2. 中国石油大学(华东), 山东青岛 266580;
3. 深圳大学, 广东深圳 518060
2. China University of Petroleum(East China), Qingdao Shandong 266580, China;
3. Shenzhen University, Shenzhen Guangdong 518060, China
我国大陆是全球地震高发区域之一,陆地面积仅占全球的十四分之一,但20世纪全球三分之一的内陆破坏性地震发生在我国大陆.1949年以来,我国地震死亡人数占全部自然灾害死亡人数的52%,为众灾之首.面对严峻的震情形势,如何有效减轻破坏性地震造成的人员伤亡和经济损失,是我国迫切需要解决的问题.鉴于地震预报难以在短期内取得突破的情况下,地震监测预警关键技术研究和应用成为防震减灾重要内容,而其涉及到的地震参数和破裂过程的快速确定也是地震预警中的重要内容之一.随着地震观测技术的进步、数据实时传输能力的提高和计算机处理速度的增强,实时地震学取得了很大的进步.人们已经开始将地震记录的处理时间由震后的数分钟完成,逐步提前到震后数秒钟完成.如果地震信息能在10 s内处理完成,利用电磁波比P波速度快,以及P波比破坏力大的S波速度快的特点,就可以开始向用户发送震源参数、烈度分布等地震信息(Nakamura,1988;Wu and Teng, 2002;Allen and Kanamori, 2003;Kanamori,2005),这也就是地震早期的预警.
近十年来,高频GNSS(Global Navigation Satellite System,全球导航卫星系统)技术取得了突飞猛进的发展,观测频率已在1~50 Hz范围,这使地震学和大地测量学数据模型之间的差异变得模糊.高频GNSS位移时间序列可以当作包含静态位移的地震波记录(Yue and Lay, 2011),加之数据实时传输能力的提高,使高频GNSS实时地震学成为了研究的热点.目前GNSS主要包括美国GPS、中国北斗(BeiDou Navigation Satellite System,BDS)、俄罗斯GLONASS和欧盟Galileo系统,GNSS接收机可以同时实时接收多种导航卫星数据,高频GNSS实时地震学已开始应用于静态位错提取、矩震级实时确定、近场震源信息获取、断层破裂过程准实时反演等方面,成为传统地震学很好的补充手段(Bilich et al., 2008;Daud et al., 2008;Blewitt et al., 2009;Allen and Ziv, 2011;Wright et al., 2012;Geng et al., 2015).
地震不仅表现为空间多尺度性,还表现出频率多尺度性.对于不同震级的地震,需要涵盖不同观测周期的仪器进行观测(Kanamori,2008).地震震级越大,其能量就越集中在低频部分.例如,对于大于8级的地震,利用地震仪或强震仪进行观测,只能获取短周期地震波范围的振幅,这将导致地震震级被低估.而GNSS观测,其周期范围可以从1 s到数小时、数月,可获取长周期的地震波位移信息,具有量程不饱和以及测量误差不随时间累加的优势,可准确估算出震级和破裂方向.在观测周期或频率方面,地震仪与GNSS观测仪具有极好的互补关系,这些特点显示出高频GNSS实时地震学具有巨大应用潜力.我们知道,震级与发震断层破裂长度的对数呈正比,震级越大,发震断层越长.如果我们提前十几秒获取强震震级、断层破裂方向等信息,我们就可以更早地发布出强地面震动、烈度估算等预警信息,更好地帮助人们逃生,为政府快速应急响应、救援部署等提供技术支持.例如:2008年汶川8.0级地震地表破裂长度近300 km(徐锡伟等,2008),2001年东昆仑山西口8.1级地震地表破裂长度近400 km(陈杰等,2003),2004年苏门答腊9.2级地震的发震断层破裂长度超过1300 km(Kanamori,2008).对于这些强震,若准实时地获取了断层破裂方向,并沿破裂方向上提前预警,将给人们带来更长的预警时间.如果在汶川地震发生后20 s获得了断层破裂方向,那么白鹿将有20 s的预警时间,北川将有30 s的预警时间,青川等将有100 s的预警时间.可以看出,基于GNSS方法快速判定震级和破裂方向将为人们逃生、采取有效避难措施、政府快速实施应急救援准备等提供更好的保障.
