基于时间信息熵的拜城两次5级地震地表温度变化特征分析①

2022-07-07 08:45张桉赫宋春燕李越帅
内陆地震 2022年2期
关键词:高值信息熵条带

张桉赫, 宋春燕, 李越帅

(新疆维吾尔自治区地震局,新疆 乌鲁木齐 830011)

地震前出现热异常是一种比较普遍的自然现象[1]。在地震孕育与发展过程中,地下深部热物质上涌、地层应力集聚、断层摩擦、岩石微破裂以及温室气体的释放与聚集均可能导致地表温度上升[2-3]。特别是在大地震发生前,断裂活动加剧,释放的气体、热量通常会引起发震区一定程度的热红外异常[4-6],对这些异常的特征和变化规律进行深入研究,总结归纳震例资料,对于探索地震预测方法具有重要意义。早期对地表温度的实地观测便发现地震前存在温度变化[7-8],Ouzounov 等[9]指出,在中强地震发生之前,固体地球和大气/海洋间存在着某种联系,尤其是地表温度的变化较为明显;马俊飞等[10]分析山东省地表温度变化与地震活动的关系,发现相较于少震地区,地震活动性较强的区域地表温度变化幅度更大,普遍性更高;薛治国等[11]和张治广等[12]利用MODIS数据发现2015年皮山6.5级地震、2016年阿克陶6.7级地震和且末5.8级地震前地表温度和热红外辐射存在阶段性异常;其他学者也分析了中国新疆、广西、青海、四川和日本等地区强震发生前后地表温度的异常变化,认为地表温度变化确为震前短临异常现象[13-18]。但是,以往关于地表温度与地震关系的研究多集中于关注发震前后地表温度的变化或同震响应,很少关注地表温度在发震前后的变化强度,缺少对地表温度数据的进一步挖掘。熵的概念最早出现在十九世纪物理科学的热力学和统计物理学中,作为热力学系统平衡和演化的衡量[19],之后Shannon又提出使用信息熵来表征系统的有序性[20]。熵理论作为处理大量繁杂数据的有效方法,可以将环境要素信息进一步挖掘,深入探索其中所蕴含的有用信息,将其应用于地震短临预报和异常识别,是一种很好的尝试。

新疆天山中段的地震具有活动强、频率高的特点[21-22]。但是新疆区域较广,各类型的监测台站数量有限[23-25],做为地震前兆观测资料不足的地区,传统的实地架设各类形变、流体、电磁等观测设备,以及实地对环境要素进行监测的观测方法具有一定的局限性,而空间信息技术则有效解决了传统观测的不足,为地震预测的前兆观测方法提供了新的技术手段[26]。据中国地震台网正式测定,2020年3月23日3时21分和2021年3月24日5时14分,新疆阿克苏地区拜城县分别发生5.0级和5.4级地震。在前人研究的基础上,以2次拜城5级地震为例,分析震中附近区域发震前后地表温度的变化特征,特别是运用熵理论分析地表温度变化与地震的关系,以期为地震预报提供一种尝试性的新方法。

1 研究区概况

拜城县位于天山地震带中段,与特克斯县、昭苏县、和静县、库车市、新和县、和乌什县相邻,平均海拔1 200 m。拜城县地处塔里木盆地北部边缘——库车前陆坳陷盆地,属塔里木次一级构造单元,以北为天山褶皱带,以南为秋里塔格褶皱带,总体呈近东西向条状分布。该盆地横向受前缘隆起带的影响多呈叠瓦断陷带,后期经历多期构造叠加导致南北向受强烈的挤压形成一系列的褶皱和断裂[27-28]。2020年3月23日5.0 级地震和2021年3月24日5.4级地震距离最近的断层为63°向的库木格热木断裂,以逆冲为主,距离约12 km。1900年以来,震中100 km范围内发生了13次5级以上地震(其中6级地震2次),其中最大地震为1959年6月28日6.7级地震(图1)。

图1 研究区示意图Fig.1 Study area

2 数据源与研究方法

2.1 数据源

中分辨率成像光谱仪(Moderate-Resolution Imaging Spectroradiometer)简称MODIS,其影像的覆盖范围广,影像波段数量多、信息量大,在地球科学、环境监测等领域有广泛应用。为研究拜城近期两次5级地震地表温度变化特征,本文中使用MODIS地表温度产品MOD11C3的全球月尺度合成地表温度(LST)数据,其空间分辨率为0.05°,选取时间段2019年9月~2021年2月。MODIS影像数据在美国国家航空航天局(NASA)网站下载。

2.2 研究方法

时间信息熵可以反映生态环境要素在时间维的变化强度信息[29],

(1)

(2)

yi-m=y1(i≤m).

