文章快速检索     高级检索
  大地测量与地球动力学  2022, Vol. 42 Issue (8): 771-776  DOI: 10.14075/j.jgg.2022.08.001

引用本文  

陈涛, 王诗涵, 李磊, 等. 2021-04-16河北滦州MS4.3地震前的大气电场异常信号分析[J]. 大地测量与地球动力学, 2022, 42(8): 771-776.
CHEN Tao, WANG Shihan, LI Lei, et al. Analysis of the Abnormal Signal of Atmospheric Electric Field before the Luanzhou MS4.3 Earthquake on April 16, 2021[J]. Journal of Geodesy and Geodynamics, 2022, 42(8): 771-776.

项目来源

中国科学院战略性先导科技专项(XDA17010301, XDA17040505, XDA15052500, XDA15350201);国家自然科学基金(41874175, 41931073, 41774177);国家空间科学中心攀登计划主任基金(E0PD41A11S);国家重大科技基础设施子午工程。

Foundation support

Strategic Priority Research Program of CAS, No. XDA17010301, XDA17040505, XDA15052500, XDA15350201; National Natural Science Foundation of China, No.41874175, 41931073, 41774177; Director fund of National Space Science Center, No. E0PD41A11S; Meridian Project of National Major Science and Technology Infrastructure.

通讯作者

张灵倩,博士,副研究员,主要从事磁层物理研究,E-mail: Lqzhang@nssc.ac.cn

Corresponding author

ZHANG Lingqian, PhD, associate researcher, majors in magnetospheric physics, E-mail: Lqzhang@nssc.ac.cn.

第一作者简介

陈涛,博士,研究员,主要从事大气电场、电离层电场、辐射带电场的探测以及空间等离子体波与带电粒子的相互作用、空间天气与全球变化关系等研究,E-mail:tchen@nssc.ac.cn

About the first author

CHEN Tao, PhD, researcher, majors in the detection of atmospheric electric field, ionospheric electric field, radiation band electric field and the interaction between space plasma waves and charged particles, the relationship between space weather and global change, E-mail: tchen@nssc.ac.cn.

文章历史

收稿日期:2021-10-13
2021-04-16河北滦州MS4.3地震前的大气电场异常信号分析
陈涛1     王诗涵1,2     李磊1,2     杨牧萍3     张灵倩1     张学民4     黄辅琼5     刘静4     熊攀4     提烁1     吴晗1     宋佳军6     王聪7     苏建峰1     罗静1     
1. 中国科学院国家空间科学中心空间天气学国家重点实验室,北京市中关村南二条1号,100190;
2. 中国科学院大学地球与行星科学学院,北京市玉泉路19号甲,100049;
3. 辽宁省地震局,沈阳市黄河北大街44号,110031;
4. 中国地震局地震预测研究所,北京市复兴路63号,100036;
5. 中国地震台网中心,北京市三里河南横街5号,100045;
6. 中国科学院电工研究所,北京市中关村北二条6号,100190;
7. 国家卫星气象中心,北京市中关村南大街46号,100081
摘要:中国科学院国家空间科学中心分布在天津市宝坻区和廊坊市永清县的2个观测台站在2021-04-16河北滦州MS4.3地震前均观测到大气电场异常。宝坻站监测到过境云与地质活动混合型电场异常信号;永清站监测到湾型持续电场异常信号,属于典型的临震前小时尺度先兆信号,其幅度和持续时间均明显高于宝坻站的异常电场信号。对比电场异常期间2个台站的气象活动和空间天气活动发现,虽然2台站电场异常信号的表现方式不同,但背景变化中均隐含大型地质活动信号。分析结果表明,未来可通过分析多源活动导致的空间静电演变过程,形成有效的识别方法,在一定的气象活动范围内,从大气静电监测数据中提取中等以上强度地震的前兆信息。
关键词滦州地震前兆信号小时尺度大气电场异常地质活动

大气电场异常、氡气溢出增加、kHz地声辐射增强等异常均被认为是可能的地震前兆信号[1]。目前研究认为,地震前大气电场异常的主要产生机制很可能与氡气溢出增强有关[2]。由于电离层带正电而地球表面带负电,因此在全球大气中存在一个由电离层垂直指向地面的静电场,即大气电场[3]。大量研究表明[4],震前大气电场会出现明显的负异常,在地震临震期间(地震发生前10 h内)通常为湾型(bay-like)电场异常(大气电场负异常一直持续到地震发生之后)[5-6]

