Evaluating seismometer orientation of ChinArray-Ⅰ using teleseismic P-wave and Rayleigh-wave polarization
-
摘要:
利用远震P波和瑞雷面波偏振特征的两种独立分析方法，对2011—2013年间在南北地震带南段布设的中国地震科学探测台阵一期台站的方位偏差进行了评估。研究使用了震中距30°—90°范围内696次远震的P波数据和震中距10°—170°范围内1 928次地震的瑞雷面波数据。结果显示：两种偏振分析方法所得台站的水平方位角偏差具有较好的一致性。在全部352个台站中，除4个台站由于可用数据较少而未进行评估外，281个台站的南北向分量与地理北向偏差小于10°，21个台站的方位偏差在10°—20°之间，其余台站则出现故障或偏差较大。所获结果与前人基于远震P波的结果类似，但存在7个台站的方位偏差与其结果差异超过5°，进一步的分析表明这些台站在不同时段水平方位角偏差发生过改变，需要分时段进行评估。同时，研究发现仪器不同分量的增益故障会影响仪器水平方位角的偏差估计，可与噪声功率谱结合开展协同评估。
-
关键词:
- 中国地震科学探测台阵 /
- 地震计方位 /
- 远震P波 /
- 瑞雷面波 /
- 偏振分析
Abstract:The accurate estimation of seismometer orientation is considered essential for seismological studies that depend on three-component seismic records. It is necessary to align the north-south horizontal component with the geographic north during station deployment to achieve accurate recording and analysis of seismic waveforms. Orientation deviation is influenced by a variety of factors. Ocean-bottom seismometers cannot achieve alignment with geographic directions due to limitations of the deployment method. Local magnetic anomalies or incorrect corrections for magnetic declination corrections can cause the magnetic compass fail to align to geographic north when seismometers are deployed on land. Ground subsidence and instrument movement during the operation stage can additionally cause orientation deviations. It is therefore considered an important step in enhancing the accuracy of subsequent research to employ seismological methods to estimate the orientation deviation during instrument deployment.
Because of the large surface deformation and high seismicity in Yunnan Province, many seismic studies have been carried out in this area using data recorded by China Earthquake Administration （CEA） permanent stations. However, the large distances between the stations of the permanent seismic stations can lead to the phenomenon of low resolution of the research results on a small scale. In order to conduct an in-deep study of the seismicity and deep structure of the region, 350 broadband transportable array were deployed in Yunnan and the surrounding areas of the southern section of the North-South Seismic Belt during 2011 to 2013, known as the ChinArray phase Ⅰ . Due to changes in the observation environment, the positions of two stations were shifted by a few kilometers in the middle of the deployment period during the observation period, so that a total of 352 stations were observed in the study area.
We estimate the seismometer orientations of ChinArray phase Ⅰ . Two independent polarization analysis methods, teleseismic P-wave and Rayleigh surface wave, are used for the study, and the two methods relies on the polarization characteristics of seismic waveforms. We selected P waves from 696 teleseismic events located in the epicentral distances range of 30 to 90 degrees, and Rayleigh waves from 1 928 events located within the range of 10 to 170 degrees of epicentral distances, and used both waveform data for orientation estimation, respectively.
By comparing the two methods, we found that the results were very consistent. The comparison shows that out of 348 stations that were measurable, 343 of them have an average difference of less than 10 degrees between the results obtained using the two methods, and only five stations have a difference of more than 10 degrees. There are some errors in the different measurement methods, considering that the means of orientation deviations for each station obtained from P-waves and surface-waves are similar, and that P-waves have a smaller overall dispersion, the P-wave measurement results were utilized in this thesis for a statistical analysis of the orientation deviation of the ChinArray phase Ⅰ . The statistical results indicated that orientation deviation measurements for 281 stations were less than 10 degrees, 21 stations have seismometer orientation deviations between 10 to 20 degrees, and the remaining stations encountered instrument failure or greater deviations. The results of this study are similar to previous analyses of teleseismic P-waves, but deviations greater than 5 degrees were observed at seven stations. It was further determined that the primary cause of these deviations was changes in the orientations of instruments at some stations during deployment, affecting five stations. For the other two stations, we analyze the noise level of the stations based on the power spectrum analysis method of probability density to detect the observation quality of the stations during the observation period, and find that the relevant anomalous measurements are due to the gain failures of the horizontal components.