1 观测台网现状及特点 1.1 中国大陆地震、地壳运动观测台网现状目前中国大陆地壳运动及地震观测网络主要由测震台网、强震观测台网、地壳运动观测网组成,按记录物理量种类可分为速度记录、加速度记录、地表位移记录.现有的中国大陆测震台网包括:“十五”期间建设的1021个测震台站,以及通过“十一五”中国地震背景场探测项目和部分省政府投资的项目,新增测震台站217个,使我国测震台站总数达到1238个;中国大陆数字强震动台网主要包括:布设在地震重点监视防御区内的1154个固定自由场强震动观测台,中国地震背景场探测项目新建236个强震动台,以及布设在北京、天津、兰州、乌鲁木齐、昆明五个大城市的310个地震动强度速报台,强震台站总数达到1700个.
而国家地壳运动观测网络包括“九五”国家建立的“中国地壳运动观测网络”,和“十一五”建成的中国大陆构造环境监测网络(简称陆态网络),目前连续GPS观测的基准站达到260个(图 1).
随着北斗导航技术的发展和观测精度的提高,已可以提供经济的实时定位精度达到厘米级的北斗终端产品,使北斗位移终端在重点危险区加密布设成为可能.将北斗系统纳入观测体系将提高卫星观测数目,改善卫星分布的几何结构.Odolinski等(2014)研究表明相比于GPS单系统,北斗和GPS融合后三个方向精度会提高20%~30%.目前启动初设的“国家地震烈度速报与预警工程”项目观测台网涉及到了测震台站(记录速度)和强震仪台站(记录加速度),目前还没有将GNSS(GPS、北斗)位移台站纳入进来.随着地方GNSS基准站的不断加密,站间距越来越小,例如川滇地区站间距已达40 km左右,这些条件已为基于GNSS开展地震预警提供了基础.实时GNSS地震学,可基于GPS、BDS等多系统多频数据,准实时获取高精度的位移时间序列,进而得到震级和破裂方向,为地震预警提供重要信息支持.
1.2 测震、强震和GNSS记录数据的特点测震台的速度记录、强震仪的加速度记录和GNSS台的位移记录各有其特点.(1)利用测震近场波形速度记录及远程波形速度记录,为震中定位和震源参数确定提供了基础数据条件,但由于速度记录灵敏度较高,近场记录容易出现饱和,在确定震级方面存在不足;(2)强震仪加速度记录在大震近场具有不限幅的优势,但受到倾斜、旋转等因素的影响,强震仪数据在积分得到位移时存在基线偏移;(3)高频GNSS方法可以直接测得地表位移,且具有记录量程不饱和以及误差不随时间累加优势,观测数据包含动态位移和静态位移(图 2),不存在振幅限制,观测周期长,能较好地观测到强震长周期波形,在强震震级确定方面有优势.位移数据的准确获取,为精确确定震级和断层实时破裂模型反演提供了基础.
20世纪60年代,日本开始计划基于地震学的早期地震预警系统UrEDAS(The Urgent Earthquake Detection Alarm System),该系统于1992年建成,主要用于地震波到达之前通知高速行驶火车减速(Nakamura,1988).1995年神户地震发生后,日本加大了地震观测台网的建设力度,在不到十年的时间内建成了高灵敏度测震台网(Hi-net)、井下强震动台网(KiK-net)、地表强震台网(K-net)、宽频带地震台网(F-net)以及205个JMA地震台.从2003年开始,日本利用约800个Hi-net台网台站和200余台JMA台站着手研究建设全国性地震预警系统“紧急地震速报系统”(UrEDAS).该系统的预警启动机制为当单个测站观测到地表震动超过100 cm·s-2,则触发警报(报警地震仪方法);当有一个或两个测站探测到P波,就可以确定一个事件发生的位置的范围(Horiuchi et al., 2005),并设这个范围的中心作为震中,震源深度固定为10 km;一旦三个或更多测站触发后,结合地震波到时信息,就可以使用网格搜索最佳震中位置(Kamigaichi et al., 2004).使用P波振幅和震级的比例关系估算震级.系统对地震波三个分量的矢量进行连续监测,震级估值随着振幅增加不断更新.一旦某个台站探测到S波,则使用一个相似的比例关系利用S波位移幅值估算震级;当给出了震中位置和震级,则结合场地条件估计地表震动峰值,并将其转化为JMA烈度,为每个县提供烈度和预警时间估值(Kamigaichi et al., 2009).该系统自2004年2月起开始在线测试运行,并于2007年10月1日起向普通国民提供预警信息.但该系统2011年在日本3.11MW9.0地震中暴露出基于地震波形数据确定震级的不足.
