文章快速检索     高级检索
  大地测量与地球动力学  2023, Vol. 43 Issue (9): 909-913  DOI: 10.14075/j.jgg.2023.09.006

引用本文  

李萌, 邹小平, 袁林果, 等. GPS监测慢滑移信号的双曲正切函数建模[J]. 大地测量与地球动力学, 2023, 43(9): 909-913.
LI Meng, ZOU Xiaoping, YUAN Linguo, et al. Hyperbolic Tangent Function Modeling of GPS Monitor Slow Slip Signals[J]. Journal of Geodesy and Geodynamics, 2023, 43(9): 909-913.

项目来源

国家自然科学基金(41704031,42061077);江西省数字国土重点实验室开放基金(DLLJ202213);自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金(MEMI-2021-2022-29)。

Foundation support

National Natural Science Foundation of China, No.41704031, 42061077; Open Fund of Key Laboratory for Digital Land and Resources of Jiangxi Province, No. DLLJ202213; Open Fund of Key Laboratory of Mine Environmental Monitoring and Improving around Poyang Lake of MNR, No.MEMI-2021-2022-29.

第一作者简介

李萌,博士,讲师,主要从事高精度GNSS数据处理和地壳变形研究,E-mail:nemon818@163.com

About the first author

LI Meng, PhD, lecturer, majors in high-precision GNSS data processing and crustal deformation, E-mail:nemon818@163.com.

文章历史

收稿日期:2022-11-18
GPS监测慢滑移信号的双曲正切函数建模
李萌1,2     邹小平1,2     袁林果3     吕开云1,2     鲁铁定1,2     卢永刚4     
1. 东华理工大学江西省数字国土重点实验室,南昌市广兰大道418号,330013;
2. 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,南昌市广兰大道418号,33001;
3. 西南交通大学地球科学与环境工程学院,成都市犀安路999号,611756;
4. 中铁武汉勘察设计院有限公司,武汉市关山大道1号,430074
摘要:以日本房总半岛2011年、2013~2014年、2018年3次慢滑移事件(slow slip event, SSE)为例,利用自主研发的GPS坐标时序分析(GPS coordinate time series analysis, GTSA)软件批量处理该半岛多个GPS站点2009~2019年共10 a的坐标时序数据,构建包含周期性SSE的坐标时序模型。结果表明:1)双曲正切函数的数学特性与SSE的运动规律十分吻合,表现为缓慢加速-快速滑动-缓慢减速,最后恢复至稳态;2)函数对SSE的精准建模可有效确定SSE发生时间的中心、持续时长和地表位移;3)2011年SSE持续时间最长可达50 d,2013~2014年和2018年的SSE持续时间最长为25 d;4)3次SSE的水平位移均朝东南方向,高程位移量均表现为下沉,2018年SSE最大水平位移达5.2 cm,2013~2014年最大高程位移达3.8 cm。
关键词GPS慢滑移双曲正切函数建模坐标时序

慢滑移事件SSE是一种持续数天至数月的无震滑动事件,发生在地壳内部薄弱带上,会引起地表形变,也可能导致慢地震的发生[1]。由于不产生地震波,微弱的地表SSE信号通常很难用传统地震仪器直接测量[2],因此GPS观测技术成为当前监测SSE的有效手段[3]。GPS坐标时序分析中容易忽略SSE信号的影响[4-5],但SSE信号在构造运动强烈的俯冲带上非常明显。对GPS坐标时序中SSE信号进行准确建模和研究,可以得到SSE发生的时间、大小和位置分布[6],有助于进一步了解断层系统及其动力学发展规律,为地震机理研究开辟新途径[7]

SSE信号属于GPS坐标时序中的瞬态信号,目前已有许多方法应用于GPS坐标时序中瞬态信号的识别与建模。例如利用区域网滤波方法可以过滤出SSE信号,但需要给定GPS坐标时序模型参数或SSE坐标时序,且无法准确估计SSE发生的时间[8];还有采用纯粹的数学方法进行检测,如正交函数分解方法[9]、频谱分析方法[10]等。但上述方法无法对SSE信号进行模型化处理,难以用具体参数解释SSE发生的时间和区域范围。Rousset等[11]首先利用三角函数描述和确定单位振幅滑移的时间,然后结合地球物理模型估计滑移区域;Larson等[12]首先利用双曲正切函数描述SSE的总滑移量和时间参数,然后结合其他地球物理参数(如断层格网的搜索宽度、长度、中心位置等)反演滑移区域范围、深度等信息。但时间参数采用的是概略值,带有一定的主观性和模糊性,因此有必要构建一个明确的SSE信号模型,进一步完善GPS坐标时序模型。

