大興安嶺諾敏河火山群遠震P波衰減研究

劉翰林, 吳慶舉*

1 中國地震局地球物理研究所， 北京 100081 2 中國地震局地球物理研究所, 地震觀測與地球物理成像重點實驗室, 北京 100081

0 引言

中國東北地區位于中亞造山帶(Central Asian Orogenic Belt)東端，北部是西伯利亞克拉通，南部有華北克拉通，東部為西太平洋俯沖帶.該地區是一個盆地、造山帶和火山豐富發育的地質構造環境復雜區域，經歷了晚二疊紀至早三疊紀時期與華北克拉通的碰撞(Eizenh?fer et al., 2014)、晚侏羅紀至早白堊紀時期與西伯利亞克拉通的碰撞(van Der Voo et al., 2015)，以及中生代時期的斷裂運動(Hu et al., 1998; Feng et al., 2010; 葛榮蜂等，2010).中國東北在中生代斷裂運動期，火山活動豐富發育，且在新生代時期，火山活動延續并以松遼盆地為中心向盆地四周邊緣移動(Liu et al., 2001).如長白山火山、鏡泊湖火山、五大連池火山、哈拉哈河—淖爾河火山、錫林浩特—阿巴嘎火山等.這些火山群落屬于遠離板塊邊界的板內火山，從而使中國東北成為研究新生代板內火山的理想場所.世界上多數火山活動發生在板塊邊界上并能用板塊理論進行解釋(Morgan, 1968)，而板內火山活動卻有著更為復雜多樣的成因機制.近年來，各學者對中國東北地區開展了大量的地球物理研究并提出了系列板內火山成因機制模型.遠震體波成像研究(Lei and Zhao, 2005; Zhao, 2004; Huang and Zhao, 2006; Zhao, 2009; 雷建設等, 2018; Wei et al., 2018)在地幔過渡帶發現了大范圍的高速異常，推測為滯留在地幔過渡帶的俯沖太平洋板塊，并在長白山等火山群下方發現了延伸到地幔過渡帶的低速異常，推測滯留俯沖板塊上方發生脫水熔融上涌導致了地表火山活動.環境噪聲、面波成像研究(Guo et al., 2016; Liu et al., 2017)則試圖用一個小尺度局部地幔對流模型來解釋各火山的成因，認為長白山下方來自轉換帶或更深的熱物質上涌可能會引發松遼盆地西側小尺度的局部熱地幔對流上涌，從而導致阿巴嘎、阿爾山地區的火山活動.

本文研究區位于中國東北北部，研究圍繞著隱匿在大興安嶺中的諾敏河火山展開(圖1).有地球化學研究結果表明，諾敏河火山巖與五大連池火山巖的相似鉀質屬性，體現了兩座火山群的親緣性，并與阿爾山及中國東部大多數的新生代鈉質火山巖區別開來(樊祺城等, 2012; 李霓等, 2012; 趙勇偉等, 2013).由于大興安嶺被大面積森林覆蓋，惡劣的野外環境導致地震觀測不便，諾敏河火山周邊的數據匱乏，東北地區眾多的地球物理學研究對該火山群并沒有很好的覆蓋，該地區深部地球物理結構有待約束.2015年7月至2017年5月，中國地震局地球物理研究所在國家自然科學基金委的資助下圍繞諾敏河火山布設了43套寬頻地震儀進行為期兩年的觀測，臺間距約為30～50 km(圖1).在該項目的支持下，張風雪和吳慶舉(2019)在該地區開展遠震體波成像研究，結果顯示諾敏河與五大連池下方200～300 km深度范圍有水平展布的低速異常，并認為此低速異常可能是兩個火山群的共有地幔巖漿房.另外，SKS分裂研究在諾敏河火山下方得到多個無效分裂結果(強正陽和吳慶舉，2019)，接收函數研究結果表明諾敏河火山下方有較薄的地殼和較高的泊松比(謝振新等，2018)，均顯示該火山區下方可能存在熱地幔上涌.