(3)

yi+m=yn(i≥n-m).

(4)

时间信息熵H值表明了环境要素的变化强度,其值越大说明时间序列内环境要素的变化强度越大,反之则说明其变化强度越小。但是时间信息熵只能反映出环境要素的变化强度,缺少对环境要素变化趋势的表达,因此需要时间序列信息熵来反映时间序列的生态环境要素的变化趋势[29]。

(5)

时间序列信息熵H′为正表示时间序列内生态环境参数为上升趋势,反之则说明生态环境参数为下降趋势,且其值越大说明上升或下降的趋势越明显。

3 结果与分析

3.1 LST时间信息熵变化特征

时间信息熵能够反映环境要素的变化强度。为揭示拜城两次5级地震发震前后LST的变化强度,分别计算两次地震发震前后6个月LST的时间信息熵。从图2(a)可以看出,2020年3月23日拜城5.0级地震发震前6个月,在拜城县至温宿县形成了一个近NEE向的LST时间信息熵的高值条带,该条带LST在发震前6个月的变化强度明显大于周边区域,2020年3月23日拜城5.0级地震发生在该高值条带的端部。在本次地震发震后半年(图2b),震中附近LST时间信息熵显著降低,高值条带瓦解,LST变化强度较发震前6个月明显减弱。而在2020年9月~2021年2月,拜城县和拜城—新和—温宿交接区域又分别形成2条近NEE向的LST时间信息熵高值条带(图2c),虽然其时间信息熵的值较图3(a)偏低,但2021年3月23日拜城5.4级地震就分别位于这2个高值条带的附近。因此,LST在时间序列上的变化强度对于中强地震的发生具有一定的指示意义,其优势发震区域可能位于LST时间信息熵的高值条带端部或其附近。

为了与无震年份相同时间段的时间信息熵进行对比,选取2018年9月~2019年2月MOD11C3产品进行计算,结果如图3所示。与图2(a)和图2(c)相比,在这一时期震中附近虽然LST时间信息熵的值较大,但未出现LST时间信息熵的高值或低值条带,LST的变化强度较为一致。说明两次地震发震前半年震中附近出现的LST时间信息熵高值区可能为前兆异常。

图2 震中附近LST时间信息熵(a) 2019-09~2020-02 (b) 2020-04~2020-09 (c) 2020-09~2021-02Fig.2 LST time information entropy near the epicenter

图3 2018年9月~2019年2月震中附近LST时间信息熵Fig.3 LST time information entropy near the epicente(2018-09~2019-02)

以2020年和2021年拜城两次5级地震的震中连线的中点为圆心,分别以50 km、100 km和200 km为半径,计算这两次地震震前和震后3个时段内不同半径圆形内的LST时间信息熵的均值。从表1可以看出,2020年3月23日拜城5.0级地震前半年,随着距震中半径的扩大,其LST时间信息熵均值由4.70减小为4.61,时间信息熵与震中距成反比,即距离震中越近,其LST变化强度越强烈。而在震后半年,随着震中距的扩大,其LST时间信息熵均值由1.65上升到1.78,在这一时期LST时间信息熵与震中距成正比,即发震后距离震中越近,其LST变化强度越平缓。同时,在发震后半年,其不同半径大小内的LST时间信息熵均值仅为发震前半年的36%,发震后震中附近LST变化强度明显减弱。但在2021年3月23日拜城5.4级地震前半年,不同半径大小内的LST时间信息熵变化不明显,没有表现出LST变化强度随震中距变大而减缓的特征。

表1 震中不同半径内LST时间信息熵

3.2 LST时间序列信息熵变化特征

LST时间信息熵只能表示时间序列内不同区域LST的变化强度,需要通过计算时间序列信息熵来表征LST的变化趋势。图4为拜城两次5级地震发震前后震中附近LST的时间序列信息熵。2020年3月23日拜城5.0级地震发震前6个月,季节由秋季向冬季转换,LST均为下降趋势。图4(a)显示,虽然在震中的南北两侧LST时间序列信息熵值为负,但其下降趋势并不明显。而在这一区域之间,形成了一条贯穿拜城县至温宿县的LST时间序列信息熵低值条带,其值明显小于周边地区,条带内LST呈现显著的下降趋势,并且拜城县境内LST下降趋势更为明显,本次地震就发生于该低值条带的端部。陈顺云等[30]对汶川地震前遥感参数异常进行回溯性研究时也发现了一条位于震中附近的LST低温带。图4(b)显示,在拜城5.0级地震发震后半年,震中附近LST时间序列信息熵低值条带消失,大部分地区LST均呈现下降趋势,仅在震中北侧形成一条狭长的LST时间序列信息熵高值条带,该条带西侧的LST下降趋势与周边区域相比不明显。图4(c)为2021年拜城5.4级地震发震前半年LST时间序列信息熵,这一时期与2019年9月~2020年2月类似,震中附近地区LST的下降趋势不显著,但在距震中大约20 km的东北部形成LST时间序列信息熵低值区,LST的下降趋势更为明显。因此,通过拜城两次5级地震发震前后的LST时间序列信息熵可以看出,在地震发生前一段时间,震中附近LST呈现不显著的下降趋势,而在最接近震中位置的区域,会形成LST时间序列信息熵的低值条带或低值区,LST的下降趋势更为明显。而在发震后一段时间内,震中附近之前形成的LST时间序列信息熵低值区域则会消失,大范围内LST变化趋势更为一致。造成这一现象的原因可能为发震前的断层活动引起岩石微破裂,产生的热量向外释放,从而抑制地表温度的快速下降,而最接近震中附近区域可能为闭锁区,整体活动较弱,LST易随着环境温度的变化而改变。当地震发生后,震中附近的构造应力得到释放,区域LST的变化随着整体活动状态的改变而趋向一致。

