引用本文
李孝宾, 宋政宏, 杨军, 曾祥方, 王宝善. 利用分布式光纤声波传感器监测大容量气枪震源信号[J]. 地震地质, 2020,42(5): 1255-1265.
LI Xiao-bin, SONG Zheng-hong, YANG Jun, ZENG Xiang-fang, WANG Bao-shan. MONITORING SIGNAL OF AIRGUN SOURCE WITH DISTRIBUTED ACOUSTIC SENSING[J]. SEISMOLOGY AND GEOLOGY, 2020,42(5): 1255-1265.  
DOI:10.3969/j.issn.0253-4967.2020.05.015
Permissions
Copyright©2020, 《地震地质》编辑部
《地震地质》编辑部 所有
利用分布式光纤声波传感器监测大容量气枪震源信号
李孝宾1), 宋政宏2,3), 杨军1), 曾祥方2),*, 王宝善3)
1)云南省地震局, 昆明 650224
2)中国科学院精密测量科学与技术创新研究院, 大地测量与地球动力学国家重点实验室, 武汉 430077
3)中国科学技术大学地球和空间科学学院, 合肥 230026
*通讯作者: 曾祥方, 男, 1984年生, 研究员, 现主要研究方向为地震震源、 结构成像和光纤传感技术应用研究, E-mail:zengxf@apm.ac.cn。

〔作者简介〕 李孝宾, 男, 1982年生, 2005年于云南财贸学院获信息与计算科学专业学士学位, 工程师, 现主要研究方向为主动震源和地震流动观测, 电话: 13324959432, E-mail: codepanda@qq.com。

收稿日期: 2019-11-26 修回日期: 2020-08-04
基金项目: 国家自然科学基金(41974067, 41790462, 41574059)和云南省陈颙院士工作站(2014IC007)共同资助
摘要

近年来出现的新型高密度地震观测系统——分布式光纤声波传感器(Distributed Acoustic Sensing, DAS)有望提高地震成像的空间分辨率。 为探索该技术在监测介质动态变化方面的应用, 在云南省宾川县布设了长约180m的传感光缆, 对9.6km外的宾川大容量气枪震源的激发信号进行了监测。 在为期2d的实验期间, 对气枪震源进行了24次高重复激发, 采用时频域加权相位叠加算法对多炮和多道记录进行叠加处理, 得到了高质量的地震波信号, 与共址观测的地震仪记录具有较高的一致性。 通过此次观测实验, 初步验证了利用DAS监测大容量气枪震源信号的可行性, 未来有望将其推广应用于高分辨率4D地震成像研究中。

关键词: 大容量气枪; 分布式光纤声波传感; 台阵技术
中图分类号:P315.61 文献标志码:A 文章编号:0253-4967(2020)05-1255-11
MONITORING SIGNAL OF AIRGUN SOURCE WITH DISTRIBUTED ACOUSTIC SENSING
LI Xiao-bin1), SONG Zheng-hong2,3), YANG Jun1), ZENG Xiang-fang2), WANG Bao-shan3)
1)Yunnan Earthquake Agency, Dali, Yunnan 650224, China
2)State Key Laboratory of Geodesy and Earth's Dynamics, Innovation Academy of Precision Measurement Science and Technology, CAS, Wuhan 430077, China;
3)School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026, China
Abstract

