引用本文
姜峰, 陈小斌, 董泽义, 崔腾发, 刘钟尹, 王培杰. 利用单剖面大地电磁三维反演识别沙德和玉农希断裂[J]. 地震地质, 2019,41(6): 1444-1463.
JIANG Feng, CHEN Xiao-bin, DONG Ze-yi, CUI Teng-fa, LIU Zhong-yin, WANG Pei-jie. APPLYING 3D INVERSION OF SINGLE-PROFILE MAGNETOTELLURIC DATA TO IDENTIFY THE SHADE AND YUNONGXI FAULTS[J]. SEISMOLOGY AND GEOLOGY, 2019,41(6): 1444-1463.  
DOI:10.3969/j.issn.0253-4967.2019.06.009
Permissions
Copyright©2019, 《地震地质》编辑部
《地震地质》编辑部 所有
利用单剖面大地电磁三维反演识别沙德和玉农希断裂
姜峰, 陈小斌*, 董泽义, 崔腾发, 刘钟尹, 王培杰
中国地震局地质研究所, 地震动力学国家重点实验室, 北京 100029
*通讯作者: 陈小斌, 男, 研究员, E-mail: cxb@pku.edu.cn。

〔作者简介〕 姜峰, 男, 1991年生, 现为中国地震局地质研究所固体地球物理学在读博士研究生, 研究方向为大地电磁方法与应用, E-mail: mailto: jiangfcn@163.com。

收稿日期: 2019-03-05
基金项目: 地震动力学国家重点实验室自主研究课题(LED2015A01)、 川滇国家地震预报试验场专项(20150108)、 中国地震局地质研究所基本科研业务专项(IGCEA1523)、 国家自然科学基金(41604065)和国家重点研发计划项目(2018YFC1503402)共同资助
摘要

文中基于实测的单剖面大地电磁数据, 研究了沙德和玉农希断裂的深部电性结构, 并从识别浅部活动断裂的角度出发, 对比了二维模型及不同反演参数下单剖面三维反演模型对已有断裂构造深部结构的分辨能力。 研究表明, 单剖面数据的二维反演模型与三维模型均能获得合理可靠的区域深部结构特征。 综合二维和三维解释模型, 在现有的观测数据条件下, 文中分析发现沙德断裂和玉农希断裂可能均切割上地壳高阻层, 并向深部延伸到中地壳高导层。 玉农希断裂在剖面位置近自立(或高角度倾向SE)从地表向深部延伸, 沙德断裂的深部倾向为SE。 此外, 文中的实测资料结果表明, 在现有计算能力条件下, 三维单剖面反演模型也具有分辨局部断裂构造位置和深部几何结构的能力。 最后, 文中的工作反映了合适的水平网格间距和模型光滑参数对三维单剖面反演模型结果具有重要影响, 过粗的水平网格尺寸和过大的模型水平光滑参数可能会导致三维单剖面反演模型无法正确分辨出浅部断裂构造。 而在合理区间调整垂向网格的大小和数据误差门槛, 可能对三维单剖面反演模型分辨浅部断裂构造的影响较小。 带入倾子的三维单剖面反演能够进一步改善模型对出露地表的断裂构造深部几何结构的约束。

关键词: 大地电磁单剖面数据; 三维反演; 断裂构造识别; 玉农希断裂; 沙德断裂
中图分类号:P315.72+1
APPLYING 3D INVERSION OF SINGLE-PROFILE MAGNETOTELLURIC DATA TO IDENTIFY THE SHADE AND YUNONGXI FAULTS
JIANG Feng, CHEN Xiao-bin, DONG Ze-yi, CUI Teng-fa, LIU Zhong-yin, WANG Pei-jie
State Key Laboratory of Earthquake Dynamics, Institute of Geology, China Earthquake Administration, Beijing 100029, China
Abstract

Many synthetic model studies suggested that the best way to obtain good 3D interpretation results is to distribute the MT sites at a 2D grid array with regular site spacing over the target area. However, MT 3D inversion was very difficult about 10 years ago. A lot of MT data were collected along one profile and then interpreted with 2D inversion. How to apply the state-of-the-art 3D inversion technique to interpret the accumulated mass MT profiles data is an important topic. Some studies on 3D inversion of measured MT profile data suggested that 2D inversions usually had higher resolution for the subsurface than 3D inversions. Meanwhile, they often made their interpretation based on 2D inversion results, and 3D inversion results were only used to evaluate whether the overall resistivity structures were correct. Some researchers thought that 3D inversions could not resolute the local structure well, while 2D inversion results could agree with the surface geologic features much well and interpret the geologic structures easily. But in the present paper, we find that the result of 3D inversion is better than that of 2D inversion in identifying the location of the two local faults, the Shade Fault(SDF)and the Yunongxi Fault(YNXF), and the deep structures.
In this paper, we first studied the electrical structure of SDF and YNXF based on a measured magnetotelluric(MT)profile data. Besides, from the point of identifying active faults, we compared the capacity of identifying deep existing faults between 2D inversion models and 3D models with different inversion parameters. The results show that both 2D and 3D inversion of the single-profile data could obtain reasonable and reliable electrical structures on a regional scale. Combining 2D and 3D models, and according to our present data, we find that both SDF and YNXF probably have cut completely the high resistivity layer in the upper crust and extended to the high conductivity layer in the middle crust. In terms of the deep geometry of the faults, at the profile's location, the SDF dips nearly vertically or dips southeast with high dip angle, and the YNXF dips southeast at depth. In addition, according to the results from our measured MT profile, we find that the 3D inversion of single-profile MT data has the capacity of identifying the location and deep geometry of local faults under present computing ability. Finally, this research suggests that appropriate cell size and reasonable smoothing parameters are important factors for the 3D inversion of single-profile MT data, more specifically, too coarse meshes or too large smoothing parameters on horizontal direction of 3D inversion may result in low resolution of 3D inversions that cannot identify the structure of faults. While, for vertical mesh size and data error thresholds, they have limited effect on identifying shallow tectonics as long as their changes are within a reasonable range. 3D inversion results also indicate that, to some extent, adding tippers to the 3D inversion of a MT profile can improve the model's constraint on the deep geometry of the outcropped faults.

Keyword: single-profile magnetotelluric data; 3D inversion; faults identification; Yunongxi Fault; Shade Fault
0 引言

大地电磁法(MT)通过在地表观测空间交变电磁场在地球内部的感应信号, 进而获取地球深部的介质电阻率分布特征(Tikhonov, 1950; Cagniard, 1953)。 成熟的大地电磁二维剖面反演作为大地电磁资料解释的重要手段之一, 被广泛应用于研究断裂带的深部结构、 几何延伸以及与周边块体的接触关系(Unsworth et al., 2004; 赵国泽等, 2004, 2008, 2009; Becken et al., 2011; Zhao et al., 2012; 詹艳等, 2013; 程远志等, 2015, 2017; 赵凌强等, 2015a, b)。 近年来, 随着大地电磁三维正反演技术的不断发展和完善(Siripunvaraporn et al., 2002, 2005a, 2009; Avdeev et al., 2009; Avdeeva et al., 2012; Egbert et al., 2012), 较成熟的大地电磁三维正反演程序包已经实现, 例如WSINV3DMT(Siripunvaraporn et al., 2009)和ModEM(Egbert et al., 2012; Kelbert et al., 2014), 并被广泛应用于实测资料的解释中(Heise et al., 2008; Patro et al., 2011, Xiao et al., 2011, 2015, 2018; Zhang et al., 2016; Cai et al., 2017; Cordell et al., 2018)。 与二维相比, 显然三维解释更加符合实际地球介质的特点。 基于理论模型的研究显示, 虽然等间距面状分布观测数据的三维反演可以获得最佳的三维结构(Miensopust et al., 2013; Miensopust, 2017), 单剖面的三维反演也能显著提高大地电磁数据解释的质量(Siripunvaraporn et al., 2005b)。 在过去几十年间, 我们积累了大量单剖面实测大地电磁数据(Unsworth et al., 2004; Bai et al., 2010; Zhao et al., 2012; 詹艳等, 2013; 王绪本等, 2017), 充分利用最新的三维电磁反演技术解释这些已有的单剖面数据具有重要的现实意义。 就活动断裂研究而言, 通常断裂构造局部会有较强的二维性(陈小斌等, 2014, 2017), 但在三维性较强的环境中, 二维反演模型往往会引入虚假构造, 特别是加入TE极化模式后会使结果严重偏离真实模型(蔡军涛等, 2010)。 而单剖面数据的三维解释理论上可以克服二维解释的这一缺陷, 获得更加可靠的深部信息(Xiao et al., 2010; Lin et al., 2012)。 但是也有学者基于理论或实测资料研究认为, 单剖面三维反演模型的自由度相对二维显著增加, 可能会使反演的多解性增强, 甚至会降低分辨率(Cumming et al., 2010; 董浩等, 2012)。 Tietze等(2013)基于San Andreas Faults大地电磁探测数据研究认为, 二维反演对局部构造的分辨能力可能比三维强。 显然, 三维反演对局部构造的分辨能力还存在争议。 对于浅部活动断裂的识别而言, 单剖面实测资料的二维和三维反演模型究竟哪种更合理可靠, 目前还没有明确答案。

