(a)中红色虚线框为(b)的范围; (b)为本文研究区域
图1 研究区主要断裂和地震台站分布
Fig. 1 Distribution of main faults and seismic stations in study area
doi: 10.13209/j.0479-8023.2022.059
云南省地震局青年科学基金(2017K)和云南省地震局传帮带科学基金(CQ2-2021004)资助
北京大学学报(自然科学版) 第58卷 第5期 2022年9月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 58, No. 5 (Sept. 2022)
收稿日期: 2022–06–05;
修回日期: 2022–06–15
摘要 利用北京大学 2016—2019 年在小江断裂带中段布设的 20 个宽频带流动测震台和云南测震台网的 3 个固定台站的波形数据, 对北京大学开发的地震自动检测与定位程序PALM的有效性进行测试, 完成研究区的微震检测和精定位。共检测出 4355 个地震事件, 是云南台网地震目录中的 4.6 倍, 最小完备震级 Mc 值从 ML 1.3 降至 ML 0.8, 说明 PALM 技术可以在高密度地震台阵中有效且准确地检测微地震并进行定位, 提高台阵地震资料分析的智能化水平和微震检测能力。基于获取的包含丰富微震事件的目录, 研究结果勾画出小江断裂带中段地震活动的最新空间分布特性, 显示小江断裂带在主断层之外发育大量次级断层, 走向大致为东北东‒西南西。研究区南端可能存在一条未曾发现的隐伏断层, 宜良县柴石滩水库周边检测出密集的微震活动。
关键词 地震自动检测与定位软件PALM; 微震检测智能方法; 小江断裂带; 模板匹配; 地震定位
川滇块体是我国地震活动性最强的块体之一。小江断裂带位于云南省东北部, 属于川滇菱形块体的东边界。公元 1500 年以来, 小江断裂带发生过一次 8 级地震, 3 次 7～8 级地震, 16 次 6～7 级地震, 其中最大地震是 1833 年的嵩明 8 级地震[1‒2]。小江断裂带为近南北走向, 延伸约 400km, 分为北、中、南3 段。北段从巧家至东川小江村, 呈单一结构。南段从宜良至华宁南。中段从东川至宜良, 分为东、西两支, 东支长约 200km, 走向从 350°变化至 10°; 西支长约 180km, 走向为 0°～5°。这两支走向近似平行的左旋走滑断层的内部结构十分复杂[3‒4]。
有关小江断裂带地震活动性的研究一直受到高度重视。毛燕等[5]使用云南测震台网 1985—2015 年记录的地震资料分析小江断裂带各段的地震危险性, 发现断裂带中段应力水平高, 但小震不活跃, 处于应力积累阶段。杨晶琼等[6]通过使用密集台阵的地震资料, 发现断裂带北段的断层有明显的动态触发现象。张勇等[7]基于跨断层形变监测数据, 发现小江断裂带的中段和南段处于应力积累阶段, 地震危险性较高。裴玮来等[8]进行小江断裂带小震震源机制测量, 并在此基础上开展区域应力场研究。这些研究在认识小江断裂带内部复杂结构和地震活动特征方面取得很有意义的成果, 表明小江断裂带目前处于应力积累阶段, 长期来看, 地震危险性高于小江断裂带北段。然而, 受限于地震检测技术, 加上小江断裂带中段地震台站数量较为稀少, 以往研究中涉及小江断裂带中段的较少。
古登堡‒克里特关系式(G-R 关系式: lgN=a –bM, 其中 M 表示震级, N 表示震级 ≥M 的地震数量, a 和 b为常数)表明, 小地震发生的频度比大地震多得多, 地震震级每减小一级, 地震数量会增加 10 倍[9]。若能探测到更小震级的地震, 就能极大地丰富地震目录, 为地震活动相关的研究提供更丰富的观测资料。
微震活动性可以用于解析断裂带的精细结构形态及滑动行为等。高精度地震定位可对断裂结构进行成像, 是唯一可以解析发震深度断层几何形态的手段[10‒12]。例如, 在大地震研究中, 余震的空间分布常用于构建先验的断层几何模型, 并据此进行破裂过程反演[13‒15]。本研究基于小江断裂带布设的流动地震观测台阵, 利用北京大学周仕勇研究组[16]最新研发的擅长处理密集地震台阵海量地震记录的地震自动检测与定位软件 PALM (phase picking, as-sociation, location, and matched filter), 获取小江断裂带精细的微震活动图像, 为进一步开展研究区的地震危险性等相关研究提供参考。
我们于 2016 年 8 月至 2019 年 1 月, 沿小江断裂带中段(102.5°—104°E, 24.5°—26.5°N)布设 20 个宽频带流动地震台站, 并进行两年多时间的观测。本文采用的资料主要来自这些流动地震观测台站, 同时收集同区域 3 个固定地震台站的观测资料。流动及固定地震观测台站的分布见图 1。断层数据来自文献[17]。此外, 本研究收集了研究时段云南固定台网“地震编目系统”的正式观测报告和地震目录, 进行对比分析。
