基于深度學習震相拾取和密集臺陣數據構建青海瑪多MS7.4地震震源區高分辨率地震目錄

郭慧麗， 常利軍， 魯來玉， 吳萍萍， 呂苗苗， 丁志峰

中國地震局地球物理研究所， 北京 100081

0 引言

根據中國地震臺網正式目錄，2021年5月22日2時04分13秒(北京時間)，青海省果洛州瑪多縣(北緯34.61°，東經98.37°)發生MS7.4地震，震源深度17 km(https:∥data.earthquake.cn/gcywfl/index.html).如圖1所示，該地震發生在巴顏喀拉塊體內部、具有左旋走滑特征的昆侖山—江錯斷裂，北邊有瑪多—甘德斷裂，南邊有達日斷裂.近10年的中國地震臺網目錄顯示5月22日瑪多地震之前該區域的地震活動性較低，僅有一次較大的地震發生，即在2015年10月12日發生的5.3級地震.瑪多MS7.4地震發生在塊體內部位移量相對較小的斷裂上，空間上填補了該塊體北邊界東段的發震空白(Wang et al., 2021).

在地震發生后，一些學者針對瑪多地震的余震序列進行了重定位研究(Wang et al., 2021; 徐志國等, 2021; 尹欣欣等, 2021)，揭示了發震斷層的NWW走向與近垂直分布形態.但是距離瑪多地震震中100 km范圍內只有一個固定地震臺(瑪多臺站)，遠距離的地震臺網對震源區域內的小震級事件的識別能力有限.已有的地震精定位結果雖然可以初步通過地震分布特征刻畫發震斷層面，但是在很多問題上依然存在爭議，例如斷裂帶西側是否存在分支斷裂活動、余震的主要分布深度、地震空區分布、斷層的空間展布等.瑪多震源區的斷層的精細結構研究依然需要基于密集臺陣數據的高分辨率和高精度的地震目錄來刻畫.

快速高精度的地震目錄的構建始于快速高質量的震相拾取.人工手動拾取震相耗時長而且不能快速準確的識別微小地震事件.隨著密集流動臺陣的建設，大量的地震數據需要高效高質量的自動處理流程.傳統的自動拾取方法，比如長短窗平均比值法(STA/LTA)、基于自回歸赤池信息準則(AR-AIC)的震相到時估算方法等，一般從地震震相某一個或幾個特征出發實現震相檢測和識別，未能涵蓋波形數據中包含的所有特征，而且檢測閾值難以設定(李健等, 2020).近年來，深度學習方法被應用于直接從原始地震波形中提取震相特征以識別地震信號，表現出高效、高精度的優勢(Ross et al., 2018; 趙明等, 2019；Wang et al., 2019; Zhu and Beroza, 2019)，大大節約了時間成本.深度學習是一種以人工神經網絡為架構，對數據進行特征學習的算法.計算能力的發展提高了訓練的效率，訓練數據的大幅度增加則可降低過擬合風險.由美國北加州地震臺網近30年的帶有超70萬個P、S震相的樣本事件波形數據訓練獲得的基于U形卷積神經網絡的算法PhaseNet (Zhu and Beroza, 2019)，適用于100 km范圍內近震事件的震相拾取，并在多個地區獲得成功的應用(Liu et al.,2020; Wang et al., 2020; 趙明等, 2021)，而且具有很好的遷移性.Liu等(2020)和Zhang等(2022)共享了一套基于深度學習的震相自動拾取、地震關聯和地震定位的流程，并在四川長寧(趙明等, 2021)和云南漾濞地區(蘇金波等, 2021)獲得較好的結果.趙明等(2021)經過對比研究發現，基于人工拾取到時和手動定位很難完全避免主觀性因素，而基于深度學習的自動構建目錄的流程可以遵循統一的標準，從而避免人為不確定因素.

本文利用瑪多地震科考布設的短周期密集臺陣的數據，基于PhaseNet深度學習算法從原始連續波形數據中拾取了P波和S波到時數據，利用震相關聯和多種定位方法構建了瑪多震源區MS7.4地震之后第14天至第43天的高分辨率地震目錄，該目錄勾勒出震后瑪多震源區主震西側以及主震向東20 km范圍內的發震斷層形態和結構，有助于認識瑪多震源區的孕震環境和發震機制.

