〔作者简介〕 李建凯, 男, 1989年生, 2013年于中国地质大学(武汉)获地球物理学专业学士学位, 2016年于中国地震局地质研究所获硕士学位, 研究方向为大地电磁数据处理方法研究及应用, 电话: 13145320518, E-mail: jkli2015cea@gmail.com。
将主成分分析法和局部互相关追踪法应用于地震电磁数据的处理分析, 尝试从较强干扰背景中提取相对较弱的电磁异常信息。主成分分析方法能够将不同频段的原始信号由强到弱投影到不同的轴上, 使不同的信号分离开来, 从而在一定程度上解决在较强干扰背景中识别相对较弱信号的难题; 局部互相关追踪法相对于经典互相关方法更适用于非平稳信号的处理, 该方法基于不同极低频电磁观测台站对应磁场分量之间的空间互相关性对相关系数异常进行拾取, 从而达到弱信号识别的目的。以云南省景谷县2015年11月14日4.6级地震为例, 分别运用主成分分析法和局部互相关追踪法对震中附近的极低频观测台观测的电磁资料进行处理分析。首先, 将主成分分析方法应用于台站磁场分量数据的处理, 得到各主成分及其所占能量比随时间的变化, 结果表明震前1周左右与地震相关的第2主成分所占能量比显著增加; 其次, 利用局部互相关追踪法对该震例进行处理分析并与主成分分析法处理的结果进行对比, 结果显示SN及EW向磁场分量的局部互相关结果于地震前1周左右均出现相关系数异常, 与主成分分析方法的处理结果基本一致, 并探讨了这些异常可能与地震活动性之间存在的关系。虽然目前电磁异常现象的产生与地震之间的确切关系尚缺乏直接的证据与理论支持, 但2种方法对电磁异常信号的有效提取将有助于加深对地震电磁现象的认知、 理解与进一步研究。
his study provides new seismo-electromagnetic data processing methods to extract the anomalous signals by combining the principal component analysis(PCA)and local correlation tracking(LCT)methods. The PCA method can separate signals of different frequencies by projecting them to different axes according to their energy. So it can solve the problems of identifying the relatively weak signals in strong interference background to a certain extent. The LCT method is more suitable for non-stationary signal processing compared with classical cross-correlation method. This method is based on the good spatial correlation between the magnetic field components of different ELF stations to pick up the correlation coefficient, so as to achieve the purpose of weak anomalies signals identification. As a case study of the M4.6 Jinggu earthquake in Yunnan, China, we investigated the electromagnetic data observed by ELF stations near the epicenter. First, we applied the PCA method to the magnetic-filed data and got the temporal variation of percentage of each principal component. The results indicate that the contribution of the second principal components, which may relate with the earthquake, increased significantly about a week before the earthquake. Then, we applied the LCT method to the magnetic-filed data processing as well, and the results of both north-south and east-west magnetic field components showed that local correlation coefficient saw anomalies about a week before the earthquake, which had a good corresponding relationship with the former results by PCA method. Both means for the same earthquake case got a consistent conclusion, which not only enhanced the reliability of the results, but also confirmed the effectiveness of two methods applied in the earthquake-related electromagnetic anomalies extraction. We also discussed the possible relationship between these anomalies and the earthquake. Although there are no direct evidence and supporting theories in terms of the relationship between abnormal electromagnetic signals and earthquakes at present, the studies in this paper may strengthen the understanding of seismoelectromagnetic phenomena and promote further research.
