新冠肺炎疫情对佘山与大洋山地震台背景噪声的影响

孙冬军 刘 芳 于海英 王成睿 冯 策

1）中国上海 200062 上海市地震局

2）中国上海 200062 上海佘山地球物理国家野外科学观测研究站

0 引言

地震台站记录到的波形数据中包含着不同频率的环境噪声，主要分为人为噪声和自然噪声两种。人为噪声包括城市交通、建筑和文化活动、工业作业等会产生1 Hz 以上的高 频 噪 声（Riahi et al，2015；Chang et al，2016；Havskov and Alguacil，2016；Green et al，2017），在商场购物的行人可以产生平均2 Hz 的噪声，在过天桥时则产生平均1.8 Hz 的噪声（Pachi and Ji，2005）；而在3—15 Hz 频率范围内，交通诱导振动则是环境噪声的重要来源（Chang et al，2016）；火车能产生5—40 Hz 及以上的噪声（Fuchs et al，2018）。海陆作用则是自然噪声的重要来源，其频率主要集中在0.05—0.5 Hz，由海洋波浪和倾斜海底在海岸线附近直接作用形成或两列方向相反频率相似的海洋波浪通过非线性相互作用产生驻波作用到海底形成（Longuet-Higgins，1950）。另外，气流和地方震等自然因素也会形成高频干扰（Mcnamara Buland，2004），天然地震和构造力产生的主要地震能量频率小于3 Hz（Tae-Kyung Hong，2020）。

受新冠肺炎疫情（下文简称疫情）影响，2020 年1 月24 日14 时，上海市启动重大突发公共卫生事件一级响应机制，3 月24 日0 时，调整为二级响应，5 月9 日0 时起调整为三级响应。应急响应启动后，交通运输、社会活动、工业生产等人类生产生活相关的环境噪声水平大幅降低。佘山地震台（下文简称佘山台）和大洋山地震台（下文简称大洋山台）分别位于上海市和周边海岛，环境噪声水平不同，人为活动产生的高频噪声存在差异。通过对疫情期间佘山台和大洋山台高频噪声水平，与疫情前后时段内噪声水平进行对比分析，讨论疫情对人们生产生活的影响，进而探讨疫情对台站所处区域观测环境的影响。

1 数据和方法

1.1 数据

佘山和大洋山台均为基岩台，配备宽频带地震计进行数据记录，波形质量良好，可记录丰富的地震信号，并接收更多背景噪声资料。台站分布见图1，地震计参数见表1。佘山台位于上海市松江区佘山国家森林公园西佘山南麓，周围多为别墅区域，邻近公园、教堂、天文台，佘山镇域面积66.31 km2，第六次人口普查数据显示，佘山镇总人口75 507 人，人口密度较小，但游客较多；大洋山台位于浙江省崎岖列岛主岛，陆域面积4.19 km2，根据第六次全国人口普查，洋山镇总人口13 194 人，人口密度较大，且来往船舶较多。2 个台站所处环境不同，人为噪声对台站的影响也不同，选取2 台2019 年1 月1 日至2020 年5 月30 日连续波形数据进行背景噪声水平分析，探讨疫情前后人为噪声对台站记录的影响。

表1 台站地震计参数Table 1 Seismometer parameters of the stations

图1 台站分布Fig.1 Map of seismic stations

上海市和浙江省分别于2020 年1 月24日和1 月23 日相继启动一级应急响应，到3月24 日降为二级响应，一级响应期间人民群众大部分居家，城市交通、工业作业等人为噪声水平降低，可以称为静噪期。对2019年和2020 年各频段背景噪声进行分析，得出相应噪声功率谱密度值，与静噪期不同频段背景噪声进行对比，分析探测人为噪声基准源，揭示佘山台和大洋山台附近人类生产生活习性。

