黄石市地震台背景噪声特征分析

摘要：

利用2018年1月—2020年3月湖北省黄石市三个地震台的垂直分量连续地震波形数据，计算新冠肺炎疫情前（2018年1月—2019年12月）和疫情防控期间（2020年1—3月）三个地震台的噪声加速度功率谱密度和概率密度函数，重点分析高频段（1～10 Hz）地震背景噪声的时空变化特征。研究结果显示：（1）疫情防控期间，高频噪声加速度功率谱密度整体明显下降，特别是在春节期间。2018年和2019年春节期间短周期（～1 s）噪声幅值下降明显，而在假期结束后迅速恢复;2020年春节正值新冠疫情防控期间，噪声幅值大幅下降，并且持续保持在较低水平。（2）日变化模式改变。疫情前，地震背景噪声在白天（6：00—20：00）的功率谱密度明显高于晚上（20：00—次日6：00），中午12：00左右功率谱密度出现短时下降，夜间2：00左右出现最低值，这种变化特征与人类的作息规律一致;而在新冠疫情防控期间，噪声幅值下降且日变化不明显，表明人类活动减弱，高频噪声幅值相应变化。（3）人口密度和经济发展水平影响噪声水平。人口密度和经济发展水平较高的地区噪声水平偏高，这表明城市的人类活动和经济状况与地震背景噪声存在关联。这些研究结果对城市规划、公共管理和环境保护具有重要的参考价值，可为城市人类活动监测和公共治理提供有用信息。

关键词：

地震背景噪声; 黄石市; 功率谱密度; 概率密度函数; 人类活动

中图分类号： P315.7""""" 文献标志码：A"" 文章编号： 1000-0844（2025）01-0152-08

DOI：10.20000/j.1000-0844.20230518002

Ambient noise characteristics at seismic

stations in Huangshi City

WU Lihui1，2， LIAO Wulin3， LI Jinling2， BAO Sarina4

（1. Public Policy Research Center， Hubei University of Education， Wuhan 430205， Hubei， China;

2. School of Economics and Management， Hubei University of Education， Wuhan 430205， Hubei， China;

3. Hubei Earthquake Agency， Wuhan 430071， Hubei， China;

4. Field Science Education and Research Center， Kyoto University， Wakayama 6492211， Japan）

Abstract：

Using continuous seismic waveform data from the vertical component collected at three seismic stations in Huangshi City， Hubei Province， from January 2018 to March 2020， the power spectral density and probability density function of noise acceleration were calculated for the three stations before the COVID-19 pandemic （from January 2018 to December 2019） and during the pandemic （from January to March 2020）. This study focused on the spatiotemporal variation of high-frequency （1-10 Hz） seismic ambient noise. Results are as follows： （1） During the COVID-19 pandemic prevention period， an overall decrease in the acceleration power spectral density of high-frequency noise was observed. Notably， during the Spring Festival in 2018 and 2019， the amplitudes of short-period （approximately 1 s） noises decreased， with a rapid recovery after the holiday. However， during the COVID-19 pandemic prevention in 2020， noise amplitudes substantially dropped and remained at low levels. （2） Changes in diurnal pattern were observed. Before the pandemic， the power spectral density of earthquake background noise in the daytime （6：00-20：00） was notably higher than that in the nighttime （20：00-6：00）. At approximately 12：00， the power spectral density decreased for a short time， and the lowest value appeared at approximately 2：00. This change is consistent with the pattern of human work and rest. However， during the COVID-19 epidemic prevention and control， the noise amplitudes decreased， and the diurnal variation became less pronounced， indicating a reduction in human activities， which in turn led to changes in the high-frequency noise amplitude. （3） Additionally， population density and economic development were found to affect the ambient noise level. Regions with higher population density and greater economic development exhibited higher noise levels， indicating a correlation between urban human activities and economic conditions with seismic ambient noise. These results offer substantial reference value for urban planning， public administration， and environmental protection， providing valuable insights for monitoring urban human activities and improving public governance.

