2017, Vol. 37
2. 中国地震局地球物理研究所，北京市民族大学南路5号，100081;
3. 中国有色金属工业昆明勘察设计研究院，昆明市东风东路38号，650051
对于丛集地震的识别分离，地震学家们进行了深入的研究，提出很多不同的方法，例如基于分形理论[1-2]、时间丛集度[3]、N阶距离概念[4]的分离、非监督模糊聚类方法[5]和基于时-空传染性余震序列(ETAS)模型的随机除丛法[6]。Zaliapin等[7-8]综合考虑地震的时-空分布及能量大小等因素，定义不同事件之间的最邻近事件距离(nearest neighbor distance)，并给出了分析丛集地震和识别余震的方法。郑建常等[9]应用该方法对1976年唐山地震序列活动的发展和演化性质进行了研究，认为唐山地震序列中受此前发生的主震和较大余震影响的事件越来越少，序列的丛集性明显减弱，更多的小震可视为反映区域应力状态的背景地震。
本文利用最邻近事件距离算法分析华北地区、老震区以及显著中强地震前的地震丛集特征，总结中强震前地震丛集率的变化特征，分析华北地区各地震带的潜在强震危险性。
1 研究方法最邻近事件距离算法的原理详见文献[9]，在此不作赘述。郑建常等[9]利用3种不同的模型数据对该方法进行检验，包括随机数据、震群数据和满足ETAS模型的数据，检验其对丛集地震和背景地震的分辨情况，其中满足均匀泊松分布的随机数据符合Weibull概率密度分布，在最邻近事件距离的时空分量分布图上显示为拟合线两侧均匀分布，震群数据是丛集地震的典型情况，在统计直方图上显示为左侧的单峰分布，而满足ETAS模型的数据则呈现较为明显的双峰形态。试验结果显示该方法的辨识度很高。
2 华北地区各地震带的地震丛集特征利用2007年以来华北地区的地震资料，结合华北活动地块及邻近地区[10]的构造地质特征，同时考虑到华北地区强震活动的特点，将华北构造区划分为7个地震带，分别为郯庐、燕山-渤海、河北平原、银川-河套、汾渭、淮河和长江下游-黄海地震带(图 1)，对各地震带进行细化研究。
|
图 1 华北地区各地震带及地震活动分布 Fig. 1 Seismic belts and seismicity distribution map in north China |
使用郯庐地震带2007年以来的858次地震进行计算。从图 2(a)可以看出，该区地震活动的最邻近事件距离η*的统计分布呈现为“双峰”形态，但不是很典型，左侧“单峰”表示丛集地震的峰值形态较少，而右侧“单峰”值很显著，占比较大。从时空分量的二维分布等值线(图 2(b))也可以看到，绝大多数的数据点集中在拟合直线x+y=-2的上方，表明该区域以背景地震活动为主，兼有少量的丛集地震，可能是受2013年以来的莱州、临沭和莒县震群的影响。
|
图 2 郯庐地震带小震活动最邻近事件距离方法分析结果 Fig. 2 Analysis results of small earthquake activity in Tanlu seismic belt based on the nearest-neighbor distance method |
使用长江下游-黄海地震带2007年以来的3 214次地震进行计算。从图 3(a)可以看出，该区地震活动的最邻近事件距离η*的统计分布呈现为明显的“双峰”形态，左峰占比略大于右峰，左峰表示丛集地震的数目。从时空分量的二维分布等值线(图 3(b))也可以看到，以拟合直线x+y=-1为界，显示出2个相对集中的区域。根据理论分析和数值试验结果可知，直线上方的部分对应图 3(a)中的右侧峰值形态，属于“背景地震活动”；而下方的集中区，则对应图 3(a)中的左侧峰值，属于“丛集地震”，因此可以借助拟合直线把“丛集地震”从“背景地震”中分离出来。该形态表明，长江下游-黄海地震带小震存在明显的丛集特征，与该区近期中小地震活动增强有关。
|
图 3 长江下游-黄海地震带小震活动最邻近事件距离方法分析结果 Fig. 3 Analysis results of small earthquake activity in the lower reaches of the Yangtze river and the Yellow sea seismic belt based on the nearest-neighbor distance method |
对其余5个地震带进行地震丛集特征分析，同样选取2007年以来的地震，分别统计各地震带的时空分量分布特征(图 4)。结果表明，河北地震带、汾渭地震带、燕山-渤海地震带和银川-河套地震带的统计直方图上均表现为明显的右侧“单峰”形态，且时空分量的二维分布均在拟合直线以上，表明这些区域的地震活动均以背景地震活动为主，而淮河地震带则与长江下游-黄海地震带类似，统计图上表现为较为明显的“双峰”形态，表明该区域地震活动存在着明显的丛集特征，可能受安徽金寨、无为、长丰等震群序列活动的影响，也与该区小震活动增强有关。
|
图 4 其他各地震带小震活动最邻近事件距离方法分析结果 Fig. 4 Analysis results of small earthquake activity in other seismic belts based on the nearest-neighbor distance method |