1.2 方法

频谱分析是研究噪声的重要手段，为了得到背景噪声的频率域特征，需要将时间域的连续地震记录转化到频率域进行分析。本研究采用概率密度函数方法（probability density functions，简写PDF），分析佘山台和大洋山台背景噪声频率特征。PDF 是基于传统噪声功率谱密度（power spectral density，简写PSD），利用长时间内完整连续的波形记录分析地震观测台站噪声水平的方法（McNamara and Buland，2004）。与传统PSD 方法相比，PDF方法具有以下优势：在计算过程中，无需去除地震、断记、脉冲等突发事件记录，计算PSD 也不限于外界噪声较小时段；利用PDF 方法进行分析，可以全面反映地震观测台站噪声水平（Huo and Yang，2013）。PDF 应用较为广泛，国际上，IRIS 和ANSS 将该方法用于数据管理和台阵观测质量控制；廖诗荣等（2008）将PDF 方法用于台站选址的噪声水平测试；吴建平等（2012）将PDF 方法用于研究华北地区背景噪声和台基响应；刘旭宙等（2018）利用PDF 方法，对比分析不同地震计观测性能。

利用GitHub 网站提供的SeismoRMS 软件包，PDF 计算过程如下：①波形预处理：将连续波形分成每个小时的波形文件，去趋势、去仪器响应、去线性趋势和波形尖灭，将每小时波形分为15 段，每两段有50%的重叠；②将每段波形进行FFT 变换后计算能量，然后计算1 小时平均功率；③按照1/2 倍频程平滑，得到PDF。

周期设定为0.02—10 s，每一中心周期Tc的概率密度函数PDF 表示为

式中，NTc表示周期T附近谱元素个数总和，表示在Tc中功率落在某个1 dB 窗口的个数。

2 背景噪声功率谱密度分析

2.1 台站PDF 分布

选取佘山台和大洋山台2019 年1 月1 日—2020 年5 月30 日连续观测数据，计算台站背景噪声概率密度，绘制背景噪声概率密度函数分布图，结果见图2。

图2 2019 年1 月1 日—2020 年5 月30 日佘山台和大洋山台概率密度函数分布（a）佘山台；（b）大洋山台Fig.2 The PSD of Sheshan and Dayangshan seismic stations from January 1,2019 to May 30,2020

由图2 可见，佘山台和大洋山台噪声功率谱密度均在周期0.05 s 处最大，且数值均超过-75 dB；在周期0.1—0.5 s 范围内，两台站噪声功率谱密度均低于-125 dB；在周期0.5—4 s 范围内，两台站噪声曲线偏向NHNM 曲线，且大洋山台噪声水平较高；周期在4—10 s 范围内，两台站噪声曲线均偏向NLNM 曲线。

2.2 背景噪声功率谱密度变化

通过傅里叶变换，得到其原始波形的频率谱，并将噪声功率谱密度值转化为标准分贝形式[10log10（m2s-4Hz-1）]（Koper and Hawley，2010），按时间顺序依次排列每个时间步长的频率谱，得到随时间变化的噪声功率谱密度连续变化图。选取佘山台和大洋山台2019年1 月1 日至2020 年5 月31 日连续记录数据，分别绘制频率1—10 Hz 和10—20 Hz时噪声功率谱密度值变化，结果见图3，其中纵坐标为UTC 时间，色标柱表示能量强度。

（1）频率1—10 Hz。图3（a）为佘山台1—10 Hz 噪声功率谱密度分布，可见其噪声功率谱密度值呈昼夜变化，白昼能量较高。整体上，UTC 时间22 时至次日3 时、4 时—9 时，即北京时间6 时—11 时、12 时—17 时噪声水平较高，而11 时—12 时区间噪声水平较低，与当地居民午餐休息时间较为吻合。2019 年9 月—12 月白天噪声功率谱密度值，比当年1 月—8 月数值偏高，其中春节期间为全年噪声功率谱密度值水平最低点，而在2019 年和2020 年元旦均出现噪声功率谱密度值较高点。

图3 2019 年1 月—2020 年5 月佘山台和大洋山台噪声功率谱密度值连续变化（a）佘山台1—10 Hz 时噪声功率谱密度值；（b）大洋山台1—10 Hz 时噪声功率谱密度值；（c）佘山台10—20 Hz 时噪声功率谱密度值；（d）大洋山台10—20 Hz 时噪声功率谱密度值Fig.3 Variation of noise power spectral density of Sheshan and Dayangshan seismic stations from January 2019 to May 2020

