地震学报  2011, Vol. 33 Issue (6): 723-734
云南地区的背景弹性波场分析
赵琳1, 安美建1 , 沈旭章2, 代光辉3, 田建雄1    
1. 中国地质科学院地质力学研究所, 100081;
2. 甘肃省地震局, 兰州, 730000;
3. 中国地震台网中心, 100045
摘要:利用云南省地震台网44个台站记录的2008年1-9月连续波形数据进行互相关计算,得到了台站间的格林函数,并获取对应的频散曲线,据此分析了该地区的区域背景弹性波场的来源及分布.研究发现,该地区的区域背景弹性波场有着明显的方向性,15s信号的总体传播方向是从东南向西北,也就是说主要来自云南省的东南方向,据此推测区域背景弹性波场可能与中国南海或者南太平洋的海洋活动有关.另外该地区的区域背景弹性波场有着明显的季节性变化,其中6-9月份的能量较强.对比中国大陆风力分布发现,该信号与区域台站附近及台站间的风力没有明显关系。
关键词环境噪声     环境噪声     环境噪声     环境噪声    
Analysis on background weak seismic signals in Yunnan, China
Zhao Lin1, An Meijian1 , Shen Xuzhang2, Dai Guanghui3, Tian Jianxiong1    
1. Institute of Geomechanics, Chinese Academy of Geological Sciences, 100081;
2. Earthquake Administration of Gansu Province, Lanzhou, 730000;
3. China Earthquake Networks Center, 100045
Abstract: Using 9months waveform data recorded at 44seismic stations of Yunnan seismic network during 2008, we obtained Green's functions between the stations with cross-correlation analysis, and then retrieved wave dispersion curves from the Green's functions.Using the Green's functions and dispersion curves, we analyzed the sources of the regional background weak signals.The Green's functions show that the background weak signals in a period of 15s propagated from southeast to northwest in the Yunnan province.The azimuthal variation of the signals implies that they may be related to the effect of oceanic waves in South China Sea or southern Pacific ocean.The background signals show a seasonal variation, with the strongest signals appeared between June and September in a year.Comparing the signals with wind data, we could not find any relation between them.
Key words: ambient noise     ambient noise     ambient noise     ambient noise    
引言

对天然地震和人工地震信号进行研究是地震学的主要研究内容. 在这些研究中,地震信号之外的信号被当作无用的环境噪声而需要被剔除. 但近年来,地震学家除了对天然地震和人工地震信号进行研究外,还试图通过对地震信号之外的曾经被称为环境噪声的信号进行分析,并从中提取出对认识自然现象或地球结构有价值的信号(Moschetti et al,2007; Vassallo et al,2008; 房立华等,2009; 刘志坤,黄金莉,2010). 比如,通过对两个台站记录的长时序连续波形进行互相关,可以得到台站对之间的格林函数(Snieder,2004; Wapenaar,2004; Shapiro,Campillo,2004),利用该格林函数,可以提取出面波的频散曲线,再利用传统面波层析成像方法就可以反演区域的波速结构; 另外,也可以通过分析格林函数来了解有关信号的来源(Stehly et al,2006). 显然,这些从环境噪声中提取出的微弱的弹性波信号代表了区域背景弹性波场. 这个信号虽然很微弱,但是长期存在的; 而且是有方向的,并非杂乱无章的. 虽然多数文献仍称之为环境噪声,但为了不给人造成误解,本文称这些信号为背景弹性波场. 由于背景弹性波场包含了海浪、 风等自然现象所产生的信号以及人类活动所产生的信号,对区域背景弹性波场进行分析可以提取出各种信号的特征和来源,这也是利用固体地球物理方法了解地球自然现象的一种途径.

