2020年新疆伽师MS6.4地震震源区微震检测与目录完备性分析

梁姗姗, 张广伟, 邹立晔, 刘艳琼, 姬运达

(1. 中国地震台网中心, 北京 100045;2. 应急管理部国家自然灾害防治研究院, 北京 100085)

0 引言

地震目录是研究地震活动性、地震发震过程、地震预测以及地震危险性分析的重要基础资料。地震目录的完备性直接关系到研究结果的科学性和可靠性。已有研究表明,强震发生后,由于地震波形受主震和强余震尾波的干扰,使波形互相叠加,导致很难清晰识别叠加地震事件的震相,因此主震后短时间会遗漏相当比例的余震。近年来,随着模板匹配技术的发展和应用,这一问题得到了很好地解决[1-6]。

2020年1月19日新疆喀什地区伽师县发生MS6.4地震(39.84°N,77.21°E)。MS6.4地震发生后,震中附近又相继发生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时05分,距离MS6.4地震震中不远处曾发生1次MS5.4前震。此次伽师MS6.4地震序列致使1人死亡、2人轻伤,4 000余间房屋受损,部分水库、道路、桥梁等基础设施遭到破坏,直接经济损失达16.2亿元(https://baike.baidu.com/)。

伽师MS6.4地震位于天山西南麓柯坪塔格推覆构造最前缘的柯坪断裂附近,余震序列位于接近平行的EW向柯坪断裂和奥兹格尔他乌断裂之间。由于受印度板块向欧亚板块俯冲碰撞作用的影响,伽师震源区附近历史地震活动频繁,1996年以来曾发生多次MS6.0以上地震(图1),其中最大的1次为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),圆圈表示模板事件(2020年1月17日—2021年1月31日)图1 研究区域内MS≥6.0历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

据中国地震台网中心统一地震编目显示(2020年1月17日0时至1月31日24时,北京时),此次地震序列共记录到地震1 477次,含171次单台记录结果。由于伽师震源区附近地震台站较为稀疏,特别是震中北部和南部地区台站空白,造成台站最大孔隙角较大(图1),因此很难应用传统的地震定位方法来确定更多小地震的目录信息。因此,为获得伽师震源区更为完整的地震事件资料,本文选取震中120 km范围内4个台站,利用2020年1月17日至1月31日(北京时)中国地震台网记录的伽师震源区波形资料,以初始地震定位目录中信噪比较高的733个地震作为模板事件,采用匹配定位方法,检测微小震事件[7],并补充到初始地震目录中,提高地震序列的完备性,进而利用MC值和b值,对此次地震序列的时间演化特征加以分析研究。

1 微地震检测

本研究使用2020年1月17日至2020年1月31日(北京时)新疆区域台网的波形资料,选择震中距在120 km以内的共4个台站的波形(八盘水磨BPM,西克尔XKR,喀什KSH,阿图什ATS),部分台站分布如图1。选用全国统一地震编目的目录中相同时间段内ML≥1.0、信噪比较高的共733个地震作为模板事件(图1)。

本研究采用匹配定位方法(Match and Locate,简称M&L)[8]对常规产出的地震目录中所遗漏的地震事件进行微地震检测。这一方法与波形模板匹配方法相类似[9],二者均利用模板事件波形与可能的微震信号做互相关叠加,从而检测出微震事件。因为在叠加之前需要对模板事件周围三维空间进行扫描搜索,来计算同一台站上可能存在的事件位置与参考位置之间的相对走时差,并据此对互相关波形进行矫正叠加,所以相较于当今广泛流行的微震检测方法,M&L法具有以下优点:(1)可检测到事件的震级下限更小;(2)可以检测到距离模板事件较远的微事件;(3)对速度模型的依赖性较小;(4)可以给出高精度微事件位置信息。在采用匹配定位方法进行遗漏地震事件检测过程中,根据叠加后相关波形的平均相关系数(CC)、信噪比(SNR)两部分来确定检测所需的标准阈值;当检测到微震事件后,则根据台站记录中参考震相的振幅来确定震级。

微震检测之前,我们需要对连续波形进行预处理,包括去均值、去线性趋势等。微震检测时,地震波的滤波频段设为2～8 Hz,将长周期噪声干扰去除。在三维网格空间内,以参考模板事件的震源位置作为搜索中心,对微震的位置进行搜索,其经度方向和纬度方向的搜索范围为0.05°,搜索间隔为0.01°;深度方向的搜索范围为2 km,搜索间距为0.1 km。计算模板事件与可能的微震事件之间的走时差,然后利用该走时差对互相关波形进行走时校正并叠加。模板事件波形与连续波形之间的滑动互相关以Sg震相作为参考震相。地震模板匹配中,计算Sg的理论到时和慢度参数所用一维区域速度模型,与崔仁胜等[10]对2020年伽师地震序列进行地震定位和震源机制求解的相同;模板波形的互相关窗口为Sg波理论到时的前1 s和后3 s。本研究在微震检测过程中,将互相关系数CC1、CC2和波形信噪比经验性地设置为0.35、0.3和10倍背景相关系数[11]。