The large-volume airgun system was introduced to excite highly repetitive seismic signal for medium change monitoring. Using dense seismic array to record the seismic wavefield will be helpful to high spatial resolution time-lapse tomography. However, most dense arrays employ the nodal short-period geophone with built-in battery that is not suitable for permanent monitoring. The novel distributed acoustic sensing(DAS)technology uses fiber-optic itself as sensor that providing small station spacing. The incident seismic wavefiled induces tiny strain of the fiber-optic that leads to phase change of the Rayleigh backscattered optical signal. Therefore, measuring the phase difference between two signals scattered at two nearby scatterers can be used to recover seismic signal. Since the scatter is randomly distributed in the fiber-optic, it is possible to record seismic wavefield with spacing down to sub-meters. Each optical signal is processed in the interrogator. Therefore, the DAS array is easily maintained as a permanent dense array for seismic monitoring. We conducted a pilot experiment to test feasibility of using DAS array to record airgun signal in Binchuan, Yunnan Province.
The Binchuan Fixed Airgun Signal Transmission Station built in 2011 is the first inland large-volume airgun in China. The airgun system consists of four Bolt LL 1500 airguns and fires at 10m depth in a reservoir. The seismic energy released by one airgun shot is close to the one of ML0.7 earthquake. During this pilot experiment, the airgun was continuously shot after midnight with an interval of 15 minute. The DAS array is a micro-structured fiber-optic buried in an “L-shape” trench, which is about 9.8km away from the airgun. To enhance SNR of the optical signal used for recover seismic signal, a series of ultra-weak fiber Bragg gratings were built in the fiber with 2m spacing. The 180m fiber-optic is buried at about 20cm depth and the trench is backfilled with sand. The channel spacing is 4m and the interrogator continuously records at 1 000Hz.
The signal is barely visible on the record of single shot due to strong ambient seismic noise and optical noise. Since the seismic signal excited by the airgun is highly repetitive, we used the time-frequency phase weighted stacking method to stack records of multiple shots. The signals clearly emerge on the stack traces and the arrival time agrees well with the records of a co-located seismometer. Compared with the seismometer's record, the DAS records concentrate in a higher frequency band(5~8Hz). Since the DAS and seismometer record the seismic wavefield in dynamic strain and particle velocity, respectively, the frequency-wavenumber scaling algorithm was used to convert DAS's strain record to particle velocity record that shows clear phase difference from seismometer's record. The difference between records of DAS and seismometer was analyzed in time-frequency domain. The largest difference occurs between 3 and 6Hz in the airgun signal wave train, which may due to lower sensitivity in lower frequency band of DAS.
The bootstrapping resample method was used to evaluate the stacking converge rate of two datasets. Comparing to the reference trace that is stacked with 24 shots, the cross-correlation coefficient reaches 0.9 with only four shots for the seismometer dataset. At the meantime, the cross-correlation coefficient is only 0.8 with 20 shots for the DAS dataset. To improve the stacking efficiency, we also tried the array stacking method. The records of 26 channels on the X lag of the array were stacked. The one-shot stacking suppressed the traffic noise from a nearby street and the airgun signal clearly emerges on the one-shot stacking trace. The airgun signals on the stacking traces of multiple shots and multiple channels are comparable, which suggest the multiple channels stacking can be used to improve time resolution for time-lapse tomography/monitoring.
In summary, the airgun signal is successfully recorded by a DAS array with an engineered fiber-optic cable. Comparing with the seismometer, DAS dataset is strongly affected by the traffic noise and lower sensitive to lower frequency band. The dense spacing also provides opportunity to stack multiple channels’ records that improves SNR of airgun signal. Since the lack of reliable vertical component records, the phase identification cannot be done via particle motion analysis. The aperture of our DAS array is too small to estimate the apparent velocity to identify seismic phase too. In the future, it is worth to use telecom fiber-optic cables as sensor for time-lapse tomography, which have been widely deployed in urban area and significantly reduced deployment cost.
The clear variation of waveforms across one lag arising from un-uniform coupling was also observed. To comprehensively evaluate the monitor capability, it is important to deploy large aperture DAS array for seismic signal attenuation analysis. Our result suggests that the stronger lower frequency system noise of the DAS integrator reduces the sensitivity to seismic signal. More attention should be paid to approaches such as environmental vibration isolation and optical noise reduction. Another issue is accurate response function. Calibration with co-located seismometers and numerical modeling are helpful to provide accurate sensitivity and response function, which is important in seismology studies.

