利用概率密度分布提取地下流体数字化观测资料中的高频异常信息以2014年鲁甸6.5级地震为例

地震 ›› 2018, Vol. 38 ›› Issue (1): 35-48.

利用概率密度分布提取地下流体数字化观测资料中的高频异常信息以2014年鲁甸6.5级地震为例

王喜龙¹, 贾晓东¹, 王博², 王熠熙³, 王俊⁴, 向阳⁵, 靳浩⁶, 付聪¹

1.辽宁省地震局, 辽宁沈阳 110034;
2.中国地震台网中心, 北京 100045;
3.安徽省地震局, 安徽合肥 230031;
4.天津市地震局, 天津 300201;
5.新疆维吾尔自治区地震局, 新疆乌鲁木齐 830001;
6. 青海省地质调查局, 青海西宁 810001

收稿日期:2017-01-23 出版日期:2018-01-31 发布日期:2019-08-14
通讯作者: 贾晓东,高级工程师。E-mail:jxd.dx@163.com。
作者简介:王喜龙(1988-),男,吉林市人,工程师,主要从事地震预测预报研究。
基金资助:
中国地震局地震科技星火计划(XH16006Y, XH15011); 中国地震局地震监测预报经常性项目(17C07ZX022, 17C072X020)

Extracting High-frequency Anomaly from Digital Underground Fluid Data: A Case Study of the 2014 Ludian M_S6.5 Earthquake

WANG Xi-long¹, JIA Xiao-dong¹, WANG Bo², WANG Yi-xi³, WANG Jun⁴, XIANG Yang⁵, JIN Hao⁶, FU Cong¹

1.Earthquake Administration of Liaoning Province, Shenyang 110034, China;
2.China Earthquake Networks Center,Beijing 100045, China;
3.Earthquake Administration of Tianjin Municipal City, Tianjin 300201, China;
4.Earthquake Administration of Anhui Province, Hefei 230031, China;
5.Earthquake Administration of Xinjiang Uygur Autonomous Region, Urmuqi 830002, China;
6.Qinghai Bureau of Geological Survey, Qinghai Xining 810001, China

Received:2017-01-23 Online:2018-01-31 Published:2019-08-14

摘要/Abstract

摘要： 中国地震地下流体观测经过数字化改造以后, 观测资料的采样频率显著提高。流体观测资料中的高频数据含有丰富构造信息, 为我们捕捉地震孕育及发生过程中的前兆异常信息提供了有利条件。但是, 高频信息的出现激发了对数据分析方法改变的需求, 如何研发与数字化高频观测资料相匹配的数据处理和异常识别方法, 从高频观测数据中挖掘潜在的前兆异常信息, 成为目前地震地下研究者首要需解决的关键问题。应用概率密度分布法对2014年鲁甸6.5级地震前南北地震带174组水位、水温分钟值高频观测数据进行分析, 结果显示: 鲁甸6.5级地震前共有10个水位测点和7个水温测点出现高频信息异常, 异常多集中在滇西南构造带的滇中次级块体两侧, 且随着时间推移, 有向震中区逼近的变化特征。通过对震源区及附近地区地壳结构、构造应力作用及更大范围的区域动力演化特征进行分析, 发现异常信息的空间分布特征与川滇地区地壳运动场具有很好的一致性, 说明概率密度分布可有效反映出区域构造应力作用, 同时也验证了利用概率密度分布在流体观测数据的高频信息异常提取方面具有一定可靠性。

关键词: 地震地下流体, 数字化观测, 高频信息, 概率密度分布, 2014年鲁甸6.5级地震

Abstract: The sampling frequency of data has been obviously improved after the digital transformation for the seismic subsurface fluids observation in China. And there is a great deal of tectonic information in high frequency observational data, creating favorable conditions for us to catch the precursory information in earthquake nucleation and occurrence process. How to develop data processing and anomaly recognition method matching with the digital high frequency observation data for extracting useful abnormal information become a key issue. We introduced the PDF (probability density distribution) method to analyzed fluid observation data of water level and water temperature at 174 stations in the area of the North-South Seismic Zone before the Ludian M_S6.5 earthquake on August 3, 2014. The analysis results show that 10 water level and 7 water temperature data had the high frequency anomalies before the earthquake, and the points of abnormal information were concentrated in the tectonic belts of the central Yunnan sub-block in the southwest. The high-frequency anomalies migrated to the epicenter over time. Based on the analysis of crustal structure and tectonic stress near the earthquake epicenter, as well as the dynamic evolution in a larger area in this region, we found that the spatial distribution of abnormal information had a good consistency with the crustal deformation of the Sichuan-Yunnan region. This result not only shows that the PDF can effectively reflect the regional tectonic stress field, but also has certain reliability and applicability to extract high-frequency anomaly information from fluid observation data.