受疫情影响，2020 年佘山台噪声功率谱密度值水平较低时间持续约2 个月，大约1 月中旬持续到3 月中旬。随着疫情逐渐在国内得到控制，3 月中旬以后，噪声水平逐渐上升，与去年同期基本持平。

图3（b）为大洋山台1—10 Hz 噪声功率谱密度值变化，可见：该台昼夜噪声功率谱密度值差异性较佘山台小，2019 年春节期间噪声功率谱密度值水平与平时差异性不大。北京时间6 时—11 时、12 时—17 时噪声水平相对较高，而11 时—12 时区间噪声水平较低，与当地居民午餐休息时间较为吻合，与佘山台变化特征一致。2019 年1 月1 日—6 月31 日，大洋山台每日9 时均进行脉冲标定，脉冲电流0.1 mA，脉冲宽度1 200 s，导致该台每日8时—9 时，在1—10 Hz 频率范围内噪声功率谱密度值水平较高。在疫情期间，该台噪声功率谱密度值水平比2019 年春节期间更低，而在2020 年3 月中旬以后，疫情得到控制，噪声水平逐渐上升，继而超过去年同期水平。

（2）频率10—20 Hz。在10—20 Hz 频率范围内，佘山台和大洋山台噪声功率谱密度值基本分布在-300—-250 dB 范围内，见图3 中（c）、（d）图所示，其中佘山台该频段噪声功率谱密度值昼夜差异性较大，而大洋山台则不明显。

2.3 不同频段背景噪声水平变化

通过背景噪声的位移变化，可以较为直观地反映噪声能量变化趋势。现代地震监测基本为速度值记录，通过SeismoRMS 软件包可直接计算连续背景噪声位移变化。

选取疫情爆发之后的时间来分析不同频率范围的背景噪声水平，讨论静噪期内不同频率时背景噪声变化。图4 给出佘山台和大洋山台2020 年1 月1 日—5 月31 日2—10 Hz和10—35 Hz 频率范围内背景噪声位移变化，其中绿色背景颜色表示工作日，白色背景颜色表示周末，紫色曲线表示8 时—16 时噪声位移拟合曲线。

图4 2020 年1 月1 日—5 月31 日佘山台和大洋山台背景噪声位移变化（a）佘山台2—10 Hz 频率范围的背景噪声；（b）大洋山台2—10 Hz 频率范围的背景噪声；（c）佘山台10—35 Hz 频率范围的背景噪声；（d）大洋山台10—35 Hz 频率范围背景噪声Fig.4 Ambient noise displacement variations of Sheshan and Dayangshan seismic stations from January 1 to May 31,2020

（1）2—10 Hz 频率。在2—10 Hz 频率范围内，疫情对佘山台背景噪声水平影响较大，对大洋山台影响较小，见图4 中（a）、（b）图。2 个台站每日高噪声水平分布拟合曲线见图中紫色曲线，其中：①佘山台：2020 年1 月6 日至19 日，佘山台背景噪声位移值由2.5 nm 降至0.8 nm，1 月19 日—3 月1 日保持在1 nm 左右，3 月1 日起回升，至4 月1日接近2.5 nm，之后逐渐超过年前的2.5 nm。佘山台该频段静噪期持续40 天；②大洋山台：2020 年1 月7 日—2 月3 日，大洋山台背景噪声位移值由约1.7 nm 下降至约1 nm，且保持约2 周，2 月17 日噪声水平开始上升，3 月1 日以后基本与下降前相当。

噪声水平高低能够反映当地噪声能量的变化，噪声水平日变化值能够反映台站噪声水平昼夜差异性。比较2 个台站的噪声水平日变化值E，可知佘山台E值在疫情前后差异较大，疫情期间差异较小；大洋山台E值在疫情前、中、后差异均不大。