Keyword: airgun; distributed acoustic sensing; array processing
0 引言

地震波可以穿透地球内部并携带丰富的地下介质信息, 通过研究地震仪记录的地震波可了解地球结构和介质变化的情况。 地震波可由天然震源和人工震源激发产生, 其中人工震源具备人为可控、 时间和位置可确定等优点, 利用其产生的地震波可对地下介质的变化进行高精度测量(王宝善等, 2016)。 人工震源中的大容量气枪具有绿色环保、 重复性好、 激发能量大、 能量转换效率高等优点(陈颙等, 2007a, b), 是一种高效经济的人工震源, 近年来已被用于陆地地下介质结构及其变化的研究。 中国地震局相继在云南、 新疆和甘肃等地震活跃地区建立了固定点位的大容量气枪人工震源实验场, 配合固定台网和流动台阵, 可监测地壳介质的变化, 并取得了一些初步的成果(王宝善等, 2016; 陈颙等, 2017; Wang B et al., 2018, 2020; Su et al., 2019; Xiang et al., 2019), 但空间分辨率仍较为有限。

近年来, 地震观测方面的进展也令人瞩目。 城市地下空间(Lin et al., 2013)、 断层精细结构(Ben-zion et al., 2015)、 火山岩浆房结构(Kiser et al., 2019)等研究领域都取得了较好的效果, 并充分发挥了密集观测分辨率高的优势(Yao et al., 2018)。 一些研究者也将气枪震源和密集台阵相结合, 开展了相关研究工作(Xu et al., 2018; Wang et al., 2019)。 目前, 虽然通过改良集成传感器、 数采、 GPS授时系统和电池等方法大幅降低了密集台阵观测使用的节点式地震仪的体积和重量, 加快了布设工作, 但设备的维护和布设成本仍然较高。 随着光学探测系统的发展, 利用分布式光纤声波传感器(Distributed acoustic sensing, DAS)布设超密集的地震观测系统成为一种新兴的观测方式。 DAS由解调仪和光纤组成, 光纤本身是一种传感元件, 由解调仪发射的激光在光纤内部产生后向散射信号, 而后向散射信号的相位变化则可反映光纤的应变, 通过解调仪监测与地面耦合的光纤应变信息即可达到记录地面振动信号的目的(Parker et al., 2014)。 单个解调仪对传感光缆的支持长度可达数km— 数十km, 一次性即可覆盖较大的观测区域。 传感光缆可根据观测需要自行布设, 又可以据现有条件使用既有的通讯光缆, 有效降低了布设成本(张丽娜等, 2020)。 目前, 国际上已开展了一系列将DAS技术应用于天然地震观测的探索性研究, 并取得了较好的效果(Lindsey et al., 2017; Jousset et al., 2018; Wang H F et al., 2018)。 Wang H F等(2018)对共址的节点式短周期地震仪和DAS台阵进行了对比, 发现在区域地震频段(1~5Hz)两者记录的150km外的ML4.3地震的P波和S波信号的信噪比均相当。 国内的研究者也进行了多个相关的研究实验(Song et al., 2018; 林融冰等, 2020; 宋政宏等, 2020), 尝试将DAS技术用于研究浅部的S波速度结构, 结果表明DAS观测系统可提供高分辨率的浅层结构模型。

如将陆地大容量气枪系统和DAS超密集观测系统相结合并充分发挥两者的优势, 有望实现高精度的介质结构及其变化成像。 为此, 在云南省大理州宾川县以宾川地震信号发射台的大容量气枪为震源、 DAS台阵为观测系统开展了探索性实验, 以验证DAS系统是否能满足利用陆地大容量气枪震源进行地下结构与地下介质变化研究的观测需求。 本文将对这次观测实验的数据进行分析, 为今后开展更深入的研究打下基础。

1 监测实验概况

宾川地震信号发射台位于由红河断裂、 剑川-丽江断裂和程海断裂围限的三角形块体内(Wang et al., 2012; 王彬等, 2015), 其激发系统由4支Bolt 1500LL型气枪组列构成, 单支容量为2 000in3, 总容量达8 000in3, 常规激发时由4枪组成的非调制枪组同时激发, 压力可达15MPa, 激发释放的能量约为8.91× 106J, 相当于ML0.7地震(杨微等, 2013)。

