地球物理学报  2020, Vol. 63 Issue (2): 532-540   PDF    
分布式光纤声波传感系统在近地表成像中的应用Ⅰ:主动源高频面波
宋政宏1,2, 曾祥方1, 徐善辉3, 胡久鹏3, 孙天为3, 王宝善2,3     
1. 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室, 武汉 430077;
2. 中国科学技术大学地球和空间科学学院, 合肥 230026;
3. 中国地震局地球物理研究所, 北京 100081
摘要:近年来发展的新型地震观测系统——分布式光纤声波传感器(DAS,Distributed Acoustic Sensing)可以实现低成本高密度观测,有望提高浅层结构成像的精度以及分辨率.最近国内研发了一系列具有自主知识产权的DAS设备,为验证国产设备在浅层结构研究中的可行性以及应用效果,2018年7月我们开展了一次DAS观测实验.实验采集了50 kg落锤震源激发的地震信号,并采用多道面波分析方法提取了8~20 Hz频段的主动源Rayleigh波相速度频散曲线,得到了实验区浅层30 m的S波速度结构.获得的主动源面波频散曲线与共址检波器的结果吻合,也与背景噪声提取的结果具有较好的一致性,表明国产设备的可靠性和DAS在浅层结构主动源面波成像研究中的可行性.
关键词: 主动源      分布式光纤声波传感器      多道面波分析方法      浅层结构     
Distributed Acoustic Sensing for imaging shallow structure Ⅰ: active source survey
SONG ZhengHong1,2, ZENG XiangFang1, XU ShanHui3, HU JiuPeng3, SUN TianWei3, WANG BaoShan2,3     
1. State Key Laboratory of Geodesy and Earth's Dynamics, Institute of Geodesy and Geophysics, Chinese Academy of Science, Wuhan 430077, China;
2. School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026, China;
3. Institute of Geophysics, China Earthquake Administration, Beijing 100081, China
Abstract: In recent years, the internationally developed new seismic acquisition system, distributed acoustic sensing (DAS), has realized low-cost and high-density observation, which is expected to improve the resolution and quality of shallow-structure imaging. A series of DAS equipment with independent intellectual property rights have been developed in China, but the related testing works have yet to be carried out. In order to verify the feasibility of the distributed acoustic sensing in the study of shallow structure, we conducted a DAS observation experiment in July 2018. The seismic signal generated by a 50 kg falling source is collected in the experiment. The multi-channel surface wave analysis method is used to extract the Rayleigh wave phase velocity dispersion curve in the 8~20 Hz band. Using the data, this paper calculated the S-wave velocity structure of the shallow 30 m in the experimental area. The obtained surface wave dispersion data is in good agreement with the results of the co-located geophone, and is also consistent with the ambient noise calculation results, which shows the reliability of the domestic equipment and the feasibility of the DAS in active surface wave imaging in the shallow structure.
Keywords: Active source    Distributed Acoustic Sensing (DAS)    Multi-channel analysis of surface wave    Shallow structure    
0 引言

浅部数十米的地震波(特别是S波)速度结构在强地面振动、地震勘探、地下空间利用以及滑坡体识别等方面具有重要意义(如Borcherdt, 1994).面波成像方法是浅层S波速度结构成像的主要方法之一(Foti et al., 2011),该类方法主要基于高频面波信号开展.高频面波数据的采集对观测密度要求较高,在较大区域开展高密度高频面波观测面临着一系列的现实困难,包括仪器布设、仪器安全等.近年来,随着光纤传感技术的发展,一种新的地震观测系统——分布式光纤声波传感器(Distributed Acoustic Sensing,简称DAS, 如Hartog et al., 2013, 张丽娜等,2020)得到应用,该系统能够以较低的成本实现超密集的观测,有望提高浅层速度结构成像的精度.

DAS系统由两部分组成,一部分是解调仪,包括了光学系统和信号采集系统,一部分是用于传感的普通光纤或特种光纤.DAS的采集原理是通过探测激光脉冲在光纤内部散射体产生的Rayleigh后向散射信号的相位变化,实现光纤轴向应变的测量.光纤的每一小段可以等效为一个单分量应变仪(Benioff, 1935),用于探测地震波场引起的应变.基于单个解调仪,采用多个双向放大器能够以0.25 m的道间距实现几千到几十千米范围内的观测,极大地降低了观测成本(Parker et al., 2014).同时实验室测试表明其测量精度可达纳应变级别,应变信号频段覆盖了常规地震信号频带(约100 s~49.5 kHz, Parker et al., 2014),实际应用环境中也可以记录到该频带内的各种信号.

