地震自動(dòng)編目處理系統(tǒng)在2023年廣東河源M4.3地震序列中的應(yīng)用

梁 明，劉 軍，洪玉清，林慶西，姜喜姣，田 平

（1.廣東省地震局，廣州 510070；2.中國(guó)地震局地震監(jiān)測(cè)與減災(zāi)技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣州 510070）

0 引言

大震發(fā)生后，通常在震中一定范圍內(nèi)會(huì)伴隨著密集的余震序列?？焖贉?zhǔn)確地產(chǎn)出余震序列目錄可為震后趨勢(shì)判定、地震應(yīng)急及救援等工作提供重要參考。同時(shí)，余震序列目錄還可以為震源機(jī)制快速測(cè)定、地震破裂過(guò)程反演、余震精定位以及發(fā)震構(gòu)造研究等[1-5]提供基礎(chǔ)資料。因此，大震過(guò)后的余震序列產(chǎn)出至關(guān)重要，如何快速準(zhǔn)確地產(chǎn)出余震目錄是地震監(jiān)測(cè)工作的重要內(nèi)容之一。

目前，大震后的余震序列目錄以及日常地震目錄的產(chǎn)出主要還是依靠地震編目人員人工完成。就廣東臺(tái)網(wǎng)來(lái)說(shuō)，每年需人工分析地震平均達(dá)4 千多個(gè)，震相數(shù)十萬(wàn)余條。近年來(lái)，隨著臺(tái)網(wǎng)密度的不斷加大，尤其是國(guó)家地震烈度速報(bào)與預(yù)警工程廣東子項(xiàng)目以及粵港澳大灣區(qū)與粵西地區(qū)地震監(jiān)測(cè)能力提升工程項(xiàng)目建設(shè)完成之后，廣東省測(cè)震臺(tái)數(shù)量將從原來(lái)的112 個(gè)增加至178 個(gè)[6-7]，可編目的地震數(shù)量和記錄的臺(tái)站數(shù)將會(huì)越來(lái)越多，依靠現(xiàn)有的人工處理模式完成地震編目工作將面臨重大挑戰(zhàn)，迫切需要一套能夠替代人工分析的地震數(shù)據(jù)自動(dòng)處理系統(tǒng)。為了解決上述問(wèn)題，廣東省地震局地震監(jiān)測(cè)技術(shù)及軟件研發(fā)創(chuàng)新團(tuán)隊(duì)基于深度學(xué)習(xí)研發(fā)了兩套地震自動(dòng)編目處理系統(tǒng)，均使用的是基于本地波形數(shù)據(jù)重新訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型。目前兩套系統(tǒng)已經(jīng)在廣東臺(tái)網(wǎng)部署安裝，處于試運(yùn)行階段。

據(jù)中國(guó)地震臺(tái)網(wǎng)中心正式測(cè)定，北京時(shí)間2023年2月11日10時(shí)41分42秒，廣東河源市源城區(qū)發(fā)生了M4.3 地震，震中位于北緯23.76°，東經(jīng)114.64°，震源深度11 km。截至2023 年2 月18 日24 時(shí)，廣東地震臺(tái)網(wǎng)編目余震239 條，其中ML0.0～0.9 有206 條，ML1.0～1.9 有28 條，ML2.0～2.9 有4 條，ML3.0～3.9 有1 條，最大余震為2 月11 日14時(shí)的ML3.4 地震。此次地震短期內(nèi)余震較密集，以微小地震為主，并且有很多疊加地震，波形重疊交錯(cuò)，分析難度較大，對(duì)自動(dòng)編目系統(tǒng)是一次嚴(yán)峻的考驗(yàn)。因此，本文利用兩套地震自動(dòng)編目系統(tǒng)檢測(cè)的河源地震序列結(jié)果，通過(guò)與人工編目結(jié)果對(duì)比，從震相拾取精度、定位參數(shù)精度等維度分析討論自動(dòng)編目系統(tǒng)的實(shí)際運(yùn)行效果，為進(jìn)一步完善系統(tǒng)提供參考依據(jù)，從而加快推進(jìn)地震自動(dòng)編目系統(tǒng)的業(yè)務(wù)化運(yùn)行。

