地球物理学报  2020, Vol. 63 Issue (9): 3370-3386   PDF    
大孔径地震台阵噪声互相关函数中体波信号的研究——以ChinArray二期数据为例
王芳, 王伟涛, 袁松湧     
中国地震局地球物理研究所震源物理重点实验室, 北京 100081
摘要:本文利用ChinArray二期大孔径台阵677个台站2013年10月至2016年4月期间的垂直分量记录,计算了不同路径上的噪声互相关函数(Noise Cross-correlation Function,NCF),观测到4~8 s和8~12 s频带内的NCF零时附近存在显著的高视速度信号.基于NCF的慢度聚束分析表明,这些信号由背景噪声中的远震P、PP和PKPbc波干涉产生,且以P波能量为主.位置聚束图像表明,P波类型的噪声源主要分布在北大西洋、北太平洋和南大洋凯尔盖朗深海高原,其位置对应于平均海浪波高较高的区域.同时,在阿拉斯加海岸及澳大利亚附近海域也存在P波噪声源.利用已识别的P波噪声源位置,计算了其在NCF中产生的干涉信号理论到时,结果与实际观测一致.
关键词: 大孔径台阵      噪声互相关函数      体波      噪声源     
P wave signals in the noise cross-correlation functions of a large-aperture array illustrated by the data of ChinArray Phase II
WANG Fang, WANG WeiTao, YUAN SongYong     
Key Laboratory of Earthquake Source Physics, Institute of Geophysics, China Earthquake Administration, Beijing 100081, China
Abstract: Using vertical component records of 677 stations of ChinArray Phase Ⅱ from September 2013 to June 2016, we compute the noise cross-correlation functions (NCFs) between the stations of the array. Signals with high apparent velocity near the zero time are observed at the period bands of 4~8 s and 8~12 s, respectively. Using the NCF-based slowness beamforming technique, it is confirmed that these signals are generated by the interference behavior of teleseismic P, PP and PKPbc waves. Furthermore, the sources of P, PP and PKPbc waves are located by the NCF-based location beamforming technique. The results indicate that the persistent P wave sources are mainly distributed in the deep areas of the North Atlantic, the North Pacific and the Southern Ocean, which correspond to the averaged significant wave heights. Some P-wave noise sources also exist in the Alaska Coast and the region near Australian. Using the identified noise sources, arrival times of the interference signals are predicted, consistent with observations.
Keywords: Large-aperture array    Noise cross-correlation function    P wave    Noise source    
0 引言

背景噪声互相关方法是地震学研究领域的一种重要手段.基于噪声源在三维介质中随机均匀分布的假设,认为两台站之间的背景噪声互相关函数(NCF,Noise Cross Correlation Function)近似收敛于介质格林函数(Lobkis and Weaver, 2001Weaver and Lobkis, 2004).因此,NCF在近年来被广泛用于不同尺度的地下介质波速、各向异性、衰减等特征以及火山区、断裂带、地热场的地下介质变化研究中(王伟涛等,2011Liu et al., 2014徐义贤和罗银河,2015Campillo and Roux, 2015Obermann et al., 2015; Feng et al., 2017).

噪声源自身特性如类型、时空分布等对NCF中实际提取到的信号有较大影响.由于大多噪声源以面波形式传播,因此在NCF提取到的信号也以面波为主.同时,噪声中确有部分能量以体波形式存在,在NCF中表现为台站间传播的体波信号(Zhan et al., 2010Poli et al., 2012Nakata et al., 2015).此外,远震范围的体波噪声也会在NCF中产生到时接近零且视速度很高的信号.研究发现这些信号主要存在于微震噪声频带(2~20 s),是由海岸线附近或者深部海洋活动激发的P、PP、PKP等噪声在台站间的干涉作用而产生的(Landès et al., 2010Euler et al., 2014Tian and Ritzwoller, 2015Wang et al., 2018a).然而,目前关于这类信号的特征及来源仍有待深入研究.例如,不同周期体波干涉信号的来源是否相同,是仅与海浪与海岸线的反射作用相关,或是也可由深海风暴激发产生,不同地区台站所观测到的体波类型噪声的表现形式有何不同,其复杂性如何受噪声源空间位置和强度季节性变化的影响(Landès et al., 2010Wang et al., 2018a).因此,我们需要借助于更多台阵对全球不同地区NCF中的体波信号及其来源展开进一步分析,以期加深对体波类型噪声的认识,以便更好地利用噪声中的体波信号.

台阵聚束技术通过聚束具有相同频率和慢度的能量,可实现对微弱信号慢度方位角信息的有效检测.因此针对噪声信号持续激发且能量微弱的特点,这种方法日渐成为研究其类型、来源、季节性变化等特征的重要手段.从聚束分析所用数据角度,通常利用连续数据记录构建台站间的互谱密度矩阵(CSDM,Cross Spectrum Density Matrix),进而分析噪声的强度、慢度大小、方位等信息(Gerstoft et al., 2006Koper et al., 2010Gal et al., 2015Liu et al., 2016王奡等,2017Xiao et al., 2018).同时,由于NCF的计算也涉及到频谱的共轭相乘,因此NCF和CSDM之间能够通过傅里叶变换实现相互转换(Wang et al., 2018a).由此发展了基于NCF的慢度聚束方法,通过建立NCF信号与噪声波场的直接联系,能够获取NCF中各种信号的慢度大小和方位,进而确定出其中的体波信号及其来源方向(鲁来玉等,2009Harmon et al., 2010Euler et al., 2014Wang et al., 2018aTaklic′ and Pham,2018).有部分学者根据这种慢度信息,结合反投影方法获得体波信号来源的空间位置分布(Harmon et al., 2010Euler et al., 2014).这种基于慢度的体波定位方法依赖于入射波为平面波的假设,Wang等(2018a)提出一种基于NCF的空间聚束方法,利用不同震相的台站对走时差,可以直接对可能的体波震源位置进行空间聚束成像.该方法能够进一步提高体波噪声源的定位精度,更适用于大孔径台阵.

