地球物理学报  2020, Vol. 63 Issue (2): 517-531   PDF    
2013年芦山地震震源区地壳介质地震波速变化的特征分析
王俊1, 郑定昌2, 张金川1, 詹小艳1, 钱婷1     
1. 江苏省地震局, 南京 210014;
2. 云南省地震局, 昆明 650224
摘要:为探究芦山M7.0级地震后5年多来,震源区龙门山断裂带西南段介质波速的变化规律,本文基于2012年4月至2018年4月共6年的连续波形数据,运用移动窗互谱与频域偏振等分析方法,结合背景噪声源的特性,对不同深度范围内的相对波速变化以及震后的恢复过程与机制进行了研究.获得的主要认识包括:(1)年尺度而言,震源区周期为1~20 s的背景噪声场相对稳定,但成分复杂、2~10 s频带内至少存在2个能量相对稳定的噪声源;不同周期噪声的能量,在月变与季节性上的变化特征差异明显.(2)获得了长时间尺度、不同频带内介质相对波速的背景变化水平,1~2 s、2~4 s的波动幅度(约为±0.04%)与季节性变化规律强于4~10 s、10~20 s的,结合与降雨量相关的地下水位模型能很好地解释其变化规律.(3)震源区的同震波速降低现象清晰,降幅约为0.08%~0.1%;空间上,波速下降最为显著的区域主要集中在龙门山断裂带两侧约70 km范围内,其中四川盆地一侧平均约为0.1%,略高于青藏高原(0.08%)一侧;在断裂带内的降速不显著.对不同子频带进行测量的结果显示,震后除10~20 s外,其余3个子频带的相对波速在震后较短时间内(约20天左右)均出现较大幅度的波速降低现象,其中4~10 s的平均降速最大(约为0.08%),分析认为主震及大量余震的松弛效应是引起介质波速下降的主要原因.(4)震后大约1年左右,波速变化基本恢复到震前水平,且至2018年4月前未观察到大幅的波速变化现象,总体上各频带内的结果均沿零线小幅波动.
关键词: 龙门山断裂带西南段      背景噪声互相关函数      背景噪声源特性      同震波速变化     
Seismic velocity changes in the epicentral region of the 2013 Lushan earthquake measured from ambient seismic noise
WANG Jun1, ZHENG DingChang2, ZHANG JinChuan1, ZHAN XiaoYan1, Qian Ting1     
1. Earthquake Administration of Jiangsu Province, Nanjing 210014, China;
2. Earthquake Administration of Yunnan Province, Kunming 650224, China
Abstract: In order to investigate spatial and temporal changes of seismic velocity in the epicentral region of the M7.0 Lushan earthquake, located in the southwestern segment of the Longmenshan fault. We used the Moving-Window Cross-spectral and Frequency-dependent polarization technique to analyze the ambient noise during the time period from April 2012 to April 2018. Firstly, we investigated the variations of amplitude and polarization of the ambient noise in the period band of 1~20 s. Secondly, we measured the seismic velocity changes at different depth during and after the Lushan earthquake. Our results indicate that (1) The seismic noise field is stable on the annual scale. The seismic records indicate a complicated, multistate wavefield with at least two noise sources in the period band of 2~10 s. The monthly and seasonal variations of the noises are different at different frequency bands. (2) Clear seasonal seismic velocity changes are observed. The amplitude of velocity change at higher frequences (1~2 s and 2~4 s, about ±0.04%) are greater than velocity changes at longer periods (4~10 s, 10~20 s). This seasonal velocity changes can be explained by the precipitation induced groundwater level change. (3) The coseismic velocity changes are most prominent in the period band of 1~20 s, the coseismic velocity reduction is observed with amplitude up to 0.08%~0.1%. And significant coseismic velocity reductions mainly contrained within 70 km from Longmenshan fault. The velocity reduction was about 0.1% on the Sichuan Basin (east) side, which slightly higher than that on the Qinghai-Tibet Plateau side (0.08%). The reduction inside the Longmenshan fault was not obvious. The results in different frequency bands show that except for 10~20 s, the relative seismic velocity in the other three sub-bands showed a sudden significant reduction after main shock; the largest reduction (about 0.08%) was observed at the period band of 4~10 s. We suggest that the the post-seismic relaxation of the main shock and aftershocks are responsible for the observed velocity changes. (4) The seismic velocities recovery to the pre-earthquake value approzimatedly one year after the Lushan earthquake where only slight osscillations around the pre-earthquake level are obaserved until April 2018.
Keywords: Southwestern Longmenshan fault    Ambient noise cross-correlation funciton    Ambient noise Properties    Coseismic velocity change    
0 引言

2013年四川芦山M7.0地震是龙门山断裂带上继2008年汶川M8.0地震后发生的一次强烈地震,两次地震时隔约5年、震中相距约87 km.龙门山断裂带南段是汶川地震时没有发生破裂的特殊地段,芦山地震正好发生在该段的中间.两次地震后,芦山地震震源区及其未破裂段,特别是龙门山断裂带西南段的地震活动性,一直是地震学界关注的重要科学问题.近年来,国内外科学家们采用不同方法从多个角度对该区的活动性、震源区结构以及构造变形等进行了综合研究,一部分认为芦山地震的发生并没未使龙门山断裂带西南段的地震危险性减弱, 其长期积累的应变能没有得到充分释放,该地段整体上仍存在发生强烈地震的可能性较大(陈运泰等,2013易桂喜等, 2013, 2016Liu et al., 2014Lei et al., 2014梁春涛等,2018);也有学者认为该区域未来发生强震的可能性不大(Wang et al., 2015Pei et al., 2014颜照坤等,2014).两次大地震给震区造成了巨大的人员伤亡和财产损失,因此无论是否存在争议,都应当强化对上述具有潜在地震危险性区域的监测与综合研究.地壳介质物理性质的变化通常反映了强震的孕育及发生过程.因此,了解震源区地壳介质物理性质的变化特征及其相应的机制,对于揭示强震孕育、发生及震后恢复过程等具有极其重要的意义.

对于介质物理性质变化的刻画,相较于利用天然地震的传统方法而言(Poupinet et al., 1984Snieder,2002Crampin et al., 1990),越来越多的研究成果表明,基于地震背景噪声互相关格林函数的方法更具前景,它可以较好地克服天然地震分布不均匀以及天然地震位置、深度和发震时刻无法精确确定等局限,特别是背景噪声长期、稳定、连续的特点,使得基于互相关函数的地震背景噪声方法,在开展地壳结构变化的监测与研究中更具天然优势(Campillo and Paul, 2003Shapiro and Campillo, 2004Sens-Schönfelder and Wegler, 2006Sabra et al., 2005Stehly et al., 2006, 2007).