本文在自主研发GPS坐标时序分析GTSA软件的基础上,引入双曲正切函数对SSE信号建模。利用该软件批量处理日本房总半岛多个GPS站点的坐标时序,分离出SSE信号,并利用SSE信号模型估计SSE发生的时间、地表位移及影响区域。

1 GPS坐标时序中SSE信号模型

由于双曲正切函数的几何形态与SSE快速滑移的瞬时运动特征较为相符,因此本文引入双曲正切函数对GPS坐标时序中的SSE信号进行建模。SSE信号模型如下:

$ S(t)=\sum\limits_{i=1}^n \frac{u_i}{2} \cdot\left[\tanh \left(\frac{t-T_{0 i}}{\tau_i}\right)-1\right] $ (1)

式中,S(t)为t时刻的SSE坐标时序,n为SSE发生的次数,ui为第i个SSE的地表位移,T0i为第i个SSE发生时间的中心,τi为第i个SSE持续的时长。

考虑SSE信号后GPS坐标时序模型表述为[13]

$ \begin{gathered} x(t)=x_0+v t+\sum\limits_{j=1}^n b_j H\left(t-t_j\right)+ \\ a_1 \ln \left(1+\frac{t-t_{\mathrm{eq}}}{\tau}\right)+\sum\limits_{i=1}^m\left[B_i \sin \left(\omega_i t\right)+\right. \\ \left.C_i \cos \left(\omega_i t\right)\right]+S(t)+\varepsilon(t) \end{gathered} $ (2)

式中,x(t)为t时刻测站的GPS原始坐标时序;x0为常数项;v为以年为时间的速度项;bjH(ttj)为Heaviside阶跃项,bj为对应的阶跃次数,tj为发生阶跃的时间,阶跃项一般由GNSS测站周边的地震或接收机天线等变更引起;$ a_1 \ln \left(1+\frac{t-t_{\mathrm{eq}}}{\tau}\right)$ 为震后弛豫项,a1为弛豫项振幅系数,τ为震后的弛豫时间,teq为大震发生的时刻;$ \left[B_i \sin \left(\omega_i t\right)+C_i \cos \left(\omega_i t\right)\right]$为以年和半年为单位的周期项,BiCi为周期项振幅,ωi为年和半年的周期项角速度;ε(t)为噪声。

在考虑SSE信号的GPS坐标时序模型中,GPS原始坐标时序及其对应时刻为已知量,其余各项需通过数据预处理及模型拟合估计方法逐步求得。首先去除阶跃项,然后依次提取和去除常数项、稳态速度项和震后弛豫项,最后进行SSE信号建模。SSE信号建模时需估计3个未知参数:SSE的地表位移、发生时间的中心和持续时长。

目前,全球多个俯冲带区域内出现SSE现象:新西兰北岛希库朗吉俯冲带上发现不同特征的SSE[14];墨西哥俯冲带记录多次SSE及非火山震颤[15];日本西南部南开俯冲带多次发生SSE[16],沿该俯冲带的日本房总半岛在菲律宾板块断层面曾发生一系列周期性SSE[17]。以房总半岛最近3次SSE为例,对该区域GPS观测的SSE信号进行建模,并围绕SSE模型中的时间和位移参数展开分析。

2 SSE信号提取与建模 2.1 SSE信号提取

自2011年日本9.0级地震后,日本房总半岛分别在2011年、2013~2014年、2018年发生3次SSE。研究选取该区域内2009~2019年以d为单位的GPS高精度坐标时序,该坐标时序主要由内华达大学采用GIPSY/OASIS软件解算得出,地球参考框架为IGS14,EN方向上的解算精度在1 mm以内,U方向上的解算精度在3 mm以内,具体解算策略可参考http://geodesy.unr.edu/

以测站J226的E方向为例,利用自主研发的GTSA软件进行SSE信号的分段提取,第1段为2009~2011年、第2段为2012~2013年、第3段为2015~2017年,结果如图 1所示。由图可见,季节性周期项影响在mm级,对SSE信号的影响可忽略不计。因此,数据处理后的GPS坐标时序主要包含SSE坐标时序信号,可用于SSE建模。

