基金项目:中国地震局地震监测、预报、科研三结合课题(3JH-2021045),中国地震局2021年度震情跟踪定向工作任务(2021010105)和云南省陈颙院士工作站(2014IC007)联合资助.
(1.中国地震科学实验场大理中心,云南 大理671000; 2.云南大理滇西北地壳构造活动野外科学观测研究站,云南 大理671000)
(1.Dali Center of China Earthquake Science Experimental Site,Dali 671000,Yunnan,China;2.Field Scientific Observation and Research Station on Crustal Tectonic Activities in Dali,Northwest Yunnan,Dali 671000,Yunnan,China)
ambient noise; waveform cross-correlation; the empirical Green's function; wave velocity change
备注
基金项目:中国地震局地震监测、预报、科研三结合课题(3JH-2021045),中国地震局2021年度震情跟踪定向工作任务(2021010105)和云南省陈颙院士工作站(2014IC007)联合资助.
引言
地震的孕育和发生往往伴随着地下介质应力状态的变化,从而引起地震波速的变化,监测这种波速变化,对地震预测以及余震趋势的判断具有重要意义(王伟涛等,2009)。近年来,随着背景噪声层析成像技术的发展,从该方法中获取的经验格林函数也被应用于研究地壳内部地震波速度的时空变化特征。如Brenguier等(2008)分析富尔奈斯火山21个台站背景噪声得到的波速变化,发现火山喷发前波速出现了约0.1%的降低,且在火山喷发期间逐渐恢复正常。Stehly等(2016)利用2008年汶川地震震中区域21个台站的背景噪声,发现主震当天有0.07%的波速下降。刘志坤和黄金莉(2010)发现2008年汶川地震造成了震源区地震波速度的急剧降低,最大降幅达0.4%。宫猛等(2017)通过提取直达的瑞利波走时偏移发现在2015年9月14日昌黎ML4.7地震前部分台站对的瑞利波速出现上升变化,而震后随着时间的流逝又慢慢恢复到在背景值附近波动。Liu等(2018)通过三分量地震背景噪声干涉测量技术,对龙门山断裂带10年地震波速变化进行了研究,发现在1~3 s和3~8 s周期,汶川MW7.9地震造成了断层区附近急剧的同震波速降低,降幅为0.04%~0.06%,2013年芦山MW6.6地震造成了1~3 s周期的微小但较为可靠的波速降低,幅度约为0.01%。温扬茂等(2019)利用双台站2年的连续背景噪声数据分析了2017年墨西哥MW7.1地震震源区的地震波速变化特征,发现震源区浅部5~10 km的地震波速在地震中上升约0.77%,而在2~5 km的地震波速则有约0.05%的下降趋势。地震背景噪声分布广且不依赖于特定震源,非常适合于跟踪地壳内部结构的物性变化。
2018年8月13、14日云南省玉溪市通海县(24.19°N,102.71°E)相继发生了2次5.0级地震,震源深度分别为7 km和6 km(本文将这两次地震合在一起进行研究,称为“通海5.0级地震”)。9月8日,云南省普洱市墨江县(23.26°N,101.53°E)又发生5.9级地震,震源深度为11 km。地震发生后,相关学者进行了一系列的研究,主要包括:地震前的视应力(彭关灵等,2018,2020)、波速比(刘自凤等,2018)、地震精定位和发震构造讨论(王光明等,2018)以及地震前后的GNSS面应变时空演化特征(杨建文等,2020a、b)等。其中的GNSS研究表明,2组地震前后,震中区域附近存在较为明显的应变场演化过程(面应变显著积累——短期内面应变快速反向调整——调整过程中相继发生通海和墨江地震)(杨建文等,2020a,b)。
地震前后明显的应变场变化会引起地下介质波速的变化,因此,本文基于2018年通海5.0级、墨江5.9级地震震中附近区域固定台站记录的连续波形数据,采用背景噪声波速测定方法,开展震源区波速变化研究。
1 数据和方法
