2020, Vol. 63
2. 中国科学院大学, 北京 100049;
3. 中国科学技术大学地球和空间科学学院, 合肥 230026;
4. 中国地震局地球物理研究所, 北京 100081
, ZENG XiangFang1
, SONG ZhengHong1,3, XU ShanHui4, HU JiuPeng4, SUN TianWei4, WANG BaoShan3,4
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026, China;
4. Institute of Geophysics, China Earthquake Administration, Beijing 100081, China
城市是人类社会人口和财富密集之地，随着经济社会发展，城市化比例不断提升，因此自然灾害造成的破坏也越发引起关注.另一方面，随着人类改造自然能力的增强，城市化进程对自然环境的影响也日益增强，有可能带来新的灾害，因此城市地球物理学成为一个新的重要发展方向(陈颙等，2003).地震学是开展城市地球物理学研究的重要方法之一，也是构建城市地下结构三维图像乃至四维图像的主要手段.
我国学者已经在城市区域开展了一系列的地震学观测研究，如20世纪初开展的城市活断层探测，取得了丰硕的成果(徐锡伟等，2015).开展浅层地震勘探的方法有多种，包括主动源和被动源方法.主动源方法可以基于体波和面波方法开展.体波方法主要是基于各类型主动源激发的P波信号，开展反射、折射成像，对活断层等大型构造有较高的分辨能力，但是浅层横向分辨率受限.面波方法可以基于主动源和被动源面波信号，在浅层的横向分辨率较高，而且可以获得对地震工程等较为重要的S波速度结构，因此得到了广泛应用(Foti et al., 2011；夏江海，2015).一般而言，主动源高频面波对浅层结构约束较好，横向分辨率也比较高，但是由于主动源方法的施工成本较高，低成本的被动源面波成像方法，尤其是新发展的地震背景噪声成像方法在城市浅层成像方面得到了越来越多的应用(如Huang et al., 2010; Lin et al., 2013).
地震背景噪声噪声成像方法利用的面波信号是通过计算噪声互相关函数获得的，其频段受诸多因素的影响，包括噪声源频带、内部散射结构、台站间距等.城市区域的地震背景噪声中交通信号占了较大比重，典型的交通噪声频段介于数到数十赫兹，这一频段的面波信号可以较好地约束数米到百米深度范围内的S波速度结构.高频面波在传播过程中的散射较强，因此获得高频面波信号要求较小的台站间距.在城市范围内布设高密度的地震观测台阵，需要大量的地震仪，比如在美国加州Long Beach实验使用了5300余个短周期地震仪以100 m间距实现8.5 km×4.5 km范围内的覆盖.大量的地震仪的布设和维护成本较高，一定程度上限制了这一方法的推广.
近年来发展的分布式光纤声波传感器(Distributed Acoustic Sensing，简称DAS)是一种基于光纤传感技术的超密集地震观测系统，台站间距可以达到1~10 m量级，远高于传统地震台阵，同时其系统结构较为简单，维护成本极低，兼具实时数据传输功能(如Parker et al., 2014)，可以有效降低观测成本的同时提供较高分辨率.国际上利用DAS观测数据开展浅层结构研究已经取得一定进展，包括主动源和地震背景噪声成像等(如Parker et al., 2018; Zeng et al., 2017 a and b；Song et al., 2018)，并讨论了分布式光纤声波传感器在天然地震学应用面临的挑战(张丽娜等，2019).2018年7月利用国产设备在北京白家疃国家地球观象台开展了一次小规模观测实验，本文基于地震背景噪声成像方法，进行了浅层结构成像研究工作，并与其他结果进行了比较验证.
1 数据和方法实验采用的传感光缆为单模四芯通信光缆，分别布设于白家疃国家地球观象台后院的地表和井中，所用光纤为其中一芯.地表部分埋设于深约30 cm的沟内，用松散土回填，总长度约600 m，本文所用为其中约480 m长部分.传感光缆整体为矩形分布，部分段受植被等影响有一定弯曲.台阵东侧邻近白家疃路，西侧和南侧为住宅区，北侧为观象台办公区.为了对比，沿光缆以约5 m间距布设了120台10 Hz竖直分量检波器，并布设了9台地震仪(Guralp 3EPS地震仪和Reftek 130数据采集器)用于记录背景噪声作为参考(图 1).实验采用的道间距为2 m，基线长度(gauge length)为2 m，采样率为2000 Hz.