我们于2018年12月31日— 2019年1月1日开展了观测实验, 在宾川地震信号发射台东侧9.6km的宾川县城开挖了一条深约20cm的反L字形的沟槽, 分为X分支和Y分支, 2分支相互垂直。 其中, Y分支的方位角为40° , X分支长80m, Y分支长100m(图 1)。 传感光缆排布在沟槽底部, 并用细砂混合泥土进行填埋压实, 以增加光缆与周围介质的耦合效率。 为增强后向散射信号, 每间隔4m对传感光缆进行散射增强处理, 即道间距为4m, 采样率为1 000Hz(图1b)。 作为对比, 在距离光缆约150m处布设一套由Reftek 130S数据采集器和Guralp CMG-40T(30s~100Hz)三分量地震仪组成的观测系统, 地震仪的采样率为100Hz。

图 1 a DAS 光缆布设位置图; b 传感光缆布设图
a 气枪代表宾川地震发射台位置, DAS代表传感光缆位置; b 红色箭头表示入射方位角Fig. 1 Field site location(a) and DAS acquisition map(b).

由于DAS布设场地附近有居民区和车辆行驶的主干道, 故选择在当地的夜间到清晨人为干扰因素较小的时段进行实验(BJT 2019-01-01 T00:00:00— 06:00: 00, 2019-01-02 T00:00:00— 06:00:00), 每间隔15min激发一次气枪, 本研究使用了其中24次激发信号。 在实验期间, 发射台激发点的水库水位为22m, 气枪沉放深度为10m, 每次激发的压力稳定在15MPa。 在距离激发点50m处放置了一套由Reftek 130B数据采集器和Guralp CMG-40T(2s~100Hz)地震仪组成的观测系统作为震源信号参考台。 经分析, 震源附近参考台记录的24次激发信号的相关系数均达到0.9以上, 表明震源产生的信号稳定。

2 结果分析

选取DAS上Y分支上CH50(图1b)的信号记录与附近三分量地震仪EW分量的记录进行对比分析(图 2)。 在地震仪记录的数据中, 可在单次激发记录中观察到气枪信号, 走时约为4.2s, 但在DAS的单次激发记录中难以发现气枪信号。 鉴于气枪激发信号具有高重复性, 我们使用线性叠加法和近年来在气枪信号处理中应用效果较好的时频域相位加权叠加算法(tf-PWS)(Schimmel et al., 2011; 武安绪等, 2016; 张丽娜等, 2020)对24次激发记录进行了叠加。 利用tf-PWS算法对地震仪信号进行叠加后, 噪声得到了更为有效的压制(图2a中的红色实线), 可观察到1个较弱的信号, 走时约为3s, 频率较高。 利用tf-PWS算法对DAS记录的信号进行叠加后, 高频噪声得到了较为有效的压制, 可观察到2个较强的信号, 走时依次约为3s和4.5s, 信号到时较为一致(图2d中的红色实线)。 根据区域速度模型推测, 走时约为4.5s的较强的低频信号为S波, 约3s的高频弱信号为P波。 利用信号窗口计算得到2套记录的平均频谱, 两者呈现出明显的差异(图2c, f)。 地震仪记录中约0.125Hz的频峰与数据的漂移有关, 约4Hz和8Hz的频峰可能与气枪信号有关, 同时高于10Hz频带段的噪声水平明显较低。 DAS记录中则呈现为1个以11Hz为中心的较宽频峰, 低于4Hz低频段的噪声水平较低。 两者之间出现的差异与设备的本底噪声和记录的物理量不同均有关(林融冰等, 2020; 张丽娜等, 2020)。

图 2 地震仪和DAS记录的气枪信号
a 地震仪EW分量的24次气枪信号叠加波形; b 地震仪EW分量的单次激发信号; c 图b所示数据的平均频谱; d DAS CH50 记录的24次气枪信号的叠加波形; e DAS CH50记录的单次激发信号; f 图e中所示数据的平均频谱。 图a、 b中的黑色实线表示线性叠加波形, 红色实线为tf-PWS叠加波形Fig. 2 Airgun signals recorded by seismometer and DAS.

