福建省重力台网对米娜台风激发的微震信号源定位

利用重力台网进行台风激发信号的源区定位研究不仅有助于提高台风监测能力,而且可从台风激发信号中区分出震前与震源有关的信号,促进地震预测研究。以2019年第18号台风米娜(MITAG)为研究对象,基于福建省重力台网观测的1 Hz采样的固体潮观测数据,利用噪声互相关函数的信噪比(signal-to-noise ratio,SNR)和归一化噪声能量流方法分析数据质量和微震源区方位,使用SNR≥25的Rayleigh波互相关信号走时作为定位数据,进行台风4个时段的定位研究。结果表明,在MITAG台风靠近中国大陆的过程中,定位区域能够覆盖台风中心所在位置;地震背景噪声能量辐射模型的微震垂直位移极值区域也和台风靠近中国大陆过程时段一致;通过人工剔除高速波群的互相关信号后,定位区域也能覆盖到转向远离大陆过程时段的台风轨迹。福建省重力台网对台风的追踪提供一类新的数据和方法。     

联合地震位错模型和ESISTEM方法提取地震同震三维形变场

高精度同震三维形变场对于研究地震变形模式、震源机制等具有重要意义。设计并实现了一种联合地震位错模型和扩展融合大地测量、卫星形变观测、应变张量估计(extended simultaneous and integrated strain tensor estimation from geodetic and satellite deformation measurements, ESISTEM)方法的新方法,以2021年Ms 6.4漾濞地震为例,利用哨兵1号A、B星(Sentinel-1A/B)升、降轨影像获得该地震的合成孔径雷达干涉测量形变场,利用地震位错模型正演得到的南北向形变分量进行约束,成功提取了该地震完整的同震三维形变场及应变场。结果表明,漾濞地震断层西南侧主要向西、向北运动,最大形变分别为4.8 cm、9.5 cm;东北侧主要向东、向南运动,最大形变分别为7.4 cm、4.6 cm;垂直向抬升、沉降的最大值分别为3.6 cm、3.4 cm;发震断层以右旋走滑运动为主,兼有少量正断分量;发震断层区域受到显著的膨胀、剪切和旋转作用。     

大地测量和地震数据联合反演地震震源破裂过程研究进展

综述了近10多年来大地测量和地震数据联合反演地震震源破裂过程的研究成果及最新进展,特别是大地测量和地震数据联合反演地震震源破裂过程的模型、算法及典型震例。展望了利用GPSI、nSAR和地震波数据联合反演震源破裂过程中顾及先验信息、附有不等式约束时反演模型的建立方法,以及相对权比的确定、全局优化方法的应用等问题。     

汶川大震前扰动异常的震源区定位探索

利用2008年5月12日汶川8.0级地震发生前,震区及周围数百km范围内青海、四川地区定点前兆观测获得的、类似前驱波特征的扰动异常,根据其异常分量、幅度、出现时间、空间位置与所处构造断裂展布等信息,构建＂源兆信号＂传播函数,借助拟牛顿最小二乘法反演可能的＂未来震源区＂。所得模拟震源位于龙门山断裂北段,距实际震中约134km,传播起始时间为震前近13h。     

基于GNSS的青海玛多M7.4级地震的地表形变分析

2021年5月22日,青海省玛多县发生M7.4级地震,地震对区域基准站造成了影响. 本文收集了距震中400 km以内的青海省全球卫星导航系统(GNSS)连续运行参考站(CORS)的高频观测数据,以国际GNSS服务 (IGS)站和陆态网为参考基准,分别采用静态模式和动态模式分析了震后地表三维形变. 结果表明:站点位移量级随震中距的加大而呈现衰减趋势,其中距震中约35 km的江多站(JDUO)产生东偏南28.0 cm的永久性位移. 整体来讲,地震对100 km内的震源区的影响表现为走滑型运动,与震源机制相吻合,区域运动特征整体表现为拉张运动,北西-南东(NW-SE)向拉张和北东-南西(NE-SW)向挤压.      

东源地震对GDCORS框架的影响分析

基于距震源100 km内的8个GDCORS的基准站观测数据,采用静态数据后处理的模式进行CORS框架坐标变化分析。分析结果表明,本次东源地震对GDCORS框架未构成明显影响。研究高频GPS观测数据的逐历元处理方法,并基于距震源约30 km的2个基准站的1 s采样率数据进行同震位移分析尝试。     

基于ESPRIT算法的极化干涉SAR植被高度反演研究

由于存在着去相干分量,利用ESPRIT(旋转不变技术)算法对植被区域的极化干涉SAR(PollnSAR)数据进行反演的结果有较严重偏差.针对这一问题,结合极化干涉相干最优理论及其物理散射机制,引入新的散射矢量——相干最优化散射矢量,提出一种改进的基于ESPRIT的植被高度反算法.最后,利用欧空局(ESA)提供的模拟L波...     

