网络爬虫就是通过编写程序模拟浏览器上网,按要求在网上抓取数据的程序(于学斗,柏晓钰,2022),其优势在于可以按照设定的规则自动获取互联网上的信息。爬虫技术作为高效准确获取数据的重要方式之一,目前已被应用于多个领域(余豪士,匡芳君,2018; 邓世广等,2019; 孙握瑜,2022)。

利用Python爬虫技术获取数据通常涉及以下几个步骤:发送请求、获取响应内容、解析内容和保存数据。发送请求是指通过超文本传输协议向目标网站发送请求,包含了网页统一资源定位符、标头以及要向服务器提交的数据; 获取响应内容是指在目标网站的服务器收到请求后做出相应的处理,然后将处理结果返回给请求者的过程; 解析内容是指在获得服务器返回的内容后,根据返回的数据格式和目标,选择相应的技术方法进行处理,并将其转换为所需内容和格式的过程; 保存数据是指根据后续分析和使用数据的需求,将解析的数据保存为相应格式的过程。本文使用Python爬虫技术主要用于获取地震目录以及震源机制解数据。

图1 全球7级大震趋势研判系统框架设计
Fig.1 Framework of the post-earthquake trend decision system for Global M 7 earthquakes

下载地震目录有2种常用方式:一是在网站首页直接进行查询,但是首页显示的地震个数有一定限制,因此无法确保获取的地震与本地地震目录的衔接性; 二是在历史查询界面进行查询,但是该界面地震更新稍有延迟,无法第一时间获取最新地震信息。如果要在地震目录更新阶段既保证地震目录的完整性,又保证本次地震能被及时获取,则必须将7级以上地震目录更新分为两步:

第一步是获取本地目录中最后一次地震至今的所有地震。将第一步规整为一个自定义函数get_webinfo(cata_info,page),该函数涉及2个传入参数cata_info和page,其中cata_info包含了地震目录下载的起始时间和结束时间、起始震级和结束震级等信息; page则为搜索结果的页码,通过循环页码可以获取所有地震,由此可以保证地震目录的完整性。该函数具体如下:

def get_webinfo(cata_info,page):

url='http://www.ceic.ac.cn/ajax/search?page=%s&&start=%s&&end=%s&&jingdu1=&&jing du2=&&weidu1=&&weidu2=&&height1=&&height2=&&zhenji1=%s&&zhenji2=%s'%(str(page),cata_info[“starttime”],cata_info[“endtime”],cata_info[“minmag”],cata_info[“maxmag”])

headers={'User-Agent':'Mozilla/5.0(Windows NT 10.0; Win64; x64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/108.0.0.0 Safari/537.36 Edg/108.0.1462.54'}

response=get(url,headers=headers)

encoding=detect(response.content)['encoding']

html=response.content.decode(encoding)

if response.status_code==200:

html=html[1:-1]

html=loads(html)

return html

第二步为从CENC网站首页直接获取最新地震信息, 采用如下代码:

url='http://news.ceic.ac.cn/index.html'

web_data=get(url,verify=False)

web_data.encoding=web_data.apparent_encoding

web_data=web_data.text

soup=BeautifulSoup(web_data,'html.parser')

利用Python爬虫技术获取震源机制解的方式与地震目录的爬取方式类似。以从USGS网站爬取震源机制解为例,由于不同机构对同一地震的测定结果存在差异,因此在下载震源机制解时需要先进行地震匹配,确定是同一地震后再进行震源机制解的爬取。以2023年全球7级以上地震为例(表1),由于USGS一般采用M_W或者M_b震级标度,而CENC一般采用M_S震级标度,因此,在利用Python爬虫技术对地震进行匹配的过程中,未采用震级对地震进行匹配。

中国地震局“十五”重大工程项目——“中国数字地震观测网络”验收完成后,从2009年开始实现了国家地震台网和区域地震台网的统一编目,产出统一的中国地震台网地震目录。本文对2010—2023年CENC测定的236次7级以上地震进行统计,发现CENC与USGS对同一地震测定的发震时间和发震地点存在一定的测量误差(图2)。从图2可以看出,发震时间测量误差均在10 s以内,而发震地点测量误差主要在0.5°以内,仅有1次地震的发震地点测量误差超过1°。此时还存在一个问题,若某一大地震后20 s内再次发生7级以上余震,则根据上述规则匹配后会出现匹配结果混乱的情况。因此,对1900—2023年7级以上地震的时间差和空间进行统计,发现实际地震目录中并未记录到上述情况,表明该现象在实际情况中极少出现。因此,本系统在匹配地震的过程中暂且采用“时间差小于10 s且定位误差小于2°即可确定为同一地震”的规则。

表1 不同机构测定2023年全球7级以上地震震级对比
Tab.1 The magnitude of M≥7 earthquakes around the globe in 2023 from CENC and USGS

确定地震匹配规则以后,首先利用Python爬虫技术获取USGS测定的半年内所有6.5级以上地震,然后与CENC测定的相应地震进行匹配,匹配成功后保存本次地震信息在USGS上的专属ID,生成震源机制解下载的url,利用如下代码即可获取相应地震的震源机制解数据:

url='https://earthquake.usgs.gov/earthquakes/feed/v1.0/detail/'+earthquake_id+'.geojson'

msg=get(url)

aim_evt=loads(msg.text)

moment_tensor=aim_evt[“properties”][“products”][“moment-tensor”][0][“properties”]