DAS首先在地震勘探领域中得到应用(Mestayer et al., 2011),之后逐渐推广到其他地震学研究领域中(Willis et al., 2017).国际上,地震学界开展了一系列的研究工作探讨DAS在天然地震学研究(Lindsey et al., 2017)、浅层结构成像(Zeng et al., 2017)、介质变化监测(Mateeva et al., 2017)等方面的应用.DAS的高观测密度优势在浅层结构面波成像中可以得到很好的应用(如Zeng et al., 2017; Dou et al., 2017),但目前国内相关研究仍有待开展,因此2018年7月我们在白家疃北京国家地球观象台开展了一次DAS观测实验.实验中,我们使用国产DAS设备采集落锤震源激发产生的地震波信号,采用多道面波分析方法提取了高频面波频散数据.通过与光纤记录的背景噪声计算结果和共址的检波器主动源地震数据计算结果对比,验证了DAS的可靠性,并在此基础上反演得到了实验区的浅层S波速度结构,探讨其在浅层结构研究中的应用.

1 数据与方法

目前DAS观测采用的布设方式有多种,井下可采用自由悬挂或者附着于井壁/管壁等方式,地表可以采用浅埋、冰冻、水泥浇注等方式.本次实验采用浅埋的方式布设了约600 m的四芯光缆,光缆内包括四根普通通信单模1550 nm光纤,实验观测中采用了其中约500 m部分(图 1).数据采集过程中道间距设为2 m,采样率为2000 Hz,主动源信号采用触发记录模式.此外还在实验区内布设了120个10 Hz检波器(俊峰30dx-10)和9台宽频带地震仪(Guralp CMG-3ESP+Reftek 130B)用于对比研究(图 1).

图 1 白家疃实验观测系统布设图 数字为DAS道号,黑色实线为传感光缆,灰色实线为检波器,主动源激发位置用五角星表示,地震仪用三角形表示.虚线矩形框出的部分为本文计算所展示的部分. Fig. 1 The layout diagram of Baijiatuan experimental observation system The numbers are the DAS channel number, the black solid line is the sensor cable, the gray line is the geophone, the active source positions are indicated by stars, and the seismographs are represented by triangles. The dotted rectangle is the part calculated in this paper.

本次实验以落锤作为主动源,提升高度约为2 m,下落时间约0.6 s,激发信号认为脉冲信号.炮间距设置为20 m,沿光缆26个位置进行激发(图 1),本文将基于这次实验采集的主动源地震数据展开研究.

图 1中,当激发点与传感光缆处于一条直线,传感光缆可以等效于一个径向分量应变仪,能够记录到P、SV波和Rayleigh面波信号,因此提取得到的面波信号为Rayleigh波.本文选取一道记录进行时频分析(图 2),其中面波(约为0.3~0.7 s)的能量主要集中在5~30 Hz频段.为避免近场效应,Stokoe等(1994)推荐的最小偏移距为面波波长的一半左右,考虑到松软土层中S波速度约为100~300 m·s-1(夏江海,2015),结合面波频段,本文选择偏移距大于40 m的记录用于分析.接收排列的长度决定了用于分析的面波最大波长,也限制了能探测的最大深度,一般推荐值为波长的一倍,可以探测的最大深度约0.5~0.67倍的波长(Park and Carnevale, 2010).本文采用的排列长度为60 m,图 3给出了118~148道记录,偏移距约40~100 m.图 3a的原始地震记录(图 1虚线框中部分)中,体波信号较为清晰,图中灰色虚线和灰色实线分别表示150 m·s-1和400 m·s-1的时距曲线.体波的速度要高于400 m·s-1,而面波的速度介于150 ~ 400 m·s-1之间,这一范围与前人在同一地点获得的结果相近(张维等,2012).为了去除体波等其他信号对面波分析的影响,根据面波的频段,首先进行5~30 Hz频段的带通滤波,然后在150~ 400 m·s-1的速度范围进行f-k滤波,滤波后的结果如图 3所示.带通滤波以及f-k滤波同时使用(图 3d)对噪声的控制效果较好,主要能量的视速度约为260 m·s-1.