图4 震中附近LST时间序列信息熵(a) 2019-09~2020-02 (b) 2020-04~2020-09 (c) 2020-09~2021-02Fig.4 LST time series information entropy near the epicenter

与分析LST时间信息熵类似,同样计算无震年份相同时间段的时间序列信息熵,结果如图5所示。与图4(a)和图4(c)相比,在无震年份,震中附近LST时间序列信息熵并没有显示出明显的低值条带或低值区,时间序列信息熵的值较为接近,说明两次地震发震前半年震中附近出现的LST时间序列信息熵低值条带和低值区可能为前兆异常。为更加突出震中附近区域LST的变化趋势,将不同时期的LST时间序列信息熵的直方图进行分割,将区域LST变化分为“显著下降”、“下降”、“基本不变”、“上升”、“显著上升”这5个等级。图6分别为图4三个时期LST时间序列信息熵分割图像。从图6(a)可以看出,拜城5.0级地震发生前,震中位于LST下降区,南北两侧LST变化不明显,而震中的东侧为LST显著下降区,在地震发生后半年震中附近区域多属于LST下降区(图6b),仅在震中北侧LST变化不明显。拜城5.4级地震发震前半年(图6c),震中附近LST下降区域明显增多,震中位于LST变化不明显区域的包围之中。LST变化等级分布图与LST时间序列信息熵所呈现的结果基本一致。

图5 2018年9月~2019年2月震中附近LST时间序列信息熵Fig.5 LST time series information entropy near the epicenter(2018-09~2019-02)

4 结论与讨论

拜城近两次5级地震前半年均出现LST时间信息熵高值条带,条带内LST变化强度较大,发震位置即位于高值条带端部或其附近,LST时间信息熵的高值区对于中强地震的发震位置具有一定指示意义。拜城5.0级地震发震前半年LST时间信息熵与震中距成反比,距离震中越近LST变化越强烈,而发震后半年LST时间信息熵与震中距成正比,震中附近LST变化最为平缓,且变化强度远低于发震前。拜城5.4级地震发生前半年LST时间信息熵在不同震中距范围内基本不变。2020年拜城5.0级和2021年拜城5.4级地震发生前半年,震中附近多数区域LST的下降趋势不显著,而在最接近震中附近的部分区域LST时间序列信息熵明显降低,LST呈现显著下降趋势;在地震发生后震中附近区域LST变化趋势较为一致。

MODIS或NECP再分析数据集中的LST一般为地表及地下10~20 cm的温度[31],其会受海拔、气候、土地利用/覆被等多种因素的影响,并且由地震引起的地热信息变化常常隐藏在地形地貌、气候变化中[10]。因此,去除地形地貌等静态因素和天气气候等动态因素对LST的影响,并且与其他地热资料形成相互解释的逻辑链,有助于更准确的认识LST变化与地震之间的关系。

图6 震中附近LST变化等级分布图(a) 2019-09~2020-02 (b) 2020-04~2020-09 (c) 2020-09~2021-02Fig.6 Distribution of LST near the epicenter

猜你喜欢
高值信息熵条带
养殖废弃物快速发酵及高值转化土壤修复生物肥料关键技术
文本图像条带污染去除的0稀疏模型与算法
基于信息熵可信度的测试点选择方法研究
受灾区域卫星遥感监测的条带分解方法研究
南京地区高值医用耗材的使用与医保支付研究
麻文化发展与高值利用前景展望
巧用废旧条幅辅助“蹲踞式起跑”教学
餐厨垃圾资源化处理与高值化利用技术发展展望
近似边界精度信息熵的属性约简
基于信息熵赋权法优化哮喘方醇提工艺