地震孕震过程中, 震源区及其周围地区会出现不同程度的电磁辐射现象, 这些辐射电磁场会提前或同步于地震信号出现(Gokhberg et al., 1982; Fraser-Smith et al., 1990; Karakelian et al., 2002; Hattori, 2004; Hattori et al., 2004a, b; 汤吉等, 2008, 2010; Hirano et al., 2011), 并被大量地震所证实。物理实验和数值模拟的研究结果也发现地震前岩石的破裂会出现电磁效应, 这为地震电磁现象提供了部分解释依据(Huang et al., 1998, 2002; 郭自强等, 1999; 郝锦绮等, 2003; Gao et al., 2014)。现有的地震监测、 预测方法主要是寻找地震孕震、 发生过程中产生的各种异常现象。在力学、 地球物理学和地球化学等的众多现象中, 电磁异常是对地震反映最敏感的短临前兆现象之一(黄清华, 2005; 丁鉴海等, 2006; 赵国泽等, 2007; Zhao et al., 2009)。因此, 地震前电磁辐射现象越来越受到地震学家们的关注, 监测并分析电磁波的变化和电磁信号异常, 已成为1种重要的地震短临预测方法(毛桐恩, 1989; Park, 1996; 潘怀文, 1998; Huang, 2011)。
多年来, 科学家们一直在探索能够有效地捕捉地震前地磁现象的方法并用于地震预测。但各种电磁效应产生的前兆异常在时间上具有阶段性, 且在空间上受到地震强度的影响, 导致异常具有十分复杂的特征。因此, 有效提取震前地磁异常信息一方面要求高精度、 高性能仪器以及创新观测手段的使用, 如利用卫星技术观测空间电磁场的异常变化(卓贤军等, 2005; 汤吉等, 2007), 以及最新的人工源极低频技术等方法(赵国泽等, 2003, 2010; 卓贤军等, 2011), 另一方面是数据处理手段上的创新与改进。目前, 提取震前电、 磁信息的方法很多, 如在时间域有差值法(丁鉴海等, 1994; 吕桂芳, 1997)、 时空参考场法(孙若昧等, 1986)、 空间互相关法(曾小苹等, 1992; Shechtman et al., 2012; Verma et al., 2013); 在频率域中有谐波分析法(吴增, 1974)、 频谱分析法(孙若昧等, 1985; 丁鉴海等, 1994), 小波分析法(Alperovich et al., 1998; 王西文等, 2000; 李琪等, 2006; Chavez et al., 2010; 韩冰等, 2015); 此外还有转换函数法(林云芳等, 1999; 陈伯舫等, 2003)、 感应矢量法、 低点位移法(丁鉴海等, 2003; 吴小平等, 2003), 以及统计学中的主成分分析法和分形分析法(Telesca et al., 2004; Hattori et al., 2006, 2013; Ida et al., 2006; 韩鹏等, 2009)等。
本文采用主成分分析法和局部互相关追踪方法对地震前台站观测的电磁数据进行处理分析。首先, 使用主成分分析方法从磁场分量中分离出主要与空间电流体系以及区域地下电性结构相关的信号, 进而得到包含局部地下电性结构以及局部电磁扰动等信息在内的较弱信号, 最后考察其与地震活动之间可能的关联。同时, 采用局部互相关追踪法对同一震例进行处理分析, 该方法是经典空间互相关方法的拓展, 曾小苹等(1992)采用经典空间互相关法对1991年大同5.8级地震前的地磁数据进行处理, 成功地拾取了震前地磁异常。局部互相关法相对于经典空间互相关法更加适用于非平稳瞬变信号的处理, 并具备一定的抗噪性。将主成分分析法与局部互相关追踪法结合, 尝试提取震前异常信号并对2种数据处理手段的结果进行对比分析, 检验2种方法在地震电磁信息提取方面的可靠性与有效性。