图 2 地震记录时频分析谱 (a)波形记录; (b)时频分析谱. Fig. 2 Time-frequency analysis of seismic records (a) The waveform record; (b) The time-frequency analysis spectrum.
图 3 C9激发点118—148道记录处理结果 (a)原始波形记录;(b) 5~30 Hz带通滤波结果;(c) 150~400 m·s-1 f-k滤波结果;(d) f-k和带通滤波结果.图中灰色虚线对应速度为150 m·s-1,灰色实线对应速度为400 m·s-1. Fig. 3 Seismic record processing results collected at 118—148 when C9 is excited (a) Initial waveform recording; (b) 5~30 Hz band-pass filtering results; (c) 150~400 m·s-1 f-k filtering results; (d) f-k and band-pass filtering results. The gray dotted line corresponds to a speed of 150 m·s-1 and the gray solid line corresponds to a speed of 400 m·s-1.

主动源信号的频散曲线提取方法主要有两种:面波谱分析法(Spectral Analysis of Surface Wave, SASW)和多道面波分析方法(Multi-channel Analysis of Surface Wave, MASW).SASW方法基于两个接收器间的互功率谱相位,计算得到相速度.该方法需要进行相位解缠,而噪声容易引起相位跳跃进而影响测量精度,同时该方法需要多次激发,数据采集时间较长(Foti et al., 2011).Park等(1999)发展的MASW方法,利用线性台阵记录的单次激发面波信号,在频率域根据相速度和距离计算相位差,然后进行倾斜叠加(slant stack)以压制噪声.该方法不需要进行相位解缠,避免了相位跳变,从而有效提高了频散曲线提取精度.本文采用了基于相移法(Park et al., 1998)的MASW方法进行面波分析, 该方法的基本处理流程如下:

(1) 通过傅里叶变换,将时间域地震记录转化到频率域;

(1)

d(x, t)表示距离为x的接收器记录的波形.

(2) 根据距离x和假定的相速度c计算相移;

(2)

(3) 根据上一步计算所得相移,叠加所有的地震记录,获得特定频率f和相速度c对应叠加能量.在频率-相速度叠加图中取每个频率叠加能量最大点为对应的相速度,由此获得频散曲线.

(3)

在实现频散曲线的提取后,需根据获得的频散曲线反演得到浅层S波的速度结构.这一过程可以采用阻尼最小二乘法、奇异值分解法等线性反演方法,以及随机搜索、模拟退火法和遗传算法(GA)等全局搜索类反演方法(参见Foti et al., 2011).本文采用谢菲尔德大学的遗传算法工具包(http://codem.group.shef.ac.uk/index.php/ga-toolbox)进行反演,以获得全局最优解.

一般认为地震波速度随着深度增加而增加,但是采用模型空间搜索的方法进行反演,容易出现高低速夹层假象.本文添加一阶平滑因子作为额外约束,目标函数如式(4).其中‖Gm-d22为正演结果与观测数据残差的二范数,L为正则化矩阵,α表示阻尼因子.频散曲线的正演计算采用标量传递法(凡友华和刘家琦,2001),该方法对矢量传递法(夏江海,2015)进行一定修改,能够进一步提高计算速度,并保证计算结果的稳定.

(4)

2 结果

图 4为DAS接收的面波记录经过f-k及带通滤波处理(图 3d)后,利用MASW方法得到的频率-速度域能量叠加图.从能量叠加图中可以提取得到清晰的8~20 Hz Rayleigh面波频散曲线(图 4),这一频段的相速度处于250~350 m·s-1间,对应的波长约为10~40 m.

