實時智能地震處理系統在2013年福建仙游ML5.0地震序列中的應用研究

張燕明，張紅才，2，陳惠芳，廖詩榮

（1.福建省地震局，福州 350003；2.中國地震局廈門海洋地震研究所，福建 廈門 361000）

0 引言

隨著我國地震監測預警臺網的建設，區域地震監測能力顯著提升。以福建地區為例，目前可用于地震編目的臺站總數已超過1100 個，全省大部分區域監測震級下限已達到ML1.0 左右，隨之而來的是人工地震編目的工作量成倍增加，傳統以人工分析為主的地震事件編目產出模式已越來越難以維系。為此，應用自動化智能地震處理系統輔助于日常編目工作，將有效提升中強地震發生后地震目錄產出的完備性和時效性。

為了提高地震事件目錄的完備性，國際上很多學者也已研發了多種自動化處理算法或軟件。在臺站分布確定情況下，將區域已知地震事件波形作為模板，同連續觀測波形數據進行互相關是一種檢測微地震的有效方法，即模板匹配（或匹配濾波）技術（matching filter technique，MFT）[1]。模板匹配技術因為其對微弱信號的強大檢測能力，已被廣泛應用于慢地震識別[2]、動態觸發地震識別[3]、微地震識別建立完整地震目錄[4]及余震和前震識別[5]等地震學研究中。為了克服模板匹配濾波計算量巨大的不足，Yoon 等[6]提出了指紋相似性搜索（Fingerprint and Similarity Threshold，FAST）算法。該算法根據事件波形的不同特征生成地震指紋，進行局部敏感哈希搜索，將相似波形分類到相同的哈希表中，進而實現對地震的檢測。近年來，隨著機器學習與大數據挖掘技術的快速發展，多種基于深度學習的地震震相自動拾取算法也相繼提 出，如 GPD（Generalized Seismic Phase Detection）[7]、PhaseNet[8]、基于CNN 的地震波形自動分類與識別[9]，EQTransformer[10]、USTC -picker[11]等，這些算法也極大地提升了震相拾取的能力。在地震目錄自動產出流程化方面，Zhang等[12]提出了一種“端到端”式地震目錄自動檢測流程LOC-Flow，實現了從原始記錄波形的輸入到地震目錄產出的完整處理鏈條。與之類似，Zhu 等[13]提出了一種基于云計算的可擴展深度學習地震監測系統QuakeFlow，該系統中集成了數據降噪、震相拾取、震相關聯及定位等多個基于機器學習的算法模塊，實現了地震目錄的自動產出。廖詩榮等[14]研發完成了一套實時智能地震處理系統（Realtime Intelligent Seismic Processor，RISP），并逐步實現了日常業務化運行。該系統結合我國臺網實際，整合了PhaseNet 和EQTransformer 兩種AI 震相拾取算法，發展了基于組觸發[15]和等時差八叉樹搜索[16]的震相關聯與地震定位算法，實現地震震級的準實時量算，并在2021 年云南漾濞MS6.4 地震[14]、2022 年青海門源MS6.9 地震[17]、2022 年四川馬爾康MS6.0 地震[18]的處理中均實時產出高質量的自動地震序列目錄。

為全面分析RISP 系統對仙游地震序列的處理能力，我們采用RISP離線處理模塊對2013年9月4日福建仙游ML5.0 主震前后5 個月的連續波形記錄進行了處理，并與人工編目結果進行對比，分析RISP 系統在定位精度、震相拾取精度、震級量取精度等方面的表現。并結合RISP 系統漏檢測、多檢測事件及處理結果中與人工地震定位、量取震級偏差較大的事件進行深入分析。

1 數據和方法

本文收集處理了福建臺網2013 年8 月1 日至2013 年12 月31 日共5 個月的連續波形數據，臺站總數為113 個（圖1）。仙游地震序列發生于金鐘水庫及周邊較小區域內（25.58°～25.70°N，118.66°～118.83°E），震中區臺站分布條件較好，主震震中最大孔隙角41.2°，次大孔隙角66.8°，最近臺震中距18 km，次近臺震中距32 km。在此時間段內，福建臺網人工產出可多臺定位的仙游地震序列目錄共745條，其中ML5.0地震1次、ML4.0～4.9地震3 次、ML3.0～3.9 地震9 次、ML2.0～2.9 地震23 次、ML1.0～1.9 地震129 次、ML＜1.0 地 震571 次。ML＜1.0 的微震占比達76.6%，這些事件的震級接近福建臺網的監測震級下限，信噪比普遍較低，大多數地震記錄臺站低于5 個，清晰震相數少于5 個，絕大部分事件不會在JOPENS 系統中生成自動觸發事件，因此大都通過人工瀏覽連續波形將這些微小震逐一檢出并進行分析。此外，仙游地震序列中還存在一定數量的重疊事件（約占18.4%），這些事件即使人工識別也難度較大，人工編目產出結果的精確度也不高。此外，在主震事件發生前后24 h 內共發生111 次地震，編目人員須在規定時間內產出較為完整的快報目錄，工作量陡增，人工目錄極易發生遺漏地震的情況。

