大孔径地震台阵噪声互相关函数中体波信号的研究——以ChinArray二期数据为例
发布时间：2021-07-08 10:53
本文利用ChinArray二期大孔径台阵677个台站2013年10月至2016年4月期间的垂直分量记录,计算了不同路径上的噪声互相关函数（Noise Cross-correlation Function,NCF）,观测到4～8 s和8～12 s频带内的NCF零时附近存在显著的高视速度信号.基于NCF的慢度聚束分析表明,这些信号由背景噪声中的远震P、PP和PKPbc波干涉产生,且以P波能量为主.位置聚束图像表明,P波类型的噪声源主要分布在北大西洋、北太平洋和南大洋凯尔盖朗深海高原,其位置对应于平均海浪波高较高的区域.同时,在阿拉斯加海岸及澳大利亚附近海域也存在P波噪声源.利用已识别的P波噪声源位置,计算了其在NCF中产生的干涉信号理论到时,结果与实际观测一致.
【文章来源】：地球物理学报. 2020,63(09)北大核心EISCICSCD
【文章页数】：17 页
【部分图文】：
图1 台站分布图
图1 台站分布图图2a和2b分别给出了部分路径的参考NCF波形,从中可以观测到视速度约为3 km·s-1和24 km·s-1的两列信号.为分析高视速度信号的频率成分,取包含该信号的±100 s之间的时窗,对台间距在200 km以上的NCF进行频谱计算.其频谱及平均值如图2b所示.从中可以看出该信号的能量主要集中在4～20 s的微震频带,并在6 s和10 s附近出现两个大小不同的峰值.因此,本文分为4～8 s、8～12 s和12～20 s等三个频带对NCF进行滤波分析.
与图3中的平均聚束结果相比,季节性聚束成像更好地揭示了不同体波噪声源的变化情况.首先,峰值的方位角分布随季节发生变化,意味着可能存在多个体波噪声源,且其相对强度具有季节性变化特征.总体而言,体波能量在1—3月期间主要则来自北方,而在4—9月期间来自南方;10—12月,北方的贡献再次逐渐占据主导地位.这表明该体波噪声的主要来源在夏季和冬季有所不同,与全球海洋活动的季节性特征一致(Gerstoft et al.,2008;Koper and De Foy,2008;Landès et al.,2010).其次,体波能量峰值大多集中在4.45～9 s·deg-1的慢度范围内,表明大部分体波是P或PP.少部分是慢度为2～3.3 s·deg-1的PKPbc,主要出现在4～8月和10～11月的南方.PKPab和PKPdf并未出现在聚束图像中,可能与PKPbc是PKP系列中能量最强的震相有关(Astiz et al.,1996).与Wang等(2018a)基于ChinArray一期南北地震带南段台阵的观测结果相比,除了10—11月多观测到的PKPbc,其他基本一致.与天然地震的震相类似,由同一震源激发的地震波信号传播至不同震中距的台站时,由于传播路径不同而表现出不同的震相类型(Ardhuin et al.,2011;Farra et al.,2016).10和11月的噪声主要来源于台阵西南方向,其与ChinArray一期和二期观测位置的差异,是导致不同台阵记录到不同震相的主要原因.图4 不同P波震相的慢度-距离曲线(Gerstoft et al.,
【参考文献】：
期刊论文
[1]Public cloud computing for seismological research:Calculating large-scale noise cross-correlations using ALIYUN[J]. Weitao Wang,Baoshan Wang,Xiufen Zheng. Earthquake Science. 2018(Z1)
[2]基于云计算的九分量噪声互相关函数计算及其在China Array密集台阵数据的应用[J]. 李娜,王伟涛,王宝善. 中国地震. 2018(02)
[3]西准噶尔地区地震背景噪声源分析[J]. 王奡,罗银河,吴树成,沈超,姜小欢,徐义贤. 地球物理学报. 2017 (04)
[4]噪声地震学方法及其应用[J]. 徐义贤,罗银河. 地球物理学报. 2015(08)
[5]地球背景噪声干涉应用研究的新进展[J]. 王伟涛,倪四道,王宝善. 中国地震. 2011(01)
[6]华北科学探测台阵背景噪声特征分析[J]. 鲁来玉,何正勤,丁志峰,姚志祥. 地球物理学报. 2009(10)
本文编号：3271427
【文章来源】：地球物理学报. 2020,63(09)北大核心EISCICSCD
【文章页数】：17 页
【部分图文】：
图1 台站分布图
图1 台站分布图图2a和2b分别给出了部分路径的参考NCF波形,从中可以观测到视速度约为3 km·s-1和24 km·s-1的两列信号.为分析高视速度信号的频率成分,取包含该信号的±100 s之间的时窗,对台间距在200 km以上的NCF进行频谱计算.其频谱及平均值如图2b所示.从中可以看出该信号的能量主要集中在4～20 s的微震频带,并在6 s和10 s附近出现两个大小不同的峰值.因此,本文分为4～8 s、8～12 s和12～20 s等三个频带对NCF进行滤波分析.
与图3中的平均聚束结果相比,季节性聚束成像更好地揭示了不同体波噪声源的变化情况.首先,峰值的方位角分布随季节发生变化,意味着可能存在多个体波噪声源,且其相对强度具有季节性变化特征.总体而言,体波能量在1—3月期间主要则来自北方,而在4—9月期间来自南方;10—12月,北方的贡献再次逐渐占据主导地位.这表明该体波噪声的主要来源在夏季和冬季有所不同,与全球海洋活动的季节性特征一致(Gerstoft et al.,2008;Koper and De Foy,2008;Landès et al.,2010).其次,体波能量峰值大多集中在4.45～9 s·deg-1的慢度范围内,表明大部分体波是P或PP.少部分是慢度为2～3.3 s·deg-1的PKPbc,主要出现在4～8月和10～11月的南方.PKPab和PKPdf并未出现在聚束图像中,可能与PKPbc是PKP系列中能量最强的震相有关(Astiz et al.,1996).与Wang等(2018a)基于ChinArray一期南北地震带南段台阵的观测结果相比,除了10—11月多观测到的PKPbc,其他基本一致.与天然地震的震相类似,由同一震源激发的地震波信号传播至不同震中距的台站时,由于传播路径不同而表现出不同的震相类型(Ardhuin et al.,2011;Farra et al.,2016).10和11月的噪声主要来源于台阵西南方向,其与ChinArray一期和二期观测位置的差异,是导致不同台阵记录到不同震相的主要原因.图4 不同P波震相的慢度-距离曲线(Gerstoft et al.,
【参考文献】：
期刊论文
[1]Public cloud computing for seismological research:Calculating large-scale noise cross-correlations using ALIYUN[J]. Weitao Wang,Baoshan Wang,Xiufen Zheng. Earthquake Science. 2018(Z1)
[2]基于云计算的九分量噪声互相关函数计算及其在China Array密集台阵数据的应用[J]. 李娜,王伟涛,王宝善. 中国地震. 2018(02)
[3]西准噶尔地区地震背景噪声源分析[J]. 王奡,罗银河,吴树成,沈超,姜小欢,徐义贤. 地球物理学报. 2017 (04)
[4]噪声地震学方法及其应用[J]. 徐义贤,罗银河. 地球物理学报. 2015(08)
[5]地球背景噪声干涉应用研究的新进展[J]. 王伟涛,倪四道,王宝善. 中国地震. 2011(01)
[6]华北科学探测台阵背景噪声特征分析[J]. 鲁来玉,何正勤,丁志峰,姚志祥. 地球物理学报. 2009(10)
本文编号：3271427
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3271427.html