近年来,全球范围内利用地震背景噪声方法在研究强震震源区介质波速演化规律、锁定波速降低区、断层状态恢复等方面不断获得许多新的认识.Brenguier等(2008)基于互相关函数对强震前后圣安德烈断裂带的地壳速度变化(0.1~0.9 Hz)进行研究后,明确指出不同深度上的波速变化机制存在很大的差异性;苏门答腊强震(2004年、2005年、2007年)群后,测量到由震源区介质性质变化引起的面波(10~20 s)最大走时扰动达到了秒级,2004年MW9.0级地震前约1个月左右的走时存在异常(Xu and Song, 2009);2011年Tohoku-oki地震(MW9.0)震后震源区周期为2~10 s的波速下降达1.5%(Minato et al., 2012);也有少量研究发现地震后断层上波速出现增大的现象,如Darfield MW7.1级震后,Greendale断层上的波速(1~10 s)增大了约0.14%(Heckels et al., 2018).在火山地区,普遍观察到喷发前区域介质波速下降明显(Sens-Schönfelder and Wegler, 2006Brenguier et al., 2011Lamb et al., 2017),在慢地震以及月球浅层介质因温度变化等引起的波速变化研究中亦有应用(Sens-Schönfelder and Larose, 2008Rivet et al., 2011).汶川地震后,不少学者采用相似的方法对震源区的介质波速变化及其机制进行研究,大部分聚焦在较短周期部分,如1~8 s(Liu et al., 2014)、2~10 s(刘志坤和黄金莉,2010)、1~3 s(赵盼盼等,2012);也有少数运用较长周期部分数据的,如12~20 s(Froment et al., 2013)、10~25 s(Chen et al., 2010).但时间尺度方面,除Liu等(2014)利用的数据记录时间截至2011年外,其余对震后研究的时间尺度均未超过1年,对于普遍的观察到地震前后的波速扰动现象,存在不同的解释.芦山地震后,笔者曾运用自相关函数(1~10 s),对震后一年的波速变化进行过初步研究(王俊等,2016),但由于所使用的数据记录时间相对较短,对于波速变化的背景特征与机制的认识仍有待深入.Pei等(2019)的最新研究认为,芦山地震后龙门山断裂带南部的介质波速加速恢复,应力场的重新分布对断层强度的恢复起到重要作用.从已有成果看,针对龙门山断裂带西南段介质波速变化的研究依然甚少,仍有许多细节值得深入研究,如更长时间尺度震源区地震波速恢复过程以及水平、不同深度范围内地震波速变化的机制等.

如今,芦山地震已过去5年有余,震源区数年尺度的波速时空变化规律无疑更加值得关注.本文将基于2012—2018年期间的连续记录数据,运用经改进后的动窗互谱和频域偏振分析方法,对震后5年来的地壳波速变化特征及其机制进行揭示.研究结果可为分析龙门山断裂段西南的地震活动性、强震孕震机理以及断层强度恢复等提供基础依据.

1 数据与方法 1.1 数据选取与质量控制

芦山地震余震展布区域约600 km2,主震两侧余震呈不对称分布,南西侧余震区长约27 km、北东侧长约10 km(苏金蓉等,2013吕坚等,2013易桂喜等,2016).为较为完整地获取震后5年来震源区以及龙门山断裂段西南段介质性质的变化特征,我们选取了四川地震台网在震源区附近100 km范围内(29.5°—31.5°N,102.0°—104.0°E)10个固定地震台站、2012年4月20日至2018年4月20日期间的连续记录数据(郑秀芬等,2009).10个台站均为地面型基岩台站,均配置宽频带数字地震观测系统,其中速度响应频带范围为360 s~50 Hz的台1个、120 s~50 Hz台1个、60 s~50 Hz台8个,采样率为100 Hz.研究区与台站分布见图 1,平均台间距约116.3 km,优势台站间距为60~170 km,共45组台站对的路径基本覆盖了以芦山地震的大部分震源区.

图 1 研究区区位与台站对间的路径分布 黑色线条代表断裂:F1后山断裂,F2中央断裂,F3前山断裂;白底圆圈为芦山地震M1.0级以上的余震. Fig. 1 Locations of study area and the inter-stations path coverage map The black lines show faults, F1—Back range fault, F2—Central fault, F3—Range-front fault. The white circles represents aftershocks Lushan earthquake with M≥1.0.

对于捕获地下介质微小的波速变化,能否在时间域内获得稳定、可靠的互相关函数十分关键.对数据质量进行控制,是确保获得较为纯净的背景噪声必不可少的首要环节,以提高互相关函数的质量.本文采用功率谱概率密度函数(Power Spectral Density Probability Density Functions,简称PDFs)方法对原始记录数据中的各类异常信号进行概率分析,从而对数据的可用性进行判定(McNamara and Buland, 2004).以天为单位,将台站的连续记录波形按窗长为1 h进行划分,按50%的长度进行滑动重叠,从而计算出全时段内的噪声功率谱概率密度函数.

图 2展示了天全台(TQU)的计算结果,从中可以看到绝大部分的功率谱是分布在地球噪声模型曲线(Peterson, 1993)之间,表明记录数据良好、可用性高.本文选取分布概率在90%(图 2a中黄色曲线)以内的数据来进行互相关函数计算,剔除分布在概率曲线为90%以外的异常数据(图 2b).经评估10个台站6年的可用性平均约为98.5%,最低约为96.7%(JYA台),最高约为99.2%(CD2台);10个台站的数据可用性如图 3所示.

图 2 天全台的背景噪声质量分析结果 (a) 2012年4月—2018年4月期间PDFs分布特征; (b)红色竖线代表连续记录数据不可用的某天. Fig. 2 The quality of ambient seismic noise recorded by Tian Quan seismic station (a) The PDFs results of ambient seismic noise from April 20, 2012 to April 20, 2018; (b) Red vertical lines represent a day when continuous recording data is unavailable.
图 3 各台站的数据可用性,空白代表数据不可用或缺失 Fig. 3 Availability of continuous waveform data for Stations, blank represents unavailability or missing data
1.2 数据预处理

在计算台站对间互相关函数前,为减少非平稳噪声源的影响,须对经PDFs方法筛选出的垂直分量(ZZ)原始数据进行必要的预处理,包括:去除线性趋势、带通滤波器(0.02~20 Hz)、归一化、谱白化等处理(Bensen et al., 2007).