图2 CENC与USGS测定地震发震时间差(a)与发震地点定位误差(b)统计
Fig.2 The statistical analysis of the original-time differences(a)and the location differences(b) of the earthquakes between CENC and USGS

关于地震所在的构造区域的绘制可分为2部分:第一部分是通过绘制震中附近地区4.5级以上地震及其震源深度的方式来展示区域大致构造信息; 第二部分主要通过USGS给出的震中位置绘制区域构造图件。第一部分对绘制区域做了固定,默认以主震为中心,经度尺度为30°,纬度尺度为20°,灵活度较差,不能随着构造特征调整绘图窗口,因此实际绘制过程中采用第二部分绘图方式进行补充。

2010—2015年,多位研究人员通过绘制全球5级以上地震的分布及部分区域的深度剖面,结合板块构造及地壳形变信息,将全球地震分布划分为17个区域,见表2。表中每个区域内涉及2个及以上板块,历史地震的分布与第一部分小区域4.5级地震的绘图方式类似,通过增加震源深度信息来展现板块运动信息。该图件还包含了板块运动的速率及方向,对于了解发震构造有更直观的帮助。与第一部分相比,第二部分内容给出了板块运动速率和方向等信息,但是图件空间范围过大,对震中附近地区历史地震的震源深度信息展示不够清楚,因此,本系统保留这2种展示方式。

表2 全球5级以上地震主要分区及其包含的主要板块
Tab.2 M≥5.0 earthquake zonations around the globe and their main plates

震中附近地区历史地震统计是震后趋势研判意见需要重点添加的信息之一。全球7级大震趋势研判系统会统计震中附近地区300 km范围内的7级以上历史地震,包含发震时间、经纬度、震源深度、震级、地名等信息。然后根据上述信息给出与当前地震的空间距离和时间最近的地震,并标注统计范围内震级最大的地震。实际情况中可能会出现某些地震震中周围300 km范围内无历史地震或记录到的历史地震较少的情况,此时系统会自动扩大统计范围至500 km,若500 km范围内仍然没有历史地震记录,则会返回“震中附近无历史地震记录”的提示。

在对全球不同区域与中国大陆7级以上地震的统计关系研究中发现,二者具有一定的统计对应关系,其原因可能是同一构造区或某一小范围内的大震可能受到相同构造的影响,其破裂方向、地震波传播方向大致沿着某些构造方向较强,而在其他方向较弱,导致全球不同区域的7级以上地震对中国大陆7级以上地震的影响不同(李献智,张国民,1992)。位于断层滑动前方的区域,由于受到断层破裂滑动的挤压和推动,更容易使该区域的潜在破裂趋于失稳发震,进而使该区域的地震触发作用更明显(解朝娣等,2009)。

因此,全球7级以上大震的震后应急工作中最重要的就是计算震中附近区域7级以上历史地震与中国大陆7级以上地震在统计学上的对应关系。在震中附近地区历史地震统计的基础上,挑选出每次地震后1年内中国大陆发生的7级以上地震,并分别计算对应率和R值。其中对应率为对应地震的异常数与异常总数之比,异常总数即为震中附近历史地震数。R值为有震报准率和预报时间占有率之差,其反映的是预报方法或指标与地震的相关程度,作为评价预测效能的工具,已得到广泛的认可(马宏生等,2004; 屠泓为等,2007)。

利用PyGMT(Wessel et al,2019)完成全球7级以上地震分布、震源机制解、震中所在区域的历史地震分布、对应地震分布以及对应率和R值等图件的绘制以后,通过Python自带的库函数Python-pptx将生成内容整合到PPT文档中。Python-pptx是一个可以创建和编辑PPT文档的模块,该模块可以自动生成演示文稿、幻灯片以及幻灯片中需要添加的内容,如文本、图片、表格等。

利用该模块创建PPT文档有以下几步:

(1)创建演示文稿

从Python-pptx模块中导入Presentation实现PPT文档的创建,并设定幻灯片大小为16:9的宽屏模式,具体语句如下:

ppt=Presentation(pptx=path.join(getcwd(),'data/default.pptx'))//获取PPT文档

ppt.slide_width=Cm(33.862)//设置幻灯片长度

ppt.slide_height=Cm(19.05)//设置幻灯片宽度

(2)选择幻灯片布局

创建PPT文档以后需要创建每一页幻灯片,此处选择PPT文档的第7种幻灯片模版,该模版仅添加一页空幻灯片,无标题框和文本框等内容,便于调整图片位置和文本位置,具体语句如下:

blank_slide=ppt.slide_layouts[6]//设置幻灯片模版

slide_1=ppt.slides.add_slide(blank_slide)//添加幻灯片

(3)幻灯片内容添加

完成幻灯片创建以后,按照固定格式将已经产出的图片与表格等内容放置在幻灯片的固定位置,完成PPT文档内容的添加。以PPT文档首页放置全球7级以上地震分布图为例,其代码如下:

slide_1.shapes.add_picture(image_file='world7.png',

left=Cm(1.4),

top=Cm(3.68),

width=Cm(22.8),

height=Cm(11.4)

)

代码中设置了导入图片的名称、图片的宽度与高度以及在幻灯片的位置等参数。