云南地区地处青藏高原东南缘,是印度板块与欧亚板块碰撞所导致的强烈变形地带. 这里地质构造特殊且复杂,活动断裂非常发育,是我国西部主要的地震多发区之一. 这里不但经常发生中强地震(如1988年11月分别在澜沧和耿马发生的MS7.6和MS7.2大地震),而且具有火山、 温泉、 活动断裂等典型现今构造活动特征(白志明,王椿镛,2003). 这里一直是固体地球科学研究的重点(王义昭等,1988; 汪一鹏等,2003; 郑庆鳌等,2006; 李玉江等,2009). 因此,本文选择了云南地区进行研究. 我们利用云南地震台网台站记录的连续波形数据进行互相关计算,通过计算得到的互相关结果分析该地区的区域背景弹性波场,试图分析其来源、 方位分布以及随季节的变化特征.

1 数据和方法 1.1 数据及处理方法

本研究所用数据是由云南地震台网44个宽频地震台站记录的2008年1—9月份的连续记录波形数据. 地震台站分布如图 1a所示.

图 1 云南省地震台站位置分布(a)和ENH、 KMI台位置(b) 黄色三角表示地震台站位置 Fig. 1 Geographical position of Yunnan provincial stations(a) and ENH and KMI seismic stations(b). Yellow triangles denote seismic stations

提取背景弹性波场信号,首先需要去除地震信号及设备响应. 在数据处理中我们将波形数据切成以1小时为单位长度,然后对所有数据进行去仪器响应、 去均值、 去倾斜分量、 重采样(5 点/秒)以及带通滤波,接着进行了时域归一化和频域归一化处理.

对波形数据进行时域归一化处理就是去除原始波形数据中的地震事件. 常用的归一化 方法包括滑动绝对值平均归一化、 one-bit归一化、 迭代水准面归一化、 削波(Bensen et al, 2007). 滑动绝对值平均归一化虽然是一种古老的数据处理方法,但是因为其计算量较小, 快速且便于处理非平稳数据等优点,所以在实际数据处理中经常用到(裴益轩,郭民,2001). 在滑动绝对值平均归一化计算过程中,根据环境噪声信号和地震信号频率不同的特性,利用地震信号平均周期确定一个时间窗口,在这个归一化的时间窗口计算波形绝对值的滑动平均值,并在窗口中心通过该平均值的倒数计算波形权重. 根据滑动绝对值平均归一化的原理,时间窗口的选取将直接影响对数据的平滑效果. 如果取值偏大,尽管平滑作用较大,但是也可能将高频变化的信号数据一起被平均削弱,且会使端部数据缺失. 也就是说,归一化窗口的宽度决定了所能保留振幅信息的数量. Bensen等(2007)发现大约在最大时间周期的一半时滤波效果最好.

我们也对滑动绝对值平均归一化和其它常用归一化方法进行了实验对比,发现滑动绝对值平均归一化与one-bit归一化一样可以很好地去除地震信号,而且滑动绝对值平均归一化比one-bit方法更优一些,其具有更好的灵敏性及数据适应性,但是缺点在于不能消除狭窄的突变数据. 而迭代水准面和削波归一化方法相对前两种方法效果稍差. 这些实验结果与Bensen等(2007)所得到的结果是一致的. 基于滑动绝对值平均归一化的优越性,本次研究中使用的方法是滑动绝对值取平均.

时域归一化处理之后,进行频谱归一化处理. 频谱归一化可以在频率域压制某些较强的信号,能够使不同频率信号的振幅是近似的,这样可以获得更加连续的频散曲线.

互相关(有时也称为“互协方差”)是用来表示两个信号之间相似性的一个度量,通常通过与已知信号比较用于寻找未知信号中的特性. 我们首先对一小时的数据进行互相关计算,然后叠加至整个时间段.

为了验证本次研究中9个月的互相关计算是否可以得到很稳定的结果,我们利用KMI(昆明)与ENH(恩施)台之间不同时序的互相关计算结果来进行分析. 图 1b为ENH和KMI台站位置分布图,图 2为KMI和ENH台之间经过0.8—40 s的带通滤波之后分别进行时序为1,2,3,6,9个月和1年的互相关计算得到的结果. 可以看出,随着时序的增加,面波格林函数越来越清楚; 9个月与1年数据所得结果的信噪比非常接近,表明9个月的格林函数已经较为稳定.