地震检测和震相到时读取是地震定位的基础, 精准的震相到时读取可以确保高精度的地震定位, 进而精细地解析断层的几何形态。传统的震相拾取方法依赖于专家的人工判别, 在连续地震波形数据中逐一检测地震事件时窗并拾取震相到时, 工作量巨大。随着观测数据的爆发式增长, 传统的人工检测方式耗时耗力, 并且检测结果因人而异, 会造成系统性偏差[18]。因此, 人工识别在工作效率和研究精度上均显不足[19], 自动化的地震事件识别和震相拾取方法得到越来越多的关注和发展, 应用也越来越广泛。
PALM 是为分析连续波形记录资料而设计, 可以自动完成事件检测、震相拾取、震相关联、地震定位以及匹配滤波扫瞄和寻找漏检微震的全过程, 获取高质量的地震目录。PALM 软件包基于 Python, Obspy, Numpy, Scipy 和 Pytorch 开发, 分为 PAL 和MESS 两部分, 下载地址分别为 https://github.com/YijianZhou/PAL 和 https://github.com/YijianZhou/ MESS。
本文图件用 GMT6[20]绘制, 地震波数据处理由Seismic Analysis Code (SAC)软件包完成, 一维定位程序 Hypoinvers2000 程序由 USGS 提供, 区域基本站连续波形数据以及震相观测报告由云南地震台网提供。
1.1.1 PAL: 事件检测、震相拾取、震相关联以及地震定位
首先基于长短时窗算法, 给出初始检测结果[21], 然后利用长短窗与峰度值[22], 对 P 波和 S 波到时进行成对的拾取, 最终通过震相关联和定位, 获取初始目录。具体流程如下: 首先进行触发式事件检测, 此过程由长短窗算法完成, 其长窗较长(约 1s), 保证检测结果的稳定性; 然后在触发时刻周围精细地拾取 P 波, 在触发时刻周围的搜索时窗约为 1s, 且P 波的拾取基于较短的短窗(一般为 0.5s); 最后在 P波拾取的基础上, 在其后 20s 内利用最大振幅的时刻确定 S 波的搜索时窗, 并利用地震记录的水平分量峰度值拾取 S 波。
(a)中红色虚线框为(b)的范围; (b)为本文研究区域
图1 研究区主要断裂和地震台站分布
Fig. 1 Distribution of main faults and seismic stations in study area
至此, 我们得到单台检测的地震事件 P 波和 S波的到时信息, 但是尚不清楚单台震相属于哪个地震事件, 并且检测结果中不可避免地含有噪声引起的误检, 因此需要进行震相关联。我们的震相关联算法基于地震波走时特征, 在时间与空间域进行关联。在时空域上, 首先将各台估算的发震时刻进行丛集聚类, 获得某事件的备选台站集; 然后计算各个空间网格的 P 波走时, 并进行网格搜索, 确定某个走时残差内台站最多、残差最小的网格位置, 即一个地震检测的初始位置。图 2 展示一个成功检测的地震事件, 红色虚线表示在垂向分量上检测出的P 波到时, 最后得到包含地震事件、P 波、S 波和走时残差的震相文件, 该文件可以作为绝对定位程序(如Hypoinverse)的初始输入文件。
为了保证通过上述震相关联所得地震事件的可靠性, 我们首先根据走时曲线特征, 将离散性较大的数据对应的地震事件删除, 如图 3 所示。然后, 人工核实每个事件的波形数据, 剔除震相错误和震相不清的地震事件, 并保证每个事件被至少 4 个台站记录到。接着, 用 HypoDD[23]重定位, 优化事件间的相对位置。这里, PAL 目录的重定位由“地震目录得到的走时差(dt.ct)”完成, 定位速度模型参照王椿镛等[24]针对川滇地区地壳速度结构成像结果构建的一维速度模型。HypoDD 重定位中, 取震相数据事件对之间的最大距离(WDCT)=30km, 进行 4轮反演迭代。
1.1.2 MESS: 匹配、扩展、时移和叠加
出于振幅小、能量弱、信噪比低和受到大震尾波干扰等多种原因, 微小地震的检测存在诸多困难, 很难通过单台记录能量脉冲的特征有效地识别地震信号。近年发展的模板匹配方法基于波形相似性进行检测, 在计算各台与模板事件的互相关后, 通过多台叠加提高信噪比, 对微震的自动检测与定位效果显著[25‒29]。
MESS 是一种基于匹配滤波的地震检测算法的实现, 不仅可以实现互相关计算的显卡(GPU)加速, 而且将走时差测量与重定位模块进行集成, 用户可以直接利用 1.1.1 节介绍的 PAL 生成的初始目录作为模板, 快速获取更加完备且高精度定位的目录。MESS算法包含以下 4 个步骤。
