基于数据驱动的网格优化方法提升区域地震走时(RSTT)模型走时预测精度研究
《Geophysical Journal International》:Data-informed Grid Refinement to Improve Travel Time Accuracy in the Regional Seismic Travel Time (RSTT) Model
【字体:
大
中
小
】
时间:2025年12月12日
来源:Geophysical Journal International
编辑推荐:
本研究针对传统一维速度模型在区域地震定位中因未考虑地壳和上地地幔三维结构而导致走时误差较大的问题,通过开展全球尺度Pn波走时层析成像研究,采用数据驱动的多级网格优化技术(1.0°至0.125°),构建了精细化区域地震走时(RSTT)模型。结果表明,新模型使欧洲和中东地区验证事件的定位误差中值降低21.6%,显著提升了对小型构造特征的分辨能力,为地震监测和构造研究提供了更可靠的走时预测工具。
在地震学研究领域,准确预测区域地震波走时是提升地震定位精度的关键环节。传统的一维速度模型(如ak135和iasp91)由于无法刻画地壳和上地幔的三维复杂结构,在区域距离(约200-2000公里)的走时预测中存在显著误差,尤其对缺乏远震约束的小震事件定位影响更为突出。区域地震走时(Regional Seismic Travel Time,RSTT)模型通过引入三维地壳和上地幔结构,显著改善了走时预测精度,但其早期全球版本采用约1°均匀网格,在射线覆盖密集区域难以分辨更精细的构造特征。
为突破这一限制,由美国洛斯阿拉莫斯国家实验室Nishath Rajiv Ranasinghe领衔的研究团队,在《Geophysical Journal International》发表了一项创新性研究。他们利用全球密集的Pn波射线路径数据,开展了系统性的网格优化工作,通过四级网格细化(1.0°、0.5°、0.25°和0.125°),构建了新一代RSTT模型。该模型在欧洲和中东地区的验证结果显示,相较于原始全球RSTT模型,事件定位误差中值降低21.6%,全球范围内误差减少16.1%,证明数据驱动的网格优化能有效提升走时预测精度和构造分辨能力。
研究团队采用了几项关键技术方法:首先基于GeoTess框架构建三角形镶嵌网格,利用L曲线分析法确定各网格层级的最佳平滑和阻尼参数;其次采用±3标准差准则剔除走时残差异常值以提升反演稳定性;最后通过射线命中数统计(>1000条射线的节点进行细化)指导空间网格优化。数据来源包括国际地震中心(ISC)等机构的全球地震目录,筛选事件需满足震中定位 uncertainty ≤25公里(GT25)且震源深度位于莫霍面以上,最终使用1,290,470条Pn波到时数据(来自69,832个事件和11,940个台站)。
使用独立验证事件集(1,395个GT5以上事件)的测试表明,新模型在稀疏台站覆盖区域的改进尤为显著。当区域Pn波到时报文少于5条时,0.125°网格模型较ak135模型定位误差降低33.5%,印证了网格细化对提升稀疏数据区域定位精度的有效性。
通过合成数据反演验证模型分辨率,结果显示0.5°尺度速度异常和2°尺度梯度异常的恢复率分别达59%和49%。在射线密集区域(如美国西部和欧洲),网格细化后能清晰识别蛇河平原(Snake River Plain)低速带(<7.75 km/s)和塞拉尼瓦达山脉(Sierra Nevada)下方梯度变化等构造特征。
精细化模型揭示了更丰富的上地幔速度与梯度结构:美国西部俯冲带呈现高速异常,欧洲伊比利亚地块(Iberian Massif)显示高速特征,而死海断裂带(Dead Sea Fault)和喀尔巴阡山脉(Carpathian Mountains)则表现为低速高梯度区。这些发现与区域构造活动(如岩石圈拆沉、流体渗透等)具有良好一致性。
研究结论强调,数据驱动的网格优化策略能有效平衡全球覆盖与区域细节的矛盾,使RSTT模型在保持全球适用性的同时,对射线密集区域的构造刻画能力显著提升。该模型可直接应用于地震监测、核爆核查及构造学研究,未来通过引入Pn波各向异性分析和海洋台站数据,将进一步优化海洋区域走时预测能力。这项研究为三维地球模型的发展提供了重要技术范式,标志着区域地震走时建模从均一化网格向自适应精细化建模的重要转变。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号