2013年9月至2016年6月期间,中国地震科学台阵(ChinArray)探测“喜马拉雅”二期项目在南北地震带北段均匀布设了677个宽频带流动地震台站,观测跨度达上千公里(李娜等,2018).这一大孔径的密集台阵,为我们深入研究NCF中的信号提供了良好的数据基础.本文在该台阵4~8 s和8~12 s两个频带范围的NCF中观测到了P波信号,利用基于NCF的慢度聚束方法分析了其慢度和方位的季节性变化特征,进而利用基于NCF的空间聚束方法确定了信号的来源.

1 台站分布与噪声互相关函数计算

本文研究所用到的677个流动宽频带地震台站空间分布如图 1所示.所有台站较为均匀地分布在1000 km×1000 km的观测区域内,平均台间距约50 km,大部分台站的观测时间超过2年.这种大孔径密集台阵长时间的连续观测数据,为获取高信噪比的NCF波形提供了保障.

图 1 台站分布图 黑色三角形为宽频带地震台站,大方框为聚束分析时所用到的子台阵范围,五角星为子台阵的中心. Fig. 1 Map of the ChinArray Phase II Black triangles represent portable stations, the big square frame indicates the sub array for beamforming with the black five-pointed star representing its center.

根据Bensen等(2007)的计算步骤,首先对单个台站每天的垂直分量记录进行去线性趋势、去均值、去除仪器响应、降采样至1 Hz和带通滤波等处理,然后利用时窗为120 s的滑动绝对平均归一化方法进行时域归一化,最后进行谱白化,得到单台垂直分量每天的频谱.完成上述数据预处理后,对不同台站的频谱数据进行共轭相乘并经傅里叶反变换得到时间域的NCF.每条NCF的最大时间延迟为3600 s,对于每条路径,将每天的NCF进行线性叠加得到参考NCF.

图 2a2b分别给出了部分路径的参考NCF波形,从中可以观测到视速度约为3 km·s-1和24 km·s-1的两列信号.为分析高视速度信号的频率成分,取包含该信号的±100 s之间的时窗,对台间距在200 km以上的NCF进行频谱计算.其频谱及平均值如图 2b所示.从中可以看出该信号的能量主要集中在4~20 s的微震频带,并在6 s和10 s附近出现两个大小不同的峰值.因此,本文分为4~8 s、8~12 s和12~20 s等三个频带对NCF进行滤波分析.

图 2 (a) 未经滤波的参考NCF波形;(b)包含高视速度信号窗口的傅里叶谱,灰色表示不同路径的频谱,黑色实线表示所有路径频谱的平均值;(c) 12~20 s的NCF;(d) 8~12 s的NCF;(e) 4~8 s的NCF.黑色直线对应于视速度约为3 km·s-1和24 km·s-1的信号 Fig. 2 (a) Record sections of unfiltered reference NCFs; (b) The Fourier spectra of NCFs within the time window consisting of high-velocity signals. The grey lines represent spectra from different paths, and the black line is the average of all spectra. Bandpass filtered NCFs for different period bands: (c) 12~20 s; (d) 8~12 s; (e) 4~8 s. The black lines indicate signals with the apparent velocities of 3 km·s-1 and 24 km·s-1.

视速度约为3 km·s-1的信号为瑞利面波,在三个频段都很显著,而其余信号则在不同频带呈现不同特征.在长周期频带(12~20 s),两个瑞利波之间并未观测到能量较高的信号(图 2c);在8~12 s频带,观测到一些未按明显规律排列的信号(图 2d);在短周期频带(4~8 s),±50 s之间可以清楚地看到视速度约24 km·s-1的信号(图 2e).前人研究发现一些远场的体波噪声源会在NCF中产生干涉信号,这类信号的到时接近零且随台间距增加而增加,具有相对一致的高视速度(Landès et al., 2010Euler et al., 2014Wang et al., 2018a).图 2e中显示的信号符合上述特征,因此推断它们是具有高入射角的体波,源于远场体波型噪声源.

2 基于NCF的慢度聚束分析

慢度聚束方法通过构建台站间的互谱矩阵CSDM获取信号在不同慢度和频率域的特征,能够对台阵记录到的噪声类型、来源方向、季节性变化等进行分析(Rost and Thomas, 2002Gerstoft et al., 2006Koper et al., 2010Gal et al., 2015).基于NCF的聚束分析方法是研究NCF中信号及其来源的有效手段.

基于NCF的慢度聚束分析方法(Wang et al., 2018a)的具体步骤如下:针对位置矢量分别为rirj的两个台站ij,选取±500 s之间的时窗(共计1001个点),补零填充到1024点,然后通过傅里叶变换得到频率间隔约为0.001 Hz的频谱,即为两者之间的互谱密度矩阵.N个台站能够形成M=N×(N-1)/2个路径,利用公式(1)得到频率w,慢度s处的慢度聚束输出为

(1)

考虑到聚束分析受台阵布局影响较大,在布局较为规则且全方位覆盖的情况下效果较好,因此选取研究区域南段接近正方形分布的子台阵(图 1大方框所示)用于聚束分析,图 3给出了12~20 s、8~12 s和4~8 s三个频带范围内参考NCF的慢度聚束输出结果.从图中可以看出,在12~20 s长周期频段,慢度约35 s·deg-1附近有一个显著的能量环分布,对应视速度为3 km·s-1, 为瑞利面波,优势方位主要集中在180~210°和310~360°(图 3a);在8~12 s频带,瑞利面波能量仍较强,但其优势方位变为90~160°.同时在9 s·deg-1以下出现了多个优势能量点,强度相对于面波较弱,视速度大于13 km·s-1,应为远震P波(图 3b);在4~8 s频带,面波能量减弱,而P波能量显著增强,与图 2e中零时附近的信号有关(图 3c).