1.1 观测数据本文从云南数字地震台网中选用震中周边7个台站(图1)记录的2017年1月31日—2019年12月1日垂直分量连续波形资料。经检测,在该研究时间范围内,所有台站的数据连续性都很好,因此基本能够反映该时段内的介质波速变化。数据处理分为三步:①对单台数据进行预处理,得到地震背景噪声; ②通过计算台站对间背景噪声的互相关函数来提取经验格林函数; ③计算不同时段的经验格林函数与参考经验格林函数的走时偏移,获取地震波速度变化。
1.2 单台站数据预处理在获取各台站的连续波形数据后,为消除天然地震和仪器本身异常信号的影响,需要先对
图1 本文研究所用数字地震台站、地震震中及相关台站对分布
Fig.1 Distribution of digital seismic stations,earthquake epicenters,and related station pairs单台数据进行预处理,以获取高质量的地震背景噪声(刘志坤,黄金莉,2010; 温扬茂等,2019)。数据预处理过程为:①将连续波形数据按天截取,采用1 Hz对波形数据进行抽样,以降低数据采样率; ②去除仪器响应、去均值、去趋势及带通滤波处理; ③对波形数据进行时域平均,以去除地震事件的影响; ④频谱白化处理后得到背景噪声。
1.3 背景噪声互相关及数据叠加单台数据预处理后,对研究范围内各台站对每天的背景噪声在相同时间内作互相关计算,其结果即为台站对间的经验格林函数(刘志坤,黄金莉,2010; Shapiro et al,2005)。本文基于7个台站可获取21个台站对每天的经验格林函数。当台间距较大时,很难在短时间内稳定地重构出经验格林函数(Liu et al,2018),因此本文仅对台间距小于200 km的台站对作进一步分析。经过筛选,共挑选出14个台站对,台站对分布如图1所示。
背景噪声的来源及能量的差异,会极大影响经验格林函数的形态(王伟涛等,2009)。Stehly等(2006)首次基于噪声互相关函数对噪声源的性质进行分析,研究指出,对任意两个地震台站记录到的背景噪声进行互相关处理,理论上得到的经验格林函数中都有一正、一负两个分支,分别表示台站对路径上的因果和非因果信号。当台站两侧的噪声源分布均匀时,因果信号和非因果信号的到时一致、振幅相同。而当噪声源分布不均匀时,两个方向的信号到时相同、但振幅不同,在噪声源能量较强的一侧产生的信号振幅较大(图2a)。为了在一定程度上消除噪声源能量分布不均对波速测量结果的影响,进一步增强数据的信噪比,以0为界线,把经验格林函数的“负支”反号后与“正支”进行对称叠加,形成“叠加分量”(图2b)。
图2 YUJ-JIG、YUJ-SIM台站对的原始(a)和对称叠加后的(b)经验格林函数(3年数据叠加结果)
Fig.2 The original(a)and the symmetric superposition(b)of YUJ-JIG,YUJ-SIM station pairs of the empirical Green's function(overlay of 3 years' data)由于受噪声源的不均匀分布和噪声成分的不确定性等因素的影响,加上台间距较大,台站对间的单日经验格林函数的信噪比普遍较低,很难分辨地震波形态(温扬茂等,2019)。为了提高信噪比,将各台站对当天前、后各30 d(共61 d)的经验格林函数进行叠加,作为当天经验格林函数。在此基础上,通过进一步的滑动叠加,可获取2017年1月31日—2019年12月1日的当天经验格林函数(数据开始和结尾的各30 d因为叠加数据不足61 d,因此不参与进一步的分析)。
为了获得台站对间经验格林函数随时间变化的定量信息,须确定各台站对(刘志坤,黄金莉,2010; 温扬茂等,2019; Liu et al,2018)。Stehly等(2006)研究发现背景噪声源的季节性变化会引起由互相关方法重构的面波信号的走时变化,因此建议尽量采用较长时间范围(至少1年)的资料来确定参考经验格林函数。本文将各台站对2017年1月—2019年12月的经验格林函数进行叠加作为各自的参考经验格林函数(图3)。从图3可以看到清晰的直达瑞利面波和尾波,根据瑞利波信号的到达时间与台站对的间距,可估算其面波速度约为3 km/s,符合瑞利波理论值范围(2~4 km/s)。这也间接地反映了本文数据处理的正确性。