|
图 1 观测系统图曲线为传感光缆，数字为道号，空心三角代表地震仪位置. Fig. 1 Seismic acquisition system map The curve denotes sensing fiber-optic cable and the numbers are channel indexes. The triangle denotes the seismometer used in Fig. 2. |
在两天的实验期间，分别进行了主动源激发实验和背景噪声连续记录，本文采用的连续记录总时长约为13 h，包括了夜间和上午时段(19 : 00—8 : 00).城市中交通噪声等人类活动相关噪声具有较为明显的日夜规律，图 2a给出了109道DAS记录的噪声频谱.凌晨时间段的噪声水平明显低于早晨交通高峰期，在交通噪声频段，如10 Hz处早晨噪声水平约为凌晨的10倍，在更高频段(＞30 Hz)两个时间段的噪声水平差异略小.类似的日夜规律也可以在地震仪的噪声频谱上观测到(图 2b)，但是两者频谱也存在一定的差异.地震仪的高频噪声下降较快，比如100 Hz的噪声水平比10 Hz处约低2个量级，而DAS记录的噪声只下降了约1个量级，地震仪的低频段噪声水平也相对较低.两者频谱的差异可能是由多种因素造成的，其中最为重要的是两者的仪器响应特性不同.根据美国地质调查局(U.S. Geology Survey)的高噪声模型(New High Noise Model; Peterson, 1993)预测在速度记录上10 Hz噪声水平比1 Hz处高约1个量级(Bormann, 2002; Wielandt, 2002)，地震仪记录较为接近这一结果，而一般认为DAS记录对应的应变噪声谱在2~100 Hz频段随着频率增加而降低，在交通噪声频段存在一个频峰(如Jousset et al., 2018).
|
图 2 典型背景噪声频谱(a) DAS 109道记录；(b)位于C27的地震仪南北分量记录.黑线采集时间为凌晨1点至1点10分，灰线为早上8点至8点10分. Fig. 2 The power spectral density of ambient noise records (a) Records of the DAS channel 109; (b) Records of the north component of the seismometer at C27. Black lines are data recorded during 1 am to 1 : 10 am. Grey lines are data recorded during 8 am to 8 : 10 am. |
噪声互相关函数的计算基于已有的成熟流程(Bensen et al., 2007)，这一计算流程在前人DAS相关研究中已经得到了应用(如Zeng et al., 2017a; Dou et al., 2017).本文采用每30 s的连续记录降采样到100 Hz，进行时间域和频率域归一化处理，然后计算噪声互相关函数，最后通过叠加提高面波信号的信噪比，获得可靠信号用于频散测量.根据背景噪声频谱，选取了1~25 Hz带通滤波后的记录作为时间域归一化的归一化因子，然后在该频段进行频谱白化处理，最后利用时频域相位加权叠加算法将长时间的互相关函数进行叠加.图 3a中给出了不同叠加时间长度的噪声互相关函数，所用道为位于台阵南侧的119和149道.通过长时间的叠加，面波信号更为显著.选取0.5 s长的尾波窗口作为噪声窗口，计算面波信号窗口与其振幅平方比作为信噪比，由图 3b可见信噪比随着叠加时间的增加迅速提高，在15000 s后趋于稳定，因此本文采用15000 s作为噪声互相关函数的叠加时间长度.
|
图 3 119道和149道的噪声互相关函数收敛图(a)不同叠加时间长度的噪声互相关函数；(b)信噪比随叠加时间长度变化图. (a)中实线矩形框为信号窗口，虚线为噪声窗口. Fig. 3 Converge of the noise cross-correlation function between channels 119 and 149 (a) Noise cross-correlation functions of different time spans; (b) Signal-to-Noise Ratio changes. Solid rectangles are signal window and the dashed lines are noise window. |
DAS的观测量为传感光缆轴向动态应变，因此计算得到噪声互相关函数可以等效于地震仪的径向-径向互相关函数，其中的面波信号为Rayleigh波.以南侧一段传感光缆为例，图 4给出了以184道为虚拟源，189-219道为接收道的噪声互相关函数，其中较高频信号视速度约为200 m·s-1，低频信号视速度高于400 m·s-1.采用了基于相移法的多道面波分析方法(Multiple-channel Analysis of Surface Wave，MASW；Park et al., 1999)进行相速度测量，首先将时间域信号变换到频率域，然后根据距离、频率、相速度计算每一道相应的相位偏移，最后将相位校正后的各道信号叠加，以叠加能量最大值对应的速度作为相速度，综合各频率相速度形成频散曲线用于后续速度结构反演.图 5给出了两个不同位置的频散测量结果，其中相速度呈现明显的正频散，可用频段为3~14 Hz.频散测量的误差可以用拾取点附近的叠加能量表示，可见低频段的拾取精度明显低于高频段，这一结果与Forbriger(2003)预测的分辨率与频率关系一致(~1/(fL), 其中f为频率，L为排列长度).