图 2 ENH和KMI台互相关计算得到的格林函数 图中波形是利用时长分别为1,2,3,6,9个月和1年数据互相关计算的结果 Fig. 2 Green’s functions between the stations ENH and KMI Each subfigure shows Green’s function deduced from observations in different time-series

经过互相关计算之后,得到的波形是个估算的格林函数. 通过这个函数,利用传统的时频分析(Dziewonski et al,1969; Levshin et al,1972)就可以获得面波的频散. 时频分析方法提供了时间域与频率域的联合分布信息,清楚地描述了信号在不同时间和频率的能量密度或强度. 利用它来分析信号,能给出各个时刻的瞬时频率及其幅值. 频散曲线指的是波速(注: 由于距离是已知的,因此也可以说是信号的传播时间)与频率间的关系曲线.

图 3为KMI和ENH台站进行时序为1年的互相关计算得到的频散曲线. 可以看出其有着很好的频散特性.

图 3 格林函数时频分析实例. 右图为时频分析用的波形 Fig. 3 Example of dispersion measurement. Right side is the waveform used in dispersion analysis

图 4为KMI与ENH台站之间进行时序为3个月、 9个月、 1年、 2年、 3年、 4年的互相关计算得到的频散曲线. 可以看出,时序为9个月的互相关计算得到的频散曲线(红色)相比3个月的频散曲线(浅蓝色)平滑,且处于浅蓝色线的中间位置. 在周期10—25 s与1年及更长时序的频散曲线差别很小. 由于面波频散本身只与深部结构有关,那么可以说9个月时长数据互相关计算得到的在10—25 s之间的频散曲线能够可靠地代表传播路径的深部结构. 由于互相关波形不但与深部结构有关,还与信号本身有一定关系,那么沿同样路径(即同样的深部结构)相反方向传播的波的差别则应该只与信号源有关,即与区域背景波场有关. 前面显示的9个月与1年数据所得格林函数信噪比非常接近也说明了这一点. 故此本文不讨论周期在10—25 s之外的信号特征.

图 4 不同时序长度得到的格林函数的频散曲线比较图 Fig. 4 Dispersions measured using observations in different time-series
1.2 背景弹性波场的方向性

对任意两个台站数据之间进行互相关计算会得到正负两个分支,正的分支称为因果信号,负的分支称为非因果信号. 具体地讲,如果对台站A到台站B进行互相关计算,得到的格林函数的正分支部分反映的是从台站A到B的信号特征,负分支部分则反映的是从台站B到台站A之间的信号特征. 如果信号源在空间上分布是均匀的话,这两个分支应该是对称的. 但信号源的空间分布往往是不均匀的,因此实际得到的正负两个分支往往是不对称的,那么从这两个分支的差别就可以分析向两个相反方向传播的波的信号源信息. 对于台站A和B来说,如果从AB的区域背景弹性波场强度大,则说明了台站A方向存在一个明显的信号源.

图 5为台站KMI和ENH所记录数据进行不同时序的互相关计算结果的频散曲线示意图. 可以看出,从台站KMI到ENH与从台站ENH到KMI的互相关计算结果的频谱特征有着明显差别.相比之下,从台站ENH到KMI相对从台站KMI到ENH的频散特性较明显,且对于同样周期的信号其振幅较强. 这不但说明了台站之间正向与反向互相关计算结果是明显不对称的,也说明了背景弹性波场信号是从台站ENH传向台站KMI的.

图 5 KMI和ENH台12个月数据互相关格林函数时频分析图 (a)从台站KMI到ENH的信号;(b)从台站ENH到KMI的信号 Fig. 5 Frequency-time relation of the cross-correlation Green’s functions between KMI and ENH stations which was resulted by using 12 month observations (a)The signal from KMI to ENH;(b)The signal from ENH to KMI.