测量地震波速变化过程中为确保测量精度,除要求每天的互相关函数与参考互相关函数之间除存在时延外,还需两者之间具有足够的相似性(Lecocq et al., 2014).为了提高信噪比通常的做法是将某天前后一定时间内的互相关函数叠加来代表该天的互相关函数,在已有的研究成果中因具体研究目标不一,经验性地选择使用的滑动窗长往往也不一样.为确定出适合于本研究区的滑动窗窗长,本文以优势台间距范围内主震前后各半年(2012年10月1日—2013年10月1日期间)的记录数据进行测试(MDS-XJI,台间距约为121.6 km),以5天为间隔,在5~60天范围内采用同不窗长进行滑动叠加,并计算其与参考格林函数之间的互相关系数.测试结果表明,当采用15天进行叠加时,在绝大部分时段内,结果与参考格林函数之间的互相关系数就能达到0.8以上,信噪比提高的比例最大(图 4).

图 4 不同窗长情况下MDS-XJI(ZZ分向)互相关格林函数的相似性测试 Fig. 4 The similarity test of station pair MDS-XJI (ZZ component) cross-correlation Green′s functions under different time window lengths
1.3 相对速度的测定

假设空间上,台站对间介质波速度的变化(δv/v)是均匀的,那么经验格林函数和参考格林函数间的相对时移则不依赖于流逝时间.当测定某一个以τ为中心的小窗口的走时偏移δτ时,便可以通过测定走时偏移δτ的斜率来估计出相对走时变化δτ/τ,其相反数就是地震波速度的相对变化,即δv/v=-δτ/τ(Ratdomopurbo and Poupinet, 1995Snieder, 2002).

频域滑动窗互谱与时域拉伸(或压缩)是测量相对速度的两种主要方法.Hadziioannou等(2009)对这两种方法进行实验测试评估后,认为它们对速度扰动的灵敏度基本相当,但动窗互谱分析技术的优势,是在频率域内可以很明确地确定相关函数中相干信号的带宽.本研究采用的是Clarke等(2011)改进后的移动窗互相关谱方法,对该方法的详细介绍在其文献中,因此在这里只作简要说明.首先,将台站对间的互相关函数(ccf)与参考格林函数(ref)划分成若干重叠的窗后,并进行FFT变换后,它们的互谱X(f)被定义为

(1)

实际计算中通常用其振幅和相位来表示:

(2)

两个序列之间的时间延迟可以由解缠相位φ(f)与频率f获得:

(3)

δτj代表第j个子窗内的时间延迟,在指定频带范围内,通过最小二乘加权线性回归即可获得斜率m,对应的权重为ωj与误差为em

(4)

式中,Cj是两个序列相关系数.这种权重公式的优势在于可以根据互谱能量的变化给出合理的权重系数.将式(4)分别除以2π,即可获得台站对间对应于不同时间窗的走时延迟δτ及误差eδτ,通过滑动测量流逝时间范围内所有子窗的斜率便可获得相应路径上的波速变化.为减小误差, 在通过最小二乘加权线性回归获得δτ/τ时,要求拟合时直线强制通过原点(Lecocq et al., 2014).理论上,测量的绝对精度取决于在正负流逝时间范围内线性拟合所获得的斜率的精度,基于移动窗互谱测量的延迟时间精度能达0.001 s,当正负流逝时间长度为200 s时,拟合斜率的绝对精度可达到0.0005%.

此外,地震波速的精确测量还依赖于参考格林函数是否稳定.本文叠加主震前1年的互相关函数来作为参考格林函数,而非叠加整个时段内的互相关作为参考格林函数,如图 5所示.如此,除避免震后大量余震尾波的影响外,还可降低整个研究时段内包含的其他强烈速度变化的影响.

图 5 不同周期范围内的参考格林函数 Fig. 5 The reference cross-correlation Green's functions in different period bands

对于计算时移而言,最小和最大延迟时间窗的选择也十分重要(Duputel et al., 2009Mordret et al., 2010).由于沿较长路径传播的散射波会积累较长的时间延迟,互相关函数中还可能包含了由噪声源的季节性变化产生的直达波,它们的时间延迟可达到30 s(Stehly et al, 2008; Hobiger et al, 2012Liu et al, 2014).本文根据研究频带范围(1~20 s)以及台间距情况,确定尾波的测量时窗长取值为±(25~125)s,最小相位相干系数为0.7,最大δτ为0.5 s,最大测量误差为0.1 s.

2 结果分析 2.1 研究区背景噪声源特性

背景噪声源特性极大地影响着格林函数的信噪比,振幅谱的变化也会导致速度测量存在偏差,因此在地震波速变化(约0.1%量级)的研究中,噪声源引起的波速变化对计算结果的影响程度不容忽视;在一些特殊的地区,噪声源季节性变化对波速变化的影响程度与介质变化相当,甚至可能占主要作用(Zhan et al., 2013).于是,在开展结果分析解释之前,有必要对研究区内背景噪声源年尺度的特性及其机制进行深入了解.

频域极化方法是评估背景噪声在能量与极化等特性的有效方法(Park et al., 1987Koper and Burlacu, 2015).本文采用的主要参数包括:(1)最大特征值的功率λmax(Wagner and Owens, 1996),以加速度功率谱的分贝(dB)为单位,10×log10(m2/s4/Hz);(2)极化程度β2,是无量纲的,代表振动向量各个分量之间的相关程度;在0到1之间变化,当所有特征值相等时,极化程度为0,而只存在一个非零特征值时,则极化程度为1 (Samson,1983);(3)ΘH,极化椭圆的方位,在0°~360°之间变化,代表瑞利波或P波等波源的反方位角.

以观测站每一个小时三分向的连续记录数据为样本,扣除仪器响应后,按50%的重叠比例滑动地计算与频率有关的、3×3的复谱协方差矩阵;频谱是由10个子窗对数据进行锥形化、并计算傅里叶变化后求平均得到的,每个子窗时长819.2 s.在有效频带范围内(0.016~50 Hz),将每一个频点上的复谱矩阵分解为特征值和特征向量,然后从主特征向量中计算出信号的极化特性.

图 6a显示研究区内10个台站在0.03~1 Hz范围内最大特征值的功率λmax(分布概率为90%时)的形态十分相似,表明微震频段内第一类地脉动(10~20 s,也称Single-Frequency,SF地脉动)和第二类地脉动(2~10 s,也称Double-Frequency,DF地脉动)噪声源对于位于小尺度区域内不同台站的响应基本一致.于是本文以位于研究区中心的BAX台来作为代表进行场源特征分析,从图 6b的最大特征值的功率概率密度分布看,DF频段内0.25 Hz附近存在一个较为明显的分段特征,表明DF频段内的背景噪声至少存在2类不同的噪声源,周期分别为4~10 s、2~4 s;极化程度显示0.03~1 Hz范围内的极化程度总体较低(图 6c),绝大部分时间段内分布在0.1~0.3之间,表明该频段内的信号结构化程度较低,波态复杂,因为只有纯椭圆极化或线性极化程度越高时,其值越大.背景噪声的极化方向差异显著(图 6d),10~25 s周期的分布宽泛,但在150°~200°之间相对较为集中;4~10 s在160°附近有一个相对集中区,0和360°也相对聚集;2~4 s方位集中在200°附近,意味着噪声源分布于不同的方位.这与Wang等(2018)利用ChinArray数据对噪声源定位的结果有一致性,认为我国西南地区持续性P波噪声源主要分布在北大西洋、北太平洋以及南大洋等深海区.