Keywords：

seismic ambient noise; Huangshi City; power spectral density; probability density function; human activity

0 引言

地震台站所记录的连续波形信号不仅包含地震信号，还包含了非地震时刻的振动噪声（地震噪声），而且这些记录中大部分为噪声记录。地球深部非震形式的物质运动、海浪和潮汐作用、气象变化，及人类活动，是不同频率段噪声的主要源头，认识和利用噪声数据对地震学及交叉学科领域的研究十分重要。自20世纪50年代以来，地震学者们一直在关注并研究地震背景噪声［1］。

Peterson［2］为了评估地震仪器的性能，对全球地震观测台（SRO）和简易地震观测台（ASRO）在不同频段的地震噪声进行了计算和分析，先后提出了低噪声模型和高噪声模型。基于这些模型，Peterson［3］定量分析了全球75个地震台站的地震背景噪声数据，计算其噪声功率谱密度（Power Spectral Density，PSD），从而得出全球新高噪声模型（New High Noise Model，NHNM）和新低噪声模型（New Low Noise Model，NLNM），也就是全球地震背景噪声模型。这些模型被广泛使用，并作为评估台站噪声水平的重要标准。Mcnamara［4］基于全球地震背景噪声模型和噪声功率谱密度方法，不仅未排除地震等重大环境变化，也未选择特定时间段的噪声数据，而是对所有记录数据进行了计算和分析，提出了概率密度函数方法（Power Density Function，PDF），通过概率形式获取台站的噪声变化特征和噪声水平。这一方法的提出对于台站的观测水平和质量监控提供了重要参考，受到了广泛认可，并被地震研究中心和地震台（如IRIS、ANSS）所采用［5］。

地震噪声模型主要研究远离人类活动的地球本底背景噪声，包括微震和长周期段的噪声特征。这些研究有助于深入了解地球内部的物理过程，监测地震活动，并可提供地震学研究和地震监测的基础。尽管地震台站记录了人类活动引起的噪声，但在先前的噪声概率密度函数图中并没有明确显示。

经过多年的探索研究，学术界普遍认为不同频段的噪声具有不同的来源和产生机制，每个频段的噪声特征受到不同的物理过程和地球内部活动的影响。根据宽频带地震仪频带范围（60 s～50 Hz），可以将噪声分为四个频段：高频（0.025～0.2 s）、短周期（0.2～1 s）、微震（1～10 s）和长周期（10～20 s）［6-7］。

一般来说，周期小于1 s的短周期或高频频段的噪声为人文噪声（culture noise），其主要源头是人类活动。这种噪声是由人类在地球表面或附近的活动引起的，与交通运输、工业活动、建筑施工等人类活动密切相关［7-9］。此外，它还表现出明显的季节性变化和日变化特征［6，10-12］。同时，地震背景噪声还具有区域差异，与交通、工业活动等人文活动的强度分布有关［12］。

新冠疫情防控措施的实施为研究人文噪声和人类活动的相关性提供了科学机会，这一领域引起了地震学家们的兴趣。相关研究人员分析了由于新冠疫情防控引起的人类活动减弱对地震噪声强度变化的影响［13-15］。Lecocq等［13］研究发现，在全球抗击新冠肺炎疫情的封锁措施实施期间，高频（4～14 Hz）地震噪声整体水平下降，降幅达50%，在人口密度大的地区下降效果更为明显。Wang等［16］通过计算和对比分析2019年和2020年不同台站在平时、春节、疫情防控期间及恢复期的噪声水平，发现春节和疫情防控期间的噪声降低程度与沉积层的厚度和人口密度存在相关性。

黄石市位于中国湖北省东南部，是鄂东南地区的重要水陆交通枢纽，同时也是武汉都市圈的核心成员。黄石市辖区划分为四个市辖区、一个县级行政区（即阳新县），以及一个县级市（即大冶市）。在2019年底，新冠肺炎疫情在武汉爆发，接着迅速在黄石市蔓延。从2020年1月24日开始，感染人数急剧增加，到2月中旬疫情感染人数基本得到控制（图1）。为了遏制疫情蔓延，从2020年1月24日起，黄石市采取了一系列措施，如停运城市道路客运。当天，黄石市内的城市轨道交通站和火车站通道暂时关闭，1月25日主要高速公路出口也暂时关闭，1月26日高速公路的进出通道暂时关闭。直到3月13日，开始有序分时、分类地推进工业企业的复工和复产。3月14日，黄石市逐步恢复了城区公交线路，3月23日，社区（村组）内的人员和车辆恢复了正常的出行。

本文选取黄石市三个地震台，分别是HSH、DYE和YNX（图2），收集了这些地震台2018年1月1日—2020年3月25日期间的连续地震波形数据，并将这些数据分为两个时间段，分别是疫情防控前和疫情防控期间。在这两个时间段内，分别计算了这三个地震台的加速度功率谱密度和概率密度函数，通过对比分析，研究黄石市高频地震背景噪声的特征。这三个地震台的基本信息列于表1。