日本3.11MW9.0地震由于地震破裂面积大、破裂持续时间长,估算震级明显偏低,且确定时间明显滞后.在震后22.6 s第一次处理震级仅为4.3级.在震后25.8 s向公众发布第一次预警信息时,预警震级为7.2级;震后39.4 s发布第二次预警信息,预警震级为7.6级;震后82.3 s发布第三次预警信息,预警震级为7.9级;震后122.2 s后,预警震级才为8.1级(图 3),这与日本气象厅最终测定的震级为9.0级、最大烈度为7度的结果相比,预测结果显著偏小.而JMA 75 min后,才将震级提升为MW8.4,3 h后改为MW8.8.而Colombelli等(2013)在模拟的实时条件下将GPS数据用于地震预警.结果显示,距震中最近的强震仪在地震发生后大约15 s探测到P波,而与强震仪并址的GPS台站在S波到达后才探测到地震发生,在地震发生39 s之后提取出第一个静态位移,反演得到的震级为MW8.15,60 s后震级达到MW8.4,129 s后得到的震级为MW8.9.而日本东京在地震发生后170 s才达到地表运动峰值,证明利用GPS数据确定震级可以满足地震预警的时效性要求,且震级结果更加可靠.
(1) GNSS系统实时单站解算方法
以往高精度GNSS地震监测主要采用差分定位技术和精密单点定位(Precise Point Positioning,简称PPP)技术(Geng et al., 2015).差分定位技术可以获取监测点相对某一基准站的高精度位移,但在强震发生时基准站和观测站都可能发生移动,造成位移测量误差.精密单点定位(PPP)技术采用IGS精密产品(轨道、钟差、地球自转参数等),可获取某一参考框架下的绝对位移,模糊度参数收敛后精度可达到厘米,但有17~41 h(快速星历产品)、12~18天(最终精密星历产品)延迟,且PPP计算量大,需要细致地处理电离层延迟、对流层延迟、潮汐等误差,收敛至分米级精度至少需要10~20 min的时间.
值得关注的是Colosimo等(2011)提出了一种实时单站方法来实时估计同震位移.该方法的核心是:采用单台GPS接收机,利用广播星历,采用历元间差分技术,就可以实时地获取厘米级的同震位移,该方法计算量小,数据处理简单,除接收机钟差外,其他的误差都可以采用历元差分消除或减弱,不存在收敛及重新收敛的问题.在短时间内实时单站法的监测精度与PPP后处理的结果精度相当,所以在地震监测和预警等领域得到广泛的应用(Blewitt et al., 2009;张小红等,2012; Li et al., 2013;张小红和郭博峰,2013;Chen et al., 2015).利用日本3.11地震MIZU站记录数据,采用单站方法实时解算了三分量厘米级精度的位移时间序列(图 4),秒级快速处理结果精度达到了要求.但由于该方法是基于GPS数据来实现的,没有考虑GPS+BDS双系统多模式处理,这也是未来实现GNSS实时处理需要解决的一个关键技术问题.
(2) 美国加州大地测量学地震预警系统(G-larmS)
美国加州大地测量学地震预警系统(G-larmS)使用旧金山湾区62个GPS测站,共172条基线构成的观测网,利用TrackRT模块进行基线解算.G-larmS在实时GPS数据处理基础上,快速提取位移序列中的静态位移,根据断层方向和位置等先验条件,反演断层滑动分布和矩震级.但该系统还是要借助传统预警系统判断事件发生,触发反演算法(Grapenthin et al., 2014).
使用G-larms系统处理2014年加州Napa南部MW6.0地震,在主震发生后14 s给出第一个滑动分布模型和震级估值,其中S波传播大约8 s,数据延迟大约6 s.当震级较小时,位移序列中的动态分量会导致提取的静态位移误差偏大.目前G-larmS只能为ShakeAlert发布的震级大于MW5.5的地震提供解算结果,这正好与传统预警系统E-larms互为补充.