Key words: Undergound fluids, Earthquake precursor, Probability density distribution, The 2016 Ludian M_S6.5 earthquake

中图分类号:

P315.7

王喜龙, 贾晓东, 王博, 王熠熙, 王俊, 向阳, 靳浩, 付聪. 利用概率密度分布提取地下流体数字化观测资料中的高频异常信息以2014年鲁甸6.5级地震为例[J]. 地震, 2018, 38(1): 35-48.

WANG Xi-long, JIA Xiao-dong, WANG Bo, WANG Yi-xi, WANG Jun, XIANG Yang, JIN Hao, FU Cong. Extracting High-frequency Anomaly from Digital Underground Fluid Data: A Case Study of the 2014 Ludian M_S6.5 Earthquake[J]. EARTHQUAKE, 2018, 38(1): 35-48.

参考文献

[1] 刘耀炜, 范世宏, 曹玲玲. 地下流体中短期异常与地震活动性指标[J]. 地震, 1999, 19(1): 19-25.
[2] 刘耀炜, 曹玲玲, 平建军. 地下流体短期前兆典型特征分析[J]. 中国地震, 2004, 20(4): 372-379.
[3] 孙小龙, 王俊, 向阳, 等. 基于《中国震例》的地下流体异常特征统计分析[J]. 地震, 2016, 36(4): 120-130.
[4] 杜建国, 刘连柱, 康春丽. 地震活动中地壳深部流体的作用研究进展[J]. 地球科学进展, 1997, 12(5): 416-420.
[5] 王秀英, 张聪聪, 杨德贺. 一种基于大数据的前兆异常识别方法以云南鲁甸地震为例[J]. 大地测量与地球动力学, 2015, 35(6): 1074-1077.
[6] 王广才, 车用太, 刘成龙, 等. 我国地震地下流体观测的现状和趋势[J]. 水文地质工程地质, 2003, 30(6): 89-96.
[7] 孙小龙, 王广才, 晏锐. 利用概率密度分布提取流体观测资料中的高频异常信息以2008年汶川8.0级地震为例[J]. 地球物理学报, 2016, 59(5): 1673-1684.
[8] 杨明波, 康跃虎, 张庆, 等. 北京地下水位趋势下降动态及地震前兆信息识别[J]. 地震学报, 2009, 31(3): 282-289.
[9] 张素欣, 张子广, 刘俊明, 等. 数字化水位观测资料的应用研究[J]. 地震, 2002, 22(4): 89-93.
[10] 孙小龙, 刘耀炜. 塔院井水位和水温的同震响应特征及其机理探讨[J]. 中国地震, 2008, 24(2): 105-115 .
[11] 曹玲玲, 高安泰. 汶川M_S8.0地震引起的甘肃数字化水位、水温同震响应特征分析[J]. 地震学报, 2010, 32(3): 290-299.
[12] Sun X L, Liu Y W. Changes in groundwater level and temperature induced by distant earthquakes[J]. Geosciences Journal, 2012, 16(3): 327-337.
[13] 张彬, 刘耀炜, 杨选辉. 中国大陆井水温对汶川8.0级、玉树7.1级、芦山7.0级和岷县6.6级地震响应特征的对比研究[J]. 地震工程学报, 2013, 35(3): 535-541.
[14] 张彬, 刘耀炜, 高小其, 等. 2015年尼泊尔M_S8.1地震引起的井水位与井水温同震效应及其相关性分析[J]. 地震学报, 2015, 37(4): 533-540.
[15] 周龙寿, 邱泽华, 唐磊, 等. 用小波方法系统检验强震“前驱波”[J]. 地震学报, 2009, 31(1): 1-12.
[16] 邱泽华, 张宝红, 池顺良, 等. 汶川地震前姑咱台观测的异常应变变化[J]. 中国科学: 地球科学, 2010, 40(8): 1031-1039.
[17] 邱泽华, 唐磊, 张宝红, 等. 用小波—超限率分析提取宁陕台汶川地震体应变异常[J]. 地球物理学报, 2012, 55(2): 538-546.
[18] 刘琦, 张晶. S变换在汶川地震前后应变变化分析中的应用[J]. 大地测量与地球动力学, 2011, 31(4): 6-9.
[19] 刘琦, 张晶, 池顺良, 等. 2013 年芦山M_S7.0 地震前后姑咱台四分量钻孔应变时频特征分析[J]. 地震学报, 2014, 36(5): 770-779.
