中国四川-云南地区密集地磁台阵观测数据的处理与分析
《Journal of Applied Geophysics》:Processing and analysis of observational data from the dense geomagnetic array in the Sichuan-Yunnan Region, China
【字体:
大
中
小
】
时间:2026年09月29日
来源:Journal of Applied Geophysics 2.6
编辑推荐:
•混合CEEMD-小波方法对密集地磁阵列数据进行降噪。•该方法去除台阶、尖峰和随机噪声,同时保留日变化特征。•实现平均56.2%的峰峰值噪声降低,超过单一算法的效果。•在110个野外台站中平均提高信噪比7.4 dB。•能够实现地震监测中弱地磁信号的可靠提取。引言地磁观测是通过
•混合CEEMD-小波方法对密集地磁阵列数据进行降噪。•该方法去除台阶、尖峰和随机噪声,同时保留日变化特征。•实现平均56.2%的峰峰值噪声降低,超过单一算法的效果。•在110个野外台站中平均提高信噪比7.4 dB。•能够实现地震监测中弱地磁信号的可靠提取。引言地磁观测是通过检测与地震活动相关的电磁信号来监测地震前兆的关键地球物理方法(Bernardi等,1991;Dovbnya,2014;Kosterin等,2015)。这些信号源自应力诱导的地质介质物理性质变化,如电导率变化,进而通过地震磁机制(包括压磁效应和电磁感应)产生异常地磁场响应(Azeez等,2009;Hayakawa,2019;Cordaro等,2011;Gao等,2025)。该机制为利用地磁场异常进行地震监测和预测提供了基本物理基础。过去几十年,中国已建立数百个地磁台站,配备多种地磁仪器来监测地磁异常(Zhang等,2014;Wang等,2024)。然而,这些专业台站的高成本和严格的台址要求限制了密集网络的部署,导致空间分辨率通常超过100公里。虽然移动地磁观测可作为固定台站的有用补充,但其劳动密集且耗时的特点限制了每年只能进行少数几次离散观测,导致固有的低时间分辨率(Sun等,2024;Chen等,2017;Shen,2022)。这些空间和时间分辨率的限制阻碍了对与局部构造过程相关的弱、短周期和瞬态地磁异常的可靠检测,从而严重制约了地磁前兆在地震预测中的应用。因此,迫切需要开发低成本、易部署的密集地磁台站阵列,以增强对活动断层区域地磁场变化的连续监测,提高地震磁异常的检测能力,并支持实时地震事件跟踪(Wang等,2012)。近年来,这一工作通过在中国四川-云南地区部署全球密度最高的地磁台站阵列之一而得到进一步推动,该阵列专门设计用于监测地震活动断层区域。该阵列由110个观测台站组成,平均台间距约为10公里,能够实现地磁场变化的高分辨率空间监测。这一部署代表了从"稀疏点观测"到"密集面监测"的范式转变,从而能够获取高分辨率、空间连续的数据,以研究断层区内微尺度地磁变化与地震活动之间的耦合关系(Shen,2022)。然而,大规模部署密集地磁阵列对于确保所有观测台站始终满足高精度地磁测量的严格环境要求带来了重大挑战,导致所采集的数据容易受到各种人为电磁干扰的污染。主要干扰来源包括:(i) 高压直流(HVDC)输电线路不平衡电流引起的磁场扰动,在地磁时间序列中表现为明显的台阶状异常(Yang等,2020a;Zhang等,2024;An等,2025);(ii) 移动铁磁物体(如车辆)的近场偶极电磁辐射,产生脉冲尖峰状或台阶状扰动(Yang等,2010;Yao等,2016;Yang等,2020b;Hu等,2024);以及(iii) 间歇性人为活动产生的随机瞬态噪声。这些干扰信号在频域上常与目标信号重叠,且幅度相当,从而在原本平滑的地磁变化曲线中引起局部畸变。在严重情况下,它们可能完全掩盖与构造活动相关的弱信号。因此,为了有效利用密集地磁阵列数据,必须对原始观测数据进行噪声抑制处理,以尽可能忠实地恢复真实地磁场变化,并确保后续分析的可靠性。这是本研究旨在解决的主要挑战。传统的降噪方法,如基于傅里叶变换的方法,适用于平稳信号分析,但在处理实际地磁信号中常见的非平稳干扰时效果较差(Wei和Li,2016;Faggioni,2018)。小波变换具有固有的时频局部化能力,为非平稳信号分析提供了有效框架。在小波方法中,小波软阈值方法因其计算效率而得到广泛应用。然而,其降噪性能对参数选择(包括小波基函数、阈值和分解层数)高度敏感,从而限制了其适应性(Donoho和Johnstone,1994;Asimopolos等,2010;Asimopolos等,2021)。为了解决小波变换固有的参数依赖问题,经验模态分解(EMD)及其后续变体被引入(Huang等,1998)。EMD可以根据信号固有特性将其自适应分解为一系列固有模态函数(IMFs);然而,它容易出现模态混叠和端点效应等局限性。集合经验模态分解(EEMD)随后被开发出来,通过将白噪声引入信号来改变极值分布,从而减轻模态混叠,减少模态混叠效应。然而,EEMD在信号重建精度方面存在局限性(Wu和Huang,2009)。互补集合经验模态分解(CEEMD)进一步增强了适应性,并有效减轻了噪声添加引入EEMD的重建误差(Yeh等,2010)。