1.4 走时偏移提取对台站对间的当天经验格林函数和参考格林函数作互相关计算,获取相似波形窗口的互相关系数(图4),互相关系数最大时所对应的时间延迟就是这两段相似波形窗口的走时偏移,为了提高精度,对计算结果余弦插值后提取更高精度的走时偏移。
由图4b、c可知,在43~60 s的波形窗口内,YUJ-SIM台站对的当天经验格林函数和参考经验格林函数的互相关系数都在0.9以上,表示在该时窗内的两波形具有较高的相似性。经统计,进行互相关计算后,14个台站对的瑞利波部分的互相关系数基本都在0.9以上。鉴于此,以互相关系数0.9以上为约束,通过提取直达的瑞利波中的部分震相(图4b、c中的阴影部分,震相窗长约15 s,不同台站对取值存在较小差异)的走时偏移来计算台站对间的瑞利波速度变化。
图4 YUJ-SIM台站对当天经验格林函数与参考经验格林函数互相关计算结果
Fig.4 The cross-correlation calculation results of the daily empirical Green's function and the referential empirical Green's function of YUJ-SIM station pair图5 YUJ-SIM台站对瑞利波走时偏移变化曲线
Fig.5 Curve of the travel-time shift of the Rayleigh wave of YUJ-SIM station pair由图5a可以看到,YUJ-SIM台站对瑞利波走时偏移变化曲线存在明显的年变成分。为消除年变成分对走时偏移的影响,本文采用傅立叶滑动去年周期方法去除其中的年变成分,以获取长趋势变化背景下隐含的波速变化特征。
1.5 傅立叶滑动去年周期傅立叶滑动去年周期的主要目的是排除瑞利波走时偏移中的年变周期成分。主要方法概要为(蒋骏等,2000):
假设某台站对的瑞利波走时偏移时间序列为:y={y1,y2,…,yn},其中年变周期长度用T表示,即一年中等间隔均值序列有T个观测值; 年变序列成分的序列用x={x1,x2,…,xn}表示。利用三角级数公式由y序列中的T个观测值{yn-T+1,yn-T+2,…,yn}计算出xn; 由{yn-T+2,yn-T+3,…,yn+1}计算出xn+1,按这样的思路,相应的计算公式为:
排除年变化的新序列为:
Gn=yn-xn(n=T,T+1,…,N)(4)
由式(1)和(2)计算出的an和bn是随年变强弱而动态变化的。对yn序列中前T-1个数据通过基波拟合求得x1,x2,…,xT-1,然后利用式(4)计算出G0,G1,…,GT-1。本文是在台站对日均值瑞利波走时偏移时间序列上排除年变化,因此,T=365。
本文采用傅立叶滑动去年周期方法对图5a进行处理,分别得到傅立叶滑动去年变趋势的周期估计值(图5b)及去除年变成分后的走时偏移(修正后的走时偏移)(图5c),从图5b、c中可以看到YUJ-SIM台站对的瑞利波走时偏移在通海5.0级和墨江5.9级地震前、后(特别是震后)存在明显的异常特征。在后面的分析中,笔者对所有的台站对都进行了傅立叶滑动去年变趋势处理。
2 结果与分析
本文计算了2017年1月31日—2019年12月1日通海5.0级、墨江5.9级地震震中周边14个台站对的瑞利波走时偏移。
2.1 异常台站对空间分布对14个台站对的瑞利波走时偏移变化曲线分析发现,TOH-YIM、YIM-JIS、YUJ-SIM、JIS-SIM台站对的瑞利波走时偏移在通海5.0级和墨江5.9级地震前、后存在明显的异常特征。TOH-JIS、YIM-JIG台站对走时偏移在整个时段内波动较大,无法分辨异常信息,其余8个台站对走时偏移在地震前、后无明显异常特征。图6为部分台站对2017年1月31日—2019年12月1日的瑞利波走时偏移变化曲线。
从图1的走时偏移异常台站对空间分布来看,4个异常台站对中TOH-YIM、YIM-JIS 台站对分布于通海5.0级地震震中及邻近区域(TOH-YIM台站对穿过了通海5.0级地震的震中区域),推测其走时偏移异常主要受通海地震过程的影响; YUJ-SIM、JIS-SIM台站对分布于墨江5.9级地震震中及邻近区域(YUJ-SIM台站对穿过了墨江5.9级地震的震中区域),推测其走时偏移异常主要受墨江地震过程的影响。
