个向北凸起的弧度，地震活动性最强.

(3)地震序列总体向北倾斜，但不同分段在不同深度上的倾斜形态存在差异：西段断层倾向为近垂直，发震优势层为8～12 km；中段和东段的地震序列总体向北倾斜，但在深度10 km左右转变为向南倾，显示了发震破裂面并非单一的平面结构，具有复杂的空间结构和形态.

致谢感谢玛多7.4级地震科考地震深部构造环境组现场科考队为获取高质量的地震观测数据付出的艰辛.感谢加拿大戴尔豪斯大学张淼教授分享和提供的构建地震目录的Loc-Flow流程https:∥github.com/Dal-mzhang/LOC-FLOW.感谢三位匿名审稿专家和责任编委对本文的指正及建议.中国地震台网正式目录来源于中国地震台网中心国家地震科学数据中心(https:∥data.earthquake.cn).地形数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http:∥www.gscloud.cn).文中图件使用GMT6软件(Wessel et al., 2019)绘制.