之后, 分别对DAS和地震仪EW向分量的24次tf-PWS叠加记录进行基于S变换的时频分析, 结果如图 3 所示。 从图中可以看出, DAS记录的信号频率更高, S波信号的频率主要集中在5~8Hz, 而地震仪记录则呈现出2个频段, 高频段与DAS记录的频率相似, 3~5Hz的低频段信号较强。 P波信号的频率更高, 在DAS记录中约为12Hz, 在地震仪记录中约为8Hz。

图 3 地震仪和DAS记录气枪信号的时频分析图
a 地震仪EW分量的tf-PWS叠加记录; b DAS CH50的tf-PWS叠加记录; c、 d 为a、 b所示记录的时频分析结果, 颜色代表归一化后的能量Fig. 3 Time-frequency analysis results of seismometer and DAS tf-PWS stack traces.

由于DAS光缆X与Y分支的方位角与Guralp地震仪的三分量均不同, 故将地震仪三分量中的2个水平分量进行旋转, 使之分别与DAS光缆X、 Y分支的方位角相同。 对旋转后的波形进行了线性叠加和tf-PWS叠加, 并与DAS光缆X轴CH20和Y轴CH50 2个地震道的叠加数据进行了对比(图 4)。 从叠加后的结果可以看出, DAS记录使用tf-PWS叠加的效果明显优于线性叠加, 前者可较好地压制高频噪声。 对叠加结果进行归一化处理后, 可以看到DAS光缆X分支CH20的信号质量比Y分支CH50的略差(图4a, b), 而Guralp地震仪的旋转后的X分量和Y分量记录正好相反, X分量的振幅大于Y分量的振幅(图4c, d)。

图 4 DAS 2支记录和地震仪记录叠加波形对比图
a DAS X支CH20和Y支CH50的线性叠加波形; b DAS X支CH20和Y支CH50 tf-PWS叠加波形; c 地震仪水平分量记录旋转后的线性叠加波形; d 地震仪水平分量记录旋转后的tf-PWS叠加波形。 黑色实线为X分量, 红色实线为Y分量Fig. 4 Stack traces of X- and Y-components of DAS and seismometer.

由于地震仪记录的是质点运动, 而DAS记录的为动态应变, 为了更准确地进行对比, 需要换算观测量。 我们采用Wang H F等(2018)的频率波数域重整(fk-rescale)方法将X分支的记录转换为质点运动记录, 然后与地震仪X分量的记录进行对比。 为了简化不同布设条件引起的耦合差异和缺少准确的DAS仪器响应函数带来的误差, 我们将2个波形的均方根振幅比值作为换算因子, 以分析两者的相位差异。 重整后, DAS记录的高频噪声仍然明显强于地震仪记录(图 5), 信号窗口内两者存在一个较为明显的相位差异。 为了更好地定量分析相位差, 采用时频域误差分析方法(Kristekova et al., 2009)进行计算。 图 5 给出了全局归一化后的相位差, 相位差异较大的信号集中在4.5~6.5s窗口的3~6Hz之间。 出现这一现象的主要原因是DAS记录缺乏该频段的记录, 此外地震仪记录中较强的尾波信号(> 6.5s)也造成了较大的相位差异。

图 5 a 地震仪X分量与DAS X分支记录的对比; b 时频域差异Fig. 5 X-component of stack traces of DAS(red)and seismometer(black)(a), time-frequency misfit between X-component stack traces of DAS and seismometer(b).

气枪信号的叠加效率影响了介质结构变化研究的时间分辨率, 因此下面将对叠加效率较高的tf-PWS算法进行分析。 采用bootstrapping方法, 随机从24次激发记录中抽取1组信号进行叠加, 同时以所有24次激发记录的tf-PWS叠加记录作为参考, 计算叠加记录与参考记录的互相关系数(图 6)。 由于单次激发记录的信号质量较高, 故地震仪信号的叠加效率较高, 4次叠加后互相关系数即可达到0.9。 但由于bootstrapping方法为随机抽取, 因此存在部分激发波形被重复抽取的情况, 当N=24时叠加记录与参考记录存在一定差异。 由于不同的DAS记录之间的差异较大, 尤其是P波信号受噪声影响较大, 因此叠加记录波形的变化较大, 虽然互相关系数曲线整体随着激发次数增加, 但仍出现较大波动, 需要经过20次叠加后其互相关系数才能达到0.8。

图 6 地震仪和DAS记录叠加收敛曲线
a 随机抽取的多组地震仪EW分量记录的叠加波形; b 地震仪EW分量记录的叠加波形与参考波形的互相关系数图; c 随机抽取的多组DAS CH50记录的叠加波形; d DAS CH50的叠加波形与参考波形的互相关系数图Fig. 6 Convergence of tf-PWS stacking of seismometer and DAS records.