新的地球物理觀測數據補充，為諾敏河火山地區的深部結構提供了一定的有效約束，但仍需要新的研究手段，為以上提到的各向異性、地震波速度層析成像等傳統手段的研究成果提供更多的觀測輔證，以進一步探索該地區板內火山活動乃至于整個東北地區新生代板內火山活動深部成因.地震波衰減在推斷地下結構中溫度、孔隙流體、部分熔融、巖石組分以及主要構造特征時扮演著十分重要的角色(Dziewonski et al., 1982)，可豐富我們對深部結構、火山構造活動及巖石圈演化的綜合理解(Adams and Humphreys, 2010; Zhao et al., 2010; He et al., 2017; Bezada, 2017; Byrnes et al., 2019).通常高衰減意味著高溫、高含水量的巖石成分，并與之對應的是地震波低速異常、高地形的年輕造山帶或火山地區，而低衰減則意味著低溫、低含水量的巖石成分，與之對應的則是地震波高速異常、低地形的盆地或古老克拉通塊體.本研究中，我們利用上文提到的諾敏河流動臺陣43套寬頻帶地震儀兩年時間的觀測數據，挑選遠震事件中的直達P波震相，采用Bezada(2017)提出的時間域波形匹配方法計算遠震P波衰減因子，并反演了諾敏河火山及周邊地區的2D相對衰減結構模型，為該地區的深部地球物理結構提供了進一步約束.

圖1 研究區地質概況及臺站分布 SP：西伯利亞板塊；BR：貝加爾裂谷；CAOB：中亞造山帶；NCC：華北克拉通；HB：海拉爾盆地；SLB：松遼盆地；GXR：大興安嶺； LXR：小興安嶺；NSGL：南北重力梯度帶；紅色三角形為火山位置；黃色正方形為臺站位置；灰色粗實線為南北重力梯度線.Fig.1 Map of tectonic setting and the distribution of seismic stations SP: Siberian Plate; BR: Baikal Rift; CAOB: Central Asian Orogenic Belt; NCC: North China Craton; HB: Hailar Basin; SLB: Songliao Basin; GXR: Da Hinggan; LXR: Xiao Hinggan; NSGL: North-South Gravity Line; red triangles are volcanoes; yellow squares represent seismic stations; thick grey solid line is North-South Gravity Line.

1 數據與方法

地震波衰減主要由巖石黏滯性導致的本征吸收以及巖石地震波速度橫向不均勻性導致的散射衰減組成(Akinci et al., 1995)，可以用品質因子參數Q(Knopoff, 1964)來量化，定義如下：

(1)

其中，ΔE是地震波每個周期的能量變化，Emax為每個周期中的最大彈性能量.該參數與地震波信號的關系(Aki and Richards, 2002)定義如下：

(2)

式中A(ω)是信號頻譜，A0(ω)為未被衰減的信號頻譜，ω為角頻率，x和c(ω)分別為傳播距離和相速度.

以上為地震波衰減和品質因子Q的基本定義，通常我們用于地震波衰減分析中的是衰減因子參數t*，該參數是一個單位為秒(s)的量化參數，代表全射線路徑上所有巖石Q值對地震波的作用累積的衰減總和，定義如下(Stein and Wysession, 2003)：

(3)

式中V與Q分別代表射線路徑所經過的速度模型和品質因子模型，dt為走時微分.

最早由Teng(1968)提出譜比法，將兩個臺站的振幅譜在去儀器響應后作比，以消除震源項和近震源衰減項，從而得到兩個臺站下方的Δt*.后人基于譜比法提出了共譜法(Halderman and Davis,1991)、虛擬源法(Boyd and Sheehan,2005)以及參考譜法(Adams and Humphreys,2010)等方法，不再選取單一的參考臺站，而通過尋找平均參考譜，同時計算各個臺站之間的Δt*.頻率域方法在衰減研究中應用廣泛，但仍存在一定局限性.頻譜計算和譜比計算對窗口選擇較為敏感(Solomon,1973)，且散射和聚焦效應對地震波形振幅的影響具有頻率依賴性(Cafferky and Schmandt,2015;Dalton et al., 2008).本研究中，采用由Bezada(2017)提出的時間域波形匹配搜索方法來探索研究區下方的本征衰減特征，該方法與Adams 和 Humphreys (2010)在黃石火山地區應用的時間域衰減計算方法類似，并在摩洛哥、中阿巴拉契亞山脈等地區的衰減研究應用中，均取得可靠的研究結果(Bezada,2017; Byrnes et al.,2019).