1 數據

2021年5月22日瑪多MS7.4地震發生后，在中國地震局地球物理研究所瑪多MS7.4地震科學考察項目支持下，科考組在瑪多震源區于2021年6月3日完成了150套短周期地震儀的布設(圖1)，儀器型號為SmartSolo(IGU-16HR)，主頻為5 Hz.觀測臺站主要沿垂直于江錯斷裂的方向展布，測線上臺站間距為0.5～1 km，此外沿江錯斷裂的走向也有觀測臺站展布，臺站間距為3～5 km.連續觀測一個月，經過數據質量和同步性檢測最終共獲取了148個臺站在6月5日—7月3日期間的有效連續記錄，為本文的研究提供數據基礎.

2 方法及數據處理

本文基于獲取高精度地震目錄的流程Loc-Flow (Liu et al., 2020; Zhang et al., 2022)，先后對原始連續地震波形進行如下處理：

步驟1：基于PhaseNet深度學習算法拾取P/S震相到時；

步驟2：利用REAL(Rapid Earthquake Association and Location, 快速震相關聯和定位技術)進行震相關聯，實現初步的地震定位；

步驟3：采用HypoInverse和VELEST絕對定位方法獲取絕對定位地震目錄；

步驟4：利用HypoDD(A Program to compute Double-difference hypocenter location, 雙差定位算法)相對定位方法，獲取相對定位地震目錄；

圖1 研究區域及臺站分布圖 (a) 瑪多震源區的構造背景, 黑色方框為本文的研究區域; (b) 本文的研究區域. 黃色線為構造單元界線，藍色線為地表破裂(Ren et al., 2022)，黑色線為活動斷裂.黑色三角形為短周期地震臺站，紅色五角星為瑪多MS7.4地震震中，黃色方塊為瑪多固定臺，黃色 五角星為2015年MS5.3地震震中.Fig.1 Map view of the study area and stations (a) Tectonic setting map of the Madoi focal area, with the black rectangle indicating the study region; (b) The study region. Yellow lines mark the boundaries of tectonic units. Blue lines mark surface rupture (Ren et al., 2022). Black lines mark the active faults. The black triangles denote short period seismic stations. Red star indicates the location of the Madoi MS7.4 mainshock. The yellow square is the Madoi fixed station. Yellow star indicates the location of the 2015 MS5.3 earthquake.

步驟5：利用波形互相關GrowClust算法獲取精定位結果.

具體研究技術路線見圖2.每一步的參數設置和計算結果見下文.

2.1 基于PhaseNet的到時拾取

首先利用PhaseNet拾取P波和S波初動到時.考慮到PhaseNet本身出色的泛化能力，本文采用Zhu和Beroza(2019)訓練好的神經網絡模型，對2021-06-05—2021-07-03期間的連續波形記錄降采樣到100 Hz之后進行P波和S波初動拾取，拾取閾值設置為0.5，共拾取了1871056個P波和1807984個S波震相.拾取示例如圖3所示.

圖2 研究方法和路線Fig.2 Research methods and route

2.2 震相關聯REAL

根據Zhang等(2019)發展的REAL震相關聯算法，將拾取到的P波和S波震相關聯成特定的地震事件.三維空間網格參數設置如下：水平搜索范圍為0.2°，步長為0.04°，深度搜索范圍0～30 km，步長為2 km，根據走時表進行地震和震相關聯.由于研究區布設的臺站密集度高，為了確保關聯結果的可靠性，將關聯閾值設置為：一個有效的地震至少記錄到5個P波、3個S波以及至少3個臺站同時記錄到P波震相和S波震相.在REAL之后完成了地震的初步粗略定位，獲取了51949個地震目錄，共關聯到1343430條P波震相、1122006條S波震相，走時曲線如圖4所示.圖5給出了關聯到的一個事件波形數據示例.

2.3 HypoInverse和Velest絕對定位

絕對定位方法是常規地震定位方法.本文分別利用了HypoInverse(Klein, 1978, 2002; Lienert et al., 1986)和VELEST(Kissling et al., 1994)定位程序進行了絕對定位.初始速度模型見表1.