发震时刻: 20171208225509.66 (GMT); 经度: 103.1550; 纬度: 25.2728; 深度: 18 km; 震级: ML 1.2。灰色曲线为连续波形, 红色竖线为P波到时, HHZ为台站记录数据的垂向分量
图2 基于P波与S波关联定位的地震事件
Fig. 2 Seismic events based on P-wave and S-wave associated location
图3 P波和S波震相的走时曲线
Fig. 3 Time-distance curves of P-wave and S-wave
1)匹配: 计算模板与连续波形间的互相关。
2)扩展: 对各台站互相关的局部峰值进行扩展, 使模板可以检测距离较远的事件。
3)时移: 将各台站的 P 波走时扣除, 以便对齐互相关峰值。
4)叠加: 将各台的峰值扩展并偏移后的互相关函数进行线性叠加, 求取平均值, 这样可以压制不相关的噪声。
最终, 在叠加后的互相关函数上进行事件检测。
本研究利用 PAL 获得的 1202 个地震作为模板事件, 将连续波形和模板波形通过 2～8Hz的带通滤波。利用 GPU 加速技术, 基于模板地震波形和连续波形计算下式定义的互相关系数:
式中, Draw和Dtemp为待检测的原始数据和模板数据; Δttemp 为模板长度, 为了兼顾完成 P 和 S 震相, 这里使用的模板长度为 15s。
在最终检测出的地震事件中, 我们选择至少被4 个台站记录到, 且平均 CC 值都大于 0.4 的作为新检测事件。通过计算遗漏的地震事件水平方向 S 波段最大振幅与模板地震振幅的震级差, 估计新检测事件的震级。随机选取若干模板事件的连续波形, 均成功地完成模板自检测(图 4(a))。我们同时得到新检测出事件的 P 波和 S 波到时, 获得新微震事件的震相数据(图 4(b)和(c))。
(a)检出地震事件为 20170101090449.36, 模板事件为 20170101090449.36, 模板 ID 为 1, CC 平均值为 0.999; (b)检出地震事件为20180104123852.58, 模板事件为 20170804033830.31, 模板 ID 为 751, CC 平均值为 0.670; (c)检出地震事件为 20180101090747.70, 模板事件为 20170526075334.17, 模板 ID 为 522, CC 平均值为 0.882。灰色曲线为连续波形, 红色曲线为模板事件; BHZ, BHE 和BHN 分别为云南固定台记录的垂向、东向和北向分量, HHZ, HHE和HHN分别为流动台记录的垂向、东向和北向分量
图4 模板自检测(a)及模板识别新事件((b)和(c))
Fig. 4 Template matching self-detection (a) and template matching new detection event ((b) and (c))
最后, 针对模板匹配方法在检测遗漏地震事件时的误识别问题, 我们采用人工方式对新检测的地震事件进行检查, 删除误检事件, 提高检测结果的可靠性。
地震产生的地面震动幅度范围很大, 从纳米量级至米量级, 需要采用不同的标度去衡量震级。根据国家标准《地震震级的规定》(GB17740-2017), 在我国地震台网日常地震监测中, 要测定地方性震级(ML)、短周期体波震级(mb)、面波震级(Ms)、宽频带面波震级(Msbb)和矩震级(Mw)。根据本文研究区范围, 同时考虑与台网目录的震级标度做对比, 我们仅计算事件的 ML。
ML 的测定需要考虑仿真模式和量规函数的选择。传统的ML 测量方法既可以仿真成 DD-1 型, 又可以仿真成伍德‒安德森型(Wood-Andersom, WA)短周期记录。我们收集的台网地震目录是基于 WA仿真计算得出的, 为保持震级标度的一致性, 本文使用初始检测得到的事件质点运动位移 Aμ(μm)来仿真 WA, 计算公式为
式中, Aμ=(AN+AE)/2 (AN 和AE 分别为南北向分量和东西向分量S波位移的最大振幅), Δ为震中距, R(Δ)使用西南地区的量规函数(表 1)。
将 PALM 方法应用于小江断裂带的检测结果如下: PAL 目录包含 1202 个事件, 检测到的最低震级为 ML −0.5; MESS 以 PAL 目录的地震记录为模版事件, 将其扩充, 最终包含 3153 个定位约束良好的微震事件, 检测到的最低震级为 ML1.0。PAL 目录的事件分布于整个研究区, 即使活动性较低的区域也检测到地震事件(图 5(a)和(b)), 这就保证 MESS 在整个区域均具备足够的检测能力。在 MESS 目录中,得益于匹配滤波技术对噪声水平不敏感, 台站分布不均匀造成的地震不均匀分布被大幅改善(图 5(c))。与 PAL 目录中的弥散分布相比, MESS 目录的地震丛集更加显著, 显示更高的定位精度, 并揭示精细的断层结构(图 5)。最终的 MESS 目录中, 地震震源深度分布在 0～30km 的范围, 峰值约为 10km。