为了深入认识单剖面三维反演结果的特点及有效性, 本文基于横跨川西高原的玉农希断裂(YNXF)和沙德断裂(SDF)的大地电磁剖面数据, 对比分析了不同数据组合的二维反演模型和不同网格尺寸、 误差门槛、 模型光滑因子的单剖面三维反演模型, 并通过这些模型分析了不同参数对单剖面数据三维模型分辨断裂构造信息的影响。

1 剖面数据的二维反演
1.1 断裂构造和剖面数据简介

本文采集的实测剖面数据位于川西高原中康定县的SW侧, 剖面横跨2条相互平行、 间距约25km的断裂构造— — 玉农希断裂(YNXF)(徐锡伟等, 2005)和沙德断裂(SDF), 如图 1所示。 YNXF位于贡嘎山西麓, 是川西北次级块体(徐锡伟等, 2003)内部的一条规模较大的全新世活动断裂(张建岭等, 2011)。 据记载, 在该断裂北段出露有NW侧三叠系居里寺组逆推于SE侧古近系的乌红层之上(范文纪, 1982; 闻学泽等, 1985), 总体上还兼具右旋走滑性质(Su et al., 2012)。 SDF位于YNXF北侧, 邓起东等(2002)认为该断裂为第四纪活动断层, 晚更新世以来其活动情况不明确, 推测其自全新世以来活动性不强。 目前, 针对2条断裂的研究较少, 断裂的深部结构未知。

图 1 区域地貌及构造分布情况
a 区域位置索引图, 红色矩形框放大即图b的图幅范围; b 区域海拔(颜色)、 构造(灰色实线)、 剖面大地电磁测点(黑色圆点)分布图。 XSHF 鲜水河断裂; LMSF 龙门山断裂; ANHF 安宁河断裂; XJHF 小金河断裂; LTF 理塘断裂; DLSF 大凉山断裂; YNXF 玉农希断裂(红色实线); SDF 沙德断裂(红色实线)Fig. 1 Digital elevation map of the superposed tectonics and MT sites.

大地电磁剖面共包含10个宽频带(0.003 125~1 000s)的大地电磁数据, 编号从SE到NW依次为304~313。 所有测点均采用凤凰公司生产的MTU-5A仪器系统, 观测SN(x)、 EW(y)向电场和磁场以及垂直向(z)磁场, 共计五分量, 采集40h以上。 基于SSMT 2000数据处理程序, 利用远参考站数据的磁道参考处理(Gamble et al., 1979)、 robust谱值选取(Egbert, 1997)等先进技术, 最终获得优秀的测点阻抗张量元素和倾子数据。

1.2 二维反演模型

大地电磁数据的二维反演目前已经较成熟。 二维反演往往需要经过详细的数据定性分析、 维性分析、 阻抗张量分解及估计恰当的电性主轴方位, 并经多次反演获得合理的网格尺寸、 数据误差门槛和正则化因子组合, 通过舍弃一部分受三维影响较大的数据(例如TE模式)等方式最大限度地消除三维畸变的影响, 最终给出合理的深部二维电阻率模型解释(Berdichevsky et al., 1998; Ledo, 2005; 陈小斌等, 2006, 2008, 2014, 2017; 蔡军涛等, 2010)。 本文将严格按照上述二维反演的解释过程获取剖面的二维反演电阻率模型。

首先, 基于GB分解(Groom et al., 1989; McNeice et al., 2001)、 相位张量(PT)(Caldwell et al., 2004)以及共轭阻抗法(CCZ)(陈小斌等, 2004b; 蔡军涛等, 2010)3种先进的维性分析方法, 发现剖面数据整体上存在较一致的NE向区域电性主轴方位(图2a— c), 最佳主轴方位约40° 。 同时, 在部分频段显示出较大的二维偏离度(图2b中的虚线框)和较高的β 值(图2c中的虚线框), 说明局部存在较强的三维结构。 从基于共轭阻抗法给出的纯二维有效因子(陈小斌等, 2014)结果(图2b)可以看出, 在YNXF附近的308号测点和在SDF附近的312号测点的纯二维性较强, 说明测点附近存在明显的线性构造。 306号测点的强纯二维性出现在中低频, 可能说明YNXF在深部倾向NE, 在横向上抵达306号测点下方; 313号测点的强二维性出现在高频和低频, 特征复杂, 又位于剖面端部, 暂不清楚其所包含的构造指示意义。 实感应矢量剖面分布(图2d)显示, 感应矢量幅值在308号测点非常小, 而310、 307号测点的磁感应矢量方向均指向308号测点, 说明308号测点附近很可能为相对高导异常, 且其正下方的电阻率结构横向变化较小。 相对而言, 311和312号测点的感应矢量幅值也很小, 存在横向变化的频段其方向平行于纵轴(N40° E), 说明这2个测点的感应矢量数据受测线之外的结构影响较大, 测点附近可能为相对高阻结构。 需要注意的是, 由于不同位置的深部介质电阻率不同, 不同测点相同频段所对应的深度可能不相同。

图 2 剖面数据的维性分析及实感应矢量方向
a GB分解结果。 左侧为单频点阻抗张量数据经自由分解获得电性主轴方位后, 基于多数据频点统计得到的玫瑰图; 右侧为剖面数据经固定角度分解获得的全局拟合误差(纵轴)随角度(横轴)的变化。 b 共轭阻抗法(蔡军涛等, 2010)处理阻抗张量获得的结果。 图中分别展示了一维和二维偏离度(虚线框标识出三维性较强的区域)以及纯二维有效因子(陈小斌等, 2014, 2017), 右上角为电性主轴方位玫瑰图。 c 相位张量分析结果。 左侧为主轴方位沿剖面(横轴)和频率(纵轴, 平行于N40° E的方向)变化, 颜色指示了β 值的大小, 虚线框标识出三维性较强的区域; 右侧为电性主轴方位(α -β )的统计直方图。 d 剖面实感应矢量图, 其中纵轴平行于N40° E方向, 实感应矢量为Parkinson矢量, 其方向为高阻指向低阻Fig. 2 Dimensional analysis of the MT profile data and its magnetic induction vectors.