|
图 4 189道至219道与184道噪声互相关函数.虚线分别代表传播速度为200和400 m·s-1的到时 Fig. 4 Noise cross-correlation functions of between channels 189—219 and channel 184. Dashed lines denote arrivals predicted with velocities of 200 and 400 m·s-1 |
|
图 5 两条典型的频散曲线测量图(a) 109—139道; (b) 189—219道.颜色代表归一化后叠加能量，圆圈代表拾取的相速度，误差棒表示拾取处能量的0.9倍对应宽度. Fig. 5 Two typical MASW diagrams (a) Channel 109-139; (b) Channel 189-219. Color presents normalized stacking energy. Circle denotes picked phase velocity while the error bar denotes 90% of energy of the picked velocity. |
研究区内存在较强的横向不均匀性，如图 5所示，两个不同段落提取得到的频散曲线存在较大差异，一定程度上反映了浅层结构的复杂性.本文采用移动虚拟源和接收排列获得的相速度频散曲线，反演得到排列中点下方分层速度结构，通过拼接构建传感光缆下方的二维速度剖面(如夏江海，2015).排列长度选取为60 m，每次移动20 m，总计获得了15段频散曲线.根据频散测量结果，最低频率约为3 Hz，对应的相速度约为450 m·s-1，对应的波长约为150 m.根据前人研究经验，Rayleigh波反演的最大深度约为0.5~0.67倍波长，因此设置的分层模型总厚度为100 m，层厚在浅部为10 m，在深部为20 m(表 1).S波速度结构通过遗传算法搜索获得，其搜索范围根据前人研究成果设定，P波速度通过VP和VS的经验公式计算获得，密度则根据VP通过经验公式换算设定(Brocher, 2005).
|
表 1 模型搜索空间 Table 1 The search ranges of model parameters |
图 6给出了一个分层速度结构反演的实例，反演得到的最终模型对应的理论频散曲线与观测值吻合，S波速度随深度增加逐渐变大.通过拼接15段传感光缆下方的分层速度结构获得了沿光缆下方的二维速度剖面图(图 7a).浅部数米的回填土速度偏低，厚度有较明显的变化，在120—140道、160—180道、210—240道部分偏厚.回填土下方的泥土和卵石的混合物速度约为250~350 m·s-1，该层下界面最浅约为10 m，最深处可达20 m，起伏较为明显.30 m以深部分主要是各类型的风化石，块石，速度显著增加，个别场地存在低速异常体，可能与小规模的碎石带有关，但是本文所用数据对深部的约束较弱，需要更多证据进行讨论.
|
图 6 速度模型反演实例(a)频散曲线拟合图; (b)最终模型和模型搜索范围. (a)中十字为观测值，实线为最终模型理论值, (b)中实线为反演最终模型，虚线为模型搜索空间. Fig. 6 Layered model inversion example (a) Data fitting; (b) Final model and mode ranges. Crosses denote picked phase velocity while the line denotes theoretical dispersion curve of the final model in (a). Solid line denotes the final model while the dashed lines present model search range. |
|
图 7 研究区内S波速度结构(a)二维速度剖面图; (b)拟合速度曲线(实线)和反演速度(十字). Fig. 7 Shear wave velocity structure in study site (a) 2D seismic VS profile; (b) Average 1D model. Crosses denote velocities obtained from inversion and the solid line presents fitting average model. |
根据《构筑物抗震设计规范》，S波速度与深度关系可以用幂函数形式拟合(图 7b)，拟合结果为：VS=166.65×z0.30.浅部30 m的等效速度VS30计算结果表明，大部分VS30均介于300~350 m·s-1间，依据《构筑物抗震设计规范》，这一速度范围属于Ⅱ类场地.