日本Mw9.0地震前GRACE卫星重力变化

利用GRACE重力卫星月重力场数据,通过去相关与高斯滤波等方法获取日本大地震震前震源区周缘年度、季度和年度差分重力变化,以及若干点位时间序列重力变化;分析结果表明:日本大地震前5年内在震源区周边出现了比较明显的卫星重力异常正负交替和迁移现象,至震前1－2年,震区周边形成了明显正负异常区,正重力异常区重力增加现象明显;点位重力时间序列分布指出了日本MW9.0级地震前存在与1976年唐山地震类似的重力变化现象。这些结果反映了日本大地震震前震源区周边地下物质运动、质量迁移和能量积累等问题,为研究该地震的孕育过程提供了证据。     

基于SRTM DEM的二路差分获取仲巴地震的地震形变信息

本文简要介绍了已知DEM的二路差分的基本原理,并以西藏2004年7月12日仲巴地震为例,获取了仲巴地震的同震形变场。采用Okada弹性半空间位错模型反演了该地震的震源参数,得到了最佳震源机制解。结果表明:仲巴地震是以倾滑为主的右旋正断层型地震,断层面走向近乎南北方向(179°),倾角43,°深度13Km,三个方向的位移矢量分别为:-200mm、700mm和0mm。     

基于卫星重力场模型反演全球及区域Moho面深度

莫霍面(Moho)为地壳与地幔之间的分界面。确定Moho面深度是地球物理反演领域的一个经典问题,通常用两种技术手段来确定:一种是地震方法;另外一种是重力方法。然而,地震方法受限于地震数据采集所花费的成本以及自然条件、政治等因素,其观测数据在全球范围内分布极其不均匀,且分辨率较低。随着新一代卫星重力探测技术(GRACE&GOCE)的成功实施,其提供了(几乎)全球高分辨率、高精度和均匀分布的重力场信息,因此可以在一定程度上有效克服地震数据分布不均匀和分辨率低的缺点,尤其是在地震数据稀疏或完全缺失的区域。本文主要研究采用重力方法反演Moho面深度的理论与方法。     

InSAR及其差分技术在仲巴地震中的应用

介绍了InSAR及其差分技术的基本原理,并以发生在2004年7月12日西藏日喀则地区仲巴县与阿里地区之间(北纬30.5°,东经83.4°)的里氏6.7级(中国台网测定)仲巴地震为例,采用已知DEM的二路差分法获取了仲巴地震的同震形变场.采用Okada弹性半空间位错模型反演了该地震的震源参数,得到了震源机制解.结果表明,仲巴地震为以倾滑为主的右旋正断层型地震,断层面走向近乎南北方向.     

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。     

多视线向InSAR形变场约束的改则地震滑动分布反演

利用3种不同视线向LOS(Line Of Sight)的ENVISAT ASAR数据进行干涉处理,提取多视线向(Multi-LOS)的同震形变场;结合同震形变场特征与震源机制解,构建了改则地震双断层破裂模型;利用四叉树采样后的多视线向同震形变场进行约束,通过梯度下降法(Steepest Descent Method,SDM)与Crust2.0地壳分层模型反演了改则地震的同震滑动分布特征。结果表明:反演的形变残差得到有效控制,基本介于0±10 cm之间;主震断层的滑动量主要位于断层面2—16 km深部,最大滑动量可达1.34 m,位于断层面6.4 km深处;余震断层滑动量主要位于断层面2—6 km深部,最大滑动量可达0.90 m,位于断层面3.52 km深处;主震断层与余震断层均以正断为主,但主震断层还具有一定的左旋走滑分量,而余震断层的左旋走滑不明显;当剪切模量μ取3.2×1010Pa时,反演获得的主震与余震地震矩M0分别为6.34×1018N·M与1.20×1018N·M,分别相当于矩震级MW6.47与MW5.98。     

改进的MEEMD-ARMA残差修正组合预测模型

针对改进集总平均经验模态分解(MEEMD)的端点效应、分解分量过多以及自回归滑动平均(ARMA)模型在极值点附近预测效果不好,该文提出一种改进的MEEMD与ARMA残差修正组合预测模型。采用支持向量机(SVM)进行数据延拓,样本熵为分解分量合并尺度以及残差修正预测值,较好地解决MEEMD的端点效应和分解分量过多的问题,提高ARMA模型预测值在极值点附近的精度。利用国际GNSS服务(IGS)提供的2015年年积日为135~164d不同经纬度电离层总电子含量数据,用3种模型对5d内的数据进行预测。实验结果表明:改进模型很好地抑制了端点效应,合理地减少了MEEMD分量,提高了极值点附近的预测精度,且整体精度得到大幅提升。     