除了通过叠加多次激发信号提高信噪比外, 台阵叠加也可有效增强弱信号的信噪比(Rost et al., 2002)。 由于入射地震波信号的波长远大于本次实验所用的光缆长度, 道间的相位差异可以忽略, 故采用直接叠加的方式进行处理。 图 7 给出了X支上26道记录第12次激发的信号和tf-PWS叠加波形。 在经过一次叠加的信号中可清晰地分辨出附近交通活动所产生的噪声, 其视速度较小, 呈现出较为明显的时间偏移, 通过线性叠加难以抑制这类噪声信号(走时约为1.1s), 而tf-PWS叠加方法则可以较好地抑制。 多道单次激发记录和单道多次激发记录的tf-PWS叠加信号较为吻合, 在较为安静的情形下, 通过多道叠加有望实现有效信号的提取。 但在干扰较强的时间窗口(如第24次激发, 图2d), 多道信号受到较强干扰, tf-PWS叠加仍不能有效抑制干扰, 因此适当增加激发次数或进行频率波数域滤波等处理仍然是必要的。

图 7 DAS X分支多道记录叠加结果
a 多道单次激发信号经过tf-PWS叠加波形(红色实线)和CH20单道多次激发信号经过tf-PWS叠加波形(蓝色实线); b X分支的各道记录, 颜色代表振幅Fig. 7 Stack traces of records on the X-lag of the DAS array.

3 讨论与结论

本研究基于大容量气枪的高重复特性优势, 利用tf-PWS叠加算法进行了多次激发记录的叠加实验, 在包含噪声较多的DAS台阵数据中提取得到了较为清晰地震波信号。 与地震仪记录相比, DAS记录受台阵周边交通活动的干扰较大, 难以在单道单次激发记录中识别有效信号, 同时单道多次激发记录的叠加收敛速度也较慢。 如可利用DAS高观测密度的优势对多道单次激发记录进行叠加, 仍可以在较为安静的时间窗口提取到有效信号。 在未来的研究中, 将DAS观测技术与大容量气枪等人工震源相结合开展地震学研究是可行的。

在本次实验中, 由于地震仪记录的垂直分量的气枪信号质量较差, 难以开展偏振分析。 同时, 受DAS台阵口径较小的限制, 难以对信号进行慢度分析, 故暂时无法对其所包含的震相进行鉴定。 在分析同一分支的多道记录时, 发现道间的振幅差异较大, 这可能是由于光缆沟回填不均匀使得耦合不一致所致, 通过更长时间的加固有望改善此问题。 另一方面, 受观测条件所限, 本次监测实验中的DAS距离气枪震源较远, 接收到的信号整体较弱, 在后续工作中可在不同距离处进行观测, 以给出更准确的各震相随距离的衰减曲线, 供监测能力评估分析使用。 本研究中的数据分析也表明, 在目前所用的DAS采集设备所收集的信号中, 高频噪声明显高于地震仪。 针对这一不足, 需要在后续的仪器研发中通过加装环境隔振和光学器件降噪等方式进行改进, 并通过相关的标定实验给出更为准确的灵敏度和仪器响应函数。

致谢 中国移动通信集团云南有限公司宾川分公司为实验提供了帮助; 审稿人为本文提出了宝贵意见。 在此一并表示感谢!