Kondo[7]最早对地震前大气电场异常进行观测研究;Pierce[8]最早提出大气电场异常可被看作地震前兆信号;Mikhailov等[9]同时观测近地面大气电场强度和水平地磁分量功率谱发现,1999年堪察加半岛3次地震前均存在电场异常现象;Korsunova等[6]分析堪察加半岛1998~2002年逐小时电离层数据,并与该时段强震(5.0≤M≤6.2)进行对比发现,震前几天到几十天的电离层Es和近地面电场垂直分量Ez存在异常;Smirnov[4]对1997-01-01~2002-12-31俄罗斯的409次地震(4.7≤M≤6.7)进行统计发现,有103次地震出现电场垂直分量Ez异常,其中37例异常信号出现在震前1~24 h内。除上述案例外,还有许多研究也在震前观测到不同时间尺度下的大气静电异常[10-11]

国内的震前大气电场异常观测最早始于20世纪90年代[12],通过分析近十几年中国华北地区近地表大气电场异常与近场地震的关系,对电场异常特征在地震预报中的应用进行研究[13]。此外,An等[14]和Jin等[15]也对汶川地震震前几小时到几十天内温江区和郫县电场梯度的同步异常变化进行研究,并利用模型和氡气机理对电场梯度异常变化特点进行分析和总结。

河北省廊坊市永清站(116.65°E,39.38°N)和天津市宝坻站(117.28°E,39.73°N)2台大气电场仪在2021-04-16滦州MS4.3地震发生前10 h内同时观测到大气电场异常信号。其中,永清站观测到湾型电场异常临震信号,宝坻站观测到过境云与地质活动混合型电场异常临震信号。本文着重对滦州地震期间2个台站监测到的电场异常临震信号进行对比研究,分析造成2种大气电场异常信号差异的主要原因,并讨论未来在大气静电监测数据中提取中等以上强度地震前兆信息的可能性。

1 滦州市地震天气活动背景 1.1 气象活动

根据中国地震台网记录,2021-04-16 16:06在河北省滦州市(震中位置118.71°E, 39.75°N)发生MS4.3地震,震源深度9 km,震中距滦州市1 km,距唐山市47 km,震中位置靠近滦州-乐亭断裂带。

由于大气电场在不同的大气环境和天气条件下具有不同的变化特征[16-18],雨天、风沙、雾霾和太阳活动等均可造成大气电场强度下降[19]。因此,排除气象因素、人类活动、太阳活动等影响后,晴天条件下大气电场出现的负异常很可能为地震先兆信号。

从中国气象数据网获取宝坻气象站(117.28°E, 39.73°N,与宝坻电场观测站位置相同)和廊坊市气象站(116.42°E, 39.35°N,与永清电场观测站距离21.84 km) 2021-04-16逐小时气象数据(表 1)。其中风速取2 min平均风速,能见度为通过人工测量得到的水平能见度,总云量为各种高度和类型的云层遮蔽天空的比例。图 1为2021-04-16当天大气电场异常期间大兴雷达站的雷达观测结果(反射率数值越高代表降水强度越大,反射率为0 dBZ的区域无低层云)。结合图 1表 1能更详细地说明地震当天的天气状况以及云层分布情况。

表 1 2021-04-16宝坻和廊坊气象站逐小时数据 Tab. 1 Hourly weather data at Baodi station and Langfang station on April 16, 2021

图 1 2021-04-16大气电场异常期间大兴雷达站观测结果 Fig. 1 Observation results of Daxing radar station during the period of abnormal atmospheric electric field on April 16, 2021

表 1可知,地震当天廊坊气象站风速偏低,最高不超过4.9 m/s,震前最高风速为01:00的2.7 m/s,当天平均风速为1.8 m/s。相对湿度较低,最高不超过43%,平均相对湿度为23.8%。地震当天廊坊气象站的水平能见度较好,大部分时间均超过10 km,最低为12:00的9 km,空气质量优良。气温在7.8 ~17.3 ℃之间,平均气温为13.4 ℃,全天均无降水。13:00~19:00总云量为90%,但由图 1可知,08:00~16:06廊坊地区无低层云,说明廊坊气象站13:00~19:00出现的云均为中层云或高层云。由于带电的主要为低层云,因此廊坊地区气象信号、气溶胶以及云层对大气电场信号不会产生较大的调制作用。

