地震台站是进行地震监测、开展防灾减灾工作的基础单元,积累的大量数据对防震减灾科研工作具有重要意义。为有效应对地震及次生地质灾害带来的威胁,最大程度地减轻地震灾害,必须加强对地震台站观测环境的管理,保护台站地震监测设施,以便提供准确、及时、连续的地震监测数据。为此,中国地震局制定GB/T19531.1—2004《地震台站观测环境技术要求第1部分:测震》(中华人民共和国国家质量监督检验检疫总局等,2004),提出台站观测环境相关技术指标以及地震设备安放位置与主干扰源之间最小距离等要求。然而,随着我国城市化的快速发展,地震观测环境遭到破坏日益增多。据调查,全国约2/3地震台站环境干扰显著,其中1/5台站被迫迁址重建。因此,需要采取相关措施保护台站观测环境,并从技术层面对台站背景噪声进行分析处理,从而有效判断台站观测环境变化对地震观测记录的影响。
Peterson(1993)利用加速度功率谱密度(power spectral density,简称PSD)方法,对全球75个地震台站波形进行分析,并提出地球高噪声模型(new high noise model,简称NLNM)、地球低噪声模型(new low noise model,简称NLNM),用于地震台站环境噪声水平评价。基于Peterson(1993)的功率谱密度函数模型,McNamara等(2004)给出相应概率密度函数(probability density function,简称PDF)分布,使整个周期范围内长时间的环境噪声水平评估得以实现。与PSD相比,PDF方法具有显著优势,例如:在计算中无需单独去除地震等在内的突发事件,既便于连续波形截取,也能得到更加准确的地震计噪声特性。Ringler等(2010)研究证实,宽频带地震计在其工作频带内产生的自噪声远低于环境噪声,表明环境噪声是影响一个台站噪声水平的主要因素。李雷等(2017)、谢江涛等(2021)研究表明,地震台站高频噪声主要是人为噪声和自然噪声,把地震计安装在观测山洞内或者井下,不仅起到保温、防风作用,还可以减轻干扰源,尤其是高频干扰对观测数据的影响。曹冲等(2022)研究发现,车辆干扰频段(10—22 Hz)、施工干扰频段(8—25 Hz)与天然地震波形频带信息存在交叉,对地震台站观测数据质量造成一定影响。
西藏地区地处内陆,距海岸线较远,由于地广人稀,大部分台站台基噪声水平优良,但随着社会经济的发展和城市化进程,原地处城区的部分台站观测环境受到影响。日喀则地震台(下文简称日喀则台)位于市区,且摆房直线距离约150 m处为城市主干道,观测环境受影响趋势明显。本文采用PSD和PDF方法,计算并分析环境噪声随时间的变化特征,且以年、季节、月、日等多角度客观评估台站环境噪声特征,深入分析背景噪声对观测性能的影响。
1 日喀则地震台概况日喀则台是国家无人值守地震台,海拔3 860 m,台基岩性为砂岩,观测摆房位于西藏自治区日喀则市桑珠孜区德庆格桑普彰内南山脚下,距318国道约1.0 km。日喀则市桑珠孜区属高原温带半干旱季风气候,干湿季节明显,年降水量约200—430 cm,且降水时段集中,冬季寒冷、干燥多风,年平均温度约8 ℃,且昼夜温差较大。
该台始建于1986年,台址区位于日喀则地区卫校,后因城市规划及周围环境干扰,于1995年搬迁至现台址。1986—1995年配备572型短周期地震仪(熏烟记录仪)、1995—2007年配备DD-2型短周期地震记录仪进行地震记录。后经“十五”台站数字化升级改造,架设CTS-1EF型甚宽频带测震仪及EDAS-24GN型地震数据采集器。地震计观测频带为120 s—50 Hz,采样率为100 Hz,台站观测室布局为地下室。架设标准为A类地区Ⅰ类台站。台站基础信息见表 1。
该台地震记录能力较好,在地震观测数据质量评比中多次荣获西藏全区第一名。然而,随着城市化发展,台站观测环境受到一定程度影响。
2 观测数据处理及计算方法 2.1 数据处理(1) 直流偏移消除处理。计算噪声功率谱前,需对选取数据进行消除直流偏移处理。具体方法:对整个记录长度求和,除以记录总数,即取记录平均值作为直流偏离量,然后逐点减掉直流偏离量。
$ f_i=f_j-\frac{1}{N} \sum\limits_{j=1}^N f_j $ | (1) |
式中,fj为每个采样点的值,N为记录总数。
(2) 仪器响应扣除。数字地震记录是地震动经拾震器、放大器、模数转换所得,利用拾震器传递函数扣除仪器响应,才能得到实际地面振动。
$ G(s)=S_{\mathrm{d}} A_0 \frac{\prod\limits_{n=1}^N\left(s-r_n\right)}{\prod\limits_{m=1}^M\left(s-p_m\right)} $ | (2) |
式中,Sd为地震计灵敏度,A0为地震计归一化因子,N为复零点数,M为复极点数,rn为地震计复零点值,pm为地震计复极点值。
2.2 地噪声RMS值计算地动噪声有效值RMS计算公式为
$ \mathrm{RMS}=\sqrt{2 \mathrm{PSD} \cdot f_0 \cdot \mathrm{RBW}} $ | (3) |
式中:f0为分度倍频程中心频率;RBW相对带宽,计算公式为
