地震速报工作是我国地震监测体系中的核心和焦点。地震发生后,快速测定的地震时空强参数是震后灾情评估、应急救援的基础资料,其准确性和时效对于及时救灾进而减少地震灾害损失意义重大,因此地震速报系统的建设和运维至关重要。基于较大规模的数字化地震台网,我国已建设了国家测震中心与省地震局协同配合、自动速报与人工速报2阶段发布的速报模式,测定地震参数的准确性和时效基本满足震后应急工作的需求。
目前,国际上著名地震监测机构发布地震参数时也分为2个阶段:首先发布计算机自动测定的参数,随后发布人工修订的结果,这与我国地震速报模式相似。近年来,自动化准实时测定地震参数的方法和技术得到快速发展(刘希强等,2009;Grigoli et al,2013),以USGS为代表的国际地震监测机构越来越依赖自动测定地震参数软件,准实时发布地震参数。与我国地震速报高时效性要求的特点不同,其对人工修订后正式速报地震参数的时效要求不高,有时震后数小时才会人工确认或更新地震参数。
本文将简要介绍我国地震速报技术系统的发展,重点阐述作为地震监测国家中心的中国地震台网中心技术系统的建设情况、所涉及的业务、系统组成、功能特点和发挥的效益,并讨论该系统的不足和改进思路。
1 地震速报系统建设中国地震台网中心地震速报系统是我国地震速报体系的主要组成部分。1980年代之前,我国地震观测处于模拟记录时期,速报地震时使用尺子和圆规画交切圆测定地震参数,国内地震速报需要2 h左右的时间;1980年代,以中美合作建设“中国数字化地震台网(CDSN)”为起点,我国地震观测逐渐进入数字化记录时期(王永力等,2001;刘瑞丰等, 2003, 2008;周公威等,2005),开始在计算机上使用速报软件进行地震定位,国内地震速报时间缩短到约1 h。
“九五”时期,中国地震台网中心的前身——中国地震局分析预报中心技术部研发了实时触发系统和人机交互分析系统(黄志斌等,2001)。“十五”期间,我国建成了1 000余个数字化地震台站(代光辉等,2017;刘瑞丰等,2016),实现了网络化实时传输,地震观测进入网络化时代。在此期间,自动地震定位方法和技术得到长足发展,我国于2013年实现了自动地震速报,建立2阶段速报模式。此后,中国地震台网中心地震速报系统全面升级,建成了实时数据汇集交换子系统、台站数据监控子系统、地震实时检测触发子系统、自动速报子系统、人工交互分析子系统、地震信息即时共享子系统(EQIM)、后台支撑数据库在内的速报系统等。近年来,非天然地震分析与处理的重要性日益凸显,自2022年,中国地震台网中心研发了非天然地震分析子系统,进一步补充完善了地震速报系统。
目前,中国地震台网中心速报系统以自动速报子系统、人机交互分析子系统、非天然地震分析子系统为核心,其他子系统辅助,实现了震后约2 min发布自动定位结果,国内地震10 min、国外地震30 min内发布人工交互确定的地震时空强参数,震后约30 min产出非天然地震专报的功能。
2 地震速报业务体系根据震后台站触发情况及波形记录的完整程度,中国地震台网中心形成了震后从秒级到分钟级再到几小时内多阶段多种业务产出的地震速报体系(图 1)。
![]() |
图 1 中国地震台网中心地震速报业务流程 Fig.1 Flow chart of earthquake rapid report service of China Earthquake Networks Center |
对于国内地震,震后第1阶段几秒内,台站触发记录到地震纵波数据,紧急速报(地震预警)产出地震事件信息;在第2阶段2—3 min,随着横波数据的到达,自动速报系统产出自动速报信息;随着台站数据面波信息的到达,在第3阶段10 min内完成国内地震正式速报,对于全球地震,该阶段产出自动速报信息;在第4阶段30 min内完成全球地震正式速报,根据震情启动应急工作,产出各类应急产品,该阶段也包括非天然地震专报的产出。
在整个地震速报业务体系中,中国地震台网中心地震速报技术系统在自动速报、正式速报环节发挥着至关重要的作用,保证了地震参数的准确快速测定与发布,保障了震后应急工作的快速开展。
3 地震速报技术系统构成中国地震台网中心地震速报技术系统主要包括实时数据汇集交换子系统、地震实时检测触发子系统、自动速报子系统、人工交互分析子系统、地震信息即时共享子系统(EQIM)、非天然地震分析子系统、后台支撑数据库等(图 2)。