HypoInverse方法共得到51949個絕對定位結果，其中定位誤差在5 km范圍內且RMS(Root Mean Square, 均方根)殘差小于0.5 s的地震有47914個(圖6c所示)，平均定位水平方向誤差為0.70 km，垂直方向誤差為0.74 km，平均RMS殘差為0.10 s.

圖3 PhaseNet拾取震相例圖Fig.3 Example of picks by PhaseNet

表1 初始一維速度模型(黑色值)和VELEST更新后的 速度模型(紅色值)Table 1 Initial 1-D velocity (black values) and updated model after VELEST (red values)

本文還利用VELEST定位方法更新了一維速度模型.首先選取了研究區內臺站間隙角小于180°，且具有至少100個P波和S波震相的地震事件共4385個，然后利用VELEST更新速度模型(表1紅色數字)，之后再進行所有地震事件的絕對定位，最終RMS殘差小于0.5 s的地震事件有51937個(圖6d).

圖4 REAL關聯到的P波和S波走時曲線圖Fig.4 Travel time curves of P and S waves after REAL

將研究時間段內的中國地震臺網正式目錄和REAL后的初始粗略目錄以及絕對定位目錄做一個對比(圖6)，可以發現本文構建的瑪多震源區的地震目錄提供了遠遠多于臺網的地震事件.HypoInverse和VELEST定位的地震目錄有很好的相似性，說明了本文地震定位結果的穩定性.

圖5 利用REAL關聯到的發震時刻2021-06-06T07∶31∶41.025的地震事件波形 紅色豎線標記P波到時，藍色豎線標記S波到時.(a)DP1分量；(b)DP2分量；(c)DPZ分量.Fig.5 Waveforms of one event occurred at 2021-06-06T07∶31∶41.025 after REAL The red vertical lines mark the arrival of P wave and the blue vertical lines mark the arrival of S wave. (a) DP1 component; (b) DP2 component; (c) DPZ component.

一般而言，臺站間隙角越小，地震定位的準確度越高.在本文的研究中平均臺站間隙角為194°，大部分臺站間隙角在100°～300°之間(圖7).為了保證絕對定位地震目錄的完備性，上述的絕對定位目錄并未針對臺站間隙角進行篩選.接下來選擇臺站間隙角在280°和180°以內的地震事件進行相對定位，以獲得更高精度的地震目錄，進而刻畫研究區內斷層的精細形態.

2.4 基于走時目錄的HypoDD雙差定位

本文利用HypoDD方法(Waldhauser and Ellsworth,2000)分別針對臺站間隙角小于280°和180°的VELEST定位結果，進行初步的相對定位.在HypoDD相對定位中，設置震中距上限為120 km，最大的地震對震源距離為8 km，一個地震事件最多與10個地震事件組成地震對，且每一對地震事件至少包含8個相同震相.經HypoDD相對定位后，臺站間隙角在280°內的地震事件共有40287個(圖8a)，臺站間隙角在180°以內的共有22247個地震事件(圖8b).

2.5 基于波形互相關的GrowClust定位

與HypoDD定位算法相比，GrowClust算法能夠更加準確和穩定地確定小震的相對位置 (Trugman and Shearer, 2017).GrowClust算法的定位完全基于地震對的波形互相關資料，本文在HypoDD相對定位結果的基礎上，采用劉敏開發的FDTCC 程序(https:∥github.com/MinLiu19/FDTCC)進行快速互相關雙差走時計算，為GrowClust程序構建互相關數據.每一個地震事件與它最近的100個地震成對進行波形互相關計算，參與波形互相關計算的波形窗口為P波到時前0.2 s至P波到時后0.8 s，允許的滑動窗口0.3 s；S波到時前0.5 s至S波到時后1.2 s，允許的滑動窗口為0.5 s.所有的事件波形都進行了2～8 Hz的帶通濾波.在GrowClust定位過程中，每一個地震事件至少包含8個波形互相關系數大于0.9的震相.在臺站間隙角180°以內，最終對10502個地震事件進行了相對位置的校正(圖8d).同時進行了100 次Bootstrapping分析獲得了它們的平均水平誤差為55.9 m，平均深度誤差為71.9 m，平均發震時刻誤差為10.39 ms.定位誤差直方圖分布如圖9所示.