图 1 3次SSE信号提取 Fig. 1 The signal extraction of three SSE
2.2 SSE信号建模

对上述提取的SSE信号进行分段建模,以测站J226为例,ENU三个方向上的模型拟合效果如图 2所示。由图可见,SSE的时间范围约为1~2个月,且每次SSE发生的时段长短不同,表现为缓慢加速-快速滑动-缓慢减速,最后恢复至匀速稳定状态。

图 2 2011年、2013~2014年、2018年SSE信号及建模 Fig. 2 SSE signals and models in 2011, 2013-2014 and 2018

受2011-03-11日本宫城MW9.0地震影响,去除震前稳态速度后仍存在速度项,且SSE发生前后每段GPS坐标时序的速度也有差异。因此对GPS坐标时序进行整体建模时,还需考虑速度变化的影响(图 3)。图 23中利用双曲正切函数模型拟合SSE信号的拟合效果最为突出,说明双曲正切函数的数学特性与SSE信号的运动规律相吻合。

图 3 GPS坐标时序中SSE信号建模 Fig. 3 SSE signal modeling in GPS coordinate time series
3 SSE模型的时间与位移参数 3.1 时间和位移参数大小

SSE的双曲正切函数模型中包含的3个未知参数分别为发生时间的中心T0i、持续时长τi和地表位移ui。根据上述坐标时序的SSE信号,首先可初步确定SSE发生的时间范围;然后在该时间范围内逐步变动T0i作为已知参数输入,采用最小二乘法估计持续时长和地表位移,并计算模型的拟合优度[18];最后根据最佳拟合优度确定最优估值T0iτiui

经计算发现,房总半岛16个测站3次SSE发生时间的中心T0i与持续时长τi均存在差异。根据时间中心和持续时长计算测站SSE发生的时间区间为$\left[T_{0 i}-\tau_i / 2, T_{0 i}+\tau_i / 2\right] $,从16个测站SSE模型的时间参数中分别选取起始时间的最小值和终结时间的最大值作为SSE的时间区域。计算结果发现,2011年的SSE为50 d、2013~2014年的SSE为26 d、2018年的SSE为39 d。相比于文献[17]中的参考时间范围,2011年的SSE结束时间提前12 d,2013~2014年的结束时间提前10 d,2018年的开始时间提前15 d、结束时间提前28 d;相比于文献[19]的时间范围,SSE模型的总体时间参数范围缩短了10~13 d。原因主要是文献研究采用的SSE时间范围为概略参考时间[17,19],包含了无法准确确定的SSE初始缓慢加速和最后缓慢减速阶段的时间范围;而模型化的SSE从测站的几何形态出发,主要包含每个测站快速滑动的时间区间[19],更能精确凸显SSE的时间特性。

计算得出的房总半岛3次SSE的位移参数如表 1(单位cm)所示。由表可见,2018年的SSE最大水平位移可达5.24 cm、2011年的SSE为1.82 cm、2013~2014年的SSE最小,为1.82 cm;2013~2014年的SSE最大高程位移可达3.78 cm、2011年的SSE为1.69 cm、2018年的SSE最小,为1.46 cm。综上可知,3次SSE的地表位移数值也具有明显差异。

表 1 SSE模型的时间和位移参数 Tab. 1 Displacement and time parameters of the SSE model
3.2 时间和位移的空间分布

图 4为房总半岛16个测站计算求取的SSE发生时间中心和持续时长,3次SSE的起始时间分别为2011-10-09、2013-12-24、2018-05-25。3次SSE持续时长的空间分布如图 5所示。

图 4 SSE发生的时间中心和持续时长 Fig. 4 The time centers and duration of the SSE

图 5 SSE持续时长的区域分布 Fig. 5 Regional distribution of the SSE duration

图 45可知,16个测站SSE发生的时间中心和持续时长差异明显。2011年和2013~2014年的SSE持续时间最长的测站均为I044,位于南海岸线上,分别为50 d和25 d;2018年最先表现出SSE特性的为最北方的I021测站,最后表现出SSE特性的为I041测站,位于房总半岛的东南方向。

地表位移的空间分布如图 6所示。由图可知,3次SSE的水平位移主要指向东南方向,2018年的SSE水平位移最大、2011年次之、2013~2014年最小;高程位移以下沉为主,2013~2014年的SSE高程位移最大、2011年次之、2018年最小。位于东南海岸的J226测站在2018年的SSE水平位移量最大,达到5.24 cm。需要注意的是,2018年SSE水平位移最大的测站J226对应的持续时间仅为9 d,期间测站处于快速滑动状态;2011年的SSE持续时间最长的测站为I044,对应的水平位移大小却并不明显,说明SSE模型持续时长与位移量并没有明显的相关性。