图 6 震源区背景噪声的能量与极化特征 2016年1月震源区内10个台站的最大特征值功率的概率分布曲线(a);BAX台2016年全年背景噪声最大特征值功率的概率分布(b)、极化度(c)、极化方向(d);(e)最大特征值功率的时频特征;(f)各周期范围内最大特征值的平均功率的时变关系. Fig. 6 The variations in power and polarization of ambient seismic noise in the epicentral region Probability distribution curve for the principal eigenvalue of ambient noise recorded by 10 seismic stations at the epicentral region during January 2016 (a); Probability density functions (b), β2 the degree of polarization (c), ΘH the azimuthal orientation of the polarization ellipsoid (d) for the principal eigenvalue of ambient noise recorded at BAX station during 2016; (e) Time-frequency characteristics of power for the principal eigenvalue; (f) Time-dependent characteristics of power for the principal eigenvalue at different period bands.

就年尺度而言,研究区内的背景噪声场相对稳定,但成分复杂、存在多类噪声源,且季节性变化明显,如图 6e所示,全年微震能量间隙出现在4月至6月,秋季月份的能量波动最大.除此之外,观察到周期为2~20 s的脉动存在明显月变特征,特别是2~10 s;多数研究表明该频段内的能量的产生原因与海洋活动有密切关系,但月变规律的主要原因是海洋潮汐,还是与由月阳起潮力引起的周期性固体潮有关仍值得进一步研究.周期为1~2 s的能量在夏季和秋季月份存在大幅度的波动,这主要与同时期当地的降雨量大小相关.

2.2 地震波速的时变特征

研究区45组台站对周期在1~20 s范围内,6年的相对地震波速变化如图 7a所示.由于大部分台站对(共有38组)之间的波速变化趋势基本一致,于是本文使用所有台站对间的平均值作为研究区整体的变化结果.周期1~20 s的面波对深度的敏感范围相对较宽,数百米~20 km.为分析不同深度上波速变化的物理机制,根据上一节中噪声源特性的分析,本文测量了1~2 s、2~4 s、4~10 s、10~20 s 4个子频带范围内的波速变化.基于Crust1.0模型和Yang等(2012)地壳模型,获得了震源区不同周期的瑞利面波相速度相对于横向剪切波的敏感深度范围,如图 7b所示.

图 7 (a) 震源区各个周期范围内地震相对波速的平均变化特征,蓝线为45组台站对δv/v的平均值,浅红色区域为误差em;(b)不同周期的Rayleigh面波的敏感核曲线,c为Rayleigh波相速度 Fig. 7 (a) The mean relative seismic velocity changes in the epicentral region of the Wenchuan earthquake estimated in different period bands. The blue Line represents the average value of δv/v for 45 station pairs. Light red region represents the associated error, em. (b) Sensitivity kernels of group velocity for Rayleigh wave at different periods. c is phase velocity of Rayleigh wave

图 7a所示,震后震源区短时间(约20天左右)内出现了显著的同震波速降低现象,幅度约为0.08%~0.1%,震后约1年左右波速变化恢复至零线附近.4个子频带中,除10~20 s外,其余的均出现明显的降速,其中周期为4~10 s的降速最大,约为0.08%,恢复至零线附近的持续时间也最长1年左右;1~2 s与2~4 s的降幅基本相当,约为0.04%,恢复至零线附近时间也较短,约为震后4个月左右;周期为10~20 s的同震降速现象不明显,在整个时段内的变化较为平稳,在零线附近±0.02%的范围内小幅波动.此外,在介质波速的背景波动变化方面,观察到1~2 s的背景波动幅度剧烈,变化幅度最大约为±0.04%,存在间隔性的季节变化特征;2~4 s的背景波动幅度小于1~2 s,但仍能清晰地看到存在比季节性周期更长,约为1年尺度的扰动.4~10 s、10~20 s的背景变化水平总体较为平稳,但10~20 s的幅度更小,仅约为±0.02%.

由于周期为1~2 s的面波对介质敏感深度约为2 km以上的浅层介质,2~4 s反映的是约4 km深度以上的介质,因此推测周期1~4 s内的背景地震波速变化,与近地表的水饱和度或地下水位变化有关.为获得这种相关性在机制上的合理性证据,本文引入地下水位的水位模型来地解释这一变化特征,根据达西定律(Darcy′s law),地下水通过稳定的含水层排放,排放量与地下水位的高度成正比,降雨后引起水位呈指数级下降.日降雨量P(tn)与地下水位GWL(地表以下)之间关系(Sens-Schönfelder and Wegler, 2006):

(5)

式中GWL0是渐进地下水位,ϕ是空隙度取为0.05(杨立中,1990),a为衰减因子,取为0.008d-1.

时间ti的延迟时间δτ与地下水位深度(z)之间关系可以用下式来描述:

(6)

K(z, τ)是灵敏度核(Pacheco and Snieder, 2005Wegler and Lühr, 2001),S(ti, z)是与时间相关相对慢度扰动,当GWL(ti)<z<GWLrefS(ti, z)=δs, GWLrefz<GWL(ti), S(ti, z)=-δs.根据四川雅安地区等7个气象站2012—2018年间的逐月降水量数据,在2~4 s的时间窗内,模拟得到了匀速变化模型下的相对延迟时间变化,图 8a中红色实线所示,模拟结果与实测结果之间变化趋势十分一致,但在细节上存在差异.就测量方法而言,互相关函数振幅谱的变化会引起计算误差,但计算中已对振幅进行多次归一化处理,因此由地脉动能量强度变化所引起的差异很小,可以忽略.因此,推测模拟结果与实测结果之间的不一致主要是与地下水位的实际变化有关,由于地下水渗透的不均匀,从而导致浅层介质孔隙压力、含水度等的实际变化与模型之间存在差异,进而反映在波速扰动的细节变化上.对比图 8(ab),可以发现,总体上降雨量较大时段地脉动能量波动剧烈,旱季地脉动能量波动幅度较小;地震波速的增大与降雨减少的过程在趋势上存在很好的吻合对应关系.