In the current methodologies, the error range for measurements obtained from P-waves is typically smaller, while surface-waves measurement are relatively discrete. Surface wave-based measurements possess a higher temporal resolution when it comes to resolving time variations of orientations. High-quality Rayleigh surface-wave signals are easier to obtain than teleseismic P-wave, but the local subsurface structures lead to large error values. A broader range of epicentral distances can be chosen when we use surface waves to achieve better orientation coverage and stable results.
The results in this paper and a number of previous studies show that both teleseismic P-wave and Rayleigh surface-wave polarization methods can provide effective estimates of orientation deviation in seismometer placement after reliable data quality control. And the methods and outcomes of this research provide orientation correction information for the ChinArray phaseⅠand contribute to the data quality assessment of other transportable stations.
-
引言
高精度相对、绝对重力测量的潮汐改正精度与地球表面潮汐模型的精度密切相关。潮汐模型可利用适当的地球模型理论计算建立，也可利用实测重力时间序列解算建立。实测模型的建立主要取决于力源信号的分离和观测系统的误差改正（Habel，Meurers，2014），而大面积地建立高密度连续重力观测站面临着高成本的挑战（孙和平等，2002），因此，目前重力测量的精密潮汐改正大多采用理论潮汐模型。早在二十世纪初，Love （1909）用一个球对称、无自转的弹性地球体来描述固体潮，给出了全球潮汐因子的平均值为1.16；Molodensky （1961）建立起适合于龙格-库塔（Runge-Kutta）法求解的微分方程组后，将地球勒夫数的计算扩展到29阶，并利用均质、刚性圆球状的地球模型给出了由5个潮波组成的全球理论潮汐模型。此后，Wahr （1981a，b，c）采用无海洋和无气压影响的符合流体静力学原理的均质、刚性旋转椭球状地球模型首次提出潮汐因子可用常数项和纬度依赖项来描述，并根据不同的地球模型给出了3个全球理论潮汐模型，这已成为目前建立全球潮汐模型的主要模式。Dehant等在Wahr模式的基础上建立了流体静力弹性地球（hydrostatic elastic，缩写为He）潮汐模型和流体非静力非弹性地球（non-hydrostatic in-elastic，缩写为NHi）潮汐模型（Dehant，Ducarme，1987；Dehant et al，1999），两模型分别被命名为DDW-He和DDW-NHi模型。此后Mathews （2001）利用甚长基线干涉测量（very long baseline interferometry，缩写为VLBI）修正了初始参考地球模型（preliminary reference Earth model，缩写为PREM）的液核动力学扁率，计算了新的全球理论潮汐模型，该模型简称为M2001。该模型的建立模式与Wahr模式基本一致，只是为了描述潮汐模型的相位，常数项部分使用复数来表示。从Dehant模型开始，潮汐因子的精度从最早的±0.001提高至现今的±0.000 01。
随着全球潮汐模型精度的提高，潮汐观测精度也在提高，且两个模型参数值的相对误差逐步减小，已可利用实测资料对理论潮汐模型进行检验和评估。全球重力潮汐台网主要潮波的潮汐因子（Melchior，de Becker，1983）与Wahr （1981a，b，c）模型值的相对误差为0.060—0.015。我国的重力潮汐剖面（毛慧琴等，1989）参数与Wahr模型值的相对误差为0.030—0.006，我国1989—1993年的连续重力观测台网（魏望生，喻节林，1995）与DDW模型的潮汐因子最小相差约0.002，这得益于当时我国重力潮汐因子的观测精度从±0.005提高至±0.001左右。随着全球海潮负荷改正模型和气压改正的不断完善，超导重力仪格值的精密测定工作持续展开，早期的T型（大容量杜瓦瓶型）、CT型（紧凑型）和CD型（双球型）超导重力仪周日和半日波潮汐因子的观测精度可达到±0.000 4—±0.000 7，为建立以观测为主的全球实验重力潮汐模型（global experimental model for gravity tides，缩写为GEMGT）创造了条件（Xu et al，2004）。近一二十年里，孙和平等（2000）和韦进等（2012）利用现代观象台型超导重力仪的观测结果来检验DDW和M2001两模型，其结果显示，潮汐因子偏差仅为0.002 4—0.000 6，其中M2和O1波的偏差仅0.002 0—0.000 6。上述成果都仅利用了观测结果与模型的偏差来评价重力仪的潮汐观测能力，并未对全球潮汐模型的潮汐改正能力予以评估，且以观测为主的实验模型只用到了中国一个超导重力站（武汉）。该模型是否适合我国大面积相对重力观测数据的潮汐改正，在理论和实验模型中如何选取潮汐改正模型，这些问题依然没有解决。为研究全球理论潮汐模型对我国重力潮汐改正的精度，并指导我国大面积流动重力观测数据的处理，本文拟选取2016—2018年我国北部的10个gPhone连续重力观测站的数据，在评估其潮汐观测精度的基础上，利用观测的和理论的潮汐改正模型参数构建全球潮汐模型的评价指标，提出符合我国相对重力潮汐改正的最优模型，以期为后续建立我国潮汐改正模型提供初值，也为流动重力数据高精度潮汐改正提供改进方案。
1. 全球潮汐模型
1.1 全球潮汐模型简介
为评价全球潮汐模型在中国区域的适应性，本文首先收集了1961年以来的7个全球潮汐模型，列于表1。
表 1 全球潮汐模型的特征Table 1. Feature statistics of global body tide models来源 长周期波 周日波 半日波 1/3日波 地球模型 Molodensky （1961） - 4 1 - 圆球 Warh （1981a，b，c） 1 19 1 0 1066A，PREM-C，C2 Dehant et al （1999） 1 9 1 1 流体静力弹性地球模型 11 9 1 1 非流体非弹性地球模型 Mathews （2001） - 16 - - PREM 二十世纪中叶，Molodensky （1961）和Wahr （1981a）分别利用圆球、1066A、PREM-C、C2等地球模型反演了潮汐模型，并将潮汐因子表达为全球常数项和相对极其小的纬度依赖项之和的形式。Dehant等（1999）以及Mathews （2001）都使用VLBI技术观测地球自由核章动（free core nutation，缩写为FCN）的周期，并通过该周期改正液核动力学扁率，因而建立了更精确的重力潮汐理论模型。至此模型潮汐因子的精度可达到0.000 01。从所收集到的全球潮汐模型的潮波组成来看，Dehant模型虽然在周日波的波群数量上不及Mathews模型，但其覆盖频段最宽。
1.2 理论潮汐改正模型的正演
观测数据量决定了观测潮汐模型波群（以下简称为观测波群）的分波方式，地球模型决定了理论潮汐模型波群（以下简称为模型波群）。观测波群与模型波群之间会因频率范围的不同而导致两者进行比较时存在差异。通常一个观测波群的频段包含多个理论波群，所以以观测潮汐模型的分波方式为标准，将多个理论波群的潮汐振幅（Tamura，1987）加权平均作为潮汐改正模型的振幅。M2001模型没有长周期、半日波、1/3日波的波群，本文用DDW-NHi模型的相应波群代替。这样全球潮汐模型正演的潮汐改正模型不仅能在频域内计算重力残差矢量（Melchior，1994；Habel，Meurers，2014），还能计算正演时域内的潮汐改正值。
由于我国超导重力仪较少，弹簧重力仪数量居多，因此在数据处理和分析过程中，还大量使用全球潮汐因子平均值进行潮汐改正。本文对1961年以来的7个理论全球潮汐模型中振幅较大的5个潮波的常数项和纬度依赖项进行了对比（表2），结果表明，从Dehant模型开始，潮汐改正模型的精度提高了两个数量级，而且M2001还提供了潮汐改正模型的相位信息，这势必会为当前丰富的地面重力数据带来更精确的潮汐改正值。
表 2 7个全球潮汐模型潮汐因子的常数项和纬度依赖项Table 2. Constant term and latitude-dependent term of the gravimetric amplitude factor in seven global body tide models全球潮汐模型 O1波 P1波 K1波 Q1波 M2波 ${G_0} $ 
$G_ { \pm }'/10^{-5}$ 
${G_0} $ 
$G_ { \pm }'/10^{-5}$ 
${G_0} $ 
$G_ { \pm }'/10^{-5}$ 
${G_0} $ 
$G_ { \pm }'/10^{-5}$ 
${G_0} $ 
$G_ { \pm }'/10^{-5}$ 
Molodensky 圆球 1.16 0 1.153 0 1.137 0 1.137 0 1.16 0 1066A 1.152 −600 1.147 −600 1.132 −600 1.152 −600 1.16 −500 Warh PREM-C 1.152 −700 1.147 −700 1.132 −600 1.152 −700 1.16 −500 C2 1.151 −700 1.147 −600 1.132 −600 1.151 −700 1.159 −500 Dehant DDW-He 1.154 24 8 1.147 77 −13 1.147 77 −13 1.132 83 −60 1.160 30 7 DDW-NHi 1.154 24 8 1.149 15 −10 1.134 89 −57 1.154 03 9 1.161 72 10 Mathews M2001 1.154 07 5 1.148 91 5 1.136 1 5 1.154 1 5 - - 注： ${G_0} $ 为潮汐因子的全球常数项，
$G_ { \pm }'$ 为纬度依赖项系数，其中M2001模型的
${G_0} $ 为原模型常数项的模，
$G_ { \pm }'$ 为原模型的周期项。
测点周日波的潮汐因子可表示为
$\delta {\text{＝}} {G_0} {\text{＋}} G'_ { {\text{±} } }\frac{{\sqrt 3 }}{{2\sqrt 2 }}(7{\cos ^2}\theta {\text{－}} 3){\text{，}}$
(1) 半日波的潮汐因子可被表示为
$\delta {\text{＝}} {G_0} {\text{＋}} G_ {\text{±}} '\frac{{\sqrt 3 }}{2}(7{\cos ^2}\theta {\text{－}} 1){\text{，}}$