综合上述维性分析结果及地表断裂构造方位, 选择剖面数据的区域最佳电性主轴方位为N40° E。 将数据旋转到区域电性主轴方位, 并采用共轭阻抗法(蔡军涛等, 2010)获得区域阻抗张量数据用于二维反演。 其中TE模式为对应电场Ex沿着电性主轴方位极化获得的区域阻抗数据Zxy, TM模式为对应电场Ey垂直于电性主轴方位极化获得的区域阻抗数据Zyx。 采用Rodi(2001)基于NLCG反演方法开发的大地电磁二维反演代码, 利用多种不同的分量、 门槛误差及模型正则化因子的相互组合进行反演, 最终获得了剖面数据较合理的二维反演解释模型结果(图3), 分别为TM模式、 TE+TM模式和TE+TM+Tipper模式; 数据误差门槛为: TM, 5%; TE, 20%; Tipper, 0.05; 正则化因子取3。 用来定量评价数据拟合情况的参数— — 均方根拟合误差(rms)的计算式为

rms=1N∑i=1Npi-dierri2(1)

图 3 剖面数据二维反演结果及各测点最终rms变化曲线
主要反演参数标于图中右下角。 SDF和YNXF分别为沙德断裂和玉农希断裂, 并用箭头标出其地表出露位置。本文选取图a所示的单独反演TM极化模式的结果为最终解释模型Fig. 3 2D inversion models of the profile data under different data components and variations of final rms of each site.

其中, N为参与计算的所有数据, p和d为模型响应和实测数据, err为参与反演的实测数据误差。

3种反演结果总体的电阻率分布形态较一致, 从测点拟合rms变化(图3)及观测数据与模型响应数据拟断面图(图4)可以看出, 反演模型能够较好地拟合实测数据。 实测数据显示区域深部为高导层, 且高导层顶面埋深从NW到SE逐渐变浅, 反演模型结果较好地恢复了该特征。 但是也可以发现带倾子数据反演的rms值明显偏大, 且倾子数据的拟合情况不好(图4), 这可能与倾子数据受近地表三维结构或者测线之外结构的影响较大有关。

图 4 图3c中二维反演数据与模型响应拟断面图
Obs和Calc分别表示观测数据和模型响应数据。 黑色虚线勾勒出深部高导层的形态Fig. 4 Pseudo-section of measurement data and response from 2D model in Fig.3c.

对断层的识别而言, 3个模型结果均显示上层高阻层在YNXF附近出现明显截断, 但是高导体出露地表的位置与地质上的构造位置存在一定偏差。 对于SDF, 二维模型并没有显示明显的电阻率异常变化, 在TM和TM+TE极化模式反演结果中, 能够看到SDF可能沿着显著高阻体的东侧向下延伸到深部高导层。 但是带入倾子后的反演结果显示剖面西侧的高阻层比较光滑, 无法看到横向电性差异的变化。 对比来看, 本文倾向于选择TM极化模式单独反演结果作为最终的二维反演模型。 相比之下, 该模型较好地分辨出了YNXF, SDF在模型中也有部分显示, 与数据定性分析吻合较好。 这与之前大量的二维反演结果类似, 二维电性结构剖面往往能够很好地分辨出高低阻横向分界(Wei et al., 2001; 赵国泽等, 2009), 但是对于横向尺度不大的局部断层构造, 一般需要借助地质调查资料来确定断裂带深部延伸情况(Unsworth et al., 2004; Zhao et al., 2012)。 此外, 3种反演结果虽然均采用了相同的正则化因子, 但是因为3种反演所涉及的数据、 数据量以及误差门槛不同, 实际上在正则化反演目标函数中数据项和模型项所占权重可能存在差别, 那么模型光滑约束也会存在差别, 这可能也是导致3个模型存在差异的原因之一。 从结果来看, 似乎TE+TM+Tipper的反演因为TE和Tipper给的误差门槛较大, 导致模型光滑约束相对TM单独反演增强, 使得局部构造无法显示。 最后, 虽然局部SDF和YNXF均沿着NE-SW展布, 但在断裂两端分布有NW走向的鲜水河断裂和理塘断裂, 因此区域构造情况比较复杂。 从图 2也可以看到, 虽然阻抗张量分析结果(图2)获得较一致的电性主轴方位统计结果, 剖面的局部数据依然显示存在明显三维结构。 因此, 在此情况下, 二维反演模型结果在模型假设上是存在缺陷的, 如需更合理地解释观测数据、 获得断裂构造深部结构, 需要采用三维模型近似。

2 剖面数据的三维反演及对比分析

本文采用计算效率较高的ModEM反演程序包(Egbert et al., 2012)进行三维反演。 下面将详细介绍不同网格尺寸、 误差门槛、 模型光滑参数所获得的单剖面数据的三维反演结果, 并分析这些参数在单剖面三维反演中对识别已有断裂构造的影响。 对比过程中将保持如下反演参数不变: 反演数据与上述二维反演相同, 但不旋转阻抗张量与倾子数据; 相应的网格也为SN和EW向, 与数据的观测方向一致。 本文中的三维正反演计算均不考虑地形。 三维反演中阻抗数据(Zxx、 Zxy、 Zyx 和Zyy )的误差门槛均为 |Zxy* Zyx|的百分比, 倾子(Tzx, Tzy )误差为绝对值; 初始和参考模型均为100Ω · m的均匀半空间。 正反演控制参数不变: 初始正则化因子为1 000, 当2次相邻迭代数据的拟合差变化率(原始ModEM代码中是变化量)< 0.001 5时, 以比例因子10逐步减小正则化因子, 当正则化因子下降到10-8 或拟合差< 1.05后自动终止迭代。 选取最后一次迭代的结果作为最终模型结果。

2.1 网格尺寸对单剖面数据三维反演的影响

首先, 选择目前应用较多的数据误差门槛(记为err1): 主对角元素(Zxy、 Zyx )为5%, 副对角元素(Zxx、 Zyy )为10%, 倾子为0.03(Patro et al., 2011; Zhang et al., 2016)。 x、 y、 z 3个方向的模型光滑参数(cov)均为0.3。

在水平和垂向分别设计了2种网格尺寸, 分别是H1和H2(水平)、 V1和V2(垂向)。 其中, H1满足: 核心区域的水平网格尺寸为4km× 4km, 以1.5的比例因子向四周延展12个网格, 水平网格的个数为44(SN)× 48(EW); H2满足: 核心区域的水平网格尺寸为2.5km× 2.5km, 同样以1.5的比例因子向四周延展12个网格, 水平网格的个数为50(SN)× 60(EW)。 V1满足: 首层为20m, 以1.2的比例因子向z方向拓展50层, 加上空气层网格10个, 共计60个; V2满足: 首层为20m, 但在不同深度范围采用不同的比例因子向下扩展, 0~5km的比例因子为1.3, 5~50km为1.02, 50~100km为1.1, 100~300km为1.2, 300~700km为1.3, 最终加上向上拓展的10个空气层, 纵向网格数共80个。 以上水平和垂向网格均保证满足相应的正演边界条件。 在此, 将水平与垂向网格两两组合, 即获得4个三维网格模型, 加上反演全阻抗(Z4)和全阻抗加倾子(Z4T2)2种情况, 共可获得8个模型, 如图 5所示。 需要注意的是, 本文成图时, 纵向网格为实际反演的网格, 为了便于对比, 在横向上对水平网格做统一的插值处理。 此外, 由于本文采用实测数据, 深部结构未知, 因此能否分辨出与地表出露相对应的活动断裂将作为本文评判模型优劣的重要参考之一。

从全局rms和数据拟合曲线来看, 8个模型均能满足数据拟合的要求。 较粗的水平网格和带倾子的反演结果所获得的全局rms值略大于其它模型。 8个模型均能反映出二维反演模型结果和观测数据所揭示的上层为相对高阻层, 下层为从NW到SE埋深逐渐变浅的高导层的特征, 说明在目前的正则化约束条件下, 三维单剖面反演结果并没有因为网格模型参数自由度的显著增加而使模型结果发生严重错误。