1 数据和方法

首先，收集黄石市三个地震监测台站在2018年1月— 2020年3月期间的原始地震波形数据。接着，主要参照 Mcnamar［4］和吴丽慧等［11］所采用的方法，不对干扰数据进行筛选，对这些监测台站的垂直分量原始数据进行了预处理。预处理的主要步骤包括：（1）获取原始数据，其格式为MiniSeed，随后使用Python Obspy软件包将这些数据转换为sac文件格式;（2）将连续波形数据按照每24 h（即每天）的时间单位进行切割;（3）对每天的数据进行去均值、去线性趋势处理，并对数据两端进行尖灭处理;（4）对数据进行去除仪器响应的处理;（5）将经过处理的数据文件转化为以加速度为单位的sac文件。

接着，将经过处理的数据分为两个时间阶段：新冠疫情前和新冠疫情防控期间，分别计算噪声的加速度功率谱PSD和概率密度函数PDF。方法和步骤如下：

（1） 以小时为单位，将每小时的样本数据分成13个时间段，相邻数据段的重复率设为75%，为尽量减少PSD估算的方差，每小时之间的重复率为50%，计算每小时的PSD。为了提高PSD结果的可视化效果和可比性，使其更适于与全球高低噪声模型进行比较，将各台站计算得到的功率谱密度（PSD）值转换为以dB为单位的形式。此外，为了获得在坐标上较为均匀分布的PSD，使用1/8倍频程的频率间隔对PSD曲线进行光滑处理。

（2） 计算概率密度函数PDF值，绘制PDF图。PDF主要反映在所选取的观测数据序列中，特定中心周期和特定功率值的出现概率。首先，计算整个周期范围内特定周期处的平均功率谱密度。该周期位于短周期端和长周期端之间，其功率值通过几何平均法计算，以覆盖倍频程范围。随后，使用1/8倍频程的间隔逐步增加短周期，计算每个间隔内的平均功率谱密度。重复此过程，直到时间序列窗口达到最长有效周期。对于给定的中心周期，PDF的值表示该周期对应功率窗口内记录段数与总记录段数的比值。换而言之，它统计了在不同时间段内，周期的功率谱密度达到某一特定数值的概率［17］。本文使用IRIS 网站提供的具体计算程序来实现对PDF的计算和绘图［18］。

2 高频噪声特征分析

本文基于黄石市三个地震台2018年1月—2020年3月记录的连续观测数据，分别计算了新冠疫情防控前和防控期间各地震台垂直向加速度功率谱密度和概率密度函数。

2.1 时变特征分析

图3展示了2018年1月—2019年12月以及2020年1—3月黄石市三个观测站概率密度函数分布图。从图中可以观察到新冠疫情防控前和防控期间地震噪声功率谱变化趋势与全球高低噪声模型（NHNM和NLNM）的总体趋势基本一致。总体而言，按照噪声水平从高到低的顺序，三个台站排列为HSH台、DYE台和YNX台。表2列出了这三个台站所在地的人口密度和人均GDP。这与王芳等［12］研究结果一致，即人口密度和经济发展水平与噪声水平呈正相关。

同时，还可以看出在1 s及更长周期上并未出现明显变化，然而，在疫情防控期间，各地震台的地震噪声在周期小于1 s的范围内，其功率谱值显著下降，特别是在0.1 s左右，HSH台的功率谱下降了7～10 dB，DYE台下降了8～15 dB，YNX台的功率谱下降了6～10 dB。这些高频地震噪声的显著变化反映了“封城”期间人类活动以及相关工业设施运行明显减少。

2.2 日变特征分析

为了更深入地探究环境噪声的变化特征，对黄石市三个地震台站每天相同时间的概率密度函数PDF中值进行计算。根据计算结果，绘制了各台站在新冠疫情前和新冠疫情防控期间地震噪声功率谱的日变化图（图4）。从图4 （a）中可以看出，在2018—2019年间，黄石地区高频段（～0.2 s）的地震噪声表现出明显的日变化规律特征。从6：00起噪声逐渐升高，并在12：00左右达到峰值;在12：00—14：00间噪声略有下降，出现间歇性低谷;在16：00左右再次达到峰值，20：00左右噪声逐渐减弱。这种规律性的变化与人类的作息规律相一致，表明该地区高频段噪声主要受到人类活动的影响。人口密度大、经济发展水平高的地区噪声水平偏高，噪声强度排序为HSH台gt;DYE台＞YNX台。此外，HSH台在周期0.2 s左右，功率谱密度总体上保持在较高水平，大致在-120 dB附近波动，但在5：00及12：00左右出现间歇性低谷，噪声水平昼夜差异较小。这很大程度上与HSH台周边环境有关：HSH台站位于江边，距长江航运水道堤岸约300 m，距福银高速公路直线距离约3 km，距离鄂州花湖机场10 km。