(2) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
2. 重力资料的精度评价和模型的检验
2.1 重力资料处理及其精度评价
2.1.1 数据预处理和潮汐分析
gPhone重力仪采用了零长弹簧技术，采样频率为1 Hz。在进行重力固体潮观测同时台站还提供了气压小时值数据。本研究对2016—2018年我国10台套该型重力仪的重力固体潮观测数据逐年进行降采样、格值系数校正、预处理、海潮负荷改正、联合气压潮汐分析等处理，建立了观测潮汐改正模型。本研究所用10个观测站的位置如图1所示，具体信息列于表3。
![]()
图 1 我国10个重力观测站空间分布示意图Figure 1. The spatial distribution of ten gravity observatories in China表 3 2016年重力潮汐观测站基本信息Table 3. Basic information of the gravity observatories in 2016序号 台站 省份 台站
类型观测环境
等级台站简介 中误差
/（10−8 m·s−2）1 高台 甘肃 地下室 优秀 位于黑河以北不足2 km处 ±0.637 2 格尔木 青海 山洞 优秀 位于昆仑布尔汉达山北麓山洞中 ±0.706 3 海拉尔 内蒙 山洞 优秀 位于海拉尔盆地与大兴安岭北坡海拉尔河与伊敏河交汇处 ±0.601 4 兰州 甘肃 山洞 优秀 位于兰州东盆地盐场堡以北、白塔山以东、黄河北岸Ⅲ级阶级地的后缘，
距黄河最近距离约1.5 km±0.740 5 牡丹江 黑龙江 山洞 良好 距市区约1.6 km，近年在距离台站500 m处建有成片住宅小区 ±0.718 6 沈阳 辽宁 山洞 良好 位于沈阳市东郊东陵区天柱山西南麓，南距沈抚公路北线约0.4 km ±0.747 7 泰安 山东 山洞 良好 位于泰山南麓正南，0.5 km处有小型水库 ±0.989 8 炭山 宁夏 山洞 良好 位于海原县炭山乡丘陵村，距海原县新区约20 km，台站供电系统时常故障 ±0.891 9 乌加河 内蒙 山洞 优秀 位于内蒙古自治区巴彦淖尔市乌拉特中旗乌加河镇正北1 km处 ±0.838 10 乌什 新疆 山洞 优秀 阿克苏地区乌什县西郊的七女坟旁 ±0.605 本文所选重力站大多分布在我国的中高纬度地区，观测场地与潮汐分析中误差存在一定相关性，由表3可见：观测环境等级为优秀的观测站，中误差为±0.60×10−8 m/s2；观测环境等级为良好的台站中误差虽稍大，也都小于±1×10−8 m/s2。10个观测站的中误差平均值为±0.74×10−8 m/s2，其中乌什重力站最小，约为±0.6×10−8 m/s2。
2.1.2 潮汐分析结果及比较
潮汐因子中误差是评价gPhone重力仪重力潮汐观测能力的一个重要指标。本文将2016—2018年期间的重力固体潮观测数据逐年进行调和分析，平均后统计分析振幅大于10×10−8 m/s2的5个潮波的潮汐因子δ和中误差σ，结果列于表4和表5。
表 4 连续重力观测站的潮汐因子δ和气压导纳值的统计结果Table 4. The result of gravimetric amplitude factor δ and barometric admittance of gravity observatories重力站 O1波 P1波 K1波 M2波 S2波 气压导纳/（10−8 m·s−2·hPa−1） δ σ/10−4 δ σ/10−4 δ σ/10−4 δ σ/10−4 δ σ/10−4 数值 中误差 格尔木 1.152 94 4.0 1.145 22 14.3 1.131 84 9.9 1.165 22 1.5 1.165 10 3.4 −0.269 0.015 兰州 1.157 16 4.7 1.148 77 9.0 1.136 50 3.4 1.158 77 2.4 1.160 37 5.4 −0.319 0.011 高台 1.156 37 3.8 1.150 97 6.7 1.137 49 2.5 1.161 62 1.2 1.163 21 2.7 −0.391 0.008 海拉尔 1.155 19 5.9 1.157 16 11.2 1.138 65 4.1 1.167 74 4.2 1.171 67 9.4 −0.371 0.010 牡丹江 1.153 84 4.7 1.151 92 8.4 1.137 44 3.2 1.163 77 3.4 1.167 07 7.5 −0.347 0.009 沈阳 1.153 70 7.3 1.150 00 13.1 1.137 17 4.9 1.159 45 2.8 1.159 77 6.2 −0.356 0.010 泰安 1.158 32 11.3 1.153 09 20.6 1.139 41 7.7 1.155 73 2.4 1.156 20 5.6 −0.288 0.018 炭山 1.154 74 7.8 1.145 53 16.9 1.133 36 6.4 1.161 86 2.4 1.161 45 5.9 −0.312 0.024 乌加河 1.155 54 3.1 1.150 56 5.6 1.137 52 2.1 1.157 09 1.3 1.159 06 3.1 −0.299 0.010 乌什 1.155 14 3.9 1.151 40 7.0 1.137 26 2.6 1.160 97 1.4 1.161 00 3.2 −0.430 0.010 注：δ为潮波的潮汐因子，σ为中误差。 表 5 乌什重力观测站的潮汐分析结果Table 5. The tidal analysis results of Wushi gravity observatory起始频率
/cpd结束频率
/cpd潮波名称 潮汐振幅
/（10−9 m·s−2）潮汐因子 相位滞后/° 数值 中误差 数值 中误差 0.501 37 0.911 39 Q1 58.938 1 1.154 66 0.001 80 −0.097 0.09 0.911 39 0.947 99 O1 307.830 6 1.155 14 0.000 39 0.020 0.019 0.947 99 0.981 85 M1 24.209 7 1.504 93 0.004 20 −0.427 0.160 0.981 86 0.998 63 P1 143.232 9 1.151 40 0.000 70 −0.060 0.035 0.998 63 1.001 37 S1 3.387 2 1.209 77 0.042 58 16.412 2.319 1.001 37 1.004 11 K1 432.929 1 1.137 26 0.000 26 0.007 0.014 1.004 11 1.006 85 ψ1 3.387 1 1.260 70 0.030 07 −0.923 1.368 1.006 85 1.023 62 φ1 6.164 9 1.169 38 0.016 14 −0.622 0.791 1.023 62 1.057 49 J1 24.208 8 1.153 00 0.004 61 −0.174 0.229 1.057 49 1.470 24 OO1 13.246 6 1.162 69 0.011 38 0.117 0.561 1.470 24 1.880 26 2N2 13.001 1 1.161 73 0.003 27 0.201 0.161 1.880 27 1.914 13 N2 81.411 6 1.159 33 0.000 71 −0.046 0.035 1.914 13 1.950 42 M2 425.214 3 1.160 97 0.000 14 0.013 0.007 1.950 42 1.984 28 L2 12.018 8 1.157 81 0.006 06 −0.428 0.300 1.984 28 2.002 74 S2 197.832 1 1.161 00 0.000 32 −0.289 0.020 2.002 74 2.451 94 K2 53.780 9 1.158 76 0.001 54 −0.137 0.076 2.451 94 7.000 00 M3M6 6.287 4 1.073 14 0.006 61 0.109 0.353 由表4可见：10套仪器中除泰安和海拉尔的部分波外，其它波的潮汐因子中误差均在±0.000 4—±0.000 7附近。潮汐观测精度虽不及OSG型超导重力仪的精度，但已经与二十世纪八九十年代的超导重力仪结果相当。只是gPhone重力仪测定的气压导纳平均值为（−0.319±0.028）×10−8 m·s−2·hPa−1，精度较超导重力仪结果低一个量级（表6）。此外，10个重力观测站中，乌什重力站的潮汐分析结果精度最高，其潮汐分析结果（表5）呈现潮波振幅大、精度高和振幅小、精度低的特征，其中振幅最大的M2波的中误差可达±0.000 14，振幅最小的ψ1波仅为±0.003 27。这表明，最优gPhone重力仪（乌什重力站）的潮汐观测精度虽只有OSG型超导重力仪观测精度的0.5倍，然已高于早期超导重力仪0.5个数量级（表6）。
表 6 各型重力仪潮汐观测精度和稳定度分析Table 6. Accuracy and stability analysis of tidal observatory for different gravimeters重力仪
类型数据时段 M2波潮汐因子
中误差中误差
/（10−8 m·s−2）导纳中误差
/（10−8 m·s−2·hPa−1）稳定度 来源 LRC 1973—1990 0.002 00—0.005 00 - - - Melchior和de Becher （1983） GEO 1971—1990 0.001 00—0.002 00 - - - GWR 1975—1988 0.000 08 - - - LRC 1983—1986 ≤0.005 00 - - 0.005 0 毛慧琴等（1989） GS 1989—1993 0.000 30—0.003 00 - - - 魏望生和喻节林（1995） DZW 0.000 80—0.004 00 - - - LRC 0.000 40—0.002 00 - - - GEO 0.001 00—0.005 00 - - - T，CT，CD 1989—2000 - ±0.05—±0.70 ±0.000 4—0.003 0 0.001 5 Ducarme et al （2002） ASK - - ±0.010 0 - LRC 2000—2001 0.000 51 ±0.20 ±0.022 0 - 孙和平等（2002） OSG 0.000 06 ±0.02 ±0.002 0 - T，CT，CD 1997—2001 0.000 70 - ±0.000 4—0.003 0 0.001 0 Xu et al （2004） OSG 2009—2010 0.000 04 ±1.10—±1.40 ±0.000 5 - 韦进等（2012） 2.1.3 潮汐观测的稳定性检验
重力仪的潮汐观测能力还可以通过潮汐稳定度（Ducarme et al，2002）来评估。本文将10套仪器2016—2018年各潮波的年潮汐因子与3年均值的差作为潮汐稳定度（下文简称为稳定度）来评估重力仪的潮汐观测能力。
图2统计了10个重力站4个潮波的稳定度，可见：除其中7个观测站的P1波（图2c）外，其它潮波的稳定度均小于0.001 5，这一结果已经远高于流动重力仪组网观测的重力潮汐剖面各站点的稳定度（≤0.005 0）（毛慧琴等，1989）；7个重力站4个潮波的稳定度均达到了早期超导重力仪的观测水平（≤0.001 5）。