华北地区老震区的小震依然持续活动，且常伴随着震群和中等地震的发生，如唐山老震区、海城老震区和邢台老震区等，这些地震属于强震余震还是背景地震活动，需要进行研究。以海城老震区的地震序列为例(图 5)，海城M7.5地震之后10 a中地震活动逐渐减弱，随后出现过几次地震活动增强和减弱的起伏变化，每次增强过程中都伴随着显著的中强地震发生。考虑到地震序列起伏变化和活动密集程度的不同，选取3个不同时段进行研究：1)1975~1985年；2)1995~2000年；3)2010~2016年。从每个时段的大量样本中随机抽取连续的ML≥1.0的1 000个地震作为样本，利用最邻近事件距离算法分析丛集地震特征。
|
图 5 海城地震序列时序 Fig. 5 Sequence diagram of Haicheng earthquake sequence |
从图 6可以看到，海城M7.5主震发生后，在短时间内地震活动非常密集，地震活动主要为余震活动，因此在统计直方图中显示出左侧的“单峰”形态，相应的等值线图上的数据点也全部分布在直线x+y=0的下方，呈现出符合大森公式的余震特征；在1995~1996年的统计直方图中，右侧开始出现较为明显的“峰值”形态，等值线图中在直线x+y=-3的上方也出现较为集中的数据点，说明这一阶段的地震活动，除了受海城M7.5主震影响的“丛集地震”之外，还存在满足随机过程的“背景地震”；而在2014年以后的地震活动特征分析结果中，在直方图中的形态近似于均匀泊松分布，在等值线图中数据点也均匀分布在直线x+y=-2的两侧，与数值试验中满足泊松分布的随机数据的形态类似，说明这一时期的地震活动已经是彼此独立的满足随机过程的事件，也反映了该区域正常的应力变化特征。
|
图 6 海城地震序列 Fig. 6 Haicheng earthquake sequence |
地震丛集率是丛集地震与全部地震的综合比值，可以通过“地震丛集率”的空间扫描来解决确定潜在危险区的问题。最邻近事件距离算法可以实现将“丛集地震”从“背景地震”中分离出来，从而可以通过丛集地震和全部地震的比值来确定地震丛集率，通过计算地震丛集率的空间变化特征来分析华北地区的地震活动特点，从而确定潜在地震危险区，并针对危险区域进行更加深入的分析。
通过对显著中强地震的回溯性检验，可以发现一些中强地震前地震丛集率的变化特征。以2015-04-15内蒙古阿拉善左旗M5.8地震为例进行分析。
从图 7可以看出阿拉善M5.8地震之前3个月地震丛集率的空间分布特征：从2015-01开始，在震中区附近出现地震丛集率的高值，表明该区域地震活动性增强，应力处于积累状态。这种丛集率的高值状态一直持续到3月份，但4月份该区小震突然变平静，表现为丛集率的零值，即样本量不足以计算丛集率，随后在04-15发生了M5.8地震。这种丛集率先高后低的现象与强震前地震活动从增强到平静的过程是相符的。
|
图 7 阿拉善M5.8地震前丛集率空间分布特征 Fig. 7 Spatial distribution characteristics of earthquake clustering rates before Alxa M5.8 earthquake |
分析阿拉善M5.8地震得出，中强地震前地震丛集率会在空间上表现出一些变化特征，通过地震丛集率的空间扫描可以初步确定潜在危险区域，这也弥补了统计直方图和时空分量二维等值线图在空间分析上的不足，因为阿拉善地区短时期内样本量是不足的，无法用统计直方图和时空分量二维等值线图的方法分析阿拉善M5.8地震前的短期变化。
5 结语本文利用华北地区2007年以来的地震资料，在最邻近事件距离算法的基础上，利用统计直方图和时空分量二维等值线图上不同类型地震的形态特征，分析了华北地区7个地震带的地震丛集特征。
1) 郯庐地震带主要以背景地震为主，存在少量的丛集现象，可能与近期发生的小震震群活动有关。长江下游-黄海和淮河地震带表现为较为明显的丛集现象，与近期该区地震活动的增强相对应。其余4个地震带均以背景地震活动为主。
2) 对海城老震区的地震序列选取3个时间段进行细化分析，发现随着时间的推移，M7.5主震的影响逐渐减弱，目前的地震活动表现为彼此独立的满足随机过程的地震。
3) 通过对2015-04-15内蒙古阿拉善M5.8地震的回溯性检验发现，中强地震前地震丛集率存在先高值后低值的现象，这与传统意义上强震前地震活动从增强到平静的过程是相符的。
| [1] |
Smalley R F, Chaterlain J L, Turcotte D L, et al. A Fractal Approach to the Clustering of Earthquakes: Applications to the Seismicity of the New Hebrides[J]. Bull Seism Soc Amer, 1987, 77(4): 1368-1381
(  0) |
| [2] |
安镇文, 杨翠华, 王琳瑛, 等. 地震时空丛集的多重分形研究[J]. 地球物理学报, 2000, 43(1): 74-80 (An Zhenwen, Yang Cuihua, Wang Linying, et al. Studies on the Multifractals of Time and Space Clustering of Earthqaukes[J]. Chinese J Geophys, 2000, 43(1): 74-80 DOI:10.3321/j.issn:0001-5733.2000.01.009)
