芦山M_S7.0与岷县漳县M_S6.6地震前甘肃地区部分台站地电场变化

本文应用2013年芦山MS7.0与岷县漳县MS6.6地震震中周围的平凉等3个地电场台站观测数据,研究地震发生前后地电场在时间域、频率域内的变化。结果表明:1在芦山地震、岷县漳县地震前,位于青藏高原东北缘的平凉台记录到显著的地电场异常变化。2利用最大熵谱估计方法计算平凉、松山、古丰台在芦山地震以及岷县漳县地震发生前后地电场观测数据,得到在上述两次地震前均发生地电场功率谱密度(特别是低于4×10-3 Hz频段的成分)增大的现象,岷县漳县地震发生后,部分测向谱密度增大现象消失。3距离震源区越近,地震发生前后功率谱密度异常变化越明显,长短极距相关性越差,初步分析认为此现象的发生,可能是由于在震源孕育、发生过程中,台站所在位置地下介质形变激发宏观电磁辐射造成的。     

地电场方法在川滇地区地震观测中的应用

利用云南省(5个)和四川省(4个)"十五"期间布设的地电场观测数据,利用大地电场观测系统中,同一测向长短极距测值的比值方法进行分析,发现能够较好地排除来自大地电场及自然电场远场的变化信息,突出可识别的地震前兆异常信息。研究结果表明:在剔除各种环境和空间电流体系的影响因素后,提取了与地震有关的异常信息,在川滇地区5.0级地震前,多数台站的地电场观测资料比值发生异常变化,异常大多出现在地震前0.5—3个月,其中汶川地震和姚安地震前,研究区的9个台站均出现异常。     

漾濞县MS6.4、玛多县MS7.4地震前地电场变化分析

2021年5月21日云南漾濞县发生M_S6.4地震、5月22日青海玛多县发生M_S7.4地震,分别分析漾濞震中500 km内12个地电场台数据、玛多震中500 km内8个地电场台数据,获知:(1)漾濞地震周围罗茨等8台优势方位角在震前出现了异常变化,弥渡等4台看不出明显异常变化;盐源等7台相关系数在震前2～6个月出现了大幅度下降,元谋、苴林等5台相关系数看不出明显异常变化。(2)玛多地震周围门源等4台方位角在震前出现了异常变化,都兰等4台方位角看不出明显异常变化;门源等5台在玛多地震前2～6个月相关系数出现了大幅下降、变化范围明显变窄等现象,都兰、白水河、金银滩等3台优势方位角和相关系数都看不出明显异常变化。(3)两次地震分析中地电场优势方位角和相关系数异常变化在时间上皆具有同步或准同步性。     

汶川MS8.0级大震前天基与陆基电场资料联合应用研究

利用边际谱方法对2008年5月12日四川汶川地震前天基和陆基电场变化情况进行了联合分析研究,结果表明:(1)空间电场方面,由重复轨道和连续轨道电场边际谱演化看出,电离层电场从2008年4月27日左右开始,其边际谱出现了明显的增强现象(增大1~2个量级),这种现象一直持续到汶川地震发生.(2)陆基电场方面,中法合作的松山...     

汶川地震前后各台站台基地动噪声变化分析

利用"5·12"汶川地震前后三分向连续波形数据,对四川台网51个测震台站台基噪声功率谱进行计算,得到每个台站速度功率谱密度曲线及地面运动的速度记录的功率谱密度在1~20 Hz频带范围的均方根值,对地震前后各台地噪声水平进行了对比分析,结果表明:(1)51个台站的速度功率谱密度曲线均在高噪声和低噪声模型曲线间;(2)历经"5·12"汶川地震及"4·20"芦山地震后所有子台均适应宽频带观测要求,台站观测环境噪声水平全部符合规范要求。     

岷县漳县M_s6.6地震前平凉台地电场变化

应用2013年甘肃岷县漳县M_s6.6地震前263天及震后9天的平凉台观测数据研究了该台地电场在时间域、频率域内的变化,得到:(1)在岷县漳县M_s6.6地震以及在2013年四川芦山M_s7.0地震前平凉台地电场观测记录了显著的自然电场变化,在近距离的岷县漳县地震前自然电场变化更显著,异常变化的持续时间长;(2)平凉台地电场最大熵功率谱密度在4月20日四川芦山地震前发生连续增大的现象,并持续到甘肃岷县漳县地震后。最后讨论了本次地震地电场极低频成分异常变化的机理。     