地震当天宝坻气象站风速比廊坊站略高,最高为17:00的11.4 m/s,震前最高风速为13:00的8.2 m/s,当天平均风速为4.3 m/s。相对湿度较低,当天平均值为27.3%,最高不超过42%。当天温度为6.6~16.6 ℃,平均气温为11.8 ℃。宝坻站的能见度比廊坊站更高,保持在10 km以上,最高为30 km,几乎无空气污染,全天无降水。09:00起总云量增加至73%,11:00~13:00总云量达到峰值93%,14:00又降至73%,14:00之后总云量较小。由图 1大兴雷达站观测结果可知,11:18~16:06天津市宝坻区无低层云。结合表 1中总云量可知,宝坻气象站和廊坊气象站的最大震前总云量均超过90%,但廊坊上空主要为高层云和低层云,而宝坻上空主要是低层云。低高度的过境云为主要带电云,会对大气电场信号产生调制作用,由此可知,宝坻站大气电场异常信号为过境云与地质活动混合型异常电场信号。

1.2 空间天气活动

Li等[20]对比分析风云3号卫星高能电子通量数据与俄罗斯沃斯托克站大气电场数据发现,大气电场对高纬度地区高能电子通量的增强响应时间为3.7~4 d。本文总结震前2021-04-11~16的空间天气背景指数见表 2,由表可知,该时段无CME、耀斑事件、射电暴发数,没有明显的太阳活动。Dst指数在震前5 d为-13~23 nT(Dst值越小代表地磁活动扰动幅度越大),最小值为-13 nT,说明大气电场异常期间未发生大磁暴,地震前5 d地磁活动不活跃,不会对地震当天的大气电场产生较大影响。

表 2 2021-04-11~16空间天气环境 Tab. 2 Space weather environment from April 11, 2021 to April 16, 2021

总体来看,震前空间天气环境平静,未发生对空间静电场信号产生较大调制作用的空间地磁活动。排除气象信号和空间天气对空间电场垂直分量Ez的影响后认为,地震当天永清站观测到的电场持续负异常很可能为地震前的关联信号,而宝坻站观测到的电场持续异常信号可能为过境云与地质活动混合型异常电场信号。

2 滦州地震大气电场异常信号 2.1 台站分布

永清观测站位于河北省廊坊市北部(116.65°E, 39.38°N),宝坻观测站位于天津市宝坻区气象局(117.28°E, 39.73°N)。永清站在震中南偏西77°方向,距震中181.2 km;宝坻站位于震中北偏西88.2°方向,距震中121.4 km,2观测站相距67.7 km。

2.2 永清湾型电场异常临震信号

图 2为2021-04-16永清站记录到的大气静电场垂直分量Ez的变化曲线,其中T0为地震发生时刻,T1为判断可能是地震引起的电场异常时刻,T0T1时间间隔约为6.5 h。由于大气静电观测仪器为非标设备,可能存在零点校准偏差,为确保电场为绝对负值信号(观测数据的正负性),以-0.3 kV/m为标准挑选电场异常信号。

图 2 永清站的大气电场数据 Fig. 2 Atmospheric electric field data at Yongqing station

图 2可以看出,地震当天08:00左右大气电场开始出现负值,09:27大气电场负值突破-0.3 kV/m,排除气象因素和空间天气因素后认为,该信号很可能为地震前小时尺度的关联信号。大气电场异常在15:35达到峰值,为-2.7 kV/m,湾型电场异常信号一直持续到震后18:05。电场异常持续时间为8 h 38 min,大气电场在异常期间的平均值为-0.68 kV/m。从1 h滑动平均结果可以看出,电场在震前下降明显,并出现持续负异常信号直到地震发生,是明显的湾型电场异常临震信号。