参考文献
[1] 陈颙, 王宝善, 葛洪魁, 等. 2007a. 建立地震发射台的建议[J]. 地球科学进展, 22(5): 441—446.
CHEN Yong, WANG Bao-shan, GE Hong-kui, et al. 2007a. Proposed of transmitted seismic stations[J]. Advances in Earth Science, 22(5): 441—446(in Chinese). [本文引用:1]
[2] 陈颙, 王宝善, 姚华建. 2017. 大陆地壳结构的气枪震源探测及其应用[J]. 中国科学: (D辑), 47(10): 1153—1165.
CHEN Yong, WANG Bao-shan, YAO Hua-jian. 2017. Seismic airgun exploration of continental crust structures[J]. Science in China(Ser D), 47(10): 1153—1165(in Chinese). [本文引用:1]
[3] 陈颙, 张先康, 丘学林, 等. 2007b. 陆地人工激发地震波的一种新方法[J]. 科学通报, 52(11): 1317—1321.
CHEN Yong, ZHANG Xian-kang, QIU Xue-lin, et al. 2007b. A new method of artificially excited seismic waves on land [J]. Chinese Science Bulletin, 52(11): 1317—1321(in Chinese). [本文引用:1]
[4] 林融冰, 曾祥方, 宋政宏, 等. 2020. 分布式光纤声波传感系统在近地表成像中的应用Ⅱ: 背景噪声成像[J]. 地球物理学报, 63(4): 1622—1629. doi: 106038/cjg2020N0272.
LIN Rong-bing, ZENG Xiang-fang, SONG Zheng-hong, et al. 2020. Distributed acoustic sensing for imaging shallow structure Ⅱ: Ambient noise tomography[J]. Chinese Journal of Geophysics, 63(4): 1622—1629(in Chinese). [本文引用:2]
[5] 宋政宏, 曾祥方, 徐善辉, 等. 2020. 分布式光纤声波传感系统在近地表成像中的应用I: 主动源高频面波[J]. 地球物理学报, 63(2): 532—540. doi: 106038/cjg2020N0184.
SONG Zheng-hong, ZENG Xiang-fang, XU Shan-hui, et al. 2020. Distributed acoustic sensing for imaging shallow structure I: Active source survey[J]. Chinese Journal of Geophysics, 63(2): 532—540(in Chinese). [本文引用:1]
[6] 王宝善, 葛洪魁, 王彬, 等. 2016. 利用人工重复震源进行地下介质结构及其变化研究的探索和进展[J]. 中国地震, 32(2): 168—179.
WANG Bao-shan, GE Hong-kui, WANG Bin, et al. 2016. Practices and advances in exploring the subsurface structure and its temporal evolution with repeatable artificial sources[J]. Earthquake Research in China, 32(2): 168—179(in Chinese). [本文引用:2]
[7] 王彬, 吴国华, 苏有锦, 等. 2015. 宾川地震信号发射台的选址、 建设及初步观测结果[J]. 地震研究, 38(1): 1—6.
WANG Bin, WU Guo-hua, SU You-jin, et al. 2015. Site selection and construction process of Binchuan earthquake signal transmitting seismic station and its preliminary observation result[J]. Journal of Seismological Research, 38(1): 1—6(in Chinese). [本文引用:1]
[8] 武安绪, 叶泵, 李红, 等. 2016. 气枪震源弱信号提取的可靠性初步分析[J]. 中国地震, 32(2): 319—330.
WU An-xu, YE Beng, LI Hong, et al. 2016. The preliminary analysis of reliability on weak signal extraction for air-gun source surveys[J]. Earthquake Research in China, 32(2): 319—330(in Chinese). [本文引用:1]
[9] 杨微, 王宝善, 葛洪魁, 等. 2013. 大容量气枪震源主动探测技术系统及试验研究[J]. 中国地震, 29(4): 399—410.
YANG Wei, WANG Bao-shan, GE Hong-kui, et al. 2013. The active monitoring system with large volume airgun source and experiment[J]. Earthquake Research in China, 29(4): 399—410(in Chinese). [本文引用:1]
[10] 张丽娜, 任亚玲, 林融冰, 等. 2020. 分布式光纤声波传感器及其在天然地震学研究中的应用[J]. 地球物理学进展, 35(1): 65—71. doi: 106038/pg2020DD0384.
ZHANG Li-na, REN Ya-ling, LIN Rong-bing, et al. 2020. Distributed acoustic sensing system and its application for seismological studies[J]. Progress in Geophysics, 35(1): 65—71(in Chinese). [本文引用:3]
[11] Ben-Zion Y, Vernon F L, Ozakin Y, et al. 2015. Basic data features and results from a spatially dense seismic array on the San Jacinto fault zone[J]. Geophysical Journal International, 202(1): 370—380. [本文引用:1]
[12] Jousset P, Reinsch T, Ryberg T, et al. 2018. Dynamic strain determination using fibre-optic cables allows imaging of seismological and structural features[J]. Nature Communications, 9(1): 1—11. [本文引用:1]