汶川MS8.0大震前的电磁现象

本文应用最大熵谱估计方法(MEM)等处理了2008年四川汶川M_S8.0地震震中周围电磁台的观测数据,研究了地电、地磁场变化,得到:(1) 在汶川大震前,位于青藏高原东北缘的电磁台记录了显著的自然电场变化、地电场功率谱值增大以及地磁场日变化波形畸变等电磁现象,特别是地电场周期约小于3 h的低频成分的谱值增大了3个数量级以上.(2) 在距离主震震中约500 km范围内,记录了地电、地磁场低频谱值增大为主的电磁现象,特别是距离主震震中最近的成都台地电场谱值增大了4个数量级.(3) 震前电磁现象的时空分布与青藏高原的大震活动(包括2008年新疆于田M_S7.3地震)有大空间尺度的构造关联性.本文讨论了电磁现象的机理,认为在震前地下介质内部的微裂隙发展、定向排列过程中,微破裂"机-电转换"作用和地下水运移等多因素引起了地电、地磁场变化.在本次大震前电磁现象的时空强图像很复杂,可能原因是台站所在处的地下局部介质作用和震源孕育激发的电磁辐射引起了复杂的电磁现象.     

2008年汶川MS8.0与2010年玉树 MS7.1地震前电磁现象研究

应用全局小波能谱法对2008年四川汶川M_S8.0地震、 2010年青海玉树M_S7.1地震前地电、 地磁场变化情况进行了分析研究. 结果表明: ① 在汶川地震震中周围的台站观测到震前地电、 地磁场全局小波能谱值增大的现象; ② 青藏高原东北缘的代乾等3个地电、 地磁台站在玉树地震前均发生显著的小波能谱增大的现象, 震后恢复; ③ 对于上述两次大震周边地区的不同台站的不同测道, 在震前多次出现谱值时间上同步增大或减少的现象; ④ 距玉树地震震中距离相同的山丹和古丰地电场台站, 北南、 北西测向长极距在地震前后能谱值的变化几乎一致. 基于上述分析, 初步研究认为震源孕育激发的电磁辐射是造成震前电磁异常现象的主要原因.      

2016年台风“尼伯特”激发微地动的频率特征分析

台风可以改变海面波浪状态并激发出微地动信号，该信号可以传播至陆地并被宽频带地震仪记录到。本研究以201601号台风"尼伯特"为例，利用短时傅里叶变换，分析了7月3日12时至7月9日0时台风期间中国台湾和日本114个宽频带地震仪垂向分量信号功率谱特征。分析结果发现，在7月5日至7月7日之间，当台风距离台站1500~2000km时，中国台湾、琉球群岛及屋久岛的33个地震台站的地振动信号功率谱密度值显著增强，7月5日前后，在0.4Hz频率左右出现功率谱密度值增强的现象，之后由高频转至低频，7月7日左右功率谱密度值增强频率变化至约0.2Hz。利用全球地震背景噪声能量辐射模型模拟KGM台站所在位置（128.22°E，26.76°N）的双频微地动功率谱，结果表明7月5日至7日0.2~0.4Hz功率谱密度值增强，频率由约0.4Hz变化至0.2Hz的现象为海岸线反射效应所致。     

2008年汶川MS8.0地震前定点观测电磁异常回溯性分析

对2008年汶川M_S8.0地震周围定点台站观测的电磁异常的相关研究进行了简要的回顾分析,以期加深对汶川地震孕震过程中电磁异常的解读.震中周围8个地电阻率台站震前出现不同形态的异常变化,结合震后地电阻率变化形态分析,仅近邻地震破裂带的成都和江油台异常变化符合已有的地电阻率孕震异常机理.在4月24日和5月9日大致沿南北地震带出现两条南北走向的低点位移线,成都台地磁转换函数、谐波振幅比、帕金森矢量和垂直极化强度等主要反映了地下介质电性在震前出现的异常变化;断裂带附近的地电场和电磁扰动在震前出现波形畸变和能量增强,距离较远的西昌台阵和天祝—松山台阵内地电场也出现功率谱能量增加和裂隙渗透方位角扰动等短期异常现象,甚至沿龙门山断裂带NE方向1300km外的河北电磁扰动台网震前数月也出现自观测以来最大幅度的异常变化.     