表1 本文使用的 R 量规函数
Table 1 R calibration functions used in this study
Δ/kmRΔ/kmRΔ/kmRΔ/kmR 0～52.0402.8 853.31503.7 102.0452.9 903.41603.7 152.1503.01003.41703.8 202.2553.11103.51803.8 252.4603.21203.51903.9 302.6703.21303.62003.9 352.7753.31403.62103.9
微震定位结果显示, 小江断裂带在主断层之外发育大量次级断层, 其走向大致为东北东‒西南西, 与近南‒北走向的主断层形成一个正交断层系统。图 5(c)显示, 微震活动在这些次级结构上集中于浅层(0～15km), 且各丛集呈线状分布; 主断层上的微震活动分布于 10～30km 的深层, 各丛集的分布弥散, 近团状。对比地质勘查得到的精细断层分布, 我们发现主断层的微震丛集地分布在主断层与斜交断层的交汇处。这种断层几何结构较为典型, 为近平行走滑断层间发育的斜交或正交断层系统。其成因是, 在长期的剪切加载下, 断层间的次级块体旋转并变形[30‒31]。
综上所述, 小江断裂带的区域断层结构特征可以概括为以下两点: 1)两个南北向延伸的主断层, 其上发育雁形排列的多段结构; 2)若干主断层系统内外的正交和斜交子断层。Zhou 等[32]利用 31 个连续记录的宽频带地震台, 组成覆盖小江断裂带整个区域的观测台网进行微震定位, 也发现小江断裂带存在大量微震活跃的次级共轭断层, 并且推测这可能是小江断裂带处于断层演化中晚期的里德剪切现象[30‒33]。
本研究使用 1202 个地震模板事件, 经检测后, 共得到小江断裂带中段 4355 次地震目录信息, 事件数量是云南地震台网目录(946 次)的 4.6 倍, 丰富了该区域地震活动观测资料。
图 6(a)和(b)分别展示经过模板匹配扩充后的PLAM 地震目录和云南省地震台网目录中地震事件的震中分布, 可以看到 PLAM 方法检测得到的地震目录能够精细地展现研究区地震活动的细节, 例如小江断裂带西边, 原先台网目录中展现的弥散性地震分布, 在 PLAM 目录中明显地向主断裂带集中。小江断裂带展现的一系列与主断裂斜交的线状分布地震事件揭示了与主断层相关的次级断层活动, 可为在该区域进一步开展活动断层探测提供参考。在宜良、石林和陆良之间检测出大量微地震事件(图 6 (b)中绿色虚线框所示), 可能是当地水库蓄水[34]诱发的地震活动。
(a) PAL+HypoInverse算法; (b) PAL+HypoDD算法; (c) MESS+HypoDD算法。圆点表示地震事件, 黑色实线表示断层, 黑色实心三角形表示台站
图5 不同算法的地震检测定位结果
Fig. 5 Results of different algorithms for earthquake detection
地震目录的最小完备震级(Mc)是表征地震台网监测能力的重要参数, 其定义是监测能力覆盖时空范围内 100%的地震事件可被检测到的最低震级[35]。本文通过最大曲率法(MAXC)[36]计算得到台网目录的 Mc 值为 ML1.3, 模板匹配后地震目录中 Mc 值从ML 1.3 降至 ML 0.8 (图 7)。
与台网目录相比, 检测目录的地震集中分布在小江断裂带的东、西两支之间(图 6(b)), 在空间上呈现丛集性。研究区南段, 台网目录的地震事件大量分布在昆明及嵩明盆地(图 6(a)), 检测目录则与之相反, 地震事件基本上围绕盆地边缘分布。研究区中段嵩明至寻甸部分, 台网目录中几乎没有检测到任何小地震, 而检测目录中段微小地震数量众多, 尤其是寻甸‒小新街断裂(F2)和万寿山断裂(F3)交汇的位置, 线状分布大量微小地震, 在一定程度上反映两个活动断裂交汇后的复杂应力活动。研究区北段, 台网目录与检测目录的定位结果呈现较大的不同, 我们认为原因是随着流动台站数量增加, 更多的微小地震被检测出来。值得注意的是, 在台网目录的定位结果中, 昆明台和马龙台附近围绕少量地震事件, 但在检测目录的定位结果中却没有出现。通过查阅云南固定台网的震相报告发现, 围绕昆明台和马龙台的地震事件多是单台定位的结果, 是仅借助 P 波和 S 波到时以及方位角确定的位置。当周边加入流动台资料作为约束后, 地震事件位置就会迁移到他处, 马龙台附近的地震事件迁移到其西北3 km的地方, 展布方向与地形转折大致吻合。