![]()
图 2 2016—2018年主要潮波的潮汐因子稳定度变化（a） O1波；（b） M2波；（c） P1波；（d） K1波Figure 2. Variation of the stability of gravimetric amplitude factor of the main tidal waves from 2016 to 2018（a） O1 wave；（b） M2 wave；（c） P1 wave；（d） K1 wave表6给出了二十世纪七十年以来重力仪潮汐观测能力的指标统计表。可见：gPhone重力仪周日和半日波的潮汐观测精度优于二十世纪八九十年代的LCR （LaCoste&Romberg）、GEO （大地型）、DZW （中国地震局地震研究所）、GS （阿斯卡尼亚公司一款重力仪）、ASK （阿斯卡尼亚公司一款重力仪）等各型弹簧重力仪约0.5—1个数量级，其中精度高的与早期的T型（大容量杜瓦瓶型）、CT型（紧凑型）和CD型（双球型）的相当，但与现代OSG型超导重力仪相比要低0.5—1个数量级。气压负荷改正参数的精度方面，gPhone可以解算出精度为±0.009×10−8—±0.028×10−8 m·s−2·hPa−1的气压导纳值，较超导重力仪结果低一个数量级。
全球潮汐模型关注的频段是gPhone重力仪的优势频段（周日和半日波），且Xu等（2004）在利用全球超导重力仪建立全球实验潮汐模型时就指出，潮汐因子中误差优于0.000 7即可进行全球潮汐模型的建立工作。本文据此选取重力仪来评估全球潮汐模型的精度。
2.2 观测和全球潮汐模型的比较
上述10个重力站的潮汐观测精度均达到了建立实验潮汐模型的标准，因此利用2016—2018年各年份的观测模型和表2中所列的7个全球潮汐模型进行比较分析，建立两者间的相对误差、单一波群的均方根（root mean square，缩写为RMS）、所有波群的和方根（root sum square，缩写为RSS）和纬度依赖关系等指标进行全球潮汐模型的精度评定。
2.2.1 基本方法
gPhone重力仪的优势频段为周日和半日波，且潮波振幅越大、精度越高。本研究采用均方根（RMS）来衡量理论模型与重力网观测模型的某潮波偏差和方根RSS来综合评估全球潮汐模型的精度（李大炜等，2012），具体表达式如下：
$ {\rm{RMS}} {\text{＝}} {\left\{ {\frac{1}{K}\sum\limits_{n {\text{＝}} 1}^K {[{A_0^2}{{\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!}}{{\!\!\!\!{\text{（}}\!{\delta _0}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\cos {\varphi _0} {\text{－}} {\delta _m}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\cos {\varphi _m}\!{\text{）}}\!\!\!\!}^2} {\text{＋}} {A_0^2}{{\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!}}{{\!\!\!\!{\text{（}}\!{\delta _0}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\sin {\varphi _0} {\text{－}} {\delta _m}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\sin {\varphi _m}\!{\text{）}}\!\!\!\!}^2}]} } \right\}^{1/2}}{\text{，}} $
(3) $\begin{split} {\rm{RSS}} {\text{＝}}& \left\{ {\frac{1}{K}\sum\limits_{i {\text{＝}} 1}^I {\sum\limits_{n {\text{＝}} 1}^K {\left[ {{{\!\!\!\!{\text{（}}\!{\delta _{0{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!{A_{0{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\cos {\varphi _{0{\text{，}}\!\!\!\!\!i}} {\text{－}} {\delta _{m{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!{A_{0{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\cos {\varphi _{m{\text{，}}\!\!\!\!\!i}}\!{\text{）}}\!\!\!\!}^2} {\text{＋}} } \right.} } } \right.\\& {\left. {\left. {{{\!\!\!\!{\text{（}}\!{\delta _{0{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!{A_{0{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\sin {\varphi _{0{\text{，}}\!\!\!\!\!i}} {\text{－}} {\delta _{m{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!{A_{0{\text{，}}\!\!\!\!\!i}}\!\!\!\!{\text{（}}\!n\!{\text{）}}\!\!\!\!\sin {\varphi _{m{\text{，}}\!\!\!\!\!i}}\!{\text{）}}\!\!\!\!}^2}} \right]} \right\}^{1/2}}{\text{，}} \end{split}$
(4) 式中：δ0，A0和φ0分别为重力站的潮汐因子、理论振幅、理论相位（通常为0°）；δm和φm分别为模型在重力站点经过气压、海潮改正后的潮汐因子和相位，K为重力站的个数，n为重力站的序号，m表示观测结果，I为潮波分波数，本文为5 （M2，K1，O1，P1，Q1，共计5个）。理论潮汐振幅分别从Tamura （1987）的潮波表和郗钦文的潮波表（郗钦文，侯天航，1987）中选一。表7为利用7个理论模型计算的RMS和RSS。由表7可见：除Molodensky均质圆球模型外，考虑地球扁率的M2001和DDW-NHi模型的RSS更小，其中M2001结果与观测数据吻合得更好，这表明考虑地球扁率的模型更能反映我国潮汐的观测规律，采用郗钦文潮波表（郗钦文，侯天航，1987）计算的RSS优于采用Tamura潮汐表所得的RSS，由此可见DDW-NHi和M2001模型的精度高于其它模型。
表 7 7个全球潮汐模型计算所得重力残差的均方根RMS及和方根RSSTable 7. RMS and RSS of the residual gravity corrected by seven global body tide models潮汐模型 地球模型 RMS/（10−8 m·s−2） RSS/（10−8 m·s−2） M2波 K1波 O1波 P1波 Q1波 Tamura
潮波表郗钦文
潮波表Molodensky 均质圆球 0.143 9 0.168 7 0.173 4 0.064 8 0.047 8 0.292 8 0.291 2 Warh 1066A 0.190 9 0.179 8 0.169 3 0.068 9 0.039 9 0.322 1 0.322 0 PREM-C 0.190 9 0.179 8 0.169 4 0.069 3 0.040 0 0.322 3 0.320 6 C2 0.199 9 0.179 8 0.171 2 0.068 9 0.039 9 0.328 5 0.329 0 DDW DDW-He 0.143 6 0.227 5 0.167 1 0.066 6 0.053 7 0.328 0 0.328 1 DDW-NHi 0.144 5 0.171 3 0.167 1 0.065 2 0.040 2 0.289 8 0.289 6 Mathews M2001 0.144 5 0.168 3 0.167 2 0.065 2 0.040 2 0.288 1 0.287 9 两个全球潮汐模型与观测站潮汐因子的相对误差统计结果（表8）显示，DDW-NHi模型下各重力站的M2，O1，K1和P1波潮汐因子的相对误差均值分别为0.16%，0.17%，0.35%，0.28%，M2001模型下的各潮波潮汐因子的相对误差均值分别为0.15%，0.15%，0.37%，0.18%，这表明DDW-NHi和M2001模型下各重力站各潮波潮汐因子的相对误差为0.15%—0.37%，一致性高，其中高台重力站M2波潮汐因子的偏差在0.000 15附近，达到了早期超导重力仪的潮汐观测稳定度（Xu et al，2004；Habel，Meurers，2014）。从表8还发现，M2001模型的RMS比DDW-NHi更小，这与累计残差振幅结果（表7）一致。
表 8 两个全球潮汐模型与观测站的潮汐因子的相对误差Table 8. The relative errors of the gravimetric amplitude factors between DDW-NHi and M2001 models and the observatories台站 M2波潮汐因子相对误差 O1波潮汐因子相对误差 P1波潮汐因子相对误差 K1波潮汐因子相对误差 RMS/（10−8 m·s−2） DDW-NHi M2001 DDW-NHi M2001 DDW-NHi M2001 DDW-NHi M2001 DDW-NHi M2001 格尔木 0.251 3% 0.251 3% 0.178 2% 0.150 4% 0.253 3% 0.247 4% 0.259 5% 0.459 4% 0.120 6 0.141 0 高台 0.015 2% 0.015 2% 0.224 4% 0.253 1% 0.187 8% 0.189 1% 0.312 9% 0.094 1% 0.087 5 0.068 3 海拉尔 0.015 3% 0.495 8% 0.062 1% 0.093 9% 0.815 2% 0.800 9% 0.574 1% 0.290 9% 0.223 8 0.198 0 兰州 0.015 4% 0.211 4% 0.354 1% 0.381 8% 0.269 4% 0.275 8% 0.291 5% 0.093 8% 0.114 6 0.105 1 牡丹江 0.015 5% 0.200 8% 0.188 0% 0.157 6% 0.582 2% 0.575 4% 0.244 1% 0.008 6% 0.227 8 0.220 6 乌什 0.015 6% 0.236 3% 0.025 6% 0.003 9% 0.168 3% 0.165 9% 0.246 3% 0.011 9% 0.107 8 0.095 5 2.2.2 潮汐振幅的纬度依赖关系