门源MS6.9地震前地电场优势方位角与加卸载响应比异常变化分析

2022年1月8日在青海门源县发生M_S6.9地震,基于震中300 km范围内地电场近5年观测资料,综合分析选取9个观测站,根据大地电场岩体裂隙水(电荷)渗流(移动)模型计算其优势方位角,并尝试以地电场为响应量,通过库仑应力触发模型的加卸载响应比(LURR)计算方法,计算地电场LURR值。结果显示：(1)两种不同方法计算的地电场异常站在空间分布上具有一致性,其中古丰、黄羊川、寺滩和兰州站地电场优势方位角、LURR在震前皆出现异常变化,而山丹等其他站方位角、LURR均看不出明显的异常变化。(2)兰州和寺滩站两种计算方法的结果时序变化较为吻合,表现出准同步性。进一步结合震源机制解对异常观测站优势方位与区域主压应力P走向的关联进行分析,结果表明基本符合岩石物理学理论,这在一定程度上可增强地电场优势方位角方法在分析地震前兆异常中的可信度。地电场优势方位角以及LURR值两种计算方法在机理上具有关联性,综合分析其异常演化特征可能有助于进一步认知地震孕育的物理过程。     

2022年1月8日青海门源6.9级地震前电离层异常特征分析

利用张衡一号电磁卫星朗缪尔探针观测的原位电子密度数据和等离子体分析仪观测的原位氧离子密度数据,针对2022年1月8日青海门源M_S6.9地震,分析震前电子密度和氧离子密度异常特征,并总结以往震例。结果显示,在门源M_S6.9地震前11天出现电子密度和氧离子密度高值异常;对电离层异常进行震例统计分析,发现大多数地震前6天以内出现电离层异常,且走滑型地震和逆冲型地震震前居多,讨论异常产生的机理可能为大气声重波机制和电场机制。     

2022年1月8日青海门源MS6.9地震前地磁垂直强度极化异常变化特征

基于甘青川地区的14个地磁台站秒采样资料,对2022年1月8日青海门源M_S6.9地震前地磁垂直强度极化异常的时空变化特征进行分析研究。计算结果显示,在2021年10月底出现了地磁极化超阈值高值异常变化,异常台站主要分布在青海、甘肃和四川地区,异常出现后73天发生了门源地震,震中位于极化高值异常阈值线附近。研究还发现,此次地磁极化异常具有一定的时空变化特征,时间上,不同台站极化异常具有较好的时间同步性;空间上,极化异常高值区呈现出沿震中附近出现后不断扩展最终再向震中收缩的特点。此外,各地磁极化异常台站的归一置零极化值、异常持续时间与震中距存在较好的负相关性,异常台站距离地震震中越近,其归一置零极化值越高,异常持续时间也越长,这一特征符合地震电磁扰动信号的衰减特征。根据极化异常和地震的时空关系分析认为,此次地磁极化高值异常对应了之后在异常高值区边缘发生的门源M_S6.9地震。     

2022年门源MS6.9地震震区三维速度与发震机制研究

2022年1月8日,青海省门源县发生M_S6.9地震。使用青海、甘肃等区域数字台网所观测到的2009年1月1日—2022年2月8日间青海门源及周边地区(36°～39°N,101°～104°E)14 869次地震事件的地震观测资料,基于双差成像(TomoDD)方法进行重定位分析,结果表明：门源及周边地区地震震源深度较浅,主要集中在5～15 km深度范围,其中10 km附近分布最多。推断该深度区域为门源及周边地区的主要孕震区。基于地震重定位结果和主震区三维速度结构分别对2016年门源M_S6.4地震和此次地震序列的发震机理进行分析对比,发现两次地震都位于高速异常体边缘,速度结构与断裂、地震序列吻合较好。2022年门源地震位于高速体的西端末梢位置,是该高速体受青藏高原东北缘顺时针应力作用导致的滑动产生的走滑型地震。     

玛多7.4级地震和门源6.9级地震前佐署地下流体异常特征分析

2021年5月22日青海玛多发生了M_S7.4地震,该次地震打破了中国大陆长时间的7级地震平静,随后在2022年1月8日发生青海门源M_S6.9地震,分析这两次地震前的前兆异常变化对于青藏高原强震孕震过程和强震短临跟踪具有重要意义。通过对两次地震前青海西宁佐署地震台地下流体异常变化特征、同震响应和震后效应特征分析,发现：佐署动水位异常在2021年2月25日和2021年8月25日出现突降异常变化,较好地对应了玛多M_S7.4和门源M_S6.9地震;佐署动水位、水温在2021年7月10日同步出现的趋势性转折异常对门源M_S6.9地震有一定的时空指示意义。佐署台作为构造敏感点,其地下流体异常变化对青海及邻区次级块体上强震具有较好的短期指示意义。     