图 3 2013—2016年所有天叠加后的参考NCF在不同频带的慢度聚束输出结果 (a) 12~20 s;(b) 8~12 s;(c) 4~8 s.能量的归一化值范围为0 ~-40 dB,三个虚线圆圈表示不同的慢度边界.两个白色圆圈分别对应于慢度为25 s·deg-1(4.5 km·s-1)和45.5 s·deg-1(2.5 km·s-1)的面波,而最内侧的黑色圆圈对应于慢度为9 s·deg-1(13 km·s-1)的体波. Fig. 3 The slowness beamforming outputs from reference NCFs stacked through 2013—2016 for different period bands (a) 12~20 s; (b) 8~12 s; (c) 4~8 s. The output is normalized between 0 and -40 dB. The dashed circles in slowness space are drawn with radii of 45 s·deg-1, 25 s·deg-1, 9 s·deg-1, corresponding to apparent velocities of 2.5 km·s-1, 4.5 km·s-1 and 13 km·s-1 from outer to inner.

短周期P波主要包括直达P波、地表反射PP波和地核PKP系列震相,PcP、ScP类震相受反射衰减及纵横波转换的影响,能量较弱(Astiz et al., 1996Gerstoft et al., 2008Li et al., 2020).图 4给出了基于IASPEI模型(Kennett and Engdahl, 1991)获取的体波震相的距离-慢度曲线(Gerstoft et al., 2008Wang et al., 2018a).可以看出,P和PKP震相的慢度以4.45 s·deg-1为界.前者主要包括P和PP,其慢度范围基本一致;后者主要包括PKPdf、PKPbc和PKPab,其慢度以2.0 s·deg-1和3.3 s·deg-1为界,较易区分.图 3b图 3c显示8~12 s和4~8 s的体波能量存在多个慢度峰值,可能对应于不同的P波震相.

图 4 不同P波震相的慢度-距离曲线(Gerstoft et al., 2008Wang et al., 2018a) 垂直虚线从左至右依次对应的慢度为2.0 s·deg-1,3.3 s·deg-1,4.45 s·deg-1. Fig. 4 Slowness-distance curves of different P phases(Gersoft et al., 2008; Wang et al., 2018a) Vertical dashed lines are drawn corresponding to the slowness of 2.0 s·deg-1, 3.3 s·deg-1, 4.45 s·deg-1 from left to right.

为分析这些震相的季节性变化特征,将单日NCF按照月份(即将三年中每年1月份的单日NCF叠加作为1月份的参考NCF,以此类推)进行叠加,并开展慢度聚束分析,以进一步揭示体波信号的细节特征.图 5图 6分别给出了8~12 s和4~8 s两个频带的NCF聚束结果.由于本文关注的是体波信号,因此只显示了-10~10 s·deg-1慢度范围内的结果.

图 5 按月(1—12月)叠加的NCF的慢度聚束成像结果(8~12 s) 能量的归一化值范围为0 ~-15 dB,四个黑色虚线圆圈表示不同的慢度边界,从外至内依次对应的慢度为9 s·deg-1,4.45 s·deg-1,3.3 s·deg-1和2.1 s·deg-1.黑色箭头及其附近字符对应于图 11的噪声源. Fig. 5 The slowness beamforming images from monthly stacked NCFs for the 8~12 s period band The output is normalized between 0 and -15 dB. The dashed circles in slowness space are drawn with radii of 9 s·deg-1, 4.5 s·deg-1, 3.3 s·deg-1 and 2.1 s·deg-1 from outer to inner. The black arrows indicate the noise sources in Fig. 11.
图 6 按月(1—12月)叠加的NCF的慢度聚束成像结果(4~8 s) 能量的归一化值范围为0 ~-15 dB,四个黑色虚线圆圈表示不同的慢度边界,从外至内依次对应的慢度为9 s·deg-1,4.45 s·deg-1,3.3 s·deg-1和2.1 s·deg-1.黑色箭头及其附近字符对应于图 11的噪声源. Fig. 6 The slowness beamforming images from monthly stacked NCFs for the 4~8 s period band The output is normalized between 0 and -15 dB. The four dashed circles correspond to different slowness boundaries, corresponding to the slowness of 9 s·deg-1, 4.5 s·deg-1, 3.3 s·deg-1 and 2.1 s·deg-1 from outer to inner. The black arrows indicate the noise sources in Fig. 11.

图 3中的平均聚束结果相比,季节性聚束成像更好地揭示了不同体波噪声源的变化情况.首先,峰值的方位角分布随季节发生变化,意味着可能存在多个体波噪声源,且其相对强度具有季节性变化特征.总体而言,体波能量在1—3月期间主要则来自北方,而在4—9月期间来自南方;10—12月,北方的贡献再次逐渐占据主导地位.这表明该体波噪声的主要来源在夏季和冬季有所不同,与全球海洋活动的季节性特征一致(Gerstoft et al., 2008Koper and De Foy,2008Landès et al., 2010).其次,体波能量峰值大多集中在4.45~9 s·deg-1的慢度范围内,表明大部分体波是P或PP.少部分是慢度为2~3.3 s·deg-1的PKPbc,主要出现在4~8月和10~11月的南方.PKPab和PKPdf并未出现在聚束图像中,可能与PKPbc是PKP系列中能量最强的震相有关(Astiz et al., 1996).与Wang等(2018a)基于ChinArray一期南北地震带南段台阵的观测结果相比,除了10—11月多观测到的PKPbc,其他基本一致.与天然地震的震相类似,由同一震源激发的地震波信号传播至不同震中距的台站时,由于传播路径不同而表现出不同的震相类型(Ardhuin et al., 2011Farra et al., 2016).10和11月的噪声主要来源于台阵西南方向,其与ChinArray一期和二期观测位置的差异,是导致不同台阵记录到不同震相的主要原因.