圖1 臺站分布圖Fig.1 Distribution map of seismic stations

本文采用RISP 系統的離線工作模式對5 個月的連續波形數據進行處理，涉及的三個數據處理模塊分別為：①AI 震相拾取模塊，分別利用PhaseNet 和EQTransformer 兩種深度神經網絡進行震相到時實時檢測；②震相關聯和地震定位模塊，采用基于組觸發和等時差八叉樹搜索相結合的方法進行震相關聯，再利用NLLoc定位程序[14]進行地震定位；③震級自動量算模塊，按照我國現行的震級國家標準（GB17740-2017）的規定，在仿真DD-1 位移記錄上自動量取S 波列的最大振幅，并計算震級。

本文設置RISP 系統事件觸發震相數閾值為5，即關聯成功的P 與S 震相個數之和達到5 個時則產出一個地震事件。人工目錄與自動目錄匹配條件為：若自動地震目錄中某一事件與人工目錄中的事件發震時刻偏差小于3 s 且震中位置偏差小于15 km 則定義二者為匹配事件對；若某一事件與多個事件匹配，則根據二者發震時刻選取偏差最小結果為匹配事件對。以人工目錄為基準，對于某一事件，若自動目錄中沒有事件與之匹配，則認為其為漏檢測事件；反之，以自動目錄為基準，對于某一事件，如果人工目錄中沒有事件與之相匹配，則認為其為多檢測事件。對于多檢測事件，本文通過人機交互軟件接口寫入MSDP 人機交互地震分析軟件[19]，并進行人工校核檢查其是否為誤檢測事件。

2 處理結果

應用RISP 系統對5 個月的連續波形進行離線處理，共產出615 條仙游序列地震目錄（以下簡稱自動目錄），而同期福建臺網人工編目仙游序列地震目錄（以下簡稱人工目錄）745 條。圖2 為福建仙游地震序列人工與自動編目震源分布圖，自動目錄與人工目錄震中分布基本一致，自動目錄震源深度集中分布區間為7～15 km，而人工目錄的事件深度大多集中于5～10 km。

圖2 仙游地震序列人工與自動編目震源分布圖Fig.2 Source location distribution map of manual catalog and automatic catalog of the Xianyou earthquake sequence

圖3為自動目錄與人工目錄的震級—時間分布圖及地震累積數量變化圖，由圖3（a）可見，在仙游ML5.0 主震發生前，庫區地震活動性持續增強，期間發生的最大地震為8 月23 日05 時02 分ML4.5地震。在主震發生當天，人工目錄與自動目錄均產出了大量地震事件，之后隨時間推移數量逐漸減少。主震發生后55 天，2013 年10 月30 日01 時50分發生ML4.5強余震，該事件為仙游序列震級最大余震。圖3（b）為人工目錄與自動目錄的地震累積數量變化圖，如圖所示，仙游ML5.0 主震發生前，人工目錄與自動目錄一致性較好，而主震發生后，人工編目人員針對該地區的地震分析變得更為細致，因此人工目錄中事件數量略多于自動目錄，多出的人工目錄主要為主震發生前后一天時間內所產出的大量ML＜1.0地震，如圖4所示，這些微小地震中有較大比例事件（共251 個，約占ML＜1.0 的地震總數的44%）清晰震相數不足5 個，波形信噪比較低，自動編目系統對于此類事件的處理能力不足。

圖3 仙游地震序列自動目錄與人工目錄的震級—時間分布圖及地震累積數量變化圖Fig.3 M-T map distribution map and earthquake cumulative number map of automatic catalog and manual catalog of Xianyou earthquake sequence

圖4 人工檢測出的ML＜1.0地震事件波形記錄Fig.4 Waveforms of earthquakes with ML＜1.0 which are manually detected

圖5為仙游地震序列人工目錄與自動目錄不同震級段地震數量對比?？梢?，在0.7≤ML≤1.7 范圍內，自動目錄的事件數量要明顯多于人工目錄事件數量；對于ML＜0.7 的地震，人工目錄事件數量則多于自動目錄事件數量；自動目錄漏檢測事件的平均震級為ML0.3，多檢測事件的平均震級為ML0.7。經人工逐一核實，RISP 系統多檢測事件均包含地震信號，無誤觸發事件，全部為屬于仙游序列的天然地震，均為人工漏編報事件。