1 地震自動(dòng)編目系統(tǒng)簡(jiǎn)介

廣東省地震局地震監(jiān)測(cè)技術(shù)及軟件研發(fā)創(chuàng)新團(tuán)隊(duì)于2021 年創(chuàng)建，其中一個(gè)研究方向就是基于機(jī)器學(xué)習(xí)的事件自動(dòng)檢測(cè)、定位等相關(guān)算法及軟件的研發(fā)。在廣東省地震局的支持以及團(tuán)隊(duì)成員的努力下，研發(fā)了兩套地震自動(dòng)編目處理系統(tǒng)（以下簡(jiǎn)稱系統(tǒng)1 和系統(tǒng)2）。其中，系統(tǒng)1 是在前期工作的基礎(chǔ)上[8]，選取PhaseNet 模型[9]，使用2008 年至2021年廣東省地震數(shù)據(jù)對(duì)其進(jìn)行重訓(xùn)練，利用重新訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行震相到時(shí)拾取，然后采用GaMMA算法[10]進(jìn)行震相關(guān)聯(lián)及定位。因GaMMA算法定位時(shí)不產(chǎn)出震級(jí)，因此在本研究中并未就兩套地震自動(dòng)編目系統(tǒng)在震級(jí)方面的表現(xiàn)進(jìn)行評(píng)估。系統(tǒng)2 是基于Mask R-CNN 模型[11]，使用2007 年至2020 年廣東省地震數(shù)據(jù)對(duì)其進(jìn)行重新訓(xùn)練，然后利用重新訓(xùn)練后的模型進(jìn)行震相到時(shí)拾取，采用自研算法進(jìn)行震相關(guān)聯(lián)，最后調(diào)用MSDP 軟件中的Hyposat定位程序進(jìn)行定位。

2 數(shù)據(jù)選取及處理

本文是選取2023年2月10日0時(shí)至2023年2月18 日24 時(shí)廣東臺(tái)網(wǎng)記錄到的連續(xù)地震波形數(shù)據(jù)進(jìn)行處理分析，在該時(shí)段內(nèi)，兩套地震自動(dòng)編目處理系統(tǒng)與廣東臺(tái)網(wǎng)人工編目系統(tǒng)使用的臺(tái)站分布完全一致。廣東河源M4.3地震震中周邊50 km范圍內(nèi)包含14 個(gè)測(cè)震臺(tái)站，距離震中最近的是LVY 臺(tái)，震中距約為2 km，100 km范圍內(nèi)包含18個(gè)測(cè)震臺(tái)站，150 km范圍內(nèi)包含27個(gè)測(cè)震臺(tái)站（圖1）。因?yàn)榇舜蔚卣鹩嗾鹣鄬?duì)集中，因此本文研究區(qū)域范圍是23.68°～23.84°N，114.56°～114.72°E。在上述研究時(shí)段及研究區(qū)域內(nèi)，廣東地震臺(tái)網(wǎng)人工編目地震共241 條（以下簡(jiǎn)稱人工目錄），系統(tǒng)1 共產(chǎn)出地震目錄643 條（以下簡(jiǎn)稱自動(dòng)目錄1），系統(tǒng)2 共產(chǎn)出地震目錄136條（以下簡(jiǎn)稱自動(dòng)目錄2）。

圖1 地震臺(tái)站分布圖（五角星為主震震中，三角形為地震臺(tái)站）Fig.1 Distribution map of seismic stations（the pentagram is the epicenter of main shock and the triangle is the seismic station）