图 8 (a) 周期1~4 s内的实测地震相对波速变化与模拟地下水位变化的相对延迟时间;(b)实际降雨量与地脉动能量随时间变化的对应关系 Fig. 8 (a) Measured relative seismic velocity variations and the relative delay times caused by modeled the ground water level; (b) Corresponding relationship between actual rainfall and ambient seismic noise energy with time

尽管模拟值与实测值之间的细节存在差异,但考虑到用7个台站的平均降雨量来代替大约100 km×100 km区域的平均值,以及水位模型较为简单,仍能够获得由地下水位深度变化引起的相对延迟时间与波速扰动之间趋势性变化的一致性.于是我们确信,对于周期1~4 s内观测到的剧烈背景波动,范围在±0.04%,主要与当地的降雨量及地下水位变化有关.

周期4~10 s反映的是约5~15 km以上深度的介质变化,从图 7a中可以看出季节性或年尺度的背景变化特征不明显,但同震降速幅度最大,恢复至零线的持续时间也最长.根据定位结果,主震震源深度约为13 km,7~20 km深度区间是绝大部分余震分布的深度(许力生等,2013易桂喜等,2016),这表明主震及震后大量余震的松弛效应,可能是造成这一深度范围内介质应力变化的主要原因.

10~20 s周期内的同震波速变化不明显,地震波速基本上沿零线附近平稳变化(±0.02%),且幅度较小.从图 7b可了解到该周期范围对介质的敏感深度达到30 km,这是否意味着,一方面这深度范围内的介质性质变化微弱;或需要使用更大孔径的台站分布才能获得更为精确测量结果,需要更进一步的深入研究.

2.3 地震波速的空间变化

获取同震变化的空间分布特征有助于更为直观地了解震后的介质应力应变情况.为获得空间分布特征,我们首先将研究区按0.1°×0.1°进行网格单元划分,然后将各台站对间介质波速的变化量赋予其射线所穿过的区域单元,各区域单元内介质波速的变化值取其所穿过路径的加权平均,权重系数为各路径计算误差归一化后的倒数.图 9a展示了主震后60天内平均相对地震波速度变化的空间分布,可看到研究区内大部分区域内均出现了不程度的降速现象,但平均波速降最为明显的区域集中分布在龙门山断裂带两侧约70 km范围内,位于四川盆地内一侧平均降速幅度约为0.1%,速略高于位于青藏高原一侧(约为0.08%).降速显著区位于断裂带两侧,意味着跨过断裂带或离余震带较近的台站对路径间的降速幅度要大于其他外围区域,这在汶川地震的研究中有相似的发现(刘志坤和黄金莉,2010Liu et al., 2014).但断裂带两侧的速度变化并不完全对称,推测认为这可能与断裂带两侧地壳介质性质对面波的响应差异有关,从图 9c中可了解到,20 km深度范围内两侧的地壳构成区别明显.四川盆地一侧被分为沉积层和盆地地壳,而盆地会使面波在水平和垂直向的走时出现提前或滞后现象,且盆地的“边缘效应”还会致使在面波在区域内存在多次反射(陈学良等,2011).同时,还注意到,在四川盆地内的降速区主要集中在主震的东北方向,这可能与震后大量余震的发生有关,M1.0级以上余震重定位后震中分布如图 1所示,东北方向的余震展布约宽于西南方向,走向北端的余震密度也大于西南方向,意味着东北方向破裂程度要强于西南方向(王俊等,2016).

图 9 (a) 震源区介质波速(1~20 s)的同震变化空间分布;(b)芦山地震的同震应变场(震源深度13 km);(c)龙门山断裂带西南段地壳的剖面示意(据梁春涛等(2018)改) Fig. 9 (a) The coseismic velocity changes in the period band of 1~20 s; (b) The volumetric strain changes caused by the Lushan earthquake; (c) The cross section molded of the crust in the southwestern segment of the Longmenshan fault(Modified from Liang et al.(2018))

为检验同震应力应变对波速变化的影响,我们采用Coulomb3.0软件计算了芦山地震产生的同震应变场,结果显示,体应变量变化范围约在(-2~5)×10-6之间,沿断层两侧的区域为膨胀区,断层两端以压缩为主.从空间对应分布上看,体应变膨胀区与降速明显区基本吻合,压缩区域的降速现象不明显,尽管并没有完全重叠,但这基本符合理论预期,与在其他地区获得的研究结果也近似(Wegler et al, 2009Ueno et al,2012).

除此之外,我们还观察到龙门山断裂带内的降速现象不明显,但从变化幅度上看,还存在一定的分段特征,主震附近的降速略高于左右两端的;主震断裂带西南端区域内,地震波速存在小幅上升(约0.02%),这一现象这在之前研究中还比较少见.这或许表明芦山地震对龙门山断裂带西南端的介质应力积累存在短期的促进作用,但从波速变化量来看,地震对断裂带内介质固有状态的影响总体应该较小.

3 结语

本文基于2012—2018年期间的连续记录数据,运用经改进后的移动窗互谱和频域偏振分析方法,对芦山地震震后5年来,震源区龙门山断裂带西南段内介质的波速变化特征及其机制进行了深入细致的研究.提取噪声互相关格林函数前,采用功率谱概率密度函数方法对记录数据进行质量控制和筛选,有效地保证了在时间域内获得稳定可靠的互相关函数.在解释地震波速的时空变化规律前,对震源区内背景噪声源的时变特性及其机制进行了分析,因为了解噪声源的背景变化特征,特别是季节性变化的影响对于基于互相关格林函数走时的测量中是必须要考虑的重要因素.综合以上分析得到了以下几点认识:

(1) 长时间尺度而言(至少1年以上),研究区周期为1~20 s的背景噪声场相对稳定,但成分复杂、DF频段内至少存在2类能量相对较强的噪声源,且季节性变化明显;1~2 s的地脉动能量在夏季和秋季月份存在较大幅度的波动,主要与当地的降雨量大小有关;在微震频段内,特别是周期为2~10 s的地脉动能量还存在清晰的月变特征.

(2) 将1~20 s划分为1~2 s, 2~4 s, 4~10 s, 10~20 s 4个子频带,并分别测量其波速变化,分析探讨了不同深度上引起速度变化的可能的机制;除10~20 s周期外,其余3个频带的地震波速在震后一段时间内均出现明显的降速现象,其中4~10 s的降速最大(约为0.08%),认为主震及大量余震的松弛效应是引起波速变化的主要原因.获得了震源区长时间尺度的介质波速背景变化水平,较长周期的波动幅度要小于较短周期的,1~4 s内地震波速波动最为剧烈(约达到±0.04%)、且存在季节性甚至年尺度的规律性变化特征,结合降雨量的地下水位模型能很好地解释这一变化特征.