为了确保本次研究中所用程序及方法的可靠性,本次研究中对欧洲的TUE与DSB、 GRFO、 MORC台站之间进行了互相关计算,得到了台站对之间的区域背景波场的传播方向. 所得结果与Yang和Ritzwoller(2008)得到的结果一致. 这说明了本文所用的方法和程序是可靠的.

2 云南地区区域背景弹性波场 2.1 背景弹性波场的方向性

鉴于多数台站间距约数百公里,即多数台站对可以得到可靠的周期约15 s的格林函数,且9个月数据可以得到可靠的10—25 s互相关结果,因此这里主要分析周期为15 s的 格林函数的特征. 图 6a—d分别显示了利用云南省的YUJ(元江)、 GOS(贡山)、 CAY(沧源)、 FUN(富宁)台站与其它台站之间进行互相关格林函数分析之后,得到的区域背景弹性波场周期15 s左右信号的传播方向. 可以看出,该信号的方向性非常强,总体的传播方向为西北方向,也就是说来自东南方向. 图 6e为研究区中的各台站与其它台站间背景波场15 s信号的平均方向分布. 该图明显地显示了,云南地区区域背景波场15 s信号的传播方向是从东南向西北方向的.

图 6 区域背景波场方位分布图 (a)YUJ台到其它台站的区域背景波场传播方向;(b)GOS台的结果;(c)CAY台的结果;(d)FUN台的结果; (e)研究区的各台站到其它所有台站的区域背景波场的平均方向. 红色箭头表示区域背景波场在台站 对间的方向,绿色箭头表示从一个台到其它所有台站对之间的区域背景波场的平均方向; Fig. 6 Azimuthal variation of background weak signals (a)Propagation direction of background weak signals between YUJ and other stations;(b)Result of GOS; (c)Result of CAY;(d)Result of FUN;(e)Average direction of background weak signals in the study region. Red arrows denote propagation direction of the signals between two stations. Green arrows st and for the average propagation direction of red arrow directions
2.2 背景弹性波场的季节性

前人对其它区域的研究中发现了背景弹性波场在4—9月份强,其它月份弱的季节性变化特点(Stehly et al,2006; 鲁来玉等,2009). 我们首先看KMI与ENH台站对间背景波场信号强度随时间的变化特征. 图 7分别给出了该台站对之间2005—2008年每年区域背景波场信号强度随时间和周期的分布图. 其中横坐标为月份,纵坐标为周期,彩色表示振幅(即强度或能量)的大小. 比较这4年的结果可以看出,这两个台站之间的背景弹性波场在每个年度内存在明显的季节性变化,总体看来6—9月份的背景弹性波场信号强度比其它月份强.

图 7 KMI与ENH台站之间的背景波场信号强度随时间和周期的分布图 图(a)—(d)分别表示2005—2008年的数据结果. 彩色表示振幅(即强度或能量)的大小 Fig. 7 Variation of background signal amplitude with time and periods between station KMI and ENH Result is obtained from the observation of(a)2005,(b)2006,(c)2007 and (d)2008. Color bar scales signal amplitude

我们对云南地震台网各台站对2008年1—9月份的背景弹性波场也进行了分析,发现区域背景波场随时间也有着明显的变化特征. 图 8显示了云南省的几个不同台站对之间格林函数各周期信号能量大小随月份的变化图. 从图 8中可以看出,虽然个别台站对在部分月份(如图 8b在9月份,其它图在1月份)的结果与其它台站对有偏差,但整体看来6—9月份的振幅强,其它月份的振幅相对较弱. 这与对昆明和恩施台分析的结果是一致的. 虽然我们使用的数据量(9个月)不足一年,但考虑到这种在6—9月份与昆明和恩施台结果的一致性以及参考前人在其它地区已经发现了4—9月份强的变化规律,我们推测本研究区的区域背景弹性波场也应有明显的季节性变化,即6—9月份的能量较强.