![]() |
图 2 速报技术系统整体架构 Fig.2 Overall architecture diagram of rapid report technology system |
实时数据汇集交换子系统包括用于国内及全球地震台站实时波形数据的汇集转发流服务器。国内地震数据汇集转发流服务器汇集各省级地震台网中心流服务器中的实时波形数据,同时转发周边省份地震台站的波形数据至各省(市、自治区)级地震台网中心流服务器,实现了全国约1 200个包含三分量数据的测震台站实时波形数据的共享(图 3)。全球地震数据汇集流服务器接收来自广东省地震局速报备份中心所汇集的包含三分量数据的约400个国外测震台和40个援外测震台数据,备份流服务器从IRIS接收国外测震台实时波形数据(图 4)。
![]() |
图 3 国家台网地震速报系统实时数据接收 Fig.3 Real-time data reception of earthquake rapid report system of national seismic network |
![]() |
图 4 全球地震速报系统实时数据接收 Fig.4 Real-time data reception of global earthquake rapid report system |
为了保证数据汇集转发的安全稳定,实时数据汇集交换子系统采用电信、联通双信道互备机制。为应对双链路都中断的情况,中国地震台网中心和各省(市、自治区)地震局建设了卫星链路,以保障全国48个地震台站的实时波形数据传送到中国地震台网中心,进行全国大地震的速报。各流服务器为全国及全球的地震速报等业务提供数据服务(图 5)。
![]() |
图 5 实时数据流汇集交换系统逻辑图 Fig.5 Logic diagram of real-time data flow aggregation and exchange system |
随着烈度速报与预警工程项目的建设实施及地震预警台网的建成,汇集近17 000个地震台站的预警数据流被用于地震速报中,这提高了地震速报台网密度,使得地震参数测定的精度、准确度得到进一步提升。
3.2 地震实时检测触发子系统地震实时检测触发子系统包括实时波形数据接收、单台触发检测、事件综合判定、震相自动拾取、自动地震定位、事件波形截取、地震报警、定位结果入库等功能(宋锐等,2001)。该系统对波形数据进行滤波预处理,在进行地震事件检测时采用长短平均比值方法分别对地震震级以远震、近震利用3个事件检测进程进行事件检测。在检测到事件后,系统自动提取波形震相参数,生成震相文件,启动定位程序,利用网格搜索法进行自动地震定位,同时系统会根据预设条件触发报警。事件文件会在进程检测到地震后形成,被记录在本地磁盘,供人机交互及后续结果入库使用。
3.3 自动地震速报子系统自动地震速报子系统包括福建省地震局研制的大区域自动地震速报软件、广东省地震局研制的国家备份自动地震速报软件、中国地震台网中心研制的中国/全球地震台网自动地震速报软件、综合触发模块(何少林等,2021)。3套自动测定地震参数的软件通过自动拾取震相到时、震相关联、自动定位、量算震级等模块,准实时确定地震参数,将参数发布到EQIM服务器,综合触发模块从EQIM服务器接收3套软件自动测定的地震参数,基于“宁漏不误”的原则,将1个地震至少2套软件产出的结果加权平均,得到综合的自动速报参数,再回写到EQIM服务器。通过地震信息即时共享子系统,综合的自动速报参数被分发共享至各省级台网中心,并被发布到12322、微博、微信、网站等媒介(图 6)。
![]() |
图 6 自动速报业务流程 Fig.6 Automatic rapid report service flow chart |
人机交互分析子系统是地震速报技术系统中的核心子系统,部署了多套人机交互定位软件,包括国家台网地震速报系统、区域台网地震速报系统、全球台网地震速报系统,用于不同地震台网密度下速报全球和国内不同震级的地震。基于自动速报产出结果,人工交互分析子系统产出的速报结果经确认写入国家地震台网中心信息交换服务器,同时接收省(市、自治区)级中心的结果。最终,正式地震速报信息发送给省(市、自治区)级中心并通过不同平台和媒体对外发布(图 7)。
![]() |
图 7 正式速报业务流程 Fig.7 Flow chart of formal rapid report service |