2.3 宝坻过境云与地质活动混合型电场异常临震信号

图 3为地震当天宝坻站记录到的大气静电场垂直分量Ez的变化曲线,其中T0T1时间间隔约为4 h。考虑到设备的非标性,挑选大气电场异常的方法与永清站相同。由图 3可知,地震当天12:00左右大气电场迅速降至-0.5 kV/m,排除气象活动、空间天气活动和人为活动干扰后认为,该信号很可能为地震的关联信号。震前大气电场异常在15:19达到峰值,为-1.04 kV/m;震后大气电场异常在16:42达到峰值,为-1.13 kV/m。电场异常信号一直持续到震后17:25,持续时间为5 h 24 min。

图 3 宝坻站的大气电场数据 Fig. 3 Atmospheric electric field data at Baodi station

图 1的雷达观测结果可知,电场异常期间存在低层云,但考虑到过境云对空间电场影响的时间尺度较小,且图 2中异常信号出现的时间段完全包含在图 3的异常区间内,因此排除其他气象活动和空间天气影响后认为,该异常信号很可能是地震源引起的空间静电场异常和过境云混合型电场异常信号。

图 2图 3中1 h滑动平均结果来看,永清站的电场信号比宝坻站更加明显,但2个观测站的电场仪分别来自2个不同的厂家(永清站电场仪来自中科院国家空间科学中心,宝坻站电场仪来源于气象局),同时考虑到设备的非标性,电场强度绝对值大小的比较无意义。对比2个观测台站异常电场信号的其他特征发现,永清站观测到异常的时间比宝坻站提前2.5 h,异常持续时间也比宝坻站长3 h 14 min。这是由于宝坻站信号主要受过境云以及地震断裂带分布的影响,其变化幅度和持续时间都没有永清站明显。

3 讨论

2021-04-16滦州地震临震前(10 h)距离震中181.2 km的永清站观测到具有明显湾型特征的大气电场异常信号,电场变化幅度大,持续数小时,具有较低的变化率,这与以往地震观测到的湾型电场异常信号特征一致。这种电场异常信号很可能是地震临震前氡气及其他放射性气体溢出产生的空间电荷局部电场异常[21]。永清站观测到湾型电场异常信号的同时,距离震中121.4 km的宝坻站也观测到电场异常信号,但其很可能为过境云与地质活动混合型电场异常临震信号,2个信号均为临震(10 h)电场异常信号。

对比宝坻站和永清站可知,两者距离震中位置相近,气象条件也很类似,只是宝坻气象站风速略大,其记录到的电场信号中存在过境云的混合。但2站的电场异常信号差别很大,永清站湾型电场异常信号的变化幅度和持续时间均明显大于宝坻站。造成上述差异的原因不仅为云层作用,更主要的是地震断裂带分布,2个台站所处位置与断裂带的空间关系以及与断裂带之间的方位距离均存在差异。

值得一提的是,宝坻站和永清站的异常电场信号可提前数小时感知到MS4.3滦州地震,说明利用空间大气电场不仅可以感知强震(MS≥6.0),未来也可以通过多源空间静电分析将天气信号与地质活动信号分离,在一定的气象活动范围内采用空间静电技术提前感知中等以上强度的地震。

4 结语

在2021-04-16滦州MS4.3地震前,永清站监测到湾型持续电场异常信号,该信号表现为临震前的小时尺度前兆信号。同时,宝坻站监测到过境云与地质活动混合型电场异常信号。2个观测台站与震中距离相近,但永清站湾型电场异常信号的变化幅度和持续时间均明显大于宝坻站,地震期间不同位置的台站同时观测到2种不同类型的电场异常临震信号。这表明,宝坻和永清2个台站不同的电场异常信号反映了不同的地质构造运动,未来可通过多源空间静电分析形成有效的识别方法,在一定的气象活动范围内提前感知中等以上强度的地震。

致谢: 感谢中国科学院国家空间科学中心刘勇研究员的热情讨论,感谢中国地震台网中心提供地震信息,感谢中国气象数据网提供地面逐小时气象数据,感谢地磁服务中心和中国科学院国家天文台太阳活动预报中心提供地磁活动和太阳活动情况。