图 8 2008年台站对间背景波场信号强度随时间和周期的分布图 (a)HEQ(鹤庆)台与YOD(永德)台;(b)HLT(黑龙潭)台与MEL(孟连)台;(c)YIM(易门)台与 JIH(景洪)台;(d)DAY(大姚)台与LAC(澜沧)台. 其中色棒彩色表示振幅(即强度或能量)的大小 Fig. 8 Variation of background signal amplitude with time and periods between two stations (a)Result between station HEQ and YOD;(b)Between HLT and MEL;(c)Between YIM and JIH; (d)Between DAY and LAC. Color bar scales signal amplitude
2.3 背景波场与区域水系的关系

云南境内存在怒江、 澜沧江和金沙江等大的河流,其流向多数是近似从北向南的. 而根据图 6显示的结果,该区域背景波场的传播方向是从东南向西北的,这说明研究区域的背景波场的传播方向可能与水流没有直接关系.

2.4 背景波场与区域风力大小分布的关系

风是区域环境噪声的主要来源之一. 前人研究发现,风产生的噪声频带范围较宽,范围从约0.5 Hz到15—60 Hz(Young et al,1996),即风产生的信号周期一般小于2 s. 本次研究中所有信号的频带范围为0.025—1.25 Hz,只有较高频率的信号涵盖了风的影响. 从信号频率来判断,这两种信号相互覆盖较少. 另外,由于风往往与其它局部自然现象具有明显的关系,如果风力大小分布与区域背景弹性波场没有明显关系,那么就可以认为区域背景弹性波场与风以及与风相关的其它自然现象间没有明显关系.

为了查证该地区的区域背景弹性波场与区域风力大小以及由风而引起的其它因素强弱及它们的分布是否相关,我们从中国气象局国家气象信息中心搜集了2008年中国大陆地区的风力数据,图 9为2008年中国大陆的平均风力图. 在风力中,0级风对应的风速为0.0—0.2 m/s,1级风对应的风速为0.3—1.5 m/s,2级风对应的风速为1.6—3.3 m/s,3级风对应的风速为3.4—5.4 m/s. 因为在研究区域风力多数时间在3级以下,所以图中最高的风力就3级. 如果这里得到的区域背景弹性波场信号与风力的大小有关,那么云南东南部的平均风力应该较强. 从图 9中可以看出,云南境内的风力强度分布东北强于西南,且云南以东的广西西部的风力相对云南其它地方小一些. 可见区域风力的大小与该区域的区域背景波场的强度没有直接关系.

图 9 2008年中国大陆地区平均风力图 Fig. 9 Average wind-force in China mainl and during 2008
2.5 背景波场与区域风力季节变化的关系

图 10为地震台站之间的风力与背景信号强度月变化曲线。图 10a为HLT(黑龙潭)与QIJ(巧家)台之间互相关计算得到的区域背景波场月变化图. 图 10b为HLT与QIJ台所在 区域的风力月变化曲线,浅蓝色的填充区域表示的是两个地方的风力月变化的差值. 从图 10b可以看出,1—4月份两个台站之间的风力和风力差值较大. 如果该台站对之间记录的区域背景波场是由风引起的,那么区域背景波场应该在1—4月份的强度较大,但是图 10a显示出5—7月份(注: 上面分析指出在整个区域平均为6—9月份)的背景波场相对较强,两者在时间上的重叠性较差.

图 10 2008年HLT与QIJ台站间背景信号(a)与风力强度(b)随月份变化图 图(b)中红色和黑色曲线分别表示各个台站所在区域的风力月变化曲线,浅蓝色的 填充区域表示的是两个台站所在区域的风力月变化的差值 Fig. 10 Variation of(a)background signals and (b)wind-forces with time Red and black curves in(b)show monthly variation of wind-force at the station SLT and QIJ,respectively, and the light blue area indicates wind force difference between the two stations in a month

风产生的信号频率范围约0.5 Hz到15—60 Hz(Young et al,1996),图 10a中周期2 s 正好在这个范围,但该图显示,1—3月周期2 s的区域背景波场信号在整年是较低的. 总之,该地区的区域背景波场与风力大小以及与风相关的其它自然现象间的关系不大.