从图5可以看出, 当横向网格为较粗的边长为4km的均匀网格(H1)时(图5a, b), 仅反演全阻抗数据很难从模型中分辨出断裂构造的位置。 加入倾子后(图5b, c)则能够看到在上地壳高阻层中存在高导条带。 而较细的边长为2.5km的水平网格(H2)获得的模型(图5e, f)则可以非常清晰地看到地表断层所对应的延伸到深部的2条断裂构造, 加入倾子的反演结果(图5g, h)进一步提高了断裂构造的横向分辨率, 能够较清晰地看出构造的深部几何轮廓。 对比不同尺寸的纵向网格获得的结果(图5e、 f或g、 h), 发现加密纵向网格对浅部断裂构造的识别影响不大, 但可以看出V2获得的结果比V1明显更光滑。 说明在本文的数据条件下, 在单剖面数据三维反演中, 水平网格的尺寸对断裂构造的分辨影响较大, 较粗的网格可能会导致模型无法分辨出已有构造。 在三维反演中加入倾子数据, 将在一定程度上提高断裂构造的横向分辨率, 这与之前带倾子的二维理论模型研究结果所获得的认识一致(Tuncer et al., 2006)。

图 5 不同水平和垂向网格获得的单剖面三维反演模型
SDF与YNXF分别表示沙德断裂和玉农希断裂在地表的出露位置。 Iter为迭代次数, rms为全局拟合差。 err1: Zxy, Zyx, 5%; Zxx, Zyy, 10%; Tippers, 0.03。 H1为4km× 4km的水平网格; H2为2.5km× 2.5km的水平网格; V1为60层比例因子为1.2的递增垂向网格; V2为80层分段比例因子递增的垂向网格Fig. 5 3D model of single profile data under different horizontal and vertical cell sizes.

2.2 不同数据误差门槛值对单剖面数据三维反演的影响

在大地电磁的反演中, 除网格尺寸外, 数据误差门槛值也是另一个非常重要的参数, 基于二维反演的经验, 不同的数据误差门槛值也会对模型的分辨率产生较大影响(李墩柱等, 2009)。 基于前文的结果, 选择H2+V2网格, 并将数据误差门槛降低到(Zxy, Zyx, 2%; Zxx, Zyy, 4%; Tzx, Tzy, 0.02), 记为err2, 其它参数依然保持不变, 以考察误差门槛值是否影响三维单剖面反演模型对断裂构造的分辨能力, 反演结果如图 6所示。 从全局rms值来看, 减小数据门槛误差后rms计算值变大, 但数据拟合质量同样较好。 图 7列出了几个典型测点的数据拟合曲线。

图 6 不同数据误差门槛反演结果
err2: Zxy, Zyx, 2%; Zxx, Zyy, 4%; Tzx, Tzy, 0.02。 本文采用了相同的反演退出机制, 因此导致不同的数据和误差门槛产生了不同的迭代次数Fig. 6 3D models under different error thresholds.

图 7 4个典型测点306、 308、 310和312的观测数据与图6d中的模型响应曲线的拟合对比
实心点为实测数据, 实线为模型响应曲线。 测点编号标于图上方的中间位置Fig. 7 The fitting curves on representative sites 306, 308, 310, 312 from 3D model in Fig.6d.

从图 6可以看出, 基于本文的实测数据, 降低数据门槛误差后模型的变化不大, 依然能够较清晰地分辨出断裂构造的深部结构。 不同的数据误差门槛只是略微改变了上层结构的电阻率分布。 相对而言, 低门槛误差(err2)、 带倾子的反演结果(图6d)对断裂构造向深部延伸的几何形态约束更好, 似乎能够较清晰地看出在剖面位置: SDF从地表延伸到深部高导层并倾向SE, 而YNXF为向深部近直立延伸的断裂。 YNXF的深部结构与观测数据的阻抗张量和实感应矢量的定性分析结果吻合较好; 阻抗张量数据分析结果显示SDF有较好的线性构造特征, 但剖面实感应矢量数据却显示区域剖面位置为相对高阻体, 模型与感应矢量显示的 “ 矛盾” 可能说明SDF附近结构的三维性较强, 倾子数据受测线之外的三维结构影响较大。

2.3 模型光滑参数对单剖面数据三维反演的影响

在ModEM反演程序包中, 除正则化因子外, 模型约束项还包含另一个较重要的参数— — 模型光滑参数(cov), 在ModEM程序包中其默认值为0.3。 在采用ModEM实现三维反演时, 当正则化因子基于设定规则下降时, cov对模型的光滑程度将具有较大的控制作用(Miensopust, 2017)。 前文的反演模型均采用cov(x, y, z)=0.3。 下文将基于网格H2+V2和数据误差门槛err1, 仅改变cov值反演Z4T2, 所获得的不同模型列于图 8中。 基于数据拟合曲线及全局rms值可知, 4个模型均能较好地拟合观测数据。

图 8 不同模型光滑参数获得的单剖面数据三维反演结果
cov(x, y, z)表示对应的3个方向的模型光滑参数Fig. 8 3D models under different smoothing parameters.

图 8中最明显的特征是, 当3个方向的cov值均为0.5时(图8d), 所得到的模型结果与其它3个差别较大, 不能较好地分辨出SDF, 只在浅部存在非常小的异常特征, 而308号测点东侧出现较大的出露地表的高导异常体, 相对玉农希断裂的位置发生了横向偏移。 当取较小cov值时(图8b)断裂构造位置的电阻率值相对降低, 深部高导层相对变薄。 若只单独增加z方向的cov值(图8c), 基于本文的数据, 电阻率结构几乎没有改变, 只是迭代次数略有增加。 由于本文数据为实测资料, 深部高导层的分布未知, 虽然4个模型深部的高导层分布有较大差异, 但是无法基于深部高导层的分布判定cov值的合理性。 若基于地表地质构造的位置(SDF, YNXF)与深部结构的对应关系来看, 取过大的cov值可能会使单剖面数据的三维反演结果失去对局部断裂构造的分辨能力(图8)。

2.4 针对沙德断裂的电阻率结构灵敏度测试

尽管前文所述的细网格(2.5km)和较小的模型光滑参数(0.3)获得的单剖面三维结果均可较清晰地分辨出SDF的横向位置和深部结构, 但在二维模型(图3)以及三维粗网格(图5a— d)和较大模型光滑参数的反演结果(图8d)中, 沙德断裂没有明显显示, 这可能会使我们怀疑SDF是否为冗余构造。 因此, 为进一步考察SDF是否被数据约束, 本文基于图6d所示模型, 对SDF对应的高导体进行了模型验证, 即将模型中的高导体替换成100Ω · m和500Ω · m(图9), 然后查看正演响应曲线是否显著偏离观测数据。 经计算发现, 在抹去该高导体后, 310、 311和312号测点的数据拟合差值增加(图9a), 其中310号测点的变化最为显著。 对比310号测点的观测数据与模型响应曲线可发现, 电阻率值越高则正演获得的xy分量的低频数据曲线偏离观测值越明显, 这说明图6d所示模型(或者图 9中的mod1)中对应SDF的高导体是观测数据所需要的。

图 9 沙德断裂所对应高导体的模型灵敏度测试结果
a 将高导体替换成不同电阻率值获得的各测点的拟合rms值的变化; b拟合差变化最大的310号测点的观测数据和各模型的正演响应曲线, 其中mod1、 mod2、 mod3分别对应图6d中的模型、 将高导体替换为100Ω · m的模型和替换为500Ω · m的模型, 3个模型列于图的右侧, 模型正演全局拟合差位于模型图的右下角Fig. 9 The sensitive test on the conductor corresponding to Shade Fault.