2.2 异常台站对走时偏移的时变特征为了更好地分析通海5.0级、墨江5.9级地震的震源区的波速变化情况,本文分别采用单台站对和多台站对组合平均的方法对走时偏移的时变特征进行分析。
(1)单台站对的走时偏移
考虑到4个异常台站对的空间分布情况,将TOH-YIM、YIM-JIS分为一组(图7),YUJ-SIM、JIS-SIM分为另一组(图8),系统分析各台站对的瑞利波走时偏移的时变特征。
由图7可知,在通海5.0级地震过程中(震前-震中-震后过程),TOH-YIM和YIM-JIS台站对的瑞利波走时偏移变化形态,存在较好的相似性,存在明显的“V”或双“V”型变化形态,通海5.0级地震发生在第1个“V”型的前端。从2018年7月20日左右(通海5.0级地震前20余天)开始,两个台站对的走时偏移开始同步下降。TOH-YIM台站对的下降过程一直持续了约180 d
图7 TOH-YIM(a)和YIM-JIS(b)台站对瑞利波走时偏移变化曲线
Fig.7 Curves of the travel-time shift of the Rayleigh wave of TOH-YIM station pair(a)and YIM-JIS station pair(b)图8 YUJ-SIM(a)和JIS-SIM(b)台站对瑞利波走时偏移变化曲线
Fig.8 Shift of the travel-time of the Rayleigh wave of YUJ-SIM(a)and JIS-SIM(b)station pair(走时偏移在墨江地震前、后存在轻微的波动),该台站对的走时偏移从11月6日开始上升(上升过程持续了约61 d),2019年1月5日之后又开始下降(下降过程持续了约55 d),此后恢复平稳,其间存在轻微的波动(图7a)。YIM-JIS台站对的下降过程持续了约42 d,走时偏移从8月29日开始上升(上升过程持续了约136 d),2019年1月11日之后又再次下降(下降过程持续了约56 d),从2019年3月7日开始,短期内存在快速恢复(走时偏移上升)的过程,至2019年4月中旬开始恢复平稳,其间存在轻微的波动(图7b)。
由图8可知,在墨江5.9级地震过程中(震前-震中-震后过程),YUJ-SIM和JIS-SIM台站对的瑞利波变化形态存在较好的相似性,走时偏移存在明显的“V”或双“V”型变化形态,墨江5.9级地震发生在第1个“V”型的前端。从2018年8月15日左右(墨江5.9地震前20余天)开始,两个台站对的走时偏移开始同步下降。YUJ-SIM台站对的下降过程一直持续了约111 d,该台站对的走时偏移从12月4日开始上升(上升过程持续了约60 d),2019年2月1日之后又开始下降(下降过程持续了约83 d),此后开始缓慢地恢复平稳(图8a)。JIS-SIM台站对的下降过程持续了约102 d,该台站对的走时偏移从11月24日开始上升(上升过程持续了约55 d,上升过程走时偏移存在轻微的波动),2019年1月17日开始之后又再次下降(下降过程持续了约20 d),此后恢复平稳(图8b)。
TOH-YIM和YUJ-SIM台站对分别穿过了通海5.0级和墨江5.9级地震的震中区域(图1),二者的走时偏移可能反映震中附近振动最剧烈、破坏比也最严重的极震区的波速变化特征。对比图7a、8a发现,两个台站对的走时偏移均在地震前的20 d左右开始下降,且下降过程均持续110 d左右(TOH-YIM台站对的走时偏移变化量为-0.44 s,YUJ-SIM台为-0.47 s),此后又都以60 d左右进行了恢复(TOH-YIM台站对的走时偏移变化量为0.33 s,YUJ-SIM台为0.51 s)。接着又分别在约55 d和83 d内再次下降(TOH-YIM台站对的走时偏移变化量为-0.32 s,YUJ-SIM台为-0.25 s)。最后二者的走时偏移均恢复平稳。纵观整个过程,二者的走时偏移时变特征具有较高的相似性。
(2)多台站对组合的平均走时偏移
