2011年日本仙台地震PANDA软件分析结果

2011年3月11日UTC时间05:46:23,日本发生里氏9.0级大地震。武汉大学卫星导航定位技术研究中心采用PANDA软件自主定轨获得轨道产品,并进行PPP动态定位处理,利用IGS观测网MIZU和USUD基准站1 Hz的GPS观测数据,获得了该地震的同震信号。     

2010年Mw 6.9级玉树地震同震库仑应力变化研究

2010-04-14我国青海玉树附近发生Mw 6.9级地震。具体研究了该地震的前震-主震-余震序列应力触发模式及主震对周边断层的应力扰动。结果表明,大部分余震分布在同震库仑应力正区且余震触发率达76.4%;Mw 4.9级前震对Mw 6.9级主震的触发作用不甚明显,而后者对Mw 6.1级余震有明显触发作用;甘孜-玉树断层几乎都处于同震库仑应力加载状态,该断层上的历史破裂段如1738年M7.5级地震的当江段、哈秀段以及1896年M 7.3级地震的邓柯段未来更倾向于再次错动,造成强烈地震。     

基于GPS观测数据的汶川地震断层形变反演分析

通过高精度数据处理方法获取了2008年5月12日汶川地震(Mw=8.O)可靠的同震形变位移,较大形变主要在汶川、青川和北川县,其中最大同震形变不在震源处,而在北川县,水平方向达到2.3 m,垂向为0.7 m.并进一步采用分布滑动模型,利用弹性半空间均匀位错理论反演得到同震断层滑动分布.研究结果表明,不约束断层滑动特性的反演结果显示汶川地震断层不仅仅是右旋、逆断层,还伴随着少许左旋走滑及正断层变化.其地震矩张量为2.38X1021N·M,基于反演的断层滑动分布正演的区域同震形变场主要变形区域分别在都江堰-汶川县,北川县,青川县等一带,地表最大变形达到东方向4.5m,北方向0.8m,具有极强的右旋走势,均与野外地质调查结果相符合.     

GNSS观测的2021年青海玛多地震（Mw 7.4）同震形变及其滑动分布

北京时间2020年5月22日2时,中国青海省果洛州玛多县发生Mw 7.4地震。收集震中附近9个连续运行卫星定位基准站(continuously operating reference stations,CORS)观测数据,基于模糊度解算的精密单点定位(precise point positioning with ambiguity resolution,PPP-AR)技术处理了2 h时段的高频(1 Hz采样)全球导航卫星系统(global navigation satellite system,GNSS)数据,快速确定本次地震的近场同震位移,其中水平方向最大约为0.6 m。结合远场12个CORS震前、震后各3 d低频(30 s采样)数据的非差PPP解算同震形变场,基于弹性位错模型反演了玛多地震断层几何参数和滑动分布。结果显示:玛多地震属于典型走滑事件,发震断层走向278.49°,倾角为64.38°,滑动角为-10.90°,破裂长度约为138.72 km,宽度为4.82 km;滑动量超过3 m的滑移主要集中在东部小于18 km深度的区域,最大破裂可达4.2 m。反演的地震矩为1.85×1020Nm,相当于矩震级7.45,比美国地质调查局利用地震波的反演结果略大。     

2012-04-11苏门答腊地震同震电离层异常研究

2012041108:38:37UT和10:43:09UT苏门答腊地区先后发生了M8.6级和M8.2级强烈地震。本文采用震中附近地区9个IGS连续跟踪站的GPS观测数据,对两次地震的同震电离层异常现象进行了探测与分析。结果表明两次地震之后均出现了明显的同震电离层异常现象,异常出现的时间和异常的幅度与距震中的距离有关,异常的最大值约为2TECU,且震中偏北方向的异常最为显著。根据震中到穿刺点的距离,计算得出两次地震产生的大气声波的传播速度分别为0.73±0.06km/s和0.69±0.04km/s,与声波在0～450km内的平均传播速度一致。     