(3) 基于大地测量学的地震参数快速确定方法
基于GNSS位移序列来估计地震参数主要有三种方法:基于触发到时确定震中位置;基于峰值位移与震中距的经验关系来估计震级;基于静态位移通过反演得到断层滑动分布和矩震级.
① 震中位置快速确定
网格搜索法:当四个或更多GNSS台站获得地震波,结合地震波到时和台站坐标,使用网格搜索方法获取震中位置(Kamigaichi,2004).
解算震中位置之前,先在ITRF框架下建立一定范围的搜索区域,按照5 km×5 km的分辨率对所选区域划分网格.一旦四个台站探测到地震波,将网格点作为震中位置的候选点,计算GPS站点到各个网格点的到时残差绝对值和,函数为
(1) |
其中d表示GPS台站到网格点的距离,v表示地震波传播速度,t表示地震波到时.上述函数最小时对应的网格点即为震中位置.
以汶川地震为例,利用STA/LTA+AIC方法判断波到时,结合7个台站精确坐标,搜索震中位置.以第一个触发台站为中心,建立4°×4°的搜索区域,以0.05°×0.05°的分辨率划分网格,其中将地震波速度作为待估参数按照0.1 km·s-1的间隔进行搜索.震中结果为(31.1602°N,103.4070°E),结果如图 6所示.
② 震级快速确定方法
经验公式法:Crowell等2013年收集了发生在日本和加州的5次地震的强震仪数据和GPS数据,采用Geng等(2013)提出的组合算法,获得了包含高频动态震动和低频永久位移的组合位移序列.基于组合位移序列分别统计了P波5 s内的位移峰值Pd和全记录波形内的位移峰值PGD与震级的关系.其中PGD计算震级经验公式为
(2) |
其中PGD表示三维最大峰值位移,R表示震源距,MW表示矩震级.
Melgar等(2015)以式(1)数学模型为基础,选取多个震例统计了实时高频GPS数据中的PGD和震级之间的回归关系.公式为
(3) |
选取汶川地震期间13个近场强震台站的加速度数据,利用SMBLOC程序(Wang et al., 2011, 2013)去除基线偏移,获得与GPS方法精度相当的位移时间序列.提取三维最大峰值位移和震源距,根据式(2)计算震级结果如图 7所示,13个台站震级平均值为MW7.76.单个台站计算结果容易受到场地效应等因素影响,对多个台站结果取平均可得到更加可靠的震级估值.
有限断层反演法:实时GNSS位移时间序列为总位移波形,包括动态位移和静态位移,可以使用一个移动平均窗口对位移波形作平滑,去除动态分量.(Allen and Ziv, 2011).利用提取出的静态位移信息反演断层滑动分布,进而确定更加可靠的矩震级,弥补测震学方法震级饱和的问题.
设发震断层为有限断层滑动分布,地震矩与矩震级的关系为
(4) |
(5) |
其中MW为矩震级,M0为地震矩,S为滑动面积,μ代表介质的刚性模量(3.2×1010Pa),u是平均滑动量.
对于2010年MW7.2 EI Mayor-Cucapah地震,采用测震学方法在地震发生后13 s提供了初始震级为5.9级,20 s后稳定在6.8级.而采用GPS方法震后36 s第一个估值即为6.9级,此后每秒估值范围在6.8到7.0之间,结果表明GPS方法得到的矩震级具有很好的稳定性.在效率方面:测震学预警方法比GPS方法快16 s,但需要强调的是此次地震并不是强震,测震学方法的缺陷可能会随着震级的变大而凸显,当发生强震时(矩震级MW>7),可能会出现震级饱和的现象.测震学方法与GPS方法相结合可以提高预警的可靠性(Allen and Ziv, 2011).
③ 断层破裂方向准实时判断
高频GPS不仅在震级准确确定方面具有优势,而且可以实现断层破裂过程反演,也可与地震波形数据结合共同确定发震断层破裂模型,实时判断出断层破裂扩展方向,可为破裂方向区域增加地震预警时间.依据测震学方法提供的震中位置,读取断层数据库中离震中最近的断层模型,获取包括地理坐标、平均断层走向、倾向和倾角等信息(Allen and Ziv, 2011).在对实时GNSS数据处理的基础上,确定永久位移信息,最终反演得到震源破裂过程和震级信息.