研究区东南部识别出大量微震活动, 集中在宜良、石林和陆良之间, 地震丛集程度很高(图 6(b))。根据小震分布, 可以在陆良‒石林一线大致勾勒出一条断层(D1, 虚线), 近东‒西走向, 东段与弥勒‒富源断裂交汇, 但从地形图上并未看见断裂或河流切割出的断层地貌, 推测是一条隐伏断裂。
模板匹配方法中最重要的步骤是模板事件的选择, 检测能力在很大程度上依赖模板事件的分布和数量。研究区内模板数量增多, 可以提高遗漏地震事件的检测率。目前, 常用的宽频带地震仪器采样率基本上在每秒 100 个数据点以上, 互相关的计算量极大。计算互相关系数是一项费时的工作, 以本文使用的英伟达 GTX TiTan X计算卡为例, CUDA核心数有 3072 个, 计算一个模板和一天连续波形需要 2.3s, 其计算流程是将全部模板数据和一天的待检测连续波形数据一起读入 GPU 计算显卡中, 逐一使用模板数据和连续波形数据进行互相关计算。虽然计算效率比 CPU 明显提升, 但仍然受以下两方面因素影响: 1)GPU 计算卡的 CUDA 核心计算数量; 2)模板事件的数量(即模板事件库)。如果能提高CUDA 计算的核心数, 使用更高性能的显卡(如英伟达 RTX3090Ti), 或者使用集群显卡, 则计算效率会大大提高。
(a)台网地震目录中地震事件的分布; (b)PLAM地震目录中地震事件的分布。F1:小江西支主干断裂: F2:寻甸‒小新街断裂; F3: 万寿山断裂; F4:小新街‒徐家渡断裂; F5:北古城‒粮山断裂; F6: 普渡河断裂; F7:明德‒雪麻箐断裂; F8:弥勒‒富源断裂; D1:根据定位结果推测的隐伏断裂。黑色三角形为流动台站, 红色三角形为固定台站, 绿色虚线框示宜良县柴石滩水库库区
图6 检测后的地震分布与云南台网地震目录对比
Fig. 6 Comparation between the earthquake distribution and the catalogue of the Yunnan Seismic Network after detection
图7 检测前后地震序列、最小完备震级(Mc)和地震频度的对比
Fig. 7 Comparation between the minimum magnitude of completeness (Mc) and b value before and after detection
1)小江断裂带处于断层演化的中晚期, 在主断层之外发育大量的次级断层, 走向大致为东北东‒西南西, 与近南北走向的主断层形成一个正交断层系统。
2)小江断裂带中段深部的微震丛集地发生于主断层与子断层的交汇处, 主断层的倾向可由它们与地表断层的相对位置确定, 据此可以给出略微东倾的近似垂直的主断层几何形态。
3)PALM 一体化地震自动检测与定位程序大大地提高了地震资料分析的智能化水平, 与国际上同类方法和应用程序相比, 在资料处理的自动化程度以及计算效率和检测准确性方面有明显优势。
4)随着台网密度的加大和地震监测能力的增强, 未来自动检测将在更大程度上代替人工检测, 在地震监测和研究中发挥越来越重要的作用。PALM 方法有助于提升人们对地震资料的处理能力, 为地震学研究和防震减灾工作提供更好的支撑。
致谢 加利福尼亚大学河滨分校博士研究生周一剑在 PALM 程序包的应用方面给予指导, 并参与对结果的讨论, 谨致谢忱。
参考文献
[1]Ren Z. Geometry and deformation features of the most recent co-seismic surface ruptures along Xiaojiang Fault and its tectonic implications for the Tibetan Plateau. Journal of Asian Earth Sciences, 2013, 77: 21‒30
[2]Wen X, Fan J, Yi G, Deng Y, et al. A seismic gap on the Anninghe fault in western Sichuan, China. Sci-ence in China Series D: Earth Sciences, 2008, 51(10): 1375–1387
[3]宋方敏, 汪一鹏, 俞维贤. 中国活断层研究专辑 ——小江活动断裂带. 北京: 地震出版社, 1998
[4]魏文薪, 江在森, 武艳强. 小江断裂带的运动及应变积累特征研究. 大地测量与地球动力学, 2012, 32(2): 11‒15
[5]毛燕, 刘自凤, 叶建庆, 等. 小江断裂带强震危险性分析. 地震研究, 2016, 39(2): 213‒217