聚束分析可显示台阵记录到的信号的方向和慢度,具体对应何种震相,与台阵和震源之间的距离有关.Wang等(2018a)发现聚束分析会将PP波在地球表面的反射点视为P波激发源,这种模糊性可能导致在观测台阵同一方位出现两个大小不一的峰值,较强峰值对应于P波,较弱峰值对应于PP波.图 5图 6中的冬季(1—3月,10—12月)聚束图像显示,在后方位角340°处,可观测到慢度约5.3 s·deg-1的主峰值和能量相对较弱、慢度约8.3 s·deg-1的次级峰值.如果此处较强的主峰为P波,根据图 4给出的慢度-距离曲线,计算得到源与台阵之间的距离为81.3°.由于PP波在自由表面的反射点位于源与台阵大圆距离的1/2处,因此来自上述P波噪声源的能量在距离台阵40.7°处发生反射,再以PP震相的形式传播至台阵.根据图 4可知,40.7°处P波对应的慢度是8.26 s·deg-1,与次级峰8.3 s·deg-1的慢度值非常接近.台阵聚束会将该反射点视为一个P波震源,由于反射衰减,其能量相对真实的P波较弱.因此,我们推断冬季(1—3月,10—12月)340°和夏季(4—10月)145°后方位角处观测到的双峰均是如此产生的,即较强峰值来自直达P波噪声源,较弱峰值来自PP波在地表的反射点.

3 体波微震噪声源的定位研究

利用基于NCF的台阵聚束方法,也可以对体波类型的噪声源进行定位.Wang等(2018a)提出了一种基于NCF的空间聚束方法,通过将公式(1)中的慢度矢量转换为体波噪声源传播至两个台站的到时差,得到与频率和位置相关的函数,可表示为

(2)

其中,(θ, φ)为体波噪声源的位置,Δtk(θ, φ)=tj(θ, φ)-ti(θ, φ)表示噪声源传播到两个台站ij的到时差.

对于地球表面上任意一点(θ, φ),可计算不同震相从该点传播至任一台站的走时.基于走时数据,利用公式(2)便可获得不同震相噪声源在地球表面的空间分布.由于噪声源往往不是一个点,而是集中在一个区域内,因此本文设定格点间距为0.5°×0.5°,通过对地球表面进行网格化搜索获取P、PP和PKPbc噪声源的位置.为避免P波三重震相的干扰,我们选择P波的探测范围为距离台阵中心30°~90°,PP波为55°~180°,PKPbc波为144°~155°.

图 4显示同一慢度可能对应于P或PP波噪声源,这种模糊性同样存在于位置聚束中,因此需要额外信息进行定位约束.普遍研究认为微震噪声与海洋和固体地球之间的耦合作用有关,其中海浪波高与微震的时空特征具有较高相关性(Gerstoft and Tanimoto, 2007Kope and De Foy,2008Euler et al., 2014),因此本文选取海浪波高作为体波源位置的附加约束.海浪波高来自于WAVEWATCH III®(Tolman,2005)的波高后报数据库.该数据采样间隔为3 h,本文将2013至2016年的波高数据按照月份进行了平均,即将每年同一月份的海浪波高数据进行叠加平均后作为对应月份的平均海浪波高,由此获得的季节性海浪波高分布如图 7所示.由图 7可知,强海洋活动主要集中在北大西洋、北太平洋和南大洋,其中北太平洋的海洋活动跨度范围较广,在美国西海岸附近和西太平洋存在两个峰值.这三个区域的海洋活动均具有明显的季节性变化,北半球活动在冬季较为显著,而在南半球几乎全年都能够观测到较强的海浪,尤以3—10月为最.

图 7 由WAVEWATCH III®(Tolman,2005)后报数据库计算得到的季节性海浪波高图 Fig. 7 Seasonal averaged significant wave heights from ocean wave hindcasts of WAVEWATCH III®(Tolman, 2005)

我们利用按月份叠加的NCF计算了8~12 s和4~8 s两个频带范围内P、PP和PKPbc波噪声源的位置聚束图像.为方便对P和PP震源位置进行对比分析,图 8图 9分别给出了两个频带P和PP波的定位结果,图 10则给出了PKPbc的定位结果.

图 8 由8~12 s频带范围内月NCF计算得到的P波噪声源位置聚束结果 (a) P波;(b) PP波. Fig. 8 Location beamforming images for P waves from seasonal stacked NCFs for the period band of 8~12 s (a) P; (b) PP.
图 9 由4~8 s频带范围内月NCF计算得到的P波噪声源位置聚束结果 (a) P波;(b) PP波. Fig. 9 Location beamforming images for P waves from seasonal stacked NCFs for the period band of 4~8 s (a) P; (b) PP.
图 10 根据不同频带月NCF计算得到的PKPbc噪声源位置聚束结果 (a) 8~12 s;(b) 4~8 s. Fig. 10 Location beamforming images for PKPbc-waves from seasonal stacked NCFs for different period bands

图 8所示,两个最显著的P波源分布在北半球的北大西洋和南半球的南大洋凯尔盖朗深海高原附近.前者在冬季(1—3月,10—12月)较强;后者几乎全年都能够观测到,尤以夏季(4—9月)强度最高.二者的空间分布和季节性变化特征与图 7展示的全球海洋活动特征相符.众多研究表明它们是长年稳定存在的远震P波激发源(Gerstoft et al., 2008Koper et al., 2009Euler et al., 2014Gal et al., 2015Liu et al., 2016).此外,还存在一些较弱的P波噪声源.在冬季(1—4月,10—12月),阿拉斯加海岸附近出现一个P波源,可能是由于北太平洋的海浪与阿拉斯加湾的海岸反射波干涉而成;在夏季(3—7月),能够观测到位于澳大利亚南部海岸线附近的P波源,这与Gal等(2015)定位到的P波源位置基本一致.

P和PP噪声源位置的模糊性在图 8中也有所体现.比如,在冬季(1—3月,10—12月),北大西洋的P波源显著活跃.而同期的PP波定位结果显示南美大陆存在一个较强的PP波源.由于微震频带的噪声源一般均与海洋活动相关,较少在大陆上出现,因此在南美大陆的PP波噪声源应为北大西洋P波噪声源的伪投影,并非真实的噪声源.此外,冬季(1—3月,10—12月)期间,在欧洲西北部大陆区域存在一个较弱的投影,与北大西洋的强P波源具有相同的季节性变化规律,结合图 5中340°方位处的双峰图像,推断该弱投影是北大西洋P波源在大陆上的反射点.同理,夏季(3—10月)位于澳大利亚北部大陆的P波源可认为是对应时段南大洋PP波在大陆上的反射点(对应于慢度聚束图像中方位角145°处的双峰).然而,还有一些混淆的定位较难甄别,如在澳大利亚东北部海域(方位角120°)存在一个P波源,在3—11月份较为明显,与南美西部海域PP波源具有相同的方位和季节性变化特征.研究表明,微震噪声受海洋活动、海底地形等多种因素影响,海浪较低区域也有激发能量较强微震的可能性(Obrebski et al., 2012Euler et al., 2014).虽然澳大利亚东北部海域的平均海浪波高并不显著,但现有结果尚难以区分该地区是真实的P波源,亦或是南美西部海域PP波的反射点,或均而有之.