对比图6d、 图8d和图5c中所示模型在310号测点的响应曲线(图10)可以看到, 当cov取为0.5(图8d)或水平网格较粗(图5c)时, 相对而言, Zxx 和Zyy 2分量数据以及高频倾子数据的拟合均变差; 而不同模型对Zxy、 Zyx 数据拟合的差异相对较小。 产生该现象的原因之一可能是本文赋给Zxy、 Zyx 相对较小的门槛误差, 使得其在反演过程中的权重较大、 拟合较好; 也可能暗示在三维单剖面反演中, 倾子数据对约束浅地表活动构造有一定作用。 对于Zxx 和Zyy 分量数据, 因其往往信噪比较低、 数据质量较差, 在三维反演中是否应该参与反演目前还存在争议(Miensopust, 2017)。 由于本文并没有将数据旋转到优势电性主轴方位, 可以看到Zxx、 Zyy 的幅值较大, 基于本文的曲线对比结果(图10)推测Zxx、 Zyy 可能依然包含少部分断裂构造响应信息。

图 10 图5c、 图6d、 图8d中的模型在310测点的正演响应与观测数据的曲线对比
不同颜色的散点为实际观测数据。 实线表示图6d(或图 9中的mod1)所示模型的响应, 虚线表示图5c中模型的响应, 点实线表示图8d中模型的响应。 数据分量标于每张图的左上角Fig. 10 The observed data and response curves of models in Fig.5c, Fig.6d, and Fig.8d.

3 讨论

通过对实测单剖面数据的二维和三维解释, 发现本文数据在一定程度上较好地约束了SDF和YNXF的位置和深部的延伸情况, 本文的二、 三维反演结果显示YNXF在剖面位置可能近直立(或以高角度向SE倾), 从地表一直延伸到深部的高导层, 切割上地壳的高阻层。 SDF表现为倾向SE的高导条带, 同样从地表延伸到深20km之下的高导层。 相对而言, 全新世活动性弱的SDF, 其深部电性结构的几何轮廓似乎较清晰, 但是需要注意的是该断裂在二维模型中并没有显示, 而三维模型中的结果理论上只能代表剖面位置处SDF的电性结构, 存在三维模型只反映断裂带局部结构的可能性。 对于同样以高导为特征的YNXF断裂, 其电导率值相对其周围围岩的差异不如SDF显著。 同时也需要指出, 因本文的测点间距相对较大, 存在对上述2条断裂构造的深部几何延伸情况约束不够的风险, 这有待利用更密集的测点数据作进一步验证。

本文基于实测数据的模型对比研究, 发现二维反演能够较好地恢复观测数据的整体特征, 总体电阻率与三维单剖面反演结果有相似的分布特征, 这与前人通过对比二、 三维反演理论模型所获得的认识基本一致(Tietze et al., 2013; Meqbel et al., 2016)。 但上述研究表明, 在相对较细的水平网格和合理的模型光滑参数下, 基于本文数据的三维单剖面反演模型能够较好地约束断裂构造的位置和深部的几何延伸情况, 这可能说明三维解释具有更加接近真实介质电阻率分布的优势, 能够更真实地模拟地表观测到的大地电磁响应。 对于二维解释, 由于基于二维模型的假设条件, 需要从观测数据中提取满足二维介质响应的数据成分, 虽然这在一定程度上可以获得区域结构信息, 但同时也势必会丢失局部结构的部分响应信息, 而这有可能是导致本文二维剖面反演对断裂构造的分辨能力不足的原因之一。 此外, 针对众学者所关心的, 由于三维解释中模型的自由度远远大于二维, 可能会使三维单剖面的反演结果不稳定, 甚至导致错误结果的问题(Cumming et al., 2010), 本文的实测数据研究结果显示, 相对二维反演, 在三维反演中利用不同的数据误差门槛、 模型光滑参数所获得的多个模型并没有出现颠覆性的结构差异, 而是体现出较稳定的反演特征。 特别是当将纵向网格数从60个(V1)增加到80个(V2)时, 模型的自由度显著增加, 而反演结果(图5)的差异却并不明显。 导致这种情况出现的可能原因是: 虽然模型的自由度增加了, 但三维反演所涉及的数据观测量也显著增加, 故对模型的约束能力增强; 另外, 可能还与本文采用的反演正则化参数取较大的初始值(1 000)有关, 该反演策略迫使反演过程总是基于最简单的模型来拟合观测数据。 当然, 观测数据量不足、 模型网格规模过大、 模型不能完全模拟观测数据和数据观测误差等因素会导致大地电磁的三维反演结果具有相比二维反演更强的非惟一性(Miensopust, 2017)。 因此, 对于不同的实测数据, 在进行解释之前需要谨慎考虑这些因素的影响, 结合其它地表调查资料和地球物理探测结果来减轻单剖面三维反演的非惟一性影响, 从而获得合理的解释模型。

若本文获得的最终模型(图6d)较合理地解释了SDF和YNXF的深部结构, 那么单剖面实测数据的三维反演模型对比结果将表明, 水平网格尺寸和模型水平方向的光滑参数是影响反演结果能否较好地分辨出断裂构造的重要因素。 对于较粗的水平网格, 如本文所述的边长为4km的水平网格, 可能因无法模拟横向分布范围较小的构造响应, 而使得观测数据中包含的局部构造信息无法在模型中被正确表达, 如无法拟合主对角元素和倾子数据(图10), 这将在一定程度上降低对断裂的分辨能力。 而过大的模型水平方向光滑参数因迫使反演结构尽可能光滑, 与真实地球介质中存在局部电阻率异常这一事实相违背, 如本文所关注的断裂构造, 因此也会导致分辨能力下降。

通过本文对实测数据进行的对比研究发现, 降低数据门槛误差对反演模型结果的影响较小。 这一结论与Tietze等(2013)基于理论模型的研究结果略有差异, 他们发现降低数据门槛误差可显著提高埋于20~40km深处的线性构造的分辨能力。 分析认为, 存在该认识差异的原因可能是Tietze等(2013)通过理论模型正演获得的阻抗张量数据的主对角元素幅值相对较小, 在较大的数据门槛误差下反演时, 其中包含的结构信息无法在模型中完全表达, 因而需要降低数据误差门槛以实现更好的数据拟合。 而本文实测数据的主对角元素幅值几乎与副对角元素幅值处于相同量级(图 9或图 10中的310号测点), 似乎不存在上述理论模型研究中遇到的主对角元素幅值远小于副对角元素幅值的问题。 另外, 本文针对的是出露地表的较浅的活动断裂, 其电磁响应比埋于深部(20~40km)的构造更强, 加上倾子数据对具有横向电阻率变化的浅部断裂构造比较敏感(陈小斌等, 2004a; Tuncer et al., 2006; Siripunvaraporn et al., 2009), 在三维反演中引入倾子数据后, 即使数据门槛误差较大也能够较好地识别出断裂构造的位置和深部的几何轮廓。

最后, 需要注意的是, 针对大地电磁单剖面的三维反演结果识别局部断裂构造是一项复杂的工作。 本文基于实测数据和已有的经验认识, 较详细地研究了水平和垂向网格尺寸、 数据误差门槛值、 模型光滑参数及倾子的影响, 给出了三维单剖面反演可以较好地分辨出局部断裂构造的实例, 具有很强的参考意义。 而在三维单剖面反演中, 获得的断裂构造深部结构可能只反映剖面位置断裂在深部的局部电性结构。 同时, 由于本研究区域的地形起伏较大, 本文的分析并未考虑地形的影响, 这可能会对最终结果有一定影响。 此外, 初始和先验模型的设定、 阻抗张量是否应该旋转到断裂构造方位、 数据畸变的影响、 甚至迭代次数等方面都应该在实测资料的研究中予以综合考虑, 并针对具体数据和拟解决的实际问题进行具体分析。