本文將以人工目錄為準(zhǔn)，如果自動(dòng)目錄與其發(fā)震時(shí)刻偏差在3 s 以內(nèi)，震中位置偏差在15 km 以內(nèi)，則認(rèn)為匹配成功，視為同一地震事件；如果有多條事件符合匹配條件，則以發(fā)震時(shí)刻差值最小為依據(jù)優(yōu)先選擇匹配事件；如果自動(dòng)目錄中的事件無(wú)法在人工目錄中找到，則認(rèn)為是系統(tǒng)多檢測(cè)的事件；如果人工目錄中的事件無(wú)法在自動(dòng)目錄中找到，則認(rèn)為是系統(tǒng)漏檢測(cè)的事件。

3 結(jié)果分析

圖2給出的是自動(dòng)目錄與人工目錄震中分布情況。從圖中可以看出，系統(tǒng)1產(chǎn)出的自動(dòng)編目地震數(shù)量明顯多于人工編目地震數(shù)量?；谟^測(cè)報(bào)告統(tǒng)計(jì)，在研究時(shí)段以及研究范圍內(nèi)，人工編目共產(chǎn)出地震目錄241 條，系統(tǒng)1 共產(chǎn)出地震目錄643條，比人工目錄多出402條，自動(dòng)目錄數(shù)量是人工目錄的2.67 倍。自動(dòng)目錄1 中有213 個(gè)地震與人工目錄匹配成功，其中ML3.0 及以上地震事件匹配率為100%，ML2.0～2.9 地震事件匹配率為100%，ML1.0～1.9 地震事件匹配率為92.9%，ML0.0～0.9地震事件匹配率為87.4%。系統(tǒng)多檢測(cè)出430 個(gè)地震事件，漏檢測(cè)28個(gè)地震事件。相較于系統(tǒng)1，系統(tǒng)2 產(chǎn)出的自動(dòng)編目地震數(shù)量要少很多，系統(tǒng)2 共產(chǎn)出地震目錄136 條，比人工目錄少105 條。自動(dòng)目錄2 中有127 個(gè)地震與人工目錄匹配成功，其中ML3.0 及以上地震事件匹配率為100%，ML2.0～2.9地震事件匹配率為100%，ML1.0～1.9 地震事件匹配率為76.9%，ML0.0～0.9 地震事件匹配率為48.8%。系統(tǒng)多檢測(cè)出9 個(gè)地震事件，漏檢測(cè)114個(gè)地震事件。

圖2 自動(dòng)目錄與人工目錄震中分布圖Fig.2 The epicenter distribution of the automatic catalog and manual catalog

為了更明顯的看出兩套系統(tǒng)產(chǎn)出自動(dòng)目錄隨時(shí)間的變化情況，我們給出了自動(dòng)目錄與人工目錄余震累積數(shù)量變化圖（圖3）。由圖3 可見(jiàn)，對(duì)于系統(tǒng)1，在主震發(fā)生后的前1 個(gè)小時(shí)，其產(chǎn)出的自動(dòng)目錄中的余震數(shù)量比人工目錄中的余震數(shù)量略少；在這之后，自動(dòng)目錄中余震數(shù)量明顯多于人工目錄中的余震數(shù)量。而對(duì)于系統(tǒng)2，在研究時(shí)段內(nèi)，其產(chǎn)出的自動(dòng)目錄中的余震數(shù)量一直少于人工目錄中的余震數(shù)量，尤其是在12 日之前；而12日之后，其余震數(shù)量與人工目錄中的余震數(shù)量相差不大。

圖3 自動(dòng)目錄與人工目錄余震累積數(shù)量變化圖Fig.3 The cumulative number diagram of aftershocks in automatic catalog and manual catalog