2015年11月14日云南省景谷傣族彝族自治县发生4.6级地震, 震中位置为(23.33° N, 100.52° E), 震源深度5km。本文选用该地震前景谷、 丽江、 崇州和大同4个极低频电磁台观测的磁场分量数据进行处理分析。其中, 景谷台(23° 30'N, 100° 44'E)、 丽江台(26° 58'N, 100° 10'E)、 崇州台(30° 48'N, 103° 31'E)和大同台(40° 5'N, 113° 42'E), 震中距分别约为29km、 404km、 879km、 2, 233km(图1)。观测仪器为德国Metronix公司的ADU-07大地电磁仪, 采样频率为16Hz。相对于外源电流体系, 以上4个台站的分布范围不大, 对应磁场分量的形态具备良好的空间相关性。
本文所选用的观测数据为2015年10月15日至11月15日期间的磁场数据。由于原始数据采样率为16Hz, 且为全天候无间断采集, 数据量庞大, 故对原始数据进行滤波处理, 抽取采样率为2s数据, 在此基础上进行后续的处理分析。地震孕育的过程中由于震源附近局部性的地下电性结构变化等原因会产生电磁异常(Mizutani et al., 1976), 震中距离极低频观测台站景谷台相对较近, 从该台站16Hz原始时间序列可直观看到记录到了同震电磁信号。但震前电磁信号比较微弱, 通常会被淹没在日常的电磁背景中, 需要用特殊的地震电磁解析方法从较强的电磁干扰背景中提取相对较弱的地震电磁信息。下文将主成分分析法与局部互相关追踪分析法应用于景谷地震前极低频电磁台站观测数据的处理分析。
主成分分析法(Moore, 1981)是将原始时间序列由强到弱投影到1组新的空间正交基上, 从而将原来的多个指标化为少数几个相互独立的综合指标, 达到降维和主特征分离目的的1种多元统计方法。上述综合指标即为原指标的主成分, 在数学上可表述为原指标的线性组合:
综合指标
将主成分分析法应用于极低频磁场分量数据的处理分析, 将待处理的3个台站数据的时间序列表示为
得出数据矩阵:
式(1)、(2)中,
计算数据矩阵
式(3)中,
1.3.1 局部互相关追踪法的理论基础
局部互相关追踪法(November et al., 1988)是对线性互相关概念的推广, 该方法基于比较2个时间序列各时刻对应的局部协方差矩阵。首先需引入时间窗口
阴影部分颜色深浅表示窗口的加权值大小对于
对于指数衰减加权窗口而言, 给定时间序列
然后, 分别对2时间序列
根据实际需求, 通过能量阀值(energy threshold)限定选取需要保留的 “ 主成分” 数量
式(7)、(8)中,
特征向量可以捕获非平稳时间序列关键的非周期、 振荡趋势, 甚至是短时的非平稳序列, 利用 “ 主特征向量” 矩阵来拾取原始时间序列的局部特征。
最后, 分别利用局部协方差矩阵
显然, 若待分析的2个时间序列
因此, 局部相似性得分LSS(Local Similarity Score)定义为
并且
用该方法去追踪2个时间序列之间蕴藏的关系时, 理论上而言, 当原始时间序列之间局部互相关性较好的情况下, 局部相似性得分(也称局部互相关性系数)应该接近于1; 当这种相关的稳态关系被打破时, 局部相似性得分将< 1。
1.3.2 局部互相关追踪法与经典互相关法效果对比
在信号分析中, 传统经典相关是指变量之间的线性联系或相互依赖关系。分析实测时间序列
式(12)中,
在信号平稳的假设下:
由上述可知, 经典互相关使用的前提是已经假设待分析的数据序列之间服从1种简单线性关系, 但实际数据时间往往并非简单的线性关系, 多数为较强的且相当复杂的非线性相关关系。此外, 这种经典互相关性仅适用于平稳信号分析, 当需要定量描述各非平稳时间序列在某特定时间尺度上的互相关系数时, 式(13)并不适用。
因数值模拟很难模拟出类似真实电磁场的信号, 且无法有效地对比2种互相关方法的实际应用效果, 故此处选用数据质量较好的极低频台站某天观测的真实数据进行对比验证。本文选用景谷台和夏县台2015年11月9日8:00至10日8:00的采样率为1s的SN向磁场分量数据。