通过模板检测计算和人工复核,伽师震源区2020年1月17日—2020年1月31日时间段内,共检测到3 622个地震事件(图2)。其中包括733个模板事件的自检测结果,以及与中国地震台网中心统一编目已定位目录中相同的地震事件1 133个和新检测地震事件1 756个,所检测出来的地震事件个数为传统方法已定位地震个数的1.3倍,新检测出来的地震事件个数大于已定位地震事件的个数。且新检测地震目录比原始地震目录在数量上有较大的提升[图2(a)],原始地震目录的震级范围在ML1.0～2.0之间,而新地震目录震级范围在ML0.5～1.5之间,补充了更多小震级事件。原始地震目录通常存在小震级地震事件缺失,其原因在于背景噪声对地震波形的干扰,以及大地震后能量快速释放而引起的后续地震事件波形的互相叠加。从时间分布上可以看出[图2(b)],主震后1天内遗漏事件较多,遗漏频次随着时间推移,逐渐趋于稳定。需要说明的是,尽管有原始目录中158个地震事件没有检测出来,这些事件主要集中在主震后2天内,且震级较小,主要分布在ML0.5～1.5之间,产生的原因可能是:原始目录中部分事件采用2个或者3个台站的数据进行计算,而本研究为了获取准确度和精度更高的震源参数位置,微震检测采用4个台站的数据进行定位,因此少于4个台站记录的微震事件会被忽略。

图3展示了微震事件检测实例。模板为2020年1月18日0时17分的ML2.0地震事件,而检测到的事件对应为2020年1月18日0时52分的ML1.3事件。地震模板事件波形与M&L所检测到的微震信号的叠加平均相关系数为0.573 1;

红色波形为模板地震事件波形,地震时间为2020-01-18,00:17:19;灰色波形为用于识别微震事件的连续波形,新的微震事件识别结果,其时间为2020-01-18,00:52:43,震级为ML1.3;左侧大写字母表示台站代码和分量;右侧数字表示互相关系数图3 微震识别模板匹配扫描结果实例Fig.3 Example of microseismic recognition result with the matched filter method

由于归一化互相关确定的互相关值,当两个地震事件的震源时间函数和辐射类型一致时,其互相关值为1。但是,对于实际的地震波形,即使上述两者一致,噪声的出现也会使得互相关值小于1。模板事件波形之间的平均背景互相关值通常在0.03左右,当采用9倍的平均背景互相关值作为地震检测的阈值,其CC值在0.2左右,图3展示的本研究检测结果CC值为0.573 1,表明其相关性较高,成功检测到1次微震事件。

我们将本研究检测到的遗漏地震,以及自检测地震事件和原始目录中没有检测出来的地震事件组合在一起,得到了更加完整、丰富的伽师地震序列目录(图4)。从检测事件的空间分布上可以看出,原始目录在平面上分布较分散,很难明显分辨地震的展布方向,而本研究所得目录的地震分布更加集中,展布形态更加清晰。由图4可知,2020年伽师地震序列主要呈两个优势方向展布,分别为NWW向和SSW向,其中大多数余震分布在NWW向,与SSW向余震呈不对称的共轭特征分布。此外,主要余震序列以S向零散分布一些余震。

图4 原始目录和本研究所得目录空间分布Fig.4 Spatial distribution of the events from the original catalogue and the one obtained in this study

图5给出了本研究所得目录的地震序列的震级-时间和震源深度分布。伽师地震序列M-t图显示[图5(a)],前震序列和余震序列均呈现衰减趋势,无论是地震的震级还是发生频次都在相应地减小,但前震序列活动频度远小于余震序列活动频度。

图5 地震序列震级及深度演化图Fig.5 Magnitude and depth evolution map of earthquake sequence

1月18日随着0时5分ML5.6地震的发生,震源区地震活动明显增强,在19日下午6时,主震发生前3小时出现短暂的地震活动平静,2021年云南漾濞MS6.4地震的前震序列也出现类似的特征[12],该特征为前震序列的典型特征,可能是深部大断裂发生破裂之前快速蠕动的临震表现。从震源深度分布可以看出[图5(b)],前震深度和余震深度均在约5～10 km和15～20 km处存在明显的优势发震层。