1.1 數據挑選

選取30°～90°的遠震事件數據.基于巖石圈與軟流圈Q值顯著差異(Dziewonski and Anderson, 1981)，為了盡量減小接收信號里所包含的近震源衰減項，使其所包含的衰減信息主要來自于臺站下方，我們選取震源深度在250 km以下的事件.為了得到高信噪比的波形數據，事件震級下限被設為Mb5.5，同時為了減小震源方向性效應對衰減計算結果的影響，得到脈沖性的直達P波震相，震級上限被設為Mb7.0(Hwang et al., 2011).綜上，我們共計挑選了17個遠震事件(圖2).通過去均值、去趨勢、去儀器響應等數據處理后，對波形進行0.02～3 Hz的帶通濾波，挑選地震記錄垂向分量中SNR(信噪比)大于3、波形相似并具有脈沖性的直達P波震相進行Δt*的計算.

圖2 事件分布圖 藍色五角星為地震臺陣位置，彩色圓圈為地震事件位置. 其中圓圈顏色尺度為事件震源深度，半徑大小為事件震級.Fig.2 Distribution of teleseismic events used in present paper Blue star denotes array, and colorful circles are events. Color and radius of the circles scale the focus depth and magnitude respectively.

1.2 波形匹配與Δt*搜索

時間域波形匹配法第一步是求取衰減為零或衰減極弱的震源時間函數(Bezada, 2017).如圖3a所示，各臺站接收到的相似的波形中，衰減顯著的波形因更多的高頻成分被衰減導致脈沖時間變長而呈現為較寬的震相，衰減微弱的波形則反之，呈現為較窄的震相.我們選取被衰減最少的幾個臺站波形作為源波形(圖3)，將其疊加以減小尾波能量，得到參照源(Bezada, 2017).

第二步為生成理論波形并搜索Δt*值(Bezada, 2017).在此，我們引入Azimi等(1968)提出的衰減項：

(4)

式中i為復數的虛部單位，ω0為參照頻率常數.ω0的選取只改變理論波形的到時并不改變其形狀，故ω0的選取對衰減因子計算結果并無影響(Bezada, 2017).通過對參照源添加衰減項來合成理論波形，給定Δt*越大脈沖越寬，Δt*越小脈沖越窄(圖4).將理論與觀測波形作振幅標準化處理后再進行波形擬合，計算波形振幅差的L2范數作為擬合偏差，同時對Δt*進行步長為0.01 s的網格搜索(圖4)，最終選取使得擬合偏差最小的Δt*作為搜索結果(Bezada, 2017).圖4展示的擬合結果為歸一化處理后的波形.

最后一步即對擬合震相進行質量評估，保留擬合效果較好的結果.為盡可能保留更多的高質量觀測數據，我們并未采用統一的評估閾值對結果進行自動篩選，而對搜索結果進行人工視覺篩選(圖4).最終，我們保留了300個Δt*搜索結果，并將其分別對每個事件進行去均值處理，再用作成像反演.

1.3 反演

我們利用觀測Δt*數據反演研究區衰減結構的橫向變化(Hwang et al., 2011; Lawrence et al.,2006; Bezada, 2017).考慮到觀測數據針對于每個事件去均值處理，但每個事件均值并不相等，另外對于每個臺站其近地表效應也存在差異，則觀測到的Δt*為衰減結構差異、事件均值差異及臺站近地表效應差異的作用總和，于是有(Bezada, 2017)：

表1 圖3、4及7中所展示四個事件的詳細信息Table 1 Details of 4 events presented in Fig.3, 4 and 7

圖3 源波形選取及參照源疊加示意圖(展示事件的信息詳見表1中Evt.1) (a) 選取源波形示意； (b) 疊加生成參照源及選取擬合窗口示意.Fig.3 Source Traces and Reference Source (Details of presented event are shown in Table 1-Evt.1) (a) Shows the selection of Source Traces; (b) Shows the stacking and selection of fitting window on the Reference Source.

圖4 波形擬合及Δt*質量評估示意圖 圖中展示的計算結果來自于圖3中同一事件.圖中黑色實線為觀測波形； (a) 中紅色實線; (b) 中紅色虛線為理論合成波形； (a) 中紅色實線部分為擬合時窗；XM31臺站波形為被篩除的擬合效果較差波形.Fig.4 Waveform matching and Δt* quality control The presented event is the same with it in Fig.3. Black solid lines represent observed waveforms; red solid lines in panel (a) and red dashed lines in panel (b) are synthetic waveforms; red solid lines in panel (b) represent fitting window; result of station XM31 is removed due to the bad matching of waveforms.