图 4 MASW方法提取的频散曲线,图中红色圆圈连线表示频散曲线拾取点,白色线表示90%最大能量的误差棒 Fig. 4 Dispersion curve extracted by MASW, the red circle indicates the pick-up point of the dispersion curve, and the white line indicates the error bar of 90% of the maximum energy

一般说来,在浅层结构研究中面波的探测深度约为其波长的0.5~0.67倍,本文所用频段的面波可能探测的最深处约为20~30 m.我们选取了前人研究得到的实验区Rayleigh面波频散曲线(张维等, 2012),构建了一个一维速度模型(图 5a),在此基础上计算了Rayleigh面波相速度的敏感核函数(图 5b).根据敏感核函数,本文所用频段内的面波相速度数据主要对浅层30 m以内的S波速度结构敏感.一般而言面波频散受S波速度(VS)的影响较P波速度大,因此只反演S波速度结构,P波速度(VP)由如下经验公式换算得到(Brocher, 2005):

(5)

图 5 敏感核函数结果 (a)前人速度模型(张维等,2012); (b) S波的敏感核函数. Fig. 5 Sensitivity kernel function (a) Previous velocity model; (b) Sensitivity kernel function of S wave.

在反演过程中,我们设置层厚为2 m,与光纤道间距一致(夏江海,2015),对应不同的α,计算模型残差二范数与模型长度二范数的对应关系.由于反演问题为非线性,L曲线不够稳定,因此以散点的形式表示.图 6拐点处(图中黑色+号)对应的α值为0.1,认为该取值下,可以对模型残差以及解的长度进行折中,因此下文将利用α=0.1的一阶正则化约束进行反演.反演结果如图 7a,图中展示了计算的2500组模型中误差最小的100组模型,误差增大对应颜色逐渐变淡.100组模型的范围可以认为是解的波动范围,大约波动±50 m·s-1,且随深度增加,波动越大,图 7b为频散曲线的拟合情况.

图 6 不同α计算的L-curve.黑色+号表示拐点位置,对应的α值为0.1 Fig. 6 L-curve with different α values, the black plus sign indicates the position of inflection point, and the corresponding alpha value is 0.1
图 7 反演结果及频散曲线拟合情况 (a)反演结果误差最小的100组模型,黑色粗线为最优解; (b)频散曲线拟合情况. Fig. 7 Inversion results and fitting of the dispersion curve (a) 100 sets of models with the smallest inversion error, the black bold line indicates the best solution; (b) Fitting of the dispersion curve.

为验证计算结果的可靠性,本文计算该段反演结果的一维后验概率密度分布函数,如图 8.比较反演结果与后验概率密度分布函数的峰值,部分后验概率密度的峰值较为明显,且与反演结果对应,但大部分后验概率密度函数较平,可能是由于低频段测量偏少,因此频散曲线对解的约束性较低.

图 8 S波速度模型反演的后验概率密度分布函数 阴影为统计结果,黑色实线为该层模型反演结果. Fig. 8 Post probability density distribution function of S-wave velocity model The shadow is the statistical result, and the black solid line is the inversion result of this layer.

选取沿传感光缆的26个主动源激发点(图 1),根据上文给出的最小偏移距(40 m)和接收台阵总长(60 m)选取数据进行频散测量以及速度结构反演,构建实验区内2D速度结构.由于MASW计算的频散曲线为排列下的均值,因此将30道光纤计算的一维速度结构作为排列中点处的速度结构.计算每次移动20道,保持20 m的重叠长度,得到2D速度剖面如图 9所示.整体上S波速度为200~450 m·s-1,浅地表速度约为200~250 m·s-1,30 m深处约为400 m·s-1.从图中可以看到,10 m以浅存在一系列低速夹层,第220道下30 m处速度和周围相比较低,西段(120~160道)速度整体上比东段(230~270道)速度高,很好地体现了高频面波在浅层成像的精细程度.

图 9 全区二维速度剖面 Fig. 9 2D S-wave velocity section of the study area
3 讨论

沿传感光缆布设了120个垂直分量的10 Hz检波器(图 1),道间距约为5 m.为验证DAS数据的采集质量,本文选择邻近的光缆与检波器数据,统一采用多道面波分析方法提取出两者的频散曲线.测试光缆选择30道(60 m)进行计算,对应的检波器有12道(图 10a).由于检波器没有采用触发记录,我们根据手动拾取的初至将两组记录对齐.由于两套设备的观测量不同(速度与应变),波形有所不同,但是主要面波信号的到时变化趋势较为一致(图 10a).基于MASW的频散曲线测量结果如图 10b所示,图中黑色为检波器根据叠加最大能量提取的频散曲线和90%最大能量范围的误差棒,灰色线为DAS计算结果.同一频率下DAS提取的相速度相比检波器提取的相速度较高,最大值误差在20 m·s-1左右.对比两者的90%最大能量误差棒,可以看出两者有一部分重合的范围,同时DAS的误差棒相对于检波器更小,有助于获得更准确的频散曲线.两者的差异可能由两部分造成:首先,由于检波器道间距较大,相同排列长度上道数较少,叠加能量较弱,可能造成结果上与DAS存在一定的差异;其次,两套观测系统的空间展布存在一定差异(图 1),基于GPS的定位可能引入了系统性偏差.