3 結果分析

3.1 地震目錄對比

本文基于密集臺陣數據利用Loc-Flow流程獲得了瑪多地震后的高分辨率地震目錄.定位流程中多種方法獲得的多個地震目錄的對比及統計見表2.絕對定位目錄HypoInverse和VELEST更注重完整性，而相對定位目錄HypoDD和GrowClust以嚴格的參數篩選只保留高精度的相對定位事件.前者定位精度在0.7 km左右，后者精度在幾十米的量級.

在相同時間段內，中國地震臺網正式目錄記錄到357個地震事件(見圖6a).我們從較完整的VELEST目錄中進行匹配，共匹配到316個事件，匹配率88.5%.匹配到的位置對比如圖10所示. 圖11給出了其水平位置差與發震時刻差，平均位置偏差為4.56 km，平均發震時刻偏差為-0.5 s.未能匹配到的事件中，有9個是時間未能匹配到，其余事件則是因為發震時刻相近的時間內(2 s內)檢測到另外的較大震級的事件(該類事件未在中國地震臺網目錄中)，在關聯的時候被排除掉.從圖中可以看出，未能匹配到的事件大多分布在研究區域西北側.中國地震臺網目錄與本文目錄之間存在較大偏差的主要原因可能在于定位時所用臺站的不同.本文利用的是震源附近100 km范圍內較密集的流動臺站，定位時用的震相為直達波Pg和Sg.中國地震臺網主要利用固定臺站，從圖1中可以看到，研究區附近100 km范圍內只有一個瑪多固定臺，其余固定臺站距離震源較遠，定位時用到的震相可能多為折射波，并且由于距離較遠受到射線路徑上速度模型的影響更大.與中國地震臺網目錄給出的位置相比，本文給出的地震事件的位置更收斂且更集中在斷裂帶附近.

表2 定位流程中不同方法獲得的震相數目和 地震事件數目統計Table 2 Statistics of the number of seismic phases and events obtained by different methods during location workflow

在瑪多MS7.4地震發生后，Wang等(2021)和徐志國等(2021)利用周邊400～500 km范圍內的臺站數據對震后10天內的余震序列進行了雙差定位，東西方向、南北方向及深度方向的定位精度分別在0.27～0.28 km、0.24～0.29 km、0.50～0.56 km，均方根殘差分別為0.12 s和0.1 s.尹欣欣等(2021)利用臺網數據對震前21天和震后12天的地震事件進行了雙差定位研究，水平定位誤差0.8 km，深度誤差2 km，均方根殘差0.2 s.本文給出的地震目錄為震后第14天至43天，時間上滯后于前人給出的地震目錄.在定位精度上，本文給出的HypoInverse絕對定位目錄的水平定位誤差為0.70 km，深度誤差為0.74 km，平均均方根殘差為0.10 s；雙差定位(HypoDD)目錄的東西向、南北向和深度誤差分別為20 m、21 m和23 m，均方根殘差為0.019 s.與前人給出的地震目錄相比，本文的地震目錄未能覆蓋江錯斷裂的東端部分，但是在定位精度上有了較大的提高，可以對發震斷裂進行更精細的刻畫.

圖8 相對定位后的震中分布 (a) 基于走時的HypoDD目錄，臺站間隙角小于280°； (b) 基于走時的HypoDD目錄，臺站間隙角小于180°； (c) 基于波形互相關的GrowClust目錄，臺站間隙角小于280°； (d) 基于波形互相關的GrowClust目錄，臺站間隙角小于180°.Fig.8 Epicenter distribution of relative relocation catalogs (a) Catalog of HypoDD (dtct) with station gap<280°; (b) Catalog of HypoDD (dtct) with station gap<180°; (c) Catalog of Growclust (dtcc) with station gap<280°; (d) Catalog of Growclust (dtcc) with station gap<180°.

圖9 GrowCLust定位誤差分布 (a) 水平定位誤差； (b) 深度定位誤差； (c) 發震時刻誤差.Fig.9 Histograms of location uncertainties for events of GrowClust catalog (a) Horizontal location error; (b) Vertical location error; (c) Origin time error.

圖10 中國地震臺網目錄事件與VELEST目錄匹配到的位置對比 (a) 平面圖； (b) 剖面圖.紅色圓圈為VELEST目錄，綠色圓圈為臺網目錄.Fig.10 Matching events location comparison between Chinese Seismic Network (CSN) catalog and Velest catalog (a) Top-view map; (b) Cross-section map. The red circles denote VELEST events, and the green circles denote CSN events.