圖5 理論測試輸入模型及測試結果 圖中圓圈為臺站.(a1—3)分別為三個理論測試輸入模型； (b1—3) 分別展示了對三個輸入模型加入高斯隨機噪聲， 并按事件去均值處理后再按臺站疊加求均值的Δt*結果； (c1—3) 分別為三個理論測試輸出結果.Fig.5 Input and output models of three synthetic tests Circles in the figure denote stations. Panels of (a1—3) show the three input models respectively; panels of (b1—3) show the average Δt* values per station taken from the input models, with the mean per event removed and Gaussian noise added; panels of (c1—3) represent three output models respectively.

圖6 二維Δt*反演結果模型及模型標準差 (a) 二維Δt*模型，圖中黑色圓點為臺站；紫色三角形為火山；HA1與HA2分別為兩個高衰減觀測區域； LA1為低衰減觀測區域；兩條藍色線段為圖8中兩條剖面所在位置.(b)模型標準差，圖中黑色圓點為臺站.Fig.6 Maps of 2D Δt* model and model standard deviation (a) Black dots are stations and purple triangles are volcanoes; HA1 and HA2 represent two regions of higher Δt* observations; LA1 represent the region of lower Δt* observations; blue lines show the locations of vertical profiles in Fig.8; (b) The model standard deviation and the black dots are stations.

圖7 三個事件Δt*搜索結果及部分臺站波形擬合展示(三個事件的信息詳見表1中Evt.2、Evt.3及Evt.4) 左側為每個事件各臺站Δt*的計算結果，黑色空心圓代表未接收到該事件信號或波形被篩除的臺站； 右側展示了左側圖中標注臺站的波形擬合結果.Fig.7 Map of observations of Δt* values from three events and waveforms matching from some of the stations(Details of the three events are shown in Table 1-Evt.2, Evt.3 and Evt.4.) Figures on the left side show the Δt* of stations estimated from each event, and black circles are stations which did not receive the signal from the event or whose searching results are removed due to the bad matching; figures on the right side are the waveform-matching results from stations pointed out in the left figures.

圖8 Δt*與速度模型對比垂直剖面圖 (a)和(b)兩條剖面位置如圖6所示.(a)、(b)從上至下依次為地形海拔、Δt*值、Tao 等(2018)速度模型的P波速度擾動、S波速度擾動、 張風雪和吳慶舉(2019)速度模型的P波速度擾動.圖中粉色三角為火山.NM為諾敏河火山，其余縮寫簡稱均與圖1、6中一致.Fig.8 Vertical profiles of the comparison between Δt* and velocity Locations of sections (a) and (b) are showed in Fig.6. From top to bottom, panels (a) and (b) show the topography elevation, Δt* values, Vp and Vs perturbations from model of Tao et al. (2018), Vp perturbations from model of Zhang and Wu (2019). Pink triangle is volcano in the figure. NM represents Nuomin River volcano, and other abbreviations are the same with those in theFig.1,6.

GΔm+e+s=Δd,

(5)

式中Δd為觀測數據，e為獨立待求解參數事件項，代表事件均值差異，s為獨立待求解參數臺站項，代表臺站近地表效應差異(Bezada, 2017).GΔm代表固有衰減差異，Δm為二維相對衰減結構，G為距離加權因子，定義如下(Bezada, 2017)：

(6)

其中，i為觀測數據序號，j為模型網格序號，k為臺站序號，rjk為第j個網格到第k個臺站的距離，rmax為預設最大距離(Bezada, 2017).

通常衰減研究中，波形擬合偏差或頻譜擬合偏差被作為觀測Δt*不確定性，用作成像反演中的權重因子(Boyd and Sheehan, 2005; Adams and Humphreys, 2010).本研究中，我們采用非線性貝葉斯-蒙特卡洛反演方法解上述問題，將觀測數據不確定性作為獨立待求解參數進行反演，并且相比于Bezada(2017)采用的線性最小二乘解法，該方法不需要選取平滑和阻尼來控制模型變化，針對于觀測數據量稀少的反演問題亦不會導致過載的計算量(Byrnes et al., 2019).貝葉斯-蒙特卡洛反演方法由Bodin等(2012a,b)引入面波成像研究，Byrnes等(2019)將其應用于衰減成像研究，獲得了中阿巴拉契亞山脈下方的上地幔衰減結構，并有效地估計了觀測數據的噪聲水平.