[13] Kiser E, Levand er A, Zelt C, et al. 2019. Upper crustal structure and magmatism in southwest Washington: VP, VS, and VP/ VS results from the iMUSH active-source seismic experiment[J]. Journal of Geophysical Research: Solid Earth, 124(7): 7067—7080. [本文引用:1]
[14] Kristekova M, Kristek J, Moczo P. 2009. Time-frequency misfit and goodness-of-fit criteria for quantitative comparison of time signals[J]. Geophysical Journal International, 178(2): 813—825. [本文引用:1]
[15] Lin F C, Li D, Clayton R W, et al. 2013. High-resolution 3D shallow crustal structure in Long Beach, California: Application of ambient noise tomography on a dense seismic array[J]. Geophysics, 78(4): 45—56. [本文引用:1]
[16] Lindsey N J, Martin E R, Dreger D S, et al. 2017. Fiber-optic network observations of earthquake wavefields[J]. Geophysical Research Letters, 44(23): 11792—11799. [本文引用:1]
[17] Parker T, Shatalin S, Farhadiroushan M. 2014. Distributed acoustic sensing: A new tool for seismic applications[J]. First Break, 32(2): 61—69. [本文引用:1]
[18] Rost S, Thomas C. 2002. Array seismology: Methods and applications[J]. Reviews of geophysics, 40(3): 2-1—2—27. [本文引用:1]
[19] Schimmel M, Stutzmann E, Gallart J. 2011. Using instantaneous phase coherence for signal extraction from ambient noise data at a local to a global scale[J]. Geophysical Journal International, 184(1): 494—506. [本文引用:1]
[20] Song Z H, Zeng X F, Thurber C, et al. 2018. Imaging shallow structure with active-source surface wave signal recorded by distributed acoustic sensing arrays[J]. Earthquake Science, 31: 208—214. [本文引用:1]
[21] Su J B, Wang Q, Zhang W X, et al. 2019. The seasonal variation of large volume airgun signals in Hutubi, Xinjiang[J]. Earthquake Research in China, 33(2): 186—194. [本文引用:1]
[22] Wang B, Ge H, Yang W, et al. 2012. Transmitting seismic station monitors fault zone at depth[J]. Eos, Transactions American Geophysical Union, 93(5): 49—50. [本文引用:1]
[23] Wang B, Tian X, Zhang Y, et al. 2018. Seismic signature of an untuned large-volume airgun array fired in a water reservoir[J]. Seismological Research Letters, 89(3): 983—991. [本文引用:2]
[24] Wang B, Yang W, Wang W, et al. 2020. Diurnal and semidiurnal P-and S-wave velocity changes measured using an airgun source[J]. Journal of Geophysical Research: Solid Earth, 125(1): e2019JB018218. [本文引用:1]
[25] Wang H F, Zeng X, Miller D E, et al. 2018. Ground motion response to an ML4. 3 earthquake using co-located distributed acoustic sensing and seismometer arrays[J]. Geophysical Journal International, 213(3): 2020—2036. [本文引用:2]
[26] Wang W, Zhou Q, Kou H, et al. 2019. Improving airgun signal detection with small-aperture seismic array in Yunnan[J]. Earthquake Research in China, 33(2): 248—264. [本文引用:1]
[27] Xiang Y, Yang R H, Wang B, et al. 2019. Study on the influence of airgun excitation conditions on airgun signals and travel time variation measurements[J]. Earthquake Research in China, 33(2): 336—353. [本文引用:1]
[28] Xu Y, Wang B, Wang W, et al. 2018. Multiple seismological evidences of basin effects revealed by array of Binchuan(ABC), northwest Yunnan, China[J]. Earthquake Science, 31(5-6): 281—290. [本文引用:1]
[29] Yao H, Wang B, Tian X, et al. 2018. Preface to the special issue of dense array seismology[J]. Earthquake Science, 31: 225—226. [本文引用:1]