$ \text { RBW }=\frac{f_{\mathrm{u}}-f_1}{f_0} $ | (4) |
式中,fu与fl分别为分度倍频程上限、下限频率。
3 RMS值计算及对比分析 3.1 多年RMS值变化特征截取日喀则台2014—2018年每年冬季(每年12月—次年2月,相对安静)、夏季(6—8月,相对喧嚣)各月任意一天无地震事件的连续波形数据,计算台站地动噪声RMS值,结果见表 2,并绘制地动噪声RMS值逐年变化趋势,结果见图 1。
由图 1清晰可见,日喀则台RMS值基本具有逐年增大特点,台基环境噪声水平由Ⅰ级降为Ⅱ级,其中夏季总体噪声水平高于冬季,且2017年RMS值达各年冬、夏季最大值。
3.2 2022年2月、8月RMS值对比分析截取2022年2月、8月无地震事件的任意一天连续波形数据进行RMS值计算,绘制1—20 Hz频段内地动噪声RMS值小时分布曲线,分析RMS值日变化趋势,结果见图 2。由图 2可见:2月RMS值高于8月,且NS向变化浮动最大;白天噪声水平明显大于夜晚,每日9时起噪声逐渐变大,16—17时噪声达到峰值,后缓慢下降;8月噪声远小于2月,由当年新冠疫情管控措施所致(强化车辆通行管控,城乡道路客运、乡村公交、跨市客运、旅游及包车客运暂停营运,各城乡社区(村)居民采取24小时封闭式管理)。人为活动减少提高了环境噪声水平,说明台基噪声主要来源于车辆、施工等高频人为干扰。
西藏地处青藏高原,冬季严寒且时间较长(每年12月—次年3月)。日喀则市农业、旅游业占主导地位,生活、生产活动多集中于夏季,具有鲜明的季节性特点。选取日喀则台2015年冬(1—3月)、夏(6—8月)两季三分向噪声加速度功率谱,对比分析概率密度函数分布,结果见图 3,可见夏季高频段噪声水平高于冬季,季节性变化特征较为明显,尤其在1—30 Hz(周期为0.033—1 s)频段,高频噪声显著。
地震台站高频段噪声主要由人为因素引起,与人类生产、生活联系紧密,昼夜变化明显,噪声水平随着噪声源的距离以及深度的增加而不断减弱。日喀则台高频段平均噪声水平受附近人类活动影响,呈明显的日变化特点。
为进一步探究台站高频段噪声水平及其日变化特点,截取不同年份冬、夏各季节同日数据进行对比分析。以2012年7月23日、2023年7月23日和2012年12月23日、2023年12月23日数据为例,对比分析日喀则台EW分量噪声功率谱密度PSD-PDF值冬夏季节不同年份的日变化特征,结果见图 4。由图 4可见,2023年7月23日、12月23日的日噪声水平远高于2012年,且高频噪声明显上升,并在同一年份中,夏季(7月23日)噪声水平远高于冬季(12月23日)。在2—20 Hz高频(周期为0.05—0.5 s)区间内,每日平均环境噪声水平呈明显的昼夜变化特点,表现为每日噪声8时开始上升,夜晚22时前后逐渐下降,与人类活动对应。
利用日喀则地震台2012—2023年观测数据,计算台站记录连续波形RMS值、噪声加速度功率谱密度及其概率密度函数分布,得到该台噪声水平随时间变化的特点。研究发现,日喀则地震台观测环境的显著变化对地震观测数据造成较大影响,导致台基噪声水平由Ⅰ类降至Ⅱ类。分析认为,台站高频段噪声主要由人类生产、生活引起,在1—30 Hz(周期为0.033—1 s)高频段内,台站噪声的季节性变化及日变化特点显著,夏季噪声水平升高,冬季降低,且噪声与天然地震波形的频带信息有重叠,对地震台站观测数据质量造成显著影响。降低高频干扰是提升地震观测质量的重要手段,建议测震观测应向观测山洞或者井下地震观测发展,以降低周围干扰源对台站的影响。
曹冲, 冯红武, 王建昌, 等. 观测环境变化对西安台地震观测的影响研究[J]. 科技与创新, 2022(4): 8-10. |
李雷, 钱文品, 邓存华, 等. 昆明地震台地面与井下地震观测背景噪声对比[J]. 地震地磁观测与研究, 2017, 38(5): 86-95. |
谢江涛, 林丽萍, 赵敏, 等. 四川地区地震背景噪声特征分析[J]. 地震学报, 2021, 43(5): 533-550. |
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 19531.1—2004地震台站观测环境技术要求第1部分: 测震[S]. 北京: 中国标准出版社, 2004.
|
McNamara D E, Buland R P. Ambient noise levels in the continental United States[J]. Bull Seismol Soc Am, 2004, 94(4): 1 517-1 527. DOI:10.1785/012003001 |
Peterson J R. Observations and modeling of seismic background noise [R]. Albuquerque: U.S. Geological Survey, 1993.
|
Ringler A T, Hutt C R. Self-noise models of seismic instruments[J]. Seismol Res Lett, 2010, 81(6): 972-983. DOI:10.1785/gssrl.81.6.972 |