圖11 臺網目錄與VELEST目錄共同事件的震源參數統計 (a) 水平位置差； (b) 發震時刻差.Fig.11 Statistics of common events of CSN and VELEST catalogs (a) Horizontal position difference; (b) Occurrence time difference of events.

圖12 地震序列的時間分布特征 (a) 2021年5月22日—7月3日期間的中國地震臺網目錄； (b) 6月5日—7月3日期間的HypoInverse目錄； (c) 6月5日—7月3日期間的HypoDD目錄； (d) 6月5日—7月3日期間的GrowClust目錄.Fig.12 Time distribution characteristics of earthquake sequences (a) Catalog from China Earthquake Networks Center during May 22—July 3; (b) Catalog of HypoInverse location during June 5—July 3; (c) Catalog of HypoDD relocation during June 5—July 3; (d) Catalog of GrowClust relocation during June 5—July 3.

圖13 地震序列的空間分布特征 (a—c) HypoInverse目錄沿緯度方向、經度方向及深度方向的統計圖； (d—e) HypoDD目錄沿緯度方向、經度方向及深度方向的統計圖； (g—i) GrowClust目錄沿緯度方向、經度方向及深度方向的統計圖.圖中標注了主震震中的位置.黑色五角星為中國地震臺網 目錄給出的主震，紅色五角星為Wang等(2021)重定位的主震.Fig.13 Spatial distribution characteristics of earthquake sequences (a—c) Histograms of latitude, longitude and depth of HypoInverse catalog; (d—e) Histograms of latitude, longitude and depth of HypoDD catalog; (g—i) Histograms of latitude, longitude and depth of GrowClust catalog. The location of the epicenter of the main shock is marked in the Figure. The black star is the main shock given in the catalogue of CSN, and the red star is the main shock relocated by Wang et al. (2021).

圖14 沿斷裂帶分段統計每1 km深度上的地震事件數目 (a) HypoInverse目錄； (b) HypoDD目錄； (c) GrowClust目錄.Fig.14 Histogram of seismic events per 1 km depth along the fault zone (a) HypoInverse catalog; (b) HypoDD catalog; (c) GrowClust catalog.

圖15 GrowClust精定位目錄的震中分布及剖面圖 (a) 震中分布平面圖及剖面位置； (b) 沿斷裂走向(Y1-0-Y2剖面，綠色線)的剖面; (c) 沿垂直于斷裂方向(A—L剖面，黑色線)的剖面.Fig.15 Epicenter distribution of GrowClust relocation and profiles (a) Top view of relocated events and position of profiles; (b) Fault-parallel (Y1-0-Y2, green) cross section; (c) Fault-perpendicular cross sections (A—L, black).

3.2 地震序列的時間分布特征

圖12a為中國地震臺網中心提供的瑪多MS7.4地震發生后43天(5月22日—7月3日)的地震目錄中地震事件隨時間的分布圖，圖12b—d為本文根據不同定位方法構建的地震目錄中地震事件隨時間的分布圖(6月5日—7月3日).盡管不同方法得到的地震目錄中的地震事件的總數不一樣，絕對定位HypoInverse和相對定位HypoDD、GrowClust方法獲得的定位結果隨時間的變化特征相似.從圖中可以發現隨著時間的推移，余震發生頻次總體呈現降低趨勢，并伴有幾次波動起伏.說明瑪多地震震源區域的地震活動性在瑪多MS7.4主震之后逐漸減弱，后期趨于平穩.在此期間發生了三次3級以上的地震，分別在6月12日、6月17日及6月25日，可以看到圖中的幾次波動起伏可能與這些地震有關.

3.3 地震序列的空間分布特征

地震定位結果顯示(圖6和圖8)，瑪多地震源區在6月5日—7月3日期間的地震序列總體上非均勻地沿NWW-SEE走向的破裂帶分布，但在西側呈近E-W向.