同一场地布设的检波器可以用于对比研究，对DAS获得的噪声互相关函数进行验证.采用同样的处理流程，计算得到了与图 4位于同一区间的噪声互相关函数(图 8a).相比DAS记录的噪声互相关函数，检波器记录的噪声互相关函数信号的信噪比略低.通过MASW方法测量频散曲线可见两套数据的结果比较一致，但是频谱结构不同，这可能与检波器的响应频带有关.在高频段(＞10 Hz), 检波器记录出现了更为明显的多支现象，这一现象主要是由于检波器的道间距偏大引入的假象.Song等(2018)在对比主动源面波记录通过将DAS记录降空间采样后，得到的MASW图上也出现了类似的现象，这也说明了高密度观测在高频面波成像研究上的重要性.
|
图 8 同址检波器与DAS被动源频散曲线测量对比图(a)检波器噪声互相关函数; (b)检波器频散曲线拾取与DAS频散曲线对比. (a)中虚线分别代表200，400 m·s-1速度对应到时, (b)黑线代表图 5b中频散曲线，其他同图 5. Fig. 8 Comparison with geophone dataset (a) Noise cross-correlation functions of geophone dataset; (b) MASW diagram of (a). Dashed lines in (a) denote arrivals predicted with velocities of 200, 400 m·s-1. Black line in (b) denotes dispersion curve picked in Fig. 5a, other symbols are same as Fig. 5. |
在同一实验场地也开展了主动源观测实验，两种不同震源获得的频散曲线具有较好的互补性，背景噪声互相关函数提取的频散曲线主要在低频段，主动源可以提取较高频率段的频散曲线(宋政宏等，2020；图 9).两个频散曲线的重合部分误差较小(~10 m·s-1)，可以认为在频散测量的误差范围之内.正如前人研究指出的，这两种频散曲线的联合反演将有助于提高浅层结构成像的精度和扩大采样深度(张维等，2013；Luo et al., 2018).
|
图 9 DAS主动源面波和被动源面波对比图(a)主动源面波记录；(b)主动源面波频散测量图和被动源频散曲线对比. (a)中虚线代表200 m·s-1视速度，(b)中黑线为图 5b中频散曲线. Fig. 9 Comparison with active source dataset (a) Record-section of the active source surface wave; (b) MASW diagram of (a). (b)Dashed line in (a) denote arrivals predicted with velocity of 200 m·s-1. Black line in (b) denotes dispersion curve picked in Fig. 5b, other symbols are same as the ones in Fig. 5. |
利用国产DAS设备在白家疃北京国家地球观象台开展了地震背景噪声观测实验工作，利用实验采集的DAS连续背景噪声记录，获得了高质量的噪声互相关函数.采用多道面波分析方法，拾取了3~15 Hz间的Rayleigh面波频散数据.与同一场地布设的检波器记录结果进行对比发现两者在重合频段较为一致，表明两者相互吻合，同时较高的空间采样率有助于提高频散曲线拾取精度.与主动源结果相比，背景噪声互相关函数中可以提取到更低频的面波信号，有利于约束更深部结构.最后采用遗传算法反演得到了浅层速度结构，构建传感光缆下方二维S波速度剖面，表明浅部沉积物厚度存在较大的横向变化.本次观测实验研究初步表明国产DAS设备可以用于浅层结构成像研究中，结合地震背景噪声成像技术，有望在较短的观测时间内实现大范围的高横向分辨率浅层速度结构成像.
致谢 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.
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 |
Bormann, P. 2002: Seismic Signals and Noise. In: Bormann, P, New Manual of Seismological Observatory Practice (NMSOP), Potsdam: Deutsches GeoForschungsZentrum GFZ, 1-34, doi: 10.2312/GFZ.NMSOP_r1_ch4..