基于ETM+影像的绿地信息提取方法研究

文中以ETM+影像为数据源实现对贵阳市某城区的绿地信息提取。对获取的影像进行预处理,分别通过不同的方法:原始波段组合法、主成分分析法(PCA)、独立分量分析法(ICA)、归一化植被指数法(NDVI)及基于第一独立分量的实验室波段组合法,获取研究区的假彩色合成影像。将以上方法得到的影像数据进行对比分析,表明植被景观目视效果最好的是原始波段组合法。将得到的影像数据进行监督分类,通过目视解译的方法进行精度评价,结果表明,基于第一独立分量的实验室波段组合法绿地信息提取精度最高,是一种有效的绿地信息提取方法。     

基于B1C新信号的BDS/INS深组合改进的跟踪环路设计

针对北斗卫星导航系统/惯性导航系统(BDS/INS)的深组合定位系统,提出了一种利用惯性导航系统(INS)辅助B1C正交分量的信号跟踪算法,以解决定位过程中信号较弱致深组合定位系统失锁的问题. 该算法使用了考虑INS数据的卡尔曼滤波算法,并同时利用导频分量和数据分量构成本地码,对信号进行跟踪. 由该算法对实测数据计算,并利用传统算法进行对比,可以得出在弱信号的环境下跟踪环路较为稳定,伪距精度较高.      

基于ALOS PALSAR数据进行雷达差分干涉提取玉树地震同震地表形变场

本文针对2010年4月14日玉树地震引起的地表形变,使用日本ALOS卫星PALSAR L波段雷达影像数据,应用两轨雷达差分干涉(DInSAR)处理得到了以玉树为中心11 000km2范围内的同震形变场,空间分辨率为8m,并在此基础上对玉树地震的震源机制和发震机理进行了分析。研究结果表明L波段雷达数据适合在地形起伏较大的地区进行DInSAR形变探测。该同震形变场信息可为玉树地震的同震形变反演提供参考数据。该研究进一步证实DInSAR技术在大规模地表形变探测和地学研究领域具有广阔的应用前景。     

波形反演震源机制中的权重优化:应用于2013年芦山地震

对剪切-粘贴方法（cut and paste,CAP）和地震软件包（computer programs in seismology,CPS）两个较常用的震源机制格点搜索反演方法的加权策略进行分析,发现二者权重分别仅单独考虑了波形数据信噪比或振幅差异,且权重数值大小随震中距的变化趋势相互冲突。为了解决此数值矛盾并保留二者权重的优势,将两种加权策略进行联合,综合考虑波形信噪比和振幅差异对反演的影响。此外,考虑到震中距定权的粗糙性,提出了针对各波形本身的数据信息精化计算权重方案。为了检验联合定权的优越性,以2013-04-20的芦山地震为例,利用CPS程序分别用联合及单独定权进行多次反演,比较发现联合加权方法反演结果最优。最终的震源机制解为（走向211°±3°,倾角41°±1°,滑动角94°±2°）,震源深度17 km,与其他研究者的研究成果有很好的一致性,且与震源区的应力及地质构造情况均相互吻合,表明所提出的权重方法优化效果明显。     

《用陆地卫星影像编制专题地图》附图说明(正文载本刊1991年第1期)

由于印刷品校误,《用陆地卫星影像编制专题地图》一文的附图延至本期刊出。我国用于资源调查的卫星影像,主要来自美国陆地卫星(Landsat)的数据。陆地卫星1、2、3号有两种传感器:一、返束光导管摄像仪(Return Beam Vidicon Camera,简称RBV)成像。起初是将3台摄像仪同时对准地面同一目标,3个波     

利用方差分量估计的地震同震滑动分布反演

提出了基于方差分量估计的地震同震滑动分布反演方法,该方法不仅可以确定不同数据集的相对权重,而且还能得到平滑因子的值,突破了方差分量估计方法仅用于各类数据定权的实际应用范围。模拟算例验证了此方法的有效性,从解的概率后验密度分布分析来看,方差分量估计方法得到的结果是线性和非线性混合方法反演结果的一个解。用方差分量估计方法反演了Bam地震同震滑动分布,并与线性非线性混合方法反演的结果进行了对比分析。两种方法得到的Bam地震断层滑动分布之间的空间互相关系数为0.999 9,地震同震的最大滑动量相同,都为3.04m;其深度仅有微小区别,前者为4.50km,后者为4.47km;平均滑动量前者为0.714m,后者为0.718m。但前者反演计算用时227s,后者却达到1.5×106 s,约17d,前者仅为后者的1/6 608。结果表明,本文方法相对于线性和非线性混合方法具有计算简单、计算量小和计算效率高的优点。