本文統計了地震數目在水平方向和深度方向上的變化(圖13).絕對定位和相對定位結果相似，均顯示了明顯的分段特征.由圖13b、e、h可以發現地震數目在經度方向上存在3個峰值，分別出現在斷裂帶的東段、西段和中段，表明東段(即主震以東)的地震發生頻次最多，地震活動性最強，西段地震活動性次之，中段地震活動性明顯減弱，地震數目最少.深度方向上的統計圖13c、f、i顯示，發震深度主要集中在2～15 km范圍內，其中8～12 km深度的地震數目最多，其次是2～8 km，深度在15 km以下的地震較少.

為了探究不同分段的特征，將地震序列劃分為三段，西段、中段和東段.將地震事件沿斷裂帶走向投影，并統計不同分段上的每1 km深度的地震事件數目，得到圖14.以地震序列走向拐角的地方為0點，向西為負，向東為正.結果可以更清楚的看出，地震事件在某些深度上的數目較多，存在深度上的優勢層，而且不同分段上的優勢層具有差異.西段的地震深度較深，主要集中在8～13 km；中段的發震深度比較均勻，但優勢層較淺，集中在3～5 km；東段的地震數目最多，優勢層在8～13 km，3～8 km的地震分布較均勻.

為了更精細地刻畫和描述地震序列和發震斷層的三維空間分布形態，本文繪制了沿斷層走向的剖面(Y1-0-Y2剖面，圖15b)和垂直于斷層走向的剖面(A-L剖面，圖15c)，將剖面兩側約3 km寬的地震事件投影在對應剖面上.從圖15中可以發現，地震序列主要沿地表破裂(Ren et al., 2022)的偏北一側分布，且具有明顯的分段性特征.結合上文的統計學結果，本文將三段的主要特征描述如下：

西段(Y1-0，即鄂陵湖南段)地震序列走向為近E-W向，與主斷裂的NWW-SEE向有一定的拐角.地震活動性較強，穿過該段的AA′和BB′剖面顯示，淺部的地震近垂直分布，但稍有南傾，在8 km以下深度有個向北傾向.該段的地震集中分布在8～13 km深度上.

中段(鄂陵湖至黃河鄉)的地震數目較少，地震活動性遠低于東西兩段.以野馬灘大橋為界，西邊的地震序列比較離散且地震分布范圍較寬，東邊的地震序列連續性較差，存在小的地震空區或稀疏區.在野馬灘大橋至黃河鄉(HH′剖面至JJ′剖面之間)的地震序列有一偏向北側的圓弧形延展，在黃河鄉南側可見一條南東向的地震序列.該段的地震深度較淺，野馬灘大橋以東的發震優勢層為2～5 km.

東段(主震向東)的地震活動性最強，定位的地震數目遠遠多于其他段.地震序列表現為一個向北的弧狀凸起，表明此處有一個復雜的從NWW到NNW轉向.CC′和DD′剖面近垂直分布.穿過中段和東段的剖面(EE′至LL′)顯示地震分布在深度上整體向北東傾斜，但在深部8 km以下轉為南傾.

垂直于走向的剖面(圖15c)顯示總體上地震序列近乎垂直分布，符合斷層左旋走滑的特征.不同分段上地震分布的幾何形態有著一定的差異性和復雜性，表明發震破裂面并非一個均勻的平面結構，淺部與深部的破裂存在差異.

4 討論

瑪多震源區位于巴顏喀拉塊體內部，發震斷層為NWW走向的江錯斷裂，整體處于印度板塊向北推擠、青藏高原地塊隆升、巴顏喀拉次級活動地塊向東擠出的構造背景下(Wang et al., 2021; 徐志國等, 2021).重力研究顯示瑪多主震前三年一直處于內部應力持續增強的狀態(胡敏章等, 2021).應力場反演結果表明區域背景應力場具有近EW向擠壓應力場特征，震源區最大水平主壓應力軸方位為NEE向(徐志國等, 2021).本文給出的震后第12天至第43天的高分辨率地震目錄顯示，隨著震后時間的推移，地震活動性逐漸減弱，并在瑪多MS7.4地震發生一個月后趨于平穩，但是與5月22日之前相比，地震活動性明顯增加，表明此區的應力仍處于不斷調整狀態，江錯斷裂處于不斷活動之中，總體上處于較強的地震活動性水平.