Wright等(2012)建立了一个改进的准实时断层滑动模型,来缩短震级估计的时间.以MW9.0 Tohoku-Oki地震为例,采用基于广播星历的实时单点定位方法,处理了414个GEONET 1 Hz GPS数据,依据预先定义的断层参数,采用8个矩型子块(子块尺寸:100 km×100 km),建立发震断层模型.断层面倾角15°,走向195°,沿着震源向两侧各扩展400 km.用最小二乘方法求解滑动量,滑动角和倾向方向的宽度.结果表明,地震发生后30 s,距离震中最近的测站开始出现显著移动.震中附近的沿海地区在震后100 s位移峰值在6 m左右.震级估值从40 s时MW7.5迅速上升到60 s时的MW8.0,在地震发生100 s后便得到稳定的MW8.8震级估值,即破裂还未完成时,用GPS方法就已经得到了震级最大值.而使用利用传统方法在地震发生28 s后发布了震级估值为MW7.1,60 s时上升到MW7.7,但是在120 s左右达到饱和为MW8.1.
可以看出,在发生大地震(MW>7.0)时,基于近场地震数据测得的震级会由于饱和而出现低估.在2011年日本3.11MW9.0地震后,GNSS技术在地震预警中的应用潜力得到广泛认识.随着高频GNSS技术出现后,GNSS地震学开始受到人们的关注,在地震预警系统中开始使用GNSS技术,实时高频GNSS可以在S波到达后提供静态位移,在快速确定震级和反演断层破裂滑动时精度更高,并作为常规方法的一种有效补充,在地震波形数据与GNSS数据结合确定发震断层模型和震源参数方面显示出优势(Crowell et al., 2009;Allen and Ziv, 2011;Colombelli et al., 2013;Grapenthin et al., 2014).基于高频GNSS的准实时震源反演目前国内还开展的不多.因此,开展基于高频GNSS地震学的震源破裂过程实时反演研究,不仅为地震破裂过程实时反演提供基础,而且可以准实时地追踪破裂方向和震动扩展趋势,为快速应急救援提供准备,具有重大社会效益和经济效益.
在断层面网格剖分方面,目前大多使用的是方格法,三角元模型(Triangular Dislocation Element,TDE)使用较少.TDE理论研究及其震例应用都表明TDE模型能够建立光滑连续的复杂断层结构,避免了Okada模型中构建断层模型时存在的空区和重叠现象,TDE的这些优势为研究复杂大陆型地震提供了适合的工具.Maerten等(2005)使用Poly3Dinv反演了Hector Mine MW7.1地震同震破裂,反演的数据拟合度比之前的研究结果提高了32%.Zhang等(2015)等使用Poly3D重新反演获取了中国台湾集集地震的曲面同震破裂,模型拟合度比Okada模型反演结果提高了44%.
(4) 强震仪加速度记录转换成位移记录
强震仪加速度记录具有高频率、高灵敏度的优势,但由于低频干扰、仪器自身因素、强震时地面倾斜或旋转等因素造成强震仪数据存在基线漂移.Wang等(2011)等总结前人经验,给出了更为高效的基线校正方案.首先对未校正的位移图进行分析,得出事件前后时间节点t1和t2的合理取值范围,然后使用未校正位移最优拟合方程的导数获取事件后基线校正参数,通过网格搜索反复迭代t1和t2,以阶梯函数拟合误差最小为依据,确定地震事件前后时间节点t1和t2.确定t1和t2后,在速度时程分段进行基线校正,通过积分得到位移时程,微分得到校正后加速度时程.该方法的校正结果不受主观因素的影响,因而可以实现自动、快速的基线校正.对汶川地震茂县南新台站强震记录做基线校正,结果如图 8所示.
随着强震台布设密度也越来越高,强震仪与单频GPS融合可获取厘米级的位移(Tu et al., 2013, 2014),开展位移与加速度记录融合研究,是GNSS观测的有效补充.Geng等2011年使用加州三对并址台站(GPS台站+强震仪台站)的GPS观测数据和100~200 Hz的加速度数据,基于紧耦合卡尔曼滤波方法,计算地震形变和速率波形.在融合后的速率波形中,可以识别出单用GPS方法无法探测的小地震的P波抵达时间以及小地震的静态位移,说明来自GNSS和强震仪的地震动信息存在互补优势.