在全球潮汐模型中，潮汐因子通常被表示为全球常数项与纬度依赖项之和，潮汐因子的值与重力站纬度有关。将10个重力站2016—2018年逐年的潮汐参数和3个RSS较小的全球潮汐模型的潮汐参数按纬度排列，如图3所示。
![]()
图 3 O1波，M2波和K1波的潮汐振幅（a）和潮汐因子（b）的纬度依赖关系Figure 3. The latitude dependence of the gravimetric amplitude （a） and gravimetric amplitude factors （b） of O1，M2 and K1 waves由图3a可见，潮汐振幅与纬度有明显的相关性，其中：M2波和O1波的理论振幅与观测振幅差异不大；DDW-NHi以及M2001模型的K1波一致性较好，而与Molodensky模型相差1×10−8—2×10−8 m/s2，所以观测振幅与DDW-NHi或M2001模型一致性更好。
从潮汐因子与纬度的相关性（图3b）可见，本文所选站点的纬度与潮汐因子的相关性不明显，观测值分居模型的两侧，观测值与模型值相差0.000 15—0.005 00。
综合RMS、RSS和潮汐振幅的纬度依赖关系表明，DDW-NHi和M2001模型的RSS值相对较小，处于0.28×10−8—0.29×10−8 m/s2之间（表7）。在潮汐振幅与纬度的相关性中，Molodensky模型的K1波在高纬度地区（35°N—50°N）明显偏离另外两个模型。因此本文初步认定DDW-NHi和M2001模型可被我国相对重力仪用于潮汐改正。
2.2.3 理论和观测潮汐改正模型的比较
我国流动重力观测站数目远多于连续重力观测站，流动重力数据采用的还是Molodensky均质圆形地球确定的潮汐改正模型。为评估该模型和本文筛选模型时域范围内的改正特征，依然将Molodensky模型纳入评价范围。因此本文利用3个理论的和1个观测的潮汐改正模型对观测精度最优的乌什重力站2016年的观测数据（图4a）进行时域改正，比较改正后的重力残差时间序列和功率谱密度，结果如图4所示。
![]()
图 4 潮汐模型潮汐改正后的重力残差时间序列及其功率谱密度（a） 乌什重力站固体潮预处理数据；（b） Molodensky模型潮汐改正的重力残差；（c） DDW-NHi模型潮汐改正的重力残差；（d） M2001模型潮汐改正的重力残差；（e） 观测模型潮汐改正的重力残差；（f） 重力残差的功率谱密度Figure 4. Residual gravity and power spectral density corrected by several tidal models（a） The preprocessing gravity data from Wushi observatory；（b） The residual gravity corrected by Molodensky model；（c） The residual gravity corrected by DDW-NHi model；（d） The residual gravity corrected by M2001 model；（e） The residual gravity corrected by observed model；（f） The power spectral density of the residual gravity由图4可见：观测模型的重力残差最小（图4e），其日均值中误差仅为±0.1×10−8—±0.5×10−8 m/s2，且功率谱密度最大能量不到−110 dB （1 dB＝10lg （10−8 m·s−2）2/Hz），几乎被淹没在残差噪声中（图4f）；3个理论模型中DDW-NHi的重力残差日均值中误差最小，仅为±0.4×10−8—±1.0×10−8 m/s2，优于Molodensky模型的中误差±0.5×10−8—±1.5×10−8 m/s2，也优于M2001模型的中误差±0.7×10−8—±1.4×10−8 m/s2。
对理论潮汐模型的潮汐改正精度进行评价时，RMS和RSS指标未考虑小振幅潮波。而利用它们在时域内进行潮汐改正，则可以分析这些小振幅潮波对潮汐改正的影响。理论模型中，DDW-NHi和M2001模型的周日波频段上O1波，P1波和K1波的残差能量相当（图5a），但与Molodensky模型的K1波存在较大差异，这与潮汐振幅与纬度的相关性结果（图3e）一致。另一方面，Molodensky模型的K1波功率谱密度大于其它两模型，应与该模型K1波的潮汐因子不准确有关。
![]()
图 5 周日波（a）和半日波（b）的重力残差功率谱密度频段特征Figure 5. The power spectral density of the residual gravity for diural （a） and semi-diurnal （b） waves由于M2001模型的M2波模型参数采用的是其它模型的，带入时域改正后存在−90 dB的重力残差信号（图5b），这可能是M2波模型参数相位为0°所致，因此这也是M2001模型的改正结果不及DDW-NHi模型的原因之一。此外，模型与观测的差异应该是模型中未考虑台站观测场地、观测环境等因素的影响所导致。
综上所述，DDW-NHi模型是本文统计的理论模型中最优者，而传统的Molodensky潮汐改正模型的改正精度仅为±0.5×10−8—±1.5×10−8 m/s2。
3. 讨论与结论
在全球的7个潮汐模型中，DDW-NHi模型的潮汐改正结果精度最高，能达到±0.4×10−8—±1.0×10−8 m/s2，而传统的Molodensky模型的潮汐改正结果只能达到±0.5×10−8—±1.5×10−8 m/s2。前文分析主要集中于不同地球模型的改正精度评估，然而除了地球模型之外，影响全球潮汐模型改正精度的因素还包括计算精度时所使用的海潮模型、仪器多年运行观测系统的格值系数变化等。为讨论本文结果的有效性，下面将进一步讨论上述两个因素对全球潮汐模型改正精度评估的影响。
全球潮汐模型仅含地球岩石圈及其内部圈层的影响，而实际观测数据中富含诸如海潮、气压等地球外部圈层的影响。近年来国际上推出多个高精度全球海洋潮汐模型和区域海潮模型，经过验潮站、全球导航卫星系统（global navigation satellite system，缩写为GNSS）、重力等手段的检验获知联合近海海潮模型方能获得更高精度的海潮改正。
3.1 区域海潮改正模型对利用全球模型潮汐改正的影响
本文利用重力残差矢量（Melchior，1994，Hábel，Meurers，2014）分潮波比较Nao.99b全球海潮模型、Nao.99b＋osu.chinasea.2010组合以及Nao.99b＋naoregional.1999组合这3种海潮模型对DDW-NHi模型精度的影响特征，结果如图6所示。由于DDW-NHi模型并不包含相位的影响，因此在进行重力固体潮频域改正时也不考虑相位。
![]()
图 6 海潮负荷改正前后观测的与模型的重力残差振幅比较图中P代表进行了气压改正；＋N代表进行了Nao.99b海潮负荷改正；＋NC代表进行了Nao.99b和osu.chinasea.2010海潮负荷改正；＋NN代表进行了Nao.99b和naoregional.1999海潮负荷改正Figure 6. Comparison of the residual gravity amplitude before and after corrected by ocean loading models and global body tide modelP represents the gravimetric amplitude factors corrected by atmospheric pressure；＋N represents those corrected by global ocean model of Nao.99b；＋NC represent the those corrected by the composite ocean model of Nao. 99b and osu.chinasea.2010；＋NN represent those corrected by the composite ocean model of Nao.99b and naoregional.1999未进行海潮改正时（图6中的红色线柱），各潮波重力残差振幅和各潮波累加值在0.1×10−8—2×10−8 m/s2之间，并呈现东部振幅大、西部小的特点；东部振幅最大为2×10−8 m/s2，西部最小为0.5×10−8 m/s2。海潮负荷改正后，所有潮波的重力残差振幅显著减小，分潮波的海潮负荷改正量最大为1.5×10−8 m/s2，最小只有0.3×10−8 m/s2，改正量为改正前重力残差振幅的70%—80%，这一结果与其它内陆台站的改正量（周江存等，2009）基本一致。由于海潮负荷改正量级已经远大于表7中单一潮波的重力残差振幅，因此海潮负荷改正是本文必不可少的工作。
由图6还可以看到，不同组合模型之间的重力残差振幅差异不足0.1×10−8 m/s2，该量级小于表7中单一潮波重力残差振幅，因此本文认为区域海潮模型的差异不会对全球潮汐模型的改正产生影响。
3.2 全球海潮模型对利用全球模型潮汐改正的影响讨论
为进一步讨论全球海潮模型对潮汐改正的影响，本文对海潮负荷时序改正前后的潮汐因子与DDW-NHi模型之间的差异进行对比，结果如图7所示。可见：所有东部台站的海潮负荷改正量均较大，西部台站均较小，这符合我国东部重力站受太平洋海潮影响强于西部的规律。从改正量级看，牡丹江重力站O1波的改正量最大，可达0.020 0，平均值也有0.003 0，该量级与观测系统的潮汐稳定度相当，高于潮汐因子的观测精度，说明海潮负荷改正后的潮汐因子大小均趋于DDW-NHi全球潮汐模型值，海潮负荷改正在研究非常必要。
![]()
图 7 海潮改正对潮汐因子的影响图中P代表进行了气压改正的潮汐因子；DUT10，EOT11a，FES2004，GOT4.7，HAM11a，Nao.99b和TPXO7.2分别代表进行了气压和对应全球海潮模型改正的潮汐因子；DDW-NHi代表了DDW-NHi理论潮汐因子。横坐标台站按经度由东向西排列Figure 7. Impaction of the gravimetric amplitude factors corrected by seven global ocean modelsP represents the gravimetric amplitude factors corrected by atmospheric pressure；DUT10，EOT11a，FES2004，GOT4.7，HAM11a，Nao.99b and TPXO7.2 represent those corrected by atmospheric pressure and corresponding global ocean tide model respectively；DDW-NHi represents those in DDW-NHi. The stations are arranged from east to west according to their longitude比较不同海潮负荷改正模型之间的差异可知，图7中的7个全球海潮负荷改正结果的差异较小，为0.000 5—0.002 0，小于改正前后的潮汐因子差异0.020 0—0.003 0和观测系统稳定度0.001 5，与潮汐因子的观测精度0.000 7相当。因此，在进行全球潮汐模型评估时须进行海潮负荷改正，而不同海潮负荷改正模型之间的差异对结果影响并不明显。