地震信息即时共享子系统(EQIM)包括在中国地震台网中心部署的EQIM服务器、31个省(市、自治区)级地震台网中心部署的EQIM服务器、一些科研院所部署的EQIM服务器。中国地震台网中心部署的EQIM服务器是核心,与各省(市、自治区)级地震台网中心部署的EQIM服务器和一些科研院所部署的EQIM服务器之间采用星形连接,从而实现地震系统内自动速报信息、中国地震台网中心、各省(市、自治区)级地震台网中心人机交互系统分别产出的正式速报信息的实时分发共享。12322、微博、微信、网站等地震信息发布服务器读取地震信息即时共享子系统分发的地震信息,向社会公众发布自动速报和正式速报信息。
3.6 非天然地震分析子系统非天然地震监测和速报是在“全灾种、大应急”体制下发展起来的一项重要业务,为此,中国地震台网中心研发了非天然地震分析子系统。非天然地震分析子系统通过提取天然地震、爆破、塌陷事件这3类事件的P、S波在频率域、时间域的典型物理特征,利用支持向量机方法对特征进行训练,对事件进行机器学习分类识别,从而实现对非天然地震的识别。支持向量机在数据二分类或多分类上有先天的优势(Kortström et al,2016;王军,2018),与近年来较主流的CNN、RNN等机器学习方法相比,在数据量较少且单纯的分类应用场景中有较好的计算效果(蔡杏辉等,2021)。在较小的样本下,该方法对非天然地震的识别也有较高的准确率,即便加入其他区域未训练的数据,也可以进行准确判别。
当自动速报子系统产出自动测定的地震参数时,非天然地震分析子系统读取事件波形数据,提取地震波形特征值,进行SVM分类。其结果与数据库比对进行类型识别,当识别为非天然地震类型后,将判别结果通过邮件系统发送到值班邮箱,值班人员对结果进行复核,产出非天然事件专报(图 8)。该系统大幅提升了非天然地震的识别能力和服务效率,实现了对非天然地震事件的快速响应,震后约30 min产出非天然地震专报,为政府和公众提供第一手的事件发生时间、位置、类型、估算量级等信息。
![]() |
图 8 非天然地震速报流程 Fig.8 Flow chart of rapid report of non-natural earthquake |
后台支撑数据库为地震速报业务全链条提供数据支撑保障,主要包括台站信息管理数据库、软件参数管理数据库、速度模型数据库、地震事件管理数据库。台站信息管理数据库用于对地震速报用到的所有地震台站参数信息的管理,包括国家台、区域台、预警台站及国外接入台站、援外台站,可进行台站参数信息变动更新;软件参数管理数据库用于速报软件内各参数的设置调节,如触发报警震级下限设置、地震事件数据截取范围设置、波形检测算法参数设置等;速度模型数据库有多种走时表,覆盖全球的走时表包括IASPAI91、AK135,国内地震的定位根据区域可选择东北、四川、云南、东南、西北、青藏等多个走时表,以使参数测定更加准确;地震事件管理数据库负责地震事件数据、地震震相数据、地震定位结果的存储及管理地震事件目录。
4 速报系统功能技术特点中国地震台网中心地震速报技术系统采用分布式布局,波形数据和信息通过应用程序接口(API)、消息中间件、NFS服务实现共享,具有安全可靠、交互友好、维护简便的特点,稳定运行数年来,速报地震数千个,没有发生因系统故障导致的测定参数错误、发布超时等问题。
人机交互定位软件采用图形化交互界面,具有拾取震相到时、定位地震、量取波形振幅、计算震级、在地图上展示定位结果、产出震相分析报告等功能,定位时使用目标函数搜索法,目标函数可以按照震相、深度选择。可以仅用P波到时,仅用S-P到时,或同时使用P波到时与S-P到时的目标函数等。还可以选择双曲线法、圆交切法、双曲线与圆交切法等手动定位方法,还有单台地震定位法(宋锐等,2001)。修订自动速报的时空强参数时,值班员使用人机交互定位软件调用实时触发检测子系统截取的地震事件波形文件,对震相到时、所选台站、定位结果、震级进行复核,产出正式速报结果。使用该软件可以对所选台站波形按照震中距、P波到时、残差大小等方式进行排序,以可视化的方式在地图上直接选择台站(图 9),进行震相拾取和量取振幅。在波形上实时显示理论震相位置,提高了地震定位的效率与准确性。计算震级时可选择MS、mb、ML等震级类型,未参与定位的台站可参与震级计算。另外,该软件也使用国家烈度速报与预警工程项目建设的高密度台站产出的结果,这进一步提高了定位的准确度,特别是增强了对深度的约束。