[6]杨晶琼, 李月芯, 运乃丹, 等. 云南小江断裂带北段动态触发现象研究. 地球物理学报, 2021, 64(9): 3207‒3219
[7]张勇, 洪敏, 崔兴平, 等. 小江断裂带近场活动特征分析. 地震研究, 2018, 41(3): 375‒380
[8]裴玮来, 周仕勇. 基于最大顺序统计量的P波初动极性自动读取方法的小震震源机制反演及在云南小江地区的应用研究. 地球物理学报, 2022, 65(3): 992‒1005
[9]Gutenberg B, Richte C F. Frequency of earthquakes in California. Bulletin of the Seismological Society of America, 1944, 34(4): 185–188
[10]Waldhauser F, Ellsworth W L. Fault structure and mechanics of the Hayward Fault, California, from double-difference earthquake locations. Journal of Geophysical Research: Solid Earth, 2002, 107(B3): ESE 3-1‒ESE 3-15
[11]Shelly D R, Ellsworth W L, Hill D P. Fluid-faulting evolution in high definition: connecting fault struc-ture and frequency-magnitude variations during the 2014 Long Valley Caldera, California, earthquake swarm. Journal of Geophysical Research: Solid Earth, 2016, 121(3): 1776‒1795
[12]Mendoza M M, Ghosh A, Karplus M S, et al. Duplex in the Main Himalayan Thrust illuminated by after-shocks of the 2015 Mw 7.8 Gorkha earthquake. Na-ture Geoscience, 2019, 12(12): 1018‒1022
[13]Yue H, Ross Z E, Liang C, et al. The 2016 Kumamo-to Mw=7.0 earthquake: a significant event in a fault-volcano system. Journal of Geophysical Research: Solid Earth, 2017, 122(11): 9166–9183
[14]Sun J B, Yue H, Shen Z K, et al. The 2017 Jiuzhaigou earthquake: a complicated event occurred in a young fault system. Geophysical Research Letters, 2018, 45 (5): 2230–2240
[15]Ross Z E, Trugman D T, Hauksson E, et al. Searching for hidden earthquakes in Southern California. Sci-ence, 2019, 364: 767‒771
[16]Zhou Y J, Yue H, Fang L H, et al. An earthquake detection and location architecture for continuous seismograms: phase picking, association, location, and matched filter (PALM). Seismological Research Letters, 2022, 93(1): 413–425
[17]邓起东, 张培震, 冉勇康, 等. 中国活动构造与地震活动. 地学前缘, 2003, 10(增刊1): 66–73
[18]Leonard M. Comparison of manual and automatic onset time picking. Bulletin of the Seismological Society of America, 2000, 90(6): 1384‒1390
[19]刘翰林, 吴庆举. 地震自动识别及震相自动拾取方法研究进展. 地球物理学进展, 2017, 32(3): 1000‒ 1007