2.6 与海洋波浪的关系

能够在较长时间持续存在的区域背景信号一般来自于一些较长时间持续存在的区域自然现象,比如大气(风等)、 水(河流、 海浪)等. 在以上讨论中我们基本排除了区域风和河流的影响,那么区域背景信号最有可能来自于海浪等与海洋有关的因素. 但本次研究中没有搜集海洋方面的有关资料,因此不能直接获得云南地区的背景弹性波信号与海洋活动有关的直接证据. 但是对于其它地区的一些研究结果(Stehly,2006)显示,台站互相关得到的格林函数与海洋波浪有关. Bromirski和Gerstoft(2009)发现,当海洋的波浪到达海岸的时候,区域背景波场的能量变大,而当离开之后,区域背景波场的能量变小.

我们这里得到的背景弹性波场方向为从东南向西北. 如果背景波场与海洋的波浪有关的话,那么云南地区周期在15 s左右的背景弹性波场信号不应该来自于印度洋的孟加拉湾,而可能来自于中国南海方向,也有可能来自于更远一些的南太平洋. 因此该信号可能与中国南海或者南太平洋的海洋活动有关,比如是由南海或者南太平洋的涌浪等引起的.

3 讨论与结论

本文利用云南地震台网记录的连续波形数据进行了互相关计算,得到了云南省的区域背景波场的方向性分布. 通过对有关资料进行分析,得到了以下结论:

1)云南地区背景弹性波场方向性非常强,总体的传播方向为从东南向西北,即来自东南方向.

2)分析区域背景波场强度的月变化,发现其随时间有着明显的变化. 参考台站KMI与ENH之间4年的区域背景弹性波场的月变化,推测6—9月份的能量强,而其它月份的能量相对较小.

3)对比中国大陆风力分布发现,大于2 s的区域背景波场信号与区域风力间没有明显关系,据此推测与风相关的其它自然现象间的关系也不大.

4)由于本文得到15 s的区域背景弹性波场方向为从东南向西北,参考前人对其它地区的研究,我们推测,该信号与中国南海或者南太平洋的海洋活动有关,比如是由南海或者南太平洋的涌浪等引起的.

本文的结果表明,风力的分布与周期2 s以上区域背景弹性波场信号没有明显关系. 但由于使用的气象台站分布数量有限、 分布不均匀等,可能对精确分析风力和区域背景弹性波场的关系造成影响. 尤其是由于风产生的信号周期相对较小,且研究中所用地震台站的间距较大,那么就不能排除近距离台站对可提取的小于2 s周期信号与风之间可能存在的关系. 因此使用近距离和高密度的台站数据,可以对这个关系进行研究.

本研究中互相关分析和时频分析过程使用了(Herrmann,Ammon,2002)软件包,部分图形绘制使用了GMT(Wessel,Smith,1991)软件. 地震数据由中国地震台网中心提供,风力数据由中国气象局国家气象信息中心提供. 在此一并表示感谢.