图 10 检波器与DAS采集的主动源记录和频散曲线 (a)相同滤波范围(5~30 Hz)的检波器记录与DAS记录对比; (b)检波器与DAS频散能量最大值及90%最大能量误差棒对比.灰色为DAS结果,黑色为检波器结果. Fig. 10 Active source records and dispersion curves collected by the geophone and DAS (a) The records with same filtering range (5~30 Hz) of geophone and DAS; (b) Dispersion energy maximum and the error bar of 90% maximum energy of geophone and DAS. The gray lines are the results of DAS and the black are those of the geophone.

正如图 10a所示,DAS较高的观测密度可以有效提高波数域的分辨率,有助于分离高阶面波(Foti et al., 2011).基阶和高阶面波的传播速度在高频段较小,观测密度不足时,两者的频散曲线出现交叉,引入误差.虽然本次实验未观测到高阶面波,但是在其他研究中已经较为常见(如Dou et al., 2017).

在实验中,DAS除了记录了主动源激发的信号,还进行了13.5 h的背景噪声记录.利用DAS提取的背景噪声数据反演浅层速度结构已经较为成熟(Zeng et al., 2017), 本文选取同一段光纤排列下主动源与背景噪声两种方法提取的频散曲线对比,对比结果如图 11.从图中可以看出,背景噪声在低频部分能量较强,在高频部分能量较弱,而主动源则相反.对比10 Hz左右的主动源和背景噪声提取的频散曲线相速度,可以看出两者相差较小(~10 m·s-1),也说明主动源数据质量的可靠性.利用主动源提取的频散曲线与背景噪声提取的频散曲线结合,可以分别弥补主动源和背景噪声对于低频和高频部分的不足,计算出更大的深度以及更精细的浅层速度结构(如Luo et al., 2018).

图 11 背景噪声提取的频散曲线与主动源提取的频散曲线对比 蓝色线为主动源提取的频散曲线,红色线为背景噪声提取的频散曲线. Fig. 11 Comparison of the dispersion curves extracted by ambient noise and active source The blue line is the dispersion curve extracted by the active source, and the red line is that of ambient noise.
4 结论

本文采用落锤作为主动源,利用普通通信光缆作为传感器开展了地震波场的高密度观测,利用MASW方法提取了可靠的Rayleigh面波相速度频散曲线,并利用遗传算法获得了光缆下方浅层30 m范围内二维S波速度结构.通过与同址检波器采集的主动源地震记录提取的频散曲线以及光纤采集的背景噪声数据提取的频散曲线对比,显示了分布式光纤声波传感器获得的观测记录具有较高的精度以及可靠性.DAS具有廉价、便捷和海量数据传输能力等高密度和超高密度观测优势,在城镇等人口密集区和跨断层区高密度观测段重点研究区域实现高精度探测具有广阔的应用前景.