![]() |
图 9 人机交互定位软件界面 Fig.9 Man-machine interactive positioning software interface |
地震速报服务于政府与社会公众,关系国计民生,是中国地震台网中心最重要的工作之一。自中国地震台网中心成立以来,地震速报技术系统经过不断改进,完善功能,运行稳定性逐渐增强,提高了测定地震参数的准确度及时效性。地震自动速报平均震级偏差从2019年的0.21级下降到目前的0.15级(图 10),用时小于2 min。国内地震正式速报用时小于10 min,全球地震小于30 min,对非天然地震的识别能力和服务效率大幅提升,非天然地震专报报送时间由震后1 h缩短到了30 min。
![]() |
图 10 2023年自动速报与人工速报地震目录参数偏差统计(平均震级偏差为0.15) Fig.10 Statistics on the deviation of earthquake catalogue parameters between automatic rapid report and manual rapid report in 2023 (average magnitude deviation is 0.15) |
对比2022年全球6.0级及以上地震(图 11)的中国地震台网中心速报结果与ISC(International Seismological Centre)网站(http://www.isc.ac.uk)产出的地震目录(图 12)可见,对于国内大陆地震,二者间震中位置偏差平均值约12 km,震级偏差为0.03,定位深度偏差约为5 km;对于全球地震,二者间震中位置偏差平均值约为18 km,其中,震中位置偏差较大的地震多位于国外海上、台站稀疏的地区,二者间震级偏差平均值为0.28,定位深度平均偏差约为10 km,其中,震级与深度偏差较大的地震多为深源地震。偏差产生的主要原因可归纳为2点:①所用资料不同,中国地震台网中心地震速报结果所用的台站(尤其是国内地震速报)比ISC定位台站密集得多,准确度远非ISC可比;②测定地震参数要求的用时不同,中国地震台网中心地震速报是在短时间内迅速测定并发布结果,一锤定音,不可更改,而ISC要滞后数月,广泛收集全球可用资料测定地震参数,地震参数可不断修正,故2种测定地震参数的模式不同,这使得偏差在所难免。中国地震台网中心地震速报技术系统对所有地震均平稳产出结果,国内地震速报结果准确度高,时效性强,全球地震速报结果基本与国际同行机构产出结果一致。
![]() |
图 11 2022年全球6.0级及以上地震震中分布 Fig.11 Statistical earthquake distribution map |
![]() |
图 12 中国地震台网中心速报地震与ISC地震目录参数偏差统计 (a)震中;(b)震源深度;(c)震级 Fig.12 Statistics of the deviation between the rapid report of earthquake and ISC earthquake catalogue parameters |
随着国家烈度速报与预警工程项目建设台站的接入,中国地震台网中心地震速报技术系统定位精准度进一步提升,在重点预警区(包括京津冀首都圈、川滇地区、东南沿海地区、新疆天山中段、西藏拉萨地区)水平定位精度由原来的10 km提升为3 km,震源深度精度由原来超过10 km提升为约5 km。同时,将准实时矩张量反演产出的矩震级应用到地震速报中,开始优先使用矩震级确定速报震级。
6 存在问题与完善思路中国地震台网中心地震速报技术系统在不断改进,但仍有很多不足,如对海量波形数据的管理、应用功能不够完善,缺乏对于系统资源及进程的实时监控,智能化水平有待提高,系统网络结构需要进一步优化等。未来,该系统需大量使用大数据和人工智能技术,提高对资源的管理、应用能力和自动化水平,加强与烈度速报与预警系统衔接,进一步优化交互体验,着眼于大系统思路,增强与全国31个省(市、自治区)级地震台网中心速报业务的交互共享能力,以更准确丰富的参数和更好的时效服务于防震减灾工作。