MS7.4主震之后的地表破裂調查(李智敏等,2021; 潘家偉等, 2021)、余震定位(Wang et al., 2021; 徐志國等, 2021)、震源機制結果(張喆和許力生，2021；徐志國等, 2021)及同震形變分析(華俊等，2021)都表明此次發震斷層(即江錯斷裂)為左旋走滑性質，破裂長度大于160 km，主震東西兩側各80 km.本文給出的地震序列主要包括了主震西側以及主震向東20 km處這一段，接下來的討論也圍繞這一段來展開.

4.1 江錯斷裂的分段性特征

本文揭示的高精度地震序列沿地表破裂帶具有明顯的分段性特征，與地表破裂位置及其分段(李智敏等,2021; 潘家偉等, 2021)有很好的一致性，表明了江錯斷裂的分段性及差異性.在前人的余震定位研究(Wang et al., 2021; 徐志國等,2021; 尹欣欣等, 2021)中也發現地震序列有分段性特征，與前人研究相比，本文的地震序列定位精度更高，分段更為精細.

西段(鄂陵湖南段)地震序列走向為近E-W向，與整體的NWW-SEE走向有個拐角，但與此處地表破裂位置及走向一致.余震震源機制結果(徐志國等，2021；呂苗苗等，2022)在向EW轉向的位置發現有逆沖型事件，表現為擠壓特征.這一段在前人進行的主震后前10天內的余震重定位結果(Wang et al., 2021; 徐志國等, 2021)中未發現明顯轉向.王未來等(Wang et al.,2021)對震后8天的余震重定位結果顯示該段北側有明顯的分支直至鄂陵湖，但本文的結果中未見明顯的北側分支，可能是由于北側的地震活動性不強或較為稀疏.當然，本文的地震序列與王未來等的余震序列存在時間差可能也是原因之一.地表破裂調查(潘家偉等, 2021)顯示北支的地表破裂規模較小，走滑位錯不明顯，而南側的破裂規模較大且連續，與該段較強的地震活動性一致.從衛星影像發現該段斷層的地貌軌跡在震前并不清晰，推斷該段斷層較為年輕(李智敏等, 2021).本文發現地震序列在該段的南側有一向南東方向的條帶狀延展，推測為較新激發的子斷層.

中段(鄂陵湖南至黃河鄉) 沿線可見SN向山脊、溝谷的左旋累積位錯(數十米至數百米不等)，表明該段斷層已經歷了多次地震活動(李智敏等, 2021)，是相對較老的斷層，不易發生應力的積累和釋放，導致該段的地震活動性較弱，發震深度較淺.野馬灘大橋以西的地表破裂寬度較寬且連續性好，以東的破裂不連續，與精定位地震序列的分布特征一致.在野馬灘大橋至黃河鄉的地震序列有一偏向北側的圓弧形延展，與地表破裂在此處沿著山脈與山前沖洪積臺地的地貌陡變帶展布一致，推測為此段的子斷層.由于一部分能量沿著北側NE或NW向的子斷層釋放，導致地震多發生在主斷裂的北側，呈現圓弧形延展，從而在NWW向主斷裂上顯示地震空區或稀疏區.地震序列在黃河鄉南側還發現有南東方向的延展，推測為主震激發的南側的子斷層.

InSAR同震形變場結果顯示東段的滑移量整體上大于西段(華俊等, 2021)，表明主震向東的東段能量最強，震后仍然顯示出較強的地震活動性.地表破裂結果(潘家偉等, 2021)顯示此處存在大量因邊坡失穩形成的與河道平行的張裂縫，在最東側可見一組NNW走向的破裂.地震序列在此段的弧狀凸起，顯示了從NWW至NNW較復雜的轉向.此段發震深度在2～14 km，但優勢層在8～12 km，8 km以下整體傾向由稍微北傾轉為南傾.以上說明該區域可能受到局部構造作用，形成復雜的孕震環境.

余震震源機制結果(徐志國等，2021；呂苗苗等，2022)顯示余震大多為近乎直立的左旋走滑型事件，然而也存在逆沖型事件.呂苗苗等(2022)基于密集臺陣發現在向EW向轉向及東段弧狀凸起的位置存在三次逆沖型事件，與本文地震序列在該區域出現的轉向相吻合；基于同一密集臺陣數據給出的精細速度結構(吳萍萍等，2022)發現，在西段的北側及東段約20 km處均存在高速異常體.據此推測可能由于高速異常體的存在，斷層在此處彎曲轉換并產生了擠壓型地震.