圖5 福建仙游ML5.0 地震序列人工與自動目錄不同震級段地震數量對比Fig.5 Comparison of the number of earthquakes with different magnitudes in manual catalogue and automatic catalogue of the Xianyou ML5.0 earthquake sequence in Fujian

3 定量分析

為全面分析RISP 系統對仙游地震序列的處理能力，本文對匹配事件的精準率進行了詳細分析，還對系統漏檢測、多檢測事件及處理結果中與人工地震定位、量取震級偏差較大的事件進行深入分析。

3.1 匹配事件精準率分析

自動目錄與人工目錄匹配成功事件462 個，其中ML2.0 以上地震事件匹配率為100%，ML1.0～1.9地震事件匹配率為94.57%，ML＜1.0 地震事件匹配率為53.4%。圖6 分別為自動目錄與人工目錄匹配事件的發震時刻，震源位置，震源深度和震級偏差的統計圖，其中發震時刻偏差不超過1 s 的地震有455 個，占比99.13%；震源位置偏差小于5 km 的地震有453 個，占比98.69%；震源深度偏差在5 km 內的地震有420 個，占比91.5%；震級偏差不超過0.5的地震有411個，占比89.54%。

圖6 地震參數偏差統計圖Fig.6 Deviation statistics of earthquake parameters of matching events between manual catalog and automatic matched catalog

通過對匹配成功的462 個事件的分析可見（圖6），RISP 系統產出事件的發震時刻與震中位置偏差均在合理范圍內。震源深度的偏差較大，震源深度偏差在5～10 km 范圍內的事件共39 個，無深度偏差大于10 km 的事件。造成深度偏差的原因為仙游地震序列中有較大比例事件清晰震相數不足5個，這些事件無法提供可靠的震源深度，因此人工編目大多采用人工設定的固定深度，如5 km、10 km；而自動目錄的事件震源深度分布在0～20 km之間，集中分布區間為7～15 km。已有研究顯示，仙游地震序列的震源深度主要分布于7～17 km[20]，排除因拾取震相數較少無法有效約束震源深度的部分事件外，整體而言，自動目錄震源深度分布較人工目錄更為合理。

從震級偏差統計圖（圖6d）可以看出，自動目錄震級比人工目錄震級偏大的地震比例較高，其主要原因為：主震發生后，為盡可能在短時間內產出較為完備的余震目錄，對于可多臺定位但震相不清晰且ML＜1.0 的事件，人工分析時只量算最近臺的單臺震級，而RISP 系統則會自動量算所有參與定位臺站，包括一些較遠臺站的單臺震級。根據蔡杏輝等[21]針對福建臺站單臺震級偏差的研究，震中距小于50 km 的臺站，單臺震級普遍偏小，而震中距大于100 km 的臺站，單臺震級會偏大。如果人工僅采用震中距小于50 km 的單臺震級來計算事件震級，會造成ML＜1.0匹配目錄震級偏差較大。

ML≥1.0 人工目錄與自動目錄匹配事件的震級偏差基本呈正態分布（圖7），震級偏差超過0.5 的事件有1 個，為8 月3 日03 時00 分01 秒ML1.0 級地震，如圖8 所示，人工目錄在量算這個地震事件時所使用的清晰臺站數少于自動目錄，RISP 系統除了使用與人工目錄相同的臺站外，還量算了其它幾個較遠臺的單臺震級，最遠臺站震中距約80 km，因此本文認為自動目錄產出的事件震級更為合理。

圖7 人工目錄ML≥1.0事件的震級偏差統計圖Fig.7 Magnitude deviation statistics of matching events with ML≥1.0 between manual catalog and automatic catalog

圖8 震級偏差大于0.5地震事件波形圖Fig.8 Waveforms of earthquakes with magnitude deviation larger than 0.5

圖9 為人工目錄與自動目錄匹配事件的Pg 震相與Sg 震相到時偏差，自動目錄中共5531 個Pg 震相和6057 個Sg 震相與人工目錄相匹配，匹配率分別為78.3%和65.9%。統計結果呈正態分布，且峰值均為0.0s，Pg 震相到時誤差在0.1s 和0.5s 以內占比分別為78.92%和94.18%；Sg 震相到時誤差在0.1 s和0.5以內占比分別為73.02%和92.12%。

圖9 Pg震相（a）與Sg震相（b）到時偏差Fig.9 The arrival time deviation of Pg phase（a）and Sg phase（b）of manual catalog and automatic catalog of the aftershocks sequences