[20]Wessel P, Luis J F, Uieda L, et al. The generic mapping tools version 6. Geochemistry, Geophysics, Geosystems, 2019, 20: 5556–5564
[21]Allen R V. Automatic phase pickers: their present use and future prospects. Bulletin of the Seismological Society of America, 1978, 68(5): 1521‒1532
[22]Baillard C, Crawford W C, Ballu V, et al. An automa-tic kurtosis-based P- and S-phase picker designed for local seismic networks. Bulletin of the Seismological Society of America, 2013, 104(1): 394‒409
[23]Waldhauser F. hypoDD —a program to compute double-difference hypocenter locations [R/OL]. U. S. Geological Survey Open-File Report 01-113. (2001) [2021‒01‒01]. https://pubs.usgs.gov/of/2001/0113/
[24]王椿镛, Mooney W D, 王溪莉, 等. 川滇地区地壳上地幔三维速度结构研究. 地震学报, 2002, 24(1): 1‒16
[25]Gibbons S J, Ringdal F. The detection of low magnitude seismic events using array-based waveform correlation. Geophysical Journal International, 2006, 165(1): 149‒166
[26]Shelly D R, Beroza G C, Ide S. Non-volcanic tremor and low-frequency earthquake swarms. Nature, 2007, 446: 305‒307
[27]Peng Z G, Zhao P. Migration of early aftershocks following the 2004 Parkfield earthquake. Nature Geoscience, 2009, 2(12): 877‒881
[28]Yue H, Sun J, Wang M, et al. The 2019 Ridgecrest, California earthquake sequence: evolution of seismic and aseismic slip on an orthogonal fault system. Earth and Planetary Science Letters, 2021, 570: 117066
[29]姜金钟, 付虹, 李涛. 2021 年云南漾濞Ms6.4 地震序列重定位及发震构造探讨. 地震研究, 2021, 44 (3): 320‒329
[30]Nicholson C, Seeber L, Williams P, et al. Seismic evidence for conjugate slip and block rotation within the San Andreas Fault System, southern California. Tectonics, 1986, 5(4): 629–648
[31]Kilb D, Rubin A M. Implications of diverse fault orientations imaged in relocated aftershocks of the Mount Lewis, ML 5.7, California, earthquake. Jour- nal of Geophysical Research: Solid Earth, 2002, 107 (B11): ESE 5-1–ESE 5-17
[32]Zhou Y J, Yue H, Zhou S Y, et al. Microseismicity along Xiaojiang Fault Zone (Southeastern Tibetan Plateau) and the characterization of interseismic fault behavior. Tectonophysics, 2022, 833: 229364