利用高频GPS数据反演地震要素

介绍了利用高频GPS观测数据反演地震要素的原理和方法. 以2019年7月4日和7月6日发生在美国加州里奇克莱斯特的地震为研究对象，首先利用PRIDE PPP-AR软件进行动态精密单点定位解算以获得测站的位移时间序列，然后使用S变换对位移时间序列去噪，再根据去噪后的时间序列提取地震波的振幅与周期，并提出双重3-sigma法则以分别提取地震波的体波和面波到达时，最后据此反演出地震的震中位置、震级以及发震时刻. 根据本文提出的方法反演得到的震中位置与美国地质勘探局（USGS）发布的位置偏差在10 km左右，震级偏差在0.2级左右，发震时刻偏差在20 s以内. 结果表明，利用高频GPS数据可以较为准确地反演出地震要素.      

基于单历元方法研究汶川8.0级地震对中国大陆的同震变形影响

本文基于BERN5.0软件的动态计算功能,首先验证了GPS连续运行站观测数据单历元计算的可靠性,将其应用到汶川地震当天的观测数据,计算了全国29个连续运行站在地震前后30分钟的瞬时变化,获得了相应的同震变形,重点研究了泸州、西安、北京房山等站的变化情况,计算结果表明,在地震前后,各连续运行站监测到了明显的震间变形.     

基于 D-InSAR 技术的当雄地震形变场提取研究

随着D-InSAR技术在同震形变量测方面的优势日益突出,文中以2008年10月6日当雄Mw6.3级地震为对象,采用ENVISAT搭载的ASAR传感器c波段在图像模式下的5景level 0级影像,以90 m分辨率的SRTM DEM作为外部DEM,使用GAMMA软件采用二轨差分干涉测量的方法获取当雄地震同震形变场,并对其进行分析,确定震中位置为90.372°E,29.734°N,得到同震垂直形变约为33cm,形变量精度达到厘米级。     

利用断层自动剖分技术的2008年青海大柴旦Mw6．3级地震InSAR反演研究

2008-11-10青海大柴旦地区发生了Mw6．3级地震,其发震断层位于青藏高原东北缘的大柴旦一宗务隆山断裂带。利用欧空局Envisat／ASAR卫星雷达影像数据,采用二通差分干涉技术获得了地震的同震地表形变场,基于1D协方差函数估计InSAR同震形变场的中误差为0．52cm,方差一协方差衰减距离为5．9km。在此基础上,采用弹性半空间矩形位错模型进行断层几何参数反演,并利用断层自动剖分技术确定了地震的最佳同震滑动分布模型。结果表明,该地震的震源机制解为走向107．19°,倾角56．57°,以逆冲为主兼具少量右旋走滑分量;滑动分布主要发生在10-20km深度范围内,最大滑动量为0．51m,释放的能量为4．3×10^18Nm。     

尼泊尔Mw 7.9级地震同震垂直位移与断层运动模型

2015年4月25日尼泊尔地区发生了Mw 7.9级地震,发震断层位于印度板块与欧亚板块碰撞边界带,此次地震是一次典型的板块逆冲型事件。利用中国境内加密的GPS同震观测资料,融合ALOS-2卫星L波段的InSAR（interferometric synthetic aperture radar）同震形变数据,基于最小二乘方法获得了此次地震的同震垂直位移场。同震垂直位移结果表明,此次地震造成尼泊尔加德满都地区抬升约0.95 m,珠穆朗玛峰地区受地震的影响有所下降,其主峰的沉降量为2~3 cm,中国境内的希夏邦马主峰沉降约为20 cm。地区利用改进的二维弹性半空间位错模型反演了发震断层运动参数,本文模型显示此次地震的断层面破裂宽度约为60 km,平均滑动量达到4 m,相当于Mw 7.89级。     