致谢  感谢中科院测量与地球物理研究所倪四道老师在写作过程中给出的指导性建议,感谢董晟同学提供的标量传递法正演程序.感谢两位匿名评审人的建设性意见,感谢中科院半导体所徐团伟老师,华中科技大学孙琪真老师,中国地震局李丽老师以及北京国家地球观象台对本次观测实验的大力支持.
References
Benioff H. 1935. A linear strain seismograph. Bulletin of the Seismological Society of America, 25(4): 283-309.
Borcherdt R D. 1994. Estimates of site-dependent response spectra for design (methodology and justification). Earthquake Spectra, 10: 617-617. DOI:10.1193/1.1585791
Brocher T M. 2005. Empirical relations between elastic wavespeeds and density in the earth's crust. Bulletin of the Seismological Society of America, 95(6): 2081-2092. DOI:10.1785/0120050077
Dou S, Lindsey N, Wagner A M, et al. 2017. Distributed acoustic sensing for seismic monitoring of the near surface: a traffic-noise interferometry case study. Scientific Reports, 7(1): 11620. DOI:10.1038/s41598-017-11986-4
Fan Y H, Liu J Q. 2001. Research on the dispersion of rayleigh waves in multilayered media. Journal of Harbin Institute of Technology (in Chinese), 33(5): 577-581.
Foti S, Parolai S, Albarello D, et al. 2011. Application of surface-wave methods for seismic site characterization. Surveys in Geophysics, 32(6): 777-825. DOI:10.1007/s10712-011-9134-2
Hartog A H, Kotov O I, Liokumovich L B. 2013. The optics of distributed vibration sensing. //93rd Ann. Internat Mtg., Soc. Expi. Geophys.. Expanded Abstracts.
Lindsey N J, Martin E R, Dreger D S, et al. 2017. Fiber-optic network observations of earthquake wavefields. Geophysical Research Letters, 44(23): 11792-11799. DOI:10.1002/2017GL075722
Luo Y H, Lin J, Yang Y J, et al. 2018. Joint inversion of active sources and ambient noise for near-surface structures: a case study in the Balikun basin, China. Seismological Research Letters, 89(6): 2256-2265.
Mateeva A, Lopez J, Chalenski D, et al. 2017. 4D DAS VSP as a tool for frequent seismic monitoring in deep water. The Leading Edge, 36(12): 995-1000. DOI:10.1190/tle36120995.1
Mestayer J, Cox B, Wills P, et al. 2011. Field trials of distributed acoustic sensing for geophysical monitoring. //81st Ann. Internat Mtg., Soc. Expi. Geophys.. Expanded Abstracts, 4253-4257.
Park C B, Miller R D, Xia J H. 1998. Imaging dispersion curves of surface waves on multi-channel record. //68th Ann. Internat Mtg., Soc. Expi. Geophys.. Expanded Abstracts, 1377-1380.
Park C B, Miller R D, Xia J H. 1999. Multichannel analysis of surface waves. Geophysics, 64(3): 800-808. DOI:10.1190/1.1444590
Park C B, Carnevale M. 2010. Optimum MASW survey-revisit after a decade of use. //Proceedings of GeoFlorida. Orlando, Florida, United States: ASCE, 1303-1312.
Parker T, Shatalin S, Farhadiroushan M. 2014. Distributed acoustic sensing—a new tool for seismic applications. First Break, 32(2): 61-69.
Stokoe K H, Wright S G, Bay J A, et al. 1994. Characterization of geotechical sites by SASW method. Oxford Publishers: 15-26.
Willis M, Ajo-Franklin J, Roy B. 2017. Introduction to this special section: Geophysical applications of fiber-optic distributed sensing. The Leading Edge, 36(12): 973-974. DOI:10.1190/tle36120973.1
Zeng X F, Lancelle C, Thurber C, et al. 2017. Properties of noise cross-correlation functions obtained from a distributed acoustic sensing array at Garner Valley, California. Bulletin of the Seismological Society of America, 107(2): 603-610. DOI:10.1785/0120160168
Zhang L N, Ren Y L, Lin R B et al. 2020. Distributed Acoustic Sensing System and its application for seismological studies. Progress in Geophysics (in Chinese), in press.
Zhang W, He Z Q, Hu G, et al. 2012. Detect the Velocity Structure of Shallow Crust with Artificial and Nature Source Rayleigh Wave Technology. Technology for Earthquake Disaster Prevention (in Chinese), 7(1): 26-36.
凡友华, 刘家琦. 2001. 层状介质中瑞雷面波的频散研究. 哈尔滨工业大学学报, 33(5): 577-581. DOI:10.3321/j.issn:0367-6234.2001.05.001
夏江海. 2015. 高频面波方法. 北京: 中国地质大学出版社.
张丽娜, 任亚玲, 林融冰等. 2020.分布式光纤声波传感器及其在天然地震学研究中的应用.地球物理学进展, 待刊.
张维, 何正勤, 胡刚, 等. 2012. 用人工源和天然源面波联合探测浅层速度结构. 震灾防御技术, 7(1): 26-36. DOI:10.3969/j.issn.1673-5722.2012.01.003