[20] 韩冰, 汤吉, 赵国泽, 等. 小波极大值方法及其在电磁异常信号提取中的应用[J]. 地震地质, 2015, 37(3): 765-779.
[21] Manshour P, Saberi S, Sahimi M, et al. Turbulent-like behavior of seismic time series[J]. Physical Review Letters, 2009, 102(1): 014101.
[22] Manshour P, Ghasemi F, Matsumoto T, et al. Anomalous fluctuations of vertical velocity of earth and their possible implications for earthquakes[J]. Physical Review E, 2010, 82(2): 98-118.
[23] 杨从杰, 冯志生, 宋德伟, 等. 小波分析方法在提取井水位潮汐因子震前变化特征的初步应用[J]. 西北地震学报, 2005, 27(2): 163-167.
[24] 孙小龙, 刘耀炜, 晏锐. 经验模态分解法在地下水资料处理中的应用[J]. 大地测量与地球动力学, 2011, 31(2): 80-83.
[25] 晏锐, 蒋长胜, 张浪平. 汶川8.0级地震前水氡浓度的临界慢化现象研究[J]. 地球物理学报, 2011, 54(7): 1817-1826.
[26] Carbone V, Veltri P, Bruno R. Solar wind low-frequency magneto hydrodynamic turbulence: extended self-similarity and scaling laws[J]. Nonlinear Processes in Geophysics, 1996, 3(4): 247-261.
[27] Burlaga L F, A J. Lognormal distributions and spectra of solar wind plasma fluctuations: Wind 1995—1998[J]. Journal of Geophysical Research Space Physics, 2000, 105(A2): 2357-2364.
[28] Sorriso-Valvo L, Carbone V, Giuliani P, et al. Intermittency in plasma turbulence[J]. Planetary and Space Science, 2001, 49(12): 1193-1200.
[29] Ghashghaie S, Breymann W, Peinke J, et al. Turbulent cascades in foreign exchange markets[J]. Nature, 1996, 381(6585): 767-770.
[30] Kiyono K, Struzik Z R, Aoyagi N, et al. Phase transition in a healthy human heart rates[J]. Physical Review Letters, 2005. 95(5): 058101.
[31] 姚淑霞, 张铜会, 赵传成. 科尔沁沙地土壤水分动态分析及其概率密度函数模拟[J]. 水科学进展, 2013, 24(1): 62-72.
[32] 李杰, 陈建兵, 张琳琳, 等. 中国大陆地区年最大平均风速的概率密度函数[J]. 自然灾害学报, 2006, 15(5): 76-82.
[33] 许冲, 徐锡伟, 沈玲玲, 等. 2014年鲁甸M_S6.5地震触发滑坡编录及其对一些地震参数的指示[J]. 地震地质, 2014. 36(4): 1186-1203.
[34] 徐锡伟, 江国焰, 于贵华, 等. 鲁甸M_S 6.5级地震发震断层判定及其构造属性讨论[J]. 地球物理学报, 2014, 57(9): 3060-3068.
[35] 徐长发, 李国宽. 实用小波方法[M]. 武汉: 华中科技大学出版社, 2001.
[36] 刘希强, 周蕙兰, 李红, 等. 基于小波包变换的地震数据时频分析方法[J]. 西北地震学报, 2010, 22(2): 143-146.
[37] 刘强, 宋治平. 基于小波分析提取的云南强震数字化形变异常特征[J]. 中国地震, 2007, 23(3): 310-318.
[38] 顾申宜, 张慧. 水位、水氡小波分析中期异常提取方法[J]. 地震学报, 2011, 33(4): 471-482.