日本3·11特大地震的GPS震时和震后响应

借助PPP软件,利用位于日本及周边国家的IGS跟踪站和国家海洋局GPS业务观测站数据,提取2011年3月11日日本里氏9.0级特大地震的震时、震后地表震动信息和水汽信息。首先采用动态PPP方法得到GPS站点的震时水平运动轨迹、震时三维坐标时间序列以及站点上空大气可降水量的动态变化;然后采用静态PPP方法得到GPS站点震前和震后的单天解坐标。通过对计算结果进行分析和比较,揭示了GPS站点的震时地表三维形变过程和震后地表永久性形变,验证了日本震后灾区的降雪过程,为GPS技术用于地震监测和灾害预警提供有价值的基础资料。     

基于GPS观测的Baja California地震地壳变形分析

2010-04-04墨西哥Baja California(32.259°N,115.287°W)Ms 7.2级地震发生在GPS连续观测站及钻孔应变仪相当密集的区域,利用GPS监测数据计算出了若干站点地震前后的位移量。地壳变形分析结果表明,离震中近的观测站变形量普遍较大,最大可达0.2m,大部分观测站明显向东南方向运动。通过选择较稳定的观测站作为参考站,计算了4观测站的动态变形序列,同时得到地震波的传播速度为3.2km/s,与应变观测计算结果比较吻合。     

基于地靶的卫星激光观测数据分析

地靶测量是卫星激光测距中的重要组成部分。本文首先简要介绍了卫星激光测距及其地靶测量的基本原理,其次对北京房山人卫激光站2006-2007年地靶观测数据进行处理和分析。研究结果表明,近两年来房山人卫激光站通过硬件和软件的改善,其观测系统的性能有所提高。     

利用平滑先验信息方法分离高频GPS数据静态永久变形与地震波

震后高频GPS观测资料详细记录了地震引起的静态永久变形和地震波信息,如何实现二者的有效分离是准确反演地震参数的关键因素。本文引入平滑先验信息方法（SPM）对近几年3次地震的高频GPS数据进行处理和分析,尝试实现二者的有效分离。结果表明,SPM方法可以简单、快速、有效地分离高频GPS动态位移中的静态永久变形和地震波信息,数据处理结果完整、清晰地记录了由主震引起的静态永久变形、余震引起的静态永久变形和震后余滑位移以及地震波信息,可为准确反演震源参数、断层破裂过程提供重要的约束条件。     

Sentinel-1A数据的四川宜宾Ms6.0同震形变分析

为了获取2019年6月17日发生的四川宜宾Ms6.0地震引起的地表形变情况,该文利用欧空局宽幅模式的高分辨率新型Sentinel-1A卫星获取了此次地震的第一对同震干涉像对数据,使用D-InSAR技术获取宜宾市长宁县地区的同震形变场。结果显示,本次地震在震中西北方向分别形成了1个明显的沉降区和抬升区,在雷达视线方向上的最大沉降量为7.9 cm,最大抬升量为8.1 cm。通过与同一时间内的GPS高程测量形变量相比,D-InSAR解算的地表形变量与GPS监测点形变量基本一致,均不超过3 mm,表明了本文的D-InSAR形变解算结果的可靠性,体现了新型Sentinel-1A雷达卫星在地震形变监测领域有着很高的应用价值和潜力。     

GPS地震仪:PANDA软件测试结果与验证

介绍了基于PANDA软件的高采样率GPS数据非差精密定位方法,为了验证高采样GPS技术与地震仪观测结果的一致性,进行了震动平台模拟数据试验。试验结果表明,高采样GPS和地震仪均能有效地恢复平台震动位移和震动主频率。对2010年Baja地震实际观测的GPS和强震仪进行分析,结果表明,利用高采样GPS技术不仅能成功获取地震波信号;而且能同时获得地表永久形变信息;而地震仪只能获取地震波信息,而不能直接获得地表永久形变信息。     