3 认识与讨论围绕地震预警应用,通过调研高频GNSS实时地震学在震源破裂参数快速获取为目标,分析了国际上GNSS位移记录、强震动加速度记录、测震速度记录各自的特点,结合震例,总结了高频GNSS地震学在震级与破裂过程实时反演中的关键问题,得到如下认识:
(1) 目前国内外基于GNSS系统对同震位移的实时监测已经进行了一些研究与有益探索,但大多数同震位移估计都是基于GPS系统,我们需要引入北斗系统,扩展GNSS(GPS/北斗/GLONASS)地震学内涵,采用GPS/北斗双模算法来提高单站实时位移解算精度,是地震预警中迫切需要解决的一个问题.令人鼓舞的是Geng等2016年利用尼泊尔地震的GPS和北斗数据,采用实时单站法得到了优于5 cm的位移监测精度,但还需进一步提高同震位移的监测精度,并验证其可靠性.
(2) GNSS位移数据与速度、加速度数据算法融合自动处理算法研究方面还有许多工作要做.高频GNSS测量的带宽一般在1~50 Hz, 而地震仪频率在几十至几百赫兹.首先在判断地震波到时方面,GNSS方法受观测噪声的影响较大,对微小震动不敏感,需要结合测震学数据快速给出准确到时信息.另外由于基线漂移的客观存在,看起来稳态的加速度记录,经过两次积分后会产生严重的非物理位移漂移,因此快速的基线漂移校正方法目前仍然是一个经验的、进展缓慢的难题.Wang(2011)提出了确定基线漂移的自动校正方法,研究结果表明该自动校正方法比之前的方法具有更好的稳健性.最后如何将强震仪加速度数据与GNSS位移数据进行实时融合处理,来得到包含丰富地震形变和速率波形数据,也是需要深入研究的问题.
(3) 基于GNSS地震学理论研究和算法还比较薄弱.基于地震学的快速震级确定,主要依据P波几秒内的地表峰值位移、卓越周期、有效周期与震级的经验关系.但是该方法在计算强震震级时会出现饱和.GNSS方法具有量程不饱和以及测量误差不随时间累加的优势,所确定的震级较为准确,但往往要等到S波出现后才能准备确定震级,时间延迟较长.如何将几种方法结合,来得到延迟短、精度高的震级估值也是我们需要解决的关键问题.
(4) 实时反演断层破裂过程,最大的挑战是实时跟踪震级变化和识别有限断层震源扩展方向.地震发生后,随着破裂向外扩展,地表观测数据不断增加,每秒计算的滑动分布、震级、断层参数持续更新,断层尺度也需要随着震级的不同做出相应的增减调整.如何实现地震破裂过程中,断层尺度的自适应增减,以及早期快速确定断层破裂方向,是实现GNSS实时反演破裂过程的重要内容.
(5) 目前我国地震预警示范系统中,只考虑了速度网和加速度网,而没有将GNSS位移台站纳入进来.需要将高频GNSS位移资料、强震仪加速度资料,以及测震资料有机结合起来,发挥各自优势,特别是基于GNSS的断层破裂实时反演还处于刚起步阶段.在这种背景下,需要利用现有观测技术和手段,开展震级准实时确定、震源破裂过程快速反演研究,为我国地震预警系统从“二网融合”(速度+加速度)到“三网融合”(速度+加速度+位移)提供坚实的技术保障.