4 结论

本文基于横跨两断裂构造的大地电磁单剖面实测数据, 利用Rodi等(2001)的二维NLCG以及ModEM三维正反演程序包, 完成了剖面数据二维和三维反演。 在剖面位置发现现今沙德断裂和玉农希断裂深部结构均表现为相对高导, 玉农希断裂在剖面穿过的位置分割上地壳高阻层, 并近直立(或高角度SE倾)延伸到下侧中地壳高导层中。 沙德断裂则显示深部倾向为SE, 同样汇入深部高导层中, 但沿断裂走向是否存在深部结构的差异需要更多数据来约束。

从对断裂构造的分辨能力出发, 基于实测数据对比了不同网格尺寸、 数据误差门槛以及模型光滑参数对单剖面数据三维反演结果的影响。 研究发现, 单剖面数据的二维反演模型与三维模型具有相似的总体电阻率分布特征。 相比二维解释, 本文实测数据的三维反演模型能够更加清晰地分辨出断裂构造的位置和深部的几何结构。 同时, 基于本文的实测数据, 发现水平网格尺寸和模型光滑参数可能是影响单剖面数据三维反演模型能否识别出已有断裂构造信息的较重要参数, 而在合理区间变化的垂向网格尺寸和数据误差门槛可能对单剖面三维反演模型分辨断裂构造的影响较小。 带入倾子的三维单剖面反演可能会提高模型结果对地表出露构造的深部延伸和几何轮廓的约束。 最后, 本文基于实测资料的研究, 显示单剖面大地电磁三维反演同样具有识别局部活动断裂构造的能力。

致谢 审稿人给出了非常重要的修改建议, 为正确传达本文的科学认识、 提高科学意义起到了重要作用; 湖北潜江江汉物探队的余文斌、 杨涛、 杨飞等参与了本文大地电磁数据的野外采集工作; 文中的数据处理与管理、 阻抗张量分解、 模型网格设计等工作均在大地电磁正反演专业软件MT-Pioneer中实现; 所用三维反演源代码来自美国俄勒冈州立大学的Gary Egbert团队。 在此一并表示感谢!