图 6 日本房总半岛3次SSE的地表位移 Fig. 6 Surface displacement of three times SSE on the Boso Peninsula in Japan
4 结语

1) 日本房总半岛GPS测站坐标时序中2011年、2013~2014年、2018年的SSE信号运动规律与双曲正切函数的数学特性相吻合,表现为缓慢加速-快速滑动-缓慢减速,最后恢复至匀速稳定状态,说明本文的双曲正切函数能够合理地模型化GPS坐标时序中的SSE信号。

2) 对于单个测站SSE持续时长,2011年最长为50 d、2013~2014年和2018年最长为25 d;对于整个区域的SSE持续时长,2011年为50 d、2013~2014年为26 d、2018年为39 d。站点水平位移朝东南方向,2018年的SSE最大位移可达5.24 cm、2011年为4.09 cm、2013~2014年为1.82 cm;高程方向主要以下沉为主,2013~2014年的SSE最大位移可达3.78 cm、2011年为1.69 cm、2018年为1.46 cm。SSE模型中时间与位移参数不相关。

综上所述,双曲正切函数SSE模型能较好地模型化SSE信号,位移参数能够较好地反映SSE对测站运动的影响,时间参数能够反映SSE快速滑动的时间范围。

参考文献
[1]
Dragert G, Wang K, James T S. A Silent Slip Event on the Deeper Cascadia Subduction Interface[J]. Science, 2001, 292(5 521): 1 525-1 528 (0)
[2]
Riel B, Simons M, Agram P, et al. Detecting Transient Signals in Geodetic Time Series Using Sparse Estimation Techniques[J]. Journal of Geophysical Research: Solid Earth, 2014, 119(6): 5 140-5 160 DOI:10.1002/2014JB011077 (0)
[3]
Heki K, Miyazaki S, Tsuji H. Silent Fault Slip Following an Interplate Thrust Earthquake at the Japan Trench[J]. Nature, 1997, 386(6 625): 595-598 (0)
[4]
Bevis M, Brown A. Trajectory Models and Reference Frames for Crustal Motion Geodesy[J]. Journal of Geodesy, 2014, 88(3): 283-311 DOI:10.1007/s00190-013-0685-5 (0)
[5]
姜卫平, 王锴华, 李昭, 等. GNSS坐标时间序列分析理论与方法及展望[J]. 武汉大学学报: 信息科学版, 2018, 43(12): 2 112-2 123 (Jiang Weiping, Wang Kaihua, Li Zhao, et al. Prospect and Theory of GNSS Coordinate Time Series Analysis[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2 112-2 123) (0)
[6]
Ji K H, Herring T A. A Method for Detecting Transient Signals in GPS Position Time-Series: Smoothing and Principal Component Analysis[J]. Geophysical Journal International, 2013, 193(1): 171-186 DOI:10.1093/gji/ggt003 (0)
[7]
王阎昭, 沈正康. 慢滑移及相关脉动和慢地震研究的历史和现状[J]. 中国地震, 2007, 23(1): 1-9 (Wang Yanzhao, Shen Zhengkang. Research Development and Perspective on Slow Slip, Tremors, and Slow Earthquakes[J]. Earthquake Research in China, 2007, 23(1): 1-9 DOI:10.3969/j.issn.1001-4683.2007.01.001) (0)
[8]
Segall P, Matthews M. Time Dependent Inversion of Geodetic Data[J]. Journal of Geophysical Research: Solid Earth, 1997, 102(B10): 22 391-22 409 DOI:10.1029/97JB01795 (0)
[9]
Riel B, Simons M, Agram P, et al. Detecting Transient Signals in Geodetic Time Series Using Sparse Estimation Techniques[J]. Journal of Geophysical Research: Solid Earth, 2014, 119(6): 5 140-5 160 DOI:10.1002/2014JB011077 (0)
[10]
Walwer D, Calais E, Ghil M. Data-Adaptive Detection of Transient Deformation in Geodetic Networks[J]. Journal of Geophysical Research: Solid Earth, 2016, 121(3): 2 129-2 152 DOI:10.1002/2015JB012424 (0)
[11]
Rousset B, Campillo M, Lasserre C, et al. A Geodetic Matched Filter Search for Slow Slip with Application to the Mexico Subduction Zone[J]. Journal of Geophysical Research: Solid Earth, 2017, 122(12): 10 498-10 514 DOI:10.1002/2017JB014448 (0)
[12]
Larson K M, Lowry A R, Kostoglodov V, et al. Crustal Deformation Measurements in Guerrero, Mexico[J]. Journal of Geophysical Research: Solid Earth, 2004, 109(B4) (0)
[13]
Bevis M, Brown A. Trajectory Models and Reference Frames for Crustal Motion Geodesy[J]. Journal of Geodesy, 2014, 88(3): 283-311 DOI:10.1007/s00190-013-0685-5 (0)
[14]