2022年门源MS6.9和2016年门源MS6.4地震序列比较分析

2022年1月8日青海省海北州门源县发生M_S6.9地震,震中距离2016年1月21日门源M_S6.4地震震中约33km,两次门源地震均发生在冷龙岭断裂附近,但在震源机制、主发震断层破裂过程及地震序列余震活动等方面显著不同。针对两次门源地震序列的比较分析,对研究冷龙岭断裂及其附近区域强震序列和余震衰减特征等具有重要研究意义。通过对比分析2022年门源M_S6.9地震和2016年门源M_S6.4地震余震的时空演化特征,发现二者在震源过程和断层破裂尺度上存在明显差异,前者发震断层破裂充分,震后能量释放充分,余震丰富且震级偏高;而后者发震断层未破裂至地表,余震震级水平偏低。综合分析两次门源地震序列表现出来的差异性,认为其可能与地震发震断层的破裂过程密切相关,且同时受到区域构造环境的影响。     

InSAR数据约束的2022年1月8日青海门源MS6.9地震发震构造研究

利用Sentinel-1A卫星升降轨道数据和D-InSAR技术获得青海门源2022年1月8日M_S6.9地震的同震形变场,并基于弹性半空间位错模型反演其震源参数,利用分布滑动模型确定断层面上的滑动分布。结果表明,2022年1月8日青海门源地震的同震形变场沿NWW-SEE方向分布;断裂带南缘升轨影像和降轨影像最大视距分别为61 cm和62 cm,断裂带北缘升轨影像和降轨影像最大视距地表形变量分别为43 cm和56 cm。InSAR同震形变场断裂尺度模型断层长30 km,宽18 km,最大滑移量3.5 m;断层滑动分布模型表明该地震为左旋走滑地震。结合冷龙岭断裂的运动特征和几何特征,初步确定此次M_S6.9地震的发震断裂为冷龙岭断裂     

Application on Anomaly Detection of Geoelectric Field Based on Deep Learning

The deep learning method has made nurnerials achievements regarding anomaly detection in the field of time series. We introduce the speech production model in the field of artificial intelligence, changing the convolution layer of the general convolution neural network to the residual element structure by adding identity mapping, and expanding the receptive domain of the model by using the dilated causal convolution. Based on the dilated causal convolution network and the method of log probability density function, the anomalous events are detected according to the anomaly scores. The validity of the method is verified by the simulation data, which is applied to the actual observed data on the observation staion of Pingliang geoeletric field in Gansu Province. The results show that one month before the Wenchuan M_S8.0, Lushan M_S7.0 and Minxian-Zhangxian M_S6.6 earthquakes, the daily cumulative error of log probability density of the predicted results in Pingliang Station suddenly decreases, which is consistent with the actual earthquake anomalies in a certain time range. After analyzing the combined factors including the spatial electromagnetic environment and the variation of micro fissures before the earthquake, we explain the possible causes of the anomalies in the geoelectric field of before the earthquake. The successful application of deep learning in observed data of the geoelectric field may behefit for improving the ultilization rate both the data and the efficiency of detection. Besides, it may provide technical support for more seismic research.     

Multi-dipole observation system and study on the abnormal variation of the geoelectric field observed at Capital Circle area before the Wen’an <Emphasis Type="Italic">M</Emphasis><Subscript>S</Subscript>5.1 earthquake

On July 4, 2006, a M_S5.1 earthquake occurred in Wen’an county of Hebei Province of which the epicenter is near the Beijing city. The six geoelectric field monitoring stations have been in operation for several years around the Beijing area to examine the relationship between electric field changes and earthquake. This paper firstly explains the principle of the eliminating noise method by using multi-dipole observation system of the geoelectric field. Then the data observed at the stations are studied and a lot of abnormal signals preceding the Wen’an earthquake are selected, of which five abnormal signals of the geoelectric field are finally recognized as the precursory signals. The result shows that ? there probably exists the precursory signals of the geoelectric field preceding the Wen’an earthquake; ? there are sensitive sites in the spatial distribution of the abnormal variation of the geoelectric field before the quack; ? the anomalous signals do not appear synchronously, and their durations are not same at different stations; ? the amplitudes of the abnormal signals recorded at Baodi station are small, but large at Changli station, while the latter is farther from the epicentral area than the former.