为了遏制疫情的蔓延和阻断其传播，黄石市自2020年1月24日10时起“封城”。从图4（b）中可以看出，相较于疫情之前，高频段噪声功率谱密度整体下降，但仍存在区域差异，在人口密度大、经济发展水平高的地区，噪声水平略高。虽然整体噪声水平下降，但仍保留了疫情防控前的日变化规律特征，具体而言，在6：00—20：00间高频段噪声的功率谱密度

高于20：00至 次日5：00的功率谱密度。然而，在此期间（12：00）没有明显的间歇性低谷。这客观地说明了“封城”期间人类活动的减弱，导致背景噪声功率谱密度出现了一致性变化。此外，由于公路、铁路、码头的关闭，HSH台在周期0.2 s功率谱密度下降最为显著，降幅约10 dB，且无明显间歇性低谷和高峰段。这表明背景噪声功率谱密度变化能较好地反映出生活和生产活动情况。

同时，通过对三个地震台记录的新冠疫情防控前和防控期间

的噪声功率谱密度进行比较，发现对于周期在1 s及以上的微震和长周期段噪声功率谱密度并未出现明显的变化（图4）。这表明在这个频带范围内，噪声与人类活动之间的相关性较低。

由于2020年中国春节假期与疫情“封城”时间存在重叠，春节期间人类活动的减少对背景噪声产生了一定的影响。为了更好地观察和比较人类活动减弱与噪声之间的关系，本研究选取了HSH地震台，对比分析该台站在2020年疫情防控期间与2018年及2019年农历同期垂直向地震噪声的加速度幅值。通过对比，能够消除春节假期的影响，从而更准确地观察和比较人类活动减弱对噪声的影响程度（图5）。

从图5中可以观察到：2018年和2019年春节前夕噪声幅值开始下降，在春节假期期间，幅值达到最低值，下降约30%，随着春节假期结束，噪声幅值迅速回升至节前水平。2020年春节前夕，噪声下降幅度同2018、2019年基本保持一致，但在除夕当日“封城”后，噪声幅值一直保持在较低水平，随着疫情防控的升级，噪声幅值进一步降低。到了2020年3月中旬，疫情得到一定程度的控制，出行限制逐步解除，噪声幅值逐渐回升，恢复到往年同期水平。

3 总结

本研究以黄石市三个地震台站为研究对象，通过分析2018年1月—2020年3月的连续地震波形数据，深入研究了新冠疫情防控前和防控期间的地震背景噪声变化情况。通过对加速度功率谱密度和概率密度函数的计算与分析，深入探讨了疫情防控措施对地震噪声的影响，并得出了以下结论：

（1） 研究发现新冠疫情防控期间，高频地震噪声在周期小于1 s的频段中明显下降。这一降幅在不同地震台站之间有所差异，但总体上，噪声水平呈现下降趋势。这表明“封城”及其他疫情防控措施使得人类活动减弱，从而显著影响了地震背景噪声。

（2） 地震背景噪声在春节期间表现出明显的日变化规律，与人类活动的生活和工作规律相吻合，然而，在新冠疫情防控期间，这种日变化规律减弱，表明“封城”和疫情防控措施对地震噪声的日变化规律产生了影响。这些变化直观地反映出城市居民的生活和生产活动强度变化情况。

（3） 研究还发现人口密度和经济发展水平与地震背景噪声水平存在一定关联。通常情况下，人口密度较大和经济水平较高的地区，其噪声水平也相对较高。这进一步证明了城市噪声与人类活动之间的密切联系。

需要强调的是，针对周期在1 s及以上的微震和长周期段噪声，研究结果并未显示出明显的变化，这说明这些频段的噪声与人类活动的相关性相对较低，更可能受到地球内部物理过程的影响。

（4） 通过对不同年份春节期间的地震噪声进行比较，进一步阐释了新冠疫情期间噪声的显著下降。与以往的春节期间相比，2020年新冠疫情期间噪声下降幅度更大，同时保持在相对较低的水平。这一变化反映了“封城”和疫情防控措施对背景噪声的显著减弱。

综上所述，这项研究对新冠疫情期间人类活动和城市噪声变化进行了深入分析，为城市规划、公共管理和环境保护提供了有价值的洞察，同时也为地震学领域的研究和监测提供了重要参考，有助于更好地理解地球内部的物理过程和地震活动。

参考文献（References）

［1］ BRUNE J，OLIVER J.The seismic noise of the earth's surface［J］.Seismological Research Letters，1959，30：16.