Shibazaki B, Wallace L M, Kaneko Y, et al. Three-Dimensional Modeling of Spontaneous and Triggered Slow-Slip Events at the Hikurangi Subduction Zone, New Zealand[J]. Journal of Geophysical Research: Solid Earth, 2019, 124(12): 13 250-13 268 DOI:10.1029/2019JB018190 (0)
[15]
Kostoglodov V, Husker A, Shapiro N M, et al. The 2006 Slow Slip Event and Nonvolcanic Tremor in the Mexican Subduction Zone[J]. Geophysical Research Letters, 2010, 37(24) (0)
[16]
Kano M, Kato A. Detailed Spatial Slip Distribution for Short-Term Slow Slip Eventsalong the Nankai Subduction Zone, Southwest Japan[J]. Journal of Geophysical Research: Solid Earth, 2020, 125(7) (0)
[17]
Ozawa S, Yarai H, Kobayashi T. Recovery of the Recurrence Interval of Boso Slow Slip Events in Japan[J]. Earth, Planets and Space, 2019, 71(1): 78 DOI:10.1186/s40623-019-1058-y (0)
[18]
Cheung G W, Rensvold R B. Evaluating Goodness-of-Fit Indexes for Testing Measurement Invariance[J]. Structural Equation Modeling: A Multidisciplinary Journal, 2002, 9(2): 233-255 DOI:10.1207/S15328007SEM0902_5 (0)
[19]
Fukuda J. Variability of the Space-Time Evolution of Slow Slip Events off the Boso Peninsula, Central Japan, from 1996 to 2014[J]. Journal of Geophysical Research: Solid Earth, 2018, 123(1): 732-760 DOI:10.1002/2017JB014709 (0)
Hyperbolic Tangent Function Modeling of GPS Monitor Slow Slip Signals
LI Meng1,2     ZOU Xiaoping1,2     YUAN Linguo3     LÜ Kaiyun1,2     LU Tieding1,2     LU Yonggang4     
1. Key Laboratory for Digital Land and Resources of Jiangxi Province, East China University of Technology, 418 Guanglan Road, Nanchang 330013, China;
2. Key Laboratory of Mine Environmental Monitoring and Improving around Poyang Lake of MNR, East China University of Technology, 418 Guanglan Road, Nanchang 330013, China;
3. Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, 999 Xi'an Road, Chengdu 611756, China;
4. China Railway Wuhan Survey and Design Co Ltd, 1 Guanshan Avenue, Wuhan 430074, China
Abstract: Taking the nearly three slow slip events(SSE) in Boso Peninsula in Japan in 2011, 2013-2014, and 2018 as examples, we use the independently developed GPS coordinate time series analysis(GTSA) software to batch process the coordinate time series data of multiple GPS stations in the peninsula for a total of 10 a from 2009 to 2019, and build a coordinate time series model containing periodic SSE. The results show that: 1) The mathematical characteristics of the hyperbolic tangent function are very consistent with the motion law of SSE. At the initial stage, the hyperbolic tangent function accelerates slowly, then slides rapidly, and finally decelerates slowly to return to the steady state; 2) The precise modeling of SSE by the function can effectively determine the center of SSE occurrence time, duration, and surface displacement; 3) The duration of SSE in 2011 can reach 50 d at most, and in 2013-2014 and 2018 can reach 25 d at most; 4) The horizontal displacement of the three SSE is toward the southeast, and the elevation displacement is shown as subsidence. The maximum horizontal displacement of the SSE in 2018 was 5.2 cm, and the maximum elevation displacement in 2013-2014 was 3.8 cm.
Key words: GPS; SSE; hyperbolic tangent function; modeling; coordinate time series