(3) 震后研究区内大部分区域均出现不同程度的降速现象,最大波速降低约在0.08%~0.12%,波速下降最显著的区域主要集中在龙门山断裂带两侧约70 km范围内,平均约为0.1%左右,略高于青藏高原一侧.龙门山断裂带内的降速整体不显著,但主震附近的降速略高于左右两侧的,位于主震断裂带西南端的区域内,介质波速表现出小幅上升(约0.02%).另一方面,同震体应变膨胀区与降速明显区在空间分布上也基本吻合.

(4) 震后大约1年左右,波速变化基本恢复到震前的背景水平,且至2018年4月前未观察到有明显的波速变化异常,基本均在零线附近波动.实际上,据统计自2013年4月21日5.4级余震后,截止目前震源区附近也仍未发生过5级以上地震.但这是否意味,震后5年多来震源区内龙门山断裂带西南段的上地壳应力环境一直处于相对“平稳”的状态?仍需结合其他地震学方法进行深入研判,如Pei等(2019)认为芦山地震后龙门山断裂带南部的介质P波波速恢复过程加速,震后约1年,基本恢复至震前75%的水平.

综上所述,本文的研究结果可为分析龙门山断裂西南段的强震孕震、发生和震后恢复过程以及地震动力学过程等提供另一视角的有用信息.未来,随着地震旋转分量等新观测手段的引入,我们将进一步尝试引入新的观测数据,如地表形变的旋转量与平移量等,来研究区域介质真实相速度的时空变化特征.