参考文献
[1] 蔡军涛, 陈小斌, 赵国泽. 2010. 大地电磁资料精细处理和二维反演解释技术研究(一): 阻抗张量分解与构造维性分析[J]. 地球物理学报, 53(10): 2516—2526.
CAI Jun-tao, CHEN Xiao-bin, ZHAO Guo-ze. 2010. Refined techniques for data processing and two-dimensional inversion in magnetotelluric I: Tensor decomposition and dimensionality analysis[J]. Chinese Journal of Geophysics, 53(10): 2516—2526(in Chinese). [本文引用:4]
[2] 陈小斌, 蔡军涛, 王立凤, 等. 2014. 大地电磁资料精细处理和二维反演解释技术研究(四): 阻抗张量分解的多测点-多频点统计成像分析[J]. 地球物理学报, 57(6): 1946—1957.
CHEN Xiao-bin, CAI Jun-tao, WANG Li-feng, et al. 2014. Refined techniques for data processing and two-dimensional inversion in magnetotelluric(Ⅳ): Statistical image method based on multi-site, multi-frequency tensor decomposition[J]. Chinese Journal of Geophysics, 57(6): 1946—1957(in Chinese). [本文引用:2]
[3] 陈小斌, 郭春玲. 2017. 大地电磁资料精细处理和二维反演解释技术研究(五): 利用阻抗张量成像识别大地线性构造[J]. 地球物理学报, 60(2): 766—777.
CHEN Xiao-bin, GUO Chun-ling. 2017. Refined techniques for data processing and two-dimensional inversion in magnetotelluric(V): Detecting the linear structures of the earth by impedance tensor imaging[J]. Chinese Journal of Geophysics, 60(2): 766—777(in Chinese). [本文引用:1]
[4] 陈小斌, 赵国泽, 詹艳, 等. 2004a. 磁倾子矢量的图示分析及其应用研究[J]. 地学前缘, 11(4): 626—636.
CHEN Xiao-bin, ZHAO Guo-ze, ZHAN Yan, et al. 2004a. Analysis of tipper visual vectors and its application[J]. Earth Science Frontiers, 11(4): 626—636(in Chinese). [本文引用:1]
[5] 陈小斌, 赵国泽, 马霄. 2006. 大地电磁三维模型的一维二维反演近似问题研究[J]. 工程地球物理学报, 3(1): 9—15.
CHEN Xiao-bin, ZHAO Guo-ze, MA Xiao. 2006. Research on inversion of MT 3D model approximately by 1D, 2D inversion method[J]. Chinese Journal of Engineering Geophysics, 3(1): 9—15(in Chinese). [本文引用:1]
[6] 陈小斌, 赵国泽, 马霄. 2008. 关于 MT 二维反演中数据旋转方向的选择问题初探[J]. 石油地球物理勘探, 43(1): 113—118, 128.
CHEN Xiao-bin, ZHAO Guo-ze, MA Xiao. 2008. Preliminary discussion on selecting rotation direction in 2-D MT inversion[J]. Oil Geophysical Prospecting, 43(1): 113—118, 128(in Chinese). [本文引用:1]
[7] 陈小斌, 赵国泽, 詹艳. 2004b. MT资料处理与解释的 Windows 可视化集成系统[J]. 石油地球物理勘探, 39(S1): 11—16.
CHEN Xiao-bin, ZHAO Guo-ze, ZHAN Yan. 2004b. A visual integrated windows system for MT data process and interpretation[J]. Oil Geophysical Prospecting, 39(Sl): 11—16(in Chinese). [本文引用:1]
[8] 程远志, 汤吉, 蔡军涛, 等. 2017. 青藏高原东缘川滇构造区深部电性结构特征[J]. 地球物理学报, 60(6): 2425—2441.
CHENG Yuan-zhi, TANG Ji, CAI Jun-tao, et al. 2017. Deep electrical structure beneath the Sichuan-Yunnan area in the eastern margin of the Tibetan plateau[J]. Chinese Journal of Geophysics, 60(6): 2425—2441(in Chinese). [本文引用:1]
[9] 程远志, 汤吉, 陈小斌, 等. 2015. 南北地震带南段川滇黔接壤区电性结构特征和孕震环境[J]. 地球物理学报, 58(11): 3965—3981.
CHENG Yuan-zhi, TANG Ji, CHEN Xiao-bin, et al. 2015. Electrical structure and seismogenic environment along the border region of Yunnan, Sichuan and Guizhou in the south of the North-south seismic belt[J]. Chinese Journal of Geophysics, 58(11): 3965—3981(in Chinese). [本文引用:1]
[10] 邓起东, 张培震, 冉勇康, 等. 2002. 中国活动构造基本特征[J]. 中国科学(D辑), 32(12): 1020—1030.
DENG Qi-dong, ZHANG Pei-zhen, RAN Yong-kang, #magtechI#, et al. 2003. Basic characteristics of active tectonics of China[J]. Science in China(Ser D), 46(4): 356—372. [本文引用:1]
[11] 董浩, 魏文博, 叶高峰, 等. 2012. 大地电磁测深二维反演方法求解复杂电性结构问题的适应性研究[J]. 地球物理学报, 55(12): 4003—4014.
DONG Hao, WEI Wen-bo, YE Gao-feng, et al. 2012. Study of two dimensional magnetotelluric inversions of complex three dimensional structures[J]. Chinese Journal of Geophysics, 55(12): 4003—4014(in Chinese). [本文引用:1]
[12] 范文纪. 1982. 贡嘎山的地质构造基础和冰川地貌特征[J]. 成都科技大学学报, (3): 19—33.
FAN Wen-ji. 1982. The geological tectonic foundation of Minya Gongga and its characteristic glacial land forms[J]. Journal of Chengdu University of Science and Technology, (3): 19—33(in Chinese). [本文引用:1]
[13] 李墩柱, 黄清华, 陈小斌. 2009. 误差对大地电磁测深反演的影响[J]. 地球物理学报, 52(1): 268—274.
LI Dun-zhu, HUANG Qing-hua, CHEN Xiao-bin. 2009. Error effects on magnetotelluric inversion[J]. Chinese Journal of Geophysics, 52(1): 268—274(in Chinese). [本文引用:1]
[14] 王绪本, 余年, 高嵩, 等. 2017. 青藏高原东缘地壳上地幔电性结构研究进展[J]. 地球物理学报, 60(6): 2350—2370.
WANG Xu-ben, YU Nian, GAO Song, et al. 2017. Research progress in research on electrical structure of crust and upper mantle beneath the eastern margin of the Tibetan plateau[J]. Chinese Journal of Geophysics, 60(6): 2350—2370(in Chinese). [本文引用:1]
[15] 闻学泽, 白兰香. 1985. 鲜水河活动断裂带形变组合与运动特征的研究[J]. 中国地震, 1(4): 55—61.
WEN Xue-ze, BAI Lan-xiang. 1985. Study on the deformation composition and the motion feature of the Xianshuihe active fault zone[J]. Earthquake Research in China, 1(4): 55—61(in Chinese). [本文引用:1]
[16] 徐锡伟, 闻学泽, 郑荣章. 2003. 川滇地区活动块体最新构造变动样式及其动力来源[J]. 中国科学(D辑), 33(S1): 151—162.
XU Xi-wei, WEN Xue-ze, ZHENG Rong-zhang. 2003. Pattern of latest tectonic motion and its dynamics for active blocks in Sichuan-Yunnan region, China[J]. Science in China(Ser D), 33(S1): 151—162(in Chinese). [本文引用:1]
[17] 徐锡伟, 张培震, 闻学泽, 等. 2005. 川西及其邻近地区活动构造基本特征与强震复发模型[J]. 地震地质, 27(3): 446—461.
XU Xi-wei, ZHANG Pei-zhen, WEN Xue-ze, et al. 2005. Features of active tectonics and recurrence behaviors of strong earthquakes in the western Sichuan Province and its adjacent regions[J]. Seismology and Geology, 27(3): 446—461(in Chinese). [本文引用:1]
[18] 詹艳, 赵国泽, Unsworth M, 等. 2013. 龙门山断裂带西南段4·20芦山7. 0级地震区的深部结构和孕震环境[J]. 科学通报, 58(20): 1917—1924.
ZHAN Yan, ZHAO Guo-ze, Unsworth M, et al. 2013. Deep structure beneath the southwestern section of the Longmenshan fault zone and seimogenetic context of the 4·20 MS7. 0 earthquake[J]. Chinese Science Bulletin, 58(20): 1917—1924(in Chinese). [本文引用:2]
[19] 张建岭, 吴德超, 王道永. 2011. 四川九龙地区八窝龙——玉农希断裂构造变形特征及活动性[J]. 四川地质学报, 31(4): 395—398.
ZHANG Jian-ling, WU De-chao, WANG Dao-yong. 2011. Structural deformation and activity of the Bawolung-Yulongxi fracture zone in Jiulong, Sichuan[J]. Acta Geologica Sichuan, 31(4): 395—398(in Chinese). [本文引用:1]
[20] 赵国泽, 陈小斌, 王立凤, 等. 2008. 青藏高原东边缘地壳 “管流” 层的电磁探测证据[J]. 科学通报, 53(3): 345—350.
ZHAO Guo-ze, CHEN Xiao-bin, WANG Li-feng, et al. 2008. Evidence of crustal ‘channel flow' in the eastern margin of Tibetan plateau from MT measurements[J]. Chinese Science Bulletin, 53(3): 345—350(in Chinese). [本文引用:1]
[21] 赵国泽, 陈小斌, 肖骑彬, 等. 2009. 汶川 MS8. 0 级地震成因三 “层次” 分析: 基于深部电性结构[J]. 地球物理学报, 52(2): 553—563.
ZHAO Guo-ze, CHEN Xiao-bin, XIAO Qi-bin, et al. 2009. Generation mechanism of Wenchuan strong earthquake of MS8. 0 inferred from EM measurements in three levers[J]. Chinese Journal of Geophysics, 52(2): 553—563(in Chinese). [本文引用:1]
[22] 赵国泽, 汤吉, 詹艳, 等. 2004. 青藏高原东北缘地壳电性结构和地块变形关系的研究[J]. 中国科学(D辑), 34(10): 908—918.
ZHAO Guo-ze, TANG Ji, ZHAN Yan, et al. 2004. Study on the relationship between crustal electrical structure in the northeastern Tibetan and deformation of block[J]. Science in China(Ser D), 34(10): 908—918(in Chinese). [本文引用:1]
[23] 赵凌强, 詹艳, 赵国泽, 等. 2015a. 基于深部电性结构特征的 2013 年甘肃岷县漳县 MS6. 6 地震孕震环境探讨[J]. 地震地质, 37(2): 541—554. doi: 103969/j.issn.0253-4967.2015.02.016.
ZHAO Ling-qiang, ZHAN Yan, ZHAO Guo-ze, et al. 2015a. The seismogenic environment of the 2013 Minxian-Zhangxian MS6. 6 earthquake based on the deep electrical structure[J]. Seismology and Geology, 37(2): 541—554(in Chinese). [本文引用:1]
[24] 赵凌强, 詹艳, 陈小斌, 等. 2015b. 西秦岭造山带(中段)及其两侧地块深部电性结构特征[J]. 地球物理学报, 58(7): 2460—2472.
ZHAO Ling-qiang, ZHAN Yan, CHEN Xiao-bin, et al. 2015b. Deep electrical structure of the central West Qinling orogenic belt and blocks on its either side[J]. Chinese Journal of Geophysics, 58(7): 2460—2472(in Chinese). [本文引用:1]
[25] Avdeev D, Avdeeva A. 2009. 3D magnetotelluric inversion using a limited-memory quasi-Newton optimization[J]. Geophysics, 74(3): F45—F57. [本文引用:1]
[26] Avdeeva A, Avdeev D, Jegen M. 2012. Detecting a salt dome overhang with magnetotellurics: 3D inversion methodology and synthetic model studies[J]. Geophysics, 77(4): 251—263. [本文引用:1]