式中，E表示一天中噪声水平日变化值，Emax表示一天中噪声水平最大值，Emin表示一天中噪声水平最小值。

（2）10—35 Hz 频率。在10—35 Hz 频率范围内，受疫情影响，大洋山台噪声水平更加明显，整体呈先下降后上升的趋势，而佘山台疫情期间背景噪声水平略微下降，其他时段背景噪声位移变化较为稳定，见图4（c）、（d）。由图可见：①佘山台：1 月12 日—1月24 日8 时—16 时，佘山台噪声位移值由600 nm 左右下降至400 nm，之后2 周持续在450 nm 左右，2 月9 日—3 月10 日逐渐上升至580 nm 左右，之后基本稳定在580 nm；②大洋山台：该台8 时—16 时噪声位移值每日差异性较大，其中1 月6 日—2 月1 日，噪声位移值呈下降趋势，由1 000 nm 降至300 nm，2 月1 日—22 日在400 nm 起伏，2月22 日—5 月14 日逐渐上升至1 200 nm，之后出现一定回落。

比较2 个台站噪声水平日变化值，可知佘山台在疫情前、中、后噪声水平昼夜差异不大，日噪声变化小于400 nm，而大洋山台在疫情前后则昼夜差异较大，日噪声变化甚至能大于1 000 nm，疫情期间噪声水平昼夜差异相对较小，变化值在600 nm 以内。

2.4 单一频率背景噪声功率谱密度值变化

2020 年1 月1 日—5 月30 日，佘山台和大洋山台单一频率（频率分别为1 Hz、2 Hz、10 Hz、20 Hz、40 Hz）噪声功率谱密度值随时间的变化见图5。

图5 单一频率的噪声功率谱密度值变化（a）f =1 Hz 时佘山台变化；（b）f =1 Hz 时大洋山台变化；（c）f =2 Hz 时佘山台变化；（d）f =2 Hz 时大洋山台变化；（e）f =10 Hz 时佘山台变化；（f）f =10 Hz 时大洋山台变化；（g）f =20 Hz 时佘山台变化；（h）f =20 Hz 时大洋山台变化；（j）f =40 Hz 时佘山台变化；（k）f =40 Hz 时大洋山台变化Fig.5 The variation of a single frequency PSD of ambient noise

2.4.1 单台变化特征。图5 中（a）、（c）、（e）、（g）、（j）图分别为频率1 Hz、2 Hz、10 Hz、20 Hz、40 Hz 时佘山台噪声功率谱密度值随时间的变化，可见该台2 Hz 噪声功率谱密度值受疫情影响明显，疫情前后噪声功率谱密度值分布在-130—-140 dB 范围内，疫情期间则分布在-140—-150 dB 范围内，较疫情前后有明显下降；而1 Hz、10 Hz、20 Hz、40 Hz 时，噪声功率谱密度值变化基本不受疫情影响，1 Hz 时噪声功率谱密度值随时间的变化较复杂，10 Hz、20 Hz、40 Hz 时在整个研究时段基本平稳，其中10 Hz 噪声功率谱密度值分布在-120—-140dB 范围内，20 Hz 时分布在-30—-50 dB 范围内，40 Hz 时分布在-130—-140 dB 范围内，且其噪声功率谱密度值日变化值约10 dB。

图5 中（b）、（d）、（f）、（h）、（k）图分别为频率1 Hz、2 Hz、10 Hz、20 Hz、40 Hz 时大洋山台噪声功率谱密度值随时间的变化，可见：大洋山台噪声功率谱密度值变化具有先下降后上升的趋势，在频率1 Hz、2 Hz 时受疫情影响不明显，而在频率10 Hz、20 Hz、40 Hz 时则受疫情影响较明显，其中：在频率1 Hz 时，大洋山台噪声功率谱密度值分布在-120—-140 dB 范围内，局部时间超过-110 dB；在频率2 Hz 时，噪声功率谱密度值在-130—-135 dB 范围内变化；在频率10 Hz、20 Hz、40 Hz 时，疫情期间噪声功率谱密度值较疫情前后低，且噪声水平日变化值较小，随着后期疫情逐渐得到控制，噪声功率谱密度值逐渐增加，噪声水平日变化值增大。

2.4.2 对比分析。由图5 可知，大洋山台单一频率噪声功率谱密度值变化及噪声功率谱密度值日变化值与佘山台差异性较大。整体上，该台噪声功率谱密度值比佘山台高，且噪声功率谱密度值随时间变化较为复杂。