致谢  感谢“国家数字测震台网数据备份中心”提供连续波形数据;感谢中国气象局国家气候中心提供降雨量数据;感谢匿名审稿专家以及中国科学技术大学的王宝善研究员、江西省地震局的吕坚研究员提出的宝贵建议.
References
Bensen G D, Ritzwoller M H, Barmin M P, et al. 2007. Processing seismic ambient noise data to obtain reliable broad-band surface wave dispersion measurements. Geophysical Journal International, 169(3): 1239-1260. DOI:10.1111/j.1365-246X.2007.03374.x
Brenguier F, Campillo M, Hadziioannou C, et al. 2008. Postseismic relaxation along the San Andreas fault at Parkfield from continuous seismological observations. Science, 321(5895): 1478-1481. DOI:10.1126/science.1160943
Brenguier F, Clarke D, Aoki Y, et al. 2011. Monitoring volcanoes using seismic noise correlations. Comptes Rendus Geoscience, 343(8-9): 633-638. DOI:10.1016/j.crte.2010.12.010
Campillo M, Paul A. 2003. Long range correlations in the diffuse seismic coda. Science, 299(5606): 547-549. DOI:10.1126/science.1078551
Chen J H, Froment B, Liu Q Y, et al. 2010. Distribution of seismic wave speed changes associated with the 12 May 2008 MW7.9 Wenchuan earthquake. Geophysical Research Letters, 37(18): L18302. DOI:10.1029/2010GL044582
Chen X L, Gao M T, Li T F. 2011. Study on Response Characteristics of Basin Site under the Action of Rayleigh Surface Wave. Journal of Civil, Architectural and Environmental Engineering, 33(S2): 29-33.
Chen Y T, Yang Z X, Zhang Y, et al. 2013. From 2008 Wenchuan earthquake to 2013 Lushan earthquake. Scientia Sinica Terrae (in Chinese), 43(6): 1064-1072. DOI:10.1360/zd-2013-43-6-1064
Clarke D L, Zaccarelli N M, Shapiro N M, et al. 2011. Assessment of resolution and accuracy of the Moving Window Cross Spectral technique for monitoring crustal temporal variations using ambient seismic noise. Geophysical Journal International, 186(2): 867-882. DOI:10.1111/j.1365-246X.2011.05074.x
Crampin S, Booth D C, Evans R, et al. 1990. Changes in shear wave splitting at Anza near the time of the North Palm Springs earthquak. Journal of Geophysical Research: Solid Earth, 95(B7): 11197-11212. DOI:10.1029/JB095iB07p11197
Duputel Z, Ferrazzini V, Brenguier F, et al. 2009. Real time monitoring of relative velocity changes using ambient seismic noise at the Piton de la Fournaise volcano (La Réunion) from January 2006 to June 2007. Journal of Volcanology and Geothermal Research, 184(1-2): 164-173. DOI:10.1016/j.jvolgeores.2008.11.024
Froment B, Campillo M, Chen J H, et al. 2013. Deformation at depth associated with the 12 May 2008 MW7.9 Wenchuan earthquake from seismic ambient noise monitoring. Geophysical Research Letters, 40(1): 78-82. DOI:10.1029/2012GL053995
Hadziioannou C, Larose E, Coutant O, et al. 2009. Stability of monitoring weak changes in multiply scattering media with ambient noise correlation: Laboratory experiments. The Journal of the Acoustical Society of America, 125(6): 3688-3695. DOI:10.1121/1.3125345
Heckels R E G, Savage M K, Townend J. 2018. Post-seismic velocity changes following the 2010 MW7.1 Darfield earthquake, New Zealand, revealed by ambient seismic field analysis. Geophysical Journal International, 213(2): 931-939. DOI:10.1093/gji/ggy021
Hobiger M, Wegler U, Shiomi K, et al. 2012. Coseismic and postseismic elastic wave velocity variations caused by the 2008 Iwate-Miyagi Nairiku earthquake, Japan. Journal of Geophysical Research: Solid Earth, 117(B9): B09313. DOI:10.1029/2012JB009402
Koper K D, Burlacu R. 2015. The fine structure of double-frequency microseisms recorded by seismometers in North America. Journal of Geophysical Research: Solid Earth, 120(3): 1677-1691. DOI:10.1002/2014JB011820
Lamb O D, De Angelis S, Wall R J, et al. 2017. Seismic and experimental insights into eruption precursors at Volcán de Colima. Geophysical Research Letters, 44(12): 6092-6100. DOI:10.1002/2017GL073350
Lecocq T, Caudron C, Brenguier F. 2014. MSNoise, a python package for monitoring seismic velocity changes using ambient seismic noise. Seismological Research Letters, 85(3): 715-726. DOI:10.1785/0220130073
Lei J S, Zhang G W, Xie F R. 2014. The 20 April 2013 Lushan, Sichuan, mainshock, and its aftershock sequence: tectonic implications. Earthquake Science, 27(1): 15-25. DOI:10.1007/s11589-013-0045-9
Liang C T, Huang Y L, Wang C L, et al. 2018. Progress in the studies of the seismic gap between the 2008 Wenchuan and 2013 Lushan earthquakes. Chinese Journal of Geophysics (in Chinese), 61(5): 1996-2010. DOI:10.6038/cjg2018M0254
Liu Z K, Huang J L. 2010. Temporal changes of seismic velocity around the Wenchuan earthquake fault zone from ambient seismic noise correlation. Chinese Journal of Geophysics (in Chinese), 53(4): 853-863. DOI:10.3969/j.issn.0001-5733.2010.04.010
Liu Z K, Huang J L, Peng Z G, et al. 2014. Seismic velocity changes in the epicentral region of the 2008 Wenchuan earthquake measured from three-component ambient noise correlation techniques. Geophysical Research Letters, 41(1): 37-42. DOI:10.1002/2013GL058682
Lv J, Wang X S, Su J R, et al. 2013. Hypocentral location and source mechanism of the MS7.0 Lushan earthquake sequence. Chinese Journal of Geophysics (in Chinese), 56(6): 1753-1763. DOI:10.6038/cjg20130533
McNamara D E, Buland R P. 2004. Ambient Noise Levels in the Continental United States. Bulletin of the Seismological Society of America, 94(4): 1517-1527. DOI:10.1785/012003001
Minato S, Tsuji T, Ohmi S, et al. 2012. Monitoring seismic velocity change caused by the 2011 Tohoku-oki earthquake using ambient noise records. Geophysical Research Letters, 39(9): L09309. DOI:10.1029/2012GL051405
Mordret A, Jolly A D, Duputel Z, et al. 2010. Monitoring of phreatic eruptions using interferometry on retrieved cross-correlation function from ambient seismic noise: Results from Mt. Ruapehu, New Zealand. Journal of Volcanology and Geothermal Research, 191(1-2): 46-59. DOI:10.1016/j.jvolgeores.2010.01.010
Pacheco C, Snieder R. 2006. Time-lapse traveltime change of singly scattered acoustic waves. Geophysical Journal International, 165: 485-500. DOI:10.1111/j.1365-246X.2006.02856.x
Park J, Vernon III F L, Lindberg C R. 1987. Frequency dependent polarization analysis of high-frequency seismograms. Journal of Geophysical Research, 92(B12): 12664-12574. DOI:10.1029/JB092iB12p12664
Pei S P, Zhang H J, Su J R, et al. 2014. Ductile gap between the Wenchuan and Lushan earthquakes revealed from the Two-dimensional Pg seismic tomography. Scientific Reports, 4: 6489.
Pei S P, Niu F L, Ben-Zion Y, et al. 2019. Seismic velocity reduction and accelerated recovery due to earthquakes on the Longmenshan fault. Nature Geoscience, 12(5): 387-392. DOI:10.1038/s41561-019-0347-1
Peterson J R. 1993. Observations and modeling of seismic background noise. Open-file report 93-322, U.S. Geological Survey, Open File Report, 1993: 93-322.
Poupinet G, Ellsworth W L, Fréchet J. 1984. Monitoring velocity variations in the crust using earthquake doublets: An application to the Calaveras fault, California. Journal of Geophysical Research: Solid Earth, 89(B7): 5719-5731. DOI:10.1029/JB089iB07p05719
Ratdomopurbo A, Poupinet G. 1995. Monitoring a temporal change of seismic velocity in a volcano: Application to the 1992 eruption of Mt. Merapi (Indonesia). Geophysical Research Letters, 22(7): 775-778. DOI:10.1029/95GL00302