参考文献
[1]
Smirnov S. Negative Anomalies of the Earth's Electric Field as Earthquake Precursors[J]. Geosciences, 2019, 10(1) (0)
[2]
Pulinets S, Ouzounov D. Lithosphere-Atmosphere-Ionosphere Coupling(LAIC) Model—An Unified Concept for Earthquake Precursors Validation[J]. Journal of Asian Earth Sciences, 2011, 41(4-5): 371-382 DOI:10.1016/j.jseaes.2010.03.005 (0)
[3]
Aplin K L, Harrison R G, Rycroft M J. Investigating Earth's Atmospheric Electricity: A Role Model for Planetary Studies[J]. Space Science Reviews, 2008, 137(1-4): 11-27 DOI:10.1007/s11214-008-9372-x (0)
[4]
Smirnov S. Association of the Negative Anomalies of the Quasistatic Electric Field in Atmosphere with Kamchatka Seismicity[J]. Natural Hazards and Earth System Sciences, 2008, 8(4): 745-749 DOI:10.5194/nhess-8-745-2008 (0)
[5]
Choudhury A, Guha A, De B K, et al. A Statistical Study on Precursory Effects of Earthquakes Observed through the Atmospheric Vertical Electric Field in Northeast India[J]. Annals of Geophysics, 2013, 56(3) (0)
[6]
Korsunova L P, Khegai V V, Mikhailov Y M, et al. Regularities in the Manifestation of Earthquake Precursors in the Ionosphere and Near-Surface Atmospheric Electric Fields in Kamchatka[J]. Geomagnetism and Aeronomy, 2013, 53(2): 227-233 DOI:10.1134/S0016793213020084 (0)
[7]
Kondo G. The Variation of the Atmospheric Electric Field at the Time of Earthquake[J]. Memoirs of the Kakioka Magnetic Observatory, 1968, 13: 11-23 (0)
[8]
Pierce E T. Atmospheric Electricity and Earthquake Prediction[J]. Geophysical Research Letters, 1976, 3(3): 185-188 DOI:10.1029/GL003i003p00185 (0)
[9]
Mikhailov Y M, Mikhailova G A, Kapustina O V, et al. Power Spectrum Features of the Near-Earth Atmospheric Electric Field in Kamchatka[J]. Annals of Geophysics, 2009, 47(1) (0)
[10]
Widarto D S, Mogi T, Tanaka Y, et al. Co-Seismic Geoelectrical Potential Changes Associated with the June 4, 2000's Earthquake(MW7.9) in Bengkulu, Indonesia[J]. Physics and Chemistry of the Earth, 2009, 34(6-7): 373-379 DOI:10.1016/j.pce.2008.09.009 (0)
[11]
Smirnov S E, Mikhailova G A, Mikhailov Y M, et al. Effects of Strong Earthquakes in Variations of Electrical and Meteorological Parameters of the Near-Surface Atmosphere in Kamchatka Region[J]. Geomagnetism and Aeronomy, 2017, 57(5): 610-617 DOI:10.1134/S0016793217050164 (0)
[12]
郝建国, 潘怀文, 李德瑞. 震前大气电场异常的区域性特征[J]. 地震, 1993, 13(6): 48-54 (Hao Jianguo, Pan Huaiwen, Li Derui. Regional Features of Atmospheric-Electric Field Anomalies before Earthquakes[J]. Earthquake, 1993, 13(6): 48-54) (0)
[13]
郝建国, 张云福. 地震静电预测学[M]. 青岛: 石油大学出版社, 2001 (Hao Jianguo, Zhang Yunfu. Earthquake Static Electricity for the Prediction[M]. Qingdao: Petroleum University Press, 2001) (0)
[14]
An Z H, Du X B, Fan Y Y, et al. A Study of the Electric Field before the Wenchuan 8.0 Earthquake of 2008 Using both Space-Based and Ground-Based Observational Data with Spectral Element Method Simulation[J]. Chinese Journal of Geophysics, 2011, 54(6): 818-827 DOI:10.1002/cjg2.1665 (0)
[15]
Jin X B, Zhang L, Bu J W, et al. Discussion on Anomaly of Atmospheric Electrostatic Field in Wenchuan MS8.0 Earthquake[J]. Journal of Electrostatics, 2020, 104 (0)
[16]
吴亭, 吕伟涛, 刘晓阳, 等. 北京地区不同天气条件下近地面大气电场特征[J]. 应用气象学报, 2009, 20(4): 394-401 (Wu Ting, Lü Weitao, Liu Xiaoyang, et al. Characteristics of Atmospheric Electric Field near the Earth's Surface under Different Weather Conditions in Beijing[J]. Journal of Applied Meteorological Science, 2009, 20(4): 394-401) (0)
[17]
Israelsson S, Tammet H. Variation of Fair Weather Atmospheric Electricity at Marsta Observatory, Sweden, 1993-1998[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2001, 63(16): 1693-1703 DOI:10.1016/S1364-6826(01)00049-9 (0)