圖4 給出了自動(dòng)目錄與人工目錄Pg、Sg 震相到時(shí)拾取差異統(tǒng)計(jì)情況，其中震相到時(shí)偏差為自動(dòng)目錄減去人工目錄。統(tǒng)計(jì)表明，系統(tǒng)1自動(dòng)拾取的震相中有2340 個(gè)Pg 震相和2539 個(gè)Sg 震相與人工拾取震相匹配，震相檢出率分別為89.9%和84.7%。Pg震相平均到時(shí)差異為0.020 s，Pg震相拾取偏差小于±0.1 s 占98.4%，小于±0.2 s 占99.0%，小于±0.5 s占99.7%。Sg震相平均到時(shí)差異為0.024 s，Sg震相拾取偏差小于±0.1 s占97.1%，小于±0.2 s占99.1%，小于±0.5 s 占99.6%。系統(tǒng)2 自動(dòng)拾取的震相中有1258 個(gè)Pg 震相和1306 個(gè)Sg 震相與人工拾取震相匹配，震相檢出率分別為48.3%和43.5%。Pg 震相平均到時(shí)差異為0.052 s，Pg 震相拾取偏差小于±0.1 s 占89.7%，小于±0.2 s 占91.6%，小于±0.5 s占98.4%。Sg震相平均到時(shí)差異為0.077 s，Sg震相拾取偏差小于±0.1 s 占86.9%，小于±0.2 s 占92.8%，小于±0.5 s占97.4%。

圖4 自動(dòng)目錄與人工目錄Pg、Sg震相到時(shí)偏差統(tǒng)計(jì)圖Fig.4 The statistical diagram of arrival time deviation of Pg-phase and Sg-phase between automatic catalog and manual catalog

圖5分別給出了自動(dòng)目錄與人工目錄匹配成功地震事件在發(fā)震時(shí)刻、震中位置以及震源深度方面的偏差統(tǒng)計(jì)情況，其中偏差值為自動(dòng)目錄減去人工目錄。對(duì)于系統(tǒng)1，發(fā)震時(shí)刻偏差基本在±1.0 s 以內(nèi)，共有206 個(gè)地震，占比96.7%（圖5（a））；震中位置偏差整體在3 km 以內(nèi)，極個(gè)別在3～8 km之間，偏差小于3 km 的地震有208 個(gè)，占比97.7%（圖5（b））；震源深度偏差整體在±4 km以內(nèi)，共有208 個(gè)地震，占比97.7%（圖5（c））。對(duì)于系統(tǒng)2，發(fā)震時(shí)刻偏差基本在±0.5 s以內(nèi)，共有125個(gè)地震，占比98.4%（圖5（d））；震中位置偏差整體都在2 km 以內(nèi)，偏差小于1 km 的地震有122 個(gè)，占比96.1%（圖5（e））；震源深度偏差整體在±1 km以內(nèi)，共有124個(gè)地震，占比97.6%（圖5（f））。

圖5 自動(dòng)目錄與人工目錄多參數(shù)對(duì)比圖Fig.5 Multi-parameter comparison between automatic catalog and manual catalog

4 討論

從圖2、圖3 中我們已經(jīng)看到，系統(tǒng)1 產(chǎn)出的自動(dòng)目錄數(shù)量遠(yuǎn)遠(yuǎn)多于人工目錄數(shù)量，而系統(tǒng)2產(chǎn)出的自動(dòng)目錄數(shù)量要少于人工目錄數(shù)量。為了分析兩套系統(tǒng)多檢測(cè)地震事件的可信度以及漏檢測(cè)地震事件的原因，我們對(duì)其逐一進(jìn)行了人工確認(rèn)。

經(jīng)過(guò)確認(rèn)，我們發(fā)現(xiàn)系統(tǒng)1 多檢測(cè)出的430 個(gè)事件和系統(tǒng)2 多檢測(cè)出的9 個(gè)事件均含有地震信號(hào)，無(wú)誤觸發(fā)事件。此次河源M4.3 地震震中附近臺(tái)站較多，并且均勻分布在震中周圍（圖1），對(duì)于震級(jí)較小，甚至震級(jí)為負(fù)的地震都有多個(gè)臺(tái)站記錄到較清晰的事件波形（圖6a）。兩套系統(tǒng)多檢測(cè)出的地震事件震級(jí)均為負(fù)，一般情況下，臺(tái)網(wǎng)編目人員不會(huì)將負(fù)震級(jí)的地震編入目錄，因此沒(méi)有與人工目錄匹配上。