7 结束语自20世纪80年代我国地震观测进入数字化记录以来,经过30多年的发展,我国地震观测取得了重大进展。中国地震台网中心速报系统是我国地震速报体系的主要组成部分及关键一环。目前,中国地震台网中心速报系统以自动速报子系统、人机交互分析子系统、非天然地震分析子系统为核心,其他子系统辅助,实现了震后约2 min发布自动定位结果,国内地震10 min、国外地震30 min内发布人工交互确定的地震时空强参数,震后约30 min产出非天然地震专报的功能。
随着烈度速报与预警工程项目的实施,中国地震台网中心地震速报技术系统实现了预警台站数据在国家测震台网中心正式速报中的应用,重点预警区水平定位精度由原来的10 km提升为3 km,震源深度精度由原来超过10 km提升为约5 km,同时,矩震级开始用于确定震级,在地震参数测定的准确度与时效性上可与国际地震监测机构比肩。
蔡杏辉, 廖诗荣, 张燕明, 等. 基于支持向量机的地震事件类型自动识别及应用[J]. 华南地震, 2021, 41(2): 27-35. |
代光辉, 侯建民. 国家测震台网中心地震速报系统建设[J]. 科技成果管理与研究, 2017(7): 70-72. DOI:10.3772/j.issn.1673-6516.2017.07.027 |
何少林, 林健富. 自动地震速报软件测试平台的设计与实现[J]. 中国地震, 2021, 37(1): 22-32. DOI:10.3969/j.issn.1001-4683.2021.01.003 |
黄志斌, 宋锐, 顾小虹, 等. 国家数字地震台网中心的技术系统[J]. 地震, 2001, 21(4): 7-11. |
刘瑞丰, 吴忠良, 阴朝民, 等. 中国地震台网数字化改造的进展[J]. 地震学报, 2003, 25(5): 535-540. DOI:10.3321/j.issn:0253-3782.2003.05.009 |
刘瑞丰, 高景春, 陈运泰, 等. 中国数字地震台网的建设与发展[J]. 地震学报, 2008, 30(5): 533-539. DOI:10.3321/j.issn:0253-3782.2008.05.012 |
刘瑞丰. 中国地震台网的建设与发展[J]. 地震地磁观测与研究, 2016, 37(4): 201. |
刘希强, 周彦文, 曲均浩, 等. 应用单台垂向记录进行区域地震事件实时检测和直达P波初动自动识别[J]. 地震学报, 2009, 31(3): 260-271. DOI:10.3321/j.issn:0253-3782.2009.03.003 |
宋锐, 顾小虹, 王永力, 等. 国家数字地震台网中心实时处理及大地震速报软件系统[J]. 地震, 2001, 21(4): 47-59. |
王军. 支持向量机在地震与爆破识别中的应用[J]. 地震地磁观测与研究, 2018, 39(3): 181-188. DOI:10.3969/j.issn.1003-3246.2018.03.027 |
王永力, 宋锐, 黄志斌, 等. 国家数字地震台网中心实时观测数据接收技术[J]. 地震, 2001, 21(4): 118-121. DOI:10.3969/j.issn.1000-3274.2001.04.018 |
周公威, 张伯明, 吴忠良, 等. 中国数字地震台网的现状和近期发展[J]. 地震学报, 2005, 27(1): 109-116. DOI:10.3321/j.issn:0253-3782.2005.01.013 |
Grigoli F, Cesca S, Vassallo M, et al. Automated seismic event location by travel-time stacking: an application to mining induced seismicity[J]. Seismological Research Letters, 2013, 84(4): 666-677. DOI:10.1785/0220120191 |
Kortström J, Uski M, Tiira T. Automatic classification of seismic events within a regional seismograph network[J]. Computers & Geosciences, 2016, 87: 22-30. |