[18]
黄钰, 吴安坤, 张淑霞. 场地环境对大气电场测量的影响及修正[J]. 电子测量技术, 2018, 41(1): 35-38 (Huang Yu, Wu Ankun, Zhang Shuxia. Influence of Environmental Features on the Atmospheric Electric Field and Correction[J]. Electronic Measurement Technology, 2018, 41(1): 35-38) (0)
[19]
张华明, 张义军, 杨世刚, 等. 太原地区大气电场及其与大气污染物关系[J]. 环境科学与技术, 2013, 36(9): 66-69 (Zhang Huaming, Zhang Yijun, Yang Shigang, et al. Characteristics of Atmospheric Electric Field in Taiyuan and Its Relationship with Atmospheric Pollutants[J]. Environmental Science and Technology, 2013, 36(9): 66-69) (0)
[20]
Li R K, Chen T, Luo J, et al. Enhancement of High Energy Electron Fluxes and Variation of Atmospheric Electric Field in the Antarctic Region[J]. Chinese Journal of Space Science, 2016, 36(1): 40-48 (0)
[21]
陈涛, 张效信, 张学民, 等. 利用区域大气静电场监测网临震预估地震灾害[J]. 地球物理学报, 2021, 64(4): 1145-1154 (Chen Tao, Zhang Xiaoxin, Zhang Xuemin, et al. Imminent Estimation of Earthquake Hazard by Regional Network Monitoring the near Surface Vertical Atmospheric Electrostatic Field[J]. Chinese Journal of Geophysics, 2021, 64(4): 1145-1154) (0)
Analysis of the Abnormal Signal of Atmospheric Electric Field before the Luanzhou MS4.3 Earthquake on April 16, 2021
CHEN Tao1     WANG Shihan1,2     LI Lei1,2     YANG Muping3     ZHANG Lingqian1     ZHANG Xuemin4     HUANG Fuqiong5     LIU Jing4     XIONG Pan4     TI Shuo1     WU Han1     SONG Jiajun6     WANG Cong7     SU Jianfeng1     LUO Jing1     
1. State Key Laboratory of Space Weather, National Space Science Center, CAS, 1 Nanertiao, Zhongguancun, Beijing 100190, China;
2. College of Earth and Planetary Sciences, University of Chinese Academy of Sciences, A19 Yuquan Road, Beijing 100049, China;
3. Liaoning Earthquake Agency, 44 North-Huanghe Street, Shenyang 110031, China;
4. Institute of Earthquake Forecasting, CEA, 63 Fuxing Road, Beijing 100036, China;
5. China Earthquake Networks Center, 5 Nanheng Street, Sanlihe, Beijing 100045, China;
6. Institute of Electrical Engineering, CAS, 6 Beiertiao, Zhongguancun, Beijing 100190, China;
7. National Satellite Meteorological Center, 46 South Street, Zhongguancun, Beijing 100081, China
Abstract: Both observation stations of the National Space Science Center, CAS, which are in Baodi district of Tianjin city and Yongqing county of Langfang city, observed atmospheric electric field anomalies before the Luanzhou MS4.3 earthquake on April 16, 2021. The Baodi station monitored a mixed electric field anomaly signal of transit clouds and geological activities. The Yongqing station monitored a bay-like continuous electric field anomaly signal, showing a typical hour-scale precursor signal before the earthquake, and its amplitude and duration are significantly higher than the anomalous electric field signal at the Baodi station. Comparing the meteorological activities and space weather activities of the two stations during the electric field anomaly, we infer that although the electric field anomaly signals of the two stations behave differently; the background changes imply the signals of large-scale geological activities. The analysis shows that in the future, it is possible to form an effective identification method by analyzing the evolutionary process of space static electricity caused by multi-source activities. Within a certain range of meteorological activities, it is possible to extract the precursor information of earthquakes of medium intensity or more from the atmospheric static electricity monitoring data.
Key words: Luanzhou earthquake; precursor signal; hour-scale; atmospheric electric field abnormal; geological activities