图 9显示了4~8 s频带P和PP噪声源的定位结果.与8~12 s类似,最强的P波源分布在北大西洋和凯尔盖朗深海高原附近,表现为本地冬季强度较高,夏季减弱.但是,由于较高频率的噪声波长较短,导致4~8 s噪声源的定位分辨率相对较高.如北大西洋和澳大利亚南部的P波源更为清晰.而在非洲东南端附近海域也可以观测到较强的P波噪声源,与Gerstoft等(2008)定位到的体波源位置基本一致.除此之外,该频带在太平洋北部区域有一个稳定的P波噪声源,其空间位置与海浪波高高度重合,强度相对北大西洋噪声源较低,但持续时间较长,几乎全年均可观测到.近年来对噪声源的研究表明,北太平洋区域可常年激发3~10 s的次级微震P波(Koper et al., 2009Euler et al., 2014Sheen and Shin, 2016Liu et al., 2016Neale et al., 2017, 2018).同时,在靠近阿拉斯加湾的P波噪声源相对强度减弱,仅在4—7月份可见.这可能是由于在产生次级微震的多种机制中,相比海岸线反射产生的次级微震,由深海风暴干涉产生的信号频率较高(Ardhuin et al., 2011Koper and Burlacu, 2015).这也是两个频带P波噪声源位置和强度差异的重要原因.

该频带同样存在模糊的P和PP噪声源位置.例如南大洋南极洲附近的PP波源和澳大利亚北部的P波源,南美西部的PP波源和澳大利亚东北部的P波源.此外,太平洋中西部海域几乎全年都能观测到一个PP波源,距离台阵约70°~110°,与北太平洋P波源具有相同的方位和季节性变化特征,因此可能是P波源的伪投影,但也无法排除独立源的可能性.

图 10显示了两个频带PKPbc的定位结果.相比P和PP震相,PKPbc的探测范围较小,呈环状分布.在南美洲西部、东部海域及其南段南大洋海域均有较强的PKPbc体波震源存在.震源的总体强度变化趋势为5—8月(即南半球的冬季)较强,其余月份相对较弱,这与南半球的海洋活动趋势是一致的.虽然在南美洲西部海域PKPbc噪声源的定位区域有限,但该震源的定位结果,进一步表明图 8图 9中出现在该区域的PP波震源很可能是真实存在的噪声源.

4 来自P波噪声源的干涉信号

通过对上述位置聚束结果进行具体分析,能够获取体波噪声源的空间位置分布.Euler等(2014)在挑选慢度谱峰值时,首先计算慢度谱中位数,然后设定一阈值(2 dB),选取超过中位数该阈值的谱值作为慢度谱峰值区间,同时根据不同慢度谱能量整体强弱的变化,实时调整了阈值大小(对于慢度谱能量相对较弱的两个台阵,设定阈值为1.8 dB).本文依据该方法,基于图 8图 9给出的实际噪声源位置聚束图像中的能量分布情况,选取不同阈值进行对比,最终认为设定大于-6 bB作为谱峰值区间较为合理.绘制所选峰值区间的最小等值线,即为噪声源的覆盖范围.此外,考虑噪声源强度的季节性变化,对于同一位置的噪声源,以能量最强的月份结果为标准.据此,我们得到了8~12 s和4~8 s两个频带内体波类型噪声源的空间位置及其覆盖范围,将如图 11所示.

图 11 不同频带的体波噪声源位置分布 (a) 8~12 s,曲线对应的后方位角为120°;(b) 4~8 s,两条曲线对应的后方位角分别为60°和120°.黑色三角形表示台阵中心,不规则圆表示体波噪声源位置及其范围. Fig. 11 Map of located body wavenoise sources for different period bands (a) 8~12 s. The curve corresponds to the backazimuths of 120°; (b) 4~8 s. The two curves correspond to the backazimuths of 60° and 120°, respectively. Black triangle represents the center of the sub-array, and irregular circles correspond to located noise sources.

N1~N3为北半球P波噪声源,S1~S3为南半球P波噪声源,南大洋附近的PP为确定的PP波源.其中,N1、N3、S1、S2和南大洋PP均对应于海洋波高较大的区域,与深海区域海浪与海底的耦合作用相关(Gerstoft et al., 2008).

P和PP波噪声源位置的模糊性会导致两种情况的发生:第一,当P波被认为是PP波时,其与台阵之间的距离会约增加一倍.如图 8图 9中出现在南美大陆的PP波噪声源均为北大西洋P波噪声源的伪投影;第二,PP波的反射点也可能会被认为是一个独立的P波噪声源.如出现在欧洲大陆的弱P波源是北大西洋P波噪声源所激发的PP波在该处的反射点.事实上,当这种混淆出现的噪声源其中之一位于大陆内部时,容易甄别.但当二者都位于海岸线或深海时,较难对其进行分辨.因此,图 11中也标出了一些不确定的噪声源,如太平洋中西部的疑似PP波噪声源,澳大利亚东北部的疑似P波源,南美西部海域的疑似PP波源等.对这些噪声源的甄别,需要联合多个台阵进行进一步的研究.

对比图 11a图 11b,发现两个频带的噪声源分布并非完全相同.在北半球,北大西洋噪声源N1在两个频带上都能观测到,而北太平洋源N3只出现在4~8 s的频带,阿拉斯加海岸附近源N2只出现在8~12 s;南半球的噪声源分布较为离散,4~8 s频带内多检测出了非洲东南端附近海域的P波源S3和与N3同一方位、位于太平洋中西部的疑似PP源.