貝葉斯-蒙特卡洛反演通過Voronoi圖隨機生成初始模型m(模型的網格數量、網格空間分布、網格賦值)以及數據不確定性σd，基于貝葉斯理論，該模型的概率函數如下：

P∝p(m|σd)p(d|m,σd),

(7)

式中p(m|σd)為模型的先驗概率，p(d|m,σd)為評估模型預測數據與觀測數據擬合質量的概率函數(Bodin et al., 2012a,b; Byrnes et al., 2019).通過對初始模型進行如下隨機擾動得到新模型m′：1.移動:隨機選取一個模型網格改變其空間位置；2.改變:隨機選取一個模型網格改變其模型值；3.σd:隨機改變數據不確定性σd的大小；4.誕生:隨機生成一個新的網格并賦值；5.消亡:隨機刪除一個模型網格(Bodin et al., 2012a,b; Byrnes et al., 2019).然后對新模型m′與初始模型m之間構造如下判定函數：

(8)

式中q(m|m′)代表從新模型跳躍到舊模型的發生概率，q(m′|m)則反之.反演通過馬爾可夫鏈(Markov Chain)進行迭代，可多條鏈平行迭代.每條鏈中當新模型被判定函數接受，則將新模型作為新的起點進行下一步迭代；若否，則將舊模型進行新的隨機擾動，直到被接受(Bodin et al., 2012a, b; Byrnes et al., 2019).若數據擬合偏差不顯著增大，迭代將使得反演結果向更簡單的模型逼近，而當更復雜的模型不能顯著改善數據擬合情況時，數據不確定性將會向某一確定值逼近(Bodin et al., 2012a,b; Byrnes et al., 2019).

1.4 理論測試

為驗證反演方法可行性，以及觀測數據對研究區橫向衰減差異的恢復能力，我們給定三個不同的初始模型分別進行理論測試.初始模型一：Δt*值在121°E—126°E范圍內隨經度線性增加，由0至0.4 s；Δt*值在48°N—52°N范圍內隨緯度線性增加，由0至0.4 s；初始模型三：以經度124°E為界，西區Δt*為0 s，東區Δt*為0.4 s(圖5a1—3).

理論Δt*數據均依從觀測數據集中的臺站-事件對關系進行輸入，并加入20%噪聲(標準差為0.08 s高斯隨機噪聲)，對理論數據按每個事件進行去均值處理(圖5b1—3).如圖5b1—3所示，對于按事件去均值處理后的Δt*，若直接按臺站疊加求均值結果與初始輸入模型存在一定偏差，不能很好反映真實Δt*橫向擾動.

測試結果顯示(圖5c1—3)，我們使用的觀測數據和反演方法對隨經、緯度增加的線性梯度與分區突變的陡峭梯度均有較好的形狀恢復，但橫向衰減擾動幅度較輸入值有細微差距，三個測試反演結果中分別得到的三個數據不確定性為0.0815 s、0.0777 s、0.0733 s，與輸入的隨機噪聲值大致相符.綜上，本研究中采用的反演方法及觀測數據集可獲得較為可靠的研究區橫向衰減差異.

2 結果與討論

對300條Δt*觀測數據進行貝葉斯-蒙特卡洛反演，采用10條平行鏈進行迭代，每條鏈迭代1×106次，最后將保留模型疊加取平均得到反演結果(圖6a)，Δt*橫向變化大致在-0.15～0.15 s范圍內.并將反演模型概率分布標準差作為模型不確定性(圖6b)，模型不確定性在臺站覆蓋區域較好處不超過0.05 s.反演得到數據不確定性均值為0.08 s(與模型不確定性不同，數據不確定性為反演得到的觀測數據噪聲水平).