|
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 |
Chen Y, Chen L S, Yu S. 2003. Urban Geophysics:a new discipline of Earth science. Journal of Geodesy and Geodynamics (in Chinese), 23(4): 1-4. DOI:10.3969/j.issn.1671-5942.2003.04.001 |
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: 11620. DOI:10.1038/s41598-017-11986-4 |
Forbriger T. 2003. Inversion of shallow-seismic wavefields:I. Wavefield transformation. Geophysical Journal International, 153(3): 719-734. DOI:10.1046/j.1365-246X.2003.01929.x |
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 |
Huang Y C, Yao H, Huang B S, et al. 2010. Phase velocity variation at periods of 0. 5-3 seconds in the Taipei basin of Taiwan from correlation of ambient seismic noise. Bulletin of the Seismological Society of America, 100(5A): 2250-2263. DOI:10.1785/0120090319 |
Jousset P, Reinsch T, Ryberg T, et al. 2018. Dynamic strain determination using fibre-optic cables allows imaging of seismological and structural features. Nature Communications, 9: 2509. DOI:10.1038/s41467-018-04860-y |
Lin F C, Li D Z, Clayton R W, et al. 2013. High-resolution 3D shallow crustal structure in Long Beach, California:Application of ambient noise tomography on a dense seismic array. Geophysics, 78(4): Q45-Q56. DOI:10.1190/geo2012-0453.1 |
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. DOI:10.1785/0220180140 |
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 |
Parker T, Shatalin S, Farhadiroushan M. 2014. Distributed acoustic sensing-a new tool for seismic applications. First Break, 32(2): 61-69. |
Parker L M, Thurber C H, Zeng X F, et al. 2018. Active-Source Seismic Tomography at the Brady Geothermal Field, Nevada, with Dense Nodal and Fiber-Optic Seismic Arrays. Seismological Research Letters, 89(5): 1629-1640. DOI:10.1785/0220180085 |
Peterson J R. 1993. Observations and modeling of seismic background noise. United States Geological Survey, Open-File Report 93-322, 94, doi: 10.3133/ofr93322.
|
Song Z H, Zeng X F, Thurber C, et al. 2018. Imaging shallow structure with active-source surface wave signal recorded by distributed acoustic sensing arrays. Earthquake Science, 31: 208-214. |
Song Z H, Zeng X F, Xu S H, et al. 2020. Distributed Acoustic Sensing for imaging shallow structure I: active source survey. Chinese Journal of Geophysics (in Chinese), 63(2) doi: 10.6038/cjg2020N0184.
|
Wielandt, E. 2009. Seismic Sensors and their Calibration. In: Bormann, P, New Manual of Seismological Observatory Practice (NMSOP), Potsdam: Deutsches GeoForschungsZentrum GFZ, 1-46, doi: 10.2312/GFZ.NMSOP_r1_ch5.
|
Xu X W, Yu G H, Ran Y K, et al. 2015. The Survey of Chinese City Active Faults:Achievements of Active Fault Detection in 20 Cities (in Chinese). Beijing: Seismological Press.
|
Zeng X F, Lancelle C, Thurber C, et al. 2017a. 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 |
Zeng X F, Thurber C, Wang H, et al. 2017b. High-resolution Shallow Structure Revealed with Ambient Noise Tomography on a Dense Array.//42nd Workshop on Geothermal Reservoir Engineering Stanford University. Stanford: Stanford University, California.
|
Zhang L N, Ren Y L, Lin R B, et al. 2019. Distributed Acoustic Sensing System and its application for seismological studies. Progress in Geophysics (in Chinese), 35(1): 0000-0000. DOI:10.6038/pg2020dd0384 |
Zhang W, He Z Q, Hu G, et al. 2013. Detection of the shallow velocity structure with surface wave prospection method. Progress in Geophysics (in Chinese), 28(4): 2199-2206. DOI:10.6038/pg20130467 |
陈颙, 陈龙生, 于晟. 2003. 城市地球物理学发展展望. 大地测量与地球动力学, 23(4): 1-4. DOI:10.3969/j.issn.1671-5942.2003.04.001 |
宋政宏, 曾祥方, 徐善辉, 等. 2020. 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. 地球物理学报, 63(2). DOI:10.6038/cjg2020N0184 |
夏江海. 2015. 高频面波方法. 武汉:中国地质大学出版社: 128-129. |
徐锡伟, 于贵华, 冉勇康, 等. 2015. 中国城市活动断层概论-20个城市活动断层探测成果. 北京: 地震出版社.
|
张丽娜, 任亚玲, 林融冰, 等. 2019. 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, 35(1): 0000-0000. DOI:10.6038/pg2020DD0384 |
张维, 何正勤, 胡刚, 等. 2013. 用面波联合勘探技术探测浅部速度结构. 地球物理学进展, 28(4): 2199-2206. DOI:10.6038/pg20130467 |
中华人民共和国住房与城乡建设部. GB50191-2012.构筑物抗震设计规范.北京: 中国计划出版社, 26-30.
|