2 地震目录完备性和序列活动特征分析

完备震级MC(Magnitude of Completeness)是评估地震台网监测能力的一种方法,并且通过确定完备震级,使用该完备震级以上的地震目录进行地震序列活动性特征讨论时,可以确保研究结果的合理性和可靠性[13-14]。地震频次随震级变化而变化,并呈曲线分布,其频次峰值所对应的震级即为MC值,代表了目录的完备性。若MC值估算得太高,则有可能导致未能充分使用地震数据,而未能获得完整的地震信息;但若MC估算值比真实值低,则又有可能使得后续分析所用数据并不完整,导致模型参数值计算的错误结果,进而得出错误结论[15]。本文使用最大曲率法MAXC(Maximum Curvature Technique)对比分析了模板匹配前后地震目录的最小完整震级MC;作为一种常用的快速、直接、稳健的方法,该方法不需要进行任何参数拟合。同时,该方法也能够在地震目录数据相关性较小时,计算出合理的MC值。以往研究表明,b值反映地震活动和区域应力变化,b值的升降变化不仅直接反映了区域内不同震级地震的比例关系,而且体现了区域内地下介质的应力状态变化。一般而言,应力水平升高,则b值降低;b值升高,则应力水平降低。本研究采用ZMAP程序包[16]中的最大似然法[17]计算b值。

为了对匹配定位检测所得地震目录的质量加以评估,我们分别分析了新旧目录各自的完备性。检测后地震目录的完备震级由台网中心统一地震目录的ML1.6,降至检测目录的ML1.2(图6)。这再次表明:匹配定位方法可有效提高微小地震的检测能力,并降低完备震级MC。继而以各自的最小完整震级为起始震级,分别计算其b值,从而获得检测前后的伽师震源区的b值。检测前的b值为0.77,误差为±0.04;而检测后的b值则为0.76,误差为±0.02。比较遗漏事件地震补充前后b值结果,b值数值与误差均降低,这是由于检测后b值的计算地震完备度较高。

图6 匹配定位检测前后最小完备震级以及b值对比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录,我们以天为单位,对2020年1月17日—1月31日研究时间段的完备震级和b值进行统计,以分析伽师震源区的完备震级MC和b值的时变演化特征(图7),其中每个时窗内地震事件的最小样本数为50个。如图7(a)所示,主震后的短时间内,完备震级较高,最高值达ML2.2;这可能是因为主震尾波干扰对后续波形造成了严重影响。随着时间的推移,完备震级慢慢变小,并逐渐趋于稳定,并且呈周期性的波动;产生这种现象的原因可能是主震波形能量逐渐衰减,后续波形受主震影响较小,MC周期性波动与白天、夜晚噪声水平不同有关。由于大部分地震都发生在20 km或更浅,在分析b值随时间变化演化特征时,为了分清b值的变化来源,我们参照刘雁冰等[18]分析汶川地震b值随时间变化的方法来分析演化特征。因此,计算b值随时间变化只考虑20 km或更浅的区域,之后同样以天为单位,分析余震序列b值随时间演化的特征[图7(b)]。在时间段内地震序列发生过程中,b值总体低于1.2,变化范围在0.6～1.2之间,MS6.4主震前b值约为0.6左右,存在低值的现象,可能显示应力不断积累的过程,符合大地震前的变化规律;主震发生后,b值起伏明显,可能与震后余震区断层上较为剧烈的应力调整有关[19]。当b值降低时可能反映了局部的差应力增大,因为很多余震都在震后时间段内发生,而b值的缓慢恢复,则反映了差应力逐渐下降,并低于震前水平。这种b值随时间的变化趋势可能反映了伽师震源区应力积累和释放的演化过程。

图7 地震序列完备震级和b值演化图Fig.7 Magnitude of completeness and b-value evolution map of seismic sequence

3 结论

本文通过模板匹配方法,对2020年1月19日新疆伽师MS6.4地震后15天的连续波形数据,开展遗漏地震检测,共检测出1 756个新地震事件,约为中国地震台网中心目录给出的已定位地震数量1 306的1.3倍。并将检测出来的地震目录完备震级进行对比,使完备震级MC由ML1.6减小到ML1.2,地震活动性b值由检测前的0.77±0.04减小到0.76±0.02。

利用本研究所得到地震目录计算得到的伽师震源区的完备震级和b值随时间变化显示,震源区的完备震级在主震后迅速上升,最高值达ML2.2,然后降低并逐渐稳定在ML1.0左右;主震发生前地震序列的b值较低,表明此时震源区应力状态处于较高水平;而主震发生后的b值随时间的推移而迅速增大。

本研究所获得的地震目录为2020年伽师地震序列增加了更多的样本,为精细化描述该地区地震序列时空演化特征提供了关键数据基础,为该区域未来地震活动性判断提供了科学的参考资料。另外,在更加完整的目录前提下进一步计算出来的b值可以为后续分析伽师地区地震活动性以及强震危险性都具有现实的意义。本研究表明,模板匹配方法可有效提高遗漏地震的检测率及地震目录的完备性;同时,模板检测自动化的计算模式节省了大量的人为工作量,在中强地震发生后能够高效而快速地识别出微震事件,为震后应急决策救援提供关键的地震序列目录数据。