利用动态定位模块Track进行GPS单历元定位研究

在研究GPS单历元定位方法基础上,利用GAMIT GPS数据处理软件中的动态定位模块Track,分别得到了动船的运动轨迹和2011年3月日本地震发生后4个IGS站的位移量。实验结果表明：Track模块解算动态GPS数据能得到清晰的动船运动轨迹;采用TRACK模块解算地震发生时的GPS观测数据能够得到地震后的位移特征,且能有效探测主震发生时间。     

利用InSAR和GPS数据分析台湾西南两次Mw＞6地震的触发关系及应力影响

利用InSAR和GPS进行地震研究具有很大的优势，InSAR能够在较大范围内快速地获得连续的同震形变观测，而GPS测量精度高，可迅速获得稳定的测量结果。随着SAR卫星的增多、重返周期的缩短，利用InSAR和GPS联合进行地震触发关系及应力影响研究也变得更为有力。2010年3月4日和2016年2月6日台湾西南部接连发生两次M_w 6.0以上地震，分别被称为甲仙地震和美浓地震。本文利用GPS和InSAR同震形变场联合反演了甲仙地震的滑动分布模型；结合之前的研究成果，基于静态库伦应力改变对甲仙地震与美浓地震的关系进行了分析；还为台湾西南部7个主要断层构建了断层格网并获取了它们的应力改变模型。结果表明，甲仙地震的发震断层表现为逆冲倾滑兼一定走滑分量的断层。甲仙地震的主要滑动区域处于12~16 km深度之间；最大滑动量为0.61 m位于约14 km深处。本文线性反演得到的甲仙地震地震矩为2.27×10¹⁸ Nm，相当于M_w 6.20。甲仙地震后美浓地震的发震断层上应力增值达4.0 MPa，应力增加的面积约占推断断层总面积的74%，表明甲仙地震对美浓地震的发生具有十分明显地加速作用。甲仙和美浓地震共同作用下，西侧的左镇断层和新化断层产生了较明显地应力积累。根据应力改变结果，本文认为甲仙地震和美浓地震后，台湾西南部的左镇断层和新化断层都具有较高的危险性，值得持续关注和进一步研究。     

北斗三号与超高频GNSS同震形变监测:以2021年青海玛多Mw 7.4地震为例

随着北斗三号完成全球组网以及硬件技术发展,地壳形变监测网络的全球导航卫星系统（global navigation satellite system, GNSS）接收机正朝着多系统、超高频（≥50 Hz）更新升级。基于陆态网络和中国青海省连续运行参考站的GNSS观测数据,获取2021年青海玛多Mw 7.4地震的同震位移波,并进行了震前精度统计和功率谱密度分析。结果表明,北斗三号在本次地震中的位移拾取精度比全球定位系统(global positioning system,GPS)更优;采样率提高到50 Hz对削弱位移时间序列混叠效应作用不显著,在10 Hz左右达到饱和;对50 Hz同震位移波差分获取到的速度和加速度序列噪声较大,难以利用。综合应用场景和成本考虑,GNSS地震监测的采样率最高设置在5~10 Hz即可。     

基于多台站高频GPS的地震预警优化算法研究CSCD

随着精密定位技术的发展,高频GPS已能够精确记录地表位移数据,研究高频GPS能为地震预警工作做出一定补充.针对目前地震预警中单站预警误报率高的问题引入深度学习技术,利用长短期记忆网络(LSTM)联合周边区域台站对单台站进行预警以达到减少误报的目的.首先通过对新西兰南部地区1 Hz高频GPS数据进行解算得到多个台站无震时间序列,再利用该数据训练网络得到融合区域特征的高精度模型.该模型可以对无震时间序列进行预测并动态制定阈值区间,当实际观测值超出置信区间则判定异常.通过与传统短时窗平均/长时窗平均算法(STA/LTA)及未融合区域特征的单站模型进行对比,结果表明:融合区域特征的单站模型可有效减少误报,在多个台站的无震长序列上较传统方法表现优异,具有一定的应用价值.