它能够有效抑制残余噪声并减少模态混叠; however,它可能导致高频范围内有意义信号成分的衰减或丢失(Zhao等,2015)。除了应用于地磁信号外,CEEMD还成功应用于广泛的地球物理电磁技术,展示了其在多种勘探场景中的稳健适用性。例如,在磁性地电(MT)数据处理中,CEEMD与自适应中值滤波相结合已被用于抑制中低频噪声,同时有效减轻突变点处的信号突变,从而增强信号连续性和数据质量(Wu等,2017)。Li等(2019)开发了一种基于SVM-CEEMDWT的MT信号噪声分离框架,能够有效地恢复被强干扰污染的弱MT信号,同时保持低频成分的最小内在变异性,从而维持信号保真度。在可控源电磁(CSEM)数据处理中,CEEMD被用于校正基线漂移;当与相关分析结合使用时,它被证明能够有效消除原始CSEM数据中的强人为电磁噪声,同时完全保留潜在的地球物理信号(Ding等,2020)。这些应用共同展示了CEEMD在多种电磁勘探技术中的广泛适用性,并为其在地磁数据处理中的应用提供了强有力的方法论基础。近年来,深度学习(DL)在信号处理方面表现出卓越能力,并因其能够学习复杂非线性信号特征而被日益应用于地磁及更广泛的电磁数据降噪任务。Li等(2023a)提出了一种结合深度残差网络(ResNet)与多变量变分模态分解(MVMD)的多通道地磁信号处理框架,实现了约15 dB的信噪比(SNR)提升,超过了VMD、CEEMD、数学形态学滤波和小波降噪方法。Li等(2023b)开发了一种改进的U-Net架构,用于同时去除多类型地磁噪声,能够一步消除脉冲、方波和高斯噪声,平均信噪比提升超过20 dB。Zhang等(2025)引入了一种用于地磁数据降噪的深度残差收缩网络,通过专门的软阈值模块自适应识别并抑制噪声,平均数据质量提升约12 dB。这些基于深度学习的方法共同为地磁信号的智能、自动化和高分辨率处理提供了广阔前景。然而,其有效性仍然高度依赖于训练数据的可用性、质量和多样性,且当应用于先前未见过的噪声类型、地质环境或观测设置时,其泛化能力可能受限。本研究提出了一种结合CEEMD与小波软阈值的混合降噪框架,以应对中国四川-云南地区密集地磁阵列观测数据中复杂的多种噪声污染问题。所提出的算法利用CEEMD的自适应分解能力有效抑制模态混叠加,同时引入小波软阈值选择性地衰减高频噪声成分,从而增强与构造过程相关的弱地磁信号的保护。通过在密集地磁阵列的实际观测数据上应用,验证了该算法的降噪性能和稳健性。本研究有望为密集地磁阵列数据的高精度处理提供稳健的方法论框架,并在提高地震磁异常信号识别和推进地磁前兆方法在地震预测中的应用方面具有重要潜力。章节摘要研究区本研究调查的密集地磁阵列位于中国四川-云南地区小江断裂带南段及其邻近区域(23.4°-25°N,102°-103.5°E),代表该国主要地震监测区域之一(Shen等,2021)。该区域位于青藏高原物质向东南挤压的前缘,在约束高原抬升机制方面发挥关键作用,且CEEMD分解CEEMD是一种源自EMD的自适应时频域信号分析方法。其核心过程是通过添加具有相反极性的成对白噪声序列,将信号分解为一系列IMFs。该方法有效减轻了EMD固有的模态混叠问题,并抑制了与EEMD相关重建信号中的残余辅助噪声(Zuo等,2019),从而实现了对非线性、非平稳信号的自适应分解为分析干扰特征为系统地表征降噪过程并严格评估所提方法的有效性,对115号台站2022年7月29日的观测数据进行了分析(图4)。该台站位于小江断裂带南段,距离最近已映射断层迹线约8公里,距离县级道路约200米,因此更容易受到多种人为电磁干扰。正如所示结论为减轻云南南部密集、低成本、埋设式地磁阵列数据的噪声干扰,本研究开发了一种结合CEEMD与小波软阈值的复合降噪方法。通过将该方法应用于阵列内多个台站采集的三分量地磁数据,得出以下结论:1. 所提出的CEEMD-小波复合降噪方法利用自相关系统识别噪声-信号混合的IMF成分,CRediT作者贡献声明Jialiang Huang:初稿撰写、可视化、软件、方法论。Chuandong Zhu:初稿撰写、资源、形式分析、数据管理、概念化。Didi Sheng:资源、方法论、数据管理。Wenyi Li:审校和编辑、项目管理、方法论、资助获取。Zhihui He:审校和编辑。资助本研究由以下基金资助:地震韧性科学计划(编号:XH23058A)、CEA第一监测与应用中心科技创新基金(编号:FMC2026003)、天津计量科技项目(编号:2024TJMT072)、国家自然科学基金(编号:42574010,42574020)。未引用参考文献Cordaro等,2021Wang等,2017利益冲突声明作者声明他们不知道有任何可能影响本文所报告工作的已知竞争财务利益或个人关系。致谢我们感谢密集地磁阵列建设与管理团队提供的数据和服务。部分图表使用通用映射工具(GMT)软件生成(Wessel等,2019)。我们感谢Editage(www.editage.cn)提供的英语语言编辑服务。Jialiang Huang|Chuandong Zhu|Didi Sheng|Wenyi Li|Zhihui He
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