［2］ PETERSON J.Preliminary observations of noise spectra at the SRO and ASRO stations［R/OL］.United states department of inverior ceological survey，1980.［2023-05-18］https：//doi.org/10.3133/ofr80992.

［3］ PETERSON J.Observations andmodeling of seismic background noise［R/OL］.United states department of inverior ceological survey，1993.［2023-05-18］.https：//doi.org/10.3133/ofr93322.

［4］ MCNAMARA D E.Ambient noise levels in the continental United States［J］.Bulletin of the Seismological Society of America，2004，94（4）：1517-1527.

［5］ DAZ J，VILLASEOR A，MORALES J，et al.Background noise characteristics at the IberArray broadband seismic network［J］.Bulletin of the Seismological Society of America，2010，100（2）：618-628.

［6］ 蔡辉腾，陈颙，金星，等.福建地区环境噪声特性研究［J］.地震研究，2019，42（1）：64-71.

CAI Huiteng，CHEN Yong，JIN Xing，et al.Study on ambient noise characteristics in the Fujian region［J］.Journal of Seismological Research，2019，42（1）：64-71.

［7］ 葛洪魁，陈海潮，欧阳飚，等.流动地震观测背景噪声的台基响应［J］.地球物理学报，2013，56（3）：857-868.

GE Hongkui，CHEN Haichao，OUYANG Biao，et al.Transportable seismometer response to seismic noise in vault［J］.Chinese Journal of Geophysics，2013，56（3）：857-868.

［8］ WEBB S C.Broadband seismology and noise under the ocean［J］.Reviews of Geophysics，1998，36（1）：105-142.

［9］ WU L H，WANG D，LEI Z G，et al.Campus vibration in Nanwangshan campus，China University of Geosciences at Wuhan monitored by short-period seismometers［J］.Journal of Earth Science，2020，31（5）：950-956.

［10］ 谢江涛，林丽萍，赵敏，等.四川地区地震背景噪声特征分析［J］.地震学报，2021，43（5）：533-550.

XIE Jiangtao，LIN Liping，ZHAO Min，et al.Characteristics of seismic ambient noise in Sichuan region［J］.Acta Seismologica Sinica，2021，43（5）：533-550.

［11］ 吴丽慧，廖武林，黎金玲，等.新冠疫情防控前后湖北恩施地震台背景噪声变化分析［J］.地震工程学报，2022，44（1）：145-151.

WU Lihui，LIAO Wulin，LI Jinling，et al.Analysis of seismic ambient noise before and after the prevention and control of COVID-19 pandemic at Enshi station，Hubei Province［J］.China Earthquake Engineering Journal，2022，44（1）：145-151.

［12］ 王芳，王伟涛，龙剑锋，等.中国大陆地区宽频带地震台网台基噪声特征［J］.地震学报，2019，41（5）：569-584.

WANG Fang，WANG Weitao，LONG Jianfeng，et al.Seismic noise characteristics of broad-band seismic networks in Chinese mainland［J］.Acta Seismologica Sinica，2019，41（5）：569-584.

［13］ LECOCQ T，HICKSS P，VAN NOTEN K，et al.Global quieting of high-frequency seismic noise due to COVID-19 pandemic lockdown measures［J］.Science，2020，369（6509）：1338-1343.

［14］ XIAO H，EILON Z C，JI C，et al.COVID-19 societal response captured by seismic noise in China and Italy［J］.Seismological Research Letters，2020，91（5）：2757-2768.

［15］ 安全，韩晓明，刘甜甜，等.西拉木伦断裂带东沿背景噪声特征分析［J］.地震工程学报，2022，44（4）：936-944.

AN Quan，HAN Xiaoming，LIU Tiantian，et al.Characteristics of ambient noise along the east of Xar Moron fault zone［J］.China Earthquake Engineering Journal，2022，44（4）：936-944.

［16］ WANG W L，CAI G Y，LAI G J，et al.Ambient noise level in eastern North China from ChinArray and its response to COVID-19［J］.Seismological Research Letters，2021，92（6）：3586-3601.

［17］ 谢江涛，林丽萍，谌亮，等.地震台站台基噪声功率谱概率密度函数Matlab实现［J］.地震地磁观测与研究，2018，39（2）：84-89.

XIE Jiangtao，LIN Liping，CHEN Liang，et al.The program of probability density function of power spectral density curves from seismic noise of a station based on Matlab［J］.Seismological and Geomagnetic Observation and Research，2018，39（2）：84-89.

［18］ IRIS.Data Services Products：Noise Toolkit［EB/OL］.（2021-11-15）［2023-05-18］.https：//ds.iris.edu/ds/products/noise-toolkit/.

（本文编辑：张向红）