圖6 多檢測(cè)和漏檢測(cè)事件波形圖Fig.6 Waveform of multiple detection and missed detection events

對(duì)于系統(tǒng)1 漏檢測(cè)的28 個(gè)地震事件，經(jīng)過(guò)查看人工目錄和自動(dòng)目錄的詳細(xì)數(shù)據(jù)，發(fā)現(xiàn)漏檢測(cè)的地震主要分成兩種情況。一種是漏檢測(cè)地震事件前后有多個(gè)事件，且發(fā)震時(shí)間間隔很短，近臺(tái)未疊加在一起。這種情況會(huì)出現(xiàn)同一檢測(cè)窗口包含多個(gè)地震，而PhaseNet方法在處理這種情況時(shí)存在一定的缺陷，即對(duì)于同一檢測(cè)窗口內(nèi)包含多個(gè)地震，且振幅相近或相差較大時(shí)，較小的地震概率值會(huì)顯著偏低，從而被遺漏[8]。本次河源地震短期內(nèi)余震較密集（圖3，圖6b），出現(xiàn)這種情況較多，這也是該系統(tǒng)漏檢測(cè)地震的主要原因之一。而另外一種是事件波形疊加在一起，從而造成疊加地震中信噪比較小的地震信號(hào)被遺漏（圖6c）。

因系統(tǒng)2 漏檢測(cè)的地震事件較多，所以我們從人工和自動(dòng)目錄詳細(xì)數(shù)據(jù)、震相檢測(cè)策略等多方面進(jìn)行了分析，發(fā)現(xiàn)造成系統(tǒng)2漏檢測(cè)地震的主要原因是震相檢測(cè)策略問(wèn)題。該系統(tǒng)設(shè)置檢測(cè)窗口長(zhǎng)度為60 s，并且沒(méi)有設(shè)置滑動(dòng)窗口，當(dāng)該地震被分割在兩個(gè)檢測(cè)窗口時(shí)，該地震會(huì)被遺漏。因?yàn)镸ask R-CNN 模型是拾取事件波形輪廓，然后再將起始像素信息轉(zhuǎn)換成初至震相信息。當(dāng)同一檢測(cè)窗口中包含多個(gè)地震且振幅相差較大時(shí)，做歸一化處理后，小的地震事件波形輪廓就拾取不到，從而造成地震事件被遺漏。又因該系統(tǒng)設(shè)置了較長(zhǎng)檢測(cè)窗口，大大增加了其發(fā)生的概率。Mask RCNN 模型在拾取出事件波形輪廓的同時(shí)會(huì)給出一個(gè)分類分?jǐn)?shù)，該系統(tǒng)對(duì)于分?jǐn)?shù)較低的輪廓信息直接去掉不用，這樣大概率會(huì)造成波形疊加在一起的地震事件被遺漏。