参考文献
[1] 白志明, 王椿镛.2003.云南地区上部地壳结构和地震构造环境的层析成像研究[J]. 地震学报, 27(2): 117-127.(1)
[2] 房立华, 吴建平, 吕作勇.2009.华北地区基于噪声的瑞利面波群速度层析成像[J]. 地球物理学报, 52(3): 663-671.(1)
[3] 李玉江, 陈连旺, 李红, 叶际阳.2009.云南地区构造应力场与强震活动关系研究[J]. 大地测量与地球动力学, 29(4): 26-29.(1)
[4] 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.(1)
[5] 鲁来玉, 何正勤, 丁志峰, 姚志祥.2009.华北科学探测台阵背景噪声特征分析[J]. 地球物理学报, 52(10): 2566-2572.(1)
[6] 裴益轩, 郭民.2001.滑动平均法的基本原理及应用[J]. 火炮发射与控制学报,(1): 21-23.(1)
[7] 汪一鹏, 沈军, 王琪, 熊熊.2003.川滇块体的侧向挤出问题[J]. 地学前缘, 10(1): 188-192.(1)
[8] 王义昭, 熊家镛, 林尧明.1988.云南地质构造的若干特点[J]. 云南地质, 7(2): 105-111.(1)
[9] 郑庆鳌, 俞国芬, 王维贤.2006.云南地质(断裂)构造骨架新认识[J]. 云南地质, 25(2): 119-124.(1)
[10] Bensen G D, Ritzwoller M H, Barmin M P, Levshin A L, Lin F, Moschetti M P, Shapiro N M, Yang Y.2007.Processing seismic ambient noise data to obtain reliable broad-band surface wave dispersion measurements[J]. Geophys J Int, 169: 1239-1260.(2)
[11] Bromirski P D, Gerstoft P.2009.Dominant source regions of the Earth's“hum”are coastal[J]. Geophys Res Lett, 36, L13303, doi: 10.1029/2009GL038903.(1)
[12] Dziewonski A, Bloch S, Landisman M.1969.A technique for the analysis of transient seismic signals[J]. BullS eism Soc Amer, 59(1): 427-444.(1)
[13] Herrmann R B, Ammon C J.2002.Computer Programs in Seismology: Surface Waves, Receiver Functions and Crustal Structure[M].Missouri: Saint Louis Univ, Saint Louis, MO, USA.(1)
[14] Levshin A L, Pisarenko V F, Pogrebinsky G A.1972.On a frequency-time analysis of oscillations[J]. AnnG eophys, 28(2): 211-218.(1)
[15] Moschetti M P, Ritzwoller M H, Shapiro N M.2007.Surface wave tomography of the western United States from ambient seismic noise: Rayleigh wave group velocity maps[J]. Geochem Geophys Geosyst, 8(8), doi: 10.1029/2007GC001655.(1)
[16] Shapiro N M, Campillo M.2004.Emergence of broadband Rayleigh waves from correlations of the ambient seismic noise[J]. Geophys Res Lett, 31, L07614, doi: 10.1029/2004GL019491.(1)
[17] Snieder R.2004.Extracting the Green's function from the correlation of coda waves: A derivation based on stationary phase[J]. Phys Rev E, 69(4): 46610.(1)
[18] 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, doi: 10.1029/2005JB004237.(3)
[19] Vassallo M, Bobbio A, Iannaccone G.2008.A comparison of sea-floor and on-land seismic ambient noise in the Campi Flegrei caldera, Southern Italy[J]. Bull Seism Soc Amer, 98(6): 2962-2974, doi: 10.1785/0120070152.(1)
[20] Wapenaar K.2004.Retrieving the elastodynamic Green's function of an arbitrary inhomogeneous medium by cross correlation[J]. Phys Rev Lett, 93(25): 254301, doi: 10.1103/PhysRevLett.93.254301.(1)
[21] Wessel P, Smith W H F.1991.Free software helps map and display data[J]. Eos Trans AGU, 72(41): 445-446.(1)
[22] Yang Y, Ritzwoller M H.2008.Characteristics of ambient seismic noise as a source for surface wave tomography[J]. Geochem Geophys Geosyst, 9(2): Q02008, doi: 10.1029/2007GC001814.(1)
[23] Young C J, Chael E P, Withers M W, Aster R C.1996.A comparison of the high-frequency(>1Hz)surface and subsurface noise environment at three sites in the United States[J]. Bull Seism Soc Amer, 86(5): 1516-1528.(2)