3.3 格值系数对模型检验的影响
相对重力仪格值系数偏差会直接影响观测潮汐改正模型的准确性（Francis et al，1998；Hábel，Meurers，2014），gPhone重力仪的格值系数的范围是0.999 9—1.019 0 （刘子维等，2011；张锐等，2011）。本研究选择青海格尔木重力站2016—2018年逐年观测数据讨论潮汐因子、残差中误差与格值系数的关系，结果如图8所示。
![]()
图 8 格尔木观测站潮汐因子和调和分析中误差随格值系数的变化（a） M2波；（b） O1波；（c） K1波；（d） P1波；（e） Q1波；（f） 中误差随格值系数的变化Figure 8. Varaition of gravimetric amplitude factor and RMS of the harmonic analysis with the scale factor for Golmud observatory（a） M2 wave；（b） O1 wave；（c） K1 wave；（d） P1 wave；（e） Q1 wave；（f） The RMS of the residual gravity以DDW-NHi模型为潮汐改正模型，利用重力残差（图8f）作为约束测定格值系数。从图8a-e可见：观测潮汐因子与理论仅相差0.001—0.002。如果不进行这样的标定（即格值系数为1），潮汐因子偏差可能大于0.005，该量级已远超当前gPhone重力仪的稳定度和潮汐观测精度。因此进行观测系统的格值系数改正是必不可少的。
3.4 结论
本文比较了7个常用的全球潮汐模型，并利用10个安装gPhone重力仪的重力站超过3年的观测资料对模型进行了检验。gPhone重力仪的周日和半日波潮汐观测能力虽然比现代OSG型超导重力仪低0.5—1.0个数量级，但是依然可达到早期超导重力仪的水平，这样的精度可以对全球潮汐模型精度进行评估。对潮汐观测和理论模型的均方根、和方根、潮汐因子相对误差、潮汐因子的纬度依赖关系和重力残差及其功率谱密度的评估结果显示DDW-NHi的全球潮汐模型能够提供最优的重力残差精度为±0.4×10−8—±1.0×10−8 m/s2，比大规模流动重力观测常用的Molodensky模型的精度±0.5×10−8—±1.5×10−8 m/s2高出1×10−8—2×10−8 m/s2。
在讨论海潮负荷和格值系数对潮汐模型精度评估影响时，仅进行全球潮汐模型的改正而未进行海潮和格值系数校正引起的潮汐因子偏差分别可达0.003 0—0.020 0和0.001—0.005，这一量级已经远大于gPhone重力仪的潮汐观测稳定度和潮汐因子的观测精度。不同海潮模型改正的影响量级（0.000 5—0.002 0）与潮汐因子的观测精度相当，因此可忽略其对模型精度评估的影响。
本文所选观测站只有10个，且多分布在我国北方中高纬度地区；无南方台站特别是沿海台站参与本次评估，难免会使得结果仅具有区域性规律。从观测资料来看，南方和沿海地区的潮湿使重力观测系统在长期连续观测过程中的故障率较高，使用现有分析方法和近期数据无法达到评估模型所需的精度。如何筛选此类观测数据、研制新的观测精度评估方法成为解决此类问题的一个重要内容。在进行潮汐改正时，气压负荷影响不容忽视，而并非所有重力站目前均具备同址同采样率的气压观测条件。为弥补站点辅助测量数据的缺失可探讨国际已经发布的全球气压模型的潮汐改正可行性。此外，本文还讨论了格值系数对模型评估的影响，认为需要研制出高效的连续重力观测数据标定方法，使得标定数据达到潮汐模型评估和模型建立所需要的精度。总之，如何科学产出符合全球潮汐模型评估精度的重力潮汐数据是本文工作特别是建立潮汐模型的根本所在。
感谢国家重力台网中心提供10套高精度gPhone重力仪超过3年的重力固体潮数据，感谢审稿专家提出的宝贵意见和建议。
-
![]()
图 4 P波（左列）和瑞雷面波（右列）偏振分析估算的台站X1.53035.01的方位角
（a，b） 两个地震事件的三分量波形，蓝色虚线标识计算信噪比和偏差角度所使用的噪声和信号窗口；（c） 台站记录到所有地震事件加权后的切向能量与方位角变化的关系；（d） 记录到的每个地震事件得到的偏差角度与水平分量信噪比之和的分布关系；（e） 一个远震事件在取得最佳视反方位角时的三分量波形，红色垂直虚线表示瑞雷波的时间窗；（f） 两个相关系数$C_{{\textit{z}}\bar r} $和$C_{{\textit{z}}\bar r }^{*} $随偏差角度的变化；（g） 所有事件的单次偏差角度与最佳互相关系数的分布
Figure 4. An example of orientation estimation for station X1.53035.01 using P-wave (left column) and Rayleigh-wave (right column) polarization analysis
（a，b） The waveforms from two seismic events，the blue dashed lines indicate the time windows of noise and signal for SNR calculation and orientation deviation estimation，respectively；（c） Variation of the SNR-weighted-transverse energy concerning the orientation deviation between the north component and the north；（d） Distribution of the orientation deviation and the sum of horizontal component SNR obtained for each recorded seismic event；（e） The three-component seismic waveforms rotated to R，T，Z components using the optimal apparent back-azimuth，and the red vertical dashed lines mark the Rayleigh wave time window；（f） Variations of $C_{{\textit{z}}\bar r} $ and $C_{{\textit{z}}\bar r }^{*} $ concerning the orientation deviation；（g） The distribution of the orientation deviations and the corresponding best cross-correlation coefficients for multiple seismic events
![]()
图 1 研究中使用的台站（a）和地震事件分布（b）
Figure 1. Map of the stations （a） and earthquakes （b） used in this study
![]()
图 2 仪器方位偏差示意图
Figure 2. Illustration of the general concept of evaluating the seismometer orientation based on seismic wave polarization
![]()
图 3 面波信号筛选策略
（a） 多个台站记录到的2012年1月17日MW5.7地震的垂直分量波形。红线和蓝线分别表示选取的面波相速度最大值和最小值对应的走时，蓝点表示各个波形在此视窗内的包络最大值，红点表示线性拟合后所得的峰值位置，绿线表示由此峰值优化选取后的面波视窗。所有波形经过20—60 s带通滤波；（b） 部分面波波形及相应信噪比
Figure 3. Schematic on optimal surface wave selection procedure
（a） The vertical records of a MW5.7 earthquake on January 17，2012. The red and blue lines represent the arrival times at each station using the default min/max phase velocity，and the blue dots are the envelope peaks of each band-passed （20−60 s） waveform. Red dots show the envelope peaks after linear fit and the green lines mark the final selected surface wave signal window at each station； （b） Examples of the surface waveforms and corresponding SNRs
![]()
图 5 使用P波（上）和瑞雷面波（下）偏振分析估算台站X1.51011.01 （a） 和X1.51017.01 （b） 方位偏差的结果
Figure 5. Details about the orientation estimation for stations X1.51011.01 （a） and X1.51017.01 （b） using both P （up） and Rayleigh （down） wave polarization analysis
![]()
图 6 两种偏振分析方法的结果对比
（a） 两种偏振分析方法所得结果对比。右侧图分别显示了两种结果两倍均方差的分布；（b） 两种结果均值差异分布；（c） 出现不同问题的台站分布
Figure 6. Comparisons of the orientation estimation results from the two polarization approaches
（a） Orientation estimation from the two independent estimation methods. The right figures show the distribution of twice stand deviation for 95% confidence level for the two methods；（b） Distribution of the difference in mean of orientation deviation between the two methods； （c） Distribution of the stations with abnormal orientation estimations，and all these stations have problems
![]()
图 7 本文与Zeng等（2021）地震计方位偏差测量结果的对比