[39] 刘冠中, 王建军, 王在华, 等. 小波多尺度熵在新疆跨断层形变资料中的应用[J]. 地震地质, 2009, 31(3): 501-514.
[40] 刘建明, 李志海, 孙甲宁, 等. 基于小波分析提取地倾斜异常特征[J]. 地震, 2016, 36(1): 38-48.
[41] Mallat S G. A theory of multiresolution signal decomposition: the wavelet representation[J]. IEEE Trans, 1989, 11(7): 674-693.
[42] 郭增建, 秦保燕, 冯学才. 从震源孕育模式讨论大震前地下水的变化[J]. 地球物理学报, 1974, 7(2): 99-105.
[43] Castaing B, Gagne Y, Hopfinger E J. Velocity probability density functions of high Reynolds number turbulence[J]. Physica D-nonlinear Phenomena, 1990, 46(2): 177-200.
[44] Greenwood P E. A guide to chi-squared testing[J]. Biometrics, 1996, 39(4): 157-158.
[45] Wang C, Manga M. Earthquakes and Water[M]. Springer Berlin Heidelberg, 2010.
[46] 车用太, 鱼金子. 地下流体的源兆、场兆、远兆及其在地震预报中的意义[J]. 地震, 1997, 17(3): 283-289.
[47] Montgomery D R, Manga M. Streamflow and water well responses to earthquakes [J]. Science, 2003, 30: 2047-2049.
[48] 刘耀炜, 任宏微, 张磊, 等. 鲁甸6.5级地震地下流体典型异常与前兆机理分析[J]. 地震地质, 2015, 37(1): 307-318.
[49] 张培震, 邓起东, 张国民, 等. 中国大陆的强震活动与活动地块[J]. 中国科学: D辑, 2003, 33(z1): 12-19.
[40] 郭祥云, 陈学忠, 王生文, 等. 川滇地区中小地震夺源机制解及构造应力场的研究[J]. 地震工程学报, 2014, 36(3): 599-607.
[51] 邵崇建, 李勇, 周游, 等. 2014年云南鲁甸M_S6.5地震发震构造特征及动力源分析[J]. 地震工程学报, 2015, 37(4): 1082-1089.
[52] 徐锡伟, 程佳, 许冲, 等. 青藏高原块体运动模型与地震活动主体地区讨论: 鲁甸和景谷地震的启示[J]. 地震地质, 2014, 36(4): 1116-1134.
[53] 王兴臣, 丁志峰, 武岩, 等. 鲁甸M_S6.5地震震源区地壳结构及孕震环境研究[J].地球物理学报, 2015, 58(11): 4031-4040.
[54] 陈石, 王青华, 王谦身, 等. 云南鲁甸M_S6.5地震震源区和周边三维密度结构及重力场变化[J]. 地球物理学报, 2014, 57(9): 3080-3090.
[55] 闻学泽, 杜方, 易桂喜, 等. 川滇交界东段昭通、莲峰断裂带的地震危险背景[J]. 地球物理学报, 2013, 56(10): 3361-3372.
[56] 徐锡伟, 甘卫军, 王敏, 等. 2008年汶川8.0级特大地震孕育和发生的多单元组合模式[J]. 科学通报, 2009, 54(7): 944-953.
[57] Wu Y, Jiang Z, Yang G, et al. Comparison of GPS strain rate computing methods and their reliability[J]. Geophysical Journal International, 2011, 185(2): 703-717.
[58] 蒋海昆, 付虹, 杨马陵, 等. 中国震例[M]. 北京: 地震出版社, 2014.
[59] 车用太, 鱼金子, 刘五洲. 华北北部地区3次强震前地下流体异常场及其形成与演化机理[J]. 中国地地震, 1999, 15(2): 139-150.
[60] Lockner D A, Byerlee J D, Kuksenko V, et al. Quasi-static fault growth and shear fracture energy in granite[J]. Nature, 1991, 350(6313): 39-42.