Allen R M, Kanamori H. 2003. The potential for earthquake early warning in southern California. Science, 300(5620): 786-789. DOI:10.1126/science.1080912 |
Allen R M, Ziv A. 2011. Application of real-time GPS to earthquake early warning. Geophysical Research Letters, 38(16): L16310. DOI:10.1029/2011GL047947 |
Bilich A, Cassidy J F, Larson K M. 2008. GPS seismology:application to the 2002 MW7.9 Denali fault earthquake. Bulletin of the Seismological Society of America, 98(2): 593-606. DOI:10.1785/0120070096 |
Blewitt G, Hammond W C, Kreemer C, et al. 2009. GPS for real-time earthquake source determination and tsunami warning systems. Journal of Geodesy, 83(3-4): 335-343. DOI:10.1007/s00190-008-0262-5 |
Chen J, Chen Y K, Ding G Y, et al. 2003. Surface rupture zones of the 2001 earthquake MS8.1 west of KUNLUN pass, northern QingHai-Xizang plateau. Quaternary Sciences (in Chinese), 23(6): 629-639. |
Chen K, Zamora N, Babeyko A, et al. 2015. Can BDS improve tsunami early warning in South China Sea?//Sun J, Liu J, Fan S, et al eds. China Satellite Navigation Conference (CSNC) 2015 Proceedings: Volume Ⅱ. Lecture Notes in Electrical Engineering. Berlin, Heidelberg: Springer, 341: 593-603.
|
Colombelli S, Allen R M, Zollo A. 2013. Application of real-time GPS to earthquake early warning in subduction and strike-slip environment. Journal of Geophysical Research:Solid Earth, 118(7): 3448-3461. DOI:10.1002/jgrb.50242 |
Colosimo G, Crespi M, Mazzoni A. 2011. Real-time GPS seismology with a stand-alone receiver:A preliminary feasibility demonstration. Journal of Geophysical Research:Solid Earth, 116(B11): B11302. DOI:10.1029/2010JB007941 |
Crowell B W, Melgar D, Bock Y, et al. 2013. Earthquake magnitude scaling using seismogeodetic data. Geophysical Research Letters, 40(23): 6089-6094. DOI:10.1002/2013GL058391 |
Daud M E, Sagiya T, Kimata F, et al. 2008. Long-baseline quasi-real time kinematic GPS data analysis for early tsunami warning. Earth, Planets and Space, 60(12): 1191-1195. DOI:10.1186/BF03352877 |
Geng J H, Bock Y, Melgar D, et al. 2013. A new seismogeodetic approach applied to GPS and accelerometer observations of the 2012 Brawley seismic swarm:Implications for earthquake early warning. Geochemistry, Geophysics, Geosystems, 14(7): 2124-2142. DOI:10.1002/ggge.20144 |
Geng T, Xie X, Fang R X, et al. 2015. Real-time capture of seismic waves using high-rate multi-GNSS observations:Application to the 2015 MW7.8 Nepal earthquake. Geophysical Research Letters, 43(1): 161-167. |
Grapenthin R, Johanson I A, Allen R M. 2014. Operational real-time GPS-enhanced earthquake early warning. Journal of Geophysical Research:Solid Earth, 119(10): 7944-7965. DOI:10.1002/2014JB011400 |
Horiuchi S, Negishi H, Abe K, et al. 2005. An automatic processing system for broadcasting earthquake alarms. Bulletin of the Seismological Society of America, 95(2): 708-718. DOI:10.1785/0120030133 |
Kamigaichi O, Saito M, Doi K, et al. 2009. Earthquake early warning in Japan:warning the general public and future prospects. Seismological Research Letters, 80(5): 717-726. DOI:10.1785/gssrl.80.5.717 |
Kamigaichi O JMA earthquake early warning. 2004. Journal of the Japan Association for Earthquake Engineering, 4(3): 134-137.
|
Kanamori H. 2005. Real-time seismology and earthquake damage mitigation. Annual Review of Earth and Planetary Sciences, 33(1): 195-214. DOI:10.1146/annurev.earth.33.092203.122626 |
Kanamori H. 2008. Earthquake physics and real-time seismology. Nature, 451(7176): 271-273. DOI:10.1038/nature06585 |
Li X, Ge M, Guo B, et al. 2013. Temporal point positioning approach for real-time GNSS seismology using a single receiver. Geophysical Research Letters, 40(21): 5677-5682. DOI:10.1002/2013GL057818 |
Maerten F, Resor P, Pollard D, Maerten L. 2005. Inverting for slip on three-dimensional fault surfaces using angular dislocations. Bulletin of the Seismological Society of America, 95(5): 1654-1665. DOI:10.1785/0120030181 |
Melgar D, Crowell B W, Geng J H, et al. 2015. Earthquake magnitude calculation without saturation from the scaling of peak ground displacement. Geophysical Research Letters, 42(13): 5197-5205. DOI:10.1002/2015GL064278 |
Nakamura Y. 1988. On the urgent earthquake detection and alarm system (UrEDAS).//Proceedings of the 9th World Conference on Earthquake Engineering. Tokyo-Kyoto, 7: 673-678.