图4中选取的时间段内的景谷台和夏县台磁场SN向分量具备较好的空间互相关性, 从部分放大的细节(虚线框内)也可以直观地看出(图4e)。利用经典互相关的处理结果(图4d)显示相关系数波动没有明显的规律, 无法合理反映对应磁场分量之间的互相关关系, 当某个台站的信号有异常出现时也难以有效提取; 而利用局部互相关法的处理结果(图4c)却很好地显示了2台站SN向磁场分量之间的互相关关系, 即使某个台站磁分量时间序列有微弱异常也可有效拾取。
使用主成分分析法(PCA)和局部互相关追踪法(LCT)对2015年11月14日云南省景谷傣族彝族自治县4.6级地震前的极低频电磁观测数据进行处理分析。使用干扰背景相对小的景谷、 丽江、 大同极低频电磁观测台站震前1个月观测的磁场分量数据。
对所选台站(景谷台、 丽江台、 大同台)的3个磁场分量
通常情况下, 磁场变化主要受3种因素影响。第1种为固体地球之外的空间电流体系所产生的外源磁场, 作用的空间范围很广, 且在较大范围内具有很好的空间相关性; 第2种为内源场, 是由外部空间电流体系在导电的地球内部产生的感应磁场, 与台站附近的电性结构或电磁环境有密切关系, 具有一定的区域性和局部性, 这部分将是我们最为关注的成分; 第3种为局部人文干扰等引起的微扰动。图5, 6中第1主成分平均能量百分比约为98.5%, 占总磁场的绝大多数能量, 主要包含了磁信号中的低频成分, 一般认为第1主成分主要与空间电流体系以及区域地下电性结构相关(Gotoh et al., 2002; Telesca et al., 2004; Serita et al., 2005; Hattori et al., 2006); 第2主成分平均能量百分比约为1.45%, 占据除了第1主成分外的绝大多数能量, 主要包含磁信号中相对高频的成分, 可能包含着与观测台站附近地下电性结构以及局部电磁扰动(包括孕震过程中产生的电磁信号)有关的信息; 第3主成分所占能量极小, 可能反映的是比较随机的微扰动。
一般情况下, 地下电性结构比较稳定, 第1、 第2主成分所占能量百分比相对固定, 随时间变化较小。但当剧烈的地下活动造成电导率发生变化或孕震过程本身在局部产生电磁信号时, 两者占据的能量比可能会随之发生波动。由前文分析可知, 第1主成分主要反映了空间电流体系以及区域地下电性结构的信息, 第2主成分可能与台站附近的局部电磁扰动以及地下电性结构有关, 而在地震孕育过程中通常由于动电效应产生局部的电磁扰动并会导致震中附近地下电性结构的变化, 故下文仅分析第2主成分变化情况。
图7a中SN向磁场分量(Hx)从地震前2周左右(11月2日)起第2主成分所占的平均能量比显著上升, 最高可达1个数量级, 而11月2日之前第2主成分所占能量比基本保持稳定, 未出现明显异常; 图7b中EW向磁场分量(Hy)主成分析处理具有类似的结果。Dst①(① 本文所使用Dst指数来源于“ KyotoDstindexservice” , 数据下载地址:http://wdc.kugi.kyoto– u.ac.jp/dstdir/index.html。) (Disturbance Storm Time Index)指数是用来衡量地磁活动强度的指标。其中, 11月2— 4日与6— 8日期间Dst指数有相对明显的变化, 该时间段内第2主成分所占能量比变化可能与此有关, 但并不排除由于地震原因导致的台站附近局部电磁扰动或地电结构变化的可能性, 具体原因尚待进一步验证。11月9— 12日期间Dst指数相对稳定, 但该时间段内主成分分析结果显示第2主成分所占能量比显著上升, 初步推断可能是由于震前震中附近产生的局部电磁扰动所致, 该现象与孕震过程中由于动电效应直接在局部孕震区产生电磁信号, 或在孕震过程中该地区的电性结构发生变化等因素有关。
为使用局部互相关追踪法(LCT)对景谷地震活动中的异常信号进行拾取, 选用经长期监测数据质量相对较好的大同台和崇州台分别与震中附近的景谷台2015年 11月15日— 12月15日期间观测的磁场分量数据进行局部互相关追踪分析。考虑到拾取地震磁场异常的时间分辨率和互相关计算本身对数据长度的要求, 仍采用采样率为2s的数据进行局部互相关追踪分析。其中, 局部互相关追踪的窗口长度为25, 窗口加权值为