考虑到基于单台站对测量的走时偏移可能不太稳定,将震中附近的台站对的结果进行平均来代表地震震源区的波速变化。根据图1的异常台站对分布,将TOH-YIM和YIM-JIS台站对分为一组(记为:第一组),将YUJ-SIM和JIS-SIM台站对分为另一组(记为:第二组),对两组双台站对的走时偏移分别进行组合平均,以分别表示通海5.0级(图9a)、墨江5.9级地震(图9b)震源区波速变化。
与单台站对走时偏移(图7、图8)进行对比,发现组合平均后的走时偏移变化趋势更加的稳定。表1为两组台站对在地震过程中不同阶段的走时瑞利波走时偏移变化情况。
由图9a可知,第一组台站对的走时偏移在通海5.0级地震前后存在明显的双“V”型变化特征,通海5.0级地震发生在第1个“V”型的前端。结合表1可知,第一组台站对的走时偏移
图9 通海5.0级(a)和墨江5.9级(b)地震震源区瑞利波走时偏移
Fig.9 Shift of the travel-time of the Rayleigh wave in the source area of the Tonghai MS5.0 earthquake(a)and the Mojiang MS5.9 earthquake(b)表1 两次地震前后台站对瑞利波走时偏移变化
Tab.1 Shift of the travel-time of the Rayleigh wave of the stations pairs before and after the two earthquakes在通海5.0级地震前约20 d(2018年7月22日)开始下降,下降过程持续了约71 d,变化量为-0.34 s,由于受墨江5.9级地震的影响,下降过程中存在轻微的波动。从2018年9月30日开始,走时偏移开始上升,上升过程持续了约99 d,变化量为0.32 s,从2019年1月6日开始又再次下降,下降过程持续了约61 d,变化量为-0.39 s,此后在约38 d内又上升了0.21 s。经历明显的双“V”型变化后,该组合台站对的走时偏移恢复平稳,其间存在一定幅度的波动。
由图9b可知,第二组台站对的走时偏移在墨江5.9级地震前后存在明显的“V”型变化特征,墨江5.9级地震发生在“V”型的前端。结合表1可知,第二组台站对的走时偏移在墨江5.9级地震前约20 d(2018年8月15日)开始下降,下降过程持续了约108 d,变化量为-0.39 s,略高于通海5.0级地震。从2018年11月30日开始,走时偏移开始上升,上升过程持续了约49 d,变化量为0.38 s,从2019年1月17日之后的约98 d内存在一定幅度的下降,变化量为-0.22 s。此后该组合台站对的走时偏移恢复平稳。
对比两组合台站对的走时偏移发现,两次地震造成的震源区及周边波速的异常持续时间大概为260 d(通海地震异常持续时间略高于墨江地震),但墨江地震造成的最初的走时偏移变化量和持续时间均高于通海地震。
本文多台站对组合平均走时偏移主要采用的是震中附近地震前后存在明显异常的台站对,其他台站对因为没出现异常,且距离较远,因此未参与计算。为验证计算结果的可靠性,将震中附近的其他台站对也加入到组合平均中(通海5.0级地震附近采用TOH-YIM、YIM-JIS、TOH-MIL、YIM-MIL、MIL-JIS台站对进行组合平均(图 10a),墨江5.9级地震附近采用YUJ-SIM、JIS-SIM、YUJ-JIG、JIG-SIM台站对进行组合平均(图 10b),以获取更大范围的组合平均走时偏移。
分别对比图9a和图 10a、图9b和图 10b,发现采用更多台站对进行组合平均获得的瑞利波走时偏移时间序列的变化形态与原有的双台站对的具有较高的相似性。区别在于利用更多台站对获得的组合平均走时偏移在同一时段内变化量相对较小,究其原因可能是因为新加入的台站对走时偏移变化平稳,且离震中相对较远,在组合平均的过程中对原有存在明显异常的台站对的走时偏移变化起到了抑制作用,但未改变原有的变化形态。因此认为利用震中附近走时偏移存在明显异常的台站对获取的组合平均走时偏移结果更能体现震源区的波速变化。
图 10 通海5.0级地震附近5个台站对(a)和墨江5.9级地震附近4个台站对(b)组合平均走时偏移