3.2 漏檢測事件分析

RISP 系統漏檢測事件共282 個，均為ML＜2.0地震事件，其中1.0≤ML＜2.0事件7個，占比為2.5%；ML＜1.0事件269個，占比為94.7%。對于ML＜1.0事件，人工目錄所用臺站數較少，有些臺站波形信噪比較低，震相不清晰，導致RISP 系統難以識別，從而無法滿足事件關聯所需最少震相數為5個的條件。本文研究認為，對于此類清晰震相數較少的事件，可以考慮采用FAST 等針對微小震的事件檢測算法來提高RISP對此類事件的處理能力。

自動目錄漏檢測ML≥1.0事件有7個，原因均為RISP 系統在處理重疊事件或密集事件時出現錯誤。仙游地震序列中存在一定比例的重疊事件（約占18.4%），RISP 系統在處理重疊事件時，可能會出現震相到時拾取偏差增大，或者震相類型識別錯誤的情況，導致定位結果偏差較大，無法與人工目錄匹配成功，以12 月30 日8 時13 分ML1.3 地震（圖10（a））為例，就是系統誤將前一個地震的Sg震相識別為后一個地震的Pg 震相，導致該事件無法與人工目錄匹配。對于較大地震發生后的密集地震事件，RISP系統往往會漏分析后續的事件，以8月3 日5 時24 分ML1.4 地震（圖10（b））為例，在該事件發生前50 s 另一個ML2.8 地震發生，而該事件初至波形被湮沒于前一個地震的尾波中，人工目錄產出時也只分析了較近的3 個臺站，使用5 個震相進行地震定位，清晰震相僅為3 個，導致RISP系統震相關聯失敗。

圖10 漏檢測地震事件波形圖Fig.10 Waveforms of earthquakes which are undetected by RISP system

3.3 多檢測事件分析

相較于人工目錄，RISP 系統多檢測事件162個，本文通過人機交互方式對多檢測事件逐一進行分析，確認162個多檢測事件均為人工漏分析的仙游地震事件。多檢測事件的震級主要分布于ML0.7～1.7之間（圖5），其中多檢測事件的最小震級為ML0.2，最大震級為ML2.2。多檢測事件中，震級大于ML1.0的事件有43個，全部為仙游序列地震事件，觸發臺站數均大于5個且震相清晰，詳見表1。人工漏分析的最大地震事件為8月19日17時36分49 秒ML2.2 地震，該事件前29 s 發生了ML3.8 地震，致使后續事件震相信噪比降低，人工拾取難度較大（圖11a）。通常情況下，密集余震序列往往伴隨主震在較短時間內發生，由于人工編目產出的時效性要求，現有工作模式下人工分析會優先處理JOPENS 編目管理中已自動觸發的事件，或者人工從連續波形中檢出的較大的地震事件來產出快報目錄，可能會出現一定數量的漏分析事件，如圖11（b）為3 個連續的RISP 系統多檢測事件，人工優先分析了其后6 min 的ML2.1 地震事件，未能及時返回撿拾這3個事件，造成漏分析。

圖11 多檢測地震事件波形圖Fig.11 Waveforms of earthquakes undetected by manual catalog

除此之外，還有一些漏分析事件則是編目人員在日常瀏覽波形記錄時未檢出的事件，這些事件的震級甚至超過ML1.0且多臺震相清晰（圖11c）。

4 結論

本文以福建仙游地震序列為研究對象，通過RISP 系統離線處理功能，處理了2013 年9 月4 日ML5.0 主震前后5 個月的連續波形數據，并通過將自動處理結果與人工編目結果進行深入對比，全面評估了RISP系統對該地震序列的自動處理能力。

RISP系統共產出615個地震，與人工編目匹配事件462 個，對于ML≥1.0 的地震，匹配率達到96.4%。系統漏檢測事件282 個，其中ML＞1.0 的地震有7個，原因均為系統在處理重疊事件時出現震相類型識別錯誤以及震相到時拾取偏差較大，從而導致定位結果出現偏差，無法與人工目錄匹配成功。系統多檢測事件162個，全部為仙游序列地震事件，其中ML＞1.0 的地震有43 個。匹配事件地震參數統計結果表明，發震時刻偏差不超過1 s 占比99.13%；震中位置偏差小于5 km 占比98.69%；震源深度偏差5 km內占比91.5%；震級偏差不超過0.5 級占比89.54%。本文研究結果表明，利用RISP系統可以快速產出仙游地區ML≥1.0 地震序列目錄，地震目錄完備性高，地震參數精度與人工處理結果相當，可應用于大震應急、震后趨勢判定等工作，但系統對于重疊事件的處理能力仍待改進，建議自動編目系統能夠盡快與人工協同工作，互相查漏補缺，則可明顯提升地震目錄的完整性。

致謝：福建省地震局提供連續波形數據與人工編目處理結果數據，廣東省地震局蔣策博士提供部分數據統計與繪圖程序，審稿專家給出寶貴的修改意見，在此一并感謝。