理论上而言, 在地表观测到的磁场变化的主要部分是固体地球之外的空间电流体系所产生的外源磁场, 在较大范围内有很好的空间相关性, 即不同台站对应磁场分量之间的局部互相关系数在正常情况下接近于1。地震是1种相对局部性的地质活动, 当某个台站附近发生地震时, 该台站则可能会在震前或者震中由于地下电性结构的变化或局部电磁辐射接收到叠加在区域磁场上的电磁信号, 此时震源附近台站与相对较远的未受到地震电磁效应影响的磁场分量之间的固有空间互相关性将会被打破, 局部互相关系数将< 1。
图8, 9分别为景谷台和大同台SN及EW磁场分量的局部互相关追踪结果。图8中大同台与震中景谷台对应的Hx分量之间的空间互相关性于震前约2周左右起被打破, 11月2— 12日期间出现不同程度的相关系数异常; 11月2日之前某些时刻局部互相关系数出现轻微减小, 但仍保持了相对较高的互相关性(LSS> 0.8)。图9中2台站Hy分量的局部互相关结果与SN向的不尽相同, 11月2— 8日期间也出现了局部互相关系数减小的情况, 但减小的幅度相对较小, 仍视为保持了良好的空间相关性(LSS> 0.8); 11月8— 12日期间局部互相关结果与SN向的基本一致, 均出现了较明显的相关异常。此外, Hx和Hy分量的局部互相关性结果类似, 11月2日之前某些时刻也出现了局部互相关系数小的情况, 但幅值很小, 且延续性差, 可能是台站附近一些微扰动所致, 2台站对应磁场分量之间仍保持了良好的空间相关性(LSS> 0.8)。
为排除一些因随机干扰或非震中台站局部干扰引起的相关异常, 通常利用多个台站进行两两互相关, 然后对比不同台站之间互相关的结果, 通过约束和排除, 推断出相关异常引起的原因。理论上而言, 当用震中的景谷台与其他2个台对应的磁场分量进行局部互相关处理时, 因地震是1种局部性地质活动, 若震源附近的台站于震前或震中记录到震磁异常信号, 那么用该台站与其他2个台站进行局部互相关处理时, 台站间固有的对应磁场分量之间的空间互相关性就会被打破, 相应出现震磁异常的时段互相关系数就会降低, 该异常就会被拾取出来。而其他2个没有受到地震影响的台站, 则对应的磁场分量之间仍保持良好的空间相关性。当然并不排除台站附近的一些干扰也会对局部互相关的结果产生影响, 这种情况可以利用极低频多台站的优势, 对多个台站两两之间进行局部互相关分析, 可排除因个别台站的局部干扰导致的相关异常。由于篇幅限制, 本文仅对景谷、 大同、 崇州3个台站进行两两局部互相关处理。
下面是3个台站对应磁场分量之间两两局部互相关处理的结果。
SN向磁场分量局部互相关结果: 11月2— 8日期间景谷台与大同台之间出现相关系数异常(图10b), 崇州台与大同台出现类似异常(图10d), 景谷台与崇州台之间保持良好的空间相关性, 未出现异常(图10c), 由此推断, 该期间的相关系数异常可能是由大同台引起的, 而不是由震中附近的景谷台引起的。11月8— 12日期间, 景谷台与大同台及崇州台之间均出现相关系数异常(图10b, c), 崇州台与大同台之间也出现相关系数异常, 但幅值相对较小(图10d), 可以推测该期间的局部互相关系数异常是由震中的景谷台引起的, 可能与孕震过程中产生的电磁干扰有关。11月12日之前某些时刻出现的一些微弱异常也可通过对台站之间两两局部互相关的结果进行对比分析加以识别与排除, 易知并非是由震中附近的景谷台引起的。
EW向磁场分量局部互相关结果: 11月8— 10日期间, 景谷台与崇州台及大同台出现相关系数异常(图11b, c), 且和SN向磁场分量局部互相关处理结果一致, 而崇州台与大同台之间并未出现相关系数异常(图11d), 表明该异常是由震中景谷台引起的, 可能与孕震过程中产生的电磁扰动或局部性地下电性结构变化有关。11月2— 4日期间大同台与景谷台及崇州台之间无明显的相关异常(图11b, d), 景谷台与崇州台之间空间相关性良好(图11c)。11月12日之前某些时刻出现的一些微弱的相关系数异常可通过类似SN向磁场分量的处理分析方法进行识别与排除。
前文分别应用主成分分析法和局部互相关追踪法对2015年11月14日景谷傣族彝族自治县发生的4.6级地震进行了处理分析, 2种方法对该震例的处理分析结果基本一致。下文针对上述2种不同方法的处理结果进行详细对比分析。