总之,本文关注的4~12 s频带为第二阶地脉动的范畴,研究表明,该类地脉动主要源于海浪在海岸的反射以及深海区域海水对海底的压力作用(Ardhuin et al., 2011Koper and Burlacu, 2015).因此,本文探测到的P波噪声源主要分布在大洋内部或大洋与大陆边界.此外,海洋活动激发的弹性波强度与海岸几何形状、海底地形以及信号周期均有关联,具有复杂的耦合关系(Ardhuin et al,2012Farra et al., 2016).因此,不同频带噪声源位置的差异,可能与这种复杂的机制相关.

远震体波在台阵记录上具有较好的相干性,在进行两个台站的互相关之后,会在震源至两个台站的到时差时刻产生干涉信号.基于上述噪声源位置,可估计每个噪声源在NCF中产生的干涉信号的到时,并验证其定位结果.例如,4~8 s频带内1月NCF中的体波信号主要来源于北大西洋噪声源N1,其位置如图 12a所示.我们针对台阵最南端的一个台站51518,选取了台阵内部沿N1至51518的大圆路径附近的107个台站(图 12b).图 12c展示了4~8 s频带内107个台站与51518之间1月的NCF波形,其中正时间轴表征了由各个台站传播至51518的信号.基于IASPEI速度模型,利用Taup(Crotwell et al., 1999)计算N1区域中心至不同台站对的P波理论走时差,作为远场体波干涉信号的理论到时.由图 12c可知,信号的理论和实际走时基本一致,其少量偏差可能是由于我们利用N1的中心点表征了整个较大区域引起的.其余噪声源也显示了类似的结果.这表明,由台阵聚束获取的体波类型噪声源位置以及干涉信号的产生机制是可靠的.

图 12 噪声源N1至台站51518的大圆路径,五角星表示N1的位置,三角形表示台阵位置;(b)台站分布图,斜线表示穿过台站51518至N1的大圆路径,实心三角形表示该路径上的所有台站;(c) 1月的NCF波形,斜线表示由N1体波源在107个台站与51518台站之间NCF中产生的干涉信号的理论到时 Fig. 12 (a) The great circle from P wave source N1 (five-pointed star) to the station 51518 (black triangle); (b) Map of stations along the great circle of N1-51518 (black line). The stations are marked as black solid triangles; (c) NCFs for the period band of 4~8 s between those stations and N1 in January.
5 讨论和结论

地球上的背景噪声主要以面波形式传播,因此NCF中的信号以面波为主.同时,背景噪声中也包含一定比例的体波噪声,部分研究人员在NCF中观测到SmS、PcP乃至在全球范围内传播的体波震相(Zhan,2010Poli et al., 2012Wang et al., 2018b).本文的研究表明,在全球广泛分布着体波类型的噪声源,这些源激发产生的体波类型噪声信号可以在NCF中产生能量较强的信号.值得注意的是,本文所研究的NCF中大于24 km·s-1的高视速度信号,并非在两个台站间传播的体波震相,而是远震范围内体波类型噪声在台站互相关计算中产生的干涉信号.这些信号并不存在于台站之间的介质格林函数中,但可以提供体波噪声的信息.此外,利用地震噪声或尾波进行互相关运算时,不同震相之间也可能产生干涉,从而形成更多复杂的信号(Ruigrok et al., 2008Poli et al., 2017Taklic′ and Pham,2018Pham et al., 2018).不同类型震相本身能量的强弱会对干涉信号产生影响.已有研究表明,P、PP和PKP系列震相的振幅较大,在体波类型噪声中起主要作用.理论上,P波与PcP、ScP等之间也会产生干涉,但受信号强度和相干区域的影响,其信号很难识别.在对主要干涉信号的特征及来源进行较为清晰的了解之后,通过对更多信号进行分析,可进一步甄别不同类型震相之间干涉对NCF中信号的影响.

基于全球一维速度结构计算出不同震相的理论走时,然后利用基于NCF的聚束分析可对体波类型的噪声源进行定位.对于某一个体波噪声源而言,其可产生体波类型的信号,但在不同的台站记录中可能具有不同的震相表现.比如图 9a中非洲西南端的体波噪声源,在本文及Wang(2018a)中被识别为P波噪声源,而在Gerstoft等(2008)将其识别为PKPbc波的噪声源.实际上,与天然地震类似,体波噪声源只是向外释放体波类型的噪声信号,而P和PKPbc震相的差异,主要是由ChinaArray台阵和南加州台阵距离该源的位置不同造成的.

利用海洋活动模型可以对噪声源的位置进行约束.理论上而言,次级微震噪声的产生与海浪波高并非直接呈正比关系.次级微震噪声由海浪产生的压力波与固体海底的耦合产生,其强度与海浪的方向、波谱、频率以及海底地形有关(Ardhuin et al., 2011, 2012Koper and Burlacu, 2015).其中体波类型噪声在台阵记录上显示的强度也与体波的入射角度相关(Farra et al., 2016).然而,从长时间的平均效果上来看,P波噪声源与平均海浪波高具有一定的相关性(Euler et al., 2014Neale et al., 2017Wang et al., 2018a).本文采用叠加的NCF进行聚束分析,隐含了时间上的平均,因此可利用海浪平均波高作为约束.而对于单一风暴所产生的体波噪声,海水表面压力能够更为精确地描述其形成机制(Obrebski et al., 2012).

综上所述,本文计算了ChinArray二期台阵677个台站垂直分量之间的NCF,利用基于NCF的聚束方法对其中存在的高视速度信号进行了分析,主要结论为:

(1) 在背景噪声中存在一定比例的体波类型噪声,在远震范围的体波噪声信号会在噪声互相关NCF中产生高视速度的干涉信号.这些信号由特定的体波类型噪声源产生,并不属于台站之间的介质格林函数.