前人的研究(Wang et al., 2021；徐志國等, 2021)揭示了余震稀疏區的存在，尤其是主震東側20 km處存在的較大的空區.限于臺陣布設及臺站間隙角的約束情況，本文精定位結果只討論到20 km處.徐志國等(2021)認為主震的西側也存在多個余震稀疏區，但僅畫出了兩個較明顯的余震稀疏區，其中西段的余震稀疏區在地震序列由NEE-SEE轉為EW的拐彎處，與本文給出的稀疏區位置(圖15b)大致相同.但這個稀疏區只是指淺層地震的稀疏，8 km以下深度的地震事件在該處并不稀疏.另外，本文在中段也發現幾個小的稀疏區，上文已經解釋，在此不再贅述.

4.2 深部可能存在的孕震優勢層

同震滑動模型(華俊等, 2021)顯示地震主破裂發生在0～10 km深度內，本文的地震目錄給出的發震深度是0～15 km，與前人結果(徐志國等, 2021)給出的4～14 km比較一致.人工地震測深剖面(郭文斌等, 2016; 嘉世旭等, 2017)顯示該區巴顏喀拉塊體北緣上地殼結晶基底巖石脆性破裂、降速顯著，中地殼強反射、低速度結構，展示了巴顏喀拉塊體內部地殼中下部可能的殼內解耦結構特征.詹艷等(2021)利用大地電磁數據結果，得到巴顏喀拉地塊內部為高-低-次低阻結構，瑪多MS7.4主震震中就發生在地下高導體與低導體的交界區的高導體區域.相比于低速高導的中地殼，脆性的上地殼更容易發生破裂，可能是該區地震序列主要發生在15 km以上的原因.本文精定位地震目錄顯示地震序列的發震深度存在兩個優勢層，即3～5 km及8～12 km，在優勢層的地震事件數目偏多.總體上，中段的地震深度較淺，東西兩段的地震深度較深.本文推測可能與該區上地殼存在強弱不同的梯度層(嘉世旭等, 2017)有關，優勢層可能為該區的孕震層.

5 結論

本文利用短周期臺陣數據，基于深度學習拾取到時、震相關聯地震以及多種地震定位算法構建了瑪多MS7.4地震之后的第14天至43天內的絕對定位地震目錄和高分辨率地震目錄，結果顯示地震序列整體上沿著地表破裂帶的偏北一側呈現條帶狀展布，走向為NWW-SEE，發震深度主要在15 km以內.

(1)隨著震后時間的推移，震源區的地震活動性逐漸減弱并在MS7.4瑪多地震發生一個月后趨于平穩，但是相比瑪多MS7.4地震前，地震活動性明顯增加.

(2)精定位地震序列顯示出明顯的分段性：西段(鄂陵湖南)走向接近于E-W向，與整體走向呈現一定拐角，地震活動性較強；中段(鄂陵湖南至黃河鄉)地震活動性較弱，野馬灘大橋西邊地震分布較寬且連續，野馬灘大橋東邊的地震不連續，存在小的地震空區或稀疏區；東段(主震向東)有一個向北凸起的弧度，地震活動性最強.

(3)地震序列總體向北傾斜，但不同分段在不同深度上的傾斜形態存在差異：西段斷層傾向為近垂直，發震優勢層為8～12 km；中段和東段的地震序列總體向北傾斜，但在深度10 km左右轉變為向南傾，顯示了發震破裂面并非單一的平面結構，具有復雜的空間結構和形態.

致謝感謝瑪多7.4級地震科考地震深部構造環境組現場科考隊為獲取高質量的地震觀測數據付出的艱辛.感謝加拿大戴爾豪斯大學張淼教授分享和提供的構建地震目錄的Loc-Flow流程https:∥github.com/Dal-mzhang/LOC-FLOW.感謝三位匿名審稿專家和責任編委對本文的指正及建議.中國地震臺網正式目錄來源于中國地震臺網中心國家地震科學數據中心(https:∥data.earthquake.cn).地形數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http:∥www.gscloud.cn).文中圖件使用GMT6軟件(Wessel et al., 2019)繪制.