[27] Becken M, Ritter O, Bedrosian P A, et al. 2011. Correlation between deep fluids, tremor and creep along the central San Andreas Fault[J]. Nature, 480(7375): 87—90. [本文引用:1]
[28] Bai D, Unsworth M J, Meju M A, et al. 2010. Crustal deformation of the eastern Tibetan plateau revealed by magnetotelluric imaging[J]. Nature Geoscience, 3(5): 358—362. doi: 10.1038/ngeo830. [本文引用:1]
[29] Berdichevsky M, Dmitriev V, Pozdnjakova E. 1998. On two-dimensional interpretation of magnetotelluric soundings[J]. Geophysical Journal International, 133(3): 585—606. [本文引用:1]
[30] Cagniard L. 1953. Basic theory of the magneto-telluric method of geophysical prospecting[J]. Geophysics, 18(3): 605—635. [本文引用:1]
[31] Cai J, Chen X, Xu X, et al. 2017. Rupture mechanism and seismotectonics of the MS6. 5 Ludian earthquake inferred from three-dimensional magnetotelluric imaging[J]. Geophysical Research Letters, 44(3): 1275—1285. [本文引用:1]
[32] Caldwell T G, Bibby H M, Brown C. 2004. The magnetotelluric phase tensor[J]. Geophysical Journal International, 158(2): 457—469. [本文引用:1]
[33] Cordell D, Unsworth M J, Díaz D. 2018. Imaging the Laguna del Maule volcanic field, central Chile using magnetotellurics: Evidence for crustal melt regions laterally-offset from surface vents and lava flows[J]. Earth and Planetary Science Letters, 488: 168—180. [本文引用:1]
[34] Cumming W, Mackie R. 2010. Resistivity imaging of geothermal resources using 1D, 2D and 3D MT inversion and TDEM static shift correction illustrated by a Glass Mountain case history[C]∥Proceedings of World Geothermal Congress. Bali, Indonesia: 25—29. [本文引用:2]
[35] Egbert G D. 1997. Robust multiple-station magnetotelluric data processing[J]. Geophysical Journal International, 130(2): 475—496. [本文引用:1]
[36] Egbert G D, Kelbert A. 2012. Computational recipes for electromagnetic inverse problems[J]. Geophysical Journal International, 189(1): 251—267. [本文引用:3]
[37] Gamble T D, Goubau W M, Clarke J. 1979. Magnetotellurics with a remote magnetic reference[J]. Geophysics, 44(1): 53—68. [本文引用:1]
[38] Groom R W, Bailey R C. 1989. Decomposition of magnetotelluric impedance tensors in the presence of local three-dimensional galvanic distortion[J]. Journal of Geophysical Research: Solid Earth, 94(B2): 1913—1925. [本文引用:1]
[39] Heise W, Caldwell T, Bibby H M, et al. 2008. Three-dimensional modelling of magnetotelluric data from the Rotokawa geothermal field, Taupo volcanic zone, New Zealand [J]. Geophysical Journal International, 173(2): 740—750. [本文引用:1]
[40] Kelbert A, Meqbel N, Egbert G D, et al. 2014. ModEM: A modular system for inversion of electromagnetic geophysical data[J]. Computers & Geosciences, 66: 40—53. [本文引用:1]
[41] Ledo J. 2005. 2-D versus 3-D magnetotelluric data interpretation[J]. Surveys in Geophysics, 26(5): 511—543. [本文引用:1]
[42] Lin C H, Tan H D, Shu Q, et al. 2012. Three-dimensional interpretation of sparse survey line MT data: Synthetic examples[J]. Applied Geophysics, 9(1): 9—18. [本文引用:1]
[43] McNeice G W, Jones A G. 2001. Multisite, multifrequency tensor decomposition of magnetotelluric data[J]. Geophysics, 66(1): 158—173. [本文引用:1]
[44] Meqbel N, Weckmann U, Muñoz G, et al. 2016. Crustal metamorphic fluid flux beneath the Dead Sea Basin: Constraints from 2-D and 3-D magnetotelluric modelling[J]. Geophysical Supplements to the Monthly Notices of the Royal Astronomical Society, 207(3): 1609—1629. [本文引用:1]
[45] Miensopust M P. 2017. Application of 3-D electromagnetic inversion in practice: Challenges, pitfalls and solution approaches[J]. Surveys in Geophysics, 38(5): 869—933. [本文引用:4]
[46] Miensopust M P, Queralt P, Jones A G, et al. 2013. Magnetotelluric 3-D inversion: A review of two successful workshops on forward and inversion code testing and comparison[J]. Geophysical Journal International, 193(3): 1216—1238. [本文引用:1]
[47] Patro P K, Egbert G D. 2011. Application of 3D inversion to magnetotelluric profile data from the Deccan Volcanic Province of western India[J]. Physics of the Earth and Planetary Interiors, 187(1-2): 33—46. [本文引用:2]
[48] Rodi W, Mackie R L. 2001. Nonlinear conjugate gradients algorithm for 2-D magnetotelluric inversion[J]. Geophysics, 66(1): 174—187. [本文引用:2]
[49] Siripunvaraporn W, Egbert G. 2009. WSINV3DMT: Vertical magnetic field transfer function inversion and parallel implementation[J]. Physics of the Earth and Planetary Interiors, 173(3-4): 317—329. [本文引用:3]
[50] Siripunvaraporn W, Egbert G, Lenbury Y. 2002. Numerical accuracy of magnetotelluric modeling: A comparison of finite difference approximations[J]. Earth, Planets and Space, 54(6): 721—725. [本文引用:1]
[51] Siripunvaraporn W, Egbert G, Lenbury Y, et al. 2005a. Three-dimensional magnetotelluric inversion: Data-space method[J]. Physics of the Earth and Planetary Interiors, 150(1-3): 3—14. [本文引用:1]
[52] Siripunvaraporn W, Egbert G, Uyeshima M. 2005b. Interpretation of two-dimensional magnetotelluric profile data with three-dimensional inversion: Synthetic examples[J]. Geophysical Journal International, 160(3): 804—814. [本文引用:1]
[53] Su Z, Wang E, Furlong P K, et al. 2012. Young, active conjugate strike-slip deformation in West Sichuan: Evidence for the stress-strain pattern of the southeastern Tibetan plateau[J]. International Geology Review, 54(9): 991—1012. doi: 10.1080/00206814.2011.583491. [本文引用:1]
[54] Tietze K, Ritter O. 2013. Three-dimensional magnetotelluric inversion in practice: The electrical conductivity structure of the San Andreas Fault in central California[J]. Geophysical Journal International, 195(1): 130—147. [本文引用:3]
[55] Tikhonov A. 1950. On determining electric characteristics of the deep layers of the Earth's crust[J]. Doklady Akademii Nauk SSSR, 73(2): 295—297. [本文引用:1]
[56] Tuncer V, Unsworth M J, Siripunvaraporn W, et al. 2006. Exploration for unconformity-type uranium deposits with audiomagnetotelluric data: A case study from the McArthur River mine, Saskatchewan, Canada[J]. Geophysics, 71(6): B201—B209. [本文引用:2]
[57] Unsworth M, Bedrosian P A. 2004. Electrical resistivity structure at the SAFOD site from magnetotelluric exploration[J]. Geophysical Research Letters, 31(12): L12S05. [本文引用:3]
[58] Wei W, Unsworth M, Jones A, et al. 2001. Detection of widespread fluids in the Tibetan crust by magnetotelluric studies[J]. Science, 292(5517): 716—719. [本文引用:1]
[59] Xiao Q, Cai X, Xu X, et al. 2010. Application of the 3D magnetotelluric inversion code in a geologically complex area[J]. Geophysical Prospecting, 58(6): 1177—1192. [本文引用:1]
[60] Xiao Q, Shao G, Liu-Zeng J, et al. 2015. Eastern termination of the Altyn Tagh Fault, western China: Constraints from a magnetotelluric survey[J]. Journal of Geophysical Research: Solid Earth, 120(5): 2838—2858. [本文引用:1]
[61] Xiao Q, Yu G, Shao G, et al. 2018. Lateral rheology differences in the lithosphere and dynamics as revealed by magnetotelluric imaging at the northern Tibetan plateau[J]. Journal of Geophysical Research: Solid Earth: 123(9): 7266—7284. [本文引用:1]
[62] Xiao Q, Zhao G, Dong Z. 2011. Electrical resistivity structure at the northern margin of the Tibetan plateau and tectonic implications[J]. Journal of Geophysical Research: Solid Earth, 116(B12): B12401. [本文引用:1]
[63] Zhang H, Huang Q, Zhao G, et al. 2016. Three-dimensional conductivity model of crust and uppermost mantle at the northern Trans North China Orogen: Evidence for a mantle source of Datong volcanoes[J]. Earth and Planetary Science Letters, 453: 182—192. [本文引用:2]
[64] Zhao G, Unsworth M J, Zhan Y, et al. 2012. Crustal structure and rheology of the Longmenshan and Wenchuan MW7. 9 earthquake epicentral area from magnetotelluric data[J]. Geology, 40(12): 1139—1142. [本文引用:3]