图12中SN向磁场分量第2主成分与局部互相关分析结果对比显示: 11月12— 13日期间主成分分析的结果出现异常, 第2主成分明显上升, 而该期间台站之间两两局部互相关系数均未出现异常, 综合二者结果可以推断利用主成分分析方法于该期间拾取的异常可能并非是因震中的景谷台引起的; 11月8— 10日期间(青色虚线框内)2种处理结果均出现异常, 该异常可能与景谷地震孕震过程中产生的电磁信号有关; 11月2— 6日期间(图12红色虚线框内), 第2主成分明显上升, 由前文分析可能是由Dst指数剧烈变化所致, 并且由台站之间两两局部互相关处理的结果可知该时间段内的局部互相关异常也可能与大同台局部干扰有关, 并非是震源附近台站景谷台震前的电磁异常所致, 综合2种方法的处理结果可推断该期间磁信号异常并非由景谷地震一些震前活动引起的, 可能与其他台站附近的局部干扰有关; 此外, 11月2日之前主成分分析结果显示第2主成分能量比在某些时刻出现轻微突变, 对应时刻的台站之间两两局部互相关追踪的结果出现轻微的相关异常, 通过分析可排除相关异常是由景谷台观测到异常信号的可能性, 综合二者结果推测该期间的一些轻微异常可能与台站附近一些随机扰动有关。
图13中EW向磁场分量第2主成分与局部互相关分析结果与SN向磁场分量的基本一致: 11月12日前后主成分分析的结果出现异常, 第2主成分明显上升, 而局部互相关分析的结果未出现明显异常; 11月8— 10日之间(图13青色虚线框内)2种处理结果均出现异常, 该异常可能与景谷地震前引起的一些电磁活动或地下电性结构的变化有关; 11月2— 6日期间(图13红色虚线框内), 第2主成分明显上升, 由前文分析可知是由该期间Dst指数剧烈变化所致, 且由台站之间两两局部互相关追踪的处理结果分析易知该时间段内的相关异常也可能与大同台的局部干扰有关, 并非是震中附近的景谷台于震前记录到异常电磁信号所致; 11月2日之前2种处理结果均于某些时刻出现轻微的突变, 类似SN向磁分量的处理结果, 也可能是由于台站附近一些随机微扰动所致。
本文将主成分分析法和局部互相关追踪法应用于极低频台站观测数据处理中, 以研究景谷地震前及震中可能与地震相关的电磁信号异常。首先, 运用主成分分析法将不同频段的信号由强到弱分离开来, 进而得到可能包含地下活动信息或孕震过程中产生的电磁扰动等较弱的信号, 结果显示该信号在地震发生前1周内出现了明显异常。其次, 对同一震例使用局部互相关追踪法进行处理, 于地震前1周左右拾取到互相关系数异常。最后, 对主成分分析法和局部互相关追踪法的处理结果进行对比分析, 结果表明SN向与EW向磁场分量的局部互相关系数异常出现的时刻与主成分分析法处理分析得出的结果基本一致, 增强了结果的可靠性, 也印证了2种方法在异常信号提取中的有效性。但目前尚缺乏直接的证据与理论支持来证明震前提取的异常信号与地震之间的确切关系; 本文只是尝试信号处理和异常提取的方法探索, 虽然通过不同的处理方法和其他一些约束条件加以限制, 并利用极低频多台站观测的优势, 可以在一定程度上识别并排除一些非地震因素引起的异常, 但主要是基于现有的资料与经验性的判断加以推测。因此, 电磁异常的变化与地震之间的确切关系尚需大量的震例分析研究, 一方面需要加强震磁信号频率、 幅值、 形态特征以及与干扰信号之间的区别等研究, 另一方面需要注重高发震区域地下精细电性结构的动态监测。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|
[33] |
|
[34] |
|
[35] |
|
[36] |
|
[37] |
|
[38] |
|
[39] |
|
[40] |
|
[41] |
|
[42] |
|
[43] |
|
[44] |
|
[45] |
|
[46] |
|
[47] |
|
[48] |
|
[49] |
|
[50] |
|
[51] |
|
[52] |
|
[53] |
|
[54] |
|
[55] |
|