[33]Ronald E W, Harding T P, Seely D R. Basic wrench tectonics. AAPG Bull, 1973, 57(1): 74–96
[34]周延国, 万伟锋, 王耀军. 云南柴石滩水库灌区工程隧洞施工岩溶暗河探测. 水利水电快报, 2021, 42(3): 42‒48
[35]Rydelek P A, Sacks I S. Testing the completeness of earthquake catalogues and the hypothesis of self-similarity. Nature, 1989, 337: 251‒253
[36]Wiemer S, Wyss M. Mapping spatial variability of the frequency-magnitude distribution of earthquakes. Advances in Geophysics, 2002, 45: 259‒302
Microseismicity in Central Xiaojiang Fault Zone, Yunnan:Application of PALM on Dense Seismic Network
Abstract Based on the continuous waveforms (2016‒2019) of 20 portable broadband seismic stationsand three local stations deployed in the middle section of Xiaojiang fault (XJF),the effectiveness of PALM (phase picking, association, location, and matched filter) was tested as an integrated event detection system, to perform automatic earthquake detection, positioning and matched-filter studies. A total of 4355 earthquakes were detected. In comparison with the catalog of the regional network, the number of events was augmented by 4.6 times, and the minimum magnitude of completeness (Mc) is reduced from ML 1.3 to ML 0.8. It shows that PALM technology can effectively and accurately detect and locate micro-earthquakes using dense seismic arrays, and improve the automation level and microseismic detection from continuous waveforms. Based on the obtained catalog rich in microseismic events, the result shows that the latest spatial distribution characteristics of seismic activity in the middle section of XJF zone. It shows that a large number of secondary faults are developed in XJF fault zone outside the main fault, and the trend along ENE-WSW, which reveals a possible hidden fault at the southern end of the study area, and detects dense clusters around the Chai Shi Tan Reservoir in Yiliang County Microearthquake activity.
Key words PALM; microearthquake AI detection; Xiaojiang fault zone; matched filter; earthquake location