（a） 本文结果与Zeng等（2021）得到的方位偏差结果对比；（b） 本文结果与Zeng等（2021）中94个异常台站测量结果的差异分布统计图；（c） 对应图（a）中坐标−20°—45°范围内的放大部分，并将Zeng等（2021）中未列出的台站偏差视为0°，对Zeng等（2021）测量结果小于5° 的台站只表示出差值大于10° 的台站
Figure 7. Comparison of orientation deviation measurement results from Zeng et al （2021） with those from this study
（a） Comparison of deviations from P-wave analyses；（b） Histogram of the difference between the two studies for the 94 abnormal stations listed in Zeng et al （2021）；（c） Zoom in of the −20°−45° range in Fig. （a），and consider the station deviations as 0 degrees not listed in Zeng et al （2021），the solid dots mark the difference greater than 10 degrees if the results are less than 5 degrees
![]()
图 8 基于P波（a）和瑞雷面波（b）测量得到的X1.51008.01台站方位偏差随时间的分布
垂直虚线标识了方位偏差发生变化的时间
Figure 8. Example of the time dependent orientation estimation at station X1.51008.01 obtained by P wave （a） and Rayleigh wave （b） polarization
The vertical dashed line marks the time when the orientation changes
![]()
图 9 增益故障台站X1.53012.01示例
图（a）−（c）为P波偏振法分析的结果，图（d）−（f）为瑞雷波偏振分析的结果。（a） 单个地震事件计算的方位偏差与几何反方位角的分布；（b） 地震事件的视反方位角与几何反方位角的分布；（c） 该台站记录到某一个地震事件的三分量波形；图（d）−（f）与图（a）−（c）对应
Figure 9. An example of a gain failure station X1.53012.01
Figs. （a）−（c） and Figs. （d）−（f） represents the results obtained through P-wave polarization analysis and Rayleigh-wave polarization analysis. （a） The distribution relationship between back-azimuth and their orientation deviation of the individual event；（b） The relationship between BAZ and apparent back-azimuth；（c） The three-component waveforms from a certain earthquake event. Figs. （d）−（f） are corresponding to Figs. （a）−（c）
![]()
图 10 X1.53012.01台站基于概率密度函数（PDF）的噪声功率谱密度（PSD）分析的仪器增益判别
（a−c） 2011—2013年BHZ，BHE，BHN三个分量的噪声功率谱概率密度图；（d） BHN分量中偏低分支对应数据的独立概率密度统计图；（e，f） BHE和BHN分量每周平均功率谱随时间的演化；（g） 图（c）中低于全球最低噪声模型部分对应的数据观测时段
Figure 10. The noise power spectral density （PSD） analysis based on probability density function （PDF） of the station X1.53012.01 for gain discrimination of seismometers
（a−c） The PDF-PSD images using records during 2011−2013 for BHZ，BHE，BHN components，respectively；（d） The PDF-PSD image calculated using the corresponding records related to the anormal branch in Fig. （c） for the BHN component；（e，f） The time variation of weekly averaged PSD for BHE and BHN components，respectively；（g） Date and time distribution of the records related to the anormal branch of the BHN component
表 1 不同时间段得到的方位偏差测量结果比较
Table 1 Comparison of orientation estimation results at different time periods
台站名 本文P波偏振分析法测量结果/° Zeng等（2021）的P波偏振
分析法测量结果/°本文瑞雷波偏振分析法测量结果/° X1.51 008.01 −4.36±2.94
（2 011-06-18—2 012-11-02）
29.74±1.84
（2 013-02-14—2 013-06-15）30.00±5.00
（—2 013-03-29）−2.12±22.21
（2 011-06-18—2 012-11-07）
26.26±21.22
（2 013-02-06—2 013-06-05）X1.51 019.01 −5.00±11.30
（2 011-06-22—2 012-12-17）
−15.69±6.36
（2 013-01-31—2 013-10-01）−14.00±3.00
（—2 012-10-16）2.72±21.83
（2 011-06-21—2 012-12-17）
−14.57±23.83
（2 013-01-05—2 013-10-06）X1.51 059.01 −2.37±4.29
（2 011-07-06—2 011-09-16）
10.43±13.00
（2 012-01-01—2 013-09-15）17.00±6.00
（2 011-12-21—2 012-10-21）
10.00±5.00
（—2 013-04-10）−0.80±20.99
（2 011-07-06—2 011-12-30）
7.28±19.39
（2 012-01-09—2 013-09-28）X1.53 103.01 1.60±9.37
（2 011-10-18—2 012-08-14）
−44.29±7.22
（2 012-09-03—2 013-05-26）−45.00±3.00
（—2 012-08-27）−10.92±20.35
（2 011-10-14—2 012-08-31）
−52.28±19.76
（2 012-09-03—2 013-05-29）X1.53 148.01 6.60±6.00
（2 011-09-02—2 013-04-21）
1.60±15.00
（2 013-09-04—2 013-11-12）
只包含7个地震事件＜5
（—2 013-09-02）
20.00±6.00
（2 013-09-02—）8.08±18.82
（2 011-07-29—2 013-04-23）
2.02±29.76
（2 013-09-04—2 013-11-12）X1.52 028.01 12.00±17.00
单个地震事件计算的方位角分布
分散，方位偏差随几何反方位角的分布
存在线性关系，有效地震数少6.00±5.00
存在波形被干扰的现象3.70±38.60
方位偏差随几何反方位角的
分布中，存在线性关系X1.52 048.01 74.00±16.00
单个地震事件计算的方位角分布分散，
有效地震数少重新标记到时
反方位偏差小于5°5.20±93.00
方位偏差随几何反方位角的分布
存在明显的线性关系
下载: 导出CSV
-
陈继锋,李亮,李少睿,刘白云,陈晓龙. 2016. 甘肃省测震台网地震台站地震计方位角检验与校正[J]. 地震工程学报,38(3):460–465. doi: 10.3969/j.issn.1000-0844.2016.03.018 Chen J F,Li L,Li S R,Liu B Y,Chen X L. 2016. Check and correction of seismometer azimuth for Gansu Seismic Network stations[J]. China Earthquake Engineering Journal,38(3):460–465 (in Chinese).
黄静,房立华,王长在,郭永霞. 2015. 采用P波分析法校正北京遥测地震台网地震计方位角[J]. 地震地磁观测与研究,36(4):47–53. Huang J,Fang L H,Wang C Z,Guo Y X. 2015. Application of P waveform analysis in the seismometer azimuth correction of Beijing Seismic Telemetry Network[J]. Seismological and Geomagnetic Observation and Research,36(4):47–53 (in Chinese).
黄建平,李振春,孔雪,国强,严君. 2012. 基于PWD的绕射波波场分离成像方法综述[J]. 地球物理学进展,27(6):2499–2510. doi: 10.6038/j.issn.1004-2903.2012.06.025 Huang J P,Li Z C,Kong X,Guo Q,Yan J. 2012. The review of the wave field separation method about reflection and diffraction based on the PWD[J]. Progress in Geophysics,27(6):2499–2510 (in Chinese).
龙剑锋,张学应,骆佳骥,赵希磊. 2016. 偏振分析算法测定井下地震计方位角偏差[J]. 地震地磁观测与研究,37(1):86–90. Long J F,Zhang X Y,Luo J J,Zhao X L. 2016. To measure the azimuth deviation of the bore-hole seismograph using polarization analysis method[J]. Seismological and Geomagnetic Observation and Research,37(1):86–90 (in Chinese).