(2) 利用基于NCF的聚束方法,可对体波类型的噪声源进行定位分析.在8~12 s和4~8 s的次级微震噪声中,体波信号主要以P、PP和PKPbc三种震相的形式存在.定位结果显示较强的体波类型噪声源主要位于海岸线和深海中,与全球海洋活动较为剧烈的区域存在较强相关性.

(3) 次级微震频带的体波类型噪声的位置和强度具有季节性变化特征,概括而言,在南北半球中相应半球的冬季能量较强,这与全球海洋活动的总体特征一致.对于本文研究的两个频带而言,北大西洋以及凯尔盖朗深海高原附近是两个最为显著的体波噪声来源.而不同周期的体波噪声源位置略有差异,可能与不同频率噪声与海底地形的耦合作用相关.

(4) 基于获取的体波噪声源定位结果,可利用全球体波走时对NCF中干涉信号的理论到时进行计算,从而更好地对NCF中该类信号进行分析.

尽管体波类型噪声源的分布是一个全球尺度的问题,但其对NCF的影响存在区域性差异.同一位置的噪声源可能在不同台阵上表现为不同震相,因此需要联合多个不同台阵对体波信号源区展开进一步研究.此外,已有研究对于NCF中S波噪声信号的认识存在诸多不足,也需要在未来进行深入分析.通过对噪声源及其在NCF中产生信号的分析,对于深化认识噪声互相关技术及准确利用NCF中的波形信息具有重要价值.