2.1 相對衰減結構基本特征

如圖6所示，研究區的相對衰減表現出較大幅度橫向擾動.通常來說，火山活動與巖石圈減薄、熱地幔上涌、部分熔融等現象聯系緊密，并伴隨著低速異常、高衰減異常的觀測(Shapiro et al., 2000).本研究區的火山活動與我們的高衰減觀測結果呈現較好的空間一致性(圖6).諾敏河火山大致位于高衰減區域HA1的中心，Δt*最高達約0.15 s，且Δt*圍繞著火山群向四周逐漸減小(圖6、8).另一個高衰減區域HA2位于研究區最北端，Δt*最高值與HA1接近(圖6、8)，主要表現在XM01與XM02這兩個臺站的觀測(圖7)，可能與研究區北部空間位置接近的小古里河火山活動有關.位于諾敏河火山東部、科洛河火山西部，緊鄰兩個火山群的LA1區域觀測到顯著低衰減異常，Δt*最低至約-0.15 s(圖6、8)，主要表現為XM17、XM10、XM06、XM04這四個臺站的觀測(圖7).

選取三個事件的Δt*觀測結果成圖，并展示分別位于高衰減區域和低衰減區域的部分臺站波形(圖7).如圖7所示，三個事件分別在三個區域中的Δt*觀測結果與我們的反演結果基本相符.位于HA1的XM12、XM15、XM31、XM40臺站與位于HA2的XM01、XM02臺站具有較大的Δt*值及較寬的脈沖波形，而位于LA1的XM04、XM06、XM10、XM17臺站觀測到較小的Δt*值及較窄的脈沖波形.

2.2 與前人結果對比及討論

通常遠震射線中，下地幔的衰減遠小于上地幔(Booth et al., 1974)，并且對比Zhao等(2010)對中國東北地區的Lg波衰減研究，其結果在本文覆蓋區域并未顯示如此明顯大幅的橫向變化，由于Lg波衰減主要受地殼影響，我們認為本研究所得到的橫向衰減變化主要來自于軟流圈和巖石圈地幔的固有衰減.

對二維Δt*模型作兩條垂直剖面(a)、(b)，橫穿HA1、HA2及LA1，與前人速度觀測結果進行對比(圖8a—b).圖8a—b中分別采用Tao等(2018)通過全波形反演得到的東亞地區P、S波速度模型FWEA18(Full Waveform inversion of East Asia in 2018)以及張風雪和吳慶舉(2019)的遠震P波成像結果在兩條剖面處的速度異常成圖.Tao等(2018)及張風雪和吳慶舉(2019)的速度模型在兩條剖面下方均顯示分層低速異常：100～200 km深度低速異常及200～400 km低速異常，橫向貫穿HA1、HA2及LA1衰減異常區域，速度異常幅度略有差異，最高處達約4%.另在Tao等(2018)模型中LA1、HA2區域下方，淺層低速異常上覆厚度為約100 km高速異常，而該高速異常在張風雪和吳慶舉(2019)的模型中只表現在LA1區域下方(圖8a).

通常來說，溫度是影響上地幔巖石礦物速度的主要因素，低速異常可能暗示著高溫異常，而高速異常可能代表較冷的構造體(Karato,1993; Cammarano et al., 2003; Goes et al., 2000).假設只受熱力學條件控制，溫度對Q與對速度的影響類似，因此衰減研究中通常將速度與衰減的負相關現象主要歸因于溫度因素(Lawrence et al., 2006; Hwang et al., 2011).例如Hwang等(2011)的全球體波衰減研究中觀測到在古老的、冷的大陸克拉通地區的低衰減、高速異常，以及熱的、年輕的洋中脊地區的高衰減、低速異常.

本研究中HA1、HA2下方觀測到高衰減異常，對應著前人速度模型中同區域下方上地幔兩層低速異常，暗示著該區域下方存在高溫異常.另外張風雪和吳慶舉(2019)提出諾敏河火山下方兩層低速異常可能與地表火山活動有關，且認為深層低速異常為諾敏河與五大連池火山群的共有地幔巖漿房，可能與晚中生代巖石圈拆沉事件導致的軟流圈熱物質上涌有關.強正陽和吳慶舉(2019)在該研究區的SKS分裂研究顯示，HA1區域和HA2區域均觀測到純無效分裂結果，并歸因于熱地幔物質的上涌侵蝕了巖石圈殘存化石各向異性.謝振新等(2018)在該研究區的接收函數研究顯示，HA1區域和HA2區域均具有較薄的地殼厚度與較高的泊松比，并認為這與富鉀巖石圈拆沉觸發的熱物質上涌有關.綜上，熱地幔物質上涌可能是HA1、HA2區域觀測到高衰減異常的主要原因.