Fig.10 The average travel-time shifts of the combination of 5 station-pairs near the epicenter of the Tonghai MS5.0 earthquake(a)and the combination of 4 station-pairs near the epicenter of the Mojiang MS5.9 earthquake(b)3 讨论
本文震相提取过程中主要考虑的是信噪比和数据可靠性,因此以互相关系数作为约束(互相关系数要求在0.9以上),提取了经验格林函数中直达的瑞利波的走时偏移(计算的是瑞利波波速变化)。本文测量波速变化采用的周期范围是2~10 s,瑞利波走时偏移反映的是震源区中上地壳物性介质随时间的变化特征。
研究过程中发现由于受噪声源的不均匀分布和噪声成分的不确定性等因素的影响,大部分的经验格林函数都存在左右分支不对称的现象(两个方向的信号到时相同,但振幅不同,在噪声源能量较强的一侧产生的信号振幅较大),因此在进行滑动叠加前先对经验格林函数进行了“左右叠加”,形成“叠加分量”,这在一定程度上可以消除噪声源分布不均等因素对计算结果的影响。在获得瑞利面波走时偏移后,发现大部分台站对的走时偏移都存在明显的年变趋势,为消除年变成分对走时偏移的影响,获取长趋势变化背景下的波速变化情况,采用傅立叶滑动去年周期方法对台站对的走时偏移进行了处理,研究表明该方法理论基础严密,是一种稳定、可靠的周期分析方法。
根据互相关时延计算的原理,本文所提取的是当天经验格林函数相对于参考经验格林函数的走时偏移,当走时偏移为正时,表示波速变慢,当走时偏移为负时,表示波速加快。研究发现,震源区相关台站对的瑞利波走时偏移分别在地震发生前的20余天开始大幅度的下降且一直持续到地震发生后的很长一段时间,这表明该过程中,震源区的波速在加快。陈立德和付虹(2003)提出的“震源硬化模型”指出:岩石在受力过程中在其失稳源区存在“硬化”现象,硬化过程中其介质的刚度会增加,刚度增加可能导致速度增加,从而使走时缩短。相关台站对瑞利波走时偏移的大幅下降过程可用“震源硬化模型”以解释,之后的走时偏移的“上升-下降-再上升”过程可能与震后的区域应力场调整有关。
TOH-YIM和YUJ-SIM台站对的瑞利波走时偏移分别在通海5.0级和墨江5.9级地震过程中表现出最为明显的走时异常特征,这可能与这两个台站对分别穿越了震中附近振动最剧烈、破坏比也最严重的极震区有关。
通过背景噪声互相关方法得到的地震波速度变化反映了台站对间较大范围内地壳介质状态及属性的变化(刘志坤,黄金莉,2010),这种变化的准确空间位置和物理机制目前还不太清楚。GNSS应变场的相关研究表明,通海5.0级和墨江5.9级地震前后,震中区域附近的面应变(面应变参数能直接反映区域挤压(收缩)或拉张(膨胀)强弱特性)分布存在较为明显的异常特征(杨建文等,2020b)。对于应变状态改变与波速异常特征之间的关系有待更进一步的研究。
4 结论
本文基于云南数字地震台网的宽频带连续波形资料,采用波形互相关方法提取了2017年1月31日—2019年12月1日14个台站对的直达瑞利波走时偏移来研究通海5.0级、墨江5.9级地震震源区的波速变化特征,得到以下主要结论:
(1)2次地震前后,穿过地震震中和震中附近的部分台站对的瑞利波走时偏移表现出了明显的异常,这表明两次地震都在一定程度上造成了震源区地壳介质速度的变化。
(2)通过对台站对的走时偏移时变特征进行分析发现,两次地震发生前后异常台站对的瑞利波走时偏移都表现出明显的“V”或双“V”型变化特征,且地震都发生在了第1个“V”型的前端,且短期内相关台站对走时偏移变化具有较好的同步性,但异常幅度大小和异常持续时间存在一定差异。
(3)考虑到基于单台站对测量的走时偏移可能不太稳定,所以将震中及附近的异常台站对的结果进行平均来代表震源区的波速变化,结果发现,通海5.0级和墨江5.9级地震造成的震源区波速的异常持续时间大概都为260 d(通海地震异常持续时间略高于墨江地震),但墨江地震造成的最初的走时偏移变化量和持续时间均高于通海地震。
本文研究所用连续波形资料来源于云南数字地震台网,背景噪声互相关计算程序由中国地震局地球物理研究所地球物理先导技术研究室王伟涛研究员提供,审稿专家提出了建设性修改意见,在此表示衷心感谢。
-
陈立德,付虹.2003.地震预报基础与实践[M].北京:地震出报社,186-187.