( 0) |
| [3] |
张晓东, 江志萍. 地震时空丛集程度的度量及震前异常特征初探[J]. 西北地震学报, 1996, 18(3): 37-41 (Zhang Xiaodong, Jiang Zhiping. Measuring of Clustering Degree in Temporal and Spatial Distribution of Earthquakes and Initial Research of Anomaly Characteristics before Earthquakes[J]. Northwestern Seismological Journal, 1996, 18(3): 37-41)
( 0) |
| [4] |
裴韬, 周成虎, 杨明, 等. 混合二维泊松的分解算法及其在提取地震丛集模式中的应用[J]. 地震学报, 2004, 26(1): 53-61 (Pei Tao, Zhou Chenghu, Yang Ming, et al. The Algorithm of Decomposing Superimposed 2-D Poisson Processes and Its Application to the Extracting Earthquake Clustering Pattern[J]. Acta Seismologica Sinica, 2004, 26(1): 53-61 DOI:10.3321/j.issn:0253-3782.2004.01.007)
( 0) |
| [5] |
Ansaria A, Noorzadb A, Zafaranib H. Clustering Analysis of the Seismic Catalog of Iran[J]. Computers & Geosciences, 2009, 35(3): 475-486
( 0) |
| [6] |
蒋长胜, 庄建仓. 基于时-空ETAS模型给出的川滇地区背景地震活动和强震潜在危险区[J]. 地球物理学报, 2010, 53(2): 305-317 (Jiang Changsheng, Zhuang Jiancang. Evaluation of Background Seismicity and Potential Source Zones of Strong Earthquakes in the Sichuan-Yunan Region Base on the Space-Time ETAS Model[J]. Chinese J Geophys, 2010, 53(2): 305-317 DOI:10.3969/j.issn.0001-5733.2010.02.008)
( 0) |
| [7] |
Zaliapin I, Gabrielov A, Keilis-Borok V, et al. Clustering Analysis of Seismicity and Aftershock Identification[J]. Physical Review Letters, 2008, 101(1)
( 0) |
| [8] |
Zaliapin I, Ben-Zion Y. Asymmetric Distribution of Aftershocks on Large Faults in California[J]. Geophys J Int, 2011, 185(3): 1288-1304 DOI:10.1111/gji.2011.185.issue-3
( 0) |
| [9] |
郑建常, 李东梅, 王鹏, 等. 基于最邻近事件距离算法的丛集地震识别方法及应用[J]. 地震, 2014, 34(4): 100-109 (Zheng Jianchang, Li Dongmei, Wang Peng, et al. Method and Application of Clustering Seismicity Identification Based on Nearest-Neighbor Distance[J]. Earthquake, 2014, 34(4): 100-109)
( 0) |
| [10] |
马宏生, 张国民, 刘杰, 等. 中国大陆及其邻区强震活动与活动地块关系研究[J]. 地学前缘, 2003, 10(增1): 75-80 (Ma Hongsheng, Zhang Guomin, Liu Jie, et al. Correlation between Strong Earthquake Activity and Active Crustal-Block in China Mainland and Its Adjacent Regions[J]. Earth Science Frontiers, 2003, 10(S1): 75-80)
( 0) |
2. Institute of Geophysics, CEA, 5 South-Minzudaxue Road, Beijing 100081, China;
3. Kunming Prospecting Design Institute of China Nonferrous Metals Industry, 38 East-Dongfeng Road, Kunming 650051, China