|
Odolinski R, Teunissen P J G, Odijk D. 2014. First combined COMPASS/BeiDou-2 and GPS positioning results in Australia. Part Ⅱ:Single-and multiple-frequency single-baseline RTK positioning. Journal of Spatial Science, 59(1): 25-46. |
Tu R, Ge M R, Wang R J, et al. 2014. A new algorithm for tight integration of real-time GPS and strong-motion records, demonstrated on simulated, experimental, and real seismic data. Journal of Seismology, 18(1): 151-161. DOI:10.1007/s10950-013-9408-x |
Tu R, Wang R, Ge M, et al. 2013. Cost-effective monitoring of ground motion related to earthquakes, landslides, or volcanic activity by joint use of a single-frequency GPS and a MEMS accelerometer. Geophysical Research Letters, 40(15): 3825-3829. DOI:10.1002/grl.50653 |
Wang R J, Parolai S, Ge M R, et al. 2013. The 2011 MW9.0 Tohoku earthquake:comparison of GPS and strong-motion data. Bulletin of the Seismological Society of America, 103(2B): 1336-1347. DOI:10.1785/0120110264 |
Wang R J, Schurr B, Milkereit C, et al. 2011. An improved automatic scheme for empirical baseline correction of digital strong-motion records. Bulletin of the Seismological Society of America, 101(5): 2029-2044. DOI:10.1785/0120110039 |
Wright T J, Houlie N, Hildyard M, et al. 2012. Real-time, reliable magnitudes for large earthquakes from 1 Hz GPS precise point positioning:The 2011 Tohoku-Oki (Japan) earthquake. Geophysical Research Letters, 39(12): L12302. DOI:10.1029/2012GL051894 |
Wu Y M, Teng T. 2002. A virtual subnetwork approach to earthquake early warning. Bulletin of the Seismological Society of America, 92(5): 2008-2018. DOI:10.1785/0120010217 |
Xu X W, Wen X Z, Ye J Q, et al. 2008. The MS8.0 Wenchuan earthquake surface ruptures and its seismogenic structure. Seismology and Geology (in Chinese), 30(3): 597-629. |
Yue H, Lay T. 2011. Inversion of high-rate (1 sps) GPS data for rupture process of the 11 March 2011 Tohoku earthquake (MW9.1). Geophysical Research Letters, 38(7): L00G09. DOI:10.1029/2011GL048700 |
Zhang L, Wu J C, Ge L L, et al. 2005. Determining fault slip distribution of the Chi-Chi Taiwan earthquake with GPS and InSAR data using triangular dislocation elements. Journal of Geodynamics, 45(4-5): 163-168. |
Zhang X H, Guo B F. 2013. Real-time tracking the instantaneous movement of crust during earthquake with a stand-alone GPS receiver. Chinese Journal of Geophysics (in Chinese), 56(6): 1928-1936. DOI:10.6038/cjg20130615 |
Zhang X H, Guo F, Guo B F, et al. 2012. Coseismic displacement monitoring and wave picking with high-frequency GPS. Chinese Journal of Geophysics (in Chinese), 55(6): 1912-1918. DOI:10.6038/j.issn.0001-5733.2012.06.012 |
陈杰, 陈宇坤, 丁国瑜, 等. 2003. 2001年昆仑山口西8.1级地震地表破裂带. 第四纪研究, 23(6): 629-639. DOI:10.3321/j.issn:1001-7410.2003.06.006 |
徐锡伟, 闻学泽, 叶建青, 等. 2008. 汶川MS8.0地震地表破裂带及其发震构造. 地震地质, 30(3): 597-629. DOI:10.3969/j.issn.0253-4967.2008.03.003 |
张小红, 郭博峰. 2013. 单站GPS测速在实时地震监测中的应用. 地球物理学报, 56(6): 1928-1936. DOI:10.6038/cjg20130615 |
张小红, 郭斐, 郭博峰, 等. 2012. 利用高频GPS进行地表同震位移监测及震相识别. 地球物理学报, 55(6): 1912-1918. DOI:10.6038/j.issn.0001-5733.2012.06.012 |