在1—40 Hz 范围内，佘山台受疫情影响的噪声功率谱密度主要分布在10 Hz 以内，而大洋山台则分布在10 Hz 以上。频率10 Hz 以内，高频噪声源主要是行人、工厂、低速汽车以及部分天然地震和构造力产生的地震能量，而频率10 Hz 以上，高频噪声源是高速行驶的汽车、火车、轮渡等。佘山台位于佘山山脚，周边多植被覆盖，道路较为弯曲，鲜有高速行驶的汽车，无火车和轮渡等高频噪声源，而春节之前该台附近人口呈输出性流动，受疫情影响，静噪期延长，随着疫情逐渐得到控制，人口逐渐回流，频率为2 Hz 的背景噪声功率谱密度值逐步回升；大洋山台附近人口数在疫情期间变化不大，启动应急响应后，轮船停航、工厂停工，10—40 Hz 的噪声功率谱密度值明显下降，随着疫情逐渐被控制，应急响应等级下调，轮船复航、工厂开工，噪声功率谱密度值逐渐回升至疫情前的水平。

3 结论和讨论

通过对佘山台和大洋山台2019 年1 月1 日至2020 年5 月30 日连续波形数据进行背景噪声水平分析，可以得出以下结论。

（1）受疫情影响，佘山台和大洋山台2020 年春节静噪期较2019 年春节延长。

（2）佘山台和大洋山台背景噪声功率谱密度变化与居民生产、生活习性一致，表现在：6 时—11 时、12 时—19 时，背景噪声功率谱密度值相对较高，11 时—12 时区间数值较低，19 时—次日6 时，数值相对较低。

（3）频率在20 Hz 时，佘山台和大洋山台噪声功率谱密度值最强，最大噪声功率谱密度值均超过-75 dB；频率在2—10 Hz 范围内，2 个台站噪声功率谱密度值均低于-125 dB；周期在2 Hz—4 s 范围内，2 个台站噪声曲线偏向NHNM 曲线，且大洋山台噪声水平较高；周期在4—10 s 时，2 个台站噪声曲线偏向NLNM 曲线。

（4）整体上，佘山台日噪声功率谱密度极大值与大洋山台基本一致，而极小值则比大洋山台小，可见佘山台夜晚背景噪声功率谱密度值比大洋山台低。静噪期内，佘山台2 Hz背景噪声功率谱密度值比平时降低10 dB，而大洋山台10 Hz 背景噪声功率谱密度值较平时降低约5 dB。

（5）疫情对台站噪声功率谱密度的影响。佘山台2 Hz 频率的噪声功率谱密度值受疫情影响较大，呈下降—上升趋势；10—40 Hz 的噪声功率谱密度值则基本不受疫情影响，整体较为平稳。春节前佘山台附近人口呈输出性流动，受疫情影响，静噪期延长，随着疫情的缓解，人民的生产生活逐步恢复正常，至2020 年3 月10 日，佘山台2 Hz 背景噪声功率谱密度变化恢复正常；在频率为10 Hz、20 Hz、40 Hz 时，佘山台噪声功率谱密度值受春节和疫情的影响不明显，说明台站周边10—40 Hz 高频噪声源较少，该频段噪声功率谱密度值水平较低，一级应急响应启动后，居民居家隔离，生产生活对该频率噪声功率谱密度变化影响不明显。

大洋山台2 Hz 频率的噪声功率谱密度值受疫情影响不明显，表明疫情期间该台附近人口数变化不大；在频率为10 Hz、20 Hz、40 Hz 时，大洋山台噪声功率谱密度值变化受疫情影响较为显著，这是因为，启动一级应急响应后，轮船停航、工厂停工，高噪声源减少，10—40 Hz 的噪声功率谱密度值明显下降，随着疫情被控制，应急响应等级下调，轮船复航、工厂开工，噪声功率谱密度值逐渐回升至疫情前水平。

地震噪声和人类活动之间的相关性表明，地震学分析可为实时人口动态估计提供结果。