LA1下方觀測到顯著低衰減異常，前人速度模型在該區域下方有厚度不一(約100 km)的高速異常體(Tao et al., 2018； 張風雪和吳慶舉，2019)，且強正陽和吳慶舉(2019)在LA1區域中XM17臺站觀測到延遲時間大于1.0 s的SKS分裂結果，暗示其下方可能有未直接受到熱地幔物質上涌侵蝕而殘存巖石圈.Zhang等(2014)的S波接收函數結果顯示大興安嶺下方巖石圈厚度約為140～160 km，據PREM模型(Dziewonski and Anderson, 1981)中巖石圈、軟流圈的Qp值進行衰減估算，150 km巖石圈厚度差異導致的Δt*約為0.08 s，盡管該估算具有一定不確定性，但其結果僅約為該研究中衰減觀測差值的三分之一(約0.3±0.05 s)，因而巖石圈厚度差異并不足以解釋LA1區域低衰減觀測.另外LA1區域下方同樣對應著兩層低速異常(Tao et al., 2018; 張風雪和吳慶舉，2019)，LA1區域較之HA1區域具有更薄的地殼和更高的泊松比(謝振新等，2018)，且SKS分裂研究顯示LA1區域亦觀測到純無效分裂結果(強正陽和吳慶舉，2019).這暗示著LA1區域下方同樣可能存在熱地幔物質上涌帶來的高溫異常，那是否與本研究中在該區域下方觀測到的顯著低衰減異常矛盾呢？

除卻溫度因素外，含水量是影響巖石礦物Q值的另一重要因素.部分巖石物理研究結果表明，上地幔條件下含水量(主要以氫離子形態)對Q值的影響能達到75%以上，對速度影響卻很小(Karato,1995,2003; Karato and Jung,1998).盡管含水量對Q值影響的程度至今仍尚存爭議，但近年來觀測到低速異常對應著低衰減異常的現象，已不能基于熱力學條件進行很好地解釋了(Hammond and Humphreys, 2000; Humphreys et al., 2003; Lawrence et al., 2006).例如Yang等(2007)以及Yang和Forsyth(2008)分別在東太平洋隆起和南加州地區的衰減研究中發現，若只基于熱力學條件控制，通過速度異常預測的Q值比觀測Q值偏小，而加入含水量因素后擬合效果得到顯著改善.Lawrence等(2006)與Adams和Humphreys(2010)相繼在黃石火山下方觀測到顯著低衰減異常，認為部分熔融相的介入會導致地幔脫水，從而使得殘留地幔橄欖巖Q值增加，衰減減小.Bezada(2017)在摩洛哥火山活動地區下方觀測到低衰減異常，亦歸因于部分熔融導致的殘留地幔礦物脫水.類似地，我們推測LA1區域下方可能存在著部分熔融導致的殘留地幔礦物脫水，進而導致衰減減小.

綜上，LA1區域觀測到的低衰減異常可能由兩個原因共同導致，一方面是該區域下方殘留未被侵蝕的巖石圈，另一方面是局部區域可能存在部分熔融導致的殘留地幔礦物脫水.

3 結論

利用圍繞著大興安嶺諾敏河火山布設的43個流動臺站所接收到的17個遠震事件，我們采用時間域波形匹配方法計算了300條直達P波震相的Δt*，并采用貝葉斯蒙特卡洛方法進行反演，獲得到了中國東北諾敏河火山及周邊地區的二維Δt*模型.結果表明研究區高衰減區域與火山活動位置分布呈現較好的空間一致性.熱地幔物質上涌可能是導致諾敏河火山區域以及北部臨近小古里河火山區域高衰減異常的主要原因.諾敏河火山東部、科洛河火山西部區域呈觀測到顯著低衰減異常，與高衰減區域最大Δt*差值達約0.3±0.05 s，可能是兩個原因共同作用的結果：該區域下方殘留未被侵蝕的較厚巖石圈，以及局部區域可能存在的部分熔融導致的殘留地幔礦物脫水.

致謝感謝國家自然科學基金項目(41674094，41474074)的資助.感謝參與該項目野外流動臺站架設、維護及數據收集的全體人員.感謝審稿專家的寶貴修改意見，使得本文更加嚴謹、流暢.