- 宫猛,郭蕾,王想,等.2017.利用背景噪声互相关方法研究唐山地区地震波速变化[J].地震,37(4):152-161.
- 蒋骏,李胜乐,张雁滨,等.2000.地震前兆信息处理与软件系统[M].北京:地震出版社,231.
- 刘志坤,黄金莉.2010.利用背景噪声互相关研究汶川地震震源区地震波速度变化[J].地球物理学报,53(4):853-863.
- 刘自凤,张天继,付虹,等.2018.2018年云南通海5.0级地震前波速比变化特征[J].地震研究,41(4):494-502.
- 彭关灵,孔德育,孙楠,等.2020.2014年景谷MS6.6和2018年墨江MS5.9地震前视应力、视体积异常特征研究[J].地震研究,43(2):355-362.
- 彭关灵,赵小艳,刘自凤,等.2018.2018年云南通海MS5.0地震前视应力时空特征[J].地震研究,41(4):487-493.
- 王光明,刘自凤,赵小艳,等.2018.2018年云南通海MS5.0地震序列重定位及发震构造讨论[J].地震研究,41(4):503-510.
- 王伟涛,王宝善,葛洪魁,等.2009.利用主动震源检测汶川地震余震引起的浅层波速变化[J].中国地震,25(3):223-233.
- 温扬茂,高松,许才军.2019.利用双台站背景噪声分析2017年墨西哥MW7.1地震震源区的地震波速变化[J].地球物理学报,62(8):3024-3033.
- 杨建文,张鹏映,茶文剑,等.2020a.2018年云南地区GNSS面应变变化及地震关系分析[J].大地测量与地球动力学,40(3):258-263.
- 杨建文,张鹏映,何应文,等.2020b.2018年通海两次5.0级地震前GNSS观测异常及震后云南地区的应变变化[J].大地测量与地球动力学,40(1):30-34.
- Brenguier F,Campillo M,Hadziioannou C,et al.2008.Postseismic relaxation along the San Andrews fault at Parkfield from continuous seismological observations[J].Science,321(5895):1478-1481.
- Liu Z K,Huang J L,He P,et al.2018.Ambient noise monitoring of seismic velocity around the Longmenshan fault zone from 10 years of continuous observation[J].J Geophys Res:Solid Earth,123:8979-8994.
- Shapiro N M,Campillo M,Stehly L,et al.2005.High resolution surface wave tomography from ambient seismic noise[J].Science,307:1615-1618.
- Stehly L,Campillo M,Shapiro N M.2006.A study of the seismic noise from its long-range correlation properties[J].J Geophys Res,111,B10306.
- Stehly L,Froment B,Campillo M,et al.2016.Monitoring seismic wave velocity changes associated with the MW7.9 Wenchuan earthquake:increasing the temporal resolution using curvelet filters[J].Geophysical Journal International,201(3):1939-1949.