致谢  感谢中国地震局地球物理研究所科学台阵中心提供的流动台数据(ChinArray,2006).
References
Ardhuin F, Stutzmann E, Schimmel M, et al. 2011. Ocean wave sources of seismic noise. Journal of Geophysical Research:Oceans, 116(C9): C09004. DOI:10.1029/2011JC006952
Ardhuin F, Balanche A, Stutzmann E, et al. 2012. From seismic noise to ocean wave parameters:General methods and validation. Journal of Geophysical Research:Oceans, 117(C5): C05002. DOI:10.1029/2011JC007449
Astiz L, Earle P S, Shearer P. 1996. Global stacking of broadband seismograms. Seismological Research Letters, 67(4): 8-18. DOI:10.1785/gssrl.67.4.8
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
Campillo M, Roux P. 2015. Crust and lithospheric structure-seismic imaging and monitoring with ambient noise correlations.//Schubert G ed. Treatise on Geophysics. 2nd ed. Amsterdam: Elsevier B.V. All, 391-417.
ChinArray. 2006. China seismic array waveform data. China Earthquake Administration. http://www.chinarraydmc.cn/.
Crotwell H P, Owens T J, Ritsema J. 1999. The TauP Toolkit:flexible seismic travel-time and ray-path utilities. Seismological Research Letters, 70(2): 154-160. DOI:10.1785/gssrl.70.2.154
Euler G G, Wiens D A, Nyblade A A. 2014. Evidence for bathymetric control on the distribution of body wave microseism sources from temporary seismic arrays in Africa. Geophysical Journal International, 197(3): 1869-1883. DOI:10.1093/gji/ggu105
Farra V, Stutzmann E, Gualtieri L, et al. 2016. Ray-theoretical modeling of secondary microseism P waves. Geophysical Journal International, 206(3): 1730-1739. DOI:10.1093/gji/ggw242
Feng J K, Yao H J, Poli P, et al. 2017. Depth variations of 410 km and 660 km discontinuities in eastern North China Craton revealed by ambient noise interferometry. Geophysical Research Letters, 44(16): 8328-8335. DOI:10.1002/2017GL074263
Gal M, Reading A M, Ellingsen S P, et al. 2015. The frequency dependence and locations of short-period microseisms generated in the Southern Ocean and West Pacific. Journal of Geophysical Research:Solid Earth, 120(8): 5764-5781. DOI:10.1002/2015JB012210
Gerstoft P, Fehler M C, Sabra K G. 2006. When Katrina hit California. Geophysical Research Letters, 33(17): L17308. DOI:10.1029/2006GL027270
Gerstoft P, Tanimoto T. 2007. A year of microseisms in southern California. Geophysical Research Letters, 34(20): L20304. DOI:10.1029/2007GL031091
Gerstoft P, Shearer P M, Harmon N, et al. 2008. Global P, PP, and PKP wave microseisms observed from distant storms. Geophysical Research Letters, 35(23): L23306. DOI:10.1029/2008GL036111
Harmon N, Rychert C, Gerstoft P. 2010. Distribution of noise sources for seismic interferometry. Geophysical Journal International, 183(3): 1470-1484. DOI:10.1111/j.1365-246X.2010.04802.x
Kennett B L N, Engdahl E R. 1991. Traveltimes for global earthquake location and phase identification. Geophysical Journal International, 105(2): 429-465. DOI:10.1111/j.1365-246X.1991.tb06724.x
Koper K D, De Foy B. 2008. Seasonal anisotropy in short-period seismic noise recorded in South Asia. Bulletin of the Seismological Society of America, 98(6): 3033-3045. DOI:10.1785/0120080082
Koper K D, De Foy B, Benz H. 2009. Composition and variation of noise recorded at the Yellowknife Seismic Array, 1991-2007. Journal of Geophysical Research:Solid Earth, 114(B10): B10310. DOI:10.1029/2009JB006307
Koper K D, Seats K, Benz H. 2010. On the composition of Earth's short-period seismic noise field. Bulletin of the Seismological Society of America, 100(2): 606-617. DOI:10.1785/0120090120
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
Landès M, Huban F, Shapiro N M, et al. 2010. Origin of deep ocean microseisms by using teleseismic body waves. Journal of Geophysical Research:Solid Earth, 115(B5): B05302. DOI:10.1029/2009JB006918
Li L, Boué P, Campillo M. 2020. Observation and explanation of spurious seismic signals emerging in teleseismic noise correlations. Solid Earth, 11(1): 173-184. DOI:10.5194/se-11-173-2020
Liu Q X, Koper K D, Burlacu R, et al. 2016. Source locations of teleseismic P, SV, and SH waves observed in microseisms recorded by a large aperture seismic array in China. Earth and Planetary Science Letters, 449: 39-47. DOI:10.1016/j.epsl.2016.05.035
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
Lobkis O I, Weaver R L. 2001. On the emergence of the Green's function in the correlations of a diffuse field. The Journal of the Acoustical Society of America, 110(6): 3011-3017. DOI:10.1121/1.1417528
Lu L Y, He Z Q, Ding Z F, et al. 2009. Investigation of ambient noise source in North China array. Chinese Journal of Geophysics (in Chinese), 52(10): 2566-2572. DOI:10.3969/j.issn.0001-5733.2009.10.015
Nakata N, Chang J P, Lawrence J F, et al. 2015. Body wave extraction and tomography at Long Beach, California, with ambient-noise interferometry. Journal of Geophysical Research:Solid Earth, 120(2): 1159-1173. DOI:10.1002/2015JB011870
Neale J, Harmon N, Srokosz M. 2017. Monitoring remote ocean waves using P-wave microseisms. Journal of Geophysical Research:Oceans, 122(1): 470-483. DOI:10.1002/2016JC012183
Neale J W, Harmon N, Srokosz M. 2018. Improving microseismic P wave source location with multiple seismic arrays. Journal of Geophysical Research:Solid Earth, 123(1): 476-492. DOI:10.1002/2017JB015015
Obermann A, Kraft T, Larose E, et al. 2015. Potential of ambient seismic noise techniques to monitor the St. Gallen geothermal site (Switzerland). Journal of Geophysical Research:Solid Earth, 120(6): 4301-4316. DOI:10.1002/2014JB011817
Obrebski M J, Ardhuin F, Stutzmann E, et al. 2012. How moderate sea states can generate loud seismic noise in the deep ocean. Geophysical Research Letters, 39(11): L11601. DOI:10.1029/2012GL051896
Pham T S, Taklčić H, Sambridge M, et al. 2018. Earth's correlation wavefield:late coda correlation. Geophysical Research Letters, 45(7): 3035-3042. DOI:10.1002/2018GL077244
Poli P, Campillo M, Pedersen H A, et al. 2012. Body-wave imaging of Earth's mantle discontinuities from ambient seismic noise. Science, 338(6110): 1063-1065. DOI:10.1126/science.1228194
Poli P, Campillo M, De Hoop M. 2017. Analysis of intermediate period correlations of coda from deep earthquakes. Earth and Planetary Science Letters, 477: 147-155. DOI:10.1016/j.epsl.2017.08.026
Rost S, Thomas T. 2002. Array seismology:methods and applications. Reviews of Geophysics, 40(3): 2-1-2-27. DOI:10.1029/2000RG000100
Ruigrok E, Draganov D, Wapenaar K. 2008. Global-scale seismic interferometry:theory and numerical examples. Geophysical Prospecting, 56(3): 395-417. DOI:10.1111/j.1365-2478.2008.00697.x
Sheen D H, Shin J S. 2016. Observation of continuous microseismic P waves in Asia. Journal of Geophysical Research:Solid Earth, 121(1): 248-259. DOI:10.1002/2015JB012420
Tian Y, Ritzwoller M H. 2015. Directionality of ambient noise on the Juan de Fuca Plate:Implications for source locations of the primary and secondary microseisms. Geophysical Journal International, 201(1): 429-443. DOI:10.1093/gji/ggv024
Taklčić H, Pham T S. 2018. Shear properties of Earth's inner core constrained by a detection of J waves in global correlation wavefield. Science, 362(6412): 329-332. DOI:10.1126/science.aau7649
Tolman H L. 2005. Manual and wave user system documentation of WAVE-WATCH-Ⅲ version 2.22, NOAA, Camp Springs, Md.
Wang A, Luo Y H, Wu S C, et al. 2017. Source analysis of seismic ambient noise in the western Junggar area. Chinese Journal of Geophysics (in Chinese), 60(4): 1376-1388. DOI:10.6038/cjg20170412
Wang W T, Gerstoft P, Wang B S. 2018a. Seasonality of P wave microseisms from NCF-based beamforming using ChinArray. Geophysical Journal International, 213(3): 1832-1848. DOI:10.1093/gji/ggy081
Wang W T, Wang B S, Zheng X F. 2018b. Public cloud computing for seismological research:calculating large-scale noise cross-correlations using ALIYUN. Earthquake Science, 31(5-6): 227-233. DOI:10.29382/eqs-2018-0227-2
Weaver R L. 2004. Diffuse fields in open systems and the emergence of the Green's function. The Journal of the Acoustical Society of America, 117(5): 2394-2394.
Xiao H, Xue M, Pan M H, et al. 2018. Characteristics of microseisms in South China. Bulletin of the Seismological Society of America, 108(5A). DOI:10.1785/0120170237
Xu Y X, Luo Y H. 2015. Methods of ambient noise-based seismology and their applications. Chinese Journal of Geophysics (in Chinese), 58(8): 2618-2636. DOI:10.6038/cjg20150803
Zhan Z W, Ni S D, Helmberger D V, et al. 2010. Retrieval of Moho-reflected shear wave arrivals from ambient seismic noise. Geophysical Journal International, 182(1): 408-420.
李娜, 王伟涛, 王宝善. 2018. 基于云计算的九分量噪声互相关函数计算及其在China Array密集台阵数据的应用. 中国地震, 34(2): 244-257.
鲁来玉, 何正勤, 丁志峰, 等. 2009. 华北科学探测台阵背景噪声特征分析. 地球物理学报, 52(10): 2566-2572. DOI:10.3969/j.issn.0001-5733.2009.10.015
王伟涛, 倪四道, 王宝善. 2011. 地球背景噪声干涉应用研究的新进展. 中国地震, 27(1): 1-13.
王奡, 罗银河, 吴树成, 等. 2017. 西准噶尔地区地震背景噪声源分析. 地球物理学报, 60(4): 1376-1388. DOI:10.6038/cjg20170412
徐义贤, 罗银河. 2015. 噪声地震学方法及其应用. 地球物理学报, 58(8): 2618-2636. DOI:10.6038/cjg20150803