Rivet D, Campillo M, Shapiro N M, et al. 2011. Seismic evidence of nonlinear crustal deformation during a large slow slip event in Mexico. Geophysical Research Letters, 38(8): L08308. DOI:10.1029/2011GL047151
Sabra K G, Gerstoft P, Roux P, et al. 2005. Extracting time-domain Green's function estimates from ambient seismic noise. Geophysical Research Letters, 32(3): L03310. DOI:10.1029/2004GL021862
Samson J C. 1983. Pure states, polarized waves, and principal components in the spectra of multiple, geophysical time-series. Geophysical Journal of the Royal Astronomical Society, 72(3): 647-664. DOI:10.1111/j.1365-246X.1983.tb02825.x
Sens-Schönfelder C, Wegler U. 2006. Passive image interferometry and seasonal variations of seismic velocities at Merapi Volcano, Indonesia. Geophysical Research Letters, 33(21): L21302. DOI:10.1029/2006GL027797
Sens-Schönfelder C, Larose E. 2008. Temporal changes in the lunar soil from correlation of diffuse vibrations. Physical Review E, 78(4 Pt 2): 045601. DOI:10.1103/PhysRevE.78.045601
Shapiro N M, Campillo M. 2004. Emergence of broadband Rayleigh waves from correlations of the ambient seismic noise. Geophysical Research Letters, 31(7): L07614. DOI:10.1029/2004GL019491
Snieder R. 2002. Coda wave interferometry and the equilibration of energy in elastic media. Physical Review E, 66(4 Pt 2): 046615. DOI:10.1103/PhysRevE.66.046615
Stehly L, Campillo M, Shapiro N M. 2006. A study of the seismic noise from its long-range correlation properties. Journal of Geophysical Research: Solid Earth, 111(B10): B10306. DOI:10.1029/2005JB004237
Stehly L, Campillo M, Shapiro N M. 2007. Traveltime measurements from noise correlation: stability and detection of instrumental time-shifts. Geophysical Journal International, 171(1): 223-230. DOI:10.1111/j.1365-246X.2007.03492.x
Stehly L, Campillo M, Froment B, et al. 2008. Reconstructing Green′s function by correlation of the coda of the correlation (C3) of ambient seismic noise. Journal of Geophysical Research, 113: B11306. DOI:10.1029/2008JB005693
Su J R, Zheng Y, Yang J S, et al. 2013. Accurate locating of the Lushan, Sichuan M7.0 earthquake on 20 April 2013 and its after shocks and analysis of the seismogenic structure. Chinese Journal of Geophysics (in Chinese), 56(8): 2636-2644. DOI:10.6038/cjg20130813
Ueno T, Saito T, Shiomi K, et al. 2012. Fractional seismic velocity change related to magma intrusions during earthquake swarms in the eastern Izu peninsula, central Japan. Journal of Geophysical Research: Solid Earth, 117(B12): B12305. DOI:10.1029/2012JB009580
Wagner G S, Owens T J. 1996. Signal detection using multi-channel seismic data. Bulletin of the Seismological Society of America, 86(1A): 221-231.
Wang J, Zheng D C, Zheng J R, et al. 2016. Temporal velocity changes in the crust associated with the Lushan MS7.0 earthquake by auto-correlation function analysis of ambient noise. Seismology and Geology (in Chinese), 38(1): 152-167.
Wang W T, Gerstoft P, Wang B S. 2018. Seasonality of P wave microseisms from NCF-based beamforming using ChinArray. Geophysical Journal International, 213(3): 1832-1848. DOI:10.1093/gji/ggy081
Wang Z, Su J R, Liu C X, et al. 2015. New insights into the generation of the 2013 Lushan earthquake (MS7.0), China. Journal of Geophysical Research: Solid Earth, 120(5): 3507-3526. DOI:10.1002/2014JB011692
Wegler U, Nakahara H, Sens-Schönfelder C, et al. 2009. Sudden drop of seismic velocity after the 2004 MW6.6 mid-Niigata earthquake, Japan, observed with passive image interferometry. Journal of Geophysical Research: Solid Earth, 114(B6): B06305. DOI:10.1029/2008JB005869
Wegler U, Lühr B G. 2001. Scattering behaviour at Merapi Volcano (Java) revealed from an active seismic experiment. Geophysical Journal International, 145(3): 579-592. DOI:10.1046/j.1365-246x.2001.01390.x
Xu L S, Yang C, Zhang X, et al. 2013. Where did the Lushan MS7.0 earthquake occur in the world?. Chinese Journal of Geophysics (in Chinese), 56(9): 2982-2993. DOI:10.6038/cjg20130912
Xu Z J, Song X D. 2009. Temporal changes of surface wave velocity associated with major Sumatra earthquakes from ambient noise correlation. Proceedings of the National Academy of Sciences of the United States of America, 106(34): 14207-14212. DOI:10.1073/pnas.0901164106
Yan Z K, Li Y, Zhao G H, et al. 2014. The relationship between Lushan earthquake and Wenchuan earthquake by segmentation of geology and geomorphology of Longmen Shan. Chinese Journal of Nature (in Chinese), 36(1): 51-58.
Yang Y J, Ritzwoller M H, Zheng Y, et al. 2012. A synoptic view of the distribution and connectivity of the mid-crustal low velocity zone beneath Tibet. Journal of Geophysical Research: Solid Earth, 117(B4): B04303. DOI:10.1029/2011JB008810
Yi G X, Wen X Z, Xin H, et al. 2013. Stress state and major-earthquake risk on the southern segment of the Longmen Shan fault zone. Chinese Journal of Geophysics (in Chinese), 56(4): 1112-1120. DOI:10.6038/cjg20130407
Yi G X, Long F, Vallage A, et al. 2016. Focal mechanism and tectonic deformation in the seismogenic area of the 2013 Lushan earthquake sequence, southwestern China. Chinese Journal of Geophysics (in Chinese), 59(10): 3711-3731. DOI:10.6038/cjg20161017
Zhan Z W, Tsai V C, Robert W C. 2013. Spurious velocity changes caused by temporal variations in ambient noise frequency content. Geophysical Journal International, 194(3): 1574-1581. DOI:10.1093/gji/ggt170
Zhao P P, Chen J H, Campillo M, et al. 2012. Crustal velocity changes associated with the Wenchuan M8.0 earthquake by auto-correlation function analysis of seismic ambient noise. Chinese Journal of Geophysics (in Chinese), 55(1): 137-145. DOI:10.6038/j.issn.0001-5733.2012.01.013
Zheng X F, Ouyang B, Zhang D N, et al. 2009. Technical system construction of Data Backup Centre for China Seismograph Network and the data support to researches on the Wenchuan earthquake. Chinese Journal of Geophysics (in Chinese), 52(5): 1412-1417. DOI:10.3969/j.issn.0001-5733.2009.05.031
陈学良, 高孟谭, 李铁飞. 2011. Rayleigh面波作用下盆地场地响应特性研究. 土木建筑与环境工程, 33(S2): 29-33.
陈运泰, 杨智娴, 张勇, 等. 2013. 从汶川地震到芦山地震. 中国科学:地球科学, 43(6): 1064-1072.
梁春涛, 黄焱羚, 王朝亮, 等. 2018. 汶川和芦山地震之间地震空区综合研究进展. 地球物理学报, 61(5): 1996-2010. DOI:10.6038/cjg2018M0254
刘志坤, 黄金莉. 2010. 利用背景噪声互相关研究汶川地震震源区地震波速度变化. 地球物理学报, 53(4): 853-863. DOI:10.3969/j.issn.0001-5733.2010.04.010
吕坚, 王晓山, 苏金蓉, 等. 2013. 芦山7.0级地震序列的震源位置与震源机制解特征. 地球物理学报, 56(6): 1753-1763. DOI:10.6038/cjg20130533
苏金蓉, 郑钰, 杨建思, 等. 2013. 2013年4月20日四川芦山M7.0级地震与余震精确定位及发震构造初探. 地球物理学报, 56(8): 2636-2644. DOI:10.6038/cjg20130813
王俊, 郑定昌, 郑江蓉, 等. 2016. 利用背景噪声自相关研究芦山M7.0级地震震源区相对波速的时空变化特征. 地震地质, 38(1): 152-167. DOI:10.3969/j.issn.0253-4967.2016.01.012
许力生, 严川, 张旭, 等. 2013. 芦山MS7.0地震究竟发生在哪里?. 地球物理学报, 56(9): 2982-2993. DOI:10.6038/cjg20130912
颜照坤, 李勇, 赵国华, 等. 2014. 从龙门山地质地貌分段性探讨芦山地震与汶川地震的关系. 自然杂志, 36(1): 51-58.
杨立中. 1990. 压汞实验在低渗透性含水介质研究中的应用——以四川盆地邓关构造三叠系深部含水介质为例. 勘察科学技术, (6): 12-16.
易桂喜, 闻学泽, 辛华, 等. 2013. 龙门山断裂带南段应力状态与强震危险性研究. 地球物理学报, 56(4): 1112-1120. DOI:10.6038/cjg20130407
易桂喜, 龙锋, Vallage A, 等. 2016. 2013年芦山地震序列震源机制与震源区构造变形特征分析. 地球物理学报, 59(10): 3711-3731. DOI:10.6038/cjg20161017
赵盼盼, 陈九辉, Campillo M, 等. 2012. 汶川地震区地壳速度相对变化的环境噪声自相关研究. 地球物理学报, 55(1): 137-145. DOI:10.6038/j.issn.0001-5733.2012.01.013
郑秀芬, 欧阳飚, 张东宁, 等. 2009. 国家数字测震台网数据备份中心"技术系统建设及其对汶川大地震研究的数据支. 地球物理学报, 52(5): 1412-1417. DOI:10.3969/j.issn.0001-5733.2009.05.031