針對(duì)自動(dòng)目錄與人工目錄匹配成功的地震事件，我們做了進(jìn)一步的分析。兩套系統(tǒng)自動(dòng)拾取的Pg、Sg 震相到時(shí)偏差均呈正態(tài)分布，且主要分布在±0.5s以內(nèi)（圖4），震相拾取精度較高。兩套系統(tǒng)自動(dòng)拾取的Sg 震相都要比Pg 震相多，這也符合本次河源地震特點(diǎn)，即余震較密集，很多地震事件波形疊加在一起，Pg 震相拾取難度大大增加（圖6）。Pg 震相的平均到時(shí)差要小于Sg 震相的平均到時(shí)差，說(shuō)明Pg 震相拾取精度要高于Sg 震相。這一點(diǎn)從圖4（b）中也可以明顯看到，系統(tǒng)2 中，Pg 震相到時(shí)偏差正負(fù)數(shù)量均勻分布，收斂性更好，而Sg 震相到時(shí)偏差整體在零軸左側(cè)，存在早于人工識(shí)別Sg波震相到時(shí)的情況。這可能是由于Mask RCNN 模型是拾取事件波形輪廓，為了兼顧計(jì)算速度等因素設(shè)置1 個(gè)像素點(diǎn)代表0.1 秒，而Sg 震相屬于續(xù)至震相，不像Pg 震相那樣邊界相對(duì)清晰，在像素信息轉(zhuǎn)換成震相信息時(shí)造成了上述情況發(fā)生。兩套系統(tǒng)產(chǎn)出的自動(dòng)目錄與人工目錄在發(fā)震時(shí)刻、震中位置以及震源深度方面偏差均較?。▓D5）。系統(tǒng)1中有個(gè)別地震事件偏差較大，經(jīng)過(guò)分析發(fā)現(xiàn)主要原因是在拾取和關(guān)聯(lián)震相時(shí)混淆了相鄰地震的Pg、Sg震相。

5 結(jié)語(yǔ)

為了更好的評(píng)估兩套地震自動(dòng)編目處理系統(tǒng)在廣東臺(tái)網(wǎng)的試用情況，促進(jìn)系統(tǒng)的改進(jìn)和完善，本文利用2023 年2 月11 日廣東河源M4.3 地震主震前1 天以及后7 天廣東臺(tái)網(wǎng)記錄的連續(xù)波形數(shù)據(jù)，結(jié)合人工編目結(jié)果，從震中分布、震相拾取精度、定位精度等維度分析討論了兩套地震自動(dòng)編目系統(tǒng)的優(yōu)缺點(diǎn)，得出如下結(jié)論：

（1）在研究時(shí)段和研究范圍內(nèi)，系統(tǒng)1 檢測(cè)出643 條地震，是人工目錄的2.67 倍，事件匹配率較高；系統(tǒng)2 檢測(cè)出136 條地震，約為人工目錄的二分之一，ML1.0 以下地震事件匹配率較低。2 套系統(tǒng)自動(dòng)檢測(cè)結(jié)果均為真實(shí)事件，無(wú)誤觸發(fā)，事件真實(shí)率為100%。

（2）兩套系統(tǒng)產(chǎn)出的自動(dòng)目錄在發(fā)震時(shí)刻、震中位置以及震源深度方面均與人工目錄偏差較??；自動(dòng)拾取的Pg、Sg 震相到時(shí)精度較高，Pg 震相拾取精度要高于Sg 震相，系統(tǒng)2 存在早于人工識(shí)別Sg波震相到時(shí)的情況。

（3）兩套系統(tǒng)產(chǎn)出的地震目錄可靠度較高，都具備地震自動(dòng)編目的能力；兩套系統(tǒng)相比，系統(tǒng)1處理大震后較密集余震的能力較強(qiáng)，可以產(chǎn)出完備性較好的地震目錄，而系統(tǒng)2處理余震能力還有待加強(qiáng)。

（4）兩套系統(tǒng)在處理同一檢測(cè)窗口包含多個(gè)地震的能力還需進(jìn)一步加強(qiáng)，尤其是系統(tǒng)2。

因系統(tǒng)1 暫未產(chǎn)出震級(jí)，本文未對(duì)兩套系統(tǒng)在震級(jí)方面的表現(xiàn)進(jìn)行評(píng)估；同時(shí)在筆者撰寫論文期間，研發(fā)團(tuán)隊(duì)就系統(tǒng)2中的問(wèn)題進(jìn)行了修復(fù)，待后續(xù)系統(tǒng)不斷改進(jìn)完善后，再做細(xì)致分析。

致謝：本文部分圖件使用GMT 軟件繪制，得到了審稿專家對(duì)于改善論文質(zhì)量的寶貴建議和意見(jiàn)，在此一并表示感謝。