眭怡,吴庆举,张瑞青. 2018. 基于三重震相拟合的华南地区上地幔P波与S波速度结构[J]. 地球物理学报,61(8):3237–3250. doi: 10.6038/cjg2018L0507 Sui Y,Wu Q J,Zhang R Q. 2018. P- and S-wave velocity structures of upper mantle beneath South China derived from seismic triplications[J]. Chinese Journal of Geophysics,61(8):3237–3250 (in Chinese).
王芳,王伟涛,龙剑锋,牟磊育,傅磊. 2019. 中国大陆地区宽频带地震台网台基噪声特征[J]. 地震学报,41(5):569–584. doi: 10.11939/jass.20190031 Wang F,Wang W T,Long J F,Mu L Y,Fu L. 2019. Seismic noise characteristics of broad-band seismic networks in Chinese mainland[J]. Acta Seismologica Sinica,41(5):569–584 (in Chinese).
赵玲云,王伟涛,王芳,李娜. 2021. 噪声源的时空分布及其对噪声互相关函数的影响:以ChinArray二期数据为例[J]. 地球物理学报,64(12):4327–4340. doi: 10.6038/cjg2021O0054 Zhao L Y,Wang W T,Wang F,Li N. 2021. The distribution of noise source both in space and time and its influence on noise cross-correlation functions[J]. Chinese Journal of Geophysics,64(12):4327–4340 (in Chinese).
郑秀芬,欧阳飚,张东宁,姚志祥,梁建宏,郑洁. 2009. “国家数字测震台网数据备份中心”技术系统建设及其对汶川大地震研究的数据支撑[J]. 地球物理学报,52(5):1412–1417. Zheng X F,Ouyang B,Zhang D N,Yao Z X,Liang J H,Zheng J. 2009. Technical system construction of Data Backup Centre for China Seismograph Network and the data support to researches on the Wenchuan earthquake[J]. Chinese Journal of Geophysics,52(5):1412–1417 (in Chinese).
Anderson P N,Duennebier F K,Cessaro R K. 1987. Ocean borehole horizontal seismic sensor orientation determined from explosive charges[J]. J Geophys Res:Solid Earth,92(B5):3573–3579. doi: 10.1029/JB092iB05p03573
Bahavar M,Spica Z J,Sánchez-Sesma F J,Trabant C,Zandieh A,Toro G. 2020. Horizontal-to-vertical spectral ratio (HVSR) IRIS station toolbox[J]. Seismol Res Lett,91(6):3539–3549. doi: 10.1785/0220200047
Baker G E,Stevens J L. 2004. Backazimuth estimation reliability using surface wave polarization[J]. Geophys Res Lett,31(9):L09611.
Berens P. 2009. CircStat:A MATLAB toolbox for circular statistics[J]. J Stat Softw,31(10):1–21.
Büyükakpınar P,Aktar M,Petersen G M,Köseoğlu A. 2021. Orientations of broadband stations of the KOERI seismic network (Turkey) from two independent methods:P- and Rayleigh-wave polarization[J]. Seismol Res Lett,92(3):1512–1521. doi: 10.1785/0220200362
Davis P M. 2003. Azimuthal variation in seismic anisotropy of the southern California uppermost mantle[J]. J Geophys Res: Solid Earth,108(B1):2052.
Doran A K,Laske G. 2017. Ocean-bottom seismometer instrument orientations via automated Rayleigh-wave arrival-angle measurements[J]. Bull Seismol Soc Am,107(2):691–708. doi: 10.1785/0120160165
Ekström G,Busby R W. 2008. Measurements of seismometer orientation at USArray transportable array and backbone stations[J]. Seismol Res Lett,79(4):554–561. doi: 10.1785/gssrl.79.4.554
Ensing J X,van Wijk K. 2019. Estimating the orientation of borehole seismometers from ambient seismic noise[J]. Bull Seismol Soc Am,109(1):424–432. doi: 10.1785/0120180118
Kennett B L N. 1991. IASPEI 1991 seismological tables[J]. Terra Nova,3(2):122. doi: 10.1111/j.1365-3121.1991.tb00863.x
Laske G. 1995. Global observation of off-great-circle propagation of long-period surface waves[J]. Geophys J Int,123(1):245–259. doi: 10.1111/j.1365-246X.1995.tb06673.x
Laske G,Masters G. 1996. Constraints on global phase velocity maps from long-period polarization data[J]. J Geophys Res: Solid Earth,101(B7):16059–16075. doi: 10.1029/96JB00526
Lay T,Wallace T C. 1995. Modern Global Seismology[M]. San Diego:Academic Press:7−8.
McNamara D E,Buland R P. 2004. Ambient noise levels in the continental United States[J]. Bull Seismol Soc Am,94(4):1517–1527. doi: 10.1785/012003001
Niu F L,Li J. 2011. Component azimuths of the CEArray stations estimated from P-wave particle motion[J]. Earthquake Science,24(1):3–13. doi: 10.1007/s11589-011-0764-8
Ojo A O,Zhao L,Wang X. 2019. Estimations of sensor misorientation for broadband seismic stations in and around Africa[J]. Seismol Res Lett,90(6):2188–2204. doi: 10.1785/0220190103
Ringler A T,Hutt C R,Persefield K,Gee L S. 2013. Seismic station installation orientation errors at ANSS and IRIS/USGS stations[J]. Seismol Res Lett,84(6):926–931. doi: 10.1785/0220130072
Rueda J,Mezcua J. 2015. Orientation analysis of the Spanish Broadband National Network using Rayleigh-wave polarization[J]. Seismol Res Lett,86(3):929–940. doi: 10.1785/0220140149
Scholz J R,Barruol G,Fontaine F R,Sigloch K,Crawford W C,Deen M. 2017. Orienting ocean-bottom seismometers from P-wave and Rayleigh wave polarizations[J]. Geophys J Int,208(3):1277–1289. doi: 10.1093/gji/ggw426
Schulte-Pelkum V,Masters G,Shearer P M. 2001. Upper mantle anisotropy from long-period P polarization[J]. J Geophys Res:Solid Earth,106(B10):21917–21934. doi: 10.1029/2001JB000346
Silver P G,Chan W W. 1991. Shear wave splitting and subcontinental mantle deformation[J]. J Geophys Res:Solid Earth,96(B10):16429–16454. doi: 10.1029/91JB00899
Son Y O,Seo M S,Kim Y H. 2022. Measurement of seismometer misorientation based on P-wave polarization:Application to permanent seismic network in South Korea[J]. Geosci J,26(2):235–247. doi: 10.1007/s12303-021-0031-5
Stachnik J C,Sheehan A F,Zietlow D W,Yang Z,Collins J,Ferris A. 2012. Determination of New Zealand ocean bottom seismometer orientation via Rayleigh-wave polarization[J]. Seismol Res Lett,83(4):704–713. doi: 10.1785/0220110128
Tanimoto T,Rivera L. 2005. Prograde Rayleigh wave particle motion[J]. Geophys J Int,162(2):399–405. doi: 10.1111/j.1365-246X.2005.02481.x
Wang X,Chen Q F,Li J,Wei S J. 2016. Seismic sensor misorientation measurement using P-wave particle motion:An application to the NECsaids array[J]. Seismol Res Lett,87(4):901–911. doi: 10.1785/0220160005
Wessel P,Luis J F,Uieda L,Scharroo R,Wobbe F,Smith W H F,Tian D. 2019. The Generic Mapping Tools Version 6[J]. Geochem Geophys Geosyst,20(11):5556–5564. doi: 10.1029/2019GC008515
Xu W W,Yuan S Y,Wang W T,Luo X H,Li L. 2020. Comparing orientation analysis methods for a shallow-water ocean-bottom seismometer array in the Bohai Sea,China[J]. Bull Seismol Soc Am,110(6):3174–3184. doi: 10.1785/0120200174
Zeng S J,Zheng Y,Niu F L,Ai S X. 2021. Measurements of seismometer orientation of the first phase ChinArray and their implications on vector-recording-based seismic studies[J]. Bull Seismol Soc Am,111(1):36–49. doi: 10.1785/0120200129
Zha Y,Webb S C, Menke W. 2013. Determining the orientations of ocean bottom seismometers using ambient noise correlation[J]. Geophys Res Lett,40(14):3585–3590. doi: 10.1002/grl.50698
计量
- 文章访问数: 314
- HTML全文浏览量: 74
- PDF下载量: 132
