利用地震波走時(shí)資料，通過(guò)層析成像方法反演深部速度結(jié)構(gòu)，是獲取地下深部結(jié)構(gòu)信息的重要手段。地震體波走時(shí)成像一般使用人工拾取的震相到時(shí)數(shù)據(jù)。近五年來(lái)，利用深度學(xué)習(xí)檢測(cè)地震，拾取震相到時(shí)，并建立高精度的地震目錄取得了很大進(jìn)展，并在多個(gè)區(qū)域和中強(qiáng)地震的余震序列中逐漸得到應(yīng)用。盡管AI拾取的絕大多數(shù)Pg和Sg震相到時(shí)精度較高，但在不同地區(qū)使用不同的模型檢測(cè)時(shí)，仍有一定比例的到時(shí)拾取誤差超過(guò)0.1s，甚至0.2s。AI拾取的震相到時(shí)能否用于地震走時(shí)成像反演？每一條震相到時(shí)數(shù)據(jù)的可靠性如何量化評(píng)估？圍繞這一問(wèn)題，中國(guó)地震局地球物理研究所的楊婷博士、房立華研究員和吳建平研究員等人利用安寧河—小江斷裂帶的密集臺(tái)陣觀測(cè)資料，基于深度學(xué)習(xí)拾取的海量震相到時(shí)數(shù)據(jù)，深入研究了如何將AI拾取的震相到時(shí)用于地震體波走時(shí)成像。

論文利用PhaseNet方法，檢測(cè)了密集臺(tái)陣觀測(cè)的3086個(gè)地震事件的P波和S波初至震相到時(shí)，得到了87553條高質(zhì)量的震相到時(shí)，分析發(fā)現(xiàn)PhaseNet的檢測(cè)概率和波形信噪比之間存在相關(guān)性：AI拾取的震相到時(shí)檢測(cè)概率和波形信噪比隨著震中距的增加呈現(xiàn)降低的特征（圖1、圖2）。

圖1 P波(a)和S波(b)的波形信噪比和檢測(cè)概率隨震中距的變化(c-d)，其中檢測(cè)概率由PhaseNet給出。SNR表示波形信噪比取對(duì)數(shù)的值，Prob表示檢測(cè)概率

基于這一現(xiàn)象和大量的統(tǒng)計(jì)分析，本文提出了綜合考慮震相檢測(cè)概率和波形信噪比，對(duì)震相到時(shí)加權(quán)，并用于雙差走時(shí)成像（tomoDD）反演的方案：

其中W表示走時(shí)權(quán)重系數(shù)，W1=W2=0.5。prob表示檢測(cè)概率值，取值范圍為0.5-1.0。SNR(norm)表示歸一化的信噪比，取值范圍為0-1。

圖2 P波(a)和S波(b)檢測(cè)概率和信噪比之間的統(tǒng)計(jì)關(guān)系

按照?qǐng)D3所示流程，以川滇地區(qū)公共速度模型SWChinaCVM-V1.0作為初始三維模型，利用自動(dòng)檢測(cè)的P、S初至震相到時(shí)，采用震相到時(shí)加權(quán)策略計(jì)算每個(gè)震相的到時(shí)權(quán)重，最后使用考慮到時(shí)質(zhì)量的雙差層析成像方法反演三維速度結(jié)構(gòu)。理論測(cè)試表明，采用本文提出的加權(quán)方案可以更好地恢復(fù)研究區(qū)的速度異常，同時(shí)也可獲得具有更小走時(shí)殘差的速度模型（表1）。與前人的速度模型比較，各模型整體特征較為一致，但新模型揭示出更多構(gòu)造細(xì)節(jié)，比如石棉—西昌附近呈NS向展布的高波速花崗巖帶，以及魯?shù)?/span>—巧家附近中地殼低速層反映的高溫、富含長(zhǎng)英質(zhì)巖石，以及可能存在流體活動(dòng)的孕震環(huán)境（圖4）。本研究成果為未來(lái)大規(guī)模使用AI拾取的震相到時(shí)開(kāi)展層析成像反演，建立更高分辨率和更可靠的三維速度模型提供了重要參考。

圖3 從地震事件波形數(shù)據(jù)到速度結(jié)構(gòu)成像的流程圖

圖4 反演獲得的不同深度的P波(a)和S波(b)速度結(jié)構(gòu)

表1 采用不同到時(shí)加權(quán)方案的反演結(jié)果對(duì)比

該成果于2024年7月發(fā)表在國(guó)際主流地學(xué)期刊《Seismological Research Letter》（Ting Yang, Lihua Fang*, Jianping Wu, et al. 2024. Double-Difference Tomography with a Deep Learning-Based Phase Arrival Weighting Scheme and its Application to the Anninghe-Xiaojiang Fault Zone. doi: 10.1785/0220230362），研究由國(guó)家自然科學(xué)基金（U2139205, 42374081, 42004069）和國(guó)家重點(diǎn)研發(fā)計(jì)劃課題（2021YFC3000702）共同資助。

【作者簡(jiǎn)介】

第一作者：楊婷，助理研究員，主要從事AI深部結(jié)構(gòu)成像和地震精定位研究，以第一作者在SRL、Tectonophysics、BSSA等期刊發(fā)表論文8篇，其中SCI論文5篇。

Email: yangting@cea-igp.ac.cn

通訊作者：房立華，研究員，主要從事人工智能地震學(xué)、微震檢測(cè)與精確定位，以及深部結(jié)構(gòu)成像研究工作。

Email：flh@cea-igp.ac.cn